Die Business Community als CRM-Instrument unter besonderer Berücksichtigung von Business Intelligence Technologien

Das Management von Kundenbeziehungen hat sich in der klassischen Ökonomie unter dem Begriff »Customer Relationship Management« (kurz: CRM) etabliert und sich in den letzten Jahren als erfolgreicher Ansatz erwiesen. In der grundlegenden Zielsetzung, wertvolle, d.h. profitable und kreditwürdige Kunden an ein Unternehmen zu binden, kommen Business-Intelligence Technologien zur Generierung von Kundenwissen aus kundenbezogenen Daten zum Einsatz. Als technologische Plattform der Kommunikation und Interaktion gewähren Business Communities einen direkten Einblick in die Gedanken und Präferenzen der Kunden. Von Business-Communitybasiertem Wissen der Kunden und über Kunden können individuelle Kundenbedürfnisse, Verhaltensweisen und damit auch wertvolle (potenzielle, profilgleiche) Kunden abgeleitet werden, was eine differenziertere und selektivere Behandlung der Kunden möglich macht. Business Communities bieten ein umfassendes Datenpotenzial, welches jedoch bis dato für das CRM im Firmenkundengeschäft respektive die Profilbildung noch nicht genutzt wird. Synergiepotenziale von der Datenquelle "Business Community" und der Technologie "Business Intelligence" werden bislang vernachlässigt. An dieser Stelle setzt die Arbeit an. Das Ziel ist die sinnvolle Zusammenführung beider Ansätze zu einem erweiterten Ansatz für das Management der irmenkundenbeziehung. Dazu wird ein BIgestütztes CRM-Konzept für die Generierung, Analyse und Optimierung von Kundenwissen erarbeitet, welches speziell durch den Einsatz einer B2B-Community gewonnen und für eine Profilbildung genutzt wird. Es soll durch die Anbindung von Fremddatenbanken Optimierung finden: In den Prozess der Wissensgenerierung fließen zur Datenqualifizierung und -quantifizierung externe (Kunden-) Daten ein, die von Fremddatenbanken (wie z.B. Information Provider, Wirtschaftsauskunftsdienste) bereitgestellt werden. Der Kern dieser Zielsetzung liegt in der umfassenden Generierung und stetigen Optimierung von Wissen, das den Aufbau einer langfristigen, individuellen und wertvollen Kundenbeziehung unterstützen soll.

