Ziel der Projektgruppe Knowledge based Business Intelligence (KNOBI) ist der Aufbau eines Analytischen Informationssystems im Kontext der Krankenhausmarktanalyse (KMA). Hierbei soll das angestrebte System es ermöglichen, sogenannte Business User "aktiv" während der Analyse von integrierten Daten auf Basis von explizit modelliertem Analyse- und Domänenwissen zu unterstützen. Analysewissen umfasst u.a. Informationen über Datenstrukturen, Analyseoperatoren, -verfahren und Ergebnisvisualisierungen. Domänenwissen hingegen beschreibt welche Analysen zu gegebenen Fragestellungen sinnvoll sind, welche Business Rules bestehen und wie Daten hinsichtlich ihrer Semantik zu interpretieren sind. Darauf basierend können vom System beispielsweise Regionen mit Marktanteilsverlusten automatisch identifiziert und weitere Analyseschritte, wie z.B. die Analyse von einweisenden Ärzten aus diesen Regionen vorgeschlagen werden.

"Business User" sind typischerweise Personen eines Unternehmens, die für strategische Entscheidungen zuständig sind und für eine Entscheidungsfindung Anworten auf verschiedene Fragestellungen, wie z.B. "Wo ist mein Einzugsgebiet?" oder "Wie groß ist mein Marktanteil im Einzugsgebiet", etc. benötigen. Zur Beantwortung solcher Fragestellungen müssen in der Regel verschiedene Datenquellen integriert und einheitlich analysiert werden. Im KMA Kontext können dies z.B. die Daten eines Krankenhauses mit weiteren Daten aus den strukturierten Qualitätsberichten und Einwohnerdaten eines Bundeslandes des zugehörigen statistischen Bundesamtes sein. Als einheitliche integrierte qualitätsgesicherte Datenbasis haben sich im Bereich der Business Intelligence Data Warehouse Systeme als sogenannte "Single Point of Truth" etabliert, welche die integrierten Daten in multidimensionalen Strukturen (Würfeln) vorhalten. Darauf können Analyseanwendungen aufsetzen, die es erlauben die Daten mittels "Online Analytical Processing" (OLAP) Paradigmen sowie weiterer geografischer und statistischer Verfahren zu analysieren. Da die Durchführung von Analysen in solch einem Analytischen Informationssystem (DWH + Analyseanwendung) ein tiefergehendes Verständnis der multidimensionalen Datenstrukturen sowie der darauf ausführbaren Analyseverfahren voraussetzen, sind diese meist so komplex, dass Business User auf die Unterstützung von speziell geschulten Analysten mit entsprechendem Analyse- und Domänenwissen angewiesen sind.

Insbesondere im deutschen Krankenhausmarkt haben gesetzliche Reformen dazu geführt, dass stärker als zuvor Krankenhäuser zur Sicherung ihrer Wettbewerbsfähigkeit Potentiale zielgerichtet erschließen und Leistungsangebote konkurrenzfähig ausbauen müssen. Daher wird eine Analyse des jeweiligen Krankenhausmarktes für die Krankenhäuser notwendig. Der Einsatz von Analytischen Informationssystemen ist prinzipiell möglich, jedoch gibt es in den wenigsten Krankenhäusern dedizierte Analyseabteilungen, die über das notwendige "Know How" für die Analyse der verfügbaren Daten verfügen. Somit ist der Bedarf an einem sogenannte "Information Self Service" im Rahmen eine Analytischen Informationssystems gegeben. Business Users sollen befähigt werden ihre Informationsbedürfnisse in einer intuitiven, schnellen und effizienten Weise zu befriedigen. Hierzu sollen sie zu ihren Fragestellungen die passenden Daten geliefert und die darauf möglichen und sinnvollen Analysemöglichkeiten angeboten bekommen.

Derzeitigen Analytischen Informationssystemen fehlt es jedoch an explizitem Analyse- und Domänenwissen, über das geschulte Analysten implizit verfügen, um entsprechende Unterstützungsaufgaben für den Business User zu leisten. So finden sich neben integrierten strukturierten Daten keine weiteren Informationen zu Definitionen, Business Zielen, Business Rules, Strategien, spezifischen Analyseverfahren und -vorgehen sowie zu den Semantiken der Daten und wie diese miteinander in Beziehung stehen.

Um Business User im Sinne eines "Information Self Service" bei Analyseaufgaben zu stärken, wird im Rahmen der Projektgruppe ein Architekturkonzept für ein semantisches analytisches Informationssystem umgesetzt. Zentrales Element wird eine "semantische Metaebene" sein, die explizit modelliertes Analyse- und Domänenwissen in einer maschinenlesbaren und -verständlichen Form in ein analytisches Informationssystem einbinden, erfassen und verwalten sowie für neue Funktioalitäten der intelligenten Analyseunterstützung zur Verfügung stellen kann. Darauf basierend kann eine semantische Suche umgesetzt werden, die Business User befähigt, anhand ihrer Fragestellungen passende Daten sowie Verfahren im analytischen Informationssystem zu finden und zu analysieren. In den Analysen können sie entlang semantischer Relationen mit einer spezifischen Bedeutung navigieren und so verschiedenen Analyseketten - Reihung von Analyseschritten - folgen. In diesem Kontext wird eine Vorschlagsgenerierung (Recommender) umgesetzt, die basierend auf dem vordefiniertem Analyse- und Domänenwissen - Business Rules, Analysestrategien, Kontextinformationen, ... - sinnvolle weitere Analysemöglichkeiten und Analyseergebnisse passend zur Fragestellung aufzeigt. Hierbei wird von der technischen Realisierung des analytischen Informationssystems sowie den Analyseparadigmen - multidimensionales Datenmodell, OLAP Operatoren, MDX Anfragen,... - weitestgehend abstrahiert, so dass die Business User ohne entsprechende IT-Kenntnisse befähigt werden, sich auf intuitive, schnelle und effiziente Weise mit passenden Informationen zu versorgen.