Der Lehrstuhl für Informatik 6 (Datenmanagement) wurde 1979 durch die Berufung von Prof. Dr. Hartmut Wedekind gegründet. Nach seiner Emeritierung wurde Prof. Dr. Klaus Meyer-Wegener 2001 zum neuen Lehrstuhlinhaber berufen. Die dem Lehrstuhl zugeordnete Professur für Informatik (Datenmanagement) ist seit April 2007 mit Prof. Dr. Richard Lenz besetzt. Der Lehrstuhl beschäftigt sich mit der Erforschung der Grundlagen des Datenmanagements und mit dem anwendungsgetriebenen Einsatz von Datenmanagement-Technologien. Aufbauend auf den Forschungsergebnissen erfolgt im Rahmen von Projekten gemeinsam mit Partnern aus Wirtschaft und Öffentlichem Dienst die Umsetzung der entwickelten Konzepte in der betrieblichen Praxis. Forschung und Projektgeschäft bilden gemeinsam die Grundlage für die zielgerichtete Ausbildung der Studierenden. Datenbanksysteme haben als wichtigste Technik des Datenmanagements inzwischen eine sehr große Bedeutung in allen Bereichen der Wirtschaft und der Verwaltung erlangt. Die zunehmende Notwendigkeit zur Integration verschiedener Datenbanksysteme und der steigende Bedarf zur effizienten Unterstützung system- und organisationsübergreifender Geschäftsprozesse motivieren anwendungsorientierte Forschungsschwerpunkte wie Evolutionäre Informationssysteme und Datenqualität. Im Bereich der grundlagenorientierten Forschung befasst sich der Lehrstuhl mit Techniken zur Unterstützung der Skalierbarkeit und Modularisierung von Datenbanksystemen und ihrer funktionellen Erweiterung um eine Datenstromverarbeitung. Lehre Der Lehrstuhl bietet im Bachelor-Studiengang Informatik jedes Wintersemester die Pflicht-Lehrveranstaltung "Konzeptionelle Modellierung" für das erste Fachsemester und die Pflicht-Lehrveranstaltung "Implementierung von Datenbanksystemen" für das fünfte Fachsemester an. Im Master-Studiengang Informatik ist der Lehrstuhl mit einem eigenen Vertiefungsfach "Datenbanksysteme" vertreten und trägt zur Hälfte das Fach "Medieninformatik" mit. Daneben beteiligt sich der Lehrstuhl intensiv an den Informatik-Angeboten für andere Studiengänge, hier insbesondere Wirtschaftsinformatik bzw. International Information Systems, Maschinenbau, Werkstoffwissenschaften und Wirtschaftsingenieurwesen.
Forschungsschwerpunkte1. Anwendungsintegration und evolutionäre Informationssysteme Datenbanksysteme spielen auch bei der Anwendungsintegration eine gewichtige Rolle, denn im Kern jedes Integrationsprojekts steht die Datenintegration, die einerseits die semantische Abstimmung ("Mapping") und andererseits die systemübergreifende Synchronisation betrifft. Zwischen den zu integrierenden Anwendungen müssen Daten ausgetauscht und konsistent gehalten werden. Dabei verursacht vor allem die semantische Integration von Datentypen und -instanzen einen hohen manuellen Bearbeitungsaufwand. Deshalb muss nach Methoden und Techniken zur Minimierung dieses Aufwands gesucht werden. Eine wesentliche Randbedingung ist dabei, dass die Anforderungen an betriebliche Informationssysteme einem ständigen Wandel unterworfen sind. Im Rahmen der Forschung zu evolutionären Informationssystemen beschäftigt sich der Lehrstuhl daher mit der Frage, wie der Aufwand für eine bedarfsorientierte Systemevolution minimiert und organisatorisches Lernen unterstützt werden kann. Im Projekt ProMed wurde untersucht, wie bei institutionsübergreifenden Abläufen im medizinischen Versorgungsnetz die Kommunikationspartner (Krankenhäuser, niedergelassene Ärzte, Labore, Kassenärztliche Vereinigungen und Apotheken) mit Hilfe aktiver Dokumente technisch entkoppelt werden können und wie gleichzeitig eine flexible Prozessunterstützung ermöglicht werden kann. Im Rahmen des Projekts medITalk wird (im Kontext des Spitzenclusters Medizintechnik) ein ERP-System für Arztpraxisverbünde entwickelt. Aus Forschungsgesichtspunkten ist dabei insbesondere die Evolutionsfähigkeit von Interesse. Den Ausgangspunkt bilden autonome Arztpraxissysteme und andere Datenquellen, die auch weiter betrieben werden sollen. Das zu entwickelnde System ermöglicht nun eine Kooperation, ohne die beteiligten Systeme vollständig vorher integrieren zu müssen. Stattdessen sollen neue Methoden und Techniken eingesetzt werden, die eine bedarfsgesteuerte sanfte Migration zu immer besser kooperierenden Teilsystemen ermöglichen. Das Projekt ProHTA (Prospective Health-Technology Assessment) ist ein interdisziplinäres Projekt im Spitzencluster Medizintechnik, bei dem es um frühzeitige Technikfolgenabschätzung im Gesundheitswesen geht. Aus