This dissertation explores the Internet of Things from three different perspectives for which three individual studies were conducted. The first study presents a business application within supply chain management. The second study addresses user acceptance of pervasive information systems, while the third study covers future prospects of the Internet of Things. The first study is about wireless sensor technologies and their possibilities for optimizing product quality in the cold chain. The processing of sensor data such as temperature information allows for the construction of novel issuing policies in distribution centers. The objective of the study was to investigate the possible economic potential of sensor-based issuing policies in a cold chain. By means of simulation, we analyzed a three-echelon supply chain model, including a manufacturer, a distribution center, and a retail store. Our analysis shows that sensor-based issuing policies bear the potential to become an effective complement to conventional issuing policies. However, the results also indicate that important trade-offs must be taken into account in the selection of a specific issuing policy. The second study deals with the increasing emergence of pervasive information systems and user acceptance. Based on the integration of the extended “Unified Theory of Acceptance and Use of Technology” (UTAUT2) and three pervasiveness constructs, we derived a comprehensive research model to account for pervasive information systems. Data collected from 346 participants in an online survey was analyzed to test the developed research model using structural equation modeling and taking into account multi-group and mediation analysis. The results confirm the applicability of the integrated UTAUT2 model to measure pervasiveness. The third study addresses future prospects of the Internet of Things within the retail industry. We employed a research framework to explore the macro- as well as microeconomic perspective. First, we developed future projections for the retail industry containing IoT aspects. Second, a two-round Delphi study with an expert panel of 15 participants was conducted to evaluate the projections. Third, we used scenario development to create scenarios of the most relevant projections evaluated by the participants. / Die vorliegende Dissertation untersucht das „Internet der Dinge“ aus drei verschiedenen Perspektiven, wofür drei Studien durchgeführt wurden. Die erste Studie präsentiert eine kommerzielle Anwendung innerhalb des Supply Chain Managements. Die zweite Studie behandelt das Thema Nutzerakzeptanz im Kontext allgegenwärtiger Informationstechnologien, während sich die dritte Studie mit Zukunftsaussichten des Internets der Dinge im Einzelhandel befasst. Die erste Studie evaluiert die Möglichkeiten kabelloser Sensortechnologien zur Optimierung der Produktqualität verderblicher Güter in der Kühlkette. Dabei ermöglicht die Verarbeitung von Sensordaten, wie bspw. Temperaturinformationen, neuartige Ansätze bei sog. Verbrauchsfolgeverfahren in der Lagerhaltung im Verteilzentrum. Das Ziel der Studie ist die möglichen ökonomischen Potenziale sensorbasierter Verbrauchsfolgeverfahren in der Kühlkette zu untersuchen. Mittels Simulation wurde eine dreistufige Lieferkette, bestehend aus einem Hersteller, einem Verteilzentrum und einem Einzelhandelsgeschäft, analysiert. Die Analyse verdeutlicht, dass sensorbasierte Verbrauchsfolgeverfahren das Potenzial besitzen sich zu einer wirkungsvollen Ergänzung zu üblichen Verbrauchsfolgeverfahren zu entwickeln. Die Ergebnisse zeigen jedoch auch, dass wichtige Kompromisse bei der Auswahl spezifischer Verbrauchsfolgeverfahren zu berücksichtigen sind. Die zweite Studie behandelt das Thema Nutzerakzeptanz von sog. pervasiven Informationssystemen. Auf der Grundlage der Integration der erweiterten „Unified Theory of Acceptance and Use of Technology” (UTAUT2) und drei Konstrukten zu „Pervasiveness“, wurde ein umfassendes Forschungsmodell entwickelt um pervasiven Informationssytemen Rechnung zu tragen. Hierzu wurden Daten von 346 Teilnehmern einer Onlineumfrage gesammelt und analysiert, um das Forschungsmodell unter Verwendung von Strukturgleichungsmodellierung zu testen. Weitere Bestandteile der Analyse waren eine Mehrgruppen-Moderation und Mediation. Die Ergebnisse bestätigen die Anwendbarkeit des integrierten UTAUT2-Modells um die Nutzerakzeptanz pervasiver Informationssysteme zu messen. Die dritte Studie befasst sich mit den Zukunftsaussichten des Internets der Dinge im Einzelhandel. Vor dem Hintergrund makro- und mikroökonomischer Faktoren wurden zunächst Zukunftsprojektionen im Kontext des Internets der Dinge im Einzelhandel erstellt. Anschließend wurde eine zweistufige Delphi-Studie mit einer 15 Teilnehmer umfassenden Expertengruppe durchgeführt zur Bewertung der Projektionen. Im letzten Schritt stand die Szenarioentwicklung im Vordergrund, in der potenzielle Zukunftsszenarien aus den relevantesten Projektionen, basierend auf den Expertenmeinungen, entwickelt wurden.

