Ein Ansatz zur Nutzung der Potentiale von Data Mining im betrieblichen Umfeld. (Dissertation)

Die voranschreitende Digitalisierung betrieblicher Abläufe führt zu einem drastischen Wachstum an gespeicherten Daten: Scannerkassen, Warenwirtschaftssysteme, Produktiosteuerungen usw. generieren täglich Millionen von Datensätzen. Seitdem Informationen für Unternehmen zum wichtigen Rohstoff geworden sind, gewinnt die Auswertung dieser Daten mehr und mehr an Bedeutung. Mit traditionellen Mitteln ist die Suche nach relevanten Infomationen in diesen Datenmengen kaum mehr möglich. Die schon in den 60er Jahren beklagte Überflutung mit irrelevanten Daten verschärft sich daher zusehends. Hieraus ist der Wunsch nach Verfahren entstanden, die automatisch interessante Muster aus großen Datenbeständen filtern und damit zur Beherrschung der Datenflut beitragen. Mit dem Ziel, solche Verfahren zu entwickeln, hat sich mittlerweile die Forschungsrichtung des Data Mining etabliert. Erst in der jüngsten Vergangenheit verlassen viele Data-Mining-Systeme die Forschungslabors, um ihre Zweckmäßigkeit im betrieblichen Umfeld zu beweisen. Diese Systeme basieren in der Regel nicht auf einem eigenständigen methodischem oder algorithmischem Ansatz. Ihre Besonderheit liegt vielmehr darin, daß sie bereits seit längerem bekannte Methoden kombinieren und auf diese Weise Informationsfilter bilden. Vom Idealsystem, das automatisch interessante Muster aus beliebigen Datenbeständen filtert, sind alle angebotenen Systeme jedoch noch weit entfernt.