Informationssystem Architekturen

Transkript

1 Informationssystem Architekturen 8. Jahrgang, Heft 1, August 2001 Wirtschaftsinformatik Rundbrief der GI-Fachgruppe 5.10

2 Dieser Rundbrief wird von der Fachgruppe 5.10 Informationssystem-Architekturen: Modellierung betrieblicher Informationssysteme (MobIS) der Gesellschaft für Informatik e.v. (GI) herausgegeben und erscheint im halbjährlichen Abstand. Gegenstand des Rundbriefes sind Forschungsergebnisse im Bereich betrieblicher Informationssystem-Architekturen und Praxisbeispiele von fortschrittlichen Anwendungen in Wirtschaft und Verwaltung. Der Rundbrief dient den Mitgliedern und den Arbeitskreisen der Fachgruppe 5.10 zum Informationsund Erfahrungsaustausch. Über den Abdruck von eingereichten Beiträgen entscheiden die Leitungsgremien der Fachgruppe und der Arbeitskreise. Die abgedruckten Beiträge geben stets die Meinung der jeweiligen Autoren wieder. Alle Mitglieder der Fachgruppe 5.10 erhalten den Rundbrief. Es ist möglich, ohne gleichzeitige Mitgliedschaft in der GI der Fachgruppe beizutreten. Anträge auf Aufnahme in die GI oder die Fachgruppe sind an die Geschäftsstelle der GI zu richten (Postanschrift: Gesellschaft für Informatik e.v., Wissenschaftszentrum, Ahrstr. 45, Bonn, Tel.: 0228/ ). Aus Gründen der einfacheren Verwaltung werden Eintritte jeweils zu Beginn des Kalenderjahres wirksam. Leitungsgremium der Fachgruppe 5.10 Informationssystem-Architekturen Prof. Dr. Jörg Becker Institut für Wirtschaftsinformatik Westfälische Wilhelms-Universität Grevener Str Münster Tel.: 0251/ Prof. Dr. Andreas Oberweis Johann Wolfgang Goethe-Universität Institut für Wirtschaftsinformatik II Postfach Frankfurt am Main Tel.: 069/ Dr, Martin Bertram Debis Systemhaus Dienstleistungen GmbH Fasanenweg Leinfelden-Echterdingen Tel.: 0711/ mbertram@acm.org Prof. Dr. Herrad Schmidt Universität-Gesamthochschule Siegen FB Wirtschaftswissenschaften Siegen Tel.: 0271/ schmidt@goldberg.fb5.uni-siegen.de Prof. Dr. Ulrich Frank Universität Koblenz-Landau Institut für Wirtschaftsinformatik Reihnau Koblenz Tel.: 0261/ ulrich.frank@uni-koblenz.de Prof. Dr. Elmar J. Sinz (Sprecher) Universität Bamberg Lehrstuhl für Wirtschaftsinformatik Feldkirchenstr Bamberg Tel.: 0951/ elmar.sinz@sowi.uni-bamberg.de Klaus-Walter Müller (stellv. Sprecher) KPMG Consulting AG Financial Services / Insurance Elektrastraße München Tel.: 089/ KlausWalterMueller@kpmg.com Dr. Michael Teufel, RWE Systems AG Bereich IT-Anwendungen Flamingoweg Dortmund Tel.: 0231/ michael.teufel@rwesystems.com

3 Inhalt Editorial... 3 Aufruf zur Wahl des Leitungsgremiums... 5 Einladung zur Mitgliederversammlung der GI-Fachgruppe 5.10 MobIS Tagungsankündigung VertIS Call for Papers Modellierung Beiträge des Arbeitskreises : Modellierung und Nutzung von Data Warehouse Systemen Bericht des Arbeitskreises M. Böhnlein, A. Ulbrich-vom Ende (Universität Bamberg): Ein konzeptuelles Data Warehouse-Modell für die Erstellung multidimensionaler Datenstrukturen Knobloch, B. (Universität Bamberg): Der Data-Mining-Ansatz zur Analyse betriebswirtschaftlicher Daten

4 2

5 An die Mitglieder und Interessenten der Fachgruppe 5.10 Informationssystem-Architekturen: Modellierung betrieblicher Informationssysteme (MobIS) Editorial Sehr geehrte Damen und Herren, die vorliegende Ausgabe des Rundbriefs enthält zwei Beiträge aus dem Arbeitskreis Modellierung und Nutzung von Data-Warehouse-Systemen. Michael Böhnlein und Achim Ulbrich-vom Ende berichten über ein konzeptuelles Data-Warehouse-Modell für die Erstellung multidimensionaler Datenstrukturen. Bernd Knobloch gibt eine Einführung in den Data-Mining-Ansatz zur Analyse betriebswirtschaftlicher Daten. Die Amtszeit des Leitungsgremiums der Fachgruppe 5.10 ist abgelaufen. Sie finden in diesem Rundbrief einen Wahlaufruf für die Briefwahl einer neuen Fachgruppenleitung und ich ermuntere Sie hiermit, sich zahlreich an der Wahl zu beteiligen. Schließlich möchte ich Sie herzlich einladen, an der Verbundtagung VertIS 2001 am 4. und 5. Oktober 2001 in Bamberg teilzunehmen. Sie wird von den Fachgruppen VKI, EMISA und 5.10 MobIS sowie dem DFG-Schwerpunktprogramm 1083 gemeinsam veranstaltet und ersetzt in diesem Jahr unsere klassische MobIS-Jahrestagung. Mit dem Konzept der Verbundtagung wollen wir einen Beitrag zur Bündelung von Tagungsaktivitäten leisten. Aktuelle Informationen finden Sie unter Ich würde mich freuen, Sie in Bamberg begrüßen zu dürfen und verbleibe mit herzlichen Grüßen Ihr Elmar Sinz 3

6 4

7 Aufruf zur Wahl des Leitungsgremiums der GI-Fachgruppe 5.10 Informationssystem-Architekturen: Modellierung betrieblicher Informationssysteme (MobIS) Sehr geehrte Fachgruppenmitglieder, das Leitungsgremium einer Fachgruppe wird für drei Jahre gewählt. Da die Amtszeit des Leitungsgremiums abgelaufen ist, stehen Neuwahlen an. Folgende Kandidaten stehen zur Wahl: Prof. Dr. J. Becker (UNI Münster) Dr. M. Bertram (Commerzbank AG, Frankfurt) Prof. Dr. M. Esser (Artificial Life und UNI St. Petersburg) Prof. Dr. W. Esswein (UNI Dresden) Prof. Dr. U. Frank (UNI Koblenz-Landau) K.-W. Müller (KPMG, München) Prof. Dr. A. Oberweis (UNI Frankfurt) Prof. Dr. M. Rebstock (FH Darmstadt) Prof. Dr. E. J. Sinz (UNI Bamberg) Dr. M. Teufel (VEW Energie AG, Dortmund) Nachfolgend finden Sie eine kurze Vorstellung der einzelnen Kandidaten. Alle Mitglieder der Fachgruppe 5.10 sind wahlberechtigt. Auf dem Stimmzettel, der die Kandidatenliste enthält, kann bei jedem Kandidaten entweder Ja oder Nein angekreuzt werden. Gewählt sind die 9 Kandidaten, die die größte positive Differenz aus Ja - und Nein -Stimmen erreichen. 5

