Decision Support Systems

Größe: px
Ab Seite anzeigen:

Download "Decision Support Systems"

Transkript

1 Exercise Paper Information Search and Retrieval Graz University of Technology WS 2007 Decision Support Systems Mario Kainz Michael Schweighofer Christoph Schinko Supervisor Dipl.-Ing. Dr.techn. Christian GÜTL Institute for Information Systems and Computer Media (IICM), Austria and Copyright (c) 2007 TU Graz. This work may be used by anyone in accordance with the terms of the Free Content License. The terms are made available under or may be retrieved upon written request at the headquarters of the Kompetenznetzwerk Universitätsverbund MultiMedia NRW, Universitätsstraße 11, Hagen, Germany.

2 Abstract Diese Arbeit beschäftigt sich mit Decision Support Systemen (DSS). Es wird versucht eine Definition von Decision Support Systemen zu finden und den geschichtlichen Hintergrund zu beleuchten. Dabei werden sowohl die Theorie wie auch verschiedene praktische Typen von DSS betrachtet. In weiterer Folge werden die Eigenschaften und Komponenten erläutert und auf aktuelle Forschungsergebnisse eingegangen. Auch Mögliche Aussichten hinsichtlich der Zukunft von DSS bringt werden behandelt. Page 2/26

3 1. Einleitung Entscheidungen im Bereich von komplexen Systemen zu treffen, wird heutzutage immer wichtiger. Um den Überblick über die Reaktionen eines Systems auf erwartete oder unerwartete Statusänderungen zu bewahren, muss der Mensch auf Unterstützung von Computersystemen zurückgreifen. Ein großer Teil der Entscheidungen die ein Mensch fällt, beruht auf empirischen Beobachtungen. Manchmal ist das durchaus von Vorteil, vor allem wenn die Menge der Informationen die als Basis für Entscheidungen dienen sehr gering ist. Wird die Informationsflut zu groß, braucht der Mensch Hilfe und gerade dafür sind DSS essentielle Werkzeuge. Mit der Entwicklung der Heimcomputer vor etwa 40 Jahren und dem Aufkommen von timeshare Betriebssystemen wurden DSS praktikabel. Heutzutage werden DSS nicht nur in Bereichen wie Wirtschaft, Militär und Medizin immer populärer. 2. Definition DSS sind eine spezielle Form von Informationssystemen, die Fähigkeiten zur Unterstützung beim Treffen von Entscheidung zur Verfügung stellen. Das Zusammentragen und Aufbereiten von nützlicher Information trägt auch zur Problemidentifikation und -lösung bei. Im Normalfall ist eine Entscheidung die Wahl zwischen mehreren Alternativen basierend auf Fakten, Schätzungen und Annahmen [DSS, 2007]. Das Themengebiet rund um DSS ist weit gestreut. Es gibt eine Vielzahl von verschiedenen Bereichen und Ansätzen mit denen man umzugehen hat. Auch wenn es keine allgemein akzeptierte Definition von DSS gibt, unterscheidet man trotzdem zwischen 5 verschiedenen Ansätzen [Power, 1997]: Model-driven DSS beschäftigen sich mit der Manipulation von wirtschaftlichen Modellen ausgehend von begrenzten Daten und Parametern, welche von den Entscheidungsträgern selbst zur Verfügung gestellt werden. Sie sind darauf ausgelegt den Entscheidungsträgern beim Analysieren einer Situation zu helfen. Data-driven DSS legen einen Schwerpunkt auf Zeitreihen von Daten, selten auf externe Echtzeit Daten. Abfragewerkzeuge die Daten auf einem sehr niedrigen Level bearbeiten (z.b. Dateisysteme) bieten nur rudimentäre Funktionalität. Ausgereifte Systeme Page 3/26

4 wie Datenbank Management Systeme (DBMS) unterstützen die Manipulation von Daten in einer technisch fortschrittlicheren Art und Weise und bieten dadurch zusätzliche Funktionalität. Communications-driven DSS verwenden Netzwerk- und Kommunikationstechnologien (z.b. Werkzeuge, die man über das Internet verwenden kann) um eine Basis für entscheidungsrelevante Zusammenarbeit zu bilden. Document-driven DSS vertrauen auf Datenspeicherungs- und Datenverarbeitungstechnologien um zusätzliche Schritte wie Dokumentbeschaffung und -analyse zu unterstützen. Eine moderne Suchmaschine verwendet z.b. web-crawler um Webseiten zu finden und zu speichern um sie für weitere Verarbeitungsschritte zur Verfügung zu stellen. Knowledge-driven DSS können als Empfehlungssysteme für Entscheidungsträger gesehen werden. Spezielles Wissen über ein spezifisches Themengebiet hilft diesen Systemen Schlüsse zu ziehen und Probleme zu lösen. Page 4/26

5 3. Geschichte In den frühen 1960er Jahren entstanden die ersten Studien für computergestützte Modelle um Entscheidungsträgern zu helfen. Die ersten greifbaren Konzepte wurden um 1965 veröffentlicht. Seit damals hat sich das DSS Themengebiet aufgeweitet und viele neue Subthemengebiete hervorgebracht. DSS sind in Unternehmen vorgedrungen und später sogar in den Heimbereich durch die Einführung des Personal Computers. In den folgenden Kapiteln wird die Geschichte von DSS in einen theoretischen und eine praktischen Teil aufgespalten, um so durch zwei Zugänge eine Reflektion zu ermöglichen Theoretischer Teil Zu Beginn der 1970er Jahre wurden die ersten Ideen im Zusammenhang mit DSS auf akademischen Kongressen wie der ACM SIGBDP Conference on Decision Support Systems besprochen. Solche Kongresse stellten eine Basis für alle weiteren Betrachtungen und den Austauschen von Ideen dar haben Keen und Scott Morton ein Buch [Keen, 1978] veröffentlicht, welches sich mit den Problemen von DSS beschäftigt. Probleme wie Definition, Perspektive, wie auch Design und Entwicklung wurden behandelt. Später hat man eben diese Probleme in Betriebswirtschaftskursen auf der ganzen Welt aufgegriffen und diskutiert. Donovan und Madnick haben 1977 eine neue Klasse von DSS vorgeschlagen. Ihre Idee war es zwischen institutionellen und Ad-Hoc Systemen zu unterscheiden. Wenig später fanden Hackathorn und Keen eine andere in gegenseitiger Beziehung stehende Klasse von Systemen. Zur selben Zeit, 1981, hat Steven Alters Buch [Alter, 1981] die ersten Ideen um betriebswirtschaftliche Bereiche erweitert und angehenden Managern die ersten Beispiele von DSS vorgestellt. Es wurde sogar noch eine weitere Klasse von Systemen vorgeschlagen. Noch im selben Jahr brachten Robert Bonczek, Clyde Holsapple und Andrew Whinston ein Buch [Bonczek, 1981] heraus, das sich mit den Grundlagen von DS beschäftigt. Es war entscheidend für das Verständnis der Probleme die es im Zusammenhang mit knowledge-driven DSS gab. Sie konnten 4 wichtige Aspekte alles DSS identifizieren: Language system (LS) Page 5/26

