Ilmenauer Beiträge zur Wirtschaftsinformatik

Entscheidungsbäume sind als Prognoseverfahren im Bereich des maschinellen Lernens verbreitet. Jedoch fehlt bisher eine Untersuchung, in wieweit sich die Algorithmen auch zur Imputation eignen. Dies ist insbesonders vor dem Hintergrund der verschiedenen Zielstellungen einer Imputation und einer Klassifikation relevant. So liegt bei einer Imputation häufig ein stärkerer Fokus auf der Struktur des Gesamtdatensatzes, wohingegen eine Klassifikation auf eine möglichst genaue Vorhersage einzelner Objekte abzielt. Neben den klassischen deterministischen Entscheidungsbäumen mit Majority Rule werden daher auch Entscheidungsbäume mit Class Probability Rule mit einer Zufallskomponente in die Untersuchung mit einbezogen. In einer Simulationsstudie, in der als Vergleichsverfahren zusätzlich eine Modus-Imputation und ein Random Hot Deck eingesetzt werden, zeigt sich, dass kein Verfahren in allen Fällen zum besten Ergebnis führt. So führt die Imputation mittels Entscheidungsbaum und Class Probability Rule meist zur geringsten Verzerrung der Häufigkeitsverteilung, jedoch stellt der Entscheidungsbaum mit Majority Rule meist die ursprünglichen Werte am besten wieder her. Welches Verfahren zur Imputation verwendet werden sollte, ist also abhängig vom Ziel der Imputation.

Die zunehmende Auseinandersetzung der Wirtschaftsinformatik mit dem Phänomen der IT-Agilität kann durch eine Vielzahl von Publikationen in den letzten Jahren belegt werden. Bei näherer Betrachtung dieser Literatur ist festzustellen, dass sich der Begriff zum einen in der Praxis einer großen Beliebtheit erfreut und fast schon eine inflationäre Verwendung findet. Zum anderen kann gesagt werden, dass in der wissenschaftlichen Literatur die Beschäftigung mit IT-Agilität einer Art Modeerscheinung gleicht, da die Anzahl der Veröffentlichungen mit jedem Jahr zunimmt, auch wenn die inhaltliche Auseinandersetzung mit dem Begriff der IT-Agilität zum Teil ungenügend ist. Es ist zu konstatieren, dass sich die aktuelle Literaturlage in der deutschsprachigen Wirtschaftsinformatik und in der englischsprachigen Schwesterndisziplin des Information Systems Research durch ein sehr diffuses Bild zum Begriff der Agilität auszeichnet. Die Verwendung des Agilitätsbegriffes erfolgt häufig unscharf, so dass kumulative Forschung auf dem Gebiet der IT-Agilität derzeit nur schwer möglich ist. Es scheint daher angebracht, die inhaltliche Bedeutung des Agilitätsbegriffes auf einen gemeinsamen Kern zurückzuführen. Daher verfolgt der vorliegende Beitrag drei wesentliche Ziele: 1. Durch eine etymologische Betrachtung soll die ursprüngliche Bedeutung des Wortes Agilität herausgearbeitet werden. Hierbei werden auch synonyme Begriffe in die Untersuchung einbezogen, um Unterschiede und Gemeinsamkeiten zwischen diesen Begriffen zu identifizieren. 2. Nach der rein sprachlichen Betrachtung werden im Anschluss konkrete Phänomene aus dem Agilitätsumfeld in verschiedenen Wissenschaftsbereichen untersucht. Hierbei wird der Fokus darauf gelegt, Rückschlüsse aus den einzelnen Gebieten für die IT-Agilität zu ziehen. 3. Abschließend sollen Merkmale benannt werden, mit deren Ausgestaltung das Agilitätsphänomen exakt beschrieben werden kann. Dies soll Grundlage für eine weitere Bearbeitung sein, um eine Definition von Agilität geben zu können.

In diesem Beitrag wird die Erstellung eines Metamodells zur Entwicklung einer Kollaborationsplattform für die Druckbranche dargestellt. Die beschriebenen Arbeiten und Erkenntnisse sind im Rahmen des vom Bundesministerium für Wirtschaft und Technologie geförderten Forschungsprojekts PRINT-IT (Förderkennzeichen KF2987001ED2) entstanden. Ziel des Projekts ist die Entwicklung einer Kollaborationsplattform zur auftragsspezifischen unternehmensübergreifenden Leistungserstellung für kleine und mittelständische Unternehmen der Druckbranche. Das erstellte Metamodell dient dazu, die für die Kollaborationsplattform relevanten Objekte und Beziehungen so zu strukturieren, zu visualisieren und zu beschreiben, dass die Kommunikation über bestimmte Sachverhalte vereinfacht wird und damit Planung, Entwicklung, Anwendung und Weiterentwicklung der Kollaborationsplattform unterstützt werden. Eine besondere Eigenschaft des Metamodells ist, dass neben der Konfiguration von Dienstleistungen und Produkten durch Kunden auch die Verknüpfung von Dienstleistungs- und Produkteigenschaften mit Produktionsprozessen und Ressourcen von Anbietern berücksichtigt werden.

Hot-Deck Methoden imputierten fehlende Daten durch eine Zuordnung von vollständigen Objekten zu den Objekten, bei denen Werte fehlen. Fehlende Beobachtungen innerhalb des Rezipienten werden dann durch Verdopplung der Werte des zugeordneten Donor behoben. Einige Hot-Deck Verfahren begrenzen die Häufigkeit, mit der ein vollständiges Objekt seine Werte spenden kann, um die Präzision von der postimputationalen Parameterschätzung zu erhöhen. Diese Beschränkung, auch Donor-Limit gennant, beschränkt das Risiko, dass ein Spender exklusiv oder "zu häufig" zur Imputation herangezogen wird. Trotz dieser erstrebenswerten Eigenschaften sind in Konsequenz die Ergebnisse eines spenderbegrenzten Hot-Deck abhängig von der Reihenfolge, in der die Objekte mit fehlenden Werten imputiert werden. Dies ist eine unerwünschte Eigenschaft, da nun nicht mehr die Gesamtähnlichkeit zwischen allen Donor und Recipients maximiert wird durch die schrittweise Wahl des ähnlichsten Donor für einen Recipient. Daher kann die Imputationsqualität durch eine global optimale Zuordnung von Spendern zu Empfängern verbessert werden. In dieser Arbeit wird das ganzzahlige Optimierungsproblem formuliert sowie eine Simulation präsentiert die zeigt, dass eine bessere Lösung dieses Optimierungsproblems nie zu schlechteren Ergebnissen führt.

This work adresses a practical problem that is of relevance in several industries, such as logistics, maintenance work, mobile health care and security services. When workers are deployed in field service, they must be allocated to the correct assignment and their routes should also be optimised as a part of that process. Data from a practical case of British Telecom has been used widely in the literature to test many different solution methods. We suggest a modification of particle swarm optimization (PSO) for this problem and compare the performance of the resulting hybrid approach to competing solution methods. - PSO produces better results than the currently best-known solution that was achieved using fast guided local search. Combined with our previous results on sub-daily staff scheduling in logistics this result underlines the potential of PSO to solve complex workforce scheduling problems. Moreover, there is a strong indication that hybridising a metaheuristic with a problem-specific repair heuristic is a useful approach of resolving the conflict between do-main-specific characteristics of a real-world problem and the desire to employ a generic optimisation technique, at least in the domain of workforce management.