Download (14Mb) - tuprints - Technische Universität Darmstadt

Neben der UML fand eine weitere Sprache Eingang in die internationale Normung zur Modellierungssprache
für Geodaten 308 : die Objekt Contraint Language (OCL). Sie wird ebenfalls in der Geo­
InfoDok verwendet und zählt zu den natürlichen hybriden Sprachen mit Symbolen. Es handelt sich
um eine eingeschränkte natürliche Sprache, die mit einer begrenzten Anzahl von Symbolen ausgestattet
wurde.
Abschließend treten noch die natürlichen hybriden Sprachen mit Piktogrammen hinzu. Anstelle von
Symbolen ergänzen Piktogramme eine eingeschränkte natürliche Sprache, beispielsweise in Tabellenform.
Auch Mäs 309 und Werder 310 geben einen Überblick über bisher angewandte Spezifikationssprachen.
1999 publizierte Joos 311 die neue Formalisierungssprache FRACAS 312 , wärend Mäs et al. 2005 eine
Notation vorstellen, die auf der Semantic Web Rule Language (SWRL) beruht und Ontologien
nutzt 313 . Werder spricht sich 2009 für OCL als vielversprechendste Sprache aus und präsentiert mit
GeoOCL eine den Bedürfnissen der Geodatenmodellierung entgegenkommende Erweiterung der
OCL um einen neuen Datentypen „Geometry“ und um topologische Operatoren 314 . Zuvor hatten
Kang et al. im Jahre 2004 bereits den Vorschlag unterbreitet, den Sprachumfang der OCL um raumbezogene
Aspekte zu ergänzen und ihren Ansatz der „Spatial OCL“ veröffentlicht 315 .
Bis auf die freie natürliche Sprache setzen alle Notationsalternativen entsprechende Sprachkenntnisse
des Anwenders voraus. Da diese bei der Vielzahl der ALKIS-Anwender nicht vorliegen, wird im
Hinblick auf einen möglichst einfachen und leicht verständlichen Einstieg in die Problematik der AL­
KIS-Datenqualität davon Abstand genommen, beispielweise die Prädikatenlogik oder die OCL zu
nutzen. Der Vorteil der direkten Weiterverwertbarkeit der Beschreibungen in der Praxis geht jedoch
mit Abstrichen an der Präzision der Notation und der Integrierbarkeit in ein konzeptuelles Schema
einher.
Über die Zielstellung dieser Arbeit hinaus reichen diejenigen Schritte, die sich in der praktischen
Anwendung an die Definition und Implementierung der DQ-Merkmale anschließen. Die diesem Betätigungsfeld
angehörende numerische und grafische Aufbereitung der Analyseergebnisse kann unter
anderem bei Würthele und Apel et al. vertieft werden. Dazu zu rechnen sind insbesondere
• die numerische und normierte Ermittlung von Parametern zur aggregierten Beschreibung der
Datenqualität in Form von DQ-Indikatoren beziehungsweise DQ-Kennzahlen 316 ,
• die Definition und Operationalisierung einer DQ-Metrik 317 , die die unterschiedlichen Gewichtungen
der DQ-Merkmale beziehungsweise der DQ-Elemente, DQ-Unterelemente und DQ-
Merkmalsgruppen berücksichtigt 318 ,
308 ISO (2005b)
309 Mäs (2009), S. 22 f.
310 Werder (2009), S. 4 ff.
311 Joos (1999a), S. 509 ff.
312 formal rules for assessing the consistency with respect to application schema
313 Mäs et al. (2005)
314 Werder (2009), S. 6
315 Kang et al. (2004), S. 197 ff.
316 Würthele (2003), S. 115 ff.; Batini, Scannapieco (2006), S. 23 und 25; Apel et al. (2010), S. 87 ff.
317 Würthele (2003), 120 ff.
318 Eine zusammenhängende Erläuterung der hierarchisch strukturierten Begriffe der DQ-Elemente, DQ-Unterelemente,
DQ-Merkmalsgruppen und DQ-Merkmale folgt in Abschnitt „4.6.1 Herleitung einer semantischen Struktur“ (siehe
Abbildung 28).
88