PROGRAMM

Die im Konferenzprogramm der TDWI München digital 2021 angegebenen Uhrzeiten entsprechen der Central European Time (CET).

Per Klick auf "VORTRAG MERKEN" innerhalb der Vortragsbeschreibungen können Sie sich Ihren eigenen Zeitplan zusammenstellen. Sie können diesen über das Symbol in der rechten oberen Ecke jederzeit einsehen.

Für alle, die eine alternative Darstellung bevorzugen bieten wir unser Programm-PDF an:
» Zum PDF-Download

Gerne können Sie die Konferenzprogramm auch mit Ihren Kollegen und/oder über Social Media teilen.

Track: Academic Track

Nach Tracks filtern
Alle ausklappen
  • Mittwoch
    23.06.
09:00 - 09:40
Mi 5.1
GAIA-X - Eine vernetzte Dateninfrastruktur als Wiege eines vitalen, europäischen Ökosystems
GAIA-X - Eine vernetzte Dateninfrastruktur als Wiege eines vitalen, europäischen Ökosystems

Das „Projekt GAIA-X“ wird in den Veröffentlichungen des Bundesministeriums für Bildung und Forschung als Wiege eines offenen digitalen Ökosystems gesehen, in dem Daten sicher und vertrauensvoll verfügbar gemacht, zusammengeführt und geteilt werden können. Ziel ist es, gemeinsam mit weiteren europäischen Ländern für Europa, seine Staaten, seine Unternehmen und seine Bürgerinnen und Bürger die nächste Generation einer vernetzten Dateninfrastruktur zu schaffen, die den höchsten Ansprüchen an digitale Souveränität genügt und Innovationen fördert. Der Vortrag bezieht sich auf das (politische) Zielbild, den Prozess der Entstehung, auf die Beteiligten sowie die europäische Integration, um eine öffentliche Diskussion zu begleiten und Interessierte in das Thema einzuführen.

Sebastian Olbrich is a graduated economist from the University of Mannheim. He wrote his master thesis in collaboration with McKinsey & Company which won an award for technological innovation sponsored by Fraunhofer Institute. He holds a doctoral degree from the School of Business Administration and Economics, department of Management Information Systems, Philipp’s University at Marburg; which was written in collaboration with SAP and the state of Hessen. He has extensive working experience as managing consultant, interim manager and data scientist. He worked most of his career with PricewaterhouseCoopers (PwC) / Strategy& (Booz) in the fields of Corporate Performance Management (CPM), Business Intelligence (BI) and IT Strategy / CIO Advisory Services.
Currently he is employed as Senior Director with Capgemini Invent in the practice of Insights Driven Enterprise (IDE). He leads Insights-Driven Business Innovation (IDBI) a group of 35+ Data Scientists and Business Analysts in DACH region.
Dr. Olbrich (co-)authored more than 50 academic articles. He received his tenure (PD) from the University Duisburg-Essen where he is still involved in several research projects concerning Business Technology & Innovation (BTI) and lecturing in the Master program for Analytics as well as supervising PhD theses. He is a highly demanded speaker at conferences and lecturer for executive education – mainly in the fields of Artificial Intelligence and the monetization of data assets. He served as professor for Information Systems and Digital Business at European Business School (EBS) in Östrich-Winkel. His overall research agenda focuses on data-driven innovation, information management and analytical business models.
Sebastian Olbrich
Sebastian Olbrich
Vortrag: Mi 5.1
flag VORTRAG MERKEN

Vortrag Teilen

09:50 - 10:30
Mi 5.2
Konzept einer Anwendung zur Ad-hoc-Sternschema-Generierung
Konzept einer Anwendung zur Ad-hoc-Sternschema-Generierung

Dimensionale Datenstrukturen sind besonders für die Anfertigung von Ad-hoc-Analysen geeignet, da diese der natürlichen Sicht entsprechen, die die Fachanwender auf ihren Geschäftsbereich haben. Der Aufbau dieser Strukturen ist allerdings aufwändig, wodurch diese nur für stabile Datenstrukturen geeignet sind. Diese sind allerdings gerade im Kontext von Self-Service-Analysen meist nicht gegeben. In diesem Beitrag wird ein Konzept beschrieben, durch das eine flache Tabelle (semi-)automatisch in ein Sternschema transformiert werden kann.