6 Presentation system (PS) Knowledge system (KS) Problem-processing system (PPS) Ein wichtiger Meilenstein war auch Ralph Spragues und Erich Carlsons Buch [Spraque, 1982] welches 1982 veröffentlicht wurde. Neben vielen Themen die nicht nur auf DSS beschränkten, beinhaltete es auch einen praktischen Teil der beschrieb wie man als Organisation DSS entwickeln kann Praktischer Teil In den 1980er Jahren beschäftigten sich viele Universitäten und Organisationen mit DSS und die ersten praktischen Beispiele wurden entwickelt. Diese Systeme wurden nicht nur dafür entwickelt um Entscheidungsträgern in der Wirtschaft und im Management zur Seite zu stehen, sondern auch um andere Probleme in Firmen und Organisationen zu lösen. Viel Aufwand wurde betrieben um Prozesse zu beschleunigen. Eine Menge verschiedener Systeme entstanden, wie auch Dan Bricklins und Bob Frankstons berühmtes Programm VisiCalc [VisiCalc, 1978]. Es war die erste Killer Applikation für den Personal Computer und fand sehr schnell Verbreitung weil es zum einen für damalige Verhältnisse sehr mächtig und zum anderen vor allem billig war. Computerunterstütze Analyse und Entscheidungshilfen wurden damals schon implementiert. In den darauf folgenden Jahren hielt der "Hype" an, bis 1990 die ersten Web Applikationen in der Form von Webzugängen für Data Warehouses entstanden. Mit der Einführung der HTML 2.0 Spezifikation wurde der Markt für webbasierende DSS begründet. Wissenschaftliche Portale wurden gegründet um eine Basis zur Suche von themenrelevantem Material zu bieten. In den späten 1990er Jahren fanden Suchwerkzeuge sowie Werkzeuge zum Datenschürfen und zur Datenaufbereitung ihren Weg in immer mehr Firmen. Gegen Ende der 1990er Jahre sind DSS endgültig in der Form von analytischen Applikationen und Business Intelligence Lösungen im Web angekommen. Heutzutage verwischt Web 2.0 [Web2.0, 2007] den Unterschied zwischen Desktop und Web Applikation immer mehr, sodass DSS als Service für Firmen und Privatpersonen über das Internet verkauft werden können. Die folgenden Kapitel decken die geschichtliche Entwicklung der verschiedenen Ansätze von DSS sowie deren Entstehung ab. Page 6/26

7 Model-driven DSS Eines der ersten model-driven DSS war das Production Management Decision System entwickelt und designed von Scott Morton Es war ausgelegt, Entscheidungsträgern Daten und Modell zur Lösung unstrukturierter Probleme zur Verfügung zu stellen. Ungefähr zur selben Zeit wurden viele andere Systeme wie die Production Scheduling Appliaktion von Ferguson und Jones fertiggestellt. In den späten 1970er Jahren wurde das Interactive Financial Planning System (IFPS) auf der Universität von Texas entwickelt. Es war das erste kommerzielle Werkzeug zur Erstellung von model-driven DSS für den Finanzmarkt. In den folgenden Jahren forderte der wachsende Finanzmarkt immer bessere und schnellere DSS weil es in betriebswirtschaftlichen Kreisen ein Standard-Werkzeug geworden war. Systeme wie Expert Choice entstanden. Ein Meilenstein in der Entwicklung von model-driven DSS war zweifelsohne VisiCalc (Abbildung 3-1). Wie schon erwähnt war es eine billige Applikation zur Analyse und Entscheidungshilfe und wurde schnell sehr populär. Nicht zuletzt weil es für den Personal Computer entwickelt wurde. Abbildung 3-1: Ein Screenshot von VisiCalc auf einem Apple II System (Wikipedia) In den frühen 1980er Jahren griffen zwei bekannt Firmen die Idee von VisiCalc auf und entwickelten ihre eigenen Applikationen. Eine der Firmen war die Lotus Development Corporation (heute IBM), welche Lotus veröffentlichte. Die andere Firma war Microsoft, die Multiplan (heute Excel) veröffentlichte. Heutzutage findet man model-driven DSS in jeder größeren Firma. Der Bankensektor verwendet model-driven DSS bei Entscheidungen zur Kreditvergabe. Paketdienst verwenden model-driven DSS zur Optimierung von Tank Stopps und zur strategischen Profitanalyse. Page 7/26

8 Data-driven DSS Die Entwicklung der data-driven DSS wurde durch John Rockarts Forschung im Themenbereich von Executive Information Systems (EIS) und Executive Support Systems (ESS) begründet. Diese Systeme entstanden zum Teil aus den zuvor erwähnten model-driven DSS und aus den ersten Implementierungen von relationalen Datenbanken. Ein paar Jahre vor Rockarts Arbeiten [Rockart, 1979] wurden die ersten kommerziellen EIS entwickelt und verkauft. Sie bereiteten den Weg für zukünftige Forschung und Entwicklung. Der nächste große Schritt hin zur Erweiterung von EIS war die Entwicklung von Online Analytical Processing Applications (OLAP) in den frühen 1990er Jahren. Der Begriff Business Intelligence (BI) wurde geprägt um den Fähigkeiten der Konzepte zur Verbesserung der Entscheidungstreffung Tribut zu zollen. Mitte der 1990er Jahre entstanden die ersten data-driven DSS die auf relationalen Datenbanken beruhten. Sie sind bis heute noch sehr populär. Firmen wie Oracle und IBM entwickelten die ersten DSS basierend auf den hauseigenen DBMS. Heutzutage werden Features basierend auf Web 2.0 Technologien den Produkten hinzugefügt um den Trend hin zu mehr Interaktivität zu befriedigen Communications-driven DSS Die erste Veröffentlichung im Zusammenhang mit communication-driven DSS war ein Artikel über den Test einer Conference Coordinator Software, der von Joyner und Tunstall 1970 erstellt wurde. Im gleichen Jahr entwickelte Murray Turoff das erste Computer Mediated Communications System (EMISARI). Es war darauf ausgelegt, die Kommunikation in kleinen Gruppen zu unterstützen. Zu Beginn der 1980er Jahre wurde eine neue Kategorie von DSS entwickelt, die Group Decision Support Systems (GDSS). Mehrere Systeme wurden in verschiedensten Universitäten entwickelt. Mitte der 1980er Jahre entstanden die ersten kommerziellen GDSS und ebneten den Weg für die ersten Groupware Produkte einer Firma namens Lotus. Das Programm hieß Notes und unterstützte den User bei der Zusammenarbeit in einer kleineren Gruppe. Mit dem Aufkommen von elektronischer Post entwickelte die Firma Microsoft eine weitere erfolgreiche Groupware Lösung mit dem Namen Exchange. Die Produkte beider Firmen werden bis heute vertrieben und weiterentwickelt. Page 8/26

9 Aktuelle Technologien beinhalten Sprach und Video Übertragung über das Internet (Abbildung 3-2), wie auch mobile Kommunikation. Abbildung 3-2: Ein Screenshot von Skype für Windows 2.0 während eines Video Anrufes (Skype) Document-driven DSS Der geistige Vater der document-driven DSS ist ohne Zweifel Vannevar Bush. Sein Artikel "As We May Think" [Bush, 1945], den er 1945 veröffentlichte, ist sogar heutzutage noch sehr fortschrittlich. Er führte ein Konzept mit dem Namen Memex (Abbildung 3-3) ein, welches ausführlich ein erweitertes document-driven DSS, wie wir es heute kennen, darstellt. Abbildung 3-3: Memex von Vannevar Bush. Das Konzept zeigt die Idee eines Informations Terminals Page 9/26

10 Die ersten praktischen Implementierungen entstanden in den 1970er Jahren und behandelten Text und Dokument Management. Bis in die 1900er Jahre wurde nur ein geringer Fortschritt auf diesem Gebiet erreicht. Entscheidungsträgern bei der Suche von Dokumenten zu helfen wurde erst mit der Einführung von Web Technologien und der Object Character Recognition (OCR) interessant. Der Personal Computer trug ebenfalls einiges zur Verbreitung der document-driven DSS bei. Heutzutage gibt es eine Vielzahl von verschiedenen Systemen im Internet aber auch lokale Lösungen Knowledge-driven DSS Knowledge-driven DSS wurden 1965 durch ein System mit dem Namen DENDRAL (Dendritic Algorithm) begründet. Es wurde von einem Froscherteam der Universität Stanford entwickelt. In den darauf folgenden Jahren entstanden viele Abwandlungen des Systems, z.b. MY- CIN, MOLGEN und XCON gründete Dustin Huntington eine Firma mit dem Namen EXSYS und brachte ein Werkzeug zum Erstellen von Experten Systemen auf den Markt. Das Produkt hieß wie die Firma EXSYS. Binnen weniger Jahre fanden knowledge-driven DSS Verwendung in Betriebssystemen für Personal Computer. Die künstliche Intelligenz wurde erfunden als Fähigkeit von Experten Systemen Entscheidungen zu treffen. Aktuelle Entwicklungen beinhalten die Verbindung von Experten Systemen mit relationalen Datenbanken mit Web Oberfläche. Page 10/26