der Sicht des Datenmanagements ist dabei vor allem die Entwicklung von Methoden und Techniken zum Umgang mit einem stark veränderlichen und dynamisch wachsenden Informationsbedarf interessant. Darüber hinaus spielen auch in diesem Projekt Fragen der Datenqualität eine große Rolle. Insbesondere die Anforderung, die Qualität von Simulationsergebnissen messen und über ein zielgerichtetes Datenmanagement auch steuern zu können, stellt eine große Herausforderung dar. 2. Datenqualität Die verfügbaren Mechanismen zur Sicherung der Datenqualität in Datenbanksystemen reichen für ein umfassendes Datenqualitätsmanagement nicht aus. Ganzheitliche Strategien erfordern neue Mechanismen zur gezielten Optimierung des Datenproduktionsprozesses. Im Forschungsprojekt DQ-Step wurden Datenqualitätsprobleme am Beispiel des Industrieanlagenbaus analysiert sowie Methoden und Werkzeuge entwickelt, die zur nachhaltigen Optimierung der Datenqualität unter Berücksichtigung der vorhandenen Altsysteme beitragen. Ziel des Projektes war es, Datenqualitätsprobleme so früh wie möglich im Datenproduktionsprozess transparent zu machen bzw. durch geeignete Verfahren von vorne herein zu vermeiden. Es konnte gezeigt werden, dass ein konfigurierbares Metadaten-Repositorium als unabhängiges Monitoring-Werkzeug sehr gut geeignet ist, um domänenspezifische Datenqualitätsregeln zu spezifizieren und zu überprüfen. TDQMed ist ein vom BMBF gefördertes Projekt im Spitzencluster Medizintechnik. Ziel ist die Analyse und Optimierung der Datenqualität für Testdaten bei der Entwicklung von medizinischen Modalitäten. Dabei wird insbesondere untersucht, welche spezifischen Qualitätsmerkmale für Testdaten benötigt werden (z.B. Realitätsnähe) und wie qualitativ hochwertige Testdaten möglichst automatisch generiert werden können. Auch das schon erwähnte Projekt medITalk muss sich mit Qualität der von den Arztpraxen gelieferten Daten auseinandersetzen. Es wurden Verfahren entwickelt, mit denen sich zukünftige Lieferungen vorhersagen lassen, so dass die Vollständigkeit der tatsächlich eintreffenden Daten abgeschätzt werden kann. 3. Datenbank- und Datenstromsysteme Datenbanksysteme ermöglichen eine effiziente Verwaltung strukturierter Daten. Allerdings sind Datenbankmanagementsysteme (DBMS) sehr große Software-Pakete mit hohem Ressourcenbedarf. Das inzwischen abgeschlossene Projekt CoBRA DB hat ein modulares DBMS bereitgestellt. das es erlaubt, die Datenverwaltung an spezielle Anforderungen oder ungewöhnliche technische Rahmenbedingungen anzupassen und nicht benötigte Teile wegzulassen. Besondere Beachtung erfordert der Umgang mit zeitbehafteten, nach und nach eintreffenden Datensätzen, die Ereignisse repräsentieren, wie sie beispielsweise in Sensornetzen in großer Zahl generiert werden. Datenstrommanagementsysteme (DSMS) unterstützen den effizienten Umgang mit solchen Daten. Im Projekt DSAM (i6sdb) wird daran gearbeitet, verschiedene heterogene DSMS so zu verknüpfen, dass die Stärken jedes einzelnen Systems möglichst gut zum Tragen kommen. Dazu werden Kostenmodelle für Anfragen an Datenströme entwickelt, die zur Optimierung der Datenstromverarbeitung genutzt werden können. Außerdem wird untersucht, wie die Datenqualität bei Datenstromsystemen verbessert werden und wie eine effiziente Vorverarbeitung in Sensornetzwerken erreicht werden kann. Im Rahmen der DFG-Forschergruppe FOR 1508 BATS wird dies am konkreten Beispiel der Fledermaus-Beobachtung erprobt und weiterentwickelt. Ein spezielles Anwendungsgebiet, in dem es ebenfalls um Datenströme und Ereignisverarbeitung geht, sind sog. MMOGs (massively multiplayer online games). Hierbei interagieren extrem viele Spieler gleichzeitig in einer gemeinsamen virtuellen Welt, deren Zustand durch die dezentrale Erzeugung von Ereignissen ständig verändert wird. Im Rahmen des Projekts i6 M2EtIS wird untersucht, wie die Leistungsfähigkeit und die Skalierbarkeit dieser Systeme durch semantische Klassifikation von Ereignis-Typen verbessert werden können. Das SUSHy-Projekt befasst sich mit der Verarbeitung von Sensordaten in großen Anlagen und zwar am Beispiel von Schiffen. Das System muss einerseits schnell den Anlagenzustand anzeigen können, andererseits aber auch langfristige Analysen im Hinblick auf Wartung und Energieeinsparung erlauben. In einem Teststand werden Datenstromsysteme, NoSQL-Datenbanken, Hauptspeicherdatenbanken und klassische relationale Datenbanksysteme daraufhin untersucht, ob und wie sie diesen Anforderungen genügen können.
|