Die Arbeit adressiert die empirisch beobachtete Fehleranfälligkeit einer populären Teilmenge modellgetriebener Decision Support Systeme (MDSS), die mit Spreadsheet-Werkzeugen erstellt werden. Der Fokus liegt bei diesen DSS auf der logischen Formulierung realer Zusammenhänge im multidimensionalen Kontext. Analysen einer empirisch belegten Fehlerrate weisen auf proprietäre, oft wenig intuitive Modellierungssprachen der am Markt befindlichen Produkte hin, die eine unnatürliche, fehleranfällige Modellierung provozieren. In Analogie zu den positiven Erfahrungen einer konzeptuellen Datenmodellierung schlägt die vorliegende Arbeit eine konzeptuelle Modellierungsebene vor, um diesem Problem zu begegnen. Eine Untersuchung vorhandener konzeptueller Modellierungsansätze kommt zu dem Ergebnis, dass bei der Konstruktion der konzeptuellen Modellierungsebene für MDSS eine Erweiterung oder Änderung eines bestehenden konzeptuellen Modellierungsansatzes nicht in Betracht gezogen werden kann. Basierend auf diesen Erkenntnissen wird eine konzeptuelle Modellierungsebene entwickelt, welche aus den drei Phasen Modellkonfiguration, Modelltransformation und Modellkompilierung besteht. In der Konfigurationsphase werden sämtliche Modellelemente (Dimensionen, Dimensionsausprägungen, Gruppen und Formeln) definiert und die Überlagerung von (vektoriellen) Formeln innerhalb des Modells bewusst zugelassen. Die Transformationsphase stellt die Konsistenz der modellierten Strukturen in Bezug auf deren Eindeutigkeit sicher, indem sämtliche Überschneidungen von Formeln innerhalb von Modellzellen in einem systemunterstützten Benutzerdialog beseitigt werden. Im dritten Teil des Konzepts, der Kompilierungsphase, werden die überschneidungsfreien, konzeptuellen Modelle in proprietäre Modellinstanzen übersetzt, sodass sie in Anwendungssystemen für Analysen verwendet werden können. Die prototypische Implementierung erfolgt anhand eines Modellierungseditors (Java) zur Umsetzung der Konzeptphase Modellkonfiguration. Modelltransformation und –kompilierung werden auf Basis von Microsoft Excel und VBA Programmen prototypisch umgesetzt. Abschließend kann mittels einer Evaluation auf positive Effekte des erarbeiteten Konzepts für die Qualität modellgetriebener Decision Support Systeme geschlossen werden.

There exist numerous approaches to index either spatio-temporal or high-dimensional data. None of them is able to efficiently index hybrid data types, thus spatio-temporal and high-dimensional data. As the best high-dimensional indexing techniques are only able to index point-data and not now-relative data and the best spatio-temporal indexing techniques suffer from the curse of dimensionality, this thesis introduces the Spatio-Temporal Pyramid Adapter (STPA). The STPA maps spatio-temporal data on points, now-values on the median of the data set and indexes them with the pyramid technique. For high-dimensional and spatio-temporal index structures no generally accepted benchmark exists. Most index structures are only evaluated by custom benchmarks and compared to a tiny set of competitors. Benchmarks may be biased as a structure may be created to perform well in a certain benchmark or a benchmark does not cover a certain speciality of the investigated structures. In this thesis, the Interface Based Performance Comparison (IBPC) technique is introduced. It automatically generates test sets with a high code coverage on the system under test (SUT) on the basis of all functions defined by a certain interface which all competitors support. Every test set is performed on every SUT and the performance results are weighted by the achieved coverage and summed up. These weighted performance results are then used to compare the structures. An implementation of the IBPC, the Performance Test Automation Framework (PTAF) is compared to a classic custom benchmark, a workload generator whose parameters are optimized by a genetic algorithm and a specific PTAF alternative which incorporates the specific behavior of the systems under test. This is done for a set of two high-dimensional spatio-temporal indices and twelve variants of the R-tree. The evaluation indicates that PTAF performs at least as good as the other approaches in terms of minimal test cases with a maximized coverage. Several case studies on PTAF demonstrate its widespread abilities.