11 4. Allgemeine Eigenschaften von DSS Gleich um welche Art von Problem es sich handelt, jeder Entscheidungswegprozess durchläuft die 5 Phasen der Entscheidungsfindung. [Mora, 2002] Select Phase: Auswahl abhängig von der jeweiligen Strategie auf die der Entscheidungsträger abzielt. Faktoren wie Risiko oder Ungewissheit einer Situation oder eines Erwartungswertes spielen schon in dieser Phase eine große Rolle. Plan Phase: In der Plan Phase werden folgende Einteilungen getroffen: wer ist der Entscheidungsträger was ist der Zweck der Entscheidung warum ist der Entscheidungfindungsprozess so wichtig In dieser Phase werden auch alternative Wege zum Entscheidungsziel analysiert und dann der Master-Plan entworfen. Do Phase: Behandelt die eigentliche Durchführung. Check Phase: Die Alternativen werden nochmals mit den tatsächlichen Ergebnissen in Bezug auf Qualität, Wirtschaftliche Faktoren und Performance aus der Do Phase verglichen. Action Phase: Endgültige Festlegung und Implementation der Prozesse. Feedback und Planergebnisse können nun in den Prozess einfließen. Werden hier neue Zielvorgaben gefunden oder die aus der ersten Phase verändert, kommt der Entscheidungsprozess wieder zurück in die Planing Phase Allgemeines Jedes Problem kann laut [Dyson, 1990] in eines der folgenden drei Kategorien klassifiziert werden: strukturiert Probleme Page 11/26

12 semi-strukturiert Probleme nicht strukturiert Probleme Ein Problem gilt als strukturiert, wenn die zu erwartenden Ergebnisse klar definiert sind und eine Wiederholung immer dasselbe Ergebnis liefern würde. Semi-strukturierte Probleme sind jene, die zwar klar definiert sind, jedoch einige unbekannte variable Kriterien enthalten, welche das Ergebnis erheblich beeinflussen. Von unstrukturierten Problemen spricht man dann, wenn viele Kriterien unbekannt sind und auch das Szenario zur Entscheidungsfindung und deren gewünschte Ergebnisse unbekannt sind. [Turban et al, 2001] 4.2. Arten von Entscheidungen Im Gegensatz zu einer Problemstellung lässt sich eine Entscheidung in folgende Klassen einordnen: Strategische Entscheidungen Taktische Entscheidungen Operative Entscheidungen Spontane Entscheidungen Strategische Entscheidungen betreffen für gewöhnlich eine Zeitspanne von zwei bis fünf Jahren und stehen im Zusammenhang mit semi- oder unstrukturierten Problemen, die von vielen Faktoren von Außen abhängig sind. Taktische Entscheidungen laufen im Zeitraum von einigen Monaten bis zu zwei Jahren ab, im Gegensatz zu Operativen Entscheidungen, die einige Tagen bis weniger als ein Jahr betreffen. Abbildung 4 stellt dies graphisch dar. Strategische Entscheidungen werden meist von Gruppen getroffen, operative Entscheidungen eher von Einzelentscheidungsträgern. Page 12/26

13 Abbildung 4: Problem- und Entscheidungsklassifikation [Turban et al, 2001] 4.3. Methoden des Data Mining [Hardin, 1999] Data Mining ist eine Art der Pattern- (Mustererkennung) und Relationship-Recognition die auf einer Vielzahl von Daten und Fakten aufbaut. Unterstützt wird Data Mining vor allem durch Mustererkennung, Datenbanken und Anwendungen aus der Statistik. Vor allem das Gebiet der statistischen Mustererkennung (Statistical Pattern Recognition) spielt eine wichtige Rolle. Hierbei ist das Ziel, jedem Featurevektor eine Klasse zuzuordnen bzw. in verschiedene Gruppen einzuteilen. Page 13/26

14 Durch den immer stetig wachsenden Anteil an EDV Systemen in den letzten Jahrzehnten und der Vielzahl an Methoden der Klassifikation hat sich das Data Mining stets weiterentwickelt und verbessert Überwachtes und unüberwachtes Lernen [Hardin, 1999] Unter Data Mining wird das Lernen von Daten verstanden, hierbei werden zwei Arten des Lernens unterschieden: überwachtes (supervised) Lernen und unüberwachtes (unsupervised) Lernen. Abbildung 5: Überwachtes Lernen (A), Unüberwachtes Lernen (B) [Hardin, 1999] Überwachtes Lernen Überwachtes Lernen wird auch oft als direktes Data Mining bezeichnet. Dem User sind die Klassen bekannt und es existiert eine Vielzahl an Beispielen jeder Klasse. Durch Trainieren wird dieses Wissen in das System gespeist. Durch Minimierung des wahren Fehlers der Testmenge an die Trainingshypothese wird das System optimiert. Page 14/26

15 Unüberwachtes Lernen Wie beim Überwachten Lernen liegt hier eine Vielzahl an Daten vor, jedoch ohne eine Kenntnis über die mögliche Klassifikationseinteilung. Das System muss selbstständig die Gruppierung übernehmen Entscheidungsbäume [Gerald, 2002] Der Aufbau eines Entscheidungsbaumes ist die verbreitetste und verständlichste Methode für ein überwachtes Lernsystem. Der Algorithmus arbeitet top-down und trennt an jedem Knoten nach Attributen. Je weiter oben an der Wurzel sich ein Entscheidungskriterium befindet desto wichtiger ist es für die Klassifikation. Abbildung 6: Entscheidungsbäume Weitere Hilfsmittel und Methoden Es gibt noch eine Vielzahl an Methoden die zur Unterstützung des Data Minings und eines Decision Support Systemes angewandt werden. Einige sollen hier noch kurz erwähnt werden: Logistic Regression Logistic Regression wird auf Datenmodelle angewandt die binäre Werte beinhalten. Nearest Neighbor Classifer Arbeitet ein Decision Support System mit einem Nearest Neighbor Algorithmus, wird zunächst jedem Beispiel ein Punkt im mehrdimensionalen Raum zugewiesen. Die Anzahl der Attribute bestimmt dabei die Dimension des Raumes. Anhand einiger Trainingsobjekte werden die Beispiele dann anhand ihres minimalen Abstandes zugeordnet. Page 15/26

16 Clustering (unüberwachtes Lernen) Eine unüberwachte Klassifikation ist mit Hilfe eines Clustering Algorithmus möglich. Unsortierte Daten werden in Clusterzentren zu Gruppen eingeteilt und identifiziert Architektur von Decision Support Systemen [Kock, 2003] Ein Decision Support System besteht aus dem menschlichen Entscheidungsträger und dem Decision Support System. Besonders für unstrukturierte oder semi-strukturierte Entscheidungsprozesse ist es vor allem aus Komplexitätsgründen, schwer bis unmöglich eine rein maschinelle Entscheidung zu treffen. Die humane Komponente wird unterstützend als Entscheidungstrainer oder Intuitionshilfe während des maschinellen Entscheidungsprozesses benötigt. Steht ein Entscheidungsträger vor einem Entscheidungsprozess, beginnt dieser mit der Erstellung eines Entscheidungshilfen Modells mithilfe eines Decision Support System. Das User Interface Sub-System bietet die Schnittstelle einerseits zum Database Management System (DBMS) sowie zum Model Based Management System (MBMS). Das DBMS kreiert, verwaltet und managet die Datenbank mit Datenzugriffsrechten und Regeln. Mit Hilfe des MBMS ist es dem User möglich ein neues Datenbank-File innerhalb des Decision Support Systems anzulegen, zu editieren, zu aktualisieren oder auch zu löschen. Aus Usersicht ist das User- Interface Subsystem der einzige Part des Decision Support Systems. Daher kommt diesem auch eine große Rolle zu, vor allem bei Eingabe und Ausgabe Geräten, Bildschirm- und Oberflächendesign, Umgänglichkeit, Daten und Informationsformate und Wünschen zur individuelle Interfaceanpassung. Wie schon oben erwähnt ist dies besonders wichtig, da über das Interface System auf das Data-Sub-System, die Datenbank, die Datenbank Management Software und das Model-Sub-System (Model Base und Model Base Management Software) zugegriffen wird. Page 16/26

