Dataspaces
Der Begriff Dataspace bzw. Datenraum bezeichnet einen relativ jungen Ansatz zur Informationsintegration, mit dessen Hilfe Problematiken sowohl physischer als auch virtueller Integrationsansätze gelöst werden sollen. Um den Erstellungsaufwand einer Integrationsarchitektur gering zu halten, wird bei Dataspaces keine feste Zielstruktur vorab benötigt. Stattdessen kommen existierende Matching- und Mapping-Techniken zur Anwendung, um Daten unabhängig vom Grad der Integration in einem System zur Verfügung zu stellen. Der dezentrale Ansatz von Dataspaces bietet die Grundlage für die digitale Souveränität von Unternehmen, da Daten bis zu ihrem Abruf in dem Einflussbereich des Datenurhebers verbleiben können. Dataspaces wachsen nach und nach mit ihrer Aufgabe bei Bedarf, beispielsweise neue Geschäftsmodelle wie Pay-As-You-Go zu ermöglichen. Wenn z. B. aufwändigere Anfragen über in Beziehung stehende Daten benötigt werden, können diese als Integritätsbedingung definiert werden. Dadurch wird der Integrationsaufwand auf den Zeitpunkt des Entstehens des Informationsbedarfs verschoben.
Der Begriff Dataspace bzw. Datenraum bezeichnet einen relativ jungen Ansatz zur Informationsintegration, mit dessen Hilfe Problematiken sowohl physischer als auch virtueller Integrationsansätze gelöst werden sollen. Um den Erstellungsaufwand einer Integrationsarchitektur gering zu halten, wird bei Dataspaces keine feste Zielstruktur vorab benötigt. Stattdessen kommen existierende Matching- und Mapping-Techniken zur Anwendung, um Daten unabhängig vom Grad der Integration in einem System zur Verfügung zu stellen. Der dezentrale Ansatz von Dataspaces bietet die Grundlage für die digitale Souveränität von Unternehmen, da Daten bis zu ihrem Abruf in dem Einflussbereich des Datenurhebers verbleiben können.
Dataspaces wachsen nach und nach mit ihrer Aufgabe bei Bedarf, beispielsweise neue Geschäftsmodelle wie Pay-As-You-Go zu ermöglichen. Wenn z. B. aufwändigere Anfragen über in Beziehung stehende Daten benötigt werden, können diese als Integritätsbedingung definiert werden. Dadurch wird der Integrationsaufwand auf den Zeitpunkt des Entstehens des Informationsbedarfs verschoben.
Anwendungsfälle
[Bearbeiten | Quelltext bearbeiten]- Personal Information Management
- Wissenschaftliches Datenmanagement
- Logistik und Produktion zur Vernetzung im Internet of Things und in Supply Chains
Siehe auch
[Bearbeiten | Quelltext bearbeiten]- International Data Spaces (IDS), eine europäische Initiative
- Mobility Data Space, seit 2022 im Betrieb
- Informationsintegration
Literatur
[Bearbeiten | Quelltext bearbeiten]- Michael J. Franklin, Alon Y. Halevy, David Maier: From databases to dataspaces: a new abstraction for information management. In: SIGMOD Record. Band 34, Nr. 4, S. 27–33 (2005).
- Jens-Peter Dittrich, Marcos Antonio Vaz Salles: iDM: A Unified and Versatile Data Model for Personal Dataspace Management. (PDF; 966 kB). VLDB 2006, S. 367–378.
- Anish Das Sarma, Xin Luna Dong, Alon Y. Halevy: Data Modeling in Dataspace Support Platforms. In: Conceptual Modeling. Foundations and Applications. 2009, ISBN 978-3-642-02462-7, S. 122–138, doi:10.1007/978-3-642-02463-4_8
- J. Madhavan, S. Jeffery, S. Cohen, X. Dong, D. Ko, C. Yu, A. Halevy: Web-scale data integration: You can only afford to pay as you go. CIDR, 2007.
- L. Blunschi, J. Dittrich, O. R. Girard, S. K. Karakashian, V Salles: A dataspace odyssey: The iMeMex personal dataspace management system. CIDR, 2007.