Erfolgsfaktoren von Business-Intelligence-Technologien: Eine empirische Studie

Inhaltsverzeichnis

Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1. Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Aufbau der Arbeit

2. Hintergrund
2.1 Begriffsverständnis von Business-Intelligence-Technologien
2.1.1 Traditionelle BIT
2.1.2 Moderne BIT
2.2 Begriffsverständnis von Erfolgsfaktoren
2.3 Exemplarisches Beispiel: SAP HANA

3. Vorgehen bei der qualitativen Datenerhebung
3.1 Erstellung des Interviewleitfadens
3.2 Akquise der Interviewpartner

4. Datenanalyse
4.1 Identifizierte Erfolgsfaktoren
4.1.1 Systemeigenschaften von SAP HANA
4.1.2 Kategorie: „Systemarchitektur“
4.1.3 Kategorie: „IT-Governance“
4.1.4 Kategorie: „Mitarbeiterkompetenzen“
4.1.5 Kategorie: „Nutzung“
4.1.6 Einfluss auf den Unternehmenserfolg
4.2 Identifizierte Interdependenzen
4.3 Konsolidierte Ergebnispräsentation

5. Fazit
5.1 Reflexion
5.2 Ausblick

Literaturverzeichnis

Anhang

Erklärung

Lebenslauf

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abb. 4.1: Schematische Darstellung der Datenanalyse

Abb. 4.2: Übersicht über identifizierte Interdependenzen

Abb. 4.3: Konsolidierte Ergebnispräsentation

Tabellenverzeichnis

Tab. 3.1: Übersicht über die akquirierten Interviewpartner

Tab. 4.1: Übersicht über identifizierte Erfolgsfaktoren

1. Einleitung

1.1 Problemstellung

Im Rahmen dieser Arbeit wird der Erfolg des Einsatzes moderner Business-Intelligence-Technologien (BIT) durch eine empirische Studie in Form qualitativer Interviews untersucht. Unter BIT werden die Gesamtheit der Hard- und Software, Architekturen sowie Methoden auf Grundlage bestimmter Speichertechnik und Datenbankmanagementsystemen¹ (DBMS) verstanden, die zur Gewinnung von Erkenntnissen aus Daten benötigt werden. Hierzu gehören traditionell bspw. analytische Anwendungssysteme, die auf Datawarehouses² (DWH) bzw. Datenbanken³ (DB) basieren. Moderne BIT basieren u.a. auf Hauptspeicherdatenbanken⁴, sog. In-Memory-Datenbanken, und sollen im Gegensatz zu traditionellen BIT auch von Fachbereichskräften über interaktive, graphische Interfaces verwendet werden, um Echtzeitanalysen durchführen zu können. Viele Anbieter von Business-Intelligence (BI)-Plattformen, wie z.B. SAP mit „SAP HANA“⁵, IBM mit „Informix“⁶ oder „solidDB“⁷, Microsoft mit „SQL Server 2014“⁸ und Oracle mit diversen DB⁹, bieten Produkte mit solchen BIT bereits an.

Gemäß des „Hype-Zyklus für BI“ von Gartner aus dem Jahr 2011, sollen Komponenten moderner BIT wie z.B. „In-Memory-Analytics“ (d.h. es werden Daten in den Hauptspeicher geladen, um bessere Abfrage- und Rechenperformance zu erreichen)¹⁰ und „In -Memory DBMS“ (d.h. DBMS, die die gesamte DB-Struktur im Hauptspeicher halten und direkt darauf zugreifen, ohne Input/Output-Anweisungen, sodass Applikationen vollständig „in-memory“ ausgeführt werden)¹¹ in 2-5 Jahren das Plateau der Produktivität erreichen.¹² Dies bedeutet, dass diese Technologien mittlerweile ausgereift sind und von einer breiten Zielgruppe akzeptiert und angewandt werden.¹³ Der Einsatz solcher modernen BIT in Unternehmen steigt, gemessen an den Kauf- und Investitionsentscheidungen, seit 2010 und soll auch in Zukunft weiter steigen.¹⁴ Hauptgründe für diesen Anstieg sind die durch Visualisierung und Performancesteigerungen komfortablere und effizientere Verarbeitung von größeren Datenmengen in kürzerer Zeit.¹⁵ Dabei sind u.a. die steigenden Datenmengen, die in Unternehmen anfallen und sinkende Kosten für Hauptspeicher die Treiber.¹⁶ Insgesamt lassen diese Entwicklungen auf eine hohe Bedeutung moderner BIT und BI im Allgemeinen für Anbieter und besonders für investierende Unternehmen schließen.

