Zusammenfassung
Mit “Big Data” werden Technologien beschrieben, die nicht weniger als die Erfüllung eines der Kernziele der Wirtschaftsinformatik versprechen: die richtigen Informationen dem richtigen Adressaten zur richtigen Zeit in der richtigen Menge am richtigen Ort und in der erforderlichen Qualität bereitzustellen. Für die Wirtschaftsinformatik als anwendungsorientierte Wissenschaftsdisziplin entstehen durch solche technologischen Entwicklungen Chancen und Risiken. Risiken entstehen vor allem dadurch, dass möglicherweise erhebliche Ressourcen auf die Erklärung und Gestaltung von Modeerscheinungen verwendet werden. Chancen entstehen dadurch, dass die entsprechenden Ressourcen zu substanziellen Erkenntnisgewinnen führen, die dem wissenschaftlichen Fortschritt der Disziplin wie auch ihrer praktischen Relevanz dienen.
Aus Sicht der Autoren ist die Wirtschaftsinformatik ideal positioniert, um Big Data kritisch zu begleiten und Erkenntnisse für die Erklärung und Gestaltung innovativer Informationssysteme in Wirtschaft und Verwaltung zu nutzen – unabhängig davon, ob Big Data nun tatsächlich eine disruptive Technologie oder doch nur eine flüchtige Modeerscheinung ist. Die weitere Entwicklung und Adoption von Big Data wird letztendlich zeigen, ob es sich um eine Modeerscheinung oder um substanziellen Fortschritt handelt. Die aufgezeigten Thesen zeigen darüber hinaus auch, wie künftige technologische Entwicklungen für den Fortschritt der Disziplin Wirtschaftsinformatik genutzt werden können. Technologischer Fortschritt sollte für eine kumulative Ergänzung bestehender Modelle, Werkzeuge und Methoden genutzt werden. Dagegen sind wissenschaftliche Revolutionen unabhängig vom technologischen Fortschritt.
Abstract
“Big data” describes technologies that promise to fulfill a fundamental tenet of research in information systems, which is to provide the right information to the right receiver in the right volume and quality at the right time. For information systems research as an application-oriented research discipline, opportunities and risks arise from using big data. Risks arise primarily from the considerable number of resources used for the explanation and design of fads. Opportunities arise because these resources lead to substantial knowledge gains, which support scientific progress within the discipline and are of relevance to practice as well.
From the authors’ perspective, information systems research is ideally positioned to support big data critically and use the knowledge gained to explain and design innovative information systems in business and administration – regardless of whether big data is in reality a disruptive technology or a cursory fad. The continuing development and adoption of big data will ultimately provide clarity on whether big data is a fad or if it represents substantial progress in information systems research. Three theses also show how future technological developments can be used to advance the discipline of information systems. Technological progress should be used for a cumulative supplement of existing models, tools, and methods. By contrast, scientific revolutions are independent of technological progress.
Notes
Diese Fragen werden im Folgenden aus der Perspektive des deutschen Rechtsraums untersucht. Es ist aber naheliegend, dass in einer globalisierten Informationsverarbeitung international geltende Regelungen notwendig sind.
Literatur
Agrawal D, Bernstein P, Bertino E, Davidson S, Dayal U, Franklin M, Gehrke J, Haas L, Halevy A, Han J, Jagadish HV, Labrinidis A, Madden S, Papakonstantinou Y, Patel JM, Ramakrishnan R, Ross K, Shahabi C, Suciu D, Vaithyanathan S, Widom J (2012) Challenges and opportunities with big data: a community white paper developed by leading researchers across the United States. Computing Research Association, Washington
American National Standards Institute (1992) American national standard for information systems: database language SQL (ANSI X3.135-1992). American National Standards Institute, Washington
Berglund A, Boag S, Chamberlin D, Fernández MF, Kay M, Robie J, Siméon J (2010) XML path language (XPath) 2.0. World Wide Web Consortium, Cambridge
Boag S, Chamberlin D, Fernández MF, Florescu D, Robie J, Siméon J (2011) XQuery 1.0: an XML query language. World Wide Web Consortium, Cambridge
Brinkkemper S (1996) Method engineering: engineering of information systems development methods and tools. Information and Software Technology 38(4):275–280
Buhl HU, Röglinger M, Moser F, Heidemann J (2013) Big Data: Ein (ir-)relevanter Modebegriff für Wissenschaft und Praxis? WIRTSCHAFTSINFORMATIK 5(2):63–68
Carpenter J (2011) May the best analyst win. Science 331(6018):698–699
Chen H, Chiang RH, Storey VC (2012) Business intelligence and analytics: from big data to big impact. MIS Quarterly 36(4):1165–1188
Christensen C (1997) The innovator’s dilemma: when new technologies cause great firms to fail. Harvard Business Review, Boston
Dean J, Ghemawat S (2004) MapReduce: simplified data processing on large clusters. In: Proc 6th symposium on operating system design and implementation, San Francisco
Dreier T, Schulze G (2013) Urheberrechtsgesetz: Urheberrechtswahrnehmungsgesetz, Kunsturhebergesetz. Beck, München
