Selbstregulierende Histogramme (SH) sind dabei eine einfach zu erstellende und zu pflegende Datenstrukturen zur Selektivitätsabschätzung in Datenbanken. Doch es fehlen zuverlässige Aussagen über die Qualität der Abschätzungen. Ein Ansatz beruht auf der Ähnlichkeit der Ziele von Histogrammen und Cluster-Algorithmen. D.h., es lassen sich solche Algorithmen verwenden, um Histogramme aufzubauen. Wir wollen die damit erzeugten SH auf deren Güte bei der Selektivitätsabschätzung mit einander vergleichen. Ein weiteres Ziel von uns ist, die Unsicherheiten bei einer Selektivitätsabschätzung mittels SH zu quantifizieren. Dazu ermitteln wir die vollständige Wahrscheinlichkeitsverteilung. Unser nächster Schritt ist nun, das Konzept von SH zu verallgemeinern. Ziel ist, die Antwortzeiten in dienstorientierten Systemen bei Dienstaufrufen mit unterschiedlichen Parameterwerten vorherzusagen. Der große Unterschied zu Selektivitätsabschätzungen besteht allerdings darin, dass auch Dienstaufrufe mit den gleichen Parametern zu unterschiedlichen Antwortzeiten führen können.