TY  - JOUR
A1  - Buchmüller, Christoph
A1  - Hemsen, Holmer
A1  - Markl, Volker
A1  - Schermann, Michael
A1  - Bitter, Till
A1  - Hoeren, Thomas
A1  - Krcmar, Helmut
T1  - Big Data - An Interdisciplinary Opportunity for Information Systems Research
JF  - Business & Information Systems Engineering
KW  - Big Data
Y1  - 2014
SP  - 261
EP  - 266
ER  - 
TY  - JOUR
A1  - Buchmüller, Christoph
A1  - Hemsen, Holmer
A1  - Schermann, Michael
A1  - Bitter, Till
A1  - Krcmar, Helmut
A1  - Markl, Volker
A1  - Hoeren, Thomas
T1  - Big Data – Eine interdisziplinäre Chance für die Wirtschaftsinformatik
JF  - Wirtschaftsinformatik
KW  - Big Data
Y1  - 2014
SN  - 0937-6429
VL  - 2014
IS  - 5
SP  - 281
EP  - 287
ER  - 
TY  - BOOK
A1  - Buchmüller, Christoph
A1  - Hoeren, Thomas
A1  - Markl, Volker
A1  - Bitter, Till
A1  - Uecker, Philip
A1  - Andrees, Markus
A1  - Völkel, Jonas
ED  - Hoeren, Thomas
T1  - Big Data und Recht
KW  - Big Data
Y1  - 2014
SN  - 978-3-406-67122-7
PB  - C.H.Beck
CY  - München
ER  - 
TY  - THES
A1  - Scharlau, Lukas
T1  - Multi-part Nanocubes
N2  - This thesis describes the development of Multi-part Nanocubes. It is a further development of Nanocubes, an in-memory data structure for spatiotemporal data cubes. "Nanocubes provides you with real-time visualization of large datasets. Slice and dice your data with respect to space, time, or some of your data attributes, and view the results in real-time on a web browser over heatmaps, bar charts, and histograms." Partitioning the structure to parallelize the build process as well as merging query results is the principal part of this document. Furthermore, a new memory management (slab allocation with offset pointers) was implemented to enable 32-bit support and faster load times of already built nanocubes. Porting the project to Windows and implementing on-the-fly compression and decompression of nanocube files is also described.
N2  - Diese Bachelorarbeit beschreibt die Weiterentwicklung des Projektes Nanocubes zu Multi-part Nanocubes. Das Projekt erlaubt die Visualisierung und Filterung extrem großer Datensätze (Big Data), üblicherweise auf einer Heatmap mit zusätzlichen Diagramm. Beschrieben wird die Partitionierung der Datenstruktur, wodurch ermöglicht wird, dass moderne Mehrkernprozessoren während des Ausbauprozesses voll ausgelastet werden können. Auch das Zusammenfügen der Abfrageergebnisse ist Teil der Arbeit. Zusätzlich wurde ein neues Speicher Management System (Slab Allocation mit Offset Pointern) implementiert, was die Kompatibilität zu 32-bit Systemen ermöglicht, sowie auch schnellere Ladezeiten von bereits erzeugten und gespeicherten Nanocubes. Die Portierung des Projektes auf Windows als auch die on-the-fly Komprimierung und Dekomprimierung während des Speichern und Laden eines Nanocubes wird beschrieben. (Linux und Mac Betriebssysteme werden auch unterstützt)
KW  - Massendaten
KW  - Visualisierung
KW  - Weltkarte
KW  - Filtration
KW  - Quaternärbaum
KW  - Heatmap
KW  - Parallelisation
KW  - echtzeit Erkundung
KW  - Quadtree
KW  - Big Data
KW  - Heatmap
KW  - Threading
KW  - realtime exploration
Y1  - 2016
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:836-opus-9500
PB  - FH Münster
ER  - 
TY  - THES
A1  - Leifeling, Simon
T1  - Digitale Ortung und Tracking als medienpädagogische Herausforderungen in Praxisfeldern Sozialer Arbeit
N2  - Diese Arbeit kann in der Bereichsbibliothek Hüfferstiftung (Sozialwesen) eingesehen werden.
KW  - Sozialisation
KW  - Internet
KW  - Datensicherheit
KW  - Smartphone
KW  - Big Data
Y1  - 2016
ER  -