Management digitaler Plattformen

Frontmatter

Kapitel 1. Motivation und Bausteine

Zusammenfassung

Dieses Kapitel beschreibt die Motivation hinter dem Forschungsprojekt „ExCELL – Echtzeitanalyse und Crowdsourcing für eine selbstorganisierte City-Logistik“ des Technologieprogramms „Smart Data – Innovationen aus Daten“ des Bundeswirtschaftsministeriums für Wirtschaft und Energie (BMWi). Die zentralen Ergebnisse dieses Forschungsprojekts werden in diesem Buch erläutert. Des Weiteren werden in diesem Kapitel die am Projekt beteiligten Partner und der Aufbau des Buchs vorgestellt.

Felix Köbler, Manuel Wiesche, Helmut Krcmar

Kapitel 2. Überblick zu existierenden Plattformen für Mobilität und Verkehr

Zusammenfassung

Mobilität funktioniert immer stärker datengetrieben – von Apps für Sharing-Angebote bis hin zu selbstfahrenden Autos. Neben innovativen Lösungen ermöglichen die Datenströme genauere Einblicke in das Verkehrsgeschehen. Ein neuer Wirtschaftszweig ist am Entstehen, der dieses digitale Wissen in intelligente Anwendungen für Endnutzer umwandelt, die helfen sich besser auf die tägliche Rush Hour oder plötzlich auftretende Staus einzustellen. Bisher wird dieses Feld ausnahmslos Firmen wie Google, HERE oder Uber überlassen. Verkehrsdaten werden zwar zunehmend einer breiten Öffentlichkeit zur Verfügung gestellt, allerdings handelt es sich oft um Live-Schnittstellen für Parkhäuser oder Fahrplandaten des öffentlichen Personennahverkehrs (ÖPNV). Um die Dynamik des Verkehrs besser zu verstehen und eigene Modelle zu entwickeln, bedarf es einer genauen Datenerfassung, die zumindest die Hauptverkehrsachsen der Stadt über einen mehrjährigen Zeitraum abdeckt. Ansätze für die Bereitstellung entsprechender Rohdaten gibt es bereits.

Felix Kunde, Sebastian Pape, Sven Fröhlich

Kapitel 3. Referenzmodell einer Mobilitätsplattform

Zusammenfassung

Für Entwickler von Mobilitätslösungen ist es schwierig, an exakte Mobilitätsdaten wie den Verkehrsfluss oder verfügbare Parkplätze zu kommen. Diese Daten sind in einer Smart City verfügbar, werden jedoch nicht Drittentwicklern für die Implementierung innovativer Mobilitätslösungen zugänglich gemacht. Da bisher unklar ist, wie dies ablaufen könnte, schlägt das Buchkapitel ein Referenzmodell einer offenen Plattform für modulare Mobilitätsdienste vor. Die Herleitung des Referenzmodells folgt einem Design Science Research Ansatz.

Christoph Pflügler, Maximilian Schreieck, Gabriel Hernandez, Manuel Wiesche, Helmut Krcmar

Kapitel 4. Technisches Konzept einer Mobilitätsplattform

Zusammenfassung

Von Datenplattformen zum Cloud Computing – Software-as-a-Service-Produkte bestimmen zunehmend den Markt. Was früher Funktionen einer Software waren, sind heute eigenständige autonome Dienste mit eignen Entwicklungs- und Veröffentlichungszyklen. Das spart administrativen Aufwand, Zeit und Kosten. Es gibt zudem kaum noch übergeordnete technische Vorgaben, welche Programmiersprache, Datenbank oder Server-Umgebung verwendet werden muss.

Stephan Pieper, Felix Kunde, Petra Sauer

Kapitel 5. Governance der Akteure einer digitalen Plattform

Zusammenfassung

Mehrseitige Plattformen (MSPs) beeinflussen die ökonomische Landschaft und somit etablierte Industrien nachhaltig. Daher wird es immer wichtiger zu untersuchen, wie und warum diese Plattformen an wirtschaftlicher Relevanz gewinnen. Das Herzstück, um die Interaktion zwischen den beteiligten Parteien einer Plattform zu orchestrieren, ist die sogenannte Plattform-Governance.

