INDUSTRIE 4.0 AUSWERTUNG. Ausgabe 5 eblmedium. Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen

Größe: px
Ab Seite anzeigen:

Download "INDUSTRIE 4.0 AUSWERTUNG. Ausgabe 5 eblmedium. Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen"

Transkript

1 In der Region. Für die Region. INDUSTRIE 4.0 BIG DATA DATENBANK AUSWERTUNG 2015 Ausgabe 5 eblmedium Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen Big Data Aufgrund der Größe und Vielfalt vorliegender Daten stoßen bisherige Werkzeuge zur Datenverarbeitung häufig an ihre Grenzen. Selbst wenn es gerade noch möglich sein sollte, die Flut an Daten verlustfrei zu speichern, so ist spätestens deren zeitnahe Auswertung häufig nicht mehr gegeben. Das vorliegende eblm-medium soll einige Ansätze vorstellen, wie man große Datenmengen handhabbar machen und zeitnah auswerten kann.

2 Herausgeber ebusiness-lotse Mittelhessen c/o TH Mittelhessen Gießen in Kooperation mit dem Kompetenzzentrum für Informationstechnologie Text und Redaktion Dorothea Gugler Prof. Dr. Christian Schulze ebusiness-lotse Mittelhessen Gestaltung Nicole Detzer, ebusiness-lotse Mittelhessen Bildnachweis Matthias Buehner, adistock, Coloures-Pic, Jeanette Dietl, OrpheusXL, industrieblick, andreas, Kirill Kedrinski IMPRESSUM Druck: Saxoprint Auflage: 500 Exemplare Stand: Februar 2015

3 INHALT Welche Vorteile bietet Big Data?... 6 Technologien für große Datenmengen Erkenntnisse gewinnen Fazit Literaturverzeichnis

4 Byte wurden bis 2012 erzeugt

5 000 1 WELCHE VORTEILE BIETET BIG DATA?

6 1 VORTEILE VON BIG DATA Welche Vorteile bietet Big Data? Die im Unternehmen anfallenden immer größer werdenden Datenbestände versetzen Unternehmen durch geschickte Auswertungen in die Lage, Mehrwerte zu generieren. Technologische Fortschritte in den vergangenen Jahren bieten die Möglichkeit, Daten in hohen Frequenzen zu speichern und zu verarbeiten. Außerdem ist es möglich, wenig strukturierte externe Daten beispielsweise aus den folgenden Quellen zu integrieren: Soziale Netzwerke, die Benutzern die Möglichkeit einräumen, eigene Beiträge zu verfassen, den aktuellen Standort (via GPS-Koordinaten) sowie Interessen zu teilen oder an Gruppen teilzunehmen, um sich mit anderen Menschen themenbezogen auszutauschen. Mobile Geräte wie Smartphone oder Tablet, die jederzeit einen Zugriff auf Internetseiten und soziale Netzwerke ermöglichen. Chips und Sensoren, die in Maschinen und Produkten entlang von Lieferketten oder eingebaut in Fahrzeugen zeitaktuell Informationen über Staus, Standort und vieles mehr geben können und durch deren Auswertung ein großes Potential für Optimierungen besteht. Big Data beschreibt Datenbestände, die durch herkömmliche Datenbanken aufgrund ihrer schieren Menge, Vielfalt und Geschwindigkeit nur begrenzt gespeichert und verarbeitet werden können. In Abgrenzung zu Business-Intelligence- und Data-Warehouse-Systemen arbeiten Big-Data-Anwendungen ohne Aufbereitung durch den ETL-Prozess (Extract, Transform, Load), bei dem Daten aus unterschiedlichen Quellen vereinheitlicht in eine einzige Datenbank überführt werden. Somit entstehen Auswertungen schneller und flexibler, wodurch Kosten eingespart werden können. 6

7 VORTEILE VON BIG DATA 1 Diese neuen Technologien leisten einen großen Beitrag zum starken Anstieg des Datenvolumens, dessen Verarbeitung und Auswertung Unternehmen in vielen Fällen nutzen können, um ihre Markposition auszubauen, auf Veränderungen im Markt zu reagieren und signifikante Wettbewerbsvorteile zu erarbeiten. Big Data kann Mehrwerte entlang der gesamten Lieferkette generieren: Daten aus Sensoren geben Auskunft über den Zustand von Maschienen, sodass Auffälligkeiten erkannt und Stillstände durch frühzeitiges Eingreifen verhindert werden können. Mithilfe der Auswertung mobiler Daten ist es möglich, die Nachfrage nach Produkten in Abhängigkeit von dem Standort eines potenziellen Kunden zu ermitteln, Einzelhändler bedarfsgerecht zu versorgen und dadurch Lagerhaltungskosten zu senken. Schließlich kann die Kommunikation über Unternehmen und Produkte in den sozialen Netzen erfasst und ausgewertet werden, um dadurch zeitnah und proaktiv auf Kritik oder Wünsche der Konsumenten reagieren zu können. Aus ökonomischer Sicht ist Big Data gekennzeichnet durch die Verabeitung gewaltiger Mengen an Daten aus verschiedenen Quellen innerhalb kürzester Zeit, um daraus Entscheidungen abzuleiten und somit wirtschaftliche Vorteile zu erzielen. 1 Deshalb wird Big Data auch häufig als Erweiterung von Business Intelligence (BI) betrachtet: Es geht auch hier um die zeitnahe Nutzung und Analayse vorliegender, aber eben sehr großer Datenbestände. Business Intelligence-Lösungen werden bereits von über 90% der Mittelständler in Deutschland eingesetzt, 2 sodass der Ansatz nicht neu ist. 1 Vgl. BITKOM-Arbeitskreis Big Data (2012). Big Data im Praxiseinsatz - Szenarien, Beispiele, Effekte. Berlin. S. 7ff 2 Vgl. IBM (2010). Business-Intelligence-Studie Einsatz, Nutzung und Probleme von Analyse- und Berichtssoftwarelösungen in mittelständischen Unternehmen in Deutschland. Conunit GmbH, IBM Deutschland GmbH, TU Chemnitz. 7

8 1 VORTEILE VON BIG DATA Die Schwierigkeit der Verarbeitung der enormen Flut aus Daten resultiert aus den nachfolgenden vier Merkmalen: DATENMENGE Die zuvor beschriebenen Technologien, die in der heutigen Gesellschaft bereits etabliert sind, erzeugen fortlaufend Daten Byte an Daten existierten bereits bis 2012, wobei Experten schätzen, dass sich diese Menge bis 2020 alle zwei Jahre verdoppeln wird. DATENVIELFALT Aufgrund der unterschiedlichen Herkunft der Daten besitzen diese stark variierende oder keine festen Strukturen oder Formate. Selbst die Daten, die ausschließlich im eigenen Unternehmen anfallen, können unstrukturiert sein. Beispiele dafür sind Präsentationen, die häufig nur lokal gespeichert werden und nicht verschlagwortet sind, sodass eine breitere Nutzung schlichtweg nicht möglich ist. Außerdem gehen wichtige Informationen, die durch -Kommunikation anfallen, dadurch verloren, dass Mails nach bestimmten Zeitpunkten gelöscht und die enthaltenen Daten nicht zentral zugänglich gemacht werden. Die Vielfalt von Daten wird auch dadurch deutlich, dass Maschinen Informationen über ihre Verwendung und auftretende Störungen an eine zentrale Überwachungsstelle senden. Diese Protokolle sind häufig unstrukturiert und nur schwer lesbar für Menschen. Daten, die aus externen Quellen ins Unternehmen gelangen, können beispielsweise Kundenbewertungen von Produkten oder Dienstleistungen auf diversen Internetplattformen oder Beiträge in Social-Media-Kanälen sein, wobei diese formlos verfasst werden und folglich überaus unstrukturiert sind. 8

