Verfügbarkeit: Big Data und Gesellschaft

Big Data und Gesellschaft: eine multidisziplinäre Annäherung

Gespeichert in:

Bibliographische Detailangaben
Weitere Verfasser:	Kolany-Raiser, Barbara (HerausgeberIn), Heil, Reinhard (HerausgeberIn), Orwat, Carsten 1967- (HerausgeberIn), Hoeren, Thomas 1961- (HerausgeberIn)
Format:	Buch
Sprache:	German
Veröffentlicht:	Wiesbaden Springer VS [2018]
Schriftenreihe:	Technikzukünfte, Wissenschaft und Gesellschaft
Schlagworte:	Big Data Entwicklung Gesellschaft Digitalisierung Interdisziplinäre Forschung HP Algorithmus Datentechnologie Information Überwachung Aufsatzsammlung
Online-Zugang:	Inhaltstext Inhaltsverzeichnis
Beschreibung:	XXVIII, 430 Seiten Illustrationen 21 cm x 14.8 cm
ISBN:	9783658216641

Internformat

MARC


LEADER	00000nam a22000008c 4500
001	BV044944822
003	DE-604
005	20210609
007	t
008	180515s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d
015			\|a 18,N16 \|2 dnb
016	7		\|a 1155748980 \|2 DE-101
020			\|a 9783658216641 \|c Festeinband : circa EUR 54.99 (DE), circa EUR 56.53 (AT), circa CHF 56.50 (freier Preis) \|9 978-3-658-21664-1
035			\|a (OCoLC)1034986919
035			\|a (DE-599)DNB1155748980
040			\|a DE-604 \|b ger \|e rda
041	0		\|a ger
044			\|a gw \|c XA-DE-HE
049			\|a DE-1049 \|a DE-355 \|a DE-384 \|a DE-2070s \|a DE-29 \|a DE-12 \|a DE-859
084			\|a SR 850 \|0 (DE-625)143366: \|2 rvk
084			\|a MS 7965 \|0 (DE-625)123801: \|2 rvk
084			\|a 100 \|2 sdnb
245	1	0	\|a Big Data und Gesellschaft \|b eine multidisziplinäre Annäherung \|c Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.)
264		1	\|a Wiesbaden \|b Springer VS \|c [2018]
300			\|a XXVIII, 430 Seiten \|b Illustrationen \|c 21 cm x 14.8 cm
336			\|b txt \|2 rdacontent
337			\|b n \|2 rdamedia
338			\|b nc \|2 rdacarrier
490	0		\|a Technikzukünfte, Wissenschaft und Gesellschaft
650	0	7	\|a Big Data \|0 (DE-588)4802620-7 \|2 gnd \|9 rswk-swf
650	0	7	\|a Entwicklung \|0 (DE-588)4113450-3 \|2 gnd \|9 rswk-swf
650	0	7	\|a Gesellschaft \|0 (DE-588)4020588-5 \|2 gnd \|9 rswk-swf
650	0	7	\|a Digitalisierung \|0 (DE-588)4123065-6 \|2 gnd \|9 rswk-swf
650	0	7	\|a Interdisziplinäre Forschung \|0 (DE-588)4027274-6 \|2 gnd \|9 rswk-swf
653			\|a HP
653			\|a Algorithmus
653			\|a Big Data
653			\|a Datentechnologie
653			\|a Information
653			\|a Überwachung
653			\|a HP
655		7	\|0 (DE-588)4143413-4 \|a Aufsatzsammlung \|2 gnd-content
689	0	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	0	1	\|a Digitalisierung \|0 (DE-588)4123065-6 \|D s
689	0	2	\|a Gesellschaft \|0 (DE-588)4020588-5 \|D s
689	0		\|5 DE-604
689	1	0	\|a Big Data \|0 (DE-588)4802620-7 \|D s
689	1	1	\|a Gesellschaft \|0 (DE-588)4020588-5 \|D s
689	1	2	\|a Entwicklung \|0 (DE-588)4113450-3 \|D s
689	1	3	\|a Interdisziplinäre Forschung \|0 (DE-588)4027274-6 \|D s
689	1		\|5 DE-604
700	1		\|a Kolany-Raiser, Barbara \|0 (DE-588)1123749329 \|4 edt
700	1		\|a Heil, Reinhard \|0 (DE-588)1013924193 \|4 edt
700	1		\|a Orwat, Carsten \|d 1967- \|0 (DE-588)122243811 \|4 edt
700	1		\|a Hoeren, Thomas \|d 1961- \|0 (DE-588)123724449 \|4 edt
710	2		\|a Springer Fachmedien Wiesbaden \|0 (DE-588)1043386068 \|4 pbl
776	0	8	\|i Erscheint auch als \|n Online-Ausgabe \|z 978-3-658-21665-8
856	4	2	\|m X:MVB \|q text/html \|u http://deposit.dnb.de/cgi-bin/dokserv?id=4f107d381ee04500933c292da1feeb42&prov=M&dok_var=1&dok_ext=htm \|3 Inhaltstext
856	4	2	\|m DNB Datenaustausch \|q application/pdf \|u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030337677&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA \|3 Inhaltsverzeichnis
999			\|a oai:aleph.bib-bvb.de:BVB01-030337677

