Im Bereich der Business Intelligence haben sich Analytische Informationssysteme (AIS) mit dem Ziel entwickelt, verschiedene Datenquellen integriert analysieren zu konnen und Informationen zu gewinnen die Business User, in ihrem Entscheidungs ndungsprozess unterstutzen. Sowohl die hohe Komplexitat, die sich aus der Flexibilitat und Machtigkeit solcher Systeme ergibt, als auch die hohe notwendige Interaktion mit dem Nutzer zur Durchfuhrung adaquater Analysen, bedingen entsprechendes Analyse- und Domanenwissen sowie ein tiefergehendes konzeptionelles und technisches Verstandnis. Dieses ist meistens bei Business Usern ohne entsprechende Schulung nicht gegeben, wodurch eine eigenstandige Informationsversorgung mittels AIS behindert wird. Erschwerend kommt hinzu, dass AIS in der Regel keine zusatzlichen Metadaten zu Business Regeln, Strategien oder Hintergrundinformationen erfassen, verwalten und fur die Analyseunterstutzung bereitstellen konnen. Idealerweise sollten Business User auf Basis einer Analyseunterstutzung des AIS dazu befahigt werden, adaquate Analysen durchzufuhren, ohne zwingend uber Analyse- und Domanenwissen verfugen zu mussen. Diese analyseunterstutzenden Funktionalitaten konnen von weiterfuhrenden Informationen, uber eine Navigationsunterstutzung fur Analysepfade bis hin zu einer Vorschlagsgenerierung von Analyseschritten reichen. In diesem Paper werden Konzepte eines Analyseprozesses und darauf aufbauend analyseunterstutzende Funktionen vorgestellt, die eine Informations-Selbstversorgung des Business Users erlauben. Der Fokus wird hierbei auf die Erweiterung eines AIS um semantische Metadaten gelegt, um eine Erfassung, Verwaltung und Nutzung von Analyse- und Domanenwissen zu ermoglichen. J.1 [Administrative data processing]: Business; H.4.2 [Information Systems Applications]: Types of Systems| Decision support
1.
Die Unterstutzung des Managements und die
Verbesserung des Entscheidungs ndungsprozesses werden als
Schlusseleigenschaften der Business Intelligence (BI) gesehen [
AIS haben jedoch auch verschiedene Mangel, die im nachsten Abschnitt 2 naher betrachtet werden. Aus diesen leitet sich die Forschungsfrage sowie die zugehorigen Anforderungen an einen Ansatz ab, welcher in Abschnitt 3 diskutiert wird. Im Anschluss wird der eigene Ansatz mit zugehorigen Konzepten und Funktionalitaten zur Analyseunterstutzung imnaArkbtsacnhanliytste\4 m(KitMdAer) Apnrawseenndtiuenrtg,sdboemvoarneim"KArabnskcehnnhitatus5verwandte Arbeiten in diesem Forschungsumfeld aufgezeigt werden. Abschlie end erfolgt in Abschnitt 6 eine Zusammenfassung sowie ein Ausblick des Forschungsvorhabens. 2.
In dem am OFFIS entwickelten AIS - Multidimensional
Statistical Data Analysis Engine (MUSTANG) [
Ein weiterer Mangel von AIS wird in der geringen
Berucksichtigung von Metadaten gesehen [
Des weiteren sind AIS derzeit nicht in der Lage,
Analyseund Domanenwissen zu importieren, zu verwalten und fur
weiterfuhrende Analyseunterstutzung der Business User zu
nutzen. Insbesondere ist die Expertise aus dem Bereich der
Analysestrategien und den "Best Practices\ fur Analysen in
spezi schen Domanen von Interesse. Wissen, das durch
Analysten in AIS eingebracht wird, geht in der Regel verloren [
Idealerweise sollten Business User befahigt werden,
multidimensionale quantitative Daten zu analysieren, ohne
zwingend uber Analyse- und Domanenwissen sowie ein
tiefgehendes konzeptionelles Verstandnis verfugen zu mussen. Das
AIS sollte den Business User in seinen explorativen ad-hoc
Analysen unterstutzen, indem es modelliertes semantisches,
maschinenlesbares und -verstandliches Wissen ausnutzt.
