Grundlagen der Wirtschaftsinformatik

Digitale Technologien

Prof. Dr. Michael Leyer

 Agenda

Theorien:
 Welche verhaltensorientierten Theorien sollten für eiN Design von Informationssystemen
berücksichtigt werden?

Digitale Technologien:
 Welche digitalen Technologien gibt es?
 Wie kann eine Organisation diese digitalen Technologien nutzen?

Unternehmensmodellierung:
 Wie kann sichergestellt werden, dass ein Informationssystemdesign gut in die bestehende
Architektur des Unternehmens passt?

Daten:
 Wie können Datenflüsse im Hintergrund aufgesetzt werden?
 Wie können Datenströme mit Kunden und anderen Unternehmen verbunden werden?

Quelle: [Link] [Link] 2

 Hardwarearchitektur nach John von Neumann

CPU

Speicherwerk Ein-/
Steuerwerk Rechenwerk Ausgabewerk

Bus-System

Programme und Daten teilen sich einen Speicherbereich.

Rechen- und Steuereinheit bilden die CPU (Central Processing Unit).

Quelle: Lemke (2015), CC BY A. Wilkens 3

 Geschichte der Hardware

1697 - erste mechanische Rechenmaschine für die vier

Grundrechenarten (G.W. Leibniz) mechanisches Vorgängermodell
unserer heutigen Taschenrechner.

1703 - Veröffentlichung des binären Zahlensystems/

Dualsystem (G.W. Leibniz) neben dem Dezimalsystem sehr wichtiges
Zahlensystem der Informatik.

1843 - Erstes „Computerprogramm“

ein Algorithmus zur Berechnung von Bernoulli-Zahlen für das Konzept
der mechanischen Rechenmaschine nach C. Babbage (Analytical Engine
(A. Lovelace))

Quelle: Lemke (2015), [Link], [Link] 4

 Geschichte der Hardware

1938 - erstes frei programmierbares mechanisches Rechenwerk

- der Rechner Z1 basierend auf der Logik des binären Zahlen- und
Schaltsystems (K. Zuse)

1941 - universell programmierbarer Computer Z3 erster

funktionsfähiger Digitalrechner der Welt, basierend auf
elektromagnetischer Relaistechnik (K. Zuse)

1946 - J. Eckert und J. W. Mauchly bauen den ersten vollelektroni-

schen, digitalen Univeralrechners ENIAC, Fläche: 10m x 17m, Ge-
wicht: 27t (u.a. zur Nutzung militärischer Berechnungen-Ballistik für die
U.S. Army)

Quelle: Lemke (2015), [Link] 5

 Geschichte der Hardware

1975 - Altair 8800 kam auf den Markt  erster Heimcomputer-Bausatz

der jemals in einem Laden verkauft wurde (E. Roberts)

1976 - Apple I Heimcomputer (Wozniak & Jobs)

1985 - Veröffentlichung
von MS Windows 1 (B. Gates)

2007 – Markteinführung
des iPhone 2G (S. Jobs)

– aktuelles Modell:
iPhone 13
(15. Generation)

Quelle: Lemke (2015), [Link], [Link] 6

 Geschichte der Hardware

2010 – Markteinführung IBM Watson (IBM)

2012 – Crowdfunding der Oculus Rift über Kickstarter

2013 – Markteinführung Samsung Gear Watch

2016 – Marktdurchdringung UHD

2018 – weltweiter Umsatz durch kommerzielle Drohnen

durchbricht 1 Mrd. US-Dollar Marke

2019 – Markteinführung Google Quantencomputer

Quelle: Lemke (2015), [Link], [Link] 7

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Eingabegeräte Bus-System

1870 1968 1985 2003

Quelle: Lemke (2015), [Link], [Link], [Link] 8

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Ausgabegeräte Bus-System

1968 1981 1989 2011

Quelle: Lemke (2015), [Link], [Link] 9

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Speicherwerk Bus-System

1968 1981 1989

Quelle: [Link], [Link], [Link] 10

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Speicherwerk Bus-System

Elektrische Schaltungen, welche zwei unterschiedliche Arten von Spannungen besitzen.

Mit diesen zwei Zustände lassen sich Zahlen des Dualsystems darstellen (00101001). 8
Bits = 1 Byte – kleinste adressierbare Speichereinheit.

Dauer der Datenspeicherung

• flüchtig (SDRAM)
• permanent (ROM)
• semi-permanent (USB-Stick)

Art der Speichermedien

• Magnetisch wie Festplatten, Magnetbänder
• Optisch wie CDs, DVDs, Blu-Ray-Disks
• Elektronisch als Halbleiterspeicher wie der Arbeitsspeicher als flüchtiger Speicher,
Flash-Speicher (USB-Sticks) bzw. Speicher der mobilen Endgeräte
Quelle: [Link] 11
 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Speicherwerk Bus-System

Quelle: [Link] 12
 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Central Processing Unit Bus-System

Steuerwerk
CPU
Steuert den Ablauf von Operationen (damit den Ablauf von
Programmen) indem es Signale über den (Steuer-) BUS an
andere Komponenten des Rechners sendet.

Rechenwerk Steuerwerk Rechenwerk

Arithmetisch-logische Einheit (arithmetic logic unit - ALU) führt

elektronische Minimal-Rechenoperationen (mind. Addition) und
-Verknüpfungen (Negation- NOT, Konjunktionen - AND) durch.

Quelle: Lemke (2015), [Link] 13

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

EVA-Prinzip Bus-System

Liefert die Grundlage zur Datenverarbeitung, nach der die Aufgaben

(Programme) in der CPU erledigt werden.

Das EVA-Prinzip kann sowohl räumlich als auch zeitlich gesehen werden:
– räumlich: Ein Bereich ist für Dateneingabe vorgesehen (z. B. Tastatur,
Maus, Mikrofon, Seite einer Platine), ein weiterer Bereich für die
Verarbeitung und der dritte Teil für die Ausgabe.
– zeitlich: Zuerst werden alle Eingaben erfasst (danach sind keine
weiteren Eingaben mehr möglich), dann wird verarbeitet (solange
sind noch keine Ergebnisse verfügbar), zuletzt werden die Ergebnisse
ausgegeben.
Eingabe Verarbeitung Ausgabe

Quelle: Lemke (2015) 14

 CPU

Speicherwerk Ein-/ Ausgabewerk

Steuerwerk Rechenwerk

Bus-System Bus-System

Bündel elektrischer Leitungen an dem alle Hardwarekomponenten parallel

angeschlossen sind.
Anzahl dieser Leitungen beschreibt die Busbreite des Bus-Systems.

