=Paper=
{{Paper
|id=None
|storemode=property
|title=Situation Awareness als Zielkonstrukt für das Requirements Engineering der Operational Business Intelligence
|pdfUrl=https://ceur-ws.org/Vol-663/paper7.pdf
|volume=Vol-663
|dblpUrl=https://dblp.org/rec/conf/wsbi/Schieder10
}}
==Situation Awareness als Zielkonstrukt für das Requirements Engineering der Operational Business Intelligence==
https://ceur-ws.org/Vol-663/paper7.pdf
Situation Awareness als Zielkonstrukt für das
Requirements Engineering der Operational Business
Intelligence
Christian Schieder
Technische Universität Chemnitz
Abstract
Die komplexitätsbedingte Zunahme der Ressourcen- und Kostenintensität innovativer
BI-Lösungen hat die Sicherstellung einer anforderungsoptimalen Gestaltung von BI-
Systemen zu einer der vordringlichsten Aufgaben in BI-Projekten werden lassen. Un-
ternehmen stehen damit vor der Herausforderung, Anforderungen zutreffend zu erhe-
ben und zu definieren. Hier besteht gerade im Kontext der operativen BI noch erhebli-
cher Forschungsbedarf.
Der vorliegende Beitrag stellt einen Ansatz vor, im interdisziplinären Brückenschlag
das Konstrukt der Situation Awareness als ein Artefakt aus den Kognitionswissenschaf-
ten für das Requirements Engineering bei der Gestaltung von entscheidungsunterstüt-
zenden Informationssystemen in operativen Handlungskontexten nutzbar zu machen.
Dabei wird ein Forschungsansatz skizziert, der eine Methode zur zielorientierten An-
forderungsanalyse generieren soll. Dem Ansatz liegt die Annahme zugrunde, dass für
Handelnde in dynamischen, operativen Entscheidungssituationen der Zustand ihrer
Situation Awareness der erfolgsbestimmende Faktor ist.
1 Motivation
Das primale Maß für den Erfolg eines Softwaresystems ist der Grad zu dem es den
Zweck erfüllt, für den es gedacht ist (Nuseibeh & Easterbrook 2000). Diese trivial
anmutende Aussage gilt auch und gerade im Kontext der Business Intelligence (BI).
Doch die Sicherstellung eines so definierten Erfolges für BI-Systeme, die oftmals
neuen, veränderlichen und konkurrierenden fachlichen und technischen Anforde-
rungen seitens verschiedener Stakeholder unterworfen sind (Totok 2006), ist alles
andere als trivial. Angesichts der aktuellen Tendenz BI-Technologie in die Bearbei-
tung zeit- und geschäftskritischer operativer Geschäftsprozesse zu integrieren (Mar-
46 Christian Schieder
janovic 2007), sind daher Methoden gefragt, die Projektverantwortliche bei der Er-
hebung und Definition valider, zukunftssicherer Anforderungen für die Gestaltung
operativer BI-Lösungen (OpBI) unterstützen. Gerade in dynamischen, operativen
Geschäftsprozessen, in denen von Akteuren eine Fülle von Entscheidungen mit nied-
riger Latenz (schnell) in kurzer Periode (häufig) verlangt wird, hat die zielorientier-
te, aufgabenadäquate Definition der Anforderungen daher besondere Relevanz.
Bisherige Forschungsansätze zum Requirements Engineering (RE) im BI-Bereich
fokussieren überwiegend die klassischen, analytisch orientierten Managementin-
formationssysteme (Böhnlein & Ulbrich-vom Ende 2000) oder klammern prozess-
bezogene Betrachtungen prinzipiell aus (Winter & Strauch 2004). Der vorliegende
Beitrag hingegen stellt einen Forschungsansatz vor, dessen Ziel in der Konstruktion
einer Methode liegt, die explizit auf analytische Informationssysteme im operativen
Kontext abstellt. Mit dem Konstrukt der Situation Awareness (SA) findet ein Artefakt
aus der Kognitionswissenschaft Anwendung, das sich als Maß und Zieldimension für
die Bewertung der Effektivität von IT-Lösungen zur Entscheidungsunterstützung im
operativen Kontext bewährt hat (Schaub 2008).
