Entwicklung eines Bewertungsmodells für Cloud-Computing- Whitepaper

Transkript

1 Pascal Grochol Diplomarbeit im Fach Spezielle Wirtschaftsinformatik Entwicklung eines Bewertungsmodells für Cloud-Computing- Whitepaper Themasteller: Jun.-Prof. Dr. Ali Sunyaev Vorgelegt in der Diplomprüfung im Studiengang Wirtschaftsinformatik der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität zu Köln Köln, Februar 2013

2 II Inhaltsverzeichnis Abkürzungsverzeichnis... IV Abbildungsverzeichnis... V Tabellenverzeichnis... VI 1. Einleitung Grundlagen Bewertungsmodelle Cloud-Computing Whitepaper Literaturreview Herleitung des Bewertungsmodells Methodik Ergebnisse Spezifizierung von Cloud-Computing auf Unternehmen Methodik Ergebnisse Kategorisierung von Cloud-Computing-Whitepapern Methodik Ergebnisse Zwischenfazit Praktische Herausforderungen in Unternehmen Methodik der Unternehmensumfrage Aufbau des Fragenkatalogs Wahl geeigneter Unternehmen Analyse der Unternehmensumfrage Einsatz von Expert Choice Relevanz der Cloud-Computing-Whitepaper Qualität der Cloud-Computing-Whitepaper Zwischenfazit Bewertungsmodell Zusammenfassung aus Theorie und Praxis Herleitung eines Bewertungsmodells Beispielhafte Anwendung IBM: Cloudbasierte Dateiübertragungsdienste... 49

3 III 6.2 HP: Analyse von IT-Performanceproblemen KMU: Umstieg auf Cloud-Computing Kritische Beurteilung Fazit Literaturverzeichnis Anhang A: Ranking der BWL Lehrstühle der Universität zu Köln Anhang B: Fragebogen der Unternehmensumfrage Anhang C: Antworten der allgemeinen Informationen gültiger Teilnehmer Erklärung Lebenslauf... 73

4 IV Abkürzungsverzeichnis AHP AIS DEA IaaS MIS PaaS SaaS TOPSIS Analytic Hierarchy Process Association for Information Systems Data Envelopment Analysis Infrastructure as a Service Management Information Systems Platform as a Service Software as a Service Technique for Order Preference by Similarity to Ideal Solution

5 V Abbildungsverzeichnis Abb. 3-1: Grundsätzlicher Aufbau eines AHP-Problems Abb. 3-2: Cloud-Computing-Hierarchie unterteilt in vier Kategorien Abb. 3-3: Hierarchischer Aufbau der fünf Qualitätsdimensionen Abb. 4-1: Beispiel der 17-stelligen Skala des Fragebogens bei hoher Präferenz der Virtualisierung Abb. 4-2: Paarweiser Vergleich in Expert Choice Abb. 4-3: 17-stellige Skala des Fragebogens aus Sicht der geometrischen Mittelwert-Berechnung Abb. 4-4: Beispiel einer gewichteten Hierarchie in Expert Choice Abb. 4-5: Vergleich vom Distributive Mode (links) und Ideal Mode (rechts) von Expert Choice Abb. 4-6: Auswertung der Relevanz der gesamten Anzahl gültiger Teilnehmer Abb. 4-7: Auswertung der Relevanz kleiner und mittlerer Unternehmen Abb. 4-8: Auswertung der Relevanz großer Unternehmen Abb. 4-9: Auswertung der Relevanz kleiner und mittlerer Unternehmen (consistency ratio 0,2) Abb. 4-10: Auswertung der Relevanz großer Unternehmen (consistency ratio 0,2) Abb. 4-11: Auswertung der Relevanz kleiner und mittlerer Unternehmen (consistency ratio 0,1) Abb. 4-12: Auswertung der Qualität der gesamten Anzahl gültiger Teilnehmer Abb. 4-13: Auswertung der Qualität kleiner und mittlerer Unternehmen Abb. 4-14: Auswertung der Qualität großer Unternehmen Abb. 4-15: Auswertung der Qualität kleiner und mittlerer Unternehmen (consistency ratio 0,2) Abb. 4-16: Auswertung der Qualität großer Unternehmen (consistency ratio 0,2) Abb. 4-17: Auswertung der Qualität kleiner und mittlerer Unternehmen (consistency ratio 0,1)... 42

6 VI Tabellenverzeichnis Tab. 3-1: Tab. 3-2: Tab. 3-3: Tab. 4-1: Tab. 4-2: Tab. 4-3: Tab. 5-1: Tab. 5-2: Zeitschriftenliste zur Recherche innerhalb des Literaturreviews... 5 Verwendete Suchbegriffe innerhalb des Literaturreviews... 6 Vergleich von Bewertungsmodellen mit ihren Gemeinsamkeiten Aufschlüsselung und Bedeutung der 9 Skalenwerte zur Bewertung paarweiser Vergleiche Chronologische Reihenfolge der Gewinnung von Gruppenmitgliedern auf XING Consistency ratios der gültigen Umfrageteilnehmer Punktesystem bezüglich der Relevanz für kleine und mittlere Unternehmen Punktesystem bezüglich der Qualität von Whitepapern... 48

