UNIVERSITÄT DER BUNDESWEHR MÜNCHEN

dingt notwendigen Zugriff auf umfassende Datenquellen und -mengen sicherstellen.
• Skalenunabhängigkeit: Verarbeitung von kardinal-, ordinal- und nominalskalierten
Daten.
• Entdeckung und Beschreibung von Strukturen in unstrukturierten Datenbeständen:
Dazu greifen Data Mining-Anwendungen, auf dem Wege des maschinellen
Lernens, auf strukturentdeckende Methoden der Datenmustererkennung
zurück. Dabei handelt es sich um statistische Methoden, genetische
Algorithmen, Entscheidungsbäume, Suchheuristiken und künstliche neuronale
Netze.
• Beschreibung der erkannten Strukturen: Die Entwicklung von zukunftsorientierten
Klassifikations- und Vorhersageregeln, die Erkennung von Datensegmenten,
Veränderungen und Abweichungen sowie das Aufdecken von Beziehungsmustern
ggf. mit Verknüpfungen, numerischen Abhängigkeiten und
Zeitverläufen sind die wesentlichen Möglichkeiten der Technologie.
• Aussagen zur Sicherheit: Data Mining Verfahren sollen die gewonnenen Erkenntnisse
mit einer Bewertung der Verlässlichkeit versehen.
• Verallgemeinerung und Übertragung auf größere Datenbestände.
Im Controlling wurden bereits frühzeitig Anwendungsmöglichkeiten für das Data
Mining erkannt. So beschreiben Mertens, Bissantz, und Hagedorn Algorithmen, welche
die Hauptursachen von festgestellten Abweichungen in übergeordneten Messgrößen
weitgehend hypothesenfrei in untergeordneten mehrdimensionalen Datenbeständen
suchen. 571 Auch Determann und Rey bescheinigen diesem Aspekt einer
"entscheidungsorientierten Informationstechnologie" ein großes wirtschaftliches Potential,
durch die Ableitung von Prognoseregeln aus signifikanten Datenzusammenhängen.
Dabei weisen sie jedoch auch auf die Gefahr fehlerhafter Analogieschlüsse
durch unzulässige Simplifizierung und Entpersonifizierung von Entscheidungen hin.
Derartige Gefahren aus der unkritischen Methodenanwendung führen die Autoren zu
dem Schluss, dass Data Mining sein hohes Potential nur Rahmen der systembildenden
und systemkoppelnden Fähigkeiten des Controllings Gewinn bringend entfalten
kann. 572
163
571 Vgl. Mertens, P. / Bissantz, N. / Hagedorn, J., Data Mining, 1997, S. 183f.
572 Vgl. Determann, L. / Rey, M., Data Mining, 1999, S. 143ff.