Diese Arbeit untersucht die konzeptionell-technologische Schnittstelle zwischen dem Cloud-Computing auf der einen und der BI auf der anderen Seite. Im Kontext der Ausführungen werden zunächst BI und Cloud Computing als solche definiert, abgegrenzt und näher beleuchtet, um so einen Betrachtungsrahmen zu schaffen. Hierauf aufbauend schließt sich eine differenzierte Betrachtung des Anwendungsfalls BI in der Cloud an, in welchem technologische Potenziale und Herausforderungen herausgestellt und empirisch fundierte Betrachtungen von Wahrnehmung und Nutzung durchgeführt werden. Hieraus abgeleitet werden zwei mögliche praktische Anwendungsfälle vorgestellt und wirtschaftliche Rahmenbetrachtungen angestellt.
Aufbauend auf diesen Betrachtungen werden zusammenfassend mögliche künftige Entwicklungsszenarien für die cloudbasierte BI herausgearbeitet. Diese Szenarien gewähren einen Ausblick auf den fortschreitenden technologischen Nutzen, mögliche neue Herausforderungen und den korrespondierenden gesellschaftlichen Wandel.
Kein Unternehmen kann sich leisten, bestehende Megatrends und die damit verbundenen Auswirkungen auf Unternehmen ignorieren zu können. Einer der wichtigsten bestehenden Technologietrends, der als Werkzeug zur gezielten Ausgestaltung der digitalen Transformation betrachtet werden kann, ist das Cloud-Computing. Mit seiner Hilfe sind Unternehmen in der Lage, unkompliziert und kostengünstig teilweise enorme Datenverarbeitungskapazitäten zu nutzen, ohne hohe Investitionen in Hardware, Software oder Personal tätigen zu müssen.
Cloud-Computing hat in den letzten Jahren eine enorme technologische Reife erreicht, die es nun erlaubt, auch zunehmend unternehmenskritische Prozesse und Verfahren, wie bspw. Bestellabwicklung, Buchhaltung, Forderungsmanagement oder Customer Relationship Management (CRM) abzubilden und Unternehmen zur Verfügung zu stellen. Es ist hierbei naheliegend, dass auch die Business Intelligence (BI), die Kerndisziplin der betrieblichen Datenanalyse und Informationsgewinnung, diesem Trend unterliegt und in besonderen Maße von der Entwicklung des Cloud-Computing profitieren kann.
Inhaltsverzeichnis
Abkürzungsverzeichnis
Abbildungsverzeichnis
1 Einführung
1.1 Hintergrund & Problemstellung
1.2 Ziel der Betrachtungen
1.3 Methodik
2 Einführung in die Business Intelligence
2.1 Historie & Definition
2.2 Aufbau von BI-Systemen
2.3 Nutzergruppen
2.4 BI in der Unternehmenssteuerung
3 Einführung in Cloud-Services
3.1 Historie
3.2 Definition und Konzepte
3.3 Bereitstellungsmodelle
3.3.1 Public Cloud
3.3.2 Private Cloud
3.3.3 Hybrid Cloud
3.4 Servicemodelle
3.4.1 Infrastructure-as-a-Service
3.4.2 Platform-as-a-Service
3.4.3 Software-as-a-Service
3.4.4 Business-Process-as-a-Service
3.4.5 Andere as-a-Services
3.5 Gesamtmarkt für Cloud-Computing
3.5.1 Trends & Treiber
3.5.2 Volumen und Entwicklung
3.5.3 Marktsegmente
3.6 Potenziale von Cloud-Computing
3.6.1 Betriebswirtschaftliche Vorteile
3.6.2 Technische Vorteile
3.6.3 IT-Organisation
3.7 Herausforderungen im Cloud-Computing
3.7.1 Rechtliche Rahmenbedingungen
3.7.2 Daten- und Systemsicherheit
3.7.3 Datenschutz
3.7.4 Systemintegration
3.7.5 Verfügbarkeit
3.7.6 Risikobewertungen
4 Business Intelligence in der Cloud
4.1 Einsatz von Cloud-BI
4.2 Aufbau von Cloud-BI-Systemen
4.3 Technologiepotenziale
4.4 Spezifische Problemfelder
4.4.1 Lock-In-Effekt
4.4.2 Datenintegration
4.4.3 Datensicherheit
4.5 Cloud-BI-Markt
4.6 Umfrage zu Wahrnehmung & Nutzung
4.6.1 Aufbau
4.6.2 Auswertung
4.7 Mögliche Anwendungsfälle
4.7.1 Wirtschaftliche Rahmenbetrachtungen
4.7.2 Standard-Reporting in der Cloud
4.7.3 Big Data in der Cloud
5 Fazit
5.1 Zusammenfassung der Betrachtungen
5.1.1 Marktbedeutung & Wahrnehmung
5.1.2 Erkenntnisse für Cloud-BI-Anbieter
5.2 Kritische Würdigung
5.3 Ausblick
Literaturverzeichnis
A Anhang
A.1 Primärergebnisdaten der Umfrage
A.1.1 Erhobene Rohwerte aus der Umfrage
A.1.2 Freitextantworten aus der Umfrage
A.1.3 Codebuch und Variablenschlüssel
A.2 Interview
A.2.1 Gesprächsrahmen
A.2.2 Gesprächsprotokoll
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Abbildungsverzeichnis
0.1 Cloud-Computing Cartoon
2.1 Überblick über die klassischen Systembegriffe
2.2 Traditionelles BI-Framework
2.3 Prozentuale Gewichte der Nutzersegmente einer BI-Lösung
3.1 Public, Private und Hybrid Cloud
3.2 Betriebsverantwortung in den Cloud-Servicemodellen
3.3 Data Center Designer Oberfläche von ProfitBricks
3.4 Dashboard des PaaS-Angebotes IBM Bluemix
3.5 Cloud-Computing Layer und Geschäftsmodellvarianten
3.6 Umsatz mit Cloud-Services weltweit von 2010 bis 2016
3.7 Marktvolumen von Cloud-Services weltweit und in Deutschland 2013 und 2016
3.8 Aktuelle und geplante Nutzung von SaaS-Anwendungen
3.9 Umsatz mit Cloud-Services und Beratungsdienstleistungen in Deutschland
3.10 Systemauslastung von traditionellen und cloudbasierten Systemen
3.11 Cloud-Computing Risikomatrix
4.1 Screenshot von IBM Concert
4.2 Weltweites Marktwachstum von Cloud-BI 2014 bis 2018
4.3 Übersicht über die Fragen der Umfrage
4.4 Alter der Teilnehmer
4.5 Branchenzugehörigkeit der Unternehmen
4.6 Größe der Unternehmen
4.7 Tätigkeitsschwerpunkte der Teilnehmer
4.8 Berufserfahrung der Teilnehmer in ihren Unternehmen
4.9 Nutzung von Cloud-Services nach Größenclustern
4.10 Deckung zwischen aktuellem BI-Systembedarf und -güte
4.11 Daten- und Systemqualität
4.12 Verwendung verschiedener Daten und Datenquellen
4.13 BI-Investitionsverhalten
4.14 Genutzte Informationskanäle und Erfahrungen bzgl. Cloud-BI- Lösungen
4.15 Aktuelle Hinderungsgründe für den Einsatz von Cloud-BI
4.16 Anteile von BI-Technologien am fiktiven Cloud-BI-Budget
4.17 Nutzungsabsicht von Cloud-BI in verschiedenen Umgebungen
4.18 Relevanz verschiedener Cloud-Vorteile für BI-Lösungen
4.19 Akzeptierte Mindestbindungsfrist an einen Cloud-BI-Anbieter
4.20 Signifikante Korrelation zwischen BI-Niveau und Cloud-Affinität
4.22 Beispielhafte Investitionsrechnungstabelle
4.23 Architekturvorschlag zu Standardreporting in der Cloud
4.24 Architekturvorschlag zu Big Data in der Cloud
1 Einführung
Unternehmen sind heute in der Situation, sich mit der Digitalen Transformation ganzer Volkswirtschaften auseinandersetzen zu müssen. Die Menge an Daten, die innerhalb und außerhalb von Unternehmen in den verschiedensten Prozessen generiert und verarbeitet wird, vervielfältigt sich in atemberaubender Weise und teilt die Wirtschaftsakteure in zwei Kategorien ein.2
Zum einen in diejenigen, die aus den allgegenwärtigen Datenfluten zeitnah relevante Informationen destillieren, Wissen generieren und ihre Maßnahmen gezielt darauf abstimmen können.