Zielpublikum: Data Engineer, Data Analyst
Voraussetzungen: Grundkenntnisse in der dimensionalen Datenmodellierung
Schwierigkeitsgrad: Fortgeschritten

Extended Abstract:
Self-Service-Business-Intelligence-Anwendungen erlauben es Fachanwendern, eigenständig Berichte und Analysen zu erstellen, ohne selbst über ausgeprägte technische Kenntnisse zu verfügen. Eine der am häufigsten verwendeten Datenquellen sind hierbei Flat Files. Dies liegt darin begründet, dass flache Strukturen häufig für den Austausch und die Bereitstellung von Daten genutzt werden. Außerdem sind flache Strukturen leicht und ohne den Einsatz komplexer Softwareprodukte zu erzeugen, selbst wenn die Ursprungsdaten aus verschiedenen Quellen stammen. Als Grundlage für das Ad-hoc-Reporting sind flache Strukturen jedoch weniger geeignet, da sie aufgrund der hohen Anzahl an Attributen schnell unübersichtlich und komplex wirken können. Wesentlich geeigneter für das Erstellen von Analysen sind stattdessen dimensionale Datenstrukturen. Diese sehen die Aufteilung zusammengehöriger Daten in Dimensionen vor und werden in traditionellen BI-Umgebungen dazu verwendet, Ad-hoc- oder OLAP-Analysen durzuführen. Die Ausweitung des Anwendungsbereichs von Business-Intelligence-Systemen auf operative Fragestellungen in den letzten beiden Jahrzehnten hat zu heterogenen Anwendergruppen mit neuen, sich häufig ändernden Anforderungen geführt. Der Aufbau und die Betreuung einer großen Anzahl dimensionaler Strukturen ist durch Business-Intelligence-Experten jedoch in der Regel nicht zu leisten, wodurch diese Form der Modellierung, trotz ihrer offenkundigen Vorteile, in den letzten Jahren an Bedeutung verloren hat. Durch das, in diesem Beitrag vorgestellte Konzept, wird es Self-Service-Anwendern möglich, eigenständig dimensionale Modelle zu erstellen, ohne auf die Expertise von Fachleuten zurückgreifen zu müssen. Der Ablauf der Ad-hoc-Sternschema-Generierung kann dabei in drei Phasen unterteilt werden. In der ersten Phase erfolgt nach Identifizierung der Datentypen einer jeden Tabellenspalte die Transformation der flachen Tabelle in das Sternschema. Für die Identifizierung und Zusammensetzung der Dimensionstabellen wird ein Verfahren, basierend auf der Ermittlung funktionaler Abhängigkeiten, verwendet. In der zweiten Phase sind die generierten Ergebnisse manuell zu evaluieren und falls nötig zu korrigieren. In der dritten Phase werden die identifizierten Dimensions- und Faktentabellen mit Werten gefüllt und als separate Dateien ausgegeben.

