Konsortialforschung: Gestaltungsorientierte Wirtschaftsinformatikforschung in Kooperation mit der...

Konsortialforschung: Gestaltungsorientierte

Wirtschaftsinformatikforschung in Kooperation mit der Praxis

Prof. Dr. Boris Otto, Prof. em. Dr. Dr. h.c. Hubert Österle

Osnabrück, 4. März 2015

2Prof. Dr. B. Otto, Prof. Dr. H. Österle | Osnabrück

4. März 2015

Workshop-Agenda

Konsortialforschung im Überblick

Beispiele zur Konsortialforschung

Weiterentwicklungspotentiale

Anhang: Quellenverzeichnis


4. März 2015

Motivation für Konsortialforschung

Aho-Bericht der Europäischen Kommission

Die Verwertung von Forschungsergebnissen muss im Ecosystem erfolgen und

die Zusammenarbeit zwischen den verschiedenen Akteuren im

Forschungsprozess ist zu forcieren1

OECD Science, Technology, and Industry Outlook 2008

Die Intensität der Zusammenarbeit zwischen Wissenschaft und Forschung hat

einen direkten Einfluss auf die Effektivität und Effizienz von

Innovationssystemen2

1) [European Commission, 2008]

2) [OECD, 2008]


4. März 2015

Merkmale der Konsortialforschung1

Forschung und Praxis definieren gemeinsam die Forschungsziele

Vertreter der Partnerunternehmen arbeiten im Projekt mit und gewähren

Zugang zum Unternehmenswissen

Forschungsergebnisse sind wissenschaftliche Artefakte mit praktischem

Nutzen für die Partnerunternehmen

Artefakte werden im Unternehmenskontext getestet und evaluiert

Partnerunternehmen stellen Finanzmittel und Personal bereit

Forschungsergebnisse werden veröffentlicht

1) [Österle & Otto, 2010]


4. März 2015

Methodenüberblick der Konsortialforschung1

Domäne

Design

Evaluation

Diffusion

Wissenschaftliche

Publikation

Publikation in der

Praxis

Lehrmaterial

Review-

Workshops

Funktions-

tests

Experimente Simulationen Piloten

Verwertungsplan

GUI

Design

Software

Engineering

Method

Engineering

Referenz-

modellierung

. . .

Stand der

Forschung

• Implemen-

tierungen

• Modelle

• Methoden

• Theorien

• Konstrukte

Analyse

Forschungsskizze:

Bedarfe,

Lücke, Ziel

Wissensstand

(Modelle u.

Methoden)

Wissensstand

(Implemen-

tierungen)

Konsortial-

vereinbarung

Wissensstand

(Theorien u.

Konstrukte)

Forschungs-plan

Stand der Praxis

• Geschäftsmodelle

• Aufbau- und

Ablauforganisation

• Informations-

systeme

• IuK-Technologie



4. März 2015

Wissensgenerierung1,2,3 in der Konsortialforschung gemäß dem

Modell von Nonaka & Takeuchi4

Sozialisierung Externalisierung

Aktionsforschung

Kreativitätstechniken (z. B.

Morphologische Analyse)

„Participatory Design“

…

Experteninterviews

Fallstudien

Fokusgruppeninterviews

„Reverse Engineering“

Umfragen

…

Kombination Internalisierung

Fallstudien

Inhaltsanalysen

Marktstudien

Prototypenbau

Referenzmodellierung

…

„In-House“-Schulungen

Gemeinsam Projektteams

…


2) [Otto & Österle, 2011]


4) [Nonaka & Takeuchi, 1995]


4. März 2015

Workshop-Agenda



Kompetenzzentrum Corporate Data Quality (CC CDQ)

EFQM Reifegradmodell für Corporate Data Quality Management

Corporate Data League




4. März 2015


Kompetenzzentrum Corporate Data Quality (CC CDQ)


4. März 2015

Eckdaten des CC CDQ1

Laufzeit

Seit November 2006

Konsortialworkshops

5 zweitägige Workshops p.a.

