Cloud BI. BI und Ethik. BI und Industrie 4.0. Business Intelligence Trendthemen. BI und Quantified Me. Die Position des TDWI e.v. TDWI Germany e.v.

Transkript

1 TDWI Germany e.v. Business Intelligence Trendthemen Die Position des TDWI e.v. I und Big Data BI und Ethik BI und Industrie 4.0 BI und Quantified Me Cloud BI

2 Herausgeber: TDWI Germany e.v. Lindlaustraße 2c Troisdorf Copyright 2015 TDWI Germany e.v. Lindlaustr. 2c Troisdorf Die vorliegende Publikation ist urheberrechtlich geschützt. Alle Rechte vorbehalten. Die Verwendung der Texte und Abbildungen, auch auszugsweise, ist ohne die schriftliche Zustimmung des Vereins urheberrechtswidrig und daher strafbar. Dies gilt insbesondere für die Vervielfältigung, Übersetzung oder die Verwendung in elektronischen Systemen. Es wird darauf hingewiesen, dass die in der Broschüre verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, markenoder patentrechtlichem Schutz unterliegen. Alle Angaben und Programme in dieser Broschüre wurden mit größter Sorgfalt kontrolliert. Weder Autor noch Verein können jedoch für Schäden haftbar gemacht werden, die in Zusammenhang mit der Verwendung dieser Broschüre stehen. 2

3 Vorwort Sehr geehrte Leserinnen und Leser, als Vorsitzender des TDWI Germany e.v. freue ich mich sehr, Ihnen mit der vorliegenden Broschüre ein Positionspapier unseres Vereins zu fünf wichtigen Trendthemen aus dem Bereich Business Intelligence und Data Warehousing vorlegen zu können. In zahlreichen Gesprächen zwischen Mitgliedern, Fellows und Vorstand des TDWI konnten im Jahre 2014 die für unsere Domäne zukunftsweisenden Themenfelder BI und Big Data, BI und Ethik, BI und Industrie 4.0, BI und Quantified Me sowie Cloud BI identifiziert und im Rahmen eines Workshops zusammen mit 21 interessierten Teilnehmern diskutiert und ausgearbeitet werden. Die wesentlichen Kernaussagen dieses Arbeitstreffens liegen nun in der vorliegenden Schrift in kondensierter Form vor und bilden die Grundlage für eine weiterführende Auseinandersetzung mit den behandelten Betrachtungsgegenständen innerhalb und so ist zu hoffen auch außerhalb des Vereins. Zunächst gilt der Dank an dieser Stelle den fünf Themenverantwortlichen, welche während des Workshops als Impulsgeber dienten und die Diskussionsergebnisse schriftlich zusammengetragen haben. Besonders bedanken möchte ich mich bei Dr. Michael Hahne, der als Projektkoordinator die Erarbeitung des vorliegenden Positionspapiers zu den Business- Intelligence-Trendthemen maßgeblich beflügelt und vereinheitlicht hat. Weiterhin gilt der Dank Dr. Joachim Philippi für die Vorbereitung und Ausrichtung des Workshops in den Räumlichkeiten der Seven Principles in Köln. Wir hoffen, mit dem Papier in angemessener Form die fünf Trendthemen beleuchtet zu haben, indem zu jedem Thema eine Einordnung und Abgrenzung vorgenommen sowie auf Chancen und Risiken aufmerksam gemacht wird. Selbstverständlich ist damit die Diskussion nicht abgeschlossen. Vielmehr wird in den einzelnen Ausarbeitungen auf zukünftigen Handlungs- und (Auf-) Klärungsbedarf hingewiesen. Somit freue ich mich auf weiterhin fruchtbare Auseinandersetzungen zu den aufgegriffenen Themenkomplexen. Ihr Peter Gluchowski Inhalt BI und Big Data... 4 BI und Ethik... 6 BI und Industrie BI und Quantified Me Cloud BI TDWI und Autoren

