Skip to main content
main-content
Top

Hint

Swipe to navigate through the chapters of this book

2022 | OriginalPaper | Chapter

5. IT-Unterstützung

share
SHARE

Zusammenfassung

In Kap. 5 (IT-Unterstützung) wird zunächst kurz auf die Historie und die grundlegenden Hardwarekomponenten von Planungs- und Reportinglösungen eingegangen. Bei den Softwarelösungen für die Planungs- und Reportingaufgaben werden spezielle ERP-Systeme, Tabellenkalkulationsprogramme, spezielle Softwareprogramme (basierend auf relationaler Datenbanktechnik) und Data-Warehouse- bzw. Business-Intelligence-gestützte Systeme unterschieden. Bei Data-Warehouse- bzw. Business-Intelligence-gestützte Systemen stehen u. a. die OLAP-Datenmodellierung, die OLAP-Speicherkonzepte, die ETL-Prozesse, die unterschiedlichen Analysewerkzeuge, wie z. B. Cockpit- und Dashboard-Lösungen sowie Portale im Vordergrund der Untersuchung. Zudem werden die neusten Entwicklungen im BI-gestützten Controlling mit Unterstützung der traditionellen und explorativen BI aufgezeigt, u. a. Big-Data-Technologie, Data Discovery, Data Visualization, Data Mining, Predictive Analytics, Künstliche Intelligenz, Chatbots, RPA, App-Technologie, Self Service BI sowie Cloud Computing. Big Data hilft u. a. bei der Verarbeitungsgeschwindigkeit (In-Memory-Technologie) von großen heterogenen Datenmengen. Über die App-Technologie mit ihren Kacheltypen lassen sich moderne Navigationsoberflächen schaffen. Data-Discovery- bzw. Visual-Discovery-Werkzeuge unterstützen Big-Data-Analytics hinsichtlich ihrer Prognose- und Analysefähigkeit. Vor allem das Data Mining und Predivtive Analytics erhalten durch informationstechnische Verfahren der Künstliche Intelligenz einen weiteren Schub für Analyse- und Prognoseaufgaben, u. a. durch Machine Learning, Deep Learning und Neuronale Netze. Chatbots sind computergestützte Dialogsysteme, durch die sich neue Möglichkeiten einer schnelleren und ressourcengünstigeren Informationsversorgung für die Anwender erzielen lassen. Mit der robotergesteuerten Prozessautomatisierung (RPA) gibt es einen weiteren IT-Ansatz, der als Zwischentechnologie im Controlling genutzt werden kann, um aufwendige manuelle IT-Pflege durch Softwareroboter zu ersetzen. Cloud Computing stellt eine interessante Outsourcing-Option für Unternehmen dar, bei der IT-Leistungen und -Services über fremde IT-Ressourcen genutzt werden können. Weitere Neuerungen betreffen die Themen Datenqualität und Datenmodellierung. Den Abschluss dieses Kapitels bildet das Thema „Mobile BI“, bei dem es um den Ausbau von leistungsfähigen mobilen Analyse- und Planungslösungen mit Hilfe von Tablets, Handys und anderen mobilen Endgeräten geht.
Footnotes
1
Vgl. Mertens und Griese (1988, S. 5).
 
2
Vgl. Reichmann (2011, S. 18).
 
3
Vgl. Reichmann (2006, S. 662).
 
4
Vgl. Scheer (1990, S. 139).
 
5
Siehe Weber und Strüngmann (1997, S. 30–36).
 
6
Vgl. Scheer (1990, S. 37, 142 und 153).
 
7
Vgl. Hesseler und Görtz (2007, S. 7 f. und 15 ff.).
 
8
Vgl. zu historischen Entwicklung von Reporting- und Planungslösungen u. a. Laudon und Laudon (1988), Gluchowski et al. (2008, S. 55 ff.), Oppelt (1995), Schinzer (1996), Mertens und Griese (2002), Oehler (2006) und Chamoni und Gluchowski (2004, S. 5 ff.).
 
9
Vgl. Wild (1981, S. 36 ff.) oder Dahnken et al. (2003, S. 52 ff.).
 
10
Vgl. zu weiteren Softwareauswahlkriterien z. B. Becker et al. (2011, S. 16).
 
11
Die aufgeführten Anforderungskriterien ergänzen die Qualitätsmerkmale nach IS0 9126 (Fassung bis 2005) und der Nachfolge-Norm ISO/IEC 25000. Sie sind im Gegensatz zu den ISO-/IEC-Normen jedoch nicht aus technischer Sicht (z. B. Sicherheit und Übertragbarkeit) oder Herstellersicht (z. B. Wartung und Service) definiert worden. Sie dienen vielmehr der Analyse und Vergleichbarkeit von unterschiedlichen Softwarerichtungen für Planungs- und Reportinglösungen.
 
12
Vgl. Hesseler und Görtz (2007, S. 2 f.).
 
13
Vgl. Hesseler und Görtz (2007, S. 17 f., 24).
 
14
Vgl. hierzu Hesseler (2009, S. 52).
 
15
Vgl. Buck-Emden (1995, S. 29).
 
16
Vgl. Bange (2013, S. 134–135).
 
17
Vgl. Bange (2013, S. 98–126).
 
18
Vgl. hierzu Pütter (2011). Die Studie wurde am Lehrstuhl Wirtschaftsinformatik II von Prof. Dr. Peter Gluchowski in Zusammenarbeit mit dem Beratungshaus Conunit (Frankfurt a. M.) durchgeführt.
 
19
Vgl. Schön und Pook (2015, S. 13), Weber (2013, S. 219) und Schön et al. (2013, S. 258).
 
20
Vgl. Goecken (2006, S. 11, 15 f.), Gluchowski et al. (2008, S. 55–88), Chamoni et al. (2010, S. 6 ff.) und Bauer und Günzel (2013, S. 11).
 
21
Vgl. Behme (1996, S. 31) und Inmon, B.: Definition of a data warehouse. URL: www.​billinmon.​com [Zugriff am 31.07.2002].
 
22
Vgl. Mucksch und Behme (2000, S. 11 f.) und Hahne (2005, S. 8).
 
23
Vgl. zu den Begriffen OLAP und OLTP die Ausführungen im Abschn. 5.5.4.
 
24
Vgl. Bauer und Günzel (2013, S. 6). Kapp und Kusterer beziehen die Datensammlung im Data Warehouse nur auf strategisch relevante Informationen (Knapp und Kusterer 1996, S. 219 ff.).
 
25
Vgl. Schinzer et al. (2000, S. 15).
 
26
Alternativ findet man auch 5-stufige Darstellungen der Architektur von Data-Warehouse-Systemen, welche die Datenquellen, den ETL-Prozess, die Datenverwaltung, die Datenbereitstellung für die Auswertungen über den OLAP-Server bzw. die OLAP-Engine und die Präsentationsebene separat darstellen. Vgl. Goecken (2006, S. 27). Da jedoch die Datenquellen an sich nicht zum Data Warehouse gehören, sondern nur die Datenanbindung, und die OLAP-Engine ein technischer Systembaustein der Datendistribution darstellt, wird hier die Darstellung mit 3 Ebenen bevorzugt.
 
27
Vgl. Sinz und Ulbrich vom Ende (2010, S. 190 f.).
 
28
Vgl. Hahne (2016, S. 150 ff.).
 
29
Vgl. Heuer et al. (2001, S. 469).
 
30
Vgl. Jordan und Schnider (2011, S. 7).
 
31
Vgl. Manhart (2011b).
 
32
Vgl. Kemper et al. (2010, S. 23) sowie Sinz und Ulbrich vom Ende (2010, S. 188).
 
33
Vgl. Martin und von Maur (1997, S. 105).
 
34
Vgl. Vaduva und Vetterli (2001, S. 273).
 
35
Vgl. Kemper et al. (2010, S. 43).
 
36
Vgl. zu den Begriffen OLAP und OLTP die Ausführungen im Abschn. 5.5.4.
 
37
Vgl. Farkisch (2011, S. 27).
 
38
Vgl. Navrade (2008, S. 20).
 
39
Für die Abbildung der Anforderungen eines Real-time Data Warehouse und eines Active-Data Warehouse (siehe weiter unten) werden gerne Operational Data Stores (ODS) eingesetzt, da hier operative und ständig zu aktualisierende Daten für die Geschäftsprozesssteuerung genutzt werden.
 
40
Vgl. Kemper et al. (2010, S. 12, 141 ff.).
 
41
Vgl. Goecken (2006, S. 26 ff.).
 
42
Erweiterte Data-Warehouse-Definition des Autors in Anlehnung an Mucksch und Behme (2000, S. 6) und Gabriel et al. (2000, S. 76).
 
43
Vgl. Kemper et al. (2010, S. 92–96).
 
44
Es gibt alternativ hierzu auch virtuelle Datenverbindungen ohne Zwischenspeicherungen, die direkt auf die Daten der Quellsysteme zugreifen. Diese Vorgehensweise ist in der Praxis seltener anzutreffen. Mit dem Einsatz der In-Memory-Technik (vgl. Abschn. 5.8.2.1) nutzten einige Softwareanbieter vermehrt den direkten virtuellen Datenzugriff auf Primärquellen ohne eine Zwischendatenhaltung aufzubauen.
 
45
Vgl. Kemper et al. (2010, S. 26–38).
 
46
Vgl. Oehler (2000, S. 21 f.).
 
47
Neben der echten physischen Speicherung in Zieldatenbanken sind auch andere Formen der virtuellen Speicherung möglich, bei denen nur die Datenstrukturen nicht aber die Dateninhalte im Data-Warehouse-System gespeichert werden, sondern diese bei Anfrage direkt auf das Quellsystem zugreifen.
 
48
Vgl. Müller und Keller (2015, S. 394–395).
 
49
Vgl. Apel et al. (2009, S. 67).
 
50
Vgl. IBM Consulting Services (2003, S. 32).
 
51
Vgl. IBM Consulting Services (2003, S. 32).
 
52
Vgl. IBM Consulting Services (2003, S. 154–155).
 
53
Vgl. Ruprecht (2003, S. 126).
 
54
Vgl. Bauer und Günzel (2013, S. 44).
 
55
Vgl. Chamoni et al. (2010, S. 164).
 
56
Vgl. Chamoni (1997, S. 294) und Codd et al. (1993).
 
57
Vgl. z. B. Düsing und Heidsieck (2009, S. 108) und Oehler (2000).
 
58
Vgl. Pends und Creeth (1995).
 
59
Vgl. Humm und Wietek (2005, S. 5).
 
60
Vgl. Caesar und Friebel (2011, S. 548).
 
61
Vgl. Mohr (2006, S. 93 ff.). Beispielsweise ergänzt die SAP AG ihr Star-Schema für das SAP BW um die aufgeführten Punkte.
 
62
Vgl. Bauer und Günzel (2013, S. 204 f.).
 
63
Vgl. Azevedo et al. (2005, S. 46).
 
64
Vgl. Azevedo et al. (2005, S. 52 f.).
 
65
Vgl. Behme et al. (2000, S. 229).
 
66
Vgl. Elmasri und Navathe (2007, S. 37 f.).
 
67
Vgl. Kemper et al. (2010, S. 97).
 
68
Vgl. Oehler (2006, S. 93).
 
69
Vgl. hierzu die Ausführungen der historischen Entwicklung von Management Support Systemen (MSS) in Abschn. 5.2.
 
70
Vergleiche zu den Ausgabeformaten Abschn. 5.5.5.7.
 
71
Vgl. hierzu die Umfrageergebnisse der Untersuchung von Schön (2011, S. 31).
 
72
Vgl. Turban et al. (2004, S. 103). Vgl. hierzu auch die Ausführungen in Abschn. 5.2.
 
73
Vgl. Dahnken et al. (2004, S. 55 ff.).
 
74
Vgl. Meier et al. (2003, S. 90 ff.).
 
75
Vgl. Hilfetexte des SAP-Portals (2010).
 
76
Vgl. Hilfetexte des SAP-Portals (2009).
 
78
Vgl. Egger et al. (2005, S. 163 ff.).
 
79
Vgl. Knöll et al. (2006, S. 212–215).
 
80
Vgl. Egger et al. (2009, S. 101 f.).
 
81
Vgl. Gluchowski (2010, S. 278).
 
82
Vgl. Search Business Analytics (2016).
 
83
Vgl. Lixenfeld (2015, S. 24).
 
84
Vgl. Forrester Research (2016). Forrester Research ist ein US-amerikanisches Marktforschungsunternehmen für den Bereich Informationstechnologie.
 
85
Vgl. Gluchowski (2010, S. 278).
 
86
Vgl. u. a. Kemper et al. (2010, S. 148–153).
 
87
Vgl. zum MQE u. a. Manhart (2011a).
 
88
Vgl. Pastwa (2010, S. 11 f.).
 
89
Vgl. Manhart (2011a), Krudewig (2012, S. 29) und Feindt (2014, S. 53 ff.).
 
90
Zu den technischen Gestaltungs- und Anwendungsmöglichkeiten mobiler Endgeräte siehe auch Abschn. 5.10.3.
 
91
Vgl. Winterstein und Leitner (1998, S. 34), Kemper et al. (2010, S. 10) und Chamoni und Gluchowski (2004, S. 119).
 
92
Vgl. u. a. die Definitionen von Schrödel, King und die im weiteren Verlauf dieses Kapitels genannten Autoren: Schrödl (2009, S. 9) und King (2014, S. 37).
 
