Ziel des Forschungsvorhabens 'Plug_and_Control' war die Erarbeitung und prototypische Umsetzung eines Konzepts für flexibel konfigurierbare, standardisierte Datenbausteine zur Erfassung und Verarbeitung von Daten aus unterschiedlichen internen und externen Datenquellen von Produktionsunternehmen. Durch diese Datenbausteine sollte zum einen die Auftrennung des betrieblichen Datenstroms in Informationen, die unbedenklich bspw. in einer Cloud gespeichert werden können, und in sensible Daten, die zwingend im Unternehmen verbleiben müssen, realisiert werden. Zum anderen sollte durch den modularen Bausteinansatz die notwendige Flexibilität für eine Anwendung für verschiedene Problemstellungen in beliebigen Unternehmen geschaffen werden. Im entwickelten Konzept wurden fachlich zusammengehörige Daten in Datenbausteinen aggregiert, um eine Standardisierung, Qualitätssicherung sowie Echtzeit-Auswertung zu ermöglichen. Ergänzend wurden Lösungen zur Datenakquise aus Sensorik- und Maschinensteuerungsdaten sowie zur cloudbasierten Speicherung und bedarfsorientierten Verarbeitung der Daten generiert. Auf Basis der so entstandenen flexibel kombinierbaren Daten- und Methodenbausteine wurde ein modulares Dienstleistungsangebot geschaffen sowie prototypisch für verschiedene Anwendungsszenarien umgesetzt und validiert. Durch die im Projekt entwickelten Datenbausteine und deren individuelle Verknüpfung können technikbasierte Dienstleistungsprozesse zukünftig effizienter, flexibler und nutzenorientierter gestaltet werden. Der generierte Bausteinansatz stellt ein Bindeglied zwischen notwendiger Standardisierung und spezifischen Anforderungen für individualisierte Dienstleistungen dar. Neben den prototypischen Lösungen für konkrete Anwendungsfälle im Sonder- und Textilmaschinenbau, der Teilefertigung und des Metallbaus entstanden im Projekt auch allgemeingültige Ergebnisse für flexibel konfigurierbare Dienstleistungen zur Produktionsoptimierung in verschiedenen Branchen. Produktionsunternehmen können somit ihre Daten nicht nur flexibel nutzen, sie sind gleichzeitig auch in die Lage, ihren Kunden modulare, technische Dienstleistungen anzubieten. Diese Dienstleistungen können dabei einerseits auf das Produkt bezogen sein, indem Kunden z.B. in der Entwicklungs-/ Beauftragungsphase die Konfiguration einer Anlage mitgestalten oder während der Erstellung den Auftragsfortschritt verfolgen und Änderungen bewerten können. Andererseits sind Dienstleistungen, die sich auf den Produktionsprozess beziehen, möglich – bspw. die Optimierung von Prozessen, des Ressourceneinsatzes oder der Verfügbarkeit sowie die Ergänzung bestehender bzw. Entwicklung neuer Geschäftsmodelle. Der vorliegende Schlussbericht fasst die erreichten Ergebnisse und Erkenntnisse zusammen.:1 Das Projekt Plug_and_Control 1.1 Problemstellung und Motivation 1.2 Status Quo 1.3 Strategie & Forschungsfrage 1.4 Ziele des Projektes 2 Grundlagen digitaler Dienstleistungen 2.1 Definitionsrahmen digitaler Dienstleistungen 2.2 Beschreibung dienstleistungsbasierter Geschäftsmodelle mittels Gemini 4.0 Business Model Canvas 3 Projektkonsortium 3.1 Professur Fabrikplanung und Intralogistik der TU Chemnitz 3.2 ERMAFA Sondermaschinen- und Anlagenbau GmbH 3.3 KRS - SEIGERT GmbH 3.4 Terrot GmbH 3.5 ICM - Institut Chemnitzer Maschinen- und Anlagenbau e.V. 3.6 Hörmann Rawema Engineering & Consulting GmbH 3.7 Simba n³ GmbH 3.8 com2m GmbH 4 Digitales Dienstleistungskonzept 4.1 Anforderungen an die Methode 4.2 Modulares digitales Dienstleistungskonzept 4.3 Systembeschreibung 4.4 Zusammenhang von Servicekonzept & SDU-SMU-Sammlung 4.5 SDU-SMU-Bibliothek 5 Transfer in die Praxis 5.1 Prototypische Umsetzung des Anwendungsfalls „Maschineneinstellungen für 3D-Drucker bestimmen“ 5.2 Prototypische Umsetzung zum Anwendungsfall „Instandhaltungsmanagement“ bei der ERMAFA Sondermaschinen- und Anlagenbau GmbH 5.3 Prototypische Umsetzung zum Anwendungsfall „Maschineneinstellungen