Maximilian Schreieck, Andreas Hein, Manuel Wiesche, Helmut Krcmar

Kapitel 6. Monetarisierungsstrategien für Mobilitätsplattformen

Zusammenfassung

In diesem Kapitel werden Monetarisierungsstrategien für Mobilitätsplattformen abgeleitet, die anhand mehrerer Dimensionen charakterisiert werden. Zu diesen Dimensionen gehören sowohl verschiedene direkte Gebühren als auch spezielle Strategien wie die Subvention oder Absorption. Mit den Erkenntnissen über den Einfluss der Dimensionen wird eine geeignete Monetarisierungsstrategie für eine Mobilitätsplattform geschaffen.

Maximilian Schreieck, Fabian Kolbe, Christoph Pflügler, Manuel Wiesche, Helmut Krcmar

Kapitel 7. Nutzung von Verkehrsdaten zur Verkehrsflussoptimierung

Zusammenfassung

Der städtische Verkehr in Dresden zählt zu den Besten in ganz Deutschland. Das hat eine repräsentative Onlineumfrage des ADAC ergeben, in der die 15 größten deutschen Städte bewertet wurden (ADAC e.V. 2017). Die Landeshauptstadt Dresden verfügt mit seinem Verkehrs-Analyse-, -Management- und Optimierungs-System VAMOS über ein modernes, vollautomatisches Verkehrsmanagementsystem, mit dem der aktuelle Verkehrszustand erfasst, modelliert und beeinflusst wird. In diesem Kapitel werden die drei Ebenen des VAMOS beschrieben: die Verkehrsdatenerhebung, das Verkehrslagemodell und die Verkehrsbeeinflussung und -steuerung.

Sven Fröhlich, Sebastian Pape, Christian Gassel, Jürgen Krimmling

Kapitel 8. Datenmanagement von Echtzeit-Verkehrsdaten

Zusammenfassung

Im Gegensatz zu vielen vorranging statischen Mobilitätsplattformen treffen in einer produktiven Daten-getriebenen Mobilitätsdienste-Plattform schreibintensive Batch- bis Stream-Prozesse auf hohe Zugriffsraten von Nutzern über die Web-Services. Die gesamte Datenaufbereitung läuft asynchron ab und ermöglicht so die Unterteilung in verschiedene Softwarebausteine, auf welchen sich die jeweiligen technischen Anforderungen effizienter, weil einfacher als bei monolithischen Architekturen umsetzen lassen. Dieses Kapitel präsentiert für die verschiedenen Abschnitte des Datenflusses unterschiedliche Skalierungsmöglichkeiten.

Felix Kunde, Stephan Pieper, Petra Sauer

Kapitel 9. Data Mining auf Verkehrsdaten

Zusammenfassung

Data Mining auf Verkehrsdaten erfordert die Benutzung eines etablierten Data Mining Prozesses, weil Verkehrsdaten heterogen und komplex in der Verwendung sind. CRISP-DM ist ein solcher Data Mining Prozess, der exemplarisch für vier Anwendungsfälle im ExCELL Projekt herangezogen wird. Die vier Anwendungsfälle sind Data Mining mit Heatmaps, Data Mining mit raum-zeitlicher Hot-Spot-Analyse, Data Mining mit raumzeitlicher Aggregation, Analyse und Visualisierung von Trackingdaten und Data Mining mit Korrelationserkennung zwischen Sensormessungen und den Elbebrücken-Informationstafeln.

Stephan Pieper, Felix Kunde, Petra Sauer

Kapitel 10. Crowdsourcing von Verkehrsdaten

Zusammenfassung

In diesem Kapitel wird das Konzept Crowdsourcing dargestellt und die Anwendung von Crowdsourcing im Projekt ExCELL skizziert. Im Projekt wurde ein zweischichtiger Crowdsourcing-Ansatz angewandt, der passives und aktives Crowdsourcing kombiniert. Bei passiven Crowdsourcing werden Floating Car Daten und durch Tracking Daten automatisch erfasst während bei aktiven Crowdsourcing Nutzer Daten aktiv melden. Beide Ansätze sind von zunehmender Bedeutung für die Erfassung von Mobilitätsdaten. Das Kapitel zeigt damit, wie Mobilitätsplattformen die Daten von Nutzern erfassen und für weitere Dienste zur Verfügung gestellt werden können. Abschließend werden technische und rechtliche Restriktionen von Crowdsourcing diskutiert.