8 Füllen Sie bitte Stimmzettel und Adresszettel aus. Auf dem Stimmzettel darf pro Zeile höchstens ein Kreuz eingetragen werden. Eine Stimmenthaltung (kein Kreuz) ist zulässig. Ein Stimmzettel ist nur dann gültig, wenn für jeden Kandidaten eine eindeutige Ja/Nein- Entscheidung bzw. Stimmenthaltung erkennbar ist. Ihre Stimmabgabe kann nicht gewertet werden, wenn Sie nicht Mitglied der FG 5.10 sind, keine gültige GI-Mitgliedsnummer angegeben haben oder den Adresszettel nicht unterschrieben haben. Stecken Sie bitte den ausgefüllten Stimmzettel in den kleineren weißen Umschlag. Legen Sie diesen Umschlag zusammen mit dem ausgefüllten und unterschriebenen Adresszettel in den größeren weißen Umschlag und senden sie diesen an den Wahlleiter (Adresse ist bereits aufgedruckt): Dr. Klaus Schmitz Bamberger Centrum für betriebliche Informationssysteme Universität Bamberg Feldkirchenstr Bamberg Der Endtermin für den Eingang des Wahlbriefs ist der Eine Fachgruppe ist auf das Engagement ihrer Mitglieder angewiesen, daher bitte ich Sie, von Ihrem Wahlrecht Gebrauch zu machen. Ihr Elmar Sinz 6

9 Vorstellung der Kandidaten: Prof. Dr. J. Becker : Lehrstuhl für Wirtschaftsinformatik und Informationsmanagement Institut für Wirtschaftsinformatik Westfälische Wilhelms-Universität Münster - Jahrgang 1959; - Studium der Betriebswirtschaftslehre an der Universität des Saarlandes; - Studium der Betriebs- und Volkswirtschaftslehre an der University of Michigan, Ann Arbor, USA; - Wissenschaftlicher Mitarbeiter am Institut für Wirtschaftsinformatik (IWi) der Universität des Saarlandes (Leitung: Prof. Dr. A.-W. Scheer); - Berater der IDS Gesellschaft für Integrierte Datenverarbeitungssysteme GmbH; - Seit 1990 Universitätsprofessor, Inhaber des Lehrstuhls für Wirtschaftsinformatik und Informationsmanagement der Westfälischen Wilhelms-Universität Münster, Direktor des Instituts für Wirtschaftsinformatik (seit 1995 geschäftsführend), Hauptgesellschafter der Prof. Becker GmbH, einem Beratungsunternehmen in Fragen der Organisations- und Informationssystemgestaltung. Forschungsschwerpunkte: Informationsmanagement, Informationsmodellierung, Datenmanagement, Logistik, Handelsinformationssysteme, Führungsinformationssysteme, Prozessmanagement, Workflowmanagementsysteme. Dr. M. Bertram: Commerzbank AG Zentraler Servicebereich TransAction Banking / Securities - Trading Services Mainzer Landstraße 293 D Frankfurt Tel.: +49 (0) : Martin.Bertram@commerzbank.com 2: mbertram@acm.org - Jahrgang 1955; verheiratet 1 Kind; - Studium und Promotion in Mathematik; Softwareentwicklung / Methoden und Verfahren; Unternehmensberatungen mit Schwerpunkt IT-Strategien / Methoden und Verfahren; - Seit 2000 Commerzbank AG im Großprojektmanagement. Mein Leitsatz: "Nichts in so praktisch wie eine wohl fundierte Theorie" [stammt aber nicht von mir ;-)]. Prof. Dr. M. Esser: Artificial Life und Universität St. Petersburg Manfred.Esser@artificial-life.com Prof. Dr. W. Esswein (UNI Dresden): Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung Technische Universität Dresden - Studium der BWL in Augsburg; - Wissenschaftl. MA in Regensburg und Bamberg; - Praxiserfahrungen bei der Siemens AG sowie in zahlreichen Projekten; - Seit SS 1994 Inhaber des Lehrstuhls für Wirtschaftsinformatik, insb. Systementwicklung an der TU- Dresden. Forschungsschwerpunkt: Unternehmensspezifische Anpassung von Modellierungssprachen sowie die werkzeugtechnische Unterstützung von Business-Excellence-Projekten. 7

10 Prof. Dr. U. Frank: Institut für Wirtschaftsinformatik Universität Koblenz-Landau - Studium der Betriebswirtschaftslehre an der Universität Köln, Angewandte Informatik im Nebenfach; - Wissenschaftlicher Mitarbeiter an der Universität Mannheim bei Prof. Dr. Alfred Kieser; - Promotion zum Dr. rer. pol. an der Universität Mannheim (1986); - Habilitation an der Universität Marburg (1993); - Professor für Wirtschaftsinformatik an der Universität Koblenz (1995); - Gastprofessor an der Deakin-University in Melbourne (1998); - Ruf auf den Lehrstuhl für Wirtschaftsinformatik II an der Universität Augsburg (2000) abgelehnt. Forschungsschwerpunkte: multiperspektivische Unternehmensmodellierung, objektorientierte Modellierung und Software-Entwicklung, Konzepte und Systeme zur Unterstützung des Wissensmanagement, Modellierungskonzepte für E-Commerce Plattformen, Frameworks und Design Patterns im Rahmen betrieblicher Informationssysteme. K.-W. Müller: KPMG Consulting AG Financial Services / Insurance Elektrastraße München Tel.: +49 (0) KlausWalterMueller@kpmg.com Prof. Dr. A. Oberweis: Lehrstuhl für Entwicklung betrieblicher Informationssysteme Goethe-Universität, Frankfurt am Main - Jahrgang 1962; - Studium des Fachs Wirtschaftsingenieurwesen an der Universität Karlsruhe (Diplom 1984); - wissenschaftl. Mitarbeiter an der Universität Karlsruhe, der Technischen Hochschule Darmstadt sowie der Universität Mannheim; - Promotion 1990 in Mannheim; - wiss. Assistent an der Universität Karlsruhe und Habilitation (1995); - Seit 1995 Inhaber eines Lehrstuhls für Entwicklung betrieblicher Informationssysteme am Fachbereich Wirtschaftswissenschaften der J.W. Goethe-Universität in Frankfurt/Main. Haupt-Forschungsgebiete: Software Engineering Management, Geschäftsprozess- und Workflow- Management, Entwicklung verteilter betrieblicher Informationssysteme. Autor bzw. Herausgeber von 9 Büchern sowie ca. 100 Zeitschriftenartikeln und Tagungsbeiträgen. Gründungsgesellschafter der PROMATIS AG Karlsbad. 8

11 Prof. Dr. M. Rebstock: Fachhochschule Darmstadt - Jahrgang 1962; - Studium der Betriebswirtschaftslehre an der Universität Mannheim und der University of Wales, UK; - Promotion zum Dr. rer. pol. am Lehrstuhl für ABWL und Organisation, Prof. Dr. Alfred Kieser, Universität Mannheim; bis 1995 Management- und IT-Consultant bei zwei führenden Management- and IT- Beratungsunternehmen; - Seit 1995 Professor für Betriebswirtschaftslehre und betriebswirtschaftliche Informationsverarbeitung an der Fachhochschule Darmstadt University of Applied Sciences. Mitgliedschaften und Aktivitäten in verschiedenen Organisationen, u.a. der Gesellschaft für Informatik, der Association of Computing Machinery und der Schmalenbach-Gesellschaft. Prof. Dr. E. J. Sinz: Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung und Datenbankanwendung Otto-Friedrich-Universität Bamberg - Jahrgang 1951; - Diplom-Ingenieur (FH) für Maschinenbau (1972); - Diplom-Kaufmann (1977) - Promotion zum Dr. rer. pol. an der Universität Regensburg 1983; - Habilitation zum Dr. rer. pol. habil. für das Fach Wirtschaftsinformatik an der Universität Regensburg (1987); - Seit 1988 Inhaber des Lehrstuhls für Wirtschaftsinformatik, insbesondere Systementwicklung und Datenbankanwendung, der Universität Bamberg. Vorsitzender der Wissenschaftlichen Kommission Wirtschaftsinformatik im Verband der Hochschullehrer für Betriebswirtschaft e.v. ( ). Sprecher der Fachgruppe 5.10 Informationssystem-Architekturen der Gesellschaft für Informatik (seit 1993). Mitherausgeber der Zeitschrift WIRTSCHAFTSINFORMATIK (seit 1990). Dr. M. Teufel: RWE Systems AG Bereich IT-Anwendungen Flamingoweg Dortmund Tel.: +49 (0) michael.teufel@rwesystems.com 9