für die Kugelproduktion bestimmen“ bei der KRS - SEIGERT GmbH 5.4 Prototypische Umsetzung des Anwendungsfalls „Auftragsmonitoring“ bei der Terrot GmbH 5.5 Prototypische Umsetzung des Anwendungsfalls „Parameterbestimmung für den IHU-Prozess“ 5.6 Validierung und Verifikation 6 Methode zur Implementierung von Geschäftsmodellen 6.1 Prototyp ableiten 6.2 Prototyp implementieren 6.3 Prototyp testen 7 Zusammenfassung & Ausblick 8 Danksagung 9 Autorenverzeichnis 10 Veröffentlichungen & Vorträge 11 Quellenverzeichnis / The aim of the research project “Plug_and_Control” was the development and prototypical implementation of a concept for flexibly configurable, standardized data modules for the acquisition and processing of data from different internal and external data sources of production companies. On the one hand, these data modules should separate the operational data stream into information that can be safely stored – for example in a cloud – and into sensitive data that must remain in the company. On the other hand, the modular building block approach should create the necessary flexibility for an application for various problems in any company. In the developed concept, related technical data were aggregated in data modules in order to enable standardization, quality assurance and real-time evaluation. In addition, solutions for data acquisition from sensor and machine control data as well as for cloud-based storage and demand-oriented processing of the data were generated. Based on the flexibly combinable data and method modules a modular range of services was created, implemented and validated as prototypes for various application scenarios. Due to the data modules and their individual linkage that were developed in the project, technology-based service processes can be made more efficient, flexible and user-oriented in the future. The generated building block approach represents a link between the necessary standardization and specific requirements for individualized services. In addition to the prototype solutions for specific applications in companies of textile and special mechanical engineering, parts manufacturing and metal construction, the research project also provides general results for flexibly configurable services for production optimization usable in various industries. So, production companies can not only use their data more flexibly, they are also able to offer their customers modular, technical services. This present final documentation of the research project “Plug_and_Control” summarizes the most important results and findings.:1 Das Projekt Plug_and_Control 1.1 Problemstellung und Motivation 1.2 Status Quo 1.3 Strategie & Forschungsfrage 1.4 Ziele des Projektes 2 Grundlagen digitaler Dienstleistungen 2.1 Definitionsrahmen digitaler Dienstleistungen 2.2 Beschreibung dienstleistungsbasierter Geschäftsmodelle mittels Gemini 4.0 Business Model Canvas 3 Projektkonsortium 3.1 Professur Fabrikplanung und Intralogistik der TU Chemnitz 3.2 ERMAFA Sondermaschinen- und Anlagenbau GmbH 3.3 KRS - SEIGERT GmbH 3.4 Terrot GmbH 3.5 ICM - Institut Chemnitzer Maschinen- und Anlagenbau e.V. 3.6 Hörmann Rawema Engineering & Consulting GmbH 3.7 Simba n³ GmbH 3.8 com2m GmbH 4 Digitales Dienstleistungskonzept 4.1 Anforderungen an die Methode 4.2 Modulares digitales Dienstleistungskonzept 4.3 Systembeschreibung 4.4 Zusammenhang von Servicekonzept & SDU-SMU-Sammlung 4.5 SDU-SMU-Bibliothek 5 Transfer in die Praxis 5.1 Prototypische Umsetzung des Anwendungsfalls „Maschineneinstellungen für 3D-Drucker bestimmen“ 5.2 Prototypische Umsetzung zum Anwendungsfall „Instandhaltungsmanagement“ bei der ERMAFA Sondermaschinen- und Anlagenbau GmbH 5.3 Prototypische Umsetzung zum Anwendungsfall „Maschineneinstellungen für die Kugelproduktion bestimmen“ bei der KRS - SEIGERT GmbH 5.4 Prototypische Umsetzung des Anwendungsfalls „Auftragsmonitoring“ bei der Terrot GmbH 5.5 Prototypische Umsetzung des Anwendungsfalls „Parameterbestimmung für den IHU-Prozess“ 5.6 Validierung und Verifikation 6 Methode zur Implementierung von Geschäftsmodellen 6.1 Prototyp ableiten 6.2 Prototyp implementieren 6.3 Prototyp testen 7 Zusammenfassung & Ausblick 8 Danksagung 9 Autorenverzeichnis 10 Veröffentlichungen & Vorträge 11 Quellenverzeichnis

