GIS und Spatial Business Intelligence Geodatenserver und Data Warehouses, die konsequente Symbiose

Transkript

1 GIS und Spatial Business Intelligence Geodatenserver und Data Warehouses, die konsequente Symbiose DOAG-Jahreskonferenz 2006 Mannheim, Rolf Jüttner, CISS TDI GmbH

2 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

3 Firmenprofil Firmenprofil CISS TDI GmbH Gründung: 1982 Bonn Firmensitz: Sinzig/Rhein Philosophie: CISS TDI beschäftigt sich seit der Gründung damit, Nutzern von Geodaten einen ungehinderten und dennoch kontrollierten Zugang zu Geoinformationen zu ermöglichen. Sinzig B9 BHF Ahr Koblenz Rhein

4 Produkte CITRA Softwareprodukt für Analyse, Aufbereitung und Austausch komplexer raumbezogener Informationen zwischen GIS und Datenbanken (derzeit über 40 Quell- und Zielsysteme)

5 Produkte Geodatenserver Integration von Daten verschiedenster Quellsysteme, deren datenbankgestützte Verwaltung und bedarfsgerechte Bereitstellung mit CITRA direkt oder über ExportCenter

6 Produkte CITRA -ExportCenter geocommerce: Der Shop Gesicherte Verteilung von Geodaten im Intra-/Internet CITRA -ExportCenter geocommerce: Der Shop

7 Produkte Liegenschaftskarte (Lika-V) Rheinland-Pfalz über eine Shop-Lösung

8 Firmenprofil Referenzen (Auswahl) Landesverwaltungen Freie und Hansestadt Hamburg Kommunalverwaltungen Ver- und Entsorger Verkehr/Kommunikation

9 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

10 GIS-Brille GIS-Historie GIS ist Technologie getrieben. Gemeinsame Datennutzung verschiedener Anwender mit verschiedenen Technologien undenkbar. Datenaustausch nur schwer möglich. GIS teuer und komplex. Beschränkter Nutzerkreis. Marktplatz Geodaten unbekannte Vokabel.

11 GIS-Brille Grundsatzüberlegungen Daten haben den größten Wert. Anwender möchte mit den besten GIS- Werkzeugen seine Aufgaben erledigen und die Nutzung von Geodaten darf nicht behindert werden.

12 GIS-Brille Oberstes Ziel: Akzeptanz der Anwender optimale Nutzung Einbettung der Geokomponente reibungsarm, d.h. unter Verwendung offener Industriestandards. Vermeidung proprietärer Lösungen in der bestehenden DWH-Landschaft (überwiegend Oracle). Versorgung existierender Prozesse und Nutzer über die bestehenden Verbindungen. Zugriff des GIS Spezialisten Client auf sämtliche Daten und Services muss möglich sein.

13 GIS-Brille Oberstes Ziel: Akzeptanz der Anwender optimale Nutzung Integration in Mainstream IT Auswertungsmöglichkeiten ohne GIS- Spezialkenntnisse (z.b. via SQL) - Viele Auswertungen auf Basis geographischer Daten brauchen kein GIS (Bsp. Navigation im Auto, Netzberechnungen, Verschneidungen kritischer Bereiche z.b. Umwelt und Industrieansiedlung). - Geographischer Bezug dient lediglich als Grundlage Allgemeiner Anwendungen.

14 GIS-Brille Grundsatzüberlegungen

15 GIS-Brille Blick über den Zaun Ähnliche Aufgabenstellungen und Lösungsstrategien gibt es seit längerem in der Mainstream-IT. Data Warehouses

16 GIS-Brille Produktion Veredelung Verwaltung Verteilung Geodatenserver EDBS / NAS Auskunft via Browser Nachbarstadt Geobasisdaten (LVermA) Notar Shape Web-Dienste Verkehrsbetriebe Umweltdaten Smallworld Geodatenserver Direktzugriff Bürger Stadtwerke Flughafen Leitungsdaten (EVU) Ämter der Stadt GDF Straßendaten Bedarfsgerechte Abgabe, z.b. über ExportCenter oder Shop Sonstige