17 Abbildung 7: Komponenten des DSS [Sprag, 1982] Data management subsystem [Kock, 2003] Ein Decision Support System benutzt ein oder mehrere Datenspeicher, Datenbanken oder eine Anzahl von Files oder auch Data Warehouse Systeme um relevante Informationen für das Decision Support System bereitzustellen Model management subsystem Dieses Software Subsystem managet quantitative und qualitative Modele. Ein Model stellt eine vereinfachte Repräsentation oder Abstraktion der Realität dar Dialogue subsystem or user interface Die wichtigste Schnittstelle zwischen den anderen Subsystemen und dem Benutzer. Page 17/26

18 Knowledge management subsystem Dieses optionale System kann die anderen Systeme unterstützen oder als eigenständige Komponente auftreten. Es beinhaltet vor allem auch die Lösungen für das Problem. Es wird oft auch dazu verwendet andere Experten Systeme in das DSS einzubinden Übersicht Page 18/26

19 Abbildung 8: Übersicht [Kock, 2003] Page 19/26

20 5. Zukunft von Decision Support Systemen Die fortschreitende technologische Entwicklung in der Informationstechnologie erlaubt die Entstehung von immer effektiveren DSS. Netzwerke und die Telekommunikation ermöglichen die Nutzung von verteilten Kapazitäten, die neue technische, organisatorische, personelle und ethnische Perspektiven hinsichtlich der Entscheidungsunterstützung offenbaren. [Courtney, 2001] Zusätzlich kann mit sogenannten intelligenten Agenten, die eine Reihe von Operationen im Auftrag einer Instanz mit einem gewissen Grad an Unabhängigkeit durchführen, die Funktionalität eines DSS erheblich gesteigert werden. [Turban et al, 2001] Für [Shim et al, 2002] zählen Datenbanken, Modellierungsfunktionalitäten und Interface- Design- Komponenten zu den klassischen Werkzeugen von DSS. Als entscheidende Werkzeuge der Zukunft fügt er Data Warehousing, On-Line-Analytical-Processing, Data Mining und die webbasierenden DSS hinzu. Diese Tools zusammen mit einem vernetzten System mit virtuellen Teams und wissenmanagement-basierende DSS sind die wichtigen Themen in der Entwicklung von DSS in der Zukunft. [Eom, 2001] 5.1. Aktuelle Forschungsansätze Im Folgenden werden die Ergebnisse einiger Forschungsarbeiten präsentiert um einen kleinen Einblick in die aktuelle Forschung zu ermöglichen. Robbins und Wallace behandelten das komplexe Problem ethnische Aspekte in Entscheidungsfindungssituationen zu modellieren. Dazu integrierten sie normative und deskriptive Theorien der ethnischen Problemlösung aus der Psychologie und Techniken der Computerintelligenz und schlugen ein System der bereits erwähnten intelligenten Agenten vor, die fähig sind, ethnischen Belange in 4 Arten zu berücksichtigen: als Ratgeber, Vermittler, Trainer und Prognostiker. Robbins und Wallace weisen darauf hin, dass diese intelligenten Agenten als Hilfestellung für die Berücksichtigung ethnischer Aspekte in einer Aufgabenbewältigung helfen können. [Robbins et al, 2007] Hall und Davis untersuchten den Einfluss von bestimmten DSS Designs auf Verhaltensänderungen. Sie fügten einen Fragesteller in das DSS ein, um ein Interface zu erzeugen, das den Page 20/26

21 Benutzer auffordert weitere Perspektiven neben den eigenen zu bedenken. Mit fortschreitender Benutzung des Systems modifizierten die Benutzer eigene Perspektiven, die auf schwach ausgeprägten Ansichten basierten, jedoch blieben die Perspektiven von stark ausgeprägten Ansichten unverändert. [Paradice, 2006] Sueyoshi und Tadiparthi entwickelten ein System um die dynamische Preisentwicklung im amerikanischen Energiegroßhandel zu analysieren und zu verstehen. Händler können diese Software als effektives DSS nutzen, um den Energiemarkt zu modellieren und simulieren. Die Anwendung der Software bestätigte die Existenzberechtigung der Software vor allem im Vergleich mit ähnlichen Systemen, wie zum Beispiel Neuronalen Netzwerken. [Sueyoshi et al, 07] Durch die neuen technologischen Möglichkeiten sind vor allem webbasierte DSS in das Blickfeld der Forscher gerückt und daher werden diese auch näher im Zuge dieser Übersicht beleuchtet. [Bharati et al, 2003] 5.2. Web-based DSS Das Web wurde die dominierende Plattform für die Entwicklung neuer DSS. Webbasierte Decision Support Systeme erweitern das Anwenderfeld von DSS-Nutzern. Waren es früher hauptsächlich Manager und Experten, so können nun auch normale Anwender von DSS profitieren. Sie werden von Organisationen vor allem als Entscheidungsunterstützung für Angestellte und Kunden eingesetzt. Bei Kunden primär um den Kaufprozess, in Form von Unterstützung bei der individuellen Konfiguration des Produktes oder Services, zu unterstützen. Als Beispiele wären hier wo man aus einer Basiskonfiguration spezifische Erweiterungen erstellen kann oder wo Teddybären nach individuellen Wünschen zusammengestellt werden können, zu nennen. [Bharati et al, 2003] Im Gegensatz zu der bisherigen DSS Umgebung unterscheiden sich webbasierende DSS nach [Bharati et al, 2003] durch Wechsel der Community. Wechsel der Problemdomänen. Wechsel der zugrundeliegenden Technologie. Page 21/26

22 Die gegenwärtige Forschung untersucht diese webbasierten DSS mit einem Fokus auf Faktoren, die befriedigende Beschlussfassung mit webbasiertem DSS betreffen. [Bharati et al, 2003] Die Vorstellung aktueller Forschungsergebnisse auf dem Gebiet der webbasierenden DSS erfolgt im Zuge dieser Arbeit nach [Bhargava et al, 2007] aufgeteilt auf zwei Gebiete: Architektur und Technologie Anwendung und Implementierung Architektur und Technologie Bharati und Chaudhury führten eine empirische Studie durch um Kundenzufriedenheit anhand eines webbasierenden DSS zu ermitteln. In ihrem Modell schlagen sie drei unabhängige Variablen vor: Systemqualität, Informationsqualität, Informationspräsentation. Sie fanden heraus, dass Systemqualität und Informationsqualität einen positiven Einfluss auf die Kundenzufriedenheit hatten. Die Informationspräsentation jedoch hatte keinen signifikanten Einfluss auf die Kundenzufriedenheit. Daher argumentierten die Forscher, dass Entwickler von webbasierenden DSS mehr Aufmerksamkeit auf die Systemqualität und Informationsqualität legen sollten. [Bharati, 2004] Zhang und Goddard haben Software Architekturen angewandt um webbasierende DSS zu designen. Eine mehrschichtige Softwarearchitektur wurde vorgeschlagen um Entwickler beim Design und der Implementation von DSS in einer verteilten Umgebung zu helfen. Zusätzlich haben die Forscher ein komponentenbasiertes Framework vorgestellt, das bei der Implementation von DSS unterstützt. [Zang et al, 2007] Die Forschung zeigt, dass Webuser detaillierte Informationen über DSS brauchen, um den verfügbaren Inhalt zu organisieren und zu verstehen. Das Design der Systeme sollte Konstrukte und Artefakte, die die Anbindung von qualitativ hochwertigen Informationen unterstützen, inkludieren. Neue Ansätze sind zu finden, die das Modellmanagement erleichtern. Dies inkludiert das Speichern, Suchen, Auffinden und Abgleichen aus einer Bibliothek von Entscheidungsmodellen. [Bhargava et al, 2007] Page 22/26