Traditional fashion retailers are increasingly hard-pressed to keep up with their digital competitors. In this context, the re-invention of brick-and-mortar stores as smart retail environments is being touted as a crucial step towards regaining a competitive edge. This thesis describes a design-oriented research project that deals with automated product tracking on the sales floor and presents three smart fashion store applications that are tied to such localization information: (i) an electronic article surveillance (EAS) system that distinguishes between theft and non-theft events, (ii) an automated checkout system that detects customers’ purchases when they are leaving the store and associates them with individual shopping baskets to automatically initiate payment processes, and (iii) a smart fitting room that detects the items customers bring into individual cabins and identifies the items they are currently most interested in to offer additional customer services (e.g., product recommendations or omnichannel services). The implementation of such cyberphysical systems in established retail environments is challenging, as architectural constraints, well-established customer processes, and customer expectations regarding privacy and convenience pose challenges to system design. To overcome these challenges, this thesis leverages Radio Frequency Identification (RFID) technology and machine learning techniques to address the different detection tasks. To optimally configure the systems and draw robust conclusions regarding their economic value contribution, beyond technological performance criteria, this thesis furthermore introduces a service operations model that allows mapping the systems’ technical detection characteristics to business relevant metrics such as service quality and profitability. This analytical model reveals that the same system component for the detection of object transitions is well suited for the EAS application but does not have the necessary high detection accuracy to be used as a component of an automated checkout system. / Das fortschreitende Wachstum des Online-Handels setzt traditionelle Modehändler zunehmend unter Druck. Als entscheidender Schritt zur Rückgewinnung von Kunden wird die Transformation traditioneller Ladengeschäfte hin zu intelligenten Ladenumgebungen gesehen. Die vorliegende gestaltungsorientierte Arbeit beschäftigt sich mit der automatischen Verfolgung von Produkten auf der Verkaufsfläche und stellt drei intelligente Anwendungen vor, die auf derartige Informationen angewiesen sind: (i) ein Diebstahlsicherungssystem, (ii) ein System zur Automatisierung des Kassiervorgangs und (iii) eine intelligente Umkleidekabine. Das erste System erkennt Produkte mit denen Kunden die Verkaufsfläche verlassen; das zweite System ordnet diese zusätzlich den richtigen Warenkörben zu. Das dritte System erkennt die Produkte, die ein Kunde in eine Umkleidekabine bringt und identifiziert, basierend auf der Interaktion des Kunden mit den Produkten, an welchem Produkt er aktuell am meisten Interesse hat. Zu diesem sollen anschließend maßgeschneiderte Dienste angeboten werden (z.B. Produktempfehlungen). Die Einbettung derartiger cyber-physischer Systeme in bestehende Einzelhandelsumgebungen ist aufgrund architektonischer Einschränkungen, etablierten Kundenprozessen und Kundenerwartungen hinsichtlich Datenschutz und Einkaufskomfort mit zahlreichen Herausforderungen verbunden. Zur Lösung der einzelnen Erkennungsaufgaben untersucht die Arbeit den Einsatz von RFID-Technologie und maschinellen Lernverfahren. Um die Systeme zudem optimal zu konfigurieren und belastbare Aussagen über den Wertbeitrag dieser zu treffen, wird zudem ein analytisches Modell vorgestellt, welches es ermöglicht die technischen Erkennungsmerkmale der Systeme auf geschäftsrelevante Kennzahlen wie Servicequalität und Rentabilität abzubilden. Die Bewertung der Systeme mit diesem Modell zeigt, dass die gleiche Systemkomponente zur Erkennung von Objektübergängen als Komponente eines Diebstahlsicherungssystems geeignet ist, jedoch nicht die erforderliche Erkennungsgenauigkeit aufweist, um als Komponente eines Systems zu Automatisierung des Kassiervorgangs verwendet werden zu können.

Our world is becoming more and more connected. The Internet of things (IoT) is one of the emerging technologies connecting an increasing number of devices to the Internet and offering value-added services. The desire for more and more connectivity and smart control, the low technical effort, and the decreased cost of Internet-enabled devices favor this trend. IoT enriches a variety of application domains, including home automation, smart grid, Industrial Internet of Things (IIoT), vehicle-to-everything (V2X) communication, smart city, health care, disaster forecasting, and the observation of animals and nature. A high diversity of IoT devices ranges from tiny battery-powered sensors to artificial intelligence (AI) applications running on powerful hardware. The types of data transmission are also heterogeneous, such as rarely transmitted sensor data of just a few bytes, high-frequency messaging data, or large, continuous data streams. The dynamics of IoT systems, the amount of IoT devices, and the high diversity introduce challenges to applications and infrastructure. The infrastructure components include computing nodes, backend software systems, databases, storage systems, as well as access and data center networks. The systems must consider performance aspects in order to maintain the desired quality of experience (QoE) for users. Due to varying requirements, the systems need to consider performance aspects both during design as well as during runtime by supporting adaptation. This dissertation deals with design optimizations and runtime adaptations of networks from the perspective of application developers and data center operators through measurement, modeling, and prediction of network quality with a focus on IoT. This work covers the three research areas of: (i) quality prediction in mobile networks, (ii) performance evaluation and testing of communication protocols, and (iii) adaptation of data center networks. The first research area addresses quality prediction in mobile networks. Applications must react to changing network conditions, such as varying coverage or even dead spots, which are intrinsic to mobile networks. Such adjustments include, for example, the adjustment of a video