93
Vgl. Hanning (2008, S. 77).
 
94
Vgl. Taschner (2013, S. 9–11).
 
95
Vgl. Mertens (2002, S. 4).
 
96
Vgl. Behme und Mucksch (1997, S. 15).
 
97
Vgl. hierzu Bange et al. (2009, S. 7).
 
98
Vgl. Jetter (2004, S. 33).
 
99
Vgl. Gleich (2001). Alternativ zum Begriff Business-Performance-Management wird auch der Begriff Corporate-Performance-Management (CPM) verwendet.
 
100
Vgl. Engels (2015, S. 15).
 
101
Vgl. Horváth (2008, S. 125) und Reichmann (2006, S. 13).
 
102
Business-Intelligence-Definition von Prof. Dr. Dietmar Schön im Fachgebiet Controlling an der FH Dortmund, Juli 2017.
 
103
Vgl. Schrödl (2009, S. 13 f.).
 
104
Vgl. Bange u. a. (2013, S. 9 ff.).
 
105
Vgl. Kemper et al. (2010, S. 9).
 
106
Zum Begriff KI vgl. Ertel (2016, S. 1ff.) und Lubos (2020, S. 45–49). Zur KI im Rechnungswesen und Controlling vergleiche z. B. Wullenkord (2018, S. 113–129).
 
107
Vgl. University of Helsinki und Reaktor (2020).
 
108
Vgl. Frochte (2019, S. 13) und Portal 2020, S. 69).
 
109
Vgl. Wuttke (2020).
 
110
Vgl. Rogers (1967, S. 2) und Leiserson et al. (2010, S. 5 f.).
 
111
Vgl. Ertel (2016, S. 194).
 
112
Vgl. Wuttke (2020).
 
113
Vgl. u. a. Schrödl (2009, S. 26 f.), Gluchowski et al. (2008, S. 196 ff.), Chamoni et al. (2010, S. 329–356), Cleve und Lämmel (2014, S. 57–192), Alpar und Niedereichholz (2000, S. 11), Küsters (2001, S. 95–130), Gabriel et al. (2009, S. 144–276), Runkler (2010, S. 96), Petersohn (2005, S. 73–255), University of Helsinki und Reaktor (2020) und Ertel (2016, S. 194).
 
114
Vgl. Hammann und Erichson (2006, S. 322 ff.).
 
115
Vgl. Scheuer (2020, S. 20 f.), Berry et al. (2018, S. 4), Buxmann und Schmidt (2019, S. 10 f.) und Folkers (2019, S. 3 ff.).
 
116
Vgl. Wuttke (2020).
 
117
Vgl. University of Helsinki und Reaktor (2020).
 
118
Vgl. University of Helsinki und Reaktor (2020).
 
119
Vgl. Ertel (2016, S. 291).
 
120
Vgl. Mertens und Barbian (2019, S. 11).
 
121
Vgl. Alexander et al. (2018, S. 11–19).
 
122
Vgl. Winter (2018, S. 66).
 
124
Vgl. Shortliffe (1976): Computer-Based Medical Consultations: MYCIN. Elsevier, New York 1976.
 
125
Vgl. Sperner (2020).
 
126
Vgl. Gentsch (2018, S. 32–34).
 
127
Vgl. Sperner (2020).
 
128
Vgl. Bissantz et al. (2001, S. 130–131) oder Determann und Rey (1999, S. 143).
 
129
Vgl. Kononenko und Kukar (2007).
 
130
Vgl. Shearer (2020, S. 13–22).
 
131
Vgl. z. B. Siegel (2013).
 
132
Vgl. Petersohn (2005, S. 10–11) und Cleve und Lämmel (2014, S. 38).
 
133
Vgl. Feindt und Grüßling (2014, S. 181 f.).
 
134
Vgl. Felden (2010, S. 307–328).
 
135
Vgl. Burow et al. (2014, S. 13–20), Bitkom (2014, S. 21–24, S. 45–47) und Schubert (2013).
 
136
Vgl. Gehra (2005, S. 22 f.), Krystek und Moldenhauer (2007, S. 124) und Hammer (1998, S. 252 ff.).
 
137
Vgl. University of Helsinki und Reaktor (2020).
 
138
Vgl. Baars (2016, S. 175).
 
139
Vgl. u. a. Schrödl (2009, S. 26 f.), Gluchowski et al. (2008, S. 196 ff.), Chamoni et al. (2010, S. 329–356), Cleve und Lämmel (2014, S. 57–192), Alpar und Niedereichholz (2000, S. 11),Küsters (2001, S. 95–130), Gabriel et al. (2009, S. 144–276), Runkler (2010, S. 96) und Petersohn (2005, S. 73–255).
 
140
Vgl. Schrödl (2009, S. 28 f.).
 
141
Vgl. Weigend (2017, S. 16).
 
142
Vgl. Ruf und Schwab (2016, S. 495–501) und BARC (2017).
 
143
Entnommen aus: Freiknecht (2014, S. 345).
 
144
Zum Beispiel QlikTech (2016) und Jedox (2016).
 
145
Vgl. R (2016).
 
146
Vgl. Wuttke (2020).
 
147
Vgl. Richter (2003, S. 407–430).
 
148
Vgl. Mehler und Wolf (2005, S. 2).
 
149
Vgl. Hotho et al. (2005, S. 19–62).
 
151
Vgl. Behme und Mucksch (1997, S. 150) und Schinzer et al. (1999, S. 284, 314 f.).
 
152
Siehe Leßweng (2004, S. 43).
 
153
Vgl. Leßweng (2004, S. 41–49).
 
154
Really Simple Syndications (RSS) ist eine Familie von Formaten für die einfache und strukturierte Veröffentlichung von Änderungen auf Internetseiten.
 
155
Vgl. Barton et al. (2018, S. 116).
 
156
Vgl. Langmann (2019b).
 
157
Vgl. Dinnessen und Halfmann (2018).
 
158
Vgl. Smeets et al. (2019, S. 8).
 
159
Vgl. Smeets et al. (2019, S. 10).
 
160
Vgl. Martens (2019).
 
161
Vgl. Tripathi (2018, S. 12).
 
162
Vgl. Smeets et al. (2019, S. 9).
 
163
Vgl. Sellmair et al. (2019).
 
164
Vgl. Smeets et al. (2019, S. 9).
 
165
Vgl. Langmann und Turi (2020, S. 12).
 
166
Vgl. Barton et al. (2018, S. 120).
 
167
Vgl. ebenda.
 
168
Vgl. Allweyer (2016, S. 35).
 
169
Vgl. u. a. Alexander et al. (2018, S. 11–19) von Bearingpoint und Deloitte (2019).
 
170
Vgl. Obermaier (2019, S. 692).
 
171
Vgl. Peper (2018, S. 27 ff.).
 
172
Vgl. Langmann (2019b).
 
173
Vgl. Barton et al. (2018, S. 117).
 
174
Vgl. Friedl (2019, S. 35).
 
175
Unter einem Avatar versteht man eine künstliche Person oder Grafikfigur, die einem Web-User in der virtuellen Welt zugeordnet wird, beispielsweise in einem Computerspiel oder wie hier in einem Chat Bot.
 
176
Vgl. Schonschek und Haas (2020, S. 1 ff.).
 
177
Vgl Hundertmark (2020, S. 1 f.).
 
178
Vgl. Mori et al. (2017, S. 395 ff.).
 
179
Vgl. McTear et al. (2016, S. 125 ff.).
 
180
Vgl. Kumar und Tiwari (2017, S. 60).
 
181
Vgl. Stephan (2020, S. 1 f.).
 
182
Vgl. Friedl (2019, S. 35 f.).
 
183
Vgl. Friedl (2019, S. 35 ff.).
 
184
Vgl. Sauer und Sturm (2019, S. 35).
 
185
Eigene Zusammenstellung: Aufgrund der vielen Zeilen- und Spalteninformationen wurde die Tabelle zu besseren Lesbarkeit aufgeteilt.
 
186
Vgl. Gentsch, Peter (2019): Künstliche Intelligenz für Sales, Marketing und Service, 2. Aufl., Springer Gabler Verlag. S. 71.
 
187
Vgl. Friedl (2019, S. 36).
 
188
Vgl. Gleich und Tschandl (2018, S. 189).
 
189
Vgl. Oehler (2020, S. 23 ff.).
 
190
Vgl. Oehler (2020, S. 27).
 
191
Vgl. Spitzner und Schneider (2015, S. 5).
 
192
Vgl. Oehler (2020, S. 28).
 
193
Vgl. Oehler (2020, S. 30).
 
194
Vgl. Davenport und Kirby (2016, S. 21 ff.).
 
195
Vgl. Geißner und Wolfrum (2015, S. 243).
 
196
Vgl. Oehler (2020, S. 27).
 
197
Bliznak, Karol (2020, S. 160–167).
 
198
Bliznak, Karol (2020, S. 156).
 
200
Bliznak, Karol (2020, S. 158–159).
 
201
Vgl. Schneider Steffen (2021) Reporting Pulse Check. – Welche Themen bewegen die Experten aus Controlling & Finance? URL: https://​www.​haufe.​de/​controlling/​controllerpraxis​/​reportingpulse-check-das-bewegt-finanzexperten_​112_​471720.​html vom 24.03.2021.
 
202
126 Vgl. Schmitz, Robert (2018). BI Scout: BI Trends 2019: Künstliche Intelligenz in Analytics-Szenarien integrieren URL: https://​www.​bi-scout.​com/​bi-trends-2019-integration-vonkuenstlicher-intelligenz-in-analytics-szenarien vom 21.03.2021.
 
203
Vgl. Roland Werner (2018) PwC Deutschland: Reporting 5.0. URL: https://​www.​pwc.​de/​de/​pressemitteilung​en/​2018/​pwclauncht-reporting-5-0.​html vom 18.03.2021.
 
204
Vgl. Pariser (2011) Eli Pariser: The Filter Bubble: What the Internet Is Hiding from You. Penguin Press, New York, 2011.
 
205
Vgl. BitKom (2017): Künstliche Intelligenz verstehen als Automation des Entscheidens. URL: https://​www.​bitkom.​org/​sites/​default/​files/​file/​import/​Bitkom-Leitfaden-KI-verstehen-als-Automation-des-Entscheidens-2-Mai-2017.​pdf vom 24.03.2021.
 
206
Vgl. Davenport und Kirby (2016, S. 21 ff.).
 
207
Vgl. Seufert (2014, S. 25).
 
208
Vgl. IDC (2011).
 
209
Vgl. Gesellschaft für Informatik et al. (2013).
 
210
Reinsel et al. (2018, S. 3).
 
211
Ähnliche Beispiele findet man in unterschiedlichen Quellen, u. a. Dorschel (2015, S. 109) und Bitkom (2013).
 
212
Vgl. z. B. BARC (2014, S. 23–24) und Dorschel u. a. (2015, S. 2) sowie Institut für Business Intelligence (2013).
 
213
Vgl. Finlay (2014, S. 13).
 
214
Vgl. IBM Institute for Business Value und Säid Business School (2012).
 
215
Vgl. Gartner (2015) und Brücher (2013, S. 41 ff.).
 
216
Vgl. Schroeck et al. (2015, S. 3 f.).
 
217
Vgl. Finlay (2014, S. 13) und Gesellschaft für Informatik et al. (2013).
 
218
Vgl. TECChannel (2014).
 
219
Vgl. Finlay (2014, S. 13).
 
220
Vgl. Sack (2013).
 
221
Vgl. Finlay (2014, S. 13).
 
222
Vgl. IBM Institute for Business Value und Säid Business School (2012, S. 4).
 
223
Vgl. Freiknecht (2014, S. 13).
 
224
Vgl. Kreutzer und Sirrenberg (2019, S. 78–80).
 
225
Vgl. z. B. Gluchowski und Chamoni (2016, S. 189).
 
226
Vgl. Brenckmann und Pöhling (2012).
 
227
Vgl. Gentsch (2018, S. 21–23) und Bauer (2020).
 
228
Vgl. Schmitz (2015, S. 236).
 
229
Vgl. Bitkom (2014, S. 21–24, 45–47).
 
230
Vgl. Walker-Morgan (2010).
 
231
Vgl. Sack (2013).
 
232
Fasel und Meier (2016, S. 6 f.).
 
233
NoSQL Databases (http://​nosql-database.​org/​. Zugegriffen am 15.12.2014).
 
234
Vgl. Warner (2007, S. 480–485).
 
235
Vgl. Edlich et al. (2010, S. 31–33).
 
236
Fasel und Meier (2016, S. 12).
 
237
Fasel und Meier (2016, S. 124).
 
238
Vgl. Freiknecht (2014, S. 20).
 
239
Vgl. Luber und Litzel (2017).
 
240
Vgl. Rouse (2014).
 
241
Vgl. Freiknecht (2014, S. 20) und Bitkom (2014, S. 39).
 
242
Vgl. Big Data Blog (2015).
 
243
Vgl. Kaufmann (2014, S. 369).
 
244
Vgl. Freiknecht (2014, S. 20).
 
245
Data Academy und Davenport (2008).
 
246
Vgl. Wartala (2012, S. 180–183).
 
247
Vgl. Müller (2014, S. 450) und Alexander und Grosser (2017).
 
248
Vgl. Berg und Silvia (2013, S. 41).
 
249
Vgl. Berg und Silvia (2013, S. 41).
 
250
Vgl. Alexander und Grosser (2017) und Intelligence.​de (2017).
 
252
Vgl. BARC (2014, S. 23–24).
 
253
Vgl. Baumöl und Berlitz (2014, S. 169).
 
254
Zum Beispiel SAP BW on Hana beim Schuhkonzern Reno, Schäfer (2014).
 
255
Vgl. Welker (2015).
 
256
Frietsch (2016, S. 169 f.).
 
257
Frietsch (2016, S. 171) und Seiter (2017, S. 83).
 
258
Vgl. Ballhorn (2017).
 
259
Auf die differenzierte Darstellung der Ebenen Staging, Cleansing, Core DWH und Data Marts wurde hier verzichtet. Vgl. Abb. 5.13.
 
