Data Warehouse-Systeme sind dahin gehend konzipiert, die Dynamik in den Analysedaten abzubilden und diese Dynamik in Form von Analyseergebnissen den Anwendern zu visualisieren. Erreicht wird dies durch einen expliziten Zeitbezug mit dem die Analysedaten gespeichert werden und OLAP- Werkzeugen, mit denen die Analysedaten nach unterschiedlichen Dimensionen ausgewertet werden können. Veränderungen in den Dimensionsdaten und -strukturen können mit diesen Systemen jedoch nur in Form der aktuellen Realität berücksichtigt werden, wodurch Analysen verfälscht werden und eine Interpretation von Analyseergebnissen erschwert wird, wenn die Anwender keine genauen Kenntnisse über solche Veränderungen haben bzw. die Veränderungen nicht durch Verknüpfungen in Beziehung setzen können. In der vorliegenden Arbeit wird der TRMDW-Ansatz (Temporal Relational Multicube Data Warehouse-Ansatz) vorgestellt, welcher durch die Einführung von temporalen Konstrukten und darauf definierten Operationen die Möglichkeit bietet, Veränderungen in den Dimensionsdaten und -strukturen, sowohl auf der Schemaebene als auch auf der Instanzebene, für mehrere Datenwürfel zu historisieren, um konsistente, valide, interpretierbare und verknüpfbare Auswertungen zur Verfügung zu stellen. Diese Diplomarbeit setzt sich im Wesentlichen aus zwei Teilen zusammen. Der erste Teil besteht aus einer theoretischen Aufarbeitung der Thematik Data Warehousing und OLAP. Dabei werden die wesentlichen Begriffe, Anforderungen, Modellierungs- und Realisierungsmöglichkeiten aufgezeigt und voneinander abgegrenzt. Der zweite Teil beginnt mit einer Erläuterung der Problematik, welche sich durch Veränderungen in den Dimensionsdaten und -strukturen ergibt, und diskutiert vorhandene Lösungsansätze. Im Anschluss daran wird die stufenweise Entwicklung des TRMDW-Ansatzes sowie die Möglichkeit einer konkreten Implementierung erläutert. Abgeschlossen wird diese Diplomarbeit von einer Zusammenfassung.