4 BI und Big Data Erweiterte Einsatzszenarien für BI Dr. Carsten Dittmar Definition Big Data umfasst Methoden und Technologien für die hochskalierbare Integration, Speicherung und Analyse polystrukturierter Daten. Skalierbarkeit bezieht sich insbesondere auf hohes Datenvolumen (Data Volume), schnelle Datenverarbeitungs- und Analysegeschwindigkeit (Data Velocity) und breite Quellen- und Datentypenvielfalt (Data Variety). Gemäß der Definition wird deutlich, dass es sich bei Big Data insofern nicht ausschließlich um rein technische Fragestellungen handelt, sondern auch methodische Aspekte wie Analyseverfahren und -algorithmen eine wichtige Rolle spielen. Weiterhin werden sämtliche Ebenen einer Datenverarbeitungsarchitektur von der Integration über die Speicherung bis hin zur Analyse erfasst. Bedeutung für den TDWI Die Integration, Speicherung und Analyse von Daten aus unterschiedlichen Quellen mit dem Ziel, ein tieferes Geschäftsverständnis abzuleiten, ist aus Sicht des TDWI keinesfalls neu. Mit Business Intelligence (BI) hat sich längst ein Konzept im Umfeld der entscheidungsunterstützenden Systeme in Theorie und Praxis etabliert, hinter dem sich weniger eine einzelne Lösungsmethode oder technische Systemklasse als vielmehr eine begriffliche Klammer für eine Vielzahl von unterschiedlichen Ansätzen zur Analyse und Auswertung von Geschäftsprozessen und zum Verstehen relevanter Wirkungszusammenhänge auf Basis von internen und externen Datenbeständen in Unternehmungen verbirgt. Vor diesem Hintergrund ist Big Data als spezielles BI- Anwendungsfeld einzuordnen, das den Fokus auf die Skalierbarkeit hinsichtlich der 3 V s (Volume, Velocity, Variety) legt, wobei exakte Grenzen nicht eindeutig quantifizierbar und unternehmensindividuell festzulegen sind. Big Data steht damit nicht in Konkurrenz zu klassischen BI-Methoden und BI-Technologien, sondern stellt eher eine Ergänzung bzw. Erweiterung dar. Big Data dient jedoch als Initiator für das Überdenken von BI in den Dimensionen Fachlichkeit, Organisation und Technik: Big Data treibt in Unternehmen die Abkehr von alten Architekturparadigmen, führt zu einer Business Value Diskussion jenseits von Standardreports und Enterprise Data Warehouse und zu einer neuen Arbeitsaufteilung zwischen Fachbereich und IT. Inhaltliche Aussagen Der TDWI empfiehlt, Big Data nicht nur oberflächlich entlang von marketing-orientierten Botschaften zu betrachten: Bei Big Data geht es nicht ausschließlich um die Verarbeitung großer Datenmengen. Jedes Unternehmen definiert die Grenzen für die 3 V s von Big Data vor dem Hintergrund der eigenen Erfahrung unterschiedlich. Big Data ist nicht nur Hadoop. Die Open Source Lösung Hadoop und ihre kommerziellen Distributionen erreicht derzeit innerhalb der Big Data Diskussion eine besondere Popularität und Verbreitung. Wesentliche Charakteristika von Hadoop sind ein verteiltes Dateisystem und ein Computing Framework, das einen Rahmen bietet, um eine Vielzahl von darauf aufsetzenden Lösungen, beispielsweise Abfragesprachen (z.b. Hive), Suchsysteme (z.b. Solr) oder Machine Learning Umgebungen (z.b. Mahout), in einem gemeinsamen, hochskalierbaren Cluster ablaufen zu lassen sowie Daten in großer Menge auf kostengünstiger Standardhardware zu speichern. Neben Hadoop haben jedoch auch noch 4

5 BI und Big Data diverse andere Innovative Konzepte im Umfeld von Speichertechnologien (z.b. In-Memory Computing, Integrierte Analytische Funktionen, Abgestimmte Systemarchitekturen) dazu geführt, dass mit den sog. Analytischen Plattformen ein komplett neues Genre entstanden ist. Darüber hinaus sind neue Big-Data-Technologien im Umfeld der Datenerzeugung & -produktion, des Data Processing & Data Integration sowie im Bereich der Analyse und Auswertung entstanden. Big Data ist Teil von BI und ersetzt insofern auch keine klassischen BI-Best-Practice. Klassische Herausforderungen der Small Data Welt zum Beispiel im Umfeld Datenqualitätsmanagement, Datenintegration, Governance bleiben auch im Umfeld Big Data relevant und müssen gelöst werden. Von daher lässt sich Big Data durchaus auch durch die zielgerichtete Ergänzung und Erweiterung der klassischen BI-Architektur realisieren. Der Hype um Big Data stellt aus Sicht von BI-Professionals Fluch und Segen zugleich dar. Auf der einen Seite führt die breite Diskussion dazu, dass auch außerhalb der IT über innovative Ideen und neue Geschäftsmodelle nachgedacht wird, die auf dem Rohstoff des 21. Jahrhunderts den Daten aufsetzen. Dadurch erfährt die Bedeutung des Assets Daten eine neue Bewertung. Daten entwickeln sich zu einem wichtigen Produktionsfaktor und sollen Geschäftsprozesse und Geschäftsmodelle treiben und verändern, wie im Rahmen einer informationdriven company gefordert. Zudem genießen zahlreiche, in der Praxis bisher vernachlässigte BI-Themen eine Belebung (z.b. Data Mining, Visualisierung, Endbenutzer-Autonomie). Diesen positiven Aspekten steht gegenüber, dass viele Diskussionen um Big Data losgelöst von der bestehenden BI-Erfahrung geführt werden. Schließlich sind die Herausforderungen in der Small Data Welt wie mangelnde Datenqualität, inadäquate Organisationsstrukturen, unzureichende strategische BI-Ausrichtung noch längst nicht gelöst und sind auch für Big Data weiterhin relevant. Zudem ist Big Data derzeit auf dem Höhepunkt der übertriebenen Erwartungshaltung und wird häufig mit anderen Aspekten (z.b. Cyber Crime, Datenschutz) vermengt. Darüber hinaus klammert die bisher eher technologiegetriebene Debatte um Big Data die Frage nach dem Business Nutzen regelmäßig aus. Auch in der Vergangenheit erwiesen sich jedoch rein technikzentrierte Ansätze bereits im BI-Umfeld als wenig erfolgreich. Chancen-Risiken-Betrachtung Ausblick Big Data ist aus Sicht des TDWI eine enorme Chance für die Unternehmen. Für die geforderte differenzierte Betrachtung ist es notwendig, dass BI Professionals in den Unternehmen Aufklärungsarbeit zu Big Data und BI leisten und den klaren Zusammenhang aufzeigen, damit BI-Aktivitäten und Big-Data-Initiativen nicht auseinanderlaufen und die vielen vorhandenen Ideen und Möglichkeiten aufgegriffen und in die Umsetzung gebracht werden. 5

