In der Praxis haben sich BI-Systeme zur IT-basierten Entscheidungsunterstützung etabliert. Durch den effizienten und effektiven Einsatz dieser Systeme werden Unternehmen in die Lage versetzt strategische, taktische, und operative Entscheidungen auf der Basis von belastbaren Fakten zu treffen. Dadurch können sie ihre Wettbewerbsfähigkeit maßgeblich steigern. Aufgrund der in der heutigen Zeit vorhandenen Informationsflut und der sich durch den globalen Wettbewerb ständig ändernden Rahmenbedingungen wäre dies ohne entsprechende Systeme kaum effizient zu bewerkstelligen.
Im Rahmen dieser Diplomarbeit werden die kritischen Erfolgsfaktoren von BI-Systemen thematisiert. Es stellt sich die Frage, welche kritischen Erfolgsfaktoren in der Praxis dazu führen können, dass BI-Projekte scheitern und was deshalb hinsichtlich der Einführung und dem Einsatz von BI-Systemen beachtet werden muss.
Um diese Frage zu beantworten, werden in Kapitel zwei zunächst die grundlegenden Begriffe dieser Arbeit definiert und die Funktionsweise von BI-Systemen anhand einer Referenzarchitektur erläutert. Hinsichtlich der Funktionsweise beschränkt sich diese Arbeit dabei auf Grundlagen und verzichtet bewusst auf eine detaillierte technische Beschreibung.
In Kapitel drei erfolgt eine Auswertung zweier Studien, die sich intensiv mit der Umsetzung von BI in der Praxis auseinander setzen. Dazu werden Erhebungstechnik, Auswahl und Umfang der verwendeten Studien beschrieben und deren Ergebnisse für die zentrale Fragestellung dieser Arbeit kritisch hinterfragt und zusammengefasst.
Im Hauptteil der Arbeit werden die durch die Studien identifizierten kritischen Erfolgsfaktoren um weitere wesentliche Erfolgsfaktoren ergänzt, die aus diesen nicht hervorgegangen sind, aber in einschlägiger Fachliteratur als wesentlich für den Erfolg von BI-Systemen dargestellt werden. Neben der detaillierten Beschreibung der kritischen Erfolgsfaktoren werden dabei Lösungsmöglichkeiten zu deren angemessener Berücksichtigung aufgezeigt. Dabei erfolgt eine Klassifizierung nach fachlichen, technischen, organisatorischen und menschlichen Erfolgsfaktoren.
Die Vorstellung von BI-Systemen bei der SEAT Deutschland GmbH erfolgt im fünften Kapitel. Dabei werden die historische Entwicklung von BI im Unternehmen, die aktuellen Herausforderungen und die zukünftigen Ziele diesbezüglich beschrieben. [...]
Inhaltsverzeichnis
Abkürzungsverzeichnis
Abbildungsverzeichnis
Tabellenverzeichnis
1 Einleitung
2 Grundlagen
2.1 Kritische Erfolgsfaktoren
2.2 Business Intelligence
2.3 BI-Referenzarchitektur
3 Studien zu Erfolgsfaktoren von Business Intelligence in der Praxis
3.1 Studie „BI Challenge“
3.2 Studie „Business Intelligence im Mittelstand“
3.3 Zusammenfassung der Studienergebnisse
4 Kritische Erfolgsfaktoren von BI-Systemen
4.1 Fachliche Erfolgsfaktoren
4.1.1 Anforderungsanalyse
4.1.2 Informationsbedarfsanalyse
4.1.3 Kosten-Nutzen-Analyse
4.1.4 Schulung der Anwender
4.2 Technische Erfolgsfaktoren
4.2.1 Softwareauswahl
4.2.2 Datenqualitätsmanagement
4.2.3 Skalierbarkeit des BI-Systems
4.2.4 Historisierung von Stamm- und Bewegungsdaten
4.2.5 Harmonisierung der Stammdaten
4.2.6 Abfragegeschwindigkeit
4.2.7 Kurze Ladezyklen
4.2.8 Benutzerfreundlichkeit
4.2.9 Layoutgestaltung
4.2.10 Vermeidung von By-Pass-Reporting
4.2.11 Integrationsdichte operativer Systeme
4.3 Organisatorische Erfolgsfaktoren
4.3.1 Auswahl eines BI-Vorgehensmodells
4.3.2 Anforderungs- und Änderungsmanagement
4.3.3 Outsourcing eines BI-Projekts
4.3.4 Einsatz externer Berater
4.3.5 Bewusstsein für BI
4.3.6 Etablierung einer BI-Strategie
4.3.7 Etablierung einer BI-Organisation
4.3.8 Top-Management Unterstützung
4.3.9 BI-Marketing
4.3.10 Erzielen schneller Erfolge
4.4 Menschliche Erfolgsfaktoren
4.4.1 Veränderungsresistenz
4.4.2 Mangelndes Interesse
5 Business Intelligence-Systeme bei der SEAT Deutschland GmbH
5.1 Die Marke SEAT
5.2 Ausgangssituation
5.3 Problemstellung
5.4 Zielsetzung
5.5 Softwareauswahl
5.6 BI-Organisation der SEAT Deutschland GmbH
5.7 Vorgehensweise im BI-Teilprojekt Vertriebsreporting
5.7.1 Zielsetzung
5.7.2 Zeitlicher Ablauf
5.7.3 Ist-Analyse
5.7.4 Anforderungsdefinition
5.7.5 Realisierung
5.7.6 Weiteres Vorgehen
5.8 Praxiserfahrungen hinsichtlich kritischer Erfolgsfaktoren
6 Kritische Betrachtung
7 Zusammenfassung und Ausblick
8 Literaturverzeichnis
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Abbildungsverzeichnis
Abbildung 1 - Umfang von BI
Abbildung 2 - BI-Referenzarchitektur
Abbildung 3 - Einfluss der Anforderungen auf die Software-Architektur
Abbildung 4 - ADAPT Notation – Beispiel Produktumsatz
Abbildung 5 - Kosten und Nutzen im Lebenszyklus eines BI-Systems
Abbildung 6 - Häufiges Ablaufmuster bei der Einführung von BI-Systemen
Abbildung 7 - Vergleich Plan- und Ist-Kosten vieler BI-Systeme
Abbildung 8 - Harmonisierung von Kundenstammdaten im DWH
Abbildung 9 - Harmonisierung von Kundenstammdaten durch einen KIO-Server
Abbildung 10 - Teufelskreis „schlechte Datenqualität“ und By-Pass-Reporting
Abbildung 11 - Inkrementelles Vorgehensmodell
Abbildung 12 - Prozess der Meinungsänderung
Abbildung 13 - Ist Situation der SEAT BI-Architektur
Abbildung 14 - Geplante BI-Architektur der SEAT Deutschland GmbH
Abbildung 15 - Ausbaustufen des BI-Systems
Abbildung 16 - Dashboard Ansicht des Unternehmens-Cockpit
Abbildung 17 - Detailansicht des KPI AK Gesamt
Abbildung 18 - BI-Organisation der SEAT Deutschland GmbH
Abbildung 19 - Projektplan BI-Teilprojekt Vertriebsreporting
Tabellenverzeichnis
Tabelle 1 - Kritische Erfolgsfaktoren der untersuchten Studien
Tabelle 2 - Projekt- und Betriebskostenarten von BI-Systemen
Tabelle 3 - Historisierung von Kundenstammdaten im DWH (Beispiel)
Tabelle 4 - Bewertungsmatrix BI-Anwendungen
Tabelle 5 - Bewertungsmatrix BI-Werkzeuge
Tabelle 6 - Zusammenfassung Ist-Analyse der vorhandenen Reports
1 Einleitung
Der effiziente und effektive Einsatz von Informationen hat einen entscheidenden Einfluss auf die Wettbewerbsfähigkeit eines Unternehmens. Die rechtzeitige Informationsbereitstellung sowie die schnelle und flexible Informationsverarbeitung erfordern deshalb einen professionellen Umgang mit diesem Produktionsfaktor.[1] Zu diesem Zweck setzen vor allem mittelständische und große Unternehmen Business Intelligence-Systeme (BI-Systeme) ein.[2]
In der Praxis hat sich jedoch gezeigt, dass deren Einführung ein komplexes und ambitioniertes Vorhaben ist, welches mit hohen Kosten und Risiken verbunden ist. Oftmals scheitern die Einführung und der Einsatz von BI-Systemen teilweise oder sogar vollständig.[3]
Im Rahmen dieser Diplomarbeit werden die kritischen Erfolgsfaktoren von BI-Systemen thematisiert. Es stellt sich die Frage, welche kritischen Erfolgsfaktoren in der Praxis dazu führen können, dass BI-Projekte scheitern und was deshalb hinsichtlich der Einführung und dem Einsatz von BI-Systemen beachtet werden muss.