43 insgesamt seit 2006

Beispiel

Partnerunternehmen

29 (seit 2006, aktuell 18)

Wissenschaftliche Laufbahnen

1 Habilitation

15 Promotionen

1) [Otto & Österle, 2010]

//129.217.192.2/snom/50_Oeffentlichkeitsarbeit/5010_Veranstaltungen/20150305_WI2015/43rd CC CDQ Workshop Agenda.pdf


4. März 2015

CC CDQ: Referenzmodell des

Stammdatenqualitätsmanagement1,2

1) [Otto, 2011]

2) [Otto et al., 2011]


4. März 2015

Aktuelles Konsortium des CC CDQ

ABB LTD. ASTRAZENECA PLC BAYER AG BEIERSDORF AG DB NETZ AG

DRÄGERWERK AG & CO.

KGAAERICSSON AB FESTO AG & CO. KG MERCK KGAA NESTLÉ SA

NOVARTIS PHARMA AG OSRAM GMBH ROBERT BOSCH GMBH SAP AGSCHWEIZERISCHE

BUNDESBAHNEN SBB

SCHAEFFLER AG SWISSCOM IT SERVICES AG ZF FRIEDRICHSHAFEN AG


4. März 2015


CDQM Reifegradmodell


4. März 2015

CDQM Reifegradmodell: Motivation

2011 2012 2013 2014

CDQM

Reifegrad

Zeit

Messbarkeit der Leistung des

Corporate Data Quality Management

Vergleichswerte/Benchmarking

Maßnahmenplan für die

Weiterentwicklung

Ziele

„Best-in-Class“

Durchschnitt

„Best Practice

Gap“


4. März 2015

CDQM-Reifegradmodell: Forschungsprozess1,2

2006 2007 2008 2009 2010 2011

Bedarf in Konsortium- Workshop festgestellt

RM ausgewertet in AR Projekt

Anforderungen in Konsortium-Workshop spezifiziert

RM ausgewertet in AR Projekt

RF bewertet durch EFQM

Kooperationsvertrag mit EFQM

RM in Konsortium- Workshop bewertet

Fertigstellung web-basiertes Bewertungs-Werkzeug

RM für die Öffentlichkeit verfügbar

DE Iteration 1

DE Iteration 2

DE Iteration 3

DD1

RM ausgewertet in AR Projekten

RM in Konsortium- Workshop bewertet

DD2

DD3

DD4

Legende: RM – Reifegrad Model; DE – Design/Evaluate; DD – Design Decision.

RM durch Studie bewertet

1) [Ofner et al., 2013]

2) [Ofner et al., 2009]

3) [Hüner et al., 2009]


4. März 2015

CDQM-Reifegradmodell: Diffusion

Download: http://benchmarking.iwi.unisg.ch/Framework_for_CDQM.pdf

Unterzeichnet von:


4. März 2015

CDQM Reifegradmodell: Software-Unterstützung


4. März 2015

CDQM-Reifegradmodell: Konsortialforschungsmethode

Domäne

Design

Evaluation

Diffusion

Wissenschaftliche

Publikation

Publikation in der

Praxis

Lehrmaterial

Zielgruppen

InterviewsProjekte zur

AktionsforschungUmfrage

Web-basiertes

Bewertungs-

Werkzeug

Reife-

grad-

modell

Entwurf

Fallstudien

geordnete

Referenz-

modellierung

Stand der Forschung

• Theorie der

Reifegrad-

modellierung

• Reifegradmodell

Entwurf

• Fokus auf

Unternehemens-

fähigkeiten

Analyse

Bedürfnisse aller

Stakeholder-

Gruppen

Stand des

DQM und der

Reifegradmodelle

CC CDQ und

EFQM

Vereinbarung

Problemdefinition

durch das CC CDQ

Stand der Praxis

• Reifegradmodelle

• DQM Praktiken und

Indikatoren

Konferenzen &

Seminare


4. März 2015


Corporate Data League


4. März 2015

Corporate Data League: Problemstellung

Anzahl der Attribute Erhaltungsaufwand

Attribute der Geschäftspartner

Offizieller Name, Rechtsform

Adressen (offizielle, Rechnungs-, Versand- , Bestelladresse)

