Download pdf - Business Intelligence und Cloud Computing

34 HMD 275

Andreas Seufert, Norman Bernhardt

Business Intelligence und Cloud ComputingAnforderungen – Potenziale – Einsatzbereiche

Gerade in wirtschaftlich turbulenten Zeiten stelltdie Umsetzung einer modernen, zukunftsfähigenSteuerung in vielen Unternehmen eine zentraleHerausforderung dar [Seufert et al. 2008]. Zahl-reiche Firmen sind zwar laut einer Studie des in-ternationalen Controllervereins und Roland Ber-ger wieder bereit, zu investieren, Voraussetzungist jedoch, dass Innovationen vorangetriebenund gleichzeitig die Optimierung der eigenenProzesse und die Effizienz gesteigert werden[ICV & Roland Berger 2010].

Vor diesem Hintergrund sollen in diesem Bei-trag die Möglichkeiten der noch jungen Cloud-Computing-(CC-)Technologie für das Anwen-dungsfeld Business Intelligence (BI) diskutiertwerden. Mit der BI-Cloud wird dabei ein Frame-work vorgegeben, um Anforderungen wie Stan-dardisierung, Integration der Cloud-Lösung in dieUnternehmens-IT oder etwa den späteren Be-trieb zu unterstützen.

Inhaltsübersicht1 Begriffsverständnis Cloud Computing2 Business Intelligence und Cloud Computing

2.1 Anforderungen an Business Intelligence2.2 Definition einer Business Intelligence

Cloud2.3 Potenziale und Einsatzbereiche einer

Business Intelligence Cloud3 Status quo der BI-Cloud-Angebote4 Ausblick5 Literatur

1 Begriffsverständnis Cloud Computing

Im Rahmen dieses Beitrags verstehen wir in An-lehnung an die Gartner Group unter Cloud Com-puting die Bereitstellung massiv skalierbarer

IT-verwandter Fähigkeiten als Service an ver-schiedene externe Kunden mittels Internettech-niken [Köhler-Schute 2009, S. 154]. WesentlicheKonzepte sind dabei Virtualisierung, serviceori-entierte Architekturen und Webservices.

Basierend auf der Bereitstellung der Diens-te für IT-Infrastrukturen, Plattformen und An-wendungen lassen sich als technische Nut-zungsansätze ableiten [Baun et al. 2010, S. 27 ff;Velte et al. 2010, S. 11 ff.]: Infrastructure as a Ser-vice (IaaS – abstrahierte Sicht auf die Hardware),Platform as a Service (PaaS – Programming- undExecution Environment) und Software as a Ser-vice (SaaS – Angebot dedizierter Software-anwendungen).

Hinsichtlich ihrer organisatorischen Zuord-nung bzw. Reichweite können drei Arten vonClouds unterschieden werden [Stanoevska-Slabeva et al. 2010, S. 56 ff.]: Public Cloud (PuC –Anbieter und Nutzer gehören nicht derselbenorganisatorischen Einheit an, Zugriff i.d.R. überein Webportal), Private Cloud (PrC – Anbieterund Nutzer gehören der gleichen organisatori-schen Einheit an, oft aus Sicherheitsgründen in-stanziiert) und Hybrid Cloud (HC – Mischformaus PuC und PrC, Regelbetrieb meist in der PrCund bestimmte Funktionen oder Lastspitzen inder PuC).

2 Business Intelligence und Cloud Computing

2.1 Anforderungen an Business IntelligenceDer Begriff Business Intelligence, der Anfangder 90er-Jahre von Howard Dresdner, einem(ehemaligen) Analysten der Gartner Group, de-finiert wurde als »a broad category of applicati-ons and technologies for gathering, storing, ana-lysing and providing access to data to help

Business Intelligence und Cloud Computing

HMD 275 35

enterprise users make better business decisions«,unterliegt einem tief greifenden Wandel.