Chancen und Risiken der Arbeit im E-Business

E-Business, verstanden als ganzheitliche Strategie zur Reorganisation von Geschäftsprozessen, Strukturen und Beziehungen in Unternehmen, bietet für die Arbeitsgestaltung in einer digital vernetzten Welt Chancen und Risiken in Hinblick auf die Humankriterien. Empirische Untersuchungen in 14 Unternehmen zeigen „good practice“-Ansätze im B2B-Feld (Business-to-Business). Untersucht wurden die Tätigkeiten der elektronisch vernetzten Auftragsbearbeitung, des Web-, Content-Managements, der digitalen Druckvorlagenherstellung sowie der CAD- Bauplanzeichnung. Die beobachteten Arbeitsplätze zeigen, dass Arbeitsinhalte eher ganzheitlich und komplex gestaltet sind. Planende, ausführende, kontrollierende und organisierende Anteile weisen auf eine vielfältige Aufgabengestaltung hin, die hohe Anforderungen beinhaltet. Während alle beobachteten Tätigkeiten mit Aufnahme-, Erarbeitungs-, Verarbeitungs-, Übertragungs- und Weitergabeprozessen von Informationen zu tun haben, gibt es Differenzen in Bezug auf den Arbeitsumfang, den Zeitdruck, Fristsetzungen, erwartete Arbeitsleistungen sowie die Planbarkeit der Aufgaben. Die vorgefundenen Aufgabentypen (wenig bis sehr anforderungsreich im Sinne von Denk- und Planungsanforderungen) sind gekennzeichnet durch eine unterschiedlich ausgeprägte Aufgabenkomplexität. Interessant ist, dass, je anforderungsreicher die Aufgabengestaltung, je höher die Aufgabenkomplexität, je größer die Wissensintensität und je niedriger die Planbarkeit ist, desto größer sind die Freiräume in der Aufgabenausführung. Das heißt wiederum, dass bei zunehmenden E-Business-Anteilen mehr Gestaltungsspielräume zur Verfügung stehen. Die bestehenden Chancen auf eine humane Aufgabengestaltung sind umso größer, je höher die E-Business-Anteile in der Arbeit sind. Diese Wirkung findet sich auch bei einem Vergleich der Aufgabenbestandteile wieder. Die negativen Seiten des E-Business zeigen sich in den vorgefundenen Belastungen, die auf die Beschäftigten einwirken. Diskutiert wird die Verschiebung von körperlichen hin zu psychischen und vorrangig informatorischen Belastungen. Letztere stellen ein neues Belastungsfeld dar. Ressourcen, auf welche die Mitarbeiter zurückgreifen können, sind an allen Arbeitsplätzen vorhanden, allerdings unterschiedlich stark ausgeprägt. Personale, organisationale, soziale, aufgabenbezogene und informatorische Ressourcen, die den Beschäftigten zur Verfügung stehen, werden angesprochen. In Bezug auf die Organisationsgestaltung sind positive Ansätze in den untersuchten E-Business-Unternehmen zu beobachten. Der Großteil der untersuchten Betriebe hat neue Arbeitsorganisationskonzepte realisiert, wie die vorgefundenen kooperativen Organisationselemente zeigen. Die kooperativen Organisationsformen gehen allerdings nicht mit einer belastungsärmeren Gestaltung einher. Das vorgefundene breite Spektrum, von hierarchisch organisierten Strukturen bis hin zu prozess- und mitarbeiterorientierten Organisationsstrukturen, zeigt, dass Organisationsmodelle im E-Business gestaltbar sind. Neuen Anforderungen kann insofern gestaltend begegnet und somit die Gesundheit und das Wohlbefinden der Mitarbeiter positiv beeinflusst werden. Insgesamt betrachtet, zeigt E-Business ein ambivalentes Gesicht, das auf der Basis des MTO-Modells (Mensch-Technik-Organisation) von Uhlich (1994) diskutiert wird, indem vernetzte Arbeitsprozesse auf personeller, technischer sowie organisationaler Ebene betrachtet werden. E-business, seen as more than only the transformation of usual business processes into digital ones, furthermore as an instrument of reorganisation of processes and organisation structures within companies, offers chances for a human oriented work organisation. Empirical data of 14 case studies provide good practice approaches in the field of B2B (Business-to-Business). The observed work contents show, that tasks (e.g. order processing, web-, contentmanagement, first print manufacturing and architectural drawing) are well arranged. Executive, organising, controlling and coordinating parts constitute a diversified work content, which can be organised with high demands. Interesting is the result, that the more e-business-parts are within the work contents, on the one hand the higher are the demands of the type of work and on the other hand the larger is the influence on workmanship. The observed enterprises have realised new elements of work organisation, e.g. flexible working time, cooperative leadership or team work. The direct participation of the employees can be strengthened, in particular within the transformation process. Those companies in which the employees were early and well informed about the changes coming up with e-business work, the acceptance for new technique and new processes is higher than in companies which did not involve the person concerned. Structured in an ergonomic way, there were found bad patterns of behaviour concerning ergonomic aspects, because of missing knowledge regarding work-related ergonomic expertise by the employees. E-business indicates new aspects concerning requirements – new in the field of informational demands, as a result of poorly conceived technical balance in the researched SME. Broken systems cause interruptions, which increase the pressure of time all the more. Because of the inadequate usability of software-systems there appear in addition to the informational strains also elements of psychological stress. All in all, work contents and work conditions can be shaped and as a result the health and well-being of e-business-employees can be influenced: Tasks can be structured and organised in a healthfulness way, physiological strain and psychological stress are capable of being influenced, resources are existent and developable, a human work design within e-business structures is possible. The ambivalent face of e-business work is discussed on the basis of the MTO- (Mensch-Technik-Organisation) model (Ulich 1994). Thereby new and interesting results of researches are found out, concerning the personal/human side, the technical side and the organisational side of e-business work.