Felix Köbler, Sven Fröhlich

Kapitel 11. Qualität von Mobilitätsdaten

Zusammenfassung

Probleme bei der Qualität von Mobilitätsdaten entstehen einerseits durch fehlende Daten in Sensormessreihen und andererseits auf Grund von GPS Ungenauigkeiten. Die Bereinigung von fehlendenden Daten in Messreihen ist eine Maßnahme zur Verbesserung der Datenqualität. Weiterhin bietet Map Matching mit Geschwindigkeitsinterpolation eine Lösung beim Problem der GPS Ungenauigkeiten. Beide Verfahren verbessern die Qualität von Mobilitätsdaten signifikant und werden aus diesem Grund auf der ExCELL Plattform eingesetzt. Durch Vergleich der aufbereiteten Daten mit den Rohdaten mittels bewertbarer Datenqualitätskriterien ist eine valide Aussage zur Datenqualität gegeben.

Stephan Pieper, Felix Kunde, Salka Waterloo, Petra Sauer

Kapitel 12. Datenschutz bei Mobilitätsplattformen durch Privacy-by-Design

Zusammenfassung

Dieses Kapitel beschreibt die Ergebnisse einer Umfrage zu den Datenschutzbedenken deutscher Smartphone-Nutzer und erarbeitet Empfehlungen, wie auf Grundlage der Umfrageergebnisse Mobilitätsplattformen gestaltet werden können. Die Auswertung dieser Umfrage mit 129 Teilnehmern zeigt signifikante Bedenken der Smartphone-Nutzer bezüglich der Sicherheit ihrer Daten und ein geringes Vertrauen in die Anbieter von Mobilitätsplattformen. Davon unabhängig stellen Nutzer ihre Daten den Mobilitätsplattformen zur Verfügung.

Vivien Neumann, Maximilian Schreieck, Christoph Pflügler, Manuel Wiesche, Helmut Krcmar

Kapitel 13. Prognose von Parkplatzdaten

Zusammenfassung

Die Suche nach freien Parkplätzen am Straßenrand ist aufwändig und verursacht einen signifikanten Teil des innerstädtischen Verkehrs. Existierende Lösungsansätze haben einige Nachteile, da sie zum Beispiel mit hohen Kosten verbunden sind oder eine aktive Nutzerbasis voraussetzen. Dieses Kapitel befasst sich mit der Vorhersage von freien Parkplätzen basierend auf öffentlich zugänglichen Daten, auf die kosteneffizient zugegriffen werden kann. Geeignete Datenkategorien werden basierend auf einer Literaturstudie identifiziert. Anschließend wird ein solcher Service beispielhaft mittels eines neuronalen Netzes umgesetzt. Die Relevanz der einzelnen Datenkategorien wird basierend auf 2779 Datensätzen evaluiert. Die Ergebnisse zeigen, dass Informationen zu Wochentag, Standort, Temperatur und Uhrzeit die Vorhersage stark verbessern, wohingegen Informationen zu Events, Verkehr, Feiertagen und Regenmenge nur von untergeordneter Wichtigkeit sind. Dieses Kapitel kategorisiert bestehende Lösungen zur Unterstützung der Parkplatzsuche und zeigt, dass einfach zugängliche Daten ausreichen, um mithilfe eines Service die Verfügbarkeit von Parkmöglichkeiten vorherzusagen.

The search for curb-side parking spaces is a time-consuming effort and responsible for a significant part of urban traffic. Existing solutions have several disadvantages as they are for example costly to operate or do require an active user base. This chapter deals with the prediction of free parking spaces using publicly available data sources that can be accessed in a cost-efficient way. Suitable categories of data sources are identified by performing a literature-research. Subsequently, an exemplary service based on an artificial neural network is developed. The particular relevance of each category of data sources is evaluated using a training data set with 2779 entries. Results show that weekday, location, temperature and time are improving the prediction result, while events, traffic, public holidays and the amount of rainfall have little influence on the prediction model. This chapter furthermore categorizes existing solutions and shows that easily accessible data sources are sufficient to predict the availability of curb-side parking spaces.

