Global Investor 1.13

Global Investor 1.13 , Juni 2013 Expertenwissen für Anlagekunden der Credit Suisse

Big Data

Digitaler Quantensprung

Michael Chui Die Suche nach den goldenen Nadeln im Datenheuhaufen zahlt sich aus. Katy Börner Mit datenbasierter Kartografie die Zusammenhänge in der realen Welt sehen und verstehen. Florian Michahelles Vernetzte Sensoren liefern Big Data viel frisches Futter. Jürgen Galler Die Datenanalyse bringt

Unternehmen dazu, ihre Geschäftsmodelle zu überdenken.

Die Galaxie der Blogosphäre Die computergenerierte Karte illustriert die Verbindungen zwischen den Blogs. Blogs – Internetseiten mit journalistischen Einträgen in chronologischer Folge – sind oft mit anderen Seiten verlinkt, deren Gesamtheit die Blogosphäre bildet.

Die Blogs sind als graue Punkte dargestellt, ihre Verbindungen als rote Linien, grÜssere Punkte zeigen populäre Blogs. Gemäss Schätzungen gibt es ßber 200 Millionen Blogs – und ihre Zahl steigt.

Bitte beachten Sie die wichtigen Offenlegungsinformationen auf Seite 54.

Die Credit Suisse steht im geschäftlichen Kontakt mit Unternehmen, die in diesen ResearchBerichten behandelt werden, oder strebt nach geschäftlichen Beziehungen mit diesen. Anleger sollten sich daher bewusst sein, dass das Unternehmen mĂśglicherweise in einem InteressenMQPĆ KMV UVGJV FGT UKEJ CWH FKG 1DLGMVKXKVĂ€V FKGUGU $GTKEJVU CWUYKTMGP MĂ’PPVG #PNGIGT UQNNVGP DGK ihrer Investmententscheidung diesen Bericht daher nur als einen von mehreren Faktoren betrachten. Informationen zu den mit Anlagen in die hierin behandelten Wertpapiere verbundenen 4KUKMGP Ć&#x;PFGP 5KG WPVGT HQNIGPFGT #FTGUUG JVVRU TGUGCTEJ ETGFKV UWKUUG EQO TKUMFKUENQUWTG

Fotos: Chou Chiang | Martin Stollenwerk

GLOBAL INVESTOR 1.13 Editorial—03

Verantwortlich für die Koordination dieser Ausgabe: Nilanjan Das, CFA , ist verantwortlicher Redaktor des Global Investor und Leiter Global Research KPO in Mumbai. Sein Research-Team befasst sich mit globalen ­A ktien, Anleihen und Devisen sowie mit wirtschaftlichem und thematischem Research. Seit 2009 ist er bei der Credit Suisse und hat über 15 Jahre Erfahrung in Research und Banking, unter anderem bei JP Morgan G ­ lobal Research und ICICI Bank. Er ­promovierte am Indian ­I nstitute of ­M anagement in Bangalore.

Uwe Neumann, CEFA, stiess 2000 als Aktienanalyst für den Telekommunika­t ions- und Technologiesektor zu Credit Suisse Private Banking. Er verfügt über 28 Jahre Erfahrung im Wertschriften- und Bankgeschäft, darunter 18 Jahre im Research. Seinen Master in Wirtschaftswissenschaften erhielt er von der Universität Konstanz, Deutschland.

Unternehmen mussten ihre Kunden schon immer kennen, genauso wie Ärzte ihre Patienten. Big Data ermöglicht ihnen dabei eine bislang unvorstellbare Tiefe der Erkenntnisse, die in unglaublich kurzer Zeit zur Verfügung stehen. Darum erlaubt ihnen Big Data, bisher nicht sichtbare Zusammenhänge zwischen diversen Aspekten des geschäftlichen, medizinischen und gesellschaftlichen Lebens von Menschen zu erkennen. Der vorliegende Global Investor erläutert, wie Einzelhändler wie Amazon und Tesco Big Data für das Cross-Selling von Produkten, die Vermarktung über neue Kanäle wie soziale Medien und für die Prognose von Nachfragemustern nutzen. Wir zeigen, wie Banken ihre Datenüberwachung und Compliance verbessern und durch Onlinefirmen wie Lenddo gemeinschaftsbasierte Bonitäts­ beurteilungen erstellen. In der Big-Data-Welt geht es indes nicht nur um Transaktionen im Internet oder in Läden, sondern auch um die Erhebung von Daten aus fast allen Bereichen unseres Lebens: Unsere Schuhe überwachen, wie wir gehen und laufen; die Telematik zeichnet auf, wie wir Auto fahren, was Versicherer wiederum zur Schätzung des Prämienrisikos einsetzen; CO 2 -Emissionsmuster lassen sich messen und Firmen kontrollieren mit Echtzeitsensoren die Turbinen, die unseren Strom erzeugen. Wir zeigen anhand von Beispielen auf, wie Daten durch Visualisierung lebendig werden und uns den Durchblick im Zahlendurcheinander ermöglichen. Terabytes an Daten verlangen nach extrem schnellen Analyse - und Datenbankwerkzeugen, damit Resultate in Echtzeit verfügbar sind. SAP erläutert uns, wie ihre Big-Data-Technologie genau für diese Aufgabe konzipiert worden ist. Den technischen Teil zu Big Data runden wir ab mit einem Blick auf Datenzentren und die «Wolke». Natürlich hat Big Data auch Grenzen – Vorbehalte zum Datenschutz und zu den Eigentumsrechten sowie zur Verwendung von online erhobenen persönlichen Daten sind durchaus legitim. Es besteht daher ein echter Bedarf an Spezialisten, sogenannten Datenwissenschaftlern. Unter Berücksichtigung dieser Vorbehalte dürfte Big Data unseres Erachtens am Anfang einer massiven Wachstumsphase stehen und zu einer deutlich intelligenteren Welt führen.

Giles Keating, Head of Research for Private Banking and Wealth Management

GLOBAL INVESTOR 1.13

—04

Vergessen Sie Backsteine und Mörtel – bei diesem Speicher-Laden geht es um Bits und Bytes.

Treten Sie ein, schauen Sie sich um und entdecken Sie, was wir punkto Big Data auf Lager haben. Steigen Sie ein in den Datenbus und speichern Sie Ihre Eindrücke. Wir nehmen Sie mit auf eine kurze Reise von den Ursprüngen der Computertechnologie bis hin zu modernen Speicher- und Verarbeitungslösungen. Wir haben alles, von 5. 25 -Zoll-Floppy-Disks bis zu Festplatten mit mehreren Terabytes Speicherkapazität. Sie werden nicht glauben, wie viel 1 Megabyte Speicher früher kostete. > Ab Seite 06

GLOBAL INVESTOR 1.13

—05

Big Data

09

37

Der andere Erfolgsfaktor Die grosse Herausforderung für Firmen besteht heute darin, Wege zu finden, wie Big Data neue Erkenntnisse und Mehrwert bringen kann. Laut Michael Chui ist es nicht einfach, die enormen Datenmengen nach Nützlichem zu durchforsten, aber es ist entscheidend für den Erfolg eines Unternehmens.

Nutzen mit Nebenwirkungen Big-Data-Technologien machen es einfacher, grosse Mengen von Nutzerdaten zu sammeln und zu analysieren – tun dies aber nicht immer transparent. Jason Hong zeigt Ansätze auf, wie Unternehmen und Konsumenten die komplexen Probleme rund um persönliche Daten und Privatsphäre angehen können.

15 Einkaufen neu erfunden Einzelhändler müssen ihre Kunden gut kennen, um sie nicht an die Konkurrenz zu verlieren. Andreas Tomaschett erläutert die grosse Bedeutung von Big Data für die Analyse des Kundenverhaltens, um Nachfrage und Umsatzwachstum anzukurbeln.

18 Das Internet der Dinge Das traditionelle Internet ist über seine ursprünglichen Grenzen hinausgewachsen: Daten von Sensoren kombiniert mit allen anderen verfügbaren Daten liefern heute ein schärferes Bild der realen Welt. Florian Michahelles erklärt, wie sich die nützlichen Signale aus der Datenflut heraussieben lassen.

21 Likes, Tweets und Kredite Das Volumen und die Vielfalt der von der Bankbranche gesammelten Daten sind exponentiell gewachsen. Doch laut Christine Schmid-Frey reicht Sammeln allein nicht aus.

Banken müssen die Daten auch effizient nutzen, um etwa neue, konkurrenz fähige Angebote zu lancieren.

32 Dienstleistungen mit Mehrwert Zeit ist Geld. Die ungestüme Zunahme der Datenmengen hat kostspielige und zeitraubende Engpässe bei der Datenverarbeitung zur Folge. Doch laut Stefan Sigg muss das nicht mehr so sein: Neue Big-Data-Technologien beschleunigen die Analyse enorm – zu einem Bruchteil der bisherigen Kosten.

34 Energie für Daten Wer die in Big Data enthaltenen Informationen erfassen und analysieren will, kommt ohne die richtige Infrastruktur nicht aus. Randy Katz skizziert, was es braucht, um diese Mammut aufgabe erfolgreich zu meistern.

40 Sehen und verstehen Wenn ein Bild (mehr als) tausend Worte sagt, wie stellt man dann ein Petabyte Daten dar ? Katy Börner ist spezialisiert darauf, aus komplexen Datenreihen Erkenntnisse zu gewinnen und die von Big Data beschriebenen vielschichtigen Systeme anhand modernster Werkzeuge zu visualisieren.

44 Risiken messen statt schätzen Die Prämienbestimmung für Versicherungsrisiken ist eine komplexe Schätzung mit zahlreichen Variablen.

Patrick McSharry erklärt, wie sich diese Schätzungen dank Big Data verbessern lassen, indem menschliche Verhaltensmuster in den Risikomodellen berücksichtigt werden.

48 Geniale Nerds gesucht Datenwissenschaftler wissen, wie man Daten erhebt, Infrastrukturen erstellt, Analysen durchführt, alles in einen sozial wissenschaftlichen Zusammenhang setzt und mit den Resultaten schliesslich den CEO überzeugt. Hilary Mason, wissenschaftliche Leiterin bei Bitly, erklärt, was Datenwissenschaftler und Mr. Spock gemeinsam haben.

52 Neue Wege Big Data eröffnet sowohl etablierten Unternehmen als auch Start-up-Firmen neue Geschäftschancen. Jürgen Galler von Swisscom erläutert, wohin die Reise gehen könnte und welche Vorteile der Telekommunikations- und anderen Branchen daraus erwachsen dürften.

Disclaimer > Seite 54

Podcast auf www.credit-suisse.com/globalinvestor

GLOBAL INVESTOR 1.13

—06

«NOCH GIBT ES NICHT GENÜGEND DATEN FÜR EINE SINNVOLLE ANTWORT.»

Isaac Asimov 1956

Albert Einstein

GLOBAL INVESTOR 1.13

—07

DIE DREI V 2012 wurde Big Data praktisch in allen IT-Bereichen zum grossen Thema. Big Data steht für eine neue Generation von Technologien und Architekturen, mit denen aus enormen Datenmengen unterschiedlichster Herkunft wertvolle Informationen schnell und wirtschaftlich identifiziert, erfasst und/oder analysiert werden sollen.

ZÄHLEN Die unten stehenden Präfixe werden in der EDV Mengen angaben wie Byte oder Bit vorangestellt.

In der Kommunikation und der Elektronik wird mit Zehner potenzen von 10 –24 bis 10 24 gerechnet, wobei schrittweise um drei Zehnerpotenzen (10 3 oder 1000) erhöht wird. In der IT und der Daten speicherung werden Multiplikatoren in Zweierp otenzen von 210 bis 2 80 definiert, die Erhöhungsschritte betragen zehn Zweierpotenzen ( 210 oder 1024 ).

DIE ERSTE SPEICHERPLATTE 1956 führte IBM die 305 RAMAC ein, die Ururgrossmutter unserer heutigen Speicherplatten.

Sie hatte die Grösse eines Verkaufsautomaten und speicherte 4.4 MB auf 50 doppelseitigen Disks mit einem Durchmesser von rund 60 cm. Jede Disk hatte eine Dichte von 2000 Bits/Quadratzoll und kostete 10 000 US -Dollar pro Gigabyte.

COMPUTER IM LAUFE DER ZEIT Der Abakus war wohl der erste Computer zur Durchführung einfacher Rechenoperationen. Die meisten Menschen verbinden das Wort « Computer » mit den elektronischen Geräten, die im letzten Jahrhundert erfunden wurden und sich zu den heutigen modernen Computern weiterentwickelt haben. Der Siegeszug portabler PC s ist eng mit der Entwicklung von Mikroprozessoren, LCD -Displays und der Batterie technologie verknüpft. Computer wie Personal Digital Assistants, Tablets und Smartphones sind heute viel kleiner und portabler als Laptops.

GENIE GESUCHT Der Ausdruck «Computer » erschien erstmals in der «New York Times» vom 2. Mai 1892. Eine Anzeige der US Civil Service Commission lautete wie folgt: «Computer gesucht. […] Die Überprüfung setzt Kenntnisse in Algebra, Geometrie, Trigonometrie und Astronomie voraus.»

RASANT SCHNELL

Quellen: emc.com, intel.de, gigaom.com, focus.de, ns1758.ca/winch/winchest.html, historyofcomputer.org, cs-exhibitions.uni-klu.ac.at, searchstorage.techtarget.com, nytimes.com

1971 verblüffte der Prozessor 4004 von Intel mit einer Taktfrequenz von 0.74 MHz. 1979 erreichte Motorolas 68000 eine Geschwindigkeit von 16 MHz. Intels Pentium-Reihe kam auf 200 MHz und 1999 mit dem P3 auf 1033 MHz. Der GK110 Kepler von Nvidia erreichte 2012 sogar 3004 MHz.

PROZESSORINNOVATIONEN 1965 beobachtete Gordon Moore, dass sich die Anzahl der Transistoren auf einem Chip etwa alle zwei Jahre verdoppelt.

Im Vergleich zu Intels erstem Mikroprozessor, dem 4004 von 1971, ist ein Prozessor wie der Intel 62-Core Xeon Phi ( 22-Nanometer-Fertigung) von 2012 über 4000 -mal schneller, und jeder Transistor verbraucht rund 5000 -mal weniger Energie. Der Preis für einen Transistor ist dagegen um das 50 000 -Fache gesunken.

GESCHICHTE DER SPEICHERGERÄTE Menschen haben schon immer Mittel und Wege gesucht, um Informationen für die kommenden Generationen zu speichern.

Wer heute das Wort «speichern» oder «Computerspeicher » hört, denkt in der Regel an CD-ROM, DVD oder USB -Sticks.

Tools wie die Floppy Disk oder Lochkarten sind praktisch in Vergessenheit geraten. Tatsächlich reicht die Geschichte der Speichermedien aber bis in prähistorische Zeiten zurück: Unsere Vorfahren zeichneten Informationen über ihr Leben auf Steine sowie an Höhlenwände und -decken.

BIG-DATA-LÜCKE DIGITALES UNIVERSUM Das Gros der digitalen Informationen ( 68 Prozent im Jahr 2012) wird von Konsumenten generiert und ausgetauscht.

Sie sehen digitales Fernsehen, interagieren auf sozialen Medien, senden Bilder und Videos von ihren Handykameras oder stellen solche aufs Internet usw.

2012 wären rund 23 Prozent aller Informationen im digitalen Universum für Big Data nutzbar gewesen, wenn sie getaggt und analysiert worden wären. Die Technologie ist aber noch lange nicht so weit, und in der Praxis werden nur 3 Prozent der potenziell nützlichen Daten getaggt und gerade mal 0.5 Prozent davon analysiert.

GLOBAL INVESTOR 1.13

—08

POWER IN UNSEREN HÄNDEN

Kleiner, schneller, leichter, billiger. Die Datenmengen, die wir generieren und sammeln, expandieren exponentiell, vor allem angesichts der immer populäreren Mobilgeräte, deren Nutzer aufgrund eines einzigen Ereignisses enorme und vielfältige Datenströme produzieren.

CHIPS UND BYTES

Öffnen Sie den Aufklapper und entdecken Sie in unserem Speicher-Laden, welche Fortschritte seit der Erfindung des Zählrahmens gemacht wurden. Reisen Sie mit uns zurück zu den Ursprüngen der Computertechnologie, als einige Megabyte an Speicher noch ein Vermögen kosteten und ein 12-MHzComputer als blitzschnell galt.

GLOBAL INVESTOR 1.13

—09

Informationsmanagement

Der andere Erfolgsfaktor Information ist gut. Mehr Information ist besser. Aber wie geht man mit einer regelrechten Informationsflut um? Ein umfassender Bericht des McKinsey Global Institute ( MGI ) von 2011 zeigt auf, wie sich von Big Data profitieren lässt. Nilanjan Das, Redaktor des Global Investor, unterhielt sich mit Michael Chui, dem Hauptautor des Berichts.

Hören Sie diesen Artikel auf der Wissensplattform des Global Investor. www.credit-suisse.com/globalinvestor

Foto: Getty Images

Illustration: Georg Wagenhuber

Nilanjan Das, CFA , ist verantwortlicher Redaktor des Global Investor und Leiter von Global Research KPO, wo er ein multidisziplinäres Team führt.

Er promovierte am Indian Institute of Management in Bangalore, Indien.

Nilanjan Das: Wann und warum wurde Big Data als Ansatz zum Umgang mit strukturierten Daten so wichtig? Gab es neben dem Bericht des McKinsey Global Institute von 2011 weitere Impulse – geschäftlicher oder technologischer Art –, die Big Data in den Vordergrund rückten?

Michael Chui: Wir glauben, dass Daten für Unternehmen schon immer wichtig waren. Die Idee, dass Daten Mehrwert schaffen, ist daher nicht neu. Allerdings haben wir eine Veränderung des Ausgangsmaterials – also der Daten selbst – festgestellt: Wie die Bezeichnung «Big Data» impliziert, nahm der Umfang der Daten exponentiell zu. Dabei handelte es sich aber nicht nur um «strukturierte» Daten, also Daten, die über-

Michael Chui ist Direktor des McKinsey Global Institute ( MGI ), wo er die Erforschung der Folgen von Informationstechnologien und IT-Innovationen leitet. Er hat einen Doktor titel in Computer- und Kognitionswissenschaften der Indiana University, USA .

sichtlich in Zeilen und Spalten passen. Wir entdeckten eine neue Vielfalt an Datenquellen und -typen, zum Beispiel Social-Media-Technologien wie Tweets sowie multimediale Daten. Zudem beobachteten wir, dass Daten vermehrt in Echtzeit verfügbar sind. Somit lässt sich beispielsweise ein Kunde, der im Laden vor einer Kaufentscheidung steht, direkt mit einer Marketingbotschaft ansprechen. Aufgrund all dieser Aspekte – zunehmende Datenmengen, mehr Vielfalt und grössere Verfügbarkeit in Echtzeit – kamen wir zum Schluss, dass sich hier neue Möglichkeiten auftun: Unternehmen können Mehrwert schaffen und Daten lassen sich in allen Sektoren und Betrieben effizient für technologische Innovationen > und neue Geschäftsmodelle einsetzen.

GLOBAL INVESTOR 1.13

—10

Wie funktioniert das konkret ?

Technisch gesehen haben wir während Jahrzehnten gelernt, wie Daten in traditionellen, relationalen Datenbanken zu verwalten, zu analysieren und zu optimieren sind. Nun stehen jedoch unstrukturierte Daten im Fokus der Innovation. Wie managt man multimediale Daten? Wie managt man Sensordaten? Welche Algorithmen und Techniken setzt man ein, um aus diesen neuen Datentypen Erkenntnisse zu gewinnen? In diesen Bereichen gab es enorm viele Innovationen.

Und letztlich: Wie lässt sich mit alledem Mehrwert schaffen? Nehmen Sie etwa Daten aus sozialen Netzwerken oder dem sozialen Bereich.

Bisher konnte die Einstellung der Konsumenten einer Marke gegenßber nicht in Echtzeit erfasst werden. Im McKinsey Quarterly interviewte ich den CEO eines Konsumgßterunternehmens. Dieser erzählte mir, dass er als Jungmanager zu Beginn seiner Karriere die Kundenstimmung noch ganz anders auslotete: Er besorgte sich Kassetten aus dem Callcenter und hÜrte sich diese auf dem Heimweg im Auto an. Heute hat er jederzeit Echtzeitinformationen zur Akzeptanz seines umfassenden Markenportfolios auf seinem Bildschirm.

Welche Art von Unternehmen nutzen Big Data wirklich gut, um sich einen Wettbewerbsvorteil zu verschaffen?

Unsere Forschung zeigt, dass Konkurrenzfähigkeit in vielen Sektoren eine effiziente Nutzung der Daten voraussetzt. Big Data spielt praktisch ßberall eine wichtige Rolle. Unternehmen, die Daten effizient zu nutzen lernen, sind im Markt also mit grÜsserer Wahrscheinlichkeit erfolgreich.

Wer Big Data nicht nutzt, gerät ins Hintertreffen.

Insbesondere der Online sektor spielte bei Big-Data-Applikationen eine Vorreiterrolle. Es handelt sich um Unternehmen, deren Daseinsberechtigung von Anfang an auf einer effizienten Datennutzung, auf Experimenten und A/B-Tests zur Messung der Effizienz von Websites beruhte. Konsumnahe Unternehmen, wie zum Beispiel Lebensmitteldetaillisten, haben diesen Ansatz seit einiger Zeit verinnerlicht, vor allem bei der Kundenbindung. Noch ein Beispiel: Anbieter von Kreditkarten haben viel Aufwand betrieben, um ihre Kunden auf Basis traditioneller Datenquellen zu segmentieren. Nun beginnen sie, die neuen Quellen an Echtzeitdaten fĂźr die WertschĂśpfung zu nutzen.

Fluggesellschaften und Kasinobetreiber setzen Big Data vermehrt ein, um ihre Wettbewerbsfähigkeit zu steigern. Immer Üfter machen sich auch Unternehmen, die in der WertschÜpfungskette weiter unten angesiedelt sind, diesen Trend zu eigen. Ein Hersteller, der Informationen zu den Kunden bisher etwa ßber eine Vertretung oder einen Einzelhändler holte, kann diese Kanäle nun umgehen und sich stattdessen direkt ßber die Kunden Daten beschaffen und die richtigen Schlßsse ziehen.

Im Bericht des MGI erläuterten Sie das hohe Umwälzungspotenzial von Big Data in fßnf Bereichen – Gesundheit, Üffentliche Verwaltung, Einzelhandel, Fertigung und Lokalisierung. Wie ist die Entwicklung mittlerweile verlaufen? Wer ist fßhrend, wer zurßckgeblieben?

Meines Erachtens stehen wir erst am Anfang einer Entwicklung, die in all diesen Sektoren mehrere Jahre dauern wird. Im Vergleich zu 2011, als wir unseren Bericht publizierten, scheint Big Data im Bewusstsein der FĂźhrungsetagen heute ziemlich gut verankert. Mit Blick auf die effektive Nutzung und die WertschĂśpfung gibt es indes praktisch in allen Branchen enorme Unterschiede von Unternehmen zu Unternehmen.

Sie haben diverse Hindernisse fßr politische Entscheidungsträger und Unternehmer identifiziert, vor allem in Bezug auf Datengesetze und Datenschutz, Humankapital, geistiges Eigentum, Innovation und auf die Infrastruktur der Datenßbertragung. Wirken diese Faktoren nach wie vor bremsend ?

Absolut. Das Potenzial von Big Data wurde bisher nicht vollumfänglich freigesetzt, weil es nach wie vor an gĂźnstigen Rahmenbedingungen fehlt oder noch Hindernisse auszuräumen sind. Datenschutz ist ein wichtiges Thema: Er kann einen multinationalen Konzern, der in verschiedenen Ländern auf unterschiedliche Regulierungen trifft, vor grosse Probleme stellen. Die Internetsicherheit birgt Herausforderungen, denn mit zunehmendem Wert der Daten wird Datendiebstahl attraktiver. Und selbst geistiges 'KIGPVWO YKTHV MPKHĆ KIG (TCIGP CWH 9GO IGJĂ’TGP \WO $GKURKGN FKG &CVGP die Ihr Herzschrittmacher aussendet ? Die Antwort ist komplex. Zudem gibt es technische Herausforderungen. Ich habe bereits auf die grossen Fortschritte bei der Verwaltung, Integration und Analyse unstrukturierter Daten mit hohem Tempo und in Echtzeit hingewiesen. Die Probleme sind aber bei Weitem nicht alle gelĂśst. Effektiv nimmt der Schwierigkeitsgrad weiter zu. Hinsichtlich der Analysewerkzeuge, die eingesetzt werden kĂśnnen, stehen wir meiner Meinung nach noch ganz am Anfang.

Im Gesundheitswesen zeigen sich die Vorteile und Risiken von Big Data klar.

Im Gesundheitssektor spielen Politik und Regulierung eine grosse Rolle.

