| Vorwort zur 5. Auflage | 5 |
| Vorwort zur 4. Auflage | 6 |
| Vorwort zur 3. Auflage | 7 |
| Vorwort zur 2. Auflage | 8 |
| Vorwort zur 1. Auflage | 9 |
| Inhaltsverzeichnis | 12 |
| Autorenverzeichnis | 20 |
| Teil I | 22 |
| Grundlagen und Organisatorische Aspekte | 22 |
| Kapitel-1 | 23 |
| Analytische Informationssysteme – Einordnung und Überblick | 23 |
| 1.1 Motivation | 24 |
| 1.2 Einordnung der Analytischen Informationssysteme in die betriebliche Informationsverarbeitung | 26 |
| 1.3 Grundlagen und organisatorische Aspekte | 28 |
| 1.4 Architektur und Technologien | 29 |
| 1.5 Betriebswirtschaftliche Anwendung und spezielle Aspekte der Analytischen Informationssysteme | 30 |
| Literatur | 32 |
| Kapitel-2 | 33 |
| Historische Fragmente einer Integrationsdisziplin – Beitrag zur Konstruktgeschichte der Business Intelligence | 33 |
| 2.1 Einleitung | 34 |
| 2.2 Historische Fragmente zur Chronologie der Business Intelligence | 36 |
| 2.3 Etymologische Annäherung an Business Intelligence – Taxonomie des State-of-the-Art | 41 |
| 2.4 Situation Awareness als Zielkonstrukt einer kognitionsorientierten Gestaltung der Business Intelligence | 45 |
| 2.5 Zusammenfassung und Ausblick | 47 |
| Literatur | 50 |
| Kapitel-3 | 53 |
| Von der Business-Intelligence-Strategie zum Business Intelligence Competency Center | 53 |
| 3.1 Einführung | 54 |
| 3.2 Entwicklung einer BI-Strategie | 56 |
| 3.2.1 Business-Intelligence-Strategie | 56 |
| 3.2.2 Vorgehensmodell zur Entwicklung einer BI-Strategie | 56 |
| 3.3 Aufbau eines BI Competency Center | 65 |
| 3.4 Ausgewählte Aspekte einer BI-Strategie | 66 |
| 3.4.1 Kosten und Nutzen bewerten | 66 |
| 3.4.2 Auf Trends reagieren | 68 |
| 3.4.3 Architektur gestalten | 68 |
| 3.4.4 Softwareportfolio festlegen | 69 |
| 3.4.5 Spannungsfeld erkennen | 70 |
| 3.5 Fazit | 72 |
| Literatur | 73 |
| Kapitel-4 | 74 |
| Die nächste Evolutionsstufe von AIS: Big Data | 74 |
| 4.1 Big Data und Business Intelligence | 75 |
| 4.2 Erweiterung der analytischen Anwendungsfelder durch Big Data | 77 |
| 4.3 Überblick über Technologien für Big Data | 80 |
| 4.4 Erweiterung klassischer BI-Architekturen durch Big Data | 81 |
| 4.5 Fazit | 83 |
| Literatur | 84 |
| Kapitel-5 | 85 |
| Analytische Informationssysteme aus Managementsicht: lokale Entscheidungsunterstützung vs. unternehmensweite Informations-Infrastruktur | 85 |
| 5.1 Analytische Informationssysteme aus Managementsicht | 86 |
| 5.1.1 Dimensionen „Umsetzungsunabhängigkeit“ und „Reichweite“ | 86 |
| 5.1.2 Infrastruktur vs. Analytik | 89 |
| 5.1.3 Unternehmensweite Informations-Infrastruktur | 90 |
| 5.1.4 Analytik | 92 |
| 5.1.5 Gestaltungsaufgaben für Informations-Infrastruktur und Analytik | 94 |
| 5.2 Unternehmensweite Informations-Infrastruktur aus Managementsicht | 96 |
| 5.2.1 Projekt- vs. Betriebssicht | 96 |
| 5.2.2 Informationsinfrastruktur-Strategie | 97 |
| 5.2.3 Informationsinfrastruktur-Organisation | 100 |
| 5.2.4 Finanzielle Aspekte der Informationsinfrastruktur | 102 |
| 5.2.5 IT/Business Alignment für die Informations-Infrastruktur | 104 |
| 5.3 Analytik aus Managementsicht | 105 |
| 5.3.1 Projekt- vs. Betriebssicht | 106 |
| 5.3.2 Anwendungspotenziale und Wertbeitrag von Analytik | 106 |
