Einsatzmöglichkeiten des Semantic Web zur Integration von Data Warehouse und Wissensmanagement (am Beispiel von SemTalk)

Obwohl das Semantic Web primär entwickelt wurde, um den Inhalt von Dokumenten darzustellen, ist es sinnvoll, denselben Ansatz auch auf andere Bereiche anzuwenden, in denen eine gemeinsame Sprache und wohl definierte Begriffe benötigt werden. Dies trifft beispielsweise auf die Inhalte eines Data Warehouse zu. In diesem Beitrag wird ein Projekt aus einer deutschen Krankenkasse vorgestellt, in dem dieses Konzept auf die Einführung und den Betrieb eines Data Warehouse angewendet wurde. Zum Einsatz kam dabei das grafische Modellierungswerkzeug SemTalk. 1 Semantic Web und Data Warehouse Das Semantic Web [BHL01] erlaubt es, Informationen nicht mehr nur textuell sondern als „Modell“ formalisiert darzustellen. Es handelt sich dabei um eine Methode, Daten und Metadaten anwendungsunabhängig verteilt zu repräsentieren und für verschiedenartige Anwendungen verfügbar zu machen.[W399],[LS99]. Im Data Warehouse werden Definitionen für Kennzahlen und Kontexte, in denen diese Kennzahlen verwendet werden sollen (Dimensionen), einheitlich bestimmt. Um sie zu verwenden, werden Würfel und Berichte definiert, in denen Kennzahlen und Dimensionen kombiniert werden. Die Dokumentation dieser Metadaten eines Data Warehouse ist von großer Wichtigkeit, da die Anwender wissen müssen, auf welcher Basis ihre Auswertungen durchgeführt werden; das heißt, dass die Definitionen der Elemente nicht nur für die Entwickler sondern auch für die Anwender zur Verfügung stehen müssen. Die Dokumentation der Metadaten lässt sich als Wissensmodell in Form einer Ontologie [Gr95] interpretieren. Sie muss in einer Form durchgeführt werden, die es einerseits dem Entwickler auf einfache und effektive Weise ermöglicht, die von ihm entwickelten