6 BI und Ethik BI im Lichte gesellschaftlicher Normen und Werte Dr. Michael Hahne Definition Moral bezeichnet die Sammlung von Sitten, Gebräuchen oder Verhaltensnormen, anhand derer erkannt werden kann, ob eine Handlung gut oder böse, geboten oder verboten ist. Moral hat also mit Handeln zu tun und formt die Gesamtheit der Normen und Werte in einer Gesellschaft. Ethik ist die wissenschaftliche Beschäftigung mit Moral und hat daher mit der Begründung moralischer Grundsätze zu tun. Staat Tugenden Werte / Normen Moral Ethisches Verhalten Bürger Unternehmen Bedeutung für den TDWI Der TDWI Germany e.v. vereint Berater, Forscher, Anwender und Hersteller und hat das Ziel des Austauschs, der Wissensvermittlung und der kritischen Reflexion des Handelns. BI Systeme können sowohl im Sinne eines ethischen Handelns genutzt, als auch missbräuchlich verwendet werden. Der TDWI kann somit mittelbar und auch unmittelbar neue Handlungsfelder und Nutzenpotenziale erschließen, vermitteln oder fördern. Aus Sicht des TDWI können Forderungen an die im Verein organisierten Mitgliedergruppen formuliert werden: Von der Forschung wird erwartet, dass alle BIrelevanten Fakten strukturiert und aufbereitet sowie in einer Form dargelegt werden, die als nachvollziehbare, richtige und konsistente Orientierungshilfe Verwendung finden kann. Berater haben ihr Handeln verantwortungsbewusst auszurichten und dabei auch die Folgen ihrer Arbeit im Sinne einer positiven und nicht missbräuchlichen Nutzung von Business-Intelligence-Lösungen zu berücksichtigen. Berater Forscher Hersteller Anwender 6

7 BI und Ethik Gleichermaßen wird von Anwendern ein verantwortungsvoller Umgang mit den verfügbaren Technologien erwartet, eine bewusst missbräuchliche Verwendung ist abzulehnen. Hersteller können durch eine intensivere Betrachtung des Technologieeinsatzes insbesondere in gesellschaftlich wichtigen Anwendungsbereichen substantielle Fortschritte erzielen und sollten daher in diesen Bereichen verstärkt tätig sein. Inhaltliche Aussagen Aus ethischer Sicht kann Technologie an sich nicht verwerflich sein, es sind eher die Intention und die Taten der Handelnden, die als unethisch betrachtet werden können. Die Möglichkeiten, die sich durch Business Intelligence ergeben, sind vom Ansatz her als wertvoll einzuordnen und bieten einen positiven Nutzen für die Menschheit. Menschen agieren als selbstbestimmte Wesen und sollten daher immer selbst darüber bestimmen können, wie viel sie über sich preisgeben möchten und wie viel Privatsphäre Ihnen wichtig ist. Dafür bedarf es aber der Transparenz, die Folgen der Nutzung von Technologien oder Services einschätzen und korrekt bewerten zu können. Chancen-Risiken-Betrachtung Die sich mit neuen Technologien und Methoden ergebenden Funktionalitäten bieten teilweise sehr neue und auf jeden Fall sehr weit reichende Möglichkeiten, bspw. zur Betrugserkennung, im kriminalpräventiven Bereich, im Gesundheitswesen, in der gesamten Finanzwirtschaft, in der Produktion, im Qualitätsmanagement oder auch ganz allgemein in der Gefahrenabwehr. Grundlage dafür sind neben den bekannten Konzepten der Business Intelligence unter anderem die Verfahren von Advanced oder Predictive Analytics und Big Data Technologien. Mit diesen Technologien sind aber auch Risiken der missbräuchlichen Verwendung sowie der Förderung des gläsernen Kunden und eines Überwachungsstaats verbunden. Besonders kritisch zu sehen ist dabei die Gefahr eines allgemeinen Verlusts an Privatsphäre und Datenschutz. Ausblick In der öffentlichen Diskussion sind Themen mit Ethikbezug in den letzten Jahren verstärkt in das Bewusstsein der Menschen gerückt. Tatbestände wie beispielsweise Kinderarbeit, nicht-artgerechte Tierhaltung und vor allem Missbrauch personenbezogener Daten werden neben zahlreichen anderen heute längst nicht mehr als Kavaliersdelikte, sondern als Straftaten gewertet. So erlebt die alte Formulierung Das macht man einfach nicht. eine Wiederauferstehung und hält auch in den Business-Intelligence-Sektor Einzug. Als besonders diskussionswürdig erweist sich die ethische Komponente im Kontext der Business Intelligence dort, wo eine Analyse aus juristischer Sicht zwar noch zulässig oder zumindest nicht explizit verboten, entlang der geltenden gesellschaftlichen Normen aber abzulehnen ist. Verschärfend tritt hinzu, dass diese Normen häufig nicht scharf abgegrenzt oder gar explizit kodifiziert sind, zumal sich dann oftmals subjektive Einschätzungen finden, die nicht der Wahrnehmung der Allgemeinheit entsprechen müssen. Anspruch des TDWI muss es in diesem Zusammenhang sein, zumindest eine Diskussion darüber anzustoßen, welche Formen der Datenzusammenführung und -auswertung unter welchen Umständen als ethisch vertretbar gelten und welche nicht. Als wünschenswertes Ziel, das aber weder leicht noch kurzfristig erreichbar sein dürfte, könnte die Formulierung eines Verhaltenskodex dienen, der einem breiten Konsens in der öffentlichen Diskussion entsprechen müsste, ohne dabei zu oberflächlich zu bleiben. Im Sinne einer freiwilligen Selbstverpflichtung könnten sich dann beispielsweise TDWI-Mitglieder zu diesem Kodex bekennen. 7