Datensatz im Suchindex

_version_	1804178531569106944
adam_text	E IN LE ITU N G ................................................................................................................. XVII ZUSAM M ENFASSUNG .................................................................................................. XXI 1 ETHISCHE UND ANTHROPOLOGISCHE ASPEKTE DER ANWENDUNG VON BIG-DATA-TECHNOLOGIEN .......................................................................... 1 KLAUS WIEGERLING , MICHAEL NERURKAR UND CHRISTIAN WADEPHUL 1.1 EINLEITUNG (KLAUS WIEGERLING) ........................................................................ 2 1.1.1 BIG DATA IN PHILOSOPHIE, E THIK UND TECHNIKFOLGENABSCHAETZUNG ................................................................2 1.1.2 WAS IST BIG DATA? .................................................................................. 6 1.1.3 RECHTLICHER U N D ETHISCHER D IS K U R S ....................................................8 1.1.4 ETHISCHE G RUNDFRAGEN ........................................................................ 9 PRIVATHEIT, PERSOENLICHKEITSSCHUTZ UND A UTONOM IE............................. 11 ANGEWANDTE ETHIK ALS ERMOEGLICHUNGSETHIK ....................................... 12 1.1.5 W ISSENSCHAFTSTHEORETHISCHE UN D TECHNIKPHILOSOPHISCHE GRUNDPROBLEM E ................................................................................ 13 VERNACHLAESSIGBARKEIT DER DATENQUALITAET ............................................. 13 DATENKORRELATION VOR URSACHENFORSCHUNG ......................................... 13 DATAFIZIERUNG - ARTIKULATION UND DESARTIKULATION ........................... 14 AEHNLICHKEIT ALS KULTURELLE ZUSCHREIBUNG ........................................... 15 UNTERBIETUNG DER WISSENS- UND INFORMATIONSGESELLSCHAFT DURCH DIE DATENGESELLSCHAFT ..................................................... 16 1.2 BIG DATA IN DER W ISSENSCHAFT (CHRISTIAN WADEPHUL) ........................... 17 1.2.1 BIG DATA ALS H ERAUSFORDERUNG FUER DIE W ISSENSCHAFT ................. 17 1.2.2 BIG-DATA-ANALYSEN (BDA) ALS ABDUKTIV-EXPLORATIVES FORSCHUNGSINSTRUM ENT? .................................................................. 18 ABDUKTION IN ERKENNTNIS- UND WISSENSCHAFTSTHEORIE ......................... 20 ABDUKTIVE WENDE IN DER KI-FORSCHUNG? ........................................... 21 BIG-DATA-ANALYSEN ALS ABDUKTIV-EXPLORATIVES FORSCHUNGSINSTRUMENT IN DEN WISSENSCHAFTEN? ................................... 23 1.2.3 PREKARISIERUNG VON W ISSENSCHAFT DURCH FEHLENDE KONTROLLE UND UE BERPRUEFBARKEIT VON BDA? ................................... 25 UNTERSCHAETZUNG DER INTERPRETATION BEI GLEICHZEITIGER ERWARTUNG EINER ANGEMESSENHEIT VON BDA-ERGEBNISSEN ................... 26 ETHISCH-NORMATIVE GRUNDFRAGEN DURCH BIG DATA IN DER W ISSENSCHAFT .......................................................................................... 28 1.3 BIG DATA IM GESUNDHEITSWESEN (KLAUS WIEGERLING) ............................... 32 1.3.1 ALLGEMEINE FRAGESTELLUNGEN ............................................................ 32 WIE STELLT SICH DIE NUTZUNG VON BIG-DATA-TECHNOLOGIEN IM ANWENDUNGSFELD DAR? ...................................................................... 32 NACH WELCHEN KRITERIEN ERFOLGT DIE MUSTERERKENNUNG IM DATENSTROM? .................................................................................... 36 NACH WELCHEN KRITERIEN ERFOLGEN AUTOMATISIERTE AKTIONEN DES SYSTEMS? ...........................................................................................37 1.3.2 ETHISCHE IM PLIKATIONEN .................................................................... 39 PERSOENLICHKEITSSCHUTZ ............................................................................ 39 ENTMUENDIGUNG VS. ERMAECHTIGUNG ........................................................40 INTRANSPARENZ ........................................................................................ 42 MACHTVERSCHIEBUNGEN .......................................................................... 43 OPTIMIERUNG DES BESTEHENDEN VOR KRITISCHER BEURTEILUNG .................44 1.3.3 ZUSAM M ENFASSUNG UND ANLEGUNG AN DIE M ETAETHISCHEN UND ETHISCHEN LEITFRAGEN ..................................................................44 AUSWIRKUNGEN AUF DIE METAETHISCHEN BEDINGUNGEN DES ETHISCHEN DISKURSES ........................................................................44 AUSWIRKUNGEN AUF ETHISCHE LEITWERTE ................................................. 46 1.4 BIG DATA IN DER FINANZW IRTSCHAFT (MICHAEL NERURKAR) ........................... 47 1.4.1 IUK-TECHNOLOGIEN IN DEN M AERKTEN ................................................. 47 1.4.2 IUK-TECHNOLOGIEN: A NWENDUNGEN UND ETHISCHE F RA G E N .......... 49 1.4.3 H OCHFREQUENZHANDEL/H IGH FREQUENCY TRADING (HFT) ............. 51 1.4.4 VERNETZTE GLOBALWIRTSCHAFT ..............................................................57 1.5 FAZIT .................................................................................................................. 58 1.5.1 A USWIRKUNG DES EINSATZES VON BIG-DATA-TECHNOLOGIEN AUF UNSER SELBST-, WELT- UND GESELLSCHAFTSVERSTAENDNIS ............... 58 1.5.2 W ECHSELWIRKUNG VON ERKENNTNIS - A NERKENNUNG ..................... 60 1.5.3 IDENTIFIZIERUNG ETHISCHER PROBLEME ................................................61 LITERATUR ..................................................................................................................... 63 2 BIG D ATA IN SOZIOLOGISCHER PERSPEKTIVE ......................................................... 69 J OHANNES WEYER ; M ARC DELISLE, KAROLIN KUPPLER ; MARCEL KIEHL , CHRISTINA MERZ UND JAN-FELIX SCHRAPE 2.1 EINLEITUNG: BIG DATA IN SOZIOLOGISCHER PERSPEKTIVE (MARC DELISLE , JOHANNES WEYER UND JAN-FELIX SCHRAPE) ................................................... 69 2.1.1 BEGRIFFSBESTIMMUNG .......................................................................... 70 NEUARTIGE FORMEN DER DATENERHEBUNG ............................................... 71 NEUARTIGE ANALYSEVERFAHREN ................................................................72 NEUE HERAUSFORDERUNGEN FUER DIE GESELLSCHAFT ..................................... 