7 1 1. Einleitung Das Internet ist permanenten Trends ausgesetzt, aus denen innovative Informationstechnologien entstehen können. Um wettbewerbsfähig zu bleiben, sehen sich Unternehmen oft verpflichtet, diese Technologien in ihre Geschäftsprozesse zu integrieren. Dabei gilt u. a. zu beachten, dass nicht jeder Hype auch pauschal und nachhaltig Erfolg verspricht der Apple Newton oder IBMs PCjr gelten noch heute als typische Beispiele für zu hohe Erwartungen in der Informationstechnik. 1 So lässt sich seit einiger Zeit auch das Thema Cloud-Computing als neues Paradigma hoher Erwartungen bezeichnen. Dieses erinnert an bekannte Konzepte wie dem in den späteren 1990er-Jahren entstandenen Grid-Computing verspricht aber durchaus mehr Potential bzgl. kommerzieller Geschäftsmodelle, bspw. durch dynamische Skalierung von Anwendungen mittels Virtualisierung. 2 Doch aufgrund keiner einheitlichen Definition 3 von Cloud-Computing und der vorhandenen Unsicherheit in Unternehmen 4 können Anforderungsanalysen oft nur vage erfolgen und zu Fehleinschätzungen führen 5, welche somit eine unbefriedigende Relation von Kosten und Nutzen hervorrufen können. Vor diesem Hintergrund sollen im Rahmen der Diplomarbeit Whitepaper eine Grundlage bieten, da sie als allgemeiner Leitfaden zur Antwort für dieses Praxisproblem beitragen können. Aufgrund der Anwendungsmöglichkeiten der Cloud-Modelle und der damit einhergehenden Komplexität 6 des Themas kann bisher kein einheitliches Whitepaper existieren, welches unternehmensübergreifend zur Lösung führt. Das Hauptziel der Arbeit ist die Entwicklung eines Bewertungsmodells für Whitepaper, welches einen Beitrag dazu leistet, die Umstellung auf und den späteren Erfolg von Cloud-Computing einheitlich und übergreifend in verschiedenen Unternehmen besser zu evaluieren. Hierzu sollen zu Beginn die Grundlagen der Schwerpunkte Bewertungsmodell, Cloud-Computing und Whitepaper geklärt werden. Ein Vgl. Haskin (2007), S Vgl. Weinhardt u. a. (2009), S. 454, 456. Vgl. Marston u. a. (2011), S Vgl. European Commission (2011), S Vgl. Ebert, Man (2005), S Vgl. Louridas (2010), S. 7 9.

8 2 anschließendes Literaturreview ermittelt anhand von Vergleichen zwischen Ansätzen von Bewertungsmodellen den grundlegenden Aufbau eines theoretischen Bewertungsmodells und bringt in Erfahrung, wie eine Systematik zur Herleitung des Bewertungsmodells für Cloud-Computing-Whitepaper formuliert werden kann. Auf Basis der theoretischen Erkenntnisse wird eine Unternehmensumfrage durchgeführt, welche die vorhergehende Recherche untermauert und einen Bezug zur Zielgruppe des Bewertungsmodells herstellt. Aus den Ergebnissen der Theorie und Praxis wird im Anschluss eine Empfehlung zur Bewertung von Cloud-Computing-Whitepapern beschrieben, welcher abschließend eine bespielhafte Anwendung erfährt. 2. Grundlagen 2.1 Bewertungsmodelle Für den Begriff Bewertungsmodell existiert keine einheitliche Interpretation, die es ermöglicht, konkret nach einem Schema vorzugehen. Dass ein Bewertungsmodell heterogen verstanden wird, zeigt sich bereits im englischen Sprachraum, sodass der deutsche Begriff hierin abweichend übersetzt werden kann. Dementsprechend unterschiedlich sind auch dessen Bedeutungen: bspw. wird in der englischsprachigen Literatur ein valuation model vor allem im Personalwesen oder bei Investmententscheidungen erwähnt, 7 während assessment model als Suffix verschiedener Spezialisierungen (z. B. cost assessment model, performance assessment model ) dienen kann. 8 Im Literaturreview muss diese Gegebenheit der Inhomogenität deshalb aufgegriffen werden, um die Bedeutung eines Bewertungsmodells für diese Diplomarbeit zu präzisieren. Im konkreten Fall der Cloud- Computing-Whitepaper soll darauf geachtet werden, dass durch die weitreichende Übersetzung in englischsprachiger Literatur eine Möglichkeit geschaffen wird, das Themenfeld auf den informationstechnischen Bereich einzugrenzen. 7 8 Vgl. z. B. Gillespie, Leininger, Kahalas (1976), S. 650 sowie Tam (1998), S. 85. Vgl. z. B. Bhattacharjee, Ramesh (2000), S. 75 sowie Huang, Jiang, Tang (2009), S. 100.

