- Forschungsschwerpunkt: Business Intelligence
- Strategieimplementierung in einem Business-Intelligence-System
- Aufbau eines Business Intelligence Maturity Modells
- Modellierung zeitbezogener Daten im Data Warehouse
- Integration sowie Auswertung strukturierter und unstrukturierter Daten in einem Business-Intelligence Systeme
- Personalisierung der Informationsversorgung
- Aufbau und Implementierung von Ontologien im Rahmen der Business Intelligence.
Ein konsistenter und aktueller Datenbestand eines Data Warehouse wird aus den operativen Transaktionssystemen extrahiert und unter Sach- und Zeitbezug dem Management auf dedizierten Plattformen für die betriebliche Entscheidungsvorbereitung und Kontrolle zur Verfügung gestellt. Die in einem Data Warehouse gesammelten Informationen dienen sowohl dem Statusbericht über kritische Erfolgsfaktoren als auch der betriebswirtschaftlichen Analyse von historischen Entwicklungen. Die Balanced Scorecard hat sich im Laufe der letzten Dekade als Performance-Measurement- und Performance-Management-System etabliert und klassische Kennzahlensysteme ersetzt. Im Gegensatz zu klassischen Kennzahlensystemen, steht die Strategie des Unternehmens im Mittelpunkt der Balanced Scorecard. Die Strategie in das Tagesgeschäft zu operationalisieren ist das Ziel dieses Konzeptes. Einen wichtigen Schritt auf dem Weg der Operationalisierung stellt das Herunterbrechen einer Gesamtunternehmens-Balanced-Scorecard dar. Im Rahmen eines Forschungsschwerpunktes wird eine Methodik der organisatorischen Hierarchisierung einer BSC aufgebaut. Diese beginnt mit der Analyse der strategischen Selbständigkeit des Unternehmensbereiches, in dem eine BSC auf mehreren hierarchischen Ebenen zum Einsatz kommen soll. Diese Analyse erfolgt mit der Zielsetzung, die relevante (Teil-) Organisationsstruktur abzugrenzen und soll die Strategieimplementierung in einem Business-Intelligence-System ermöglichen.
�ndert sich die Dimensionsstruktur eines Data Warehouse im Zeitablauf, können in kommerziell verfügbaren Systemen diese zwar berücksichtigt werden, jedoch geht dabei die ursprüngliche Dimensionsstruktur verloren. Hierdurch treten Dimensionsstrukturbrüche auf, denn es können Analysen zu beliebigen Zeitpunkten nicht mehr ohne weiteres miteinander verglichen werden. Aus diesem Grunde werden in diesem Forschungsschwerpunkt die Konzepte temporaler Datenhaltung in das Einsatzfeld der Business Intelligence eingebracht, daraus Architekturvorschläge für den Aufbau eines Data Warehouse abgeleitet und auf ihre Einsatzfähigkeit hin überprüft.
Business-Intelligence-Lösungen führen Daten aus verschiedensten Quellen zusammen. Entsprechend der jeweiligen Einsatzbereiche solcher Vorsysteme finden sich hier unterschiedliche Daten- und Begriffsdefinitionen, die einen Vergleich beziehungsweise eine Abstimmung des Datenmaterials aus den Einzelsystemen erschweren. Sollen diese Daten als Basis für betriebswirtschaftliche Analysen oder das Berichtswesen dienen, sind sie aufwändig aufzubereiten und abzustimmen. Deswegen werden in diesem Kontext Ontologien dahingehend untersucht, ob sie eine entsprechende Hilfestellung für ein unternehmensweit gültiges Begriffssystems geben können.
Die Informationsversorgung zur Entscheidungsunterstützung erweist sich in vielen Unternehmensbereichen heute noch als unbefriedigend. Das exponentielle Wachstum des Internet führt zu einem immer grö�er werdenden Angebot von Daten, die eine Entscheidungsunterstützung darstellen können. Für den Entscheidungsträger hat dies eine steigende Komplexität und eine abnehmende Transparenz zur Folge. Aus diesem Grunde ist eine Zusammenführung unternehmensinterner und -externer Daten zur Entscheidungsunterstützung ein weiterer Forschungsschwerpunkt. Solche strukturierten und unstrukturierten, internen und externen Daten können automatisch erfasst sein. Denkbar ist auch eine manuelle Speicherung durch die Systemanwender. Dies führt dazu, dass im Kontext der häufig zitierten Informationsüberflutung mehr und mehr derartige Daten zur Verfügung stehen. Entscheidungsträger laufen jedoch Gefahr, den �berblick darüber zu verlieren, wo diese Daten erfasst sind und wie sie diese ohne gro�en Zeitaufwand für sich erschlie�en können. In diesem Zusammenhang kommt es zur Anwendung von Methoden des Text Mining zur automatisierten Auswertung der Daten sowie der bereits angesprochenen Ontologien. Diese fungieren dabei als Mittler zwischen Anwender und Informationssystem.