BI im Allgemeinen (d.h. mit Einbezug traditioneller DWH und DB) hat schon seit den 1990ern eine hohe Bedeutung für Unternehmen in Bezug auf Entscheidungsunterstüzung,¹⁷ da sich mittels BI Erkenntnisse aus Daten gewinnen lassen, mit denen signifikant der Umsatz gesteigert und/oder Kosten gesenkt sowie Produkte und Dienstleistung verbessert oder neu entworfen werden können.¹⁸ Der daraus resultierende Return on Investment (RoI) bei einem erfolgreichen Einsatz von BI wurde bspw. von einer Studie der International Data Corporation mit durchschnittlich 400% angegeben.¹⁹ Auch Ergebnisse von Interviews dieser Studie bestätigen einen positiven RoI und signifikanten Nutzen auf Unternehmensebene durch den erfolgreichen Einsatz von BI.

Ein solcher Erfolg des Einsatzes von BI ist laut Information-Systems (IS)-Fachliteratur von verschiedenen, kritischen, teils interdependenten Faktoren abhängig.²⁰ Die Erfolgsfaktoren des Einsatzes von BI mit traditionellen BIT wurden bereits in verschiedensten Studien empirisch untersucht, bspw. von Ramakrishnan, Jones und Sidorova (2012), Shin (2003) sowie Wixom und Watson (2001).²¹ Jüngste Artikel aus Fachjournalen betrachten den Erfolg von BI im Allgemeinen aus verschiedenen Perspektiven. Isik, Jones und Sidorova (2013) untersuchen bspw. den Erfolg von BI anhand darauf basierender Entscheidungen und Yeoh und Koroninos (2010) den Erfolg der Implementierung von BI-Systemen.²² Dagegen liegen keine konzeptionellen oder empirischen Studien vor, die Erfolgsfaktoren des Einsatzes von BI auf Grundlage moderner BIT identifizieren und untersuchen. Es ist unklar, ob sich mit der geänderten Technologie auch die Erfolgsfaktoren geändert haben oder ob neue Faktoren hinzukommen.

Bei modernen BIT handelt es sich um neue Technologien, weshalb sowohl in der Forschung als auch in der Praxis kaum Erfahrungswerte vorhanden sind. Die Implementierung von BI-Systemen ist für Unternehmen ein komplexes Unterfangen, das die Infrastruktur und entsprechende Ressourcen eines Unternehmens über einen bestimmten Zeitraum vereinnahmt.²³ Aufgrund dessen lässt sich vermuten, dass das Risiko für einen letztlich nicht-erfolgreichen Einsatz moderner BIT hoch ist, so wie es auch bei BI-Systemen basierend auf klassischen DWH und DB der Fall ist²⁴. Ein solcher Fall kann für Unternehmen zu einer Fehlinvestition führen, die mit Kosten verbunden ist und bei der keine oder zu geringen Erträge erzielt werden. Zudem sind die in bisherigen Studien identifizierten Erfolgsfaktoren potentiell nicht für moderne BIT zutreffend. Die Aussagekraft früherer Studien über Erfolgsfaktoren von BI nimmt also mit deren Alter ab.²⁵

Die steigende Verwendung und Bedeutung von modernen BIT für investierende Unternehmen, zusammen mit dem hohem Investitionsrisiko durch mangelnde Erfahrungswerte und mangelnder Kenntnis von Erfolgsfaktoren moderner BIT, aufgrund fehlender, empirischer Studien, rechtfertigt und motiviert die Forschungsfrage:

Welche Faktoren beeinflussen den Erfolg des Einsatzes moderner, aufkommender BIT und damit den Unternehmenserfolg?