9 VORTEILE VON BIG DATA 1 GESCHWINDIGKEIT Dieses Merkmal muss unter zwei Aspekten betrachtet werden. Zum einen werden Produktionsdaten oder Daten, die aus externen Quellen ins Unternehmen gelangen, häufig in hoher Geschwindigkeit erzeugt und müssen unverzüglich gespeichert werden. Auf der anderen Seite ist eine zeitnahe Auswertung der Daten wünschenswert, um daraus einen ökonomisch wertvollen Nutzen zu erzielen und Wettbewerbsvorteile zu schaffen. Dazu ist häufig der Zugriff bzw. die Verarbeitung der Daten in Echtzeit erforderlich. Für ein produzierendes Unternehmen kann beispielsweise die (positive wie negative) Rückmeldung von Kunden großen Einfluss auf die Produktion nehmen: Eine zeitnahe Änderung der Produktionsprozesse oder der Produkte wird möglich, um Absatzproblemen vorzubeugen bzw. Lieferengpässe zu vermeiden. ANALYSEN Durch die Analyse und Auswertung von Daten sollen Mehrwerte entstehen. Im Umfeld von Big Data bedeutet das, dass in den großen Datenmengen Zusammenhänge und Muster erkannt und deren Bedeutungen interpretiert werden müssen. Außerdem können Prognosen auf einer wesentlich breiteren Datenbasis als bisher getroffen werden. Neben dem zuvor beschriebenen Beispiel, welches die Analyse von Kundenmeinungen zur Beeinflussung der Produktion erläutert, existieren zahlreiche andere Anwendungsszenarien, die die Notwendigkeit der Analyse von Datenbeständen unterstreichen. So kann durch die Überwachung der Log-Dateien von Produktionsmaschinen beispielweise durch Mustererkennung festgestellt werden, dass Komponenten ausgetauscht werden müssen, bevor diese ausfallen. Somit können Produktionsstillstände, die durch Ausfall und Reparatur von Komponenten entstehen, vermieden werden. 9

10

11 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN

12 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Big Data in den Griff bekommen Die Kosten für Speicherplatz haben in den letzten Jahren stark abgenommen. Während 1998 der Preis für die Anschaffung von 1 Gigabyte (GB) Festplattenspeicher $228 betrug, waren es im Jahr 2010 lediglich $0,06. Der höhere Verbrauch von Speicherkapazitäten durch ein Mehr an Daten stellt also primär keine Barriere dar. Die Erweiterung der Speicherkapazitäten kann dabei auf zwei Arten geschehen: Zum einen ist es möglich, in bessere Hardware zu investieren, wenn die bisher verwendete Hardware an ihre Grenzen stößt. Dieses Vorgehen ist allerdings in hohem Maße kostenintensiv, denn je stärker ein Rechner aufgerüstet wird, desto höher sind die Investitionen. Zum anderen besteht eine weitere Möglichkeit für den Ausbau der Speicherkapazitäten darin, mehrere Standardkomponenten zu einem Verbund (engl. Cluster) zusammenzuschließen. Statt Hardware auszutauschen können dem Cluster weitere Maschinen hinzugefügt werden, sobald die Auslastung der Kapazität an ihre Grenzen gelangt. Eine solche Erweiterung erfordert keinesfalls die Investition in leistungsfähige Superrechner. Stattdessen ist der Einsatz von Standardhardware problemlos möglich. Die Leistungsfähigkeit des Clusters entsteht durch den Zusammenschluss mehrerer Komponenten. 12

13 TECHNOLOGIEN FÜR GROSSE DATENMENGEN 2 Während die Kosten für den Zusammenschluss von Standard-Systemen im Vergleich zu den Anschaffungskosten eines Supercomputers wesentlich geringer sind, ist es gleichzeitig notwendig, die Verbindung dieser Komponenten über ein leistungsfähiges Netzwerk sicherzustellen. Um von einem solchen verteilten System, welches aus mehreren Standardrechnern besteht, profitieren zu können, ist es wichtig, dass die Kommunikation der Maschinen untereinander ohne großen Zeitverzug stattfinden kann. Die Erhöhung der Speicherkapazitäten stellt also keine Barriere dar. Als nächstes soll ein Blick auf die Technologien geworfen werden, die zur Speicherung umfangreicher Datenbestände entwickelt wurden. Als Gegenpol zu den etablierten relationalen Datenbanken, bei denen verschiedene Datensätze durch Zeilen einer Tabelle dargestellt werden (vgl. Tabelle 1), werden sehr unterschiedliche neuartige Datenbank-Technologien unter dem Begriff NoSQL zusammengefasst. MitarbeiterNr Name Vorname Anrede Geburtsdatum Position 1 Schmidt Max Herr Kundendienst 2 Möller Theresa Frau Buchhaltung 3 Schneider Philipp Herr Marketing Tabelle 1: Zeilenweise Darstellung von Datensätzen einer relationalen Datenbank Der Begriff NoSQL nimmt dabei Bezug auf die in klassischen relationalen Datenbanken verwendete Abfragesprache SQL. NoSQL soll dabei aber nicht andeuten, dass keine Sprache zur Abfrage von Inhalten einer Datenbank existiert, sondern vielmehr, dass nicht nur ( not only ) traditionelles SQL verwendet wird. 13

14 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Die unter dem Begriff NoSQL zusammengefassten Technologien lassen sich grob in vier Gruppen einteilen. Die erste Gruppe umfasst Datenbanken, deren Inhalte einfache Schlüssel-Wert-Paare bilden. Im Prinzip handelt es sich dabei um Paare mit folgendem Aufbau: (SCHLÜSSEL : WERT) Der Zugriff auf den Wert ist nur mithilfe des Schlüssels möglich, weshalb dieser einen Wert eindeutig identifizieren muss. Als Beispiel ist die Verwaltung von Postleitzahlen denkbar, wobei über die Eingabe der PLZ der Name der zugehörigen Stadt gefunden werden kann. Zur zweiten Gruppe gehören spaltenorientierte Datenbanken. Im Gegensatz zu relationalen Datenbanken, bei denen ein Datensatz zeilenweise zu lesen ist (vgl. Tabelle 1), ist bei Datenbanken dieser Kategorie ein Datensatz in einer Spalte zu finden (vgl. Tabelle 2). Während bei Auswertungen eines Attributes einer relationalen Datenbank (entspricht einer Spalte) alle Zeilen einer Tabelle gelesen werden müssen, genügt es in einer spaltenorientierten Datenbank, eine einzelne Zeile zu lesen. Dadurch werden Auswertungen über einzelne Attribute deutlich beschleunigt. Gleichzeitig nimmt die Zeit, die zum Speichern eines Datensatzes benötigt wird, verhältnismäßig zu, da dieser nicht in einer einzelnen Zeile, sondern in mehreren Zeilen einer Spalte eingefügt werden muss. Anrede Herr Frau Herr Vorname Max Theresa Philipp Nachname Schmidt Möller Schneider Jahresgehalt Tabelle 2: Spaltenweise Darstellung von Datensätzen einer spaltenorientierten Datenbank 14