Um diese Frage zu beantworten, werden in Kapitel 2 zunächst die grundlegenden Begriffe dieser Arbeit definiert und die Funktionsweise von BI-Systemen anhand einer Referenzarchitektur erläutert. Hinsichtlich der Funktionsweise beschränkt sich diese Arbeit dabei auf Grundlagen und verzichtet bewusst auf eine detaillierte technische Beschreibung.
Im dritten Kapitel erfolgt eine Auswertung zweier Studien, die sich intensiv mit der Umsetzung von BI in der Praxis auseinander setzen. Dazu werden Erhebungstechnik, Auswahl und Umfang der verwendeten Studien beschrieben und deren Ergebnisse für die zentrale Fragestellung dieser Arbeit kritisch hinterfragt und zusammengefasst.
Im anschließenden Hauptteil der Arbeit werden die in Kapitel 3 identifizierten kritischen Erfolgsfaktoren um weitere wesentliche Erfolgsfaktoren ergänzt, die aus den Studien nicht hervorgegangen sind, aber in einschlägiger Fachliteratur als wesentlich für den Erfolg von BI-Systemen dargestellt werden. Neben der detaillierten Beschreibung der kritischen Erfolgsfaktoren werden dabei Lösungsmöglichkeiten zu deren angemessener Berücksichtigung aufgezeigt. Dabei erfolgt eine Klassifizierung nach fachlichen , technischen, organisatorischen und menschlichen Erfolgsfaktoren.
Die Vorstellung von BI-Systemen bei der SEAT Deutschland GmbH erfolgt im fünften Kapitel. Dabei werden die historische Entwicklung von BI im Unternehmen, die aktuellen Herausforderungen und die zukünftigen Ziele diesbezüglich beschrieben. Weiterhin werden die in dieser Arbeit dokumentierten kritischen Erfolgsfaktoren hinsichtlich der Praxisrelevanz bei der SEAT Deutschland GmbH bewertet.
Im sechsten Kapitel findet eine kritische Betrachtung zu BI statt, wobei insbesondere darauf eingegangen wird, ob eine angemessene Berücksichtigung der im Rahmen dieser Arbeit identifizierten kritischen Erfolgsfaktoren sicher zum Projekterfolg beitragen kann.
Abschließend wird in Kapitel 7 die zentrale Fragestellung der Arbeit beantwortet. Dabei werden die Ergebnisse zusammengefasst und ein Ausblick zum Einsatz von BI-Systemen bei der SEAT Deutschland GmbH gegeben.
2 Grundlagen
Im folgendem Kapitel werden die Grundlagen zu dieser Arbeit erläutert. Dazu werden die Begriffe kritischer Erfolgsfaktor und BI definiert. Der Umfang von BI wird dabei je nach Betrachtungsweise des Themas erläutert, und es wird die konkrete Bedeutung von BI im Kontext dieser Arbeit abgegrenzt.
Anschließend wird ein idealtypisches Modell von BI in Form einer etablierten Referenzarchitektur beschrieben.
