Vorwort und Einführung | 6 |
Inhaltsverzeichnis | 10 |
Modelle für Semantische Web-Anwendungen | 13 |
Strategische Fragen der integrierten Informationslogistik | 33 |
Integration des Prozessmanagements in eine zukunftsorientierte CIO- Organisation am Beispiel von Siemens ICN | 35 |
1 Einleitung | 35 |
1.1 Motivation | 36 |
1.2 Zielsetzung | 37 |
1.3 Aufbau des Beitrags | 37 |
2 Entwicklung des Prozessmanagements bei Siemens ICN | 38 |
3 Methodenelemente des Prozessmanagements bei Siemens ICN | 39 |
3.1 Zielsetzung des Prozessmanagements | 39 |
3.2 Einheitliche Prozessdokumentation | 40 |
3.3 Einheitliche Prozessoptimierung | 42 |
3.4 Zentrales Prozesscontrolling | 43 |
3.5 Organisation des Prozessmanagements | 43 |
3.6 Koordination des Prozessmanagements | 47 |
4 Lessons Learned | 48 |
4.1 Nutzen der Integration von Prozess- und IT-Management | 48 |
4.2 Erfolgsfaktoren eines integrierten, serviceorientierten Prozess- und IT- Managements | 49 |
5 Zusammenfassung und Ausblick | 49 |
6 Literatur | 50 |
EAI und Nachhaltigkeit von Architekturen – Ergebnisse einer empirischen Studie | 53 |
1 Ausgangssituation | 53 |
2 Rolle von EAI in der Unternehmensarchitektur | 54 |
3 Begriff der Nachhaltigkeit | 56 |
3.1 Definitionen des Nachhaltigkeitsbegriffs | 56 |
3.2 Nachhaltigkeitsbegriff der Wirtschaftsinformatik | 57 |
3.3 Nachhaltigkeitsstrategien | 58 |
4 EAI-Architekturen – Empirische Ergebnisse | 62 |
4.1 Einschätzung der Dauerhaftigkeit der Architekturen | 63 |
4.2 Einschätzung der Leistungsfähigkeit der Architekturen | 63 |
4.3 Strategien der Architekturgestaltung | 65 |
5 Bedrohungen der Nachhaltigkeit | 66 |
6 Zusammenfassung | 67 |
7 Literatur | 68 |
Die Wertschöpfung des Metadatenmanagements für Unternehmen der Finanzindustrie | 71 |
1 Einleitung | 71 |
2 Strukturelle Eigenschaften des Metadatenmanagements | 72 |
2.1 Handhabung von Anpassungsleistungen | 73 |
2.2 Alternative Mechanismen und Zielkonflikte | 73 |
3 Strukturelle Eigenschaften der Finanzindustrie | 74 |
3.1 Kleinkundengeschäft bei Banken | 75 |
3.2 Nichtlebengeschäft in der Rückversicherung | 77 |
4 Wertschöpfungspotenziale | 78 |
4.1 Auslagerung von IT-Dienstleistungen im Bankenumfeld | 78 |
4.2 Produktkombination | 79 |
4.3 Neue regulatorische Anforderungen (Sarbanes-Oxley-Act, Basel II) | 79 |
5 Erfahrungen | 80 |
6 Zusammenfassung | 81 |
6.1 Wann Metadatenmanagement (keinen) Sinn macht | 81 |
6.2 Ausblick | 82 |
7 Literatur | 83 |
Outsourcing und Offshoring von Business Intelligence- Lösungen – Empirische Studien und Praxiserfahrung | 85 |
1 Einleitung und Überblick | 86 |
2 Business Intelligence als komplexes „Ökosystem“ aus Strategien, Rollen, Funktionen, Prozessen und Technik | 88 |
2.1 Historie und aktuelle Entwicklung | 88 |
2.2 Reifegradmodelle von IT-Lösungen und ITOrganisationen – insbes. BI- Lösungen | 89 |
2.3 Das BI Maturity Model biMM | 92 |
2.4 Das Business Intelligence Maturity Audit biMA® | 95 |
3 Outsourcing: Onshore/Nearshore/Offshore | 97 |
3.1 Geschäftsmodelle und Service Locations beim Outsourcing | 97 |
3.2 Erwartungen an das Outsourcing und Erfahrungen aus durchgeführten Projekten | 100 |
3.3 Funktionale Inhalte des Outsourcing/Application Management | 102 |
3.4 Stand des BI-Outsourcing in Deutschland | 104 |
3.5 Allgemeine Risiken im Outsourcing | 104 |