1996 verabschiedeten die USA beispielsweise den Health Insurance Portability and Accountability Act , der die Vertraulichkeit und Sicherheit individueller Patienteninformationen regelte, und es gab weitere Datenschutzgesetze. Einige davon kÜnnen Probleme bereiten. Mit Blick auf das US -Gesundheitssystem und das enorme Potenzial von Daten, die Kostenentwicklung zu beeinflussen, zeigt sich, dass Anreize oft falsch gesetzt werden. Wirtschaftliche Anreize kÜnnen Ärzte beispielsweise dazu veranlassen, mehr Behandlungen vorzunehmen, als gemäss Datenlage nÜtig sind. Laut unserer nun schon zwei Jahre zurßckliegenden Analyse bestand und besteht die grÜsste Herausforderung allerdings im Mangel an Datenfachleuten: Es fehlt an Spezialisten, die aus immer mehr, immer vielfältigeren Echtzeitdaten Erkenntnisse gewinnen kÜnnen. Solche Fachkräfte benÜtigen eine Ausbildung, Talent und unternehmerisches Verständnis. Der Bedarf an Datenwissenschaftlern nimmt weiter zu – womÜglich viel schneller, als wir sie finden und ausbilden kÜnnen.

Was verraten uns politische Wahlen Ăźber das Potenzial von Big Data?

Die effiziente Nutzung von Big Data hat die Art und Weise, wie Wahlen in Demokratien gewonnen oder verloren werden, von Grund auf verändert.

Bei Wahlkampagnen kommen heute dieselben Techniken zum Einsatz, die auch Marketingabteilungen verwenden. Eine weitere Lehre ist, dass sich ein Nutzen viel schneller und kostengßnstiger erzielen lässt, als es die typische IT-Abteilung einer Organisation vielleicht gewohnt ist. Um einen Wahlkampf aufzusetzen, bleiben in der Regel nur einige Monate Zeit. Und doch lässt sich damit ein realer Nutzen erzielen.

Welchen Beschränkungen unterliegen Ihres Erachtens Software - und Analyse werkzeuge fßr Big Data? Die Open-Source -Software Hadoop wurde als grosser Fortschritt fßr die Nutzung von Big Data gefeiert. Was kommt als Nächstes?

Wie gesagt, wir stehen noch ganz am Anfang. Erste nĂźtzliche Tools wie Hadoop sind zwar verfĂźgbar, aber es existiert ein grosses und fragmentiertes ÂŤĂ–kosystemÂť, in dem nach wie vor Technologien und LĂśsungen fĂźr das Big-Data-Management entwickelt werden kĂśnnen.

Obwohl es gewisse alltagstaugliche Technologien gibt, erwarte ich nicht, dass der Innovationsgrad in diesem Bereich schon bald nachlassen wird.

Das aktuelle Umfeld ist von geringem Wirtschaftswachstum, minimalen Infrastrukturausgaben und Kosteneinsparungen geprägt. Wirkt sich dies in Ihren Augen auf die Big-Data-Investitionen herkÜmmlicher >

GLOBAL INVESTOR 1.13

WIE GROSS IST BIG DATA?

«Enorm» trifft es nicht einmal ansatzweise. «Massiv» beschreibt lediglich eine andere Liga.

Menge, Umfang und Bedeutung von Big Data erreichen ein Ausmass, das nur schwer fassbar, aber unmöglich zu ignorieren ist.

Alle Formen von Videos werden auch bis 2016 noch rund

Sensordaten und SmartphoneProtokolle erhöhen die Vielfalt. VideoStreaming steigert die Geschwindigkeit (englisch: Velocity).

Volumen nehmen exponentiell zu.

86%

des globalen Konsumdatenverkehrs ausmachen.

6 000 000 000 HandyAbonnemente weltweit

87%

der Weltbevölkerung

300-faches

Wachstum des digitalen Universums von 2005 bis 2020 auf 40 000 Exabyte

1056 000 000 Facebook-Nutzer weltweit

680 000 000 Nutzer loggen sich monatlich mit Mobilfunkgeräten ein.

Der geschäftliche IP-Verkehr wird im Nahen Osten und in Afrika am schnellsten wachsen, nämlich mit einer CAGR * von

33%

* durchschnittliche Wachstumsrate p. a.

1000 000 000 000 000 000 Byte

82%

der 18 - bis 29 -Jährigen nutzen irgendeine Form der sozialen Netzwerke.

Ein Exabyte an Daten geht täglich über das Internet.

Quelle: mobithinking.com, cisco.com, shareholder.com, IBM, OECD Insights, IDC

Internetverkehr bis 2016

61% Mobilfunkgeräte

50%

39%

kabelgebundene Geräte

aller Internetnutzer weltweit verwenden Google jeden Tag.

2 050 000

Google-Suchergebnisse für «What is Big Data?»

15 GB

Der IP-Verkehr pro Kopf und Jahr wird von 4 Gigabyte (2011) auf 15 Gigabyte (2016) steigen.

—11

GLOBAL INVESTOR 1.13

—12

TWEETS MIT BIG-DATA-SCHLAGWÖRTERN Der Marketingsektor erkannte schon früh, dass sich mit der Suche nach nützlichen Informationen in Datenströmen Mehrwert generieren lässt. Online visualisierungstools wie der untenstehende Twitter StreamGraph zeigen Frequenz und Zeit thematischer Schlagwortverknüpfungen. Sie liefern Vermarktern annähernd Echtzeitdaten, die sie für die Produktplatzierung und -entwicklung sowie für die Identifikation neuer Trends nutzen können.

Quelle: Twitter StreamGraph, 22. April 2013, www.neoformix.com/Projects/TwitterStreamGraphs/view.php?q=bigdata

ANALYTICS

MARKET

CLOUD SERVICE

ANALYTICS

GROWTH

CRN BUILD

UNDERSTAND

MARKET

LIST OPTIMUM

REVOLUTION

WORKERS

MARKETWIRE

SEO DRIVE

NAMED INTEL INAUGURAL

WEEK

BIG DATA

SOFTWARE

HELP

Tweets pro Tag (TPT)

Tweets pro Sekunde (TPS)

9854 MAX 6822 3146 MIN

Quelle: Twitter TPS Watcher, 22. April 2013

2011

2012 Quelle: Twitter

GLOBAL INVESTOR 1.13

Unternehmen aus? Stellen diese ihre Bemühungen zurück und wird Big Data den grossen Durchbruch möglicherweise gar nie schaffen?

Investitionen in Big Data und in traditionelle Daten stehen nicht in Konkurrenz zueinander. Ein Unternehmen muss wissen, wie sich aus Daten Wert schöpfen lässt. Manchmal liegt dieser in traditionellen Datenbanken und manchmal lässt er sich mit neuen Technologien aus unstrukturierten Daten generieren. Wir beobachten, dass Unternehmen ihre Kaufentscheidungen oft daran ausrichten, was ihnen die Zulieferer anbieten – ein fundamentaler Fehler. Ich betone deshalb nochmals: Sie müssen verstehen, wo in Ihrem Unternehmen Werte geschaffen werden können, und dann die Instrumente finden, um diese zu realisieren. Welches das richtige Tool ist, hängt davon ab, welche Strategie Sie verfolgen, wo Ihr Wettbewerbsvorteil liegt, in welchem Ge schäftsprozess Sie Daten nutzen wollen und so weiter.

Welche Lehren in Bezug auf Big Data lassen sich aus den jüngsten Hackerangriffen ziehen, über die renommierte Zeitungen und wichtige Akteure wie Microsoft, Apple und Facebook berichtet haben? Könnten diese Ereignisse Unternehmen davon abhalten, sich auf BigData-Technologien einzulassen?

Internetsicherheit ist heute unglaublich wichtig. In unseren Gesprächen hat sich gezeigt, dass sie heute in den Verantwortungsbereich des CEO fällt, nicht nur des CIO oder des CTO. Ich glaube daher nicht, dass sich die Unternehmen durch diese Attacken von der Datennutzung «abschrecken» lassen. Sie zeigen aber, dass es wegen der grossen Bedeutung der Daten unglaublich wichtig ist, zu lernen, wie die Daten zu sichern sind. Daten sind ein entscheidender Erfolgsfaktor für Ihr Unternehmen.

Sie müssen lernen, sie wie alle anderen Erfolgsfaktoren zu schützen. Ein Punkt ist, dass Daten aus Ihrem Unternehmen verschwinden können, ohne dass sie jemand durch eine physische Türe trägt. Internetsicherheit ist deshalb für Firmen und andere Organisationen eine reale und unglaublich wichtige Aufgabe. Wir glauben, dass sie als unternehmerisches und nicht ausschliesslich als technisches Problem anzugehen ist.

Bisher ist Big Data vor allem in den Industrieländern auf Aufmerksamkeit gestossen. Aus rein demografischer Sicht drängen sich aber doch Indien und China als Quellen grosser Datenmengen sowie von Talenten auf, die zur Nutzung der Vorteile von Big Data erforderlich sind. Wie sehen Sie die Entwicklung von Big Data in den Schwellenmärkten?

Erstens glauben wir, dass Big Data die Wettbewerbsfähigkeit sowohl in den Industrie - als auch in den Schwellenländern prägen wird. In der Presse wurde viel mehr über den Einsatz von Big Data in den Industrieländern berichtet, doch die entsprechenden Medien sind auch mehrheitlich dort angesiedelt. Aber es gibt bereits erste Unternehmen in den Schwellenländern, die auf der Basis von Daten konkurrieren. Ihre Zahl dürfte weiter zunehmen. Und Länder mit vielen mathematisch begabten Arbeitskräften – mit Fähigkeiten in den Bereichen maschinelles Lernen von IT-Systemen und Statistik – verfügen über einen wichtigen « Rohstoff», um aus dem Datenmaterial Mehrwert zu schaffen. Folglich rechnen wir damit, dass Länder, die über derartige Talente verfügen, künftig konkurrenzfähig sein werden. In Indien gibt es beispielsweise gewisse Anbieter von Unternehmens- oder IT-Dienstleistungen, die in Big Data eine Chance sehen und ihre Geschäftspläne entsprechend auszurichten beginnen.

Welche Faktoren sollten die Führungsspitzen von Unternehmen und die Anleger im Zusammenhang mit Big Data immer vor Augen haben?

—13

Erstens: Big Data ist ein Big Deal. Big Data wird die gesamte Wirtschaft beeinflussen – ohne Ausnahme. Falls Sie sich fragen, ob dies für Sie relevant ist, dann lautet die Antwort mit ziemlich grosser Sicherheit ja.

Zweitens: Big Data ist die neue Basis des Wettbewerbs. Wenn Sie Big Data nicht beherrschen, sind Sie im Nachteil. Drittens: Jetzt oder nie. Es gilt, keine Zeit zu verlieren. Als Unternehmer sollten Sie nicht erst in einigen Jahren mit Big Data experimentieren, um dann Ihre gesamte ITInfrastruktur auf einen Schlag modernisieren zu können. Sie müssen versuchsweise schon heute erste Schritte zur Wertschöpfung unternehmen. Irgendwann werden Sie das Triebwerk sozusagen im Flug austauschen oder ihre IT-Infrastruktur auf den neusten Stand bringen müssen.

Die Anwendung von Big Data lernt sich am besten während ihrer Nutzung.

Wo sehen Sie mögliche Fallstricke?

Einer davon ist, dass Big Data Führung erfordert und möglichst nicht delegiert werden sollte. In Unternehmen, deren Geschäftsmodell stark auf die Datennutzung ausgerichtet ist, kommunizieren die Führungskräfte von oben nach unten auf völlig andere Art und Weise. An die Stelle eines Managements, das auf Erfahrungen und Bauchgefühl beruht, treten Diskussionen über Daten und Experimente. Dieser Prozess beginnt ganz oben. Ein weiteres Risiko besteht darin, zu kaufen, was der Zulieferer anbietet, statt zu entscheiden, welche Mehrwerte in Ihrem Unternehmen geschaffen werden sollen und wie Daten dazu beitragen können.

Zudem bereitet die Qualität der Daten oft Sorge. Diese ist zwar sehr wichtig, aber eine hundertprozentige Genauigkeit, die für gewisse Anwendungen entscheidend sein kann, ist für andere nicht unbedingt nötig.

Im Marketing beispielsweise braucht es für einen gewissen Erfolg keine hundertprozentige Genauigkeit. Ein Angebot stösst bei einem bestimmten Kunden möglicherweise nicht auf Anklang, doch wenn genug andere Kunden damit zufrieden sind, werden Sie erfolgreich sein. Übertreiben Sie die Anforderungen an die Qualität der Daten also nicht. Die Datenqualität braucht lediglich Ihrer Fragestellung zu genügen.

Welches ist im Zusammenhang mit Big Data das grösste Muss?

Das Aufspüren und Fördern von fähigen Köpfen ist unerlässlich. Finden Sie einen kompetenten leitenden Datenwissenschaftler sowie Mitarbeitende mit guten rechnerischen Fähigkeiten, die in Ihr Geschäft eingeführt werden können – und diese Leute werden Ihr Unternehmen mit Big Data Ɓ zum Erfolg bringen.

WEITERFÜHRENDE LITERATUR Für detailliertere Informationen verweisen wir auf den Bericht des McKinsey Global Institute: http://tiny.cc/3nn3vw

GLOBAL INVESTOR 1.13

—14

«ES IST EIN KAPITALER FEHLER, THEORIEN ZU FORMULIEREN, BEVOR MAN ALLE TATSACHEN KENNT.» Arthur Conan Doyle

1891

GLOBAL INVESTOR 1.13

—15

Einzelhandel

Einkaufen neu erfunden Wer im Einzelhandel etwas erreichen will, muss seine Kunden kennen. Nur wer genau weiss, was sie wann, wo, in welcher Qualität und zu welchem Preis wünschen, hat Erfolg. Philip Clarke, der CEO von Tesco, bringt es auf einen einfachen Nenner: «Passe dich dem Kunden an oder stirb.»

Andreas Tomaschett, CFA , Senior Equity Analyst, Credit Suisse

Hören Sie diesen Artikel auf der Wissensplattform des Global Investor. www.credit-suisse.com/globalinvestor

Stellen Sie sich vor, Sie kommen an einem grossen Kaufhaus vorbei, und just in diesem Moment erhalten Sie von ihm eine Nachricht mit einem attraktiven Angebot auf Ihr Handy. Am Eingang begrüsst Sie ein Verkäufer mit Ihrem Namen, und zudem scheint er nahezu alle Ihre persönlichen Vorlieben und Abneigungen zu kennen. Am Ende kaufen Sie genau das, was Sie schon immer gesucht hatten – obwohl Ihnen dieser Wunsch vorher vielleicht gar nicht bewusst war. So könnte die Zukunft im Einzelhandel aussehen – dank der stetig wachsenden immensen Datenmenge, die in Geschäften, sozialen Medien wie Twitter oder Facebook und auf Reiseportalen wie Priceline.com über Verbraucher gesammelt wird.

Besonders erfolgreich beim Zusammenführen von Kunden und Produkten war Amazon. Das 1995 als Onlinebuchversand gegründete Unternehmen setzte sich rasch gegen traditionelle Einzelhandelsunternehmen durch, besonders bei vergleichbaren Produkten wie Verbraucherelektronik oder CDs. Amazon registriert jeden Klick seiner Besucher – egal ob er per Computer, Tablet oder Smartphone erfolgt und ob es sich um Käufe oder einfache Seitenaufrufe handelt. Aus diesen Klicks wird ein Interessenprofil des jeweiligen Besuchers erstellt. Amazon hat sich zu einem wahren Handelsriesen entwickelt.

Doch bereits in dieser frühen Phase von Big Data sind Wettbewerber auf den Plan getreten.

Keine traditionellen Einzelhandelsunternehmen mehr

Der Einzelhandel ist einem ständigen Wandel unterworfen. Tante Emma-Läden wurden abgelöst von internationalen Konzernen und landesweiten Ketten, die dank ihrer Grösse bessere Einkaufspreise erzielen. Zudem bieten diese modernen Einzelhandelsunternehmen eine breitere Produktpalette und erreichen über die Kombination aus traditionellen Geschäften und Onlineshops ein grösseres Publikum.

Auch wenn kaum ein Einzelhändler jeden seiner Kunden mit Namen kennt – ein individueller Service ist und bleibt der Schlüssel zum Erfolg.

Entsprechend versuchen die Händler, möglichst umfangreiche Kundendaten zu sammeln und auszuwerten, um Nachfrage und Umsatz anzukurbeln. Seine eigenen Kunden möglichst gut zu kennen, ist die beste Strategie im Konkurrenzkampf. Big Data gibt Unternehmen die Werkzeuge zum Verständnis ihrer Kunden in die Hand. Doch von welchen Daten ist hier die Rede?

Die richtigen Daten erfassen

Im Geschäft oder online gesammelte Daten sagen dem Händler, was seine Kunden wann gekauft, retourniert oder umgetauscht haben.

Anhand dieser Daten kann er seine Mitarbeitenden effektiver einsetzen und die Lagerbestände organisieren. Doch moderne Einzelhändler müssen die Bedürfnisse ihrer Kunden auch aktiv antizipieren, die Kommunikation mit ihnen beschränkt sich heute nicht mehr auf den Kontakt im Geschäft. Vielmehr werden auch soziale Medien in die Produktplanung einbezogen. 2009 machten sich etwa Fans auf Facebook für die Wiedereinführung einer Sorte Zwiebelringe stark, deren Produktion 14 Jahre zuvor eingestellt worden war. Der Schweizer Hersteller Zweifel ging auf die Initiative ein und legte das Produkt neu auf. Beim Onlineshopping werden zusätzliche Informationen darüber gesammelt, was Kunden zwar nicht gekauft, aber angesehen haben.

Ein neues Verständnis von Verbraucherverhalten hat in Kombination mit der zunehmenden Nutzung von Smartphones und Facebook zur Verbreitung von Programmen und Händlernetzwerken zur Kundenbindung beigetragen, wie das von Sainsbury’s und BP in Grossbritannien gegründete Nectar, bei dem sich mittlerweile auch andere Einzelhändler beteiligen. Gewisse Firmen wie etwa Marks & Spencer bieten sogar Kreditkarten an, die auch Einkäufe bei der Konkurrenz ermöglichen. Die Kunden werden für ihre Treue belohnt, geben dafür jedoch ihre Anonymität bei Einkäufen auf. Damit können die Händler Verhaltensmuster erkennen und ihre Angebote in ihrem eigenen und im Interesse der Kunden optimieren. Für eine bessere Kundenbin dung >

GLOBAL INVESTOR 1.13

—16

WAS BIG DATA AUF LAGER HAT Clevere Einzelhändler setzen auf Big Data und nehmen die dazu erforderlichen technischen Änderungen vor. Indem sie das Internet, die enormen Datenmengen und verblüffende Verarbeitungsgeschwindigkeiten nutzen, können sie das Einkaufserlebnis – und ihre Umsätze – optimieren. Quelle: Cisco VIDEOÜBERWACHUNG Sorgt für Sicherheit, dient der Diebstahlsicherung im Laden und zeichnet Kundenflüsse auf.

WI-FI Überträgt alle im Laden erfassten Daten an den Einzelhändler.

PRÄZISIONSLOKALISIERUNG Der Einzelhändler nutzt Präzisionsortungstechnologie, um Kunden in der Nähe bestimmter Produkte auf Sonderangebote hinzuweisen.

GESTENERKENNUNG Analysiert die Gesichtsausdrücke. Die Echtzeitresultate gehen an das Marketing und an die Mitarbeitenden.

DIGITALE BESCHILDERUNG Weist auf Sonderangebote hin.

Dank Touchscreen-Konzept kann der Einzelhändler die Kundenbedürfnisse genau verfolgen.

MITARBEITER-TABLETS Verkaufsmitarbeitende werden in Echtzeit über die beste Nutzung von Ressourcen im Laden informiert.

INTERNET DER DINGE Sensoren liefern dem Einzelhändler laufend Feedback zu den Regalen, Produkten, Einkaufswagen, zum Parking usw.

KUNDENHANDY Überträgt wertvolle GPS -Daten. Der Einzelhändler kann gezielt Werbung per SMS oder Mail senden, wenn der Kunde im Laden oder in der Nähe ist.

MASSNAHMENPLANUNG Mit Big Data kann der Einzelhändler Trends überwachen, die Nachfrage voraussagen und die Lieferkette optimieren, um das richtige Produkt zum richtigen Zeitpunkt und Preis den Konsumenten anzubieten.

WISSEN AUS DER WOLKE Digitale Spuren werden aufgezeichnet und analysiert, um die Absatzchancen zu optimieren.

100 10 1011001001000 00 10 10010100100101010 0 10101010100000100100 0 1010011100111010101000 0 01010100010100100001111 1 001010110100111110001111 010110001010100010100100 00111100101011010011111 0001111010110001010100 0101001000011110010 1011010011111000 1111010110

10 001

BIG-DATA-SPEICHER Alle Laden- und Kundendaten werden erfasst und für die Analyse an Datenbanken übermittelt.

SCHNELLE DATENVERARBEITUNG Annähernd in Echtzeit werden die gesammelten Daten durchforstet und analysiert, um für das Geschäft nutzbare Muster abzuleiten.

Foto: Martin Stollenwerk

GLOBAL INVESTOR 1.13

—17

müssen sie das Verhalten ihrer Kunden belohnen, indem sie ihre Wünsche und Erwartungen noch übertreffen. Im besten Fall erhält der Kunde ein auf ihn zugeschnittenes Angebot, mit dem der Händler gleichzeitig seinen Umsatz steigert. Einige anschauliche Beispiele zeigen, mit welchen Strategien grosse Datenmengen im Einzelhandel besonders erfolgreich genutzt werden.

Preisgestaltung und Angebotsoptimierung

Alles dreht sich um den Preis – fast alles. Dank dem Internet sind Preisvergleiche heute einfacher als je zuvor. Bei der Verbraucherelektronik hat ein starker Wettbewerb die operativen Margen ausge höhlt – hier sind reine Onlineplattformen wie Amazon mit niedrigeren Fixkosten gegenüber herkömmlichen Geschäften wie etwa Best Buy im Vorteil. Beim Onlineshopping helfen Vergleichsportale den Verbrauchern, den günstigsten Preis für ein Produkt zu finden. Im La den können die Kunden mit ihrem Handy Produktcodes einscannen, um sich genauer zu informieren und die Preise zu vergleichen. Allerdings umgehen erfolgreiche Händler die Preissensitivität der Kunden, sie optimieren ihre Gewinne auf andere Weise: Zum einen erhöhen regelmässige personalisierte Sonderangebote die Kundentreue – zufriedene Kunden sind weniger preissensitiv. Zum andern richten sich die Händler an Kundengruppen mit unterschiedlicher Zahlungsbereitschaft. Die Nutzer der Tesco-Clubcard erhalten beim Besuch der Website beispielsweise Angebote für Produkte entweder im oberen oder im unteren Preissegment, basierend auf ihrem bisherigen Kaufverhalten. Dieser Ansatz wurde beim Verkauf von Matratzen bereits erfolgreich getestet: Durch Angebote, die je nach Kunde verstärkt auf den Preis oder auf die Qua lität fokussierten, steigerte Tesco die Umsätze um 10 Prozent.

Die Bekleidungskette American Apparel hat das Erfassen von Daten von ihrer Onlineplattform auf ihre Ladengeschäfte ausgedehnt.

Gemeinsam mit Tyco und dem Analyseexperten RetailNext wertet American Apparel nun auch die Bilder ihrer Überwachungskameras aus, um das Kaufverhalten der Kunden zu untersuchen. Zudem fliessen die Kameradaten direkt in die Personalplanung ein, sodass die Spitzenzeiten besser abgedeckt sind. Und schliesslich erzielt das Unternehmen Einsparungen durch die Kombination von Systemen für Kundenmanagement und Verlustminimierung auf einer einzigen Plattform. Laut Retail TouchPoints konnte American Apparel ihre Ladenumsätze um über 30 Prozent steigern, während gleichzeitig 16 Prozent weniger Diebstähle registriert wurden.

Vor dem Weihnachtsgeschäft 2011 startete Walmart die FacebookApp Shopycat für Geschenkempfehlungen. Wurde die App einem Facebook-Profil hinzugefügt, erhielt sie Zugang zu allen Daten von befreundeten Nutzern. Shopycat durchsuchte die Profile auf Basis von Likes, Kommentaren und Status-Updates zu möglichen Geschenken und empfahl etwas Passendes aus dem Walmart-Sortiment. Die App führte laut dem Unternehmen zu steigenden Onlineumsätzen, Zahlen wurden allerdings keine genannt. Bestenfalls profitieren sowohl Händler als auch Kunden von der Auswertung der Kundendaten: Die Händler steigern ihre Effizienz, wenn sie die richtigen Produkte zum richtigen Zeitpunkt den richtigen Kunden anbieten, und die Ve rbraucher profitieren von Angeboten, die exakt auf ihre Bedürfnisse abgestimmt sind. Entsprechend nützt Big Data vor allem den Anbietern von Multiplattformdiensten, die sowohl im Onlineshop wie auch über die sozialen Medien und auf traditionellen Verkaufsflächen mit ihren Kunden in Kontakt treten. Um das Vertrauen der Verbraucher zu bewahren, müssen die Händler die gesammelten Daten jedoch angeOGUUGP DGJCPFGNP WPF GPVURTGEJGPF UEJØV\GP Ɓ

Andreas Tomaschett kam 2003 als International Auditor zur Credit Suisse. Derzeit ist er Senior Equity Research Analyst für die Sektoren Einzelhandel, Getränke, Tabak sowie Hotels, Restaurants und Freizeit.

