Logo des Repositoriums

Auflistung nach Schlagwort "Big Data"

1 - 10 von 54
  • Konferenzbeitrag
    Ein ABC aktueller Herausforderungen für sichere interaktive Systeme
    (Mensch und Computer 2018 - Workshopband, 2018) Mentler, Tilo
    Die Potenziale und Grenzen maschineller Lernverfahren (unter dem Schlagwort „Artificial Intelligence“), großer verfügbarer Datenmengen („Big Data“) sowie vernetzter softwaretechnischer und mechanischer Komponenten („Cyber-Physical Systems“) werden derzeit hinsichtlich verschiedener sicherheitskritischer Domänen diskutiert. Unabhängig von konkreten Anwendungen (z.B. Umgang mit Fake News, „smarte“ Energieverteilnetze oder E-Health) gilt es, Herausforderungen für die Gestaltung entsprechender Computersysteme systematisch zu erfassen. Sie müssen dann insbesondere hinsichtlich der Mensch-Maschine-Schnittstelle bewertet werden. In diesem Beitrag wird auf Grundlage der Forschungsarbeiten im Projekt „Artificial Intelligence and the Automated Ordering of Digital Communication“ das zuvor benannte ABC aktueller Herausforderungen für die Gestaltung sicherer interaktiver Systeme diskutiert und Forschungsbedarf im Bereich Mensch-Technik-Interaktion identifiziert.
  • Konferenzbeitrag
    Best Practice: Informationsarchitektur & Corporate Usability am Beispiel des B. Braun Product Center
    (UP14 - Kurzvorträge, 2014) Gerstheimer, Oliver; Nolte, Gesa; Broel, Christian; Wackerbarth, Karin
    Wahrnehmungs- und lesezeitoptimierte IA-Gestaltung von Erlebnis, Effizienz und Effektivität beim Zugriff auf über 1,5 Millionen Produkt-Informationen im Intranet. Der Beitrag zeigt die methodische Planung und die Visualisierungsstufen der Informationsarchitektur und die Herausforderungen der Datenkomplexität bei der Neu-/Umgestaltung einer zentralen Intranet Informations-Datenbank für Produktinformationen.
  • Zeitschriftenartikel
    Big Data
    (Wirtschaftsinformatik: Vol. 56, No. 5, 2014) Schermann, Michael; Hemsen, Holmer; Buchmüller, Christoph; Bitter, Till; Krcmar, Helmut; Markl, Volker; Hoeren, Thomas
    Mit “Big Data” werden Technologien beschrieben, die nicht weniger als die Erfüllung eines der Kernziele der Wirtschaftsinformatik versprechen: die richtigen Informationen dem richtigen Adressaten zur richtigen Zeit in der richtigen Menge am richtigen Ort und in der erforderlichen Qualität bereitzustellen. Für die Wirtschaftsinformatik als anwendungsorientierte Wissenschaftsdisziplin entstehen durch solche technologischen Entwicklungen Chancen und Risiken. Risiken entstehen vor allem dadurch, dass möglicherweise erhebliche Ressourcen auf die Erklärung und Gestaltung von Modeerscheinungen verwendet werden. Chancen entstehen dadurch, dass die entsprechenden Ressourcen zu substanziellen Erkenntnisgewinnen führen, die dem wissenschaftlichen Fortschritt der Disziplin wie auch ihrer praktischen Relevanz dienen.Aus Sicht der Autoren ist die Wirtschaftsinformatik ideal positioniert, um Big Data kritisch zu begleiten und Erkenntnisse für die Erklärung und Gestaltung innovativer Informationssysteme in Wirtschaft und Verwaltung zu nutzen – unabhängig davon, ob Big Data nun tatsächlich eine disruptive Technologie oder doch nur eine flüchtige Modeerscheinung ist. Die weitere Entwicklung und Adoption von Big Data wird letztendlich zeigen, ob es sich um eine Modeerscheinung oder um substanziellen Fortschritt handelt. Die aufgezeigten Thesen zeigen darüber hinaus auch, wie künftige technologische Entwicklungen für den Fortschritt der Disziplin Wirtschaftsinformatik genutzt werden können. Technologischer Fortschritt sollte für eine kumulative Ergänzung bestehender Modelle, Werkzeuge und Methoden genutzt werden. Dagegen sind wissenschaftliche Revolutionen unabhängig vom technologischen Fortschritt.Abstract“Big data” describes technologies that promise to fulfill a fundamental