Data Catalogs erfreuen sich zunehmender Beliebtheit in der freien Wirtschaft. In der Wissenschaft hingegen konnte der Trend bisher nur schwerfällig Fuß fassen. Im Vortrag werden die in der wissenschaftlichen Literatur vertretenen Konzepte vorgestellt und miteinander verglichen. Dabei stehen Schwerpunkte, Gemeinsamkeiten und Unterschiede sowie Funktionsumfänge im Vordergrund. Sowohl Einsteiger als auch Fortgeschrittene können sich auf neue Ideen und Perspektiven freuen.

Zielpublikum: alle Interessierten
Voraussetzungen: Grundkenntnisse in Datenmanagement und Datenkompetenz
Schwierigkeitsgrad: Basic

Extended Abstract:
Die strukturierte Vorhaltung und Nutzung von Metadaten bietet großes Potenzial, um den eigenen Datenbestand besser verstehen zu können. Daher erfreuen sich Data Catalogs zunehmender Beliebtheit in der freien Wirtschaft. IBM, Azure, Oracle, Google - viele große Softwareunternehmen verfügen über eigene Interpretationen und Implementationen der Data-Catalog-Ideen.

In der Wissenschaft hingegen konnte der Trend bisher nur schwerfällig Fuß fassen. Die ersten Arbeiten zur Thematik stammen aus dem Jahr 2016. Erst seit 2020 sind Data Catalogs häufiger im Rahmen der Forschung zu Data Lineage und Data Literacy vertreten. Die Präsentation von Schemata zur Konstruktion und Architektur spielt dabei eine wichtige Rolle.

Im Vortrag werden die in der wissenschaftlichen Literatur vertretenen Konzepte vorgestellt und miteinander verglichen. Dabei stehen Schwerpunkte, Gemeinsamkeiten und Unterschiede sowie Funktionsumfänge im Vordergrund.

Einsteiger kommen auf ihre Kosten, da ein audienzbezogen aufbereiteter Einblick in die aktuellen wissenschaftlichen Erkenntnisse möglich wird. Interessant sind derartige Arbeiten weiterhin für Unternehmen, die selbst einen Data Catalog als Softwareprodukt entwickeln wollen. Daher werden auch Fortgeschrittene mit neuen Perspektiven und Ideen versorgt. Die Inhalte des Vortrags sind Teil eines Promotionsvorhabens an der TU Chemnitz. Dabei wird der Data Catalog als Tool zur Steigerung der Datenqualität in Unternehmen verstanden. Die Zielsetzung der Promotion ist der Entwurf und der Test einer Referenzarchitektur mit Bezug auf aktuelle Herausforderungen und Hürden von Unternehmen im Bereich der Datenqualität.