Daten bilden im Informationszeitalter die Grundlage unternehmerischen, gesellschaftlichen und individuellen Handelns und werden häufig auch als ein immaterielles (Wirtschafts-)Gut verstanden. Die globale Datenmenge wächst dabei exponentiell und verdoppelt sich laut Schätzungen ca. alle zwei Jahre. Gleichzeitig mit diesem rasanten Datenwachstum und resultierend aus den technologischen Fortschritten verändert sich auch die zur Darstellung und Speicherung von digitalen Daten notwendige Hard- und Software. Dies führt zu der Situation, dass Daten in großen Mengen beinahe beiläufig erzeugt werden, wogegen deren langfristige Nutzbarkeit und Erhaltung jedoch aktiv sichergestellt werden muss. Während diese Problematik bereits seit geraumer Zeit auf der Forschungsagenda der Bibliothekswissenschaftler und Archivare steht, dringt sie in zunehmendem Maße auch in den Kontext der Wirtschaftsinformatik und in den Fokus von Unternehmen vor, welche sich mit verschärften Compliance-Anforderungen, Aufbewahrungsanforderungen und Rechtsstreitigkeiten konfrontiert sehen, wodurch die langfristige Verfügbarkeit von digitalen Informationen erforderlich wird. Aber nicht nur Unternehmen sind mit den Herausforderungen konfrontiert, die mit dem langfristigen Erhalt digitaler Informationen verbunden sind. Auch im privaten Bereich stellt sich die Frage, wie Endanwender den Zugriff auf ihre persönlichen und für sie zum Teil unersetzlichen Daten wie Fotos oder Dokumente langfristig sicherstellen können. Die vorliegende Dissertation soll einen Erkenntnisbeitrag zum skizzierten Spannungsfeld und den Herausforderungen der Archivierung im Informationszeitalter leisten. Dazu werden Fragestellungen sowohl aus der Perspektive von Unternehmen als auch aus derjenigen von privaten Endanwendern und Cloud-Dienstleistern im Rahmen von einzelnen Forschungsbeiträgen untersucht.

In der vorliegenden Arbeit wird ein selbst-adaptives modellbasiertes Entscheidungsunterstützungssystem zur Anpassung von Modellen an eine dynamische Umwelt im Rahmen des betriebswirtschaftlichen Planungsprozesses beschrieben. Das Prinzip der Selbst-Adaption wird genutzt, um Modelle innerhalb eines Entscheidungsunterstützungssystems kontinuierlich realitätsnah zu repräsentieren, damit ein Entscheider stetig bestmöglich unterstützt werden kann. Hierfür wird eine Architektur entwickelt, die ein modellgetriebenes Entscheidungsunterstützungssystem auf Grundlage des Prinzips der Selbst-Adaption konzeptionell erweitert und prototypisch realisiert. Die konzipierte Model-/System-Controller Architektur besteht aus vier zentralen Komponenten: Dem Modell als Abbild der Realität, dem System-Controller zur Anwendung des Modells sowie zur Unterstützung des Anwenders, dem Observer zur Überwachung der Modellvalidität und dem Model-Controller zur Erstellung von Modellanpassungsvorschlägen im Fall einer Abweichung. Der Observer überwacht das Modell und prüft kontinuierlich, ob eine Modellaktualisierung notwendig ist. Der Model-Controller sorgt durch ein dynamisches Vorgehen beim Erstellen von Experimentalmodellen sowie eine vielschichtige Evaluation auf Modell- und Variablenebene für eine Reduktion der Komplexität. Das Zusammenspiel der Komponenten sorgt für eine kontinuierliche Evaluation und, sofern es die Umweltbedingungen bedürfen, für eine ständige Anpassung des Modells. Forschungsmethodisch orientiert sich die Arbeit an Design Science Research. Die gestaltungsorientierten Forschungsschritte werden durch eine ex ante und ex post Evaluation überprüft. Die ex ante Evaluation überprüft die Architektur auf Vollständigkeit und Korrektheit und bestätigt im Rahmen einer Umfrage, dass die entwickelten Komponenten sowie ihre Funktionen die Probleme von Entscheidungsunterstützungssystemen in einer dynamischen Unternehmensumwelt lindern können. Die ex post Evaluation weist mittels eines Laborexperimentes die Effektivität und Effizienz bei der Abweichungs- und Ursachenanalyse des Prototyps nach und zeigt die Gebrauchstauglichkeit für verschiedene Nutzungsszenarien auf.