 

Malte Constantinescu studiert Wirtschaftsinformatik und IT-Management im Master an der FH Wedel. Außerdem arbeitet er im SAP-Bereich bei der valantic Business Analytics GmbH. Er verfügt über einen Bachelor of Science in Wirtschaftsinformatik.
Prof. Dr. Michael Schulz hält eine Professur für Wirtschaftsinformatik, insb. analytische Informationssysteme an der NORDAKADEMIE – Hochschule der Wirtschaft in Elmshorn und ist Studiengangsleiter des Master-Studiengangs „Applied Data Science“. Seine Interessenschwerpunkte in Lehre, Forschung und Praxisprojekten liegen in der Business Intelligence und der Data Science.
Dr. Kerstin Schneider ist Professorin an der Hochschule Harz in Wernigerode. Sie arbeitet im Fachbereich Automatisierung und Informatik im Bereich der Datenbanken.
Malte Constantinescu, Michael Schulz, Kerstin Schneider
Malte Constantinescu, Michael Schulz, Kerstin Schneider
Vortrag: Mi 5.2
flag VORTRAG MERKEN

Vortrag Teilen

11:00 - 12:10
Mi 5.3
Ein Vorgehensmodell für KI-Projekte aus Business-Perspektive
Ein Vorgehensmodell für KI-Projekte aus Business-Perspektive

Das vorliegende Forschungsvorhaben fokussiert die Unterstützung von Business-Anwendern bei der Identifikation, Modellierung und Umsetzung von KI-Projekten. Hierfür wurde ein Vorgehensmodell entwickelt, welches Business-Anwender vom Scouting für geeignete Anwendungsfälle, über das high-level Design und die Konfiguration der KI-basierten Applikation bis zur Umsetzung des Projektes begleiten. Das Modell besteht aus dem KI-Periodensystem, Der KI-Applikations-Taxonomie sowie einem Artefakt zur Umsetzung von KI-Projekten, welches sich derzeit in der Validierungsphase befindet. Das KI-Periodensystem erlaubt im ersten Schritt des Modells die Auswahl von KI-Funktionalitäten entlang eines Agenten-basierten Ansatzes und ermöglicht dem Anwender somit die Erstellung eines high-level Design. Da die Funktionalitäten jeweils mit den menschlichen Intelligenzformen hinterlegt sind, ermöglicht das Artefakt zusätzlich die Diskussion zu den organisatorischen Auswirkungen im unmittelbaren Umfeld der potenziellen KI-Applikation. Im zweiten Schritt des Vorgehensmodells wird das KI-basierte System ebenfalls entlang der Agenten-basierten Perspektive konfiguriert. Die Komponenten und Charakteristika der KI-Applikations-Taxonomie ermöglichen dem Anwender eine gezielte Konfiguration der Anwendung, welche anschliessend als Grundlage für die Spezifikation der Anforderungen an das jeweilige System genutzt werden können. Die Taxonomie eignet sich ausserdem zur strategischen Analyse von Konkurrenz-Applikationen oder zur Auswahl beim Einkauf KI-basierter Applikationen. Im dritten und letzten Schritt des Vorgehensmodells wird die Umsetzung des KI-Projektes entlang des Data Science-/CRISP-Prozesses inkl. in den jeweiligen Projektabschnitten beteiligten Rollen und Risiken dargestellt. Hierbei sollen Business-Anwender nicht nur bei der Orientierung innerhalb des Projektes unterstützt werden, sondern vor allem zur Kommunikation befähigt werden. Aufgrund dessen enthält das dritte Artefakt einen reichhaltigen Fundus an KI-Algorithmen, welche den jeweiligen Projektphasen zugeordnet und definiert sind. Somit erhält der Business-Anwender nicht nur einen Überblick über das gesamthafte Vorgehen zur Umsetzung des KI-Projektes, sondern wird befähigt, die KI-spezifische Terminologie zu verstehen und anzuwenden. Die zuvor genannten Artefakte wurden bzw. werden basierend auf dem Design Science Research-Ansatz in einem Konsortialforschungsprojekt sowie mittels Literaturanalysen, Umfragen und Fokusgruppen-Interviews entwickelt. Das Vorgehensmodell soll in seiner Gesamtheit einen Beitrag zur Umsetzbarkeit von KI-Projekten und zum KI-Verständnis für Business-Anwender leisten. Andererseits bieten die enthaltenen Artefakte Unterstützung bei der Analyse und Auswahl von KI-Systemen, Konfigurationen und Algorithmen und halten gemäss der Rückmeldungen von Experten grossen Mehrwert für die Praxis bereit, bei einigen Unternehmen befinden sich die Artefakte bereits im Einsatz. Ziel der Präsentation ist die kritische Diskussion der Zusammenhänge zwischen den einzelnen Artefakten sowie die Auseinandersetzung mit dem Modell zur Auswahl von KI-Algorithmen im vierten und letzten Schritt des Vorgehensmodells.