Data-driven maintenance bears the potential to realize various benefits based on multifaceted data assets generated in increasingly digitized industrial environments. By taking advantage of modern methods and technologies from the field of data science and analytics (DSA), it is possible, for example, to gain a better understanding of complex technical processes and to anticipate impending machine faults and failures at an early stage. However, successful implementation of DSA projects requires multidisciplinary expertise, which can rarely be covered by individual employees or single units within an organization. This expertise covers, for example, a solid understanding of the domain, analytical method and modeling skills, experience in dealing with different source systems and data structures, and the ability to transfer suitable solution approaches into information systems. Against this background, various approaches have emerged in recent years to make the implementation of DSA projects more accessible to broader user groups. These include structured procedure models, systematization and modeling frameworks, domain-specific benchmark studies to illustrate best practices, standardized DSA software solutions, and intelligent assistance systems. The present thesis ties in with previous efforts and provides further contributions for their continuation. More specifically, it aims to create supportive artifacts for the selection, evaluation, and application of data-driven methods in the field of industrial maintenance. For this purpose, the thesis covers four artifacts, which were developed in several publications. These artifacts include (i) a comprehensive systematization framework for the description of central properties of recurring data analysis problems in the field of industrial maintenance, (ii) a text-based assistance system that offers advice regarding the most suitable class of analysis methods based on natural language and domain-specific problem descriptions, (iii) a taxonomic evaluation framework for the systematic assessment of data-driven methods under varying conditions, and (iv) a novel solution approach for the development of prognostic decision models in cases of missing label information. Individual research objectives guide the construction of the artifacts as part of a systematic research design. The findings are presented in a structured manner by summarizing the results of the corresponding publications. Moreover, the connections between the developed artifacts as well as related work are discussed. Subsequently, a critical reflection is offered concerning the generalization and transferability of the achieved results. Thus, the thesis not only provides a contribution based on the proposed artifacts; it also paves the way for future opportunities, for which a detailed research agenda is outlined.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application / Datengetriebene Instandhaltung birgt das Potential, aus den in Industrieumgebungen vielfältig anfallenden Datensammlungen unterschiedliche Nutzeneffekte zu erzielen. Unter Verwendung von modernen Methoden und Technologien aus dem Bereich Data Science und Analytics (DSA) ist es beispielsweise möglich, das Verhalten komplexer technischer Prozesse besser nachzuvollziehen oder bevorstehende Maschinenausfälle und Fehler frühzeitig zu erkennen. Eine erfolgreiche Umsetzung von DSA-Projekten erfordert jedoch multidisziplinäres Expertenwissen, welches sich nur selten von einzelnen Personen bzw. Einheiten innerhalb einer Organisation abdecken lässt. Dies umfasst