tenet of research in information systems, which is to provide the right information to the right receiver in the right volume and quality at the right time. For information systems research as an application-oriented research discipline, opportunities and risks arise from using big data. Risks arise primarily from the considerable number of resources used for the explanation and design of fads. Opportunities arise because these resources lead to substantial knowledge gains, which support scientific progress within the discipline and are of relevance to practice as well.From the authors’ perspective, information systems research is ideally positioned to support big data critically and use the knowledge gained to explain and design innovative information systems in business and administration – regardless of whether big data is in reality a disruptive technology or a cursory fad. The continuing development and adoption of big data will ultimately provide clarity on whether big data is a fad or if it represents substantial progress in information systems research. Three theses also show how future technological developments can be used to advance the discipline of information systems. Technological progress should be used for a cumulative supplement of existing models, tools, and methods. By contrast, scientific revolutions are independent of technological progress.
  • Konferenzbeitrag
    Big Data Analytics in der Tierwohldebatte
    (38. GIL-Jahrestagung, Digitale Marktplätze und Plattformen, 2018) Hoffmann, Christa; Riekert, Martin
    Big Data Analytics ermöglicht Informationen aus Daten automatisch, objektiv und kosten-günstig zu extrahieren. So können Daten zur Haltungsumgebung (z. B. Fütterungs- oder Tem-peraturdaten), aber auch Daten aus Verhaltensbeobachtungen mittels Videokameras oder RFID, analysiert und zur Verbesserung des Tierwohls eingesetzt werden. Eine besondere Be-deutung spielen Maschinelle Lernverfahren, die aus bestehenden Datenbeständen lernen und somit die Datenanalyse vereinfachen, Prognosen für Tierwohl-Risiken ermöglichen und Ein-flussfaktoren auf das Tierwohl identifizieren. Im Projekt „Landwirtschaft 4.0: Info-System“ werden neue Techniken, Methoden und Verfahren für die intelligente Auswertung entwickelt, um eine breite Zustimmung der Gesellschaft zur wettbewerbsfähigen Tierproduktion zu er-möglichen.
  • Konferenzbeitrag
    Big Data in a Crisis? Creating Social Media Datasets for Crisis Management Research
    (i-com: Vol. 15, No. 3, 2017) Reuter, Christian; Ludwig, Thomas; Kotthaus, Christoph; Kaufhold, Marc-André; Radziewski, Elmar von; Pipek, Volkmar
    A growing body of research in the area of information systems for crisis management is based on data from social media. After almost every larger disaster studies emerge with the focus on the specific use of social media. Much of this research is based on Twitter data, due to the ease of access of this (mainly public) data, compared to (more closed) data, such as Facebook or Google+. Based on the experience gained from a research project on social media in emergencies and our task to collect social media data sets for other partners, we present the design and evaluation of a graphical user interface that supports those stakeholders (such as emergency services or researchers) that are interested in creating social media datasets for further crisis management research. We do not specifically focus on the analysis of social media data. Rather we aim to support the gathering process and how actors without sophisticated technical skills can be supported to get what they want and especially need: relevant social media data. Within this article, we present a practice-oriented approach and implications for designing tools that support the collection of social media data as well as future work.