Identifikation neuer Angriffsmuster im Netzwerkverkehr: Entwicklung einer Intrusion-Detection-Architektur basierend auf ART-Netzwerken
Identifikation neuer Angriffsmuster im Netzwerkverkehr: Entwicklung einer Intrusion-Detection-Architektur basierend auf ART-Netzwerken

70% aller deutschen Unternehmen und Institutionen sind von Cyberkriminalität betroffen und die Bedrohungslage sowie die Schäden durch Cyberkriminalität steigen stetig weiter an (BSI, 2018, S. 15; BKA, 2017). Um sich dieser Bedrohung zu stellen, kommen immer häufiger auch Intrusion-Detection-Systeme zum Einsatz. Künstliche Neuronale Netzwerke der Adaptiven Resonanztheorie sind dabei in der Lage eine grundlegende Frage zu lösen: Wie kann ein solches System automatisch neuartige Angriffe erkennen und in seine Wissensrepräsentation integrieren?

Bildungsweg
10/2017 – 01/2020 Studium Business Intelligence & Analytics (M.Sc.)
Technische Universität Chemnitz
10/2014 – 09/2017 Studium Wirtschaftsinformatik (B.Sc.)
Berufsakademie Dresden
08/2006 – 07/2014 Abitur (allgemeine Hochschulreife)
Gymnasium Dresden-Klotzsche Berufserfahrung
Seit 02/2020 TU Chemnitz – Professur Wirtschaftsinformatik II
Wissenschaftlicher Mitarbeiter
03/2018 – 09/2019 TU Chemnitz – Professur Wirtschaftsinformatik II
Wissenschaftliche Hilfskraft
  • Unterstützung Lehre, insb. Data Mining
  • Begleitung wissenschaftlicher Projekte
10/2014 – 09/2017 Sächsische Aufbaubank -Förderbank-Duales Studium
  • insb. Stabseinheit Compliance und Informationssicherheit
  • Begleitung Zertifizierung nach ISO 27001 auf Basis von IT-Grundschutz
  • Informationsrisikoanalyse
Christian Dietzmann
Tom Kühne
Christian Dietzmann
Vortrag: Mi 5.3-1

Vortrag Teilen

Tom Kühne
Vortrag: Mi 5.3-2
flag VORTRAG MERKEN

Vortrag Teilen

14:30 - 15:40
Mi 5.4
Open Economy of Things (EoT) im Kontext der Digitalisierung
Open Economy of Things (EoT) im Kontext der Digitalisierung

Durch die Integration digitaler Zahlungsströme in ein IoT-System werden Interaktion zwischen Objekten um eine wirtschaftliche Komponente erweitert. Dies schafft die Grundlage für ein digitales und offenes Wirtschaftssystem – die Economy of Things (EoT). Hierbei soll untersucht werden, welche Voraussetzungen eine EoT erfüllen muss, um einen Mehrwert in der Praxis zu stiften. Ziel der Arbeit ist es, ein Modell für die Gestaltung einer solchen EoT zu erstellen und zu evaluieren.

