Open Access

Motivation: Maximizing the value from data has become a key challenge for companies as it helps improve operations and decision making, enhances products and services, and, ultimately, leads to new business models. The latter two have been investigated by scholars as part of an emerging research field on data-driven business model innovation. While enterprise architecture (EA) management and modeling have proven their value for IT-related projects, the support of enterprise architecture for data-driven business models (DDBMs) is a rather new and unexplored field. We argue that the current understanding of the intersection of data-driven business model innovation and enterprise architecture is incomplete because of five challenges that have not been addressed in existing research: (1) lack of knowledge of how companies design and realize data-driven business models from a process perspective, (2) lack of knowledge on the implementation phase of data-driven business models, (3) lack of knowledge on the potential support enterprise architecture modeling and management can provide to data-driven business model endeavors, (4) lack of knowledge on how enterprise architecture modeling and management support data-driven business model design and realization in practice, (5) lack of knowledge on how to deploy data-driven business models. We address these challenges by examining how enterprise architecture modeling and management can benefit data-driven business model innovation. Research Approach: Addressing the challenges mentioned above, the mixed-method approach of this thesis draws on a systematic literature review, qualitative empirical research as well as the design science research paradigm. We conducted a systematic literature search on data-driven business models and enterprise architecture. Considering the novelty of data-driven business models for academia and practice, we conducted explorative qualitative research to explain “why” and “how” companies embark on realizing data-driven business models. Throughout these studies, the primary data source was semi-structured interviews. In order to provide an artifact for DDBM innovation, we developed a theory for design and action. The data-driven business model innovation artifact was inductively developed in two design iterations based on the design science paradigm and the design science research framework. Contribution: This thesis provides several contributions to theory and practice. We identified a clear gap in previous research efforts and derived 42 data-driven business model-related EA concerns. In order to address the identified literature gap, we provide empirical evidence for data-driven business model innovation. Four pathways of data-driven business model design and realization were identified. Along these pathways, an overview of EA application areas was derived from the empirical and theoretical findings. With the aim of supporting practitioners in data-driven business model innovation, this thesis was concerned with the development of a reference model. The reference model for data-driven business model innovation provides a broad view and applies enterprise architecture, where appropriate. This thesis provides five recommendations for practitioners realizing data-driven business models that address the demand for support in data-driven business model innovation. Limitations: Several limitations must be considered. We acknowledge the threat to validity based on the fact that the thesis was written over the span of two years. As DDBMs are an emerging phenomenon in the literature, our thoughts on the underlying concepts have also evolved. Our ideas evolved to include a wider range of literature, different terminology, and a broader empirical foundation. We have gathered and analyzed the extended literature on EA and DDBM interconnectivity. However, the selection of keywords restricts the set of results. The data stem from a limited number of organizations and industries; thus, our conceptual developments need further testing to ensure generalizability. Future Research: This thesis suggests several fruitful research avenues. Complementing the current concepts with additional data and quantitative research methods could address the existing threats to validity. A deeper understanding of data-driven business model innovation pathways, in the light of the detailed methods per pathway, would enhance the knowledge on this topic. Future research could focus on conducting additional design cycles for the data-driven business model innovation reference model. It would be interesting to enrich the findings of this thesis with quantitative data on correlations in data-driven business model innovation and enterprise architecture support. Furthermore, investigating a single case study and exploring new application fields of enterprise architecture in the data-driven business model innovation context would benefit research and practice would benefit.

Mit dem Thema „Kultur- und Kreativwirtschaft“ kam ich zum ersten Mal 2009 im Rahmen eines Praktikums in der Staatskanzlei des Bundeslandes Nordrhein-Westfalen in Kontakt. Damals waren in der Kulturverwaltung des Landes alle Weichen auf die Vorbereitung und die politische sowie administrative Begleitung der Kulturhauptstadt Europas RUHR.2010 gestellt. Dass mit dem Ruhrgebiet eine gesamte Region den Zuschlag für die Ausrichtung des Jahres erhielt, war ein Novum. Von der Entwicklung diverser Vorgängerprojekte und - veranstaltungen über die tatsächliche Ausgestaltung des Rahmenprogramms bis hin zur anschließenden Nachbereitung und Evaluation der einzelnen Programmpunkte und des gesamten Jahres: Bei allen Projektschritten nahmen Unternehmen und Akteure der Kultur-und Kreativwirtschaft eine essenzielle Rolle ein. Besonders reizvoll an einer eingehenden Beschäftigung mit dem Thema „Kultur- und Kreativwirtschaft“ war für mich dessen Interdisziplinarität. Neben Fragen, die aus der Interdependenz von Kultur und Ökonomie hervorgehen, entwickelte ich spezielles Interesse an der Ausgestaltung einer Policy für diese neu limitierte Wirtschaftsbranche. Nach meiner Bachelor-Arbeit zu einer kulturpolitischen Fragestellung schloss ich während meines Master-Studiums an der Leuphana Universität Lüneburg eine Praxisphase in der Abteilung „Kulturelle Angelegenheiten“ der Senatskanzlei Berlin an. Während dieses Praktikums leitete ich in der Berliner Kulturverwaltung die Ausschreibung einer empirischen Erhebung ein, die die wirtschaftlichen und sozialen Rahmenbedingungen für Kultur- und Kreativschaffende in Berlin und Brandenburg misst und die in besonderer Weise die spezifischen Standortfaktoren für die Kultur- und Kreativwirtschaft in den beiden Bundesländern untersucht. Ziel des Projektes war es, fortan eine regelmäßige Befragung ins Leben zu rufen, um mittels Zeitreihen Entwicklungen festzuhalten und konstant Handlungsempfehlungen für kultur- und wirtschaftspolitisch Verantwortliche bereitstellen zu können. Während der Mitarbeit in der Senatskanzlei Berlin und der fokussierten Analyse der umtriebigen Kultur- und Kreativwirtschaft in der Bundeshauptstadt entstand die Idee einer Untersuchung von kultur- und kreativwirtschaftlichen Strukturen im ländlichen Raum. Meine Schwerpunktsetzung auf ländliche Regionen erklärt sich folgendermaßen: Zum einen blieb eine wissenschaftliche Betrachtung von Kultur- und Kreativwirtschaft bisher in 5 erster Linie städtischen Ballungsräumen vorbehalten. Zum anderen zeigt sich mit Blick auf den veröffentlichten Report zur Kultur- und Kreativwirtschaft in Nordrhein-Westfalen, dass bei der Betrachtung des Wirtschaftssektors bis dato ein starker Fokus auf das Ruhrgebiet, das Rheinland und mit einigen Einschränkungen auf das Münsterland gelegt wurde (vgl. Ministerium für Wirtschaft, Energie, Industrie, Mittelstand und Handwerk 2012: 16). Gezielte Analysen zu Entwicklungen und Potenzialen der Kultur- und Kreativwirtschaft in ländlich geprägten Räumen, zum Beispiel in ostwestfälischen Verwaltungsbezirken, gibt es bis dato nicht. Hier setzt mein Forschungsvorhaben an. Hinweisen möchte ich an dieser Stelle noch darauf, dass aus Gründen der Lesbarkeit in der Thesis auf die weibliche Form verzichtet wurde, diese jedoch selbstverständlich immer mit gemeint ist.