Analyseunterstutzende Funktionalitaten fur eine Business User
Self-Information Service [
In diesem Paper werden nun im Folgenden Konzepte fur eine semantische Metadatenbasis sowie darauf aufbauende analyseunterstutzende Funktionalitaten fur ein AIS vorgestellt. Ziel ist es, dass Business User sich selbst mit Informationen auf eine e ziente und intuitive Art und Weise versorgen konnen. Exemplarisch werden Beispiele aus der Domane Krankenhausmarktanalyse (KMA) gebracht, da hier Business User, z.B. Krankenhauscontroller durch die Veranderungen im deutschen Gesundheitswesen gezwungen werden, zur Sicherung der Wettbewerbsfahigkeit die Potentiale ihres Krankenhauses zielgerichtet zu erschlie en und Leistungsangebote konkurrenzfahig auszurichten.
Motiviert aus den in Abschnitt 2 genannten Mangeln wird die folgende Fragestellung abgeleitet:
Wie kann eine Komplexitatsreduktion von AIS mit dem Ziel erfolgen, ungelernte Business User zu befahigen, selbst adaquate explorative Analysen fur eine intuitive und e ziente InformationsSelbstversorgung durchzufuhren.
Um die Forschungsfrage zu beantworten, sieht der verfolgte Losungsansatz die Verwendung von verschiedenen Analyseunterstutzungsfunktionalitaten vor, welche explizites modelliertes semantisches Domanen- und Analysewissen ausnutzen. Dieses wird in ein semantisches Datenmodell des AIS importiert, dort verwaltet und durch verschiedene Services genutzt werden.
Folgenden Anforderungen werden an einen Ansatz gestellt: Der Ansatz soll es einem domanenunabhangigen AIS ermoglichen Business User im Kontext domanenspezischer Analyseaufgaben zu unterstutzen. Dafur wird ein Konzept bestehend aus einem generischen Datenmodell in Verbindung mit einem domanenunabhangigen AIS benotigt. Das Konzept wird fur eine spezi sche Domane instanziiert.
Der Ansatz soll den Lernprozess von Analyse- und Domanenwissen unterstutzen und den initialen Einarbeitungs- und Trainingsaufwand ins AIS reduzieren. Business User sollen von der inharenten Expertise des AIS lernen.
Der Ansatz soll eine Komplexitatsreduktion eines AIS
verfolgen, ohne jedoch die Flexibilitat und die
Machtigkeit des AIS einzuschranken. Das AIS soll fur
Business User mit geringer Expertise intuitiv benutzbar
sein, so dass diese adaquate explorative Analysen auf
dem DWH durchfuhren konnen. Des Weiteren soll der
Ansatz die Anzahl der Nutzer-Interaktionen fur das
Erreichen gleicher Analyseergebnisse reduzieren,
wodurch die E ektivitat des AIS gesteigert werden soll.
Das Konzept soll es ermoglichen, mit verschiedenen
Metadatenarten umzugehen und diese in einer
intelligenten Art und Weise fur eine Analyseunterstutzung
zu verknupfen. Oftmals sind Ansatze in der
Literatur zu nden [
Im nachsten Abschnitt 4 werden verschiedene Konzepte eines Datenmodells sowie die darauf anwendbaren Funktionalitaten zur Analyseunterstutzung und zur Erfullung der Anforderungen diskutiert.