17 GIS-Brille Ein (Geo-)Data Warehouse ist/leistet: Integration von Daten aus verteilten und unterschiedlich strukturierten Beständen Konsolidierung/Veredelung/Qualitätssicherung im Rahmen des ETL-Prozesses Übergreifende Nutzung, z.b. Analyse/Auskunft/Reports, Unterstützung von (Geschäfts-)Entscheidungen Technische Trennung der Auswertung von der Produktion (OLTP/OLAP) Komplexes System aus unterschiedlichen Komponenten bzw. Anwendungen Verarbeitung großer Datenmengen Export von Teildatenbeständen handlicher Größe (Data-Marts) Wertsteigerung

18 GIS-Brille Ein (Geo-)Data Warehouse ist/leistet: Integration von Daten aus verteilten und unterschiedlich strukturierten Beständen Konsolidierung/Veredelung/Qualitätssicherung im Rahmen des ETL-Prozesses Übergreifende Nutzung, z.b. Analyse/Auskunft/Reports, Unterstützung von (Geschäfts-)Entscheidungen Technische Trennung der Auswertung von der Produktion (OLTP/OLAP) Komplexes System aus unterschiedlichen Komponenten bzw. Anwendungen Verarbeitung großer Datenmengen Export von Teildatenbeständen handlicher Größe (Data-Marts) Wertsteigerung

19 GIS-Brille Ein (Geo-)Data Warehouse ist/leistet: Integration von Daten aus verteilten und unterschiedlich strukturierten Beständen Konsolidierung/Veredelung/Qualitätssicherung im Rahmen des ETL-Prozesses Übergreifende Nutzung, z.b. Analyse/Auskunft/Reports, Unterstützung von (Geschäfts-)Entscheidungen Technische Trennung der Auswertung von der Produktion (OLTP/OLAP) Komplexes System aus unterschiedlichen Komponenten bzw. Anwendungen Verarbeitung großer Datenmengen Export von Teildatenbeständen handlicher Größe (Data-Marts) Wertsteigerung

20 GIS-Brille Ein (Geo-)Data Warehouse ist/leistet: Integration von Daten aus verteilten und unterschiedlich strukturierten Beständen Konsolidierung/Veredelung/Qualitätssicherung im Rahmen des ETL-Prozesses Übergreifende Nutzung, z.b. Analyse/Auskunft/Reports, Unterstützung von (Geschäfts-)Entscheidungen Technische Trennung der Auswertung von der Produktion (OLTP/OLAP) Komplexes System aus unterschiedlichen Komponenten bzw. Anwendungen Verarbeitung großer Datenmengen Export von Teildatenbeständen handlicher Größe (Data-Marts) Wertsteigerung km 2 ; 45 Kreise Ca. 220 GB Tablespace DB-Tabellen im ALK-Bestand - 60 Mio. Punkte - 24 Mio. Objektkoordinaten - 17 Mio. Flächen - 45 Mio. Texte - 17 Mio. topogr. Objekte, Grenzlinien Mio. Einträge

21 GIS-Brille Ein (Geo-)Data Warehouse ist/leistet: Integration von Daten aus verteilten und unterschiedlich strukturierten Beständen Konsolidierung/Veredelung/Qualitätssicherung im Rahmen des ETL-Prozesses Übergreifende Nutzung, z.b. Analyse/Auskunft/Reports, Unterstützung von (Geschäfts-)Entscheidungen Technische Trennung der Auswertung von der Produktion (OLTP/OLAP) Komplexes System aus unterschiedlichen Komponenten bzw. Anwendungen Verarbeitung großer Datenmengen Export von Teildatenbeständen handlicher Größe Wertsteigerung