  • Zeitschriftenartikel
    Big Data und Informationsverarbeitung in organisatorischen Entscheidungsprozessen
    (Wirtschaftsinformatik: Vol. 56, No. 5, 2014) Kowalczyk, Martin; Buxmann, Peter
    Datenzentrische Ansätze wie Big Data und verwandte Ansätze im Bereich Business Intelligence und Analytics (BI&A) haben in jüngster Zeit viel Aufmerksamkeit auf sich gezogen, da sie versprechen – basierend auf neuen geschäftsrelevanten Erkenntnissen und besseren Entscheidungen – die Leistungsfähigkeit von Unternehmen stark zu verbessern. Die Einbeziehung datenzentrischer Ansätze in die Entscheidungsprozesse von Unternehmen ist herausfordernd und es ist nicht selbstverständlich, dass die erwarteten Nutzen auch realisiert werden. Frühere Studien haben einen mangelnden Forschungsfokus auf den Kontext von Entscheidungsprozessen in datenzentrischen Ansätzen festgestellt. Mittels eines multiplen Fallstudienansatzes werden im vorliegenden Aufsatz unterschiedliche Typen von BI&A-gestützten Entscheidungsprozessen untersucht und die drei folgenden Beiträge gemacht. Erstens wird gezeigt, wie die Facetten von Big Data und verschiede Kompositionen von Mechanismen der Informationsverarbeitung in unterschiedlichen Typen von BI&A-gestützten Entscheidungsprozessen genutzt werden. Zweitens werden neue Erkenntnisse über organisatorische Mechanismen der Informationsverarbeitung und ihre komplementäre Beziehung zu datenzentrischen Mechanismen zur Theorie der Informationsverarbeitung beigetragen. Drittens wird demonstriert, wie die Theorie der Informationsverarbeitung angewendet werden kann, um die Dynamik der Komposition von Mechanismen der Informationsverarbeitung über verschiedene Entscheidungstypen hinweg zu bewerten. Abschließend werden die theoretischen und praktischen Implikationen der Studie diskutiert.AbstractData-centric approaches such as big data and related approaches from business intelligence and analytics (BI&A) have recently attracted major attention due to their promises of huge improvements in organizational performance based on new business insights and improved decision making. Incorporating data-centric approaches into organizational decision processes is challenging, even more so with big data, and it is not self-evident that the expected benefits will be realized. Previous studies have identified the lack of a research focus on the context of decision processes in data-centric approaches. By using a multiple case study approach, the paper investigates different types of BI&A-supported decision processes, and makes three major contributions. First, it shows how different facets of big data and information processing mechanism compositions are utilized in different types of BI&A-supported decision processes. Second, the paper contributes to information processing theory by providing new insights about organizational information processing mechanisms and their complementary relationship to data-centric mechanisms. Third, it demonstrates how information processing theory can be applied to assess the dynamics of mechanism composition across different types of decisions. Finally, the study’s implications for theory and practice are discussed.
  • Zeitschriftenartikel
    Big Data – Eine Einführung
    (HMD Praxis der Wirtschaftsinformatik: Vol. 51, No. 4, 2014) Fasel, Daniel
    Verfolgt man die Diskussionen in der europäischen Wirtschaft, erkennt man, dass der Begriff Big Data in der Praxis nicht klar definiert ist. Er ist zwar in aller Munde, doch nur wenige haben eine klare Antwort auf die Frage, was Big Data ist und wo es sich von klassischen Daten einer Unternehmung unterscheidet. Dieser Beitrag gibt eine Einführung in Big Data. Anhand von Volume, Velocity und Variety werden grundlegende Merkmale von Big Data erläutert. Um Big Data wertschöpfend in einer Firma einzusetzen braucht es neue Technologien und neue Fähigkeiten, damit mit solchen Daten besser umgegangen werden kann. In diesem Beitrag werden die Hauptgruppen und einige Vertreter von solchen neuen Technologien kurz erläutert. Letztlich werden die Chancen und Risiken von Big Data in Unternehmen betrachtet.
