Im Rahmen der DFG-Forschergruppe RESH wurden die Arbeiten zur intelligenten Datenanalyse mit Data-Mining-Verfahren in Cluster-Architekturen zum Abschluss gebracht. Ziel war es, durch eine geeignete Datenbankunterstützung dem explorativ arbeitenden Analysten auch bei sehr großen Datenmengen eine interaktive Arbeitsweise zu ermöglichen. Dazu wurden eine KDD-spezifische Anfragealgebra sowie eine darauf abgestimmte Indexstruktur entwickelt, die für ein breites Spektrum von Anfragen erstmals ein blockierungsfreies und lastbalanciertes Pipelining ermöglichen und so Skalierbarkeit und Interaktivität sichern. Neben der Erschließung neuer Lernverfahren für Pipelining wurden im Berichtszeitraum Optimierungstechniken entwickelt, die die genannten Eigenschaften auch auf heterogenen Clustern ermöglichen. Das Potential der Ergebnisse reicht über die interaktive Bearbeitung komplexer Anfragen auf zentralen DBMS hinaus hin zur Unterstützung extremer Ressourcenbeschränkungen im Embedded-Bereich und zur Anfragebearbeitung im Rahmen von Grid-Computing-Anwendungen.