2 Forschungsfrage, Erkenntnisziel & Methodik
Unter den intensiver werdenden Wettbewerbsbedingungen ist es heute mehr denn
je erforderlich, eine große Menge an Signalen, Sensordaten, Nachrichten und Infor-
mationen zu erfassen, zu integrieren, zu sortieren, zu speichern und aufzubereiten.
Dabei gilt es die Balance zwischen Information-„Overload“ und -„Underload“
(Endsley 2008) fein auszutarieren. Ein etabliertes Konstrukt zur Abschätzung des
Informationsbedarfs unter Berücksichtigung der Informationsverarbeitungskapazi-
tät im Kontext hochdynamischer Entscheidungssituationen wird als Situation
Awareness bezeichnet (Wickens 2008). Entsprechend lautet die dem Forschungsan-
satz zugrundliegende Frage wie folgt:
Ist das Konstrukt der Situation Awareness zur Ableitung von Gestal-
? tungsempfehlungen für die Konstruktion von operativen BI-Systemen
geeignet und wenn ja, welche Anforderungen an die funktionale Konsti-
tution dieser Systeme lassen sich aus seiner Anwendung gewinnen?
Der Versuch der Beantwortung der Forschungsfrage beinhaltet das Potenzial zum
einen Erkenntnisse für die Gestaltung von OpBI-Systemen für die Praxis zu generie-
ren. Zum anderen können die aus Wissenschaft und Praxis stammenden Vorschläge
Situation Awareness als Zielkonstrukt für das Requirements Engineering 47
für die Konzeption von OpBI-Systemen auf ihre Fähigkeit untersucht werden, inwie-
fern sie die Entscheidungsunterstützung im operativen Kontext verbessern. Neben
der Konstruktion einer Methode zur zielorientierten Informationsbedarfsanalyse für
operative Entscheidungssituationen, erscheint daher der Versuch lohnenswert, das
Konstrukt der SA als Vehikel für die Untersuchung von OpBI-Konzeptionen einzu-
setzen. Das Erkenntnisziel der Forschungsarbeit lautet dementsprechend:
Ziel ist die Ableitung einer Methode zur Situation Awareness-
orientierten Anforderungsanalyse zur Vorbereitung der Gestaltung von
! Operational Business Intelligence-Systemen, die an Anwendungsfällen
validiert und in den Prozess der systematischen Konzeption von BI-
Lösungen integriert ist.
Nachdem das Ziel der Arbeit in der Konstruktion einer Methode besteht, liegt es
nahe, das gestaltungswissenschaftliche Paradigma zugrunde zu legen, dessen Ein-
satz hinlänglich als Design Science Ansatz bekannt und beschrieben ist. Peffers et al.
(2008) stellen zur Operationalisierung des Design Paradigmas einen Forschungs-
prozess vor, an dem sich Arbeit orientiert.
3 Kontext der Forschungsarbeit (Related Work)
3.1 Konzeption der Operativen BI
Innovative BI-Architekturen, die Entscheidungsunterstützung im operativen Kon-
text – also während der Prozessausführung – realisieren sollen, firmieren derzeit
unter Begriffen wie
Real-time BI (Azvine et al. 2006),
Process-centric BI (Bucher et al. 2009),
Situational BI (Löser, Hueske, & Markl 2009),
Event-driven BI (Neuhaus 2009, Linden et al. 2010),
Operational BI (Marjanovic 2007; Gluchowski et al 2009; Schiefer & Seu-
fert 2010).