Mit einer Aufstellung der Erfolgsfaktoren des Einsatzes moderner BIT wird diese Forschungsfrage beantwortet und eine Grundlage für weitere Forschung und zum besseren Verständnis dieses Erfolgs geschaffen. So erhalten Unternehmen die Möglichkeit beim Einsatz moderner BIT solche Faktoren u.U. zu gestalten, um so das Risiko einer Fehlinvestition zu verringern und potentiell den durch den Einsatz erzielten Nutzen für das Unternehmen zu optimieren. Ebenso wird die o.g. Lücke in der IS-Forschung geschlossen.

Somit wird die Beantwortung der Forschungsfrage sowohl für die Praxis als auch für die Forschung nützlich und von Bedeutung sein.

1.2 Zielsetzung

Das Hauptziel dieser Arbeit besteht in der Beantwortung der Forschungsfrage. Es sollen Faktoren identifiziert werden, die den Erfolg des Einsatzes von modernen BIT und damit den Unternehmenserfolg beeinflussen. Dieses Hauptziel lässt sich in drei Teilziele untergliedern, welche im Folgenden als Frage formuliert sind:

1. Was sind Erfolgsfaktoren des Einsatzes moderner BIT?
2. Lassen sich Erfolgsfaktoren traditioneller BIT auf moderne BIT übertragen?
3. Sind identifizierte Erfolgsfaktoren voneinander abhängig (interdependent) und wenn ja, inwiefern?

Die Ergebnisse vorhandener Studien zum Erfolg von BI müssen berücksichtigt werden, bevor in dieser Arbeit eine Konzeptionalisierung der Ergebnisse erfolgt.

Mit der Beantwortung der ersten beiden Teilfragen, ist auch die Forschungsfrage beantwortet und damit das Hauptziel der Arbeit erreicht. Die Beantwortung der letzten Teilfrage dient der Identifikation potentieller Abhängigkeiten und Ursache-Wirkungs-Beziehung zwischen den Faktoren und damit dem besseren Verständnis und der Übersichtlichkeit der Ergebnisse, vorausgesetzt diese lassen eine Konzeptionalisierung zu.

1.3 Aufbau der Arbeit

Im Vorigen wurden Problemstellung und Zielsetzung der Arbeit erläutert. Im zweiten Kapitel wird der Hintergrund zu dieser Arbeit vermittelt. Durch die Definition zentraler Begriffe dieser Arbeit wird ein einheitliches Verständnis derselben sichergestellt. Dazu gehört die Definition des Begriffs „BIT“, die Abgrenzung der verwendeten Begriffe „traditioneller“ und „moderner“ BIT, die Definition des Begriffs „Erfolgsfaktoren“ sowie die Vorstellung des für die Studie verwendeten, exemplarischen Beispiels einer modernen BIT, in Form von „SAP HANA“.

In Kapitel drei, wird das Vorgehen bei der qualitativen Datenerhebung erläutert. Dazu gehören die Erstellung des Interviewleitfadens und die Akquise der Interviewpartner für die Durchführung der qualitativen Interviews.

Im Hauptteil, dem vierten Kapitel der Arbeit, werden die Ergebnisse der Interviews analysiert. Zunächst werden identifizierte Faktoren, nach thematisch zusammenhängenden Kategorien geordnet, jeweils nacheinander vorgestellt. Damit wird die Antwort auf die erste und zweite Teilfrage der Zielsetzung geliefert und das Hauptziel der Arbeit erfüllt. Im Anschluss werden identifizierte, potentielle Interdependenzen der Faktoren einzeln vorgestellt. Damit wird eine Hälfte der Antwort auf die dritte Teilfrage gegeben. Um diese vollständig zu beantworten werden die Interdependenzen abschließend für den Hauptteil nach Möglichkeit konsolidiert präsentiert, so werden diese veranschaulicht und können besser verstanden werden. Zudem werden Abhängigkeiten zweiten Grades erkennbar.

Im fünften und letzten Kapitel werden, im Rahmen eines Fazits, kritische Vorgehensweisen bei der Datenerhebung und Datenanalyse reflektiert. Außerdem wird ein Ausblick auf mögliche, ergänzende oder weiterführende Forschung gegeben.