2.1 Kritische Erfolgsfaktoren
Kritische Erfolgsfaktoren sind die wesentlichen Einflussfaktoren auf den Erfolg eines Unternehmens, eines Projekts oder eines bestimmten Vorhabens, die auf keinen Fall und auch nicht vorübergehend vernachlässigt werden dürfen. Deren angemessene Berücksichtigung hat einen maßgeblichen Einfluss auf den Erfolg bzw. den Misserfolg eines Vorhabens.[4]
Beispielhaft für einen kritischen Erfolgsfaktor sei an dieser Stelle die Standortauswahl eines Modegeschäfts, welches teure Markenartikel anbietet und entsprechend zahlungskräftige Kunden benötigt, genannt. In einer strukturschwachen Umgebung wird sich der finanzielle Erfolg nicht einstellen können.[5]
2.2 Business Intelligence
„Business Intelligence (BI) bezeichnet einen integrierten, unternehmensspezifischen, IT-basierten Gesamtansatz zur betrieblichen Entscheidungsunterstützung.“[6]
Allein schon diese Definition macht deutlich, dass der Begriff „BI“ inhaltlich viel Spielraum bietet und je nach Interpretation ein unterschiedliches Verständnis über diesen herrscht. Die wörtliche Übersetzung des Begriffs „Business Intelligence“ ins Deutsche schafft ebenfalls keine Klarheit. „Geschäftsintelligenz“ ist mitnichten das, was mit BI inhaltlich gemeint ist. Der deutsche Terminus „Geschäftsanalytik“ trifft es am ehesten, denn es geht darum, geschäftlich relevante Informationen für Management und Unternehmensführung so aufzubereiten und zu analysieren, dass auf dieser Basis Entscheidungen abgeleitet und getroffen werden können.[7]
Ein deutlicheres Verständnis in Bezug auf die Bestandteile und Funktionen von BI schafft die in Abbildung 1 dargestellte und in der Fachliteratur weit verbreitete Klassifizierung von Gluchowski[8] nach engen, analyseorientierten und weiten Gesichtspunkten.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1 - Umfang von BI[9]
Im engeren Sinne werden dabei unter BI datenauswertungsorientierte Anwendungen verstanden, deren Zweck die unmittelbare Entscheidungsunterstützung ist. Dies sind Anwendungen für das Online Analytical Processing (OLAP) sowie Management Informationssysteme (MIS) und Executive Informationssysteme (EIS).[10] Im Deutschen werden EIS häufig auch als Führungsinformationssysteme (FIS) bezeichnet.[11]
EIS sind besonders einfach zu bedienende Berichtssysteme für das Top-Management. Sie sind von einer sehr kompakten und hochaggregierten Darstellungsweise der wichtigsten Kennzahlen eines Unternehmens geprägt und unterstützen die strategische Entscheidungsfindung.[12] Die grafische Informationsdarstellung erfolgt in der Praxis dabei häufig in Form von Cockpit- oder Dashboardansichten.[13]
In punkto Funktionsumfang und Darstellungsform unterscheiden sich MIS nicht von EIS. Der wesentliche Unterschied liegt in der Zielgruppe der Systeme. Anwender von MIS sind nicht das Top-, sondern das Middle- und Lower-Management. Dem zufolge ist der Informationsgehalt in einem MIS weniger stark verdichtet und zielt vor allem auf die Planung, Steuerung und Kontrolle der Prozesse der operativen Wertschöpfungskette ab.[14]
BI im analyseorientierten Sinne umfasst zusätzlich alle Anwendungsfälle bei denen ein Anwender direkten Zugriff auf die Benutzeroberfläche eines BI-Systems hat und interaktiv mit diesem arbeitet. Dazu gehören das Ad-hoc Reporting, das Text- und Data Mining, sowie Systeme zur Planung und Konsolidierung. Weitere Anwendungsfälle in diesem Kontext sind analytische Customer Relationship Management (CRM), Kennzahlen- und Balanced Scorecard (BSC) Systeme.[15]
Im weiten oder auch ganzheitlichen BI-Verständnis sind alle direkt oder indirekt am Entscheidungsprozess beteiligten Anwendungen und Systeme zu verstehen. Diese Betrachtungsweise ergänzt die eher auswertungs- und fachlich getriebenen Sichtweisen von BI um vornehmlich technische Konzepte zur Datenbereitstellung. Wesentlich ist dabei der Einsatz eines Data Warehouse (DWH) und des zugehörigen, als ETL bezeichnete, Prozesses zum Extrahieren, Transformieren und Laden der Daten in dieses.[16]
Im weiteren Zusammenhang dieser Arbeit wird die ganzheitliche Betrachtungsweise im Sinne eines einzigen, unternehmensweiten BI-Systems verwendet. Um fachliche und technische Gesichtspunkte besser abzugrenzen, wird unter dem Terminus BI dabei der Prozess zur IT-basierten Entscheidungsfindung in einem Unternehmen verstanden. Die gesamte technische Perspektive von der Datenaufbereitung bis hin zur Darstellung wird hingegen als BI-System bezeichnet. Einzelne Anwendungen zur Nutzung des BI-Systems durch Fachanwender werden durch den Begriff BI-Anwendung definiert. Softwarelösungen zur Entwicklung des DWH werden als BI-Werkzeuge deklariert.
2.3 BI-Referenzarchitektur
Nach der in Kapitel 2.2 festgelegten Definition eines BI-Systems besteht dessen Architektur typischerweise aus mehreren Komponenten.[17] Auch wenn nicht alle BI-Systeme gleich aufgebaut sind und somit nicht alle die gleichen Komponenten umfassen müssen, lassen sich die meisten BI-Systeme auf die in Abbildung 2 dargestellte Referenzarchitektur zurückführen.[18]
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2 - BI-Referenzarchitektur[19]
In einem so aufgebauten BI-System werden die relevanten Daten operativer Quellsysteme (häufig auch als Online Transactional Processing (OLTP) Systeme bezeichnet[20] ) durch den ETL-Prozess extrahiert und in den Staging Bereich des DWH übertragen.[21] Typischerweise werden die Daten dabei zunächst unverändert und vollständig übernommen. Ein Datensatz aus dem OLTP-System entspricht somit genau einem Datensatz im Staging Bereich des DWH.[22]
In einem weiteren Prozessschritt werden die Daten syntaktisch und semantisch bereinigt in den Cleansing Bereich übertragen. Fehlerhafte Daten werden dabei entweder herausgefiltert oder korrigiert. Wichtig ist dabei vor allem die fachliche Vereinheitlichung der Daten, damit in den BI-Anwendungen eine einheitliche Auswertung der Daten möglich wird.[23] Dies ist z. B. die Umrechnung von Währungsbeträgen in Euro, wenn in der Zentrale eines Unternehmens die Verkaufsbelege aller international verteilten Einzelhandelsfilialen in ein DWH geladen werden sollen.
Diese ersten beiden Bereiche des DWH dienen dabei lediglich als temporäre Speicher. Die Daten werden herkunftsbezogen gespeichert und wieder gelöscht, sobald sie in den Core übertragen wurden.[24]
Im Core erfolgt schließlich die dauerhafte, themenbezogene und historisierte Integration der Daten.[25] Dort werden diese i. d. R. redundanzfrei, d. h. in der dritten Normalform, gespeichert.[26] Zur Historisierung wird dabei häufig das Konzept der Slowly-Changing-Dimensions (SCD) angewendet.[27]
Im Bereich der Marts werden die Daten des Core für die Auswertung durch BI-Anwendungen in einer für diese Zwecke besser geeigneten multidimensionalen Struktur bereitgestellt. Die durch diesen Aufbau nicht mehr gegebene Redundanzfreiheit der Daten wird zugunsten einer geringeren Komplexität für die Anwender und einer besseren Abfragegeschwindigkeit durch die BI-Anwendungen bewusst in Kauf genommen.[28]
Die BI-Plattform beinhaltet die BI-Anwendungen, auf deren detaillierte Funktionen im begrenzten Rahmen dieser Arbeit nicht näher eingegangen werden kann.
Ein weiterer wichtiger Bestandteil für den Betrieb eines BI-Systems sind Metadaten. Diese können nach fachlichen und technischen Gesichtspunkten unterschieden werden.[29] Fachliche Metadaten sind inhaltliche Beschreibungen der vorhandenen Daten und deren Zusammenhänge. Technische Metadaten liefern Informationen über Datenstrukturen, Transformationsregeln und Parameter zur Steuerung der Datenbereitstellungsprozesse in einem BI-System.[30]
3 Studien zu Erfolgsfaktoren von Business Intelligence in der Praxis
In diesem Kapitel werden die Studien „BI Challenge“ und „Business Intelligence im Mittelstand“ vorgestellt und deren wesentlichen Ergebnisse in Bezug zu den kritischen Erfolgsfaktoren von BI-Systemen dargelegt. Die Auswahl und die Beschränkung der Auswertung auf diese beiden Studien erfolgte nach der Betrachtung weiterer frei verfügbarer Studien. Diese Einschränkung ist damit zu begründen, dass die weiter betrachteten BI-Studien nur unzureichend auf das Thema kritische Erfolgsfaktoren eingehen, nicht aktuell genug sind oder nicht als repräsentativ betrachtet werden können.