22 GIS-Brille Abgrenzung zu Diensten z.b. WMS

23 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

24 BI-Sicht Definition nach Wikipedia Der Begriff Business-Intelligence (= Geschäftsanalyse, [...] von einigen Autoren mit Geschäftsintelligenz übersetzt, Abk. BI) [...] bezeichnet Systeme und Prozesse zur systematischen Analyse (intelligence) des eigenen Unternehmens und seines kommerziellen Umfelds bzw. bestimmter Teilaspekte. Ziel ist die Gewinnung von Erkenntnissen, die in Hinsicht auf die Unternehmensziele bessere operative, taktische oder strategische Entscheidungen ermöglichen. Dies geschieht mit Hilfe bestimmter analytischer Konzepte und EDV-Systeme, die Daten über das eigene Unternehmen, die Mitbewerber oder Marktentwicklung im Hinblick auf den gewünschten Erkenntnisgewinn auswerten. Mit den gewonnenen Erkenntnissen können Unternehmen ihre Geschäftsabläufe, Kundenund Lieferantenbeziehungen profitabler machen, Kosten senken, Risiken minimieren und die Wertschöpfung vergrößern. Der Begriff wird dem Fachgebiet der Wirtschaftsinformatik zugerechnet. Quelle:

25 BI-Sicht Definition nach Wikipedia Ein Data Warehouse (deutsch Datenlager) ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher Quellen zusammensetzt. Die Daten werden [...] vor allem für die Datenanalyse und zur betriebswirtschaftlichen Entscheidungshilfe in Unternehmen langfristig gespeichert. [...] Daten werden im Rahmen des ETL-Prozesses aus verschiedenen Quellen Extrahiert, durch Transformation bereinigt und vereinheitlicht, um danach in das Data Warehouse geladen zu werden. Dieser Prozess kann turnusgemäß durchgeführt werden. Quelle:

26 BI-Sicht Historie nach Wikipedia Der Data-Warehouse-Begriff wurde Mitte der 1980er Jahre bei IBM geprägt und mit information warehouse bezeichnet. Der Terminus data warehouse wurde erstmals 1988 von Devlin verwendet. In jüngerer Zeit werden Data-Warehouse-Systeme auch als Business- Warehouse-Systeme (z. B. SAP) oder als Business-Intelligence-Systeme (Auswertungsorientierte Sicht) bezeichnet, wodurch die geschäftliche Bedeutung derartiger Systeme betont werden soll. Quelle:

27 BI-Sicht Betriebswirtschaftliche Definition Ein Data Warehouse (dt. Warenhaus) ist eine integrierte, strukturierte und historische Sammlung aller in einem Unternehmen oder Unternehmensbereich vorhandenen Daten. In diesen Datenpool fließen interne und externe Daten ein, die konsolidiert, verdichtet und analysiert werden. [...] Um umfangreiche Warehouses bzw. Datenbestände überhaupt "zugreifbar" zu halten, werden in der Praxis sogenannte (Data) Marts, d.h. abteilungs- bzw. anwenderspezifische Teilmengen ausgegliedert und bereitgehalten. Der Nutzen besteht vor allem in der Vielfalt der möglichen Auswertungen. Quelle:

28 BI-Sicht 4managers Grafik Quelle:

29 BI-Sicht Definition nach Oracle data warehouse A relational database that is designed for query and analysis rather than transaction processing. [...] It separates analysis workload from transaction workload and enables a business to consolidate data from several sources. In addition to a relational database, a data warehouse environment often consists of an ETL solution, an OLAP engine, client analysis tools, and other applications [...]. (OLAP = OnLine Analytical Processing) (OLTP = OnLine Transactional Processing) Quelle: Dokumentation Oracle 10g, Glossar

30 BI-Sicht Definition aus Die vielseitigen Aufgaben eines Data Warehouse erledigt nicht etwa eine monolithische Anwendung, sondern ein komplexes System, bei dem etliche Anwendungen kooperieren. [...] Es liegt nicht nur an Ressourcenbeschränkungen, die die Verwendung der operativen Datenbanken [...] unmöglich machen. Der Zugriff auf die Informationen erfordert auch eine ganz andere Organisation [der Daten]. Quelle:

31 BI-Sicht Typische Gründe für DWH & BI Im Unternehmen sind die Informationen verstreut. Keine langfristige Verfügbarkeit von operativen Daten. Auswertungen belasten die operativen Systeme.

