Der Einsatz von Mashup Applikationen hat in den letzten Jahren zunehmend an Bedeutung gewonnen. Unternehmen bedienen sich Anwendungen wie Yahoo Pipes, IBM MashupHub oder Intel Mashmaker, um unternehmensbezogene heterogene Daten und Anwendungen aus einer Vielzahl von Datenquellen zusammenzuführen, kombinieren, zu verarbeiten, anzureichern und das Ergebnis als Visualisierung zu präsentieren. Aufgrund der heutzutage stetig steigenden und oftmals verteilten Datenmengen (Big Data) ist eine möglichst generische, automatisierte Zusammenführung und Analyse (semi-) strukturierter und unstrukturierter Daten notwendig. Dieser Prozess der ad-hoc Zusammenführung mehrerer Datenquellen ist auch unter dem Begriff Data Mashup oder Enterprise Mashup bekannt. Ein Data Mashup kombiniert, manipuliert und verbindet unterschiedliche Datenquellen für eine einheitliche Visualisierung und erlaubt Anwendern ohne technischen Kenntnisse aus bestehenden Daten in unterschiedlichen Systemen ad-hoc eine neue Anwendung zu erstellen. Um derartige Mashups zu realisieren wurden Technologien geschaffen, die jedoch hohe technische Anforderungen erfordern und aus diesem Grund lediglich von Experten mit entsprechenden technischen Fertigkeiten verwendet werden können. Dies hat zur Folge, dass diese Technologien ausschließlich von einem stark eingegrenzten Nutzerkreis benutzt werden können. Des Weiteren sind bestehende Lösungen in ihrer Flexibilität eingeschränkt, d.h. sie unterstützen nur eine einzelne Art der Ausführung und erfüllen somit auch nur bestimmte Nutzeranforderungen (z.B. bzgl. Robustheit, Effizienz, Skalierbarkeit etc.) Um diese Einschränkungen zu beseitigen wurde an der Universität Stuttgart das Data Mashup Tool FlexMash entwickelt, welches eine einfache Modellierung von Data Mashups durch Domänenexperten sowie eine flexible (d.h. anforderungsabhängige) Ausführung ermöglicht. Um eine möglichst abstrakte Modellierung von Data Mashups zu ermöglichen, werden domänenspezifische Mashup Plans verwendet. Ein Mashup Plan ist ein nicht-ausführbares Format zur abstrakten Modellierung und Verknüpfung von Datenquellen, sogenannten Data Source Descriptions (DSDs) und Datenoperationen, sogenannten Data Processing Descriptions (DPDs). Diese nicht ausführbaren Mashup Plans können anschließend, entsprechend der Nutzeranforderungen, auf verschiedene ausführbare Formate transformiert werden. So kann für eine robuste Ausführung des Mashup Plans eine BPEL Workflow Engine zum Einsatz kommen.