Hierarchien (rechtlich, organisatorisch, geographisch)

Steuernummern (z.B. Mehrwertsteuer)

Bankinformation (SWIFT-BIC, IBAN)

Zertifikate (z.B. SAS70, ISO 9000)

…

Geschäftliche Kontakte

Daten Zulieferer Klassifikation

Beschaffungs- und Versandkonditionen

Zahlungsbedingungen und Methoden

Partnerrollen

…

5%

30%

70%

95%

Öffentliche Daten , Potential für

unternehmensübergreifende Zusammenarbeit

…

Kreditlimit

Währungsinformationen

Mahnbedingungen

Buchhaltungsdaten

Versicherungsdaten

Preiskalkulation Daten

…


4. März 2015

Corporate Data League: Lösungsansätze

Bayer, Merck, und Novartis haben den gleichen Zulieferer: Nestlé

Jedes der Unternehmen verwaltet Stammdaten von Nestlé

Dreifach redundanter Aufwand bei der Datenverwaltung und Kosten für die Bezugsdaten

Ist-Situation: Redundantes Daten-Management

Bayer, Merck und Novartis teilen sich einen Teil der Daten über Nestlé

Die Unternehmen verständigen sich auf unternehmensübergreifende Prozesse zum

Daten-Management

Reduzierter Aufwand für die Datenverwaltung bei geringeren Kosten

Erhöhte Datenqualität: Mehr Möglichkeiten um potentielle Datenfehler zu identifizieren

Lösungsansatz: Unternehmensübergreifendes Daten-Management

Verwaltung von Daten des Geschäftspartners Nestlé, z. B. Name, Rechtsform und Adresse


4. März 2015

Corporate Date League: Forschungsfrage und Konsortium

Forschungsfrage

Wie ist eine Architektur für unternehmensübergreifende Zusammenarbeit im

Datenmanagement zu entwerfen?

Konsortium an Partnerunternehmen

Bayer

Nestlé

Novartis

Syngenta

Förderung

Kommission für Technologie und Innovation


4. März 2015

Corporate Data League: Stand der Arbeiten


4. März 2015

Domäne

Design

Evaluation

Diffusion

Wissenschaftliche

Publikation

Publikation in der

Praxis

Markteinführung

CTI

Workshops

Testen der

Software

Fokus Gruppe,

Experten

Interviews

Pilot

Anwendung

Prototyp

Vorstellung

Stand der Forschung

• Referenzmodelle

• Semantische

Interoperationen

• Organisations-

Theorie

• Methoden

Analyse

Schwachpunkt:

geringe Daten-

Qualität

SotA:

Modelle &

Methoden

Bereitsteller der

Daten, DQ

Validierungs-

Werkzeuge, BRMS

CC CDQ

Konsortium

SotA:

Theorien &

Konstrukte

CTI Projekt

Konsortium

Stand der Praxis

• Business Models

• Data governance

• DM Prozesse

• BRM and BRMS

• Cloud Anwendungen

• TOGAF

• Zachman Framework

Überlappende

Analyse

Software

Engineering

Referenz-

modellierung

Geschäfts-

modellierung

Methoden-Design

Fallstudien –

Forschung

Ontologie-

entwurf

Entwicklung von

Prototyp

Corporate Data League: Konsortialforschungsmethodik


4. März 2015

Workshop-Agenda






4. März 2015

Weiterentwicklung

1Potentiale

Was sind Einsatzfelder der Konsortialforschung? Können Sie sich

einen Einsatz in Ihrem Umfeld vorstellen?

