Data-Warehouse-Systeme sind trotz der aktuellen Diskussion um In-Memory-Technologien ein relevantes Forschungsthema, insbesondere aufgrund der enormen Datenmengen, die sie verwalten. Diese Systeme, die in betriebswirtschaftlichen Anwendungen eingesetzt werden, speichern oft Terabyte an Daten. Der Aufbau und die Pflege solcher Datenbestände erfordern erhebliche Zeit- und Ressourcenaufwendungen, was zu Konflikten zwischen den Anforderungen der Anwendungen und den notwendigen Voraussetzungen führt. Die Forderung nach schneller und flexibler Analyse wird häufig durch zusätzliche Datenbestände erfüllt, was jedoch aufwendige Datenbearbeitungsprozesse nach sich zieht und den Betriebsaufwand erhöht. Eine zentrale Fragestellung ist, wie fundierte Entscheidungen darüber getroffen werden können, welche Daten im Business-Data-Warehouse-System benötigt werden. Diese Bewertung ist komplex, da sie von verschiedenen Einflussfaktoren abhängt, darunter technische, konzeptionelle, betriebswirtschaftliche und gesetzliche Aspekte. Der entwickelte Bewertungsansatz berücksichtigt sowohl technische als auch betriebswirtschaftliche Kennzahlen und integriert Verfahren der multikriteriellen Entscheidungsanalyse, um Entscheiderpräferenzen zu berücksichtigen. Das Bewertungsmodell ermöglicht eine objektive und nachvollziehbare Entscheidungsfindung über die Beibehaltung oder Löschung von Datenpersistenzen und wird durch drei praxisnahe Fallstudien veranscha
