Studienarbeit aus dem Jahr 2003 im Fachbereich Informatik - Angewandte Informatik, Note: Sehr gut, Johannes Kepler Universitรคt Linz (Institut fรผr Data and Knowledge Engineering), Sprache: Deutsch, Abstract: Um langfristige Entscheidungen treffen zu kรถnnen, muss das Management einer Organisation groรe Mengen an Daten verarbeiten, die รผblicherweise in relationalen Datenbanken (RDBMS) gespeichert sind und SQL als Abfragesprache benutzen. Operative Datenbanken unterstรผtzen diesen Prozess der Entscheidungsfindung allerdings nur ungenรผgend. Ein Data Warehouse soll diese Unzulรคnglichkeiten der operativen Datenhaltung beheben. Es wird daher auch als Decision Support System (DSS) bezeichnet. Zur Findung von strategischen Entscheidungen werden die Daten aus herkรถmmlichen Datenquellen herausgeholt, transformiert, bereinigt, aggregiert und schlieรlich redundant im Data Warehouse abgelegt. Dieser Prozess wird in regelmรครigen Abstรคnden durchgefรผhrt, um die Aktualitรคt der Daten zu gewรคhrleisten. Nach einer รbersicht รผber die existierenden Data Warehouse Topologien folgt eine kurze Einfรผhrung in den Entwurf multidimensionaler Datenstrukturen. Der darauffolgende Abschnitt behandelt komplexe OLAP Abfragen anhand des MD-Join Operators. Weiters werden verschiedene relationale Operatoren in Verbindung mit dem MD-Join und die verteilte Auswertung von MD-Joins erlรคutert. Anschlieรend werden einige Reduktionsalgorithmen zur Optimierung verteilter OLAP Abfragen erklรคrt. Im darauffolgenden Abschnitt folgt die Realisierung des MD-Joins durch Abfragesprachen auf Basis von Standard SQL und EMF-SQL (Extended Multi-Feature SQL). Letzteres bietet einige Vorteile in der Formulierung von Verschachtelten Aggregaten.