Ursprünglich rein technologisch getrieben,kristallisiert sich zunehmend ein Konzept deranalytischen, IT-basierten Unternehmenssteu-erung heraus, das in immer stärkerem Maße in-haltlich und prozessgetrieben ist [Oehler &Seufert 2008]. Dieser als BI bezeichnete Ge-samtansatz [Kemper et al. 2004; Seufert &Lehmann 2006] soll es ermöglichen, aus verteil-ten und inhomogenen Unternehmens-, Markt-und Wettbewerberdaten erfolgskritisches Wissenüber Status, Potenziale und Perspektiven zu er-zeugen und für Entscheider nutzbar zu machen.

Der Einsatzbereich von BI liegt dabei im ge-samten Führungssystem des Unternehmens.Im Zentrum von BI stehen nicht nur Daten, son-dern insbesondere ein Prozess, der die zeitnaheVersorgung betrieblicher Entscheidungsträger

mit verlässlichen Informationen ermöglichensoll. Hierbei können, wie in Abbildung 1 ver-anschaulicht, der traditionelle BI-Ansatz mit sei-nen drei Ebenen (Daten, Modelle, Visualisie-rung) sowie das Operational BI unterschiedenwerden [Schiefer & Seufert 2005; Gluchowskiet al. 2009].

! Daten – Datenbereitstellung: Grundlage einesBI-Systems ist eine konsistente, abgestimmteDatenbasis. Im Rahmen des BI-Ansatzes er-folgt dies in der Regel mithilfe eines DataWarehouse (DWH). Hierbei wird eine von denoperativen, transaktionsorientierten Syste-men getrennte, themenbezogene, integrierteDatenhaltung aufgebaut, bei der das relevan-te, meist voraggregierte Datenmaterial dau-erhaft abgelegt wird. Durch einen automati-sierten Datenbestückungsprozess, den soge-nannten ETL-Prozess (Extract – Transform – Load),

Vor-

systeme

Rechnungs-wesen

Vertrieb Logistik Einkauf ExterneDaten

Dashboard Reporting Analyse Planung gp g

Kunde

Produkt Zeit

Visualisierung

Modelle

Daten

Operational BI

DWH, Data Mart, ODS

Data

Mining

OLAP

Tra

dit

ion

elles B

I

Abb. 1: Framework Business Intelligence


36 HMD 275

werden dabei die Informationen automati-siert aus den Vorsystemen in das BI-Systemübertragen. Häufig existiert zudem ein spezi-eller Datenpool, das Operational Data Store(ODS), das als Vorstufe eines DWH aktuelletransaktionsorientierte Daten aus verschiede-nen Quellen beinhaltet und für spezielle Aus-wertungszwecke bereithält.

! Modelle – Informationsgenerierung: Auf derBasis dieser einheitlichen und konsistentenDatengrundlage werden mittels verschiede-ner Modellierungstechniken die Daten in ei-nen anwendungsspezifischen Kontext (z.B. fürdas Vertriebscontrolling) überführt und dabeidie jeweils relevanten Inhalte identifiziert undspezifisch aufbereitet (z.B. erforderliche Kenn-zahlen oder mögliche Auswertungen).

OLAP (Online Analytical Processing) stellthierbei eine Basistechnologie dar, die es er-möglicht, komplexe mehrdimensionale Mo-delle zu entwickeln und auszuwerten.

Statistische Algorithmen und Data Miningermöglichen darüber hinaus die Darstellungkomplexer Zusammenhänge sowie das Er-kennen von Ursachen und Wirkungen durchmehrdimensionale Analysen.

! Präsentation/Visualisierung – Informations-aufbereitung: Der Zugriff erfolgt in der Regelüber einen Windows-Client oder das Internet.Vielfach führt der Zugang über Portale, diedem Benutzer einen zentralen Einstiegspunktin verschiedene Analysesysteme bieten. Mit-hilfe von Personalisierungstechniken könnenbenutzerspezifische und rollenorientierte Be-nutzungsoberflächen generiert werden, umden Nutzern die jeweils für ihre Aufgaben be-nötigten Informationen zugänglich zu ma-chen.