23 Applikationen und Implementationen Ngai und Wat entwickelten und implementierten ein webbasierendes DSS, das ein Modell nutzte, welches auf die Fuzzy Theorie aufbaute. Ziel war eine Risikoabschätzung bei e- commerce Entwicklungen zu erreichen. Der webbasierende Prototyp unterstützte Projektmanager potentielle Risikofaktoren und die draus abgeleiteten Projektrisiken zu erkennen. Die Ergebnisse zeigten, dass der Prototyp die gestellten Erwartungen erfüllte und effektiv für die Risikoabschätzung bei e-commerce Projekten angewandt werden kann. [Ngai et al, 2005] Ray diskutiere im Zuge einer Fallstudie eine spezifische Applikationsentwicklung für das Delware Department of Transportation. Das DSS war zuständig um übergroße und übergewichtige Fahrzeuge über die Autobahnen des Staates zu führen. Das System ersetzte einige manuelle Prozesse und produzierte einige unmittelbare Vorteile. Das Ergebnis der Evaluierung zeigte, das die Implementierung sofort einen Nutzen generierte, verbunden mit weiteren Effektivitätssteigerungen. [Ray, 2005] 5.3. Herausforderungen [Bhargava et al, 2007] unterteilt in technologische, wirtschaftliche und soziale Herausforderungen Technologische Herausforderungen Die Technologien und Protokolle, die dem Web zugrunde liegen sind die Hauptherausforderungen. Die Web Architektur ist ausgelegt auf willkürliche Sprünge im Hyperspace, daher bietet das Web nicht die persistenten Verbindungen. Dies steht im Gegensatz zu der typischen Interaktion die traditionelle DSS Applikationen fordern. DSS benötigt wiederkehrende Interaktion mit einem Modell und den Austausch von großen Datenmengen über eine breite Ausdehnung von Interaktionen. Daher müssen DSS Entwickler Wege finden, wie sie diese technischen Limitationen umgehen können, z.b. durch das Setzten von Cookies oder das Nutzen von Java-Applets. Desweitern benützten fast alle Web-Applikationen einen Web-Browser um ein Userinterface zur Verfügung zu stellen, die Anfragen an einen oder mehrere Server schicken, der diese dann verarbeitet. Daraus resultieren Netzwerkverzögerungen und Limitationen für das User Interface. Page 23/26

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML Data Mining Standards am Beispiel von PMML Allgemeine Definitionen im Data Mining Data Mining (DM) Ein Prozess, um interessante neue Muster, Korrelationen und Trends in großen Datenbeständen zu entdecken,

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

Mehr

Komplexität der Information - Ausgangslage

Komplexität der Information - Ausgangslage Intuition, verlässliche Information, intelligente Entscheidung ein Reisebericht Stephan Wietheger Sales InfoSphere/Information Management Komplexität der Information - Ausgangslage Liefern von verlässlicher

Mehr

Business Intelligence. Bereit für bessere Entscheidungen

Business Intelligence. Bereit für bessere Entscheidungen Business Intelligence Bereit für bessere Entscheidungen Business Intelligence Besserer Einblick in Geschäftsabläufe Business Intelligence ist die Integration von Strategien, Prozessen und Technologien,

Mehr

Institut für angewandte Informationstechnologie (InIT)

Institut für angewandte Informationstechnologie (InIT) School of Engineering Institut für angewandte Informationstechnologie (InIT) We ride the information wave Zürcher Fachhochschule www.init.zhaw.ch Forschung & Entwicklung Institut für angewandte Informationstechnologie

Mehr

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser

Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Integration mit Service Repositories zur SOA Governance

Integration mit Service Repositories zur SOA Governance Integration mit Service Repositories zur SOA Governance Nürnberg, 10.11.2009 I N H A L T 1. SOA Governance 2. Service Repository 3. Modelle und Service Repository 4. Modell-Driven SOA I N H A L T 1. SOA

Mehr

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

The Need for Speed. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor The Need for Speed Industrialisierung, Agilität und Compliance die Rolle von Performance Management

Mehr

Management Information System SuperX status quo and perspectives

Management Information System SuperX status quo and perspectives Management Information System SuperX status quo and perspectives 1 Agenda 1. Business Intelligence: Basics 2. SuperX: Data Warehouse for Universities 3. Joolap: OLAP for Universities 4. Cooperative reporting

Mehr

Progress of Enterprise Architecture Management 2008. Eine Studie über den Fortschritt im integrierten Management von Geschäfts- und IT-Architektur

Progress of Enterprise Architecture Management 2008. Eine Studie über den Fortschritt im integrierten Management von Geschäfts- und IT-Architektur Progress of Enterprise Architecture Management 2008 Eine Studie über den Fortschritt im integrierten Management von Geschäfts- und IT-Architektur Der EAM Think Tank ist eine gemeinsame Initiative der Ardour

Mehr

Phasen. Gliederung. Rational Unified Process

Phasen. Gliederung. Rational Unified Process Rational Unified Process Version 4.0 Version 4.1 Version 5.1 Version 5.5 Version 2000 Version 2001 1996 1997 1998 1999 2000 2001 Rational Approach Objectory Process OMT Booch SQA Test Process Requirements

Mehr

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung

Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Asklepius-DA Die intelligente Technologie für die umfassende Analyse medizinischer Daten Leistungsbeschreibung Datei: Asklepius DA Flyer_Leistung_2 Seite: 1 von:5 1 Umfassende Datenanalyse Mit Asklepius-DA

Mehr

Gliederung. Einführung Phasen Ten Essentials Werkzeugunterstützung Aktivitäten, Rollen, Artefakte Werkzeug zur patternorientierten Softwareentwicklung

Gliederung. Einführung Phasen Ten Essentials Werkzeugunterstützung Aktivitäten, Rollen, Artefakte Werkzeug zur patternorientierten Softwareentwicklung Peter Forbrig RUP 1 Gliederung Einführung Phasen Ten Essentials Werkzeugunterstützung Aktivitäten, Rollen, Artefakte Werkzeug zur patternorientierten Softwareentwicklung Peter Forbrig RUP 2 Rational Unified

Mehr

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Informationsflut bewältigen - Textmining in der Praxis

Informationsflut bewältigen - Textmining in der Praxis Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

VARONIS DATADVANTAGE. für Exchange

VARONIS DATADVANTAGE. für Exchange VARONIS DATADVANTAGE für Exchange VARONIS DATADVANTAGE für Exchange Funktionen und Vorteile TRANSPARENZ Bidirektionale Smart Views aller Berechtigungen für Postfächer und öffentliche Ordner sowie Überwachung

Mehr

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit

BI Konsolidierung: Anspruch & Wirklichkeit. Jacqueline Bloemen. in Kooperation mit BI Konsolidierung: Anspruch & Wirklichkeit Jacqueline Bloemen in Kooperation mit Agenda: Anspruch BI Konsolidierung Treiber Was sind die aktuellen Treiber für ein Konsolidierungsvorhaben? Kimball vs. Inmon

Mehr

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Von BI zu Analytik. bessere Entscheidungen basiert auf Fakten. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von BI zu Analytik bessere Entscheidungen basiert auf Fakten Webinar Mai 2010 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Von Business Intelligence zu Analytik Die Bedeutung

Mehr

Kapitel 1 Überblick Content Management und Digitale Bibliotheken

Kapitel 1 Überblick Content Management und Digitale Bibliotheken Kapitel 1 Überblick Content Management und Digitale Bibliotheken Prof. Dr.-Ing. Stefan Deßloch Geb. 36, Raum 329 Tel. 0631/205 3275 dessloch@informatik.uni-kl.de 1 Überblick Was ist Content? Daten, Dokumente,

Mehr

Social Media trifft Business

Social Media trifft Business Social Media trifft Business Intelligence Social Media Analysis als Teil der Unternehmenssteuerung Tiemo Winterkamp, VP Global Marketing Agenda Social Media trifft Business Intelligence Business Intelligence

Mehr

TOGAF The Open Group Architecture Framework

TOGAF The Open Group Architecture Framework TOGAF The Open Group Architecture Ein Überblick Gesellschaft für Informatik, Regionalgruppe München Dr. Michael Bulenda München, 7.12.2009 Vorstellung Dr. M. Bulenda Seit 2001 bei Cirquent IT Management

