michelangelus - Fotolia

F

Was semantische Modellierung für die Zukunft der Datenmodellierung bedeutet

Die Datenmodellierung verändert sich und entwickelt sich weiter. Lesen Sie warum die semantische Modellierung eine wichtige Rolle spielt.

Welche Änderungen bei der Datenmodellierung ergeben sich durch Techniken für semantisches Modellieren und welche Rolle für Datenmodellierung in Unternehmen sehen Sie in der nahen und ferneren Zukunft? Wird es überhaupt noch nötig sein, Daten zu modellieren?

Datenmodellierung wird uns noch einige Zeit erhalten bleiben – aber seine Formen verändern sich und werden sich auch weiterhin weiterentwickeln. Mit semantischen Technologien bekommen wir die Möglichkeit, Daten auf neue Weise zu verstehen und zu nutzen, um so das Gewinnen neuer Erkenntnisse zu automatisieren. Und was hat das mit Datenmodellierung zu tun?

Semantische Technologien (wie das semantische Web oder Text Mining) basieren auf Ontologien, die ich hier als „gedopte Datenmodelle“ bezeichnen möchte. Bei der semantischen Modellierung für die Ontologie-Entwicklung gelten viele derselben Prinzipien wie für Datenmodellierung.So sind Datenmodellierer sehr interessiert an den Beziehungen zwischen Datenentitäten. Was ist eine Datenentität, insbesondere in einem konzeptuellen Datenmodell? Typischerweise geht es dabei um eines der Begriffe der Unternehmenswelt: Kunde, Produkt, Standort. Bei der semantischen Modellierung interessiert man sich dafür, wie Begriffe hinsichtlich Taxonomien und Thesauri zusammenhängen. Das passt gut zu Beziehungen bei der Datenmodellierung wie Parent-Child oder Subtyp.

Natürlich wird nicht jede Plattform auf kurze Sicht dieselben semantischen Modelle nutzen können (es gibt sogar noch einige Systeme mit Mainframes, auf denen VSAM läuft). Ebenso werden sich semantische Modelle nicht für den Umgang mit Problemen jeder Art eignen.

Nach Ansicht mancher Beobachter werden Fortschritte bei Hardware und Software dazu führen, dass es nicht mehr nötig sein wird, für optimale Performance Daten zu modellieren, etwa in einem Sternschema. Es steckt ein Körnchen Wahrheit in solchen Aussagen, doch sie basieren auf recht waghalsigen Annahmen.

Natürlich können man alle Daten auf eine Data Warehouse Appliance packen und die semantischen Schicht von Business Intelligence (BI) die Komplexitäten des Navigierens durch normalisierten Daten verstecken lassen. Ohne lästige Datenmodellierung, die sonst nötig ist, könnten Sie Ihr Data Warehouse schneller zum Laufen bringen. Und natürlich würden Ihnen die Hersteller von Appliances gern so viele Server-Blades verkaufen wie möglich. Trotzdem ist ein Sternschema-Modell mmer noch die schnellste Struktur für Abfragen in großen Datenvolumen.

Unabhängig von den technischen Fortschritten wird es weiterhin zumindest Bedarf an Menschen geben, die geschäftliche Datenanforderungen verstehen und Daten entsprechend modellieren und definieren können – selbst wenn das nur noch auf konzeptueller oder semantischer Ebene geschieht. Daten- und semantische Modellierung erfordern jeweils spezielle Fertigkeiten, und nicht jeder kommt mit dem für Modellierungen nötigen hohen Abstraktionsgrad zurecht. Eine Karriere in diesem Bereich anzustreben, könnte also weiterhin eine gute Idee sein.

Folgen Sie SearchEnterpriseSoftware.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im Juni 2011 aktualisiert

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close