! Prozesse – Operational BI: Die Abbildung vonProzessen ist zwar schon lange eine Domänetraditioneller transaktionaler ERP-Systeme,allerdings waren die Funktionalitäten bislanghäufig fest an bestimmte Applikationen ge-bunden und primär an operativen Geschäfts-prozessen ausgerichtet. Eine neue Software-

kategorie integriert daher die Möglichkeitenanalytischer Software mit der Unterstützungentsprechender Managementprozesse (z.B.strategisches Management, Risikomanage-ment). Der Trend in Richtung eines Closed-Loops-Ansatzes, bei dem die Erkenntnisse ausder Analyse von Prozessen in deren Optimie-rung zurückfließen und so kontinuierlicheVerbesserungen ermöglichen, ist dabei eineder zentralen Entwicklungen.

2.2 Definition einer Business Intelligence Cloud

Unter einer Business Intelligence Cloud (BI-Cloud) ist eine IT-Architektur zu verstehen, de-ren Zweck es ist, analytische Funktionalitätenals Dienste zur Verfügung zu stellen. Dabei wirdzum einen nach dem Anwendungsfokus (Pu-blic, Private, Hybrid) und zum anderen nach derArchitekturebene (Infrastruktur, Plattform, Da-ten, Modell, Visualisierung) unterschieden.

2.3 Potenziale und Einsatzbereiche einer Business Intelligence Cloud

Im Rahmen des CC können – wie eingangs dar-gestellt – die Ebenen Infrastruktur (IaaS), Platt-form (PaaS) und Software (SaaS) unterschiedenwerden. IaaS und PaaS stellen hierbei die not-wendige technologische Basis zur Verfügung,während SaaS Softwareanwendungen für denEndkunden beinhaltet und mit dem Fokus derBI-Cloud in drei weitere Ebenen (DaaS, MaaS,VaaS) untergliedert wird.

Durch Integration dieser Architekturebenendes CC kann das klassische BI-Modell, wie inAbbildung 2 dargestellt, in ein erweitertes Frame-work für eine BI-Cloud überführt werden.

IaaS – Infrastruktur as a Service: Das Volumender für Analysezwecke zur Verfügung stehen-den Datenmengen steigt in den nächsten Jah-ren weiter massiv an. Treiber sind z.B. die immerdetailliertere Erfassung individueller Kunden-transaktionen für die Gewinnung von Kunden-profilen und deren Analyse. Hinzu kommen die


HMD 275 37

Möglichkeiten der Erfassung und Analyse vonKommunikations- und Bewegungsdaten imRahmen von Web 2.0, sozialen Netzen sowiedem mobilen Internet. Darüber hinaus wirddurch den immer intensiveren Einsatz der RFID-Technologie (Transpondersystem zur kontakt-losen Erfassung von Daten) im Bereich der Lo-gistik eine massive Ausweitung der Datenbasiserwartet. Diese ständig steigenden Datenvolu-men stehen der Forderung einer immer schnel-leren Auswertung und Analyse bis hin zu Real-Time BI gegenüber. Dies bedeutet erheblichsteigende Anforderungen an die Skalierbarkeitund Verfügbarkeit der Infrastruktur.

PaaS – Platform as a Service: Im Bereich der Ent-wicklung von BI-Applikationen zeichnen sich

neue Anforderungen hin zu plattformüber-greifender Softwareentwicklung unter Einbe-ziehung externer Services und Dienste ab. Gera-de angesichts schneller Veränderungen imUnternehmensumfeld muss die Software fürdie Unternehmenssteuerung leicht anpassbarund administrierbar, beliebig skalierbar undfunktional erweiterbar sowie plattform-übergreifend verfügbar sein. Dies ermöglichtSoftwareherstellern und Beratungshäusern ei-nerseits neue Ansätze der Softwareentwicklungund des Softwarevertriebs, andererseits auchvöllig neue Geschäftsmodelle.

