Datenbanken & Big Data Management Mit Daten Wert generieren

Digitale Daten wachsen exponentiell und stellen als Big Data Herausforderungen in Bezug auf Volumen, Geschwindigkeit und Vielfalt. Konventionelle Lösungsansätze reichen oft nicht mehr aus, weil die Daten ein sehr grosses Volumen haben, in diversen Formaten vorliegen oder sehr schnell verarbeitet werden müssen. Mit innovativen Methoden können grosse Datenmengen effizient aufbereitet und neuartige und heterogene Datenquellen integriert werden. Daraus kann Wissen extrahiert, verständlich aufbereitet und einfach zugänglich gemacht werden, damit Anwenderinnen und Anwender datenbasiert handeln und entscheiden können.

Die Forschenden der Hochschule Luzern – Informatik arbeiten mit Partnerinnen und Partnern aus Wirtschaft und Wissenschaft. Sie entwickeln und evaluieren neue Methoden, Modelle, Algorithmen und Systeme, um datengetriebene Herausforderungen gezielt zu lösen. Sie erstellen Software-Prototypen – von der Demo bis zum MVP – und testen diese unter realen Bedingungen, um sie auszuwerten. So unterstützen sie Wirtschaftspartner bei der Entwicklung innovativer Produkte und Prozesse. Mit den gewonnenen Erkenntnissen leisten unsere Expertinnen und Experten wissenschaftliche Beiträge zum aktuellen Stand der Technik.

Die Forschenden beraten und begleiten Partnerinnen und Partner mit bewährten wie auch experimentellen Ansätzen. Sie gestalten, erproben und implementieren alle Schritte – von den Rohdaten bis zum handlungsunterstützenden Wissen und datengestützten Entscheidungen. Dafür entwickeln und erforschen sie praxisnahe Systeme und wissenschaftlich fundierte Methoden in den folgenden Bereichen:

• Datenmanagement: Strategien für Data Governance  und Datenwertschöpfung
• Business Intelligence: Interaktive Dashboards und Data Warehousing mit SQL
• Data Science: Modellierung mit R und Python für Data Mining und Data Analytics
• Cloud-Datenbanken: Moderne Datenplattformen für Datenintegration
• Datenströme: Performante parallele und probabilistische Algorithmen
• Informationsextraktion: Verarbeitung natürlicher Sprache für Data Lakes
• Graphdatenbanken: Skalierbare Netzwerkanalysen mit Cypher und GQL
• Datenbank-Sicherheit: Systemarchitekturen und Methoden zum Schutz wertvoller Daten

Möchten Sie mit uns Datenprojekte mit wirtschaftlicher und gesellschaftlicher Wirkung realisieren? Sprechen Sie uns an – wir freuen uns auf den Austausch.

• Stechschulte, G., Wintner, M., Hemmje, M., Schwarz, J., Lischer, S., & Kaufmann, M. (2024). In-Database Feature Extraction to Improve Early Detection of Problematic Online Gambling Behavior. IEEE Transactions on Computational Social Systems, 11(5), 6868–6881. IEEE Transactions on Computational Social Systems. https://doi.org/10.1109/TCSS.2024.3406501
• Kaufmann, M. (2023). Emergent Knowledge Engineering in Big Data Management [Habilitationsschrift, FernUniversität in Hagen]. https://ub-deposit.fernuni-hagen.de/receive/mir_mods_00001905
• Kaufmann, M., & Meier, A. (2023). SQL and NoSQL Databases: Modeling, Languages, Security and Architectures for Big Data Management. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-27908-9
• Giesser, P., Stechschulte, G., Costa Vaz, A. da, & Kaufmann, M. (2021). Implementing Efficient and Scalable In-Database Linear Regression in SQL. 2021 IEEE International Conference on Big Data (Big Data), 5125–5132. https://doi.org/10.1109/BigData52589.2021.9671865
• Kaufmann, M. (2019). Big Data Management Canvas: A Reference Model for Value Creation from Data. Big Data and Cognitive Computing, 3(1), 19. https://doi.org/10.3390/bdcc3010019