Bus-System besteht aus 3 Bus-Typen:

– Adressbus: Nur wenn eine Komponente eine Adresse aus dem Adressbus
empfangen hat, darf diese Daten über den Datenbus senden oder
empfangen.
– Steuerbus: entscheidet, ob Daten empfangen oder gesendet werden 
unidirektional, Daten werden nur vom Prozessor zur Komponente gesendet.
– Datenbus: über diesen Bus werden die Daten vom Prozessor zu den
Komponenten und vice versa gesendet  Datenbus ist bidirektional, Daten
können in beide Richtungen bewegt werden.

Quelle: Lemke (2015) 15

 Steuerwerk Rechenwerk

Quelle: (Lemke 2017) 16

 Bestandteile eines PC

Quelle: (Lemke 2017) 17

 Konzepte der Datenverarbeitung

Großrechner-Architekturen (Mainframes) als Beispiel für die

Anwendung eines hardware- und softwaretechnischen Prinzips
zur Datenverarbeitung zwischen einzelnen Rechnern
– Mainframe als leistungsfähige Rechner zur Verarbeitung
paralleler Aufgaben/Programme
– Terminals als Ein- und Ausgabegeräte für die
Datenverarbeitung

Client-Server-Architektur als gleichberechtigtes Prinzip zur

Datenverarbeitung
– Server als Anbieter eines Dienstes
– Client als Nutzer/ Empfänger eines Dienstes

Quelle: Lemke (2015), [Link], [Link] 18

 Hardware Trends

Quelle: [Link] 19
 Hardware-Trends

Gängige Quanten-
Computer computer

Quelle: [Link] 20
 Hardware-Trends

Quelle: [Link] 21
 Hardware-Trends

Quelle: [Link] 22
 Netzwerke

Im Kontext der WI wird unter einem Netzwerk die Verbindung zwischen Systemen durch Nutzung
elektronischer Infrastruktur unter Berücksichtigung von physikalischen-, strukturellen-,
geografischen-, organisatorischen-, Leistungs- und Funktionskriterien verstanden.

• Physikalische Kriterien: definieren die Art der

Übertragungsmedien
• Strukturelle Kriterien: definieren die Topologie eines Netzes
• Geografische Kriterien: definieren die Netzausdehnung des
Netzwerks
• Organisatorische Kriterien: definieren das Betreibermodell
eines Netzwerks
• Leistungskriterien: definieren die Übertragungskapazität
eines Rechnernetzes
• Funktionskriterien: definieren
Verwendungszweck/Erscheinungsbild eines Netzes und
bestimmen damit die Adressaten (Bsp. IoT, Cloud Computing)

Quelle: Lemke (2015) 23

 Internet

Internet als bestimmendes Rechnernetz des digitalen Zeitalters wird

durch Tausende einzelner voneinander unabhängiger und miteinander
verbundener Netzwerke gebildet.

Die zentrale Internet-Technologie TCP/IP (Vier-Schicht-Modell)

– Netzwerk: gewährleistet Zugang/Zugriff durch die
Übertragungsmedien
– Internet: definiert die Art und Weise der Adressierung der
Netzwerkadressen (Routing) und regelt Weiterleitung zwischen den
Rechnern (IP)
– Transport: Transport der Daten zwischen einzelnen Systemen
(TCP)
– Anwendung: Ablauf der Kommunikation zwischen Anwendungen

Quelle: Lemke (2015) 24

 Internet – Prinzipien

Offenheit: Protokolle stehen als Standards öffentlich zur Verfügung und können für
private und kommerzielle Zwecke gleichermaßen genutzt werden.

Redundanz: zwischen zwei Teilnehmern gibt es mehrere mögliche Pfade durch das
Internet

Paketorientierung ist das zentrale Prinzip des Datenaustauschs.

Dezentralität als Organisationsprinzip steht für die Verteilung der gesamten

Rechnerkapazitäten auf die einzelnen Teilnehmer eines Netzwerkes.

Erweiterbarkeit als Strukturprinzip ermöglicht in der Anwendung der TCP/IP-

Protokollfamilie die relativ einfache technologische Skalierbarkeit des Internets.

Quelle: Lemke (2015) 25

 Onlinezugang in der nächsten Stufe

Google Assistant (ex Allo), digitaler Sprachassistent,

Technologie: „Chatbots” (Kommunikationsroboter;
Nutzung künstlicher Intelligenz)

Idee: „Erlebnis des Nutzers verbessern”

Intuitive Suche, Navigation und Kommunikation

Direkter Chat im Browser;
Angebot von kontextabhängigen Reaktionen;
Erster Ansatz: Reservierungen für Restaurants;
Orientierung bieten: Google Assistant wird „Filter im digitalen
Überangebot“;
Google strukturiert die „Kommunikation der Zukunft”;
auch für Wearables
Echtzeit-Übersetzung aus 150 Sprachen

26
 Verbindungsgeschwindigkeiten

Global Speeds Februar 2024 Global Speeds Februar 2025

Quelle: [Link] 27
 Verbindungsgeschwindigkeiten 2024 vs. 2025

Mobil Mobil

Fixed Fixed

Quelle: [Link] 28
 Gartner Hypecyle for Emerging Technologies 2021

[Link] 29
 Gartner Hypecyle for Emerging Technologies 2023

[Link] 30
 Gartner Hypecyle for Emerging Technologies 2024

Source: Gartner (August 2024) 31

 Wesentliche Eigenschaften von KI

Menschen Traditionelle Software KI-basierte Software

Motivation Opportunistisches Verhalten Kein opportunistisches Kein opportunistisches
Verhalten, außer programmiert Verhalten, außer programmiert
Rationalität Beschränkte Rationalität Rationalität hängt von Rationalität hängt von der
Programmierung ab Stärke ab (Algorithmus,
schwache KI, starke KI)
Gedächtnis Begrenztes Gedächtnis Unbegrenztes Gedächtnis Unbegrenztes Gedächtnis