DaaS – Data as a Service: Was in klassischen BI-Umgebungen als ETL bekannt ist, kann inder Cloud weiter zum »Data as a Service«

Business Intelligence Cloud

VaaS Visualisation as a Service

MaaSModel

as a Service

DaaSData

as a Service

PaaSPlatform

as a Service

IaaSInfrastructureas a Service

SaaSSoftware

as a Service

BI a

s a

Ser

vice

Vor-

systeme

Rechnungs-wesen

Vertrieb Logistik Einkauf ExterneDaten

Dashboard Reporting Analyse Planung a u gepo t g

Kunde

Produkt Zeit

Visualisierung

Modelle

Daten

Operational BI

DWH, Data Mart, ODS

Data

Mining

OLAP T

rad

itio

nelles B

I

Abb. 2: Framework Business Intelligence Cloud


38 HMD 275

ausgebaut werden. Dieses umfasst nicht nurdie Aufbereitung unternehmensinterner Da-tenbestände, sondern kann vielmehr die Rolleeines Datenmarktplatzes einnehmen, bei demqualitätsgesichert externe Informationen auf-bereitet und den Unternehmen bereitgestelltwerden. Dies könnte z.B. Markt- und Wettbe-werberinformationen ebenso umfassen wieProfile oder Bonitätsdaten von Kunden oder po-tenziellen Geschäftspartnern. Die Bereitstel-lung dieser Daten wäre einerseits als Grundlagefür ein DWH (traditionelles BI) oder andererseitsals Informationsbaustein im Rahmen von Ope-rational-BI-Prozessen (z.B. Qualifizierung vonKunden/Lieferanten) denkbar.

MaaS – Model as a Service: Entscheidungsme-thoden und -modelle stellen das Herzstück vonBI-Applikationen dar. Mit ihrer Hilfe werden diezur Verfügung gestellten Daten für Entschei-dungszwecke aufbereitet. Wie dargestellt, kanndabei manuelle (OLAP) von datengetriebenerModellierung (Statistik, Data Mining) unter-schieden werden. Im Rahmen der BI-Cloud kön-nen auf diese Weise umfangreiche betriebs-wirtschaftliche Methoden und Modelle (z.B.Kundenklassifizierungen, Customer-Lifetime-Value-Analysen) gegebenenfalls ergänzt wer-den, um branchenspezifisches Know-how zurVerfügung zu stellen. Diese lassen sich durchVerbindung mit den hierfür erforderlichenDaten aus der DaaS-Ebene weiter anreichern.Wesentliche Potenziale liegen darüber hinausin der Vernetzung der in der Cloud existieren-den Informationen und deren Anbindung anProzesse im Rahmen des Operational BI. Bei-spielhaft seien genannt:

! Supply-Chain-Analyse (Bewertung von Liefe-ranten und Lieferketten anhand von in derCloud existierenden Informationsdiensten)

! Marktforschung (Bewertung von Social-Media-Inhalten in Bezug auf das eigeneUnternehmen oder Produkte)

! Produktion und Logistik (Einfluss von Wetter-,Umwelt- und Verkehrsfaktoren)

Die BI-Cloud ermöglicht im Sinne von Eco-Syste-men neben individuellen Inhalten auch eineVielzahl standardisierter Modelle für Branchenund Themen (z.B. Risikomanagement, IT-Servi-cemanagement oder Branchen, wie Automotive,Energie u.a.).