beispielsweise ein fundiertes Domänenverständnis, Kenntnisse über zahlreiche Analysemethoden, Erfahrungen im Umgang mit verschiedenen Quellsystemen und Datenstrukturen sowie die Fähigkeit, geeignete Lösungsansätze in Informationssysteme zu überführen. Vor diesem Hintergrund haben sich in den letzten Jahren verschiedene Ansätze herausgebildet, um die Durchführung von DSA-Projekten für breitere Anwendergruppen zugänglich zu machen. Dazu gehören strukturierte Vorgehensmodelle, Systematisierungs- und Modellierungsframeworks, domänenspezifische Benchmark-Studien zur Veranschaulichung von Best Practices, Standardlösungen für DSA-Software und intelligente Assistenzsysteme. An diese Arbeiten knüpft die vorliegende Dissertation an und liefert weitere Artefakte, um insbesondere die Selektion, Evaluation und Anwendung datengetriebener Methoden im Bereich der industriellen Instandhaltung zu unterstützen. Insgesamt erstreckt sich die Abhandlung auf vier Artefakte, die in einzelnen Publikationen erarbeitet wurden. Dies umfasst (i) ein umfangreiches Systematisierungsframework zur Beschreibung zentraler Ausprägungen wiederkehrender Datenanalyseprobleme im Bereich der industriellen Instandhaltung, (ii) ein textbasiertes Assistenzsystem, welches ausgehend von natürlichsprachlichen und domänenspezifischen Problembeschreibungen eine geeignete Klasse von Analysemethoden vorschlägt, (iii) ein taxonomisches Evaluationsframework zur systematischen Bewertung von datengetriebenen Methoden unter verschiedenen Rahmenbedingungen sowie (iv) einen neuartigen Lösungsansatz zur Entwicklung von prognostischen Entscheidungsmodellen im Fall von eingeschränkter Informationslage. Die Konstruktion der Artefakte wird durch einzelne Forschungsziele im Rahmen eines systematischen Forschungsdesigns angeleitet. Neben der Darstellung der einzelnen Forschungsbeiträge unter Bezugnahme auf die erzielten Ergebnisse der dazugehörigen Publikationen werden auch die Verbindungen zwischen den entwickelten Artefakten beleuchtet und Zusammenhänge zu angrenzenden Arbeiten hergestellt. Zudem erfolgt eine kritische Reflektion der Ergebnisse hinsichtlich ihrer Verallgemeinerung und Übertragung auf andere Rahmenbedingungen. Dadurch liefert die vorliegende Abhandlung nicht nur einen Beitrag anhand der erzeugten Artefakte, sondern ebnet auch den Weg für fortführende Forschungsarbeiten, wofür eine detaillierte Forschungsagenda erarbeitet wird.:List of Figures List of Tables List of Abbreviations 1 Introduction 1.1 Motivation 1.2 Conceptual Background 1.3 Related Work 1.4 Research Design 1.5 Structure of the Thesis 2 Systematization of the Field 2.1 The Current State of Research 2.2 Systematization Framework 2.3 Exemplary Framework Application 3 Intelligent Assistance System for Automated Method Selection 3.1 Elicitation of Requirements 3.2 Design Principles and Design Features 3.3 Prototypical Instantiation and Evaluation 4 Taxonomic Framework for Method Evaluation 4.1 Survey of Prognostic Solutions 4.2 Taxonomic Evaluation Framework 4.3 Exemplary Framework Application 5 Method Application Under Industrial Conditions 5.1 Conceptualization of a Solution Approach 5.2 Prototypical Implementation and Evaluation 6 Discussion of the Results 6.1 Connections Between Developed Artifacts and Related Work 6.2 Generalization and Transferability of the Results 7 Concluding Remarks Bibliography Appendix I: Implementation Details Appendix II: List of Publications A Publication P1: Focus Area Systematization B Publication P2: Focus Area Method Selection C Publication P3: Focus Area Method Selection D Publication P4: Focus Area Method Evaluation E Publication P5: Focus Area Method Application