bitrate or the deferral of low-priority data transfers. A long-term network quality prediction is beneficial for such communication adaptation mechanisms. Furthermore, applications could inform users in advance about areas with limited network coverage, and route planning software can include the prediction. However, existing approaches focus primarily on short-term predictions and require current connectivity parameters. We identified the need for prediction approaches that provide long-term predictions with a horizon of several minutes or even hours. The second research area deals with the performance evaluation and testing of communication protocols. Various communication protocols have emerged over time, differing in their suitability for specific scenarios. IoT system designers and application developers should be aware of the characteristics of the communication protocols and consider them when selecting a suitable protocol. Existing work on performance evaluation of communication protocols focus on scalability and efficiency in stable networks. This work addresses the shortcomings of such tools by supporting the performance evaluation of communication protocols under constrained and varying network quality conditions. The third research area concerns the adaptation of data center networks. The varying number of devices and load also affects the data center networks. Service providers that run their applications in the cloud define the requirements on infrastructure performance through service-level agreements (SLAs) with the data center operators. Data center operators must continuously monitor their networks for SLA-compliance and respond to performance bottlenecks. Existing network adaptation approaches focus on specific adaptation aspects and technologies such as rerouting or software-defined networking (SDN) operations. This work identifies the need for an approach supporting different, technology-agnostic network adaptation strategies. Such an approach should suggest adaptations to the data center operators or apply them directly in order to cope with the dynamics of communication. The adaptation approach should validate the adaptation options automatically before suggesting them. Motivated by the identified shortcomings and needs, we summarize the contributions of this dissertation as follows. Technique for continuously measuring cellular network quality: We design and implement a technique for collecting measurements in cellular networks with the following key characteristics. First, the measurement technique supports continuous and automatic measurements, enabling car drivers or cyclists to collect measurements without any user interaction. Second, the technique integrates a fast bitrate measurement algorithm with low data volume consumption, making it well-suited for measurements within short time intervals and data collection by volunteers. Third, we implemented the technique on the Android operating system, eliminating the need for specialized measurement equipment, which facilitates capturing measurements by a crowd of users using commodity smartphones. Collecting, processing, and publishing a cellular network measurement dataset: Using our developed technique for quality measurements in cellular networks, we collected 326,157 measurements and published them as open data. We captured the measurements primarily in Germany within a small region. Repeated use of the same routes allows investigation of network quality changes over time and under different conditions. This dissertation analyzes the dataset and provides algorithms for detecting implausible and abnormal values. The cleaned dataset is particularly suitable for further processing in research, for example, as input for machine learning algorithms. Prediction models for connection quality in cellular networks: We developed an approach for predicting the download bitrate in cellular networks along a route. The approach uses a machine learning model trained on the collected dataset. The model requires passive measurements along the route for a prediction. These measurements do not need to send or receive any packets and can, therefore, be collected by a crowd of users through an application in the background. By eliminating the need for actual connection parameters, our approach allows prediction well in advance and what-if analysis for long-term decisions. The prediction enables applications to react in advance or inform the user about the expected network quality and coverage. Benchmarking framework for the performance analysis of publish/subscribe protocols: We developed ComBench, a benchmarking framework for publish/subscribe protocols, focusing on networks with limited and varying quality. ComBench emulates clients that send and receive messages according to a workload definition. These clients can switch between different publish/subscribe protocols. During the benchmark run, ComBench can apply constraints like bitrate limitations or packet losses on their network connection. ComBench provides built-in collection and reporting of performance metrics. IoT system designers can use ComBench to test IoT scenarios matching real-world conditions in wireless networks. Network emulator for testing the communication behavior of applications: Our developed IoT network emulator can emulate networks with constrained and varying network conditions. Software developers can easily integrate it into software testing pipelines through its simple instantiation via the command line and its provided interfaces. These pipelines can then automatically test the desired behavior of an application under different network conditions for each new release. Online adaptation framework for data center networks: We designed an online adaptation framework for data center networks that utilizes a network model to simulate the workload for detecting bottlenecks and SLA violations. A control loop applies adaptation strategies on the model, simulates the suggested configuration changes, and iteratively executes additional adaptation strategies as needed. The validation through simulation and automated optimization ensures that the framework only suggests SLA compliant and cost-optimal configurations. Our developed approaches are valuable contributions to academic research as well as practical applications. To the best of our knowledge, our work is the first to provide a long-term prediction approach for mobile