data warehouse	Data Warehouses haben heutzutage eine ständig wachsende Bedeutung für Unternehmen, denn sie stellen wichtige Informationen zur Verfügung - meistens für das (Top-)Management - die von keinem anderen Tool und mit keinem anderen Ansatz gewonnen werden können. Somit ist es nicht überraschend, daß Data-Warehouse-Projekte einen immer höheren Anteil der Datenbankapplikationen ausmachen und immer komplexeren Anforderungen gerecht werden müssen. Data Warehouses spielen entsprechend eine wichtige Rolle in unserem Portfolio; wir konnten Erfahrung in DWH-Projekten für Banking (Basel II, Gesamtbanksteuerung), Travel Management, Telekommunikation, Logstik etc. sammeln. Einen besonderen Wert haben wir dabei gelegt auf: Einsatz spezieller DWH-Techniken zur Unterstützung von Abfragen auf große Datenmengen: Redundante Datenhaltung (Denormalisierung) auf den obersten Ebenen, Partitionierung der Tabellen, Materialisierung von Queries, Voraggregation von Daten, Einsatz von Parallelität, Indizes etc. Sicherstellung von angemessenen Antwortzeiten für beliebige Abfragen. Dabei können bestimmte Queries lange dauern, sie müssen aber sowohl hinsichtlich Execution Plans, als auch was den Einsatz spezieller DWH-Techniken betrifft, optimiert sein. Viele Applikationen legen Grenzen für die Dauer der ETL-Prozesse fest, denn die Ergebnisse müssen in bestimmten Zeitintervallen nach Bereitstellung der Daten vorliegen. In solchen Fällen müssen spezielle ETL-Techniken eingesetzt werden, wie Direct Path Loads, Parallelität etc. Der Präsentations-Layer benutzt speziell für DWH entwickelte Konstrukte: Cube- und Rollup-Operationen, OLAP- und Data-Mining-Funktionalitäten, analytische Funktionen etc. Auch wenn Data Warehouses im allgemeinen keine Hochverfügbarkeit garantieren müssen, gibt es bestimmte Recovery-Zeiten bei Crashes, die auf Grund der Größe der Datenbank und ggf. der einzuspielenden Archive Logs nicht immer einfach einzuhalten sind. Über die geeignete Backup&Recovery-Strategie muß fallabhängig entschieden werden. Ein Data Warehouse hat meistens eine wesentlich kleinere Anzahl von Nutzern als ein Online-System. Der Schwerpunkt der Parallelelisierung befindet sich daher im allgemeinen auf der Ebene der einzelnen Queries und DML-Statements (Session-Ebene). . . .