Die Digitalisierung von Produkten und Dienstleistungen durch die Integration moderner Informations- und Kommunikationstechnologien wird in Wissenschaft und Praxis intensiv und anhand diverser Modelle diskutiert. Smart Service Systeme, als Gegenstand dieser Diskussion, skizzieren den Einsatz „intelligenter“ Produkte (sog. „Smart Products“) in flexibilisierten Dienstleistungssystemen, mit dem Ziel, sensorisch erfasstes Kontextwissen zur automatisierten Anpassung von Leistungen an individuelle Kundenbedürfnisse zu nutzen. Dieses ambitionierte Ziel birgt eine Reihe von Forschungsaufgaben für die Wirtschaftsinformatik (WI). Denn neben den diversen gestalterischen Herausforderungen, die für die Entwicklung einzelner Bestandteile zu lösen sind, ist gerade die Verknüpfung einzelner Forschungsperspektiven, wie dem Service Systems Engineering oder der Data Science, eine Herausforderung, in der die WI als Vermittlerin auftreten kann. Die vorliegende Dissertation untersucht vor diesem Hintergrund Smart Service Systeme als Modell für datengetriebene Wertschöpfung im Maschinen- und Anlagenbau und erarbeitet Wissen in vier Bereichen: (1) der Identifikation von domänenspezifischen Anforderungen an die zugrundeliegenden Informationssysteme, (2) der Integration von produkt- und dienstleistungsbezogenen Datenströmen, (3) der Verfolgung von herstellerübergreifenden Plattformlösungen für den kontinuierlichen Betrieb und das Management von Smart Services und (4) dem Kontexttransfer entwickelter Lösungen in weitere Domänen. Die Arbeit generiert auf diese Weise anwendungsorientiertes Wissen über die Entwicklung und den Einsatz von Smart Service Systemen im Maschinen- und Anlagenbau. Auf übergeordneter Ebene entsteht ein Beitrag zur bislang ausstehenden Etablierung einer gemeinsamen Gestaltungsgrundlage zwischen beteiligten Disziplinen, in dem demonstriert wird, wie eine gemeinsame Entwicklung zukünftiger, datengetriebener Wertschöpfungssysteme gelingen kann.

Das Ziel der Digital Intelligence bzw. datengetriebenen Strategischen Frühaufklärung ist, die Zukunftsgestaltung auf Basis valider und fundierter digitaler Information mit vergleichsweise geringem Aufwand und enormer Zeit- und Kostenersparnis zu unterstützen. Hilfe bieten innovative Technologien der (halb)automatischen Sprach- und Datenverarbeitung wie z. B. das Information Retrieval, das (Temporal) Data, Text und Web Mining, die Informationsvisualisierung, konzeptuelle Strukturen sowie die Informetrie. Sie ermöglichen, Schlüsselthemen und latente Zusammenhänge aus einer nicht überschaubaren, verteilten und inhomogenen Datenmenge wie z. B. Patenten, wissenschaftlichen Publikationen, Pressedokumenten oder Webinhalten rechzeitig zu erkennen und schnell und zielgerichtet bereitzustellen. Die Digital Intelligence macht somit intuitiv erahnte Muster und Entwicklungen explizit und messbar. Die vorliegende Forschungsarbeit soll zum einen die Möglichkeiten der Informatik zur datengetriebenen Frühaufklärung aufzeigen und zum zweiten diese im pragmatischen Kontext umsetzen. Ihren Ausgangspunkt findet sie in der Einführung in die Disziplin der Strategischen Frühaufklärung und ihren datengetriebenen Zweig – die Digital Intelligence. Diskutiert und klassifiziert werden die theoretischen und insbesondere informatikbezogenen Grundlagen der Frühaufklärung – vor allem die Möglichkeiten der zeitorientierten Datenexploration. Konzipiert und entwickelt werden verschiedene Methoden und Software-Werkzeuge, die die zeitorientierte Exploration insbesondere unstrukturierter Textdaten (Temporal Text Mining) unterstützen. Dabei werden nur Verfahren in Betracht gezogen, die sich im Kontext einer großen Institution und den spezifischen Anforderungen der Strategischen Frühaufklärung pragmatisch nutzen lassen. Hervorzuheben sind eine Plattform zur kollektiven Suche sowie ein innovatives Verfahren zur Identifikation schwacher Signale. Vorgestellt und diskutiert wird eine Dienstleistung der Digital Intelligence, die auf dieser Basis in einem globalen technologieorientierten Konzern erfolgreich umgesetzt wurde und eine systematische Wettbewerbs-, Markt- und Technologie-Analyse auf Basis digitaler Spuren des Menschen ermöglicht.