Marcel Altendeitering, Christoph Pflügler, Maximilian Schreieck, Sven Fröhlich, Manuel Wiesche, Helmut Krcmar

Kapitel 14. Verkehrsprognosen

Zusammenfassung

Jeder kann für die Ein- und Ausfahrtsstraßen von Großstädten mit hoher Treffsicherheit ein erhöhtes Verkehrsaufkommen zu den morgen- und abendlichen Rush-Hour-Phasen vorhersagen. Wer als Pendler oder Außendienstler unterwegs ist, versucht das tägliche Chaos zu antizipieren und wenn möglich zu anderen Zeiten oder auf anderen Straßen unterwegs zu sein. Doch wann und wo ist das? Die Frage können datengetriebene Verkehrsprognosemodelle sehr genau beantworten. Sie sind die Grundlage für den ExCELL Traffic Prediction Service. Die Methoden reichen hierbei von klassischer Zeitreihenanalyse bis hin zum Lernen von Sequenzen mit neuronalen Netzen. Intelligente Verkehrssysteme („Intelligent Transportation System“ - ITS) verfügen über die Daten, mit denen solche Modelle trainiert werden. Allerdings werden sie bisher selten dafür genutzt. Häufig werden aktuelle Messwerte von Detektoren mit deren durchschnittlichen Tagesganglinien verschnitten, um Steuerungsmaßnahmen für den Verkehr auszulösen. Das System reagiert also stärker, als dass es antizipiert. Die Unterschiede der verschiedenen Ansätze, die im Projekt ExCELL Einsatz finden, werden in diesem Kapitel im Detail vorgestellt.

Everyone can predict with great certainty the morning and evening peaks for the main arterial roads of a city. Therefore, commuters or field staff – anticipating the daily congestion – try to find possible alternative times or roads to reach their destination. But, where and when is that? Data driven traffic flow forecasting is able to answer this question and it is the foundation of the ExCELL traffic prediction service. The applied models range from classic time series analysis to sequence learning with neural networks. Intelligent transportation systems (ITS) provide the training data for these models, but it is rarely used, unfortunately. Most systems combine current sensor measurements with the average daily distribution to control the city’s traffic flow. Such systems are mostly triggered by the traffic rather than predicting it. This chapter will explain in detail the key differences between the different methods used in the ExCELL project.

Felix Kunde, Sebastian Pape, Andreas Wolf, Alexander Hartenstein, Petra Sauer

Kapitel 15. Tourenplanung

Zusammenfassung

Bei der menschlichen Planung von Touren taucht ab einer gewissen Komplexität das Problem der Optimierung dieser Touren auf, da zu viele Parameter bei der Planung berücksichtig werden müssen. Demzufolge ist eine automatische Berechnung der Touren nötig, um Kosten und Mehrkilometer zu reduzieren. Das Problem der optimalen Planung von Touren lösen wir mit der Software jsprit. Im Kontext von ExCELL sind zwei Anwendungsfälle wesentlich, dazu zählen die Tourenplanung im Logistikbereich und im Servicebereich. Beispielsweise liegen die Herausforderungen der Tourenplanung bei der Pflege in der komplexen Modellierung von gesetzlichen Rahmenbedingungen wie das Arbeitszeitgesetz und den drei beteiligten Akteuren Pflegedienst, Pfleger und Patient. Auf der ExCELL Plattform existiert aus den genannten Gründen ein Webservice zur automatischen Tourenplanung für die Anwendungsfälle.

Stephan Pieper, Petra Sauer

Kapitel 16. Dynamische Planung von Fahrgemeinschaften

Zusammenfassung

Fahrgemeinschaften sind ein wichtiger Bestandteil des nachhaltigen Stadtverkehrs, da sie die Nutzung von Fahrzeugen erhöhen und gleichzeitig den Straßenverkehr verringern. Durch das Teilen von Fahrten bieten Autofahrer freie Plätze in ihren Fahrzeugen anderen Passagieren an, die in ähnliche Richtungen fahren möchten. Traditionelle Fahrgemeinschaften eignen sich für Fernreisen, insbesondere für Reisen zwischen Städten, sind jedoch für kurze Strecken innerhalb von Städten nicht flexibel genug. Ziel dieses Kapitels ist es, einen Service zu entwickeln, der dynamische Fahrgemeinschaften als Teil einer nachhaltigen urbanen Mobilität ermöglicht („Dynamic Ridesharing“).