  • Konferenzbeitrag
    The Case For Change Notifications in Pull-Based Databases
    (Datenbanksysteme für Business, Technologie und Web (BTW 2017) - Workshopband, 2017) Wingerath, Wolfram; Gessert, Felix; Friedrich, Steffen; Witt, Erik; Ritter, Norbert
    Modern web applications often require application servers to deliver updates proactively to the client. These push-based architectures, however, are notoriously hard to implement on top of existing infrastructure, because today’s databases typically only support pull-based access to data. In this paper, we first illustrate the usefulness of query change notifications and the complexity of providing them. We then describe use cases and discuss state-of-the-art systems that do provide them, before we finally propose a system architecture that offers query change notifications as an opt-in feature for existing pull-based databases. As our proposed architecture distributes computational work across a cluster of machines, we also compare scalable stream processing frameworks that could be used to implement the proposed system design.
  • Zeitschriftenartikel
    Das aufstrebende Berufsbild des Data Scientist
    (HMD Praxis der Wirtschaftsinformatik: Vol. 53, No. 4, 2016) Schumann, Conny; Zschech, Patrick; Hilbert, Andreas
    Um die Vielzahl an heterogenen Datenströmen im Zeitalter von Big Data in für Unternehmen entscheidungsrelevante Informationen zu transformieren, wurden in den letzten Jahren nicht nur Business-Analytics-Ansätze entwickelt. Auch ein neues Berufsbild wurde Mittelpunkt zahlreicher Diskussionen: der Data Scientist. Die Vielzahl an Kompetenzen, die diese neue Berufsgruppe mit sich bringen sollte, wurde in verschiedenen Fachbeiträgen beschrieben und wird in diesem Artikel durch ein systematisches Literature Review zusammengefasst. Dabei werden die einzelnen, durch die Inhaltsanalyse ermittelten Kompetenzen nicht nur aufgezählt, sondern erstmalig in ein Kompetenzmodell eingeordnet. Der Data Scientist sollte zahlreiche Fachkompetenzen, wie Kenntnisse in Statistik oder den KDD-Prozess betreffende Kompetenzen zur Datenselektion-, -aufbereitung, -analyse und Interpretation, aber auch Sozialkompetenzen, wie Team- und Kommunikationsfähigkeit, sowie Selbstkompetenzen, wie Neugier oder Kreativität, mit sich bringen. Hierbei wird ersichtlich, dass ein Data Scientist allein nicht alle Kompetenzen erfüllen kann. Es bedarf vielmehr an die Aufgaben und Rollen im Unternehmen angepasste Typen von Data Scientists mit unterschiedlichen Kompetenzschwerpunkten. Folglich werden ausgehend von den Erkenntnissen der Literatur- und Inhaltsanalyse Handlungsempfehlungen zur Entwicklung von spezifischeren Anforderungsprofilen ausgesprochen.AbstractTo transform the variety of heterogeneous data streams into enterprise decision-relevant information, not just modern business analytics approaches have been developed in recent years. In addition, a new job profile called for attention within the rising era of Big Data: the Data Scientist. The variety of skills that come along with this new profession has been described in various technical papers and is now summarized in this article through a systematic literature review. For this purpose, the identified competences are not only enumerated, but also classified within a competency model using a content analysis. The result of this examination is that according to the literature a Data Scientist should provide an extensive skill set – including professional skills such as statistics or KDD-relevant skills for the selection, preprocessing, analysis and interpretation of data, but also social skills such as teamwork and communication, as well as personal skills such as curiosity or creativity. Here it becomes evident that a Data Scientist alone cannot meet all these competencies. Rather, it requires individual types of Data Scientists with different major focus depending on the roles and duties within the enterprise. For this purpose the article provides recommendations for the development of specific Data Scientist profiles based on the results of the literature and content analysis.
  • Konferenzbeitrag
    Data Canvas und Data-Need Fit
    (Mensch und Computer 2015 – Usability Professionals, 2015) Mathis, Katrin; Köbler, Felix