Aufzeichnungen und Metadaten, die Herkunft, Abstammung, Verarbeitungsgeschichte und Kontextattribute von Daten beschreiben, um Nachvollziehbarkeit, Vertrauen, Prüfungen und rechtmäßige Wiederverwendung zu unterstützen.

Prinzip

Erfassen von Identifikatoren, Transformationsschritten, Akteuren, Zeitstempeln und relevanten Parametern in jeder Phase der Datenerfassung und -verarbeitung, sodass eine Rekonstruktion oder Erklärung der Entstehung der Daten innerhalb bekannter Grenzen möglich ist.

Demonstration

Ein Datensatz, der Metadaten enthält, welche Quellendateien, Extraktionsabfragen, angewandte Bereinigungsoperationen, Daten und Agenten-IDs protokollieren, sodass ein Prüfer einen Wert bis zur Originalquelle und den ihn erzeugenden Schritten zurückverfolgen kann.

Fehlanwendung

Unvollständige oder optimistische Provenienz als Beweis für Korrektheit zu behandeln; nur grobe Provenienz oder inkonsistente Metadaten zu erfassen kann ein falsches Gefühl von Nachvollziehbarkeit erzeugen und regulatorische oder wissenschaftliche Prüfungen nicht bestehen.

Konsequenz

Robuste Provenienz erhöht Datenverantwortung, ermöglicht reproduzierbare Analysen, erleichtert Debugging und Risikobewertung und unterstützt Compliance und Wiederverwendung; das Sammeln vollständiger Provenienz kann kostspielig sein und Datenschutzfragen aufwerfen.

Umkehrung

Datensätze ohne Provenienz oder mit gelöschter Abstammung, bei denen weder Herkunft noch Verarbeitungsgeschichte rekonstruiert werden können und die undurchsichtige Eingaben ergeben, denen wenig Vertrauen geschenkt werden kann.

Abgrenzung

Fokussiert auf Abstammung und kontextuelle Metadaten; unterscheidet sich von Datenversionierung (die Zustände über die Zeit verfolgt), obwohl Überschneidungen bestehen; Provenienz gewährleistet nicht per se Korrektheit, Vollständigkeit oder Fehlerfreiheit gegenüber Verzerrungen.

Semantische Spannung

Spannung zwischen Datenqualität und Privatsphäre: Detaillierte Provenienz unterstützt Qualitätsbewertungen, kann aber sensible operative Details offenlegen; minimale Provenienz schützt Privatsphäre, reduziert jedoch Nachvollziehbarkeit.

Synthese

Datenprovenienz ist die strukturierte Erfassung von Herkunfts- und Verarbeitungsinformationen: Durch das Aufzeichnen von Quellen, Transformationen, Akteuren und Kontext ermöglicht Provenienz die Bewertung, Reproduzierbarkeit und Governance von Daten unter Abwägung von Kosten und Datenschutz.