Die Implementierung und Anwendung von Low-Code Development Platforms (LCDPs) erfordert einen strukturierten Managementansatz. Der Vortrag stellt ein entwickeltes LCDP-Reifegradmodell als Steuerungsinstrument für Manager:innen vor, welches auf Erkenntnissen aus +10 Unternehmensstudien mit KMUs und Konzernen basiert. Die Ergebnisse zeigen zudem LCDP-spezifische Managementphasen auf und leiten daraus acht Schlüsselfaktoren für eine erfolgreiche LCDP-Adoption ab.

Zielpublikum: Business- und IT-Entscheider:innen, Führungskräfte und Mitarbeitende für Themen wie bspw. Enterprise Architecture, Governance, Workplace, Platform etc.
Voraussetzungen: Erste Erfahrungen und Verständnis von LCDPs reichen aus
Schwierigkeitsgrad: Basic

Extended Abstract:
In der heutigen schnelllebigen Geschäftswelt spielen Low-Code Development Platforms (LCDPs) eine zentrale Rolle bei der Beschleunigung der digitalen Transformation und der Demokratisierung der Softwareentwicklung. Durch die Ermöglichung für Fachbereichs- und IT-Mitarbeitende, eigene IT-Lösungen zu entwickeln und zu betreiben, bieten LCDPs eine einzigartige Gelegenheit, die Agilität und Effizienz in Unternehmen zu steigern. Trotz des beträchtlichen Potenzials von LCDPs stehen viele Organisationen vor Herausforderungen, da es ihnen an strategischer Orientierung und einem fundierten Verständnis für das Management dieser Plattformen fehlt.

Der Vortrag zielt darauf ab, ein neu entwickeltes LCDP-Reifegradmodell als Steuerungsinstrument zu präsentieren, das Organisationen dabei unterstützt, die ersten Schritte hin zu einer erfolgreichen Adoption von LCDPs zu navigieren. Basierend auf umfangreichen Unternehmensstudien, die in mehr als 10 KMUs und Großkonzernen durchgeführt wurden, identifiziert dieser Ansatz 23 organisationale Fähigkeiten, die für die effektive Nutzung von LCDPs entscheidend sind. Das Modell unterteilt sich in sechs Maturitätsstufen für jede dieser Fähigkeiten, wodurch Unternehmen eine klare Richtung für die Entwicklung ihrer LCDP-Kompetenzen erhalten.

Darüber hinaus bietet der Vortrag Einblicke in einen möglichen Managementansatz hin zu einer erfolgreichen LCDP-Adoption, der auf acht Schlüsselfaktoren basiert. Diese Faktoren umfassen unter anderem die Notwendigkeit einer organisationsspezifischen LCDP-Vision und eines adaptiven LCDP-Governance-Ansatzes.

Data Catalogs erfreuen sich zunehmender Beliebtheit in der freien Wirtschaft. In der Wissenschaft hingegen konnte der Trend bisher nur schwerfällig Fuß fassen. Im Vortrag werden die in der wissenschaftlichen Literatur vertretenen Konzepte vorgestellt und miteinander verglichen. Dabei stehen Schwerpunkte, Gemeinsamkeiten und Unterschiede sowie Funktionsumfänge im Vordergrund. Sowohl Einsteiger als auch Fortgeschrittene können sich auf neue Ideen und Perspektiven freuen.

Zielpublikum: alle Interessierten
Voraussetzungen: Grundkenntnisse in Datenmanagement und Datenkompetenz
Schwierigkeitsgrad: Basic

Extended Abstract:
Die strukturierte Vorhaltung und Nutzung von Metadaten bietet großes Potenzial, um den eigenen Datenbestand besser verstehen zu können. Daher erfreuen sich Data Catalogs zunehmender Beliebtheit in der freien Wirtschaft. IBM, Azure, Oracle, Google - viele große Softwareunternehmen verfügen über eigene Interpretationen und Implementationen der Data-Catalog-Ideen.

In der Wissenschaft hingegen konnte der Trend bisher nur schwerfällig Fuß fassen. Die ersten Arbeiten zur Thematik stammen aus dem Jahr 2016. Erst seit 2020 sind Data Catalogs häufiger im Rahmen der Forschung zu Data Lineage und Data Literacy vertreten. Die Präsentation von Schemata zur Konstruktion und Architektur spielt dabei eine wichtige Rolle.

Im Vortrag werden die in der wissenschaftlichen Literatur vertretenen Konzepte vorgestellt und miteinander verglichen. Dabei stehen Schwerpunkte, Gemeinsamkeiten und Unterschiede sowie Funktionsumfänge im Vordergrund.

Einsteiger kommen auf ihre Kosten, da ein audienzbezogen aufbereiteter Einblick in die aktuellen wissenschaftlichen Erkenntnisse möglich wird. Interessant sind derartige Arbeiten weiterhin für Unternehmen, die selbst einen Data Catalog als Softwareprodukt entwickeln wollen. Daher werden auch Fortgeschrittene mit neuen Perspektiven und Ideen versorgt. Die Inhalte des Vortrags sind Teil eines Promotionsvorhabens an der TU Chemnitz. Dabei wird der Data Catalog als Tool zur Steigerung der Datenqualität in Unternehmen verstanden. Die Zielsetzung der Promotion ist der Entwurf und der Test einer Referenzarchitektur mit Bezug auf aktuelle Herausforderungen und Hürden von Unternehmen im Bereich der Datenqualität.

In den letzten Jahren sind die externen ESG-Anforderungen für Unternehmen aller Branchen immer wichtiger geworden. Dennoch ist es dabei schwierig zu erkennen, ob ein Unternehmen auch tatsächlich alle relevanten ESG-Kennzahlen für die externe Berichterstattung bereitstellt und wie diese unternehmensübergreifend zu bewerten sind. Ziel dieser Fallstudie ist es daher, ein Benchmarking-System mit einer ESG-Berichtsvollständigkeits- und Leistungsanalyse zu entwickeln, in dem die relevanten Kennzahlen in einem Dashboard visualisiert werden können.

Zielpublikum: Entscheider, Projektleiter, Data Engineers
Voraussetzungen: Grundlagenwissen in Business Intelligence & Analytics im ESG-Kontext
Schwierigkeitsgrad: Basic

Extended Abstract:
Das Benchmarking-System ist ein prototypisches Werkzeug zur Entscheidungsunterstützung für verschiedene Anwendungsszenarien im ESG-Bereich. Das im Rahmen einer konkreten Fallstudie entwickelte System bietet Transparenz in Bezug auf die Vollständigkeit der Berichterstattung und auf die ESG-Leistungsmessung innerhalb der Automobilbranche. Die Nutzer des Systems können zwei komplementäre Benchmarking-Methoden verwenden, was zu einer hohen Flexibilität und Ausgewogenheit der ESG-Analyse führt. Nutzergruppen innerhalb und außerhalb von Unternehmen können das System darüber hinaus in unterschiedlichen Anwendungsszenarien einsetzen, z.B. Investitionsentscheidungen. Die Prozessschritte der Datentransformation, des Ladens und der Visualisierung sind vollständig automatisiert, was die manuelle Arbeit auf ein Minimum reduziert. Nichtsdestotrotz muss das System aufgrund der sich ständig ändernden ESG-Anforderungen auch in Zukunft angepasst und weiterentwickelt werden.