9 3 2.2 Cloud-Computing Das Thema Cloud-Computing wird in der Literatur aus verschiedenen Sichten betrachtet und definiert. So wird neben dem Vergleich mit dem Grid-Computing 9 ein Bezug zu den Eigenschaften, wie einer flexiblen und bedarfsgerechten (on demand) Nutzung durch einen Pool von IT-Ressourcen, 10 hergestellt. Konkreter werden hiermit Dienste angesprochen, die unterschiedliche Bereiche der Informationstechnologie über das Internet anbieten (wie bspw. Anwendungen, Rechenleistung, Speicherkapazität). 11 Der Begriff Cloud-Computing kann dabei sowohl auf die Dienste als auch auf die Systeme, die diese Dienste bereitstellen, bezogen werden. 12 Für diese Arbeit soll das Thema aus der Sichtweise der Unternehmen betrachtet werden. So können sich aufgrund der flexiblen Nutzung über das Internet neue Möglichkeiten aber auch Risiken für die Unternehmensprozesse ergeben. 2.3 Whitepaper In der Fachliteratur wird keine einheitliche Definition zum Begriff Whitepaper formuliert. Das Gabler Wirtschaftslexikon versteht unter der Bezeichnung White Paper eine Sammlung von Ratschlägen und Empfehlungen zu einem bestimmten Vorgehen. 13 Bezogen auf das Thema Cloud-Computing und der damit einhergehenden Verwendung des Whitepaper-Begriffs im informationstechnischen Bereich, soll im Rahmen dieser Arbeit eine konkretere Definition festgelegt werden. So wird in der vorliegenden Arbeit ein Cloud-Computing-Whitepaper als ein Dokument bezeichnet, welches ein allgemeines oder spezifisches Thema des Cloud-Computings behandelt und im Idealfall einen Nutzwert für den Leser bietet. Somit können z. B. in Form von Fallstudien oder eigenen Erfahrungen in Unternehmen Lösungen, Ratschläge und Empfehlungen für bestimmte Probleme an Interessenten weitergegeben werden. Dabei unterliegt ein Whitepaper keiner einheitlichen Struktur sowie Richtlinie, sodass es z. B Vgl. Weinhardt u. a. (2009), S. 454 sowie Armbrust u. a. (2010), S. 51. Vgl. Durkee (2010), S Vgl. Durkee (2010), S. 63 sowie McAfee (2011), S Vgl. Armbrust u. a. (2010), S. 50. Gabler Verlag (o. J.)

10 4 auch als Werbeinstrument eingesetzt wird. Die Qualität und Relevanz können dadurch für den Leser stark variieren. 3. Literaturreview 3.1 Herleitung des Bewertungsmodells Methodik Um ein geeignetes Bewertungsmodell herleiten zu können, soll im Rahmen dieser Diplomarbeit ein strukturiertes Literaturreview die theoretische Grundlage bilden. In einer ersten Recherche werden Bewertungsmodelle unabhängig vom Themengebiet verglichen und deren mögliche Gemeinsamkeiten herausgearbeitet. Ausgangsbasis für die Recherche in englischsprachiger Literatur bildet dabei zunächst die geeignete Auswahl an Suchbegriffen, die sich aus mehreren Übersetzungen des Wortes Bewertungsmodell ergibt. Dabei gilt es zu beachten, dass aufgrund fehlender einheitlicher Definition mehrere Übersetzungen (bzw. Bedeutungen) möglich sind. Für die Recherche wird aus den beiden deutschen Teilworten Bewertung und Modell die Kombinationen aus assessment, evaluation, rating, validation und valuation mit design model, model, paradigm und pattern bestimmt, sodass sich insgesamt 20 Suchbgeriffe ergeben, die für den Begriff Bewertungsmodell stehen. Demnach bildet bspw. die Kombination aus assessment und model den Suchbegriff assessment model. Weiterhin werden nur Quellen zur Recherche herangezogen, die sich in den Top 25 des MIS Journalrankings der AIS 14 und gleichzeitig im Ranking der BWL-Lehrstühle der Universität zu Köln 15 befinden. Zeitschriften, die unter den Top 25 des AIS-Rankings aufgeführt sind, aber nicht im BWL-Ranking der Universität zu Köln auftreten, werden demnach nicht berücksichtigt. Dies soll einerseits gewährleisten, die Suchergebnisse ohne qualitative Einbußen einzuschränken, und andererseits sicherstellen, dass der Fokus der Recherche nicht zu weitreichend ausfällt. Tab. 3-1 fasst alle daraus resultierenden Quellen zusammen und zeigt auf, dass technisch thematisierte Zeitschriften, die sich bspw. speziell im Bereich künstlicher Intelligenz oder Kybernetik bewegen, somit ausgeschlossen werden Vgl. AIS (o. J.) Vgl. o. V. (o. J.) sowie Anhang A.