3.1 Studie „BI Challenge“
Die Studie wurde 2009 im Zeitraum von Juli bis September von der Firma Cirquent GmbH in Kooperation mit der Ludwig-Maximilian-Universität zu München durchgeführt.[31] Die Studie kann gegen Gebühr über die Webseite[32] der Cirquent GmbH bezogen werden.
Ziel der Studie ist ein ausführlicher Überblick über die aktuellen Anforderungen und künftigen Herausforderungen in Bezug auf den Einsatz von BI-Systemen. Weiterhin sollen anhand der gewonnen Ergebnisse der Reifegrad von BI-Systemen deutschsprachiger Unternehmen ermittelt und mögliche Aufgabenfelder für eine BI-Strategie abgeleitet werden.[33]
Teilnehmer der Studie sind Führungskräfte der Unternehmensbereiche Business Intelligence, Controlling und IT, da gerade diese erfahrungsgemäß stark in Entwicklung, Betrieb und Anwendung von BI-Systemen eingebunden sind.[34]
Dabei wurden insgesamt 153 Vertreter deutscher Unternehmen befragt. Diese verteilen sich auf die Branchen Industrie (37%), Banken und Versicherungen (19%), Handel (17%), Dienstleistung (17%) und Sonstige (10%).[35]
Die Befragung wurde mit einem standardisierten Fragebogen, welcher von den Teilnehmern entweder online oder im Rahmen eines Telefoninterviews beantwortet wurde, durchgeführt. Bei den Fragen handelte es sich im Wesentlichen um Ratingfragen, die mithilfe einer Skala (1 = stimme vollständig zu; 2 = stimme teilweise zu; 3 = stimme eher nicht zu; 4 = stimme gar nicht zu) zu beantworten waren. Darüber hinaus kamen dichotome, Multiple Choice und offene Fragen zum Einsatz.[36]
Die Befragung der Studie gliedert sich in sechs verschiedene Themenblö title="">[37]
- Umfang und Einsatzbereiche von BI,
- Rahmenbedingungen und Komplexität,
- Strategische Standortbestimmung,
- Einschätzung zum Einsatz der BI-Lösung,
- Outsourcing von BI-Projekten,
- Herausforderungen und Trends im BI-Umfeld.
Die Detailergebnisse der Befragung und die daraus geschlossenen Schlussfolgerungen sind in dem Ergebnisbericht der Studie detailliert aufgeführt.
Folgende kritische Erfolgsfaktoren von BI-Systemen gehen aus der Studie hervor:[38]
- Die Anforderungen ändern sich während der Realisierung (72%).
- Die Zeitspanne zwischen Anforderung und Realisierung ist zu lang (65%).
- Es herrscht oftmals Uneinigkeit über die Anforderungen an ein BI-System (60%).
- Es herrscht eine uneinheitliche Begriffsdefinition und -verwendung (63%).
- Es sind nicht alle Daten aus den operativen Vorsystemen integriert (62%).
- Die Softwarebedienung ist nicht anwenderfreundlich (55%).
- Die Abfragegeschwindigkeit ist zu gering (47%).
- Es herrscht ein mangelndes Interesse bei den Anwendern (42%).
- Die BI-Software erfüllt die grafischen Anforderungen nicht (38%).
Der in Klammern dargestellte Prozentwert ist der Anteil aller befragten Personen, die mit der Aussage übereinstimmen.
3.2 Studie „Business Intelligence im Mittelstand“
Die empirische Studie wurde 2007 im Zeitraum von Januar bis März durch die BARC GmbH durchgeführt und steht auf den Webseite[39] kostenfrei zum Download zur Verfügung.[40]
Motivation der Studie ist der aktuelle Stand zu BI in der Praxis und das Aufzeigen von Trends und Tendenzen in diesem Bereich.[41]
Grundlage der Befragung ist eine Stichprobe mittelständischer Unternehmen aus Deutschland, deren Jahresumsatz zwischen 50 Millionen und 1 Milliarde Euro liegt. Auf dieser Basis wurden 2145 Unternehmensvertreter kontaktiert, von denen insgesamt 279 Personen einen internetbasierten Fragebogen ausfüllten. Nach einer Datenvalidierung wurden 29 Fragebögen ausgeschlossen, so dass in das Ergebnis der Studie 250 Fragebögen eingehen.[42]
Die Branchenzugehörigkeit der 250 Teilnehmer stellt sich wie folgt dar:[43]
- Industrie (24%),
- Dienstleistungen (16%),
- Finanzen und Versicherungen (9%),
- Öffentliche Einrichtungen (8%),
- Handel (7%),
- Pharma (7%),
- Automobil (6%),
- Sonstige (22%).
Die konkreten Tätigkeiten der befragten Unternehmensvertreter entfallen dabei zum größten Teil auf die Bereiche IT (36%), Controlling (32%) und Management (13%).[44]
Der internetbasierte Fragebogen besteht aus insgesamt 17 Fragen, die sich in die sechs Kategorien Demographie, Begriffsverwendung, Einsatz von BI-Software, Anwendermeinung, BI-Umsetzung, sowie Anbieter und Werkzeuge aufgliedern. Bei der Befragung kamen primär geschlossene Fragen zum Einsatz.[45]
Die Umfrageergebnisse können dem Ergebnisbericht detailliert entnommen werden.
Aus der Studie gehen zwei für die vorliegende Arbeit interessante Ergebnisse hervor: Zum einen die nach Meinung der befragten Personen wichtigsten drei Eigenschaften von BI und zum anderen die drei größten Kritikpunkte an deren eigenen BI-Systemen.
Interessant ist dabei die Tatsache, dass die mit am wichtigsten empfundenen Eigenschaften (Datenqualität und Abfragegeschwindigkeit) gleichzeitig besonders bemängelt wurden.[46]
Dies könnte allerdings auch darauf zurückgeführt werden, dass die befragten Personen gerade die Eigenschaften als am wichtigsten bezeichnet haben, die in deren Umfeld nicht ausreichend gut umgesetzt sind.
Die wichtigsten Eigenschaften eines BI-Systems sind nach Meinung der befragten Personen:[47]
- Eine hohe Datenqualität (65%),
- Eine hohe Abfragegeschwindigkeit (46%),
- einfache Prozesse für die Berichtserstellung / Planung (45%),
- eine hohe Integration der Systemlandschaft (36%),
- eine einheitliche Definition von Kennzahlen (35%),
- eine hohe fachliche Abdeckung (18%),
- Möglichkeiten zur Weiterverarbeitung / Export von Daten (15%),
- eine hohe Verfügbarkeit der Daten im System (15%),
- eine angebrachte Versorgung mit Berichten (10%),
- Ausreichende Layout Möglichkeiten (8%).