Um zum anderen die Kategorie derjenigen, die sich der zunehmenden Durchdringung des Digitalen in sämtliche Schichten des Wirtschaftens hinein verschließen und über kurz oder lang drohen, marginalisiert zu werden.
Diese − bewusst drastische − Schilderung führt vor Augen, dass es sich kein Unternehmen leisten kann, bestehende Megatrends und die damit verbundenen Auswirkungen auf Unternehmen ignorieren zu können. Einer der wichtigsten bestehenden Technologietrends, der als Werkzeug zur gezielten Ausgestaltung der digitalen Transformation betrachtet werden kann, ist das CloudComputing. Mit seiner Hilfe sind Unternehmen in der Lage, unkompliziert und kostengünstig teilweise enorme Datenverarbeitungskapazitäten zu nutzen, ohne hohe Investitionen in Hardware, Software oder Personal tätigen zu müssen.
Cloud-Computing hat in den letzten Jahren eine enorme technologische Reife erreicht, die es nun erlaubt, auch zunehmend unternehmenskritische Prozesse und Verfahren, wie bspw. Bestellabwicklung, Buchhaltung, Forderungsmanagement oder Customer Relationship Management (CRM) abzubilden und Unternehmen zur Verfügung zu stellen. Es ist hierbei naheliegend, dass auch die Business Intelligence (BI), die Kerndisziplin der betrieblichen Datenanalyse und Informationsgewinnung, diesem Trend unterliegt und in besonderen Maße von der Entwicklung des Cloud-Computing profitieren kann.3
Diese Arbeit untersucht die hochinteressante konzeptionell-technologische Schnittstelle zwischen dem Cloud-Computing auf der einen und der BI auf der anderen Seite. Im Kontext der Ausführungen werden zunächst BI und CloudComputing als solche definiert, abgegrenzt und näher beleuchtet (Kapitel 2 und 3), um so einen Betrachtungsrahmen zu schaffen. Hierauf aufbauend schließt sich eine differenzierte Betrachtung des Anwendungsfalls BI in der Cloud (Kapitel 4) an, in welchem technologische Potenziale und Herausforderungen herausgestellt und empirisch fundierte Betrachtungen von Wahrnehmung und Nutzung durchgeführt werden. Hieraus abgeleitet werden zwei mögliche praktische Anwendungsfälle vorgestellt und wirtschaftliche Rahmenbetrachtungen angestellt.
Aufbauend auf diesen Betrachtungen werden zusammenfassend mögliche künftige Entwicklungsszenarien für die cloudbasierte BI herausgearbeitet. Diese Szenarien gewähren einen Ausblick auf den fortschreitenden technologischen Nutzen, mögliche neue Herausforderungen und den korrespondierenden gesellschaftlichen Wandel.
1.1 Hintergrund & Problemstellung
Die IT-Industrie − und mit ihr die gesamte auf sie aufbauende Weltwirtschaft − steht am Punkt einer bedeutenden technologischen Trendumkehr. Die ITEntwicklung der 1990er und 2000er Jahre war stark davon geprägt, die in den 1970er und 1980er Jahren aufgebauten zentralisierten Infrastrukturen in weiten Teilen zu dezentralisieren. Aus Mainframe-Monolithen wurden Client-ServerSysteme, aus Terminals wurden Fat-Clients. Die Rechenkapazität wanderte aus dem Keller auf den Schreibtisch (ergo: Desktop-Computing). Die Treiber hierfür waren vor allem die signifikant gefallenen Preise pro abstrakter Einheit Rechenkraft und die gestiegenen Anforderungen der Kunden hinsichtlich Interaktivität und Grafikfähigkeit der Endbenutzersysteme.4
Diese Entwicklung wird nun gewissermaßen revidiert. Der stationäre Einzelplatzrechner verliert an Bedeutung, Datenspeicherung und -verarbeitung werden in zunehmenden Maße als Service aufgefasst, den man flexibel von jedem Ort aus nutzen möchte. Die Rechenkapazität wandert somit vom Schreibtisch in die Wolke (ergo: Cloud-Computing).
Wie auch die meisten vorangegangen Fortschritte in der IT wird das Voranschreiten des Cloud-Computings maßgeblich durch Moore’s Law ermöglicht. Diese im Jahre 1965 postulierte Gesetzmäßigkeit besagt, dass sich die Transistordichte auf einem Microchip etwa alle zwei Jahre verdoppelt und sich dabei der Preis pro Einheit Rechenkraft halbiert. Als Folge der exponentiellen Zunahme dieser physikalisch-elektronischen Integrationsdichte steigt die Rechenkapazität von CPUs, die Speicherdichte von RAM und anderen Chips, sowie der generelle Grad der Miniaturisierung (System-on-a-Chip). Hieraus − und aus der immer besseren Versorgung mit lokalem und mobilem Breitbandinternet − erwachsen völlig neue Einsatzmöglichkeiten für IT, die unseren Alltag auch immer mehr durchdringen.5
Gemeinsam mit den Umsätzen der Cloud-Anbieter steigen auch deren Investition in Cloud-Infrastruktur. Analysten schätzen, dass im Jahr 2015 etwa ein Drittel der weltweiten IT-Infrastrukturinvestitionen für Cloud-Infrastruktur (Server, Storage, Netzwerktechnik, etc.) ausgegeben werden. Dies sind fünf Prozentpunkte mehr als im Vorjahr und der vorherrschende Trend wird diesen Anteil noch weiter erhöhen. Die aktuell geschätzte jährliche Investitionssumme in Cloud-Infrastruktur i.H.v. $32 Mrd. wird binnen einer halben Dekade auf über $52 Mrd. anwachsen. Diese Beträge und deren kontinuierlicher Wachstumstrend zeigen klar auf, dass das Angebot an global zur Verfügung stehender Datenverarbeitungskapazität in Zukunft stark ansteigen wird. Dem steht eine zunehmende Nachfrage nach Cloudkapazitäten entgegen, die ihrerseits stark durch die Nachfrage an neuen cloudbasierten Nutzerdiensten entsteht.6
1.2 Ziel der Betrachtungen
Der globale Trend des Cloud-Computing nimmt immer mehr Einfluss auf verschiedene Teildisziplinen betrieblicher und privater Anwendungssysteme. Egal ob Mail-Systeme, Buchhaltung, Fuhrparkverwaltung oder private Fotoalben − die Nutzung cloudbasierter Systeme ist in der Normalität der alltäglichen IT angekommen und erschließt sich peu-a-peu immer neue Marktbereiche klassischer IT-Lösungen.