network quality without extensive prior bitrate measurements. Evaluation of the approach shows that it can estimate connection quality trends well. Regarding the performance evaluation of application layer protocols, our approaches differ from existing tools through their multi-protocol-support and capabilities for emulating network limitations and quality variations. A case study illustrates the different application domains of our performance evaluation approaches. The main characteristics of our approach for the online adaptation of data center networks are technology independence and validation of the suggested configuration changes. The evaluation shows that the adaptation algorithm scales well even for more extensive networks and is Pareto-optimal with respect to multiple cost dimensions. / Die Entwicklung in unserer Welt folgt dem Trend nach immer mehr Digitalisierung und Vernetzung. Das Internet der Dinge (Internet of things – IoT) ist eine der aufstrebenden Technologien, die eine wachsende Zahl von Geräten mit dem Internet verbindet und Mehrwertdienste anbietet. Der Wunsch nahezu überall verbunden zu sein, Geräte intelligent zu steuern, sowie der geringe technische Aufwand und die sinkenden Kosten für internetfähige Geräte begünstigen diesen Trend. Das Internet der Dinge bereichert eine Vielzahl von Anwendungsbereichen, darunter die Haus-Automatisierung (Smart Home), die intelligente Steuerung der Energieversorgungsnetze (Smart Grid), das industrielle Internet der Dinge (Industrial Internet of Things – IIoT), die Vernetzung von Fahrzeugen mit anderen Fahrzeugen, Geräten und Internetdiensten (V2X – vehicle-to-everything-Communication), die intelligente Gestaltung und Vernetzung von Städten (Smart City), das Gesundheitswesen, die Katastrophenvorhersage, sowie die Beobachtung von Tieren und Natur. Die große Vielfalt an IoT-Geräten erstreckt sich von winzigen batteriebetriebenen Sensoren bis hin zu Anwendungen, die leistungsstärkere Hardware erfordern. Diese Diversität setzt sich bei der Kommunikation fort. Manche Anwendungsfälle übertragen beispielsweise nur selten Sensordaten in der Größenordnung weniger Bytes, während andere Anwendungsfälle hochfrequente Daten oder große, kontinuierliche Datenströme konsumieren oder produzieren. Die Dynamik von IoT-Systemen, die Anzahl an IoT-Geräten und die große Diversität der Anwendungsfälle stellen Herausforderungen an die Anwendungen und die Infrastruktur. Zu den Infrastrukturkomponenten gehören Rechenzentren, Software-Systeme auf Servern, Datenbanken, Speichersysteme sowie Zugangs- und Rechenzentrumsnetzwerke. Die Systeme müssen bestimmte Leistungskriterien erfüllen, um die Zufriedenheit der Nutzer zu gewährleisten. Aufgrund der unterschiedlichen Anforderungen müssen Entwickler und Betreiber die Leistungsanforderungen an die Systeme sowohl beim Entwurf als auch während der Laufzeit berücksichtigen. Durch dynamische Anpassungen können die Systeme den wechselnden Anforderungen und Lastniveaus gerecht werden. Diese Dissertation befasst sich mit Optimierung und Anpassung von Netzwerken während der Entwurfs- und Betriebsphase. Die Optimierungen und Anpassungen werden aus der Perspektive von Anwendungsentwicklern und Rechenzentrumsbetreibern durch Messung, Modellierung und Vorhersage der Netzwerkqualität mit dem Fokus auf IoT betrachtet. Diese Arbeit umfasst die drei Forschungsbereiche: (i) Qualitätsvorhersage in mobilen Netzen, (ii) Leistungsbewertung und Testen von Kommunikationsprotokollen und (iii) Anpassung von Netzwerken in Rechenzentren. Der erste Forschungsbereich beschäftigt sich mit der Vorhersage der Verbindungsqualität in Mobilfunknetzen. Anwendungen müssen auf ändernde Netzbedingungen reagieren, wie beispielsweise auf eine unterschiedliche Netzabdeckung oder auf Funklöcher, die für Mobilfunknetze typisch sind. Anwendungen können Mechanismen und Algorithmen nutzen, um bei schlechter Netzabdeckung beispielsweise die Videoqualität anzupassen oder weniger zeitkritische Datenübertragungen zu verschieben. Diese Anpassungsmechanismen und Algorithmen profitieren von einer langfristigen Vorhersage der Netzqualität. Eine langfristige Vorhersage würde es außerdem ermöglichen, Nutzer im Voraus über Gebiete mit geringer Netzabdeckung zu informieren oder Assistenten zur Routenplanung könnten die vorhergesagte Netzabdeckung bei ihrer Planung berücksichtigen. Anpassungsmechanismen würden von einer langfristigen Vorhersage der Netzqualität profitieren, den Nutzer im Voraus über Gebiete mit begrenzter Netzabdeckung informieren oder die Vorhersage sogar in die Routenplanung einbeziehen. Bestehende Ansätze zur Vorhersage der Netzqualität konzentrieren sich jedoch in erster Linie auf kurzfristige Vorhersagen und erfordern aktuelle Verbindungsparameter. Aus diesem Defizit leiten wir die Notwendigkeit von Vorhersagemechanismen mit einem Vorhersagehorizont von mehreren Minuten oder sogar Stunden ab. Der zweite Forschungsbereich befasst sich mit der Leistungsbewertung und dem Testen von Kommunikationsprotokollen. Im Laufe der Zeit wurden verschiedene Kommunikationsprotokolle entwickelt, die sich in ihrer Eignung für bestimmte Szenarien unterscheiden. Systemplaner und Anwendungsentwickler sollten sich der Eigenschaften der Kommunikationsprotokolle bewusst sein und diese bei der Auswahl eines geeigneten Protokolls berücksichtigen. Bestehende Arbeiten zur Leistungsbewertung von Kommunikationsprotokollen konzentrieren sich primär auf die Skalierbarkeit und Effizienz in stabilen Netzwerken. Diese Dissertation ergänzt diese Arbeiten durch die Bereitstellung von Werkzeugen zur Leistungsbewertung von Kommunikationsprotokollen unter eingeschränkter und variierender Verbindungsqualität. Der dritte Forschungsbereich greift die Anpassung von Rechenzentrumsnetzen auf. Die variierende Anzahl von (IoT-)Geräten und die unterschiedliche Last durch Datenverkehr wirken sich auch auf die Netzwerke von Rechenzentren aus. Dienstanbieter, die ihre Anwendungen in der Cloud betreiben, definieren die Anforderungen an die Infrastruktur Leistungsverträge (service-level agreements – SLAs) mit den Rechenzentrumsbetreibern. Die Betreiber von Rechenzentren müssen ihre Netzwerke kontinuierlich auf die Einhaltung dieser Vereinbarungen überwachen und auf Leistungsengpässe reagieren. Bestehende Ansätze zur Netzwerkanpassung konzentrieren sich auf spezifische Anpassungsaspekte und -technologien wie das Ändern von Verkehrsrouten oder Operationen in Software-definierten