VaaS – Visualisation as a Service: Die oberste Ebeneder BI-Cloud-Architektur hat zum Ziel, die über dieMaaS-Schicht bereitgestellten Modelle für denEndanwender zugreifbar und nutzbar zu machen.Visualisierungsdienste, in der Regel in Form web-basierter Applikationen (Web-Parts, Webservices),integrieren dabei Berichte, Analysen und Kenn-zahlen oder Planungssheets nahtlos in bestehen-de Unternehmensportale und bieten die Modellefür die Weiterverwendung in zusätzlichenAnalyse-Frontends, wie z.B. Microsoft Excel, an.

Tabelle 1 zeigt beispielhaft Einsatzszenarien vonBI-Cloud-Services in Anlehnung an die organisa-torische Reichweite.

3 Status quo der BI-Cloud-AngeboteDie Positionierung der BI-Cloud-Anbieter ist invollem Gange. Der Reifegrad der existierendenModelle befindet sich noch in einem frühenund heterogenen Stadium. Die in Abbildung 3dargestellte Übersicht erhebt nicht den An-spruch an Vollständigkeit, sondern versucht,eine Momentaufnahme des Status quo zu er-fassen, und zeigt Tendenzen im Markt auf.

Festzustellen ist, dass aktuell nur wenigeAnbieter eine komplette Cloud-Plattform (IaaS,PaaS, DaaS, MaaS und VaaS) für die Bereitstel-lung von BI-Lösungen anbieten. Zu ihnen ge-hört Microsoft, das mit seinen angekündigtenBI-Services der Azure-Plattform die bestehendeLücke im SaaS-Bereich schließen will. IaaS undPaaS stehen bereits mit der aktuellen Versionvon Azure zur Verfügung.

Google bietet – unter Nutzung der eigenenInfrastruktur – Google Apps zur Realisierungvon SaaS an. Die Google App Engine stellt dabeinotwendige Plattformfunktionalitäten bereit.Im BI-Bereich ist die Allianz mit Panorama


HMD 275 39

(PowerApps) innerhalb der Spreadsheet-Funkti-onalität eine erste BI-Cloud-Lösung. Aufgrunddes Google zur Verfügung stehenden Datenbe-standes und der Expertise im Bereich Algorith-men und Datenanalyse ist zu vermuten, dasshier in absehbarer Zeit eine weitere BI-Markt-macht entstehen wird.

Neben dem umfangreichen Portfolio vonMicrosoft und Google bilden zahlreiche be-kannte BI-Hersteller ihre Cloud-Lösung auf Ba-sis der Dienste von Amazon ab. Hierzu zählen inetwa die Open-Source-BI-Suite von Pentaho, Da-tenbanken von Oracle, BI-Lösungen von Qliktechoder die Plattform Force.com.

Neben den oben skizzierten Ansätzen exis-tieren einige weitere Unternehmen, die sichdem Thema BI as a Service widmen.

IBM liefert zum Thema CC Lösungen fürIaaS sowie SaaS und engagiert sich darüber hin-aus stark in Forschungs- und Standardisie-rungsprojekten. Mit dem Fokus BI bietet IBMunter dem Namen »Smart Analytics Cloud«eine private BI-Cloud auf Basis der »System z«-Server und der »Cognos 8 BI«-Suite an.

SAP liefert mit BusinessObjects BI onDemandeine gehostete Plattform für die Integration vonDaten (Information OnDemand) und derenVisualisierung (Business Objects XI Toolset,Crystalreports.com).

Ebenfalls am Markt sind Lösungen wieWebFocus von InformationBuilders, BusinessAnalytics von OCO und Lösungen von Kognitio.