15 TECHNOLOGIEN FÜR GROSSE DATENMENGEN 2 Während es in Datenbanken auf Basis von Schlüssel-Wert-Paaren nur möglich ist, einen einzelnen Wert zu einem Schlüssel zu speichern, erweitern Dokumentdatenbanken diese Technologie. Inhalte dieser Datenbanktechnologie sind Dokumente, welche sich allerdings von Dokumenten im herkömmlichen Sinn unterscheiden. Während im allgemeinen Sprachgebrauch ein Dokument eine Textdatei (Word, PDF etc.) beschreibt, handelt es sich bei einem Dokument im Datenbank-Kontext im Prinzip um eine beliebige Datei. Als Erweiterung der Schlüssel-Wert- Datenbanken besteht ein einzelnes Dokument aus zahlreichen Schlüssel-Wert-Paaren und kann daher umfangreichere Inhalte speichern. Um das obige Beispiel aufzugreifen, ist es in einer Dokumentdatenbank möglich, außer der Postleitzahl und dem Namen einer Stadt außerdem die Einwohnerzahl, den Namen des Bürgermeisters, das Stadtwappen, das Kfz-Kennzeichen sowie weitere denkbare Attribute, die für die Verwaltung von Städten eine Rolle spielen, zu speichern. Die letzte Gruppe an Datenbanken unterscheidet sich von den drei vorigen merklich: Dabei handelt es sich um die sogenannten Graphdatenbanken. Diese basieren auf der mathematischen Disziplin der Graphentheorie, weshalb zahlreiche bereits existierende Algorithmen für unterschiedliche Anwendungsfelder verwendet werden können. 15

16 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Der zentrale Unterschied von Datenbanken dieser Gruppe zu den Datenbanken der drei zuvor genannten Gruppen besteht darin, dass in einem Graphen Beziehungen verschiedener Datensätze (die als Knoten modelliert werden) problemlos dargestellt werden können (dies erfolgt über die Verbindung von Knoten über Kanten). Ein Beispiel für die Modellierung eines Städte-Graphen findet sich in Abbildung 1. Dillenburg Marburg Treysa Wetzlar Gießen Alsfeld Zugverbindung ohne Umstieg Abbildung 1: Darstellung eines Städte-Graphen, wobei Zugverbindungen ohne Umstieg als Beziehungen der Städte zueinander modelliert werden 16

17 2 TECHNOLOGIEN FÜR GROSSE DATENMENGEN Die vorgestellten neuen Technologien bieten die Möglichkeit, je nach Format, Struktur und Art der Daten, die zum Anwendungsfall passende Datenbank auszuwählen. Wichtig ist an dieser Stelle die Anmerkung, dass nicht jede Technologie für jeden Anwendungsfall geeignet ist und in vielen Fällen auch die Verwendung von relationalen Datenbanken einfacher und sinnvoller ist. Stoßen die bisherigen Technologien allerdings an ihre Grenzen, so ist die Verwendung einer NoSQL-Datenbank in Betracht zu ziehen. Zentraler Punkt in diesem Zusammenhang ist die oft notwendige zeitaktuelle oder wenigstens zeitnahe Auswertung der betrachteten Daten. Abfragen oder Analysen, die mehrere Tage oder Wochen andauern, sind wenig hilfreich, wenn kurzfristig Ergebnisse benötigt werden. Dies gilt beispielsweise für Anfragen im Internet, die nahezu in Echtzeit bearbeitet werden müssen, oder für Analysen von Unternehmensdaten, die schnelle Entscheidungen ermöglichen sollen. Daher befasst sich der nächste Abschnitt mit einem Hilfsmittel der vorgestellten Technologien, das eine zeitnahe Auswertung von Daten ermöglicht. Die hier vorgestellten Technologien können genutzt werden, um Big Data beherrschbar zu gestalten. Vor dem Einsatz sollten jedoch alle potentiellen Anwendungsfelder identifiziert und bewertet werden, um im Anschluss zunächst einzelne erfolgversprechende Bereiche auszuwählen und zu spezifizieren. Daraus sollte sich ein Konzept ableiten, wie sich das weitere Vorgehen gestaltet, um aus Big Data einen Mehrwert zu generieren. 1 1 Vgl. 17

18

19 3 ERKENNTNISSE GEWINNEN

20 3 ERKENNTNISSE GEWINNEN Auswertungen mit Map-Reduce Ausgehend von der Idee, sämtliche Daten auf mehreren Maschinen zu verteilen, die räumlich voneinander getrennt sein können, besteht - um einen unternehmerischen Mehrwert aus der Speicherung der Daten zu erzielen - die Notwendigkeit, diese verstreuten Daten effizient auszuwerten. Aus der Verwendung mehrerer Computer zur Speicherung der Daten resultiert eine große Chance: Auf jeder einzelnen Maschine können Berechnungen und Auswertungen der dort vorhandenen Daten durchgeführt werden. 1 Da die Maschinen unabhängig voneinander über eigene Rechenkapazitäten verfügen, bedeutet dies eine große Zeitersparnis, denn die Berechnungen der einzelnen Maschinen finden gleichzeitig statt. Außerdem kann die Auswertung vieler kleiner Datenbestände schneller durchgeführt werden, als die Auswertung eines riesigen Datenbestandes. Die zusätzliche Zeit, die im Anschluss daran zur Zusammenführung der Ergebnisse aller Teilbestände benötigt wird, fällt dabei kaum merklich ins Gewicht. Damit bei der Erstellung von Anwendungen zur Auswertung der Datenbestände eine Konzentration auf die Ziele der Auswertung stattfinden kann, existiert ein Konzept mit dem Namen Map-Reduce. Dieses wurde 2004 bei Google entwickelt und erlaubt es, Auswertungen zu erstellen, die parallel auf mehreren Rechnern durchgeführt werden können, ohne das Wissen zu besitzen, wie die Parallelisierung im Einzelnen umgesetzt werden muss. Das Vorgehen von Map-Reduce besteht aus zwei Schritten, die anhand eines Beispiels verdeutlicht werden sollen. Besteht die Aufgabe einer einzelnen Person darin, in einem 1000-seitigen Buch zu zählen, welche Wörter wie oft vorkommen, so ist einleuchtend, dass dies einen großen zeitlichen Aufwand bedeutet. Im übertragenen Sinn kann Map-Reduce erst dann verwendet werden, wenn dieselbe Aufgabe von mehreren Personen durchgeführt wird. 1 Diese Aufteilung von Berechnungen auf mehrere Rechner wird als Parallelisierung bezeichnet. 20

21 ERKENNTNISSE GEWINNEN 3 Teilen sich beispielsweise zwei Personen diese Aufgabe, so muss jede der beiden lediglich die Wörter von 500 Seiten zählen (wofür sie aller Wahrscheinlichkeit nach nur die Hälfte der Zeit benötigen). Diese parallel durchgeführte Zählung entspricht dem Map-Schritt. Im Anschluss daran kann eine Person alleine den Reduce-Schritt durchführen, indem sie die Ergebnisse der beiden Buchhälften zusammenführt. Je mehr Personen für die Aufgabe zur Verfügung stehen, desto stärker nimmt die Dauer ab, die zur Erfüllung benötigt wird. In dem Fall, dass 1000 Personen zur Zählung der Wörter eines 1000-seitigen Buches zur Verfügung stehen, besteht der Aufwand einer Person aus lediglich einer einzigen Seite. Die enorme Zeitersparnis in diesem Fall ist offensichtlich. Der beschriebene Fall stellt lediglich ein triviales Beispiel dar, um die Funktionsweise der Parallelisierung zu verdeutlichen. In der Praxis finden sich zahlreiche andere Anwendungsszenarien dafür. 21