In dieser Arbeit wird die Bedeutung und die aktuelle Wahrnehmung des CloudComputing in besonderem Hinblick auf seinen Einsatz in der BI untersucht. Waren Unternehmen in der Vergangenheit des letzten Jahrzehnts häufig sehr zögerlich mit der Speicherung und Analyse (ggf. unternehmenssensibler) Daten und Informationen in dezentralen Cloud-Systemen, so zeigt sich hier ein wahrnehmbarer Trend der vermehrten Öffnung. Viele Unternehmen entscheiden sich dabei zunehmend dafür, Cloud-Services nicht nur projektbezogen, sondern auch im Kontext einer dauerhaften Unterstützung und Abbildung von Geschäftsprozessen einzusetzen.7
In dieser Arbeit werden die Themen Cloud-Computing und BI in Hinblick auf deren technisch-fachliche Nutzen im Zusammenspiel, sowie dessen Rezeption in den Unternehmen untersucht. Ziel dieser Betrachtungen ist es, die Entwicklungspotenziale, aktuell bestehende Herausforderungen und die öffentliche Wahrnehmung der cloudbasierten BI herauszuarbeiten. Aufgrund der großen Entwicklungsschritte des Cloud-Computings ist eine solche differenzierte Betrachtung sich neu etablierender Anwendungsszenarien von großem praktischen Nutzen.
1.3 Methodik
Da das Themengebiet des Cloud-Computing, speziell der BI in der Cloud, noch relativ jung ist, sind vor allem quantitative Aussagen zu Trends, Verbreitung und Nutzung derselben häufig noch nicht mit wissenschaftlichen Schwerpunkten und Fragestellungen untersucht worden.
Daher wurden für diese Arbeit bewusst auch Quellen herangezogen, die nicht allen Maßstäben wissenschaftlicher Literatur gerecht werden. Insbesondere die im Folgenden genutzten Studien von Beratungsgesellschaften (bspw. KPMG) oder Verbänden (bspw. BITKOM) werden stets im Auftrag wirtschaftlicher Interessenträgern erstellt. Von einer völligen Neutralität dieser Studien kann insofern nicht ausgegangen werden, obgleich die ermittelten Trends qualitativ legitim nutzbar sind.
Ergänzend floss in diese Arbeit auch ein Expertengespräch in Form eines EMail-Interviews ein. Dieses wurde jedoch ad-hoc und nicht im Rahmen einer wissenschaftlichen Methodik geführt und ist daher nicht strukturiert auswertbar. Nichtsdestotrotz liefert es interessante Sichtweisen und Einblicke, die in die folgenden Ausführungen eingeflossen sind.
Um die aus den Sekundärquellen und vorliegenden nicht-wissenschaftlichen Studien gewonnenen Aussagen und Erkenntnisse zu validieren und einer eigenen Untersuchung gegenüberzustellen, stützt sich diese Arbeit weiterhin auf eine eigens durchgeführte Primärerhebung in Form eines Online-Panels, dessen Aufbau und Methodik im Kapitel 4.6 näher vorgestellt wird.
2 Einführung in die Business Intelligence
2.1 Historie & Definition
Obwohl BI vom Ursprung her rein technologisch getrieben war, entwickelte es sich zu einem integrierten Gesamtkonzept einer IT-basierten Unternehmenssteuerung. Deren größte Herausforderung ist es, aus inhomogenen internen und externen Daten Informationen zu destillieren, den jeweiligen Entscheidungsträgern zugänglich zu machen und somit letztlich Wissen zu generieren.8
Tatsächlich hat der Begriff der BI erst vor etwa 20 Jahren Einzug in den Wortschatz der ITund Wirtschaftswelt erhalten.9 Der Grundgedanke hinter BI, die verschiedensten wirtschaftlichen Fragestellungen zu beantworten und Betriebe bei ökonomischen Entscheidungen zu unterstützen, ist dabei noch viel älter. Schon die ersten rechnergestützten Kalkulationen wurden durchgeführt, um betriebswirtschaftliche Zusammenhänge zu untersuchen und Informationen über sie zu gewinnen. Diese Tradition kann glaubhaft bis zum Abakus zurückgeschrieben werden.10
In dem Themengebiet dessen, was heute unter BI verstanden wird, wurden im Laufe der letzten Jahre und Jahrzehnte verschiedene Begriffe ins Feld geführt, die für dessen horizontale Untergliederung maßgeblich war: z.B. Management Support Systems (MSS), Decision Support Systems (DSS), Management Information Systems (MIS) und Executive Information Systems (EIS). Die Abbildung 2.1 gibt hierüber einen prägnanten Überblick.12
Im Kontext dieser Arbeit wird die BI mit einem holistischen Gesamtverständnis aufgefasst, da eine Einschränkung auf bestimmte Unternehmensbereiche-
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2.1: Die klassischen Systembegriffe bilden begriffliche Vorgänger dessen, was heute ganzheitlich als BI aufgefasst wird.11
oder ebene den Blick auf den Gesamtsachverhalt verstellen würden. Die dem zugrundeliegende Definition liefern Kemper, Baars et al.:
“Business Intel ligence bezeichnet einen integrierten, unternehmensspezifischen, IT-basierten Gesamtansatz zur betriebswirtschaftlichen Entscheidungsunterstützung. [...] BI-Anwendungssysteme bilden Teilaspekte des BI-Gesamtansatzes ab.“ 13
Dieser Definition folgend berührt das Themengebiet der BI sämtliche der reinen operativen Datenhaltung nachgelagerten IT-gestützten Systeme, welche einen Anteil an der Kette des Informationsverarbeitungsprozesses haben: Datenintegration (DWH, ETL), Informationsgenierierung (Reporting, Ad-Hoc, OLAP), Informationsanalyse (Textoder Datamining) und Informationsverwertung (Active-DWH, Präsentation).14
Die jeweilige Nutzung von BI kann hierbei in verschiedenen Organisationen und Unternehmen unterschiedlich ausgeprägt sein. So können die bei Analysen berücksichtigten Daten sowohl strukturierte, als auch unstrukturierte Informationen beinhalten sowie je nach Einsatzzweck aus internen oder externen Datenquellen stammen. Hierbei ist die hierarchieübergreifende und die in den operational hochgradig integrierte Nutzung der verschiedenen Anwendungssysteme von zentraler Bedeutung. BI stellt kein reines Controlleroder ManagerWerkzeug dar, sondern kann bei entsprechender Integration viele Mitarbeiter in ihren vielfältigen Aufgaben im Unternehmen unterstützen und ihnen entscheidenden informationellen Mehrwert bieten.
2.2 Aufbau von BI-Systemen
Die Betrachtung der BI im Kontext eines integrierten Gesamtansatzes ermöglicht es, die verschiedenen Techniken, die für dieses ganzheitliche Konzept notwendig sind, über deren Positionierung innerhalb des BI-Technologiestacks zu identifizieren.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2.2: Das BI-Framework vermittelt den BI-Technologiestack, sowie dessen Bestandteile und Zusammenhänge.15
Dessen konzeptionelle Ebenen orientieren sich an möglichen Systemrollen im Informationsverarbeitungsprozess. Unabhängig des konkreten Implementationsmusters können in jeder BI-Lösung drei technologische Konzeptebenen identifiziert werden (siehe Abbildung 2.2).