Anwendungsfokus Beispiele

Public BI-Cloud

• BI-Inhalte basieren auf im Web zugäng-lichen Datenquellen bzw. auf Daten anderer Clouds

• BI-Dienste auf reiner Cloud-Technologie basierend

• BI-Plattform wird durch unterschiedli-che Nutzer oder in Synergien verwendet

• BI-Dienst ist massentauglich

• Auswertungen über Webcontent (Google-Ergebnisse, Social-Media-Inhalte) und Auswertungen aus öffent-lichen Daten (Wetter-, Verkehrs- oder Statistikdaten)

• Webbasierte Visualisierung und Ana-lysen von Aktienkursentwicklungen

• Bereitstellung von Unternehmens-analysen/-profilen für das Kunden-/Lieferanten-, aber auch Wettbewer-ber-Monitoring

• Benchmark von Datenbeständen gleicher Modellierung

Private BI-Cloud

• BI-Inhalte basieren auf Unternehmens-datenquellen

• BI-Dienste in Form eines individuellen Hostings

• BI-Inhalte sind vertraulich

• Klassische unternehmensinterne BI-Lösungen

Hybrid BI-Cloud

• Mischform aus Public und Private BI-Cloud

• BI-Inhalte basieren in Teilen auf Unter-nehmensdatenquellen und auf im Web zugänglichen Datenquellen bzw. auf Daten anderer Clouds

• BI-Dienste werden teilweise einem öffentlichen Publikum bereitgestellt

• Bewirtschaftung der Modelle im Unter-nehmen und Visualisierung über VaaS-Dienste eines Cloud-Providers

• Austausch von Informationen zwischen Anbietern (Bereitstellung von gesetzlich vorgeschriebenen Daten als DaaS und Weiterverarbei-tung in der Private Cloud)

Tab. 1: Beispielhafte Einsatzbereiche der BI-Cloud


40 HMD 275

4 AusblickCC befindet sich aktuell noch in einem frühenEntwicklungsstadium. Trotzdem erscheint unsder Ansatz gerade im Sinne eines ganzheitli-chen BI-Verständnisses überaus vielverspre-chend. Chancen für BI auf Basis des CC ergebensich – gerade in einem zunehmend schwierigenwirtschaftlichen Umfeld – daher z.B. durch:

! Reduzierung von IT-Betriebs- und Planungs-kosten (bedarfsbezogene Abrechnungsmög-lichkeiten)

! Erhöhung der Service Levels und IT-Professio-nalität (Risikotransfer zum Dienstleister)

! Erhöhung und Flexibilisierung der Skalierbar-keit (optimales Abfedern von Lastspitzen unddamit schnellere und flexiblere Reaktion aufveränderte Geschäftsanforderungen)

! Geringere Kapitalbindung (Verlagerung vonInvestitions- auf Betriebskosten)

! Standardisierung in den BI-Architektur-ebenen

Die BI-Cloud ermöglicht durch neue Datenkon-nektoren und die Layertrennung in DaaS, MaaS

Business Intelligence Cloud

VaaS Visualisation as a Service

MaaSModel

as a Service

DaaSData

as a Service

PaaSPlatform

as a Service

IaaSInfrastructureas a Service

SaaSSoftware

as a Service

BI a

s a

Ser

vice

Microsoft Google

• Windows Azure Reporting Services

• Sharepoint Services

• Office Apps

• Windows Azure BI Services

• Windows Azure BI Services

• Projekt »Dallas«

• Windows Azure + Azure Services

• Microsoft Data Center

• Goggle Apps (Java-/Python-

Basis)

(Panorama BI)

• Google App Engine

• Nutzung derGoogle-

Infrastruktur

Amazon-basiert(Pentaho, Oracle,

Qliktech, Force.com, …)

• Amazon Web Services

• Amazon Simple DB • Amazon Simple Storage Service

• Amazon Cloud Front

• Amazon EC2

Abb. 3: Status quo der BI-Cloud-Angebote


HMD 275 41

und VaaS deutlich höhere Entwicklungsmög-lichkeiten als klassische BI-Lösungen. Bis Tech-nologien und Konzepte des CC einen Reifegraderreicht haben, um BI-Lösungen erfolgreich andie Masse der Anwender zu bringen, wird eswahrscheinlich noch einige Zeit dauern. Trotz-dem birgt unseres Erachtens das Konzept einerCloud-basierten BI eine hohe Attraktivität undgroßes Innovationspotenzial, sodass sich Anbie-ter und Kunden frühzeitig mit den Möglichkei-ten dieses Ansatzes auseinandersetzen sollten.

