• search hit 44 of 60
Back to Result List

Adaptive digitale Enterprise Architekturen für Big Data und Cloud-Systeme

  • Big Data und Cloud Systeme werden zunehmend von mobilen, benutzerzentrierten und agil veränderbaren Informationssystemen im Kontext von digitalen sozialen Netzwerken genutzt. Metaphern aus der Biologie für lebendige und selbstheilende Systeme und Umgebungen liefern die Basis für intelligente adaptive Informationssysteme und für zugehörige serviceorientierte digitale Unternehmensarchitekturen. Wir berichten über unsere Forschungsarbeiten über Strukturen und Mechanismen adaptiver digitaler Unternehmensarchitekturen für die Entwicklung und Evolution von serviceorientierten Ökosystemen und deren Technologien wie Big Data, Services & Cloud Computing, Web Services und Semantikunterstützung. Für unsere aktuellen Forschungsarbeiten nutzen wir praxisrelevante SmartLife Szenarien für die Entwicklung, Wartung und Evolution zukunftsgerechter serviceorientierter Informationssysteme. Diese Systeme nutzen eine stark wachsende Zahl externer und interner Services und fokussieren auf die Besonderheiten der Weiterentwicklung der Informationssysteme für integrierte Big Data und Cloud Kontexte. Unser Forschungsansatz beschäftigt sich mit der systematischen und ganzheitlichen Modellbildung adaptiver digitaler Unternehmensarchitekturen - gemäß standardisierter Referenzmodelle und auf Standards aufsetzenden Referenzarchitekturen, die für besondere Einsatzszenarien auch bei kleineren Anwendungskontexten oder an neue Kontexte einfacher adaptiert werden können. Um Semantik-gestützte Analysen zur Entscheidungsunterstützung von System- und Unternehmensarchitekten zu ermöglichen, erweitern wir unser bisheriges Referenzmodell für ITUnternehmensarchitekturen ESARC – Enterprise Services Architecture Reference Cube – um agile Mechanismen der Adaption und Konsistenzbehandlung sowie die zugehörigen Metamodelle und Ontologien für Digitale Enterprise Architekturen um neue Aspekte wie Big Data und Cloud Kontexte.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Name:Zimmermann, Alfred; Jugel, Dierk
URN:urn:nbn:de:bsz:rt2-opus4-4374
URL:http://subs.emis.de/LNI/Proceedings/Proceedings232/article81.html
ISBN:978-3-88579-626-8
Erschienen in:Informatik 2014 : Big Data - Komplexität meistern ; Tagung der Gesellschaft für Informatik, 22. - 26. September 2014 in Stuttgart, Deutschland
Publisher:Gesellschaft für Informatik
Place of publication:Bonn
Editor:Erhard Plödereder
Document Type:Conference Proceeding
Language:German
Year of Publication:2014
Pagenumber:12
First Page:417
Last Page:428
Catalogue entry:Im Katalog der Hochschule Reutlingen ansehen
Dewey Decimal Classification:004 Informatik
Open Access:Ja
Licence (German):License Logo  Open Access