
Parametry
Více o knize
Unternehmen der Energiewirtschaft müssen sich z. Z. unterschiedlichen Herausforderungen stellen: Zum einen forciert die Liberalisierung des Energiemarktes eine Umgestaltung sowohl der Struktur der Unternehmen als auch derer IT-Systeme, um den Ansprüchen des „Unbundlings“ zu genügen, zum anderen ändern sich die Strukturen der Abnehmer und Anbieter von Strom, da durch den Ausbau der dezentralen Stromerzeugungsanlagen wie den erneuerbaren Energien die Anzahl der Anlagen zur Stromerzeugung steigt und deren Eigenschaften sich von den der herkömmlichen Anlagen unterscheiden. Zur Begegnung dieser Herausforderungen steigern die Unternehmen die Automatisierung ihrer Prozesse, sodass Entscheidungen z. B. bezüglich der Steuerung von Stromnetzen in kürzerer Zeit getroffen werden können. Die Automatisierung erfordert eine hohe Datenqualität, da fehlerhafte Daten zu falschen Entscheidungen führen kön-nen, die sich in z. B. verminderter Versorgungsqualität oder Beschädigungen technischer Anlagen manifestieren können. Diese Arbeit entwickelt einen Ansatz zum Datenqua-litätsmanagement für Unternehmen der Energiewirtschaft, der fortlaufend die Güte der Daten-qualität bewertet und somit zur Vermeidung der genannten Probleme eingesetzt werden kann. Informationssysteme der Energiewirtschaft zeichnen sich durch eine zunehmende Nutzung von serviceorientierten Systemen aus, um die Prozesse der Energiewirtschaft stärker automatisiert ausführen zu können. Dies ist eine Reaktion auf die Anforderungen, die durch die Liberalisierung der Energiemärkte und durch die sich verändernde Struktur von Anbietern und Abnehmern ge-stellt werden. So müssen Informationen diskriminierungsfrei allen Marktteilnehmern zur Verfü-gung gestellt werden und durch die Zunahme dezentraler Energieerzeuger wie Windenergie- und Solaranlagen, Blockheizkraftwerken etc. wird die Aufgabe der Planung und Steuerung der Anglei-chung von Angebot und Nachfrage elektrischer Energie komplexer, sodass eine Automatisierung der Entscheidungsprozesse unumgänglich ist. Zum problemlosen Ablauf dieser Prozesse ist die Sicherstellung einer hohen Güte der zugrunde liegenden Daten unumgänglich. Dazu wird ein Vorgehensmodell zum Datenqualitätsmanagement mit einem unterstützenden Werkzeug entwickelt, das es ermöglicht, über den Zustand der Daten-qualität der verschiedenen Datenhaltungen eines Unternehmens der Energiewirtschaft mit gerin-gem Aufwand fortwährend aktuelle Informationen zu erhalten. Diese Informationen können dazu genutzt werden, um sowohl im operativen Geschäft Fehler in Datenhaltungen zu identifizieren und zu beseitigen als auch strategische Entscheidungen zu treffen, wie z. B. die Abschätzung, wel-che IT-Systeme in einem Migrationsprojekt, bei dem mehrere Systeme zur Auswahl stehen, präfe-riert werden sollen oder wie effizient Projekte zur Verbesserung der Datenqualität sind.
Nákup knihy
Datenqualitätsmanagement in der Energiewirtschaft, Fabian Grüning
- Jazyk
- Rok vydání
- 2009
Doručení
Platební metody
Navrhnout úpravu
- Titul
- Datenqualitätsmanagement in der Energiewirtschaft
- Jazyk
- německy
- Autoři
- Fabian Grüning
- Rok vydání
- 2009
- ISBN10
- 3939704423
- ISBN13
- 9783939704423
- Kategorie
- Skripta a vysokoškolské učebnice
- Anotace
- Unternehmen der Energiewirtschaft müssen sich z. Z. unterschiedlichen Herausforderungen stellen: Zum einen forciert die Liberalisierung des Energiemarktes eine Umgestaltung sowohl der Struktur der Unternehmen als auch derer IT-Systeme, um den Ansprüchen des „Unbundlings“ zu genügen, zum anderen ändern sich die Strukturen der Abnehmer und Anbieter von Strom, da durch den Ausbau der dezentralen Stromerzeugungsanlagen wie den erneuerbaren Energien die Anzahl der Anlagen zur Stromerzeugung steigt und deren Eigenschaften sich von den der herkömmlichen Anlagen unterscheiden. Zur Begegnung dieser Herausforderungen steigern die Unternehmen die Automatisierung ihrer Prozesse, sodass Entscheidungen z. B. bezüglich der Steuerung von Stromnetzen in kürzerer Zeit getroffen werden können. Die Automatisierung erfordert eine hohe Datenqualität, da fehlerhafte Daten zu falschen Entscheidungen führen kön-nen, die sich in z. B. verminderter Versorgungsqualität oder Beschädigungen technischer Anlagen manifestieren können. Diese Arbeit entwickelt einen Ansatz zum Datenqua-litätsmanagement für Unternehmen der Energiewirtschaft, der fortlaufend die Güte der Daten-qualität bewertet und somit zur Vermeidung der genannten Probleme eingesetzt werden kann. Informationssysteme der Energiewirtschaft zeichnen sich durch eine zunehmende Nutzung von serviceorientierten Systemen aus, um die Prozesse der Energiewirtschaft stärker automatisiert ausführen zu können. Dies ist eine Reaktion auf die Anforderungen, die durch die Liberalisierung der Energiemärkte und durch die sich verändernde Struktur von Anbietern und Abnehmern ge-stellt werden. So müssen Informationen diskriminierungsfrei allen Marktteilnehmern zur Verfü-gung gestellt werden und durch die Zunahme dezentraler Energieerzeuger wie Windenergie- und Solaranlagen, Blockheizkraftwerken etc. wird die Aufgabe der Planung und Steuerung der Anglei-chung von Angebot und Nachfrage elektrischer Energie komplexer, sodass eine Automatisierung der Entscheidungsprozesse unumgänglich ist. Zum problemlosen Ablauf dieser Prozesse ist die Sicherstellung einer hohen Güte der zugrunde liegenden Daten unumgänglich. Dazu wird ein Vorgehensmodell zum Datenqualitätsmanagement mit einem unterstützenden Werkzeug entwickelt, das es ermöglicht, über den Zustand der Daten-qualität der verschiedenen Datenhaltungen eines Unternehmens der Energiewirtschaft mit gerin-gem Aufwand fortwährend aktuelle Informationen zu erhalten. Diese Informationen können dazu genutzt werden, um sowohl im operativen Geschäft Fehler in Datenhaltungen zu identifizieren und zu beseitigen als auch strategische Entscheidungen zu treffen, wie z. B. die Abschätzung, wel-che IT-Systeme in einem Migrationsprojekt, bei dem mehrere Systeme zur Auswahl stehen, präfe-riert werden sollen oder wie effizient Projekte zur Verbesserung der Datenqualität sind.