72 2.1.2 BIG-DATA-TAXONOMIEN ......................................................................72 2.1.3 DAS B IG-D ATA-PROZESSM ODELL............................................................74 2.1.4 UTOPIEN UND DYSTOPIEN UM M ASSENDATEN UND D ATENM ASSEN SEIT DEN 1960ER-JAHREN ..............................................76 MARSHALL MCLUHANS GLOBAL VILLAGE (1960ER JAHRE) ........................... 76 * ASSAULT ON PRIVACY* UND MYTHOS DER MASCHINE (1970ER JAHRE) ........................................................................................ 77 BILDSCHIRMTEXT UND KABELFERNSEHEN (1980ER JAHRE) ............................. 78 DAS FRUEHE WORLD WIDE WEB: DEMOKRATISIERUNG, PLURALISIERUNG, EMANZIPATION (AB 1993) ............................................. 79 WEB 2.0: DATA IS THE NEXT INTEL INSIDE (AB 2005) ............................. 80 DER AUFSTIEG DES PROSUM ENTEN..............................................................81 DAS ENDE DER MASSENMEDIEN ................................................................81 DEMOKRATISIERUNG GESELLSCHAFTLICHER ENTSCHEIDUNGSPROZESSE ............. 82 KRITISCHE STIMMEN ................................................................................ 82 BIG DATA IM OEFFENTLICHEN DISKURS (SEIT 2010) ....................................... 82 2.2 DATENGENERIERUNG (MARC DELISLE UND JOHANNES WEYER) ...................... 84 2.2.1 EINLEITUNG ............................................................................................ 84 DATEN IN DER VORM ODERNE......................................................................84 DATEN IM ZEITALTER VON SMARTER TECHNIK UND BIG DATA ....................... 84 TREIBER DER ENTWICKLUNGEN....................................................................85 2.2.2 DATENQUELLEN ...................................................................................... 86 SMART FACTORY (INDUSTRIE 4.0) ...................................................... 87 SMART MOBILITY, SMART CAR ....................................................................87 SMART HOME, SMART METER, SMART GRIDS ............................................. 88 SMARTPHONE .......................................................................................... 88 SOZIALE NETZWERKPLATTFORMEN ................................................................88 WEARABLES .............................................................................................. 89 ONLINE-SHOPPING .................................................................................. 89 ZWISCHENFAZIT .........................................................................................89 2.2.3 D ATENTYPEN .................................... 90 INHALTS-, NUTZER- UND NUTZUNGSDATEN ..................................................90 VERHALTENS- UND KONTEXTDATEN .............................................................. 91 M ETADATEN............................................................................................... 91 2.2.4 FALLBEISPIEL S ELBSTV ERM ESSU N G ..........................................................92 GESUNDHEITSMONITORING ........................................................................ 92 MOTIVATIONEN DER SELBSTVERMESSER ........................................................93 SELBSTTHEMATISIERUNG UND SINNSTIFTUNG DURCH TECHNIK ....................... 94 O PTIM IERUNG...........................................................................................95 EMANZIPATION UND AUTONOMISIERUNG ..................................................95 BEFOLGUNG NEUER SOZIALER NORMEN ........................................................95 G AM IFICATION...........................................................................................96 RISIKEN DER SELBSTVERMESSUNG .............................................................. 96 KONKURRENZKAMPF ................................................................................ 96 NORMIERUNG DES ALLTAGSLEBENS ..............................................................97 2.2.5 DATEN-WEITERGABE AN D RITTE ............................................................ 98 WEITERGABE AN DIE COMMUNITY DER P E E RS ..............................................99 WEITERGABE AN DATENVERARBEITENDE ......................................................99 DATENSCHUTZRECHTLICHE PROBLEMATIKEN ................................................100 LEGITIMATIONS-STRATEGIEN .................................................................... 100 2.2.6 FAZIT ................................................................................................... 101 2.3 D ATENVERARBEITUNG (JOHANNES WEYER UND MARCEL KIEHL) ...................102 2.3.1 EINLEITUNG ........................................................................................ 102 2.3.2 ANWENDUNGSFELDER ...........................................................................102 2.3.3 D ATENQUALITAET UND -RELIABILITAET ................................................... 105 DATENQUALITAET .......................................................................................105 VERKEHRSDATENANALYSE .........................................................................105 DATENRELIABILITAET ...................................................................................106 2.3.4 STRATEGIEN DER D ATENVERARBEITUNG ................................................107 LAGEBILDER UND TRENDS .........................................................................107 PROGNOSEN............................................................................................. 108 MUSTERERKENNUNG .................................................................................109 PROFILBILDUNG...................................................................................... 110 ANOMALIE-ERKENNUNG........................................................................ 111 ZWISCHENFAZIT .................................................................................... 112 2.3.5 TRADITIONELLE VERFAHREN DER D ATENVERARBEITUNG ..................... 