260
Vgl. Ballhorn (2017).
 
261
Vgl. Gluchowski (2016, S. 277).
 
262
Vgl. Chamoni und Gluchowski (2017, S. 9) und Felden (2017, S. 1–8).
 
263
Vgl. Hortonworks (2013, S. 4).
 
264
Vgl. März und Warren (2015, S. 18 ff.).
 
265
Vgl. z. B. Inform (2017).
 
266
Vgl. Gartner (2016).
 
267
Vgl. Chamoni und Gluchowski (2017, S. 9).
 
268
Vgl. Langmann (2019a, S. 5–8).
 
269
Vgl. Chamoni und Gluchowski (2017, S. 8 ff.).
 
270
Vgl. z. B. Bissantz et al. (2000, S. 377–407).
 
271
Einige Autoren benutzen sogar beide Begriffe und die Kurzform BIA für Business Intelligence & Analytics. Diese Mischung zeigt m. E. wie unscharf die Begriffe verwendet werden. Vgl. Ereth und Kemper (2016, S. 458–464) und Chen et al. (2012, S. 1165–1188).
 
272
Vgl. Lanquillon und Mallow (2015, S. 55).
 
273
In Anlehnung an die Argumentation zu Felden (2017, S. 1–8).
 
274
Vgl. Möller et al. (2016, S. 509–518).
 
275
Vgl. Kemper et al. (2010, S. 9).
 
276
Vgl. Luber und Litzel (2019).
 
277
Vgl. hierzu auch Luber und Litzel (2019), Krishnan (2013, S. 191–195) und Iffert und Bange (2018).
 
278
Vgl. hierzu auch Luber und Litzel (2019) und Iffert und Bange (2018).
 
279
Vgl. Berg und Silvia (2013, S. 33–35).
 
280
Koglin (2016, S. 61 ff.).
 
281
Vgl. Merz et al. (2015, S. 153 ff. und 277).
 
282
Vgl. Haupt (2011).
 
283
Vgl. Merz et al. (2015, S. 259 ff.).
 
284
Vgl. @tfxz-Blog (2014).
 
285
Vgl. SAP SE (2013), Merkt et al. (2015) und Kessler et al. (2014, S. 31–37).
 
286
Erweitert zu Iffert (2017).
 
287
Vgl. BARC (2017) und BARC GUIDE (2020, S. 11).
 
288
Vgl. Zarinac (2016, S. 140 f.).
 
289
Vgl. Buschbacher et al. (2014, S. 90).
 
290
Vgl. Giegerich (2014, S. 321 f.).
 
291
Vgl. Bitkom (2013, S. 24 ff.).
 
292
Vgl. Mell und Grance (2011, S. 2–3) und Duisberg (2011, S. 49).
 
293
Vgl. Birk und Wegener (2010, S. 642).
 
294
Vgl. Bollmann und Zeppenfeld (2010, S. 4).
 
295
Vgl. Bollmann und Zeppenfeld (2010, S. 87–111).
 
296
Ultrabook ist ein eingetragenes Warenzeichen von Intel.
 
297
NN (2020, S. 9).
 
298
Vgl. Bollmann und Zeppenfeld (2010, S. 87–111).
 
299
Vgl. Lossau (2018, S. 1–5).
 
300
Vgl. Keist et al. (2016, S. 109–113). Der Unterschied ist ähnlich wie im Abschn. 5.10.5.1 und 5.10.5.2 für mobile Business-Anwendungen aufgeführt wurde.
 
301
Vgl. Mathew (2015, S. 1 ff.) und Engelbrecht und Wegelin (2015, S. 25).
 
302
Vgl. Krüger (2015, S. 204 ff.).
 
303
Vgl. hierzu folgende Quelle: SAP Fiori (2017b).
 
304
Vgl. Bensberg (2008, S. 72).
 
305
Vgl. Bensberg (2008, S. 75–79).
 
306
Vgl. Fuchß (2009, S. 137–151).
 
307
Vgl. Schill und Springer (2007, S. 265–271).
 
308
Vgl. SAP AG (2016, S. 5).
 
309
Vgl. Bensberg (2008, S. 76).
 
310
Vgl. Schill und Springer (2007, S. 274–280).
 
311
Vgl. Donie und Raeburn (2015).
 
312
Vgl. Kersten und Klett (2012, S. 103 ff.).
 
313
Vgl. Hansel (2015).
 
314
Vgl. Bensberg (2008, S. 77).
 
315
Vgl. Louis und Müller (2013, S. 23).
 
316
Vgl. Beckert et al. (2012, S. 139 f.) und Homann et al. (2013, S. 52 f.).
 
317
Vgl. Homann et al. (2013, S. 53 f.).
 
318
Vgl. Kemper et al. (2010, S. 251).
 
319
Vgl. Dresner Advisory Services LLC: Mobile Business Intelligence Market Study, 2010 und 2011. URL: http://​www.​microstrategy.​com/​mobile/​mobile-bi-landscape-dresner.​pdf (gesichtet am 25.07.2011). und URL: http://​www.​informationbuild​ers.​com/​pdf/​press/​dresner_​mobile_​bi_​2011.​pdf [Zugriff am 25.07.2011].
 
