Markus Brenner

Das Wachstum des Internets und das stetige Ansteigen der Zahl von damit verbundenen Geräten bedeutet eine immer größere Menge und Vielfalt von Daten, mit denen es umzugehen gilt. Insbesondere reicht es nicht mehr, eine statische Menge von Daten mithilfe von Datenbanken zu verarbeiten, sondern es müssen dynamische Ströme von Daten möglichst in Echtzeit analysiert werden. Firmen wie Twitter und Facebook haben dafür eigene Stream Processing Systeme und auch aus dem Bereich der Datenbanksysteme gibt es viele Arbeiten zum Bereich Complex Event Processing / Stream Processing, die sich dieser Herausforderung annähern.

Ontologien und Beschreibungslogik haben sich zum einen im Bereich von Ontology Based Data Access als hervorragendes Mittel zum Zugriff auf heterogene Daten bewährt und bieten zum anderen einen formal korrekten und natürlichen Bezug zur Klassifizierung von Wissen, jedoch beschäftigt man sich hier auch klassischerweise mit statischen Informationen.

Der noch junge Forschungsbereich des Stream Reasonings versucht nun, Datenströme und ontologisches Hintergrundwissen zusammenzubringen, um heterogene, zeitlich veränderbare Datenmengen in Echtzeit verarbeiten zu können. Dabei gilt es sowohl einige sehr praktische, als auch theoretische Herausforderungen zu bewältigen, wie zum Beispiel die Erforschung notwendiger Grundlagen im Hinsicht auf eine klare Semantik von Anfragen an ein Stream Reasoning System.