8 BI und Industrie 4.0 Analytics im Produktionssektor Prof. Dr. Hans-Georg Kemper und PD Dr. Heiner Lasi Definition Mit der Begrifflichkeit Industrie 4.0 geht die Vision einher, dass die zunehmende IT-Durchdringung industrieller Produkte und Prozesse sowie deren fortschreitende Vernetzung mittels Internettechnologien zu gravierenden Veränderungen - einer neuen industriellen Revolution - führt. Industrie 4.0 steht damit am Ende der Reihe der Mechanisierung (1. Revolution), der intensiven Nutzung elektrischer Energie (2.) und der umfassenden Digitalisierung (3.). Inzwischen gibt es ein produktionsorientiertes, ein produktorientiertes und ein wertschöpfungsorientiertes Begriffsverständnis. BI bietet in diesem Kontext Technologien und Verfahren zur zielgerichteten Auswertung der anfallenden Daten und übernimmt dadurch die Funktion als Bindeglied zwischen der Technik also der umfassenden digitalen Vernetzung innerhalb der Produktion, von Produkten oder entlang der Wertschöpfungskette auf der einen Seite und der Betriebswirtschaft auf der anderen Seite. Das sagt der TDWI dazu Industrie 4.0 und die damit verknüpfte zunehmende IT-Durchdringung industrieller Produkte und Prozesse eröffnet gänzlich neue Optionen zur zielgerichteten Analyse der zugehörigen Entwicklungs- und Produktionsprozesse, auch durch die Vernetzung der beteiligten Partner. Selbst im After-Sales-Bereich ergeben sich durch verfügbare Informationen zur Produktnutzung zahlreiche Ansatzpunkte für erfolgversprechende Untersuchungen. Um die Abläufe so effizient wie möglich zu gestalten, ist es notwendig, interdisziplinär zu agieren, die verschiedenen Domänen zusammenzuführen und im ganzheitlichen Ansatz diese Produktionsmethoden auch wirtschaftlich vernünftig einzusetzen. Das verweist auf den essentiellen integrativen Aspekt von BI. Erst diese ganzheitliche Sichtweise erlaubt eine effizientere Nutzung von BI-Methoden im gesamten Lebenszyklus des Produktes und unterstützt dementsprechend den Prozess End-to-End. BI hilft in diesem Zusammenhang auch wirtschaftlich zu entscheiden, welche Varianten des Produktes sinnvoll sind und wel- Dienstleistungen und Services Wertschöpfungsorien'ertes Verständnis Vorphase Produkt- / Produk'ons- prozessentwicklung Produktlebenszyklus* Produk'onsorien'ertes Verständnis Produktlebenszyklus** Produktlebenszyklus** Produk'on Absatz Produktnutzung/ Service Recycling Industrie 4.0 als Anwendung Cyber- physischer Systeme in Produk'on und Logis'k Industrie 4.0 als Internet der Dinge und Dienste in industriellen Prozessen Produktorien'ertes Verständnis Industrie 4.0 als ein unternehmensspezifischer Gesamtansatz zur Steigerung der Wertschöpfung Abb.: Abgrenzung Industrie 4.0 (Copyright Kemper/Lasi) Services Produktlebenszyklus** Produktlebenszyklus** * Physisches Produkt ** Digitale Produkte / Embedded Systems 8 klus* satz Produktnutzung/ Service Recycling Industrie 4.0 als Internet der Dinge und Dienste in industriellen Prozessen Produktorien'ertes Verständnis satz zur Steigerung der * Physisches Produkt ** Digitale Produkte / Embedded Systems