Dem gegenüber stehen die Hauptkritikpunkte der befragten Personen:[48]
- Die Datenqualität stimmt nicht (32%).
- Die Umsetzungsdauer bei neuen Anforderungen ist zu hoch (30%).
- Die Abfragegeschwindigkeit ist zu gering (29%).
- Die Möglichkeiten zur Layoutgestaltung reichen nicht aus (29%).
- Die Prozesse für Berichtserstellung und Planung sind zu kompliziert (28%).
- Die Kennzahlen im Unternehmen sind nicht (einheitlich) definiert (26%).
- Es gibt zu viele Berichte (25%).
- Die fachliche Abdeckung ist zu gering (15%).
- Es gibt zu wenige Berichte (6%).
- Die Weiterverarbeitung / der Export von Daten, z. B. in MS Excel ist beschränkt (5%).
- Keine Kritikpunkte (4%).
Der in Klammern dargestellte Prozentwert ist der Anteil aller befragten Personen, die mit der Aussage übereinstimmen.
3.3 Zusammenfassung der Studienergebnisse
Aus den beiden Studienergebnissen lassen sich verschiedene kritische Erfolgsfaktoren für BI-Systeme zusammenfassen und ableiten. Alle Faktoren können nach technischen, fachlichen, organisatorischen und menschlichen Gesichtspunkten unterschieden werden und sind in Tabelle 1 dargestellt. Die in den Studienergebnissen genannten Punkte werden dabei teilweise unter anderen Begriffen aufgeführt.
Sie werden hier vereinheitlicht, um nachfolgend sinnvoll mit ihnen arbeiten zu können. Dabei wird zweckmäßigerweise darauf geachtet, dass eine Übereinstimmung mit den Gliederungspunkten im Hauptteil dieser Arbeit entsteht.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1 - Kritische Erfolgsfaktoren der untersuchten Studien
Bei den aufgeführten kritischen Erfolgsfaktoren ist zu berücksichtigen, dass die in den Studien genannten Erfolgsfaktoren keinesfalls als vollständig für alle Anwendungsfälle von BI betrachtet werden können. In beiden Studien wurden primär geschlossene Fragen gestellt. Unter anderem dadurch sind weitere kritische Erfolgsfaktoren in beiden Studien unberücksichtigt geblieben. Deshalb werden die aus den Studienergebnissen hervorgegangenen Erfolgsfaktoren im folgenden Kapitel ergänzt. Dort erfolgt auch eine detaillierte Beschreibung der kritischen Erfolgsfaktoren von BI-Systemen.
4 Kritische Erfolgsfaktoren von BI-Systemen
Die Einführung und Etablierung von BI mit seinen zugehörigen Komponenten ist ein ambitioniertes Vorhaben, welches nicht kurzfristig realisierbar ist, sondern vielmehr Jahre intensiver Arbeit beansprucht. Neben einer seriösen Planung und einem methodischen Vorgehen ist die Beachtung der in diesem Kapitel beschriebenen kritischen Erfolgsfaktoren notwendig für den Erfolg einer BI-Initiative.[49] Ergänzend zu den in Kapitel 3 aufgeführten kritischen Erfolgsfaktoren werden in diesem Kapitel weitere Faktoren aus der einschlägigen Fachliteratur vorgestellt und detailliert beschrieben, die in der Praxis ebenfalls dazu führen können, dass BI-Projekte teilweise oder vollständig scheitern.
4.1 Fachliche Erfolgsfaktoren
Im Folgenden werden die kritischen Erfolgsfaktoren beschrieben, die sich auf die Fachlichkeit eines BI-Systems beziehen. Dies sind vor allem Faktoren, welche die individuellen Geschäftsprozesse eines Unternehmens betreffen, und die sich daraus ergebenden Anforderungen der verschiedenen Fachbereiche an ein BI-System.
4.1.1 Anforderungsanalyse
Ziel der Anforderungsanalyse ist es, die Anforderungen eines Unternehmens an ein BI-System zu ermitteln.[50] Dazu gehören eine Reihe technischer Anforderungen und die Berücksichtigung der IT-Strategie. Da es sich bei BI aber nicht nur um das BI-System sondern vielmehr um einen Unternehmensprozess handelt[51], gehören dazu vor allem die fachlichen Anforderungen und der Informationsbedarf. Beide leiten sich aus der Unternehmensstrategie und den Geschäftsprozessen ab und haben Einfluss auf die BI-Strategie (siehe Kapitel 4.3.6 zur Etablierung einer BI-Strategie).[52]
Ebenfalls Bestandteil der Anforderungsanalyse ist die Sichtung bereits vorhandener Reportingsysteme. Darunter sind jegliche Prozesse zur Berichtserstellung und der Unternehmensplanung zu verstehen, unabhängig davon, ob diese innerhalb isolierter ERP- oder CRM-Systeme, sonstigen IT-Systemen oder auch in Tabellenkalkulationsprogrammen manuell durch einzelne Anwender erstellt werden. Durch die Analyse der bestehenden Reportingsysteme kann bereits Informationsbedarf abgeleitet werden. Weiterhin können potenzielle Kandidaten zur Überführung in eine unternehmensweite Lösung identifiziert und auch Kosteneinsparungs- sowie Synergiepotenziale aufgezeigt werden.[53]
Abbildung 3 verdeutlicht den Einfluss der fachlichen Anforderungen auf die Software-Architektur des BI-Systems. Dabei handelt es sich um funktionale Anforderungen hinsichtlich des Produkteinsatzes, nicht-funktionale Anforderungen und qualitative Anforderungen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3 - Einfluss der Anforderungen auf die Software-Architektur[54]
Diese fachlichen Anforderungen sind nicht zu verwechseln mit dem Informationsbedarf. Während es sich bei ersteren um allgemeine und übergreifende Anforderungen (z. B. Systemverfügbarkeit) an ein BI-System handelt, sind letztere konkrete Anforderungen an bestimmte zur Verfügung zu stellende Informationen. Der Informationsbedarf wird im Rahmen einer Informationsbedarfsanalyse erhoben und dokumentiert.[55]
4.1.2 Informationsbedarfsanalyse
Ziel der Informationsbedarfsanalyse ist es, die durch das BI-System bereitzustellenden Informationen zu erheben. Dies erfolgt durch die Definition eines primär aus Kennzahlen und Dimensionen bestehenden Domänenmodells.[56]
Kennzahlen, auch Key Performance Indicator (KPI)[57] genannt, bilden Sachverhalte, Vorgänge und Situationen eines Unternehmens ab. Sie machen diese messbar und liefern in verdichteter Form Hinweise, was zu tun ist, um das, was sie widerspiegeln, zu optimieren[58]. KPI liefern u. a. Informationen über:[59]
- Das Unternehmen insgesamt (z. B. über die Vermögens-, Finanz- und Ertragslage),
- Ressourcen (z. B. Betriebsmittel, Werkstoffe , Arbeit, etc.),
- Prozesse (z. B. Durchlaufzeiten),
- Kunden (z. B. ABC-Analyse),
- Lieferanten (z. B. Lieferpünktlichkeit),
- Aufträge (z. B. Auftragsbestand).