2009 – 2012      Ausbildung zum Mechatroniker/BK bei der Robert Bosch GmbH in Schwieberdingen
2012 – 2016      Bachelor-Studium der Fahrzeugtechnik mit Fachrichtung After-Sales/Service an der Hochschule Esslingen
2016 – 2019      Master-Studium des Technologiemanagements an der Universität Stuttgart
2019 – Heute    Wissenschaftlicher Mitarbeiter am Ferdinand-Steinbeis-Institut (FSTI)
Bildbasierende Qualitätssicherung und Defekterkennung via Image Mining und Computer Vision
Bildbasierende Qualitätssicherung und Defekterkennung via Image Mining und Computer Vision

Systeme zur Defekterkennung und Qualitätssicherung in der Produktion verfolgen das Ziel, Ausschussraten zu minimieren und Qualitätsstandards einzuhalten. Die dadurch angestrebte Reduktion der Produktionskosten folgt dem übergeordneten Ziel, der Maximierung der Wertschöpfung. Zu diesem Zweck lassen sich bildbasierende- sowie analytische Methoden und Techniken kombinieren. Die Konzepte Computer Vision und Image Mining bilden hierbei die Grundlage, um aus Bilddaten einen Wissensgewinn im Hinblick auf die Produktqualität zu generieren. Im Rahmen dieses Vortrags werden die Unterschiede und Gemeinsamkeiten der beiden Konzepte erläutert und anhand eines Prototyps für die Additive Fertigung erklärt.

Sebastian Trinks ist wissenschaftlicher Mitarbeiter und Doktorand am Institut für Wirtschaftsinformatik an der TU Bergakademie Freiberg. Seine Forschungsinteressen sowie der Schwerpunkt seiner Dissertation liegen im Spannungsfeld der Industrie 4.0 sowie der Smart Factory. Herr Trinks forscht in diesem Kontext zu Themen aus den Bereichen Real Time Analytics, Edge Computing sowie Image Processing und Image Mining.
Sven Kurrle
Sebastian Trinks
Sven Kurrle
Vortrag: Mi 5.4-1

Vortrag Teilen

Sebastian Trinks
Vortrag: Mi 5.4-2
flag VORTRAG MERKEN

Vortrag Teilen

16:10 - 16:50
Mi 5.5
Designing Role-Specific Self-Service Business Intelligence & Analytics Systems in the Data Science Ecosystem
Designing Role-Specific Self-Service Business Intelligence & Analytics Systems in the Data Science Ecosystem

06/2019 – ongoing: Research Assistant at KIT in ”Self-Service Business Intelligence and Analytics”-Industry Project together with the Robert Bosch GmbH
05/2018 – 05/2019: Data Scientist at the Robert Bosch GmbH, Business Unit Indirect Purchasing
10/2015 – 04/2018: M.Sc. Information Engineering and Management at the Karlsruher Institute of Technology (KIT)
10/2014 – 09/2015: Key Account Manager at www.adtelligence.com External Link (Website Personalization Solutions)
10/2011 – 09/2014: B.A. Digital Media at DHBW Mannheim in Cooperation with www.suchdialog.de External Link (Online Marketing Agency)
Sven Michalczyk
Sven Michalczyk
Vortrag: Mi 5.5
flag VORTRAG MERKEN

Vortrag Teilen

17:00 - 18:10
Mi 5.6
Panel: Business Intelligence & Analytics und KI – getrennte Welten?
Panel: Business Intelligence & Analytics und KI – getrennte Welten?