Ziel des hier diskutierten Ansatzes ist es, Business User
im Kontext domanenspezi scher Analyseaufgaben zu
unterstutzen. Hierzu sollen verschiedene unterstutzende
Funktionalitaten auf Basis eines modellierten semantischen
Metadatenmodells bereitgestellt werden (s. Abschnitt 4.1). Als
Wissensreprasentationssprache zur Modellierung des
Metadatenmodells, in Form von mehreren miteinander
verknupften Ontologien, kommt OWL-DL zum Einsatz. Eine
DWHOntologie bildet das MDM des jeweils zu Grunde
liegenden DWHs als Instanzen ab und ermoglicht es, in den
darauf aufbauenden Ontologien das MDM zu referenzieren. Die
Analyse-Ontologie modelliert abstrakt Entitaten und deren
Beziehungen, die die Analyseprozesse in einem MDM
beschreiben. Diese decken den gesamten Analyseprozess von
Fragestellungen, uber Analyseketten hin zu
Analyseergebnissen ab, beschreiben aber auch die enthaltenden
Operatoren, Visualisierungen, Verfahren und Business Rules. Die
wichtigsten Konzepte werden in Abschnitt 4.2 erlautert. Die
auf der Analyse-Ontologie aufbauende Domanen-Ontologie
beinhaltet die konkreten Instanzen der Analyse-Ontologie
fur eine Domane. Sie bildet also das fur
Analyseunterstutzung genutzte Analyse- und Domanenwissen ab. Fur eine
detaillierte Beschreibung der Ontologien und deren
Zusammenhange sei auf [
Im Metadatenmodell zu speicherndes Wissen soll Aussagen zu konkreten Fragestellungen, uber durchzufuhrende Analyseschritte bis hin zu erkennbaren Analyseergebnissen enthalten. Soll z.B. die Fragestellung "Welchen Marktanteil hat mein Krankenhaus (KH) im Einzugsgebiet?\ untersucht werden, so ist als Wissen modelliert, dass das Einzugsgebiet, bestehend aus Kernmarkt, erweiterter Kernmarkt und Peripheriemarkt, fur das KH uber dessen Fallzahlen ermittelt werden muss und dass der Marktanteil eine berechnete Kennzahl im DWH ist. Diese berechnet sich aus dem Verhaltnis der erwarteten Fallzahl und den behandelten Fallen des KH. Des Weiteren ist z.B. als Wissen modelliert, dass sich aus der ersten Fragestellung weitere relevante Fragesgteesltleulnlugnegn faubrleKitoennkukorrnennetnen, zo.Bde.r"Wabieer vfuerrhsapltezsiicshchdeieFaFcrha-abteilungen (FA) des eigenen KH?\. Fur letzteres mussen insbesondere die behandelten Diagnosen (ICD-Codes) und die vorhandene Ausstattung / Verfahren (OPS-Codes) sowie der Versorgungsschwerpunkt der FA im MDM berucksichtigt werden. Besonders relevant ist das Wissen zu weiterem Analysevorgehen im Kontext von Analyseergebnissen, wie z.B. erkannten Au alligkeiten: A nderungen im Patientenspektrum / Einweiserverhalten; oder Erkennen von Versorgungslucken oder Regionen mit "stillen Reserven\.
Das Konzept sieht einen initialen Aufbau der Wissensbasis, mit Hilfe einer Expertengruppe vor. Diese konnen im KMA Umfeld z.B. einer Krankenhauskette oder einem Beratungsunternehmen angehoren und ihr Analyse- und Domanenwissen in den Ontologien persistieren. Da das modellierte Wissen eine Allgemeingultigkeit in der modellierten Domane haben soll, ist eine spatere personi zierte Anpassung bzw. die Erfassung zusatzlicher personenbezogener Metadaten derzeit nicht vorgesehen. 4.1
Um den genannten Mangeln aus Abschnitt 2 unter Berucksichtigung der in Abschnitt 3 erlauterten Anforderungen zu begegnen, werden die Metadaten in Form einer semantischen Suche, Navigation und eines Recommendings genutzt. Die Metadaten werden an den Business User uber diese Funktionalitaten kommuniziert.
Semantische Suche: Das ubergeordnete Ziel der semantischen Suche ist, eine Suchfunktion auf de nierten Metadaten anzubieten. Instanzen des Metadatenmodells sollen anhand ihrer Semantik gesucht, gefunden und anschlie end visualisiert werden.
Ein spezi scheres Ziel ist unter anderem die Suche nach bestehenden Fragestellungen und damit verbundenen Analyseketten, die sich auf die jeweilige Analysesituation adaptieren lassen. Auch semantisch verknupfte Fragestellungen, die in einer Vorganger-, Nachfolgerbeziehung stehen, konnen gefunden werden. Daneben spielt auch das Finden von Analyseergebnissen und damit verbundenen quantitativen Daten des DWH eine Rolle. Annotationen auf den quantitativen Daten konnen mit ihrer Semantik gefunden und in der zugehorigen Analysevisualisierung wieder dargestellt werden. Ebenfalls lassen sich die durchlaufende Analysekette samt Fragestellung und analysierendem Business User ermitteln und als Ausgangsbasis fur anknupfende Analysen verwenden.
Semantische Navigation: Werden die Klassen und Relationen des Metadatenmodells fur eine konkrete Domane instanziiert, so kann eine Navigation von einer Klasseninstanz zur Nachsten, entlang der dazwischen de nierten semantischen Relation, erfolgen. Im Kontext eines AIS kann diese semantische Navigation zum einen als eine reine Navigation innerhalb der Metadaten erfolgen und zum anderen konnen zusatzliche assoziierte Operationen des AIS ausgefuhrt werden.