Dimensionen sind der Kontext, in dem ein KPI betrachtet wird. Der KPI „Umsatz“ kann z. B. durch die unterschiedlichen Dimensionen „Absatzregion“ oder „Produkt“ betrachtet werden (also „Umsatz je Absatzregion“ oder „Umsatz je Produkt“). Auch eine Betrachtung nach beiden oder weiteren Dimensionen ist dabei denkbar.
Wesentlich für ein aussagekräftiges BI-System ist die unternehmensweite, eindeutige und exakte Definition der KPI. Ohne diese kommt es in der Praxis immer wieder zu fachlichen Missverständnissen, wenn beispielsweise Vertrieb und Finanzen über eine namentlich gleiche KPI sprechen, diese aber unterschiedlich definieren.[60] Nach einem 2010 von der auf BI spezialisierten Wassermann AG veröffentlichten Whitepaper scheitern sogar 30% aller BI-Projekte an nicht eindeutig definierten Kennzahlen.[61]
Deshalb ist es notwendig, die KPI eines Unternehmens in enger Abstimmung zwischen Fachbereichen und IT im Rahmen von Interviews und Workshops in einer jeweils einheitlichen Definition zu verabschieden und zu dokumentieren.[62]
Zu diesem Zweck bietet es sich an, die KPI’s und das zugehörige Domänenmodell des einfacheren Verständnisses halber auch grafisch zu dokumentieren. Technische Datenbankmodelle sollten dabei aufgrund der hohen technischen Komplexität ebenso wenig verwendet werden wie Entity-Relationship-Modelle (ERM). Während für erstere technisches Hintergrundwissen notwendig ist, welches in den Fachbereichen meist nicht vorhanden ist, decken ERM nicht alle für BI notwendigen Modellierungsmöglichkeiten, wie z. B. Kennzahlen, Dimensionen und Hierarchien ab.[63] Stattdessen könnte für die Modellierung die ADAPT (Application Design for Analytical Processing Technologies[64] ) Notation der Firma Symmetry Corporation[65] in Betracht gezogen werden. Nach einer kurzen Einführung in diese Notation werden die grafischen Diagramme i. d. R. auch sehr schnell von Fachbereichen verstanden und die direkte Ausarbeitung der Diagramme während eines Workshops bietet eine effektive Möglichkeit zur Dokumentation der Ergebnisse.[66]
Das in Abbildung 4 dargestellte Modellierungsbeispiel der KPI „Produkt-Umsatz-Ist“ und dessen Kontext liefert einen Eindruck von dieser einfach zu verstehenden Form der Modellierung.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4 - ADAPT Notation – Beispiel Produktumsatz [67]
Aufgrund des eingeschränkten Rahmens der Arbeit kann auf die ADAPT Modellierung nicht im Detail eingegangen werden. An dieser Stelle sei auf das frei verfügbare Handbuch[68] verwiesen.
4.1.3 Kosten-Nutzen-Analyse
Für jede Investition und somit auch für BI-Projekte muss eine Entscheidung über deren Durchführung getroffen werden. Diese hängt u. a. vom Verhältnis zwischen dem erwarteten Nutzen und den angenommenen Kosten ab.[69]
Sowohl die Ermittlung des Nutzens als auch die Ermittlung der Kosten sind betriebswirtschaftliche Aufgaben, die im Vorfeld der Projektdurchführung zu erheben sind, um die Wirtschaftlichkeit eines Projekts, beispielsweise durch den Return on Investment (ROI), zu belegen.[70] Dieser wird durch die folgende Formel berechnet und drückt aus, welche Rentabilität durch das investierte Kapital erwirtschaftet wird:[71]
Neben der Kostenerhebung ist vor allem die finanzielle Bewertung des Nutzens problematisch.[72] Dazu muss die Frage nach dem monetären Wert der Informationen, die durch das geplante BI-System bereitgestellt werden sollen, gestellt werden. Umgekehrt ausgedrückt ist dies die Frage nach der Höhe des finanziellen Schadens, falls das BI-System nicht eingeführt wird und aufgrund nicht vorliegender Informationen operative, taktische oder gar strategische Fehlentscheidungen getroffen werden. Da zu beiden Fragen in der Praxis häufig nur Annahmen getroffen werden können, kann der Nutzen i. d. R. nicht exakt beziffert werden.[73] Weiterhin sind zum Nutzen des BI-Systems die durch dessen Einführung und der damit verbundenen Effizienzsteigerung reduzierten Personalkosten, eventuelle Kosteneinsparungen durch Ablösung vorhandener Altsysteme sowie alle weiteren Kosteneinsparungen oder Erträge, die durch das neue System ermöglicht werden, hinzuzurechnen.[74]
Ein BI-Projekt kann grundsätzlich in zwei zeitliche Perioden aufgeteilt werden: Die Projektphase von der Anforderungsanalyse bis zur Systemeinführung und die Nutzungsphase, welche mit der Nutzung des BI-Systems beginnt und erst mit dessen Ablösung endet. In Abbildung 5 ist zu erkennen, dass während der Projektphase hohe Investitionskosten anfallen, denen erst gegen Ende dieser Phase ein geringer Nutzen gegenüber steht. Dieser steigt erst mit der Systemeinführung. In der Betriebsphase des BI-Systems entstehen keine Projektkosten mehr. Stattdessen fallen Betriebskosten für die Systemwartung an. Erhoben werden diese Kosten durch die betriebliche Kostenarten- und Kostenstellenrechnung. Für die Kosten-Nutzen-Analyse ist es notwendig, sowohl die Projekt- als auch die Betriebskosten zu berücksichtigen, da das Ergebnis ansonsten verfälscht wird und nicht der Realität entspricht.[75]
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5 - Kosten und Nutzen im Lebenszyklus eines BI-Systems[76]
Eine Übersicht der typischerweise anfallenden Projekt- und Betriebskostenarten ist in Tabelle 2 dargestellt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2 - Projekt- und Betriebskostenarten von BI-Systemen[77]
Um eine Entscheidung für oder gegen die Durchführung eines BI-Projekts zu treffen, sollten die Gründe in einer Entscheidungsvorlage dokumentiert werden. Neben der Kosten-Nutzen-Analyse sollten in diese auch eine Risikobewertung, die Bedeutung für die Unternehmensstrategie, mögliche Alternativen und eine begründete Empfehlung eingehen. In der Praxis wird dazu häufig ein Business Case erstellt.[78] Dieser zeigt alle relevanten Informationen zur Entscheidung über die Projektdurchführung in fundierter Form auf.[79]