Im Vordergrund dieser Arbeiten stehen dabei regelmäßig Architekturblaupausen
und Vorschläge für die technische Realisierung entsprechender Anwendungen. Zur
Gestaltung innovativer BI-Architekturen für die Unterstützung operativer Ge-
48 Christian Schieder
schäftsprozesse steht damit eine Reihe von technisch orientierten Vorschlägen auf
infrastruktureller Ebene bereit.
Die vorgeschlagenen Architekturen setzen zwar unterschiedliche inhaltliche
Schwerpunkte, haben schließlich jedoch als gemeinsames Ziel, Informationen aus
äußerst heterogenen Quellen (Situational BI), unter Einhaltung möglichst geringer
Latenzzeitengrenzen (Event-driven BI, Real-time BI), prozessbezogen (Process-
centric BI) zu erschließen, zu integrieren und aufgabenadäquat bereit zu stellen.
3.2 Situation Awareness
Abbildung 1: Endsleys Modell zur Situation Awareness in dynamischen Entscheidungs-
situationen (Endsley 1995)
In vielen Forschungsarbeiten und Experimenten zu Entscheidungsprozessen in
hochkompetitiven operativen Entscheidungssituationen, hat sich SA als dominanter
Erfolgsfaktor erwiesen (Wickens 2008). Das Konstrukt der SA beschreibt den Zu-
stand eines Akteurs bezüglich dreier, aufeinander aufbauender Zustände (Endsley
1995):
Situation Awareness als Zielkonstrukt für das Requirements Engineering 49
seine Wahrnehmung (Perception) der Elemente seiner Handlungsum-
welt, in einem bestimmten raum-zeitlichen Umfang (Level 1 SA);
sein Verständnis (Comprehension) der Bedeutung der Elemente, ihrer
Zustände und Interdependenzen für die eigene Situation (Level 2 SA);
seine Prognose (Projection) des Zustandes der Umweltelemente in der
nahen Zukunft (Level 3 SA).
Abbildung 1 stellt ein von Endsley (1995) beschriebenes Modell zum Verständnis
des Phänomens der SA dar. Es bettet die SA eines Akteurs in den Kontext der Aus-
wirkungen seines Entscheidungshandelns auf den Zustand der Umwelt ein. Die Fä-
higkeit eines Akteurs zu Adaption seiner SA wird nach diesem Modell durch eine
Reihe von aufgaben- bzw. systemimmanente Faktoren einerseits und intrapersonale
Faktoren andererseits determiniert, die in Wickens (2008) detailliert dargestellt
sind.
4 Integration der beschriebenen Forschungsfelder
Aus Sicht der Kognitionswissenschaft muss das Ziel von BI-Systemen im operativen
betrieblichen Kontext in der Beförderung von SA in Entscheidern liegen. Grundlage
hierfür ist die Wahrnehmung aller relevanten Daten und Informationen der System-
umwelt, der Systemelemente und ihrer Beziehungen innerhalb des relevanten sozio-
technischen (Teil-)Systems. Diese gilt es zu erfassen, zu integrieren, zu harmonisie-
ren, zu sortieren, zu filtern und zu visualisieren (Level 1 SA). Die besondere Heraus-
forderung hierbei liegt in der kontinuierlich steigenden Heterogenität der Wahr-
nehmungselemente (Kokar et al. 2009). Sie umfassen so unterschiedliche Datenele-
mente wie
Daten aus historischen Data Warehouse Datenbeständen (Gluchowski et
al. 2009),
Echtzeit-Datenströme (Gawlick & Mishra 2008) wie z.B. Sensorfeeds
(Cuff, Hansen, & Kang 2008), speziell von RFID-Scannereinheiten (Baars
& Sun 2009) sowie
Nachrichten von Web Services und unstrukturierte Informationsfrag-
mente von Echtzeit-Kommunikationseinrichtungen (Instant Messaging,
Twitter).