320
Vgl. BARC (2017). Trend Monitor 2017 http://​barc.​de/​trend-monitor. Zugegriffen am 29.07.2017.
 
321
Vgl. Jung (2011, S. 207–209).
 
322
Vgl. Bollmann und Zeppenfeld (2010, S. 42).
 
323
Vgl. Bensberg (2008, S. 76).
 
324
Vgl. Lopez (2009, S. 2).
 
325
Vgl. Bollmann und Zeppenfeld (2010, S. 127–130).
 
326
Vgl. Kersten und Klett (2012, S. 103 ff.).
 
327
Vgl. Bensberg (2008, S. 77).
 
328
Vgl. Dresner Advisory Services LLC (2011, S. 23).
 
329
Vgl. Bensberg (2008, S. 72–79).
 
Literature
go back to reference Alexander, S., A. Haisermann, T. Schabicki, und S. Frank. 2018. Robotic Process Automation (RPA) im Rechnungswesen und Controlling – welche Chancen ergeben sich? Controlling 30(3): 11–19. CrossRef Alexander, S., A. Haisermann, T. Schabicki, und S. Frank. 2018. Robotic Process Automation (RPA) im Rechnungswesen und Controlling – welche Chancen ergeben sich? Controlling 30(3): 11–19. CrossRef
go back to reference Allweyer, T. 2016. Robotic Process Automation – Neue Perspektiven durch Robotic Process Automation. Kaiserslautern: Fachbereich Informatik und Mikrosystemtechnik – Hochschule Kaiserslautern. Allweyer, T. 2016. Robotic Process Automation – Neue Perspektiven durch Robotic Process Automation. Kaiserslautern: Fachbereich Informatik und Mikrosystemtechnik – Hochschule Kaiserslautern.
go back to reference Alpar, P., und J. Niedereichholz, Hrsg. 2000. Data Mining im praktischen Einsatz. Braunschweig: Springer Viewg. Alpar, P., und J. Niedereichholz, Hrsg. 2000. Data Mining im praktischen Einsatz. Braunschweig: Springer Viewg.
go back to reference Apel, D., W. Behme, R. Eberlein, und C. Merighi. 2009. Datenqualität erfolgreich steuern. München/Wien: dpunkt. Apel, D., W. Behme, R. Eberlein, und C. Merighi. 2009. Datenqualität erfolgreich steuern. München/Wien: dpunkt.
go back to reference Azevedo, P., G. Brosius, S. Dehnert, et al. 2005. Business Intelligence und Reporting mit Microsoft SQL-Server. Heidelberg: Microsoft Press/dpunkt.verlag GmbH. Azevedo, P., G. Brosius, S. Dehnert, et al. 2005. Business Intelligence und Reporting mit Microsoft SQL-Server. Heidelberg: Microsoft Press/dpunkt.verlag GmbH.
go back to reference Baars, H. 2016. Predictive Analytics in der IT-basierten Entscheidungsunterstützung – methodische, architektonische und organisatorische Konsequenzen. Controlling 28(3): 174–180. Baars, H. 2016. Predictive Analytics in der IT-basierten Entscheidungsunterstützung – methodische, architektonische und organisatorische Konsequenzen. Controlling 28(3): 174–180.
go back to reference Bange, C., B. Marr, und A. Bange. 2009. Performance Management: eine weltweite Umfrage. BARC-Studie August. Bange, C., B. Marr, und A. Bange. 2009. Performance Management: eine weltweite Umfrage. BARC-Studie August.
go back to reference Bange, C., et al. 2013. Architektur. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, Hrsg. A. Bauer und H. Günzel, 4. Aufl., 5–180. Heidelberg: dpunkt. Bange, C., et al. 2013. Architektur. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, Hrsg. A. Bauer und H. Günzel, 4. Aufl., 5–180. Heidelberg: dpunkt.
go back to reference BARC. 2020. BARC GUIDE Data, BI & Analytics 2020. Würzburg: BARC GmbH. BARC. 2020. BARC GUIDE Data, BI & Analytics 2020. Würzburg: BARC GmbH.
go back to reference Barton, T., C. Müller, und C. Seel, Hrsg. 2018. Digitalisierung in Unternehmen. Von den theoretischen Ansätzen zur praktischen Umsetzung. Wiesbaden: SpringerVieweg. Barton, T., C. Müller, und C. Seel, Hrsg. 2018. Digitalisierung in Unternehmen. Von den theoretischen Ansätzen zur praktischen Umsetzung. Wiesbaden: SpringerVieweg.
go back to reference Bauer, A., und H. Günzel. 2013. Data Warehouse Systeme; Architektur, Entwicklung und Anwendung, 4. Aufl. Heidelberg: dpunkt. Bauer, A., und H. Günzel. 2013. Data Warehouse Systeme; Architektur, Entwicklung und Anwendung, 4. Aufl. Heidelberg: dpunkt.
go back to reference Baumöl, U., und P.-D. Berlitz. 2014. Big Data als Entscheidungsunterstützung – Herausforderungen und Potenziale. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 159–176. Freiburg: Haufe. Baumöl, U., und P.-D. Berlitz. 2014. Big Data als Entscheidungsunterstützung – Herausforderungen und Potenziale. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 159–176. Freiburg: Haufe.
go back to reference Beckert, A., S. Beckert, und B. Escherisch. 2012. Mobile Lösungen mit SAP. Bonn: Galileo Press. Beckert, A., S. Beckert, und B. Escherisch. 2012. Mobile Lösungen mit SAP. Bonn: Galileo Press.
go back to reference Behme, W. 1996. Business Intelligence als Baustein des Geschäftserfolgs. In Das Data Warehouse-Konzept – Architektur-Datenmodelle-Anwendungen, Hrsg. H. Mucksch und W. Behme, 27–46. Wiesbaden: Springer Gabler. CrossRef Behme, W. 1996. Business Intelligence als Baustein des Geschäftserfolgs. In Das Data Warehouse-Konzept – Architektur-Datenmodelle-Anwendungen, Hrsg. H. Mucksch und W. Behme, 27–46. Wiesbaden: Springer Gabler. CrossRef
go back to reference Behme, W., und H. Mucksch. 1997. Die Notwendigkeit einer entscheidungsorientierten Informationsversorgung. In Das Data Warehouse-Konzept: Architektur – Datenmodelle – Anwendungen, Hrsg. W. Behme und H. Mucksch, 2. Aufl. Wiesbaden: Springer Gabler. Behme, W., und H. Mucksch. 1997. Die Notwendigkeit einer entscheidungsorientierten Informationsversorgung. In Das Data Warehouse-Konzept: Architektur – Datenmodelle – Anwendungen, Hrsg. W. Behme und H. Mucksch, 2. Aufl. Wiesbaden: Springer Gabler.
go back to reference Behme, W., J. Holthuis, und H. Mucksch. 2000. Umsetzung multidimensionaler Strukturen. In Das Data Warehouse-Konzept – Architektur-Datenmodelle-Anwendungen, Hrsg. H. Mucksch und W. Behme, 4. Aufl., 215–242. Wiesbaden: Springer Gabler. CrossRef Behme, W., J. Holthuis, und H. Mucksch. 2000. Umsetzung multidimensionaler Strukturen. In Das Data Warehouse-Konzept – Architektur-Datenmodelle-Anwendungen, Hrsg. H. Mucksch und W. Behme, 4. Aufl., 215–242. Wiesbaden: Springer Gabler. CrossRef
go back to reference Bensberg, F. 2008. Mobile Business Intelligence – Besonderheiten, Potenziale und prozessorientierte Gestaltung. In Erfolgsfaktoren des Mobilen Marketing, Hrsg. H. H. Bauer, T. Dirks und M. D. Bryant. Berlin: Springer. Bensberg, F. 2008. Mobile Business Intelligence – Besonderheiten, Potenziale und prozessorientierte Gestaltung. In Erfolgsfaktoren des Mobilen Marketing, Hrsg. H. H. Bauer, T. Dirks und M. D. Bryant. Berlin: Springer.
go back to reference Berg, B., und P. Silvia. 2013. Einführung in SAP HANA, 2. Aufl. Bonn: Galileo Press. Berg, B., und P. Silvia. 2013. Einführung in SAP HANA, 2. Aufl. Bonn: Galileo Press.
go back to reference Berry, M. W., A. Mohamed, und B. W. Yao. 2018. Supervised and unsupervised learning for data science. Switzerland: Cham. Berry, M. W., A. Mohamed, und B. W. Yao. 2018. Supervised and unsupervised learning for data science. Switzerland: Cham.
go back to reference Birk, W., und C. Wegener. 2010. Über den Wolken: Cloud Computing im Überblick. DuD Datenschutz und Datensicherheit 34(9): 641–645. Springer Gabler. Birk, W., und C. Wegener. 2010. Über den Wolken: Cloud Computing im Überblick. DuD Datenschutz und Datensicherheit 34(9): 641–645. Springer Gabler.
go back to reference Bissantz, N., J. Hagedorn, und P. Mertens. 2000. Data mining. In Das Data Warehouse-Konzept, Hrsg. H. Muksch und W. Behme, 4. Aufl., 377–407. Wiesbaden: Springer Gabler. CrossRef Bissantz, N., J. Hagedorn, und P. Mertens. 2000. Data mining. In Das Data Warehouse-Konzept, Hrsg. H. Muksch und W. Behme, 4. Aufl., 377–407. Wiesbaden: Springer Gabler. CrossRef
go back to reference Bissantz, N., J. Hagedorn, et al. 2001. Data mining. In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 4. Aufl., 130–131. Wiesbaden: Springer. Bissantz, N., J. Hagedorn, et al. 2001. Data mining. In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 4. Aufl., 130–131. Wiesbaden: Springer.
go back to reference Bliznak, Karol. 2020. SAP Analytics Cloud und SAP Digital Boardroom: Machine Learning und intelligente Assistenten erleichtern Echtzeitsteuerung. In Reporting und Business Analytics, Hrsg. Andreas Klein und Jens Gräf, 153–173. Stuttgart: Haufe Group. Bliznak, Karol. 2020. SAP Analytics Cloud und SAP Digital Boardroom: Machine Learning und intelligente Assistenten erleichtern Echtzeitsteuerung. In Reporting und Business Analytics, Hrsg. Andreas Klein und Jens Gräf, 153–173. Stuttgart: Haufe Group.
go back to reference Bollmann, T., und K. Zeppenfeld. 2010. Mobile Computing – Hardware, Software, Kommunikation, Sicherheit, Programmierung. Witten: W3L GmbH. Bollmann, T., und K. Zeppenfeld. 2010. Mobile Computing – Hardware, Software, Kommunikation, Sicherheit, Programmierung. Witten: W3L GmbH.
go back to reference Brücher, C. 2013. Rethink big data. Heidelberg: mitp. Brücher, C. 2013. Rethink big data. Heidelberg: mitp.
go back to reference Buck-Emden, R. 1995. Die Client/Server-Technologie des SAP R/3: Basis für betriebswirtschaftliche Standardanwendungen, 2. Aufl. Bonn/Paris: Addison Wesley Verlag. Buck-Emden, R. 1995. Die Client/Server-Technologie des SAP R/3: Basis für betriebswirtschaftliche Standardanwendungen, 2. Aufl. Bonn/Paris: Addison Wesley Verlag.
go back to reference Burow, L., J. Leyk, und C. Briem. 2014. Das Experten-Interview zum Thema „Controlling und Big Data“. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 13–20. Freiburg: Haufe. Burow, L., J. Leyk, und C. Briem. 2014. Das Experten-Interview zum Thema „Controlling und Big Data“. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 13–20. Freiburg: Haufe.
go back to reference Buschbacher, F., R. Konrad, B. Mußmann, und M. Weber. 2014. Big Data-Projekte: Vorgehen, Erfolgsfaktoren und Risiken. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 83–106. Freiburg: Haufe. Buschbacher, F., R. Konrad, B. Mußmann, und M. Weber. 2014. Big Data-Projekte: Vorgehen, Erfolgsfaktoren und Risiken. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 83–106. Freiburg: Haufe.
go back to reference Buxmann, P., und H. Schmidt. 2019. Künstliche Intelligenz – Mit Algorithmen zum wirtschaftlichen Erfolg. Berlin: SpringerGabler. Buxmann, P., und H. Schmidt. 2019. Künstliche Intelligenz – Mit Algorithmen zum wirtschaftlichen Erfolg. Berlin: SpringerGabler.
go back to reference Caesar, D., und M. Friebel. 2011. Microsoft SQL Server 2008 R2: Schnelleinstieg für Administratoren und Entwickler. Bonn: Galileo Computing. Caesar, D., und M. Friebel. 2011. Microsoft SQL Server 2008 R2: Schnelleinstieg für Administratoren und Entwickler. Bonn: Galileo Computing.
go back to reference Chamoni, P., und P. Gluchowski. 2004. Integrationstrends bei Business-Intelligence-Systemen. Wirtschaftsinformatik 46(2): 119–128. CrossRef Chamoni, P., und P. Gluchowski. 2004. Integrationstrends bei Business-Intelligence-Systemen. Wirtschaftsinformatik 46(2): 119–128. CrossRef
go back to reference Chamoni, P., und P. Gluchowski. 2017. Business analytics – State of the art. Zeitschrift für Controlling Management Review 61(4): 8–17, 9. CrossRef Chamoni, P., und P. Gluchowski. 2017. Business analytics – State of the art. Zeitschrift für Controlling Management Review 61(4): 8–17, 9. CrossRef
go back to reference Chamoni, P., et al. 1997. Online analytical processing (OLAP). In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 3. Aufl. Berlin: Springer. Chamoni, P., et al. 1997. Online analytical processing (OLAP). In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 3. Aufl. Berlin: Springer.
go back to reference Chamoni, P., F. Beekmann, und Bley. 2010. Ausgewählte Verfahren des Data Mining. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl. Berlin/Heidelberg: Springer. CrossRef Chamoni, P., F. Beekmann, und Bley. 2010. Ausgewählte Verfahren des Data Mining. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl. Berlin/Heidelberg: Springer. CrossRef
go back to reference Chen, H., R. H. Chiang, und V. C. Storey. 2012. Business intelligence und analytics – From big data to big impact. MIS Quarterly 36(4): 1165–1188. CrossRef Chen, H., R. H. Chiang, und V. C. Storey. 2012. Business intelligence und analytics – From big data to big impact. MIS Quarterly 36(4): 1165–1188. CrossRef
