Entwicklung eines Datenmodells für ein umfassendes Forschungsdatenmanagement zur flexiblen Analyse longitudinaler Daten

Abstract

Forschungsdatenbanken dienen als gemeinsame Datenbasis für heterogene Datensätze unterschiedlicher Wissenschaftler, um neue Forschungsansätze, Ideen oder Fragestellungen im Forschungsprozess zu identifizieren und zu analysieren. Klassische Datenmodellierungs-Ansätze wie das dimensionale Modell oder das Entity-Attribute-Value (EAV) Modell erweisen sich entweder als unflexibel hinsichtlich neuer Anforderungen und der Erweiterung um neue Datenquellen oder erschweren longitudinale Analysen. In diesem Artikel wird ein grundlegendes Systemdesign für sich häufig ändernder Forschungsdaten vorgestellt und als erster Meilenstein die Implementation des Datenmodells fokussiert. Das EAV-Modell wurde hierzu um das Data-Vault-Modell erweitert. Dieser kombinierte Ansatz ermöglicht die Historisierung beliebiger Merkmalsausprägungen und die Erweiterung um neue Merkmale aus weiteren Datenquellen.