112 KONVENTIONELLE STATISTIK .................................................................... 112 NETZWERKANALYSE .............................................................................. 113 2.3.6 N EUARTIGE VERFAHREN DER D ATENVERARBEITUNG ........................... 113 DATENVERARBEITUNG IN ECHTZEIT ......................................................... 113 DATA MINING UND MACHINE LEARNING ............................................... 114 2.3.7 SOZIOLOGIE UND BIG DATA ................................................................ 116 2.3.8 FAZIT .................................................................................................. 117 2.4 STEUERUNG KOMPLEXER SYSTEME (JOHANNES WEYER UND CHRISTINA MERZ) .......................................................................................... 117 2.4.1 STEUERUNG INDIVIDUELLEN VERHALTENS ........................................... 118 2.4.2 ECHTZEIT-STEUERUNG KOMPLEXER S Y STE M E ..................................... 119 VERKEHRSSTEUERUNG .............................................................................. 120 SMART GRIDS ...................................................................................... 121 SMART GOVERNANCE ...............................................................................122 2.4.3 PREDICTIVE POLICING .......................................................................... 123 E INFUEHRUNG...........................................................................................123 GRUNDLAGEN DES PREDICTIVE POLICING ....................................................123 EIN UNSCHARFES KONZEPT ...................................................................... 124 VON DER VISION DES VOR-DER-LAGE-SEINS ZUM IN-DER-LAGE-SEIN .............................................................................. 125 KRITIK DES PREDICTIVE POLICING-KONZEPTS ............................................126 ABSCHLIESSENDE BEMERKUNGEN ........................................................... 127 2.4.4 M ACHT UND U N G LEICH H E IT................................................................ 127 RESSOURCENBASIERTE MACHTTHEORIEN ....................................................128 RELATIONALE MACHTTHEORIEN .................................................................. 128 ASYMMETRISCHER T AUSCH ...................................................................... 129 PROZESSE DER MACHTBILDUNG ............................................................. 129 FAZIT .................................................................................................. 131 2.4.5 POLITISCHE REGULIERUNG VON BIG DATA ......................................... 131 2.5 V ERTRAUEN ALS BEDINGUNG VON BIG DATA {MARC DELISLE UND MARCEL KIEHL) .............................................................................................. 133 2.5.1 V ERTRAUEN IN D ATENVERARBEITER ......................................................134 2.5.2 V ERTRAUEN IN N UTZERINNEN UND N UTZER ..................................... 135 2.5.3 V ERTRAUEN IN ALGORITHM EN ........................................................... 135 2.5.4 V ERTRAUEN IN EMPFEHLUNGEN ................................................... 136 2.5.5 VERTRAUEN IN DEN INSTITUTIONELLEN RAHM EN ................................. 136 2.6 FAZIT .............................................................................................................. 137 LITERATUR ................................................................................................................. 138 3 D IM ENSIONEN VON BIG D ATA: EINE POLITIKW ISSENSCHAFTLICHE S YSTEM ATISIERUNG ................................................................................................ 151 LENA ULBRICHT , SEBASTIAN HAUNSS, JEANETTE HOFMANN , ULRIKE KLINGER ; JAN-HENDRIK PASSOTH , CHRISTIAN PENTZOLD, INGRID SCHNEIDER ; HOLGER STRASSHEIM UND JAN-PETER VOSS 3.1 EINLEITUNG ..................................................................................................... 151 3.2 BIG DATA ALS EPISTEMISCHE INNOVATION? K ULTURELL-KOGNITIV HERGESTELLTE E RW ARTUNGEN DURCH BIG DATA ( JAN-PETER VOSS) ................. 155 3.2.1 EPISTEMISCHE PERFORMATIVITAET: ENACTING BIG DATA REALITIES .............................................................................................157 SELEKTIVITAET DER ROHDATEN .................................................................. 157 MANGELNDE ZURECHENBARKEIT VON HANDLUNG ......................................158 SPEKULATIVE STATISTIK ............................................................................ 158 3.2.2 POLITISCHE PERFORMATIVITAET: BIG-DATA-GESTUETZTE REPRAESENTATION KOLLEKTIVER INTERESSEN ..........................................160 PERFORMATIVE POLITISCHE REPRAESENTATION ..............................................160 VIELFAELTIGE UND VERTEILTE REPRAESENTATIONSFORMEN ................................160 BIG DATA ALS NEUE POLITISCHE REPRAESENTATIONS-TECHNOLOGIE ............. 161 3.3 BIG DATA IM W AHLKAMPF: W AEHLERINNEN- UN D W AEHLERM ODELLIERUNG, MICRO-TARGETING UND REPRAESENTATIONSANSPRUECHE (JEANETTE HOFMANN) .................................................................................... 163 3.3.1 REPRAESENTATION ALS EIN INTERAKTIVER SCHAFFENSPROZESS ............... 164 3.3.2 W AEHLERMODELLE: O BJEKTIVIERUNG AUF W IDERRUF ....................... 165 3.3.3 BIG DATA FUER DIE BEEINFLUSSUNG DES W AEHLERINNEN- UN D W AEHLERVERHALTENS .............................................................................166 3.3.4 BIG DATA FUER DIE H ERSTELLUNG VON REPRAESENTATION ..................... 167 3.4 N ORM ATIV HERGESTELLTE ERW ARTUNGEN DURCH BIG DATA. N ORM IERUNG, N ORM ALISIERUNG UND N UDGING (JAN-HENDRIK PASSOTH UND HOLGER STRASSHEIM) .............................................................................. 169 3.4.1 N ORM IERUNG DURCH BIG DATA ....................................................... 169 VERVIELFAELTIGUNG ................................................................................ 171 PERSONALISIERUNG UND GRANULARISIERUNG ........................................... 