Das Ziel der Digital Intelligence bzw. datengetriebenen Strategischen Frühaufklärung ist, die Zukunftsgestaltung auf Basis valider und fundierter digitaler Information mit vergleichsweise geringem Aufwand und enormer Zeit- und Kostenersparnis zu unterstützen. Hilfe bieten innovative Technologien der (halb)automatischen Sprach- und Datenverarbeitung wie z. B. das Information Retrieval, das (Temporal) Data, Text und Web Mining, die Informationsvisualisierung, konzeptuelle Strukturen sowie die Informetrie. Sie ermöglichen, Schlüsselthemen und latente Zusammenhänge aus einer nicht überschaubaren, verteilten und inhomogenen Datenmenge wie z. B. Patenten, wissenschaftlichen Publikationen, Pressedokumenten oder Webinhalten rechzeitig zu erkennen und schnell und zielgerichtet bereitzustellen. Die Digital Intelligence macht somit intuitiv erahnte Muster und Entwicklungen explizit und messbar. Die vorliegende Forschungsarbeit soll zum einen die Möglichkeiten der Informatik zur datengetriebenen Frühaufklärung aufzeigen und zum zweiten diese im pragmatischen Kontext umsetzen. Ihren Ausgangspunkt findet sie in der Einführung in die Disziplin der Strategischen Frühaufklärung und ihren datengetriebenen Zweig – die Digital Intelligence. Diskutiert und klassifiziert werden die theoretischen und insbesondere informatikbezogenen Grundlagen der Frühaufklärung – vor allem die Möglichkeiten der zeitorientierten Datenexploration. Konzipiert und entwickelt werden verschiedene Methoden und Software-Werkzeuge, die die zeitorientierte Exploration insbesondere unstrukturierter Textdaten (Temporal Text Mining) unterstützen. Dabei werden nur Verfahren in Betracht gezogen, die sich im Kontext einer großen Institution und den spezifischen Anforderungen der Strategischen Frühaufklärung pragmatisch nutzen lassen. Hervorzuheben sind eine Plattform zur kollektiven Suche sowie ein innovatives Verfahren zur Identifikation schwacher Signale. Vorgestellt und diskutiert wird eine Dienstleistung der Digital Intelligence, die auf dieser Basis in einem globalen technologieorientierten Konzern erfolgreich umgesetzt wurde und eine systematische Wettbewerbs-, Markt- und Technologie-Analyse auf Basis digitaler Spuren des Menschen ermöglicht.:Kurzzusammenfassung 2 Danksagung 3 Inhaltsverzeichnis 5 Tabellenverzeichnis 9 Abbildungsverzeichnis 10 A – EINLEITUNG 13 1 Hintergrund und Motivation 13 2 Beitrag und Aufbau der Arbeit 16 B – THEORIE 20 B0 – Digital Intelligence 20 3 Herleitung und Definition der Digital Intelligence 21 4 Abgrenzung zur Business Intelligence 23 5 Übersicht über unterschiedliche Textsorten 24 6 Informetrie: Bibliometrie, Szientometrie, Webometrie 29 7 Informationssysteme im Kontext der Digital Intelligence 31 B1 – Betriebswirtschaftliche Grundlagen der Digital Intelligence 36 8 Strategische Frühaufklärung 37 8.1 Facetten und historische Entwicklung 37 8.2 Methoden 41 8.3 Prozess 42 8.4 Bestimmung wiederkehrender Termini 44 8.5 Grundlagen der Innovations- und Diffusionsforschung 49 B2 – Informatik-Grundlagen der Digital Intelligence 57 9 Von Zeit, Daten, Text, Metadaten zu multidimensionalen zeitorientierten (Text)Daten 59 9.1 Zeit – eine Begriffsbestimmung 59 9.1.1 Zeitliche Grundelemente und Operatoren 59 