3.6 Spezifische Risiken beim BI-Outsourcing | 106 |
3.7 Abgrenzung von Outsourcing zu Application Service Providing ( ASP) | 108 |
4 Vorgehen beim BI-Outsourcing | 109 |
4.1 Festlegen des Aufgabenbereichs für das BI-Outsourcing: „ Was soll das Outsourcing inhaltlich umfassen?“ | 109 |
4.2 Prüfung des Reifegrades der BI-Komponenten: „ Welche Anwendungen können im Outsourcing betreut werden?“ | 110 |
4.3 Vereinbarung eines Geschäfts- und Governance-Modells: „ Wie soll das Outsourcing durchgeführt werden?“ | 112 |
4.4 Durchführung eines BI-Outsourcing-Projekts | 113 |
4.5 Chancen-/Risiken-Bewertung eines BI-Outsourcing | 116 |
5 Literaturverzeichnis | 117 |
6 Weiterführende Literatur | 117 |
Ausgewählte Gestaltungsaspekte der integrierten Informationslogistik | 119 |
Die Gestaltung einer unternehmensweiten, flexiblen Software- Architektur auf Basis eines selbst entwickelten Zonen- und Schichten- Modells | 121 |
1 Einleitung | 121 |
2 Das Vorgehensmodell | 122 |
3 Die Daten-Architektur | 124 |
4 Die Anwendungs-Architektur | 127 |
4.1 Das „3-Dimensional Architectural Framework“ | 128 |
4.2 Das Zonen- und Schichten-Modell, der Bauplan zur Wiederverwendung | 129 |
4.3 Die Schichten des ZSM | 130 |
4.4 Die Zonen des ZSM | 130 |
4.5 Die Umgebungen des ZSM | 137 |
4.6 Ein Beispiel für die praktische Anwendung des ZSM | 138 |
4.7 ZSM und Data Warehouse | 139 |
5 Zusammenfassung und Ausblick | 140 |
6 Literatur | 141 |
Entwurfsmuster für die Applikationsintegration | 143 |
1 Einleitung | 143 |
2 Grundlagen | 144 |
3 Vorhandene Entwurfsmusteransätze | 146 |
3.1 Entwurfsmuster von Gamma et al. | 146 |
3.2 Patterns for e-Business | 149 |
3.3 EAI-Architekturmuster nach Lutz | 155 |
4 Entwicklung von Integrationsarchitekturmustern | 157 |
4.1 Muster vom Typ Informationsbedarf | 158 |
4.2 Muster vom Typ Verarbeitungsauftrag | 160 |
5 Zusammenfassung | 163 |
6 Literatur | 163 |
Twelve Mistakes to Avoid When Constructing a Real- Time Data Warehouse | 165 |
1 Introduction | 165 |
2 Mistake #1: Focusing on “Real” Time Rather than “ Right” Time | 165 |
3 Mistake #2: Confusion between Bookkeeping, Decision Making, and Action Taking | 166 |
4 Mistake #3: Using Legacy ETL Infrastructure | 168 |
5 Mistake #4: Too Much Summary Data | 169 |
6 Mistake #5: Lack of High Availability | 170 |
7 Mistake #6: Failure to Initiate Business Process Changes | 170 |
8 Mistake #7: Separate ODS Deployment per Channel | 171 |
9 Mistake #8: Under Estimating the Importance of Historical Data | 173 |
10 Mistake #9: Failure to Integrate the Data | 174 |
11 Mistake #10: Assume that all Knowledge Workers want Real- time Data | 175 |
12 Mistake #11: Big Bang Approach to Implementation | 175 |
13 Mistake #12: Implementation of a Non-Scalable Solution | 176 |
14 Conclusions | 177 |
15 References | 177 |
Anforderungsmanagement bei der Entwicklung von Data Warehouse- Systemen – Ein sichtenspezifischer Ansatz | 179 |
1 Einleitung | 179 |
2 Anforderungen an das Anforderungsmanagement | 180 |
2.1 Erweiterter Anforderungsbegriff | 180 |
2.2 Empfängerorientierung und Traceability | 182 |
3 Anforderungsmanagement für Data-Warehouse- Systeme auf Grundlage der Viewpoint- Methode | 183 |
3.1 Grundlagen und Vorgehen | 183 |
3.2 Identifikation relevanter Viewpoints | 184 |
3.3 Dokumentation der Viewpoint Requirements | 185 |