Entscheidungskriterien Instabile Kriterien und Stabile Kriterien und Aktualisierung der Kriterien und
Präferenzen Präferenzen Präferenzen durch Lernen
Ethik Individuelle normative Normative Sichtweise in Normative Sichtweise kann
Sichtweise Parametern programmiert sich durch das Lernen von
neuen Daten ändern
Logik Kann durch Menschen erklärt Kann durch Programmierer Teilweise dokumentiert und
werden erklärt werden oder aus dem potentiell nicht ersichtlich
Code abgeleitet werden

Leyer/Schneider (2021) 32
 Grundlegende Lernstrategien von KI

Supervised Learning Unsupervised Learning

Input Weighting Hidden Layer Input Weighting
Hidden Layer Dog Input
Input
Output
Output
Dog

Transfer-
Cat function

…
…
…

…
Cat

Semi-Supervised Learning Reinforcement Learning

Input Weighting State
Hidden Layer Hidden Layer Input Weighting
Input Algorithm
Output Output

Transfer- Action
function Reward
Transfer-
User
…

function

…
…
33
 Interaction pattern of AI as a tool

Augmentation Automation
Employee AI Employee AI

Definition of targets to Definition of targets to

be achieved be achieved

Assignment of tasks to AI acts in alignment with Assignment of tasks to AI acts in alignment with
AI pre-determined targets AI pre-determined targets

Decision execution Decision execution

Review of decision Review of decision Review of summarized Review of decision

outcome outcomes decision outcomes outcome

Leyer/Schneider (2021) 34
 Interaction pattern of AI as a novelty

Augmentation Automation
Employee AI Employee AI

Handover of task to AI

AI acts according to tar- AI acts in alignment with

gets defined by designer pre-determined criteria

Decision execution Decision execution

Review of decision Review of decision Review of decision

outcome outcome outcome

Leyer/Schneider (2021) 35
 Internet of Things

Vernetzung
• Technologisch: Verbindung von
Informationen, Daten, Sensoren, Maschinen
und Menschen durch die Nutzung von
Datenübertragungstechnologien in Form
physikalischer Netzwerke
• Wirtschaftlich: Vernetzung von
Unternehmen & Kunden miteinander

Quelle: Lemke (2015), [Link]/iot 36

 Prozessarchitektur

 Anwendungen laufen “on the edge”

 Netzwerkansatz mit verschiedenen Akteuren

 Verbindung mit Smart Services

37
 Blockchain

Wesentliche Eigenschaften: Erlaubt kleinteilige

 Bereitstellung einer sicheren, verlässlichen Transaktionen von
und revisionssicheren Datenbank von Gegenständen (z.B.
Transaktions-
Transaktionen Verkauf von
transparenz
 Transparenz über Transaktionen von Handybandbreite)
(z.B. Verkauf
Teilnehmern von Auto)
 Dezentrales Netzwerk zwischen
Teilnehmern Verbindung
von Individuen

Blockchain-
anwendung

Produkte und
Dienstleistungen

Verteilte und demokratische Geschäftsmodelle

Transaktionsaufzeichnungen Anonyme Dienstleistungen mit
(z.B. Bank als Intermediär nicht Pseudonymen (z.B. sichere
mehr notwendig) Nutzungsaufzeichnung von
Gegenständen und Abrechnung)
38
 Augmented reality
Wesentliche Eigenschaften:
 Einbettung von
Informationen in die
Nutzerumgebung
 Virtuelle 2D und 3D-Objekte Simulation von
können in reale Objekte Erfahrungen (z.B.
und Erfahrungen Virtuelle Immowelt)
eingebunden werden
 Möglichkeit von
realistischen und
körperlichen Interaktionen
mit Objekten und
Informationen

Bereitstellung von Informationen

an Kunden nah am Service (z.B.
Kreditkonditionen bei Fernsehern
im Geschäft)

Objekte können virtuell

Neue Möglichkeiten ersetzt werden (z.B.
der Interaktion mit Einblendung Neubau vs.
Designed by Creativeart Objekten über Bestandsimmobilie)
Naturgesetze hinaus 39
 Prozessebene von Augmented Reality

 Vernetzen von Objekten

 Anbringen von Sensoren
 Erkennung von Umrissen und Formen
 Verbindung der Datenbanken zu Objekten
 Verbindung von menschlichen Aktioen zu digitalen Aktionen
 Augenbewegungen
 Gesten
 Laufstil
 Gehirnwellen

40
 Willkommen zu Meta!?

Image by Freepik

41
 Öffentliche Cloud services Endnutzerausgaben weltweit
von 2017 to 2024 (in Milliarten U.S. Dollar)

[Link]
42
 Integration in private Haushalte

PC und/oder mobile Endgeräte als Infrastruktur-

basis für den Zugang zu vernetzen Anwendungs-
systemen privater Aufgabenbereiche.

Herausforderungen:
– Kompetenzen für den integrierten Umgang
mit unterschiedlichen Zugängen und
Endgeräten
– Datenmanagement
– Sicherheit und Kontrolle
– Investitionsbereitschaft
– Wartung & Support
Quelle: Lemke (2015), [Link] 43
[Link] 44
 Ort & Zeit – Mobile Infrastrukturen

Vernetzung biologischer Systeme

• Smartphones und Tablets als aktuell dominierende Mensch-
Maschine-Interaktion
• Trend der Wearables als direkt tragbare Mini-Computerlösungen 
Armbänder, Uhren, Brillen, usw.

Quelle: Lemke (2015), [Link], [Link], [Link] 45

 Vernetzung & Mobilität – Industrie 4.0 – Abfallwirtschaft

Echtzeitdaten Verlaufsanalyse

Heatmaps Reporting

Quelle: [Link] 46
 Smart Robotics

Dienstleistungsroboter
− Autonomes Fahren eines Autos,
− Unterstützung von Kindern beim Lernen,
− Angebot von Hoteldienstleistungen,
− Pflege von Älteren.

BPM
Industrieroboter zeigen auch eine ansteigende Diversität von
Maschinenintelligenz:
− Roboter, die unabhängig trainieren können und lernen Werkzeuge zu benutzen
− Oder die unabhängig technische Produkte komplett recyclen können wir
Smartphones, wie Apple’s Industrieroboter 'Liam' 
[Link]
Lemke (2017), [Link] 47
 Hardware Trends

Üblicher Quantum
Computer Computer

Dieses Bit ist

Dieses Bit ist im gleichzeitig in
Status 1 Status 0, 1 und
auch in zwei
weiteren Stati.