Andreas Tomaschett ist CFA Charterholder und besitzt einen Bachelor of Science in Business Administration der HTW Chur.

GLOBAL INVESTOR 1.13

—18

Sensoren

Das Internet der Dinge Wie kann man in einer immer komplexeren Welt auch in Zukunft die richtigen Entscheidungen treffen? Indem man Daten aus vernetzten Sensoren mit den Methoden von Big Data kombiniert, sagt Florian Michahelles, Spezialist fĂźr Radiofrequenzidentifikation (RFID), Mobile Commerce und soziale Medien.

Ian Lewis, freier Wirtschaftsjournalist

Florian Michahelles ist Dozent und leitet des Auto- ID Lab der ETH ZĂźrich, wo er 2004 promovierte. Er hat Ăźber 100 Abhandlungen zum Internet der Dinge, zu RFID, mobilen Applikationen sowie zur Analyse sozialer Medien publiziert. Zudem hat er die 42matters AG mitgegrĂźndet, die Dienste zur App-Erkennung und -Analyse fĂźr Mobilanwendungen anbietet.

Ian Lewis: Das Internet der Dinge wird oft in einem Atemzug mit Big Data genannt. Was genau ist dieses ÂŤInternet of ThingsÂť (IoT)?

Florian Michahelles: IoT ist die VerknĂźpfung des Internets mit der realen Welt.

Es vernetzt Sensoren auf Gegenständen, Produkten und Maschinen und verhilft so zu einem detaillierten Bild der Informationssysteme. Es verrät uns mehr ßber Vorgänge in der realen Welt und trägt somit zur Entwicklung von Technologien, bedßrfnisorientierten LÜsungen und Geschäftsmodellen bei.

Wo kommt Big Data ins Spiel?

Florian Michahelles: Big Data umfasst die Verarbeitung von Informationen, die aus unterschiedlichsten Quellen und von Sensoren stammen, und sogar solche, die von Nutzern manuell eingegeben werden – also vĂśllig unstrukturierte Daten. Die HerausHQTFGTWPI DGUVGJV FCTKP JGTCWU\WĆ&#x;PFGP YCU diese Daten bedeuten, und die enorme Zahl fehlerhafter Daten herauszufiltern, die die Qualität verschlechtern. Mit Big Data kĂśnnen wir Entscheidungen auf Basis von Daten statt von Erfahrungen oder Meinungen fällen.

Big Data und IoT sind zwei eigenständige Themen, die sich einander aber annähern.

Big Data liegt heute zum Beispiel in Form von Statistiken oder BehÜrdenunterlagen vor. IoT generiert eher andere Arten von Informationen. Es ist allerdings noch in der Entwicklung und hat das Potenzial, enorme, uns bisher nicht zugängliche Datenmengen zu produzieren.

Welche Probleme stellen sich bei der ZusammenfĂźhrung von IoT und Big Data?

Florian Michahelles: Erstens technische Probleme, weil es schwierig ist, Sensoren derart zu versorgen, dass sie zuverlässige Daten liefern. Zudem ist das Umfeld des Sensors wichtig. Temperaturdaten eines Sensors kÜnnen sich stark unterscheiden, je nachdem, wo genau der Sensor platziert wird. Und dann ist da noch der Ükonomische Aspekt. In einer Lieferkette mßssen die Kosten fßr den Sensoreinbau gerechtfertigt sein. Fßr einen Detailhändler sind Sensoren, die Temperaturdaten entlang der Kßhlkette liefern, sinnvoll, um die Produktqualität zu ßberwachen. Fßr den Hersteller des Produkts, der die Sensoren organisieren und bezahlen muss, ist dies indes nur ein Kostenfaktor mit fßr ihn schwer erkennbarem Wert. Wir mßssen verstehen, wer an solchen Daten und ihrer Verarbeitung ein Interesse hat. Es entstehen Kosten, jemand muss bezahlen. In gewissen Fällen kÜnnte dies die Üffentliche Hand tun. MÜglicherweise mßssen aber fßr eine direkte >

GLOBAL INVESTOR 1.13

SENSOREN IM ALLTAG In physische Objekte wie Computer, Uhren und Roboter integrierte Sensoren liefern Daten zur Entwicklung von Technologien, die helfen, unsere Bedürfnisse abzudecken und neue Geschäftsmodelle zu schaffen.

Ortung

Geräusche Temperatur Video

Kräfte Bewegung

Fingerabdruck

Bewegung

Beschleunigung Druck

Druck

Laptops Ortung

Vitalparameter

Temperatur

Sportuhren

Heizungen

Aufzüge

Licht

Waschmaschinen

Distanzen

Roboter

Temperatur

Druck

Beschleunigung

Bewegung Geräusche

Kräfte

Bewegung

Distanzen

Identifikation

Kräfte

Induktion

Temperatur

Feuchtigkeit

Feuchtigkeit

Licht

Foto: Pia Zanetti

Quelle: Florian Michahelles

DIE BAUSTEINE FÜR EINE INTELLIGENTERE WELT

Sensoren verändern unsere Welt positiv. Einzeln oder – immer öfter – im Verbund mit verschiedenen anderen Geräten erinnern sie uns etwa daran, ein Medikament einzunehmen, oder lassen uns den Verkehrsfluss verfolgen. Satellitenbilder von Wettersystemen und Vegetationsveränderungen sowie von Wasserund Landtemperaturen können zum Beispiel mit Temperatur- und Emissionsdaten vor Ort kombiniert werden und damit ein komplexes Bild des Klimawandels und unseres Einflusses auf den Planeten zeichnen.

Die Analyse von Lärm-, Luftverschmutzungs- und Verkehrsdaten vermittelt Stadtplanern Einsichten, wie sich unsere Städte wohnlicher und benutzerfreundlicher konzipieren lassen. So können Fussgänger mit ihren Smartphones bereits heute den Lärm aufzeichnen und damit zur stadtweiten Kartierung von Lärmbelastungen beitragen.

Weitere Informationen finden sich unter

www.postscapes.com/internet-of-things-examples

—19

GLOBAL INVESTOR 1.13

—20

WertschĂśpfung auf diesen Daten basierende Dienstleistungen verkauft werden.

Wir dßrfen uns also nicht nur auf die Technologie konzentrieren und dabei den geschäftlichen Aspekt vergessen.

Wo lassen sich das Internet der Dinge und Big Data heute zusammen nutzen?

Florian Michahelles: Bereits heute sagen uns auf der Mobiltelefonnutzung basierende Profile, wohin Nutzer gehen, wo sie sich treffen, wo in der Stadt sich zu einer bestimmten Zeit am meisten Menschen befinden. Diese unstrukturierte Information lässt sich aus Mobiltelefonprofilen gewinnen, die von den Nutzern an ihre Mobilnetze gesendet werden. Indem wir solche Hotspots visualisieren, kÜnnen wir beispielsweise entscheiden, wo am besten ein Verkaufsstand zu platzieren wäre, oder wo die Verkehrsprobleme am schlimmsten sind und was sich dagegen tun lässt. Kundenempfehlungssysteme, wie etwa jenes von Amazon, kÜnnten ebenfalls als Anwendung von Big Data beschrieben werden, je nachdem, ab wie vielen Exabytes (eine Milliarde Gigabytes) an Information man von Big Data sprechen will. Amazon ist ein gutes Beispiel fßr ein System, das auf dem Verhalten anderer basiert.

Werden IoT und Big Data in komplexen Industrien kombiniert, etwa in Ă–lraffinerien, in Fabriken oder bei der Entwicklung von Flugzeugturbinen?

Florian Michahelles: Meines Wissens nutzen Fabriken oder Hersteller von Flugzeugmotoren derzeit nicht Big Data.

Sensoren, die Abweichungen oder ProzessstĂśrungen melden, eignen sich fĂźr die Ăœberwachung von Maschinen. Das ist einfacher als Big Data, weil der Fabrikbesitzer oder Ingenieur die Parameter des Umfelds genau kennt, deshalb sind Abweichungen in den Daten viel leichter erkennbar. Informationen eines grossen Pools an Autos in einer Stadt oder einem Land hingegen sind unstrukturierte Daten, weil die diversen Hersteller keine standardisierten Informationen oder Technologien haben, sodass Daten in unterschiedlichen Formaten anfallen.

In einem kontrollierten Industrieumfeld lassen sich Daten aber von Anfang an klar strukturieren.

Welches sind die vielversprechendsten Bereiche fĂźr eine Kombination von IoT undBig Data in naher Zukunft?

Florian Michahelles: Es gibt bereits Sensoren, die dem Benutzer die Ăœberwachung seiner physischen Aktivität ermĂśglichen.

Nike hat ein Produkt, mit dem Läufer ihren

Mit Big Data kÜnnen wir Entscheidungen auf Basis von Daten statt von Erfahrungen oder Meinungen fällen.

Kalorienverbrauch ermitteln kÜnnen. Andere Geräte fßr Nichtsportler messen das Wohlbefinden, die Nahrungsaufnahme und die physische Aktivität im Allgemeinen. Zurzeit werden derartige Produkte noch mit herstellerspezifischer Software verkauft und bleiben somit voneinander isoliert. Langfristig wäre es wesentlich sinnvoller, sie miteinander zu verknßpfen. Ihre kombinierten Daten kÜnnten viel mehr Wissen generieren.

Eine Kombination von Daten aller am KÜrper getragener und im Auto angebrachter Sensoren kÜnnte zum Beispiel ein detailliertes Bild vom Tagesablauf eines Nutzers geben. Mit einer Big-Data-Analyse derartiger Informationen von vielen Nutzern liessen sich Aktivitätsmuster erfolgreicher Menschen generieren. Einzelnutzern kÜnnte dann ein Feedback dazu gegeben werden, was sie tun mßssen, um beispielsweise abzunehmen oder gesßnder zu leben.

KĂśnnte ein solcher Prozess kĂźnftig in einem Industrieumfeld Anwendung finden?

Florian Michahelles: Ja, er lässt sich direkt auf die Industrie ßbertragen. Nehmen wir ein komplexes Produkt wie eine neue Turbine. Dem Hersteller fehlt es zum Beispiel an genßgend Erfahrung, um zu wissen, wie lange ihr Lebenszyklus ist oder wie sie am besten gewartet wird. Bringen nun aber alle seine Kunden Sensoren auf ihren Turbinen an, lässt sich leicht ermitteln, welche Kunden ihr Gerät am besten genutzt und instand gehalten haben.

Aus den Daten liesse sich ablesen, wie ihnen dies gelang. Daraus kann der Hersteller

Best Practices ableiten und diese dann Nutzergemeinschaften zugänglich machen, deren Mitglieder miteinander in Kontakt treten kÜnnten – ein Mehrwert fßr den Kunden.

Ein weiteres Beispiel ist die Ermittlung von CO 2-Bilanzen. Die Gesetze stehen, aber ein Grossteil der Daten basiert auf Schätzungen des Industrieausstosses der 1990 er-Jahre. Wßrde jedes Unternehmen verpflichtet, seine CO 2-Emissionen direkt zu messen, kÜnnte mit diesen Daten ein viel genaueres, umfassenderes Bild gezeichnet werden.

Welche Rolle spielen Unternehmen bei der Entwicklung von Big Data?

Florian Michahelles: Zurzeit ist Big Data vor allem bei den grossen IT-Infrastrukturanbietern wie IBM und Cisco ein Thema.

Sie fĂśrdern die Idee, um ihre Datenverarbeitungsplattformen gut verkaufen zu kĂśnnen, sobald Big Data richtig abhebt. Wir hĂśren aber mehr Ăźber Tools, die einige der grossen Anbieter realisieren wollen, als Ăźber die Probleme, die damit gelĂśst werden kĂśnnen.

Hat die Big-Data-Revolution auch Nachteile?

Florian Michahelles: Big Data eignet sich gut fĂźr die Erkennung von Routinen WPF /WUVGTP 7O 7PIGYĂ’JPNKEJGU \W Ć&#x;PFGP braucht es nach wie vor menschliches Denken und etwas GlĂźck. Ein ReisefĂźhrer GORĆ&#x;GJNV OGKUV FKG DGK CPFGTGP 6QWTKUVGP beliebtesten Orte. Vielleicht mĂśchten Sie ja aber genau das Gegenteil: eine bisher noch nicht touristisch erschlossene Destination.

Derartige Informationen lassen sich mit Big &CVC PWT UEJYGT Ć&#x;PFGP Ć

GLOBAL INVESTOR 1.13

—21

Finanzwesen

Likes, Tweets und Kredite Die Menge und Vielfalt von Big Data nimmt exponentiell zu. Auch die Finanzwelt nutzt dieses Instrument bereits, wenn auch nur zu einem Bruchteil. Banken müssen nun in ausgeklügelte Analysetechnologien investieren, um Trends zu erkennen und auf Ereignisse in Echtzeit zu reagieren, Bedürfnisse zu antizipieren sowie Risiken etwa bei der Kreditvergabe einzudämmen und um auch künftig konkurrenzfähige Dienstleistungen anzubieten.

Christine Schmid-Frey, Head Financials, Global Research, Credit Suisse

Laut einer Studie des McKinsey Global Institute zum Thema Big Data haben Finanzdienstleister in der Unternehmenswelt im Durchschnitt die grösste Menge digitaler Daten pro Firma gespeichert. 2012 verarbeiteten etwa Visa und Mastercard 118, 9 Milliarden Kreditkartentransaktionen. Weltweit wurden 25 Milliarden Futures und Optionskontrakte gehandelt. Banken verfügen über Milliarden von Daten zu Kundentransaktionen sowie Hypotheken- und Konsumkreditverträgen.

Zu dieser gigantischen Informationsmenge gesellt sich die tägliche Datenflut aus den sozialen Medien – Blogs, Tweets, E-Mails –, die den Wert der Daten erhöhen und unerschlossenes Potenzial bergen.

Finanzinstitute sollten grösstes Interesse daran haben, diese Daten mittels Big-Data-Ansätzen effizienter zu nutzen.

Banken gehörten in den 1970 er-Jahren zu den Ersten, die Computer und die Datenverarbeitung einführten, sind aber in den letzten Jahren zurückgefallen, weil sie sich auf die Wiederherstellung ihrer Ertragskraft und die Erfüllung der Regulierungsvorschriften konzentriert und die IT-Investitionen daher vernachlässigt haben. Technologien zur Big-Data-Analyse werden im Bankgeschäft bereits vereinzelt eingesetzt, um Kundentrends zu erkennen. Die umfangreichen Kundendaten sind aber oft statisch, voneinander getrennt und werden nur periodisch verarbeitet, sodass sich statt Echtzeitdaten rückwärtsgewandte Informationen ergeben. Big Data analysiert unstrukturierte Daten (Daten ohne festes Format, wie sie in Dokumenten und E-Mails zu finden sind) je nach Anwendung in Echtzeit, mit dem Ziel, Erkenntnisse zu Märkten, Trends und Kundenverhalten zu gewinnen, die sich bisher gar nicht herausfiltern liessen. Um Big Data wertsteigernd zu nutzen, gehen Banken dazu über, Daten nicht nur zu erfassen, sondern auch effizient zu managen und zu analysieren. Dieser Übergang ist laut Studien alles andere als einfach, aber die strategischen Erkenntnisse und die komparativen Kostenvorteile könnten die Branche von Grund auf verändern.

Big Data könnte Banken helfen, interne Abläufe zu straffen. Für die systematische Überwachung von Transaktionsdaten lassen sich Algorithmen einsetzen, um verdächtige Muster bei Zahlungen, Geldbezügen oder im Wertschriftenhandel zu identifizieren – dies als Ergänzung der Compliance -Prozesse von Banken und als Mittel gegen Geldwäscherei und andere rechtswidrige Aktivitäten. Banken verfügen bereits heute über gewisse rückwärtsgerichtete Mechanismen, nicht aber über Echtzeiterkenntnisse. Mit Big Data könnten sie schneller reagieren und Ertragseinbussen beschränken. Die Echtzeit analyse interner Kommunikationsmittel (E-Mails, Telefonate, Chats) könnte zudem dazu beitragen, betrügerischen Aktivitäten vorzubeugen, und so die Prozessrisiken und -kosten reduzieren – das nutzen die Banken heute noch nicht. $GUUGTG 'KPUEJÀV\WPI FGU 4KUKMQRTQƟNU

Noch wichtiger ist neben der Verbesserung von Compliance und internen Kontrollen, dass Big Data den Banken neue Wege eröffnet, ihre Kunden zu bedienen. Aus den massgeschneiderten neuen Angeboten ergeben sich natürlich auch Wettbewerbsvorteile. Big Data bietet vor allem neue Werkzeuge und Techniken, die es den Kreditgebern ermöglichen, ihre Bonitätsbeurteilung mit Sozial- und Verhaltensdaten aus sozialen Medien breiter abzustützen. Kombiniert mit konventionellen Finanzdaten könnte Big Data ein vollständigeres Bild des künftigen Kreditnehmers aufzeichnen und so der Bank eine bessere Einschätzung seines Risikoprofils erlauben. Fehlt es an verlässlichen Finanzinformationen, könnte die Bonitätsbeurteilung sogar gänzlich auf ein soziales Kreditrating abstellen. Lenddo, ein Vorreiter in diesem Bereich, entwickelt zurzeit ein solches System XIN $QZ Seite 23). Die Firma konzipiert Algorithmen, die die Kreditwürdigkeit eines potenziellen Schuldners einschätzen, indem sie seine Aktivitäten in den sozialen Medien und die Empfehlungen von Familien und >

—22

GLOBAL INVESTOR 1.13

FINANZSEKTOR GENERIERT LĂ&#x2013;WENANTEIL AN BIG DATA $KI &CVC WPF FKG GPVURTGEJGPFGP #PCN[UGYGTM\GWIG UKPF GKP HGUVGT $GUVCPFVGKN XQP +PVGTPGtWPVGTPGJOGP 7PF FQEJ DGMWPFGP UGNDUV FKG )KICPVGP WPVGT KJPGP /Ă&#x2DC;JG OKV FGT /GPIG WPF )GUEJYKPFKIMGKV FGT CP FGP (KPCP\ OĂ&#x20AC;TMVGP IGPGTKGTVGP &CVGP OKV\WJCNVGP &QEJ GU IKDV MGKP <WTĂ&#x2DC;EM UKPF FQEJ FKG RQVGP\KGNNGP 8QTVGKNG XQP $KI &CVC IGTCFG HĂ&#x2DC;T FKG (KPCP\DTCPEJG GPQTO â&#x20AC;&#x201C; UQHGTP GU IGNKPIV &CVGP PKEJV PWT \W UCOOGNP U QPFGTP UKG CWEJ KP PĂ&#x2DC;V\NKEJG +PHQTOCVKQPGP WO\WYCPFGNP

GESPEICHERTE DATEN NACH SEKTOREN (USA 2009)

pa

p

ng

ing

en

3WGNNG 6TQ[ /GFKC )QQING +PHQITCRJKE Twitter

P

s

d un

h eit s w e s e n 4

3

4

Tweets

Pe

Ge

is

y te et a b

di

Me

Re

gie

ru

nk

5

tNe

Handels- und Kursdaten am Optionsmarkt (sogenannte Messages) stellen herkĂśmmlichere Arten von Big Data in den Schatten und nehmen weiter rasant zu.

ta by te 8 Pe

71

te a by

ns

4 10

Ba

8

die

en

84

t Pe

In eN und ves t m ent

ng

,W

rt

ie

nd rha

TĂ&#x201E;GLICHE DATENMENGEN IM INTERNET UND AM WERTSCHRIFTENMARKT

tu

e

Der Finanzsektor generiert deutlich mehr Daten als das Gesundheitswesen, die Medien und selbst die US-Regierung. 3WGNNG $GTKEJV FGU /E-KPUG[ )NQDCN +PUVKVWVG +&%

0.4 Milliarden

Facebook-Likes 2.7 Milliarden

t a by

te )QQING 4.7 Milliarden

Optionsmarkt-Messages 20 Milliarden Die tägliche DatenTAGESVOLUMEN KREDITKARTENKĂ&#x201E;UFE Bezahlen mit

ÂŤPlastikÂť wird weltweit immer beliebter. Die Einkaufsvolumen haben sich in den letzten sieben Jahren global verdoppelt.

3WGNNG /KVVGKNWPI FGU (QTGKIP 'ZEJCPIG %QOOKVVGG

Weltweiter Durchschnitt in Milliarden USD

14.89

2012

11.85

2011

10.51

2010

10.98

2009

2007

8.72

2006

2005

7.42

10.10

2008

13.57

menge von Finanzinstituten Ăźbersteigt heute diejenige ITQUUGT +PVGTPGVĆ&#x;TOGP deutlich. Die Analyse der Daten kĂśnnte immens nĂźtzlich sein.

Foto: Martin Stollenwerk

GLOBAL INVESTOR 1.13

â&#x20AC;&#x201D;23

Freunden analysieren. Lenddos gemeinschaftsbasiertes Geschäftsmodell verbreitet sich in den Schwellenländern rapide.

Die Big-Data-Analyse verspricht vertiefte Erkenntnisse â&#x20AC;&#x201C; nicht nur während der Vergabe eines Kredits, sondern auch während seiner Laufzeit. Wird der Kredit gewährt, lässt sich das Portfoliorisiko mit weiteren Algorithmen laufend verfolgen, entweder auf individueller Ebene oder fĂźr das Kreditportfolio als Ganzes. Bereits heute erlaubt eine ausgeklĂźgelte Kombination bankinterner Daten eine bessere Risikoprofilierung, etwa anhand von KontoĂźberzĂźgen, Zahlungsverhalten und Kreditkartendaten. Big Data kann diesen Prozess verbessern und potenzielle Gefahren schon frĂźh signalisieren.

Automatisierte, massgeschneiderte Kundenangebote

Indem Banken die Kapazitäten fßr die Analyse komplexer Daten ausbauen, gewinnen sie vertiefte Einsichten in individuelles Kundenverhalten. Dies verbessert nicht nur die Risikokontrolle, Compliance und Prognosesicherheit, sondern ermÜglicht es ihnen auch, ihre Kunden mit massgeschneiderten Angeboten anzusprechen, beispielsweise auf Basis der Lebenszyklen und Risikopräferenzen der Kunden. Zudem wßrde eine umfassende Analyse von Zahlungsmustern, Kreditkartenzahlungen oder Hypothekenamortisierungen den Weg zu einer personalisierten Finanzplanung und -beratung ebnen. Und letztlich liessen sich Bonusprogramme besser auf Kundenbedßrfnisse ausrichten.

Modebegeisterten kÜnnten Treueprämien fßr den Einkauf auf Onlinekanälen angeboten werden oder grosszßgige Spender fßr wohltätige Organisationen wßrden Zugang zu einer Videokonferenz erhalten, in der nachhaltige Anlagen vorgestellt werden.