Mehr

Microsoft SharePoint 2013 Designer

Microsoft SharePoint 2013 Designer Microsoft SharePoint 2013 Designer Was ist SharePoint? SharePoint Designer 2013 Vorteile SharePoint Designer Funktionen.Net 4.0 Workflow Infrastruktur Integration von Stages Visuelle Designer Copy & Paste

Mehr

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing

Seminar in der Seminarreihe Business Intelligence 1. OLAP und Datawarehousing Seminar in der Seminarreihe Business Intelligence 1 OLAP und Datawarehousing OLAP & Warehousing Die wichtigsten Produkte Die Gliederung Produkt Bewertung & Vergleiche Die Marktentwicklung Der aktuelle

Mehr

Open Source Master Data Management. Die Zeit ist reif

Open Source Master Data Management. Die Zeit ist reif Open Source Master Data Management Die Zeit ist reif Inhaltsverzeichnis Einleitung 3 Anforderungen an den Open Source Markt 3 Freiheit 4 Vorhersagen über die Auswirkungen von Open Source auf MDM 4 Talend

Mehr

Mitarbeitergerechte Prozessdokumentation

Mitarbeitergerechte Prozessdokumentation Agiles Business in einer mobilen Welt Mitarbeitergerechte Prozessdokumentation Präsentation Autor Version Datum Patrick Rung 1.0 14-06-2005 Mitarbeitergerechte Prozessdokumentation Systembezogene Dokumente

Mehr

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA

Liste der Handbücher. Liste der Benutzerhandbücher von MEGA Liste der Handbücher Liste der Benutzerhandbücher von MEGA MEGA 2009 SP4 1. Ausgabe (Juni 2010) Die in diesem Dokument enthaltenen Informationen können jederzeit ohne vorherige Ankündigung geändert werden

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum

Mehr

Redwood Cronacle und REALTECH theguard! Integration

Redwood Cronacle und REALTECH theguard! Integration Redwood Cronacle und REALTECH theguard! Integration Einleitung Redwood Software und REALTECH haben gemeinsam eine Lösung entwickelt, die die Systemverfügbarkeit von SAP und mysap Systemen signifikant erhöht.

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

MS SharePoint stellt Ihnen ein Intranet Portal zur Verfügung. Sie können Ihre Inhalte weltweit verfügbar machen auch für mobile Endgeräte.

MS SharePoint stellt Ihnen ein Intranet Portal zur Verfügung. Sie können Ihre Inhalte weltweit verfügbar machen auch für mobile Endgeräte. Microsoft SharePoint Microsoft SharePoint ist die Business Plattform für Zusammenarbeit im Unternehmen und im Web. Der MS SharePoint vereinfacht die Zusammenarbeit Ihrer Mitarbeiter. Durch die Verbindung

Mehr

Neuerungen Analysis Services

Neuerungen Analysis Services Neuerungen Analysis Services Neuerungen Analysis Services Analysis Services ermöglicht Ihnen das Entwerfen, Erstellen und Visualisieren von Data Mining-Modellen. Diese Mining-Modelle können aus anderen

Mehr

Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW

Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW Web Services Einsatzmöglichkeiten für das Information Retrieval im WWW Fabio Tosques & Philipp Mayr Frankfurt am Main, den 24. Mai 2005 27. Online-Tagung der DGI 2005 1 Überblick Datenanalyse mittels screen

Mehr

Progress of Enterprise Architecture Management 2008. Eine Studie über das integrierte Management von Business- und IT-Architektur

Progress of Enterprise Architecture Management 2008. Eine Studie über das integrierte Management von Business- und IT-Architektur Progress of Enterprise Architecture Management 2008 Eine Studie über das integrierte Management von Business- und IT-Architektur Warum eine Studie zum Thema EAM? Die Bedeutung für ein integriertes Management

Mehr

Kurze Einführung in Web Data Mining

Kurze Einführung in Web Data Mining Kurze Einführung in Web Data Mining Yeong Su Lee Centrum für Informations- und Sprachverarbeitung (CIS), LMU 17.10.2007 Kurze Einführung in Web Data Mining 1 Überblick Was ist Web? Kurze Geschichte von

Mehr

Jens Zwer. End-to-End Monitoring für Web-, SOA- und Oracle Applikationen

Jens Zwer. End-to-End Monitoring für Web-, SOA- und Oracle Applikationen Jens Zwer Applications & Systems Management Solutions End-to-End Monitoring für Web-, SOA- und Oracle Applikationen Mai 2010 Kosten Online-Applikation vs. Nutzen & Kundenzufriedenheit? Entwicklung Test

Mehr

CREATIVE PROGRAMMING TOOLKITS

CREATIVE PROGRAMMING TOOLKITS CREATIVE PROGRAMMING TOOLKITS Unter Creative Programming Toolkits verstehen wir Software-Teile welche uns helfen vielfältige Medien-kunst zu erstellen. Viele dieser Werkzeuge wurden durch Künstler für

Mehr

Kleine Torte statt vieler Worte

Kleine Torte statt vieler Worte Kleine Torte statt vieler Worte Effektives Reporting & Dashboarding mit IBM Cognos 8 BI Jens Gebhardt Presales Manager Core Technologies BI Forum Hamburg 2008 IBM Corporation Performance Optimierung 2

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Strategisches Management im öffentlichen Sektor: Eine Übersicht über den aktuellen Stand der Forschung

Strategisches Management im öffentlichen Sektor: Eine Übersicht über den aktuellen Stand der Forschung Strategisches Management im öffentlichen Sektor: Eine Übersicht über den aktuellen Stand der Forschung Prof. Dr. Isabella Proeller Universität Potsdam Workshop der WK ÖBWL Uni Mannheim, 9.10.2009 1 Strategisches

Mehr

Proseminar Website-Management-Systeme ZOPE/CMF. Andreas M. Weiner

Proseminar Website-Management-Systeme ZOPE/CMF. Andreas M. Weiner Proseminar Website-Management-Systeme ZOPE/CMF Andreas M. Weiner Technische Universität Kaiserslautern Fachbereich Informatik Arbeitsgruppe Softwaretechnik Betreuer: Dipl. Inf. Christian Stenzel Überblick

Mehr

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?

Ein Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa

Mehr

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement Jump Helpdesk Softwarelösungen für professionelles Servicemanagement Jump Network GmbH 2004-2006 Jump Helpdesk Office Übersichtliche Dokumentenstruktur und schneller Zugriff auf alle wichtigen Funktionen.

Mehr

Private Cloud Management in der Praxis

Private Cloud Management in der Praxis Private Cloud Management in der Praxis Self Service Portal 2.0 Walter Weinfurter Support Escalation Engineer Microsoft Deutschland GmbH Merkmale von Private Cloud Infrastrukturen Private Cloud = Infrastruktur

Mehr

8.4 Überblick und Vergleich weiterer ERP-Systeme. G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP

8.4 Überblick und Vergleich weiterer ERP-Systeme. G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP 8.4 Überblick und Vergleich weiterer ERP-Systeme G Oracle Applications 11 G PeopleSoft 7 G J.D. Edwards One World G BaanERP Kapitel 8: ERP-Einführung 32 Architektur von Oracle Applications 11 G Logische

Mehr

Total Cost of Ownership Vergleich Linux/Windows

Total Cost of Ownership Vergleich Linux/Windows Aktuelle Themen der Informatik Total Cost of Ownership Vergleich Linux/Windows Tobias Walter CN7 Mai 2006 1 Agenda Was ist Total Cost of Ownership? 2005 North American Linux and Windows TCO Comparison

Mehr

Ein Auszug aus... Studie. Content Management Systeme im Vergleich. Empfehlungen und Entscheidungshilfen für Unternehmensbereiche

Ein Auszug aus... Studie. Content Management Systeme im Vergleich. Empfehlungen und Entscheidungshilfen für Unternehmensbereiche Ein Auszug aus... Studie Content Management Systeme im Vergleich Empfehlungen und Entscheidungshilfen für Unternehmensbereiche Die komplette Studie ist bei amazon.de käuflich zu erwerben. Inhaltsverzeichnis