22 3 FAZIT Fazit Wir haben nur einige neue Datenbank-Technologien betrachtet und uns kurz mit dem Map- Reduce-Konzept in verteilten Systemen beschäftigt. Diese Ansätze repräsentieren im Wesentlichen die Instrumente zum Umgang mit Big Data. Ob es sinnvoll ist, diese neuen Technologien einzusetzen oder ob klassische relationale Datenbank-Lösungen ausreichen, hängt stark vom Anwendungsszenario ab. Häufig ist die Performance relationaler Datenbanken einfach nicht ausgereizt und bessere Modellierung und Indexierung können schon Abhilfe schaffen. Big Data erfordert aber in vielen Fällen tatsächlich einen Technologiewechsel. Oft liegt eine Lösung auch in einer Kombination beider Technologien. WESENTLICHE KERNAUSSAGEN Um Wettbewerbsvorteile zu erzielen, wird die Speicherung und Auswertung relevanter Daten immer wichtiger. Daten gelten mittlerweile zurecht als der vierte Produktionsfaktor. Wenn relationale Datenbanken wegen großer Datenmengen an ihre Grenzen stoßen, kann der Einsatz von NoSQL-Datenbanken weiterhelfen. Für die Verarbeitung und Analyse großer Datenmengen muss nicht zwangsläufig in immer teurere Hardware investiert werden. Verbesserungen können auch durch den Zusammenschluss von Standard-Komponenten zu einem Cluster erreicht werden. In einem Cluster birgt die Verwendung des Map-Reduce-Konzepts enorme Möglichkeiten der Performance-Steigerung. Wird die Verwendung einer neuen Datenbanktechnologie in Betracht gezogen, sollte das Anwendungsszenario genau analysiert werden, um die passende Technologie auszuwählen. 22

23 WEITERFÜHRENDE INFORMATIONEN Big Data im Praxiseinsatz - Szenarien, Beispiele, Effekte BITKOM-Arbeitskreis Big Data (2012) Management von Big-Data-Projekten BITKOM-Arbeitskreis Big Data (2013) Big-Data-Technologien - Wissen für Entscheider BITKOM-Arbeitskreis Big Data (2014) Neue Studie zum digitalen Universum entdeckt Big Data Gap EMC Deutschland GmbH (2012) Big Data in der Praxis Jonas Freiknecht (2014) ISBN: NoSQL: Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken Stefan Edlich et al. (2011) ISBN:

24 Das ekompetenz-netzwerk für Unternehmen Kiel Lübeck Hamburg Schwerin Neubrandenburg Bremen Lingen Osnabrück Münster Dortmund Hagen Paderborn Hannover Brandenburg a.d.h. Magdeburg Leipzig Berlin Potsdam Frankfurt (Oder) Cottbus Aachen Köln Gießen Ilmenau Chemnitz Dresden Koblenz Hof Darmstadt Würzburg Saarbrücken Kaiserslautern Nürnberg Stuttgart Regensburg Augsburg Weingarten Freilassing ebusiness-lotsen Das ekompetenz-netzwerk für Unternehmen ist eine Förderinitiative des Bundes ministeriums für Wirtschaft und Energie (BMWi). 38 regionale ebusiness-lotsen haben die Aufgabe, insbesondere mittelstän dischen Unternehmen deutschlandweit anbieter neutrale und praxisnahe Informationen für die Nutzung moderner Informations- und Kommunikationstechnologien (IKT) und möglichst effiziente ebusiness-prozesse zur Verfügung zu stellen. Die Förderinitiative ist Teil des Förderschwerpunkts Mittelstand-Digital IKT-Anwendungen in der Wirtschaft. Zu Mittelstand-Digital gehören ferner die Förderini tiativen estandards: Geschäftsprozesse standardisieren, Erfolg sichern (16 Förderprojekte) und Einfach intuitiv Usability für den Mittelstand (13 Förderprojekte). Unter können Unternehmen sich über die Aktivitäten der ebusiness-lotsen informieren, auf die Kontaktadressen der regionalen Ansprechpartner sowie aktuelle Veranstaltungs termine zugreifen oder auch Publikationen einsehen und für sich herunterladen.

Elektronische Rechnungsabwicklung

Elektronische Rechnungsabwicklung INFOBROSCHÜRE Elektronische Rechnungsabwicklung Das müssen Sie wissen! www.elektronische-rechnungsabwicklung.de Elektronische Rechnungen Rund zwei Drittel der deutschen Unternehmen bevorzugen immer noch

Mehr

Social Media in klein- und mittelständischen Unternehmen

Social Media in klein- und mittelständischen Unternehmen PRAXISBEISPIEL Bild: Teamfoto Marquardt Social Media in klein- und mittelständischen Unternehmen Das erfolgreiche Beispiel der Schule für Modemacher Münster Der ebusiness-lotse Münster ist ein unabhängiges

Mehr

PRAXISBEISPIEL. Mobile Auftragsbearbeitung im Handwerk. Malermeister Massmann hat seine Daten jederzeit im Griff

PRAXISBEISPIEL. Mobile Auftragsbearbeitung im Handwerk. Malermeister Massmann hat seine Daten jederzeit im Griff PRAXISBEISPIEL Mobile Auftragsbearbeitung im Handwerk Malermeister Massmann hat seine Daten jederzeit im Griff An dem Beispiel von Malermeister Markus Massmann zeigt der ebusiness-lotse Münster auf, wie

Mehr

Checkliste. Checkliste zur Planung von E-Commerce-Projekten

Checkliste. Checkliste zur Planung von E-Commerce-Projekten Checkliste Checkliste zur Planung von E-Commerce-Projekten Checkliste Bei der Planung von E-Commerce-Projekten sind einige wichtige Gesichtspunkte zu beachten. Dabei kann die folgende Checkliste eine erste

Mehr

Koch Management Consulting

Koch Management Consulting Kontakt: 07191 / 31 86 86 Deutsche Universitäten Universität PLZ Ort Technische Universität Dresden 01062 Dresden Brandenburgische Technische Universität Cottbus 03046 Cottbus Universität Leipzig 04109

Mehr

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von

Mehr

Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation. RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012

Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation. RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012 Bildung Made in Germany Deutsche Duale Berufsbildung im Ausland Strategische Ausrichtung der IHK-AHK-DIHK Organisation RA Steffen G. Bayer, DIHK Berlin Nürnberg am 04. September 2012 Wir sind eine starke

Mehr

Auszug aus dem Arbeitspapier Nr. 102. Das CHE ForschungsRanking deutscher Universitäten 2007

Auszug aus dem Arbeitspapier Nr. 102. Das CHE ForschungsRanking deutscher Universitäten 2007 Das CHE ForschungsRanking deutscher Universitäten 2007 Dr. Sonja Berghoff Dipl. Soz. Gero Federkeil Dipl. Kff. Petra Giebisch Dipl. Psych. Cort Denis Hachmeister Dr. Mareike Hennings Prof. Dr. Detlef Müller

Mehr

Fachkräftesicherung durch Berufsbildungsexport

Fachkräftesicherung durch Berufsbildungsexport Fachkräftesicherung durch Berufsbildungsexport Export beruflicher Bildung Das Interesse an deutscher dualer beruflicher Bildung hat weltweit stark zugenommen. Die Nachfrage ggü. AHKs und IHKs kommt von

Mehr

Mittelstand-Digital auf der CeBIT 2014 in Hannover

Mittelstand-Digital auf der CeBIT 2014 in Hannover Mittelstand-Digital auf der CeBIT 2014 in Hannover Das Bundesministerium für Wirtschaft und Energie (BMWi) unterstützt mit dem Förderschwerpunkt "Mittelstand-Digital IKT-Anwendungen in der Wirtschaft"

