• Navigation überspringen
  • Zur Navigation
  • Zum Seitenende
Organisationsmenü öffnen Organisationsmenü schließen
Lehrstuhl für Informatik 6
  • FAUZur zentralen FAU Website
  1. Friedrich-Alexander-Universität
  2. Technische Fakultät
  3. Department Informatik
  • en
  • de
  • Kontakt
  • Impressum
  • Datenschutz
  • Barrierefreiheit
  1. Friedrich-Alexander-Universität
  2. Technische Fakultät
  3. Department Informatik

Lehrstuhl für Informatik 6

Menu Menu schließen
  • Lehrstuhl
    • Aktuelles
    • Über uns
    • Personen
    • Kontakt
    Hauptseite Lehrstuhl
  • Forschung
    • Evolutionäre Informationssysteme
      • Sprechaktbasiertes Fallmanagement
      • Open and Collaborative Query-Driven Analytics
      • Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics
      • Schemainferenz und maschinelles Lernen
    • Datenqualität
      • DQ-Step – Improvement of data quality at a reference enterprise in plant engineering
      • Datenqualität und Innovationsfähigkeit von Medizinprodukten
    • Datenintegration
      • DQ-Step – Improvement of data quality at a reference enterprise in plant engineering
      • Open and Collaborative Query-Driven Analytics
      • Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics
      • Schemainferenz und maschinelles Lernen
    • Prozessmanagement
      • Sprechaktbasiertes Fallmanagement
    • Datenbanksysteme
      • REAPER: A Framework for Materializing and Reusing Deep-Learning Models
      • Know Your Queries!
      • Bewertung von Datenspeichersystemen
      • Anfrageoptimierung und Daten-nahe Verarbeitung auf Rekonfigurierbaren SoCs für Big-Data-Analyse
      • Query-Optimierung und Near-Data-Processing auf rekonfigurierbaren SoCs für Big Data Analyse (Phase II)
      • Schemainferenz und maschinelles Lernen
      • Architektur von Nicht-Multiplen Autoencodern mit Nicht-Verlustbehafteter Informations-Agglomeration (Arbeitstitel, noch vorläufig)
      • Data Stream Application Manager
    • Datenstromsysteme
      • Data Stream Application Manager
      • Systemübergreifende Optimierung von Datenstromanfragen
    • Datenmanagement in den Digital Humanities
      • Franken in historischen Reiseberichten
      • Campusnetzwerk Digitale Geistes- und Sozialwissenschaften
    • Moderne Datenbanksysteme
    • Abgeschlossene Forschungsprojekte
    • Veröffentlichungen
    Hauptseite Forschung
  • Lehre
    • Lehrveranstaltungen
    • Curriculum
    • Examensarbeiten
    • Prüfungsinformationen
    Hauptseite Lehre
  1. Startseite
  2. Forschung
  3. Evolutionäre Informationssysteme
  4. Open and Collaborative Query-Driven Analytics

Open and Collaborative Query-Driven Analytics

Bereichsnavigation: Forschung
  • Abgeschlossene Forschungsprojekte
    • BPM 2016
    • BPM 2017
    • Forschungsprojekte von Prof. Meyer-Wegener an der TU Dresden
  • Veröffentlichungen
  • Evolutionäre Informationssysteme
    • Sprechaktbasiertes Fallmanagement
    • Open and Collaborative Query-Driven Analytics
    • Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics
    • Schemainferenz und maschinelles Lernen
  • Datenqualität
    • DQ-Step – Improvement of data quality at a reference enterprise in plant engineering
    • Datenqualität und Innovationsfähigkeit von Medizinprodukten
  • Datenintegration
    • DQ-Step – Improvement of data quality at a reference enterprise in plant engineering
    • Open and Collaborative Query-Driven Analytics
    • Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics
    • Schemainferenz und maschinelles Lernen
  • Prozessmanagement
    • Sprechaktbasiertes Fallmanagement
  • Datenbanksysteme
    • REAPER: A Framework for Materializing and Reusing Deep-Learning Models
    • Data Stream Application Manager
    • Know Your Queries!
    • Bewertung von Datenspeichersystemen
    • Anfrageoptimierung und Daten-nahe Verarbeitung auf Rekonfigurierbaren SoCs für Big-Data-Analyse
    • Query-Optimierung und Near-Data-Processing auf rekonfigurierbaren SoCs für Big Data Analyse (Phase II)
    • Schemainferenz und maschinelles Lernen
    • Architektur von Nicht-Multiplen Autoencodern mit Nicht-Verlustbehafteter Informations-Agglomeration (Arbeitstitel, noch vorläufig)
  • Datenstromsysteme
    • Data Stream Application Manager
    • Systemübergreifende Optimierung von Datenstromanfragen
  • Datenmanagement in den Digital Humanities
    • Franken in historischen Reiseberichten
    • Campusnetzwerk Digitale Geistes- und Sozialwissenschaften
  • Moderne Datenbanksysteme

Open and Collaborative Query-Driven Analytics

Open and Collaborative Query-Driven Analytics

(Projekt aus Eigenmitteln)