Die Dynamik operativer Entscheidungssituationen erfordert in der Regel eine be-
sonders zeitnahe Integration und Bereitstellung der für die Entscheidungsfindung
notwendigen Erkenntnisse (Watson et al. 2006). Von besonderer Bedeutung ist
50 Christian Schieder
hierbei die Tatsache, dass aktuelle Prozessablaufdaten nur im Kontext der Prozess-
historie, also in Relation zu früheren Zustandsbeschreibungen Sinn erhalten
(Gluchowski et al. 2009). Erst wenn diese Bedingung erfüllt ist, können Akteure die
jeweilige Situation verstehen und verfügen dann über Level 2 SA.
In einem exemplarischen Call Center Szenario stiftet einem Disponenten die Infor-
mation, dass das Anrufvolumen (Anzahl eingehender Anrufe pro Minute) derzeit
eine gewisse Höhe relativ wenig Nutzen. Es sei denn, er hat auf Grund seiner Erfah-
rung ausreichend Wissen um diese Information in den historischen und situativen
Kontext zu setzen. Weit größeren Mehrwert hat diese Information, wenn sie einge-
bettet in den Tagesverlauf und im Vergleich zur Historie vergangener Tage visuali-
siert wird. Damit lässt sich die Einsicht, dass momentan ein außergewöhnlich hohes
Anrufaufkommen vorliegt, im besten Fall sofort intuitiv erfassen. Entsprechend
kann der Disponent seine Mitarbeiter anhalten, die Gesprächsdauer temporär mög-
lichst kurz zu halten. Diese können beispielsweise die Anweisung erhalten, von
Kundenumfragen zur Servicezufriedenheit abzusehen bis das Aufkommen wieder
auf Normalmaß zurückgegangen ist.
Doch auch wenn alle Bedingungen für das Verständnis der Systemumwelt erfüllt
sind, verfügt ein Akteur immer noch nicht über Level 3 SA. Hierzu sind Möglichkei-
ten zur Prognose potenzieller Prozesszustände in der Zukunft erforderlich. Im Kon-
text der BI stehen Werkzeuge und Techniken der statistischen Prozesskontrolle, des
Data Minings und der Simulation für diese Aufgaben zur Verfügung. Sie bieten ope-
rativen Akteuren Unterstützung für die Analyse der Auswirkungen verschiedener
Handlungsalternativen auf ihre Systemumwelt. Die Herausforderung besteht hier
darin, dass in den hier relevanten niedrig-Latenzzeit-Szenarien, die Kompliziertheit
der Werkzeuge ein großes Hindernis für ihren effektiven Einsatz darstellt. Entspre-
chend hohe Bedeutung muss bei der Gestaltung von OpBI-Lösungen der Ergonomie
der Benutzerschnittstelle beigemessen werden.
Dem Disponenten im Beispiel würde es für sein Situationsverständnis erheblichen
Gewinn bringen, könnte es auf einem Display oder Dashboard Trends bezüglich der
Entwicklung des Anrufaufkommens frühzeitig antizipieren. Die benötigten Informa-
tionen stammen in diesen Fall beispielsweise aus vordefinierten Regressionsanaly-
sen, die unter Einbeziehung verschiedener Umweltfaktoren (Jahres- und Tageszeit,
Berücksichtigung von Marketingaktionen) generiert und mittels Trendlinien darge-
stellt werden. Weiterhin könnten auf dem Dashboard Kennzahlen als Ergebnis der
Berechnung von Optimierungsmodellen für das aktuell angemessene Verhältnis von
Situation Awareness als Zielkonstrukt für das Requirements Engineering 51
Anrufdauer, Anzahl aktiver Mitarbeiter und Anrufaufkommen vorgeschlagen wer-
den.