12 10

13 Einladung zur Mitgliederversammlung der GI-Fachgruppe 5.10 MobIS Die Mitgliederversammlung findet im Rahmen der Verbundtagung VertIS 2001 in Bamberg statt. Eingeladen sind alle Mitglieder und Interessenten der Fachgruppe 5.10 MobIS. Ort: Zeit: Universität Bamberg 4. Oktober Uhr, Raum n.v. Tagesordnung: 1. Begrüßung 2. Bericht des Sprechers 3. Finanzen und Mitgliederzahlen 4. Geplante Aktivitäten der Fachgruppe 5. Verschiedenes Elmar J. Sinz Sprecher der Fachgruppe 5.10 MobIS 11

14 12

15 Tagungsankündigung VertIS 2001 Fachgruppe VKI: Verteilte Künstliche Intelligenz, Fachgruppe EMISA: Entwicklungsmethoden für Informationssysteme und deren Anwendung, Fachgruppe 5.10 MobIS: Informationssystem-Architekturen: Modellierung betrieblicher Informationssysteme, DFG-Schwerpunktprogramm (1083) "Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien" Einladung und Programm Verbundtagung VertIS 2001 Verteilte Informationssysteme auf der Grundlage von Objekten, Komponenten und Agenten 4. und 5. Oktober 2001 Universität Bamberg 13

16 Veranstalter Programmkomitee: Fachgruppe VKI: Verteilte Künstliche Intelligenz, Fachgruppe EMISA: Entwicklungsmethoden für Informationssysteme und deren Anwendung, Fachgruppe 5.10 MobIS: Informationssystem-Architekturen: Modellierung betrieblicher Informationssysteme, und das DFG-Schwerpunktprogramm (1083) "Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien" laden herzlich zur Verbundtagung Verteilte Informationssysteme auf der Basis von Objekten, Komponenten und Agenten ein. Ziele und Themen Die Tagung bietet ein breites Forum für die Präsentation und Diskussion aktueller Themen im Bereich der Modellierung, Entwicklung und Nutzung verteil-ter Informationssysteme im Dialog von Wissenschaft und Praxis. Inhaltlicher Schwerpunkt ist die Nutzung von objekt-, komponenten- und agenten-orientierten Methoden und Technologien, die als Grundlage für die verteilte Informationsverarbeitung insbesondere in offenen Umgebungen eingesetzt werden. Die von jeweils zwei Gutachtern beurteilten Beiträge befassen sich mit den Themenbereichen Modellierung von Agentensystemen, Entwurf von Softwarekomponenten, Anwendung von Agentensystemen, Verhalten und Steuerung von Agenten und Agententechnologien. Zusätzlich werden drei Workshops mit den Themen Datenbankanfragen und XML, Modellierung und Spezifikation von Fachkomponenten und Modellierung und Nutzung von Data-Warehouse-Systemen angeboten. Veranstaltungsort: Otto-Friedrich-Universität Bamberg Feldkirchenstr. 21 D Bamberg Alle Vorträge finden in Hörsälen des Standorts Feldkirchenstraße der Universität Bamberg statt. Anreisemöglichkeiten bestehen mit dem Auto (A3/B505, A70, A73) oder mit der Bahn. Der Standort Feldkirchenstraße ist vom Bahnhof mit den Buslinien 1 bzw. 14 (Richtung Gartenstadt, Haltestelle Kloster- Banz-Straße) oder mit der Buslinie 7 (Richtung Memmelsdorf, Haltestelle Feldkirchenstraße) erreichbar. Eine Wegbeschreibung sowie nähere Informatio-nen über ausgewählte Hotels finden sich im WWW oder können beim Tagungsbüro angefor-dert werden. Vorsitzende des Programmkomitees Prof. Dr. S. Jablonski (UNI Erlangen-Nürnberg, FG 2.5.2), Prof. Dr. S. Kirn (TU Ilmenau, DFG-SPP 1083), Prof. Dr. E. J. Sinz (Tagungsleitung, UNI Bamberg, FG 5.10), Dr. G. Weiß (TU München, FG 1.1.6). Weitere Mitglieder des Programmkomitees Prof. Dr. J. Becker (UNI Münster), Dr. M. Bertram (Commerzbank AG, Frankfurt), Prof. Dr. H.-D. Burkhard (Humboldt-UNI Berlin), Prof. Dr. J. Desel (KU Eichstätt), Prof. Dr. M. Esser (Artificial Life und UNI St. Petersburg), Dr. K. Fischer (DFKI Saarbrücken), Prof. Dr. U. Frank (UNI Koblenz-Landau), Prof. Dr. M. Grauer (UNI Siegen), M. Hannebauer (GMD FIRST, Berlin), Prof. Dr. O. Herzog (Lenze GmbH & Co KG, Hameln), Dr. M. Jeusfeld (UNI Tilburg), Dr. R. Kaschek (UBS AG, Zurich), Dr. R. Klischewski (UNI Hamburg), Dr. J. Küng (UNI Linz), Dr. G. Lindemann (Humboldt-UNI Berlin), Dr. J. Müller (Siemens AG, München), K.-W. Müller (KPMG, München), PD Dr. Thomas Myrach (UNI Bern), Prof. Dr. A. Oberweis (UNI Frankfurt), Dr. H. Paul (Wissenschaftszentrum NRW, Gelsenkirchen), Dr. P. Petta (Austrian Research Institute for Artificial Intelligence, Wien), T. Pohley (Vereins- und Westbank AG, Wismar), Dr. Th. Rose (FAW Ulm), Prof. Dr. G. Saake (UNI Magdeburg), Dr. R. Schütte (UNI Essen), Dr. K. Sundermeyer (DaimlerChrysler, Berlin), Dr. M. Teufel (VEW Energie AG, Dortmund), I. Timm (UNI Bremen), PD Dr. K. Turowski (UNI der Bundeswehr München), Prof. Dr. G. Vossen (UNI Münster), PD Dr. G. Wagner (UNI Eindhoven), Prof. Dr. M. Weske (Hasso-Plattner-Institut für Softwaresystemtechnik, Potsdam). Tagungsbüro: Dipl.-Wirtsch.Inf. Markus Plaha Otto-Friedrich-Universität Bamberg Lehrstuhl für Wirtschaftsinformatik, insb. Systementwicklung und Datenbankanwendung Feldkirchenstr. 21 D Bamberg Tel.: 0951/ Fax: 0951/ markus.plaha@sowi.uni-bamberg.de Weitere Informationen: Aktuelle Informationen zur Tagung finden sich im WWW unter: 14

