Die Assoziationsanalyse ist ein Verfahren des Data Mining, mit dem Muster in einer großen Datenbasis entdeckt werden sollen. Das Ergebnis dieser Analyse sind Regeln der Form "Wenn A, dann B." Um diese Regeln zu generieren, können unterschiedliche Algorithmen verwendet werden. Diese suchen zuerst alle Itemmengen, die den vorgegebenen Mindestsupport erfüllen und erzeugen daraus dann Assoziationsregeln mit einer benutzerdefinierten Mindestconfidence. Für praktische Analysen stellt sich die Frage, welche Schwellenwerte sinnvoll sind, um interessante, jedoch nicht zu viele Regeln zu erhalten. Deshalb werden zur Bewertung der Assoziationsregeln weitere Interessantheitsmaße herangezogen. Da allerdings auch diese nicht alle Faktoren berücksichtigen, die sich auf die Zusammensetzung einer Transaktion auswirken, werden in dieser Arbeit Ansätze entwickelt, die eine problemadäquate Lösung ermöglichen. An einem praktischen Beispiel wird gezeigt, wie die Assoziationsanalyse zur Warenkorbanalyse eingesetzt wird. Dazu werden Kassenbondaten eines Supermarktes auf Verbundbeziehungen untersucht und die Ergebnisse dargestellt.