11 5 AIS Ranking Berücksichtigte Zeitschrift AIS Ranking Ausgeschlossene Zeitschrift 1 MIS Quarterly 6 Artificial Intelligence 2 Information Systems Research 7 Decision Sciences 3 Communications of the ACM 10 AI Magazine 4 Management Science 12 Decision Support Systems 5 Journal of Management Information Systems 15 ACM Transactions on Database Systems 8 Harvard Business Review 18 Journal of Computer and System Sciences 9 IEEE Transactions on Knowledge and Data Engineering* 11 European Journal of Information Systems 21 IEEE Transactions on Systems, Man, and Cybernetics 22 ACM Computing Surveys 13 IEEE Software 23 Journal on Computing 14 Information & Management 25 International Journal of Electronic Commerce 16 IEEE Transactions on Software Engineering 17 ACM Transactions (diverse) 19 Sloan Management Review 20 Communications of the AIS* 24 Academy of Management Journal Tab. 3-1: Zeitschriftenliste zur Recherche innerhalb des Literaturreviews Zur Recherche werden die Datenbanken EBSCOhost 16 und ProQuest 17 verwendet, da in beiden ein Großteil der Ausgaben der in Tab. 3-1 aufgeführten Zeitschriften verzeichnet ist. Zudem bieten beide Datenbanken die Möglichkeit, mittels eigener Syntax nur in vorgegebenen Zeitschriften zu suchen. 18 Zeitschriften, die in beiden Datenbanken nicht gelistet waren, sind in Tab. 3-1 mit einem Asterisk hinter dem jeweiligen Namen markiert die Suche erfolgt hierbei manuell über die journaleigene Internetpräsenz. Die Suche wird jeweils so eingeschränkt, dass nur der exakte Suchbegriff sowohl im Titel als auch im Abstract des Artikels vorkommen darf Vgl. Vgl. Beide Datenbanken verwenden hierzu einen JN-Parameter.

12 6 Insgesamt können unter Berücksichtigung dieser Vorgehensweise nur zwei Artikel gefunden werden, die während der Suche im Suchbegriff design model, paradigm oder pattern enthalten. Für die Recherche kann angenommen werden, dass es sich dabei um keine übliche Verwendung der Suchbegriffe in wissenschaftlichen Artikeln handelt, sodass diese für die angehende Recherche nicht weiter in Betracht gezogen werden. Aus den übrigen fünf Suchbegriffen, die sich aus dem Teilwort model zusammensetzen, können dagegen insgesamt 33 unterschiedliche Artikel gefunden werden. Eine Übersicht unterteilt nach den einzelnen Suchbegriffen wird in Tab. 3-2 dargestellt. Suchbegriff Häufigkeit Suchbegriff Häufigkeit assessment model 11 assessment paradigm 0 evaluation model 18 evaluation paradigm 1 rating model 1 rating paradigm 0 validation model 0 validation paradigm 0 valuation model 3 valuation paradigm 0 assessment design model 0 assessment pattern 0 evaluation design model 0 evaluation pattern 1 rating design model 0 rating pattern 0 validation design model 0 validation pattern 0 valuation design model 0 valuation pattern 0 Tab. 3-2: Verwendete Suchbegriffe innerhalb des Literaturreviews Doppelte Ergebnisse, die durch die Suche in unterschiedlichen Datenbanken entstehen, sind bereits in der Artikelanzahl einkalkuliert Ergebnisse Die Literatur bestätigt die vorherige Annahme, dass ein Bewertungsmodell nicht einheitlich verstanden wird. Dabei sind nicht nur Unterschiede aufgrund der verschiedenen Suchbegriffe bemerkbar, auch innerhalb eines Suchbegriffs existieren alternative Auffassungen. Ein assessment model steht bspw. in nur drei von elf gefunden Quellen als alleiniger Begriff und wird ansonsten durch die Präfixe cost 19, 19 Vgl. z. B. Bhattacharjee, Ramesh (2000), S. 75.