3.4 Analyse und Spezifikation der Anforderungen | 190 |
4 Implementierung | 192 |
5 Fazit und Ausblick | 194 |
6 Literatur | 195 |
Lösungsansätze aus Data Warehouse-Projekten | 199 |
1 Einleitung | 199 |
2 Den ETL-Prozess gestalten | 200 |
2.1 Dummy-Referenzen einfügen | 201 |
2.2 Dublettenbehandlung | 202 |
2.3 Historie aufbauen | 204 |
3 Daten aufbereiten | 206 |
3.1 Entdecken von schlechter Datenqualität | 207 |
3.2 Auffüllen leerer Datenfelder | 210 |
3.3 Data Marts für Data Mining und Kampagnen | 211 |
3.4 Inkrementelle Aggregate | 212 |
4 Daten nutzen | 214 |
5 Literatur | 216 |
XML-Einsatz in Business-Intelligence-Systemen – Eine systematische Übersicht | 217 |
1 Nutzen des XML-Einsatzes in Business-Intelligence- Systemen | 217 |
2 XML Standards | 219 |
2.1 Core-Standards | 220 |
2.2 Spezielle XML-Definitionen für Business-Intelligence- Systeme | 222 |
3 Einsatzbereiche der XML-Standards in BISystemen | 228 |
3.1 Datenintegration | 229 |
3.2 Datenmodellierung | 231 |
3.3 Nutzdaten-Speicherung | 232 |
3.4 Metadatenverwaltung | 233 |
3.5 Abfrage, Analyse und Präsentation | 233 |
3.6 Anwendungskonfiguration | 234 |
4 Fazit | 234 |
5 Literatur | 236 |
Neue Umsetzungsszenarien integrierter Informationslogistik | 241 |
XML-Datenimport in das SAP Business Information Warehouse bei Bayer MaterialScience | 243 |
1 Einleitung | 243 |
2 XML-Datenimport im SAP Business Information Warehouse | 245 |
2.1 Architektur des Business Information Warehouse | 246 |
2.2 XML, SOAP und Webservices | 248 |
2.3 Bedeutung des Einsatzes von XML in ETL-Prozessen mit dem Business Information Warehouse | 250 |
3 Traditionelles Host basiertes Verfahren der Datenbereitstellung für SAP BW bei Bayer MaterialScience | 252 |
4 Neues Datenimportverfahren auf Basis von XML und SOAP | 254 |
4.1 Darstellung des Verfahrens in der Übersicht | 255 |
4.2 Versand von XML-Datenpaketen | 256 |
4.3 Verwaltung der per XML gelieferten Datenpakete in einer Web- Applikation | 258 |
4.4 Implementierung des Datenflusses im BW | 260 |
5 Ausblick | 262 |
6 Literatur | 262 |
OLAP-Techniken aus Sicht der industriellen Auftragsabwicklung | 265 |
1 Einleitung | 265 |
2 Verwandte Arbeiten | 267 |
3 Domänenspezifische OLAP-Erweiterungen | 269 |
3.1 Unvollständige Zuordnungen zu Dimensionsstufen | 270 |
3.2 Nicht eindeutige Aggregationszuordnungen zwischen Bezugsobjekten | 272 |
3.3 Rekursive Datenstrukturen der Anwendungssysteme | 274 |
3.4 Typisierung von Dimensionsstrukturen | 277 |
3.5 Integrierte Auswertung aktueller und historisierter Daten | 279 |
4 Fazit | 283 |
5 Literatur | 284 |
Extending the Data Warehouse with Company External Data from Competitors' Websites – A Case Study in the Banking Sector | 289 |
1 Motivation | 289 |
2 Company External Data | 291 |
3 LIXTO | 292 |
4 Case Study: Extracting Competitors Web Data | 293 |
4.1 The Organisation: An Online Bank | 293 |
4.2 Architecture | 294 |
4.3 Data Discovery | 294 |
4.4 Data Acquisition | 297 |
4.5 Data Structuring and Data Integration | 298 |
5 Case Study: Data Analysis | 299 |
5.1 Data Model | 299 |
5.2 Business Questions | 300 |
6 Related Work | 303 |
7 Conclusion | 304 |
8 Acknowledgement | 304 |
9 References | 305 |
Data Distribution with a Market Data Information System | 307 |
1 Introduction | 307 |
2 Conceptual framework | 308 |
2.1 Data Warehouse concept | 308 |
2.2 Modelling the Data-Warehouse-schema | 309 |
2.3 Information retrieval process | 310 |
3 Method | 312 |
3.1 Descriptor definition | 312 |
3.2 Filtering process | 312 |
3.3 Visualization | 313 |
4 Designing the data model for a distributed MAIS database | 315 |
4.1 Distributed data sandbox model | 315 |
4.2 Replication using streams | 317 |
4.3 Replication using materialized views | 318 |
4.4 Distributing the import procedure using synonyms | 319 |
5 Conclusion | 320 |
6 References | 321 |
Einsatz von Peer-to-Peer-Technologie zur betriebswirtschaftlichen und informationstechnischen Unterstützung von EAI- Projekten | 323 |
1 Einleitung | 323 |
2 Unzulänglichkeiten klassischer EAI-Ansätze | 325 |
2.1 Umsetzung betriebswirtschaftlicher Anforderungen | 325 |
2.2 Technische Probleme | 326 |
3 EAI mit Peer-to-Peer basierter Technologie | 328 |
3.1 Bestehende Peer-to-Peer Anwendungen | 328 |
3.2 Nutzenpotenziale von Peer-to-Peer zur Integration | 329 |
3.3 Peer-to-Peer Integrationsansatz | 331 |
4 Fazit | 335 |
5 Literatur | 336 |
Prozessintegration in der Praxis | 339 |
Integrating Management Views in Supply Chain Environments – An arvato ( Bertelsmann) Business Case | 341 |
1 Introduction | 341 |
2 Advantage by Service | 342 |
3 Order Fulfilment and Customer Service at arvato | 344 |
3.1 Order Fulfilment Process | 344 |
3.2 Customer Service Process | 345 |
4 Technical Integration Architecture | 346 |
4.1 Initial IT Infrastructure | 346 |
5 Conceptual Supply Chain Integration | 349 |
5.1 Value of Information | 349 |
5.2 Management View Master Data | 354 |
5.3 Sales Organization Key Accounting | 358 |
5.4 Aggregated Key Accounting | 360 |
6 Discussion and Outlook | 361 |
7 References | 362 |
Integrierte Prozesse mit Prozessportalen | 365 |
1 Herausforderung der Netzwerkökonomie | 365 |
2 Prozessportale als Basis für Integration | 367 |
2.1 Management | 368 |
2.2 Fachabteilung | 368 |
2.3 IT-Spezialisten | 368 |
3 Integrierte Geschäftsprozessarchitektur mit Prozessportalen und EAI Software | 370 |
3.1 Process Design | 371 |
3.2 Process Execution | 371 |
3.3 Process Controlling | 372 |
4 Das Beispiel DaimlerChrysler Bank | 373 |
5 Nutzen des Prozessmanagements mit Prozessportalen | 375 |
Planung und Einsatz von EAI am Beispiel eines Projekts in der Wertpapierabwicklung einer Geschäftsbank | 377 |
1 Einleitung | 377 |
2 Strategische Überlegungen | 378 |
2.1 Geschäftspolitische Ziele | 378 |
2.2 Vorgaben für die Lösung | 379 |
3 Projekt | 379 |
3.1 Einleitung | 379 |
3.2 Prozess der Wertpapierabwicklung | 380 |
3.3 Bestandsaufnahme | 381 |
3.4 Zielarchitektur | 383 |
4 Lessons Learned | 385 |
4.1 Einbindung der Fachbereiche | 385 |
4.2 Planung eines erhöhten Koordinationsaufwands | 385 |
4.3 Einführung eines systemübergreifenden Entwicklungsprozesses | 386 |
4.4 Einführung eines systemübergreifenden Betriebs | 386 |
4.5 Festlegung einer anwendungsübergreifenden Fehlerbehandlung | 386 |
4.6 Festlegung des Änderungsmanagements | 387 |
4.7 Vorgabe: EAI-Komponenten ohne Anwendungslogik | 387 |
5 Literatur | 387 |
DWH und EAI im Integration Layer der Bank Julius Bär – Architektur, Anwendungen und Erfahrungen | 389 |
1 Einleitung | 389 |
2 Anforderungen | 390 |
2.1 Die bankfachlichen Anforderungen | 390 |
2.2 Spezifische DWH-Anforderungen | 390 |
2.3 Spezifische EAI-Anforderungen | 391 |