Netzwerken (software-defined networking – SDN). Im Rahmen dieser Arbeit wird ein Ansatz entwickelt, der verschiedene, technologieunabhängige Strategien zur Anpassung von Netzwerken unterstützt. Ein solcher Ansatz sollte den Betreibern von Rechenzentren Netzwerkoptimierungen vorschlagen oder sie direkt anwenden, um somit den dynamischen Anforderungen an das Netzwerk gerecht zu werden. Der Anpassungsansatz validiert die empfohlenen Anpassungen automatisch, bevor er diese vorschlägt. Diese Dissertation ist motiviert durch die festgestellten Defizite und Bedürfnisse. Im Folgenden fassen wir die Beiträge dieser Dissertation zusammen. Technik zur kontinuierlichen Messung der Qualität von Mobilfunknetzen: Wir entwerfen und implementieren eine Technik zur Qualitätsmessung von Mobilfunknetzen mit den folgenden Hauptmerkmalen. Das Messverfahren unterstützt kontinuierliche und automatische Messungen, was beispielsweise Messungen während einer Autofahrt ohne jegliche Benutzerinteraktion ermöglicht. Des Weiteren beinhaltet das Messverfahren einen Algorithmus für schnelle Bitratenmessungen mit geringem Datenvolumenverbrauch. Dadurch eignet sich das Messverfahren besonders gut für Messungen in kurzen Zeitintervallen und die Datenerfassung durch freiwillige Nutzer mit beschränktem Datenvolumen. Zuletzt haben wir das Messverfahren auf dem Android-Betriebssystem implementiert, sodass keine spezielle Messausrüstung erforderlich ist. Die Implementierung auf Android ermöglicht die Erfassung von Messungen durch eine Vielzahl von Nutzern mit handelsüblichen Smartphones. Sammlung, Verarbeitung und Veröffentlichung eines Datensatzes mit Mobilfunkmessungen: Mit dem von uns entwickelten Verfahren zur Messung der Qualität von Mobilfunknetzen haben wir 326.157 Messungen durchgeführt und diese als Datensatz veröffentlicht. Die gesammelten Messungen befinden sich hauptsächlich in Deutschland, innerhalb einer kleinen Region. Die wiederholte Nutzung der gleichen Strecken und Wege ermöglicht die Untersuchung der Netzqualität zu verschiedenen Zeiten und Bedingungen wie Umwelteinflüssen. Diese Arbeit analysiert den Datensatz und stellt Algorithmen zur Erkennung unplausibler und anormaler Werte bereit. Der bereinigte Datensatz eignet sich besonders für die Weiterverarbeitung in der Forschung, zum Beispiel als Eingabe für maschinelle Lernalgorithmen. Vorhersagemodelle für die Qualität von Mobilfunknetzen: Wir haben einen Ansatz zur Vorhersage der Download-Bitrate in Mobilfunknetzen entlang einer Route entwickelt. Der Ansatz verwendet ein Modell aus dem maschinellen Lernen, das auf dem gesammelten Datensatz trainiert wurde. Das Modell benötigt für eine Vorhersage passive Messungen entlang der Route, für die eine Vorhersage getroffen werden soll. Diese Messungen müssen keine Datenpakete senden oder empfangen und können daher von einer Vielzahl von Nutzern über eine Anwendung, beispielsweise auf einem Smartphone, im Hintergrund gesammelt werden. Da keine aktuellen Verbindungsparameter erforderlich sind, ermöglicht unser Ansatz Vorhersagen weit im Voraus und Analysen unter Annahme einer bestimmten Netzqualität. Die Vorhersage ermöglicht es Anwendungen im Voraus zu reagieren oder den Nutzer über die zu erwartende Netzqualität und -abdeckung zu informieren. Benchmarking Framework für die Leistungsanalyse von Publish/Subscribe-Protokollen: Wir haben das ComBench Benchmarking-Framework für Publish/Subscribe-Protokolle entwickelt, welches sich auf Netzwerke mit eingeschränkter und unterschiedlicher Qualität fokussiert. ComBench emuliert Klienten, die Nachrichten gemäß eines definierten Schemas senden und empfangen. Diese Klienten können zwischen verschiedenen Publish/Subscribe-Protokollen wechseln. Während der Benchmark ausgeführt wird, kann ComBench Beschränkungen wie eine limitierte Bitrate oder Paketverluste auf die Netzwerkverbindung anwenden. ComBench kann eigenständig Leistunsgsmetriken der Klienten erheben und auswerten. IoT-Systementwickler können mit ComBench IoT-Szenarien testen, die den realen Bedingungen in drahtlosen Netzwerken entsprechen. Netzwerk-Emulator zum Testen des Kommunikationsverhaltens von Anwendungen: Der von uns entwickelte IoT-Netzwerk-Emulator kann Netzwerke mit eingeschränkten und variierenden Qualitätsmerkmalen emulieren. Softwareentwickler können den Emulator durch seine einfache Instanziierung über die Kommandozeile und seine bereitgestellten Schnittstellen leicht in Softwaretests integrieren. Diese Tests können automatisiert das gewünschte Verhalten einer Anwendung unter verschiedenen Netzwerkbedingungen für jede neue Version der Anwendung testen. Online-Anpassungs-Framework für Rechenzentrumsnetzwerke: Wir haben ein Online-Anpassungs-Framework für Rechenzentrumsnetzwerke entwickelt. Das Framework nutzt ein Netzwerkmodell, um die Netzwerklast zu simulieren und Engpässe und Verletzungen der vertraglichen Leistungen zu erkennen. Ein Kontrollkreislauf wendet Anpassungsstrategien auf das Modell an, simuliert die vorgeschlagenen Konfigurationsänderungen und führt bei Bedarf iterativ zusätzliche Anpassungsstrategien aus. Die Validierung durch Simulation und die automatische Optimierung stellen sicher, dass das Framework nur Konfigurationsänderungen vorschlägt, die den vertraglichen Leistungen erfüllen und kostenoptimal sind. Die von uns entwickelten Ansätze sind ein wertvoller Beitrag zur akademischen Forschung und zu praktischen Anwendungen. Gemäß unserer Recherche, ist unsere Arbeit die erste, die einen langfristigen Ansatz für die Vorhersage der Qualität von Mobilfunknetzen ohne umfangreiche vorherige Bitratenmessungen präsentiert. Die Bewertung des Verfahrens zeigt, dass dieser Trends der Verbindungsqualität gut abschätzen kann. Im Hinblick auf die Leistungsbewertung von Protokollen der Anwendungsschicht unterscheiden sich unsere Ansätze von bestehenden Werkzeugen durch die Unterstützung mehrerer Protokolle und die Fähigkeit, Netzbeschränkungen und Qualitätsschwankungen zu emulieren. Eine Fallstudie veranschaulicht die verschiedenen Anwendungsbereiche unserer Ansätze zur Leistungsbewertung. Die Hauptmerkmale unseres Verfahrens für die Online-Anpassung von Rechenzentrumsnetzwerken sind die Unabhängigkeit gegenüber bestimmter Technologien und die Validierung der vorgeschlagenen Konfigurationsänderungen. Die Evaluierung zeigt, dass der Anpassungsalgorithmus auch für umfangreichere Netzwerke gut skaliert und in Bezug auf mehrere Kostendimensionen Pareto-optimal ist.