[Link] 48
 Grundsätze für die Gestaltung von
Informationssystemen

Zuerst die Prozesse, dann die

Berücksichtigung von Technologien
Digitalisierung

Design einer groben konzeptionellen

IS-Landkarte

Entscheidung für ein

Geschäftsmodell

Identifizierung der Interessen &

Transaktionsstruktur

Grunddesign auf Theorien stützen

49
 Literatur

Abts, D., & Mülder, W. (2017). Grundkurs Wirtschaftsinformatik: eine kompakte und praxisorientierte Einführung.
Springer.

Dietrich-Roth, G. (2018). Grundlagen und Methoden der Wirtschaftsinformatik – Eine anwendungsorientierte

Einführung. Books on Demand.

Laudon, K. C., Laudon J. P., Schoder, D. (2010). Wirtschaftsinformatik: Eine Einführung. Pearson.

Lemke, C., & Brenner, W. (2015). Einführung in die Wirtschaftsinformatik: Band 1: Verstehen des digitalen
Zeitalters. Springer.

Lemke, C., & Brenner, W. (2017). Einführung in die Wirtschaftsinformatik: Band 2: Gestalten des digitalen Zeitalters.
Springer.

Lehner, F., Wildner, S., & Scholz, M. (2008). Wirtschaftsinformatik: eine Einführung. Hanser.

Meinel, C., Sack, H. (2012). Internetworking: Technische Grundlagen und Anwendungen. Springer.
50
 Grundlagen der Wirtschaftsinformatik
Unternehmensmodellierung

Prof. Dr. Michael Leyer

Quelle: [Link]
 Agenda

Theorien:
 Welche verhaltensorientierten Theorien sollten für eiN Design von Informationssystemen
berücksichtigt werden?

Digitale Technologien:
 Welche digitalen Technologien gibt es?
 Wie kann eine Organisation diese digitalen Technologien nutzen?

Unternehmensmodellierung:
 Wie kann sichergestellt werden, dass ein Informationssystemdesign gut in die bestehende
Architektur des Unternehmens passt?

Daten:
 Wie können Datenflüsse im Hintergrund aufgesetzt werden?
 Wie können Datenströme mit Kunden und anderen Unternehmen verbunden werden?

Quelle: [Link] [Link] 2

 Unternehmensmodellierung

Was ist das?

Unternehmensmodellierung zielt auf das Erfassen,
Analysieren und Weiterentwickeln der Aspekte eines
Unternehmens in computer-verarbeitbaren Modellen ab, die
für die Lösung der vorliegenden Probleme oder die gegebenen
Modellierungszwecke relevant sind.

Einsatzgebiete/ Zwecke:
• Verstehen und Visualisieren der aktuellen Situation
• Erkennen und Entwerfen von Verbesserungsmöglichkeiten
• Prozessinnovationen und –optimierungen vorbereiten
Gebundene Ausgabe: 270 Seiten
• Entwicklung von Informationssystemen beginnen Verlag: Springer Vieweg;
Auflage: 2013; Sprache: Deutsch
• … ISBN-10: 3642310923
ISBN-13: 978-3642310928

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 3

 Aufgaben und Perspektiven

xxx
Aufgaben Primäre Perspektive Ergänzende Perspektiven
Verstehen von Organisationsstruktur Geschäftsprozesse, Produkte,
organisatorischen Geschäftsregeln, Technische Komponenten
Abhängigkeiten
Ursache von Problemen und Ziele und Probleme Konzepte, Geschäftsprozesse,
Veränderungsbedarf finden Organisationsstruktur, Technische
Komponenten
Verbesserung von Geschäftsprozesse Organisationsstruktur, Geschäftsregeln,
Geschäftsprozessen Technische Komponenten, Konzepte

Ausrichtung der IT an der Ziele und Probleme Konzepte, Geschäftsprozesse, Technische

Unternehmensstrategie Komponenten, Organisationsstruktur

Entwicklung einer IT-Strategie Technische Komponenten Konzepte, Geschäftsprozesse,

Organisationsstruktur

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 4

 4EM-Teilmodelle

Metamodell
beschreibt das Modellierungsprodukt
(Syntax, Semantik, grafische Notation)

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 5

 Das Ziel- und Problemmodell

Konzentriert sich auf die Beschreibung der

Unternehmensziele.

Beschreibt, was das Unternehmen und seine

Mitarbeiter erreichen bzw. vermeiden möchte
und wann dies erfolgen soll.

Beinhaltet die Unternehmensstrategie und die

daraus abgeleiteten organisatorischen Ziele
und Prioritäten, sowie deren Zusammenhang
zu Problemen, Chancen und Beschränkungen.

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 6

 Der SMART-Ansatz

Ein Ziel sollte:

• S pezifisch,
• M essbar,
• A ktionsorientiert,
• R ealistisch,
• T erminierbar sein.

Daraus entsteht eine klare Vorstellung darüber,

• was erreicht werden soll
• warum es erreicht werden sollte
• wie es erreicht werden kann

Vermeidung von:
• unrealistischen Vorhaben und Erwartungen
• unklaren Entscheidungen, die unterschiedlich ausgelegt und umgesetzt werden können

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 7

 Ziel- und Problemmodell – Elemente

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 8

 Ziel- und Problemmodell – Beispiel

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 9

 Das Geschäftsregelmodell

Definiert und pflegt die Richtlinien, welche für das

Unternehmen gelten.

Richtlinien werden explizit formuliert und sollten

mit dem Ziel- und Problemmodell konsistent sein.

Geschäftsregeln können als Operationalisierung

von Zielen betrachtet werden bzw. zeigen
Richtlinien für bestimmte Aktivitäten auf.

Verdeutlicht, welche Regeln die Geschäftsziele

beeinflussen, welche Richtlinien im Unternehmen
für spezielle Prozesse gelten sowie
Zusammenhänge von Geschäftsregeln.
Quelle: Sandkuhl, Wißotzki, Stirna (2013) 10
 Geschäftsregelmodell – Elemente

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 11

 Geschäftsregelmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 12

 Das Konzeptmodell

Definiert die Bedeutung wichtiger Konzepte und

Informationsobjekte, die in anderen Teilmodellen
verwendet, aber dort nicht genauer spezifiziert
werden.

Soll sicherstellen, dass ein einheitliches Verständnis

über den Inhalt und die Nutzung dieser Konzepte
und Informationsobjekte im gesamten
Unternehmensmodell besteht.