Adaptive Real-time Anomaly-based Intrusion Detection using Data Mining and Machine Learning Techniques

Die zunehmende Vernetzung der Informations- und Kommunikationssysteme führt zu einer weiteren Erhöhung der Komplexität und damit auch zu einer weiteren Zunahme von Sicherheitslücken. Klassische Schutzmechanismen wie Firewall-Systeme und Anti-Malware-Lösungen bieten schon lange keinen Schutz mehr vor Eindringversuchen in IT-Infrastrukturen. Als ein sehr wirkungsvolles Instrument zum Schutz gegenüber Cyber-Attacken haben sich hierbei die Intrusion Detection Systeme (IDS) etabliert. Solche Systeme sammeln und analysieren Informationen von Netzwerkkomponenten und Rechnern, um ungewöhnliches Verhalten und Sicherheitsverletzungen automatisiert festzustellen. Während signatur-basierte Ansätze nur bereits bekannte Angriffsmuster detektieren können, sind anomalie-basierte IDS auch in der Lage, neue bisher unbekannte Angriffe (Zero-Day-Attacks) frühzeitig zu erkennen. Das Kernproblem von Intrusion Detection Systeme besteht jedoch in der optimalen Verarbeitung der gewaltigen Netzdaten und der Entwicklung eines in Echtzeit arbeitenden adaptiven Erkennungsmodells. Um diese Herausforderungen lösen zu können, stellt diese Dissertation ein Framework bereit, das aus zwei Hauptteilen besteht. Der erste Teil, OptiFilter genannt, verwendet ein dynamisches "Queuing Concept", um die zahlreich anfallenden Netzdaten weiter zu verarbeiten, baut fortlaufend Netzverbindungen auf, und exportiert strukturierte Input-Daten für das IDS. Den zweiten Teil stellt ein adaptiver Klassifikator dar, der ein Klassifikator-Modell basierend auf "Enhanced Growing Hierarchical Self Organizing Map" (EGHSOM), ein Modell für Netzwerk Normalzustand (NNB) und ein "Update Model" umfasst. In dem OptiFilter werden Tcpdump und SNMP traps benutzt, um die Netzwerkpakete und Hostereignisse fortlaufend zu aggregieren. Diese aggregierten Netzwerkpackete und Hostereignisse werden weiter analysiert und in Verbindungsvektoren umgewandelt. Zur Verbesserung der Erkennungsrate des adaptiven Klassifikators wird das künstliche neuronale Netz GHSOM intensiv untersucht und wesentlich weiterentwickelt. In dieser Dissertation werden unterschiedliche Ansätze vorgeschlagen und diskutiert. So wird eine classification-confidence margin threshold definiert, um die unbekannten bösartigen Verbindungen aufzudecken, die Stabilität der Wachstumstopologie durch neuartige Ansätze für die Initialisierung der Gewichtvektoren und durch die Stärkung der Winner Neuronen erhöht, und ein selbst-adaptives Verfahren eingeführt, um das Modell ständig aktualisieren zu können. Darüber hinaus besteht die Hauptaufgabe des NNB-Modells in der weiteren Untersuchung der erkannten unbekannten Verbindungen von der EGHSOM und der Überprüfung, ob sie normal sind. Jedoch, ändern sich die Netzverkehrsdaten wegen des Concept drif Phänomens ständig, was in Echtzeit zur Erzeugung nicht stationärer Netzdaten führt. Dieses Phänomen wird von dem Update-Modell besser kontrolliert. Das EGHSOM-Modell kann die neuen Anomalien effektiv erkennen und das NNB-Model passt die Änderungen in Netzdaten optimal an. Bei den experimentellen Untersuchungen hat das Framework erfolgversprechende Ergebnisse gezeigt. Im ersten Experiment wurde das Framework in Offline-Betriebsmodus evaluiert. Der OptiFilter wurde mit offline-, synthetischen- und realistischen Daten ausgewertet. Der adaptive Klassifikator wurde mit dem 10-Fold Cross Validation Verfahren evaluiert, um dessen Genauigkeit abzuschätzen. Im zweiten Experiment wurde das Framework auf einer 1 bis 10 GB Netzwerkstrecke installiert und im Online-Betriebsmodus in Echtzeit ausgewertet. Der OptiFilter hat erfolgreich die gewaltige Menge von Netzdaten in die strukturierten Verbindungsvektoren umgewandelt und der adaptive Klassifikator hat sie präzise klassifiziert. Die Vergleichsstudie zwischen dem entwickelten Framework und anderen bekannten IDS-Ansätzen zeigt, dass der vorgeschlagene IDSFramework alle anderen Ansätze übertrifft. Dies lässt sich auf folgende Kernpunkte zurückführen: Bearbeitung der gesammelten Netzdaten, Erreichung der besten Performanz (wie die Gesamtgenauigkeit), Detektieren unbekannter Verbindungen und Entwicklung des in Echtzeit arbeitenden Erkennungsmodells von Eindringversuchen.