32 BI-Sicht Entscheidungsorientierte Informationen Hohe Verbreitung von BI-Lösungen in Grossunternehmen, hohes Wachstum im gehobenen Mittelstand Zielgruppen: - Controlling (91%) - Top-Management (89%) - Finanzabteilung (84%) - Vertrieb (71%) - Marketing (51%)

33 BI-Sicht Benötigt werden eine zentrale, robuste und konsolidierte Datenschicht für qualitativ bessere Entscheidungen... moderne und flexible Analysewerkzeuge, um die Analysebedarfe der Endanwender in Fachbereichen abzudecken

34 BI-Sicht Klassische Architektur Datenquellen Zentrale Datenhaltung Benutzerzugriff Massendaten, Datenintegration, Hoher Qualitätsanspruch

35 BI-Sicht Klassische Architektur Datenquellen Zentrale Datenhaltung Benutzerzugriff Relationale Tabellen Spatial OLAP Data Mining M e t a d a t e n M e t a d a t e n Applikationen Reports Analysen Dashboards Drittwerkzeuge P O R T A L Ein DBMS für alle Daten Offenheit, Standards

36 BI-Sicht Informationsselektion / -priorisierung In den Unternehmen und Behörden liegen massenweise Daten vor, eher zuviel als zu wenig. Entscheider und Analysten haben Schwierigkeiten, die richtigen Erkenntnisse zu gewinnen. - Was ist auffällig? - Welche Beziehungen zwischen den Daten bestehen?

37 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

38 Unterschied Unterschiede bei den Merkmalen Komplexität? Datenvolumen? Unternehmensübergreifende Nutzung? Raumbezug?

39 Unterschied Merkmale von Daten Komplexität Kein signifikanter Unterschied

40 Unterschied Merkmale von Daten Datenvolumen LV BW: ca. 9 Mio. Flurstücke Monatlich 1,3 Mio. Datensätze ZIMAS nur Bereich Bevölkerung Kein signifikanter Unterschied

41 Unterschied Merkmale von Daten Unternehmensübergreifende Nutzung Geodaten sind von allgemeinem Interesse

42 Unterschied Merkmale von Daten Raumbezug Kein signifikanter Unterschied, ggf. Detaillierungsgrad

43 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

44 GIS ist keine Einzelwelt Übertragbarkeit von Geo auf DWH und BI Integration von Daten Konsolidierung, Veredelung und QS Trennung der Auswertung von der Produktion Minimieren von Beziehungen Komplexes System Große Datenmengen Daten öffnen Fachübergreifende Nutzung, speziell Geo Unternehmensübergreifende Nutzung Export von Teildatenbeständen Wertsteigerung, Marktchancen nutzen

45 GIS ist keine Einzelwelt Operative Ebene Datenhaltungsebene Decision Support Ebene Interne Daten Produktion ÖV Planung ÖV Umwelt EVU Dokumentation Externe Daten z.b. ALK, ALKIS Extract Trans- z.b. 4managers Grafik formation & Load Data Marts z.b. Geoshop Export Center z.b. CITRA Offene Datenhaltung mit Oracle Auswerteebene z.b. Webdienste Direktzugriff SQL Quelle: eigene Darstellung nach

46 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

47 Projektbeispiele Beispiel Baden-Württemberg Etwa 80% der ALK/ALB-Daten Baden-Württembergs werden vom LVBW zentral verwaltet Rest ist verteilt auf 25 Stadtmessungsämter (unterschiedliche Systeme: Smallworld, SICAD, C-Plan, IBM GTIS u.a.) Standardformate für Datenaustausch (BGrund/WLDGE) Schwierig: übergreifende Datennutzung und -analyse

48 Projektbeispiele Beispiele übergreifender Datennutzung Beispiel Baden-Württemberg Landesbehörden (Umwelt, Landwirtschaft, Polizei) Präsentation im Internet (GEODIS Projekt, siehe LV-Shop unter Große Energieversorger, Telekommunikation Stadt und Umland (ÖPNV, Stadtwerke) Stadt oder Umland (Ing.-Büros, Immobilienverw.) Interne Qualitätsprüfung und Datenanalyse