| 5.3.3 Realisierungsformen von Analytik | 108 |
| 5.3.4 IT/Business Alignment in der Analytik | 109 |
| 5.4 Ausblick | 110 |
| Literatur | 111 |
| Kapitel-6 | 114 |
| Werkzeuge für analytische Informationssysteme | 114 |
| 6.1 Einsatzbereiche und Werkzeugkategorien | 115 |
| 6.2 Marktentwicklung | 117 |
| 6.2.1 Trends im Markt für Datenmanagement | 121 |
| 6.2.2 Trends im Markt für BI-Anwenderwerkzeuge | 122 |
| 6.3 Datenintegration und -aufbereitung | 122 |
| 6.4 Datenspeicherung und -bereitstellung | 125 |
| 6.5 Anwendungen | 128 |
| 6.5.1 Cockpits und Scorecards | 129 |
| 6.5.2 Standard Reporting | 131 |
| 6.5.3 Ad-hoc Reporting | 134 |
| 6.5.4 Analyse | 135 |
| 6.5.5 Planung und Simulation | 140 |
| 6.5.6 Legale Konsolidierung | 141 |
| 6.5.7 Data Mining | 141 |
| 6.6 Fazit | 142 |
| Literatur | 143 |
| Teil II | 144 |
| Architektur und Technologien | 144 |
| Kapitel-7 | 145 |
| Transformation operativer Daten | 145 |
| 7.1 Operative und dispositive Daten | 146 |
| 7.2 Transformation – Ein Schichtenmodell | 147 |
| 7.2.1 Filterung – Die Extraktion und Bereinigung operativer Daten | 149 |
| 7.2.2 Harmonisierung – Die betriebswirtschaftliche Abstimmung gefilterter Daten | 153 |
| 7.2.3 Aggregation – Die Verdichtung gefilterter und harmonisierter Daten | 155 |
| 7.2.4 Anreicherung – Die Bildung und Speicherung betriebswirtschaftlicher Kenngrößen | 157 |
| 7.3 Aktuelle Konzepte – Datentransformation wird nicht obsolet | 158 |
| 7.4 Fazit | 159 |
| Literatur | 160 |
| Kapitel-8 | 162 |
| Architekturkonzepte und Modellierungsverfahren für BI-Systeme | 162 |
| 8.1 Einleitung | 163 |
| 8.2 Traditionelle Business-Intelligence-Architekturen | 164 |
| 8.2.1 Stove-Pipe-Ansatz | 164 |
| 8.2.2 Data Marts mit abgestimmten Datenmodellen | 166 |
| 8.2.3 Core Data Warehouse | 166 |
| 8.2.4 Hub-and-Spoke-Architektur | 168 |
| 8.2.5 Data-Mart-Busarchitektur nach Kimball | 170 |
| 8.2.6 Corporate Information Factory nach Inmon | 171 |
| 8.2.7 Architekturvergleich Kimball und Inmon | 173 |
| 8.3 Core-Data-Warehouse-Modellierung in Schichtenmodellen | 173 |
| 8.3.1 Aufgaben und Komponenten in Multi-Layer-Architekturen | 174 |
| 8.3.2 Eignungskriterien für Methoden der Core-Data-Warehouse-Modellierung | 177 |
| 8.4 Star-Schema-Modellierung im Core Data Warehouse | 179 |
| 8.4.1 Granulare Star-Schemata im Core Data Warehouse | 179 |
| 8.4.2 Bewertung dimensionaler Core-Data-Warehouse-Modelle | 182 |
| 8.5 Normalisierte Core-Data-Warehouse-Modelle | 183 |
| 8.5.1 Core-Data-Warehouse-Modellierung in 3NF | 183 |
| 8.5.2 Historisierungsaspekte von 3NF-Modellen | 183 |
| 8.5.3 Bewertung 3NF-Modellierung im Core Data Warehouse | 185 |
| 8.6 Core Data Warehouse mit Data-Vault | 186 |
| 8.6.1 Hub-Tabellen | 187 |
| 8.6.2 Satellite-Tabellen | 188 |
| 8.6.3 Link-Tabellen | 191 |
| 8.6.4 Zeitstempel im Data Vault | 194 |
| 8.6.5 Harmonisierung von fachlichen Schlüsseln | 195 |
| 8.6.6 Agilität in Data-Vault-Modellen | 196 |
| 8.6.7 Bewertung der Data-Vault-Methode | 197 |
| 8.7 Zusammenfassung | 198 |
| Literatur | 199 |
| Kapitel-9 | 201 |
| Grundlagen und Einsatzpotentiale von In-Memory-Datenbanken | 201 |
| 9.1 Einleitung und Motivation | 202 |
