Temporale Aspekte entdeckten Wissens

In den letzten Jahren haben Anzahl und Umfang verfuegbarer Datensaetze stark zugenommen, wodurch die Entwicklung von Methoden zur Entdeckung von Wissens in den Daten zu einer grossen Herausforderung geworden ist. Waehrend dabei sonst Effizienzfragen im Vordergrund standen, wurde in juengerer Zeit auch die temporale Dimension der Daten einbezogen. Es wurden Methoden erarbeitet, die der Pflege des entdeckten Wissens dienen. Diesen Techniken liegt die Idee zugrunde, dass Daten oft ueber einen langen Zeitraum gesammelt werden. Damit sind sie den gleichen Aenderungen ausgesetzt wie die Realitaet. Aendern sich aber die Daten, ist auch mit Aenderungen in den Analyse-Ergebnissen zu rechnen. Es genuegt aber nicht, nur die Aktualitaet der Ergebnisse sicherzustellen. Vielmehr ist es notwendig, auch ihre Entwicklung im Zeitverlauf zu erfassen. In dieser Arbeit wird Wissensentdeckung als kontinuierlicher Prozess verstanden. Daten werden ueber einen potentiell langen Zeitraum gesammelt und in bestimmten Zeitabstaenden analysiert. Jede Analyse liefert eine Menge von Mustern, die in einer Regelbasis erfasst und deren Entwicklung aufgezeichnet wird. Ausgangspunkt ist ein temporales Datenmodell, das den Inhalt von Mustern und ihre statistischen Eigenschaften abbildet. Darauf aufbauend, wird ein umfassendes Bezugssystem fuer die Ueberwachung und Analyse der Entwicklung entdeckten Wissens entwickelt, das die vielen verschiedenen Facetten der Evolution von Mustern integriert und die Erkennung von Trends erlaubt. Dieses Bezugssystem ermoeglicht es, verschiedene Arten von Musteraenderungen nach qualitativen, quantitativen und temporalen Kriterien erkennen und bewerten zu koennen, andererseits gestattet es, die temporalen Eigenschaften der gefundenen Zusammenhaenge als Kriterium fuer ihre Relevanz zu nutzen und die Ursachen der beobachteten Aenderungen zu bestimmen. Im Rahmen zweier Fallstudien wurden die vorgestellten Konzepte einer eingehenden Ueberpruefung unterzogen.