9 BI und Industrie 4.0 che nicht. Weiterhin hilft BI zu simulieren, wie eine Diversifikation der Produktion Auswirkungen auf die Logistikstruktur und den erwarteten Ertrag hat und wo dort die optimalen Punkte liegen könnten. Die zunehmende Durchdringung mit Sensorik sowie die Vernetzung mittels Internettechnologien bietet industriellen Unternehmen die Chance der Differenzierung mittels digitaler Services. Hierbei wird Analytics zu einem Bestandteil der direkten Wertschöpfung, etwa in Form von Predictive Maintenance. Zum anderen bedarf die Konzeption und permanente Anpassung von Services sowie der dahinter liegenden Geschäftsmodelle einer leistungsfähigen Entscheidungsunterstützung unter Einbezug vielfältiger Quellen. Die BI- Ausgestaltung wird damit im Kontext der Industrie zu einem wichtigen und wettbewerbsrelevanten Faktor. Inhaltliche Aussagen Hinsichtlich der Produktentwicklung und Produktion müssen die BI-Anwender einen interdisziplinären Blick haben. Die Unterstützung ihrer Entscheidungen wird hierarchieübergreifend sein. Die umfassende Vernetzung hat die dynamische Hinzunahme weiterer Datenquellen zur Folge, zum Beispiel bei der Begleitung von Produkten während ihres Lebenszyklus, etwa im Sinne einer automatisierten Wartung etc. Neue Technologien, etwa Fertigungsverfahren oder in der Sensorik, sowie Embedded Systems führen zur rasanten Zunahme an Daten, die dezentrale Analyse-Konzepte erforderlich machen. Außerdem muss geklärt werden, wem die Daten eigentlich gehören. Innovationen in die Internettechnologie ermöglichen neue Cloud-Konzepte, die insbesondere in weltweit vernetzten Produktionseinrichtungen neue Cloud-basierte Analyse-Konzepte erforderlich machen. Wertschöpfungsnetzwerke gewinnen an Bedeutung. Dies führt zu neuen Anforderungen an unternehmensübergreifende BI-Konzepte. Chancen-Risiken-Betrachtung Die wachsende Menge der Daten kann mit heutigen Instrumenten der Business Intelligence gut ausgewertet werden. Das erhöht die Relevanz von BI als Bestandteil der Wertschöpfungskette. Eine leistungsfähige Entscheidungsunterstützung ermöglicht so eine höhere Wertschöpfung in industriellen Prozessen, und zwar hinsichtlich Time-to-Market, höherer Qualität und höherem Kundennutzen. Historisch gewachsene Strukturen und etablierte Insellösungen können bei tradierten Unternehmen zu einem hohen Implementierungs- und Integrationsaufwand führen. Mit den neuen Möglichkeiten durch BI als Klammer zwischen Technik und Betriebswirtschaft wachsen die Erwartungen der Nutzer, die mehr und mehr glauben könnten Analytics könne alles. Außerdem könnten neue Wissenszentren entstehen. Weitere Risiken, die der TDWI sieht, sind vor allem durch Industriespionage aufgrund der zentralen Speicherung von Daten gegeben, wodurch der Aspekt der IT-Sicherheit in den Vordergrund tritt. Ferner nimmt der TDWI die Gefahr wahr, dass sich der Anwender durch die fancy Technologie in der Schönheit des Details verliert und die wirtschaftlichen und ergebnistragenden Komponenten außer Acht lässt. Ausblick Der TDWI ist überzeugt, dass Analytics als Teil von BI sich zu einem der entscheidenden Wettbewerbsfaktoren entwickeln kann. Die Durchdringung mit Analytics dürfte analog zur Digitalisierung schnell voranschreiten, und zwar in Produkten, internetbasierten Diensten etc. Als Treiber für das produktionsorientierte Verständnis von Industrie 4.0 werden sich insbesondere neue Fertigungstechnologien etwa der 3D-Druck etablieren. Im produktorientierten Verständnis besitzen dann im Sinne eines Internet der Dinge Produkte eine digitale Repräsentanz, so dass sie auch IT-technisch begleitet werden können. Das wertschöpfungsorientierte Verständnis führt zu hybriden Produkt-Service-Systemen, die sich zudem immer individualisierter auf den jeweiligen Kunden zuschneiden lassen. Erst die Kombination von BI mit der Vernetzung, einem interdisziplinären Ansatz und einer End-to-End Betrachtung versetzt den Anwender in die Lage, diesen Schatz, der sich durch Industrie 4.0 offenbaren kann, auch zu nutzen und zwar so zu nutzen, dass es zu einem deutlichen unternehmerischen Gewinn führt. Diese Technologie könnte die Position Deutschlands als führender Standort im Bereich Produktion nachhaltig sichern. 9