| 9.2 Grundlagen In-Memory-Datenbanken | 203 |
| 9.2.1 Aktuelle Entwicklungen im Hauptspeicherbereich | 203 |
| 9.2.2 Datenorganisation | 205 |
| 9.3 Konsequenzen für Business Intelligence und Business Analytics | 207 |
| 9.3.1 Klassische Business Intelligence-Architekturen | 207 |
| 9.3.2 Zukünftige Business Intelligence-Architektur als semi-virtuellesData-Warehouse | 209 |
| 9.3.3 Konsequenzen für die Informationslandschaft | 211 |
| 9.4 Aktuelle Beispiele aus betrieblichen Praxis | 212 |
| 9.4.1 Steigende Datenmenge und zunehmende Integrationunstrukturierter Daten erhöhen die Komplexität vonBusiness Intelligence | 212 |
| 9.4.2 Potentiale von In-Memory-Technologien am Beispiel von Handelsunternehmen | 213 |
| 9.4.3 Unterstützung von Geschäftsprozessen durch In-Memory-Technologie im Bereich Predictive Maintenance | 214 |
| 9.5 Fazit und Ausblick | 215 |
| Literatur | 215 |
| Kapitel-10 | 218 |
| NoSQL, NewSQL, Map-Reduce und Hadoop | 218 |
| 10.1 Einleitung und motivierende Beispiele | 219 |
| 10.2 NoSQL- und NewSQL-Datenbanken | 220 |
| 10.2.1 Grundlagen: Partitionierung, Replikation, CAP-Theorem, Eventual Consistency | 221 |
| 10.2.2 NoSQL | 224 |
| 10.2.3 NewSQL | 225 |
| 10.3 Big Data und Map-Reduce/Hadoop | 226 |
| 10.3.1 Technologie zur Handhabung von Big Data: Map-Reduce | 227 |
| 10.3.2 Nutzung von Big Data | 232 |
| 10.4 Zusammenfassung und Ausblick | 234 |
| Literatur | 235 |
| Kapitel-11 | 237 |
| Entwicklungstendenzen bei Analytischen Informationssystemen | 237 |
| 11.1 Motivation | 238 |
| 11.2 Technologische und organisatorische Entwicklungen bei Analytischen Informationssystemen | 238 |
| 11.2.1 Advanced/Predictive Analytics | 239 |
| 11.2.2 Datenmanagement von BI-Systemen | 240 |
| 11.2.3 Agile BI | 244 |
| 11.2.4 Self Service BI | 245 |
| 11.2.5 Mobile BI | 248 |
| 11.3 Zusammenfassung | 249 |
| Literatur | 249 |
| Teil III | 251 |
| Betriebswirtschaftliche Anwendung und spezielle Aspekte | 251 |
| Kapitel-12 | 252 |
| Planung und Informationstechnologie – Vielfältige Optionen erschweren die Auswahl | 252 |
| 12.1 Einleitung | 253 |
| 12.2 Werkzeug-Kategorien | 253 |
| 12.2.1 ERP (Enterprise Resource Planning) | 254 |
| 12.2.2 Tabellenkalkulation | 254 |
| 12.2.3 Generische OLAP Werkzeuge (Generisches BI) | 255 |
| 12.2.4 Dedizierte Planungsanwendungen (BI Anwendungen) | 255 |
| 12.3 Die Beurteilung im Einzelnen | 256 |
| 12.3.1 Zentrale Administration | 256 |
| 12.3.2 Workflow-Unterstützung | 257 |
| 12.3.3 Planung auf verdichteten Strukturen | 258 |
| 12.3.4 Validierung | 258 |
| 12.3.5 Automatisierte Top-Down-Verteilungen | 259 |
| 12.3.6 Simulationsrechnungen | 259 |
| 12.3.7 Vorbelegung | 260 |
| 12.3.8 Aggregation | 261 |
| 12.3.9 Kommentierungen | 261 |
| 12.3.10 Eingabe über das Internet | 262 |
| 12.3.11 Detailplanungen | 262 |
| 12.3.12 Abstimmung des Leistungsnetzes | 263 |
| 12.3.13 Übernahme von Stamm- und Bewegungsdaten aus ERP-Systemen | 263 |
| 12.3.14 Verknüpfung von Teilplanungen | 264 |
| 12.3.15 Abbildung abhängiger Planungsgrößen | 265 |
| 12.3.16 Nachvollziehbarkeit | 266 |
| 12.4 Zusammenfassende Bewertung | 266 |
| 12.5 Ausblick | 269 |
| Literatur | 269 |
| Kapitel-13 | 270 |
| Operational Business Intelligence im Zukunftsszenario der Industrie 4.0 | 270 |