Mehr

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG

DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG DATEN - Das Gold des 21. Jahrhunderts? Dr. Oliver Riedel, AUDI AG Inhalt Globale und unternehmensspezifische Herausforderungen Von Big Data zu Smart Data Herausforderungen und Mehrwert von Smart Data 2

Mehr

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel

PRAXISBEISPIEL Gramm GmbH & Co. KG. Gramm GmbH & Co. KG, Friedrichshafen. CNC-Maschinenauswertung mit PowerPivot für Excel PRAXISBEISPIEL Gramm GmbH & Co. KG, Friedrichshafen CNC-Maschinenauswertung mit PowerPivot für Excel Was ist Business Intelligence (BI)? Impressum Herausgeber ebusiness-lotse Oberschwaben-Ulm www.eloum.net

Mehr

UNTERNEHMERISCHES WISSEN. ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen

UNTERNEHMERISCHES WISSEN. ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen UNTERNEHMERISCHES WISSEN ebusiness Lösung: Methoden des Wissensmanagements zur Verbesserung der Projektarbeit im Unternehmen Erfolgreich im Internet: Vermarkten, Wissen managen und lernen. Der ebusiness-lotse

Mehr

LEITFADEN. Facebook für kleine Unternehmen und das Handwerk. Chancen nutzen - Gefahren beachten

LEITFADEN. Facebook für kleine Unternehmen und das Handwerk. Chancen nutzen - Gefahren beachten LEITFADEN Facebook für kleine Unternehmen und das Handwerk Chancen nutzen - Gefahren beachten Facebook für kleine Unternehmen und das Handwerk Impressum Herausgeber: TSB Innovationsagentur Berlin GmbH

Mehr

PRAXISBEISPIEL. Traditionsunternehmen nimmt den digitalen Wandel an. Einführung eines CRM-Systems

PRAXISBEISPIEL. Traditionsunternehmen nimmt den digitalen Wandel an. Einführung eines CRM-Systems PRAXISBEISPIEL Traditionsunternehmen nimmt den digitalen Wandel an Einführung eines CRM-Systems Inhalt Traditionsunternehmen nimmt den digitalen Wandel an Herausforderung Digitale Transformation Das Unternehmen

Mehr

Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl

Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl ERP-Marktübersicht Betriebswirtschaftliche Anwendungssoftware auf Basis Freier Software eine Auswahl September 2011 2 3 Inhaltsverzeichnis 1. Einführung 1. Einführung...........................................................

Mehr

Big Data Herausforderungen für Rechenzentren

Big Data Herausforderungen für Rechenzentren FINANCIAL INSTITUTIONS ENERGY INFRASTRUCTURE, MINING AND COMMODITIES TRANSPORT TECHNOLOGY AND INNOVATION PHARMACEUTICALS AND LIFE SCIENCES Big Data Herausforderungen für Rechenzentren RA Dr. Flemming Moos

Mehr

whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN

whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN whitepaper CLOUD-ENTWICKLUNG: BESTE METHODEN UND SUPPORT-ANWENDUNGEN CLOUD-ENTWICKLUNG: BESTE METHODEN 1 Cloud-basierte Lösungen sind auf dem IT-Markt immer weiter verbreitet und werden von immer mehr

Mehr

Verlust von Unternehmensdaten?

Verlust von Unternehmensdaten? Verlust von Unternehmensdaten? Das lässt sich vermeiden - Sehen Sie selbst! Wussten Sie schon? Auf Ihrem PC sammeln sich signifikante Unternehmensdaten an, deren Verlust Ihr Geschäft erheblich beeinträchtigen

Mehr

Die IHK-Region Ulm im Wettbewerb. Analyse zum Jahresthema 2014 der IHK-Organisation

Die IHK-Region Ulm im Wettbewerb. Analyse zum Jahresthema 2014 der IHK-Organisation Die IHK-Region Ulm im Wettbewerb Analyse zum Jahresthema 2014 der IHK-Organisation Entwicklung Bruttoinlandsprodukt 2000-2011 IHK-Regionen Veränderungen des BIP von 2000 bis 2011 (in Prozent) 1 IHK-Region

Mehr

SAS Analytics bringt SAP HANA in den Fachbereich

SAS Analytics bringt SAP HANA in den Fachbereich Pressemitteilung Hamburg, 08. November 2013 SAS Analytics bringt SAP HANA in den Fachbereich Ergonomie kombiniert mit Leistungsfähigkeit: die BI-Experten der accantec group geben der neuen Partnerschaft

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

Rechtliche Anforderungen an Social-Media-Seiten

Rechtliche Anforderungen an Social-Media-Seiten Coloures-pic - Fotolia LEITFADEN Rechtliche Anforderungen an Social-Media-Seiten Kapitel 8 des Leitfadens "Rechtssichere Internetseiten & Online-Shops" Tipps, Checklisten, Praxisbeispiele Impressum Herausgeber

Mehr

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen:

In die Zeilen würden die Daten einer Adresse geschrieben werden. Das Ganze könnte in etwa folgendermaßen aussehen: 1 Einführung in Datenbanksysteme Fast jeder kennt Excel und hat damit in seinem Leben schon einmal gearbeitet. In Excel gibt es Arbeitsblätter, die aus vielen Zellen bestehen, in die man verschiedene Werte

Mehr

Advanced Analytics mit EXAPowerlytics. Technisches Whitepaper

Advanced Analytics mit EXAPowerlytics. Technisches Whitepaper Advanced Analytics mit EXAPowerlytics Technisches Whitepaper Inhalt 1. Zusammenfassung... 3 2. Einführung... 4 3. Fachliche Einführung... 5 4. Beispiel: Zeichen zählen... 7 5. Fazit... 9 6. Anhang... 10-2

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Wir bringen Ihre Daten als Erster ins Ziel.

Wir bringen Ihre Daten als Erster ins Ziel. Wir bringen Ihre Daten als Erster ins Ziel. Care for content. From start to finish. Wir bringen Ihre Daten als Erster ins Ziel. Ihre E-Mail startet mit Vollgas von der Pole Position ins Internet. Da nähert

Mehr

Metallbranche Südwestfalen

Metallbranche Südwestfalen Neu erschienen! Unternehmerisches Wissen 01 2014 ONLINE REPORT Metallbranche Südwestfalen Wie schneiden die regionalen Metall-Unternehmen im Online-Marketing ab? Do IT your way WIE SCHNEIDEN DIE REGIONALEN

Mehr

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen

SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen SQL- & NoSQL-Datenbanken - Speichern und Analysen von großen Datenmengen Lennart Leist Inhaltsverzeichnis 1 Einführung 2 1.1 Aufgaben einer Datenbank...................... 2 1.2 Geschichtliche Entwicklung

Mehr

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten

Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten Prognosen via Datenanalyse Predictive Analytics: Darauf müssen Unternehmen achten von Jürgen Mauerer Foto: Avantum Consult AG Seite 1 von 21 Inhalt Mehrwert aufzeigen nach Analyse des Geschäftsmodells...

Mehr

E-MAIL-MARKETING. Ausgabe 2 eblmedium STRATEGY PLAN QUALITY. E-Mail-Marketing. In der Region. Für die Region.