1. Visualisierungsebene (Informationszugriffs und der -präsentation )
2. Modellebene (Informationsgenerierung und Datenanalyse)
3. Datenebene (Datenintegration und -bereitstellung)
Hierbei ist jedoch mitunter ein hohes Abstraktionsniveau notwendig, um in praktischen Implementationen derlei strikte Trennung im Detail nachvollziehen zu können, da die Ebenen des Technologiestacks innerhalb des BI-Gesamtsystems integriert sind und prinzipiell auf der jeweils darunterliegenden Ebene aufbauen. Obgleich die Ebenen einander konzeptionell bedingen, können sie jedoch durchaus unterschiedliche Implementationsreifegrade aufweisen.16
Eine der interessantesten inhaltlich-technologischen Neuerungen, die den Komplex der BI akut betreffen, ist die Verarbeitung und Analyse enormer Mengen strukturierter, unstrukturierter und teilstrukturierter Daten in Big DataSystemen. Diese Bezeichnung bezieht sich auf keine konkrete Systemklasse (wie bspw. MOLAP-Analysedatenbanken), sondern bezeichnet einen im o.g. BIFramework übergreifend angesiedelten technologischen Verbund von RechenzentrenArchitektur, Datenbanken, File-Systemen, Algorithmen und Abfragesprachen und -tools (siehe auch Kapitel 4.7.3).17
2.3 Nutzergruppen
Die Nutzer eines BI-Systems können danach unterschieden werden, wie sie die BI in ihrem beruflichen Alltag verwenden. In der Literatur unterscheidet man nach Informationskonsumenten, Analytikern (auch: A d-Hoc-Usern) und Spezialisten (auch: Power-Usern).18
Konsumenten: Diese User agieren als bloße Informations-, bzw. Berichtsempfänger. Sie nutzen jenseits einfacher, vorgegebener Filtermöglichkeiten kaum bewusst die Fähigkeiten des BI-Systems. Häufig sind sie jedoch über operative BI-Integrationen unbewusst in Kontakt mit BIInformationen.
Analysten: Werden auch als Ad-Hoc-User bezeichnet und sind in der Lage, bestehende Reports und Datenpräsentationen gezielt zu verändern. Sie verfügen über ein solides Verständnis der Analysedatenmodelle und können sich bspw. mittels der OLAP-Standardoperationen Slicing, Dicing und Drilling in dem für sie relevanten Datenraum bewegen.
Spezialisten: Diese Power-User sind Anwender, die die weitreichenden Funktionalitäten eines BI-Systems zu nutzen verstehen und eigenständig komplexe Ursachenund Wirkungszusammenhänge untersuchen, ggf. Datamining nutzen und generell als Promotoren der Fähigkeiten von BI im Unternehmen auftreten.19
Einen Überblick über die Zahlenverhältnisse der Nutzergruppen liefert Abbildung 2.3.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2.3: Die Nutzersegmente von BI-Systemen sind häufig so verteilt, dass die Gruppe der Konsumenten mit ca. 80% die mit Abstand größte ist.20
2.4 BI in der Unternehmenssteuerung
Den Kern eines (idealtypischen) BI-Systems bildet das Data Warehouse (DWH). Es fungiert konzeptionell als zentrale Datenhaltungsebene und dient in Referenzmodellen allen Reportingund Analyseanwendungen als einzige, zentrale Wahrheit, als Single Point of Truth (SPOT). Diesen SPOT anzustreben, birgt große Vorteile für die Unternehmenssteuerung, da alle User in ihren Analysen stets auf dieselbe Zahlenund Datenbasis zugreifen. Zudem wird die Realität im Unternehmen im Modell möglichst akkurat gespiegelt und kommt transparent zustande. Hierdurch erlangen Unternehmen die Fähigkeit, datengestützt zu steuern und zielgerichtete Maßnahmen abzuleiten.21
Unternehmen, in denen die Wichtigkeit eines solchen SPOT-Ansatzes nicht wahrgenommen wird, laufen Gefahr, mittelfristig den Gesamtblick auf sich selbst zu verlieren und in Folge dessen eher zu intuitiven Entscheidungen zu tendieren als auf abgestimmte Zahlen zu vertrauen. Obwohl auch hauptsächlich intuitiv geführte Unternehmen erfolgreich sein können, so entgeht ihnen dadurch im besten Falle das eigene Potenzial. Im schlimmsten Falle können sie durch verpasste Trends oder andere nicht wahrgenommene Informationen nicht mehr konkurrenzfähig am Markt agieren.
Da die für viele wichtige Entscheidungsinformationen notwendigen Daten an der einen oder anderen Stelle bereits in den meisten Unternehmen vorhanden sind, ist es umso wichtiger, gezielt diesen wahren Informationsschatz zu heben und 1.) den richtigen Personen 2.) zum richtigen Zeitpunkt 3.) in der richtigen Detailtiefe zur Verfügung zu stellen. Vor diesem Hintergrund und aus den damit verbundenen Überlegungen zum richtigen Business-IT-Allignment sollte aus der jeweiligen Unternehmensstrategie eine grundsätzliche BI-Strategie abgeleitet werden, wobei vier Ziele im Vordergrund stehen:
1. Unterstützung und Vorantreiben der Unternehmensstrategie
2. Herstellung eines SPOT
3. Kostensenkung durch Automatisierung und Prozessoptimierung
4. Wachstum, bspw. durch Cross-Selling-Analysen22
Um diese Ziele zu erreichen, müssen Unternehmen die auf dem Markt verfügbaren BI-Lösungen und -Komponenten jeweils möglichst passgenau (und in einem entsprechend vertretbaren Kostenund Nutzen-Rahmen) auf die eigenen Anforderungen anpassen und die Systeme passend orchestrieren. Obwohl BI traditionell in der Unternehmens-IT verankert war, hat sich in vielen Betrieben die Erkenntnis durchgesetzt, dass eine zielgerichtete Konzeption und kontinuierliche (Weiter-) Entwicklung von BI-Systemen ohne einen starken strategischen Bezug zu den Fachanforderungen und -entwicklungen nur schwer möglich ist. Rein IT-getriebene BI-Projekte sind häufig zum Scheitern verurteilt, ebenso wie rein fachlich getriebene BI-Initiativen ohne Beteiligung der IT. In der Praxis haben sich in vielen Unternehmen mehr oder weniger stark institutionalisierte BI-Competence-Center (BICC) herausgebildet, die das notwendige Schnittstellenknowhow zwischen Fachund IT-Wissen gezielt bündeln. Sie agieren im Idealfall ähnlich einer Stabsstelle, die die unternehmensweiten BI-Aktivitäten strategisch abstimmt und Projektleitungs-, bzw. -lenkungsaufgaben übernimmt.
