HINT:Heterogene Informationsintegration

Die Anzahl an qualitativ hochwertigen Datenquellen, die im Web verfügbar sind, nimmt ständig zu. Diese Daten kommen üblicherweise in verschiedenen Formaten vor allem als relationale, XML und RDF Daten. Außerdem wird auf diese Daten mittels spezifischer Anfragesprachen wie SQL, XQuery, and SPARQL zugegriffen. Anwendungen sind jedoch meistens für einen einheitlichen Zugriff auf unterschiedliche Daten konzipiert. Dadurch wird die Integration von heterogener Information zu einer immer wichtigeren Herausforderung. Informationsintegration hat sich als ein besonders aktives Forschungsgebiet innerhalb der Datenbankforschung entwickelt. Es wurden in den letzten Jahren große Fortschritte in diesem Bereich erzielt. Der Großteil der bisherigen Forschung hat sich allerdings auf relationale Daten beschränkt. Anderen Datenformaten wie XML und RDF wurde weit weniger Beachtung geschenkt. Eine systematische Erforschung der Informationsintegration in einer heterogenen Umgebung (wo relationale, XML und RDF Daten gleichzeitig behandelt werden müssen) ist bislang ausständig. Das Ziel des HINT Projekts ist es, die Erforschung von heterogener Informationsintegration zu initiieren. Zuallererst bedeutet das, dass wir verschiedene Schema-Abbildungssprachen für heterogene Umgebungen vorschlagen wollen. Damit sind logische Formalismen gemeint, mit denen die Beziehungen zwischen Datenbankinstanzen mit unterschiedlichen Datenformaten ausgedrückt werden können. Wir wollen fundamentale Eigenschaften dieser Schema-Abbildungssprachen erforschen und sowohl die Anfragebeantwortung als auch die Behandlung von Datenbankänderungen in solchen Umgebungen untersuchen.

Heutzutage sind die Daten, die eine Anwendung verwendet und verarbeitet, häufig über mehrere Datenquellen verteilt und zwar sowohl in verschiedenen Datenbanken als auch im Web. Daher spielt die Integration von Daten, um einen einheitlichen Zugriff zu ermöglichen, eine wichtige Rolle. Informationsintegration hat sich folglich als wichtiges Teilgebiet der Datenbank-Forschung entwickelt. In diesem Projekt haben wir zahlreiche Beiträge zu den folgenden Bereichen geliefert, die allesamt für die Informationsintegration relevant sind: Mittels Schema-Abbildungen ist es möglich, die Beziehung zwischen Datenquellen, die in unterschiedlicher Weise strukturiert sind, zu beschreiben. In diesem Projekt haben wir grundlegende Eigenschaften von ausdrucksstarken Schema-Abbildungen erforscht. Wie bereits erwähnt, schließt die Datenintegration häufig die Integration von Web Daten ein. In diesem Projekt haben wir die Semantic Web Anfragesprache SPARQL intensiv erforscht. Dabei lag unser Fokus auf der effizienten Lösung von verschiedenen Problemen, die sich im Bereich der SPARQL Anfragebeantwortung ergeben. Die Integration von Daten aus verschiedenen Datenquellen kann leicht zu Inkonsistenzen führen. Wir haben das Problem der Inkonsistenz-Behandlung für verschiedene Arten von Integrationsbedingungen studiert, die man mittels Schema-Abbildungen von unterschiedlicher Ausdruckskraft definiert. Besondere Herausforderungen ergeben sich, wenn man Daten von einem Formalismus in einen anderen transformiert. Wir haben jene Probleme näher betrachtet, die entstehen, wenn relationale Daten (also Daten die in einer relationalen Datenbank gehalten werden) in Semantic Web Daten transformiert werden. Eine wesentliche Herausforderung bei so einer Datentransformation ist es, Beziehungen (wie z.B. funktionale Abhängigkeiten) zwischen unterschiedlichen Datensätzen zu erhalten. Daten im Web sind häufig unvollständig. Mit Hilfe von ontologischem Schließen lässt sich Hintergrundwissen verwenden, um gewisse Lücken in unvollständigen Daten zu beseitigen. Wir haben die Ontologie-basierte Anfragebeantwortung für zwei wichtige Ontologie-Formalismen betrachtet, nämlich Description Logics und sogenannte existential rules (das sind Regeln, mit deren Hilfe zusätzliche Objekte in einer Datenbank eingefügt werden können). Die Auswertung einer grundlegenden Klasse von Anfragen (nämlich der sogenannten Conjunctive Queries, CQs) ist computational aufwändig. Daher war und ist die Suche nach effizient auswertbaren Unterklassen von solchen Anfragen ein aktives Forschungsgebiet über mehrere Jahrzehnte hinweg. Wir haben syntaktische Charaktersierungen von solchen effizient auswertbaren Klassen von CQs zu semantischen Charakterisierungen erweitert.