Prof. Dr. Carsten Felden ist Universitätsprofessor an der TU Bergakademie Freiberg in Sachsen. Dabei hat er die Professur für ABWL, insbesondere Informationswirtschaft/Wirtschaftsinformatik inne. In der Lehre fokussiert Prof. Dr. Felden auf Business Intelligence und Predictive Analytics. Zentrale Forschungsthemen sind Arbeiten im Bereich der Analytics, des Data Warehousing, der Prozessanalyse, der XBRL und Analysen in IT-Reifegradmodellen. Er ist Vorstandsvorsitzender des TDWI Deutschland e.V. Er publizierte Artikel in internationalen wissenschaftlichen Journalen und Konferenzen und schrieb Bücher zu Themen aus dem Gebiet der Entscheidungsunterstützung. Darüber hinaus ist er als Gutachter für zahlreiche nationale und internationale Journale und tätig. Neben seiner wissenschaftlichen Tätigkeit berät er unterschiedliche Unternehmen zu den oben genannten Themen.
Sebastian Olbrich is a graduated economist from the University of Mannheim. He wrote his master thesis in collaboration with McKinsey & Company which won an award for technological innovation sponsored by Fraunhofer Institute. He holds a doctoral degree from the School of Business Administration and Economics, department of Management Information Systems, Philipp’s University at Marburg; which was written in collaboration with SAP and the state of Hessen. He has extensive working experience as managing consultant, interim manager and data scientist. He worked most of his career with PricewaterhouseCoopers (PwC) / Strategy& (Booz) in the fields of Corporate Performance Management (CPM), Business Intelligence (BI) and IT Strategy / CIO Advisory Services.
Currently he is employed as Senior Director with Capgemini Invent in the practice of Insights Driven Enterprise (IDE). He leads Insights-Driven Business Innovation (IDBI) a group of 35+ Data Scientists and Business Analysts in DACH region.
Dr. Olbrich (co-)authored more than 50 academic articles. He received his tenure (PD) from the University Duisburg-Essen where he is still involved in several research projects concerning Business Technology & Innovation (BTI) and lecturing in the Master program for Analytics as well as supervising PhD theses. He is a highly demanded speaker at conferences and lecturer for executive education – mainly in the fields of Artificial Intelligence and the monetization of data assets. He served as professor for Information Systems and Digital Business at European Business School (EBS) in Östrich-Winkel. His overall research agenda focuses on data-driven innovation, information management and analytical business models.
Dr. rer. pol. Henning Baars ist Akademischer Oberrat am Lehrstuhl für ABWL und Wirtschaftsinformatik 1 der Universität Stuttgart und Sprecher der Fachgruppe „Business Intelligence“ der Gesellschaft für Informatik. Seit 2003 ist er an der Universität Stuttgart beschäftigt. Aktuelle Forschungsthemen sind „Agile Business Intelligence“, „BI und Big Data“, „BI in the Cloud“ sowie „BI und Analytics im Internet of Things“.
Dr. Ralf Finger arbeitet seit 1992 erfolgreich in Projekten zur Konzeption, Realisierung und Einführung individueller Business Intelligence, Analytics und Data Warehouse Lösungen für namhafte deutsche Großunternehmen. Aktuelle Beratungsschwerpunkte bilden strategische Technologieentscheidungen, Analytics Strategien sowie der Wertbeitrag von Datenstrategien. Dr. Finger studierte Betriebswirtschaft mit den Schwerpunkten Organisation und Unternehmensrechnung und promovierte in Wirtschaftsinformatik. Dr. Finger ist als CIIA und CEFA zertifizierter Finanzanalyst und Certified BI Professional (CBIP). Er ist Lehrbeauftragter für Business Intelligence an der Universität Stuttgart, Fachbeirat des TDWI (The Data Warehousing Institute e.V.) und TDWI Europe Fellow. Ferner ist er stellvertretender Sprecher der Arbeitsgruppe Smart Analytics in der Deutschen SAP Anwendergruppe e.V. (DSAG) und Mitglied des Leitungsgremiums der Fachgruppe Business Intelligence in der Gesellschaft für Informatik e.V. (GI). Dr. Finger ist Co-Author diverser Strategieleitfäden, so z.B. für SAP HANA Strategie sowie SAP Advanced Analytics der DSAG e.V. oder den TDWI Leitfäden zu Big Data und Cloud BI. 
Carsten Felden, Sebastian Olbrich, Henning Baars, Ralf Finger
Carsten Felden, Sebastian Olbrich, Henning Baars, Ralf Finger
Vortrag: Mi 5.6
flag VORTRAG MERKEN

Vortrag Teilen

Zurück