2. Hintergrund

2.1 Begriffsverständnis von Business-Intelligence-Technologien

Für das Verständnis von BIT werden zunächst die Teilbegriffe „Business Intelligence“ und „Technologie“ definiert.

BI wird in dieser Arbeit als ein konzeptionelles Rahmenwerk zur Entscheidungsunterstützung verstanden.²⁶ Dieses kombiniert Architekturen, Datenbanken oder Data Warehouses, Analyse Tools, Applikationen sowie Methoden die zur Gewinnung von Erkenntnissen auf Grundlage von Daten beitragen, welche im Hinblick auf den Unternehmenserfolg bessere Entscheidungen ermöglichen.

Technologie bezeichnet laut Duden die Gesamtheit der zur Gewinnung oder Bearbeitung von Stoffen nötigen Prozesse und Arbeitsgänge.²⁷

Im Zusammenschluss und mit Fokus auf die zugrundeliegende Technologie für BI, wird in dieser Arbeit unter BIT, die Gesamtheit der zur Gewinnung von Erkenntnissen auf Grundlage von Daten nötige Hard- und Software, Architekturen sowie Methoden auf Grundlage bestimmter Speichertechnik und Datenbankmanagementsystemen (DBMS) verstanden. Im Folgenden wird der Begriff weiter unterschieden in „traditionelle“ und „moderne“ BIT, wobei sich an der Unterscheidung der Gartner Studie von 2011 orientiert wird.²⁸

2.1.1 Traditionelle BIT

Traditionelle BIT basieren auf konventionellen DB oder DWH. Sie werden primär von Beratern und IT-Mitarbeitern für das Reporting und Monitoring, bspw. in Form von Dashboards und Grids, an den Fachbereich genutzt.

2.1.2 Moderne BIT

Moderne BIT, im Gegensatz zu traditionellen, sind aufkommende BIT, welche auf Hauptspeicherdatenbanken, sog. In-Memory Datenbanken basieren und neben der traditionellen Nutzung durch Berater und IT-Mitarbeiter auch von Fachbereichskräften, über interaktive, graphische Interfaces, zu Echtzeitanalysen genutzt werden.

2.2 Begriffsverständnis von Erfolgsfaktoren

Ebenfalls ein zentraler Begriff dieser Arbeit ist „Erfolgsfaktor“. Mit Erfolgsfaktor ist ein Faktor gemeint, der den Erfolg eines Informationssystems beeinflusst, hier konkret den Erfolg des Einsatzes von BIT. Dieser Erfolg ist ein multidimensionales und interdependentes Konstrukt, welches letztlich am Unternehmenserfolg gemessen wird.²⁹ Mit Unternehmenserfolg ist wiederrum der wirtschaftliche Erfolg eines Unternehmens gemeint, gemessen z.B. an Umsatz- und/oder Gewinnsteigerung, Return on Investment oder dem Erreichen der Ziele der Anteilseigner.

2.3 Exemplarisches Beispiel: SAP HANA

In der Einleitung wurden bereits Produkte verschiedener Anbieter als Beispiele für moderne BIT genannt. Zum Zwecke dieser Arbeit wurde als exemplarisches Beispiel für moderne BIT das Produkt SAP HANA der SAP SE ausgewählt und untersucht. HANA ist ein Akronym für High Performance Analytic Appliance. Die Technologie ist eine Kombination aus Soft- und Hardware, welche nur mit offiziell von SAP zertifizierter Hardware und Komponenten eingesetzt wird.³⁰ Diese wurde 2010 erstmalig von SAP offiziell vorgestellt.³¹ Seit 2013 sind alle Anwendungen der Business Suite von SAP auf Basis dieser Technologie verfügbar und anwendbar.³²