17 Donnerstag, 4. Oktober :30 Begrüßung E. J. Sinz (Universität Bamberg) Modellierung von Agentensystemen 10:00 M. Köhler, D. Moldt, H. Rölke (Universität Hamburg) Einheitliche Modellierung von Agenten und Agentensystemen mit Referenznetzen 10:45 W.-U.Raffel (Freie Universität Berlin), K. Taveter (VTT Information Technology), G. Wagner (Technische Universität Eindhoven) Agent-Oriented Modeling of Business Rules and Business Processes: The Case of Automatically Guided Transport Systems 11:30 H. Knublauch, T. Rose (Universität Ulm) Werkzeugunterstützte Prozessanalyse zur Identifikation von Anwendungsszenarien für Agenten 12:15 Mittagspause* Entwurf von Softwarekomponenten 13:30 U. Frank, J. Jung (Universität Koblenz) Prototypische Vorgehensweise für den Entwurf anwendungsnaher Komponenten 14:15 R. Holten, R. Knackstedt (Universität Münster), M. Böhnlein, A. Ulbrich-vom Ende (Universität Bamberg) Identifikation und Anwendung semantischer Modellbausteine für Managementsichten Anwendung von Agentensystemen 15:30 L. Mönch (Technische Universität Ilmenau) Analyse und Design für ein agentenbasiertes System zur Steuerung von Produktionsprozessen in der Halbleiterindustrie 16:15 J. Schumacher (Universität Bonn), M. Beetz (Technische Universität München) Ein agentenbasiertes Verfahren zur effizienten Beantwortung von Lieferterminanfragen in einer Supply Chain 17:00 Mitgliederversammlung der FG EMISA 18:00 Mitgliederversammlung der FG 5.10 MobIS Workshop I Donnerstag, 4. Oktober 13:30 15:00 Datenbankanfragen und XML Moderation: G. Vossen (Universität Münster) Der Workshop wird veranstaltet vom GI- Arbeitskreis "Web & Datenbanken" und umfasst die folgenden Vorträge: A. Theobald (Universität des Saarlandes), XXL: Ranked Retrieval auf XML-Daten mit Hilfe von Ontologien G. Lausen, P. J. Marron (Universität Freiburg), Effiziente und flexible Anfragebearbeitung von XML- Dokumenten mittels XPATH E. Rahm (Universität Leipzig), Benchmarking von XML-Datenbanksystemen 15:00 Kaffeepause 15

18 Freitag, 5. Oktober 2001 Verhalten und Steuerung von Agenten 9:30 D. Dörner (eingeladener Vortrag) (Universität Bamberg) Autonomie und Motivation 10:15 Kaffeepause 10:45 I. J. Timm (Universität Bremen) Dynamisches Konfliktmanagement zur Verhaltenssteuerung kooperativer Agenten 11:30 R. Herrler, F. Puppe, F. Klügl (Universität Würzburg), S. Kirn, C. Heine (Technische Universität Ilmenau) Terminverhandlung unter Agenten von der Beispielanalyse zum Protokoll 12:15 Mittagspause** Agententechnologien 13:30 K. Nagi, J. Nimis, P. C. Lockemann (Universität Karlsruhe) Transactional Support for Cooperation in Multiagent-based Information Systems 14:15 M. Berger, B. Bauer (Siemens AG München) LEAP A scalable Agent Platform enabling next generation Distributed Information Systems 15:00 S. Albayrak, K. Bsufka (Technische Universität Berlin) Integration von Public Key Infrastruktur Funktionalitäten in Agenten-Toolkits 16:00 Schlusswort E. J. Sinz (Universität Bamberg) Workshop II Freitag, 5. Oktober 9:30 12:15 Modellierung und Spezifikation von Fachkomponenten Moderation: K. Turowski (Universität der Bundeswehr München) Der Workshop des GI-Arbeitskreises Komponentenorientierte betriebliche Anwendungssysteme umfasst ausgewählte Diskussionsbeiträge und Fallstudien aus Praxis und Wissenschaft zur Vereinheitlichung der Spezifikation von Fachkomponenten. Workshop III Freitag, 5. Oktober 9:30 12:15 Modellierung und Nutzung von Data-Warehouse-Systemen Moderation: E. J. Sinz, M. Böhnlein, M. Plaha, A. Ulbrich-vom Ende (Universität Bamberg) Der Workshop des GI-Arbeitskreises Nutzung und Modellierung von Data- Warehouse-Systemen umfasst ausgewählte Kurzreferate aus Praxis und Wissenschaft zu aktuellen Problemstellungen der Modellierung und Nutzung von Data-Warehouse-Systemen. * Sitzung des Leitungsgremiums der Fachgruppe EMISA am Donnerstag um 12:15 Uhr ** Sitzung des Leitungsgremiums der Fachgruppe 5.10 MobIS am Freitag um 12:15 Uhr 16

19 Anmeldung: Die Anmeldung wird über das Anmeldeformular im WWW erbeten: Die Anmeldung kann außerdem unter Verwendung des Formulars in diesem Faltblatt erfolgen. In diesem Fall senden Sie bitte das ausgefüllte Formular per Fax oder auf dem Postweg an das Tagungsbüro. Bitte vermerken Sie Ihren Teilnahmewunsch an den gewünschten Workshops, damit wir entsprechend disponieren können. Tagungsbeiträge: Anmeldung bis zum danach Nicht GI-Mitglied 200,- DM 250,- DM Mitglied der GI 150,- DM 200,- DM Student 50,- DM 70,- DM Student (GI-Mitgl.) 30,- DM 50,- DM (Studenten gegen Vorlage einer Studentenbescheinigung) Die Zahlung in DM kann per Verrechnungsscheck oder durch Banküberweisung auf folgendes Konto erfolgen: Gesellschaft für Informatik e.v. Sonderkonto VertIS 2001 Dresdner Bank Bamberg BLZ Konto-Nr.: Geben Sie bitte auf dem Überweisungsträger das Stichwort VertIS 2001 und Ihren Namen bzw. bei Sammelüberweisungen die Namen sämtlicher Teilnehmer an. Stornierungen sind nur bis zum möglich. Die Rückzahlung erfolgt unter Abzug einer Bearbeitungsgebühr von DM 20,-. 17