go back to reference Cleve, J., und U. Lämmel. 2014. Data mining, 57–192. München: de Gruyter Oldenbourg. CrossRef Cleve, J., und U. Lämmel. 2014. Data mining, 57–192. München: de Gruyter Oldenbourg. CrossRef
go back to reference Codd, E. F., S. B. Codd, und C. T. Salley. 1993. Providing OLAP to user-analysts: An IT mandate. Ann Arbor: Codd & Associates. Codd, E. F., S. B. Codd, und C. T. Salley. 1993. Providing OLAP to user-analysts: An IT mandate. Ann Arbor: Codd & Associates.
go back to reference Dahnken, O., P. Keller, J. Narr, und C. Bange. 2003. Software im Vergleich – Integrierte Unternehmensplanung. München: Oxygon. Dahnken, O., P. Keller, J. Narr, und C. Bange. 2003. Software im Vergleich – Integrierte Unternehmensplanung. München: Oxygon.
go back to reference Dahnken, O., P. Keller, J. Narr, und C. Bange. 2004. Planung und Budgetierung, 21 Software-Plattform zum Aufbau unternehmensweiter Planungsapplikationen. München: Oxygon. Dahnken, O., P. Keller, J. Narr, und C. Bange. 2004. Planung und Budgetierung, 21 Software-Plattform zum Aufbau unternehmensweiter Planungsapplikationen. München: Oxygon.
go back to reference Davenport, T., und J. Kirby. 2016. Just how smart are machines? MIT Sloan Management Review 57(3): 21–25. Davenport, T., und J. Kirby. 2016. Just how smart are machines? MIT Sloan Management Review 57(3): 21–25.
go back to reference Determann, L., und M. Rey. 1999. Chancen und Grenzen des Data Mining im Controlling. Controlling 11(2): 43–147. Determann, L., und M. Rey. 1999. Chancen und Grenzen des Data Mining im Controlling. Controlling 11(2): 43–147.
go back to reference Diamant Software. 2021. Management-Dashboard und Isi-Sprachassistent mit Diamant/4. Bielefeld: Diamant Software GmbH. Diamant Software. 2021. Management-Dashboard und Isi-Sprachassistent mit Diamant/4. Bielefeld: Diamant Software GmbH.
go back to reference Donie, P., und B. Raeburn. 2015. Mobiles Arbeiten – Verbindungsmacher. Business Intelligence Magazin 1:48–49. Donie, P., und B. Raeburn. 2015. Mobiles Arbeiten – Verbindungsmacher. Business Intelligence Magazin 1:48–49.
go back to reference Dorschel, J. 2015. Praxisbuch Big Data. Karlsruhe: Springer Gabler. Dorschel, J. 2015. Praxisbuch Big Data. Karlsruhe: Springer Gabler.
go back to reference Duisberg, A. 2011. Gelöste und ungelöste Rechtsfragen im IT-Outsourcing und Cloud Computing. In Trust in IT – Wann vertrauen Sie ihr Geschäft der Internet-Cloud an? Hrsg. A. Picot, U. Hertz und T. Götz, 9–70. Berlin: Springer. Duisberg, A. 2011. Gelöste und ungelöste Rechtsfragen im IT-Outsourcing und Cloud Computing. In Trust in IT – Wann vertrauen Sie ihr Geschäft der Internet-Cloud an? Hrsg. A. Picot, U. Hertz und T. Götz, 9–70. Berlin: Springer.
go back to reference Düsing, R., und C. Heidsieck. 2009. Analysephase. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, Hrsg. A. Bauer und H. Günzel, 3. Aufl., 104–127. Heidelberg: dpunkt. Düsing, R., und C. Heidsieck. 2009. Analysephase. In Data-Warehouse-Systeme: Architektur, Entwicklung, Anwendung, Hrsg. A. Bauer und H. Günzel, 3. Aufl., 104–127. Heidelberg: dpunkt.
go back to reference Eckerson, W. 2007. Predictive analytics: Extending the value of your data warehousing investment. TDWI Best Practices Report, TDWI Research. Eckerson, W. 2007. Predictive analytics: Extending the value of your data warehousing investment. TDWI Best Practices Report, TDWI Research.
go back to reference Edlich, S., et al. 2010. NOSQL: Einstieg in die Welt nichtrationaler Web 2.0 Datenbanken. München: Hanser. Edlich, S., et al. 2010. NOSQL: Einstieg in die Welt nichtrationaler Web 2.0 Datenbanken. München: Hanser.
go back to reference Egger, N., J. M. Fiechter, C. Rohlf, J. Rose, und S. Weber. 2005. SAP BW Planung und Simulation. Bonn: Galileo Press. Egger, N., J. M. Fiechter, C. Rohlf, J. Rose, und S. Weber. 2005. SAP BW Planung und Simulation. Bonn: Galileo Press.
go back to reference Egger, N., Kästner Hastenrath, Kramer, et al. 2009. Reporting und Analyse mit SAP Business Objects. Bonn: Galileo Press. Egger, N., Kästner Hastenrath, Kramer, et al. 2009. Reporting und Analyse mit SAP Business Objects. Bonn: Galileo Press.
go back to reference Elmasri, R., und S. B. Navathe. 2007. Fundamentals of database systems, 5. Aufl. Bosten: Addison Wesley. Elmasri, R., und S. B. Navathe. 2007. Fundamentals of database systems, 5. Aufl. Bosten: Addison Wesley.
go back to reference Engelbrecht, M., und M. Wegelin. 2015. SAP Fiori: Implementierung und Entwicklung. Bonn: SAP Press. Engelbrecht, M., und M. Wegelin. 2015. SAP Fiori: Implementierung und Entwicklung. Bonn: SAP Press.
go back to reference Engels, C. 2015. Basiswissen business intelligence, 2. Aufl. Dortmund: W3I. Engels, C. 2015. Basiswissen business intelligence, 2. Aufl. Dortmund: W3I.
go back to reference Ereth, J., und H.-G. Kemper. 2016. Business analytics und business intelligence. Zeitschrift für Controlling 28:458–464. CrossRef Ereth, J., und H.-G. Kemper. 2016. Business analytics und business intelligence. Zeitschrift für Controlling 28:458–464. CrossRef
go back to reference Ertel, W. 2016. Grundkurs Künstliche Intelligenz – Eine praxisorientierte Einführung, 4. Aufl. Wiesbaden: SpringerVieweg. Ertel, W. 2016. Grundkurs Künstliche Intelligenz – Eine praxisorientierte Einführung, 4. Aufl. Wiesbaden: SpringerVieweg.
go back to reference Fasel, D., und A. Meier, Hrsg. 2016. Big Data Grundlagen, Systeme und Nutzungspotenziale. Wiesbaden: Springer Vieweg. Fasel, D., und A. Meier, Hrsg. 2016. Big Data Grundlagen, Systeme und Nutzungspotenziale. Wiesbaden: Springer Vieweg.
go back to reference Feindt, B. J. 2014. Die E-Bilanz in kleinen und mittleren Unternehmen (KMU). Wiesbaden: Springer Gabler. CrossRef Feindt, B. J. 2014. Die E-Bilanz in kleinen und mittleren Unternehmen (KMU). Wiesbaden: Springer Gabler. CrossRef
go back to reference Feindt, M., und D. Grüßling. 2014. Strategische Entscheidungen mit automatisierten Prognosen operativ umsetzen. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 177–188. Freiburg: Haufe. Feindt, M., und D. Grüßling. 2014. Strategische Entscheidungen mit automatisierten Prognosen operativ umsetzen. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 177–188. Freiburg: Haufe.
go back to reference Felden, C. 2010. Predictive analytics. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 307–328. Berlin/Heidelberg: Springer. CrossRef Felden, C. 2010. Predictive analytics. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 307–328. Berlin/Heidelberg: Springer. CrossRef
go back to reference Finlay, S. 2014. Predicitve analytics, data mining and big data: Myths, misconceptions and methods. New York: Palgrave Macmillan. CrossRef Finlay, S. 2014. Predicitve analytics, data mining and big data: Myths, misconceptions and methods. New York: Palgrave Macmillan. CrossRef
go back to reference Folkers, A. 2019. Grundlagen des Deep Learning. Wiesbaden: Springer Spektrum. Folkers, A. 2019. Grundlagen des Deep Learning. Wiesbaden: Springer Spektrum.
go back to reference Friedl, G. 2019. Künstliche Intelligenz im Controlling. Zeitschrift für Controlling 31(5): 35–38. Friedl, G. 2019. Künstliche Intelligenz im Controlling. Zeitschrift für Controlling 31(5): 35–38.
go back to reference Freiknecht, J. 2014. Big Data in der Praxis – Lösungen mit Hadoop, HBase und Hive – Daten speichern, aufbereiten, visualisieren. München: Hanser. Freiknecht, J. 2014. Big Data in der Praxis – Lösungen mit Hadoop, HBase und Hive – Daten speichern, aufbereiten, visualisieren. München: Hanser.
go back to reference Frietsch, H. 2016. BI und Big Data in einer ausbalancierten Architektur. In Business Intelligence erfolgreich umsetzen, Hrsg. M. Lang, 163–177. Düsseldorf: Symposion. Frietsch, H. 2016. BI und Big Data in einer ausbalancierten Architektur. In Business Intelligence erfolgreich umsetzen, Hrsg. M. Lang, 163–177. Düsseldorf: Symposion.
go back to reference Frochte, J. 2019. Maschinelles Lernen: Grundlagen und Algorithmen in Python, 2. Aufl. Hamburg: HANSER. Frochte, J. 2019. Maschinelles Lernen: Grundlagen und Algorithmen in Python, 2. Aufl. Hamburg: HANSER.
go back to reference Fuchß, T. 2009. Mobile Computing – Grundlagen und Konzepte für mobile Anwendungen. München: Hanser. CrossRef Fuchß, T. 2009. Mobile Computing – Grundlagen und Konzepte für mobile Anwendungen. München: Hanser. CrossRef
go back to reference Gabriel, R., P. Chamoni, und P. Gluchowski. 2000. Data Warehouse und OLAP – analyseorientierte Informationssysteme für das Management. Zeitschrift für betriebswirtschaftliche Forschung 52(2): 74–93. Gabriel, R., P. Chamoni, und P. Gluchowski. 2000. Data Warehouse und OLAP – analyseorientierte Informationssysteme für das Management. Zeitschrift für betriebswirtschaftliche Forschung 52(2): 74–93.
go back to reference Gabriel, R., P. Gluchowski, und A. Pastwa. 2009. Data warehouse & data mining. Herdecke/Witten: W3I. Gabriel, R., P. Gluchowski, und A. Pastwa. 2009. Data warehouse & data mining. Herdecke/Witten: W3I.
go back to reference Gehra, B. 2005. Früherkennung mit Business-Intelligence-Technologien. Anwendung und Wirtschaftlichkeit der Nutzung operativer Datenbestände. Diss. Wiesbaden. Gehra, B. 2005. Früherkennung mit Business-Intelligence-Technologien. Anwendung und Wirtschaftlichkeit der Nutzung operativer Datenbestände. Diss. Wiesbaden.
go back to reference Geißner, W., und M. Wolfrum. 2015. Szenario-Analyse und Simulation: ein Fallbeispiel mit Excel und Crystal Ball. Der Controlling-Berater 17:241–264. Geißner, W., und M. Wolfrum. 2015. Szenario-Analyse und Simulation: ein Fallbeispiel mit Excel und Crystal Ball. Der Controlling-Berater 17:241–264.
go back to reference Gentsch, P. 2018. Künstliche Intelligenz für Sales, Marketing und Service. Wiesbaden: Springer. CrossRef Gentsch, P. 2018. Künstliche Intelligenz für Sales, Marketing und Service. Wiesbaden: Springer. CrossRef
go back to reference Gentsch, P. 2019. Künstliche Intelligenz für Sales, Marketing und Service, 2. Aufl. Wiesbaden: Springer Gabler. Gentsch, P. 2019. Künstliche Intelligenz für Sales, Marketing und Service, 2. Aufl. Wiesbaden: Springer Gabler.
go back to reference Giegerich, H.-J. 2014. IT-Sicherheitsmanagement in der Cloud. Controlling 6:320–324. CrossRef Giegerich, H.-J. 2014. IT-Sicherheitsmanagement in der Cloud. Controlling 6:320–324. CrossRef
go back to reference Gleich, R. 2001. Das System des Performance Measurement. Theoretisches Grundkonzept, Entwicklungs- und Anwendungsstand. München: Vahlen. Gleich, R. 2001. Das System des Performance Measurement. Theoretisches Grundkonzept, Entwicklungs- und Anwendungsstand. München: Vahlen.
go back to reference Gleich, R., und M. Tschandl. 2018. Digitalisierung & Controlling. Freiburg: HAUFE. Gleich, R., und M. Tschandl. 2018. Digitalisierung & Controlling. Freiburg: HAUFE.
go back to reference Gluchowski, P. 2001. Business intelligence. HDM – Praxis der Wirtschaftsinformatik 38(222): 5–15. Gluchowski, P. 2001. Business intelligence. HDM – Praxis der Wirtschaftsinformatik 38(222): 5–15.
go back to reference Gluchowski, P. 2010. Techniken und Werkzeuge zur Unterstützung des betrieblichen Berichtswesens. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 259–280. Berlin/Heidelberg: Springer. CrossRef Gluchowski, P. 2010. Techniken und Werkzeuge zur Unterstützung des betrieblichen Berichtswesens. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 259–280. Berlin/Heidelberg: Springer. CrossRef
go back to reference Gluchowski, P. 2016. Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. HMD Praxis der Wirtschaftsinformatik 53(3): 273–286. CrossRef Gluchowski, P. 2016. Business Analytics – Grundlagen, Methoden und Einsatzpotenziale. HMD Praxis der Wirtschaftsinformatik 53(3): 273–286. CrossRef
go back to reference Gluchowski, P., und P. Chamoni. 2016. Analytische Informationssysteme: Business-Intelligence-Technologien und -Anwendungen. Wiesbaden: Springer. CrossRef Gluchowski, P., und P. Chamoni. 2016. Analytische Informationssysteme: Business-Intelligence-Technologien und -Anwendungen. Wiesbaden: Springer. CrossRef
go back to reference Gluchowski, P., R. Gabriel, und C. Dittmar. 2008. Management support systeme und business intelligence, 2. Aufl. Berlin/Heidelberg: Springer. Gluchowski, P., R. Gabriel, und C. Dittmar. 2008. Management support systeme und business intelligence, 2. Aufl. Berlin/Heidelberg: Springer.