Die Wahl von SAP HANA hat überwiegend pragmatische Gründe. Da die SAP SE mit der Einführung des Produkts auf Basis der In-Memory Technologie zu diesem Zeitpunkt Vorreiter war, wird angenommen, dass SAP HANA, im Gegensatz zu anderen modernen BIT, das am meisten verwendete Produkt in Deutschland ist zu dem daher auch die meisten Erfahrungswerte in der Praxis vorhanden sind. Aufgrund dessen können z.Z. am Beispiel von SAP HANA sowohl quantitativ als auch qualitativ die benötigten Daten zu modernen BIT erhoben werden. Dazu gehört die Akquise von Interviewpartnern (IP) die Erfahrung mit dem Einsatz von SAP HANA haben. Da bereits im Vorfeld der Studie Kontakte zu potentiellen IP bestanden, die bereits vor der Einführung von SAP HANA Erfahrung mit modernen BIT gesammelt haben, war diese Wahl naheliegend.

Ein nicht nur pragmatischer sondern auch systematischer Grund, ist der Nutzen aus der Eingrenzung der Studie auf nur ein Produkt. Damit lässt sich die Datenerhebung standardisiert gestalten. Zum einen durch die vereinfachte Gestaltung des Interviewleitfadens aufgrund des Fokus auf nur ein Produkt und zum anderen, da die IP Erfahrungen mit demselben Produkt wiedergeben. So werden die Ergebnisse der Interviews nicht verzerrt und bleiben für Analysezwecke vergleichbar. Dies wäre bei der Untersuchung verschiedener Produkte mit moderner BIT und bspw. unterschiedlichem Funktionsumfang nicht gewährleistet.

Der gesamten Arbeit liegt damit die Annahme zugrunde, dass sich die Ergebnisse, die sich beim Einsatz des exemplarischen Beispiels „SAP HANA“ ergeben, auch im Allgemeinen auf moderne BIT projizieren lassen.

3. Vorgehen bei der qualitativen Datenerhebung

Der Arbeit liegt eine qualitative Forschungsmethode in Form von explorativen, semistrukturierten Experteninterviews zugrunde. Da noch keine Forschung zum Erfolg moderner BIT veröffentlicht wurde, soll mit dieser Forschungsmethode ein initialer Überblick über die Erfolgsfaktoren gegeben werden. Das Wissen über den erfolgreichen oder nicht-erfolgreichen Einsatz moderner BIT bzw. SAP HANA besitzen offenkundig Personen, die bereits Erfahrung im Einsatz und/oder in der Nutzung des Produkts haben. Deshalb ist ausschließlich ein qualitativer Ansatz für die Zwecke der Arbeit geeignet. Damit können die Bedeutung dieser Erfahrungen offengelegt und die Ergebnisse induktiv nach potentiellen Erfolgsfaktoren untersucht werden.³³ Eine quantitative Methode ist, aufgrund der dafür notwendigen direkten Interaktion mit dem IP und zur Aufdeckung potentiellen, latenten Wissens, unzweckmäßig.³⁴ Außerdem fehlt für einen quantitativen Ansatz der notwendige, konzeptionelle Hintergrund zum Erfolg moderner BIT.

Es wurden 9 Interviews mit einer Dauer von durchschnittlich etwa 40 Minuten geführt. Im Folgenden werden die Erstellung des Interviewleitfadens und die Akquise entsprechender IP beschrieben.

3.1 Erstellung des Interviewleitfadens

Bei der Erstellung des Interviewleitfadens wurde sich an den 7 Stufen einer Untersuchung mittels Interviews von Kvale und Brinkmann (2014) orientiert.³⁵

Im ersten Schritt wurde klar definiert, warum die Studie durchgeführt wird und was damit erreicht werden soll, was bereits in vorangegangenen Kapiteln beschrieben ist.

