Der Lehrstuhl für Informatik 6 (Datenmanagement) wurde 1979 durch die Berufung von Prof. Dr. Hartmut Wedekind gegründet. Nach dessen Emeritierung wurde Prof. Dr. Klaus Meyer-Wegener 2001 zum neuen Lehrstuhlinhaber berufen. Er leitete den Lehrstuhl bis zum 4. Mai 2020. Bis zur Wiederbesetzung wurde der Lehrstuhl von Prof. Dr. Richard Lenz kommissarisch geleitet. Zum 1. April 2021 wurde Prof. Dr. Viktor Leis zum neuen Lehrstuhlinhaber berufen. Die dem Lehrstuhl zugeordnete Professur für Informatik (Datenmanagement) ist seit April 2007 mit Prof. Dr. Richard Lenz besetzt. 2019 wurde diese in die selbstständige Professur für evolutionäres Datenmanagement umgewandelt. 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 Semester 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 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 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 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. Mit dem Projekt sprechaktbasiertes Fallmanagement (SA4CM) wird das immer stärker aufkommende Thema der wissensintensiven weitgehend ungeregelten Prozesse aufgegriffen. Es wird untersucht, inwiefern die explizite Klassifikation von Interaktionen als Sprechakte genutzt werden kann, um solche Prozesse zu unterstützen bzw. besser mit explizit modellierten Arbeitsabläufen zu integrieren. Ein wesentlicher Treiber von Veränderungen in Unternehmen ist die zunehmende Notwendigkeit, schnell auf neue Trends und Marktentwicklungen reagieren zu können. Das traditionelle Data-Warehouse reicht als Datenbasis für immer kurzfristigere Entscheidungen nicht mehr aus. Vielmehr müssen qualitätsgesicherte unternehmensinterne Daten immer häufiger mit zahlreichen unternehmensexternen Datenquellen flexibel verknüpft werden können. Im Projekt DM4DS (Data Management for Data Science) wird untersucht, wie ein Data Scientist unterstützt werden kann bei der Suche von relevanten Datenquellen und bei deren Integration in ein existierendes Unternehmens-Datawarehouse. 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. Das schon erwähnte Projekt medITalk muss sich auch mit der Qualität der von den Arztpraxen gelieferten Daten auseinandersetzen. Es wurden schon Verfahren entwickelt, mit denen sich zukünftige Daten-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. Beim Umgang mit zeitbehafteten, nach und nach eintreffenden Datensätzen, auf die sehr schnell reagiert werden muss, stoßen sie jedoch an ihre Grenzen. Derartige Datenströme entstehen aber immer häufiger (z.B. in Sensornetzen) und es müssen relevante Ereignisse aus ihnen extrahiert werden. Mit Datenstromsystemen (DSS) versucht man, die bekannten Vorzüge von Datenbanksystemen - wie beispielsweise die Möglichkeit, deskriptive Anfragen formulieren zu können - auf den Umgang mit Datenströmen zu übertragen. Im Projekt DSAM wird daran gearbeitet, verschiedene heterogene DSS so zu verknüpfen, dass die Stärken jedes einzelnen Systems möglichst gut zum Tragen kommen. Dazu wurden Kostenmodelle für Anfragen an Datenströme entwickelt, die zur Optimierung der Datenstromverarbeitung genutzt werden können. Außerdem wurde eine ausführliche semantische Analyse von DSS durchgeführt, um ihre Unterschiede vollständig erfassen und in der Verteilung von Anfragen berücksichtigen zu können. Im Rahmen der DFG-Forschergruppe FOR 1508 BATS wird dies am konkreten Beispiel der Fledermaus-Beobachtung erprobt und weiterentwickelt. Das Projekt "Know Your Queries" befasst sich mit der Speicherung und Analyse von Datenbank-Anfragen (Queries) für ganz verschiedene Zwecke. Für die Datenstromverarbeitung praktiziert DSAM ohnehin schon eine Abbildung von Anfragen auf die verschiedenen DSS; das kann durchaus noch verallgemeinert werden. Des weiteren erweist sich die Anfrage-getriebene Integration von Datenquellen als zunehmend wichtiger: Statt sehr aufwändig zunächst die Quellen zu integrieren und dann Anfragen auszuführen, soll nur so viel integriert werden, wie schon vorliegende Anfragen auch tatsächlich benötigen. Das Projekt medITalk hat das am konkreten Beispiel schon erprobt; hier soll es nun verallgemeinert werden. Auch das neue Projekt DM4DS baut auf diesem Prinzip auf und setzt es für ein konkretes Datenbank-Managementsystem um. Ein weiteres Projekt befasst sich mit der Bewertung und Einordnung der vielen neuen Speicherungssysteme, die derzeit populär sind, meist unter dem Namen "NoSQL". Es ist bekannt, dass diese Systeme sehr viel weniger Funktionalität bieten, dafür aber bei der Skalierbarkeit und Ausfallsicherheit deutlich besser sind als klassische Datenbanksysteme. Das ist aber nur ein qualitatives Argument. In diesem Projekt wird versucht, die Unterschiede genauer zu beschreiben und Anwendern eine Entscheidungshilfe zu geben. Das beginnt mit der Analyse von Benchmarks, von denen es erst wenige für die NoSQL-Systeme gibt.
|