Wird auch dazu genutzt, um Informationsobjekte

hinsichtlich ihrer Attribute zu strukturieren und
deren Abhängigkeiten und Nutzung zu
verdeutlichen.
Quelle: Sandkuhl, Wißotzki, Stirna (2013) 13
 Konzeptmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 14

 Konzeptmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 15

 Das Geschäftsprozessmodell

Definiert die Geschäftsprozesse, deren Wechselwirkung

und Umgang mit Informationen und Material.

Geschäftsprozess konsumiert Informationen und/oder

Material und produziert Output, welcher wieder eine
Information und/oder Material sein kann.

Soll verdeutlichen, welche GP zu welchen

Geschäftszielen in welchen Organisationseinheiten mit
welchen Ressourcen einen Beitrag leisten.

Informationen, wie Verantwortlichkeiten und das

Einhalten von Richtlinien, sind ebenfalls zu
berücksichtigen.

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 16

 Geschäftsprozessmodell – Elemente

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 17

 Geschäftsprozessmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 18

 Das technische Komponenten- und Anforderungsmodell

Ist eine Spezialisierung des Ressourcenmodells und wird

relevant, wenn die 4EM-Methode zur
Anforderungsbeschreibung einer IS-Entwicklung eingesetzt wird
o. der Bedarf besteht, die IT Landschaft mit ihren
Anforderungen genauer zu beschreiben.

Informationen lassen sich z.T. aus den anderen Modellen

ableiten, müssen jedoch in weiteren Modellierungssitzungen
genauer ausgearbeitet werden.

Optionales Modell, welches die Struktur, Eigenschaften und

Anforderungen konkreter Informationssysteme definiert, um
die Ziele und die zu deren Erreichung benötigten
Geschäftsprozesse bestmöglich zu unterstützen.

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 19

 technische Komponenten- und Anforderungsmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 20

 technische Komponenten- und Anforderungsmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 21

 technische Komponenten- und Anforderungsmodell

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 22

 Zusammenhang der Teilmodelle

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 23

 Analyse der Zusammenhänge

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 24

 Zentrale Aktivitäten des 4EM Prozesses

Analysieren
Modellierung der aktuellen Unternehmenssituation
(IST-Situation) mit Problemen und Schwachstellen.

Bewerten
Handlungsalternativen auf Basis der Ist-Situation
diskutieren und bewerteten sowie Aufdecken und
Verstehen von Zielkonflikten und –prioritäten.

Gestalten
Untersuchung unterschiedlicher Zukunftsszenarien
und Entwurf/ Modellierung der zukünftig zu
erreichenden Situation des Unternehmens (SOLL-
Situation).

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 25

 Der Modellierungsprozess

Eine gemeinschaftliche
und partizipative Aufgabe
zur Erreichung eines
allgemeinen Konsenses.

Quelle: Sandkuhl, Wißotzki, Stirna (2013), [Link] 26

 Der Modellierungsprozess als moderierter Workshop

• kleinere Personengruppen setzen sich für einen vordefinierten Zeitraum intensiv mit einem Thema
auseinander
• gemeinsame Arbeit an einem gemeinsamen Ziel steht dabei im Mittelpunkt

Ablauf:
1. Kartenfragen
2. Brainstorming mit Karten
3. Cluster erzeugen
4. Zusammenfassung Cluster
5. Positionierung der Cluster
6. Arbeitsgruppen entwickeln
7. Auswertung

Quelle: Sandkuhl, Wißotzki, Stirna (2013), [Link] 27

 Merkmale qualitativ hochwertiger Modelle

• klarer Geschäftsüberblick

• Unterstützung beim organisatorischen Lernen

• Unterstützung beim Verständnis der Fähigkeiten und Prozesse eines Unternehmens

• Verbesserte Kommunikation zwischen den einzelnen Stakeholdern eines Problems, welches durch ein
Modellierungsprojekt gelöst werden soll

• Gestaltung einer Argumentationsbasis für Analyseaufgaben mithilfe von strukturierten Sichten und
Beschreibungen

• einfache Ableitung von Anforderungen an Informationssysteme zur Prozessunterstützung

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 28

 Zusammenfassung

Das generelle Ziel der Modellierung ist es, eine vereinfachte Repräsentation des Betrachtungsbereichs
zu entwickeln.

Unternehmensmodelle werden in einer Sprache dokumentiert, oft eine formale Sprache.

Unternehmensmodellierung unterstützt das Erfassen und Übertragen von organisatorischem

Wissen und Praktiken an Menschen und IT-Systeme.

Die 4EM Methode betrachtet 6 unterschiedliche Perspektiven, welche über Relationen in

Zusammenhang gebracht werden.

Quelle: Sandkuhl, Wißotzki, Stirna (2013) 29

 Grundsätze für die Gestaltung von
Informationssystemen

Zuerst die Prozesse, dann die

Berücksichtigung von Technologien
Digitalisierung

Design einer groben konzeptionellen Einbettung in die

IS-Landkarte Unternehmensarchitektur

Entscheidung für ein

Geschäftsmodell

Identifizierung der Interessen &

Transaktionsstruktur

Grunddesign auf Theorien stützen

30
 Literatur

Sandkuhl, K., Wißotzki, M., Stirna, J. (2013): Unternehmensmodellierung. Grundlagen und Praktiken. Springer
Heidelberg.

31
 Grundlagen der Wirtschaftsinformatik
Daten

Prof. Dr. Michael Leyer

Quelle: [Link]
 Agenda

Theorien:
 Welche verhaltensorientierten Theorien sollten für eiN Design von Informationssystemen
berücksichtigt werden?

Digitale Technologien:
 Welche digitalen Technologien gibt es?
 Wie kann eine Organisation diese digitalen Technologien nutzen?

Unternehmensmodellierung:
 Wie kann sichergestellt werden, dass ein Informationssystemdesign gut in die bestehende
Architektur des Unternehmens passt?

Daten:
 Wie können Datenflüsse im Hintergrund aufgesetzt werden?
 Wie können Datenströme mit Kunden und anderen Unternehmen verbunden werden?

Quelle: [Link] [Link] 2

3
DATEN
sind das
neue Öl …

4
Und damit auch Treibstoff für die
DIGITALISIERUNG
5
OHNE DATEN
…können keine verlässlichen
Entscheidungen getroffen werden.
…ist die Innovationskraft und
Geschwindigkeit eines
Unternehmens verringert.