Den potenziellen Vorteilen von Big Data stehen natĂźrlich Bedenken zum Datenschutz (Privatsphäre, Sicherheit) ge genĂźber. Dies gilt besonders fĂźr Banken, mĂźssen sie doch Ăźblicherweise restriktivere Datenschutzvorschriften erfĂźllen als andere Branchen. Da Finanzdienstleistungen praktisch immer noch andere Arten von Services vermitteln, dĂźrfte Big Data dennoch neue Geschäftsmo delle ermĂśglichen. Sollte sich Big Data zu einer praktisch allen zugänglichen Informationsquelle entwickeln, kĂśnnten Finanzdienstleistungen von Banken vermehrt zu Geschäftsmodellen auf Peer-to-Peer- Basis abwandern. Um die KundenbedĂźrfnisse von morgen zu befriedigen, OWUU FKG (KPCP\DTCPEJG FGUJCND TCUEJ PGWG /QFGNNG CWUCTDGKVGP Ć

Christine Schmid-Frey CPCN[UKGTV UGKV Ă&#x2DC;DGT zehn Jahren Finanzunternehmen und MQQTFKPKGTV FKG INQDCNG $GWTVGKNWPI FGT $TCPEJG DGK FGT %TGFKV 5WKUUG &QTV YCT UKG ab 1993 im Rechnungswesen, später im 2QTVHQNKQOCPCIGOGPV VĂ&#x20AC;VKI 5KG JCV GKPGP /CUVGT KP 9KTVUEJCHVUYKUUGPUEJCHVGP FGT 7PKXGTUKVĂ&#x20AC;V <Ă&#x2DC;TKEJ WPF KUV %JCTVGTGF (KPCPEKCN #PCN[UV

Bonität ganz neu beurteilt

,GHH 5VGYCTV GrĂźnder von Lenddo

UVCTVGVG .GPFFQ CWH FGP 2JKNKRRKPGP OKV der Kreditvergabe an 100 Menschen, denen FKG (KTOC XGTVTCWVG <YGK ,CJTG URĂ&#x20AC;VGT WOHCUUVG FKGUG )GOGKPUEJCHV DGTGKVU .GWVG .GPFFQ MQODKPKGTV /KMTQHKPCP\VGEJPKMGP OKV &CVGP CWU UQ\KCNGP /GFKGP WPF generiert damit ein Kreditrating, das bei der -TGFKVXGTICDG CP FKG CWHUVTGDGPFG /KVVGN MNCUUG GKPIGUGV\V YKTF +P 5EJYGNNGPOĂ&#x20AC;TMVGP HGJNV GU QHV CP VTCFKVKQPGNNGP $QPKVĂ&#x20AC;VUMGPP \CJNGP YKG GVYC US FICO 5EQTGU HĂ&#x2DC;T FKG 'PVUEJGKFWPIUHKPFWPI FGT -TGFKVIGDGT 9KG DGK /KMTQHKPCP\KGTWPIGP XGTVTCWV .GPFFQ \W $GIKPP FGP 'ORHGJNWPIGP XQP (COKNKGP WPF (TGWPFGP KP $G\WI CWH FGP MĂ&#x2DC;PHVKIGP -TG FKVPGJOGT FKG $GWTVGKNWPI FWTEJ

FKG (KTOC DCUKGTV FCOKV XQT CNNGO CWH KJTGT YCEJUGPFGP 1PNKPG IGOGKPUEJCHV +PFGU nutzt Lenddo auch Big-Data-Techniken, um FKG -TGFKVYĂ&#x2DC;TFKIMGKV FGT -CPFKFCVGP CPJCPF FGT Ă&#x2DC;DGT UKG XGTHĂ&#x2DC;IDCTGP FKIKVCNGP &C V GP \W DGWTVGKNGP .GPFFQ CPCN[UKGTV FC\W OKV # NIQTKVJOGP 2QUVU WPF 'KPVTĂ&#x20AC;IG CWH UQ\KCNGP Medien wie Facebook und LinkedIn, scannt CDGT CWEJ )OCKN 6YGGVU WPF CPFGTG 3WGNNGP OĂ&#x2019;INKEJGT YGTVXQNNGT +PHQTOCVKQPGP FKG FGT RQVGP\KGNNG 0GWUEJWNFPGT \WIĂ&#x20AC;PINKEJ OCEJV Die Programmierer von Lenddo haben bereits Ă&#x2DC;DGT %QFG XGTDGUUGTWPIGP XQTIG PQOOGP *GWVG DGIKPPGP KJTG #NIQ T KVJOGP % NWUVGT XQP 5EJWNFPGTP OKV JQJGO 4KUKMQ

)GOGKPUEJCHVGP FKG DGKO 5ETGGPKPI

UEJNGEJV CDUEJPGKFGP \W KFGPVKHK\KGTGP 9CTPJKPYGKUG NCUUGP FKG (KTOC WPVGT 7OUVĂ&#x20AC;PFGP XQP GKPGT -TGFKVXGTICDG CDUGJGP .GPFFQ MQP\GPVTKGTV UKEJ CWH FKG CWHUVTGDGPFG /KVVGNMNCUUG GKP GPQTOGU 2QVGP\KCN wie die Credit Suisse in diversen Be richten \WT 9QJNUVCPFUGPVYKEMNWPI DGVQPV .GPFFQ JCV PCEJ .CVGKPCOGTKMC -QNWODKGP GZRCPFKGTV WPF PWP +PFQPGUKGP WPF /GZKMQ KO 8KUKGT FCPCEJ XKGNNGKEJV +PFKGP WPF FKG 6Ă&#x2DC;TMGK *GWVG VĂ&#x20AC;VKIGP 2TQ\GPV FGT 5EJWNFPGT PCEJ #D\CJNWPI FGU -TGFKVU GTPGWV )GUEJĂ&#x20AC;HVG OKV .GPFFQ &CU WPF FKG UEJKGTG )TĂ&#x2019;UUG FGU /CTMVU XGTURTGEJGP NCPIHTKUVKIGU 9CEJUVWO .GPFFQ DCWV FGTYGKN YGKVGT $G\KGJWPIGP KO $GTGKEJ $CPMKPI CWH

Foto: Getty Images

DEINE DATEN, MEINE STIMME Vor den Wahlen 2012 hatte Barack Obama über 20 Millionen Twitter-Follower und 29 Millionen «Gefällt mir » auf seiner Facebook-Seite. Seine Kampagnenmanager arbeiteten mit einem zentralen System, das Daten von Spendenbeschaffern, Mitarbeitenden vor Ort und sozialen Medien sammelte und mit Aufzeichnungen zur Wählerregistrierung kombinierte. Damit wurden potenzielle Wähler identifiziert und personalisiert angesprochen. Die gewonnenen Erkenntnisse trugen zur Ausarbeitung von Strategien bei und halfen etwa, Veranstaltungsorte und Themen richtig zu wählen. Dies machte die Kampagne in Wechselwählerstaaten effizienter und trug dazu bei, eine Milliarde US-Dollar an Wahlspenden zu sammeln.

Foto: Hiroyuki Matsumoto / Getty Images

VERSCHWENDUNG BEKÄMPFEN Weltweit analysieren Regierungen und Stromversorger den Energieverbrauch von Kunden, um Nutzungsmuster zu verstehen und einen effizienteren Einsatz der Energie voranzutreiben. Dazu müssen täglich Daten von Millionen von Verbrauchern gesammelt und analysiert werden. Noch fehlt es an Kapazitäten zur Datenerhebung in Echtzeit, und die Werkzeuge für die Datenanalyse sind komplex und nach wie vor nicht kosteneffizient. Die Energiebranche setzt deshalb vermehrt auf intelligente Stromzähler, die alle 15 Minuten Daten ablesen können statt nur einmal im Monat. Bei einer Million Stromverbrauchern macht das 96 Millionen Ablesungen täglich – im Vergleich zu früher eine Steigerung um den Faktor 3000. Mit diesen umfassenden Datenreihen können intelligente Systeme komplexe Simulationen durchführen, die Erkenntnisse zur Kundensegmentierung und eine Optimierung des Energieverbrauchs ermöglichen.

Foto: CERN

ATOMARE DATENEXPLOSION Der grösste Teilchenbeschleuniger der Welt ist der grosse Hadronen-Speicherring (LHC) der Europäischen Organisation für Kernforschung (CERN). Er lässt Elementarteilchen mit unglaublicher Geschwindigkeit bis zu 40 Millionen Mal pro Sekunde aufeinanderprallen. So entstehen noch komplexere kurzlebige Teilchen, deren Zerfallsdaten den Physikern helfen, die Grundstruktur des Universums zu erkunden und das schwer fassbare Higgs-Teilchen zu finden.

Der LHC generiert jedes Jahr 15 Millionen Gigabyte an komplexen Informationen.

Um diese kosteneffizient zu speichern, zu verarbeiten und zu analysieren, richtete das CERN das Worldwide LHC Computing Grid (WLCG) ein, das laut CERN weltweit grösste Rechen- und Speichernetzwerk. Das WLCG ist auf die EU, die USA und Asien verteilt und erlaubt 8000 Physikern praktisch Echtzeitzugriff auf die LHC-Daten.

Foto: Phillip Hayson / Getty Images

«E.T., BITTE MELDEN!» 1971 startete die US -Raumfahrtbehörde NASA « SETI », die Suche nach ausserirdischer Intelligenz, und begründete damit eines der ältesten und umfassendsten Big-DataProjekte. SETI sammelt täglich bis zu 100 Terabyte Daten aus dem All. Die mit dem Arecibo-Radioteleskop in Puerto Rico gesammelten Informationen sind höchst komplex und umfassen sowohl natürliche – zum Beispiel von Gewittern oder kosmischen Wellen stammende – wie auch menschengemachte elektromagnetische Signale, etwa von Satelliten. Im Rahmen des Vorzeigeprogramms SETI @home versuchen Millionen von Freiwilligen rund um den Erdball, in diesem digitalen Datensturm sinnvolle, konsistente, sich wiederholende Muster aufzuspüren, die von einer ausserirdischen Lebensform stammen könnten.

Durchsuchte Daten werden zur Speicherung an SETI @home zurückgeschickt. Bisher haben 10 Millionen Freiwillige über 2 Millionen Jahre an Rechnerzeit beigesteuert.

GLOBAL INVESTOR 1.13

—32

Analytik

Dienstleistungen mit Mehrwert Software-Innovationen ermöglichen es heute, Big Data in einfach abrufbarer Form zu speichern. Um diese Daten zu entschlüsseln, sind aber atemberaubend schnelle Analysewerkzeuge nötig.

Stefan Sigg von SAP HANA , einem führenden Anbieter von Systemen für das Datenbankmanagement, erläutert, wie diese Technologie unser Leben verändern dürfte.

Foto: Martin Wagenhan

Ian Lewis, freier Wirtschaftsjournalist

Stefan Sigg ist Senior Vice President des Bereichs SAP HANA Product and Development der SAP AG . Er stiess 1995 als Software-Entwickler zu SAP und bekleidete dort in der Folge verschiedene Managementpositionen.

An der Universität Bonn promovierte er in reiner Mathematik.

Ian Lewis: SAP leistete mit HANA technologische Pionierarbeit im Bereich Big Data. Was ist HANA? Stefan Sigg: HANA ist eine völlig neue Datenbanktechnologie: Sie ist bis zu 10 000 Mal schneller als konventionelle Datenbanken.

Was heisst das konkret?

Stefan Sigg: Statt Milliarden Daten, die analysiert werden sollen, von einer Festplatte auf den Arbeitsspeicher zu übertragen, werden komprimierte Daten im Arbeitsspeicher selbst abgelegt. Dort sind sie sofort abrufbar. Der Prozess reduziert sich damit von Stunden oder gar Tagen auf wenige Sekunden.

Was ist der praktische Nutzen?

Stefan Sigg: Daten sind nur interessant, wenn sie sich analysieren und verwenden lassen. Beispiele sind die personalisierte Gesundheitsversorgung oder die Genomik.

Das Humangenom kann etwa in der Krebsbehandlung analysiert werden: Die Genome einer gesunden und einer von Krebs befallenen Zelle werden sequenziert und die dabei entstandenen enormen Datenreihen verglichen. Dies erlaubt eine viel genauere Diagnose, als sie ein Blick auf einen MRI -Scan je bieten könnte. Systeme wie HANA verarbeiten derartige Daten so, dass Ärzte daraus Behandlungsoptionen ableiten können. Üblicherweise dauert das drei Wochen. HANA schafft dies in drei Minuten – zu einem Bruchteil der Kosten.

Und dann?

Stefan Sigg: Diese Informationen werden mit Daten zu möglichen Medikamenten, Gegenindikationen und der Krankenakte des Patienten gebündelt und in eine intelligente Applikation übertragen, die den Arzt unterstützt und ihn auf andere Patienten mit ähnlicher Diagnose hinweist, bei denen die Behandlung erfolgreich war oder auch nicht.

Wo liesse sich die Analyse von Big Data sonst noch einsetzen?

Stefan Sigg: Eines meiner Lieblingsbeispiele ist die Reifenherstellung. In LKWReifen platzierte Kleinsensoren können den Reifenzustand – Temperatur, Druck, Drehzahl und so weiter – messen. Sie übermitteln die Daten an ein Gerät in der Fahrerkabine, das sie über Mobilfunk an eine zentrale Datendrehscheibe sendet. Mit einer BigData-Analyse aller LKWs mit Reifensensoren kann ein Hersteller den Logistikunternehmen bisher nicht verfügbare Dienstleistungen mit Mehrwert anbieten – ein völlig neues Geschäftsmodell.

GLOBAL INVESTOR 1.13

Wie könnten Reifenhersteller dieses Wissen konkret einsetzen?

Stefan Sigg: Aufgrund genügend grosser historischer Datenreihen können sie statistische Muster erkennen und ihre Kunden beispielsweise warnen, wenn ein bestimmter Reifen eines bestimmten Lastwagens zu versagen droht. Dies ist ein vorbeugender Unterhalt. Probleme werden vorausgesehen, bevor sie auftreten.

Gibt es weitere Beispiele für vorbeugenden Unterhalt?

Stefan Sigg: Unser Kunde John Deere, ein Agrarmaschinenhersteller, baut in seinen Traktoren, Mähdreschern und weiteren Fahrzeugen überall Sensoren ein. Die erfassten Daten werden an die Besitzer übermittelt, um sie auf mögliche Fehlfunktionen hinzuweisen. Während der Ernte müssen die Maschinen Tag und Nacht laufen – Ausfälle sind für den Landwirt kostspielig.

Für eine verlässliche Voraussage von Mustern ist Big Data unentbehrlich, denn fünf Datensätze allein ergeben noch kein Muster.

Wird die Analyse von Big Data auch in anderen Industrien eingesetzt?

Stefan Sigg: Ja, zum Beispiel im weiten Feld des Detailhandels. Wirklich interessiert sind unsere Kunden an einem möglichst auf den einzelnen Empfänger zugeschnittenen Marketing: Wenn Firmen als Kampagne Serienbriefe versenden, landen diese oft im Müll, weil sie zu unpersönlich sind. Dabei wissen Unternehmen aufgrund von Treuekarten, Websiteregistrierungen oder Aktivitäten im Internet heute schon viel über ihre Kunden und können sie mit individualisierten Marketingaktivitäten ansprechen. Dies kann, – etwa mit einer E-Mail – zeitverschoben oder zeitgleich erfolgen, zum Beispiel während des Besuchs einer Website. Die Website kann mit dem Kunden «sprechen» und ihn auf Neuigkeiten hinweisen.

Online-Einzelhändler können doch schon heute Vorschläge machen …

Stefan Sigg: Ja, aber diese basieren auf einer ziemlich statischen Matrix und sind nicht wirklich personalisiert. Verarbeitet ein Detailhändler aber alle vorhandenen kundenbezogenen Daten schnell genug, ist er in der Lage, personalisierte Empfehlungen in Echtzeit zu unterbreiten. Auf Basis spezieller Algorithmen könnte er etwa auf Rabatte oder einen Gratisversand hinweisen. Es gibt viele weitere Anwendungen, wie etwa die Analyse seismischer Daten aus der Ölbranche, von Windkanaldaten aus der Autoindustrie, Handelsdaten aus

—33

«Der Prozess reduziert sich damit von Stunden oder Tagen auf wenige Sekunden.»

der Finanzbranche oder Messdaten von Versorgungsbetrieben.

Die HANA -Datenbanksoftware baut auf einem Big-Data-Programm namens Hadoop auf. Wie funktioniert Hadoop?

Stefan Sigg: Hadoop speichert die Daten mit einer ausgeklügelten Methode, die sie viel leichter abrufbar macht. Vor Hadoop mussten Daten ab einem gewissen Volumen auf Magnetbändern abgelegt werden. Dank einer dezentralisierten Architektur mit mehreren Computern und der Funktionsweise von Hadoop lassen sich heute selbst grösste Datenmengen in ganz normalen Speichergeräten ablegen. Das ist wirklich neu: Hadoop und verwandte Technologien können viele Petabytes – also mehrere 1000 Mal das Volumen der US -Kongress-Bibliothek! – auf eine Art und Weise speichern, die bisher unmöglich war.

Was bedeuten diese Fortschritte bei der Speicherung von Big Data für die Software-Entwicklung?

Stefan Sigg: Hadoop eignet sich bestens für die kostengünstige Speicherung und Verarbeitung grosser Datensätze wie zum Beispiel von Web Logs, Maschinendaten sowie Text-, Audio- und Videodokumenten. Aber das Programm erfordert qualifizierte Entwickler und Bediener und ist nicht für die Echtzeitanalyse konzipiert.

Hadoop sollte deshalb für die Verarbeitung und Speicherung grosser, unstrukturierter Datenmengen, wie etwa Logs über das Kundenverhalten auf Websites, eingesetzt werden. Diese Daten werden sodann in das HANA -Datenbanksystem übertragen, wo

sie schnell abrufbar sind und zum Beispiel zusammen mit strukturierten Daten zum tatsächlichen Verhalten von Kunden in einem bestimmten Laden analysiert und ausgewertet werden können.

Wie wirken sich hardwareseitige Fortschritte auf die Analyse und Speicherung von Big Data aus?

Stefan Sigg: Software ist immer für die Hardware optimiert, die zum Zeitpunkt ihrer Entwicklung verfügbar ist. Die Hardware hat sich dramatisch verändert. In den letzten zehn Jahren haben etwa innovative Serverlösungen, vor allem Multicore-Systeme, sowie fallende Kosten für Arbeitsspeicher sogenannte In-Memory-Lösungen ermöglicht. Damit verschwand auch das Problem des Zeitaufwands, das traditionelle Analysesysteme hatten: Ohne diesen zeitlichen Verzug lassen sich Analyse und Transaktionen in Echtzeit zusammenführen.

Welche Herausforderungen birgt der laufende Fortschritt im Hardwarebereich?

Stefan Sigg: Software muss um jeden Preis skalierbar sein. Ihre Leistungsfähigkeit muss mit zunehmender Leistung der Infrastruktur ebenfalls steigen. Heute haben wir Server mit 8 Prozessorsockeln. Morgen werden es 12, 16 oder 32 sein. Mehrkernprozessoren werden 15, 20 oder noch mehr Cores aufweisen. Solange die Software mit der Anzahl Cores mithält, profitiert der Nutzer vollumfänglich von hardwareseitigen Fortschritten. Wir haben deshalb unsere Algorithmen und unsere Architektur so konzipiert, dass sie weiterhin auf die Anzahl %QTGU UMCNKGTDCT KUV Ɓ

GLOBAL INVESTOR 1.13

—34

Infrastruktur

Energie für Daten )TQUUG 4GEJGP\GPVTGP JCDGP FKG 'PGTIKGGHƟ\KGP\ KJTGT $GVTKGDG schon gesteigert. Nun nehmen sie die Rechner selbst unter die Lupe, sagt Randy Katz und erklärt, wo die Server in Zukunft stehen könnten: in Afrika oder im Schrank bei Ihnen zu Hause.

Foto: Edward Caldwell

Greg A. Smith, freier Journalist

Randy Katz hat 1987 die RAID -Technologie miterfunden und ist als Professor an der University of California, Berkeley, treibende Kraft hinter zahlreichen Netzwerkinnovationen. Er gehört zu den Geburtshelfern von Big Data und Cloud Computing. 1993 vernetzte er das Weisse Haus, vor Kurzem beendete er LoCal, eine Studie intelligenter Energienetzwerke. Er studierte an der Cornell University und promovierte an der UC Berkeley.

Greg Smith: Was steckt genau in einem grossen Datenzentrum?

Randy Katz: Internetdatenzentren sind der bislang letzte Schritt in der Entwicklung der Verarbeitung von aufwendigen Rechenaufgaben. In den 1960 er-Jahren war ein Grossrechner eine einzelne riesige Maschine. Heute sind es praktisch nur noch auf Mikroprozessoren basierende Server, die wie eine Million kleiner Pizzaschachteln in Racks angeordnet sind. Diese Server müssen miteinander kommunizieren, was gewaltige Anforderungen an die Vernetzung stellt. Sie dienen dem am schnellsten wachsenden Internet-Dienstleistungssegment, der Datenspeicherung – denken Sie an all die Fotos, die auf Facebook hochgeladen werden ! Datenzentren müssen gekühlt werden. Und sie müssen gegen Eindringlinge aus dem Internet und aus der realen Welt geschützt werden.

Eine Million Server? Ich war mir nicht bewusst, dass Datenzentren derart gross sind.

Randy Katz: Nun, mit Mehrkernprozessoren brauchen sie keine Million Pizzaschachteln für eine Million Server. Die Zahlen sind dennoch enorm, diese Server benötigen etwa so viel Strom wie eine Kleinstadt. Derartige Einrichtungen werden daher oft dort erstellt, wo Elektrizität günstig und im Überfluss vorhanden ist.

Wie wird das Backup gewährleistet?

Wohl kaum mit 1000 Generatoren …

Randy Katz: Nein, in der Regel nicht.

Entscheidend ist eine vielfältige Anbindung an den Stromversorger. Ein Datenzentrum mit einer Million Prozessoren darf nicht offline gehen, nur weil irgendwo ein Stromkabel beschädigt wurde. Zudem müssen laufende Prozesse und Daten in jedem Fall abgespeichert werden können. Datenzentren sind daher mit Notstromversorgungen ausgestattet – in der Regel mit Batterien, die vor der Abschaltung noch einige Betriebsminuten erlauben. Meist wird der weitere Betrieb für einige Stunden mit Dieselgeneratoren gewährleistet. Derweil wird zuerst alles auf geordnete Art und Weise gesichert und dann arbeiten Datenzentrum und Stromversorger an der Wiederherstellung der Netzversorgung. Mit Stromunterbrüchen ist immer zu rechnen, etwa bei Erdbeben oder sonstigen Naturkatastrophen. Google, Microsoft oder Amazon haben deshalb nicht nur ein grosses Datenzentrum, sondern viele verschiedene rund um den Erdball. Deren Softwarearchitektur ist so konzipiert, dass sie den Betrieb bei Problemen in einem Datenzentrum nahtlos an ein anderes überträgt. >

STEIGENDE KOSTEN FÜR BETRIEB UND UNTERHALT VON SERVERN

Kundenseitige Ausgaben (USD Mrd.)

PU E1 .8 0

Installierte Server (Mio.)

–1 .8 9

Über die letzten zehn Jahre waren die Unterhalts- und Betriebskosten fast doppelt so hoch und die Stromversorgungs-/Kühlungskosten fast gleich hoch (in gewissen Städten sogar bereits höher) wie die weltweiten Anschaffungskosten für Server. Quelle: IDC, 2011

250

200

150

KAMPF GEGEN ABWÄRME

100

50

0

Aufwand Stromversorgung/Kühlung Installierte Basis logische Server (Mio.)

Aufwand Betrieb/Unterhalt Anschaffungskosten Server Installierte Basis physische Server (Mio.)

EIN BLICK INS GOOGLE-HERZ

Fotos: google.com/datacenters

Google baut und betreibt ein dichtes Netzwerk aus Servern und Glasfaserkabeln und macht damit seine Tätigkeit überhaupt erst möglich: Täglich werden 20 Milliarden Websites indexiert, Millionen Youtube Videos komprimiert und 4 .7 Milliarden Suchanfragen beantwortet – in gigantischen Datenzentren in Oregon, Iowa und North Carolina in den USA sowie in Finnland und Belgien. Die Grösse dieses Netzwerks, der energieeffiziente Betrieb und eine aufs Wesentliche reduzierte (oft intern gefertigte) Ausrüstung verschaffen Google einen entscheidenden Vorteil und sorgen dafür, dass die Investitions kosten nicht aus dem Ruder laufen.

Die durchschnittliche Power Usage Effectiveness (PUE) liegt heute mit 1.80 bis 1.89 deutlich tiefer als noch vor fünf Jahren (4.0 bis 5.0). Bei einem Energieeffizienzwert von 1.80 werden mit jedem Watt Rechnerleistung zusätzlich 0.8 Watt für Kühlung und Betrieb eines Datenzentrums verbraucht. Führende Firmen wie Google geben ihre PUE mit 1.12 an, das heisst, nur 12 Prozent der Energie wird für die Kühlung benötigt. Da die Datenzentren und ihr Stromverbrauch rapide wachsen, haben Unternehmen, die ihre PUE reduzieren, die Nase vorne.

GLOBAL INVESTOR 1.13

—36

Big Data gilt als Stromfresser. Als Mass für FKG 'PGTIKGGHƟ\KGP\ XGTYGPFGV FKG $TCPEJG die sogenannte Power Usage Effectiveness ( PUE ). Google hat nach eigenen Angaben eine PUE von 1.12. Laut einer jüngsten Studie beträgt der globale Durchschnitt 1. 89. Was heisst das konkret ?

Randy Katz: Die PUE ist das Verhältnis des Gesamtstromverbrauchs eines Datenzentrums – für Kühlung, Klimatisierung und Stromverteilung – zum Stromverbrauch der IT-Anlagen allein. Modernste Zentren haben PUE -Werte von 1.2 oder 1.25. Dies bedeutet, dass der energetische Aufwand über den Verbrauch der IT-Ausrüstung hinaus 25 Prozent beträgt. Vor fünf Jahren lagen die PUE -Werte noch bei 4 oder 5, was einem Zusatzverbrauch von bis zu 400 Prozent entspricht. Bei der Reduktion des Energieverbrauchs der unterstützenden Funktionen wurden in den vergangenen Jahren enorme Fortschritte erzielt. Nun liegt der Fokus auf dem Energieverbrauch der Server selbst – mit Abstand die teuerste Komponente beim Betrieb eines Datenzentrums.

In diesem Zusammenhang wird auch von «doing nothing well» gesprochen.

Was bedeutet das?

Randy Katz: Dies ist eine unserer Ideen aus unserem LoCal-Energieprojekt. Da die Million Computer eines Zentrums auf die Spitzenbelastung in Bezug auf Umfang und Echtzeitabfrage ausgelegt ist, werden die Computer nur während 30 Prozent der Zeit voll genutzt, aber laufend mit Strom versorgt. «Doing nothing well» bedeutet, dass wenigstens während der Totzeiten sehr wenig Strom verbraucht werden sollte. Die heutigen Server gehen nicht wirklich in einen Ruhezustand. Mobiltelefone und Laptops tun dies viel effizienter.