Die vollständige Kostenermittlung für das BI-Projekt kann allerdings auch einen negativen Effekt mit sich bringen. Die Entscheidungsträger werden durch diese oftmals mit sehr hohen Gesamtkosten konfrontiert – BI-Systeme können in der Praxis mit die größte Position im IT-Budget darstellen – und könnten deshalb zu Kosteneinsparungen durch Nicht-Einführung des Systems neigen. Trotzdem handelt es sich bei der Kosten-Nutzen-Analyse um einen kritischen Erfolgsfaktor von BI-Systemen, da durch diese zum einen eine faktenbasierte Projektentscheidung getroffen wird und zum anderen die Wahrscheinlichkeit sinkt, dass höhere Gesamtkosten als geplant entstehen und das BI-Projekt dadurch Schaden nimmt.[80]
4.1.4 Schulung der Anwender
Ein nicht zu vernachlässigender Aspekt bei der Einführung eines BI-Systems ist die Schulung der Anwender. Diese sollte noch vor dem Produktiveinsatz des Systems erfolgen, damit die Anwender für dessen Einsatz vorbereitet sind und auch motiviert an die Arbeit mit diesem herangehen. Neben dem Umgang mit der BI-Anwendung, also dem unternehmensunabhängigen und i. d. R. bei einem entsprechenden BI-Hersteller bezogenen Werkzeug zur Arbeit mit dem BI-System, gehört dazu auch eine fachliche Schulung des unternehmensspezifischen Domänenmodells in Verbindung mit der BI-Anwendung. Die so wichtige Akzeptanz der Anwender steigt meist deutlich, wenn jene umfassend und professionell geschult wurden. Dazu gehören auch aussagekräftige Schulungsunterlagen zur Nutzung des BI-Systems, in welchen die Anwender bei Bedarf jederzeit Informationen zur Nutzung nachschlagen können.[81]
4.2 Technische Erfolgsfaktoren
Nachdem im vorigen Kapitel die kritischen Erfolgsfaktoren fachlicher Natur dargestellt wurden, folgen in diesem Kapitel die Aufführung und die Beschreibung der technischen Erfolgsfaktoren.
4.2.1 Softwareauswahl
Die Auswahl von BI-Software sollte in einem aus IT-Vertretern und Fachbereichsanwendern bestehenden Team durchgeführt werden. Ist in einem Unternehmen keine Erfahrung im BI-Bereich vorhanden, ist das Hinzuziehen eines externen und unabhängigen Beraters (siehe auch Kapitel 4.3.4 zum Einsatz externer Berater) zur Unterstützung des Auswahlprozesses zu empfehlen. Bei alleiniger Auswahl der Software durch Fachbereiche besteht die Gefahr fehlender technischer Integrationsmöglichkeiten, da den Anwendern meist das technische Hintergrundwissen fehlt und sie primär Wert auf funktionale Gesichtspunkte der BI-Anwendung und deren Benutzerfreundlichkeit legen (siehe auch Kapitel 4.2.8 zur Benutzerfreundlichkeit). Bei ausschließlicher Auswahl durch Mitarbeiter der IT-Abteilung wird i. d. R. zwar eine technisch gut integrierbare Softwarelösung ausgewählt, es besteht aber das Risiko die tatsächlichen Anforderungen der Fachbereiche nicht oder nicht ausreichend zu berücksichtigen.[82]
Die Vielzahl der am Markt vorhandenen BI-Produkte macht die Auswahl dabei nicht unbedingt leichter. Da es keine optimalen Produkte in diesem Bereich gibt, die für jeden Einsatzzweck die richtigen wären, muss die geeignete Software unter Berücksichtigung der Anforderungen, der technischen und der finanziellen Rahmenbedingungen immer individuell ausgewählt werden. Anderslautende Herstelleraussagen sollten generell mit Skepsis betrachtet werden.[83]
Im Folgenden wird das von Bauer vorgeschlagene Vorgehen für die Softwareauswahl im BI-Umfeld beschrieben:[84]
1. Aufnahme der Anforderungen Zu Beginn des Auswahlprozesses steht die Aufnahme der technischen und fachlichen Anforderungen und deren Dokumentation in einem Anforderungskatalog. Die technischen Anforderungen ergeben sich dabei u. a. aus der IT-Strategie. Die fachlichen Anforderungen sollten in Form von Interviews mit den späteren Anwendern der Fachbereiche erörtert werden (siehe auch Kapitel 4.1.1 zur Anforderungsanalyse).
2. Festlegung eines Bewertungsschemas Nachdem die Anforderungen aufgenommen wurden, werden diese nach Priorität bewertet. Dabei bietet sich die Verwendung von Muss-, Soll- und optionalen Kriterien an. Die Durchführung der Bewertung sollte wiederum interdisziplinär durchgeführt werden.
3. Informationsbeschaffung Aufgrund der Vielzahl am Markt erhältlicher Produkte ist es hilfreich, die Anzahl der infrage kommenden Hersteller zu begrenzen. Ist zu diesem Zeitpunkt das notwendige Wissen über die am Markt verfügbaren Lösungen noch nicht vorhanden, empfiehlt es sich dieses aufzubauen, insofern dazu ausreichend personelle Ressourcen und Zeit zur Verfügung stehen. Alternativ kann auch auf Marktstudien oder Beratungsleistungen externer Dienstleister zurückgegriffen werden.
4. Vorauswahl Ab einem gewissen Punkt ist es notwendig, sich auf einige wenige Produkte zu konzentrieren. Um den Evaluierungsaufwand zu reduzieren, sollten i. d. R. nicht mehr als zwei bis drei Produkte in die engere Auswahl genommen werden.
5. Feinevaluierung Während der Feinevaluierung wird der komplette Anforderungskatalog detailliert mit den Möglichkeiten der in diese Phase übernommenen Produkte abgeglichen.
6. Aufbau eines Prototyps (optional) Steht nach der Feinevaluierung noch ausreichend Zeit zur Verfügung, so bietet es sich an, einen realitätsnahen Prototypen zu entwickeln. Dadurch entsteht die Möglichkeit, die Produkte im echten Einsatz zu testen. Um den Aufwand und die Kosten in einem überschaubaren Rahmen zu halten, sollte ein Prototyp nur für einen eingeschränkten Funktionsumfang realisiert und auf das Wesentliche beschränkt werden.
7. Entscheidung Im Idealfall konnte im Auswahlprozess anhand des Anforderungskatalogs ein eindeutiger Sieger ermittelt werden. Durch das objektive Vorgehen sinkt die Wahrscheinlichkeit ein Produkt auszuwählen, das den späteren Anforderungen nicht genügt, i. d. R. deutlich.