3 Einführung in Cloud-Services
3.1 Historie
Obwohl das Cloud-Computing in der öffentlichen Wahrnehmung häufig als neues Trend-Thema gilt, sind die ihm zugrundeliegenden Überlegungen bereits älter als das Internet oder das ARPANET. Bereits vor über 50 Jahren entstanden Ideen, Datenverarbeitungskapazitäten als öffentliches und für jedermann leicht beziehbares Gut zu verstehen.23
Selbst so grundlegende Konzepte, über die wir heute das Cloud-Computing definieren (siehe Kapitel 3.2), wie etwa die permanente Online-Erreichbarkeit oder die elastische Verfügbarkeit finden ihren Ursprung in den sechziger Jahren des 20. Jahrhunderts. Auch der Gedanke einer Unterscheidbarkeit der Computertechnologie nach öffentlichen (public) und privaten Nutzungsschwerpunkten geht auf diese Zeit zurück.24 Diese für ihre Zeit sehr progressiven Konzepte konnten jedoch lange nicht in die Tat umgesetzt werden. Viele relevante Datenverarbeitungsfaktoren standen nicht in dem Maße zur Verfügung, wie sie für eine funktionierende Cloud-Infrastruktur vonnöten sind. Sowohl die Datenübertragungsbandbreite, der globale Vernetzungsgrad und die Verfügbarkeit großer Speicherund Rechenleistungskapazitäten stellten große Engpässe dar. Erst vor etwa 10-15 Jahren haben die globalen Kommunikationsnetze und die verbreitete Computertechnologie Reifegrade erreicht, die ein flächendeckendes Angebot von cloudbasierten Diensten ermöglichen. So gilt heute die folgende Aussage (siehe auch Kapitel 4.6.2.3):
“Cloud-Computing entwickelt sich für [viele] Anwender zum Standard.“ 25
3.2 Definition und Konzepte
Die Bezeichnungen Cloud-Services oder Cloud-Computing werden von vielen Publikationen und Unternehmen oftmals undifferenziert verwendet. Ein gemeinsames Verständnis dessen, was es bedeutet, Services aus der W olke zu beziehen, kann nicht immer vorausgesetzt werden, weshalb im Folgenden eine Definition der Begrifflichkeiten vorgenommen wird.
Die US-amerikanische Standardisierungsbehörde National Institute of Standards and Technology (NIST) definiert bestimmte Fähigkeiten und Eigenschaften als charakterisierend für Cloud-Services und liefert damit für viele Autoren die Grundlage ihrer Betrachtungen. Auch in dieser Arbeit gilt als Cloud-Service, sobald ein IT-Dienst die folgenden fünf von NIST definierten Eigenschaften besitzt:
1. Bedarfsgerechte und Nutzung auf Abruf: Die Provisionierung von IT-Ressourcen (CPU, RAM, etc.) erfolgt automatisch ohne notwendige Interaktion mit dem Dienstanbieter.
2. Zugriff mittels Breitbandnetzwerken: Die Services sind über etablierte Standard-Schnittstellen über das Internet verfügbar und setzen keine bestimmte Client-Softoder Hardware voraus.
3. Bündelung von Ressourcen: Die IT-Ressourcen des Anbieters liegen in einem Pool vor, auf den viele Anwender und Kunden zugreifen (MultiT enant Model l). Dabei wissen die einzelnen Anwender nicht, wo genau sich diese Ressourcen befinden. Ein bestimmter Speicherort kann jedoch im Nutzungsvertrag festgeschrieben werden (bspw. nur Rechenzentren innerhalb Deutschlands).
4. Flexible Skalierung Die Services können schnell und elastisch zur Verfügung gestellt werden, idealerweise automatisch. Aus Nutzersicht erscheinen die Ressourcen daher quasi unendlich.
5. Verbrauchsabhängige Zurechnung von Kosten Die Ressourcennutzung kann pro definierter Verbrauchseinheit gemessen und überwacht werden. Nur der tatsächliche Verbrauch wird den Cloud-Anwendern im Rahmen der Nutzungsvereinbarung in Rechnung gestellt.26
Diese Cloud-Charakteristika kumulieren in der folgenden Definition, welche in dieser Arbeit Anwendung findet:
“Cloud-Computing ist ein Model l, das es erlaubt, bei Bedarf jederzeit und überal l bequem über ein Netz auf einen geteilten Pool von konfigurierbaren Rechnerressourcen [...] zuzugreifen, die schnel l und mit minimalem Managementaufwand [...] zur Verfügung gestel lt werden können.“ 27
Bei der konkreten Lösungsgestaltung wird im Cloud-Computing jeweils nach den sogenannten Ber eitstel lungsund den Servicemodel len unterschieden, welche die Nutzungsart und die technische Tiefe kennzeichnen und charakterisieren. Diese unterschiedlichen Modelle und deren Spezifika werden im Folgenden vorgestellt.
3.3 Bereitstellungsmodelle
Das Cloud-Computing kennt verschiedene Bereitstellungsmodelle, die sich im Grad des Ressourcenpooling und der damit verbunden konkreten physischen oder logischen Verteilung der Datenverarbeitungskapazitäten unterscheiden. Die Abbildung 3.1 gibt einen Überblick über die Unterscheidbarkeit der verschiedenen Bereitstellungsmodelle, auf die im Folgenden eingegangen wird.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.1: Gegenüberstellung von Public, Private und Hybrid Cloud28
3.3.1 Public Cloud
Public Cloud-Angebote stellen das dar, was gemeinhin in undifferenzierten Berichten und Diskussionen als „Die Cloud“ bezeichnet wird. Sie werden mithilfe einer umfassenden Bündelung an IT-Ressourcen realisiert, auf welche eine unbestimmt große Anzahl voneinander komplett unabhängiger Nutzer zugreifen kann. Sie teilen sich die entsprechenden Systemkapazitäten, die den Kunden über das öffentliche Internet verfügbar gemacht werden. Es ist für sie üblicherweise nicht nachvollziehbar, geschweige denn beeinflussbar, in welchem konkreten Rechenzentrum die Datenverarbeitung stattfindet und wo die eigenen Daten gespeichert werden.
Um mögliche Datensicherheitsbedenken und Datenschutzanforderungen von Kunden zu adressieren, bieten jedoch viele Public Cloud-Anbieter die Möglichkeit, bei der Konfiguration des eigenen (Unternehmens-) Accounts zumindest bestimmte Regionen anzugeben, in denen die Datenverarbeitung erfolgen muss (bspw. innerhalb der Europäischen Union).29
Darüber hinaus werden zwischen Nutzern und Anbietern von Public CloudLösungen (ähnlich wie beim IT-Outsourcing) häufig sogenannte Service L evel Agreements (SLAs) vereinbart, in denen insbesondere die vertraglich zugesicherten Zugriffsgarantien und mögliche Vertragsstrafen geregelt sind (siehe auch Kapitel 3.7.5).30
3.3.2 Private Cloud
Private Cloud-Lösungen bestehen nur für eine einzige Organisation und deren Unterorganisationen. Es gibt keinerlei Ressourcenteilung über die Grenzen der Organisation hinweg. Hierbei spielt es jedoch keine Rolle, ob diese Organisation auch im tatsächlichen, physischen Besitz der Systemkomponenten ist oder ob die Lösung von einem Dritten (Service Provider) bereitgestellt und betrieben wird. Entscheidend für die Einstufung als Private Cloud ist allein der Umstand der exklusiven Nutzung durch eine Partei.31
Mit Private Clouds können Unternehmen die Vorteile von Public Cloud-Angeboten mit denen des klassischen internen IT-Betriebs kombinieren. Sie können dabei sogar einige der ökonomischen Skaleneffekte der Public Clouds realisieren, wenngleich in viel geringerem Umfang. Generell ist ihr Betrieb jedoch schwerlich so kostengünstig wie eine Public Cloud.32 Sie sind dagegen deutlich geeigneter, um die geltenden Complianceund Service-Levels der Unternehmens-IT gewährleisten zu können als Public Cloud Angbote. Da sich deren gesamte Infrastruktur entweder in-house oder im eigens für diese Anwendung angemieteten Rechenzentrum eines großen Anbieters für Informationstechnologie und Telekommunikation (ITK) befindet, können geeignete technische und vertragliche Lösungen gefunden werden.33
Eine Sonderform der Private Cloud stellen die sogenannten Community Clouds dar. Sie können als Zusammenschluss, bzw. Synergie mehrerer Private Cloud Landschaften verstanden werden. Hierbei beteiligen sich verschiedene Organisationen − meist derselben Branche − an einer gemeinsamen Cloud Infrastruktur. Bedingung hierfür ist ein gemeinsames Verständnis der Anforderungen an die angebotenen Anwendungen und Datenbanken, sowie Datensicherheit, Verfügbarkeit und Verbrauchsabrechnungsmodelle der Lösung.34
3.3.3 Hybrid Cloud
Wie geschildert ermöglichen Private Clouds, einem Unternehmen u.a., geeignete SLAs mit Providern zu vereinbaren und ihre Cloud-Lösung den eigenen Compliance-Anforderungen anzupassen. Durch das damit verbundene interne bzw. dedizierte Provider-Hosting der Cloud-Anwendungen geht jedoch ein großes Maß an Schnittstellenflexibilität und Interoperabilität mit anderen Cloud-Services verloren, was wiederum eine klare Stärke der Public Cloud darstellt.