49 Projektbeispiele Datenmengen Beispiel Baden-Württemberg km 2 ; 45 Kreise; Gemeinden; Gemarkungen Ca. 220 GB Tablespace (100 GB für Daten, 120 GB für Indizes) DB-Tabellen im ALK-Bestand - 60 Mio. Punkte (35 Mio. nummeriert, 25 Mio. unnummeriert) - 24 Mio. Objektkoordinaten - 17 Mio. Flächen (9 Mio. Flurstücke, 5 Mio. Gebäude) - 45 Mio. Texte - 17 Mio. topogr. Objekte, Grenzlinien Mio. Einträge für n:m-relationen (max. 120 Mio./Tabelle) DB-Tabellen im ALB-Bestand - je 9 Mio. Einträge in diversen ALB-Tabellen (1 Zeile/Flurstück) - 50 Mio. Einträge im ALB-Buchbestand

50 Projektbeispiele Beispiel Baden-Württemberg

51 Projektbeispiele Beispiel Baden-Württemberg

52 Projektbeispiele Produktion Veredelung Verwaltung Verteilung Geodatenserver Geodatenserver GVHK

53 Projektbeispiele ALK-Internetshop ALK-Internetshop zum Bezug von Liegenschaftskarten

54 Projektbeispiele ALK-Internetshop - Reduktion der Kosten um 25% ALK-Internetshop - Möglichkeit der unmittelbaren Konvertierung

55 Projektbeispiele KDZ Westfalen-Süd, Verbandsgebiet 2 Kreise: Olpe und Siegen-Wittgenstein 18 kreisangehörige Städte und Gemeinden Einwohner Gebiet ca. 60 km NS und 55 km WO

56 Projektbeispiele Beispiel KDZ Westfalen-Süd

57 Projektbeispiele Beispiel KDZ Westfalen-Süd

58 Projektbeispiele Szenario 1: Lösungs-orientierter Ansatz Beispiel KDZ Westfalen-Süd Orientierung am eigenen Produkt Größere Attraktivität durch mehr Fachschalen MapInfo GeoMedia AutoCAD AutoDesk Vielfalt von Direktschnittstellen ArcView CADdy ArcInfo

59 Projektbeispiele Szenario 2: Beispiel KDZ Westfalen-Süd Technologie-orientierter Ansatz Orientierung an einheitlichen, aber speziellen Systemkomponenten Minimierung von Technologieproblemen Fachschale B System A Web Fachschale C System A Geschlossener Ansatz, System A System A Zentrale Datenhaltung technologieabhängig ngig Fachschale A System A Fachschalen von A-Z Fachschale D

60 Projektbeispiele Szenario 3: Geodata Warehouse Beispiel KDZ Westfalen-Süd Beibehaltung bewährter Fachsysteme Einheitliche Datenmodellierung u. Datenspeicherung Fachschale B System A Web Fachschale C System B System C Offener Ansatz, System A Zentrale Datenhaltung GIS-unabh unabhängigngig Fachschale A System D Fachschalen von A-Z Fachschale D

61 Projektbeispiele Kleinkläranlagen Beispiel KDZ Westfalen-Süd IMS-Datenbank-Auszug (GeoFachdaten) D a t e n s c h u t z

62 Projektbeispiele Kleinkläranlagen Beispiel KDZ Westfalen-Süd nach Übertragung ins Desktop- Mappingsystem Georeferenzierte Punktübersicht Kleinkläranlagen ab jetzt Möglichkeiten der Nutzwertsteigerung!

63 Projektbeispiele Nutzwertsteigerung (Veredelung) von Datenbeständen KDZ Westfalen-Süd GeoFachdaten Geo-Information

64 Projektbeispiele Beispiel Landeshauptstadt Düsseldorf Fachamt Langtitel System Amt 10 Hauptamt - Amt für Organisation, Personal MapInfo GeoMedia, Grappa und IT Amt 12 Amt für Wahlen und Statistik MapInfo Amt 15 Zentrum für Personalentwicklung MapInfo Amt 19 Umweltamt MapInfo Amt 23 Amt für Immobilienmanagement MapInfo Amt 32 Ordnungsamt MapInfo Amt 37 Feuerwehr, Rettungsdienst und MapInfo Bevölkerungsschutz Amt 40 Schulverwaltungsamt MapInfo Amt 41 Kulturamt MapInfo Amt 50 Sozialamt MapInfo Amt 51 Jugendamt MapInfo Amt 52 Sportamt MapInfo Amt 53 Gesundheitsamt MapInfo Amt 61 Stadtplanungsamt MapInfo GeoMedia Amt 62 Vermessungs- und Katasteramt MapInfo GeoMedia Amt 63 Bauaufsichtsamt MapInfo Amt 64 Amt für Wohnungswesen MapInfo Amt 66 Amt für Verkehrsmanagement MapInfo VIA-VIS Amt 67 Stadtentwässerungsbetrieb MapInfo Smallword Amt 68 Garten-, Friedhofs- und Forstamt MapInfo Dezernate, Fraktionen, MapInfo Bezirksverwaltungsstellen MapInfo