go back to reference Goecken, M. 2006. Entwicklung von Data-Warehouse-Systemen. Wiesbaden: Vieweg+Teubner. Goecken, M. 2006. Entwicklung von Data-Warehouse-Systemen. Wiesbaden: Vieweg+Teubner.
go back to reference Hahne, M. 2005. SAP business information warehouse. Berlin/Heidelberg: Springer. Hahne, M. 2005. SAP business information warehouse. Berlin/Heidelberg: Springer.
go back to reference Hahne, M. 2016. Architekturkonzepte und Modellierungsverfahren für BI-Systeme. In Analytische Informationssysteme: Business Intelligence-Technologien und -Anwendungen, Hrsg. P. Gluchowski und P. Chamoni, Bd. 5, 147–184. Berlin: Springer. CrossRef Hahne, M. 2016. Architekturkonzepte und Modellierungsverfahren für BI-Systeme. In Analytische Informationssysteme: Business Intelligence-Technologien und -Anwendungen, Hrsg. P. Gluchowski und P. Chamoni, Bd. 5, 147–184. Berlin: Springer. CrossRef
go back to reference Hammann, P., und B. Erichson. 2006. Marktforschung, 4. Aufl. Stuttgart: UTB. Hammann, P., und B. Erichson. 2006. Marktforschung, 4. Aufl. Stuttgart: UTB.
go back to reference Hammer, R. M. 1998. Strategische Planung und Frühaufklärung, 3. Aufl. München: de Gruyter Oldenbourg. CrossRef Hammer, R. M. 1998. Strategische Planung und Frühaufklärung, 3. Aufl. München: de Gruyter Oldenbourg. CrossRef
go back to reference Hanning, U., Hrsg. 2008. Vom data warehouse zum corporate performance management. Ludwigshafen: Institut für managementinformationssysteme e. V. Hanning, U., Hrsg. 2008. Vom data warehouse zum corporate performance management. Ludwigshafen: Institut für managementinformationssysteme e. V.
go back to reference Hansel, S. 2015. Langsamer Abschied vom Laisser-faire. Wirtschaftswoche 12:58–62. Hansel, S. 2015. Langsamer Abschied vom Laisser-faire. Wirtschaftswoche 12:58–62.
go back to reference Hesseler, M. 2009. Costumizing von ERP-Systemen. Zeitschrift für Controlling & Management 53(Sonderheft 3): 48–55. CrossRef Hesseler, M. 2009. Costumizing von ERP-Systemen. Zeitschrift für Controlling & Management 53(Sonderheft 3): 48–55. CrossRef
go back to reference Hesseler, M., und M. Görtz. 2007. Basiswissen ERP-Systeme. Witten: Herdecke. Hesseler, M., und M. Görtz. 2007. Basiswissen ERP-Systeme. Witten: Herdecke.
go back to reference Heuer, A., et al. 2001. Datenbanksysteme in Büro, Technik und Wissenschaft. 9. GI-Fachtagung Oldenburg, Berlin/Heidelberg, 7.–9. März 2001. Heuer, A., et al. 2001. Datenbanksysteme in Büro, Technik und Wissenschaft. 9. GI-Fachtagung Oldenburg, Berlin/Heidelberg, 7.–9. März 2001.
go back to reference Homann, M., H. Wittges, und H. Krcmar. 2013. Entwicklung mobiler Anwendung für SAP. Bonn: Galileo Press. Homann, M., H. Wittges, und H. Krcmar. 2013. Entwicklung mobiler Anwendung für SAP. Bonn: Galileo Press.
go back to reference Horváth, P. 2008. Controlling, 11. Aufl. München: Vahlen. Horváth, P. 2008. Controlling, 11. Aufl. München: Vahlen.
go back to reference Hotho, A., A. Nürnberger, und G. Paaß. 2005. A brief survey of text mining. Zeitschrift für Computerlinguistik und Sprachtechnologie 20(1): 19–62. Hotho, A., A. Nürnberger, und G. Paaß. 2005. A brief survey of text mining. Zeitschrift für Computerlinguistik und Sprachtechnologie 20(1): 19–62.
go back to reference Humm, B., und F. Wietek. 2005. Architektur von Data Warehouses und Business Intelligence Systemen. Informatik Spektrum 23(2): 3–14. CrossRef Humm, B., und F. Wietek. 2005. Architektur von Data Warehouses und Business Intelligence Systemen. Informatik Spektrum 23(2): 3–14. CrossRef
go back to reference IBM Consulting Services. 2003. SAP Berechtigungswesen. Bonn: SAP Press. IBM Consulting Services. 2003. SAP Berechtigungswesen. Bonn: SAP Press.
go back to reference Institut für Business Intelligence. 2013. Studie Competing on Analytics 2013: Herausforderungen – Potentiale und Wertbeiträge von Business Intelligence und Big Data. Ludwigshafen: Steinbeis TransferinstitutInstitut für Business Intelligence (IBI). Institut für Business Intelligence. 2013. Studie Competing on Analytics 2013: Herausforderungen – Potentiale und Wertbeiträge von Business Intelligence und Big Data. Ludwigshafen: Steinbeis TransferinstitutInstitut für Business Intelligence (IBI).
go back to reference Jetter, W. 2004. Performance management, 2. Aufl. Stuttgart: Schäffer-Poeschel. Jetter, W. 2004. Performance management, 2. Aufl. Stuttgart: Schäffer-Poeschel.
go back to reference Jordan, C., und D. Schnider. 2011. Data warehousing mit oracle: business intelligence in der praxis. München: Hanser. Jordan, C., und D. Schnider. 2011. Data warehousing mit oracle: business intelligence in der praxis. München: Hanser.
go back to reference Kaufmann, M. 2014. Die Geister die wir riefen. In Big data, Hrsg. D. Fasel und A. Meier, 383–400. Wiesbaden: Springer Vieweg. Kaufmann, M. 2014. Die Geister die wir riefen. In Big data, Hrsg. D. Fasel und A. Meier, 383–400. Wiesbaden: Springer Vieweg.
go back to reference Keist, N.-K., S. Benisch, und C. Müller. 2016. Möglichkeiten und Grenzen der plattformübergreifenden App-Entwicklung. In Mobile Anwendungen in Unternehmen, Hrsg. T. Barton, C. Müller und C. Seel, 109–119. Wiesbaden: Springer Vieweg. CrossRef Keist, N.-K., S. Benisch, und C. Müller. 2016. Möglichkeiten und Grenzen der plattformübergreifenden App-Entwicklung. In Mobile Anwendungen in Unternehmen, Hrsg. T. Barton, C. Müller und C. Seel, 109–119. Wiesbaden: Springer Vieweg. CrossRef
go back to reference Kemper, H. G., H. Baars, und W. Mehanna. 2010. Business Intelligence – Grundlagen und praktische Anwendungen, 3. Aufl. Wiesbaden: Springer Vieweg. CrossRef Kemper, H. G., H. Baars, und W. Mehanna. 2010. Business Intelligence – Grundlagen und praktische Anwendungen, 3. Aufl. Wiesbaden: Springer Vieweg. CrossRef
go back to reference Kersten, H., und G. Klett. 2012. Mobile device management. Heidelberg: mitp. Kersten, H., und G. Klett. 2012. Mobile device management. Heidelberg: mitp.
go back to reference Kessler, T., T. Hügens, F. Delgehausen, M. Abdel Hadi, und V. G. Saiz Castillo. 2014. Reporting mit SAP BW® und SAP BusinessObjects™, 2. Aufl. Bonn: Galileo Press. Kessler, T., T. Hügens, F. Delgehausen, M. Abdel Hadi, und V. G. Saiz Castillo. 2014. Reporting mit SAP BW® und SAP BusinessObjects™, 2. Aufl. Bonn: Galileo Press.
go back to reference King, S. 2014. Big Data – Potential und Barrieren der Nutzung im Unternehmenskontext. Wiesbaden: Springer VS. King, S. 2014. Big Data – Potential und Barrieren der Nutzung im Unternehmenskontext. Wiesbaden: Springer VS.
go back to reference Knapp, P., und F. Kusterer. 1996. Weltweit einsatzfähige Führungsinformationssysteme, Umsetzungen und Anforderungen. In Tagungsband zum 11. Deutschen Controlling Congress, Hrsg. T. Reichmann, 219–244. Düsseldorf: Gesellschaft für Controlling e. V. Knapp, P., und F. Kusterer. 1996. Weltweit einsatzfähige Führungsinformationssysteme, Umsetzungen und Anforderungen. In Tagungsband zum 11. Deutschen Controlling Congress, Hrsg. T. Reichmann, 219–244. Düsseldorf: Gesellschaft für Controlling e. V.
go back to reference Knöll, H. D., C. Schulz-Sacharow, und M. Zimpe. 2006. Unternehmensplanung mit SAP BI. Wiesbaden: Vieweg+Teubner. Knöll, H. D., C. Schulz-Sacharow, und M. Zimpe. 2006. Unternehmensplanung mit SAP BI. Wiesbaden: Vieweg+Teubner.
go back to reference Koglin, U. 2016. SAP S/4 Hana. Voraussetzung – Nutzen – Erfolgsfaktoren. Bonn: Rheinwerk Verlag. Koglin, U. 2016. SAP S/4 Hana. Voraussetzung – Nutzen – Erfolgsfaktoren. Bonn: Rheinwerk Verlag.
go back to reference Kononenko, I., und M. Kukar. 2007. Machine learning and data mining: Introduction to principles and algorithms. Boca Raton: Horwood Publishing. CrossRef Kononenko, I., und M. Kukar. 2007. Machine learning and data mining: Introduction to principles and algorithms. Boca Raton: Horwood Publishing. CrossRef
go back to reference Kreutzer, R. T., und M. Sirrenberg. 2019. Künstliche Intelligenz verstehen. Wiesbaden: Springer. CrossRef Kreutzer, R. T., und M. Sirrenberg. 2019. Künstliche Intelligenz verstehen. Wiesbaden: Springer. CrossRef
go back to reference Krishnan, K. 2013. Data warehousing in the age of big data. Waltham: Morgan Kaufmann – Elsevier Inc. Krishnan, K. 2013. Data warehousing in the age of big data. Waltham: Morgan Kaufmann – Elsevier Inc.
go back to reference Krudewig, W. 2012. E-Bilanz-gerecht kontieren und buchen. Freiburg: Haufe. Krudewig, W. 2012. E-Bilanz-gerecht kontieren und buchen. Freiburg: Haufe.
go back to reference Krüger, J. 2015. SAP simple finance an introduction. Bonn: Rheinwerk Verlag. Krüger, J. 2015. SAP simple finance an introduction. Bonn: Rheinwerk Verlag.
go back to reference Krystek, U., und R. Moldenhauer. 2007. Handbuch Krisen- und Restrukturierungsmanagement. Generelle Konzepte, Spezialprobleme, Praxisberichte. Stuttgart: Kohlhammer Verlag. Krystek, U., und R. Moldenhauer. 2007. Handbuch Krisen- und Restrukturierungsmanagement. Generelle Konzepte, Spezialprobleme, Praxisberichte. Stuttgart: Kohlhammer Verlag.
go back to reference Kumar, P., und A. Tiwari. 2017. Ubiquitous machine learning and its applications. Hershey, Pennsylvania, USA: IGI Global. Kumar, P., und A. Tiwari. 2017. Ubiquitous machine learning and its applications. Hershey, Pennsylvania, USA: IGI Global.
go back to reference Küsters, U. 2001. Data Mining Methoden: Einordnung und Überblick. In Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Hrsg. H. Hippner, U. Küsters, M. Meyer und K. D. Wilde, 95–130. Braunschweig: Vieweg Gabler. Küsters, U. 2001. Data Mining Methoden: Einordnung und Überblick. In Handbuch Data Mining im Marketing – Knowledge Discovery in Marketing Databases, Hrsg. H. Hippner, U. Küsters, M. Meyer und K. D. Wilde, 95–130. Braunschweig: Vieweg Gabler.
go back to reference Langmann, C. 2019a. Digitalisierung im Controlling. Wiesbaden: Springer-Gabler. CrossRef Langmann, C. 2019a. Digitalisierung im Controlling. Wiesbaden: Springer-Gabler. CrossRef
go back to reference Langmann, C., und D. Turi. 2020. Robotic Process Automation (RPA), Voraussetzungen, Funktionsweise und Implementierung am Beispiel des Controllings und Rechnungswesens (2020). Wiesbaden: Springer Gabler. Langmann, C., und D. Turi. 2020. Robotic Process Automation (RPA), Voraussetzungen, Funktionsweise und Implementierung am Beispiel des Controllings und Rechnungswesens (2020). Wiesbaden: Springer Gabler.
go back to reference Lanquillon, C., und H. Mallow. 2015. Advanced analytics mit big data. In Praxishandbuch Big Data, Hrsg. J. Dorchel, 55–89. Wiesbaden: Springer Gabler. Lanquillon, C., und H. Mallow. 2015. Advanced analytics mit big data. In Praxishandbuch Big Data, Hrsg. J. Dorchel, 55–89. Wiesbaden: Springer Gabler.
go back to reference Laudon, K., und J. Laudon. 1988. Management information systems, 2. Aufl. New York: Pearson. Laudon, K., und J. Laudon. 1988. Management information systems, 2. Aufl. New York: Pearson.
go back to reference Leiserson, C. E., R. L. Rivest, und C. Stein. 2010. Algorithmen – Eine Einführung. München: Oldenbourg. Leiserson, C. E., R. L. Rivest, und C. Stein. 2010. Algorithmen – Eine Einführung. München: Oldenbourg.
go back to reference Leßweng, H.-P. 2004. Einsatz von Business Intelligence Tools (BIT) im betrieblichen Berichtswesen. Controlling 1:41–49. CrossRef Leßweng, H.-P. 2004. Einsatz von Business Intelligence Tools (BIT) im betrieblichen Berichtswesen. Controlling 1:41–49. CrossRef
go back to reference Lixenfeld, C. 2015. Tools für den Leistungscheck von BI-Systemen können nützlich sein. Computerwoche 11:24. Lixenfeld, C. 2015. Tools für den Leistungscheck von BI-Systemen können nützlich sein. Computerwoche 11:24.
go back to reference Louis, D., und P. Müller. 2013. Jetzt lerne ich Android 4-Programmierung. München: Markt + Technik. Louis, D., und P. Müller. 2013. Jetzt lerne ich Android 4-Programmierung. München: Markt + Technik.
go back to reference Lubos, G. 2020. Künstliche Intelligenz im Controlling. Controller Magazin 1(2): 45–49. Lubos, G. 2020. Künstliche Intelligenz im Controlling. Controller Magazin 1(2): 45–49.
