Data op het web vindt toenemend plaats in gecentraliseerde silos van gegevens, waar persoonlijke gegevens in controle zijn van grote bedrijven. Vanwege recente data misbruik schandalen is er een toenemende opmars naar het decentraliseren van data op het web via een groot aantal persoonlijke data kluizen. Zoekmachines worden typisch gebruikt om te interageren met data vanwege hun capaciteit om complexiteiten te abstraheren, maar ze zijn geoptimaliseerd voor gecentraliseerde gegevens opslag. Om bruikbare applicaties te kunnen bouwen over gedecentraliseerde data, hebben we nieuwe zoekalgoritmen nodig voor massaal gedistribueerde gegevens. Het recente paradigma van link-gebaseerde opzoekingen is veelbelovend, omdat het gegevens kan ontdekken binnen grote gedecentraliseerde omgevingen. Echter, het is vaak te traag vanwege een gebrek aan planning algoritmen die compatibel zijn met continue ontdekkingen. Ik zal nieuwe algoritmen introduceren die adaptief het opzoek plan kunnen optimaliseren bij ontdekking van structurele informatie in gedecentraliseerde omgevingen. Om deze algoritmen te evalueren, zal ik ze vergelijken met bestaande technieken via het simuleren van realistische gedecentraliseerde omgevingen. Adaptief plannen optimaliseren over bronnen die continu ontdekt worden zal de voornaamste academische doorbraak zijn van dit onderzoek, wat een open probleem is binnen Semantisch Web onderzoek, en een dringende noodzaak is bij ontwikkelaars van gedecentraliseerde applicaties.