3Methodik

Was methodische Stärken und Schwächen? Was muss verbessert

werden?

2Barrieren

Was sind Limitationen der Konsortialforschung bzw. Barrieren?

Unter welchen Bedingungen funktioniert Konsortialforschung nicht?


4. März 2015

Ihr Ansprechpartner

Univ.-Prof. Dr.-Ing. habil. Boris Otto

Technische Universität Dortmund Fraunhofer IML & Fraunhofer ISST

Audi-Stiftungslehrstuhl Leitung

Supply Net Order Management Data Innovation Lab

LogistikCampus

Joseph-v.-Fraunhofer-Straße 2-4

D-44227 Dortmund

[email protected] [email protected]

+49-231/755-5959 +49-231-9743-655


4. März 2015

Workshop-Agenda






4. März 2015

Quellenverzeichnis (I/II)

[European Commission, 2008]

European Commission (2008) Information Society Research and Innovation: Delivering results with sustained impact (Evaluation of the

effectiveness of Information Society Research in the 6th Framework Programme 2003-2006). European Commission, DG Information Society

and Media.

[Hüner et al., 2009]

Hüner K, Ofner M, Otto B (2009) Towards a Maturity Model for Corporate Data Quality Management. In: Proceedings of the 2009 ACM

Symposium on Applied Computing, Honolulu, HI.

[OECD, 2008]

OECD (2008) OECD Science, Technology and Industry Outlook. Organisation for Economic Co-operation and Development, Paris.

[Ofner et al., 2009]

Ofner MH, Hüner KM, Otto B Dealing with Complexity: A Method to Adapt and Implement a Maturity Model for Corporate Data Quality

Management. In: Proceedings of the 15th Americas Conference on Information Systems (AMCIS 2009), San Francisco, CA.

[Ofner et al., 2013]

Ofner, M, Otto, B, Österle, H (2013) A Maturity Model for Enterprise Data Quality Management. In: Enterprise Modelling and Information

Systems Architectures: An International Electronic Journal 8, Nr. 2, S. 4-24.

[Österle & Otto, 2010]

Österle H, Otto B (2010) Konsortialforschung: Eine Methode für die Zusammenarbeit von Forschung und Praxis in der gestaltungsorientierten

Wirtschaftsinformatikforschung. WIRTSCHAFTSINFORMATIK 52 (5):273-285.

[Otto, 2011]

Otto B (2011) Quality Management of Corporate Data Assets. In: Praeg C-P, Spath D (eds) Quality Management for IT Services: Perspectives

on Business and Process Performance. IGI Global, Hershey, PA, pp 193-209.

[Otto et al., 2011]

Otto B, Kokemüller J, Weisbecker A, Gizanis D (2011) Stammdatenmanagement: Datenqualität für Geschäftsprozesse. HMD - Praxis der

Wirtschaftsinformatik 48 (279):5-16.


4. März 2015

Quellenverzeichnis (II/II)

[Otto & Österle, 2010]

Otto B, Österle H (2010) Relevance Through Consortium Research? A Case Study. In: Proceedings of the 18th European Conference on

Information Systems (ECIS 2010), Pretoria, 2010-06-06.


Otto B, Österle H (2011) Toward a Knowledge Creation Perspective on Design Science Research. In: Proceedings of the 17th Americas

Conferece on Information Systems (AMCIS 2011), Detroit, MI, August 6, 2011.


Otto, B, Österle, H (2012) Principles for Knowledge Creation in Collaborative Design Science Research. In: Proceedings of the 33rd

International Conference on Information Systems (ICIS 2012), Orlando, FL

[Nonaka & Takeuchi, 1995]

Nonaka I, Takeuchi H (1995) The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford

University Press, Oxford, UK

Date post:	16-Jul-2015
Category:	Business
Upload:	boris-otto
View:	273 times
Download:	0 times