9.1.2 Lineare, zyklische und verzweigte Entwicklungen 62 9.1.3 Zeitliche (Un)Bestimmtheit 62 9.1.4 Zeitliche Granularität 63 9.2 Text 63 9.2.1 Der Text und seine sprachlich-textuellen Ebenen 63 9.2.2 Von Signalen und Daten zu Information und Wissen 65 9.3 Daten 65 9.3.1 Herkunft 65 9.3.2 Datengröße 66 9.3.3 Datentyp und Wertebereich 66 9.3.4 Datenstruktur 67 9.3.5 Dimensionalität 68 9.4 Metadaten 69 9.5 Zusammenfassung und multidimensionale zeitorientierte Daten 70 10 Zeitorientierte Datenexplorationsmethoden 73 10.1 Zeitorientierte Datenbankabfragen und OLAP 76 10.2 Zeitorientiertes Information Retrieval 78 10.3 Data Mining und Temporal Data Mining 79 10.3.1 Repräsentationen zeitorientierter Daten 81 10.3.2 Aufgaben des Temporal Data Mining 86 10.4 Text Mining und Temporal Text Mining 91 10.4.1 Grundlagen des Text Mining 98 10.4.2 Entwickelte, genutzte und lizensierte Anwendungen des Text Mining 107 10.4.3 Formen des Temporal Text Mining 110 10.4.3.1 Entdeckung kausaler und zeitorientierter Regeln 110 10.4.3.2 Identifikation von Abweichungen und Volatilität 111 10.4.3.3 Identifikation und zeitorientierte Organisation von Themen 112 10.4.3.4 Zeitorientierte Analyse auf Basis konzeptueller Strukturen 116 10.4.3.5 Zeitorientierte Analyse von Frequenz, Vernetzung und Hierarchien 117 10.4.3.6 Halbautomatische Identifikation von Trends 121 10.4.3.7 Umgang mit dynamisch aktualisierten Daten 123 10.5 Web Mining und Temporal Web Mining 124 10.5.1 Web Content Mining 125 10.5.2 Web Structure Mining 126 10.5.3 Web Usage Mining 127 10.5.4 Temporal Web Mining 127 10.6 Informationsvisualisierung 128 10.6.1 Visualisierungstechniken 130 10.6.1.1 Visualisierungstechniken nach Datentypen 130 10.6.1.2 Visualisierungstechniken nach Darstellungsart 132 10.6.1.3 Visualisierungstechniken nach Art der Interaktion 137 10.6.1.4 Visualisierungstechniken nach Art der visuellen Aufgabe 139 10.6.1.5 Visualisierungstechniken nach Visualisierungsprozess 139 10.6.2 Zeitorientierte Visualisierungstechniken 140 10.6.2.1 Statische Repräsentationen 141 10.6.2.2 Dynamische Repräsentationen 145 10.6.2.3 Ereignisbasierte Repräsentationen 147 10.7 Zusammenfassung 152 11 Konzeptuelle Strukturen 154 12 Synopsis für die zeitorientierte Datenexploration 163 C – UMSETZUNG EINES DIGITAL-INTELLIGENCESYSTEMS 166 13 Bestimmung textbasierter Indikatoren 167 14 Anforderungen an ein Digital-Intelligence-System 171 15 Beschreibung der Umsetzung eines Digital-Intelligence-Systems 174 15.1 Konzept einer Dienstleistung der Digital Intelligence 175 15.1.1 Portalnutzung 177 15.1.2 Steckbriefe 178 15.1.3 Tiefenanalysen 180 15.1.4 Technologiescanning 185 15.2 Relevante Daten für die Digital Intelligence (Beispiel) 187 15.3 Frühaufklärungs-Plattform 188 15.4 WCTAnalyze und automatische Extraktion themenspezifischer Ereignisse 197 15.5 SemanticTalk 200 15.6 Halbautomatische Identifikation von Trends 204 15.6.1 Zeitreihenkorrelation 205 15.6.2 HD-SOM-Scanning 207 D – ZUSAMMENFASSUNG 217 Anhang A: Prozessbilder entwickelter Anwendungen des (Temporal) Text Mining 223 Anhang B: Synopsis der zeitorientierten Datenexploration 230 Literaturverzeichnis 231 Selbstständigkeitserklärung 285 Wissenschaftlicher Werdegang des Autors 286 Veröffentlichungen 287