go back to reference Martin, W., und E. von Maur. 1997. Data warehouse. In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 3. Aufl., 105–106. Berlin: Springer. Martin, W., und E. von Maur. 1997. Data warehouse. In Lexikon der Wirtschaftsinformatik, Hrsg. P. Mertens, 3. Aufl., 105–106. Berlin: Springer.
go back to reference März, N., und J. Warren. 2015. Big data – Principles and best practices of scalable realtime data systems. Shelter Island: Manning. März, N., und J. Warren. 2015. Big data – Principles and best practices of scalable realtime data systems. Shelter Island: Manning.
go back to reference McTear, M., Z. Callejas, und D. Griol. 2016. The conversational interface – Talking to smart devices. Cham.: Springer International Publishing. McTear, M., Z. Callejas, und D. Griol. 2016. The conversational interface – Talking to smart devices. Cham.: Springer International Publishing.
go back to reference Mehler, A., und C. Wolf. 2005. Einleitung: Perspektiven und Positionen des Text Mining. Zeitschrift für Computerlinguistik und Sprachtechnologie 20(1): 1–18. Mehler, A., und C. Wolf. 2005. Einleitung: Perspektiven und Positionen des Text Mining. Zeitschrift für Computerlinguistik und Sprachtechnologie 20(1): 1–18.
go back to reference Meier, M., W. Sinzig, und P. Mertens. 2003. SAP Strategic Enterprise Management™/Business Analytics – Integration von strategischer und operativer Unternehmensführung, 2. Aufl. Berlin/Heidelberg: Springer. Meier, M., W. Sinzig, und P. Mertens. 2003. SAP Strategic Enterprise Management™/Business Analytics – Integration von strategischer und operativer Unternehmensführung, 2. Aufl. Berlin/Heidelberg: Springer.
go back to reference Mell, P., und T. Grance. 2011. The NIST definition of cloud computing. Gaithersburg: National Institute of Standards and Technology. CrossRef Mell, P., und T. Grance. 2011. The NIST definition of cloud computing. Gaithersburg: National Institute of Standards and Technology. CrossRef
go back to reference Merkt, S., H. A. Müller, und J. Tscherkaschina. 2015. SAP BusinessObjects Design Studio – Das Praxishandbuch. Bonn: SAP Press. Merkt, S., H. A. Müller, und J. Tscherkaschina. 2015. SAP BusinessObjects Design Studio – Das Praxishandbuch. Bonn: SAP Press.
go back to reference Mertens, P., und D. Barbian. 2019. Erreicht Künstliche Intelligenz auch das Controlling? Controlling & Management Review 63:8–17. CrossRef Mertens, P., und D. Barbian. 2019. Erreicht Künstliche Intelligenz auch das Controlling? Controlling & Management Review 63:8–17. CrossRef
go back to reference Mertens, P., und J. Griese. 1988. Informations- und Kontrollsysteme. In Industrielle Datenverarbeitung, Hrsg. P. Mertens und J. Griese, 2. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler. Mertens, P., und J. Griese. 1988. Informations- und Kontrollsysteme. In Industrielle Datenverarbeitung, Hrsg. P. Mertens und J. Griese, 2. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler.
go back to reference Mertens, P., und J. Griese. 2002. Integrierte Informationsverarbeitung 2. Planungs- und Kontrollsysteme in der Industrie, 9. Aufl. Wiesbaden: Springer. Mertens, P., und J. Griese. 2002. Integrierte Informationsverarbeitung 2. Planungs- und Kontrollsysteme in der Industrie, 9. Aufl. Wiesbaden: Springer.
go back to reference Merz, M., T. Hügens, und S. Blum. 2015. SAP BW auf SAP – HANA: Implementierung und Migration. Bonn: Galileo Press. Merz, M., T. Hügens, und S. Blum. 2015. SAP BW auf SAP – HANA: Implementierung und Migration. Bonn: Galileo Press.
go back to reference Mohr, M. 2006. HCC-Einführungsschulung zum SAP Business Information Warehouse – Grundlagen, Reporting und Analyse, Modellierung und Staging. München: SAP Hochschulkompetenzzentrum an der Technischen Universität München am Lehrstuhl für Wirtschaftsinformatik – Prof. Dr. H. Krcmar. Mohr, M. 2006. HCC-Einführungsschulung zum SAP Business Information Warehouse – Grundlagen, Reporting und Analyse, Modellierung und Staging. München: SAP Hochschulkompetenzzentrum an der Technischen Universität München am Lehrstuhl für Wirtschaftsinformatik – Prof. Dr. H. Krcmar.
go back to reference Möller, K., F. Federmann, S. Pieper, und M. Knezevic. 2016. Predictive Analytics zur kurzfristigen Umsatzprognose. Zeitschrift für Controlling 28(8–9): 509–518. CrossRef Möller, K., F. Federmann, S. Pieper, und M. Knezevic. 2016. Predictive Analytics zur kurzfristigen Umsatzprognose. Zeitschrift für Controlling 28(8–9): 509–518. CrossRef
go back to reference Mori, H., A. Yasuda, und M. Araki. 2017. An evaluation method for system response in chat-oriented dialogue system. In Dialogues with social robots: Enablements, analyses, and evaluation, Hrsg. K. Jokinen und G. Wilcock. Singapore: Springer. Mori, H., A. Yasuda, und M. Araki. 2017. An evaluation method for system response in chat-oriented dialogue system. In Dialogues with social robots: Enablements, analyses, and evaluation, Hrsg. K. Jokinen und G. Wilcock. Singapore: Springer.
go back to reference Mucksch, H., und W. Behme. 2000. Das Data Warehouse-Konzept als Basis einer unternehmensweiten Informationslogistik. In Das Data Warehouse-Konzept, Hrsg. H. Mucksch und W. Behme, 4. Aufl., 3–80. Wiesbaden: Gabler. CrossRef Mucksch, H., und W. Behme. 2000. Das Data Warehouse-Konzept als Basis einer unternehmensweiten Informationslogistik. In Das Data Warehouse-Konzept, Hrsg. H. Mucksch und W. Behme, 4. Aufl., 3–80. Wiesbaden: Gabler. CrossRef
go back to reference Müller, S. 2014. Die neue Realität – Erweiterung des Data Warehouse um Hadoop, NoSql & Co. In Big data, Hrsg. D. Fasel und A. Meier, 447–457. Wiesbaden: SpringerVieweg. Müller, S. 2014. Die neue Realität – Erweiterung des Data Warehouse um Hadoop, NoSql & Co. In Big data, Hrsg. D. Fasel und A. Meier, 447–457. Wiesbaden: SpringerVieweg.
go back to reference Müller, S., und C. Keller. 2015. Pentaho und Jedox. München: Hanser. Müller, S., und C. Keller. 2015. Pentaho und Jedox. München: Hanser.
go back to reference Navrade, F. 2008. Strategische Planung mit Data-Warehouse-Systemen. Wiesbaden: Springer Gabler. Navrade, F. 2008. Strategische Planung mit Data-Warehouse-Systemen. Wiesbaden: Springer Gabler.
go back to reference NN. 2020. Notebook-Typen im Überblick. IMTEST 3(2020): 9. NN. 2020. Notebook-Typen im Überblick. IMTEST 3(2020): 9.
go back to reference Obermaier, R. 2019. Handbuch Industrie 4.0 und Digitale Transformation. Wiesbaden: Springer Gabler. Obermaier, R. 2019. Handbuch Industrie 4.0 und Digitale Transformation. Wiesbaden: Springer Gabler.
go back to reference Oehler, K. 2000. OLAP, Grundlagen, Modellierung und betriebswirtschaftliche Lösung. München: Hanser. Oehler, K. 2000. OLAP, Grundlagen, Modellierung und betriebswirtschaftliche Lösung. München: Hanser.
go back to reference Oehler, K. 2006. Corporate performance management. München/Wien: Hanser. Oehler, K. 2006. Corporate performance management. München/Wien: Hanser.
go back to reference Oehler, K. 2020. Ist maschinelles Lernen in der Planung einsetzbar? Controlling & Management Review H3:22–30. CrossRef Oehler, K. 2020. Ist maschinelles Lernen in der Planung einsetzbar? Controlling & Management Review H3:22–30. CrossRef
go back to reference Oppelt, R. U. G. 1995. Computerunterstützung für das Management. München/Wien: Oldenbourg. CrossRef Oppelt, R. U. G. 1995. Computerunterstützung für das Management. München/Wien: Oldenbourg. CrossRef
go back to reference Pariser. 2011. Eli Pariser: The filter bubble: What the Internet is hiding from you. New York: Penguin Press. Pariser. 2011. Eli Pariser: The filter bubble: What the Internet is hiding from you. New York: Penguin Press.
go back to reference Pastwa, A. 2010. Serviceorientierung im betrieblichen Berichtswesen. Entwicklung eines Architektur- und Vorgehensmodells zur konzeptionellen Gestaltung von Berichtsprozessen auf Basis einer SOA und XBRL. Frankfurt a. M.: Peter Lang. Pastwa, A. 2010. Serviceorientierung im betrieblichen Berichtswesen. Entwicklung eines Architektur- und Vorgehensmodells zur konzeptionellen Gestaltung von Berichtsprozessen auf Basis einer SOA und XBRL. Frankfurt a. M.: Peter Lang.
go back to reference Peper, I. 2018. Effizienzsteigerungen im Controlling durch Robot Process Automation – Eine Analyse am Beispiel des Monatsabschlussprozesses der Kathrein Automotive Group. Controlling 30(3): 20–27. CrossRef Peper, I. 2018. Effizienzsteigerungen im Controlling durch Robot Process Automation – Eine Analyse am Beispiel des Monatsabschlussprozesses der Kathrein Automotive Group. Controlling 30(3): 20–27. CrossRef
go back to reference Petersohn, H. 2005. Data Mining – Verfahren, Prozesse, Anwendungsarchitektur. München: Oldenburg. CrossRef Petersohn, H. 2005. Data Mining – Verfahren, Prozesse, Anwendungsarchitektur. München: Oldenburg. CrossRef
go back to reference Plattner, H. 2011. In-memory data management: An inflection point for enterprise applications. Heidelberg: Springer. CrossRef Plattner, H. 2011. In-memory data management: An inflection point for enterprise applications. Heidelberg: Springer. CrossRef
go back to reference Portal, F. 2020. Wie Automatisierung und maschinelles Lernen die Finanzfunktion neu gestalten. Controller Magazin 3(4): 69–72. Portal, F. 2020. Wie Automatisierung und maschinelles Lernen die Finanzfunktion neu gestalten. Controller Magazin 3(4): 69–72.
go back to reference Reichmann, T. 2006. Controlling mit Kennzahlen und Managementberichten, 7. Aufl. München: Vahlen. Reichmann, T. 2006. Controlling mit Kennzahlen und Managementberichten, 7. Aufl. München: Vahlen.
go back to reference Reichmann, T. 2011. Controlling mit Kennzahlen, Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinginstrumenten, 8. Aufl. München: Vahlen. Reichmann, T. 2011. Controlling mit Kennzahlen, Die systemgestützte Controlling-Konzeption mit Analyse- und Reportinginstrumenten, 8. Aufl. München: Vahlen.
go back to reference Richter, M. 2003. Fallbasiertes Schließen. In Handbuch der Künstlichen Intelligenz, Hrsg. G. Görz, C. R. Rollinger und J. Schneeberger, 4. Aufl., 407–430. München/Wien: Oldenbourg. CrossRef Richter, M. 2003. Fallbasiertes Schließen. In Handbuch der Künstlichen Intelligenz, Hrsg. G. Görz, C. R. Rollinger und J. Schneeberger, 4. Aufl., 407–430. München/Wien: Oldenbourg. CrossRef
go back to reference Rogers, H. 1967. Theory of recursive functions and effective computability. New York: McGraw-Hill. Rogers, H. 1967. Theory of recursive functions and effective computability. New York: McGraw-Hill.
go back to reference Ruf, R., und W. Schwab. 2016. Visual analytics. Controlling 28(8/9): 495–501. CrossRef Ruf, R., und W. Schwab. 2016. Visual analytics. Controlling 28(8/9): 495–501. CrossRef
go back to reference Runkler, T. A. 2010. Data Mining – Methoden und Algorithmen intelligenter Datenanalyse., 96. Wiesbaden: Springer Vieweg. Runkler, T. A. 2010. Data Mining – Methoden und Algorithmen intelligenter Datenanalyse., 96. Wiesbaden: Springer Vieweg.
go back to reference Ruprecht, J. 2003. Zugriffskontrolle im Data Warehouse. In Data warehouse management, Hrsg. E. von Maur und R. Winter, 113–147. Berlin/Heidelberg: Springer. CrossRef Ruprecht, J. 2003. Zugriffskontrolle im Data Warehouse. In Data warehouse management, Hrsg. E. von Maur und R. Winter, 113–147. Berlin/Heidelberg: Springer. CrossRef
go back to reference SAP AG. 2003. SAP SEM, Scorecard-Analyse und Ursache-Wirkungs-Analyse. Screenshot aus dem System SAP SEM. Walldorf: SAP AG. SAP AG. 2003. SAP SEM, Scorecard-Analyse und Ursache-Wirkungs-Analyse. Screenshot aus dem System SAP SEM. Walldorf: SAP AG.
go back to reference SAP AG. 2008. SAP BEx Analyser. Screenshot aus dem System SAP BEx Analyser. Walldorf: SAP AG. SAP AG. 2008. SAP BEx Analyser. Screenshot aus dem System SAP BEx Analyser. Walldorf: SAP AG.
go back to reference SAP AG. 2011. SAP ERP CC System – Standardbericht. Selektionsmaske und Planungsformular aus einem IDES-System. Walldorf: SAP AG. SAP AG. 2011. SAP ERP CC System – Standardbericht. Selektionsmaske und Planungsformular aus einem IDES-System. Walldorf: SAP AG.
go back to reference SAP AG. 2016. SAP businessobjects mobile for iOS – document version: 6.3.10 – 2016-02-09. Walldorf: SAP AG. SAP AG. 2016. SAP businessobjects mobile for iOS – document version: 6.3.10 – 2016-02-09. Walldorf: SAP AG.