Big Data braucht rund 1. 5 Prozent des weltweiten Stroms – das ist enorm.

Randy Katz: 1.5 Prozent klingt nach viel, entspricht aber meines Wissens nur dem Energieverbrauch des weltweiten Flugverkehrs. Wie viele Stunden verbringen Sie aber in einem Flugzeug und wie viele online, wo all diese Rechenzentren für Sie zum Beispiel Kreditkartentransaktionen abwickeln? Dies bedeutet natürlich nicht, dass wir kein Interesse an einer möglichst hohen Energieeffizienz unserer Datenzentren haben, ganz im Gegenteil. Viele Unternehmen in der Branche sind ehrlich darum bemüht, sauberere, das heisst erneuerbare und alternative Energiequellen zu finden.

Cloud Computing hat in den letzten Jahren enorm an Beliebtheit gewonnen. Sparen

«Die heutigen Server gehen nicht wirklich in einen Ruhezustand.

Mobiltelefone und Laptops tun FKGU XKGN GHƟ\KGPVGT

Unternehmen damit wirklich Geld oder wird damit nur Geld gemacht ?

Randy Katz: Man muss hier zwischen den Anbietern von Cloud Computing, wie EC2 von Amazon, und dessen Nutzern unterscheiden. Erstere wollen und müssen Geld verdienen. Letztere möchten Geld sparen. Wenn Sie Ihre Website Cloud-basiert betreiben, zahlen Sie das Jahr über meist wenig. Wenn die Seite am intensivsten genutzt wird, also zum Beispiel zwischen Thanksgiving und Weihnachten, bezahlen Sie, was Sie brauchen. Wer dies tut, kann viel Geld sparen.

Wenn Sie ein Zentrum planen würden, wo würden Sie es erstellen und weshalb?

Randy Katz: Meine Kriterien wären Kundenbasis, Internetanbindung und Stromkosten. Die beste Anbindung findet sich tendenziell entlang nationaler Autobahnen, wo all die Kabel verlegt wurden. In den USA haben viele grosse Internetfirmen östlich von Seattle im Bundesstaat Washington gebaut, weil es dort viel günstige – und erneuerbare – Wasserkraft gibt. Einige haben in den Hügeln von North Carolina gebaut, nicht weit von der «Datenautobahn» zwischen der US -Ostküste und dem Südosten.

Und ausserhalb der USA? Randy Katz: Der Internetzugang steigt zurzeit in Afrika am schnellsten. Das Wachstum geht zwar von einer schmalen Basis aus – vor allem der Internetzugriff via Mobiltelefon –, ist aber am stärksten.

Ausserdem weist der Kontinent wahrscheinlich die niedrigste Durchdringung mit lokalen Datenzentren auf. Ich würde wohl Südafrika berücksichtigen, vielleicht aber auch Kenia. Diese Länder bieten eine passende Infrastruktur, eine stabile Wirtschaft,

gute Konnektivität, qualifizierte Arbeitskräfte und Nähe zu den meisten potenziellen Kunden für Internetzugriff und -dienstleistungen in Afrika.

Macht das schon jemand ?

Randy Katz: Bei Datenzentren bin ich mir nicht sicher, aber Firmen wie IBM und Google bauen ihre Präsenz in Afrika aus.

Auch China ist dort stark vertreten. Städte wie Nairobi und Kapstadt könnten profitieren, wenn die nächste Welle von Datenzentren heranrollt.

Datenzentren wachsen schon fast exponentiell. Wie lange noch?

Randy Katz: Irgendwann werden wir so viele Datenzentren haben, dass sich praktisch die ganze Welt in der Nähe eines solchen befindet – zumindest gemessen an der Geschwindigkeit von Elektronen.

Danach geht es nur noch darum, diese bestehenden Zentren auf dem technologisch neusten Stand zu halten und einen Server durch zwei mit demselben Platzbedarf zu ersetzen und dann durch vier und so weiter.

Wandert die Cloud jemals in die Wolken?

Randy Katz: Die Internetanbindung wäre eine grosse Herausforderung, wenn Datenzentren in den Weltraum oder in die Luft verlegt würden. Zudem sind Datenzentren ziemlich schwer. Doch es gibt andere interessante Ideen. Ist es beispielsweise wirklich sinnvoll, eine Million Computer unter einem Dach zu vereinen? Oder liessen sich diese Computer als Alternative nicht einzeln auf Schränke in den Häusern der Nutzer verteilen? Google würde Ihnen also zum Beispiel einen PC geben, der auch Cloud-Dienstleistungen ausführt. Ich bin zwar etwas skeptisch, aber diese Idee ist CNU FGPMDCTG #NVGTPCVKXG KO )GURTÀEJ Ɓ

GLOBAL INVESTOR 1.13

—37

Datenschutz

Nutzen mit Nebenwirkungen Schneller, billiger, einfacher: Smartphones und soziale Medien ermöglichen eine günstige Erfassung und leichtere Auswertung immer grösserer Datenmengen in immer kürzerer Zeit. Diese grossen Datenmengen bergen aber auch Risiken. Der Datenschutzexperte Jason Hong untersucht, wie Regierungen, Unternehmen und Konsumenten mit der komplexen Problematik umgehen.

Jason I. Hong, IT-Experte an der Carnegie Mellon University, Pittsburgh

Bereits in den 1970 er-Jahren schürte die aufkommende Datenbanktechnologie Bedenken: Welche Folgen würden die neuen Analysemöglichkeiten grosser Datenmengen haben? Damals waren klobige Computer erst in der Lage, Adress- oder Einwohnerlisten zu erstellen.

Heute sammeln schon winzige Smartphones weit umfassendere Daten: Kontakte, Verbindungen, genutzte Apps, sogar Bewegungsprofile. Die Daten können für Werbung, im Finanzsektor, im Gesundheitswesen bis hin zur Städteplanung genutzt werden. Während herkömmliche Methoden zur Datensammlung (etwa zum Reiseverhalten oder bei Befragungen durch Behörden zur Lebensqualität) mit hohem Zeit- und Kostenaufwand verbunden sind, ermöglichen im Internet gesammelte Daten heute eine rasche und günstige Analyse riesiger Datenmengen. Gleichzeitig bergen grosse Datenmengen jedoch neue Risiken für unsere Privatsphäre, die uns erst allmählich bewusst werden. Wenn andere mehr über uns wissen als nötig, ist das vielleicht nur lästig, es kann aber auch ein echter Schaden entstehen, wenn andere aufgrund von Daten falsche Schlüsse über uns ziehen. Die Frage der Datensicherheit könnte sich langfristig als eine der grössten Hürden für Big-Data-Anwendungen erweisen.

Das Recht auf Privatsphäre

Die in der westlichen Welt als selbstverständlich geltende Privatsphäre wurde – zumindest in den USA – erst vor relativ kurzer Zeit gesetzlich festgeschrieben. Derzeit wird heftig debattiert, ob die in der US Verfassung nicht ausdrücklich erwähnte Privatsphäre zumindest implizit verankert ist. Das Recht auf Privatsphäre wurde erstmals 1890 in einem Artikel von Samuel Warren und Louis Brandeis in der «Harvard Law Review» erwähnt. Die beiden Anwälte prangerten Sensationsjournalismus und spontane Fotos in der Öffentlichkeit an und plädierten für «das Recht, in Frieden gelassen zu werden».

Im Einklang mit dem Ideal der Selbstregulierung wird Privatsphäre im US -Recht jeweils nur für einzelne Sektoren geregelt. Der Privacy Act von 1974 schützt bestimmte staatliche Personaldaten, wie beispielsweise Daten, die über die Sozialversicherungsnummer eruiert werden können. Auch existieren Gesetze zum Umgang mit Gesundheitsdaten (1996), zum Verkauf und Verleih von Videos (1998), zum Schutz von Finanzdaten (1999) und zum Schutz von Daten zu Kindern

unter 13 Jahren (2000). Als Kontrollinstanz fungiert in erster Linie die Federal Trade Commission ( FTC). So wurde im Februar 2013 das soziale Netzwerk Path zu 800 000 US -Dollar Strafe verurteilt, weil die Betreiber ohne Zustimmung der Eltern Daten von Kindern gesammelt hatten. Im November 2012 einigten sich Google und die FTC auf die Rekordsumme von 22.5 Millionen US -Dollar, weil Google die Sicherheitseinstellung mancher Browser umgangen hatte.

In Europa wird Datenschutz weit umfassender und vorbeugender geregelt. In der Menschenrechtskonvention von 1950 ist ausdrücklich «das Recht auf Achtung des Privat- und Familienlebens, der Wohnung und der Korrespondenz» verankert. Zudem sind alle EU -Mitgliedsländer verpflichtet, die Privatsphäre ihrer Bürger zu wahren. Die EU -Datenschutzrichtlinie von 1995 soll zukünftig durch ein einheitliches Gesetz für alle Mitgliedsstaaten ersetzt werden, das neue globale Technologien wie soziale Netzwerke oder die Cloud berücksichtigt.

Unternehmen sollen personenbezogene Daten nur nach ausdrücklicher Zustimmung verarbeiten dürfen, und Kunden sollen ein Anrecht auf die Löschung ihrer Daten erhalten. Bei Verstössen drohen den Unternehmen Strafen von bis zu 2 Prozent des Jahresumsatzes. Der vorliegende Entwurf trifft vielerorts auf Zustimmung, hat jedoch bei Unternehmen und US -Lobbygruppen auch zu Bedenken hinsichtlich des administrativen Aufwands bei der Umsetzung geführt.

Big Data, Big Business

Die Entwicklung in der Datentechnologie schreitet rasch voran. Derzeit werden spezielle Kamerasysteme für Werbeträger entwickelt, die Informationen darüber sammeln, wie viele Menschen eine öffentliche Werbung – etwa in einem Einkaufszentrum – tatsächlich anschauen.

In Fernsehgeräte integrierte Kameras sollen feststellen, wie viele Personen pro Haushalt (und wer genau) eine bestimmte Sendung sehen. Jedes Smartphone verfügt über Sensorik für Position, Geräusche, Licht, Abstand und Bewegung und hat Zugriff auf geschäftliche und private Kontakte, Anruflisten, SMS, Fotos, E-Mails, Surfverhalten und die Interaktionen in den sozialen Medien seines Nutzers.

Neben den gesetzlichen Vorgaben spielen beim Datenschutz vor allem die Interessen der Akteure einer Branche eine Rolle. Für Finanzunternehmen ist Datenschutz als zentrale Dienstleistung sehr >

—38

Jason Hong ist Associate Professor an der School of Computer Science der Carnegie Mellon University in Pittsburgh und forscht zur allgegenwärtigen Datenverarbeitung und zur Datensicherheit. Er hat die Firma Wombat Security Technologies mitbegründet, die sich auf die menschlichen Faktoren in der Computersicherheit konzentriert. Hong hat am Georgia Institute of Technology studiert und an der University of California, Berkeley, doktoriert.

wichtig, selbst wenn dies auf Kosten der Innovation geht. Bei jüngeren Geschäftsfeldern – wie den sozialen Medien – besteht die dem Dienst zugrunde liegende Idee dagegen darin, dass Nutzer möglichst viele Daten teilen. Das Geschäftsmodell beeinflusst also das Ausmass an Datenschutz. Die zahlreichen werbefinanzierten Websites etwa haben einen grossen Anreiz, möglichst viele Informationen zu sammeln, um mit passender Werbung die Anzahl Klicks zu steigern.

Im März 2012 publizierte die FTC einen Bericht für Unternehmen mit Best-Practice-Richtlinien für den Schutz von Kundendaten. Die freiwilligen Empfehlungen umfassen mehr Kontrolle für Konsumenten, etwa bei der Aufzeichnung von Surfdaten oder bei der Erfassung sensibler Daten durch Smartphones. So darf zum Beispiel der Standort nur nach ausdrücklicher Zustimmung registriert werden. Zudem sollen Datenhändler, die personenbezogene Daten indirekt sammeln und zu Werbezwecken verkaufen, transparenter werden und den Konsumenten Zugang zu den gesammelten Daten gewähren. Seither hat die FTC weitere Empfehlungen speziell zum Datenschutz bei Mobilgeräten erstellt und Richtlinien für die Entwickler von Apps ausgegeben. Es müssen aber noch bessere Wege gefunden werden, um Unternehmen zu unterstützen, damit sie solide Geschäftsmodelle entwickeln können, die die Privatsphäre respektieren.

Auch Verbraucher werden sensibler, was den Schutz ihrer Daten angeht. Wenn sie um ihre Privatsphäre fürchten, meiden sie entsprechende Dienste oder Technologien. Laut einer Studie des Internet and American Life Project des Pew Research Center beenden oder verweigern 57 Prozent der Nutzer mobiler Apps die Installation, wenn sie Bedenken bezüglich der Verwendung ihrer privaten Daten haben.

Indes bleibt die Datenschutzerklärung bei der Installation von Apps aus einfachem Grund meist ungelesen: Kunden wollen die App, und das Lesen der langen und komplexen Datenschutzerklärung kostet Zeit, ohne einen klaren Nutzen zu bringen.

Der wirksamste Schutz ist der bewusste Umgang

Unsere Forschung zielt auf den Faktor Mensch bei der Datensicherheit und kombiniert Big-Data-Technologien mit Crowdsourcing, um mangelhaften Datenschutz bei Apps zu identifizieren. Aufgrund des grossen Datenhungers der 100 beliebtesten Apps (eine Taschenlampen-App verlangt Angaben zu Internetzugang und Telefonnummer, eine Hintergrundbild-App fragt Kontakte ab) untersuchten wir, was Apps tatsächlich tun. Oftmals war den Befragten nicht klar, welche Daten ihre Apps sammeln oder ob ihre Daten zweckentfremdet werden.

Wir fanden heraus, dass die Anwender weniger Bedenken haben, wenn die Verwendung ihrer Daten kurz und knapp erklärt wird.

Wie aber kann man das Internet nutzen und seine Daten trotzdem schützen? Der beste Schutz ist der bewusste Umgang mit den eigenen Daten. Auch das regelmässige Löschen von Cookies (kleine Protokolle bestimmter Surfaktivitäten) kann sinnvoll sein. Es könnte sogar ein Geschäftsmodell sein, Menschen zu helfen, ihre privaten Daten (im Internet, auf dem Smartphone, in sozialen Netzwerken) zu schützen.

Datenschutz bei Onlinediensten und Smartphones ist allerdings eine relativ einfache Angelegenheit verglichen mit den Herausforderungen, die sich durch die noch in den Kinderschuhen steckende sensorische Erfassung von Daten in der physischen Welt auftun werden. Tragbare Geräte werden bald schon Gesundheitsdaten sammeln, Autos werden ihren eigenen Kurs ermitteln und Drohnen Videos aufzeichnen – um nur einige Beispiele zu nennen. Immer mehr Unternehmen werden diese Daten organisieren und kombinieren wollen, um damit Geld zu verdienen. In einem solchen Umfeld ist Datenschutz PWT PQEJ FWTEJ IGUGV\NKEJG 4GIGNWPIGP OÒINKEJ Ɓ

Foto: Steffen Thalemann

GLOBAL INVESTOR 1.13

GLOBAL INVESTOR 1.13

AN

DE

RE

GOLDENE REGELN ZUM SCHUTZ IHRER PRIVATSPHÄRE

28.8

33.

2

CHINA

6. 8

USA

RU

SS

LA

SÜ DKOR EA

ND

4. 9

EN

3.

9

19.3

DI

TN

3. 1

IN

E VI

AM

Spam nach Herkunftsländern, in Prozent

Soziale Netzwerke Filesharing Foto/Video

54 Millionen registrierte Protokolle

23%

BEDROHUNGSPROTOKOLLE

Alle Übrigen

4.39 Petabyte

BANDBREITE

24%

1304 Apps

ANWENDUNGEN

Januar 2013, Quelle: Kaspersky Lab

nur 0.2%

Populäre Sharing-Apps in Europa, im Nahen Osten und in Afrika brauchen viel Bandbreite, generieren aber weniger Bedrohungen als erwartet.

April 2013, Quelle: Palo Alto Networks

GEFÄHRLICHES

GESCHÄFT

99 Prozent aller registrierten Versuche, über Sicherheitslücken ein Programm zu manipulieren, fanden sich in nur zehn Programmen.

Neun davon waren Geschäfts anwendungen.

Quelle: Palo Alto Networks

Nahfeldkommunikation (NFC)

ist ein Standard für den kontaktlosen Austausch von Daten zwischen Smartphones und ähnlichen Geräten. Für eine Übertragung ist lediglich eine gewisse physische Nähe erforderlich, üblicherweise nicht mehr als einige Zentimeter.

Quelle: NFC Forum

KEINE PRIVATEN DETAILS AUF SOZIALEN MEDIEN POSTEN CACHE UND COOKIES LÖSCHEN «DO NOT TRACK»EINSTELLUNGEN VERWENDEN DATENSCHUTZEINSTELLUNGEN GENAU ÜBERPRÜFEN SICH NICHT MIT ÖFFENTLICHEN HOTSPOTS VERBINDEN KEINE PASSWÖRTER AUF APPS SPEICHERN PRIVATE KONTEN PRIVAT HALTEN, UM EINSICHT ZU KONTROLLIEREN NIE UNBEKANNTEN ABSENDERN ANTWORTEN NIE UNBEKANNTE LINKS ANKLICKEN FÜR BANKING UND SHOPPING NUR SICHERE WEBSITES VERWENDEN GERÄT SPERREN, UM NFC ABZUSCHALTEN Quelle: Trend Micro, US FTC

—39

GLOBAL INVESTOR 1.13

—40

BEANSPRUCHUNG DER RECHTE AN GEISTIGEM EIGENTUM Organisationen, Unternehmen und Einzelpersonen schützen ihre Geschäftsmodelle mit Patenten.

Mit steigendem Konkurrenzdruck gewinnt geistiges Eigentum an Bedeutung. Die Port folios zweier einflussreicher Patent inhaber zeigen zwei unterschiedliche Erfolgsstrategien: die Ergänzung bestehender Patentkategorien mit neuen Patenten (Apple) und stetige Vorstösse in neue Patentkategorien am Beispiel des Erfinders Jerome Lemelson.

1988

1980 Das Apple-Patentportfolio ist stark fokussiert. Ab 1988 wuchs die Anzahl erteilter Patente rasant. Der iMac Bondi Blue läutete 1998 einen Richtungswechsel und der iPod 2001 Apples Comeback ein.

1976 Das Patentportfolio von Jerome Lemelson umfasst weniger Patente als jenes von Apple, ist aber deutlich vielfältiger und beansprucht ständig mehr intellektuellen Raum.

Zu Lemelsons Erfindungen gehören Camcorder, Strichcodescanner und Computermaus.

Visualisierung grosser Datenmengen

Sehen und verstehen

Bilder tragen zum Verständnis von Big Data bei. Katy Börner ist darauf spezialisiert, Einsichten aus komplexen Datenreihen zu gewinnen. Dazu konzipiert sie flexible Soft wareprogramme, die sich miteinander kombinieren und abgleichen lassen und so helfen, reale Probleme visuell zu erfassen.

Katy Börner, Informationswissenschaftlerin, Indiana University, Bloomington, USA

GLOBAL INVESTOR 1.13

—41

1998

2001

2002

2002 Zunahme der Patenterteilungen in einer bestimmten Kategorie Abnahme der Patenterteilungen in einer bestimmten Kategorie Erstmalige Patenterteilung in einer Kategorie seit fünf Jahren Keine Änderung Quelle: Daniel Kutz und Katy Börner, Atlas of Science: Visualizing What We Know, MIT Press, 2010, S. 8

Entscheidungen zu fällen, setzt immer öfter das Verständnis von komplexen Systemen voraus, die sich mit Big Data beschreiben lassen – das sind etwa Verkehrsmuster, Krankheitsausbrüche, Energieverbrauch und soziale Medien. Oft sind diese in visualisierter Form am besten verständlich. In der Menschheitsgeschichte wurden viele der besten Visualisierungswerkzeuge von Wissenschaftlern konzipiert, die beobachten und verstehen wollten, was bisher nicht gesehen oder verstanden wurde. Galileo Galilei erkannte beispielsweise das Potenzial von Fernrohren zur Beobachtung der Sterne und begann, eigene Linsen zu schleifen und zu polieren. Mit den verbesserten Instrumenten entdeckte er etwa die Monde des Jupiters und fand damit einen quantitativen Beweis für Kopernikus’ verblüffende Erkenntnis, wonach sich die Erde um die Sonne drehe, und nicht umgekehrt.

Heute arbeiten Experten aus Wissenschaft und Industrie an neuen Hardware - und Softwaretools, um lokale und globale Probleme visuell zu erfassen und zu lösen. Sie können nun komplexe Datenreihen zur globalen Bevölkerungsdichte, zu Patientendossiers und zum Sozialverhalten kombinieren und so die Ausbreitung von Epidemien modellieren, visualisieren und prognostizieren. Oder sie können kartieren – was sie auch taten –, wie New York während des Hurrikans Sandy twitterte. Visualisierungen mit mehreren Variablen sind nichts Neues: William Playfair publizierte 1786 die erste Zeitreihe, die Englands Exporte und Importe über 80 Jahre darstellte. Nach 1880 schuf Charles Joseph Minard eine Grafik, die von Napoleons Russlandfeld-

zug erzählte, indem er Daten, Temperaturen, die Truppenbe wegungen und drei weitere Variablen aufzeichnete. Der einzige Unterschied liegt heute in der enormen Menge der zu analysierenden Daten.

Bedienerfreundliche Visualisierungstools

Big-Data-Visualisierungen entstehen von Natur aus durch Zusammenarbeit. Das Rohmaterial wie gute Datenreihen ist aber rar und Standardtools fehlen. Wir haben deshalb am «Cyberinfrastructure for Network Science Center » ein Open-Source -Projekt für den Tausch und die Nutzung von Datenreihen, Algorithmen, Tools und Rechnerleistung lanciert. In erster Linie haben wir betriebsbereite Software tools entwickelt, die es Wissenschaftlern aller Fachgebiete erlauben, Datenreihen und Algorithmen so einfach zu benutzen, wie sie Bilder und Videos über Flickr und Youtube austauschen. 100 000 Nutzer in über 100 Ländern haben die Tools schon geladen.

Es gibt weitere Open-Source -Projekte wie Google Code und SourceForge.net oder Websites wie Many Eyes von IBM, die den Austausch und die Visualisierung öffentlich zugänglicher Daten erlauben. Mit kommerziellen Programmen wie Tableau und TIBCO Spotfire sowie kostenlosen Tools werden in Forschung, Bildung und Industrie häufig Daten analysiert und visualisiert. Keiner dieser Ansätze ermöglicht jedoch, Software flexibel zu kombinieren und abzugleichen, um spezifische Probleme aus Forschung und Praxis zu lösen. Viele Systeme in der realen Welt müssen zuerst auf >

—42

mehreren Ebenen studiert werden – zum Beispiel von den lokalen Bedingungen bis zu den globalen Zusammenhängen –, bevor fundierte Interventionen zum Einsatz kommen. Modernste Visualisierungen erlauben es, die Resultate all dieser Analysen zu untersuchen und sie an Experten sowie das breite Publikum weiterzugeben.

Innovationskraft messen

Katy Börner ist Victor H. Yngve Professor of Information Science an der Indiana University in Bloomington, USA , wo sie als Leiterin des Information Visualization Lab und Gründungsdirektorin des Cyberinfrastruc ture for Network Science Center amtet. Sie verfügt über einen Master of Science in Elektrotechnik der Universität Leipzig (1991) sowie einen Doktortitel in Computerwissenschaften der Universität Kaiserslautern (1997).

Früher gründete Wohlstand vor allem auf dem Zugang zu Land und Rohstoffen. Heute ist oft der Zugang zu geistigem Eigentum ausschlaggebend. Die Strategien zum Ausbau der Rechte an geistigem Eigentum sind unterschiedlich. Wir haben eine Karte der Patentkategorien erarbeitet, um die Abdeckung und die Entwicklung des Patentspektrums von Patentbesitzern visuell zu erfassen (vgl. S. 40/41).

Dazu stellte uns das US Patent and Trademark Office ( USPTO) Daten zu 2.5 Millionen Patenten zur Verfügung, die von 1976 bis 2002 erteilt wurden. Wir gruppierten die Patente gemäss USPTO -Klassifizierung, um Kategorien mit geringem respektive hohem Wachstum darzustellen und zu vergleichen anhand sogenannter Tree Maps, einer Erfindung des «Human-Computer Interaction Lab» der University of Maryland.