Eine erprobte Möglichkeit, um die einzelnen Vorund Nachteile von Private und Public Cloud-Angeboten auszugleichen, stellt die Implementierung eines hybriden Cloud-Systems dar. Dies setzt den bestehenden Betrieb einer Private Cloud voraus, die gezielt um gesicherte (bspw. entsprechend verschlüsselte) Schnittstellen zu Public Cloud-Angeboten erweitert wird. So können Unternehmen die geschäftskritischsten Anwendungen weiterhin in der eigenen Private Cloud betreiben und andere, weniger kritische Geschäftsprozesse durch die Nutzung externer Public Cloud-Angebote ergänzen oder abbilden.35
Hybride Cloud-Lösungen können auch dafür genutzt werden, die Private Cloud in temporär auftretenden Lastspitzen gezielt durch flexibel hinzugezogene Public Cloud Ressourcen zu erweitern. Hierbei ist eine technisch möglichst enge Anbindung beider Bereitstellungmodelle unerlässlich.36
3.4 Servicemodelle
Im Cloud-Computing können verschiedene Servicemodelle identifiziert werden, deren Bezeichnungen sich aus der angebotenen technologischen Tiefe der Cloud-Lösung ableiten: Infrastructure-as-a-Service (IaaS), Plattform-asa-Service (PaaS) und Software-as-a-Service (SaaS).37 Sie unterscheiden sich hinsichtlich der Ebene der technischen Leistungserbringung und der damit verbundenen der Verteilung der Betriebsverantwortung und den Grad möglicher Einflussmöglichkeiten durch den Nutzer (siehe Abbildung 3.2).38
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.2: Ein Cloud-Nutzer übergibt seine Betriebsverantwortung und Gestaltungsmöglichkeit je nach Cloud-Servicemodell mehr oder weniger in die Hände des Cloud-Anbieters. Bei SaaS hat er keinen direkten Einfluss auf eine der Ebenen des Technologiestacks.39
3.4.1 Infrastructure-as-a-Service
Mithilfe von IaaS-Diensten können Nutzer auf sehr niedriger Systemebene Zugriff auf virtualisierte IT-Infrastruktur (Server, Storage, Netzwerk, etc.) erhalten und diese, je nach konkretem IaaS-Angebot, auch in Form virtueller Rechenzentren verwalten. Sie können auf den virtuell bereitgestellten Servern eigene Betriebssysteme installieren, die Netzwerktopologie bestimmen, per RDPoder SSH-Verbindung auf die Komponenten zugreifen und weitere grundlegende Einstellungen an der Infrastruktur vornehmen (siehe Abbildung 3.3).
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.3: Die Konfigurationsoberfläche von ProfitBricks zeigt, wie IaaSAnbieter in der Lage sind, ihren Kunden große Flexibilität und Skalierbarkeit für deren virtuellen Rechenzentren zu gewähren.40
Trotz der tiefen Konfigurationsmöglichkeiten haben die Nutzer, den Grundcharakteristika des Cloud-Computing folgend, keine vollständige Transparenz darüber, in welchen Rechenzentren genau die eigentliche physische Infrastruktur installiert ist. Dennoch können User bei den meisten IaaS-Anbietern ihre Infrastrukturkomponenten auf eine bestimmte (ggf. rechtlich relevante) geographische Region beschränken oder aus Überlegungen hinsichtlich einer gezielten Systemredundanz zur Erzielung von Ausfallsicherheit, Backups oder Load-Balancing auf mehrere Regionen verteilen.
3.4.2 Platform-as-a-Service
PaaS-Angebote bieten technisch-konzeptionell höherwertige Dienstleistungen an, als das Bereitstellen der (virtuellen) Netzwerkund Serverinfrastruktur bei IaaS. Sie integrieren verbreitete (und weniger verbreitete) Datenbanksysteme wie MySQL, MongoDB oder Hadoop, Laufzeitumgebungen für Ruby on Rails, Node.js oder Python sowie viele verschiedene darauf aufsetzende Entwicklungsframeworks. PaaS-Angebote dienen als Basis für darauf aufsetzende SaaS-Lösungen oder andere IT-Anwendungen.41
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.4: Die PaaS-Lösung IBM Bluemix gibt in einem Dashboad einer Überblick über die auf der Plattform betriebenen Applikationen des Nutzers sowie deren momentanen Ressourcenverbrauch.42
Die Nutzung von PaaS-Angeboten setzt typischerweise ein gewisses Maß an technischer Fertigkeit beim Kunden voraus, da sie ohne grundlegende Kenntnis von API-Schnittstellen, Programmiersprachen und Datenbanken dem Nutzer keinen Mehrwert bieten können. Sie können gleichsam als hochschwellig bezeichnet werden und richten sich fast immer an Entwickler oder andere ITversierte Kunden.43
3.4.3 Software-as-a-Service
Im Gegensatz zu IaaS und PaaS sind SaaS-Angebote bezogen auf deren Endkundenzahl sehr viel verbreiteter. Sie richten sich auch an technisch nicht notwendigerweise versierte Anwender, die die in der Cloud bereitgestellte Software zur Erfüllung bestimmter Use-Cases nutzen. Bekannte Beispiele sind etwa große Webmailangebote wie gmail von Google oder auch die Bürosuite Offic e Online von Microsoft.44
Die SaaS-Angebote ähneln vom Endnutzerstandpunkt her vordergründig dem Application Service Providing (ASP), bei dem Service-Anbieter bestimmte vorkonfektionierte Softwarepakete in standardisierter Form hosten und auf Basis definierter SLAs bestimmte Dienstleistungen anbieten. Diese Services beinhalten meist Wartung, Installation und Administration, wodurch ASP als standardisierte Form des klassischen IT-Outsourcings aufgefasst werden kann. SaaS erweitert diese Angebote um den entscheidenden cloudspezifischen Faktor der Flexibilität. Dies umfasst sowohl die gegebende (begrenzte) nutzerseitige Anpassbarkeit an Geschäftsprozesse als auch die genaue Kostenabrechnung auf Basis eines verbrauchsabhängigen Mietmodells.45
3.4.4 Business-Process-as-a-Service
Bei einem BPaaS handelt es sich um einen vom Service-Anbieter definierten Geschäftsprozess, der dem Kunden verteilt über eine Public oder Private Cloud zur Verfügung gestellt wird. BPaaS wird häufig in Form von SaaSAnwendungen bereitgestellt, welche mit entsprechender fachlicher Tiefe, Prozessknowhow und Integrationsfähigkeiten konzeptionell erweitert wurden.46
Obgleich BPaaS in der theoretischen Betrachtung semantisch über der SaaSEbene des Servicemodell-Stacks eingeordnet werden kann, ist es in der Praxis oft schwer, diese beiden Layer zu unterscheiden. Ein möglicher Ansatz, um eine Abgrenzung zwischen BPaaS und SaaS vorzunehmen, führt über die Betrachtung des Spezialisierungsgrades der jeweiligen Lösung:
Bei SaaS-Anwendungen stehen üblicherweise eher generische Use-Cases im Vordergrund der Diensterbringung. Sie können dabei einen oder mehrere Geschäftsprozesse unterstützten, sind in Ihrer Art der Konfigurierbarkeit jedoch klar auf ihren ursprünglichen Anwendungscharakter beschränkt und fügen sich meist nicht nahtlos in die Geschäftsprozesse eines Unternehmens ein. Bei BPaaS betrachtet man eine Lösung, die sich direkt in einen konkreten Geschäftsprozess einfügt, bzw. diesen ergänzt oder ersetzt. BPaaS-Lösungen entstehen aus der spezialisierten Kombination von SaaS-Systemen, die in ihrer Gesamtheit auf die integrierte und automatisierte Diensterbringung im Unternehmen konfiguriert sind.47
Hierbei kann der Kunde gewissen Einfluss auf die genaue Ausgestaltung des Services nehmen, ist dabei jedoch auf durch den Anbieter bereitgestellte Konfigurationsmöglichkeiten beschränkt. Der Dienstanbieter stellt dem Kunden zwar einen auf einen bestimmten Geschäftsprozess spezialisierten SoftwareService zur Verfügung, übernimmt jedoch keine Betreuung des Kundengeschäftsprozesses als solches. BPaaS kann demzufolge auch als Vereinigungsmenge von SaaS und Business Process Outsourcing (BPO) bezeichnet werden.48 Beim BPO werden geschäftsprozessrelevante, (meist jedoch nicht geschäftskritische) Aufgabenbereiche von externen Diensteanbietern übernommen. Dies ermöglicht es dem Kunden, sich auf seine entsprechenden Kernkompetenzen zu konzentrieren, spezialisiertes Know-How zu nutzen, effizienter zu werden und Kosten einzusparen. Beim BPaaS stehen dieselben Überlegungen im Vordergrund, allerdings stark beschleunigt und unterfüttert mit den Cloud-Charakteristika einer dezentralen, netzwerkbasierten und hochskalierbaren Diensterbringung.49
Beispiele für BPaas-Angebote stellen etwa CRM-Prozessanwendungen, wie die Salesforce Sales Cloud, Lohnund Gehaltsverwaltungssysteme wie ADP Payrol l oder auch Systeme zur Zahlungsabwicklung wie T r adeShift dar.50
3.4.5 Andere as-a-Services
Aus den möglichen Schnittund Vereinigungsmengen zwischen den zuvor genannten Ebenen IaaS, PaaS und SaaS ergeben sich Potenziale für verschiedenartige Geschäftsmodelle, mit denen ein Cloud-Anbieter am Markt auftreten kann. Die Abbildung 3.5 zeigt jene sich daraus ergebenden Kombinationsmöglichkeiten und gibt einen Eindruck von der sich so bietenden Flexibilität der Geschäftsmodelldefinition.51
Als Konsequenz aus diesen Kombinationsmöglichkeiten existieren viele weitere anbieterseitig definierte Servicemodelle, deren Begrifflichkeiten sich jedoch oftmals nur aus markenstrategischen Distinktionsgründen ins Feld geführt werden und sich weder im Alltag, noch in den Fachpublikationen durchsetzen konnten. Als exemplarisch hierfür kann unter anderem Hadoop-as-a-Service genannt werden.52
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.5: Die Servicemodell-Ebenen lassen sich beliebig kombinieren, um entsprechende Anbieter-Geschäftsmodelle abzubilden.53
Generell haben alle im Cloudmarkt aktiven Unternehmen die Möglichkeit, eigene Services zu erfinden und zu definieren. Das grundlegende serviceorientierte Konzept des Cloud-Computings macht diese Offenheit möglich und treibt das Entstehen ganzer Service-Ökosysteme voran. Um solche nicht eindeutig abgrenzbaren Servicemodelle oder Mischformen zu adressieren, bietet sich die Bezeichnung XaaS (X-as-a-Service, bzw. Everything-as-a-Service) an.54
3.5 Gesamtmarkt für Cloud-Computing
Der Markt für Cloud-Computing ist in den letzten Jahren in großem Maße gewachsen und hat sich dabei stark ausdifferenziert. Da hierdurch von keinem homogenen Markt gesprochen werden kann, fällt es schwer, Angaben zur Marktgröße eines Gesamtmarktes für Cloud-Computing aus verschiedenen Quellen zu vergleichen. Um dennoch eine Marktbetrachtung durchführen zu können, wird im Folgenden zunächst auf die wichtigsten Treiber der Marktentwicklung, die ermittelbaren Marktvolumina sowie prägnante Marktsegmente eingegangen.
3.5.1 Trends & Treiber
Eine Reihe globaler Konsumund Technologietrends begünstigt die Marktentwicklung von cloudbasierten Lösungen für Unternehmen. Die Verbreitung von Regelungen zu Bring your own Device und die Ausbreitung des mobilen Arbeitens führen dazu, dass Unternehmen sich neuen Fragestellungen und Herausforderungen seitens der Nutzeransprüche und Erwartungen stellen müssen.55 War es vor wenigen Jahren noch selbstverständlich, dass die interne IT-Abteilung strikteste Vorgaben zur IT-Nutzung machten (Geräte, Einstellungen, VPNZugänge, usw.), wandeln sich die Anforderungen und Einstellungen: Endanwender − und somit auch die aktuellen IT-Entscheidungsträger − gewöhnen sich zunehmend an die bequemen und leistungsfähigen Funktionen ihrer aus dem privaten Umfeld gewohnten Cloud-Services (Web-Mail-Portale, OnlineDokumentenbearbeitung, File-Sharing-Lösungen, etc.). Hinzu kommt das in vielen Fachbereichen zunehmende Selbstverständnis, sich selbstverantwortlich IT-Lösungen anzuschaffen und zu nutzen (Schatten-IT).56 Zusätzlich begünstigt der zunehmende Breitbandausbau die Verbreitung von Cloud-Services ungemein. Die Internet Service Provider und ihre Hochgeschwindigkeitsnetze fungieren dabei als Basis-Enabler für den gesamten Cloud-Markt. Dasselbe gilt in sogar noch größerem Maße für die zunehmende Verbreitung von schnellem mobilen Internet (LTE).57
Die wahrgenommene Reife und Poplarität im Hype-Zyklus ist für viele CloudThemengebiete schon weit fortgeschritten. Nutzer von IaaS-, PaaSoder SaaSAngeboten sehen sich nicht in Gesellschaft enthusiastischer Early-Adopter, sondern nutzen diese Angebote produktiv und selbstverständlich.58
3.5.2 Volumen und Entwicklung
Der globale Gesamtmarkt für Cloud-Computing (Services, Beratung, Technologie, etc.) beträgt Analystenschätzungen zufolge $176 Mrd. (2015) und wird bis 2017 auf $240 Mrd. anwachsen. Auch sein relativer Anteil am Gesamt-ITMarkt wird nicht bei aktuell 4% stagnieren, sondern signifikant steigen. CloudAusgaben verdrängen in zunehmendem Maße klassische IT-Investitionen.59
In entsprechend identifizierbaren Marktsegmenten der Cloud-Services bestand in den letzten Jahren ein Trend steten Wachstums, der in den kommenden Jahren anhalten wird (siehe Abbildung 3.6).