Anschließend wurde auf Basis dessen der Interviewleitfaden erstellt, mit dem Ziel, dass das Wissen aus den Erfahrungen der IP wiedergegeben wird, welches für das Erreichen des Hauptziels relevant ist. Dazu wurden zu Orientierungszwecken für den Interviewer Eingangsfragen formuliert, die das Gespräch eröffnen und Folgefragen, die dem Interviewer bei der Formulierung möglicher, eingehenderer Fragen helfen. Um sicherzustellen, dass eine Datensättigung erreicht werden kann, waren die Eingangsfragen für jeden Interviewabschnitt standardisiert. Im Falle nicht-standardisierter und unterschiedlicher Fragen zwischen den Interviews, ist dies nicht gewährleistet.³⁶ Damit konnte in allen Interviews ein offener Gesprächsfluss erzeugt werden, in dem sich Folgefragen aus dem Kontext des Gesprächs bzw. den Antworten der IP ergaben, mit denen relevantes Wissen offengelegt wurde.³⁷

Neben der Formulierung der Interviewfragen gehörte zu diesem Ziel auch, einen angenehmen Rahmen sowohl für den Interviewer als auch für den IP zu schaffen. Dies wurde gewährleistet, indem der IP über die Struktur, den zeitlichen Ablauf, die Aufzeichnung und die Transkription des Interviews im Vorfeld informiert wurde, ihm Hinweise auf die Anonymisierung und weitere Handhabung des Transkripts gegeben wurden und der IP weitestgehend in den Kontext der Studie gesetzt wurde, ohne dabei die Ergebnisse im Vorfeld zu verzerren. Damit sollte weitestgehend sichergestellt werden, dass keine potentiellen Störfaktoren die freie und offene Antwortmöglichkeit der IP während des Interviews beeinflussen.

Die nächste Stufe war die Transkription. D.h. die Interviews wurden aufgezeichnet und für die weitere Analyse in eine schriftliche Form überführt. Dabei wurden nur sachliche Inhalte übernommen. Gesprächspausen, Zögern, Versprecher und Ähnliches wurden nicht dokumentiert.

Die letzten drei Stufen nach Kvale und Brinkmann (2014) sind die Analyse, das Verifizieren und das Berichten der Ergebnisse. Diese werden im vierten Kapitel dieser Arbeit behandelt.

Struktur des Interviewleitfadens

Nach 8 formellen Fragen zu Unternehmen, Position, Aufgabenbereich und Berufserfahrung der IP, folgt der Hauptteil des Interviewleitfadens, welcher in drei Abschnitte eingeteilt ist. Im ersten Abschnitt werden Fragen zur Zufriedenheit mit und zum allgemeinen Einsatz von SAP HANA gestellt. Im Anschluss daran folgen Fragen, die auf die Übertragbarkeit bekannter Erfolgsfaktoren traditioneller BIT auf moderne BIT abzielen. Zuletzt wird eine offene Frage zu Interdependenzen der Faktoren gestellt. Im Gesprächsabschluss wurde das Interview noch einmal reflektiert, indem offene Fragen beantwortet und fehlende Aspekte aus Sicht des IP aufgearbeitet wurden. Die verwendete, finale Version des Interviewleitfadens ist dieser Arbeit angehängt.

Qualität des Interviewleitfadens

Die Qualität eines Interviews ist subjektiv und schwer zu bestimmen, was ein Nachteil qualitativer Forschungsmethoden, gegenüber quantitativer ist, da Quantität unmittelbar und objektiv messbar ist. Unter Berücksichtigung der Qualitätskriterien für semistrukturierte Interviews nach Kvale und Brinkmann (2014)³⁸, wurden dennoch möglichst qualitativ hochwertige Interviews geführt. Diese Kriterien sind:

- Ein hohes Maß an spontanen, gehaltvollen, spezifischen und relevanten Antworten der IP.
- Die kürzeste Frage des Interviewers und die längste Antwort des IP.
- Der Grad zu dem der Interviewer nachfragt und relevante Aspekte einer Antwort klar herausstellt.
- Das Maß zu dem das Interview bereits währenddessen vom Interviewer interpretiert wird.
- Die Absicht des Interviewers, seine Interpretationen der Antworten zu verifizieren.
- Inwiefern sich das Interview zu einem sich selbst erklärenden Gespräch entwickelt, das wenig weiterer Erklärung bedarf.