5 Literatur[Baun et al. 2010] Baun, C.; Kunze, M.; Nimis, J.;

Tai, S.: Cloud Computing: Web-basierte dynami-sche IT-Services. Springer-Verlag, Berlin, 2010.

[Gluchowski et al. 2009] Gluchowski, P.; Kemper, H.-G.; Seufert, A.: Innovative Prozess-Steuerung –Was ist neu an operational BI. BI-Spektrum 4(2009), 1, S. 8-12.

[ICV & Roland Berger 2010] ICV; Roland Berger(Hrsg.): Operations-Effizienz-Radar: Schwer-punkte der CFOs für 2010, www.controllerverein.com/Fachthemen.183.html; Zugriff am07.06.2010.

[Kemper et al. 2004] Kemper, H.-G.; Mehanna, W.;Unger, C.: Business Intelligence – Grundlagenund praktische Anwendungen. Vieweg + TeubnerVerlag, Wiesbaden, 2004.

[Köhler-Schute 2009] Köhler-Schute, C. (Hrsg.): Soft-ware as a Service – SaaS: Strategien, Konzepte,Lösungen und juristische Rahmenbedingungen.KS-Energy-Verlag, Berlin, 2009.

[Oehler & Seufert 2008] Oehler, K.; Seufert, A.: Busi-ness Intelligence: Marktüberblick und Entwick-lungstendenzen. Der Controlling-Berater o. Jg.(2008), 7, S. 821-852.

[Schiefer & Seufert 2005] Schiefer, J.; Seufert, A.:Management and Controlling of Time-SensitiveBusiness Processes with Sense & Respond. In-ternational Conference on Computational Intel-ligence for Modelling Control and Automation(CIMCA'2005), Wien, 2005.

[Seufert & Lehmann 2006] Seufert, A.; Lehmann, P.:Business Intelligence – Status quo undzukünftige Entwicklungen. HMD – Praxis derWirtschaftsinformatik 43 (2006), 247, S. 21-32.

[Seufert & Oehler 2010] Seufert, A.; Oehler. K.: Ein-satzpotentiale von Business Intelligence amBeispiel der Ergebnisrechnung. In: Gleich R.;Michel, U.; Stegmüller, W.; Kämmler-Burrak, A.(Hrsg.): Moderne Kosten- und Ergeb-nissteuerung. Haufe Verlag, Freiburg, 2010, S.443-464.

[Seufert et al. 2008] Seufert, A.; Oehler, K.; Sexl, S.:Unternehmensplanung und Wertbeitrag von IT– eine zentrale Gestaltungsaufgabe für dasControlling. In: Controller-Leitfaden, Weka Ver-lag, Zürich, 2008, Teil 4, Kapitel 4, S. 1-17.

[Stanoevska-Slabeva et al. 2010] Stanoevska-Slabeva, K.; Wozniak, T.; Ristol, S.: Grid and CloudComputing – A Business Perspective on Techno-logy and Applications. Springer-Verlag, Berlin,2010.

[Velte et al. 2010] Velte, A. T.; Velte, T. J.; Elsenpeter, R.:Cloud Computing: A Practical Approach.McGraw-Hill, New York et al., 2010.

Prof. Dr. Andreas Seufert Institut für Business Intelligence Steinbeis Hochschule Berlin (SHB) und Steinbeis-Stiftung für Wirtschaftsförderung (StW) Willi-Bleicher-Str. 19 / Haus der Wirtschaft 70174 Stuttgart [email protected] www.i-bi.de

Dipl.-Inf. Norman BernhardtpmOne AGKleine Reichenstr. 520457 [email protected]