20 18

21

22 20

23 Beiträge des Arbeitskreises : Modellierung und Nutzung von Data-Warehouse-Systemen 21

24 22

25 Bericht des Arbeitskreises Prof. E.J. Sinz, M. Böhnlein, A. Ulbrich-vom Ende Lehrstuhl für Wirtschaftsinformatik, Universität Bamberg Feldkirchenstr. 21, D Bamberg {elmar.sinz michael.boehnlein achim.ulbrich Die Gründung des Arbeitskreises wurde am im Rahmen der Vollversammlung der Fachgruppe 5.10 "Informationssystemarchitekturen: Modellierung betrieblicher Informationssysteme (MobIS)" beschlossen. Die erste offizielle Veranstaltung des Arbeitskreises fand im Rahmen der Tagung MobIS im Oktober 1999 statt. Ziel des Arbeitskreises ist es, Probleme im Bereich der Modellierung, des Betriebs und der Nutzung von Data Warehouse-Systemen gleichermaßen aus praktischer und wissenschaftlicher Sicht zu diskutieren und zu bewerten. Dabei ist der inhaltliche Schwerpunkt des Arbeitskreises durchgängig im Bereich der Wirtschaftsinformatik angesiedelt. Zu dem Themenschwerpunkt Modellierung von Data Warehouse-Systemen zählt neben der konzeptuellen und logischen Modellierung die Entwicklung von Vorgehensmodellen zur Erstellung von Data Warehouses, sowie Aspekte der Verwaltung von Metadaten. Darüber hinaus befasst sich der Arbeitskreis insbesondere mit Techniken zur Ermittlung des Informationsbedarfs von Entscheidungsträgern und Führungskräften. Im Rahmen des Betriebs von Data Warehouse-Systemen hingegen werden beispielsweise mögliche Sicherheitsanforderungen und Qualitätsaspekte von Data Warehouse-Systemen diskutiert. Dabei wird durch die Berücksichtigung kommerzieller Data Warehouse-Lösungen ein enger Bezug zur industriellen Praxis garantiert. Für die Nutzung von Data Warehouse- Systemen spielen vor allem die Einsatzgebiete in der Praxis und deren betriebswirtschaftliche Nutzenpotentiale eine entscheidende Rolle. Aus diesem Grund beschäftigt sich der Arbeitskreis sowohl mit Synergieeffekten zwischen E-Commerce-/E-Business- und Data Warehouse-Systemen als auch mit der umfassenden Integration von Data Mining- Umgebungen in Data Warehouse-Lösungen. Unter diesem Teilaspekt wird auch Mitarbeitern industrieller Projekte Raum für die Diskussion von praxisrelevanter Problemstellungen und Lösungen eingeräumt. Trotz seines kurzen Bestehens erfreut sich der Arbeiskreis eines starken Zuwachses und zählt mittlerweile 150 eingetragene Mitglieder. Hierbei ist besonderes die hohe Beteiligung von Vertretern aus der Praxis zu unterstreichen. Nach der ersten Veranstaltung auf der MobIS 1999 fanden bisher drei weitere themenspezifische Workshops statt. Der erste Workshop (Freiburg, März 2000) wurde in Zusammenarbeit mit dem Kompetenzzentrum Data Warehousing Strategie der Universität St. Gallen (Prof. Dr. Winter, Dr. Jung) mit dem Themenschwerpunkt "Fachkonzeptentwurf und Metadaten beim Data Warehousing" organisiert. Ein weiterer Workshop des Arbeitskreises auf der MobIS 2000 richtete den Fokus auf "Möglichkeiten und Grenzen gängiger ETL-Werkzeuge". Im April 2001 wurde eine Veranstaltung in Zusammenarbeit mit dem Arbeitskreis "Konzepte des Data Warehousing" 23

26 unter Koordination des Lehrstuhls von Prof. Chamoni (Universität Duisburg) mit dem Themenschwerpunkt "Knowledge Discovery in Databases" durchgeführt. Weitere Informationen über den Arbeitskreis finden sich auf der Internetseite Mitglieder steht neben Data Warehousespezifischen Inhalten und den Beiträge zu den bisherigen Veranstaltungen auch eine Mailingliste und ein Diskussionsforum zur Verfügung. Wir möchten uns hiermit noch einmal ganz herzlich bei unseren Mitglieder für Ihre rege Beteiligung und konstruktive Arbeit in den letzten beiden Jahren bedanken. Elmar J. Sinz, Michael Böhnlein, Achim Ulbrich-vom Ende 24

27 Ein konzeptuelles Data Warehouse-Modell für die Erstellung multidimensionaler Datenstrukturen M. Böhnlein, A. Ulbrich-vom Ende Lehrstuhl für Wirtschaftsinformatik, Universität Bamberg Feldkirchenstr. 21, D Bamberg {achim.ulbrich Abstract Die Modellierung multidimensionaler Datenstrukturen im OLAP- und Data Warehouse- Umfeld findet zur Zeit noch überwiegend auf einer logischen bzw. physischen Entwurfsebene statt. Bekannte Vertreter logischer Modellierungsansätze, wie z.b. Star oder Snowflake Schema, wurden für das relationale Datenbankmodell geschaffen und erlauben keine rein konzeptuelle Betrachtung des zugrunde liegenden Modellierungsproblems. Das in der vorliegenden Arbeit vorgestellte Semantische Data Warehouse-Modell (SDWM) adressiert diese Problemstellung. Anhand eines integrierten Meta-Modells werden Sichten und korrespondierende Modellierungsbausteine auf multidimensionaler Datenstrukturen aufgezeigt. Modellierungsbeispiele aus dem universitären Umfeld dienen zur Verdeutlichung des Modellierungsansatzes. Keywords Data Warehouse, OLAP, Kennzahlensystem, konzeptuelles Datenmodell, semantisches Datenmodell, Modellierungsansatz, multidimensionale Datenstrukturen, Würfelmetapher 1 Einführung In der aktuellen Diskussion wird für unstrittig gehalten, daß die Verwendung der für On-Line Transactional Processing-Probleme zur Verfügung stehenden Datenmodelle gerade für die Erfordernisse von OLAP-Anwendungen im Umfeld betriebswirtschaftlicher Entscheidungssituationen problematisch ist ([Sche99, S. 305][Bulo96, S. 33]). Der Fokus der multidimensionalen Modellierung im OLAP- und Data Warehouse-Umfeld liegt zur Zeit auf Modellierungsansätzen, wie z.b. Star oder Snowflake Schema oder Varianten, die stärker dem logischen als dem konzeptuellen Entwurf zuzuordnen sind. Sie weisen i.d.r. eine starke Abhängigkeit von den Eigenschaften des relationalen Datenbankmodells auf. Zu fordern ist hingegen ein stärker konzeptuell geprägtes Datenmodell, das eine explizite Unterscheidung vom zugrundeliegenden Datenbankmodell ermöglicht und als Diskussionsgrundlage zwischen Fachabteilung und Entwickler dienen kann. Das im folgenden vorgeschlagene semantische Datenmodell SDWM (Semantisches Data Warehouse-Modell) soll hierzu einen Beitrag leisten. 25