65 Projektbeispiele Beispiel Landeshauptstadt Düsseldorf Geodatenserver

66 Projektbeispiele Beispiel Landeshauptstadt Düsseldorf Geodatenserver

67 Projektbeispiele ALK für Nutzer aufbereitet Beispiel Landeshauptstadt Düsseldorf

68 Projektbeispiele MapInfo- und GeoMedia Beispiel Landeshauptstadt Düsseldorf

69 Projektbeispiele Wechsel von GIS-Beispielen auf BI / DWH-Bespiele

70 Projektbeispiele Beispiel ZIMAS

71 Projektbeispiele Beispiel ZIMAS: München seit 2000 Zentrales InformationsManagement- und AnalyseSystem mit den Anforderungen - Informationen schnell finden - Immer abrufbar - Aktuell - Qualitativ gesichert - Umfassend in fachlicher Tiefe, - aber gleichzeitig verständlich aufbereitet Hochkomplexe Informationsaufgabe

72 Projektbeispiele Zahlenreports sind vorhanden, aber wo besteht Handlungsbedarf? Beispiel ZIMAS

73 Projektbeispiele Beispiel ZIMAS

74 Projektbeispiele ZIMAS Beispiel ZIMAS

75 Projektbeispiele ZIMAS Beispiel ZIMAS

76 Gliederung Über CISS TDI Mit der GIS-Brille betrachtet Aus der Business-Intelligence-Sicht Was ist eigentlich der Unterschied von räumlichen Daten zu normalen Daten? Warum GIS keine Einzelwelt ist! Projektbeispiele es funktioniert wirklich! Zusammenfassung

77 Zusammenfassung Zitat Dr. Bodo Bernsdorf, GF CeGi GmbH Kontrovers gehen die Diskussionen zu. Die einen schwören auf vollständig verteilte Architekturen, wogegen die anderen das zentrale Geodatawarehouse proklamieren und Geoinformation als Teil der Business Intelligence sehen. Auf einer Veranstaltung eines unserer Gesellschafter konnte ich dann lernen, dass sich die beiden Theorien gar nicht so sehr widersprechen.... Quelle: aus Editorial, CeGi-Newsletter 2/2006

78 Zusammenfassung Zitat Frau Uta Thien-Seitz, Leiterin Statistisches Amt Stadt München Unser Auftrag besteht keineswegs darin, Herrschaftswissen anzuhäufen, sondern die Ergebnisse der amtlichen Statistik als ein öffentliches Gut jedermann in verständlicher Form unter Beachtung des Datenschutzes zugänglich zu machen. Quelle: aus Artikel Data Warehouse Drehscheibe für kommunale Informationen, von Axel Kropp

79 Zusammenfassung Abschlussthesen GIS ist ein Teil der Gesamt-IT und damit auch deren Gesetzen unterworfen. Öffnung von Geodaten liegt auf der Hand! Anwendungen profitieren bei Einbeziehung räumlicher Komponenten. Es lassen sich sogar ganz neue Erkenntnisse gewinnen. DWH eröffnen hervorragende ergänzende Publikationsmethoden für Geodaten.

80 Haben Sie Fragen? CISS TDI GmbH Barbarossastraße Sinzig Tel.: ciss@ciss.de Die abgebildeten Daten wurden mit freundlicher Genehmigung der Bayerisches LVermA, LVermA Baden-Württemberg, Vermessungs- und Katasterverwaltung Rheinland-Pfalz, Kommunale Datenzentrale Westfalen-Süd, O2 (Germany) GmbH & Co. OHG, Landeshauptstadt München, Landeshauptstadt Düsseldorf, Oracle und Tele Atlas zur Verfügung gestellt.