13 7 impact 20, performance 21 oder risk 22 jeweils spezifiziert. Strukturell ergeben sich ebenfalls voneinander abweichende Ansätze. Das cost assessment model von Bhattacharjee und Ramesh ist z. B. ein ergänzendes Model zum eigentlichen Hauptthema der Entwicklung eines Frameworks einer Client-Server-Architektur für Unternehmen. 23 Hierbei werden typische Kosten zusammengefasst, die von der Planung bis zur Haltung einer solchen Architektur anfallen. Um eine übergreifende Kostenbewertung zu ermöglichen, wird bei der Gegenüberstellung der Kosten ein zweidimensionales Modell angewendet, welches einerseits den Zyklus des entwickelten Frameworks ( framework life cycle ) und andererseits unterschiedliche Methoden zur Kostenabschätzung berücksichtigt. Obwohl unter diesen Methoden mehrere Vorgehensmodelle (Wasserfallmethode, Rapid Application Development, u. a.) zum Einsatz kommen, wird im gesamten cost assessment model kein mathematischer Ansatz genutzt, sodass dieses Modell eher mit einer Best Practice zu vergleichen ist. Im Gegensatz dazu steht bspw. das performance assessment model von Huang, Jiang und Tang. 24 Hierbei wird ein Ansatz präsentiert, wie die Leistung vom E-Commerce-Einsatz in Unternehmen übergreifend gemessen und bewertet werden kann. Um dieses Ziel zu erreichen, verfolgt das Modell eine sequentielle Vorgehensweise, welche mehrere Methoden zur Bewertung verwendet. In diesem Fall werden zunächst messbare Größen ( performance indicators ) festgelegt, die die Leistung von E-Commerce repräsentieren. Da für die Leistung vor allem der Vorteil und der Einfluss von E-Commerce im Unternehmen stehen, werden von den Autoren entsprechende Unternehmensprozesse als messbare Größe gewählt, die abhängig vom Vorteil und Einfluss sein können. Anschließend werden Gewichte ( indicator weights ) bestimmt, indem diese Unternehmensprozesse von Experten bewertet werden und sich somit eine messbare Signifikanz für die Zielgruppe ergibt. Anhand von verschiedenen Techniken zur Lösung von Entscheidungsproblemen (bspw. TOPSIS) kann diese Signifikanz unter anderem mathematisch ausgewertet werden Vgl. z. B. Weber (1988), S. 68. Vgl. z. B. Huang, Jiang, Tang (2009), S Vgl. z. B. Sun, Ivastava, Mock (2006), S Vgl. Bhattacharjee, Ramesh (2000), S. 80. Vgl. Huang, Jiang, Tang (2009), S

14 8 Obwohl beide Beispiel-Modelle strukturell unterschiedlich aufgebaut sind und sie sich thematisch kaum vergleichen lassen, sind dennoch Gemeinsamkeiten im Grundgerüst zu erkennen. Zunächst steht bei beiden eine Kenngröße im Vordergrund, die sich auf eine Zielgruppe bezieht, für die diese Kenngröße relevant erscheint. Im oben erwähnten cost assessment model (im Folgenden: CAM) besteht diese Kenngröße aus den Kosten, die sich auf Unternehmen beziehen, die das vorgestellte Framework einsetzen wollen. Das vorgestellte performance assessment model (im Folgenden: PAM) stellt hingegen die Leistung in den Vordergrund, welche sich im Hinblick auf Unternehmen mit E-Commerce-Einsatz bezieht. Aus Kenngröße und dazu in Bezug stehender Zielgruppe wird wiederum eine Signifikanz erkennbar, die das Ziel des Bewertungsmodells festlegt. So ist im CAM sowohl eine Kostensenkung als auch eine genaue Kostenabschätzung für die Unternehmen zielführend, während im PAM die Effizienz vom E-Commerce-Einsatz bewertet werden soll. Dabei ist weiterhin feststellbar, dass in beiden Modellen eine Unterteilung der Signifikanzen stattgefunden hat, sodass der Bewertungsschwerpunkt ein möglichst breites Spektrum abdeckt. Das CAM unterteilt die Kosten in fünf Unterkategorien (z. B. planning cost, implementation cost ), das PAM nutzt hingegen 16 Unterteilungen für die zu bewertenden Unternehmensprozesse (z. B. sales area, collaboration with partners ). Diese Granularität bewirkt, dass einzelne Teilaspekte getrennt betrachtet werden können, um bspw. bei einer späteren Bewertung entscheidungstheoretische Auswertungen anzusetzen. 25 Als weitere Gemeinsamkeit kann beobachtet werden, dass Messungs- und Bewertungsgrundlage auf bereits bekannten Methoden basieren. Das CAM greift hierbei auf Vorgehensmodelle zur Softwareentwicklung (Wasserfallmodell, u. a.) zurück, während das PAM Techniken zur Effizienz-Analyse (DEA, TOPSIS, u. a.) einsetzt. Fasst man diese Beobachtung zusammen, lassen sich folgende abstrakte Charakteristiken in den Modellen finden: Kenngröße: Eine Kenngröße spiegelt die eigentliche Absicht des Bewertungsmodells wider ( Was soll grundsätzlich bewertet werden? ). Signifikanz: Das Modell richtet sich an eine bestimmte Zielgruppe, die aus der Kenngröße eine Signifikanz ableitet. Soll z. B. eine Bewertung für die Leistung 25 Vgl. Huang, Jiang, Tang (2009), S. 104.