In der vorliegenden Arbeit wird das Konzept eines zusammengesetzten Decision Support Systems (DSS), bestehend aus einer wissensgetriebenen und einer datengetriebenen Komponente vorgeschlagen, welches Entscheidungsträger der Kapazitätsplanung auf verschiedenen Ebenen eines hochschulinternen Planungssystems mit prognostizierten, den Kernprozess Lehre betreffenden Nachfragegrößen unterstützt. Den Kern des zusammengesetzten DSS stellt eine wissensgetriebene Komponente dar, die basierend auf dem Paradigma des Case-based Reasoning (CBR) die Prognose individueller Studienverläufe aller Studierender einer Hochschule ermöglicht. Dazu erfolgt die Wiederverwendung von Erfahrungen hinsichtlich der Modul- und Klausurbelegung von Alumni und im Studium fortgeschrittener Studierender, die in Form von Fällen repräsentiert werden. Die domänenspezifischen Anpassungen und Erweiterungen des Paradigmas des CBR umfassen erstens die Repräsentation von Erfahrungen mit heterogenem Zeitbezug durch Fälle. Diesbezüglich wird einerseits eine dynamische, vom zu lösenden Problem abhängige Zuordnung von Fallattributen zu den Komponenten Beschreibung und Lösung eines Falls konzipiert. Andererseits wird eine Möglichkeit zur Abbildung von zeitabhängigen Attributen sowohl in der Beschreibung als auch in der Lösung eines Falls geschaffen. Zweitens erfolgt eine Erweiterung des CBR-cycle, des Problemlösungsprozesses, der im erarbeiteten Konzept zur Erstellung von Prognosen verwendet wird. Die Erweiterungen umfassen insbesondere die automatisierte Erkennung von zu lösenden (Prognose-)Fällen, die Überprüfung und Anpassung erstellter Prognosen mithilfe eines regelbasierten Systems, das sich auf Domänenwissen aus einer Ontologie stützt, sowie die zeitasynchrone Einbeziehung einer Vielzahl von Studierenden als Domänenexperten zur Anpassung individuell prognostizierter Studienverläufe. Eine datengetriebene Komponente bildet den zweiten Teil des zusammengesetzten DSS. Diese dient der Bereitstellung der Ergebnisse der wissensgetriebenen Komponente in einer von Entscheidungsträgern der hochschulinternen Kapazitätsplanung verwertbaren Form. Die durch die wissensgetriebene Komponente erstellten Prognosen werden hierzu in einen multidimensional modellierten Data Mart geladen und mithilfe von analytischen und Standardberichten auf verschiedenen Aggregationsniveaus zur Auswertung bereitgestellt. Zur Evaluation des Konzepts erfolgt dessen prototypische Implementierung am Beispiel der Universität Osnabrück. Der Fokus der Bewertung liegt auf dem Kriterium der Prognosegenauigkeit, welches durch verschiedene, auf dem Prognosefehler basierende Gütemaße operationalisiert wird. Letztere werden anhand von Prognosesimulationen mittels des Prototyps ermittelt und auf Basis eines Interpretationsschemas sowie durch Gegenüberstellung mit den Ergebnissen eines Referenzverfahrens interpretiert und bewertet.

Die vorliegende Arbeit beschreibt ein wissensbasiertes Decision Support System (DSS) zur Analyse von Wirkungsbeziehungen in einem betriebswirtschaftlichen Umfeld, um die Ursachen von beobachteten Wirkungen zu verstehen und dadurch eine Unterstützung in Entscheidungssituationen zu ermöglichen. Die Umweltbedingungen einer Entscheidungssituation werden während der Analyse berücksichtigt, sodass die Unterstützung auf die jeweilige Situation angepasst ist. Den Kern des Konzeptes stellen eine Wissensbasis sowie eine Ablaufsteuerung zur situativen Auswertung der Wissensbasis dar. Die Wissensbasis speichert Wirkungsbeziehungen zwischen Elementen in Form eines semantischen Netzes. Ein Element besitzt zudem Metainformationen über interne und externe, beliebig strukturierte Daten zur situativen Validierung der Wirkungsbeziehungen. Ebenfalls können Zeitverzögerungen bei Wirkungsbeziehungen berücksichtigt werden. Die Ablaufsteuerung verarbeitet das gespeicherte Wissen aus der Wissensbasis zur situativen Entscheidungsunterstützung in drei aufeinander aufbauenden Phasen. Die Initialisierungsphase dient der Eingabe einer Entscheidungssituation ins System sowie dem Matching der Entscheidungssituation mit Elementen der Wissensbasis. Die Explorationsphase durchsucht die Wissensbasis anhand der Wirkungsbeziehungen nach potenziell relevanten Elementen für die Entscheidungssituation und validiert diese mit statistischen Methoden, indem die Daten der potenziell relevanten Elemente anhand der Metainformationen abgerufen und mit geeigneten Methoden ausgewertet werden. Die Evaluationsphase ermöglicht es dem Anwender, die Ergebnisse zu überprüfen und optional die Wissensbasis anzupassen. Zur Evaluation des Konzeptes erfolgt eine prototypische Implementierung sowie deren empirische Evaluation mit einem Laborexperiment. Auf Basis des Aufgabe-Technologie-Fit-Modells wird eine bessere Eignung des Prototyps im Vergleich zu einer am Markt etablierten DSS-Software ohne automatisierte Analysen von Wirkungsbeziehungen nachgewiesen.

In dieser Arbeit werden Unternehmensnetzwerke aus einer abhängigkeitsbasierten Perspektive betrachtet und es wird ein Beitrag zum Management solcher Netzwerke geleistet. Unter dem Begriff Management wird im Kontext dieser Arbeit die ganzheitliche Planung, Kontrolle und Steuerung verstanden. Dabei wurden in sechs wissenschaftlichen Erst- und Koautorenschaften diverse gestaltungsorientierte Forschungsergebnisse in Form von Design-Science-Artefakten entwickelt. Mit deren Hilfe können Managementaktivitäten in den Bereichen Business-IT-Alignment, Partnerauswahl in Netzwerken, sowie IT-Governance auf der Basis von Abhängigkeiten mit interorganisationaler Ausprägung betrachtet und gemeistert werden. In dieser kumulativen Dissertationsschrift werden die Resultate entlang des Lebenszyklus von Unternehmensnetzwerken eingeordnet, wodurch die Relevanz der eingereichten Artikel auf die einzelnen Netzwerklebensphasen gespiegelt wird. Zudem werden sowohl theoretische als auch praktische Implikationen der Resultate diskutiert. Insgesamt tragen sowohl die ganzheitliche Sichtweise als auch der interdisziplinäre Charakter der Ausarbeitungen zu einem gesteigerten Verständnis von Abhängigkeitsbeziehungen in Unternehmensnetzwerken bei.