Fur Ersteres sei auf Abb. 1 verwiesen. Wird die Fragestellung zur Kennzahl B mit Hilfe der semantischen Suche gefunden, so kann der Business User sowohl zu den notwendigen Vorganger-Fragestellungen als auch den NachfolgerFragestellungen oder zu weiteren verbundenen Instanzen navigieren.
muss / optional optional Kennzahl A Vorgänger Fragestellung verfeinert / aggregiert
Kennzahl B Fragestellung
Kennzahl C Nachfolger Fragestellung
1 Kennzahl ...
Nachfolger Fragestellung
...
Kennzahl m Nachfolger Fragestellung m Kennzahl B
SubFragestellung 1
SubFragestellung ...
Sub- Verfeinindeerunngen Fragesntellung vDeirmscehniesidoenneenn Abbildung 1: Beziehungen von Fragestellungen Mochte der Business User basierend auf einer Fragestellung eine konkrete Analyse durchfuhren, so kann er von der Fragestellung zu der verbundenen Start-Analysevisualisierung wechseln und dann entlang eines spezi schen Analysepfades zu einer Ende-Analysevisualisierung navigieren (s. Abb. 2). Diese Art der semantischen Navigation ist immer mit realen Aktionen und Daten des AIS verbunden, da Analysevisualisierungen quantitative Daten des DWH anzeigen und beim Analysevisualisierungswechsel durch die Domanenoperationen ein oder mehrere OLAP Operationen im AIS angewendet werden.
Vorschlagsgenerierung: Eine wichtige Funktion ist das Geben von Hinweisen und Vorschlagen durch das AIS im Kontext einer Fragestellung und einer Analysevisualisierung. Diese werden aus dem im Metadatenmodell hinterlegten Analyse- und Domanenwissen abgeleitet. Vor allem weiterfuhrende Hintergrundinformationen, Business Rules und Analysestrategien sowie weitere Fragestellungen konnen wertvolle Informationen im Analyseprozess sein.
Hinweise zu weiterfuhrenden sinnvollen Analysevisualisierungen konnen durch das AIS gegeben werden, indem mogliche Domanenoperationen und die enthaltenen Business Rules auf ihre Anwendbarkeit in einer Analysevisualisierung uberpruft werden. Ziel der Vorschlagsgenerierung soll es sein, dass relevante Analysevisualisierungen erreicht werden, die eine Interpretation der quantitativen Daten hinsichtlich der Fragestellung zulassen. Wichtig ist, dass beim Geben der Hinweise und Vorschlage sowie bei der Anwendung von Domanenoperationen die Hintergrunde kurz erlautert werden, damit diese fur den Business User nachvollziehbar bleiben und er sich zusatzlich Analyse- und Domanenwissen aneignen kann. 4.2
Im Folgenden werden die fur eine Analyseunterstutzung notwendigen Entitaten des Analyseprozesses in einem AIS naher betrachtet.
Fragestellung: Eine Fragestellung gibt einer Hypothese Ausdruck, die es zu klaren gilt und auf deren Ergebnis eine Entscheidung basieren kann. Als Beispiel sei \Was sind die Marktanteile in meinem Einzugsgebiet?" genannt. Hierbei ist eine einzelne Fragestellung in der Regel nicht losgelost von Anderen zu betrachten (s. Abb. 1). Vielmehr kann eine Fragestellung uber Vorganger verfugen, wie z.B. \Was ist mein Einzugsgebiet?", auf welche zuvor eine Antwort gefunden werden muss. Sie kann uber weiterfuhrende NachfolgerFragestellungen verfugen, die sich aus dem Analyseergebnis ergeben und optional weiter analysiert werden konnen. Beispiele sind: \Was sind die Marktpotenziale in meinem Einzugsgebiet?" oder \Wie wird sich mein Marktanteil entwickeln?". Neben Vorgangern und Nachfolgern kann es auch Subfragestellungen geben, welche die gleiche Kennzahl(en) wie die Originalfrage behandeln, jedoch diese hinsichtlich ein oder mehrerer Dimensionen weiter verfeinern.
Analysekette: Eine Analysekette wird fur die Analyse von Fragestellungen verwendet. Diese bildet den logischen Rahmen der Analyse und enthalt weitere Konzepte wie Analysepfade, Analysevisualisierungen, Domanenoperationen und Business Rules. Die Zusammenhange sind in der Abb. 2 dargestellt. Ziel der Analysekette ist das Finden ein oder mehrerer Analysevisualisierungen, die eine Interpretation der quantitativen Daten des DWH erlauben.
Analysevisualisierung: Eine Analysevisualisierung ist die gra sche Reprasentation der quantitativen Daten eines Analyseschrittes z.B. in Form einer Pivottabelle, eines Diagramms oder einer Karte. Sie besteht aus 1 bis n Kennzahlen, die wiederum in 1 bis m Dimensionen aufgespannt sind. Von diesen Dimensionen sind jeweils 1 bis z Dimensionselemente gewahlt. Im Kontext der Analysekette sind sogenannte Start- und Ende-Analysevisualisierungen de niert. Erstere dienen als Einstiegspunkte fur die Analysen von Fragestellungen. Von ihnen aus konnen die Analysepfade mit ihren verschiedenen Analysevisualisierungen durchlaufen werden. Letztere ermoglichen das Interpretieren der quantitativen Daten hinsichtlich der Fragestellung und das Ableiten von Analyseergebnissen.
Domanenoperation: Eine Domanenoperation ermoglicht das Navigieren zwischen zwei Analysevisualisierungen und kommt zum Einsatz, wenn spezi sche Auspragungen des MDM in einer Analysevisualisierungen eintreten. Domanenoperationen konnen aus einer Menge auszufuhrender OLAPOperatoren, Business Rules und Visualisierungswechseln bestehen. Ihr Zweck ist es, die notwendigen Schritte der Kennzahlen-, Dimensionen-, Dimensionselemente- und Visualisierungsauswahl bzw. des -wechsels fur den Endanwender durchzufuhren und somit die Komplexitat des MDM und der Analysedurchfuhrung zu verbergen. So kann der Business User direkt von einer Analysevisualisierung zu einer nachsten sinnvollen Analysevisualisierung gelangen. Ob eine Analysevisualisierung als sinnvoller weiterer Analyseschritt gesehen werden kann, ist uber die Business Rules de niert.
Business Rules: Business Rules reprasentieren konkretes Analyse- und Domanenwissen und werden als semantische Metadaten zu den domanenspezi schen Inhalten eines AIS modelliert. Sie beschreiben weiterfuhrende Informationen und Regeln und kommen im Analyseprozess in den Domanenoperationen zur Anwendung. Business Rules lassen sich aus den "Best Practices\ eines Analysten ableiten und beziehen sich in der Regel auf eine Fragestellung, eine Analysevisualisierung oder ein Analyseergebnis, oder aber auf eine Kombination aus diesen. Die Business Rule ist anwendbar, wenn das MDM einen spezi schen de nierten Zustand erreicht. Mehrere Business Rules konnen in unterschiedlichen Domanenoperationen anwendbar sein, woraus sich mehrere Moglichkeiten fur den Business User ergeben konnen, wie er seine Analyse fortsetzen mochte. Durch die Gewichtung der Business Rules kann hierbei ein Ranking entstehen.
Analysepfad: Unter einem Analysepfad wird eine Menge von Analysevisualisierungen verstanden, die durch Domanenoperationen zu einem Pfad in einer de nierten Reihenfolge verbunden werden. Typischerweise wird ein Analysepfad in einer konkreten Analyse von einer Start-Analysevisualisierung zu einer Ende-Analysevisualisierung durchlaufen. Hierbei ist zu beachten, dass Analysepfade nicht zwingend zuvor de niert sein mussen, sondern sich aus der Anwendbarkeit von Domanenoperationen auf Analysevisualisierungen im Kontext einer spezi schen Fragestellung ergeben konnen. Die Menge aller Analysepfade zu einer Fragestellung bildet die Analysekette.
Analyseergebnis: Analyseergebnisse beschreiben eine Interpretation von quantitativen Daten im MDM des DWH. erlaubt finden erlaubt finden erlaubt finden neue Nachfolger-Fragestellung ç externe Domänenoperation Abbildung 2: Zusammenhang von Konzepten im Analyseprozess
Analyseergebnis Analyseergebnis Analyseergebnis
Basis für Entscheidung Dies konnen Korrelationen und Zusammenhange zwischen den Daten, aber auch Trends, Einbruche, Zunahmen, Auffalligkeiten, geogra sche Ballungen, etc. sein.