E-MAIL-MARKETING. Ausgabe 2 eblmedium STRATEGY PLAN QUALITY. E-Mail-Marketing. In der Region. Für die Region. In der Region. Für die Region. STRATEGY E-MAIL-MARKETING PLAN QUALITY 2013 Ausgabe 2 eblmedium Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen E-Mail-Marketing Der ebusiness-lotse Mittelhessen

Mehr

Professorinnenprogramm II im 1. Einreichungstermin erfolgreiche Hochschulen

Professorinnenprogramm II im 1. Einreichungstermin erfolgreiche Hochschulen Professorinnenprogramm II im 1. Einreichungstermin erfolgreiche Hochschulen Baden-Württemberg 6 Universitäten, 8 Fachhochschulen Albert-Ludwigs-Universität Freiburg Eberhard Karls Universität Tübingen

Mehr

Was tun mit Big Data? Workshop-Angebote der PROFI AG

Was tun mit Big Data? Workshop-Angebote der PROFI AG Was tun mit Big Data? Workshop-Angebote der PROFI AG Jetzt anmelden! Die Teilnehmerzahl ist begrenzt. Was ist Big Data? 3 Herzlich willkommen. Die PROFI AG bietet Kunden ein breites Spektrum an Software-Lösungen,

Mehr

Ihr Plus als Großkunde

Ihr Plus als Großkunde Ihr Plus als Großkunde Exklusive Vorteile Hier könnte Ihr Logo stehen! Ihr Erfolg ist unser Erfolg! Herzlich Willkommen als Großkunde Wir begrüßen Sie als Großkunde und möchten Ihnen auf den folgenden

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden

In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden In-Memory & Real-Time Hype vs. Realität: Maßgeschneiderte IBM Business Analytics Lösungen für SAP-Kunden Jens Kaminski ERP Strategy Executive IBM Deutschland Ungebremstes Datenwachstum > 4,6 Millarden

Mehr

Mobile Device Management

Mobile Device Management Mobile Device Management Ein Überblick über die neue Herausforderung in der IT Mobile Device Management Seite 1 von 6 Was ist Mobile Device Management? Mobiles Arbeiten gewinnt in Unternehmen zunehmend

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Wie das Netz nach Deutschland kam

Wie das Netz nach Deutschland kam Wie das Netz nach Deutschland kam Die 90er Jahre Michael Rotert Die Zeit vor 1990 Okt. 1971 Erste E-Mail in USA wird übertragen 1984 13 Jahre später erste E-Mail nach DE (öffentl. Bereich) 1987 16 Jahre

Mehr

Präsentation für die. Donnerstag, 2. Mai 2013

Präsentation für die. Donnerstag, 2. Mai 2013 Präsentation für die 1 AGENDA VON DER PLANUNG BIS ZUR SELF SERVICE BI 9.30 Uhr: Begrüßung und Vorstellung B.i.TEAM & QlikTech 9.40 Uhr: Moderne Business Intelligence heute und morgen Modernes BI-Live,

Mehr

Was ist DITA und was bringt es? www.ditaworks.com

Was ist DITA und was bringt es? www.ditaworks.com www.ditaworks.com Wir leben im Informationszeitalter und sind einem exponentiellen Anstieg neuer Daten und Informationen ausgesetzt. Nach neusten Studien können wir davon ausgehen, dass 90% aller verfügbaren

Mehr

Herzlich willkommen! Raber+Märcker GmbH www.raber-maercker.de

Herzlich willkommen! Raber+Märcker GmbH www.raber-maercker.de Herzlich willkommen! die Business Suite für Ihr Unternehmen Alexander Sturm Telefon: +49 (711) 1385 367 Alexander.Sturm@raber-maercker.de Agenda Kurzvorstellung Raber+Märcker Die Business Suite für Ihr

Mehr

CRM-Systeme auf Basis freier Software eine Auswahl

CRM-Systeme auf Basis freier Software eine Auswahl CRM-Marktübersicht CRM-Systeme auf Basis freier Software eine Auswahl Kundenbeziehungsmanagement für kleine und mittlere Unternehmen und Handwerksbetriebe SEPTEMBER 2011 2 3 Inhaltsverzeichnis 1. Einführung

Mehr

Zielvereinbarungen (ZV) bzw. Hochschulverträge im Länder- und Hochschulvergleich

Zielvereinbarungen (ZV) bzw. Hochschulverträge im Länder- und Hochschulvergleich Zielvereinbarungen (ZV) bzw. Hochschulverträge im Länder- und Hochschulvergleich Baden- Württemberg Bayern Zuständiges Ministerium bzw. Senat Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

Big Data in der Forschung

Big Data in der Forschung Big Data in der Forschung Dominik Friedrich RWTH Aachen Rechen- und Kommunikationszentrum (RZ) Gartner Hype Cycle July 2011 Folie 2 Was ist Big Data? Was wird unter Big Data verstanden Datensätze, die

Mehr

Business Analytics verbessert die Wertschöpfungskette

Business Analytics verbessert die Wertschöpfungskette Pressemitteilung Hamburg, 05. September 2013 Business Analytics verbessert die Wertschöpfungskette accantec zeigt auf dem SAS Forum in Mannheim vom 11.- 12.09.2013, wie Unternehmen mit SAS Visual Analytics

Mehr

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector

7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector 7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen

Mehr

Infografik Business Intelligence

Infografik Business Intelligence Infografik Business Intelligence Top 5 Ziele 1 Top 5 Probleme 3 Im Geschäft bleiben 77% Komplexität 28,6% Vertrauen in Zahlen sicherstellen 76% Anforderungsdefinitionen 24,9% Wirtschaflicher Ressourceneinsatz

Mehr

Big Data/ Industrie 4.0 Auswirkung auf die Messtechnik. 16.07.2015 Jochen Seidler

Big Data/ Industrie 4.0 Auswirkung auf die Messtechnik. 16.07.2015 Jochen Seidler Big Data/ Industrie 4.0 Auswirkung auf die Messtechnik 16.07.2015 Jochen Seidler Die Entwicklung zur Industrie 4.0 4. Industrielle Revolution auf Basis von Cyber-Physical Systems Industrie 4.0 2. Industrielle

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

Suche schlecht beschriftete Bilder mit Eigenen Abfragen

Suche schlecht beschriftete Bilder mit Eigenen Abfragen Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere

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

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2.

Cloud-Computing. 1. Definition 2. Was bietet Cloud-Computing. 3. Technische Lösungen. 4. Kritik an der Cloud. 2.1 Industrie 2. Cloud Computing Frank Hallas und Alexander Butiu Universität Erlangen Nürnberg, Lehrstuhl für Hardware/Software CoDesign Multicorearchitectures and Programming Seminar, Sommersemester 2013 1. Definition

Mehr

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014

Datability. Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG. Hannover, 9. März 2014 Datability Prof. Dieter Kempf, Präsident BITKOM Oliver Frese, Vorstand Deutsche Messe AG Hannover, 9. März 2014 Bürger fordern verantwortungsvollen Umgang mit Daten Inwieweit stimmen Sie den folgenden

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

Mehr

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014

SQL PASS Treffen RG KA. Überblick Microsoft Power BI Tools. Stefan Kirner Karlsruhe, 27.05.2014 SQL PASS Treffen RG KA Überblick Microsoft Power BI Tools Stefan Kirner Karlsruhe, 27.05.2014 Agenda Die wichtigsten Neuerungen in SQL 2012 und Power BI http://office.microsoft.com/en-us/office365-sharepoint-online-enterprise-help/power-bi-for-office-365-overview-andlearning-ha104103581.aspx