Aus der Einführung "Durch die Vernetzung von Produkten im Internet der Dinge / Internet of Things (IoT) und die damit einhergehende Verfügbarkeit von Daten, können nicht nur Produkte selbstständig agieren, reagieren und Aktionen auslösen, sondern auch externe Empfänger die von ihnen gelieferten Daten auswerten und für zusätzliche Services nutzen (Eisenhauer 2007, Abramovici et al. 2014). Dies birgt unter Anderem enorme Potentiale bei der Instandhaltung von technischen Anlagen (Wohlgemut 2007). Diese Anlagen oder Produktionsstätten sind in aller Regel komplexe Systeme, die aus einer heterogenen Landschaft von Subsystemen bestehen. Ohne vorhergehende Kenntnisse einer Maschine ist die Analyse oder Überprüfung solcher Systeme schwierig bis unmöglich. Weiterhin stehen die technischen Dokumentationen und Wartungshistorien bei solchen Tätigkeiten häufig nicht vollständig oder nur in Papierform vor Ort zur Verfügung, während der aktuelle Status der Anlage nicht mit den vorhandenen Informationen überlagert werden kann. ..."

In der vorliegenden Masterarbeit wird die Thematik eines Service-Level-Modells für das Kunden-Reporting eines hochtechnologisierten Unternehmens analysiert. Die stetig kürzer werdenden Technologiezyklen, der zunehmende Druck von anderen Wettbewerbern sowie die Flut an aufkommenden Kleinkunden, durch Technologien des Internet der Dinge, verlangen nach einer konsequenten Report-Standardisierung. Aufgrund der unterschiedlichen Ansätze im Kunden-Reporting des Unternehmens wurde untersucht, inwiefern die Erfahrungen mit Großkunden auf Kleinkunden nachhaltig und zielgerichtet adaptiert werden können. Die Analyse der theoretischen Grundlagen unterstreicht die Relevanz dieser Thematik und verdeutlicht die Gemeinsamkeiten zwischen dem unternehmensinternen Management-Reporting sowie dem Reporting für B2B-Kunden. Im Anschluss daran erfolgt eine Bestandsaufnahme des Customer-Reportings in Bezug auf das Foundry-Unternehmen. Dabei wurden alle kundenrelevanten Berichte der Fachabteilungen begutachtet. Im Nachgang dazu konnten entsprechende Optimierungsansätze herausgearbeitet sowie ein nachhaltiges Reporting-Konzept für Kleinkunden aufgezeigt werden. Das erarbeitete Konzept soll zukünftig seitens der Foundry als Grundlage für aufkommende Neukunden mit niedrigem Produkt-Volumina dienen. Betrachtet man nun das Resultat dieser Untersuchung bleibt festzuhalten, dass durch dieses Instrument dem Effekt der Informationsüberflutung auf Kundenseite deutlich entgegengewirkt wird. Überdies wird erreicht, dass auf Seiten der Foundry sowie dem B2B-Kunden ein homogenes Verständnis, in Bezug auf die technischen Inhalte, generiert wird. Insgesamt betrachtet, liefert diese Arbeit einen wertvollen Beitrag zum Thema Customer-Reporting im hochtechnologisierten Umfeld. Man kann daher den Schluss ziehen, dass es gelingen kann, den vielfältigen Anforderungen der aufkommenden Kleinkunden mit einem generellen Reporting-Standard zu begegnen.

Deutsche Unternehmen sind seit Beginn der 2000er Jahre mit zwei entscheidenden technischen Veränderungen konfrontiert: Web 2.0 und Internet der Dinge. Die zunehmende Nutzung mobiler Endgeräte wie Smartphones und Tablet Computer sowie der Einsatz von Social Media im Unternehmensumfeld steigt stetig an (ACC1, BIT2). Aus diesen beiden Entwicklungen ergibt sich neben neuen technischen Möglichkeiten, auch ein Verhaltenswechsel der Mitarbeiter. Durch die verstärkte Anwendung von Social Media-Technologien innerhalb der Unternehmen werden die Mitarbeiter und ihre Vorgesetzten vor neue Herausforderungen gestellt.

Aus der Einführung "Durch die Vernetzung von Produkten im Internet der Dinge / Internet of Things (IoT) und die damit einhergehende Verfügbarkeit von Daten, können nicht nur Produkte selbstständig agieren, reagieren und Aktionen auslösen, sondern auch externe Empfänger die von ihnen gelieferten Daten auswerten und für zusätzliche Services nutzen (Eisenhauer 2007, Abramovici et al. 2014). Dies birgt unter Anderem enorme Potentiale bei der Instandhaltung von technischen Anlagen (Wohlgemut 2007). Diese Anlagen oder Produktionsstätten sind in aller Regel komplexe Systeme, die aus einer heterogenen Landschaft von Subsystemen bestehen. Ohne vorhergehende Kenntnisse einer Maschine ist die Analyse oder Überprüfung solcher Systeme schwierig bis unmöglich. Weiterhin stehen die technischen Dokumentationen und Wartungshistorien bei solchen Tätigkeiten häufig nicht vollständig oder nur in Papierform vor Ort zur Verfügung, während der aktuelle Status der Anlage nicht mit den vorhandenen Informationen überlagert werden kann. ..."

