Hintergrund und Projektbeschreibung

In fast allen größeren Datenbeständen befinden sich so genannte Dubletten oder Duplikate, also mehrfache Repräsentationen des gleichen Realweltobjekts. Insbesondere im Kundendatenmanagement (CRM) haben Duplikate negative Auswirkungen sowohl für die Kunden als auch für die Unternehmen.

Die FUZZY! Informatik AG bietet Werkzeuge an, mit deren Hilfe solche Duplikate effizient gefunden werden können. Es bleibt hernach jedoch dem Unternehmen überlassen, wie systematisch mit solchen Duplikaten umgegangen werden soll. Jede der verschiedenen Repräsentationen des Kunden kann wertvolle aber auch widersprüchliche Informationen bergen. Deshalb ist das einfache Löschen aller bis auf einer Repräsentation nicht ratsam. Andererseits erlaubt die meist große Menge an Duplikaten keine manuelle Bearbeitung jedes einzelnen Falls.

Im Rahmen des Projekts soll eine Anwendung entwickelt werden, die Unternehmen bei der Datenfusion unterstützt. Die Anwendung sollte folgendes leisten

• Partitionierung von Duplikatgruppen in Gruppen vergleichbarer Konfliktsituationen
• Bereitstellen einer Vielzahl von teils selbst entworfenen Konfliktlösungsfunktionen und deren effizienter Implementierung
• Visuelle Darstellung von Duplikatgruppen und manuelle Konfliktlösung darin
• Automatische Auswahl von Konfliktlösungsfunktionen pro Attribut
• Effiziente Fusion großer Datenbestände
• Interaktion mit anderen FUZZY! Produkten, insbesondere FUZZY!Double

Rahmenbedingungen

Das Projekt wird vom Hasso Plattner Institut, vertreten durch das Fachgebiet Informationssysteme, in Zusammenarbeit mit der FUZZY! Informatik AG durchgeführt. Die FUZZY! Informatik AG kooperiert bereits seit Jahren erfolgreich mit der Arbeitsgruppe in Forschung und Lehre. Es werden beispielsweise regelmäßig gemeinsame Studenten-Workshops zur Duplikaterkennung durchgeführt und FUZZY! setzt von der Arbeitsgruppe entwickelte Data Profiling Methoden erfolgreich in Produkten ein.

Die Teilnehmerzahl in diesem Bachelorprojekt ist auf 8 Mitglieder beschränkt. Die technische Umsetzung erfolgt mit Java.

Projektvorbereitung

In der Vorbereitungsphase werden Grundlagen der Informationsintegration vorgestellt. Die Teilnehmer erlernen Techniken des Data Profiling, der Standardisierung und der Duplikaterkennung. Ein Schwerpunkt bilden Techniken der Datenfusion, der Umgang mit großen Datenmengen und zudem die Einarbeitung in die  Produkt- und Entwicklungswelt von FUZZY!. Diese Themen werden im Rahmen regelmäßiger Treffen im Wintersemester 2007/08 durch die Teilnehmer erarbeitet und vorgestellt.

Projektbeginn: 15.10.2007
Raum: A 1.3

Kontakt

Für weiterführende Informationen steht Prof. Dr. Felix Naumann zur Verfügung. Eine Terminabsprache ist über das Sekretariat von Prof. Naumann möglich: office-naumann(at)hpi.uni-potsdam.de

www.fazi.de