4.2.2 Datenqualitätsmanagement
Ein kritischer Erfolgsfaktor beim Aufbau eines BI-Systems ist die Sicherstellung einer möglichst hohen Datenqualität. Diese trägt entscheidend zur Akzeptanz des BI-Systems im Unternehmen und damit zum Erfolg bei.[85]
Problematisch ist dabei bereits die Qualität der Daten aus den operativen Quellsystemen. Nicht immer liefern diese Quellen Daten in einer ausreichend zufriedenstellenden Qualität. Oftmals bestehen erhebliche Qualitätsmängel hinsichtlich mehrfach vorkommender, fehlender oder falsch verknüpfter Quelldaten. Auf die Prozesse der operativen Quellsysteme haben diese Qualitätsmängel i. d. R. keinen oder kaum entscheidenden Einfluss, so dass diese erstmals beim Laden in das DWH bemerkt werden. Ein weiteres Problem der Quelldaten ist deren eigene Heterogenität. Oft liegen die Quelldaten in unterschiedlichen Formaten vor, die beim Laden in das DWH zunächst vereinheitlicht und in einen konsistenten Stand überführt werden müssen.[86]
[...]
[1] Vgl.: Thome, G., et al. (2007), S. 1 f.
[2] Vgl.: Kemper, H., et al. (2004), S. 5.
[3] Vgl.: Schrödl, H. (2009), S. 294.
[4] Vgl.: Krösche, J. (2003), S. 53.
[5] Vgl.: Klandt, H. (2006), S. 167.
[6] Kemper, H., et al. (2010), S. 9.
[7] Vgl.: Manhart, K. (2009).
[8] Vgl.: Gluchowski, P. (2001), S. 7.
[9] Gluchowski, P. (2001), S. 7.
[10] Vgl.: Kemper, H. (2010), S. 3.
[11] Vgl.: Mertens, P., et al. (2000), S.184.
[12] Vgl.: Hansen, R., et al. (2005), S. 795.
[13] Vgl.: Bachmann, R., et al. (2009), S. 103.
[14] Vgl.: Kemper, H., et al. (2010), S. 87 u. 129 f.
[15] Vgl.: Kemper, H. (2010), S. 4.
[16] Vgl.: Kemper, H. (2010), S. 4.
[17] Vgl.: Maur, E., et al. (2003), S. 10.
[18] Vgl.: Jordan, C., et al. (2011), S. 6.
[19] Schnider, D. (2009), S. 1.
[20] Vgl.: Kemper, A., et al.(2006), S. 489.
[21] Vgl.: Schütte, R., et al.(2000), S. 125.
[22] Vgl.: Jordan, C., et al. (2011), S. 7.
[23] Vgl.: Gabriel, R., et al. (2009), S. 129 f.
[24] Vgl.: Jordan, C., et al. (2011), S. 7.
[25] Vgl.: Inmon, W. (2005), S. 29.
[26] Vgl.: Jordan, C. , et al. (2011), S. 21.
[27] Vgl.: Hahne, M. (2005), S. 127.
[28] Vgl.: Jordan, C. , et al. (2011), S. 8 u. 16 f.
[29] Vgl.: Maur, E., et al. (2003), S. 10.
[30] Vgl.: Jordan, C. , et al. (2011), S. 8 f.
[31] Vgl.: Cirquent (2009), S. 12.
[32] http://www.cirquent.de.
[33] Vgl.: Cirquent (2009), S. 12.
[34] Vgl.: Cirquent (2009), S. 12.
[35] Vgl.: Cirquent (2009), S. 12.
[36] Vgl.: Cirquent (2009), S. 13.
[37] Vgl.: Cirquent (2009), S. 13.
[38] Vgl.: Cirquent (2009), S. 32-35.
[39] http://www.barc.de.
[40] Vgl.: BARC (2007), S. 6.
[41] Vgl.: BARC (2007), S. 4.
[42] Vgl.: BARC (2007), S. 6.
[43] Vgl.: BARC (2007), S. 7.
[44] Vgl.: BARC (2007), S. 8.
[45] Vgl.: BARC (2007), S. 3; BARC (2007), S. 9.
[46] Vgl.: BARC (2007), S. 16 f.
[47] Vgl.: BARC (2007), S. 16.
[48] Vgl.: BARC (2007), S. 17.
[49] Vgl.: Dippold, R. (2005), S. 207.
[50] Vgl.: Gluchwoski, P., et al. (2008), S. 312.
[51] Vgl.: Dippold, R., et al. (2005), S. 207.
[52] Vgl.: Knöll, H.-D., et al. (2006), S. 132-134.
[53] Vgl.: Bachmann, R., et al. (2009), S. 151.
[54] Knöll, H.-D., et al. (2006), S. 146.
[55] Vgl.: Knöll, H.-D., et al. (2006), S. 134.
[56] Vgl.: Chamoni, P., et al. (2006), S. 40 f.
[57] Vgl.: Scheer, W., et al. (2005), S. 35.
[58] Vgl.: Walter, W. (2006), S. 57.
[59] Vgl.: Walter, W. (2006), S. 57.
[60] Vgl.: Bachmann, R., et al. (2009), S. 176 f.
[61] Vgl.: Egger, G. (2010), S. 2.
[62] Vgl.: Schrödl, H. (2009), S. 268.
[63] Vgl.: Jordan, C., et al. (2011), S. 27-29.
[64] Vgl.: Bulos, D., et al. (1998), S. 2.
[65] http://www.symcorp.com.
[66] Vgl.: Jordan, C., et al. (2011), S. 27-29.
[67] Goméz, J., et al. (2009), S. 85.
[68] http://www.symcorp.com/downloads/ADAPT_white_paper.pdf
[69] Vgl.: Boehm, B. , et al. (2006), S. 376.
[70] Vgl.: Sneed, H. (2005), S. 6f.
[71] Vgl.: Geyer, H. (2006), S. 432.
[72] Vgl.: Wieczorrek, H., et al. (2007), S. 229.
[73] Vgl.: Chamoni, P., et al. (2006), S. 60.
[74] Vgl.: Bachmann, R., et al. (2009), S. 39-41.
[75] Vgl.: Wieczorrek, H., et al. (2007), S. 226 f.
[76] Brugger, R. (2009), S. 11.
[77] Vgl.: Jenny, B. (2001),S. 375.
[78] Vgl.: Brugger, R. (2009), S. 11-13.
[79] Vgl.: Office of Government Commerce (2009), S. 23.
[80] Vgl.: Chamoni, P., et al. (2006), S. 60 f.
[81] Vgl.: Schrödl, H. (2009), S. 293.
[82] Vgl.: Bange, C., et al. (2004), S. 19.
[83] Vgl.: Bauer, A., et al. (2004), S. 396.
[84] Vgl.: Bauer, A., et al. (2004), S. 399-406.
[85] Vgl.: Bachmann, R., et al. (2009), S. 81 f.
[86] Vgl.: Manhart, K. (2008), S. 3.
-
-
-
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X. -
-
Upload your own papers! Earn money and win an iPhone X.