28 Nach einer kurzen Einführung in die Grundlagen multidimensionaler Datenstrukturen (Abschnitt 2) wird der Modellierungsansatz SDWM in die Entwurfsebenen der Softwareentwicklung eingeordnet (Abschnitt 3). Anschließend werden in Abschnitt 4 wesentliche Grundlagen der Modellbildung aufgezeigt. Abschnitt 5 beschäftigt sich mit der Modellierung mit SDWM. Zuerst erfolgt ein Überblick über spezifische Charakteristika des Modellierungsansatzes, wobei vor allem die Sichtenbildung zur Komplexitätsbewältigung hervorgehoben wird. Darauf aufbauend werden sukzessive Sichten auf multidimensionale Datenstrukturen aufgezeigt, die anhand von Projektionen auf das zugegrundeliegende Meta-Modell definiert werden. Mit Praxisbeispielen aus dem universitären Umfeld werden die Sichten veranschaulicht. Abschnitt 6 faßt die wesentlichen Aspekte der Arbeit zusammen und gibt einen Ausblick auf mögliche Weiterentwicklungen von SDWM. 2 Strukturteil multidimensionaler Datenstrukturen Entscheidungsunterstützungssysteme lassen sich durch ihr inhärentes Verarbeitungskonzept On-Line Analytical Processing (OLAP) klar von operativen Systemen (On-Line Transactional Processing, OLTP-Systemen) abgrenzen. Dabei soll das OLAP-Konzept Entscheidungs- und Führungskräften einen schnellen, analytischen Zugriff auf multidimensionale betriebliche Informationen ermöglichen [PeCr95]. Grundlage der OLAP-Ansätze ist eine mehrdimensionale Sichtweise auf die Daten, die der Sicht des Managers eher entspricht als ein relationales Modell, das den operativen Systemen meist zugrundeliegt. [Sche99, S. 282] Die multidimensionalen Datenstrukturen von OLAP-Systemen sind durch Strukturbeschreibungen und generische Operationen näher charakterisierbar. Da mit SDWM der Fokus ausschließlich auf der Entwicklung eines Datenmodells für multidimensionale Strukturen gelegt werden soll, ist im folgenden nur der Strukturteil zu behandeln. 1 Zur Verdeutlichung der Ausführungen dienen dabei Modellierungsbeispiele aus dem universitären Umfeld ([SiBU99][Sinz98][SKMW96]). Die Erläuterung des Strukturteils erfolgt anhand der wesentlichen Beschreibungselemente, deren Beziehungen und Semantik. Als Grundidee multidimensionaler Datenstrukturen dient die Unterscheidung in qualitative und quantitative Daten [Shos82, S. 208 ff.]. Quantitative Größen (Maßzahlen, Kennzahlen, measures, facts bzw. measured-facts) werden nach verschiedenen qualitativen Aspekten (Blickwinkeln, Dimensionen) aufgeschlüsselt. Um die in der Literatur vorhandene Begriffsvielfalt ([Pilot98][Kena95]) einzuschränken, werden im folgenden die quantitativen Daten als Kennzahlen und die qualitativen Aspekte als Dimensionen bezeichnet. Beispielsweise ist eine Auswertung der Kennzahl Anzahl der Studierenden nach den Dimensionen Zeit, Studienabschnitt und Studienausrichtung möglich (vgl. Abbildung 1). In einem mehrdimensionalen Koordinatensystem, das durch die betrachteten Dimensionen festgelegt wird, entsteht an der Schnittstelle je eines Dimensionselements der verschiedenen die Datenstruktur 1. Weitergehende Informationen über den Operationsteil und den damit verbundenen Navigationsmöglichkeiten in multidimensionalen Datenstrukturen entnehmen Sie bitte [BoUl00a]. 26

29 aufspannenden Dimensionen eine Zelle mit einem konkreten Datenwert. In der Studienausrichtung Volkswirtschaftslehre (VWL) sind im Sommersemester 1999 (SS 99) 140 Studierende im Hauptstudium eingeschrieben (vgl. Abbildung 1). WS 99/00 Zeit SS 99 WS 98/99 SS Anzahl der eingeschriebenen Studierenden SOZ Studienausrichtung EuWi VWL BWL WI Gesamt Gesamt Studienabschnitt GS HS Dimensionshierarchie für die Dimension Studienabschnitt Gesamt GS HS Bayern Universität Studienabschnitt Uni Bamberg Uni München Fachbereich SOWI Theologie Pädagogik Studiengang SOZ EuWi VWL BWL WI Dimensionshierarchie für die Dimension Studienausrichtung Abb. 1: Strukturteil multidimensionaler Datenstrukturen Eine Visualisierung der resultierenden Datenstruktur erfolgt bei zwei Dimensionen in Form einer Tabelle, bei drei Dimensionen in Form eines Würfels, bei vier Dimensionen durch einen Tesseract und bei mehr als vier Dimensionen durch einen Hyperwürfel. Die Elemente einer Dimension können selbst wiederum eine inhärente Strukturierung aufweisen. Dadurch entstehen hierarchische Beziehungen zwischen den Elementen, die durch Dimensionshierarchiestufen abgebildet werden. Entlang der Hierarchiestufen erfolgt eine Verdichtung bzw. Konsolidierung der zugrundeliegenden Kennzahl. Die Studierendenzahlen können zu Fachbereichs- bzw. Universitätszahlen aggregiert werden. Dabei entstehen die Hierarchiestufen Studienfach, Fachbereich und Universität. Die Verdichtung unterliegt immer spezifischen Integritätsbedingungen. In der Regel werden Dimensionselemente bei der Aggregation aufsummiert, es können jedoch beinahe beliebige Verdichtungsregeln, wie z.b. Durchschnittsbildung oder gewichtete Mittelwerte, verwendet werden. Weiterhin kann bei Kennzahlen zwischen Basis- und abgeleiteten Kennzahlen unterschieden werden, wobei sich abgeleitete Kennzahlen über Berechnungsvorschriften wiederum aus einfachen Basis- oder bereits abgeleiteten Kennzahlen zusammensetzen können. Beispielsweise läßt sich die Exmatrikulationsquote als Ergebnis der Division der Basiskennzahlen Exmatrikulationszahlen und Studierendenzahlen bestimmen. Existieren in einem Modell mehrere Hyperwürfel spricht man vom sog. Multi Cubing [Oehl00, S. 107 f.]. 27

30 Die hiermit eingeführten intuitiv verständlichen Begriffsdefinitionen werden bei der Beschreibung des konzeptuellen Modells SDWM präzisiert und, wenn nötig, verfeinert. 3 Einordnung von SDWM in die Entwurfsebenen der multidimensionalen Modellierung Beim Datenbankentwurf klassischer operativer OLTP-Systeme hat sich die Unterscheidung in die Entwurfsebenen des konzeptuellen, logischen und physischen Entwurfs mit den korrespondierenden Entwurfsergebnissen konzeptuelles, logisches und physisches Schema durchgesetzt ([MaDL87, S. 481 ff.][voss99. S. 75 ff.]). Diese Trennung wird im folgenden auf den OLAP- Bereich übertragen. Fachliche Ebene Softwaretechnische Ebene Konzeptueller Entwurf Konzeptuelles Schema Logischer Entwurf Logisches Schema Physischer Entwurf Semantisches Data Warehouse-Modell (SDWM) nach Böhnlein, Ulbrich-vom Ende Developed Star Schema von der SAP AG [SAP97][SAP98a] Dimensional Modelling nach Kimball [Kimb96] Fact/Constellation Schema nach Raden [Rade95][Rade96] Galaxy Schema [McGu96] Partial Snowflake [Info98] Simple Star, Multiple Star Schema nach [Poe96] Snowflake Schema Star Schema Starflake Schema nach Anahory und Murray [AnMu97] Uniformes Datenschema (Unimu) nach Ehrenberg und Heine [EhHe98] Speicherungsstrukturen Zugriffsmechanismen und Zugriffspfade Datenbanktuning Denormalisierung Indizierung Fragmentierung Physisches Schema Abb. 2: Entwurfsebenen der multidimensionalen Modellierung Während der konzeptuelle Entwurf der fachlichen Modellierung zuzurechnen ist, beziehen sich logischer und physischer Entwurf auf die softwaretechnische Modellierung. Folglich wird hier die Unabhängigkeit vom zugrundeliegenden Datenbanksystem aufgegeben. Ein konkretes Datenbankmanagementsystem erlaubt nicht den Umgang mit beliebigen Informationsstrukturen, sondern ist auf ein spezifisches Datenbankmodell und damit auf einen bestimmten Grundvorrat an Beschreibungsmitteln beschränkt. Die meisten im Moment diskutierten Modellierungsansätze im Data Warehouse-Umfeld sind der logischen Entwurfsebene zuzuordnen. Populäre Beschreibungsformen bei der Entwickung von Data Warehouse-Strukturen, wie z.b. das Star Schema [McGu96], das Snowflake Schema und deren Varianten ([Kimb96][Rade95][Info98][Poe96][AnMu97][EhHe98]) sind durch ihre enge Verbindung zum relationalen Datenbankmodell beispielsweise als Diskussionsgrundlage zwischen Entwickler und Fachabteilung schlecht geeignet. 2 Die weiteren Ausführungen beschäftigen sich ausschließlich mit dem konzeptuellen Entwurf und dem damit korrespondierenden konzeptuellen Schema, das von den speziellen Eigenschaf- 28