Titel des Gesamtprojektes:
Projektleitung: Richard Lenz
Projektbeteiligte: Andreas Maximilian Wahl
Projektstart: 1. November 2013
Projektende:
Akronym: OCEAN
Mittelgeber:
URL:

Abstract

Mehr und mehr Unternehmen sammeln möglichst alle anfallenden Daten in sogenannten "Data Lakes". Obwohl die Daten damit prinzipiell für beliebige Analysen zur Verfügung stehen, bleibt es dennoch unerlässlich für die Analyse, ein Verständnis für die Bedeutung und die Verknüpfungsoptionen der Daten zu entwickeln. Analysten, die diese Arbeit bereits geleistet haben, formulieren Anfragen, in denen solches Wissen implizit enthalten ist. Wenn dieses Wissen jedoch nicht mit anderen geteilt wird, bleiben mögliche Synergien ungenutzt und das Verständnis der Daten im "Data Lake" wird erschwert. Wir extrahieren automatisiert Teile dieses Wissens aus analytischen Anfragen, um es in aufbereiteter Form für nachfolgende Analysen nutzen zu können. Datenanalysten werden dadurch schneller auf relevante Datenquellen aufmerksam und die Datenintegration wird erleichtert.

Publikationen

  • Wahl AM.:
    A Minimally-Intrusive Approach for Query-Driven Data Integration Systems
    ICDE 2016
    In: 2016 IEEE 32nd International Conference on Data Engineering Workshops (ICDEW), Helsinki: 2016
    BibTeX: Download
  • Wahl AM., Endler G., Schwab P., Herbst S., Lenz R.:
    We Can Query More than We Can Tell: Facilitating Collaboration Through Query-Driven Knowledge-Sharing
    2017 ACM Conference on Computer Supported Cooperative Work and Social Computing (Portland, Oregon, 25. Februar 2017 - 1. März 2017)
    BibTeX: Download
  • Wahl AM., Endler G., Schwab P., Herbst S., Lenz R.:
    Anfrage-getriebener Wissenstransfer zur Unterstützung von Datenanalysten
    Datenbanksysteme für Business, Technologie und Web (BTW 2017), 17. Fachtagung des GI-Fachbereichs ,,Datenbanken und Informationssysteme" (DBIS) (Stuttgart, 6. März 2017 - 10. März 2017)
    BibTeX: Download
  • Schwab P., Wahl AM., Lenz R., Meyer-Wegener K.:
    Query-driven Data Integration (Short Paper)
    LWDA (Potsdam, Germany, 12. September 2016 - 14. September 2016)
    In: Proc. Conf. "Lernen, Wissen, Daten, Analysen" 2016
    URL: http://ceur-ws.org/Vol-1670/paper-48.pdf
    BibTeX: Download
  • Wahl AM., Lenz R.:
    Analyzing SQL Query Logs using Multi-Relational Graphs
    LWDA (Rostock, Germany, 11. September 2017 - 13. September 2017)
    In: Proc. Conf. "Lernen, Wissen, Daten, Analysen" 2017
    Open Access: http://ceur-ws.org/Vol-1917/paper01.pdf
    URL: http://ceur-ws.org/Vol-1917/paper01.pdf
    BibTeX: Download
  • Wahl AM., Endler G., Schwab P., Herbst S., Lenz R.:
    Query-Driven Knowledge-Sharing for Data Integration and Collaborative Data Science
    21st European Conference on Advances in Databases and Information Systems (Nicosia, 24. September 2018 - 27. Januar 2018)
    In: New Trends in Databases and Information Systems 2017
    BibTeX: Download
  • Wahl AM., Sauerhammer C., Schwab P., Herbst S., Lenz R.:
    Query-Driven Data Profiling with OCEANProfile
    Twelfth International Workshop on Real-Time Business Intelligence and Analytics (BIRTE 2018) (Rio de Janeriro, 27. August 2018 - 27. August 2018)
    In: Proceedings of the International Workshop on Real-Time Business Intelligence and Analytics 2018
    DOI: 10.1145/3242153.3242154
    BibTeX: Download
  • Wahl AM., Schwab P., Lenz R.:
    Minimally-Intrusive Augmentation of Data Science Workflows
    Lernen. Wissen. Daten. Analysen. (LWDA 2018) (Mannheim, 22. August 2018 - 24. August 2018)
    BibTeX: Download
  • Wahl AM., Endler G., Schwab P., Rith J., Herbst S., Lenz R.:
    A graph-based framework for analyzing SQL query logs
    1st ACM SIGMOD Joint International Workshop on Graph Data Management Experiences and Systems and Network Data Analytics, GRADES-NDA 2018
    DOI: 10.1145/3210259.3210270
    BibTeX: Download
  • Wahl AM., Endler G., Schwab P., Herbst S., Rith J., Lenz R.:
    Crossing an OCEAN of queries: Analyzing SQL query logs with OCEANLog
    30th International Conference on Scientific and Statistical Database Management, SSDBM 2018
    DOI: 10.1145/3221269.3223025
    BibTeX: Download
Lehrstuhl für Informatik 6 (Datenmanagement)
Friedrich-Alexander-Universität Erlangen-Nürnberg

Martensstraße 3
91058 Erlangen
  • Kontakt
  • Impressum
  • Datenschutz
  • Barrierefreiheit
Nach oben