172 ZYKLISCHE NEUBERECHNUNG ................................................................ 172 3.4.2 N ORM IERUNG UND V ERHALTENSSTEUERUNG ........................................173 BIG DATA UND NUDGING ...................................................................... 173 STAATLICHES BIG NUDGING ................................................................ 175 GRENZEN DER STEUERBARKEIT ................................................................ 176 3.5 W ENN BIG DATA REGELN SETZT. REGULATIV HERGESTELLTE ERW ARTUNGEN DURCH BIG DATA ( LENA ULBRICHT UND SEBASTIAN HAUNSS) ..................... 178 3.5.1 BIG DATA UND REGULIERUNG: EINE SYSTEMATISIERUNG ................ 178 FORSCHUNGSSTAND UEBER BIG DATA UND ALGORITHMIC REGULATION ........................................................................................ 178 VERSUCH EINER SYSTEMATISIERUNG ....................................................... 180 3.5.2 FALLBEISPIELE ZU REGULIERUNG DURCH BIG DATA ........................... 182 FLUGGASTDATEN (PNR) ........................................................................ 182 ROUTINEDATEN FUER GESUNDHEITSFORSCHUNG............................................186 3.5.3 FAZIT UND AUSBLICK .......................................................................... 188 3.6 K ULTURELL-KOGNITIV HERGESTELLTE E RW ARTUNGEN AN BIG DATA (ULRIKE KLINGER UND CHRISTIAN PENTZOLD) ............................................... 189 3.6.1 WAS ERW ARTEN WIR, WENN W IR VON BIG DATA REDEN? .................. 189 3.6.2 (WIE) VERAENDERT BIG D ATA P O LITIK ? ..................................................192 BIG DATA ALS AKTEURIN BZW. AKTEUR? ....................................................192 BIG DATA UND POLITISCHE PROZESSE ........................................................194 BIG DATA UND POLITISCHE STRUKTUREN ....................................................196 3.6.3 AUSBLICK .......................................................................................... 197 3.7 IST BIG D ATA FAIR? N ORM ATIV HERGESTELLTE ERW ARTUNGEN AN BIG DATA ( INGRID SCHNEIDER UND LENA ULBRICHT) ............................. 198 3.7.1 FORSCHUNGSSTAND UND B E D A RFE ........................................................199 3.7.2 DIFFERENZIERUNG ODER DISKRIM INIERUNG? ..................................... 201 3.7.3 D ISKRIM INIERUNG AUFGRUND DER DATENEINGABE UND -AUFBEREITUNG ....................................................................................202 3.7.4 D ISKRIM INIERUNG DURCH ALGORITHM ISCH BASIERTE ENTSCHEIDUNGSSYSTEME ................................................................... 204 3.7.5 ETHISCHE PRINZIPIEN UND REGULIERUNG ......................................... 205 3.8 REGULATIV HERGESTELLTE ERW ARTUNGEN AN BIG DATA: REGULIERUNG VON BIG D ATA ALS DEUTUNGSKONFLIKT? (LENA ULBRICHT) ........................... 207 3.8.1 BIG DATA STELLT REGULIERUNG INFRAGE: EIN D EU TU N G SK AM P F ----- 208 3.8.2 G ROSSE VIELFALT DER REGULIERUNGSANSAETZE ..................................... 211 3.8.3 MOEGLICHKEITEN DER W ETTBEWERBSREGULIERUNG ............................. 212 3.8.4 FAZIT UND FRAGEN FUER POLITIKWISSENSCHAFTLICHE FORSCHUNG . . . 215 3.9 FAZIT U ND AUSBLICK ...................................................................................... 217 LITERATUR ...................................................................................................................219 4 BIG D ATA - EINE INFORM ATIONSRECHTLICHE A N N AEH E RU N G ............................. 233 BENJAMIN SCHUETZEY STEFANIE HAENOLD UND NIKOLAUS FORGOE 4.1 V O RW O R T.......................................................................................................... 234 4.2 EINLEITUNG UND GANG DER U NTERSUCHUNG .................................... 234 4.3 BIG-DATA-BEGRIFF ...........................................................................................237 4.3.1 D EFINITION ...........................................................................................237 4.3.2 FOLGE DER BEGRIFFSDEFINITION FUER DIE JURISTISCHE BEGUTACHTUNG .....................................................................................238 4.4 AUSSCHLIESSLICHKEITSRECHTE AN DATEN ..........................................................239 4.4.1 E IN F UE H RU N G .........................................................................................239 4.4.2 S ACH E IG E N TU M .................................................................................... 240 ANWENDUNG DES § 903 BGB ................................................................240 DATEN ALS RECHTSFRUECHTE GERN. H 99 ABS. 2 BGB ................................. 241 DATENEIGENTUM UND § 303A STGB, § 903 BGB ANALOG ......................... 241 SONSTIGES RECHT I. S. D. § 823 ABS. 1 BGB ........................................... 242 4.4.3 IM M ATERIALGUETERRECHTE .................................................................... 243 URHEBERRECHTSSCHUTZ / DATENBANKWERK ............................................. 243 VERWANDTE SCHUTZRECHTE ......................................................................244 4.4.4 GESCHAEFTS- UND BETRIEBSGEHEIMNISSE, A NSPRUECHE AUS W ETTBEWERBSVERSTOESSEN ............................................................244 4.4.5 EIGENTUM AN PERSONENBEZOGENEN D A T E N ..................................... 246 4.4.6 ABHILFE DURCH VERTRAGLICHE REGELUNGEN ....................................... 247 4.4.7 SCHUTZDEFIZIT FUER M ASCHINENDATEN ................................................247 4.4.8 SCHUTZDEFIZIT FUER DATEN JURISTISCHER PERSONEN ........................... 248 4.4.9 E INFUEHRUNG EINES LEISTUNGSSCHUTZRECHTS AN DATEN? .................248 4.5 D ATENSCHUTZ ...................................................................................................249 4.5.1 GESETZLICHER RAHM EN (DATENSCHUTZRICHTLINIE, BDSG U ND LANDESRECHTLICHE D ATENSCHUTZVORSCHRIFTEN, BEREICHSSPEZIFISCHE GESETZE, D ATENSCHUTZGRUNDVERORDNUNG) .......... 250 4.5.2 SACHLICH-PERSOENLICHER ANWENDUNGSBEREICH ............................... 252 ABSOLUTER ODER RELATIVER PERSONENBEZUG..............................................252 WAS SIEHT DIE DATENSCHUTZGRUNDVERORDNUNG VOR? ............................. 