Obwohl es sich bei diesen Kriterien um Ideale handelt die nicht gänzlich erfüllt werden können, dienen sie doch als Richtlinie für ein Interview mit hoher Qualität, das folglich auch qualitativ hochwertige Ergebnisse liefert.³⁹

3.2 Akquise der Interviewpartner

Wie bereits zu Beginn des Kapitels erwähnt, besitzen das Wissen über den erfolgreichen oder nicht-erfolgreichen Einsatz von SAP HANA offenkundig Personen, die bereits Erfahrung mit dessen Einsatz haben. Folglich waren die Zielgruppen für die Akquise der IP Experten bzgl. des Einsatzes von SAP HANA. D.h. SAP HANA- Anwender aller Unternehmensbereiche und –ebenen aus allen Branchen sowie Unternehmensberater mit Erfahrung im Einsatz von SAP HANA, die selbst nicht zwingend Anwender sind. Diverse Kontakte zu Beratern, die entsprechende Erfahrungen besitzen bestanden bereits im Vorfeld der Studie. Weitere IP wurden über das Karrierenetzwerk „Xing“⁴⁰ akquiriert. Zusätzlich wurde jeder IP im Anschluss an das Interview nach weiteren Kontakten zu potentiellen IP befragt.

So konnten insgesamt 9 IP akquiriert werden. Davon sind 7 Unternehmensberater in der Position Manager oder Senior Manager, 1 Anwender, Berater und Entwickler sowie 1 Anwender und Entwickler für bzw. von SAP HANA. Eine Übersicht über die Tätigkeit, Position und die Branche des Unternehmens der einzelnen IP, sowie deren Erfahrung mit SAP HANA in Jahren zeigt Tabelle 3-1. Zusammen haben die IP über 40 Jahre Erfahrung mit dieser Technologie, davon einer bereits seit 2006 und damit vor der offiziellen Vorstellung des Produkts.

Abbildung in dieser Leseprobe nicht enthalten

Tab. 3.1: Übersicht über die akquirierten Interviewpartner

Dennoch kann angenommen werden, dass diese Anzahl an Interviews nicht ausreichend ist, um eine Datensättigung zu erreichen.⁴¹ Eine optimale Datensättigung ist erreicht, wenn aus weiteren, hinzukommenden Daten keine neuen Erkenntnisse mehr gewonnen werden können, als diese die bereits aus vorhandenen Daten gezogen wurden.⁴²

Aufgrund fehlender Rückmeldungen potentieller, weiterer IP und zeitlicher Restriktionen musste die Akquise nach diesen Interviews eingestellt werden. Dieser Umstand wird im späteren Kapitel „Reflexion“ kritisch diskutiert. Die Aufzeichnungen der Interviews führten zu ca. 60 Seiten Transkript. Deren Analyse wird im folgenden Kapitel vorgestellt.

4. Datenanalyse

Die Analyse der Daten erfolgt nach einer qualitativen Inhaltsanalyse der Transkripte aus den einzelnen Interviews.

Eine solche Analyse erfolgt in zwei Schritten. Im ersten Schritt werden induktiv am erhobenen Material entwickelte Kategorien einzelnen Textpassagen im Transkript zugeordnet.⁴³ Im zweiten Schritt wird analysiert, ob bestimmte Kategorien mehrfach Textstellen zugeordnet werden können.

Diese am Material entwickelten Kategorien entsprechen in diesem Fall einem identifizierten Erfolgsfaktor. Wenn mehrere dieser Erfolgsfaktoren logisch zusammenhängend sind und so einem Oberbegriff zugeordnet werden konnten, wurden diese unter einer Erfolgsfaktorenkategorie, weiter nur Kategorien genannt, zusammengeschlossen. Die entwickelten Kategorien wurden ebenfalls Nachweisen im Text zugeordnet. Während dieses Prozesses konnten die Begriffe für Faktoren und Kategorien auch umformuliert werden, um diese treffender zu benennen. Abbildung 4-1 zeigt eine schematische Darstellung dieses iterativen Vorgehens am Beispiel des Faktors „Hardware“ und der Kategorie „Systemarchitektur“.

Im Folgenden werden die so identifizierten Faktoren nach den Kategorien vorgestellt und mit den entsprechenden Passagen aus den Transkripten fundiert. Anschließend werden die identifizierten, potentiellen Interdependenzen der Faktoren vorgestellt. Zum Abschluss des Hautkapitels werden die Ergebnisse, so weit möglich, konsolidiert präsentiert.