Maximilian Schreieck, Christoph Pflügler, Manuel Wiesche, Helmut Krcmar

Kapitel 17. Crowdsourced Delivery

Zusammenfassung

Das schnelle Wachstum des Absatzvolumens im elektronischen Handels führt dazu, dass das Konzept der klassischen Paketzustellung durch innovative Ansätze wie Crowdsourced Delivery in Frage gestellt wird. Die Einbindung von Privatpersonen, wie beispielsweise Pendlern, um Pakete zuzustellen, bietet wirtschaftliche und ökologische Vorteile. In diesem Kapitel wird ein algorithmisches Modell vorgestellt, das die Zuordnung von Fahrern zu Lieferaufträgen automatisiert und auf der Grundlage von Transportwegen und zeitlichen Einschränkungen optimiert. Der Algorithmus wurde in einer Simulationsumgebung mithilfe von Mobilitätsdaten einer deutschen Großstadt evaluiert.

David Soto Setzke, Christoph Pflügler, Maximilian Schreieck, Sven Fröhlich, Manuel Wiesche, Helmut Krcmar

Kapitel 18. Anonymisierung von Floating Car Data

Zusammenfassung

Floating Car Data (FCD) können sensible persönliche Informationen wie Adressen, das Freizeitverhalten, Arztbesuche oder Arbeitstätigkeiten beinhalten. Auf der ExCELL Plattform sind umfangreiche Datensätze in Form von FCD vorhanden. Aus den obigen Gründen kann dieser Datenschatz der Allgemeinheit nicht als Open Data zur Verfügung gestellt werden. Die Lösung für dieses Problem besteht in der Anonymisierung der Datensätze, da aus anonymisierten Daten keine Rückschlüsse auf Personen möglich sind. Infolgedessen erkennt und entfernt ein Anonymisierungsservice auf der ExCELL Plattform sensible Bereiche in den FCD ohne die statistische Struktur der Daten zu verändern. Das Ergebnis der Anonymisierung sind Daten, die auf der ExCELL Plattform als Open Data bereitgestellt werden können.

Stephan Pieper, Felix Kunde, Petra Sauer

Kapitel 19. Innovationshemmnisse für kleine und mittlere Unternehmen

Zusammenfassung

Die Adoption von Innovationen in kleinen und mittleren Unternehmen (KMU) mit weniger als 250 Mitarbeitern ist im Vergleich zu Großunternehmen begrenzt. In dieser Studie ist es unser Ziel, Faktoren zu identifizieren, die die Adoption von Innovationen bei KMU behindern. Hierzu führen wir eine Fallstudie zur Nutzung von Mobilitätsinnovationen in 20 KMU durch. Wir finden sechs entscheidende Faktoren, die KMU bei der Einführung von Innovationen behindern: wahrgenommenes Ungleichgewicht von Risiken und Chancen, Kompatibilität mit dem täglichen Arbeitsablauf, fehlende Anpassung an individuelle Geschäftsprozesse, Komplexität bei Infrastrukturinvestitionen, IT-Wissen und Kosten für die Einrichtung. Unsere Studie erweitert das Verständnis der Theorie der Adoption von Innovationen bei KMU. Basierend auf den identifizierten Faktoren hilft diese Studie, Innovationen in die laufenden Geschäftsprozesse zu integrieren und die Adoption von Innovationen zu erhöhen.

Veronika Huck-Fries, Christoph Pflügler, Manuel Wiesche, Helmut Krcmar

Kapitel 20. Data Canvas und Data-Need Fit – Daten für neue Geschäftsmodelle nutzen

Zusammenfassung

Nur 4 % der Unternehmen nutzten laut BITKOM Analysen großer Datenmengen als Grundlage neuer Geschäftsmodelle. Um ausgehend von Daten Geschäftsmodelle zu entwickeln, ist zunächst ein Verständnis der verfügbaren Daten nötig. Zu diesem Zweck wurde zum einen der Business Model Canvas als Vorgehensmodell zur Entwicklung von Geschäftsmodellen durch den Data-Need Fit als konzeptionellen Baustein erweitert und zum anderen ein Werkzeug entwickelt – der sog.