Mehr

proalpha Geschäftssoftware für den Mittelstand

proalpha Geschäftssoftware für den Mittelstand Whitepaper proalpha Geschäftssoftware für den Mittelstand Januar 2013 proalpha Integrierte Geschäftssoftware für den Mittelstand 2 Herausgegeben von proalpha Software AG Auf dem Immel 8 67685 Weilerbach

Mehr

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor

Das Zettabyte. CeBIT 2011. Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zettabyte CeBIT 2011 Dr. Wolfgang Martin Analyst, ibond Partner und Ventana Research Advisor Das Zetabyte: analytische Datenbanken Die Datenflut. Analytische Datenbanken: Was ist neu? Analytische Datenbanken:

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

Mehr

Förderschwerpunkt Mittelstand-Digital

Förderschwerpunkt Mittelstand-Digital Förderschwerpunkt Mittelstand-Digital Veranstaltung ebusiness-lotse Schleswig-Holstein Rendsburg, 19.06.2014 Juliette Melzow BMWi, Referat IT-Anwendungen; Digitale Integration www.bmwi.de KMU sind das

Mehr

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie

Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie Executive Summary BIG DATA Future Chancen und Herausforderungen für die deutsche Industrie BIG DATA Future Opportunities and Challanges in the German Industry Zusammenfassung Die Menge der verfügbaren

Mehr

Wie man mehr Speicherkapazität für weniger Geld bekommt

Wie man mehr Speicherkapazität für weniger Geld bekommt Mit Software-defined Storage die Speicherkosten reduzieren Wie man mehr Speicherkapazität für weniger Geld bekommt 13.01.15 Autor / Redakteur: Stefan Fischer, Business Consultant / Rainer Graefen Zadara

Mehr

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2

Seminar Cloud Data Management WS09/10. Tabelle1 Tabelle2 Seminar Cloud Data Management WS09/10 Tabelle1 Tabelle2 1 Einführung DBMS in der Cloud Vergleich verschiedener DBMS Beispiele Microsoft Azure Amazon RDS Amazon EC2 Relational Databases AMIs Was gibt es

Mehr

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN

PRESSE-INFORMATION NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN PRESSE-INFORMATION BI-19-09-12 NEU: LÜNENDONK -TRENDPAPIER 2012 BIG DATA IM HANDEL CHANCEN UND HERAUSFORDERUNGEN Big Data für den Handel wettbewerbsentscheidend Neue Anforderungen und Handlungsbedarf Technologie-Innovationen

Mehr

Big Data Hype und Wirklichkeit Bringtmehrauchmehr?

Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Big Data Hype und Wirklichkeit Bringtmehrauchmehr? Günther Stürner, Vice President Sales Consulting 1 Copyright 2011, Oracle and/or its affiliates. All rights Überschrift 2 Copyright 2011, Oracle and/or

Mehr

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück

Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware Falk Neubert, Universität Osnabrück Zusammenspiel von Business Intelligence mit betrieblicher Anwendungssoftware 14. März 2013, IHK Osnabrück-Emsland-Grafschaft Bentheim Geschichte Kassenbuch des Liederkranz, 1886 Hutmachergesangvereins

Mehr

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen

Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen Big, Bigger, CRM: Warum Sie auch im Kundenmanagement eine Big-Data-Strategie brauchen 01000111101001110111001100110110011001 Volumen 10 x Steigerung des Datenvolumens alle fünf Jahre Big Data Entstehung

Mehr

Foto: violetkaipa - Fotolia

Foto: violetkaipa - Fotolia Die D kön Foto: violetkaipa - Fotolia 10 IT-Trend Big Data atenflut steigt wie nen wir sie nutzen? Ständig erhöht sich die Masse der uns umgebenden Daten, Informationen werden immer schneller generiert.

Mehr

KURZBERICHT. Usability-Methoden maßgeschneidert für KMU. Erste Erprobung des Baukastenmodells zeigt großes Potenzial von Usability Methoden für KMU

KURZBERICHT. Usability-Methoden maßgeschneidert für KMU. Erste Erprobung des Baukastenmodells zeigt großes Potenzial von Usability Methoden für KMU KURZBERICHT Usability-Methoden maßgeschneidert für KMU Erste Erprobung des Baukastenmodells zeigt großes Potenzial von Usability Methoden für KMU Abstract In einem ersten Probedurchlauf haben vier Unternehmen

Mehr

Einsatz von CPS und Bedeutung von Big Data in der Produktionspraxis

Einsatz von CPS und Bedeutung von Big Data in der Produktionspraxis Einsatz von CPS und Bedeutung von Big Data in der Produktionspraxis Von der Vision von Industrie 4.0 zur Umsetzung konkreter Projekte am Campus-Cluster Logistik Prof. Dr.-Ing. Volker Stich 05.06.2014,

Mehr

BENUTZERFREUNDLICHE SOFTWARE ERKENNEN Was Anwender tun können

BENUTZERFREUNDLICHE SOFTWARE ERKENNEN Was Anwender tun können BENUTZERFREUNDLICHE SOFTWARE ERKENNEN Was Anwender tun können Eine Umfrage unter Anwendern in der Metropolregion Hamburg Inga Schlömer 06.11.2014 AGENDA 1. Mittelstand Digital Kooperation Hamburg - HALLO

Mehr

MAC4U Mass Customization für individualisierte Produkterweiterungen

MAC4U Mass Customization für individualisierte Produkterweiterungen MAC4U Mass Customization für individualisierte Produkterweiterungen Mobile Applikation zur Produktindividualisierung am Point of Sale Thomas Ritz, Fachhochschule Aachen, 13.05.2014 Agenda 1. Das Projekt

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

Mehr

Das CHE-Forschungsranking deutscher Universitäten 2007 Soziologie (2005)

Das CHE-Forschungsranking deutscher Universitäten 2007 Soziologie (2005) Das CHE-Forschungsranking deutscher Universitäten 2007 Soziologie (2005) Dr. Sonja Berghoff Dipl.-Soz. Gero Federkeil Dipl.-Kff. Petra Giebisch Dipl.-Psych. Cort-Denis Hachmeister Dr. Mareike Hennings

Mehr

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC

Big Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie

Mehr

Prof. Dr.-Ing. Rainer Schmidt 1

Prof. Dr.-Ing. Rainer Schmidt 1 Prof. Dr.-Ing. Rainer Schmidt 1 Business Analytics und Big Data sind Thema vieler Veröffentlichungen. Big Data wird immer häufiger bei Google als Suchbegriff verwendet. Prof. Dr.-Ing. Rainer Schmidt 2

Mehr

Gehaltsatlas 2014 Eine Studie über den Zusammenhang von Regionen und Gehalt

Gehaltsatlas 2014 Eine Studie über den Zusammenhang von Regionen und Gehalt ein Unternehmen von Gehaltsatlas 0 Eine Studie über den Zusammenhang von Regionen und Gehalt Seite /9 Wie wirken sich geografische Regionen auf das Gehalt aus? Welche regionalen Unterschiede gibt es zwischen

Mehr

1. Einleitung. 1.1. Ausgangssituation

1. Einleitung. 1.1. Ausgangssituation 1. Einleitung In der vorliegenden Arbeit wird untersucht, welche Faktoren den erfolgreichen Ausgang eines Supply-Chain-Projektes zwischen zwei Projektpartnern beeinflussen. Dazu werden zum einen mögliche

Mehr

Software-Engineering Einführung

Software-Engineering Einführung Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab

Mehr

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen

SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen WEITER BLICKEN. MEHR ERKENNEN. BESSER ENTSCHEIDEN. Optimierung von Abfragen in MS SQL Server DWH-Umgebungen SOLISYON GMBH CHRISTIAN WOLF, BENJAMIN WEISSMAN VERSION 1.0 OPTIMIERUNG VON ABFRAGEN IN MS SQL

Mehr

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz

25.09.2014. Zeit bedeutet eine Abwägung von Skalierbarkeit und Konsistenz 1 2 Dies ist ein Vortrag über Zeit in verteilten Anwendungen Wir betrachten die diskrete "Anwendungszeit" in der nebenläufige Aktivitäten auftreten Aktivitäten in einer hochgradig skalierbaren (verteilten)

Mehr

White Paper. Big Data für Unternehmen. Wie Sie das ungenutzte Potenzial großer Datenmengen gewinnbringend für sich einsetzen.