Mehr

Facetten von Designforschung Einblicke in den Stand der Dinge

Facetten von Designforschung Einblicke in den Stand der Dinge Hans Kaspar Hugentobler Designforschung: Vielfalt, Relevanz, Ideologie Facetten von Designforschung Einblicke in den Stand der Dinge Hans Kaspar Hugentobler Master of Design Diplom-Kommunikationswirt Bremen

Mehr

Andreas Emhart Geschäftsführer Alegri International Group

Andreas Emhart Geschäftsführer Alegri International Group Andreas Emhart Geschäftsführer Alegri International Group Agenda Vorstellung Alegri International Überblick Microsoft Business Intelligence Sharepoint Standard Business Intelligence Tool Excel Service

Mehr

Informationswirtschaft II Rational Unified Process (RUP)

Informationswirtschaft II Rational Unified Process (RUP) Informationswirtschaft II Rational Unified Process (RUP) Wolfgang H. Janko, Michael Hahsler und Stefan Koch Inhalt Historische Entwicklung Kennzeichen von RUP Lebenszyklus und Phasen Arbeitsabläufe Das

Mehr

Informationswirtschaft II

Informationswirtschaft II Rational Unified Process (RUP) Informationswirtschaft II Wolfgang H. Janko, Michael Hahsler und Stefan Koch Seite 1 Inhalt Historische Entwicklung Kennzeichen von RUP Lebenszyklus und Phasen Arbeitsabläufe

Mehr

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria

Analyse von unstrukturierten Daten. Peter Jeitschko, Nikolaus Schemel Oracle Austria Analyse von unstrukturierten Daten Peter Jeitschko, Nikolaus Schemel Oracle Austria Evolution von Business Intelligence Manuelle Analyse Berichte Datenbanken (strukturiert) Manuelle Analyse Dashboards

Mehr

Vortrag von: Ilias Agorakis & Robert Roginer

Vortrag von: Ilias Agorakis & Robert Roginer MDA Model Driven Architecture Vortrag von: Ilias Agorakis & Robert Roginer Anwendungen der SWT - WS 08/09 Inhalt Was ist MDA? Object Management Group (OMG) Ziele Konzepte der MDA Werkzeuge Vor- und Nachteile

Mehr

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10.

Education Day 2012. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! Education Day 2012 11.10. Wissensgold aus Datenminen: wie die Analyse vorhandener Daten Ihre Performance verbessern kann! 11.10.2012 1 BI PLUS was wir tun Firma: BI plus GmbH Giefinggasse 6/2/7 A-1210 Wien Mail: office@biplus.at

Mehr

Java 2, Enterprise Edition Einführung und Überblick

Java 2, Enterprise Edition Einführung und Überblick Universität aiserslautern AG Datenbanken und Informationssysteme Seminar Datenbank-Aspekte des E-Commerce Java 2, Enterprise Edition Einführung und Überblick m_husema@informatik.uni-kl.de Vortragsinhalte

Mehr

Client/Server-Systeme

Client/Server-Systeme Fachbereich Informatik Projektgruppe KOSI Kooperative Spiele im Internet Client/Server-Systeme Vortragender Jan-Ole Janssen 26. November 2000 Übersicht Teil 1 Das Client/Server-Konzept Teil 2 Client/Server-Architekturen

Mehr

SIX SIGMA TEIL 1: EINFÜHRUNG IN DMAIC MARTIN ZANDER. Green Belt Level

SIX SIGMA TEIL 1: EINFÜHRUNG IN DMAIC MARTIN ZANDER. Green Belt Level 2010 SIX SIGMA TEIL 1: EINFÜHRUNG IN SIX SIGMA DMAIC MARTIN ZANDER Green Belt Level 2 M. ZANDER SIX SIGMA TEIL 1: EINFÜHRUNG IN SIX SIGMA Dieses Buch wurde online bezogen über: XinXii.com Der Marktplatz

Mehr

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131

Architekturen. Von der DB basierten zur Multi-Tier Anwendung. DB/CRM (C) J.M.Joller 2002 131 Architekturen Von der DB basierten zur Multi-Tier Anwendung DB/CRM (C) J.M.Joller 2002 131 Lernziele Sie kennen Design und Architektur Patterns, welche beim Datenbankzugriff in verteilten Systemen verwendet

Mehr

OpenCMS im ÖVSV. Robert Kiendl, OE6RKE Mai 2007 Anlässlich Laa Funkausstellung 2007

OpenCMS im ÖVSV. Robert Kiendl, OE6RKE Mai 2007 Anlässlich Laa Funkausstellung 2007 Robert Kiendl, OE6RKE Mai 2007 Anlässlich Laa Funkausstellung 2007 Allgemeines OpenCMS ist seit gut 2 Jahren das Webeditor Tool im ÖVSV Das Werkzeug wird erfolgreich für Dachverbands, Landesverbands und

Mehr

DCCS Lotusphere Nachlese 2012 Was sind XPages? Mobile Features für XPages

DCCS Lotusphere Nachlese 2012 Was sind XPages? Mobile Features für XPages Wir automatisieren und optimieren Ihre Geschäftsprozesse DCCS Lotusphere Nachlese 2012 Was sind XPages? Mobile Features für XPages Thomas Brandstätter 06.03.2012 www.dccs.at Agenda Theorie Was sind XPages

Mehr

Softwareentwicklung mit Enterprise JAVA Beans

Softwareentwicklung mit Enterprise JAVA Beans Softwareentwicklung mit Enterprise JAVA Beans Java Enterprise Edition - Überblick Was ist J2EE Java EE? Zunächst mal: Eine Menge von Spezifikationen und Regeln. April 1997: SUN initiiert die Entwicklung

Mehr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen

Mehr

Weiterentwicklung digitaler Bibliothekssysteme zu OpenArchives-Systemen

Weiterentwicklung digitaler Bibliothekssysteme zu OpenArchives-Systemen Weiterentwicklung digitaler Bibliothekssysteme zu OpenArchives-Systemen Osnabrück, 2003-03-13 Prof. Dr. G. Specht, U Ulm Dipl.-Inform. Michael G. Bauer, TU München 1. OMNIS/2 Motivation 2. Übersicht über

Mehr

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining. Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen

Mehr

Technische Voraussetzungen für f r CRM Hosting

Technische Voraussetzungen für f r CRM Hosting Technische Voraussetzungen für f r CRM Hosting Holger Rackow Technologieberater - Microsoft Dynamics CRM Microsoft Dynamics CRM 3.0 Wo stehen wir heute? Microsoft CRM weltweites Kundenwachstum 53 Länder,

Mehr

Symbio system requirements. Version 5.1

Symbio system requirements. Version 5.1 Symbio system requirements Version 5.1 From: January 2016 2016 Ploetz + Zeller GmbH Symbio system requirements 2 Content 1 Symbio Web... 3 1.1 Overview... 3 1.1.1 Single server installation... 3 1.1.2

Mehr

Entwicklung von Web-Anwendungen auf JAVA EE Basis

Entwicklung von Web-Anwendungen auf JAVA EE Basis Entwicklung von Web-Anwendungen auf JAVA EE Basis Java Enterprise Edition - Überblick Prof. Dr. Bernhard Schiefer Inhalt der Veranstaltung Überblick Java EE JDBC, JPA, JNDI Servlets, Java Server Pages

Mehr

Magento goes into the cloud Cloud Computing für Magento. Referent: Boris Lokschin, CEO

Magento goes into the cloud Cloud Computing für Magento. Referent: Boris Lokschin, CEO Magento goes into the cloud Cloud Computing für Magento Referent: Boris Lokschin, CEO Agenda Über symmetrics Unsere Schwerpunkte Cloud Computing Hype oder Realität? Warum Cloud Computing? Warum Cloud für

Mehr

Master-Thesis (m/w) für unseren Standort Stuttgart

Master-Thesis (m/w) für unseren Standort Stuttgart Master-Thesis (m/w) für unseren Standort Abschlussarbeit im Bereich Business Process Management (BPM) Effizienzsteigerung von Enterprise Architecture Management durch Einsatz von Kennzahlen Braincourt

Mehr

IBM SPSS Data Access Pack Installationsanweisung für Windows

IBM SPSS Data Access Pack Installationsanweisung für Windows IBM SPSS Data Access Pack Installationsanweisung für Windows Inhaltsverzeichnis Kapitel 1. Übersicht.......... 1 Einführung............... 1 Bereitstellen einer Datenzugriffstechnologie.... 1 ODBC-Datenquellen...........