go back to reference Sauer, K., und J. Sturm. 2019. Digitale Assistenten in der Unternehmenssteuerung? Controlling & Management Review 63(4): 34–44. CrossRef Sauer, K., und J. Sturm. 2019. Digitale Assistenten in der Unternehmenssteuerung? Controlling & Management Review 63(4): 34–44. CrossRef
go back to reference Schäfer, M. 2014. SAP beschleunigt die Sortimentsoptimierung. IS-Report 8:22–23. Schäfer, M. 2014. SAP beschleunigt die Sortimentsoptimierung. IS-Report 8:22–23.
go back to reference Scheer, A. W. 1990. EDV-orientierte Betriebswirtschaftslehre, 4. Aufl. Berlin: Springer. CrossRef Scheer, A. W. 1990. EDV-orientierte Betriebswirtschaftslehre, 4. Aufl. Berlin: Springer. CrossRef
go back to reference Scheuer, D. 2020. Akzeptanz von Künstlicher Intelligenz. Wiesbaden: SpringerVieweg. Scheuer, D. 2020. Akzeptanz von Künstlicher Intelligenz. Wiesbaden: SpringerVieweg.
go back to reference Schill, A., und T. Springer. 2007. Verteilte Systeme – Grundlagen und Basistechnologien. Berlin: Springer. Schill, A., und T. Springer. 2007. Verteilte Systeme – Grundlagen und Basistechnologien. Berlin: Springer.
go back to reference Schinzer, H., C. Bange, und H. Mertens. 2000. Wachstum, Trends und gute Produkte – Neue BARC-Studie zum OLAP- und Business Intelligence-Markt. is report 1(4): 10–17. Schinzer, H., C. Bange, und H. Mertens. 2000. Wachstum, Trends und gute Produkte – Neue BARC-Studie zum OLAP- und Business Intelligence-Markt. is report 1(4): 10–17.
go back to reference Schinzer, H. D. 1996. Entscheidungsorientierte Informationssysteme. Grundlagen, Anforderungen, Konzept, Umsetzung. Wiesbaden: Springer. Schinzer, H. D. 1996. Entscheidungsorientierte Informationssysteme. Grundlagen, Anforderungen, Konzept, Umsetzung. Wiesbaden: Springer.
go back to reference Schinzer, H. D., C. Bange, und H. Mertens. 1999. Data Warehouse und Data Mining, Marktführende Produkte im Vergleich, 2. Aufl. München: Vahlen. Schinzer, H. D., C. Bange, und H. Mertens. 1999. Data Warehouse und Data Mining, Marktführende Produkte im Vergleich, 2. Aufl. München: Vahlen.
go back to reference Schmitz, U. 2015. Nutzung von In-Memory-Technologie in der BI. In Handbuch Business Intelligence – Potenziale, Strategien, Best Practices, Hrsg. M. Lang, 233–247. Düsseldorf: Symposion Publishing. Schmitz, U. 2015. Nutzung von In-Memory-Technologie in der BI. In Handbuch Business Intelligence – Potenziale, Strategien, Best Practices, Hrsg. M. Lang, 233–247. Düsseldorf: Symposion Publishing.
go back to reference Schön, D. 2004. Moderne Planungskonzepte und Reportingtools. In 19. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 287–337. Dortmund: Gesellschaft für Controlling e. V. Schön, D. 2004. Moderne Planungskonzepte und Reportingtools. In 19. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 287–337. Dortmund: Gesellschaft für Controlling e. V.
go back to reference Schön, D., und R. Müller. 2010. Mittelstandscontrolling für Inhaber und Manager. In 25. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 123–165. Dortmund: Gesellschaft für Controlling e. V. Schön, D., und R. Müller. 2010. Mittelstandscontrolling für Inhaber und Manager. In 25. Deutscher Controlling Congress, Tagungsband, Hrsg. T. Reichmann, 123–165. Dortmund: Gesellschaft für Controlling e. V.
go back to reference Schön, D., und M. Pook. 2015. Bedarfsgerechte Steuerung durch IT-gestütztes Berichtswesen. innovative Verwaltung 37(10): 10–13. CrossRef Schön, D., und M. Pook. 2015. Bedarfsgerechte Steuerung durch IT-gestütztes Berichtswesen. innovative Verwaltung 37(10): 10–13. CrossRef
go back to reference Schön, D., M. Ständer, und M. Liebe. 2013. Unternehmens- und Projektsteuerung mit Hilfe eines BI-gestützten Controlling-Cockpits am Beispiel der Securiton GmbH. Zeitschrift für Controlling 25(4/5): 252–260. CrossRef Schön, D., M. Ständer, und M. Liebe. 2013. Unternehmens- und Projektsteuerung mit Hilfe eines BI-gestützten Controlling-Cockpits am Beispiel der Securiton GmbH. Zeitschrift für Controlling 25(4/5): 252–260. CrossRef
go back to reference Schrödl, H. 2009. Business Intelligence mit Microsoft SQL Server 2008, 2. Aufl. München: Hanser. CrossRef Schrödl, H. 2009. Business Intelligence mit Microsoft SQL Server 2008, 2. Aufl. München: Hanser. CrossRef
go back to reference Schroeck, M. R., R. Shockley, J. Smart, D. Romero-Morales, und P. Tufano. 2015. Analytics: Big Data in der Praxis, Hrsg. IBM Institute for Business Value in Zusammenarbeit mit der Saïd Business School an der Universität Oxford, 1–20. Ehningen: IBM. Schroeck, M. R., R. Shockley, J. Smart, D. Romero-Morales, und P. Tufano. 2015. Analytics: Big Data in der Praxis, Hrsg. IBM Institute for Business Value in Zusammenarbeit mit der Saïd Business School an der Universität Oxford, 1–20. Ehningen: IBM.
go back to reference Seiter, M. 2017. Business Analytics: Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung. München: Vahlen. CrossRef Seiter, M. 2017. Business Analytics: Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung. München: Vahlen. CrossRef
go back to reference Seufert, A. 2014. Das Controlling als Business Partner: Business Intelligence & Big Data als zentrales Aufgabenfeld. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 23–45. Freiburg: Haufe. Seufert, A. 2014. Das Controlling als Business Partner: Business Intelligence & Big Data als zentrales Aufgabenfeld. In Der Controlling-Berater: Controlling und Big Data, Hrsg. R. Gleich, A. Klein, M. Kirchmann und J. Leyk, Bd. 35, 23–45. Freiburg: Haufe.
go back to reference Seufert, A., und K. Oehler. 2009. Grundlagen Business Intelligence. In Business intelligence & controlling competence, Bd. 1. Stuttgart/Berlin: Steinbeis-Edition. Seufert, A., und K. Oehler. 2009. Grundlagen Business Intelligence. In Business intelligence & controlling competence, Bd. 1. Stuttgart/Berlin: Steinbeis-Edition.
go back to reference Shearer, C. 2020. The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing 5:13–22. Shearer, C. 2020. The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing 5:13–22.
go back to reference Shortliffe, E. H. 1976. Computer-based medical consultations: MYCIN. New York: Elsevier. Shortliffe, E. H. 1976. Computer-based medical consultations: MYCIN. New York: Elsevier.
go back to reference Siegel, E. 2013. Predictive analytics, the power to predict who will click, buy, lie, or die. Hoboken: Wiley. Siegel, E. 2013. Predictive analytics, the power to predict who will click, buy, lie, or die. Hoboken: Wiley.
go back to reference Sinz, J. E., und A. Ulbrich vom Ende. 2010. Architektur von Data-Warehouse-Systemen. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 175–196. Heidelberg: Springer. CrossRef Sinz, J. E., und A. Ulbrich vom Ende. 2010. Architektur von Data-Warehouse-Systemen. In Analytische Informationssysteme, Hrsg. P. Chamoni und P. Gluchowski, 4. Aufl., 175–196. Heidelberg: Springer. CrossRef
go back to reference Smeets, M., R. Erhard, und T. Kaußler. 2019. Robotic Process Automation (RPA) in der Finanzwirtschaft. Technologie – Implementierung – Erfolgsfaktoren für Entscheider und Anwender, 8. Wiesbaden: Springer Gabler. Smeets, M., R. Erhard, und T. Kaußler. 2019. Robotic Process Automation (RPA) in der Finanzwirtschaft. Technologie – Implementierung – Erfolgsfaktoren für Entscheider und Anwender, 8. Wiesbaden: Springer Gabler.
go back to reference Spitzner, J., und M.L. Schneider. 2015. Simulation in der Unternehmenssteuerung: Studienergebnisse. München: Spitzner Consulting GmbH. Spitzner, J., und M.L. Schneider. 2015. Simulation in der Unternehmenssteuerung: Studienergebnisse. München: Spitzner Consulting GmbH.
go back to reference Taschner, A. 2013. Management Reporting. Erfolgsfaktor internes Berichtswesen. Wiesbaden: Springer Gabler. Taschner, A. 2013. Management Reporting. Erfolgsfaktor internes Berichtswesen. Wiesbaden: Springer Gabler.
go back to reference Tripathi, A. M. 2018. Learning robotic process automation – Create software robots and automate business processes with the leading RPA tool UiPath. Birmingham: Packt Verlag. Tripathi, A. M. 2018. Learning robotic process automation – Create software robots and automate business processes with the leading RPA tool UiPath. Birmingham: Packt Verlag.
go back to reference Turban, E., J. E. Aronson, und T. P. Liang. 2004. Decission support and intelligent systems, 7. Aufl. Upper Saddle River: Prentice-Hall, Inc.  Turban, E., J. E. Aronson, und T. P. Liang. 2004. Decission support and intelligent systems, 7. Aufl. Upper Saddle River: Prentice-Hall, Inc. 
go back to reference Vaduva, A., und T. Vetterli. 2001. Metadata management for data warehousing: An overview. International Journal of Cooperative Information Systems 10(3): 273–298. CrossRef Vaduva, A., und T. Vetterli. 2001. Metadata management for data warehousing: An overview. International Journal of Cooperative Information Systems 10(3): 273–298. CrossRef
go back to reference Warner, D. 2007. SQL für Praxis und Studium. Poing/München: Neubert. Warner, D. 2007. SQL für Praxis und Studium. Poing/München: Neubert.
go back to reference Wartala, R. 2012. Hadoop: zuverlässige, verteilte und skalierbare Big-Data-Anwendungen. München: Open Source Press. Wartala, R. 2012. Hadoop: zuverlässige, verteilte und skalierbare Big-Data-Anwendungen. München: Open Source Press.
go back to reference Weber, H. W., und U. Strüngmann. 1997. Data Warehouse und Controlling – Eine vielversprechende Partnerschaft. Controlling 1:30–36. Weber, H. W., und U. Strüngmann. 1997. Data Warehouse und Controlling – Eine vielversprechende Partnerschaft. Controlling 1:30–36.
go back to reference Weber, J. 2013. Verhaltensorientiertes Controlling. Plädoyer für eine (nicht) ganz neue Sicht auf das Controlling. Zeitschrift für Controlling 25(4/5): 217–222. CrossRef Weber, J. 2013. Verhaltensorientiertes Controlling. Plädoyer für eine (nicht) ganz neue Sicht auf das Controlling. Zeitschrift für Controlling 25(4/5): 217–222. CrossRef
go back to reference Weigend, A. 2017. Data for the people: Das implizite explizit machen! mobile Business 4(5–6): 16–19. Weigend, A. 2017. Data for the people: Das implizite explizit machen! mobile Business 4(5–6): 16–19.
go back to reference Welker, P. 2015. Big Data versus Data Warehouse Koexistenzperspektive. Business Intelligence Magazin1 1:42–44. Welker, P. 2015. Big Data versus Data Warehouse Koexistenzperspektive. Business Intelligence Magazin1 1:42–44.
go back to reference Wild, J. 1981. Grundlagen der Unternehmensplanung, 3. Aufl. Opladen: Westdeutscher Verlag. Wild, J. 1981. Grundlagen der Unternehmensplanung, 3. Aufl. Opladen: Westdeutscher Verlag.
go back to reference Winter, J. 2018. Künstliche Intelligenz und datenbasierte Geschäftsmodellinnovationen – Warum Unternehmen jetzt handeln sollten. In Service business development, Hrsg. M. Bruhn und K. Hadwich, Bd. 1, 60–79. Wiesbaden: Springer Gabler. Winter, J. 2018. Künstliche Intelligenz und datenbasierte Geschäftsmodellinnovationen – Warum Unternehmen jetzt handeln sollten. In Service business development, Hrsg. M. Bruhn und K. Hadwich, Bd. 1, 60–79. Wiesbaden: Springer Gabler.
go back to reference Winterstein, A., und E. Leitner. 1998. An Informationen nicht ersticken. Client Server Computing 3:34–39. Winterstein, A., und E. Leitner. 1998. An Informationen nicht ersticken. Client Server Computing 3:34–39.
go back to reference Wullenkord, A. 2018. Künstliche Intelligenz im Rechnungswesen und Controlling. In Erfolgreiches Controlling – Theorie, Praxis und Perspektiven; Prof. Dr. Thomas Reichmann zum 80, Hrsg. A. Wiesehahn und M. Kissler, 113–129. Baden-Baden: Geburtstag. CrossRef Wullenkord, A. 2018. Künstliche Intelligenz im Rechnungswesen und Controlling. In Erfolgreiches Controlling – Theorie, Praxis und Perspektiven; Prof. Dr. Thomas Reichmann zum 80, Hrsg. A. Wiesehahn und M. Kissler, 113–129. Baden-Baden: Geburtstag. CrossRef
go back to reference Zarinac, T. 2016. Technologien, Architekturen und Prozesse. In Agile business intelligence, Hrsg. S. Trahasch und M. Zimmer, 131–142. Heidelberg: dpunkt. Zarinac, T. 2016. Technologien, Architekturen und Prozesse. In Agile business intelligence, Hrsg. S. Trahasch und M. Zimmer, 131–142. Heidelberg: dpunkt.
Metadata
Title
IT-Unterstützung
Author
Dietmar Schön
Copyright Year
2022
DOI
https://doi.org/10.1007/978-3-658-35475-6_5

Premium Partner