White Paper. Big Data für Unternehmen. Wie Sie das ungenutzte Potenzial großer Datenmengen gewinnbringend für sich einsetzen. White Paper Big Data für Unternehmen Wie Sie das ungenutzte Potenzial großer Datenmengen gewinnbringend für sich einsetzen. Big Data Pro Tag werden 2,5 Trillionen Bytes weltweit erzeugt 2 Fotolia - jannoon028

Mehr

Was tun mit Big Data? Workshop-Angebote der PROFI AG

Was tun mit Big Data? Workshop-Angebote der PROFI AG Was tun mit Big Data? Workshop-Angebote der PROFI AG Jetzt anmelden! Die Teilnehmerzahl ist begrenzt. Herzlich willkommen. Die PROFI AG bietet Kunden ein breites Spektrum an Software-Lösungen, um Geschäftsprozesse

Mehr

Unlimited Controlling

Unlimited Controlling smcolap Unlimited Controlling Heute müssen beliebige Bereiche eines Unternehmens schnell und effizient analysiert werden. Dabei darf es keine Rolle spielen, wo die Daten liegen und in welcher Relation

Mehr

Perzentile mit Hadoop ermitteln

Perzentile mit Hadoop ermitteln Perzentile mit Hadoop ermitteln Ausgangspunkt Ziel dieses Projektes war, einen Hadoop Job zu entwickeln, der mit Hilfe gegebener Parameter Simulationen durchführt und aus den Ergebnissen die Perzentile

Mehr

Das CHE-Forschungsranking deutscher Universitäten 2007 Psychologie (2007)

Das CHE-Forschungsranking deutscher Universitäten 2007 Psychologie (2007) Das CHE-Forschungsranking deutscher Universitäten 2007 Psychologie (2007) Dr. Sonja Berghoff Dipl.-Soz. Gero Federkeil Dipl.-Kff. Petra Giebisch Dipl.-Psych. Cort-Denis Hachmeister Dr. Mareike Hennings

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

Mehr

Zeiterfassung Urlaubsplanung/ -verwaltung Fehlzeitenverwaltung Projektverwaltung Zutrittskontrolle Mobile-/Web-Zeiterfassung Schichtverwaltung

Zeiterfassung Urlaubsplanung/ -verwaltung Fehlzeitenverwaltung Projektverwaltung Zutrittskontrolle Mobile-/Web-Zeiterfassung Schichtverwaltung Zeiterfassung Urlaubsplanung/ -verwaltung Fehlzeitenverwaltung Projektverwaltung Zutrittskontrolle Mobile-/Web-Zeiterfassung Schichtverwaltung Zeiterfassung In kürzester Zeit ist das Zeiterfassungsprogramm

Mehr

Dokumentation Softwareprojekt AlumniDatenbank

Dokumentation Softwareprojekt AlumniDatenbank Dokumentation Softwareprojekt AlumniDatenbank an der Hochschule Anhalt (FH) Hochschule für angewandte Wissenschaften Fachbereich Informatik 13. Februar 2007 Betreuer (HS Anhalt): Prof. Dr. Detlef Klöditz

Mehr

Industry 4.0 smarte Maschinen, smarte Industrie. Basel, 20. Oktober 2015 dieter.fischer@fhnw.ch IBE - Institut für Business Engineering der fhnw

Industry 4.0 smarte Maschinen, smarte Industrie. Basel, 20. Oktober 2015 dieter.fischer@fhnw.ch IBE - Institut für Business Engineering der fhnw Industry 4.0 smarte Maschinen, smarte Industrie Basel, 20. Oktober 2015 dieter.fischer@fhnw.ch IBE Institut für Business Engineering der fhnw Inhalt meines Beitrages Ziel: Ist Industry 4.0 nur ein «smarter»

Mehr

ebusiness Lösung - Erstellung und Nutzung firmenspezifischer Selbstlernmaterialien

ebusiness Lösung - Erstellung und Nutzung firmenspezifischer Selbstlernmaterialien LEITFADEN ebusiness Lösung - Erstellung und Nutzung firmenspezifischer Entscheiden Sie selbst, was Ihre Mitarbeiter lernen sollen! Erfolgreich im Internet: Vermarkten, Wissen managen und lernen. Der ebusiness-lotse

Mehr

Die Auswahl von Hardund Software ist ein Geschäftsprozess!

Die Auswahl von Hardund Software ist ein Geschäftsprozess! Konsortialpartner InnoZent OWL e.v. s-lab Software Quality Lab der Universität Paderborn ebusiness-lotse Ostwestfalen-Lippe Die Auswahl von Hardund Software ist ein Geschäftsprozess! Kooperationspartner

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

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator

eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator eevolution Business Intelligence Oliver Rzeniecki COMPRA GmbH Programmierer & Datenbankadministrator Agenda Was ist Business Intelligence? Was ist OLAP? Unterschied zwischen OLAP und OLTP? Bestandteile

Mehr

eblmedium DATENSCHUTZ Ausgabe 3 SICHERHEIT FÜRSORGEPFLICHT RECHT Datenschutz In der Region. Für die Region.

eblmedium DATENSCHUTZ Ausgabe 3 SICHERHEIT FÜRSORGEPFLICHT RECHT Datenschutz In der Region. Für die Region. In der Region. Für die Region. SICHERHEIT DATENSCHUTZ FÜRSORGEPFLICHT RECHT eblmedium 2013 Ausgabe 3 Eine Informationsbroschüre des ebusiness-lotsen Mittelhessen Datenschutz Diese Broschüre vermittelt

Mehr

Workshop 3 Industrie 4.0 im Mittelstand: Vorteile der Digitalisierung in Finanzwesen, Produktion, Fertigungssimulation und Fabrikautomation

Workshop 3 Industrie 4.0 im Mittelstand: Vorteile der Digitalisierung in Finanzwesen, Produktion, Fertigungssimulation und Fabrikautomation Workshop 3 Industrie 4.0 im Mittelstand: Vorteile der Digitalisierung in Finanzwesen, Produktion, Fertigungssimulation und Fabrikautomation Björn Schuster, Business Development 11. September 2015 N+P Informationssysteme

Mehr

IT Storage Cluster Lösung

IT Storage Cluster Lösung @ EDV - Solution IT Storage Cluster Lösung Leistbar, Hochverfügbar, erprobtes System, Hersteller unabhängig @ EDV - Solution Kontakt Tel.: +43 (0)7612 / 62208-0 Fax: +43 (0)7612 / 62208-15 4810 Gmunden

Mehr

ht t p://w w w.kebel.de/

ht t p://w w w.kebel.de/ MS SQL Server 2012: Kurs MOC 40008 E - Updating your Database Skills to Microsoft SQL Server 2012 (Kurs-ID: SQU) Seminarziel In diesem Kurs erwerben Datenbankprofis die nötigen Kenntnisse, um die neuen

Mehr