Minimalinvasive Integration der Provenienz in datenintensive Systeme

In der jüngsten Vergangenheit hat ein neues Forschungsthema namens Provenance viel Aufmerksamkeit erregt. Zweck der Provenance ist es, den Ursprung und die Entstehungsgeschichte von Daten zu ermitteln. So wird die Provenienz beispielsweise zur Validierung und Erklärung von Berechnungsergebnissen verwendet. Aufgrund der Digitalisierung von ehemals analogen Prozessen, die Daten aus heterogenen Quellen beziehen, und der zunehmenden Komplexität der entsprechenden Systeme ist die Validierung von Berechnungsergebnissen eine anspruchsvolle Aufgabe. Um dieser Herausforderung zu begegnen, wurde viel geforscht und es wurden Lösungen entwickelt, die die Erfassung von Provenance-Daten ermöglichen. Diese Lösungen umfassen eine breite Palette von Ansätzen, die von formalen Ansätzen, die definieren, wie Provenance für relationale Datenbanken erfasst werden kann, über High-Level-Datenmodelle für verknüpfte Daten im Web bis hin zu Komplettlösungen zur Unterstützung der Verwaltung wissenschaftlicher Arbeitsergebnisse reichen. Allen diesen Ansätzen ist jedoch gemeinsam, dass sie auf ihren spezifischen Anwendungsfall zugeschnitten sind. Folglich wird Provenance als ein integraler Bestandteil dieser Ansätze betrachtet, der nur schwer an neue Nutzeranforderungen angepasst oder in bestehende Systeme integriert werden kann. Wir stellen uns vor, dass die Provenance, die in hohem Maße an die Bedürfnisse spezifischer Anwendungsfälle angepasst werden muss, ein übergreifendes Anliegen sein sollte, das nahtlos und ohne Beeinträchtigung des ursprünglichen Systems integriert werden kann.

Minimal-invasive integration of the provenance concern into data-intensive systems

In the recent past a new research topic named provenance gained much attention. The purpose of provenance is to determine origin and derivation history of data. Thus, provenance is used, for instance, to validate and explain computation results. Due to the digitalization of previously analogue process that consume data from heterogeneous sources and increasing complexity of respective systems, it is a challenging task to validate computation results. To face this challenge there has been plenty of research resulting in solutions that allow for capturing of provenance data. These solutions cover a broad variety of approaches reaching from formal approaches defining how to capture provenance for relational databases, high-level data models for linked data in the web, to all-in-one solutions to support management of scientific work ows. However, all these approaches have in common that they are tailored for their specific use case. Consequently, provenance is considered as an integral part of these approaches that can hardly be adjusted for new user requirements or be integrated into existing systems. We envision that provenance, which highly needs to be adjusted to the needs of specific use cases, should be a cross-cutting concern that can seamlessly be integrated without interference with the original system.