10 BI und Quantified Me Der Mensch in Zahlen Dr. Joachim Philippi Definition Quantified Me, Self Tracking oder Selbstvermessung bezeichnet die Aufzeichnung, Aufbereitung und Auswertung von personen- und umweltbezogenen Daten. Anwendungsbereiche sind Aktivitäten wie Sport und Bewegung, Gesundheit, Ernährung, Energienutzung (z.b. Strom- oder Benzinverbrauch) und Verhalten (z.b. Schlafverhalten, aber auch - und Telefonnutzung). Das Thema Quantified Me gewinnt über die letzten Jahre zunehmend an Bedeutung und generiert einen wachsenden Markt an Geräten, Anwendungen und Communities. IDC prognostiziert für den Markt für Wearable Computing ein durchschnittliches Wachstum von 78,4% für die nächsten Jahre. Angefangen bei einfachen Schrittzählern und Sport-Tracking Geräten (Fitbit, Nike+ Fuel Band) über die aktuelle Apple Watch bis hin zu voll vernetzten Body Analyzern entsteht aktuell ein Milliardenmarkt. Neben den reinen Trackern gibt es auch Nudger: diese Anstupser erinnern ihre Nutzer daran, wenn das Tagesziel noch nicht erreicht ist. Unter dem Stichwort Wearables gibt es u.a. Konzepte für Hemdkragen, die Schweiß auswerten. Es sind Toiletten, Zahnbürsten, Rasierer und Nagelscheren in Entwicklung, die Informationen zu diversen gesundheitsrelevanten Parametern erheben. Intelligente Steuerungssysteme sollen künftig nicht nur Gesten von Anwendern erkennen können, sondern mittels künstlicher emotionaler Intelligenz auch deren Stimmung anhand von Gesichtsausdruck und Stimmlage. Von Intel-Forschern wurde prognostiziert, dass 2020 die Verschmelzung von Körper und Computer-Technologie so weit geht, dass im Gehirn implantierte Chips genutzt werden könnten, um Computer oder sonstige Geräte zu steuern. Spätestens dann verschwimmen die Grenzen zwischen selbstgewähltem Self Tracking und einer möglichen omnipräsenten Überwachung aller Lebensfunktionen. Die mit Quantified Me gewonnenen Daten gehören zu den sensibelsten Daten, die es gibt: direkt personenbezogene Gesundheits- und Verhaltensdaten. Die erhobenen Daten fallen in sehr vielen Anwendungsfällen in den Bereich ehealth und damit in den Zuständigkeitsbereich von Art. 8 Rl. 46/95 EG (Besonderer Schutz von Gesundheitsdaten) resp. 9 BOÄ, 203 StGB (Ärztliche Schweigepflicht). In bestimmten Fällen können solche Geräte und Apps auch unter das Medizinproduktegesetz (MPG) fallen. Bedeutung für den TDWI Verbunden mit dem Markt von Geräten sind eine Vielzahl von Programmen und Apps, die entsprechende Auswertungen liefern und in diesem Sinne BI-Anwendungen sind: Es werden Statistiken gezeigt, Historien-Verläufe, Abweichungen zu vorgegebenen Benchmarks oder Werten der Peer Group. Die Daten können in Communities geteilt werden oder aber auch gezielt an Dritte (z.b. den behandelnden Arzt) weitergeleitet werden, der sie dann mit anderen Datenquellen resp. Vergangenheitsdaten verbindet und spezifische Auswertungen erstellt. Neben reinen Auswerteplattformen basierend auf Vergangenheitsdaten entstehen auch Szenarien mit Predicitive Analytics, die Entwicklungen antizipieren und Ratschläge geben, wie durch Ernährung, Bewegung und Verhalten die Werte in den gewünschten Korridor gebracht werden können. Nicht zuletzt werden Erfahrungen aus dem Bereich Visual Business Analytics verwendet, um den Tracking Apps die Anmutung von Excel-Tabellen zu nehmen und durch intelligente Visualisierungstechniken individuelle Auswertungen zu ermöglichen. Die am Markt angebotenen Smartphone- und Tablet-Apps vereinen geradezu paradigmatisch die aktuellen BI-Trends: BI in the Cloud, Mobile BI und Self Service BI. 10

11 BI und Quantified Me Dieser BI-Anwendungsbereich wird aktuell in der BI-Community vielfach nicht als solcher wahrgenommen. Aufgrund der wachsenden Bedeutung dieses Themas bezieht der TDWI hier aber Position: Quantified Me schafft nicht nur einen neuen fachlichen Scope für BI, es wirft auch ganz neue ethische und juristische Fragen auf. Chancen-Risiken-Betrachtung Die Chancen aus Quantified Me sind vielfältig und werden von den Anbietern offensiv kommuniziert. Einfach zusammengefasst ist das die Unterstützung bei gesunder Lebensführung von Körper, Geist und Seele ( Well being ). Aus der rein reaktiven Behandlung von Krankheiten entstehen ganz neue Möglichkeiten von Vorsorge und Vorbeugung. Im Bereich der Telemedizin gibt es eine Vielzahl von Anwendungsszenarien, die ganz offensichtlich Nutzen bieten, gerade für chronisch Kranke, ältere Menschen, Pflege zu Hause oder Krankenversorgung in abgelegenen Orten. Positiv wird auch gesehen, dass eine neue Patientenautonomie entsteht, wenn der Nutzer über seine eigenen Daten frei verfügen kann. Er wird in die Lage versetzt, sie selbst interpretieren oder nutzen, um mehrere unabhängige Meinungen einzuholen. Der Austausch von Daten in Self Tracker Communities kann dazu beitragen, z.b. sportliche Aktivitäten konsequent durchzuhalten und nachhaltig soziale Kontakte zu pflegen. Dem gegenüber stehen Gefahren wie die Entwicklung von Suchtverhalten. Eine zu starke Fixierung auf die Körperdaten kann z.b. zu krankhaften Köpermanipulationen wie Magersucht u. ä. führen. Zusätzlich unterliegt dann neben dem bereits bestehenden beruflichen Druck jetzt auch das Privatleben durch Tracking-KPIs einem steten Benchmarking. Ganz offensichtlich ist natürlich auch das Risiko, zum gläsernen Menschen zu werden: In vielen Anwendungsfällen ist den Nutzern gar nicht bewusst, welche Daten genau erhoben werden, wo sie gespeichert sind und wer Zugriff darauf hat. Insbesondere die mögliche Verknüpfung von Daten aus unterschiedlichen Quellen wie Ortungsdaten des Handys, Bewegungsdaten des Sportarmbandes und Gesundheitsparameter wie Puls und Blutdruck von vernetzten Blutdruckmessgeräten ergeben Profile, die eine nie dagewesene Transparenz über den Nutzer schaffen. Da zudem viele Geräte und Applikationen die erhobenen Daten in der Cloud speichern, ist davon auszugehen, dass ein erheblicher Anteil der Quantified-Me-Daten außerhalb des deutschen und auch europäischen (Datenschutz-) Rechtsraums gespeichert wird. Über das, was dort mit den Daten passiert, kann nur spekuliert werden. Ausblick Das Thema Quantified Me bekommt aktuell über die Geräte und Anwendungen der großen Hersteller einen erheblichen Schub in der technologischen Entwicklung, der Nutzung und auch in der öffentlichen Wahrnehmung. Der offensichtliche Nutzen von Quantified Me darf nicht darüber hinwegtäuschen, dass das Gebot der Datensparsamkeit vor ganz neue Herausforderungen gestellt wird. Aufgabe des TDWI ist es, Transparenz darüber zu schaffen, welche Risiken sich hinter Geräten wie Smart Watches und Anwendungen wie Self Tracking Apps verbergen können. Nur ein informierter und sensibilisierter Nutzer kann für sich persönlich entscheiden, wem er in welchem Umfang seine Daten anvertraut. Und in der breiten Öffentlichkeit muss ein Diskurs angestoßen werden, wie sich z. B. die rechtlichen Rahmenbedingungen weiterentwickeln müssen, um diesen neuen Möglichkeiten auch klare Grenzen zu setzen. 11

