Bachelor Thesis BCLR-2026-18

BibliographyReinert, Jeremia: Erweiterung von Prov-JSON zur Erfassung von Provenance-Informationen für Datenprodukte.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Bachelor Thesis No. 18 (2026).
115 pages, german.
Abstract

Provenance ist ein zentraler Bestandteil, um das Vertrauen und die Nachvollziehbarkeit von Data Products zu gewährleisten. Es beschreibt die Herkunft der Daten von der Entstehung bis zum aktuellen Zeitpunkt. Dabei dokumentiert es alle relevanten Akteure und Aktivitäten, die Änderungen an den Daten durchführen. Dies ist besonders in der neuen, dezentralen Datenarchitektur Data Mesh notwendig. Dort werden die Data Products in unabhängigen Domänen erstellt und anderen im Unternehmen auf einer Datenplattform zur Verfügung gestellt. Für die Erstellung der Data Products wurden bereits verschiedene Data Product Lifecycles entwickelt, die einen strukturellen Ablauf mittels Phasen und Aktivitäten modellieren. Die Nutzer dieser Data Products müssen sich nun dabei darauf verlassen können, dass die Data Products auf wahren, korrekten Daten beruhen. Daher ist die Idee, dass die Provenance über den gesamten Lifecycle hinweg dokumentiert wird. Dies ermöglicht den Datennutzern einen transparenten Blick in die Herkunft der Data Products und sie können überprüfen, ob die Data Products auf korrekten Daten basieren. Derzeit ist jedoch kein Provenance-Konzept bekannt, welches speziell die Herkunft und Entwicklung von Data Products im Kontext von Data Mesh modelliert. Daher wird in dieser Arbeit der Provenance-Namespace Data Product PROVenance In Data mEsh (DP-PROVIDE) entwickelt. Es basiert auf einem bestehenden Data Product Lifecycle und nutzt den PROV-Standard des World Wide Web Consortiums. Dabei wird insbesondere die PROV-JSON-Serialisierung verwendet, welche eine einfache Erweiterung zulässt. Zu diesem Zweck werden die generischen Komponenten Activity, Agent und Entity aus dem W3C-Standard auf die im Lifecycle relevanten Elemente spezialisiert. Gleichzeitig werden notwendige Elemente identifiziert, die bisher nicht im zugehörigen Lifecycle modelliert wurden, aber für die vollständige Provenance-Dokumentation notwendig sind. Diese werden ebenfalls in den neuen Provenance-Namespace integriert. Darüber hinaus wird der DP-PROVIDE-Namespace hierarchisiert, damit eine eindeutige Identifikation der PROV-Komponenten in verschiedenen PROV-JSON-Dokumenten möglich ist. In einem praxisnahen, prototypischen Anwendungsfall wird die Einsatzfähigkeit von DP-PROVIDE demonstriert und im Anschluss evaluiert. Die Evaluation zeigt, dass DP-PROVIDE in der Lage ist, die spezifischen Anwendungsfälle in der Praxis modellieren zu können. Dennoch ist es weiterhin flexibel genug, um Sonderfälle in der Erstellung von Data Products zu dokumentieren. Gleichzeitig kann DP-PROVIDE als Namespace einfach an zukünftige Änderungen im Ablauf des Lifecycles angepasst werden. Zusätzlich bleibt die Interoperabilität mit bestehenden PROV-JSON-Tools erhalten und wird im Kontext von Data Mesh sogar gestärkt.

Full text and
other links
Volltext
Department(s)University of Stuttgart, Institute of Parallel and Distributed Systems, Applications of Parallel and Distributed Systems
Superviser(s)Schwarz, Prof. Holger; Stach, Dr. Christoph; Schuiki, Laura; Auge, Dr. Tanja
Entry dateAugust 20, 2026
   Publ. Institute   Publ. Computer Science