Eberspächer J, Wohlmuth O (Hrsg) (2013) Big Data wird neues Wissen. Münchner Kreis, München
Gasser U (2003) Information quality and the law or how to catch a difficult horse. The Berkman Center for Internet & Society Research, Harvard Law School, Cambridge
Gaster JL (1999) Der Rechtsschutz von Datenbanken: Kommentar zur Richtlinie 96/9/EG mit Erläuterungen zur Umsetzung in das deutsche und österreichische Recht. Heymanns, Köln
Gerhardt B, Griffin K, Klemann R (2012) Unlocking value in the fragmented world of big data analytics: how information infomediaries will create a new data ecosystem. Cisco Internet Business Solutions Group, San Jose
Ginsberg J, Mohebbi MH, Patel RS, Brammer L, Smolinski MS, Brilliant L (2009) Detecting influenza epidemics using search engine query data. Nature 457(7232):1012–1014
Gustafson T, Fink D (2013) Winning within the data value chain. Innosight. http://www.innosight.com/innovation-resources/strategy-innovation/winning-within-the-data-value-chain.cfm. Abruf am 2014-02-28
Klass N (2013) Neue Internettechnologien und das Urheberrecht: Die schlichte Einwilligung als Rettungsanker? ZUM – Zeitschrift für Urheber- und Medienrecht 57(1):1–9
Klein D, Tran-Gia P, Hartmann M (2013) Big data. Informatik Spektrum 36(3):319–323
Krcmar H (2009) Informationsmanagement. Springer, Heidelberg
Lazer D, Kennedy R, King G, Vespignani A (2014) The parable of Google Flu: traps in big data analysis. Science 343(3):1203–1205
Lehmann M (1992) Produkt- und Produzentenhaftung für Software. NJW – Neue Juristische Wochenschrift 1992(28):1721–1725
Konstanz LG (1996) Kein Schadensersatz bei Datenverlust durch Stromausfall aufgrund Leitungsbeschädigung bei Baggerarbeiten. NJW – Neue Juristische Wochenschrift 1996(40):2662
Lycett M (2013) Datafication: making sense of (big) data in a complex world. European Journal of Information Systems 22(4):381–386
Mandel M (2012) Beyond goods and services: the (unmeasured) rise of the data-driven economy. Progressive Policy Institute, Washington
Manyika J, Chui M, Brown B, Bughin J, Dobbs R, Roxburgh C, Byers AH (2011) Big data: the next frontier for innovation, competition, and productivity. McKinsey Global Institute, Atlanta
Mayer-Schönberger V, Cukier K (2013) Big data: a revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt, New York
McAfee A (2013) Big data’s biggest challenge? Convincing people NOT to trust their judgment. http://blogs.hbr.org/2013/12/big-datas-biggest-challenge-convincing-people-not-to-trust-their-judgment/. Abruf am 2014-02-28
McAfee A, Brynjolfsson E (2012) Big data: the management revolution. Harvard Business Review 2012(October):1–9
Meier K, Wehlau A (1998) Die zivilrechtliche Haftung für Datenlöschung, Datenverlust und Datenzerstörung. NJW – Neue Juristische Wochenschrift 1998(22):1585–1591
Meyer A (1997) Die Haftung für fehlerhafte Aussagen in wissenschaftlichen Werken. ZUM – Zeitschrift für Urheber- und Medienrecht 41(1):26–33
Office of Information and Regulatory Affairs (2002) Guidelines for ensuring and maximizing the quality, objectivity, utility, and integrity of information disseminated by federal agencies. Office of Management and Budget, Executive Office of the President, Washington
Karlsruhe OLG (1996) Haftung für Zerstörung von Computerdaten. NJW – Neue Juristische Wochenschrift 1996(3):200–201
Prud’hommeaux E, Seaborne A (2008) SPARQL query language for RDF. World Wide Web Consortium, Cambrigde
Reese J (1994) Produkthaftung und Produzentenhaftung für Hard- und Software. DStR – Deutsches Steuerrecht 1994(31):1121–1126
Schroeck M, Shockley R, Smart J, Romero-Morales D, Tufano P (2012) Analytics: the real-world use of big data. IBM Global Business Services, Somers
Solmecke C, Wahlers J (2012) Rechtliche Situation von Social Media Monitoring-Diensten – Rechtskonforme Lösungen nach dem Datenschutz- und dem Urheberrecht. ZD – Zeitschrift für Datenschutz 2012(12):550–554
Steininger K, Riedl R, Roithmayr F, Mertens P (2009) Moden und Trends in Wirtschaftsinformatik und Information Systems: Eine vergleichende Literaturanalyse. WIRTSCHAFTSINFORMATIK 1(6):478–495
The Economist Intelligence Unit (2014) The data storm: retail and the big data revolution. The Economist, London
Thomas JJ, Cook KA (2005) Illuminating the path: the research and development agenda for visual analytics. IEEE Computer Society Press, Washington
Wandtke A-A, Bullinger W (2009) Praxiskommentar zum Urheberrecht. Beck, München
White T (2012) Hadoop – the definitive guide: storage and analysis at internet scale. O’Reilly, Sebastopol
Author information
Authors and Affiliations
Corresponding author
Additional information
Angenommen durch die Herausgeber des Schwerpunktthemas.
This article is also available in English via http://www.springerlink.com and http://www.bise-journal.org: Schermann M, Hemsen H, Buchmüller C, Bitter T, Krcmar H, Markl V, Hoeren T (2014) Big Data. An Interdisciplinary Opportunity for Information Systems Research. Bus Inf Syst Eng. doi: 10.1007/s12599-014-0345-1.
Rights and permissions
About this article
Cite this article
Schermann, M., Hemsen, H., Buchmüller, C. et al. Big Data. Wirtschaftsinf 56, 281–287 (2014). https://doi.org/10.1007/s11576-014-0434-2
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s11576-014-0434-2