6
7
 Daten – Grundlagen

Definition
Eine Abfolge maschinell verarbeitbarer Zeichen (Grundelemente der
Datendarstellung), welche Objekte und Objektbezeichnungen der realen
Welt beschreiben bzw. repräsentieren, die durch verschiedene Verfahren
gewonnen wurden.

Technische Sicht
BPM
– Physikalische Darstellung der Binärzeichen im Speichermedium
(0,1)
– Zusammenfassung mehrerer Binärzeichen zu einer größeren Einheit
– Zeichenvorrat eines Codes bzw. Zusammenfassung von
Binärzeichen zu elementaren Datentypen, Zusammenfassung von
elementaren Datentypen zu komplexen Datentypen
– Verarbeitungsmöglichkeit von Daten steht häufig im Vordergrund
Quelle: Mertens et al. (2017), [Link] 8
 Daten – Grundlagen

Klassifizierung
Daten können nach folgenden Kriterien klassifiziert werden:
– Zeichenart bzw. Datentyp (Nummerisch, alphabetisch, alphanummerisch)
– Erscheinungsform (Akustisch, bildlich, schriftlich)
– Formatierung (formatiert, unformatiert)
– Stellung im Verarbeitungsprozess (Eingabe, Ausgabe)

BPM
– Verwendungszweck
• Stammdaten – werden selten verändert (z.B. Personalstammdaten wie Name und
Adresse)
• Bewegungsdaten – häufig verändert (z.B. Lagerzu- und –abgänge)
• Transferdaten – werden zw. unterschiedlichen Anwendungssystemen
ausgetauscht
• Vormerkdaten – existieren nur für einen Zeitraum bzw. bis zu einem Ergebnis
Quelle: Mertens et al. (2017) 9
 Daten – Grundlagen

Daten im Kontext von Informationssystemen

Informationssysteme erfahren eigentliche Nutzenstiftung über die sinnvolle Verarbeitung von
Daten, welche zur Ausführung fachlicher Funktionalitäten benötigt werden.

Nicht nur das Verständnis über die funktionale Wirkungsweise und die Einsatzbereiche
wesentlich, sondern das Management der Informationssysteme setzt auch Kenntnisse im
Umgang mit Daten voraus:
– Was sind die relevanten Daten des Unternehmens?
BPMwerden?
– Wie können Daten strukturiert und erfasst
– Wie können Daten verarbeitet werden?
– Wie erfolgt die Datenspeicherung und der wiederholte Aufruf?
– Wie können komplexe Datenaufrufe visualisiert werden?
– Welche gesetzlichen Rahmenbedingungen sind hinsichtlich Speicherung &
Bearbeitung zu beachten?

Datenmanagement und Datensicherheit ist eine wesentliche Kompetenz im digitalen Zeitalter

Quelle: Mertens et al. (2017) 10
 Hierarchie der Datenbegriffe
Datenbankmanagementsystem

BPM

Quelle: Lemke (2015), Mertens et al. (2017) 11

 Datenmanagement – Definition

Datenmanagement ist die Menge aller

methodischen, konzeptionellen, organisatorischen
sowie technischen Maßnahmen und Verfahren zur
Behandlung der Ressource Daten mit dem Ziel,
diese mit ihrem maximalen Nutzungspotenzial in
die Geschäftsprozesse einzubringen und im
laufenden Betrieb deren optimale Nutzung durch IS
zu gewährleisten. BPM

• Logische Strukturierung und Organisation von

Daten nach einer definierten Systematik.
• Verarbeitung der Daten nach definierten
Abläufen

Quelle: Lemke (2015) 12

 Datenmanagement – Exkurs – Wie funktioniert SQL?

SQL = Structured Query Language

= Datenbanksprache zur Definition in relationalen Datenbanken
= Abfragesequenz als Sprache für das Bearbeiten (also Einfügen,
Verändern und Löschen) von
Daten in elektronischen Datentabellen
BPM

Probieren Sie dazu ein Text-Adventure-Spiel aus!

[Link]

Quelle: Mertens et al. (2017) 13

 Datenmanagement

Aufgabenbereiche
– Datenmigration von ERP-Systemen und/oder HR-Lösungen
– Integration in bestehende Systemlandschaft wie z.B. bei M&A
– Harmonisierung heterogener Anwendungslandschaften
– Durchführung internationaler System Roll Outs
– Systemanpassungen durch Gesetzesänderungen
BPM
– Systemwechsel/ -upgrades
– Verbesserung der Datenqualität
– Abschaltung von Altsystemen

Quelle: Lemke (2015), [Link] 14

 Datenmanagement

Beispiele Kostentreiber
– Speicher kostet immer weniger, aber der Datentransfer kann zum
Engpass werden.
– Datenmigrationen werden in der Komplexität unterschätzt.
– Anwendungen für Datenextraktion im Quellsystem häufig nicht
wiederverwendbar  Abhängigkeit von Spezialwissen der Entwickler
BPM
notwendig.
– Aufrechterhaltung von Altsystemen ist sehr kostenintensiv
(Lizenzgebühren, Vorhaltung alter Hardware & systemspezifischen
Fachwissen).
– Mangelnde Datenqualität führt zu Mehraufwand bei der Datenpflege.

Quelle: Lemke (2015) 15

 Datenmanagement – Qualität

Ständig wachsende Datenmengen (intern/extern), aber nicht nur Menge, sondern

zunehmend wird auch die Qualität der Daten immer wichtiger für wirtschaftlichen Erfolg.

Datenqualität bezieht sich auf die Relevanz und Korrektheit  wie gut wird die Realität
abgebildet und wie hoch ist der gestiftete Nutzen.

Ursachen schlechter Datenqualität

– Datenfehler BPM
– Dubletten
– fehlende Werte
– falsche Formatierungen

Falls Fehlerquellen unentdeckt bleiben, können diese bedeutende wirtschaftliche

Konsequenzen nach sich ziehen.
Quelle: Mertens et al. (2017) 16
 Datenmanagement – Qualität

Datenqualität bezieht sich häufig nicht nur auf einzelne Datenwerte/ Datensätze, sondern auch auf
ganze Datenmengen mit bestimmten Eigenschaften.