Auf Basis vorstehender Ausführungen lässt sich OpBI funktional wie folgt definie-
ren: Operational Business Intelligence (OpBI) ist eine sozio-technische Funktion von
Organisationen, die der Unterstützung und Automatisierung zeitkritischer Entschei-
dungen in betrieblichen Prozessen durch die zeitnahe und aufgabenorientierte Bereit-
stellung situativ relevanter Erkenntnisse auf Basis der Integration interner histori-
scher, aktueller und prognostizierter prozessualer Ablaufdaten sowie prozessexterner
Kontextinformationen dient. OpBI unterstützt Entscheider in operativen betrieblichen
Prozessen darin, Informationen über relevante Systemelemente wahrzunehmen, aktu-
elle Systemzustände zu verstehen und zukünftige zu antizipieren. Auf diese Weise er-
möglicht OpBI operativen Akteuren, proaktiv situationsadäquate Allokationen in zeit-
kritischen, dynamischen Entscheidungssituationen vorzunehmen.
5 Zusammenfassung und Ausblick
Der Abriss des Forschungsansatzes kann im Rahmen dieses Research-in-Progress-
Beitrags etliche Punkte nur streifen. Festzuhalten bleibt, dass für die Konzeption
und Evaluation der OpBI die Perspektive der Kognitionswissenschaft, mit dem Kon-
strukt der SA, ein ergiebiges Feld für Forschungsimpulse liefert. OpBI ist dann nütz-
lich, wenn sie Entscheider in operativen Handlungskontexten beim Aufbau ihrer SA
unterstützt. Dazu muss sie bestimmte Funktionen mitbringen, die technisch anfor-
derungsoptimal umgesetzt werden müssen. Mit dem SA-Ansatz liegt ein Konzept
vor, welches das Potenzial bietet, die erforderlichen Gestaltungsrichtlinien abzulei-
ten und den Erfolg des Einsatzes von BI-Initiativen in operativen Kontexten zu mes-
sen (Endsley 2008). Darüber hinaus sind auch für die bisher erfolglose Suche nach
einem Erfolgsmaß für konventionelle BI-Implementierungen entscheidende Impulse
zu erwarten.
Es deutet sich an, dass sich aus der Konzeptualisierung der OpBI als Vehikel zur Be-
förderung der SA in Entscheidern, klare Forderungen bezüglich der Konstitution
und Morphologie von OpBI-Systemen gewinnen lassen. Damit erschließt sich die
Möglichkeit, eine Präzisierung und Formalisierung der BI-Forschung im Hinblick auf
die definitorische Konkretisierung ihrer Begriffswelten vorzunehmen, die bisher v.a.
aus der Praxis übernommen wurden. Die Signifikanz des Forschungsansatzes muss
nun in weiteren Schritten konkretisiert, exemplifiziert und validiert werden. Die
Basis hierfür wurde durch die Aufarbeitung des Literaturbestandes bereits gelegt.
Der nächste Schritt besteht nun in der detaillierten Beschreibung der Methode und
52 Christian Schieder
ihrer anschließend Demonstration mittels einer zielorientierten, entscheidungszen-
trierten Modellierung anhand beispielhafter Anwendungsfälle, etwa aus dem Pro-
duktions- (Bucher et al. 2009) oder Logistikumfeld (Linden et al. 2010).
Die Aussicht auf eine theoretisch fundierte und wissenschaftlich gut gesicherte Me-
thode zur Evaluation von OpBI-Systemen ist in jedem Fall ein für die BI-Community
erstrebenswertes und lohnendes Ziel. Ein interdisziplinärer Forschungsansatz, wie
er im vorliegenden Beitrag skizziert wurde, scheint hier fruchtbare Impulse liefern
zu können.
6 Literatur
Azvine, B., Cui, Z., Nauck, D., & Majeed, B. (2006). Real time business intelli-
gence for the adaptive enterprise. In Proceedings of the eighth IEEE International Con-
ference on Enterprise Computing, E-Commerce, and E-Services (S. 29-40).
Baars, H., & Sun, X. (2009). Multidimensional Analysis of RFID Data in Logistics.
In Proceedings of the 42nd HICSS (S. 1-10).
Böhnlein, M., & Ulbrich-vom Ende, A. (2000). Business process oriented devel-
opment of data warehouse structures. In Jung, R. & Winter, R. (Hrsg.), DW 2000 (S. 3–
21).