12 Cloud BI BI in der Wolke Dr. Ralf Finger Definition BI Verantwortliche werden immer wieder mit den Anforderungen nach Agilität und Skalierbarkeit konfrontiert. BI Anwendungen sollen sich schnell auf ändernde Bedürfnisse der Fachbereiche anpassen lassen - möglichst ohne langwierige Implementierungsprojekte. Darüber hinaus sollen BI Infrastrukturen im Hinblick auf Datenvolumen und Benutzeranzahlen skalieren. Allerdings müssen auch umfangreiche Leerkapazitäten vermieden werden die Kosten sollen überschaubar und planbar bleiben. Für diese Anforderungen bietet Cloud BI heute überzeugende Lösungsansätze. Cloud BI bezeichnet Umsetzung und Betrieb von Business Intelligence in der Cloud. Mit dem Begriff Cloud wird dabei die Nutzung virtualisierter Rechner Ressourcen im unternehmenseigenen Kontext ( Private Cloud ) als auch bei unternehmensfremden Anbietern ( Public Cloud ) verstanden. Laut TDWI USA nutzen bereits 42 Prozent der BI-Anwender Cloud-BI-Lösungen oder haben konkrete Pläne, dies zu tun. Die Entwicklung in Deutschland scheint dem gegenüber noch deutlich zurück zu liegen. Bedeutung für den TDWI Aus Sicht des TDWI bietet Business Intelligence in der Cloud für Anwenderunternehmen große Chancen zur Erschließung von Effizienzpotenzialen. So 12

13 Cloud BI stellt die vernetzte Struktur in der Cloud eine ausgezeichnete Möglichkeit zum schnellen Austausch von Daten zwischen kooperierenden Service-Anbietern dar, wodurch sich eine bessere Zusammenarbeit entlang einer Wertschöpfungskette entwickeln lässt. Darüber hinaus vermindert sich durch das Anmieten von BI-Landschaften das Investitionsvolumen und dadurch auch die Kapitalbindung. Ferner ist eine schnellere Verfügbarkeit von neueren Technologien möglich. Inhaltliche Aussagen Die Private Cloud ist schon heute Standard in vielen Bereichen eines professionellen IT-Betriebes. Dies gilt auch für Cloud BI, etwa beim Aufbau von Multiprojektplattformen. Der TDWI erwartet in naher Zukunft eine signifikante Bewegung von Daten und Funktionen auch in die Public Cloud. In dem Maße, wie diese Bewegung die operativen Systeme umfasst, wird sich dies auch auf den Ausbau von Public Cloud BI auswirken. Allerdings wird Cloud BI bestehende BI Umgebungen nicht vollständig ersetzen. Dem stehen hochgradig individuelle operative Systeme entgegen, deren Daten aufgrund des Volumens nicht ohne weiteres in die Cloud transferiert werden können. Darüber hinaus ist es in vielen Branchen aus regulatorischer Sicht heute nicht vorstellbar z.b. personenbezogene Daten systematisch in eine Public Cloud zu übertragen. Chancen-Risiken-Betrachtung Der TDWI sieht erhebliche Chancen für Flexibilisierung und Skalierbarkeit durch Cloud BI. Dieser Nutzen kann in der Private Cloud schnell realisiert werden. Die Public Cloud unterstützt weiter bei der Vermeidung sprungfixer Kosten, da BI hier auch kleinteilig eingekauft werden kann, und erweist sich durch die Senkung der Kapitalbildung als interessante und effiziente Alternative zu einer intern betriebenen BI-Lösung. Nicht alle BI Anwendungsszenarien sind jedoch geeignet für die Public Cloud. Pauschale Abwehrhaltungen z.b. mit Hinweis auf Datenschutz und Datensicherheit gehen allerdings fehl. Public-Cloud-BI muss vielmehr schon aus diesen Gründen bewusst thematisiert werden, um klar zu machen, in welchen Bereichen des Unternehmens Public-Cloud- BI-Lösungen genutzt werden dürfen und in welchen nicht. Die klassische IT-Governance, die sich über die IT-Betriebshoheit (Installationsrechte, Netzzugang etc.) definiert, steht hier vor einer völlig neuen Herausforderung: BI in der Public Cloud wird oft vorbei an allen üblichen Freigabeprozessen direkt über den Web Browser implementiert - vom Datenbank Setup, über die Datenbeladung bis hin zu Front End Entwicklung und Roll Out. Hierfür müssen explizite Richtlinien erarbeitet werden. Unterbleibt dies, besteht das Risiko, dass Fachbereiche mit fehlendem Problembewusstsein die verführerische Einfachheit von Cloud BI nutzen und so vertrauliche Daten das Unternehmen verlassen. Ausblick Cloud BI muss unterschieden werden in Public Cloud BI und Private Cloud BI, die sich heute bereits in zahlreichen Unternehmen als gelebte Realität erweist. Die Verlagerung von BI-Daten und -Funktionalitäten in die Public Cloud dürfte bestehende BI Lösungen vermehrt ergänzen. Für die nahe Zukunft ist von hybriden Lösungen aus unternehmenseigenen BI Infrastrukturen und Public-Cloud-BI-Lösungen als Standard auszugehen. Hierfür sind geeignete Strategien und Infrastrukturkonzepte zu erarbeiten. 13