31 ten des einzusetzenen Zieldatenbanksystems unabhängig ist. Da klassische Modellierungsmethoden für OLTP-Systeme für die Spezifikation multidimensionaler Datenstrukturen nur als bedingt geeignet erscheinen ([Kimb96, S. 8-10][Bulo96, S ][Oehl00, S. 237]), beschäftigen sich neuere Forschungsaktivitäten mit Modellierungsvorschlägen, die ausschließlich auf die multidimensionale Modellierung ausgerichtet sind und keine Ursprünge in klassischen Datenmodellierungsmethoden besitzen ([BuFo98][GoMR98]). Mit SDWM wird ein neuartiger Vorschlag eines semantischen Datenmodells für die Modellierung multidimenisonaler Datenstrukturen unterbreitet. Die spezifischen Eigenschaften und Charakteristiken, die diesen Ansatz besonders hervorheben, werden dabei in Abschnitt 5.1 und Abschnitt 5.2 herausgearbeitet. Zunächst werden jedoch wesentliche Grundlagen der Modellbildung vorgestellt, die für die weiteren Ausführungen eine zentrale Rolle einnehmen. 4 Grundlagen der Modellbildung Im folgenden wird aufbauend auf den klassischen Modellbegriff eine Definition für Modellierungsansätze vorgestellt, wobei insbesondere deren zentrale Bestandteile herausgearbeitet werden sollen. Diese Definition und ein damit korrespondierendes Meta-Meta-Modell dienen zur Beschreibung des Modellierungsansatzes SDWM in Abschnitt 5. Da SDWM zu den semantischen, datenorientierten Modellierungsansätzen zu zählen ist, erfolgt anschließend eine explizite Unterscheidung zwischen Datenmodell und Datenbankmodell. Meta-Modell Objektsystem S O f: V O-> V M Modellsystem SM Abb. 3: Modell Ein Modell (vgl. Abbildung 3) kann durch ein 3-Tupel mit den Bestandteilen Objektsystem S 0, Modellsystem S M und Modellabbildung f beschrieben werden [FeSi98, S. 118], wobei die Systemkomponenten des Objektsystems V 0 durch die Modellabbildung auf Systemkomponenten des Modellsystems V M abgebildet werden. 3 Bei der Datenmodellierung erfolgt die Spezifikation des zweckorientiert abgegrenzten, relevanten Ausschnitts der betrieblichen Realität (Objektsystem) in Form eines konzeptuellen, semantischen Datenschemas (Modellsystem). Voraussetzung für die Durchführung der Modellierungsaufgabe durch den Menschen ist ein geeigneter Beschreibungsrahmen, der die Sichtweise des Modellierers auf Objektsystem und Modellsystem sowie das zur Spezifikation des Modellsystems verwendete Begriffssystem festlegt. [FeSi98, S. 119] Ein Modellierungsansatz beschreibt einen derartigen Gestaltungs- bzw. Beschreibungsrahmen, der durch zwei wesentliche Bestandteile charaktierisierbar ist: 2. Im Star Schema sind die zwei zentralen Bausteine Tabellen (Fakt- bzw. Dimensionstabellen), die direkt korrespondierenden Datenbanktabellen entsprechen. 3. Umgangsprachlich wird häufig das Modell- bzw. Bildsystem ebenfalls als Modell bezeichnet. 29

32 Eine Metapher ist die Beschreibung einer Sichtweise, die der Modellierer bei der Erfassung der Komponenten des Objektsystems zugrundelegt und anschließend auf die Spezifikation der Komponenten des Modellsystems überträgt. Mit Hilfe eines Meta-Modells wird ein mit der Metapher abgestimmtes Begriffssystem definiert. Dieses umfaßt die verfügbaren Arten von Modellbausteinen, die Arten von Beziehungen zwischen Modellbausteinen, die Regeln für die Verknüpfung von Modellbausteinen durch Beziehungen sowie die Bedeutung (Semantik) der Modellbausteine und Beziehungen. Bei der Modellierung sind zwei Paare von Eigenschaften eines Modells von besonderer Bedeutung: Struktur- und Verhaltenstreue bzw. Konsistenz und Vollständigkeit. Struktur- und Verhaltenstreue sind Eigenschaften der Modellabildung. Daher sollte ein Modellsystem möglichst struktur- und verhaltenstreu in bezug auf das zugrundeliegende Objektsystem spezifiziert werden. Eine ansatzweise Überprüfung ist durch ein eng mit der Metapher abgestimmtes Begriffssystem möglich, wobei sich dessen Semantik möglichst nahe am Objektsystem orientieren sollte. Die Konsistenz und Vollständigkeit des Modellsystems läßt sich ausschließlich mit Hilfe des zugehörigen Meta-Modells überprüfen. Es wird festgestellt, ob das Modellsystem den Gesetzmäßigkeiten des Meta-Modells genügt. Um eine einheitliche Beschreibung der Meta-Modelle von SDWM in Abschnitt 5 zu gewährleisten, soll im folgenden ein Meta-Meta-Modell als Bezugsrahmen zur Spezifikation der Meta- Modelle von Modellierungsansätzen eingeführt werden (vgl. Abbildung 3). Die zur Darstellung der Meta-Modelle verwendeten Symbole sind in den Elementen des Meta-Meta-Modells angegeben. 4. Bei der Teil-/Ganzes-Beziehung handelt es sich um eine Erweiterung des Meta-Meta-Modells nach Ferstl/Sinz. Meta- Objekttyp 2,2 1,* Meta- Beziehung 1,1 1,1 1,1 0,1 0,1 Kard. 1 Kard. 2 0,1 0,1 0,1 0,1 is_a has connects is_part_of Abb. 4: Meta-Meta-Modell in Anlehnung an [FeSi98, S. 122] Das Meta-Meta-Modell besteht aus Meta-Objekttypen, die durch Meta-Beziehungen miteinander verbunden sind [Sinz96]. Dabei können Meta-Beziehungen durch die Angabe von Kardinalitäten in (min,max)-notation präzisiert werden. Beispielsweise ist ein Metaobjekttyp mit mindestens einer Meta-Beziehung verknüpft, wobei jede Meta-Beziehung genau zwei Metaobjekttypen verbindet. Bei den Meta-Beziehungen unterscheidet man zwischen Generalisierungsbeziehungen (is_a), Assoziationsbeziehungen (connects), Attribut-Zuordnungsbeziehungen (has) und Teil-/Ganzes-Beziehungen (is part of) 4. 30

33 Das in Abschnitt 5 einzuführende Meta-Modell von SDWM ist eine Extension des beschriebenen Meta-Meta-Modells. Datenorientierte Modellierungsansätze konzentrieren sich auf die Spezifikation der Struktur der Datenbasis und beziehen dabei vor allem die Datensicht eines Informationssystems ein. Während ein konzeptuelles Datenmodell ein konkretes Meta-Modell zur Datenmodellierung [FeSi98, S. 133] beschreibt 5, stellt ein Datenbankmodell ein Meta-Modell dar, in dem ein konzeptuelles Datenschema aus Sicht eines Datenbankverwaltungssystems beschrieben wird ([FeSi98, S. 354][PeMa88, S. 155]). 5 Modellierung mit SDWM Ziel von Abschnitt 5 ist es, in den neuartigen Modellierungsansatz Semantisches Data Warehouse-Modell (SDWM) einzuführen. Nach Abschnitt 4 wird dieser Modellierungsansatz als Gestaltungs- bzw. Beschreibungsrahmen durch eine Metapher und ein Meta-Modell umfassend beschrieben. Der multidimensionalen Modellierung liegt die Metapher eines mehrdimensionalen Würfels zugrunde [Oehl00, S. 52]. Entscheidungs- und Führungskräfte möchten quantitative Informationen nach vielfältigen Blickwinkeln auswerten, was sich bildlich in Form eines mehrdimensionalen Würfels visualisieren läßt. Das dem SDWM zugrundeliegende Meta-Modell wird in den folgenden Abschnitten vorgestellt, wobei als zentrales Strukturierungsmittel für SDWM eine Betrachtung differenzierter Sichten auf multidimensionale Datenstrukturen herangezogen wird. Ausgehend von Teil-Meta-Modellen für die einzelnen Sichten wird sukzessive ein integriertes Meta-Modell für SDWM entwikkelt. Syntax und Semantik der verwendeten Bausteine werden ausführlich anhand von zahlreichen Modellierungsbeispielen aufgezeigt. Zunächst erfolgt jedoch eine kurze Beschreibung der spezifischen Charakterista von SDWM. Anschließend wird die Notwendigkeit der Unterscheidung verschiedener Sichten auf multidimensionale Datenstrukturen begründet. 5.1 Spezifische Charakteristika von SDWM Im folgenden sollen die wesentlichen Konzepte, die bei der Entwicklung von SDWM eine bedeutsame Rolle gespielt haben, kurz vorgestellt werden. SDWM stellt ein konzeptuelles Datenmodell für multidimensionale Datenstrukturen zur Verfügung, dessen zentraler Einsatzbereich bei OLAP- bzw. Data Warehouse-Systemen liegt. Zu den Merkmalen von SDWM zählen vor allem: 5. A data model defines the rules according to which data are structured. ist eine korrespondierende Definition nach [TsLo82, S. 10]. 31

34 Die Begrifflichkeiten des konzeptuellen Modells sind an den Fachtermini der multidimensionalen Modellierung ausgerichtet, wie z.b. Dimensionen, Dimensionshierarchien und Kennzahlen. Dadurch ist eine unmittelbare Übertragbarkeit auf multidimensionale Problemstellungen gesichert. Eine explizite Sichtenbildung trägt zur Komplexitätsbewältigung bei. Es werden verschiedene Sichten auf multidimensionale Strukturen unterstützt (vgl. detaillierter in Abschnitt 5.2). Beispielsweise fordern auch Gabriel und Gluchowski in [GaGl97, S. 52 f.] eine sichtenspezifische Modellierung multidimensionaler Datenstrukturen. Eine semiformale Darstellungsweise in Form von Diagrammen ermöglicht eine adäquate Visualisierung und damit eine leichte Erlernbarkeit des Modellierungsansatzes. Zusammenhänge zwischen Kennzahlen werden explizit dargestellt. Komplexe abgeleitete Kennzahlen sind aus Basis- oder bereits abgeleiteten Kennzahlen, gegebenenfalls mehrstufig, berechenbar. In ([BSHD98a][BSHD98b]) wird die Verwendung von komplex strukturierten Kennzahlen in einem konzeptuellen multidimenisonalen Modell ausdrücklich gefordert: The contents of a cell of the multidimensional cube can also be structured in a complex way. [BSHD98b]. Weiterhin erfolgt bei multidimensionalen Datenstrukturen eine explizite Trennung zwischen Struktur und Inhalt ( separation of structure and content nach [BSHD98a] und [BSHD98b]). Dimensionselemente auf der Ausprägungsebene werden getrennt von der Strukturierung einer Dimension betrachtet. Dies führt beispielsweise zu einer extensionalen und einer intensionalen Betrachtung der Dimensionssicht. Für multidimensionale Datenmodelle ist Modellierungseindeutigkeit zu fordern [Ruf97, S. 116 f.]. Eine größtmögliche Flexibilität bei der Modellierung darf nicht dazu führen, daß der gleiche Sachverhalt mit SDWM unterschiedlich dargestellt werden kann. Das konzeptuelle Modell soll als Diskussionsgrundlage für die Abstimmung mit der Fachabteilung dienen. Die frühzeitige Einbeziehung des Endanwenders in den Prozeß der Modellierung multidimensionaler Datenstrukturen im Sinne einer Partizipation erscheint angebracht, kann jedoch nur gelingen, wenn eine Kommunikationsplattform gefunden wird, die allen Beteiligten gerecht wird [GaGl97, S. 32]. Daher muß das Modell gleichermassen leicht für den Anwender wie für den Entwickler zugänglich sein. Es erfolgt weiterhin eine explizite Trennung zwischen Dimensionen und Kennzahlen, was häufig durch die Unterscheidung von quantitativen und qualitativen Daten gefordert wird [Shos82, S. 208 ff.]. Dies wird in der Praxis teilweise durch Verwendung einer sog. Variablendimension umgangen. Die Gleichbehandlung bzw. Austauschbarkeit von Dimensionen und Kennzahlen im Datenbankmodell auf physischer bzw. logischer Ebene [AgGS97] darf sich aber nicht auf die konzeptuelle Ebene auswirken. Die Trennung von Kennzahlen und Dimensionen ist eines der fundamentalen Konzepte der multidimensionalen Modellierung. 32

35 SDWM unterscheidet strikt zwischen fachlichen und implementierungsspezifischen Aspekten. Das konzeptuelle Datenmodell ist unabhängig vom jeweiligen Zieldatenbankmodell auf der logischen Ebene [Sche99, S. 281]. Diese Forderung wird beispielsweise auch von ([BSHD98a][BSHD98b]) erhoben: implementation independent formalism: The formal model must be purely conceptual, thus not containing any details of the implementation. Das entwickelte konzeptuelle Modell muß leicht in ein logisches Daten(bank-)modell transformierbar sein [Sche99, S. 281]. Es darf keine wesentliche Rolle spielen, ob es sich beim Zieldatenbanksystem um ein relationales, objektrelationales, objektorientiertes oder ein multidimensionales Datenbanksystem handelt. Dies ist durch sprachlich reichhaltige und adäquate Beschreibungsmittel auf konzeptueller Ebene sicherzustellen. Dabei sollte der Leitsatz So einfach wie möglich, so komplex wie nötig oberste Maxime sein. 5.2 Sichtenbildung zur Komplexitätsbewältigung Exmatrikulationsquote: Anzahl der eingeschriebenen Studierenden / Anzahl der exmatrikulierten Studierenden Anzahl der Studierenden [Studienfach] / Anzahl der Studierenden [Fachbereich] Anzahl der Exmatrikulationen [Semester] / Anzahl der Exmatrikulationen [Vorsemester] Anzahl der eingeschriebenen Studierenden Anzahl der exmatrikulierten Studierenden Sicht auf das Kennzahlensystem BA THEO SOWI WI BWL VWL LITUR THEO Universität Fachbereich Studienfach Anzahl der eingeschriebenen Studierenden Anzahl der exmatrikulierten Studierenden Dimensionssicht Sicht auf eine Basiskennzahl Datenstruktursicht Integrierte Gesamtsicht Abb. 5: Sichten auf multidimensionale Datenstrukturen Mit Hilfe von Sichten lassen sich Ausschnitte eines Modellsystems darstellen. Jede Sicht kann dabei als eine Projektion auf das zugrundeliegende Meta-Modell verstanden werden. Eine Sichtenbildung erfolgt i.d.r. aus Gründen der Komplexitätsbewältigung [Sinz97a, S. 876]. 33