Diese Arbeit bündelt 15 Konsensalgorithmen, die in Blockchains im Allgemeinen und Cryptocurrencies im Speziellen zum Einsatz kommen anhand verschiedener Kategorien zu vier Clustern. Wer neu auf dem Gebiet ist, bekommt einen wissenschaftlich fundierten Einblick und einen Überblick über Ähnlichkeiten und Unterschiede dieser Algorithmen. Wer auf dem Gebiet bereits versiert ist, bekommt einen Einblick in neue Analyseansätze wie Clusteranalysen mittels K-Means Verfahren zur Einordnung der Algorithmen in Cluster. Der Quellcode zur Durchführung dieser Analyse ist ebenfalls enthalten.
Der aktuelle Forschungsstand wird auf 109 Seiten nicht nur kritisch betrachtet, sondern auch erweitert, indem Methoden zum Einsatz kommen, die einen neuen Blick auf das Trendthema Blockchain werfen.
Analysiert wurden die Algorithmen: Proof of Work, Proof of Stake, Delegated Proof of Stake, Leased Proof of Stake, Proof of Authority, Proof of Burn, Proof of Capacity, Proof of Storage, Proof of Retrievability, Proof of Bandwidth, Proof of Elapsed Time, Proof of Velocity, Ripple Consensus Algorithm, Stellar, (Practical) Byzantine Fault Tolerance
Inhaltsverzeichnis
- 1. EINLEITUNG
- 2. METHODEN
- 2.1 QUALITATIVE INHALTSANALYSE
- 2.2 QUANTIFIZIERUNG
- 2.3 PARTITIONIERENDE CLUSTERANALYSE MITTELS K-MEANS CLUSTER ALGORITHMUS
- 3. ANALYSE
- 3.1 CLUSTERANALYSE
- 3.1.1 Materialauswahl
- 3.1.2 Kategorie Bildung
- 3.1.3 Kategorien.......
- 3.1.4 Merkmalsausprägungen
- 3.1.5 QUANTIFIZIERUNG
- 3.2 GENERIERUNG VON ARCHETYPEN
- 3.3 QUALITATIVE INHALTSANALYSE
- 3.4 Konsensalgorithmen
- 3.4.1 Archetyp c1: The Rocket
- 3.4.2 Archetyp c2: The Democrat
- 3.4.3 Archetyp c3: The Undecided
- 3.4.4 Archetyp c4: The Wonderchild
- 4. FAZIT
Zielsetzung und Themenschwerpunkte
Die Projektarbeit zielt darauf ab, Archetypen von Konsensalgorithmen in Blockchain-Systemen zu identifizieren und zu charakterisieren. Dazu wird eine qualitative Inhaltsanalyse mit anschließendem K-Means Cluster-Algorithmus durchgeführt. Ziel ist es, die unterschiedlichen Eigenschaften der Algorithmen zu kategorisieren und so ein besseres Verständnis für die Funktionsweise und die Einsatzgebiete der verschiedenen Konsensmechanismen zu gewinnen.
- Analyse und Kategorisierung von Konsensalgorithmen in Blockchains
- Identifizierung von Merkmalsausprägungen und Muster
- Entwicklung von Archetypen für die verschiedenen Konsensalgorithmen
- Verständnis der Stärken und Schwächen der einzelnen Algorithmen
- Erschließung der Einsatzgebiete und Potenziale von Konsensalgorithmen in Blockchain-Systemen
Zusammenfassung der Kapitel
- Kapitel 1: Einleitung: Diese Einleitung präsentiert die Relevanz von Blockchain-Systemen und Konsensalgorithmen sowie die Zielsetzung der Projektarbeit. Sie beleuchtet die Bedeutung von Konsensalgorithmen im Kontext von Blockchain-Technologien.
- Kapitel 2: Methoden: Dieses Kapitel beschreibt die verwendeten Methoden, darunter qualitative Inhaltsanalyse und K-Means Cluster-Algorithmus. Es erläutert die Schritte der Datenanalyse, die zur Generierung von Archetypen führen.
- Kapitel 3: Analyse: Dieses Kapitel präsentiert die Ergebnisse der Analyse. Es werden die Kategorien von Konsensalgorithmen vorgestellt, die identifizierten Merkmalsausprägungen dargestellt und die Generierung von Archetypen aus den Daten erläutert.
Schlüsselwörter
Konsensalgorithmen, Blockchain, Bitcoin, Ethereum, Proof of Work, Proof of Stake, Byzantine Fault Tolerance, K-Means Clustering, Qualitative Inhaltsanalyse, Archetypen, Kryptographie, Dezentrale Systeme, Distributed Ledger Technology
- Quote paper
- Lennart Völler (Author), 2018, Archetypen von Konsensalgorithmen in Blockchain, Munich, GRIN Verlag, https://www.grin.com/document/451969