Somit ist Datenqualität ist häufig ein Bündel aus Qualitätsmerkmalen, welche bei der Erfassung,
Speicherung und Auswertung durch Standards oder Integritätsbedingungen berücksichtigt werden
können.

Merkmale zur Bestimmung der Datenqualität:

– Glaubwürdigkeit (Daten werden als wahr BPM und glaubwürdig erachtet)
– Fehlerfreiheit (korrekt und verlässlich)
– Relevanz (lassen sich für eine konkrete Aufgabe nutzen)
– Aktualität (Alter ist der konkreten Aufgabe angepasst)
– Vollständigkeit (Detailierungsgrad ist der konkreten Aufgabe angepasst)
– Interpretierbarkeit (klar definiert, Darstellung in angemessene Sprache und Einheit)
– Zugänglichkeit (verfügbar und leicht abrufbar) …uvm.

Quelle: Mertens et al. (2017) 17

Datenmanagement
im Zeitalter von
BIG DATA

BPM

„…Datenvolumen
Quelle: Mertens et al. (2017) verdoppelt sich weltweit alle zwei Jahre…“ 18
 Datenmanagement – Big Data

Begriffsklärung
Big Data ermöglicht es große Datenmengen und unterschiedliche Datenformate in
kurzer Zeit zu verarbeiten. (Chen et al. 2012; Lycett 2013).

Komplexer Vorgang – anspruchsvolle mathematisch-statistische Verfahren wie z.B.

Entscheidungsbäume, Assoziationsanalysen, Clusteranalysen, künstliche neuronale
Netze, genetische Algorithmen.
BPM
Durch digitale Vertriebskanäle fallen zu den klassischen Daten (Was hat ein Kunde gekauft) auch viele
neue (z.T. unstrukturierte) Daten an (gesamte Kaufverhalten kann erfasst werden).
- Wie navigiert eine Kunde durch die Seiten?
- Welche Produkte hat er sich wie lange angeschaut?
- Wie war die Reaktion auf Angebote und Rabatte?
- Wie wurde er durch Produktbewertungen und –empfehlungen beeinflusst?
Kaufverhalten wird transparenter  Grundlage für die Entwicklung von Vorhersageverfahren
Quelle: Mertens et al. (2017) 19
 Big Data – Netflix

BPM

Quelle: [Link] 20
 BPM

Quelle: [Link] 21
 BPM

Quelle: [Link] 22
 BPM

Quelle: [Link] 23
 Datenmanagement – Big Data

Grundlagen von Big Data

Data Warehousing (DW)
Zentrales Datenlager, welches auf einer für Analysezwecke optimierte Datenbank basiert.
DW ermöglicht globale Zeitvergleiche & Analysen auf heterogenen und verteilten
Datenbeständen eines Unternehmens.

Data Mining (DM) / Business Intelligence (BI)

BPM
Verfahren zur systematischen und häufig automatisierten Analyse und Prognose von
(internen und externen) Unternehmensdaten. Eines der wichtigsten Werkzeuge innerhalb
eines DW zur Auswertung & Aufbereitung (vermutungs- bzw. werturteilsfreie Analyse).

TextMining
Anstelle von zahlenbasierten Datenbeständen werden große Textkorpora nach
Zusammenhängen durchsucht (unstrukturierte/schwach strukturierte Daten).

Quelle: Lemke (2015), Mertens et al. (2017) 24

 Im Gegensatz zu klassischen Datenbankabfragen (Pullsystem),
wo der Nutzer weiß was er sucht, soll das

Data-Mining-System
BPM
„unvoreingenommen“ bzw. „hypothesenfrei“ suchen, bis es etwas
BEMERKENSWERTES oder VERDÄCHTIGES vermutet wird
(Pushsystem)

25
 Datenmanagement – Big Data

Ökonomische Nutzung
Preventive-Maintenance (vorbeugende Wartung): Methoden zur vorbeugenden
instandhaltungsabhängigen Wartung  verlängert z.B. den Lebenszyklus,
Effizienz, verringert periodische Wartungskosten

Predictive-Analytics: Identifiziert Muster und Abhängigkeiten in Datenbeständen

(z.T. in Echtzeit), um potenzielle zukünftige
BPM Ereignisse vorherzusagen sowie
mögliche Handlungsalternativen zu bewerten

Predictive-Maintenace Systeme (Vorausschauende Wartung): versuchen

technische Mängel im operativen Betrieb zu erkennen, bevor es zu einer Störung
kommt (Smarte Algorithmen)  gegenüber periodischen Wartungen können
Ausfallzeiten stark reduziert werden

Quelle: Mertens et al. (2017) 26

 Datenmanagement – Big Data

Aufgaben

Identifizierung
Beispiel: Datenbankdaten (z. B. MySQL) mit rechtlichen Besonderheiten identifizieren (DS-GVO -> Löschfristen)

Klassifizierung
BPM
Beispiel: Data-Mining: Darf der Kunde im Online-Shop auf Rechnung kaufen? (Entscheidungsbaum)

Vorhersage
Beispiel: Marburger Supermarkt möchte optimale Bestellmenge für Äpfel bestimmen

Optimierung,
Beispiel: Optimierung von Lieferketten durch bessere Transportwege

Quelle: Mertens et al. (2017) 27

 Datenmanagement – Big Data

Marktwachstum
Jede Industrie und jede Branche besitzt
Anwendungsszenarien.

Jedes internetfähige Gerät wird zu einer

zusätzlichen [Link]

Alle denkbaren und noch nicht denkbaren

Datenelemente können genutzt und für
Vorhersagen ausgewertet werden.

Quelle: Lemke (2015), [Link] 28

BPM

29
 Datenmanagement – Big Data – Beispiele

Grippeepidemien von 2003 bis 2008

• Vergleich der Google Suchanfragen mit den Daten der Seuchenbekämpfungsbehörde; die Qualität
der Suchanfragen lies genau so sicher Rückschlüsse auf die Ausbreitung der Grippe zu, wie die
Vorhersagen der Behörde, nur in real-time.

Kognitiver Super-Computer
• IBM Watson verarbeitet natürliche Sprache, um die komplexen, unstrukturierten Daten im Netz
besser zu verstehen
BPM
• Analyse riesiger Datenbestände und unstrukturierter Daten wie Arztberichte etc. für die
Krebsforschung
• evidenzbasiertes Lernen, um mit jeder Interaktion besser zu werden

Den perfekten Partner finden

• Auf Basis der Auswertung von Millionen Dateneingaben können relativ treffsichere
Partnervorschläge gemacht werden  ein Drittel aller verheirateten Paare in den USA, die
zwischen 2005 und 2012 getraut wurden, haben sich über eine Dating-Website gefunden.