15 9 vorgenommen werden, entscheidet erst die Zielgruppe, welche Art von Leistung für diese entscheidend ist und wie dementsprechend bewertet werden soll. Unterteilung: Das zu bewertende Objekt, welches sich durch die Signifikanz herausbildet, wird in seine Teilbereiche unterteilt. Stellt sich z. B. die Effizienz im Unternehmen als Signifikanz heraus, könnte eine Unterteilung in die relevanten Unternehmensprozesse vorgenommen werden. Verfahren: Grundlage zur Messung und Bewertung basiert auf wissenschaftliche Verfahren (z. B. entscheidungstheoretische Methoden). Der Vergleich hat gezeigt, dass selbst Modelle gleicher Bezeichnung (hier: assessment model) ungleich verstanden werden können, aber dennoch auf einer abstrakten Ebene gewisse Ähnlichkeiten aufweisen. Deshalb wird im Folgenden nicht mehr explizit auf die verschiedenen Bezeichnungen eingegangen, sondern die Modelle aus der Literatur als Gesamtmenge potentieller Bewertungsmodelle eingestuft. Obwohl bisher nur zwei Beispiele verglichen werden, lassen sich deren Gemeinsamkeiten auch in anderen Modellen wiederfinden, die mithilfe der Methodik aus Kapitel ermittelt werden. Tab. 3-3 zeigt exemplarisch fünf weitere Modellvarianten auf und fasst die jeweiligen Merkmale (siehe Erläuterungen in der Aufzählung oben) zusammen. Modell Kenngröße Signifikanz Unterteilung Verfahren 1 26 Qualität und Zuverlässigkeit von SaaS Reputation, Qualität, Kosten Parameter, die bspw. das Verhalten der Services messen (z. B. uptime, response time) Eigenentwickelte Automatisierung; mathematische Funktionen je nach Signifikanz bzw. Parameter 2 27 Zufriedenheit gegenüber Question Answering Systems (QAS) Zuverlässigkeit für den Anwender Bedienkomfort, Nützlichkeit, Qualitäten Likert-Skala 3 28 Bewertung von Datenbank- Last, Leistung während Parameter zur Messung (z. B. Stochastische Auswertungen Vgl. Limam, Boutaba (2010), S , 566. Vgl. Ong, Day, Hsu (2009), S Vgl. Siler (1976), S

16 10 Abfrage- Systemen Datenabfrage disk rotations, response time) (Zipf-Verteilung) Barrierefreiheit 4 29 innerhalb von MIS Effizienz der Ressourcen- Allokation Formen der Einschränkungen (geistig Behinderter) Lineare Optimierung Bewertung von 5 30 Outsourcing- Anbietern für KMU Leistung, Kapazität Kapazitäten und Anforderungen im KMU-Umfeld Delphi-Methode, AHP Tab. 3-3: Vergleich von Bewertungsmodellen mit ihren Gemeinsamkeiten Die Unterschiede der Modelle sind vor allem durch die Vielseitigkeit der eingesetzten Verfahren zu erkennen. Auch wie letztendlich die Unterteilung gewählt wird und zum entsprechenden Verfahren führt, macht deutlich, dass ein Bewertungsmodell sowohl von subjektiven Entscheidungen seitens des Autors als auch von anderen Faktoren geleitet sein kann. So kann bspw. auch der Zeitpunkt der Veröffentlichung einen Einfluss auf die Entscheidungen des Autors haben. Um ein Beispiel zu nennen: wäre Modell Nummer 3 (von 1976) in der heutigen Zeit veröffentlicht worden, würde sich der Autor evtl. nicht mehr für den Parameter disk rotations entscheiden, da dieser aufgrund der Verbreitung von Flash-Speicher (bzw. Solid State Drives) im Server- Umfeld 31 mittlerweile obsolet erscheint. Aussagen wie the structure of the model we developed was predicated on our desire to assist administrators in making decisions 32 und we believe that the proposed model could facilitate the design of QAS 33 verstärken zudem die Annahme der Subjektivität, zeigen aber gleichzeitig, dass eine konkrete Zielvorstellung vorherrscht, mit der ein angemessenes Bewertungsverfahren angestrebt wird. Dieser weitere Vergleich bekräftigt somit die vorhergehenden Aussagen über Bewertungsmodelle im Allgemeinen, stützt aber im Speziellen die These über abstrakte Gemeinsamkeiten im Grundgerüst. Diese Erkenntnisse sollen im Vgl. Heiner, Wallace, Young (1981), S Vgl. Chang u. a. (2012), S. 199, 201, 204. Vgl. Roberts, Kgil, Mudge (2009), S Vgl. Heiner, Wallace, Young (1981), S Vgl. Ong, Day, Hsu (2009), S. 397.