Network analysis methods have long been used in the social sciences. About 25 years ago, these methods gained popularity in various other domains and many real-world phenomena have been modeled using networks. Well-known examples include (online) social networks, economic networks, web graphs, metabolic networks, infrastructure networks, and many more. Technological development made it possible to store and process data on a scale not imaginable decades ago — a development that also includes network data. A particular characteristic of network data is that, unlike standard data, the objects of interest, called nodes, have relationships to (possibly all) other objects in the network. Collecting empirical data is often complicated and cumbersome, hence, the observed data are typically incomplete and might also contain other types of errors. Because of the interdependent structure of network data, these errors have a severe impact on network analysis methods. This cumulative dissertation is about the impact of erroneous network data on centrality measures, which are methods to assess the position of an object, for example a person, with respect to all other objects in a network. Existing studies have shown that even small errors can substantially alter these positions. The impact of errors on centrality measures is typically quantified using a concept called robustness. The articles included in this dissertation contribute to a better understanding of the robustness of centrality measures in several aspects. It is argued why the robustness needs to be estimated and a new method is proposed. This method allows researchers to estimate the robustness of a centrality measure in a specific network and can be used as a basis for decision making. The relationship between network properties and the robustness of centrality measures is analyzed. Experimental and analytical approaches show that centrality measures are often more robust in networks with a larger average degree. The study of the impact of non-random errors on the robustness suggests that centrality measures are often more robust if missing nodes are more likely to belong to the same community compared to missingness completely at random. For the development of imputation procedures based on machine learning techniques, a process for the evaluation of node embedding methods is proposed.

Nach zweijährigem Bestehen wurde am 16. Dezember 1991 das Forschungsinstitut Freie Berufe im Fachbereich Wirtschafts- und Sozialwissenschaften der Universität Lüneburg als europaweit erstes universitäres Institut seiner Art feierlich im Rathaus zu Lüneburg eingeweiht. Zum Wintersemester 1991 wurde zudem die neue Professur ´Statistik und Freie Berufe´ durch Prof. Dr. Joachim Merz besetzt.Wir freuen uns, Ihnen anläßlich dieser offiziellen und feierlichen Einweihung unseres For-schungsinstituts Freie Berufe und der Besetzung der neuen Professur, die dort gehaltenen Reden vor-legen zu können. Sie geben Aufschluß über die Gründungsphase, die Förderung und Einbindung in das universitäre und öffentliche Leben und beschreiben die bisherigen Arbeiten sowie zukünftigen Forschungsschwerpunkte.

Zusammenfassung: Der vorliegende Beitrag beschäftigt sich mit dem zeitlichen Verlauf von Entscheidungsprozessen in Organisationen. Anhand eines Simulationsmodells werden die zeitlichen Konsequenzen von De-fiziten in der Problemzuwendung aufgezeigt. Gemeint ist mit dem Begriff der Problemzuwendung, die Zuwendung zu Kerntätigkeiten des Entscheidens: der Aufmerksamkeit, der Problemdefinition, der Erarbeitung von Problemlösungen und der Umsetzung der Lösungen. Problematisch ist das Thema der Problemzuwendung, weil Organisationen praktisch niemals mit nur einem einzigen Problem konfrontiert werden, sondern immer viele Probleme gleichzeitig auf Bearbeitung drän-gen. Der zeitliche Verlauf von Entscheidungsprozessen wird allerdings nicht allein von der Prob-lemzuwendung bestimmt, sondern auch von den vielen Hindernissen, die sich in jedem Entschei-dungsprozess ganz unvermeidlich (in mehr oder weniger großem Ausmaß) einstellen. Weitere wichtige Einflussgrößen sind der Problemzufluss, die Problemlösungskapazitäten und die Prob-lemlösungsfähigkeiten. Das Simulationsmodell, das im vorliegenden Beitrag vorgestellt wird, be-schreibt das Zusammenwirken dieser Größen. Es zeigt, dass der zeitliche Verlauf von Entschei-dungsprozessen ganz maßgeblich von strukturellen Parametern bestimmt wird, die sich nur in be-grenztem Maße beeinflussen lassen, die sich also – paradoxerweise – dem willentlichen Entschei-dungshandeln entziehen.