14 TDWI und Autoren TDWI Germany e.v. Der TDWI hat sich in den vergangenen Jahren zur zentralen Plattform für BI und DW entwickelt. TDWI-Mitglieder sind Teil einer starken internationalen Community von über BI-Professionals, davon über in Deutschland, Österreich und der Schweiz. TDWI Roundtables sind eine weitere wichtige Plattform zum Austausch und Networking. In den diversen TDWI Foren setzt sich die Community intensiv mit den BI Kernthemen, als auch aktuellen Trendthemen wie z.b. Big Data oder Industrie 4.0 auseinander. Daraus entwickeln sich eigene Ideen und Ansätze. Dr. Carsten Dittmar Dr. Carsten Dittmar ist TDWI Fellow und Head of Business Development Big Data & Analytics bei der NTT DATA Deutschland GmbH. Er beschäftigt sich seit über 15 Jahren intensiv mit den betriebswirtschaftlichen Anwendungsbereichen von BI mit dem Schwerpunkt auf der BI-Strategie- und BI-Organisationsberatung. Prof. Dr. Hans-Georg Kemper Prof. Dr. Hans-Georg Kemper ist TDWI Fellow und Inhaber des Lehrstuhls für Wirtschaftsinformatik 1 an der Universität Stuttgart. Seine Lehr- und Forschungsschwerpunkte liegen im Bereich der Entwicklung und Implementierung von Informations- und Kommunikationssystemen für Führungskräfte. Dr. Ralf Finger Dr. Ralf Finger ist TDWI Fellow und Geschäftsführer der INFORMATION WORKS GmbH in Köln. Er arbeitet seit 1992 erfolgreich in Beratungsprojekten zur Konzeption, Realisierung und Einführung individueller Business Intelligence und Data Warehouse Lösungen für namhafte deutsche Großunternehmen Dr. Heiner Lasi PD Dr. Heiner Lasi leitet das Ferdinand Steinbeis Institut (FSTI) in Stuttgart. Das FSTI koordiniert Forschungsaktivitäten in den Bereichen Auswirkungen von Industrie 4.0 auf Geschäftsmodelle und Unternehmensstrategien, unternehmensspezifische Ansätze im Kontext von Industrie 4.0 sowie Vorgehensmodelle für eine erfolgreiche Industrie 4.0-Transformation Dr. Michael Hahne Dr. Michael Hahne ist TDWI Fellow und Geschäftsführender Gesellschafter der Hahne Consulting GmbH, einem auf Business Intelligence Architektur und Strategie spezialisierten Beratungsunternehmen. Er hat mehr als 10 Jahre Erfahrung in der Implementierung und Optimierung von Data Warehouse Lösungen. Dr. Joachim Philippi Dr. Joachim Philippi ist TDWI Ehrenmitglied und Fellow sowie Vorstand der 7P Solutions & Consulting AG. Ein besonderer Schwerpunkt seiner Arbeit liegt in den Bereichen Business Intelligence, Data Warehouse und Enterprise Information Management. Er ist Gründungsmitglied des TDWI Germany e.v. und war neun Jahre lang Vorstandsmitglied. 14

15 unabhängig. praxisorientiert. persönlich. Die Plattform für Ihre BI-Weiterbildung Community Konferenzen Seminare BI-SPEKTRUM Fachbücher Online Wissensportal

16 Der TDWI Germany e.v. hat zu fünf Kernthemen von Business Intelligence Standpunkte erarbeitet. Der internationale Verein für Business Intelligence (BI) und Data Warehousing (DWH) hat in seinem Grundsatzpapier folgende Themen identifiziert: BI und Big Data BI und Ethik BI und Industrie 4.0 BI und Quantified Me sowie Cloud BI Die Standpunkte sind im TDWI Trendthemen-Workshop von TDWI Mitgliedern, darunter Mitglieder, Fellows und Vorstand zusammengefasst worden. Der TDWI sieht darin ein erstes Ergebnis einer internen Diskussion, die aber auch als gesellschaftlich notwendig zu betrachten ist und mit den Kernaussagen befl ügelt werden soll. Der Erfolg des TDWI Germany e.v. basiert wesentlich auf dem Engagement seiner Mitglieder. Durch ihr aktives Mitwirken geben sie dem Verein beständige Rückmeldungen, setzen Themen und gestalten die Vereinsagenda maßgeblich mit.