17 11 weiteren Verlauf dazu genutzt werden, ein adäquates Verfahren für das Bewertungsmodell dieser Diplomarbeit zu finden. Bei der Bewertung von Cloud-Computing-Whitepapern soll vorrangig ein Maß gefunden werden, das die Güte der Whitepaper mit Bezug zur Zielgruppe betrachtet. Das Bewertungsmodell richtet sich dabei vor allem an kleine und mittlere Unternehmen im IT-Bereich, die einen gewissen Grad an Interesse zum Thema Cloud-Computing besitzen. Betrachtet man diese beiden Aspekte, setzt sich die Signifikanz aus zwei Dimensionen zusammen. So muss einerseits für die Unternehmen gewährleistet sein, dass die Relevanz gegeben ist (also das Whitepaper den eigenen Interessen bezüglich Cloud-Computing entspricht), und andererseits muss für Whitepaper im Allgemeinen eine Qualitätseinschätzung gefunden werden. Kurz zusammengefasst setzt sich die Signifikanz aus der Relevanz und der Qualität zusammen. Beide Bereiche sollen demnach getrennt betrachtet werden, sodass in den Kapiteln 3.2 und 3.3 jeweils eine Möglichkeit zu einem Bewertungsverfahren vorgelegt und davon abhängig eine geeignete Unterteilung vorgenommen wird. 3.2 Spezifizierung von Cloud-Computing auf Unternehmen Methodik Wie bereits erwähnt, besteht die Relevanz von Cloud-Computing-Whitepapern für Unternehmen in Abhängigkeit vom Interesse zum Cloud-Computing. Das Bewertungsmodell soll unter anderem eine Antwort auf die Frage geben, wie relevant ein ausgewähltes Cloud-Computing-Whitepaper für Unternehmen kleiner und mittlerer Größe ist. Konkreter formuliert: welche Bereiche zum Thema Cloud-Computing interessiert die Unternehmen? Um diese Frage wiederum beantworten zu können, soll für diesen Teil des Bewertungsmodells ein entscheidungstheoretisches Verfahren die Grundlage bilden. Das Modell von Chang u. a. (siehe Modell Nummer 5 aus Tab. 3-3) weist thematisch und strukturell eine Ähnlichkeit mit dem Relevanz-Teil dieses Bewertungsmodells auf. So ist dessen Bewertung von IT-Outsourcing-Anbietern zum einen sehr nahe am Thema Cloud-Computing, und zum anderen wird mittels empirischem Einsatz eine entscheidungstheoretische Methode durch den Analytic Hierarchy Process (AHP) angewandt. Zusätzlich weist die Veröffentlichung des Modells eine hohe Aktualität auf. Aus diesen Gründen soll das Modell von Chang u. a.

18 12 (2012) die Richtung für die Bewertung der Relevanz vorgeben, sodass der AHP die Interessen der Unternehmen hierarchisch analysiert. Der Analytic Hierarchy Process wurde von Thomas L. Saaty entwickelt 34 und bietet als systematisches Verfahren die Möglichkeit, eine endliche Anzahl an Handlungsalternativen ihrer Wichtigkeit nach zuzuordnen und somit zu priorisieren. 35 Aktuelle Publikationen zeigen, dass dieses Verfahren zur Priorisierung verschiedene Anwendungsgebiete bedient, sodass es sowohl bei Investitionsentscheidungen 36 unterstützen kann, als auch bei der Bewertung von Software-Varianten 37 eine angemessene Methode zum Vergleichen bietet. Benlian selbst macht auf die Vielseitigkeit des Prozesses aufmerksam. 38 Basis für den AHP ist die Auswahl an Faktoren, die wichtig für die spätere Entscheidungsfindung ist. Ein hierarchischer Aufbau dieser Faktoren bewirkt, dass in Gruppen zusammengefasste Kategorien im späteren Verlauf untereinander verglichen werden können. 39 Abb. 3-1 verdeutlicht einen Beispiel-Aufbau. Abb. 3-1: Grundsätzlicher Aufbau eines AHP-Problems Konkrete Benennung des Begriffs erfolgt erst mit der Publikation von Saaty (1980), S., die eigentliche Entwicklung des Verfahrens wurde bereits 1977 veröffentlicht. Vgl. Saaty (1977), S Vgl. z. B. Bodin, Gordon, Loeb (2005), S Vgl. z. B. Benlian (2011), S Vgl. Benlian (2011), S Vgl. Saaty (1990), S. 9.

