Datenanalysen ermöglichen einen tiefgreifenden Einblick in den Inhalt und die innere Struktur von Datenbeständen. Dabei werden Algorithmen aus dem Bereich des maschinellen Lernens angewandt, um aus existierenden Daten Wissen abzuleiten, welches anschließend wertschöpfend verwendet werden kann.

Häufig ist vor dem Beginn der Analyse nicht klar, welche Algorithmen zu stabilen und belastbaren Ergebnissen einer Datenanalyse führen. Deshalb werden häufig verschiedene Algorithmen mit diversen Parametrisierungen in mehreren Iterationen ausgeführt und anschließend das vielversprechendste Ergebnis gewählt. Dieses Verfahren stößt jedoch – gerade in der heutigen Zeit – auf große Probleme: Durch die immer weiterwachsende Menge an Daten, welche analysiert werden, nimmt folglich auch die Ausführungszeit einer jeden Iteration mehr Zeit in Anspruch.

Im Rahmen des Projektes INTERACT werden folglich ausgewählte Dimensionen untersucht, welche die Ausführungszeit reduzieren und gleichzeitig zu belastbaren Ergebnissen führen können. Insbesondere werden hier die Dimensionen (1) der auszuführenden Mining-Algorithmen, (2) der Strategien zur Reduktion der Datenmenge und (3) der Ausführungsumgebungen für einen Analyseprozess genauer betrachtet.