Wir verglichen etwa die Entwicklung des Patenteigentums von Apple zwischen 1980 und 2002 mit jener des privaten Patentinhabers Jerome Lemelson, dessen Innovationen unter anderem Industrieroboter, Strichcodescanner und Geldautomaten ermöglichten (1976 – 2002 ). Hellgrüne Flächen signalisieren eine Zunahme der Patentzahl für die betreffende Kategorie gegenüber dem Vorjahr, rote eine Abnahme. Schwarz steht für Stagnation, Gelb signalisiert neue Kategorien, in denen in den letzten fünf Jahren kein Patent vergeben wurde. Lemelson erhielt 1976 acht Patente in sechs Kategorien. 1977 erhielt er einige neue Patente in bestehenden Kategorien, die meisten wurden aber in vier neuen erteilt. Apple ersuchte vor allem um Patente in bestehenden Kategorien. Lemelson verfolgte also eine andere Strategie, um seinen Anteil am Spektrum des geistigen Eigentums zu vergrössern. Dieser Vergleich macht die historischen, aktuellen – und eventuell künftigen – intellektuellen Grenzen sowie die Patentstrategie von Akteuren leichter fassbar.

Die Zukunft abbilden

Daten interpretieren zu können, wird bald so wichtig sein wie Lesen und Schreiben. Im Januar 2013 begann die Anmeldung für den Information Visualization Massive Open Online Course, in dem ich Studierende der Indiana University aus 93 Ländern – darunter über 300 Fakultätsmitglieder – unterrichten werde. Der Kurs vermittelt ein theoretisches Gerüst, das Laien unterstützt bei der Realisierung modernster Analysen und der Konzeption verschiedener Visualisierungsebenen, das heisst von Basisdiagrammen, Echtzeit-Overlay-Daten sowie Farb- und Grössenkodierungen. Die Theorie vermittelt auch, wie sich Visualisierungen aufgliedern und so interpretieren und optimieren lassen. Für die Abschlussarbeit bearbeiten die Studenten in Teams Projekte realer Kunden.

Die Entwicklung von Visualisierungstools für Bild-, Video- und Textdaten für akademische Märkte läuft weiter. Zurzeit konzentrieren wir uns auf das Sicherstellen der Datenqualität und die Verarbeitung von Streaming-Daten wie jene aus sozialen Medien sowie auf die Gliederung der Tools in Module und die einfachere Handhabung. Letztlich ist es das Ziel der Big-Data-Visualisierung, das kollektive akademische und technologische Wissen zu verstehen und zu nutzen. Damit wollen wir allen ermöglichen, komplexe technische, soziale und wirtschaftliche (TCIGP \W GTITØPFGP WPF DGUUGTG 'PVUEJGKFWPIGP \W VTGHHGP Ɓ

Foto: Steffen Thalemann

GLOBAL INVESTOR 1.13

GLOBAL INVESTOR 1.13

—43

Durchblick für Portfoliomanager

Quelle: Panopticon

Willem De Geer, Mitbegründer und Geschäftsführer Panopticon Software

Ein Blick auf das Dashboard: Die Datenvisualisierung soll jene Ressourcen im Hirn anzapfen, dank derer wir Licht ins Dunkel eines Zahlenwirrwarrs bringen. In der Big-Data-Infrastruktur der Top-Banken wird Datenvisualisierung immer wichtiger. Bank- und Finanzwesen gehören zu den bedeutendsten Anwendungsgebieten. Dieses Dashboard von Panopticon Software zeigt Daten zu Handelsaktivitäten, Performance und Risiken in Echtzeit.

Banken und Finanzinstitute gehörten zu den Ersten, die Big-Data-Technologie nutzten.

Ihr Tagesgeschäft generiert eine regelrechte Flut von Informationen – und auf Basis dieser Unmenge an Daten, die aus den Märkten und anderen Quellen stammen, müssen ihre Mitarbeitenden gute Entscheidungen treffen, die Profit generieren. Die Datenvisualisierung macht die Big-Data-Infrastruktur der Banken sichtbar und erlaubt es den Managern, anhand von Millionen täglicher Transaktionen Risiko, Performance und Handels aktivitäten genau zu verfolgen und trotz Informationsvielfalt den Überblick zu behalten.

Eine der weltweit grössten Vermögensverwaltungsgesellschaften etwa nutzt die moderne Datenvisualisierung für die Analyse von Positions- und Marktdaten. Auf dem Hauptbildschirm der PortfoliomanagementApplikation werden zahlreiche EchtzeitPerformance-Parameter zu allen Portfolios eines Managers in Form eines Kacheldiagramms (Tree Map oder Heat Map) dargestellt. Mit interaktiven Filtern decken Manager Ausreisser und verborgene Muster auf und

nutzen diese Informationen für Kauf- und Verkaufsentscheidungen. So kann sich ein Portfoliomanager zum Beispiel die Positionsund Risikodaten zu General Electric anschauen, deren Aktien er in verschiedenen Portfolios hält. Er muss wissen, wie sich General Electric auf die Performance und das Risiko jedes einzelnen Portfolios auswirkt, und ausserdem nachvollziehen können, welchen Einfluss das Unternehmen auf alle Portfolios hat, in denen es vertreten ist.

Mit ihren Visualisierungswerkzeugen erkennen die Port foliomanager, welche Aktien im Tagesverlauf der Performance des Portfolios zu- oder abträglich sind.

Der eigentliche Vorteil der Datenvisualisierung besteht darin, dass sie Manager dabei unterstützt, aus zahlreichen Parametern sehr schnell die wichtigen Elemente zu erfassen, darunter etwa Risiko, Handelsaktivität und Positionsdaten, und die weniger interessanten Elemente herauszufiltern und den Fokus stattdessen auf Instrumente zu richten, die einer genaueren Prüfung bedürfen. In seiner Architektur unterscheidet sich Panopticon erheblich von anderen

Visualisierungssystemen. So stellt es eine direkte Verbindung zu den vorhandenen Datenquellen einer Bank her – Daten brauchen also nicht erst auf Panopticon hochgeladen zu werden, was wertvolle Zeit spart.

Da die Kapitalmärkte in Echtzeit funktionieren, muss ein Visualisierungssystem mit Echtzeit-Streaming-Datenquellen arbeiten, um wirklich effektiv zu sein – Anforderungen, die Panopticon erfüllt. Und genau das zeichnet es aus, denn die Erweiterung eines bestehenden Systems um die Verarbeitung von Echtzeit-Streams ist praktisch unmöglich.

Die Welt der Datenvisualisierung und der Datenanalyse erlebt eine spannende Zeit.

Und die Nachfrage nach Echtzeitsystemen steigt nicht nur an den Kapitalmärkten.

Auch in den Bereichen Telekommunikation, Energie, verarbeitendes Gewerbe und Detailhandel ist das Interesse gross.

GLOBAL INVESTOR 1.13

â&#x20AC;&#x201D;44

Versicherungen

Risiken messen statt schätzen

Das Leben besteht vor allem aus Risiken. Und die entsorgen wir gegen eine Versicherungsprämie. Die korrekte Schätzung und Preisbestimmung von Risiken ist bisher aber eine ungenaue Wissenschaft. Patrick McSharry erläutert, wie sich dies mit Big Data nun ändern kÜnnte.

Foto: Chris Gloag

Giselle Weiss, freie Journalistin

Patrick McSharry leitet das Catastrophe Risk Financing Research an der Smith School of Enterprise and the Environment der Universität Oxford. Er hat einen B. A. und einen Master of Science des Trinity College Dublin sowie einen Doktortitel in Mathematik von Oxford. Sein besonderes Interesse gilt dem kombinierten 'KPUCV\ XQP &CVGP WPF 9KUUGP \WO 'TUVGNNGP XQP 2TQIPQUGP WPF CNU *KNHG DGK FGT 'PVUEJGKFWPIUĆ&#x;PFWPI

Giselle Weiss: Im Jahr 2011 beliefen sich die Schäden durch Naturkatas trophen â&#x20AC;&#x201C; zwei Erdbeben, einen Tsunami, Ă&#x153;berschwemmungen, Tornados und Hurrikane â&#x20AC;&#x201C; global auf 362 Milliarden US -Dollar â&#x20AC;&#x201C; ein neuer Rekord. Wird die Welt unsicherer ?

Patrick McSharry: Zweifellos, und der grĂśsste Unsicherheitsfaktor ist der Klimawandel. 2006 prognostizierte der Ă&#x2013;konom Nicholas Stern, extreme Wetterereignisse YĂ&#x2DC;TFGP CNNGKP DKU /KVVG ,CJTJWPFGTV GKP| Prozent des globalen Bruttoinlandprodukts kosten. Am World Economic Forum 2013 sagte er, er habe die Risiken unterschätzt.

Wer trägt die Kosten der Katastrophen?

Patrick McSharry: 2012 beliefen sich die Schäden aus sämtlichen Katastrophen auf 140 Milliarden US -Dollar. Die RĂźckversicherungsbranche kam fĂźr 65 Milliarden US -Dollar auf, Regierungen oder internationale Geber wie die Weltbank fĂźr den Rest. &KG +FGG FWTEJ &CVGP 'HĆ&#x;\KGP\ WPF 9GVV bewerbsfähigkeit zu steigern und das Risiko zu reduzieren, ist daher sehr verlockend.

Laut Bericht des McKinsey Global Institute zu Big Data ist die Ver sicherungsbranche â&#x20AC;&#x201C; wie auch Regierungen â&#x20AC;&#x201C; sehr gut positioniert, um von Big Data zu profitieren, sofern die entsprechenden HĂźrden beseitigt werden.

Patrick McSharry: Bei Versicherungen, auch bei Katastrophenversicherungen, ging es schon immer um Big Data. Nur sind die Datenmengen heute grÜsser und ihre Auf lÜsung besser. Die Branche kämpft aber nach wie vor mit Unsicherheiten, die Big Data jedoch reduzieren dßrfte. Reizvoll ist die MÜglichkeit, das Verhalten des Menschen fassbar zu machen.

Was bedeutet das konkret ?

Patrick McSharry: Mit Big Data lassen sich Systeme und Dienstleistungen genauer ßberwachen. Auf Basis der prognostischen Analytik werden zudem Entscheidungen in Echtzeit getroffen. Big Data zum menschlichen Verhalten, erhoben aus sozialen Medien, Internetsuchen und Transaktionen, revolutioniert ßberdies die Sozialwissenschaften. Statt Menschen zu befragen, was sie getan haben oder zu tun gedenken, gibt es nun Daten dazu, was sie tatsächlich getan haben.

KĂśnnen Sie mir ein Beispiel geben?

Patrick McSharry: Sicher. Nehmen Sie die Telematik. Die Versicherungen offerierten den Autofahrerinnen frßher tiefere Prämien, aber die Europäische Union verbot diese Praxis. Was nun? Sogenannte Telematik-Versicherungen bieten Autofahrern >

GLOBAL INVESTOR 1.13

KATASTROPHENMELDUNGEN 1900 – 2012 Seit den 1970 er- Jahren ist laut offiziellen Zählungen ein deutlicher

Anstieg von Überschwemmungen und anderen Naturkatastrophen festzustellen. Big Data kann helfen, das Katastrophenrisiko besser einzuschätzen – zum Beispiel via Satellitenbilder und Crowdsourcing –, Katastrophen zu entdecken, etwa über Twitter, und beispiels weise über Mobiltelefone auf sie zu reagieren. Quelle: EM-DAT, The OFDA/CRED International Disaster Database. Université catholique de Louvain, Brüssel, Belgien

Anzahl der weltweit gemeldeten Naturkatastrophen

500

400 5

28

Na

r tu

ka

t

t as

ro

p

n he

im

Ja

h

0 r2

00

300

200

100

1900

2012

—45

GLOBAL INVESTOR 1.13

—46

Wie eine Versicherung funktioniert Die Prämie für Ihre Autoversicherung orientiert sich am wahrscheinlichen Verlust, den die Versicherung erleiden wird, um für künftige Schäden und Reparaturen aufzukommen.

Die Prämie scheint tief, weil dieser Verlust eine Wahrscheinlichkeit und nicht eine Gewissheit reflektiert und über Tausende von Kunden verteilt wird, die unterschiedliche Typen und Jahrgänge von Autos, Fahrverhalten,

Schadenforderungsgeschichten sowie unterschiedliche gesellschaftliche und wirtschaftliche Profile aufweisen. Die Prämie ist das Resultat einer umfassenden statistischen Schätzung, die sich auf historische und geschätzte Werte diverser Variablen abstützt, von denen sich nicht alle mit konventioneller Datenanalyse genau voraussagen lassen.

Erdbeben und Wirbelstürme sind ungleich

komplexer, weshalb die Prämienberechnung für Katastrophenversicherungen noch schwieriger ist und daher eher zu hoch angesetzt wird. Die Möglichkeit, mehr und verschiedene Arten von Daten in Echtzeit zu berücksichtigen, macht Versicherungen zum fruchtbaren Boden für die Analyse von Big Data. Deren Vorteile beginnen mit einer genaueren Berechnung der Kosten Ihrer Autoversicherung.

einen Sensor an, der im Auto Daten zu ihrer Fahrweise aufzeichnet. Diese individuelle Big-Data-Reihe kann zu einem massgeschneiderten Produkt führen mit hoffentlich tieferen Prämien. Unternehmen werden wettbewerbs fähiger sein, wenn sie Optionen wie Telematik-Versicherungen anbieten.

Das tönt nach Eingriff in die Privatsphäre.

Patrick McSharry: Ja, die Privatsphäre leidet etwas. Aber Ihre Versicherungspolice wird viel attraktiver und gewisse Anbieter sprechen Datenschutz vorbehalte explizit an.

Was hat das menschliche Verhalten mit dem Versicherungsgeschäft zu tun?

Patrick McSharry: Bei einer Versicherung geht es um den fairen Übertrag von Risiko. Die wahrgenommenen Risiken unterscheiden sich aber oft von den modellierten. Um Versicherungsprodukte auf die Befürchtungen der Kunden abzustimmen, muss ihre Risikowahrnehmung verstanden werden. Die Analyse des menschlichen Verhaltens ermöglicht uns Voraussagen zur Bereitschaft der Kunden, für innovative Versicherungsprodukte zu bezahlen.

Wird uns Big Data tatsächlich bessere Katastrophenmodelle ermöglichen?

Patrick McSharry: Eine Modellierung determiniert das Risiko einer bestimmten Katastrophe. Versicherer und Rückversicherer vergeben Katastrophenmodellierungen oft extern, und es gibt nur drei Anbieter. Aus Sorge um das geistige Eigentum sind diese Modelle im Grunde Black Boxes: Die Zutaten sind bekannt, aber das Rezept ist geheim. Zudem unterscheiden sie sich je nach Anbieter, obwohl sie dieselbe Welt beschreiben, und sind teuer. Die Katastrophenmodellierung steht derzeit vor einigen interessanten Aufgaben.

Eine davon ist Oasis, eine aktuelle Initi ative am Londoner Versicherungsmarkt.

Patrick McSharry: Oasis wird von einigen Versicherungen vorangetrieben, die

vereint den Zugang zur Katastrophenmodellierung öffnen wollen. Während zweier Jahre wollen sie Software, Datenstandards und Methoden entwickeln, die ab 2014 auf einem Handelsportal frei verfügbar sind.

Gibt es noch andere, ähnliche Vorhaben?

Patrick McSharry: Anbieter von Katastrophenmodellierungen sind kommerziell motiviert und konzentrieren sich daher eher auf Naturgefahren in Industrie ländern. Die OECD erkannte vor einigen Jahren, dass vor allem die Entwicklungsländer transparentere Modelle brauchen, und initiierte eine öffentlich-private Partnerschaft, das Global Earthquake Model (GEM ). Das Modell mit Wurzeln in Kalifornien hat sich seither weiterentwickelt, ist aber noch weit von dem entfernt, was sich etwa die Weltbank als Katastrophenprogramm wünschte.

Welche Akzeptanz finden auf Big Data basierende Ansätze in der Branche?

Patrick McSharry: Dank Big Data sind schon einige innovative Produkte entstanden, die die Probleme der Klimaschwankungen angehen sollen. Drahtlose Sensoren können hochauflösende Daten für die Überwachung von Risiken in Echtzeit generieren.

Ein Beispiel ist eine Ernteversicherung zur Glättung der Einkünfte, die von den meteorologischen Schwankungen am Standort eines Landwirtschaftsbetriebs abhängen. &GT (QMWU NKGIV CWH HØT 0WV\RƠCP\GP UEJÀFlichen Wettermustern, nicht auf Katastrophen. Ein anderes Beispiel sind Klimamodelle von künstlichen Hurrikanverläufen, die eine Risikobeurteilung in daten armen Gebieten ermöglichen.

Die Smith School ist Mitglied des Willis Research Network. Wie tragen Netzwerke zur Verbesserung von Versicherungsabdeckung und Wettbewerbsfähigkeit bei ?

Patrick McSharry: Das Willis Research Network umfasst global rund 50 Institutionen. Willis Re ist auch Rückversicherungs-

Broker und kann damit als Mehrwert Kontakte mit den besten Experten eines Fachgebiets vermitteln. Die Zusammenarbeit per se ist vorteilhaft. Die öffentlichprivaten Partnerschaften generieren viele Aktivitäten – Regierungen etwa suchen Hilfe bei Brokern und Wissenschaftlern, wenn sie Katastrophenprogramme entwerfen.

Rund um Big Data wird oft über Data Streaming diskutiert. Sind Echtzeitdaten ohne Echtzeitmassnahmen den Aufwand wert ? Oder geht beides Hand in Hand ?

Patrick McSharry: Je nach Sektor. Data Streaming ist für Geheimdienste, den Handel mit Finanzprodukten und die Überwachung von Patienten relevant, da hier nach ungewöhnlichen Ereignissen gesucht wird. Ein anderes Beispiel ist die Windkraft: Wir setzen auf erneuerbare Energien, aber die Unwägbarkeit bei der Gewinnung von Windenergie erschwert es den Netzbe treibern, An gebot und Nachfrage auszugleichen. Wir brauchen anpassungsfähige Modelle, die rechtzeitig reagieren – auch im Versicherungssektor. Aber hier macht die aktuelle Ausgestaltung der Verträge schnelles Reagieren schwierig.

Wie könnten soziale Medien für Katastrophenversicherungen nützlich sein?

Patrick McSharry: Mit Crowdsourcing!

Eine der Schwächen des GEM ist das Schadenanfälligkeitsmodul. Der Standort aller Häuser in einer Stadt eines Entwicklungslands ist erfasst, unbekannt ist aber, woraus sie gebaut sind und welche Bebenstärken sie aushalten. Diese Daten zu sammeln, wäre enorm aufwendig. Würden die Menschen über soziale Medien mehr Informationen zu sich selbst übermitteln, könnten wir nicht nur Katastrophenmodelle verbessern, sondern auch massgeschneiderte Versicherungsprodukte konzipieren, die für die Prognose künftiger Schäden auf $KI &CVC UGV\GP Ɓ

GLOBAL INVESTOR 1.13

—47

«EIN AUTO ZU STEUERN, IST FÜR EINEN COMPUTER GAR NICHT SO SCHWER.»

Larry Page 2011

GLOBAL INVESTOR 1.13

—48

Arbeitsmarkt

Geniale Nerds gesucht Datenwissenschaftler gelten als «moderne Orakel», als geniale Nerds, die wissen, wie sich aus der ständig wachsenden Informationsflut Kapital gewinnen lässt. Wer sind sie? Was tun sie? Welche Fragen stellen sie und sind sie wirklich so wichtig?

Greg A. Smith, freier Autor

Hören Sie diesen Artikel auf der Wissensplattform des Global Investor. www.credit-suisse.com/globalinvestor

Hilary Mason ist Chief Scientist bei Bitly, hat HackNY mitbegründet und organisiert die New Yorker Datenkonferenz DataGotham. Sie erforscht die Grenzgebiete von Daten, Ingenieurwesen und Gesellschaft, ist Mitglied des Technology and Innovation Advisory Council von New Yorks Bürgermeister Bloomberg und wurde mehrfach ausgezeichnet, darunter mit der Aufnahme in die « 40 Under 40 » von «Crain’s New York Business».

Greg Smith: Hilary Mason, Sie sind wissenschaftliche Leiterin bei Bitly, das unter anderem Daten aus sozialen Medien untersucht. Die «Harvard Business Review» bezeichnet Datenwissenschaftler als «sexiest job» des 21. Jahrhunderts, ähnlich wie die quantitativen Analysten der Wall Street in den 1990 er-Jahren. Was macht ein Datenwissenschaftler genau ?

Hilary Mason: Datenwissenschaftler verstehen, welche Probleme Unternehmen haben, führen Analysen durch und finden Lösungen, die sie erfolgreich vermitteln können. Es ist interessant, dass sie quantitative Analysten erwähnen, die eigentlich nie etwas wirklich Neues gemacht haben.

Datenwissenschaftler zeichnen sich im Gegensatz dazu durch unterschiedliche Fähigkeiten aus, die bislang so noch nie in einem Beruf kombiniert worden sind.

Diese Mischung aus Ingenieur, Mathematiker, Computerexperte und Hacker nennt man dann einen genialen Nerd.

Hilary Mason: Grundlage ist die Fähigkeit, Daten aus einem System zu extrahieren und sie zu verarbeiten – eventuell braucht es dazu eine Infrastruktur, die Hardwareund Hackerkenntnisse voraussetzt. Die anschliessende Analyse verlangt mathematisches Wissen: Statistik, lineare Algebra und Wahrscheinlichkeitsrechnung. Das letzte Puzzlestück ist die Kombination von Sozialwissenschaften, Neugierde und unternehmerischem Verständnis. Man muss die richtigen Fragen stellen, sie mathematisch und technisch formulieren – und sie anschliessend für andere nachvollziehbar machen.

Wo findet man solche Experten? Kann man an Universitäten einen Studiengang in Datenwissenschaft belegen?

Hilary Mason: Keiner meiner Mitarbeitenden hat einen Abschluss in Datenwissenschaft, weil solche Studiengänge gerade erst begonnen haben. Heutige Datenwissenschaftler haben ihre Wurzeln in unterschiedlichen, meist akademischen Disziplinen und sie schulen ihre kommunikativen Fähigkeiten. Ich zum Beispiel bin Informatikerin und arbeite mit einem Astrophysiker, einem Physiker, einem anderen Informatiker und einem Mathematiker zusammen. Einige meiner Kollegen in anderen Unternehmen und an den Universitäten kommen aus der Politikwissenschaft oder der Psychologie. Doch wir sind alle auf dem gleichen Gebiet tätig. Das ist das Interessante an einer so jungen Disziplin – hier treffen Menschen aus unterschiedlichen Bereichen zusammen. >

en

GENIALE NERDS

NERDS

in g ac k

ik at rm fo In

NERDS

H

eu rw es In ge ni NERDS

NERDS

ik at ik m ist he at at t M dS un

Fotos: Steffen Thalemann | Underwood & Underwood / Corbis

GLOBAL INVESTOR 1.13

NEUE BRANCHENFREMDE TALENTE Ă&#x153;berraschenderweise sind Informationstechnologie und Computerwissenschaft nicht die besten Rekrutierungsfelder fĂźr neue Talente im Bereich Datenwissenschaft. Hier stammen heute Ăźber 50 Prozent der aufstrebenden Talente aus anderen Gebieten und Disziplinen, aus denen sie spezielle Fähigkeiten mitbringen. 3WGNNG *KNCT[ /CUQP )TCĆ&#x;M Â&#x2021;0GY ;QTM 6KOGUÂ&#x2014; 6GZV

â&#x20AC;&#x201D;49

GLOBAL INVESTOR 1.13

â&#x20AC;&#x201D;50

DATENSCHĂ&#x153;RFER GESUCHT Big Data erlebte in den letzten acht Jahren einen wahren Boom, wodurch die Nachfrage nach Datenwissenschaftlern um Ăźber 100 Prozent anstieg. Quelle: www.indeed.com/jobtrends/industry

Wachstum in Prozent

Da te nb us in es

s

140 120

im

100

Jo bb o

om

80 60 40 20 0 2006

In den USA arbeiten ßber 5 Millionen Menschen in der IT-Branche, die in den nächsten 4 Jahren schätzungsweise um 8 Prozent wächst. In diesem Umfeld hat Ihr Beruf rasch an Bedeutung gewonnen. Wie verhalten sich Angebot und Nachfrage?

Hilary Mason: Ich arbeite hauptsächlich mit Start-up-Unternehmen und sehe eine enorme Nachfrage. Fßr diesen Job findet man kaum Menschen mit Erfahrung. Die meisten Unternehmen haben noch nie zuvor einen Datenwissenschaftler beschäftigt, sodass sowohl die Infrastruktur als auch die MÜglichkeiten fßr eine interne FÜrderung fehlen. Daher ist am Arbeitsmarkt Erfahrung gefragt und die ist rar.

Den Datenwissenschaftlern haftet ein Mythos an. Es soll schon Anfänger gegeben haben, die nach ein oder zwei Fortbildungskursen komplexe Problemstellungen gelÜst haben. Man kÜnnte meinen, Datenwissenschaft sei gar nicht so kompliziert.

Hilary Mason: Hier bin ich eher skeptisch. Grosse Unternehmen beschreiben klar umrissene Probleme und präsentieren sie in einer Onlineausschreibung. Es geht FCTWO GPI FGĆ&#x;PKGTVG 2TQDNGOG \W NĂ&#x2019;UGP Das ist wie der kleine InbusschlĂźssel von IKEA : Der ist perfekt, wenn man ihn braucht, aber man braucht ihn nur selten, genau wie diesen bestimmten Ansatz der Datenwissenschaft. Die Aufgabe eines Datenwissenschaftlers ist es, das Problem Ăźberhaupt erst zu erkennen.