Quelle: Lemke (2015) 30

 Datenmanagement – Big Data

Chancen
Kostenreduzierung von Marketing und Vertrieb durch effizienteren
Ressourceneinsatz

Erhöhung des Umsatzes durch gezieltere Markt- und Verkaufsstrategien,

Trendanalysen und Prognosen
BPM
Produktionsoptimierung mit Maschinen- und Sensordaten

Optimierung von Lieferketten durch bessere Transportwege

Simulationen, Vorhersagen und Szenarienentwicklung

Quelle: Lemke (2015) 31

 Datenmanagement – Big Data

Risiken
Kredit-Scoring

Persönlichkeitsprofile

Marktforschung
BPM
Kundenbindungsprogramme

Vollständige Datensammlung ohne konkrete Anwendungsszenarien

Interpretation von Korrelationen  Verzerrung der Wirklichkeit, da

Kausalitäten nicht mehr nachgewiesen werden
Quelle: Lemke (2015) 32
 Datenmanagement – Big Data 5V-Modell

Volume: enormen Mengen an Daten; Aufkommen ist so groß und

so komplex; können mit herkömmlichen Methoden der
Datenverarbeitung nicht mehr gespeichert oder analysiert werden

Variety: Vielfalt der Datentypen und –quellen; 80 Prozent der

Daten weltweit sind unstrukturiert und wenig/keine
Zusammenhänge (auch Bilder, Videos und
Sprachaufzeichnungen)

Velocity: Geschwindigkeit, mit der Daten generiert, ausgewertet

BPM
und weiterverarbeitet werden können z.T. in Echtzeit.

Validity: Sicherstellung der Datenqualität /

auch Veracity die Wahrhaftigkeit und Glaubwürdigkeit von Daten.
Big Data arbeitet mit allen „Qualitätsgraden", da der Faktor
Volume einen Mangel an Qualität meist auffängt.

Value: Mehrwert. Viele Unternehmen haben mittlerweile eigene

Datenplattformen aufgebaut, -pools gefüllt und viel Geld in
Infrastruktur investiert. Nun gilt es, daraus auch Business
Value zu generieren.

Quelle: Lemke (2017) 33

 Datenmanagement – Big Data 5V-Modell

Volume Variety Velocity Validity Value

Vielfalt der Datentypen

Enormen Mengen und –quellen;
Mehrwert der Daten.
an Daten (Terabytes+) Zuverlässigkeit/
Genauigkeit
80 Prozent der Daten
Geschwindigkeit, mit der Sicherstellung der Viele Unternehmen
Aufkommen ist so groß weltweit sind
Daten generiert, Datenqualität haben eigene
& so komplex  können unstrukturiert und
Datenplattformen
mit herkömmlichen
Methoden der
wenig/keine
Zusammenhänge (auch
BPM
ausgewertet und
weiterverarbeitet Glaubwürdigkeit von
aufgebaut, -pools gefüllt
werden können, z.T. in und viel Geld in
Datenverarbeitung nicht Bilder, Videos und Daten.
Echtzeit. Infrastruktur investiert.
mehr gespeichert oder Sprachaufzeichnungen)
analysiert werden. Big Data arbeitet mit
Einsatz von In-Memory Nun gilt es, daraus mit
Strukturierte Daten: allen „Qualitätsgraden",
Datenbanken Hilfe von
z.B. mehr als 200Mio relationale DB, da der Faktor Volume
Analyseverfahren,
Mails/Minute oder Unstrukturierte Daten: einen Mangel an Qualität
Business Value zu
500Mio Vielzahl an meist auffängt.
generieren.
Twitternachrichten/Tag Kommunikation in
Sozialen Netzwerken

Quelle: Mertens et al. (2017) 34

WIE können Maschinen
Big Data nutzen?

BPM

35
 Reminder: Algorithmus

Begriff:
Ein Algorithmus ist eine vollständige, präzise und in einer Notation oder Sprache mit
exakter Definition abgefasste, endliche Beschreibung eines schrittweisen
Problemlösungsverfahrens zur Ermittlung gesuchter Datenobjekte (ihrer Werte)
aus gegebenen Werten von Datenobjekten, in dem jeder Schritt aus einer Anzahl
ausführbarer, eindeutiger Aktionen und einer Angabe über den nächsten Schritt besteht.

Grundlage für Programme und SoftwareBPM

Quelle: Lemke (2017) 36

 Grundsätze für die Gestaltung von
Informationssystemen

Zuerst die Prozesse, dann die

Berücksichtigung von Technologien
Digitalisierung

Design einer groben konzeptionellen Einbettung in die

IS-Landkarte Unternehmensarchitektur

Entscheidung für ein

Modellierung des Datenflusses
Geschäftsmodell

Identifizierung der Interessen &

Transaktionsstruktur

Grunddesign auf Theorien stützen

37
 Literatur

Bostrom, N. (2014): Superintelligenz. Szenarien einer kommenden Revolution. Suhrkamp.

Delahaye, J. P. (2016): Intelligenz bei Mensch und Maschine. Spektrum der Wissenschaft 3(2016): 78-85.

Domingos, P. (2015): The Master Algorithm. How the Quest for the Ultimative Learning Machine Will Remake Our World. Basic
Books.

Dyson, G. (2014): Turings Kathedrale. Die Ursprünge des digitalen Zeitalters. Ullstein.

Lemke, C., & Brenner, W. (2015). Einführung in die Wirtschaftsinformatik: Band 1: Verstehen des digitalen Zeitalters. Springer.
BPM
Lemke, C., & Brenner, W. (2017). Einführung in die Wirtschaftsinformatik: Band 2: Gestalten des digitalen Zeitalters. Springer.

Markoff, J. (2015): Machines of Loving Grace. The Quest for Common Ground between Humans and Robots.
HarperCollins.

Mayer-Schönberger, V., Cukier, K. (2013): Big Data: A Revolution That Will Transform How We Live, Work, and Think. John
Murray.

Mertens et al. (2017): Grundzüge der Wirtschaftsinformatik. 12 Aufl. Springer Gabler.

38