In recent years, the Internet of Things (IoT) has increasingly received attention from the Business Process Management (BPM) community. The integration of sensors and actuators into Process-Aware Information Systems (PAIS) enables the collection of real-time data about physical properties and the direct manipulation of real-world objects. In a broader sense, IoT-aware workflows provide means for context-aware workflow execution involving virtual and physical entities. However, IoT-aware workflow management imposes new requirements on workflow modeling and execution that are outside the scope of current modeling languages and workflow management systems. Things in the IoT may vanish, appear or stay unknown during workflow execution, which renders their allocation as workflow resources infeasible at design time. Besides, capabilities of Things are often intended to be available only in a particular real-world context at runtime, e.g., a service robot inside a smart home should only operate at full speed, if there are no residents in direct proximity. Such contextual restrictions for the dynamic exposure of resource capabilities are not considered by current approaches in IoT resource management that use services for exposing device functionalities. With this work, we aim at providing the modeling and runtime support for defining such restrictions on workflow resources at design time and enabling the dynamic and context-sensitive runtime allocation of Things as workflow resources. To achieve this goal, we propose contributions to the fields of resource management, i.e., resource perspective, and workflow management in the Internet of Things (IoT), divided into the user perspective representing the workflow modeling phase and the workflow perspective representing the runtime resource allocation phase. In the resource perspective, we propose an ontology for the modeling of Things, Roles, capabilities, physical entities, and their context-sensitive interrelations. The concept of Role is used to define non-exclusive subsets of capabilities of Things. A Thing can play a certain Role only under certain contextual restrictions defined by Semantic Web Rule Language (SWRL) rules. At runtime, the existing relations between the individuals of the ontology represent the current state of interactions between the physical and the cyber world. Through the dynamic activation and deactivation of Roles at runtime, the behavior of a Thing can be adapted to the current physical context. In the user perspective, we allow workflow modelers to define the goal of a workflow activity either by using semantic queries or by specifying high-level goals from a Tropos goal model. The goal-based modeling of workflow activities provides the most flexibility regarding the resource allocation as several leaf goals may fulfill the user specified activity goal. Furthermore, the goal model can include additional Quality of Service (QoS) parameters and the positive or negative contribution of goals towards these parameters. The workflow perspective includes the Semantic Access Layer (SAL) middleware to enable the transformation of activity goals into semantic queries as well as their execution on the ontology for role-based Things. The SAL enables the discovery of fitting Things, their allocation as workflow resources, the invocation of referenced IoT services, and the continuous monitoring of the allocated Things as part of the ontology. We show the feasibility and added value of this work in relation to related approaches by evaluation within several application scenarios in a smart home setting. We compare the fulfillment of quantified criteria for IoT-aware workflow management based on requirements extracted from related research. The evaluation shows, that our approach enables an increase in the context-aware modeling of Things as workflow resources, in the query support for workflow resource allocation, and in the modeling support of activities using Things as workflow resources.:1 Introduction 15 1.1 Background 17 1.2 Motivation 17 1.3 Aim and Objective 19 1.3.1 Research Questions and Scope 19 1.3.2 Research Goals 20 1.4 Contribution 20 1.5 Outline 21 2 Background for Workflows in the IoT 23 2.1 Resource Perspective 24 2.1.1 Internet of Things 24 2.1.2 Context and Role Modeling 27 2.2 User Perspective 37 2.2.1 Goal Modeling 38 2.2.2 Tropos Goal Modeling Language 38 2.3 Workflow Perspective 39 2.3.1 Workflow Concepts 39 2.3.2 Workflow Modeling 40 2.3.3 Internet of Things-aware Workflow Management 43 2.4 Summary 44 3 Requirements Analysis and Approach 45 3.1 Requirements 45 3.1.1 IoT Resource Perspective 46 3.1.2 Workflow Resource Perspective 50 3.1.3 Relation to Research Questions 51 3.2 State of the Art Analysis 53 3.2.1 Fulfillment Criteria 54 3.2.2 IoT-aware workflow management 56 3.3 Discussion 65 3.4 Approach 70 3.4.1 Contribution to IoT-aware workflow management 71 3.5 Summary 73 4 Concept for Adaptive Workflow Activities in the IoT 75 4.1 Resource Perspective 75 4.1.1 Role-based Things 75 4.1.2 Semantic Modeling Concepts 79 4.1.3 SWRL Modeling Concepts 81 4.2 User Perspective 81 4.2.1 Semantic Queries in Workflow Activites 81 4.2.2 Goals for Workflow Activites 81 4.2.3 Mapping from Goals to Semantic Queries 82 4.3 Workflow Perspective 83 4.3.1 Workflow metamodel Extensions 83 4.3.2 Middleware for Dynamic Resource Discovery and Allocation 85 4.4 Summary 86 5 Modeling Adaptive Workflow Activities in the IoT 87 5.1 Resource Perspective 87 5.1.1 Role-based Modeling of Context-sensitive Things 87 5.1.2 Ontology Classes 90 5.1.3 Ontology Object properties 93 5.1.4 Ontology Data properties 99 5.1.5 DL-safe SWRL Rules 100 5.2 Discussion of Role Modeling Features 101 5.3 Example Application Scenario Modeling 102 5.3.1 Resource Perspective 102 5.3.2 User Perspective 105 5.3.3 Workflow Perspective 109 5.4 Summary 113 6 Architecture