Wer braucht einen Datenwissenschaftler ?

Hilary Mason: Ich mĂśchte es mal so sagen: Sie brauchen einen, wenn Sie denken,

2007

2008

2009

dass Ihre verfßgbaren Daten zu besseren Entscheidungen fßhren kÜnnten. Zudem ermÜglichen Daten eine ganz neue Generation von Produkten, was ich sehr spannend finde. Das ist ähnlich wie unsere Arbeit bei Bitly, wo Marketingexperten frßher nur mit ihren eigenen Daten und Werkzeugen gearbeitet haben. Aber jetzt wissen wir, was die Nutzer im Internet anschauen, und wir kÜnnen diese Erkenntnisse in unsere Handlungsweise einfliessen lassen. Dadurch werden ganz neue Produkte ßberhaupt erst mÜglich. Ich beschreibe es fßr gewÜhnlich so: Auf Level 1 ermÜglicht die Datenanalyse einem Unternehmen bessere Entscheidungen. Auf Level 2 kÜnnen Daten ein Unternehmen insgesamt auf eine vÜllig neue Stufe heben.

Welchen Rang nimmt ein Datenspezialist in einem Unternehmen ein?

Hilary Mason: Mein Freund D. J. Patil, der ßbrigens auch Co-Autor des von Ihnen eingangs erwähnten Artikels im Harvard Business Review ist, beschreibt es sehr treffend: Ein Datenexperte ist eine Art Mr. Spock auf der Brßcke. Er hat nicht das Kommando, aber wenn Captain Kirk eine Entscheidung treffen muss, bittet er zuerst ihn um Rat. Wie soll ein Datenteam aufgebaut sein?

Hilary Mason: Es gibt unterschiedliche Funktionen: das Data-Warehouse, die Analyseinfrastruktur und die Schnittstelle zu anderen Datennutzern. Datenteams ßbernehmen also meistens mehrere Aufgaben. Sie kombinieren Businessanalyse mit dem älteren Gebiet der Business Intelli-

2010

2011

2012

2013

gence und fragen: Wie gesund ist mein Unternehmen? Bringt mir die Handlung X mehr Geld ein? Sie betreiben Produktentwicklung: Was machen diese neuen Nutzer zurzeit mit meinem Produkt und wie muss ich deswegen mein Design anpassen? Sie kreieren Produkte, wie beispielsweise Algorithmen fĂźr Empfehlungen, Suchmaschinen oder Spamfilter. Und sie leisten viel Forschungsarbeit.

Warum kann man nicht einfach bei Bedarf jemanden ins Boot holen?

Hilary Mason: Externe UnterstĂźtzung kann zwar eine Hilfe sein, aber im Grunde will man jemanden, der die eigenen Daten und Systeme verinnerlicht hat und Antworten liefern kann.

Die richtigen Fragen zu stellen, das scheint fĂźr Sie sehr wichtig zu sein.

Hilary Mason: Es ist weniger die Frage selbst, als die Art der Fragestellung. Und hier dreht sich alles um exaktes wissenschaftliches Arbeiten: Man muss eine existierende Theorie durch verfĂźgbare Daten ĂźberprĂźfbar machen und auf der Grundlage der Ergebnisse eine Entscheidung treffen.

Wenn wir beide eine Grafik betrachten, kann es sein, dass wir vĂśllig unterschiedliche Inhalte herauslesen. Wir kommen vielleicht zu keiner gemeinsamen Interpre tation â&#x20AC;&#x201C; bis wir uns darauf einigen, was wir eigentlich untersuchen wollen.

Wie Ăźberzeugen Sie Ihren CEO ?

Hilary Mason: Das ist einfach: Ich habe recht ! Das ist natĂźrlich nicht ganz ernst gemeint, aber wer sich auf Daten stĂźtzen MCPP JCV FKG UVĂ&#x20AC;TMGTGP #TIWOGPVG Ć

GLOBAL INVESTOR 1.13

«INFORMATION UND WISSEN SIND FÜR DIE DEMOKRATIE VON ZENTRALER BEDEUTUNG, DENN SIE BILDEN DIE GRUNDLAGEN JEDER ENTWICKLUNG.»

Kofi Annan 1997

—51

GLOBAL INVESTOR 1.13

—52

Zukunft

Neue Wege Big Data dürfte bald für fast alle Branchen ein Thema werden – nicht nur für Internetriesen. Jürgen Galler, Mitglied der Geschäftsleitung eines führenden Telekomanbieters erzählt, wie Telekomunternehmen ihre Geschäftsmodelle überdenken und welche Möglichkeiten die Big-Data-Analytik Start-ups bietet.

Foto: Swisscom

Uwe Neumann, Telecoms and Technology Analyst, Credit Suisse

Jürgen Galler ist Leiter Group Strategy & Innovation bei Swisscom und war als Gründer und Leiter von Softwareund Internetunternehmen in Europa und Asien erfolgreich. Vorher war er Leiter Produktmanagement bei Google und Youtube für Europa, den Nahen Osten und Afrika. Er wechselte zu einem Telekomanbieter, um die nächste Generation innovativer Dienstleistungen und entsprechende Geschäftsmodelle mit aufzubauen.

Uwe Neumann: Wie wirkt sich die Big-Data-Analytik zukünftig auf Ihre Branche aus?

Jürgen Galler: Neue datenintensive Produkte oder Prozesse ermöglichen Telekomanbietern stets neue Dienstleistungschancen. Bei Big Data sind verschiedene Richtungen denkbar. Angenommen, der Zugriff auf Daten und ihre Nutzung werden strengeren staatlichen Regeln und Kontrollen unterworfen, dann ergeben sich Chancen für Anbieter hochqualitativer Sicherheitsinfrastrukturen, wie etwa lokale Rechenzentren, die gemäss der lokalen Datengesetze arbeiten. Nutzer, die die Verwendung ihrer Daten kontrollieren möchten, und Kunden, deren Kerngeschäft auf Big-Data-Analytik angewiesen ist, könnten solche lokalen Anbieter den anonymen, weltweit agierenden Unternehmen vorziehen.

Welche Dienstleistungen sind durch Big Data im Telekomsektor möglich?

Jürgen Galler: Da wäre zum einen der kontrollierte Zugriff auf Kundendaten.

Kunden könnten zum Beispiel Zugangsregeln festlegen, die Versicherern oder Ärzten erlauben, auf ihre Gesundheits- oder Reisedaten zuzugreifen, weiterführende Datenanfragen aber ablehnen. Telekomanbieter könnten Datensammlungen von Datenanbietern erwerben und «BigData-Fabriken» errichten, in denen ihre Geschäftskunden Kernprozesse auf Optimierungsmöglichkeiten hin analysieren.

Anbieter mit «vertikalem» Portfolio von Infrastruktur bis zu IT-Dienstleistungen könnten umfassende Big-Data-Dienste für Städte bereitstellen: Verkehrsvorhersagen, Gesundheitsrat schläge und anderes.

Welche Start-up-Möglichkeiten bietet Big Data für Ihre Branche?

Jürgen Galler: Ich denke, zunächst im Bereich Infrastruktur- und Softwarelösungen und in einer zweiten Runde intelligente Big-Data-Lösungen für bestimmte Märkte, wie Echtzeitkalkulation von Zeit und Kosten im Logistiksektor, und schliesslich Unternehmen mit Fokus auf dem Sammeln, Vermieten und Verkaufen von Daten. Wir sind an Investitionen in Unternehmen der ersten beiden Kategorien interessiert.

Wie wichtig sind maschinenbasierte Dienstleistungen?

Jürgen Galler: Telekomunternehmen investieren bereits in sogenannte Machine to-Machine -Kommunikation. Aber diese Technologien sind noch zu komplex und >

GLOBAL INVESTOR 1.13

proprietär, als dass sich ihr Einsatz für Nutzer wie etwa Service -Provider lohnen würde. Telekomanbieter könnten durchaus eine Rolle bei der produktübergreifenden Kommunikation spielen, die über die üblichen geschlossenen Systeme hinausgeht. Wenn etwa mein Smartphone mit Produkten verschiedener Hersteller interagieren kann – die alle Daten generieren –, dann kann ich mein Bett, meine Kaffeemaschine und meine Autoheizung in ein einziges Netzwerk integrieren.

Sobald ich aufstehe, schaltet sich die Kaffeemaschine ein und an Werktagen wird mein Wagen auf die gewünschte Temperatur vorgeheizt.

Welche Herausforderungen und Risiken birgt die Expansion der Big-Data-Analytik ?

Jürgen Galler: Ich sehe keine unmittelbaren Risiken, sondern vielmehr Möglichkeiten. Mit dem Aufkommen neuer Services und Unternehmen steigt der Wert der Daten und damit auch der netzwerkbasierten Datenübertragung und der Datenspeicherung in Rechenzentren sowie die Bedeutung von Zuverlässigkeit und Sicherheit. Telekomanbieter könnten auch hinsichtlich ihrer Kerngeschäftsprozesse wie Kundenmanagement und Infrastruk turdesign vom Wissenskauf profitieren.

Mehr Rechenleistung kann ebenfalls neue Geschäftsmöglichkeiten schaffen.

Ersetzt in Zukunft der CAO (Chief Analytics Officer) den CEO an der Unternehmensspitze?

Jürgen Galler: In zehn Jahren könnte der organisatorische Aufbau eines Telekomunternehmens tatsächlich ganz anders aussehen. Anbieter, die sich auf Big-DataDienste für Geschäftskunden konzentrieren, könnten ihre Kommunikationsdienstleistungen in erster Linie als Mittel zum Datenerwerb betrachten. Unternehmen, die ihren Kunden Sicherheit und Datenschutz anbieten, könnten sich darauf spezialisieren, Kundendaten davor zu schützen, dass sie von Datenakquisiteuren erfasst werden.

Zu diesem Zweck könnten sie bestimmte intelligente Lösungen nutzen und für diese Dienstleistungen eine Prämie verlangen.

Ich denke, die erste Variante ist unbedingt auf einen CAO angewiesen, die zweite CWH GKPGP %JKGH 5GEWTKV[ 1HHKEGT Ɓ

—53

SCHÖNE NEUE STADT DANK MOBILFUNKDATEN

In Morristown, New Jersey, arbeitet der Telekomriese AT&T mit den Städteplanern an einem gemeinsamen Projekt. Die Anrufe der AT&T-Kunden legen das Fundament für eine bessere Zukunft. Quelle: «The Star-Ledger » / AT&T

1

Tätigt ein AT&T-Kunde in Morristown über sein Handy einen Anruf oder verschickt er eine SMS, wird dies von einem der 35 Sendemasten im Umkreis von fünf Meilen registriert.

2

Ein Bericht wird erstellt, der Beginn und Ende des Empfangs durch den Sendemast, die Postleitzahl der Rechnungsadresse und den ungefähren Standort des Handys innerhalb einer Quadratmeile vermerkt.

(973) XXX-XXXX

3 Persönliche Daten wie etwa

die Telefonnummer werden gelöscht, bevor die Informationen an die Statistiker von AT&T Labs weitergereicht werden.

4

Forscher gruppieren die Nutzer nach Tageszeit, Häufigkeit und Art der Nutzung ( SMS oder Anruf ). So lassen sich anschliessend Pendler von Studenten und Nachtschwärmern unterscheiden.

5 Hat man sie einer Gruppe

zugeordnet, werden die Nutzer auf einer Karte verzeichnet, die anschliessend den Städteplanern zur Verfügung gestellt wird.

Risikohinweise Anleger sollten bei ihrer Investmententscheidung diesen Bericht nur als einen von mehreren Faktoren betrachten. Informationen zu den mit Anlagen in die hierin behandelten Wertpapiere verbundenen Risiken finden Sie unter folgender Adresse: https://research.credit-suisse.com/riskdisclosure Die Credit Suisse hat gegebenenfalls keine Schritte unternommen, um sicherzustellen, dass die in diesem Bericht genannten Wertpapiere oder Finanzinstrumente für einen bestimmten Anleger geeignet sind. Die Credit Suisse wird die Empfänger dieses Berichts nicht automatisch als Kunden erachten oder als solche behandeln. Die in diesem Bericht genannten oder beschriebenen Anlagen oder Leistungen sind gegebenenfalls nicht für Sie geeignet, und wir empfehlen Ihnen, einen unabhängigen Anlageberater zu konsultieren, falls Sie im Hinblick auf die betreffenden Anlagen oder Leistungen Zweifel hegen. Der Bericht stellt keine Beratung in rechtlichen Fragen oder in Fragen der Rechnungslegung oder Besteuerung dar. Er enthält keine persönliche Empfehlung und soll in keiner Weise andeuten, dass bestimmte Anlagen oder Strategien für Sie geeignet oder im Rahmen Ihrer individuellen Situation für Sie angemessen sind. Kurs, Wert und Ertrag der in diesem Bericht beschriebenen Wertpapiere oder Finanzinstrumente können sowohl steigen als auch fallen. Der Wert von Wertpapieren und Finanzinstrumenten unterliegt Schwankungen von Kassa- bzw. Termin- und Wechselkursen sowie der Entwicklung von wirtschaftlichen Indikatoren, der Bonität von Emittenten oder Referenz- Emittenten usw. Diese Schwankungen und Entwicklungen können sich sowohl vorteilhaft als auch nachteilig auf den Ertrag bzw. den Kurs der betreffenden Papiere oder Instrumente auswirken. Beim Kauf von Wertpapieren oder Finanzinstrumenten können Sie aufgrund von Schwankungen der Börsenkurse oder anderer finanzieller Indizes usw. einen Verlust oder einen den investierten Betrag übersteigenden Verlust erleiden. Dieses Risiko betrifft insbesondere Anleger in Wertpapiere wie beispielsweise ADR s, deren Wert von Wechselkursschwankungen beeinflusst wird. Provisionssätze für Maklergeschäfte entsprechen den zwischen der CS und dem Anleger vereinbarten Sätzen. Bei Transaktionen, die als Abkommen zwischen selbstständigen Händlern/Kommittenten (Principal -to -principal - Basis) zwischen der Credit Suisse und dem Anleger abgeschlossen werden, entspricht der Kauf- bzw. Verkaufspreis der Gesamtvergütung. Auf Principal -to - principal - Basis durchgeführ te Transaktionen, einschliesslich ausserbörslicher ( OTC ) Transaktionen mit Derivaten, werden als Kauf-/ Geldkurs oder Verkaufs-/Briefkurs angegeben, wobei zwischen diesen Kursangaben eine Differenz (Spread) bestehen kann. Gebühren für Transaktionen werden vor dem Handel gemäss den geltenden Gesetzen und Bestimmungen vereinbart. Bitte konsultieren Sie vor einem Kauf die handelsvorbereitende Dokumentation, in der Sie eine Erläuterung der Risiken und Provisionen usw. der jeweiligen Wertpapiere oder Finanzinstrumente finden.

Bei strukturierten Wertpapieren handelt es sich um komplexe Anlageinstrumente, die typischerweise ein erhöhtes Risiko aufweisen. Diese Produkte richten sich ausschliesslich an erfahrene und informierte Anleger, die alle mit der entsprechenden Anlage verbundenen Risiken verstehen und akzeptieren. Der Marktwert von strukturierten Wertpapieren wird durch wirtschaftliche, finanzielle und politische Faktoren beeinflusst (insbesondere Spotund Forward-Zinsen sowie Wechselkurse), ebenso durch Faktoren wie Laufzeit, Marktkonditionen, Volatilität oder Bonität des Emittenten bzw. von Referenzemittenten. Anleger, die den Erwerb strukturierter Produkte erwägen, sollten das betreffende Produkt eigenständig prüfen und analysieren und ihre eigenen Berater zu den mit dem geplanten Erwerb verbundenen Risiken konsultieren. Einige der in diesem Bericht behandelten Produkte weisen ein erhöhtes Mass an Volatilität auf. Anlagen mit erhöhter Volatilität können starken Wertschwankungen unterliegen, die zu Verlusten bei einer Realisierung der betreffenden Anlage führen können. Derartige Verluste können dem Wert der ursprünglichen Anlage entsprechen. Bei bestimmten Investments können die erlittenen Verluste den Wert der ursprünglichen Anlage sogar übersteigen. In einem solchen Fall müssen Sie die erlittenen Verluste durch zusätzliche Zahlungen decken. Die Rendite auf ein Investment kann fluktuieren, und gegebenenfalls wird ein Teil des für die ursprüngliche Anlage gezahlten Betrags für die Zahlung der Rendite verwendet. Bestimmte Investments können gegebenenfalls nicht ohne weiteres realisiert werden, und der Verkauf bzw. die Realisierung der betreffenden Instrumente kann sich als schwierig erweisen. Ebenso kann es sich als schwierig erweisen, zuverlässige Informationen zum Wert eines Investments oder den damit verbundenen Risiken zu erlangen. Bitte wenden Sie sich bei Fragen an Ihren Relationship Manager.

Offenlegungen Externe Autoren und Interviewpartner Die von den externen Autoren bzw. Interviewpartnern geäusserten Ansichten stimmen nicht zwangsläufig mit den Ansichten von Credit Suisse überein.

Bestätigung Alle in diesem Bericht aufgeführten Analysten bestätigen hiermit, dass die in diesem Bericht geäusserten Ansichten über Unternehmen und deren Wertschriften mit ihren persönlichen Ansichten über sämtliche hier analysierten Unternehmen und Wertschriften übereinstimmen. Die Analysten bestätigen darüber hinaus, dass eine bereits erhaltene oder zukünftige Entschädigung in keiner Art und Weise direkt oder indirekt mit den in diesem Bericht ausgedrückten Empfehlungen oder Ansichten in Verbindung steht.

Die in diesem Bericht erwähnten Knowledge Process Outsourcing Analysten ( KPO -Analysten) sind bei der Credit Suisse Business Analytics ( India) Private Limited angestellt.

Wichtige Offenlegungen Die Credit Suisse veröffentlicht Research- Berichte nach eigenem Ermessen. Dabei bezieht sie sich auf Entwicklungen in den analysierten Unternehmen, im Sektor oder Markt, die für die im Bericht geäusserten Meinungen und Ansichten wesentlich sein können. Die Credit Suisse veröffentlicht ausschliesslich unparteiische, unabhängige, eindeutige, faire und nicht irreführende Anlagestudien.

Der für alle Mitarbeiterinnen und Mitarbeiter der Credit Suisse verbindliche Code of Conduct ist online unter folgender Adresse abrufbar: https://www.credit-suisse.com/governance/doc/code_of_conduct_de.pdf Weitere Informationen finden Sie im Dokument « Unabhängigkeit der Finanzanalyse» unter folgender Adresse: https://www.credit-suisse.com/legal/pb_research/independence_de.pdf Die Entschädigung der für diesen Research- Bericht verantwortlichen Analysten setzt sich aus verschiedenen Faktoren zusammen, darunter dem Umsatz der Credit Suisse. Einen Teil dieses Umsatzes erwirtschaftet die Credit Suisse im Bereich Investment Banking.

Zusätzliche Offenlegungen für folgende Rechtsordnungen Vereinigtes Königreich: Weitere Offenlegungsinformationen für den Bereich Fixed Income erhalten Kunden der Credit Suisse ( UK ) Limited und der Credit Suisse Securities ( Europe) Limited unter der Telefonnummer + 41 44 333 33 99 .

Weitere Informationen wie Offenlegungen im Zusammenhang mit anderen Emittenten erhalten Sie online auf der Seite « Global Research Disclosure» der Credit Suisse unter folgender Adresse: https://www.credit-suisse.com/disclosure Erläuterungen zur Analyse Relative Performance von Aktien Auf Titelebene wird bei der Auswahl die relative Attraktivität der einzelnen Aktien gegenüber Sektor, Marktstellung, Wachstumsperspektiven, Bilanzstruktur und Bewertung berücksichtigt. Die Sektor- und Länderempfehlungen lauten «übergewichten», «neutral » und «untergewichten » und beziehen sich auf ihre relative Performance gegenüber den jeweiligen regionalen und globalen Benchmark- Indizes.

Absolute Performance von Aktien Die Aktienempfehlungen lauten « BUY», « HOLD » und « SELL » («kaufen », «halten » und « verkaufen »). Diese gelten üblicherweise für einen Zeitraum von 6 bis 12 Monaten und sind von der erwarteten absoluten Performance der einzelnen Aktien gemäss folgenden Kriterien abhängig: BUY

Anstieg des absoluten Aktienkurses um 10% oder mehr.

HOLD

Schwankung um –10% / +10% des absoluten Aktienkurses.

SELL

Sinken des absoluten Aktienkurses um 10% oder mehr.

RESTRICTED

Unter bestimmten Umständen können interne oder externe Vorschriften gewisse Arten der Berichterstattung ausschliessen, darunter z. B. Anlageempfehlungen während eines Engagements der Credit Suisse an einer Investment-BankingTransaktion.

TERMINATED

Die Research-Berichterstattung wurde eingestellt.

Absolute Performance von Anleihen Die Anleihenempfehlungen basieren grundsätzlich auf den geschätzten absoluten Renditen gegenüber dem entsprechenden Benchmark. Sie beziehen sich auf einen Zeithorizont von 3 bis 6 Monaten und sind wie folgt definiert: BUY

Erwartungsgemäss dürfte die Performance der Anleihe diejenige des festgelegten Benchmarks übertreffen.

HOLD

Erwartungsgemäss dürfte die Performance der Anleihe derjenigen des festgelegten Benchmarks entsprechen.

SELL

Erwartungsgemäss dürfte die Performance der Anleihe hinter derjenigen des festgelegten Benchmarks zurückbleiben.

RESTRICTED

Unter bestimmten Umständen können interne oder externe Vorschriften gewisse Arten der Berichterstattung ausschliessen, darunter z. B. Anlageempfehlungen während eines Engagements der Credit Suisse an einer Investment-BankingTransaktion.

Credit Suisse HOLT Hinsichtlich der auf der HOLT (tm)- Methode basierten Analyse in diesem Bericht erklärt die Credit Suisse hiermit, dass (1) die in diesem Bericht geäusserten Ansichten genau der HOLT- Methode entsprechen und ( 2 ) die Entschädigung des Unternehmens weder ganz noch teilweise in direktem Zusammenhang mit den entsprechenden in diesem Bericht geäusserten Ansichten stand, steht oder stehen wird. Die HOLT- Methode der Credit Suisse ordnet einem Wertpapier kein Rating zu. Vielmehr handelt es sich hierbei um ein Analyseinstrument mit eigens entwickelten quantitativen Algorithmen und zugeordneten Wertberechnungen, das sogenannte HOLT- Bewertungsmodell der Credit Suisse, das konsequent auf alle in der entsprechenden Datenbank enthaltenen Unternehmen angewendet wird.

Daten von Dritten (einschliesslich Konsensgewinnschätzungen) werden systematisch in eine Anzahl Standardvariablen umgesetzt und in die Algorithmen im HOLT- Bewertungsmodell der Credit Suisse integriert. Für eine genauere Messung von der Unternehmensperformance zu Grunde liegenden wirtschaftlichen Vorteilen werden die von externen Datenlieferanten gelieferten Daten, wie Jahresabschlüsse, Kurs- und Gewinnzahlen, einer Qualitätsprüfung unterzogen und gegebenenfalls angepasst. Diese Anpassungen bieten die nötige Konsistenz bei der Analyse eines einzelnen Unternehmens über einen Zeitraum oder mehrerer Unternehmen über die Branchen- oder Landesgrenzen hinaus. Das Standardszenario des HOLT- Bewertungsmodells der Credit Suisse legt eine Basisbewertung für ein Wertpapier fest. Anschliessend kann der Anwender zur Berechnung von möglichen alternativen Szenarien die Standardvariablen verändern. Die HOLT- Methode der Credit Suisse ordnet einem Wertpapier kein Kursziel zu. Das Standardszenario des HOLT- Bewertungsmodells der Credit Suisse legt einen Kursbereich für ein Wertpapier fest. Werden die von Dritten stammenden Daten aktualisiert, kann sich der Kursbereich ebenfalls verändern.

Zur Berechnung von möglichen alternativen Kursbereichen können die Standardvariablen ebenfalls verändert werden. Weitere Informationen zur HOLT- Methode der Credit Suisse sind auf Anfrage erhältlich.

CFROI (r), CFROE , HOLT, HOLT folio, HOLT Select, HS60 , HS40 , ValueSearch, AggreGator, Signal Flag und Powered by HOLT sind Markenzeichen oder geschützte Markenzeichen der Credit Suisse oder mit ihr verbundener Unternehmen in den USA oder anderen Ländern.

HOLT ist eine Beratungsdienstleistung der Credit Suisse bezüglich Unternehmensperformance und -bewertung.