2.4 Wichtige IT-interne Motive | 392 |
3 Architektur | 392 |
3.1 Der funktionale Aspekt | 393 |
3.2 Der technische Aspekt | 396 |
3.3 Die Datawarehousing-Architektur | 398 |
3.4 Die Architektur des operational Datastore | 403 |
3.5 Das Zusammenspiel von DWH und EAI | 404 |
3.6 Die eingesetzten Werkzeuge | 404 |
4 Anwendungen | 405 |
4.1 Data Integration and Warehousing | 405 |
4.2 Applikations-Integration | 406 |
4.3 Leistungsdaten | 407 |
5 Erfahrungen | 408 |
6 Ausblick | 408 |
7 Literatur | 409 |
Data Warehousing in der Praxis | 411 |
Einsatz eines Data Warehouse im eGovernment- Bereich zur Asylsteuerung und Migrationsanalyse | 413 |
1 Einleitung | 413 |
2 Anforderungen an ein Data Warehouse aus Sicht des Geschäftsprozesses Asyl | 414 |
3 Modellierungsebenen im Asylprozess | 418 |
4 Vorgehensweise | 422 |
5 Architektur und Werkzeugunterstützung | 424 |
6 Weitere Schritte und Ausblick | 427 |
7 Literatur | 429 |
Analyse eines SAP BW-Einsatzes im Controlling am Beispiel der T- Com | 431 |
1 Data Warehousing im Controlling der T-Com und Ansatz der Analyse | 432 |
2 Vorgehensmodell zur Analyse bestehender Data Warehouse- Systeme | 434 |
3 Analyse des CON BW | 440 |
4 Entwicklung von Handlungsempfehlungen | 442 |
5 Zusammenfassung und Ausblick | 446 |
6 Literatur | 447 |
Customer Investigation Process at Credit Suisse: Meeting the Rising Demand of Regulators | 449 |
1 Introduction | 449 |
2 Information Quality Framework | 451 |
3 The Original Customer Investigation Process | 453 |
3.1 Activities and Workflow | 453 |
3.2 Analysis of Information Quality Issues | 455 |
4 The Revised Process—Automated by an Information System | 458 |
4.1 Workflow of the Revised Process | 459 |
4.2 The Investigation Application—An Information System supporting the Investigation Process | 460 |
4.3 Assessment of the Impact of the Revision on Information Quality | 466 |
5 Conclusion and Experiences | 468 |
6 References | 469 |
Integrationsbedarf einer bankspezifischen Deckungsbeitragsrechnung | 471 |
1 Einleitung | 471 |
2 Grundlagen der Untersuchung | 473 |
2.1 Die Bankkalkulation in der Literatur | 473 |
2.2 Ist-Situation bei der HVB Luxembourg | 475 |
2.3 Zielsetzung der HVB Luxembourg | 476 |
3 Soll-Konzeption | 478 |
3.1 Lösungsansatz Prozesskostenrechnung | 478 |
3.2 Systemische Integration | 482 |
3.3 Integration in den Controlling-Zyklus | 485 |
4 Fazit | 487 |
5 Literatur | 488 |
Analytisches Investor Relationship Management – Ein innovatives Anwendungsfeld für Data Mining Technologien untersucht am Beispiel der AMP Ltd. | 491 |
1 Einführung | 491 |
1.1 Problemstellung – Vom Customer zum Investor Relationship Management | 491 |
1.2 Stand der Forschung und Zielsetzung | 492 |
1.3 Methodik und Aufbau des Beitrages | 493 |
2 Grundlage der Analyse von Investorendaten | 493 |
2.1 Aktienregister als Datenbasis | 494 |
2.2 Datenaufbereitung und Investoren-Data-Warehouse | 495 |
2.3 Data-Mining-Analysen von Aktienregisterdaten | 497 |
3 Fallstudie: Analyse der Aktienregisterdaten bei der AMP Ltd. | 501 |
3.1 Hintergrund der Fallstudie | 501 |
3.2 Datenanalyse | 502 |
3.3 Ergebnisse der Fallstudie | 505 |
4 Zusammenfassung und Ausblick | 506 |
5 Literatur | 506 |
DW2004 – Data Warehousing und EAI | 509 |
Veranstalter | 509 |
Programmkomitee | 509 |
Autorenverzeichnis | 512 |