253 EINFLUSS VON BIG DATA AUF DIE FRAGE DES PERSONENBEZUGS VON DATEN? ...........................................................................................253 4.5.3 VEREINBARKEIT VON BIG D ATA M IT DATENSCHUTZRECHTLICHEN PRINZIPIEN .......................................................................................... 254 VERBOT MIT ERLAUBNISVORBEHALT ............................................................254 PRINZIP DER ZWECKBEGRENZUNG UND ZWECKBINDUNG ........................... 255 GRUNDSATZ DER ERHEBLICHKEIT UND GRUNDSATZ DER DATENSPARSAMKEIT................................................................................ 257 SACHLICHE RICHTIGKEIT, D ATENAKTUALITAET ............................................... 258 AUFBEWAHRUNGSDAUER, LOESCHUNGSPFLICHTEN ....................................... 259 4.5.4 E IN W ILLIG U N G ...................................................................................... 259 4.5.5 SCORING U ND DAS VERBOT DER AUTOM ATISIERTEN EINZELENTSCHEIDUNG .......................................................................... 261 4.5.6 RECHTE DER BETROFFENEN ....................................................................263 4.5.7 DATENSICHERHEIT UND PRIVACY BY DESIGN AND BY DEFAULT .......... 264 4.5.8 D ATENSCHUTZGRUNDVERORDNUNG - N EUERUNGEN FUER BIG D A T A ................................................................266 4.6 RECHTSGESCHAEFTSLEHRE UND BIG D ATA IN DER M 2M -K OM M UNIKATION .............................................................................. 267 4.6.1 NEUE TRANSAKTIONSSZENARIEN ..........................................................268 4.6.2 RECHTSGESCHAEFTLICHE PRINZIPIEN UND GESETZLICHE VORGABEN ...................................................................... 270 EIGENE WILLENSERKLAERUNG ....................................................................270 STELLVERTRETUNG UND BOTENSCHAFT..........................................................271 LOESUNG NACH ALLGEMEINEN GRUNDSAETZEN ............................................. 272 4.6.3 ZIVILRECHTLICHE H AFTUNG IN EINEM BIG DATA-SZENARIO: M AENGELGEWAEHRLEISTUNG UND MANGELSCHADEN ............................. 274 ANWENDBARE VERTRAGSTYPEN ................................................................ 274 DATENMANGEL ODER MANGEL DES ALGORITHMUS ..................................... 279 MAENGELGEWAEHRLEISTUNG UND MANGELFOLGESCHADEN ............................. 286 4.7 W ETTBEWERBS- UND K ARTELLRECHT ................................................................287 4.7.1 FUSIONSKONTROLLE ..............................................................................289 FUSIONSKONTROLLRECHTLICHE AUFGREIFSCHWELLE ....................................... 290 PRUEFUNGSMASSSTAB ................................................................................ 291 4.7.2 M ARKTM ACHTM ISSBRAUCH ..................................................................292 RELEVANTER MARKT ................................................................................292 MARKTMACHT ........................................................................................ 293 4.7.3 BEHINDERUNGSM ISSBRAUCH ......................................................... 297 4.7.4 PREISDISKRIM INIERUNG ......................................................................298 4.8 FAZIT ...............................................................................................................299 LITERATUR ................................................................................................................ 302 5 BIG DATA AUS OEKONOMISCHER SICHT: POTENZIALE UND HANDLUNGSBEDARF ........................................................................................ 309 ARNOLD PICOT (T), YVONNE BERCHTOLD UND RAHILD NEUBURGER 5.1 E IN LE ITU N G ....................................................................................................... 310 5.2 KONZEPTION UND SCHWERPUNKTE DER S TU D IE ..............................................312 5.3 PROBLEM ORIENTIERTE BEGRIFFSABGRENZUNG - BIG DATA AUS OEKONOM ISCHER PERSPEKTIVE ............................................... 314 5.3.1 ENTWICKLUNGEN ZUR D ATENOEKONOM IE ......................................... 314 5.3.2 DEFINITION VON BIG DATA ................................................................ 316 5.3.3 KRITISCHE BETRACHTUNG AUS OEKONOM ISCHER PERSPEKTIVE .......... 318 5.3.4 BIG DATA - EIN NEUES ERFOLGSREZEPT? ........................................... 319 5.4 B IG-D ATA-W ERTSCHOEPFUNG............................................................................ 322 5.4.1 DAS OEKONOMISCHE POTENZIAL VON BIG D A T A ................................... 322 5.4.2 ELEMENTE DER B IG-D ATA-W ERTSCHOEPFUNG ....................................... 323 5.4.3 DIE BIG-DATA-W ERTSCHOEPFUNG IN DER PRAXIS ............................... 329 5.5 BIG-DATA-AS-A-BUSINESS .............................................................................. 332 5.5.1 DER EINFLUSS VON BIG DATA AUF BESTEHENDE UND NEUE GESCHAEFTSMODELLE - EIN UEBERBLICK ZU DATENGETRIEBENEN GESCHAEFTSMODELLEN .......................................................................... 333 5.5.2 BIG D ATA NIM M T EINZUG IN DIE INDUSTRIEN: VIELE DATEN - GROSSE CHANCEN, ABER AUCH H ERAUSFORDERUNGEN ......................... 337 5.5.3 IM PLIKATIONEN FUER DEN M ITTELSTAND ..............................................341 5.5.4 PLATTFORM EN UND D ATENM AERKTE DER NEUEN DATENWELT ...............343 5.6 DAS U NTERNEHM EN IM ZEITALTER VON DATA ANALYTICS ............................. 349 5.6.1 BIG D ATA A N A LY TIC S ............................................................................ 349 5.6.2 PREDICTIVE ANALYTICS - DATENGESTUETZTE PROGNOSEN M IT BIG D ATA ...................................................................................... 352 5.6.3 ECHTZEIT-OEKONOM IE .......................................................................... 356 5.6.3 TRANSFORM ATION UND W ANDEL DURCH BIG DATA: NEUE A NFORDERUNGEN AN STRATEGIE, F UEHRUNG UN D M ITA RB E ITE R ........ 