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.6: Umsatz mit Cloud-Services weltweit von 2010 bis 2016 nach Segment in Mrd. $ (* Prognose) 60
Dieser Wachstumstrend kann auch am deutschen Markt für Cloud-Computing beobachtet werden. Während die Marktdynamik sich in den letzten Jahren nicht auf dem Niveau des US-amerikanischen Marktes befand, wird der deutsche Markt für Cloud-Services überproportional zum globalen Markt wachsen (siehe Abbildung 3.7).61
Das Wachstum wird dadurch ermöglicht, dass durch die bislang im Vergleich zur USA zögerliche Nutzung von Cloud-Services der deutsche Markt noch in weiten Teilen ungesättigt ist.62 Während bspw. die U.S.-Regierung bereits dabei ist, einen Teil der staatlichen IT in Cloud-Services auszulagern, ist man in Deutschland in der öffentlichen Diskussion solcher Pläne noch weit entfernt.63
Abbildung in dieser Leseprobe nicht enthalten
Abb. 3.7: Marktvolumen von Cloud-Services weltweit und in Deutschland 2013 und 2016 in Mrd. $ (* Prognose) 64
3.5.3 Marktsegmente
Aufgrund der starken Differenzierung des Cloud-Service-Marktes müssen entsprechend der verschiedenen Servicemodelle Teilmärkte betrachtet werden. Aus Gründen des Umfanges dieser Arbeit kann auf mögliche abgrenzbare Nischenmärkte nicht näher eingegangen werden.
3.5.3.1 IaaS-Markt
Der IaaS-Markt ist geprägt von großen Internetbzw. Softwarekonzernen wie Amazon, Microsoft oder Google. Kleine Anbieter spielen nur Nischenrollen. So konnte etwa Amazon mit seinem IaaS-Angebot A mazon Web Services ( A WS) im Jahr 2014 einen Umsatz von ca. $5 Mrd. erzielen, was einem Marktanteil am globalen IaaS-Markt von über 38% entspricht. Stellt man diesem Betrag ein jährliches AWS-Umsatzwachstum von 50% entgegen, so wird deutlich, welch enormes Wachstumspotenzial derzeit in den Cloudmärkten herrscht.65
[...]
2 Vgl. Pfeiffer und Harengel [2015, S. 167f] und vgl. BITKOM (Hrsg.) [2015, S. 8]
3 Vgl. KPMG AG (Hrsg.) [2015, S. 16]
4 Vgl. Schill und Springer [2012, S. 14]
5 Vgl. The Economist (Hrsg.) [2015, S. 2]
6 Vgl. International Data Corporation (Hrsg.) [2015, S. 1]
7 Vgl. Kellermann [2014, S. 92]
8 Vgl. Seufert und Bernhardt [2010, S. 35]
9 Vgl. Anandarajan [2004, S. 18f]
10 Vgl. Elmer-Dewitt [1986, S. 63]
11 Quelle: Gluchowski u. a. [2008, S. 87]
12 Vgl. Gluchowski u. a. [2008, S. 55]
13 Kemper u. a. [2010, S. 9]
14 Vgl. Gluchowski [2001, S. 7]
15 Quelle: Seufert und Bernhardt [2010, S. 35]
16 Vgl. Kemper u. a. [2010, S. 11]
17 Vgl. Freiknecht [2014, S. 10]
18 Vgl. Gluchowski u. a. [2008, S. 105f]
19 Vgl. Biere [2003, S. 75]
20 Quelle: eigene Darstellung in Anlehnung an Biere [2003, S. 74]
21 Vgl. Bachmann und Kemper [2011, S. 98f]
22 Vgl. Bachmann und Kemper [2011, S. 131]
23 Vgl. Höllwarth [2014, S. 51]
24 Vgl. Parkhill [1967, S. 46f]
25 BITKOM (Hrsg.) [2013, S. 1]
26 Vgl. Mell und Grance [2011, S. 2]
27 Mell und Grance [2011, S. 2] (Übersetzung aus dem Englischen durch den Autor)
28 Quelle: Baun u. a. [2011, S. 28]
29 Vgl. Elisha u. a. [2013, S. 3f]
30 Vgl. Diefenbach u. a. [2013, S. 12f]
31 Vgl. Münch u. a. [2011, S. 322]
32 Vgl. Höllwarth [2014, S. 62]
33 Vgl. Kellermann [2014, S. 94]
34 Vgl. Schill und Springer [2012, S. 34]
35 Vgl. Kellermann [2014, S. 98]
36 Vgl. Baun u. a. [2011, S. 29]
37 Vgl. Mell und Grance [2011, S. 2f]
38 Vgl. Höllwarth [2014, S. 54]
39 Quelle: eigene Darstellung in Anlehnung an Höllwarth [2014, S. 54].
40 Quelle: selbst angefertigter Screenshot nach ProfitBricks GmbH (Hrsg.) [2015, S. 1]
41 Vgl. Repschläger u. a. [2010, S. 10]
42 Quelle: selbst angefertigter Screenshot nach IBM Corporation (Hrsg.) [2015a, S. 1]
43 Vgl. Schlenk [2015, S. 42]
44 Vgl. Repschläger u. a. [2010, S. 12]
45 Vgl. Repschläger u. a. [2010, S. 7]
46 Vgl. Lynn u. a. [2014, S. 2]
47 Vgl. Lynn u. a. [2014, S. 7–8] und vgl. Wyllie [2015, S. 127]
48 Vgl. Schmidt [2014, S. 1]
49 Vgl. Lynn u. a. [2014, S. 5–6]
50 Vgl. Cloer [2015, S. 1] und vgl. Automatic Data Processing Inc. (Hrsg.) [2014, S. 2]
51 Vgl. Repschläger u. a. [2010, S. 9] und vgl. BITKOM (Hrsg.) [2015, S. 16f]
52 Vgl. EMC Corporation (Hrsg.) [2012, S. 13–14]
53 Quelle: eigene Darstellung nach Repschläger u. a. [2010, S. 9]
54 Vgl. Janschitz [2015, S. 1f]
55 Vgl. Urbanski [2013, S. 59]
56 Vgl. Höllwarth [2014, S. 63f]
57 Vgl. Ministerium für Wirtschaft, Energie, Industrie, Mittelstand und Handwerk des Lan- des Nordrhein-Westfalen [2012, S. 1]
58 Vgl. Columbus [2012]
59 Vgl. The Economist (Hrsg.) [2015, S. 2]
60 Quelle: eigene Darstellung nach Gartner Inc. (Hrsg.) [2013, S. 1]
61 Vgl. BITKOM (Hrsg.) [2013, S. 1f]
62 Vgl. Statistisches Bundesamt (Hrsg.) [2015, S. 1]
63 Vgl. Deister und Meyer-Spasche [2014, S. 795]
64 Quelle: eigene Darstellung. Marktwerte vgl. [Experton Group AG (Hrsg.) 2014, S. 17] und vgl. Gartner Inc. (Hrsg.) [2013, S. 1]
65 Vgl. The Economist (Hrsg.) [2015, S. 1] und vgl. [Gartner Inc. (Hrsg.) 2013, S. 1]
-
-
-
-
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. -
-
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.