Bucher, T., Gericke, A., & Sigg, S. (2009). Process-centric business intelligence.
BPM Journal, 15(3), 408-429.
Cuff, D., Hansen, M., & Kang, J. (2008). Urban sensing: out of the woods. Com-
munications of the ACM, 51(3), 24–33.
Endsley, M. A. (2008). Situation Awareness: A Key Cognitive Factor in Effecti-
vess of Battle Command. In A. Kott (Hrsg.), Battle of cognition: the future informa-
tion-rich warfare and the mind of the commander (S. 95-119).
Endsley, M. R. (1995) Toward a theory of situation awareness in dynamic systems.
Human Factors, 37(1), 32-64.
Gawlick, D., & Mishra, S. (2008). CEP: Functionality, Technology and Context. In
Proceedings of the Second DEBS.
Gluchowski, P., Kemper, H.-G., Seufert, A. (2009). Innovative Prozess-Steuerung.
BI Spektrum, 4(1), 8-12.
Kokar, M., Matheus, C., & Baclawski, K. (2009). Ontology-based situation aware-
ness. Information Fusion, 10(1), 83-98.
Linden, M., Neuhaus, S., Kilimann, D., Bley, T., & Chamoni, P. (2010). Event-
Driven Business Intelligence Architecture for Real-Time Process Execution in Supply
Chains. In Proceedings of the 13th BIS (S. 280-290).
Löser, A., Hueske, F., & Markl, V. (2009). Situational business intelligence. In M.
Castellanos, U. Dayal & T. Sellis (Hrsg.), Business Intelligence for the Real-Time En-
Situation Awareness als Zielkonstrukt für das Requirements Engineering 53
terprise (S. 1-11).
Marjanovic, O. (2007). The Next Stage of Operational Business Intelligence -
Creating New Challenges for Business Process Management. In Proceedings of the
40th HICSS.
Neuhaus, S. (2008). Konzeption einer Referenzarchitektur für Operational Business
Intelligence auf Basis einer ereignisgesteuerten, serviceorientierten Architektur. In
FKBI 2009, GI Fachgruppe 5.8. CEUR Workshop Proceedings, Vol. 542 (S. 1-13).
Nuseibeh, B., & Easterbrook, S. (2000). Requirements engineering. In Proceedings
of the ICSE '00 (S. 35-46).
Peffers, K., Tuunanen, T., Rothenberger, M. und Chatterjee, S. (2008) A Design
Science Research Methodology for Information Systems Research. Journal of Man-
agement Information Systems, 24(3), 45-77.
Schaub, H. (2008). Wahrnehmung, Aufmerksamkeit und „Situation Awareness“. In
P. Badke-Schaub, G. Hofinger, K. Lauche (Hrsg.) Human Factors: Psychologie siche-
ren Handelns in Risikobranchen (S. 59-76).
Schiefer, J., & Seufert, A. (2010). Towards a Service-Oriented Architecture for Op-
erational BI – A Framework for Rule-Model Composition. In Tagungsband MKWI
2010 (S. 1137-1149).
Winter, R., & Strauch, B. (2004). Information requirements engineering for data
warehouse systems. In Proceedings of the 2004 ACM symposium on Applied compu-
ting (p. 1359–1365).
Totok, A. (2006). Entwicklung einer Business-Intelligence-Strategie. In P. Chamo-
ni & P. Gluchowski, Analytische Informationssysteme (3. Aufl., S. 51–70).
Watson, H., Wixom, B., Hoffer, J., Anderson-Lehman, R., & Reynolds, A. M.
(2006). Real-Time Business Intelligence: Best Practices at Continental Airlines. Infor-
mation Systems Management, 23(1), 7-18.
Wickens, C. (2008). Situation Awareness: Review of Mica Endsley's 1995 Articles
on Situation Awareness Theory and Measurement. Human factors, 50(3), 397-403.