359 STRATEGIE, FUEHRUNG UND DATENBASIERTE ENTSCHEIDUNGEN ..................... 360 NEUE ANFORDERUNGEN AN MITARBEITER ................................................. 363 DATENGETRIEBENE KOOPERATIONEN ........................................................367 KULTURELLER W A N D EL.............................................................................. 367 5.7 W ETTBEWERB UND R E G U LIE RU N G .................................................................... 371 5.7.1 M ASSGESCHNEIDERTE PRODUKTE UND PREISDIFFERENZIERUNG - EINE KRITISCHE BETRACHTUNG ............................................................372 5.7.2 DER BIG-DATA-MARKT: ZWISCHEN M ONOPOLISIERUNG UND REGULIERUNG ...................................................................................... 375 5.8 BIG DATA & DIE GESELLSCHAFT: EIN OEKONOMISCHER BLICKWINKEL ............. 381 5.8.1 D ATENSCHUTZRICHTLINIEN UND DIE OEKONOMISCHEN IM PLIKATIONEN .................................................................................. 383 5.8.2 GESELLSCHAFTLICHE IMPLIKATIONEN - ZWISCHEN CHANCEN UND RISIKEN ...................................................................................... 388 5.9 UEBERGREIFENDE B E TRAC H TU N G EN ....................................................................392 5.9.1 W EM GEHOEREN DIE DATEN? DIE FRAGE NACH DEM EIGENTUM . . . 392 5.9.2 DER W ERT VON DATEN ........................................................................ 395 LITERATUR ...................................................................................................................399 VERZEICHNIS DER ABBILDUNG UND TABELLEN ................................................................417 A U TORENVERZEICHNIS...................................................................................................... 419 GLOSSAR ...........................................................................................................................423
any_adam_object	1
author2	Kolany-Raiser, Barbara Heil, Reinhard Orwat, Carsten 1967- Hoeren, Thomas 1961-
author2_role	edt edt edt edt
author2_variant	b k r bkr r h rh c o co t h th
author_GND	(DE-588)1123749329 (DE-588)1013924193 (DE-588)122243811 (DE-588)123724449
author_facet	Kolany-Raiser, Barbara Heil, Reinhard Orwat, Carsten 1967- Hoeren, Thomas 1961-
building	Verbundindex
bvnumber	BV044944822
classification_rvk	SR 850 MS 7965
ctrlnum	(OCoLC)1034986919 (DE-599)DNB1155748980
discipline	Informatik Soziologie Philosophie
format	Book
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02955nam a22006858c 4500</leader><controlfield tag="001">BV044944822</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20210609 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">180515s2018 gw a\|\|\| \|\|\|\| 00\|\|\| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">18,N16</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">1155748980</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783658216641</subfield><subfield code="c">Festeinband : circa EUR 54.99 (DE), circa EUR 56.53 (AT), circa CHF 56.50 (freier Preis)</subfield><subfield code="9">978-3-658-21664-1</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)1034986919</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DNB1155748980</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rda</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-HE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-1049</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-384</subfield><subfield code="a">DE-2070s</subfield><subfield code="a">DE-29</subfield><subfield code="a">DE-12</subfield><subfield code="a">DE-859</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">SR 850</subfield><subfield code="0">(DE-625)143366:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">MS 7965</subfield><subfield code="0">(DE-625)123801:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">100</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Big Data und Gesellschaft</subfield><subfield code="b">eine multidisziplinäre Annäherung</subfield><subfield code="c">Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.)</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Wiesbaden</subfield><subfield code="b">Springer VS</subfield><subfield code="c">[2018]</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XXVIII, 430 Seiten</subfield><subfield code="b">Illustrationen</subfield><subfield code="c">21 cm x 14.8 cm</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Technikzukünfte, Wissenschaft und Gesellschaft</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Entwicklung</subfield><subfield code="0">(DE-588)4113450-3</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Gesellschaft</subfield><subfield code="0">(DE-588)4020588-5</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Digitalisierung</subfield><subfield code="0">(DE-588)4123065-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Interdisziplinäre Forschung</subfield><subfield code="0">(DE-588)4027274-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">HP</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Algorithmus</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Big Data</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Datentechnologie</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Information</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">Überwachung</subfield></datafield><datafield tag="653" ind1=" " ind2=" "><subfield code="a">HP</subfield></datafield><datafield tag="655" ind1=" " ind2="7"><subfield code="0">(DE-588)4143413-4</subfield><subfield code="a">Aufsatzsammlung</subfield><subfield code="2">gnd-content</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="1"><subfield code="a">Digitalisierung</subfield><subfield code="0">(DE-588)4123065-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2="2"><subfield code="a">Gesellschaft</subfield><subfield code="0">(DE-588)4020588-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="689" ind1="1" ind2="0"><subfield code="a">Big Data</subfield><subfield code="0">(DE-588)4802620-7</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="1"><subfield