Mehr

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28. PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum

Mehr

Optimale Integration der IT-Security in Geschäftsprozesse

Optimale Integration der IT-Security in Geschäftsprozesse Optimale Integration der IT-Security in Geschäftsprozesse A Min TJOA Edgar WEIPPL {Tjoa Weippl}@ifs.tuwien.ac.at Übersicht Einleitung ROPE (S. Tjoa, S. Jakoubi) MOS³T (T. Neubauer) Security Ontologies

Mehr

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013

TOP. wird ein wichtiges Jahr für BIG (Business Intelligence Growth) DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 0 Es TOP 10 DER BUSINESS INTELLIGENCE TRENDS FÜR DAS JAHR 2013 wird ein wichtiges Jahr für BIG (Business Intelligence Growth) 2012 war ein fantastisches Jahr für Business Intelligence! Die biedere alte

Mehr

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft

Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Business Intelligence und Geovisualisierung in der Gesundheitswirtschaft Prof. Dr. Anett Mehler-Bicher Fachhochschule Mainz, Fachbereich Wirtschaft Prof. Dr. Klaus Böhm health&media GmbH 2011 health&media

Mehr

CALL CENTER- KURZ CHECK

CALL CENTER- KURZ CHECK CALL CENTER- KURZ CHECK DER KARER CONSULTING KURZ-CHECK FÜR IHREN TELEFONISCHEN KUNDENSERVICE Call Center Kurz Check White Paper 1 Einleitung Wollen Sie genau wissen, wie der aktuelle Stand in Ihrem telefonischen

Mehr

Business Intelligence Center of Excellence

Business Intelligence Center of Excellence Center of Excellence Eine Businessinitiative von Systematika und Kybeidos Werner Bundschuh Was ist das? In der Praxis versteht man in den meisten Fällen unter die Automatisierung des Berichtswesens (Reporting).

Mehr

Mehr wissen. Mehr entdecken. Mehr leisten. Erschließen Sie Informationen mit Enterprise Search.

Mehr wissen. Mehr entdecken. Mehr leisten. Erschließen Sie Informationen mit Enterprise Search. Mehr wissen. Mehr entdecken. Mehr leisten. Erschließen Sie Informationen mit Enterprise Search. Die Lösung für Enterprise Search xdot search xdot search ist eine professionelle Semantische Suche Suchlösung

Mehr

Project Management Office (PMO)

Project Management Office (PMO) Project Management Office (PMO) Modeerscheinung oder organisatorische Chance? Stefan Hagen startup euregio Management GmbH, Januar 2007 Einleitung Dem professionellen Management von Projekten und Programmen

Mehr

Web Services. 1. Quelle. Brian Connel The Seven Pillars of Web Services Management. Erschienen September 2002 im eai Journal

Web Services. 1. Quelle. Brian Connel The Seven Pillars of Web Services Management. Erschienen September 2002 im eai Journal Web Services - Brian Connel: The Seven Pillars of Web Services Management - IBM: IBM Strategy for management of the WebServices infrastrucutre Seminarvortrag von Lukasz Kidawski im Rahmen der Lehrveranstaltung

Mehr

Best Practices für RM/RE in einem Prozess Framework Thomas Schröder

Best Practices für RM/RE in einem Prozess Framework Thomas Schröder Best Practices für RM/RE in einem Prozess Framework Thomas Schröder 1 Die Herausforderung bewährte Praktiken effektiv zu nutzen Unterschiedliche Quellen in unterschiedlichen Formaten Schwierig anzupassen

Mehr

SemTalk Services. SemTalk UserMeeting 29.10.2010

SemTalk Services. SemTalk UserMeeting 29.10.2010 SemTalk Services SemTalk UserMeeting 29.10.2010 Problemstellung Immer mehr Anwender nutzen SemTalk in Verbindung mit SharePoint Mehr Visio Dokumente Viele Dokumente mit jeweils wenigen Seiten, aber starker

Mehr

Anforderungen und Auswahlkriterien für Projektmanagement-Software

Anforderungen und Auswahlkriterien für Projektmanagement-Software Anforderungen und Auswahlkriterien für Projektmanagement-Software Anika Gobert 1,Patrick Keil 2,Veronika Langlotz 1 1 Projektmanagement Payment Giesecke &Devrient GmbH Prinzregentenstr. 159, Postfach 800729,

Mehr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr

Introduction to the diploma and master seminar in FSS 2010. Prof. Dr. Armin Heinzl. Sven Scheibmayr Contemporary Aspects in Information Systems Introduction to the diploma and master seminar in FSS 2010 Chair of Business Administration and Information Systems Prof. Dr. Armin Heinzl Sven Scheibmayr Objective

Mehr

Der Gartner Hype Cycle als. prognostischer Hintergrund

Der Gartner Hype Cycle als. prognostischer Hintergrund Der Gartner Hype Cycle als 2 prognostischer Hintergrund Die Digitale Revolution steht nicht bevor, sondern sie entfaltet in vielen Bereichen schon die Kraft der schöpferischen Zerstörung. Eine wichtige

Mehr

Seminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006

Seminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006 Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet

Mehr

WEKA A Machine Learning Interface for Data Mining

WEKA A Machine Learning Interface for Data Mining WEKA A Machine Learning Interface for Data Mining Frank Eibe, Mark Hall, Geoffrey Holmes, Richard Kirkby, Bernhard Pfahringer, Ian H. Witten Reinhard Klaus Losse Künstliche Intelligenz II WS 2009/2010

Mehr

Sichere Digitale Soziale Netzwerke

Sichere Digitale Soziale Netzwerke Sichere Digitale Soziale Netzwerke Eine Chance für E-Learning? LifeSocial - www.lifesocial.org E-Learning QuaP2P Improving the Quality of P2P Systems DFG research group 733 Dr.Ing. Kalman Graffi Kalman.Graffi@KOM.tu-darmstadt.de

Mehr

Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung

Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung Fraunhofer Institut für Produktionsanlagen und Konstruktionstechnik (IPK) Geschäftsfeld Unternehmensmanagement

Mehr

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH)

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) , XML LV BF23 (0F32) Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) Achim Oßwald FH Köln Institut für Informationswissenschaft Wintersemester 2010 (Stand: 3.12.10) 1/ 18 OAI-PMH

Mehr

Leistungssteuerung beim BASPO

Leistungssteuerung beim BASPO Leistungssteuerung beim BASPO Organisationsstruktur Advellence die Gruppe. Advellence Consulting Advellence Solutions Advellence Products Advellence Services HR-Migrator & albislex powered byadvellence

Mehr

Java Applet Alternativen

Java Applet Alternativen White Paper Java Applet Alternativen Version 1.0, 21.01.2014 Tobias Kellner tobias.kellner@egiz.gv.at Zusammenfassung: Aufgrund diverser Meldungen über Sicherheitslücken in Java haben in letzter Zeit Browser-Hersteller

Mehr

Das Beste aus zwei Welten

Das Beste aus zwei Welten : Das Beste aus zwei Welten Das Beste aus zwei Welten Aufruf von R Funktionen mit PROC IML KSFE 2012 08.03.2012 ist IT Dienstleister für Business Intelligence und Datenanalyse gibt es seit über 20 Jahren

Mehr

(BABOK-v3-Technik 10.41)

(BABOK-v3-Technik 10.41) (BABOK-v3-Technik 10.41) Allgemeines Scope-Modelling gibt Antworten auf die Fragen Was gehört zum System und was nicht? sowie Woher kommen die Anforderungen? Diese Fragen sollten generell zu Beginn jeder

Mehr

Integration Services - Dienstarchitektur

Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Dieser Artikel solle dabei unterstützen, Integration Services in Microsoft SQL Server be sser zu verstehen und damit die

Mehr

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.

Explosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd. Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge

Mehr