for Adaptive Workflow Activities in the IoT 115 6.1 Overview of the System Architecture 115 6.2 Specification of System Components 117 6.2.1 Resource Perspective 118 6.2.2 User Perspective 118 6.2.3 Workflow Perspective 118 6.3 Summary 123 7 Implementation of Adaptive Workflow Activities in the IoT 125 7.1 Resource Perspective 125 7.2 Workflow Perspective 125 7.2.1 PROtEUS 125 7.2.2 Semantic Access Layer 127 7.3 User Perspective 128 7.4 Summary 128 8 Evaluation 129 8.1 Goal and Evaluation Approach 129 8.1.1 Definition of Test Cases 130 8.2 Scenario Evaluation 134 8.2.1 Ambient Assisted Living Setting 135 8.2.2 Resource Perspective 135 8.2.3 User Perspective 137 8.2.4 Workflow Perspective 138 8.2.5 Execution of Test Cases 139 8.2.6 Discussion of Results 146 8.3 Performance Evaluation 148 8.3.1 Experimental Setup 148 8.3.2 Discussion of Results 151 8.4 Summary 152 9 Discussion 153 9.1 Comparison of Solution to Research Questions 153 9.2 Extendability of the Solutions 155 9.3 Limitations 156 10 Summary and Future Work 157 10.1 Summary of the Thesis 157 10.2 Future Work 159 Appendix 161 Example Semantic Context Model for IoT-Things 171 T-Box of Ontology for Role-based Things in the IoT 178 A-Box for Example Scenario Model 201 A-Box for Extended Example Scenario Model 210

Sinkende Margen und zunehmender internationaler Wettbewerb schränken das Umsatzwachstum im klassischen Produktgeschäft produzierender Unternehmen ein. Services rücken als Umsatztreiber immer mehr in den Fokus. Gleichzeitig bietet die Digitalisierung neue Geschäftsmöglichkeiten durch digitale Serviceangebote. Datenbasierte Wertschöpfung und digitale Services in Form von (plattformbasierten) Software-Lösungen und Apps spielen für Industrieunternehmen eine Schlüsselrolle, um zukünftig wettbewerbsfähig zu bleiben. Dadurch können Unternehmen ihren Kunden passgenaue intelligente Lösungen als hybride Kombinationen aus Produkten, Services und Software (Produkt-Service-Software-Systeme) anbieten, die den Kundenprozess vereinfachen und operative sowie wirtschaftliche Risiken mindern. Um entsprechend komplexe Geschäftsmodelle zu realisieren, müssen Unternehmen über eigene Firmengrenzen hinaus zusammenarbeiten und Ressourcen und Fähigkeiten zur gemeinsamen Wertschöpfung innerhalb von Ökosystemen koordinieren. Vor diesem Hintergrund sind Unternehmen mit Herausforderungen bei der Anpassung ihrer bestehenden Geschäftsmodelle und der Entwicklung neuer Angebote konfrontiert. Die Dissertation befasst sich mit der Frage, wie Industrieunternehmen den Wandel von Geschäftsmodellen im Zuge von Servitization und Digitalisierung bewältigen und erfolgreich digitale Angebote im Kontext des IoT aufbauen und gestalten. Im Rahmen mehrerer empirischer Studien wird untersucht, wie Industrieunternehmen ihr klassisches Produktgeschäft um digitale Angebote erweitern und dadurch ihren Umsatz steigern.:Wissenschaftlicher Werdegang des Verfassers I Bibliographische Beschreibung II Vorwort III Inhaltsverzeichnis IV Abbildungsverzeichnis VII Tabellenverzeichnis IX Abkürzungsverzeichnis XI 1 Einleitung 1 1.1 Motivation 1 1.2 Zielstellung der Dissertation 2 1.3 Forschungsfragen 3 1.4 Aufbau der Dissertation 3 1.5 Übergreifendes Forschungsdesign 4 2 Grundlagen 8 2.1 Literaturüberblick 8 2.2 Digital Servitization 21 2.2.1 Servitization 22 2.2.2 Digitalisierung 25 2.2.3 Konvergenz von Servitization und Digitalisierung 31 2.3 Wertschöpfung in Ökosystemen 40 2.3.1 Unternehmensübergreifende Wertschöpfung 40 2.3.2 Ökosystem-Konzept 41 2.3.3 Service-Ökosystem 45 2.3.4 Digitalisierung von Ökosystemen 46 2.4 Digitale Plattformen 46 2.4.1 Plattformdefinitionen und -perspektiven 50 2.4.2 Plattformarten 53 2.4.3 IoT-Plattformen 55 2.5 Plattformökosysteme 64 2.5.1 Definition von Plattformökosystemen 64 2.5.2 Akteure von Plattformökosystemen 65 2.5.3 Governance von Plattformökosystemen 71 2.5.4 Orchestrierung von Plattformökosystemen 75 2.5.5 Ausgestaltungsmöglichkeiten von Plattformökosystemen 77 2.6 Geschäftsmodelle 80 2.6.1 Geschäftsmodellkonzept 80 2.6.2 Geschäftsmodelle im Kontext Digital Servitization 82 3 Methodik 86 4 Wachstumspfade zur Überwindung des Digitalisierungsparadoxes 89 4.1 Zielstellung 89 4.2 Theoretischer Hintergrund 89 4.3 Methodisches Vorgehen 91 4.4 Ergebnisse 92 4.5 Implikationen & Diskussion 102 5 Geschäftsmodelldynamik zur Umsatzsteigerung durch digitale Angebote 104 5.1 Zielstellung 104 5.2 Theoretischer Hintergrund 104 5.3 Methodisches Vorgehen 107 5.4 Ergebnisse 111 5.5 Implikationen & Diskussion 120 6 Muster von Geschäftsmodellinnovationen zur Weiterentwicklung von IoT-Plattformen 124 6.1 Zielstellung 124 6.2 Theoretischer Hintergrund 124 6.3 Methodisches Vorgehen 126 6.4 Ergebnisse 130 6.5 Implikationen & Diskussion 139 7 Digital Servitization im Anwendungskontext grüner Wasserstoff 142 7.1 Einführung und Zielstellung 142 7.2 Theoretischer Hintergrund 143 7.3 Methodisches Vorgehen 144 7.4 Ergebnisse 149 7.5 Implikationen & Diskussion 166 8 Schlussbetrachtung 168 8.1 Wissenschaftlicher Beitrag der Dissertation 168 8.2 Praxisbezogener Beitrag der Dissertation 175 8.3 Limitationen und weiteres Forschungspotenzial 178 Anhang 181 Literaturverzeichnis 194 Selbständigkeitserklärung 231

Die Industrie 4.0 führt aktuell zu revolutionären Veränderungen und Herausforderungen im Industriesektor, auf die Unternehmen mit neuen Geschäftsmodellen reagieren müssen. Die Masterarbeit gibt mit Hilfe einer Status-Quo Analyse eine Bestandsaufnahme über die aktuellen digitalen Geschäftsmodelle deutscher Industrieunternehmen. Die Erkenntnisse wurden auf Basis von 71 \"Mini-Cases\" erhoben. Dabei wurden Anbieter, sowie Anwender von Industrie 4.0 Technologien untersucht und in neun Muster kategorisiert. Auf Grundlage dieser Ergebnisse wurde ein inkrementeller Transformationsprozess konzipiert, der zur Entwicklung von digitalen Geschäftsmodellen in der Industrie 4.0 genutzt werden kann.