code="a">Gesellschaft</subfield><subfield code="0">(DE-588)4020588-5</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="2"><subfield code="a">Entwicklung</subfield><subfield code="0">(DE-588)4113450-3</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2="3"><subfield code="a">Interdisziplinäre Forschung</subfield><subfield code="0">(DE-588)4027274-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="1" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Kolany-Raiser, Barbara</subfield><subfield code="0">(DE-588)1123749329</subfield><subfield code="4">edt</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Heil, Reinhard</subfield><subfield code="0">(DE-588)1013924193</subfield><subfield code="4">edt</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Orwat, Carsten</subfield><subfield code="d">1967-</subfield><subfield code="0">(DE-588)122243811</subfield><subfield code="4">edt</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Hoeren, Thomas</subfield><subfield code="d">1961-</subfield><subfield code="0">(DE-588)123724449</subfield><subfield code="4">edt</subfield></datafield><datafield tag="710" ind1="2" ind2=" "><subfield code="a">Springer Fachmedien Wiesbaden</subfield><subfield code="0">(DE-588)1043386068</subfield><subfield code="4">pbl</subfield></datafield><datafield tag="776" ind1="0" ind2="8"><subfield code="i">Erscheint auch als</subfield><subfield code="n">Online-Ausgabe</subfield><subfield code="z">978-3-658-21665-8</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">X:MVB</subfield><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=4f107d381ee04500933c292da1feeb42&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">DNB Datenaustausch</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030337677&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-030337677</subfield></datafield></record></collection>
genre	(DE-588)4143413-4 Aufsatzsammlung gnd-content
genre_facet	Aufsatzsammlung
id	DE-604.BV044944822
illustrated	Illustrated
indexdate	2024-07-10T08:05:27Z
institution	BVB
institution_GND	(DE-588)1043386068
isbn	9783658216641
language	German
oai_aleph_id	oai:aleph.bib-bvb.de:BVB01-030337677
oclc_num	1034986919
open_access_boolean
owner	DE-1049 DE-355 DE-BY-UBR DE-384 DE-2070s DE-29 DE-12 DE-859
owner_facet	DE-1049 DE-355 DE-BY-UBR DE-384 DE-2070s DE-29 DE-12 DE-859
physical	XXVIII, 430 Seiten Illustrationen 21 cm x 14.8 cm
publishDate	2018
publishDateSearch	2018
publishDateSort	2018
publisher	Springer VS
record_format	marc
series2	Technikzukünfte, Wissenschaft und Gesellschaft
spelling	Big Data und Gesellschaft eine multidisziplinäre Annäherung Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.) Wiesbaden Springer VS [2018] XXVIII, 430 Seiten Illustrationen 21 cm x 14.8 cm txt rdacontent n rdamedia nc rdacarrier Technikzukünfte, Wissenschaft und Gesellschaft Big Data (DE-588)4802620-7 gnd rswk-swf Entwicklung (DE-588)4113450-3 gnd rswk-swf Gesellschaft (DE-588)4020588-5 gnd rswk-swf Digitalisierung (DE-588)4123065-6 gnd rswk-swf Interdisziplinäre Forschung (DE-588)4027274-6 gnd rswk-swf HP Algorithmus Big Data Datentechnologie Information Überwachung (DE-588)4143413-4 Aufsatzsammlung gnd-content Big Data (DE-588)4802620-7 s Digitalisierung (DE-588)4123065-6 s Gesellschaft (DE-588)4020588-5 s DE-604 Entwicklung (DE-588)4113450-3 s Interdisziplinäre Forschung (DE-588)4027274-6 s Kolany-Raiser, Barbara (DE-588)1123749329 edt Heil, Reinhard (DE-588)1013924193 edt Orwat, Carsten 1967- (DE-588)122243811 edt Hoeren, Thomas 1961- (DE-588)123724449 edt Springer Fachmedien Wiesbaden (DE-588)1043386068 pbl Erscheint auch als Online-Ausgabe 978-3-658-21665-8 X:MVB text/html http://deposit.dnb.de/cgi-bin/dokserv?id=4f107d381ee04500933c292da1feeb42&prov=M&dok_var=1&dok_ext=htm Inhaltstext DNB Datenaustausch application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030337677&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis
spellingShingle	Big Data und Gesellschaft eine multidisziplinäre Annäherung Big Data (DE-588)4802620-7 gnd Entwicklung (DE-588)4113450-3 gnd Gesellschaft (DE-588)4020588-5 gnd Digitalisierung (DE-588)4123065-6 gnd Interdisziplinäre Forschung (DE-588)4027274-6 gnd
subject_GND	(DE-588)4802620-7 (DE-588)4113450-3 (DE-588)4020588-5 (DE-588)4123065-6 (DE-588)4027274-6 (DE-588)4143413-4
title	Big Data und Gesellschaft eine multidisziplinäre Annäherung
title_auth	Big Data und Gesellschaft eine multidisziplinäre Annäherung
title_exact_search	Big Data und Gesellschaft eine multidisziplinäre Annäherung
title_full	Big Data und Gesellschaft eine multidisziplinäre Annäherung Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.)
title_fullStr	Big Data und Gesellschaft eine multidisziplinäre Annäherung Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.)
title_full_unstemmed	Big Data und Gesellschaft eine multidisziplinäre Annäherung Barbara Kolany-Raiser, Reinhard Heil, Carsten Orwat, Thomas Hoeren (Hrsg.)
title_short	Big Data und Gesellschaft
title_sort	big data und gesellschaft eine multidisziplinare annaherung
title_sub	eine multidisziplinäre Annäherung
topic	Big Data (DE-588)4802620-7 gnd Entwicklung (DE-588)4113450-3 gnd Gesellschaft (DE-588)4020588-5 gnd Digitalisierung (DE-588)4123065-6 gnd Interdisziplinäre Forschung (DE-588)4027274-6 gnd
topic_facet	Big Data Entwicklung Gesellschaft Digitalisierung Interdisziplinäre Forschung Aufsatzsammlung
url	http://deposit.dnb.de/cgi-bin/dokserv?id=4f107d381ee04500933c292da1feeb42&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=030337677&sequence=000001&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA
work_keys_str_mv	AT kolanyraiserbarbara bigdataundgesellschafteinemultidisziplinareannaherung AT heilreinhard bigdataundgesellschafteinemultidisziplinareannaherung AT orwatcarsten bigdataundgesellschafteinemultidisziplinareannaherung AT hoerenthomas bigdataundgesellschafteinemultidisziplinareannaherung AT springerfachmedienwiesbaden bigdataundgesellschafteinemultidisziplinareannaherung

Verfügbarkeit

Es ist kein Print-Exemplar vorhanden.

Fernleihe Bestellen Achtung: Nicht im THWS-Bestand! Beschreibung

MARC

Datensatz im Suchindex

Es ist kein Print-Exemplar vorhanden.

Ähnliche Einträge