Zusammenfassung
Dieser Beitrag berichtet über aktuelle Herausforderungen des kommunalen Datenmanagements, welche im Projekt envVisio-GI analysiert und bewertet wurden. Im Zuge einer immer umfassenderen Digitalisierung entstehen immer mehr heterogene Daten, die miteinander in Bezug gesetzt werden müssen. Insbesondere Aufgaben, die auf die Daten mehrerer Ressorts angewiesen sind (z. B. Lärmkartierung, Mobilitätsplanung) stehen vor dem Problem, diese Daten miteinander zu verarbeiten. Spezialisierte Fachsysteme, in denen die Daten erhoben und Fachaufgaben bearbeitet werden, sind für Aufgaben der Datenharmonisierung häufig nicht ausgelegt. Eine weitere Herausforderung stellt die Bereitstellung der Daten für die Weiternutzung in anderen Kontexten dar, z. B. als Open Data, oder um Berichtspflichten zu erfüllen. Die begrenzten Ressourcen der Kommunen und anderer Behörden verlangen nach einer möglichst unaufwändigen Umsetzung. Als ein diesen Herausforderungen zugrunde liegendes Problem identifiziert dieser Beitrag die Schemaevolution, d. h. die Notwendigkeit, das Schema einer bereits in Betrieb befindlichen Datenhaltung anzupassen. Dieses häufig in der Softwareentwicklung auftretende Problem kann die beschriebenen Schwierigkeiten, vor denen Kommunen und andere Behörden stehen, erklären. Die Verschiebung des Fokus weg von anwendungsorientierter Datenhaltung hin zu einer generalisierbaren Datenverwaltung und -bereitstellung eröffnet neue Perspektiven. Das innerhalb des Projekts envVisio-GI entwickelte Data Warehouse Simplex4Data verfolgt zwei Strategien, um das Problem der Schemaevolution handhabbarer zu machen: Einerseits wird eine Systemlandschaft geschaffen, die Daten erhebende Fachapplikationen und ein Daten harmonisierendes und bereitstellendes Data Warehouse trennt. Das ermöglicht die Konzentration auf unterschiedliche Funktionen. Andererseits ermöglicht das Metadaten-gesteuerte, generische Datenmodell des Simplex4Data einen flexibel erweiterbaren und umfassend dokumentierten Datenpool. Die konkreten Auswirkungen dieser Strategien werden anhand der Import-Komponente des Simplex4Data aufgezeigt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
Kaden, R., Poßner, P., Schürmann, T., Rudolf, H., Koch, W., Großmann, J., Holweg, D., Plabst, S., Schmeling, A., Beyer, R., Ostrau, S., & Konrad, O. (2022). Abschlussbericht envVisio-GI, mFUND Forschungskennzeichen 19F2126C, Bundesministerium für Digitales und Verkehr, (unveröffentlicht).
de Bhróithe, A. O. F., Heiden, F., Schemmert, A., Phan, D., Hung, L., Freiheit, J., & Fuchs-Kittowski, F. (2020). A generic approach to schema evolution in live relational databases. In Borzemski, L., Świątek, J., Wilimowska, Z. (Hrsg.), Information Systems Architecture and Technology: Proceedings of 40th Anniversary International Conference on Information Systems Architecture and Technology – ISAT 2019: Part I (S. 105–118). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-30440-9_11
Andany J., Léonard M., & Palisser C. (1991). Management Of Schema Evolution In Databases. In Lohman, G. M., Sernadas, A. & Camps, R. (Hrsg.), Proceedings of the 17th International Conference on Very Large Data Bases (VLDB) (S. 161–170). https://www.vldb.org/conf/1991/P161.PDF
Vassiliadis, P., Zarras, A. Z., & Skoulis, I. (2017). Gravitating to rigidity: Patterns of schema evolution – and its absence – in the lives of tables. Information Systems, 63 (S. 24–46).
Qiu, D., Li, B., & Su, Z., (2013). An empirical analysis of the co-evolution of schema and code in database applications. In Proceedings of the 2013 9th Joint Meeting on Foundations of Software Engineering (S. 125–135). https://doi.org/10.1145/2491411.2491431
Delplanque, J., Etien, A., Anquetil, N., & Auverlot, O. (2018). Relational Database Schema Evolution: An Industrial Case Study. In ICSME 2018 – 34th IEEE International Conference on Software Maintenance and Evolution. https://doi.org/10.1109/ICSME.2018.00073
Manousis P., Vassiliadis P., & Papastefanatos G. (2013). Automating the adaptation of evolving data-intensive ecosystems. In Proceedings of 32th International Conference on Conceptual Modeling (S. 182–196). https://doi.org/10.1007/978-3-642-41924-9_17
Rudolf, H. (2018). Umweltdatenmanagement – Eine Geo-Inspiration. Karlsruhe: Bernhard Harzer Verlag.
Rudolf, H. (2020). Umweltdaten-Intelligenz. In: Freitag, U., Fuchs-Kittowski, F., Abecker, A., & Hosenfeld, F. (Hrsg.) Umweltinformationssysteme – Wie verändert die Digitalisierung unsere Gesellschaft? (S. 29–49), Wiesbaden: Springer Vieweg. https://doi.org/10.1007/978-3-658-30889-6_3
Großmann, J. (2022). envVisio Service – ein universeller Dienst für Umweltdaten. In: Fuchs-Kittowski, F., Abecker, A., & Hosenfeld, F. (Hrsg.) Umweltinformationssysteme – Wie trägt die Digitalisierung zur Nachhaltigkeit bei? (S. 67–79), Wiesbaden: Springer Vieweg. https://doi.org/10.1007/978-3-658-35685-9_5
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this paper
Cite this paper
Großmann, J., Rudolf, H. (2024). Fachsysteme, Schemaevolution, Datenharmonisierung. In: Fuchs-Kittowski, F., Abecker, A., Hosenfeld, F., Reineke, A., Jolk, C. (eds) Umweltinformationssysteme - Digitalisierung im Zeichen des Klimawandels und der Energiewende. UIS 2023. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-43735-0_18
Download citation
DOI: https://doi.org/10.1007/978-3-658-43735-0_18
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-43734-3
Online ISBN: 978-3-658-43735-0
eBook Packages: Computer Science and Engineering (German Language)