| 13.1 Einleitung | 271 |
| 13.2 Entwicklung der IT in der Produktion bis zur Industrie 4.0 | 273 |
| 13.2.1 Unterstützung technischer Aufgaben und Funktionen | 273 |
| 13.2.2 Integration von Aufgaben und Funktionen | 274 |
| 13.2.3 Integration von Prozessen und Wertschöpfungsketten | 276 |
| 13.2.4 Digitalisierung und globale Vernetzung | 279 |
| 13.2.5 Status Quo der Operational Business Intelligence | 280 |
| 13.3 Industrie 4.0 | 281 |
| 13.3.1 Technologische Grundlagen | 282 |
| 13.3.2 Das Zukunftsszenario „Smart Factory“ | 286 |
| 13.3.3 Operational Business Intelligence in der Industrie 4.0 | 289 |
| 13.4 Fazit | 290 |
| Literatur | 291 |
| Kapitel-14 | 293 |
| Innovative Business-Intelligence-Anwendungen in Logistik und Produktion | 293 |
| 14.1 Entscheidungsunterstützung in Logistik und Produktion – auf dem Weg zur Industrie 4.0 | 294 |
| 14.2 Relevante Entwicklungen in der Business Intelligence | 295 |
| 14.3 Logistik und Produktion: Rahmenbedingungen, Herausforderungen und Entwicklungen | 297 |
| 14.3.1 Logistik | 297 |
| 14.3.2 Produktion | 300 |
| 14.4 Innovative BI-Anwendungen in der Logistik | 302 |
| 14.4.1 Produktionslogistik und Ladungsträgermanagement | 303 |
| 14.4.2 Cloud- und RFID-basierte Retail Supply Chain | 304 |
| 14.5 Innovative BI-Anwendungen in der Produktion | 305 |
| 14.5.1 Produktentwicklung und Produktdatenmanagement | 306 |
| 14.5.2 MES als Datenquelle für Produktions- und Qualitätsoptimierung | 307 |
| 14.6 Diskussion und Ausblick | 308 |
| Literatur | 309 |
| Kapitel-15 | 313 |
| Der Markt für Visual Business Analytics | 313 |
| 15.1 Einführung | 314 |
| 15.2 Das Visual-Business-Analytics-Modell | 315 |
| 15.3 Information Design und Reporting | 317 |
| 15.3.1 Dekoration | 317 |
| 15.3.2 3-D-Diagramme | 319 |
| 15.3.3 Skalierung | 319 |
| 15.3.4 Einsatz von Farben, schlanke Visualisierung und hohe Informationsdichte | 319 |
| 15.4 Visual Business Intelligence und Dashboarding | 321 |
| 15.5 Visual Analytics und Big Data | 325 |
| 15.5.1 Big Data | 325 |
| 15.5.2 Visual Analytics | 327 |
| 15.5.3 Aktueller Einsatz in Unternehmen | 328 |
| 15.5.4 Anwendungsbeispiel | 331 |
| 15.6 Zusammenfassung | 332 |
| Literatur | 333 |
| Kapitel-16 | 334 |
| Effektive Planung und Steuerung erfolgskritischer Komponenten eines Geschäftsmodells | 334 |
| 16.1 Einführung | 335 |
| 16.2 Evolutionsstufen in der Unternehmenssteuerung | 336 |
| 16.2.1 Finanzorientierte Steuerungskonzepte | 336 |
| 16.2.2 Ausgewogene Steuerungskonzepte | 338 |
| 16.2.3 Gegenüberstellung aktueller Steuerungskonzepte | 340 |
| 16.3 Erfolgskritische Komponenten eines Geschäftsmodells | 342 |
| 16.3.1 Abdeckungsgrad der Geschäftsmodellkomponenten | 342 |
| 16.3.2 Steuerungsdomänen eines Geschäftsmodells | 345 |
| 16.3.3 Zuordnung steuerungsrelevanter Kennzahlen | 347 |
| 16.4 Planung und Steuerung mit analytischen Informationen | 349 |
| 16.4.1 Herausforderung in der Informationsbedarfsanalyse | 349 |
| 16.4.2 Identifikation von Kennzahlen-Dimensionen-Kombinationen | 350 |
| 16.4.3 Informationssystem zur Steuerung des Geschäftsmodells | 354 |
| 16.5 Fazit und Ausblick | 356 |
| Literatur | 357 |
| Stichwortverzeichnis | 359 |