19 13 Das Thema Cloud-Computing lässt sich demzufolge in verschiedene Unterkategorien einteilen, welche wiederum mehrere Unterteilungen (hier: Charakteristiken) besitzen. Für den AHP werden sowohl die Charakteristiken einer Kategorie als auch die Kategorien selber untereinander verglichen. Je nach Komplexität des Entscheidungsproblems können sich Anzahl der Ebenen und Unterkategorien unterscheiden. Der Entscheider ist beim Aufbau an keine feste Vorgehensweise gebunden. 40 Es muss folglich eine geeignete Kategorisierung des Themas Cloud-Computing gefunden werden, um sie in eine zum AHP passende Hierarchie zu überführen. Ein strukturierter Ablauf soll mithilfe eines iterativen Prozesses zur Herleitung von Taxonomien 41 konzeptionell erfolgen. Über mehrere Iterationen wird dabei jeweils einer von zwei Ansätzen verfolgt. Mittels empirical-to-conceptual wird erst durch Quellenanalyse eine Teilmenge des zu kategorisierenden Themas identifiziert und daraus mithilfe von Charakteristiken eine entsprechende Kategorie gebildet. Der Ansatz conceptual-to-empirical hingegen beginnt konzeptionell (bspw. durch Erfahrungen aus vorhergehender Recherche) mit der Bildung einer Kategorie und prüft anschließend, ob eine Teilmenge daraus gebildet werden kann. Ist der jeweilige Ansatz erfolgreich, wird die ermittelte Kategorie mit ihren Charakteristiken zur Taxonomie hinzugefügt. Da es sich um einen iterativen Prozess handelt, muss vorher eine Abbruchbedingung festgelegt werden Ergebnisse Das Ziel der Taxonomie-Herleitung war es, eine nützliche Kategorisierung von Cloud- Computing-Themen zu finden, die im Hinblick auf die Relevanz für kleine und mittlere Unternehmen von Bedeutung ist. Die entstehende Taxonomie soll der Überführung in eine Hierarchie dienen, sodass sie mittels AHP ausgewertet werden kann. Vor der Taxonomie-Herleitung gelten aufgrund der Menge der späteren AHP-Vergleiche folgende Abbruchbedingungen: es dürfen nicht mehr als vier Kategorien entstehen, die jeweils eine Teilmenge von höchstens fünf Charakteristiken besitzen. Eine Vgl. Saaty (1990), S. 10. Vgl. Nickerson, Varshney, Muntermann (2012), S. 10. Vgl. Nickerson, Varshney, Muntermann (2012), S. 8 9.

20 14 Gesamtanzahl von 15 Charakteristiken darf dabei nicht überschritten werden. 43 Um die Spezifizierung auf kleine und mittlere Unternehmen nicht zu verlieren, werden für die Analyse zwei Quellen ausgewählt, die einerseits einen umfangreichen Überblick über Cloud-Computing geben 44 und sich andererseits auch mit der Unternehmensperspektive des Themas beschäftigen 45. Bei der Vorgehensweise der Taxonomie-Herleitung wird dem Beispiel von Nickerson, Varshney und Muntermann textuell gefolgt. 46 Insgesamt werden fünf Iterationen durchlaufen, um das formulierte Ziel mit seinen Abbruchbedingungen zu erreichen. Bei der ersten Iteration wird der empirical-toconceptual-ansatz verfolgt, damit die Recherche der Quellen dazu genutzt werden kann, erste Kategorien zu finden. Dabei fällt auf, dass beide Quellen beispielhaft Produkte aus dem Cloud-Computing-Umfeld (z. B. Amazon EC2, Google AppEngine, Windows Azure) nennen, um selber eine Kategorisierung in die vorhandenen Cloud- Dienste zu formulieren. 47 Da es sich hierbei um Kerntechnologien von Cloud- Computing handelt, die sich in die Dienste Infrastructure as a Service, Platform as a Service und Software as a Service einteilen lassen, 48 sollen diese direkt unter der Kategorie Technologie/Architektur in die Taxonomie übernommen werden: Taxonomie Iteration1 = {Technologie/Architektur (IaaS, PaaS, SaaS)} Die zweite Iteration nutzt ebenfalls den empirical-to-conceptual-ansatz, da sich offenbar weitere Themen aus den Quellen finden lassen. Dabei lässt sich festhalten, dass sich Produkte im Cloud-Computing-Umfeld nicht nur im Hinblick auf ihrer Architektur unterscheiden, sondern auch deren Virtualisierungsmöglichkeiten ein zentrales Thema sind, sodass sich sowohl Hardware und Netzwerk als auch Ginge man davon aus, dass vier Kategorien mit jeweils fünf Charakteristiken entstehen, ergäbe die Anzahl an AHP-Vergleichen insgesamt 46 = 10 (Vergleiche von fünf Charakteristiken untereinander) 4 (Kategorien) + 6 (Vergleiche von den vier Kategorien untereinander). Unter Berücksichtigung der späteren Umfrage sollte die Gesamtanzahl hiermit eingegrenzt werden. Vgl. Armbrust u. a. (2010), S. 50. Aufgrund der dortigen Aussage Armbrust u. a. (2009), S. is a more detailed version of this article wurde letztere als umfassende Quelle herangezogen. Vgl. Marston u. a. (2011), S. 182, 184. Vgl. Nickerson, Varshney, Muntermann (2012), S Vgl. z. B. Armbrust u. a. (2009), S. 2 sowie Marston u. a. (2011), S Vgl. Marston u. a. (2011), S. 178.