Technologischer Fortschritt und Standardisierungsaktivitäten sind die treibenden Kräfte einer stetigen Verbreitung sogenannter smarter Dinge. Das Spektrum smarter Dinge reicht von Objekten mit RFID-Transpondern bis hin zu komplexen Objekten mit integriertem Speicher sowie Rechen- und Kommunikationsfähigkeiten. Smarte Dinge ermöglichen sowohl neue Funktionalitäten und Anwendungen als auch Verbesserungen existierender Prozesse. Die vorliegende Arbeit befasst sich mit smarten Produkten, einer speziellen Klasse smarter Dinge die auf eine vereinfachte Produktnutzung mittels multimodaler und personalisierter Interaktionsstrategien abzielt. Dieses Verhalten wird durch modelliertes Wissen ermöglicht, welches mit smarten Produkten assoziiert ist und während des Produktlebenszyklus erlernt wird.

Smarte Produkte besitzen eingeschränkte Ressourcen und sehen sich typischerweise mit regelmässigen Verbindungsunterbrechungen konfrontiert. Folglich ist davon auszugehen, dass sie weder in der Lage sind alle benötigen Informationen lokal zu speichern, noch zu jeder Zeit eine Verbindung mit entfernten Systemen zwecks Erhalt / Ablage von Daten aufzubauen. Der Zugriff auf Informationen ist jedoch zentral für das Erreichen der Zielsetzung smarter Produkte. Dies zeigt die Notwendigkeit intelligenter Mechanismen, welche die Verfügbarkeit benötigter Informationen und einen effizienten Zugriff bestmöglich sicherstellen.

Die vorliegende Arbeit befasst sich mit der Fragestellung, auf welche Weise prozedurales Wissen smarter Produkte für eine Optimierung der Datenorganisation in verteilten Systemen genutzt werden kann. Gemäss der Ergebnisse des EU-geförderten Forschungsprojekts SmartProducts nimmt die vorliegende Arbeit eine Modellierung prozeduralen Wissens in Form von Workflows an. Workflows stellen potentiell komplex verzweigte Sequenzen von Aktivitäten dar, welche mit den zur Prozessierung benötigen Daten annotiert sind.

Auf dieser Grundlage trägt die Arbeit drei Workflow-basierte Replikationsstrategien bei: Most Probable Path (MPP), Path Assessment (PA) und Cooperative Path Assessment (CPA). Die Strategien nutzen Workflowstrukturen um den zukünftigen Datenbedarf vorherzusagen und diese Daten pro-aktiv zu replizieren. Dies hat eine Verbesserung der Verfügbarkeit und Zugriffsgeschwindigkeit jener Daten zur Folge und ermöglicht eine effizientere Ausführung von Workflows. MPP, PA und CPA verfolgen identische Ziele, unterscheiden sich jedoch in der Balancierung der Verbesserung des Datenzugriffs und des potentiellen Risikos fehlerhafter Bedarfsprognosen.

Um das Risiko der Replikation nicht-benötigter Daten zu reduzieren, wenden die Workflow-basierten Replikationsstrategien das entwickelte Konzept transienter Replikate an. Transiente Replikate zeichnen sich durch eine beschränkte, mit jedem Zugriff steigende Lebenszeit aus. Bei einer ausreichenden Anzahl von Zugriffen werden transiente Replikate in persistente (dauerhaft gespeicherte) Replikate überführt. Das Ausbleiben eines Zugriffs innerhalb der geltenden Lebenszeit hat hingegen das Löschen des transienten Replikats zur Folge. Dies reduziert die Anzahl zu verwaltender Replikate und adressiert die Unsicherheit der pro-aktiven Replikation.

Des Weiteren ist die Replikationsstrategie Content Class (CC) vorgeschlagen. Im Gegensatz zu den Workflow-basierten Replikationsstrategien basiert CC nicht auf beobachteten und vorhergesagten Zugriffsmustern, sondern ermöglicht eine Klassifikation der geplanten Datennutzung durch Applikationen smarter Produkte. CC nutzt diese Klassifikation und stellt dedizierte Strategien zur Verfügung, welche die Organisation der Daten entsprechend der Datenklassifizierung bestmöglichst anpassen.

Die vorliegende Arbeit folgt der in der Forschungsgemeinde gängigen Auffassung, dass es gewinnbringend ist, Datenreplikations- und Datenaustauschstrategien integriert zu betrachten. Dementsprechend trägt die Arbeit zwei Datenaustauschstrategien bei: MFR for Transient Replicas (MFRTR) und Enhanced Content Replacement (ECR). MFRTR komplementiert die Workflow-basierten Replikationsstrategien. Der Ansatz erweitert die bekannte Strategie MFR [KRT06, KRT07] um die Behandlung transienter Replikate. Beim Ausbleiben von Zugriffen auf transiente Replikate werden diese durch MFRTR nicht sofort gelöscht, sondern erst bei Auftreten von Anfragen deren Bedienung der Freisetzung zusätzlicher Speicherkapazität bedarf. Dies resultiert in einer effizienten Nutzung verfügbarer Speicherressourcen ohne die Aufwände des Datenaustauschs zu erhöhen. ECR erweitert MFRTR um die Nutzung von Datenklassifizierungen im Rahmen der Identifikation auszutauschender Daten. Auf diese Weise zielt ECR auf den Erhalt der Datenpositionierung entsprechend der Datenklassifizierung ab und vervollständigt die Strategie CC.

Der Mehrwert der genannten Strategien wurde anhand eines Simulationsmodells des Szenarios Smart Aircraft Manufacturing, welches gemeinsam mit EADS Innovation Works entwickelt wurde, evaluiert. Verglichen mit existierenden Replikationsstrategien zeigt die Studie eine Verbesserung der Datenzugriffsgeschwindigkeit um bis zu 28%. Reduziert auf Workflow-basierte Datenzugriffe steigt die Verbesserung auf bis zu 62%. Nach dem Wissen des Autors der vorliegenden Arbeit sind die vorgeschlagenen Strategien der erste Ansatz prozedurales Wissen smarter Produkte sowie Applikations-getriebene Datenklassifizierungen für eine Optimierung der Datenorganisation in verteilten Systemen smarter Produkte einzusetzen.