[...]

---

¹ Vgl. Elmasri, Navathe (2009), S. 19.

² Vgl. Laudon, Laudon, Schoder (2010), S. 306.

³ Vgl. Laudon, Laudon, Schoder (2010), S. 294.

⁴ Vgl. Garcia-Molina, Salem (1992), S. 509.

⁵ Vgl. SAP SE (2013).

⁶ Vgl. International Business Machines Corp. (2015).

⁷ Vgl. UNICOM Systems Inc. (2015).

⁸ Vgl. Microsoft Corp. (2015).

⁹ Vgl. Erickson (2015).

¹⁰ Vgl. Bitterer (2011), S. 33.

¹¹ Vgl. Bitterer (2011), S. 25, 26.

¹² Vgl. Bitterer (2011), S. 7.

¹³ Vgl. Bitterer (2011), S. 53.

¹⁴ Vgl. Bitterer u. a. (2007), S. 4, 6 und 15; Chaudhuri, Dayal, Narasayya (2011), S. 88; Sallam u. a. (2011), S. 7.

¹⁵ Vgl. Sallam u. a. (2011), S. 4, 5 und 8.

¹⁶ Vgl. Chaudhuri, Dayal, Narasayya (2011), S. 89, 90.

¹⁷ Vgl. zu diesem Teilsatz Shim u. a. (2002), S. 115, 116 zitiert nach Hwang, Hongjiang (2008), S. 48 und Wixom, Watson (2001), S. 17.

¹⁸ Vgl. Hwang, Hongjiang (2008), S. 48.

¹⁹ Vgl. Desai (1999) zitiert nach Hwang, Hongjiang (2008), S. 48.

²⁰ Vgl. beispielhaft Snitkin, King (1986) und Srinivasan (1985) zitiert nach DeLone, McLean (1992) und deren Überarbeitung DeLone, McLean (2003) sowie Nelson, Ryan, Todd, Wixom (2005), Seddon u. a. (1999) und Petter, DeLone, McLean (2013).

²¹ Vgl. Ramakrishnan, Jones, Sidorova (2012); Shin (2003); Wixom, Watson (2001).

²² Vgl. Işık, Jones, Sidorova (2013); Yeoh, Koronios (2010).

²³ Vgl. Yeoh, Koronios (2010), S. 23.

²⁴ Vgl. zu diesem Teilsatz Wixom, Watson (2001), S. 18.

²⁵ Vgl. Yeoh, Koronios (2010), S. 23.

²⁶ Vgl. zu diesem Absatz Rausch, Sheta, Ayesh (2013), S. 4, 5; Tamm, Seddon, Shanks (2013), S. 2; Negash (2004), S. 178.

²⁷ Vgl. Dudenverlag (2013).

²⁸ Vgl. Sallam u. a. (2011), S. 4.

²⁹ Vgl. DeLone, McLean (2003), S. 10, 11; Seddon u. a. (1999), S. 5, 6.

³⁰ Vgl. Chiranjivi (2014), S. 1.

³¹ Vgl. Heise Developer (2010), S. 1.

³² Vgl. SAP SE (2013), S. 1.

³³ Vgl. Mayring (2010), S. 543; Kvale, Brinkmann (2014), S. 3.

³⁴ Vgl. Kvale, Brinkmann (2014), S. 126, 127 und 201.

³⁵ Vgl. Kvale, Brinkmann (2014), S. 128, 129.

³⁶ Vgl. Guest, Bunce, Johnson (2006), S. 75.

³⁷ Vgl. Kvale, Brinkmann (2014), S. 157.

³⁸ Vgl. Kvale, Brinkmann (2014), S. 192.

³⁹ Vgl. Kvale, Brinkmann (2014), S. 192.

⁴⁰ Siehe http://www.xing.de.

⁴¹ Vgl. Guest, Bunce, Johnson (2006), S. 79.

⁴² Vgl. Guest, Bunce, Johnson (2006), S. 64, 65.

⁴³ Vgl. zu diesem Absatz Mayring (2010), S. 544.