Die Kombination von Daten aus unterschiedlichen Quellen (Data Warehhouse) sowie die darauf aufbauende Gewinnung von neuen Informationen durch Filterung, Verdichtung und Extraktion von Zusammenhängen (Data Mining) ist eine Aufgabe, die in vielen Anwendungsgebieten besteht.Einen wichtigen Beitrag hierzu müssen Methoden und Techniken aus dem Datenbank – und Data Mining – Bereich leisten.Die Diplomarbeit soll den aktuellen Forschungsstand und wichtige Anforderungen beschreiben und mögliche Entwicklungseinrichtungen diskutieren. Theoretische Grundlagen: DefinitionUnterschied OLTP – OLAPAnwendungsbereicheArchitektur eines Data Warehouse – SystemsPhasen des Data Warehousing (mit Data Mining Verfahren)Festlegung der Anforderungen und Definition des DatenmodellsBestimmung und Analyse der DatenquellenBestimmung der Transformationen und IntegrationenErzeugen der Metadaten (Vergleich ROLAP, MOLAP)Physische Erzeugung des Data Warehouse und Füllen mit DatenGenerierung der BenutzeranwendungenOptimierungsstrategien Einsatz in der Praxis: Data Warehouse Möglichkeiten unter OracleUntersuchung mindestens eines weiteren häufig verwendeten Data Warehouse-Systems (z.B. unter SQL – Server)Vergleich der Möglichkeiten anhand eines umfassenden Beispiels beginnend bei der Extraktion über die Transformation bis zur Datenanalyse