Im Kontext der Business Intelligence gibt es vielfaltige
Forschungsfragen, die von der Erschlie ung des
Analysewissens [
Im Bereich der Dokumentation von Analyseprozessen und
-ergebnissen ist die Arbeit [
Im Kontext von Analyseprozessen ist auch die Arbeit von
[
Wahrend der Durchfuhrung von Analysen werden eine
Reihe von OLAP Anfragen gesendet, um durch den
multidimensionalen Datenraum zu navigieren und um die
benotigten Informationen zu erfragen. Hierbei ist laut [
Eine andere Art der Analyseunterstutzung fur eine hohere
Nutzerfreundlichkeit wird im Kontext der BI in der
Trennung von Business und IT Belangen gesehen. Anders als
in den zuvor genannten Arbeiten spielen hier semantische
Metadaten eine entscheidende Rolle. U ber die
Metadatenmodelle konnen die Entitaten der zugrunde liegenden
BISysteme mit ihren zugehorigen Relationen modelliert
werden. Ebenfalls erlauben diese exiblen, erweiterbaren
Metadatenstrukturen weiterfuhrende Informationen zu den
Entitaten, wie beispielsweise Business Rules oder
Expertenwissen festzuhalten. In [
In der Arbeit von [
Die Unterstutzung eines technisch unversierten Business
Users wird insbesondere in [
Auch wenn, wie in vielen anderen Arbeiten, die
semantischen Metadaten eine entscheidende Rolle spielen, grenzt der
eigene Ansatz sich von diesen durch die Modellierung von
Konzepten und deren Instanziierung in Form von
Analyseund Domanenwissen ab. Im Fokus steht dabei das Wissen
zu Analyseprozessen, das von verschiedenen Komponenten
eines AIS zur Unterstutzung des Business Users genutzt
werden kann. Eine technologisch ahnliche Umsetzung mit Hilfe
von verschiedenen Ontologien wie sie in [
Analytische Informationssysteme haben sich im Kontext der Business Intelligence als Systeme zur Informationsgewinnung fur Business User im Entscheidungs ndungsprozess etabliert. Allerdings setzen AIS aufgrund ihrer hohen Interaktionsmoglichkeiten und Komplexitat entsprechendes Analyse- und Domanenwissen sowie ein tiefergehendes technisches Verstandnis voraus, um adaquate Analysen durchfuhren zu konnen (s. Abschnitt 1). Dieses liegt jedoch ohne entsprechende Schulungen bei Business Usern nicht vor. Auch werden in der Regel keine Metadaten zu Business Regeln, Strategien oder Hintergrundinformationen durch AIS bereitgestellt, die den Business User unterstutzen konnen. Da jedoch Business User befahigt werden sollen, sich selbst mit Informationen zu versorgen, wurde in dieser Arbeit als Forschungsfrage untersucht, wie die Komplexitat von AIS reduziert werden kann, damit Business User eine adaquate explorative ad-hoc Analyse durchfuhren konnen. Hierzu wurden zunachst in Abschnitt 3 Anforderungen an einen entsprechenden Ansatz de niert. Darauf aufbauend wurden in Abschnitt 4 verschiedene Konzepte aus dem Bereich der Datenanalyse de niert und erlautert, die in einem semantischen Metadatenmodell fur ein AIS modelliert und instanziiert werden konnen und somit als Basis fur weiterfuhrende Analyseunterstuzungsfunktionalitaten dienen. Von zentraler Bedeutung waren die Konzepte der Fragestellung, Analysekette, Analysepfad und Analysevisualisierung sowie Domanenoperationen, Business Rules und Analyseergebnisse. Als Funktionen wurden die Semantische Suche, die Semantische Navigation und die Vorschlagsgenerierung prasentiert, bevor in Abschnitt 5 verwandte Arbeiten vorgestellt und gegen den eigenen Ansatz abgegrenzt wurden. Als weiterer Schritt im Forschungsvorhaben werden die vorgestellten Konzepte in einem Metadatenmodell mittels Wissensreprasentationssprachen modelliert und fur die Domane der Krankenhausmarktanalyse instanziiert. Dieses Metadatenmodell wird in eine zu implementierende semantische Metadatenebene des am OFFIS entwickelten AIS - Multidimensional Statistical Data Analysis Engine (MUSTANG) - eingebettet, um Analyse- und Domanenwissen zu erfassen, zu verwalten und fur die genannten Analyseunterstuzungsfunktionalitaten zu verwenden. Eine Umsetzung und Evaluierung wird im Rahmen einer laufenden Dissertation und einer studentischen Projektgruppe erfolgen.