Moderne Trends wie Digitalisierung und Datenökosysteme, beschleunigt durch jüngste Ereignisse wie COVID-19, erfordern eine Abkehr von isolierter Datenverwaltung in Silos hin zu offeneren Modellen, in denen Organisationen Daten über Organisationsgrenzen hinweg verarbeiten und teilen. Dieser Ansatz erzeugt jedoch Abhängigkeiten zwischen den Organisationen und führt zu besonderen Herausforderungen für das Datenmanagement, einschließlich Datenintegrität, Prüfbarkeit und regulatorischer Konformität. Die Bewältigung dieser neuen Anforderungen stellt herkömmliche Datensysteme wie zum Beispiel Datenbankmanagementsysteme vor erhebliche Herausforderungen. Diese Systeme wurden unter der Annahme entwickelt, dass eine einzige Organisation Daten besitzt und verwaltet, ohne die gemeinsame Datennutzung durch mehrere Parteien zu berücksichtigen. In dieser Dissertation wird daher das Konzept und die Entwicklung vertrauenswürdiger Datensysteme untersucht, die auf die besonderen Anforderungen der Datenverwaltung in mehreren Organisationen zugeschnitten sind. Die Entwicklung effizienter, vertrauenswürdiger Datensysteme birgt jedoch einige Herausforderungen, die anhand von drei Hauptdimensionen untersucht werden: Datenspeicherung, Datenverarbeitung und Benchmarking. In dieser Arbeit wird eine übergreifende Analyse der Anforderungen an Datensysteme in diesen Bereichen vorgenommen und die grundlegenden Bausteine aus einer leistungsorientierten Perspektive beleuchtet. Das Konzept der vertrauenswürdigen Datenspeicherung wird in unserem neuartigen System, BlockchainDB, untersucht. Es erfüllt die Anforderungen an Datenintegrität und Nachvollziehbarkeit, indem es Blockchains als Speicher-Backend nutzt. Um jedoch die Leistungseinschränkungen von Blockchains zu mildern und eine benutzerfreundliche Dateninteraktion zu ermöglichen, führen wir eine zusätzliche Datenbankschicht ein, die Datenbank-Techniken wie Sharding nutzt. Um die Effizienz der vertrauenswürdigen Datenspeicherung zu verbessern, untersuchen wir auch die Leistungseinschränkungen von Merkle-Bäumen, einer Schlüssel-Datenstruktur für Datenintegrität in vielen Systemen wie Blockchains. Wir stellen fest, dass Merkle-Bäume erhebliche Leistungseinschränkungen aufweisen, wenn Daten häufig aktualisiert werden und schlagen Techniken zur Verbesserung von Durchsatz und Skalierbarkeit vor. Um die neuen Anforderungen an vertrauenswürdige Datenverarbeitung zu adressieren, stellt diese Arbeit das System TrustDBle vor. Durch die Integration von Blockchains und sicherer Hardware wie den Software Guard Extensions (SGX) von Intel gewährleistet dieses System effizient die Einhaltung von Richtlinien und die Integrität von Berechnungen. Aufgrund der Kapazitätseinschränkungen von SGX integrieren wir in unserem Ansatz nur kritische Komponenten in einer Enklave, um so Effizienz und Integrität auszubalancieren. Zusätzlich untersucht die Dissertation die Fähigkeiten und Grenzen der SGX-Technologie der zweiten Generation (SGXv2) von Intel bei der Unterstützung datenintensiver Anwendungen. Dabei stellen wir fest, dass SGXv2 wesentliche Verbesserungen einführt und größere Datenmengen effizienter verarbeiten kann, aber neue Herausforderungen wie der remote NUMA-Zugriff Aufmerksamkeit erfordern. Diese Forschung geht auch über traditionelle Datenbank-Workloads hinaus und erforscht die vertrauenswürdige Datenverarbeitung im Kontext des föderierten maschinellen Lernens. Hierbei erarbeiten wir eine dezentralisierte Parameterserver-Architektur, die einen robusten Schutz der Privatsphäre bietet. Im Zusammenhang mit dem Benchmarking vertrauenswürdiger Datensysteme leistet diese Dissertation zwei Beiträge. In Analogie zu den ACID-Eigenschaften, insbesondere den Isolationsstufen, schlagen wir ein deklarative Angabe von Systemeigenschaften wie Nachprüfbarkeit vor, um das Benutzerverständnis und die Implementierungsflexibilität zu verbessern. Zweitens führen wir ein ganzheitliches Benchmark-Design für diese Systeme ein, das traditionelle Leistungsmetriken und neuartige Elemente wie Nachprüfbarkeit und Prüfbarkeit einbezieht. Die in dieser Dissertation vorgestellten Forschungsergebnisse ebnen den Weg für effizientes, vertrauenswürdiges Datenmanagement über Organisationen hinweg. Die vorgestellten Erkenntnisse und Techniken bieten vielversprechende Möglichkeiten für deren Anwendung in der breiteren Datenverwaltungslandschaft und andere Systeme für die organisationsübergreifende Zusammenarbeit.