Katrin Mathis, Felix Köbler

Kapitel 21. Design Thinking als Vorgehensmodell für die Konzeption, Gestaltung und Evaluierung digitaler Produkte und Dienstleistungen

Zusammenfassung

Design Thinking ist ein Vorgehensmodell, welches grundlegend einen Prozess organisiert und die Anwendung von Methoden in Phasen orchestriert. Methoden sind hierbei aus unterschiedlichen Disziplinen wie Sozial- und Geisteswissenschaften, Architektur und Design sowie der gestaltungsorientierten Informatik entliehen und werden eingesetzt, um zum einen ein intersubjektives Verständnis hinsichtlich einer Problemstellung zu entwickeln und zum anderen aus diesem Verständnis eine Lösung zu gestalten. Der Beitrag beschreibt und reflektiert eine etablierte Interpretation des Vorgehensmodells.

Felix Köbler, Alexander Eiting

Kapitel 22. Human Centered Design – Personas, Customer Journeys und Informationsarchitektur

Zusammenfassung

Die Konzeption, Gestaltung und Entwicklung von (digitalen) Produkten und Dienstleistungen sowie die Realisierung von neuartigen Geschäftsmodellen bzw. die Umsetzung von Marketingkampagnen, die diese Produkte und Dienstleistungen für eine Zielgruppe bewerben, stellen in einer zunehmend digitalisierten und komplexeren Welt, eine komplizierte Problemstellung dar. Um diese Problemstellung zu lösen, müssen die Bedarfe und Bedürfnisse einer Nutzer bzw. Zielgruppe und folglich ihre Anforderungen an (digitale) Produkte und Dienstleistungen systematisch erhoben und strukturiert werden.

Dina Tagabergenova, Felix Köbler

Kapitel 23. Wireframes und Click-Prototypen als Gestaltungsmethode

Zusammenfassung

Im Fokus von diesem Kapitel stehen Wireframes und Click-Prototypen. Diese zwei Gestaltungsmethoden ergänzen sich und nehmen eine wichtige Rolle im der Entwicklung von digitalen Produkten ein. Wireframes sind zweidimensionale konzeptionelle Abbildungen des zukünftigen Produkts mit einem hohen Abstraktionsgrad.

Dina Tagabergenova

Kapitel 24. Ideengenerierung durch Accelerator und Entwicklerportale

Zusammenfassung

Auf Mobilitätsplattformen sollen innovative Mobilitätsdienste entstehen. Diese werden nicht nur vom Plattformbetreiber selbst, sondern auch von dritten Parteien entwickelt. Diese Offenheit fördert Innovation auf der Plattform.

Maximilian Schreieck, Christoph Pflügler, Manuel Wiesche, Helmut Krcmar

Kapitel 25. Bike Now: Eine mobile App für das Crowdsourcing von Floating Bike Data

Zusammenfassung

Der städtische Radverkehr in Deutschland nimmt zu. Die Radverkehrsinfrastruktur ist darauf oft nicht vorbereitet und die auf den motorisierten Individualverkehr (MIV) optimierte Verkehrssteuerung trägt nicht zur Attraktivität des Radverkehrs bei. BikeNow ist ein Prototyp eines Fahrerinformationssystems für Radfahrende.

Sven Fröhlich, Sebastian Pape, Jürgen Krimmling

Kapitel 26. Eine mobilen App zur crowdbasierten Erfassung von freien Parkplätzen durch Gamification

Zusammenfassung

Da Metropolen immer mehr Einwohner anziehen, haben Autofahrer Probleme, einen Parkplatz zu finden, was unnötigen Verkehr verursacht. Zwei Ansätze werden bereits angewendet, um das Problem zu mildern, wobei beide Mängel aufweisen. Auf der einen Seite verursachen infrastrukturbasierte Lösungen hohe Kosten.

Christoph Pflügler, Maximilian Schreieck, Manuel Wiesche, Helmut Krcmar

Kapitel 27. Handlungsempfehlungen zur Etablierung einer Mobilitätsplattform

Zusammenfassung

Im nachfolgenden Abschnitt werden aus den Erfahrungen, die innerhalb von drei Jahren Forschungs- und Entwicklungstätigkeit im Projekt ExCELL entstanden sind, thesenartig zusammengetragen und als Handlungsempfehlungen für eine Übertragung auf andere Städte und Kommunen herausgearbeitet. Es werden Herausforderungen und Kriterien einer Mobilitätsplattform wie Transparenz, Offenheit und Datenschutz beschrieben. Zusätzlich werden Empfehlungen für die Datenverwaltung über Import- und Exportschnittstellen und die Microservice Architektur erläutert.

Stephan Pieper, Felix Kunde, Petra Sauer

Backmatter