Datenherkunfts

Datenherkunft, auch als Datenherkunftsverlauf oder Provenienz von Daten bezeichnet, beschreibt die dokumentierte Geschichte von Daten: wo sie herkommen, wie sie erzeugt oder verändert wurden, wer sie bearbeitet hat und welche Transformationen sie durchlaufen haben. Ziel ist Transparenz und Nachvollziehbarkeit entlang des gesamten Datenlebenszyklus.

Provenienzdaten umfassen Quellen, Zeitstempel, beteiligte Akteure, Versionen, Transformationen, Abhängigkeiten und Bereitstellungsorte. Durch die Erfassung ermöglichen sie Rückverfolgbarkeit von Ergebnissen, Beurteilung der Datenqualität und Reproduzierbarkeit von Analysen.

Modelle und Standards: Provenanz kann durch Modelle wie das W3C PROV Data Model (PROV-DM) und PROV-O (OWL-Vokabular) beschrieben werden. Technische Ansätze reichen von Audit-Trails in Datenbanken über ETL/ELT-Logs bis zu automatischer Erfassung in Data-Management-Systemen.

Anwendungen: Wissenschaftliche Forschung, Compliance- und Auditprozesse, regulatorische Anforderungen, Data Governance sowie die Entwicklung vertrauenswürdiger KI-Modelle, bei denen Trainings- und Validierungsdaten nachvollziehbar sein müssen.

Herausforderungen: Skalierbarkeit, Performance-Overhead, Datenschutzbedenken bei der Offenlegung sensibler Herkunftsinformationen, Widersprüche oder Unvollständigkeit der Provenienzdaten sowie Standardisierung der Semantik und Zugangskontrollen.

Datenherkunft ist ein zentrales Element moderner Data Governance, das Organisationen hilft, Transparenz, Verantwortlichkeit und Qualität sicherzustellen.