Technisches Research Wo im Bericht Tabellen mit Empfehlungen aufgeführt sind, bedeutet «Schluss» den letzten an der Börse notierten Schlusskurs. « MT» ist ein Rating für den mittelfristigen Trend (Ausblick über 3 – 6 Monate). « ST» ist ein Rating für den kurzfristigen Trend (Ausblick über 3 – 6 Wochen). Das Rating «+» bezeichnet einen positiven Ausblick (möglicher Kursanstieg), « 0 » einen neutralen (keine grossen Kursveränderungen erwartet) und «–» einen negativen (möglicherweise sinkender Kurs). « Outperform » in der Spalte « Rel. Perf.» bezeichnet die erwartete Performance der Aktie gegenüber dem Benchmark. In der Spalte « Kommentar » sind die jüngsten Analystenempfehlungen enthalten. In der Spalte « Empf.» ist das Datum

aufgeführt, an dem die Aktie zum Kauf empfohlen wurde ( Eröffnungskauf ). « G&V » weist den aufgelaufenen Gewinn oder Verlust seit Abgabe der Kaufempfehlung aus.

In der unter folgender Adresse zugänglichen Broschüre « Grundlagen der technischen Analyse» findet sich eine kurze Einführung in die technische Analyse: https://www.credit-suisse.com/legal/pb_research/technical_tutorial_de.pdf Allgemeiner Haftungsausschluss / Wichtige Information Informationen zu den mit Anlagen in die hierin behandelten Wertpapiere verbundenen Risiken finden Sie unter folgender Adresse: https://research.credit-suisse.com/riskdisclosure Alle Hinweise auf die Credit Suisse beziehen sich ebenfalls auf mit ihr verbundene Unternehmen und Tochtergesellschaften. Weitere Informationen über die Organisationsstruktur finden sich unter folgender Adresse: http://www.credit-suisse.com/who_we_are/de/ Die Informationen und Meinungen in diesem Bericht wurden von der Abteilung Global Research der Division Private Banking der Credit Suisse am angegebenen Datum erstellt und können sich ohne vorherige Mitteilung ändern. Aufgrund unterschiedlicher Bewertungskriterien können die in diesem Bericht geäusserten Ansichten über einen bestimmten Titel von Ansichten und Beurteilungen des Credit Suisse Research Department der Division Investment Banking abweichen oder diesen widersprechen. Die vorliegende Publikation ist nicht für die Verbreitung an oder die Nutzung durch natürliche oder juristische Personen bestimmt, die Bürger eines Landes sind oder in einem Land ihren Wohnsitz bzw. ihren Gesellschaftssitz haben, in dem die Verbreitung, Veröffentlichung, Bereitstellung oder Nutzung dieser Informationen geltende Gesetze oder Vorschriften verletzen würde oder in dem die Schweizer Bank Credit Suisse AG , oder ihre Tochter- und verbundenen Unternehmen (« CS ») Registrierungs- oder Zulassungspflichten erfüllen müssten. Alle Informationen in dieser Publikation unterliegen dem Copyright der CS , sofern nicht anders angegeben. Weder der Bericht noch sein Inhalt noch Kopien davon dürfen ohne die vorherige schriftliche Genehmigung durch die CS verändert, übertragen, kopiert oder an Dritte verteilt werden. Alle in diesem Bericht verwendeten Warenzeichen, Dienstleistungsmarken und Logos sind Warenzeichen oder Dienstleistungsmarken bzw. eingetragene Warenzeichen oder Dienstleistungsmarken der CS oder ihrer verbundenen Unternehmen. Der Bericht wurde einzig zu Informationszwecken publiziert und ist weder ein Angebot noch eine Aufforderung zum Kauf, Verkauf oder zur Zeichnung von Wertpapieren oder ähnlichen Finanzinstrumenten. Die CS bietet keine Beratung hinsichtlich der steuerlichen Konsequenzen einer Anlage und empfiehlt Anlegern, einen unabhängigen Steuerberater zu konsultieren.

Zu beachten ist insbesondere, dass sich die Steuerbasis und die Höhe der Besteuerung ändern können. Die CS hält die im Disclosure -Anhang des vorliegenden Berichts enthaltenen Informationen und Meinungen für richtig und vollständig. Die Informationen und Meinungen in den übrigen Abschnitten des Berichts stammen aus oder basieren auf Quellen, die die CS als zuverlässig erachtet. Dennoch kann keine Gewähr für die Richtigkeit oder Vollständigkeit der Informationen geleistet werden. Weitere Informationen sind auf Anfrage erhältlich. Die CS lehnt jede Haftung für Verluste aus der Verwendung dieses Berichts ab, es sei denn, dieser Haftungsausschluss steht im Widerspruch zu einer Haftung, die sich aus bestimmten für die CS geltenden Statuten und Regelungen ergibt. Dieser Bericht ist kein Ersatz für eine unabhängige Beurteilung. Die CS hat möglicherweise eine Handelsidee zu diesem Wertpapier veröffentlicht oder wird dies möglicherweise in Zukunft tun. Handelsideen sind kurzfristige Handelsempfehlungen, die auf Marktereignissen und Katalysatoren basieren, wohingegen Unternehmensempfehlungen Anlageempfehlungen darstellen, die auf dem erwarteten Gesamtertrag im 6 bis 12 - Monats- Horizont basieren, gemäss der Definition im Disclosure -Anhang. Da Handelsideen und Unternehmensempfehlungen auf unterschiedlichen Annahmen und Analysemethoden basieren, könnten die Handelsideen von den Unternehmensempfehlungen abweichen. Ausserdem hat die CS möglicherweise andere Berichte veröffentlicht oder wird möglicherweise Berichte veröffentlichen, die im Widerspruch stehen zu dem vorliegenden Bericht oder zu anderen Schlussfolgerungen gelangen. Diese Berichte spiegeln die verschiedenen Annahmen, Einschätzungen und Analysemethoden wider, auf denen sie basieren, und die CS ist in keiner Weise verpflichtet, sicherzustellen, dass der Empfänger Kenntnis von anderen entsprechenden Berichten erhält. Die CS ist involvier t in zahlreiche Geschäfte, die mit dem genannten Unternehmen in Zusammenhang stehen. Zu diesen Geschäften gehören unter anderem Handel, Risikoarbitrage, Market Making und anderer Eigenhandel. Die Informationen, Meinungen und Schätzungen in diesem Bericht entsprechen der Beurteilung durch die CS am angegebenen Datum und können sich ohne vorherige Mitteilung ändern. Der Bericht kann Internet-Adressen oder die entsprechenden Hyperlinks beinhalten. Die CS hat die Inhalte der Internet-Seiten, auf die Bezug genommen wird, nicht überprüft und übernimmt keine Verantwortung für deren Inhalte, es sei denn, es handelt sich um eigene Internet-Seiten der CS . Die Adressen und Hyperlinks (einschliesslich Adressen und Hyperlinks zu den eigenen Internet- Inhalten der CS ) werden nur als Annehmlichkeit und Information für Sie veröffentlicht, und die Inhalte der Seiten, auf die verwiesen wird, sind keinesfalls Bestandteil des vorliegenden Dokuments. Der Besuch der Internet-Seiten oder die Nutzung von Links aus dem vorliegenden Bericht oder der Internet-Seite der CS erfolgt auf Ihr eigenes Risiko.

Distribution von Research- Berichten Wo im Bericht nicht anders vermerkt, wird dieser Bericht von der Schweizer Bank Credit Suisse AG verteilt, die der Zulassung und Regulierung der Eidgenössischen Finanzmarktaufsicht untersteht. Australien: Dieser Bericht wird von der Credit Suisse AG , Sydney Branch (CSSB ) ( ABN 17 061 700 712 AFSL 226896 ), ausschliesslich an «Wholesale - Kunden », definiert nach s761G des Corporations Act 2001, verteilt. CSSB übernimmt keine Gewähr, noch macht sie Zusicherungen zur Wertentwicklung der in diesem Bericht er wähnten Finanzprodukte. Bahamas: Der vorliegende Bericht wurde von der Schweizer Bank Credit Suisse AG erstellt und im Namen der Credit Suisse AG , Nassau Branch, verteilt. Diese Niederlassung ist ein bei der Securities Commission der Bahamas eingetragener BrokerDealer. Bahrain: Dieser Bericht wird von der Credit Suisse AG , Bahrain Branch, verteilt, die über eine Zulassung der Central Bank of Bahrain ( CBB ) als Investment Firm Category 2 verfügt und von dieser reguliert wird. Brasilien: Die hierin enthaltenen Angaben dienen lediglich zu Informationszwecken und sollten nicht als ein öffentliches Angebot für Wertpapieren in Brasilien verstanden werden. Hierin erwähnte Wertschriften sind möglicherweise nicht bei der brasilianischen Börsenaufsicht CVM (Comissão de Valores Mobiliáros) registriert. Deutschland: Die Credit Suisse (Deutschland) AG untersteht der Zulassung und Regulierung der Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin). Sie verbreitet Finanzanalysen an ihre Kunden, die durch ein mit ihr verbundenes Unternehmen erstellt worden sind. Dubai: Diese Informationen werden von der Credit Suisse AG , Dubai Branch,

verteilt, die über eine ordnungsgemässe Lizenz der Dubai Financial Services Authority ( DFSA ) verfügt und unter deren Aufsicht steht. Finanzprodukte oder -dienstleistungen in diesem Zusammenhang richten sich ausschliesslich an Grosskunden mit liquiden Mitteln von über USD 1 Mio., die über ausreichend Erfahrung in Finanzfragen verfügen, um sich im Sinne eines Grosskundengeschäfts in Finanzmärkten engagieren zu können, und die regulatorischen Kriterien für eine Kundenbeziehung erfüllen. Frankreich: Dieser Bericht wird von der Credit Suisse (France) verteilt. Diese ist ein Anbieter von Investitionsdienstleistungen und verfügt über eine Zulassung der Autorité de Contrôle Prudentiel ( ACP ). Die Credit Suisse (France) untersteht der Aufsicht und Regulierung der Autorité de Contrôle Prudentiel und der Autorité des Marchés Financiers. Gibraltar: Dieser Bericht wird von der Credit Suisse (Gibraltar) Limited verteilt. Die Credit Suisse (Gibraltar) Limited ist eine unabhängige Gesellschaft, die zu 100 % im Besitz der Credit Suisse ist. Sie untersteht der Regulierung der Gibraltar Financial Services Commission. Guernsey: Dieser Bericht wird von der Credit Suisse (Guernsey) Limited verteilt, einer unabhängigen Rechtseinheit, die in Guernsey unter der Nummer 15197 und unter der Anschrift Helvetia Court, Les Echelons, South Esplanade, St Peter Port, Guernsey, eingetragen ist. Die Credit Suisse (Guernsey) Limited ist zu 100 % im Besitz der Credit Suisse AG . Sie wird von der Guernsey Financial Services Commission überwacht. Der jeweils aktuelle testierte Jahresabschluss ist auf Anfrage erhältlich. Indien: Der Vertrieb des vorliegenden Berichts erfolgt durch die Credit Suisse Securities ( India) Private Limited (« Credit Suisse India»), die vom Securities and Exchange Board of India ( SEBI ) beaufsichtigt wird unter den SEBI - Registrierungsnummern INB230970 637, INF230970637, INB010970631 und INF010970631 und deren Geschäftsadresse wie folgt lautet: 9 th Floor, Ceejay House, Plot F, Shivsagar Estate, Dr. Annie Besant Road, Worli, Mumbai 400 018 , Indien, Tel. + 91- 22 6777 3777. Italien: Dieser Bericht wird in Italien einerseits von der Credit Suisse ( Italy) S .p. A . verteilt, einer gemäss italienischem Recht gegründeten und registrierten Bank, die der Aufsicht und Kontrolle durch die Banca d›Italia und CONSOB untersteht, sowie andererseits von der Credit Suisse AG , einer Schweizerischen Bank mit Lizenz zur Erbringung von Banking und Finanzdienstleistungen in Italien. Japan: Dieser Bericht wird von Credit Suisse Securities (Japan) Limited, Financial Instruments Dealer, Director- General of Kanto Local Finance Bureau (Kinsho) No. 66 , Mitglied der Japan Securities Dealers Association, Financial Futures Association of Japan, Japan Investment Advisers Association und Type II Financial Instruments Firms Association, ausschliesslich in Japan verteilt. Credit Suisse Securities (Japan) Limited wird diesen Bericht nicht ausserhalb Japans verteilen oder in Länder ausserhalb Japans weiterleiten. Jersey: Der Vertrieb des vorliegenden Berichts erfolgt durch die (Guernsey) Limited, Jersey Branch, die von der Jersey Financial Services Commission beaufsichtigt wird. Die Geschäftsadresse der Credit Suisse (Guernsey) Limited, Jersey Branch, in Jersey lautet: TradeWind House, 22 Esplanade, St Helier, Jersey JE2 3QA . Katar: Diese Information wird von der Credit Suisse Financial Services (Qatar) L . L .C verteilt, die über eine Bewilligung der Aufsichtsbehörde für den Finanzplatz Katar (QFCR A ) verfügt und von dieser reguliert wird (QFC Nr. 00005 ). Alle Finanzprodukte oder Finanzdienstleistungen im Zusammenhang mit diesem Bericht sind nur für Geschäftskunden oder Vertragspartner (gemäss Definition der Aufsichtsbehörde für den Finanzplatz Katar (QFCR A )) zugänglich. Zu dieser Kategorie gehören auch Personen mit einem liquiden Vermögen von über USD 1 Mio., die eine Einstufung als Geschäftskunden wünschen und die über genügend Kenntnisse, Erfahrung und Verständnis des Finanzwesens verfügen, um sich an solchen Produkten und/oder Dienstleistungen zu beteiligen. Luxemburg: Dieser Bericht wird von der Credit Suisse (Luxembourg) S . A . verteilt.

Diese ist eine luxemburgische Bank, die über eine Zulassung der Commission de Surveillance du Secteur Financier (CSSF ) verfügt und von dieser reguliert wird. Mexiko: Die im Bericht enthaltenen Informationen stellen kein öffentliches Angebot von Wertschriften gemäss dem mexikanischen Wertschriftengesetz dar. Der vorliegende Bericht wird nicht in den mexikanischen Massenmedien angeboten. Der Bericht enthält keine Werbung im Zusammenhang mit der Vermittlung oder Erbringung von Bankdienstleistungen oder Anlageberatung auf dem Hoheitsgebiet Mexikos oder für mexikanische Staatsbürger. Russland: Das in diesem Bericht angebotene Research ist in keiner Art und Weise als Werbung oder Promotion für bestimmte Wertpapiere oder damit zusammenhängende Wertpapiere zu verstehen. Dieser Research- Bericht stellt keine Bewertung im Sinne des Bundesgesetzes über Bewertungsaktivitäten der Russischen Föderation dar. Der Bericht wurde gemäss den Bewertungsmodellen und der Bewertungsmethode der Credit Suisse erstellt. Singapur: Dieser Bericht wurde zur Verteilung in Singapur ausschliesslich an institutionelle Anleger, zugelassene Anleger und erfahrene Anleger (wie jeweils in den Financial Advisers Regulations definiert) erstellt und herausgegeben und wird von der Credit Suisse AG , Singapore Branch, auch an ausländische Anleger (gemäss Definition in den Financial Advisers Regulations) verteilt. Aufgrund Ihres Status als institutioneller Anleger, zugelassener Anleger, erfahrener Anleger oder ausländischer Anleger ist die Credit Suisse AG , Singapore Branch, in Bezug auf finanzielle Beratungsdienstleistungen, die die Credit Suisse AG , Singapore Branch, gegebenenfalls für Sie erbringt, von der Einhaltung bestimmter Compliance -Anforderungen gemäss Financial Advisers Act, Chapter 110 of Singapore (« FA A »), den Financial Advisers Regulations und den massgeblichen, im Rahmen dieser Gesetze und Bestimmungen herausgegebenen Mitteilungen und Richtlinien befreit. Spanien: Dieser Bericht wird in Spanien von der Credit Suisse AG , Sucursal en España, verteilt. Diese ist ein durch die Banco de España autorisiertes Unternehmen ( Registernummer 1460 ). Thailand: Der Vertrieb des vorliegenden Berichts erfolgt durch die Credit Suisse Securities ( Thailand) Limited, die von der Securities and Exchange Commission, Thailand, beaufsichtigt wird und unter der Adresse 990 Abdulrahim Place Building, 27/ F, Rama IV Road, Silom, Bangrak, Bangkok Tel. 0 - 2614 - 6000 eingetragen ist. Vereinigtes Königreich: Dieser Bericht wurde von der Credit Suisse ( UK ) Limited und der Credit Suisse Securities ( Europe) Limited herausgegeben. Die Credit Suisse Securities ( Europe) Limited und die Credit Suisse ( UK ) Limited verfügen beide über eine Zulassung der Financial Services Authority und stehen unter deren Aufsicht.

Sie sind der Credit Suisse zugehörige, aber rechtlich unabhängige Gesellschaften. Der Schutz privater Kunden durch die Financial Services Authority gilt nicht für Investitionen oder Dienstleistungen, die durch eine Person ausserhalb des Vereinigten Königreichs angeboten werden. Das Financial Services Compensation Scheme gilt nicht, wenn der Emittent seine Verpflichtungen nicht erfüllt.

USA: WEDER DER VORLIEGENDE BERICHT NOCH KOPIEN DAVON DÜRFEN IN DIE VEREINIGTEN STA ATEN VERSANDT, DORTHIN MITGENOMMEN ODER AN US- PERSONEN ABGEGEBEN WERDEN.

Örtliche Gesetze oder Vorschriften können die Verteilung von Research- Berichten in bestimmten Rechtsordnungen einschränken.

Das vorliegende Dokument darf ohne schriftliche Genehmigung der Credit Suisse weder ganz noch auszugsweise vervielfältigt werden. Copyright © 2013 Credit Suisse Group AG und/oder mit ihr verbundene Unternehmen. Alle Rechte vorbehalten.

13C022A

Impressum Credit Suisse AG , Global Research, Postfach 300, CH- 8070 ZĂźrich Herausgeber Giles Keating Redaktion Nilanjan Das, Uwe Neumann Redaktionsschluss 23. Mai 2013 Produktionsleitung Markus Kleeb, Katharina Schlatter Konzept arnold.kircherburkhardt.ch Gestaltung und Realisation arnold.kircherburkhardt.ch AngĂŠlique Bolter, Claudia Veit, Maja DavĂŠ, &QTKU 1DGTPGFGT /CTVKP $NĂ&#x20AC;VVNGT /QPKMC *Ă&#x20AC;Ć KIGT .W\KCP /GKGT Sacha Steiner, Rahel Frick (Projektmanagement) Redaktionelle Bearbeitung arnold.kircherburkhardt.ch Giselle Weiss, Miriam Widman, Robin Scott, Carola Bächi, Alexandra Stark, Claudia Marolf Druck GDZ print, ZĂźrich Weitere Ausgaben dieser Publikation erhalten Sie Ăźber Ihren Kundenberater. Mitarbeitende der Credit Suisse kĂśnnen weitere Exemplare direkt Ăźber Netshop bestellen.

Diese Publikation ist Ăźber das Internet erhältlich: www.credit-suisse.com/globalinvestor +PVTCPGV\WITKHH HĂ&#x2DC;T /KVCTDGKVGPFG FGT %TGFKV 5WKUUG http://research.csintra.net +PVGTPCVKQPCNG 7PVGTUVĂ&#x2DC;V\WPI KO 4GUGCTEJ YKTF Ă&#x2DC;DGT FCU YGNVYGKVG 0GV\ FGT 4GRTĂ&#x20AC;UGPVCPVGP FGT %TGFKV 5WKUUG IGYĂ&#x20AC;JTNGKUVGV %QXGTHQVQ /CVVJGY *WTUV 5EKGPEG 2JQVQ .KDTCT[

PERFO RMAN CE

neutral Drucksache No. 01-13-557038 â&#x20AC;&#x201C; www.myclimate.org Š myclimate â&#x20AC;&#x201C; The Climate Protection Partnership

&GOQITCƟG Multipolare Welt

Nachhaltigkeit

Wirtschaft

Expertenwissen für Investoren www.credit-suisse.com/globalinvestor Suchen Sie Hintergrundinformationen zu einem bestimmten Thema? #WH FGT 9KUUGPURNCVVHQTO FGU )NQDCN +PXGUVQT ƟPFGP 5KG GKP #TEJKX OKV FGP KO Global Investor publizierten Artikeln – mit PDFs zum kostenlosen Download.

Die wichtigsten Beiträge stehen zudem als Podcast für Sie bereit.

AUSGABEN

SPECIALS

Die Gesamt-PDFs aller Ausgaben des Global Investor seit 2005 sind für Sie zum Herunterladen verfügbar.

Entdecken Sie die Animationen und weitere Specials – exklusiv auf der Wissensplattform.

Ć&#x2019; Bestellen Sie den GI Global Investor bietet Hintergrundanalysen zu aktuellen Themen und längerfristigen Trends und beleuchtet deren mĂśgliche Auswirkungen auf Finanzmärkte und Investitionen.

In frĂźheren Ausgaben des Global Investor wurden unter anderem folgende Themen behandelt: Sie kĂśnnen diese Research-Publikationen bequem Ăźber www.credit-suisse.com/shop (Publikationenshop) bestellen. &QTV Ć&#x;PFGP 5KG CWEJ CPFGTG #WUICDGP FGU )NQDCN +PXGUVQT UQYKG KPVGTGUUCPVG 5VWFKGP WPF *CPFDĂ&#x2DC;EJGT \WO $GUVGNNGP oder als Download.

GI 3.08 ZurĂźck zur multipolaren Welt

GI 1.09 Anlagestrategien aufbauen

GI 2.09 Globale Megatrends

GI 1.10 +PĆ CVKQP

Aufgrund der markant gefallenen Nachfrage bekommen auch die Schwellenländer die globale Wirtschaftsschwäche zu spßren. In der Folge wurde Kapital abgezogen, Rohstoffpreise durchlaufen eine Korrekturphase. Diese Trends wirken sich auch negativ auf Rohstoffexporteure aus. Dennoch bestehen fßr diese Länder immer noch langfristige strukturelle Wachstumschancen. Die Welt bewegt sich weiterhin in Richtung einer multipolaren Ordnung, in der globale Wirtschaftsmacht und Reichtum gleichmässiger verteilt werden.

Die Finanzkrise verunsichert Investoren rund um den Erdball. Aufgrund der volatilen Marktentwicklung und der durch die Krise bedingten globalen Rezession haben viele Anlagen an Wert eingebßsst. Die turbulenten Phasen eines Konjunkturzyklus erfordern verbesserte oder soga r gänzlich neue Instrumente fßr das Risikomanagement.

Die Konzeption solider Anlage strategien ist angesichts der stets mit Risiken verbundenen Unsicherheit gleichermassen Wissenschaft wie Kunst. Diese Ausgabe des Global Investo r untersucht Theo rie und Praxis der Anla gestrategie im Kontext des $GTCVWPIURTQ\GUUGU

In den kommenden Jahr zehnten werden Mega trends das globale Wirtschaftswachstum, Handels- und Kapital Ć Ă&#x2DC;UUG 7PVGTPGJOGP WPF die Einstellung von Politikern sowie AufsichtsbehĂśrden erheblich beGKPĆ WUUGP /QOGPVCP konzentrieren wir uns auf die massiven Kräfte, die durch eine zunehmend multipolare Welt, die &GOQITCĆ&#x;G WPF FTĂ&#x20AC;PIGPFG Nachhaltigkeitsprobleme sowie den menschlichen 'TĆ&#x;PFWPIUTGKEJVWO HTGKIGsetzt werden. In dieser Ausgabe des Global Investor wird untersucht, wie sich diese Megatrends entwickeln werden, wo Chancen liegen und welche Wahrheiten bald Ăźberholt sein werden.

Nach der Finanzkrise unternahmen Staaten Schritte, um das Finanzsystem zu stabilisieren.

Das Eingreifen der Regierungen birgt jedoch auch Risiken, etwa einen 9 KGFGTCPUVKGI FGT +PĆ CVKQP oder steigende Ungleichgewichte in den Staatshaushalten. So werden Investoren auch kĂźnftig mit grĂśsseren Marktschwankungen rechnen mĂźssen. Um die Stabilität wiederherzustellen, mĂźssen Regierungen und Finanzindustrie gemeinsam .Ă&#x2019;UWPIGP Ć&#x;PFGP #PFGTPfalls kĂśnnten länger andauernde wirtschaftliche und politische Unruhen die Folge sein.

GI 2.10 Urbane Welt

GI 1.11 Emotionen und Märkte

GI 2.11 Erben und Vererben

GI 1.12 Design

GI 2.12 Gesundheit

In den Industrieländern leben 80 Prozent der $GXĂ&#x2019;NMGTWPI KP 5VĂ&#x20AC;FVGP Weltweit sind es 50 Prozent; bis 2050 sollen es zwei Drittel sein. Städte werden auf Dauer entscheidend fĂźr die Schaffung von Wohlstand sein. Wo der Wohlstand zunimmt, steigt auch die Nachfrage nach Konsumdienstleistungen. Die diversen Faktoren gelungener Urbanisierung â&#x20AC;&#x201C; von modernen Transportund Telekommunikationssystemen bis hin zu innovativen kulturellen Angeboten â&#x20AC;&#x201C; bieten aufmerksamen Anlegern spannende MĂśglichkeiten.

Fast alle werden von Verhaltensmerkmalen beGKPