Hybride Methoden- und Systemarchitekturen für heterogene Informationsräume

Während eine Vielzahl von erfolgreichen Data-Mining-Methoden für die Analyse von strukturierten, homogenen Datenbeständen (z.B. einzelnen Tabellen mit numerischen oder symbolischen Werten) existiert, liegen in praktischen Wissensextraktionsanwendungen heterogene Datenbestände vor (mehrere Datenbanken und Tabellen, unterschiedliche Medien). Ein Data-Mining-Spezialist lößt dieses Heterogenitätsproblem durch die Erstellung eines für die Verfahren geeigneten und homogenen Datenbestandes unter hohem Aufwand. Weiterhin zeigt sich in vielen Anwendungen, daß die Informationsbedürfnisse des Nutzers bei Datenanalysen am besten durch eine Kombination von Verfahren und deren Stärken befriedigt werden können (Integrationsproblem).Ziel dieses Projektes ist die Entwicklung von Methoden- und Systemarchitekturen, die es gestatten, das Heterogenitäts- und das Integrationsproblem beim Information-Mining so effektiv zu lösen, daß mit geringem Zeitaufwand ein dem jeweiligen Sachbereich angepaßtes, benutzerfreundliches und einfach zu wartendes System aufgebaut werden kann.

In the past, research in the field of Data Mining or Knowledge Discovery in Databases was concentrated on highly structured data. Thus, many powerful methods exist for the analysis of homogeneous data sources (e.g. a single uniform database table). Today, knowledge discovery applications are faced with heterogeneous data sources - data in multiple tables and databases or other representations.Further, these applications have shown, that the user`s demand for knowledge can only be satisfied by combining different methods and there strengths. The aim of this project is the development of hybrid methods and system architectures that solve the problems of heterogeneous data sources and method integration and allow the construction of domain-specific, user-friendly Information Mining systems at low costs.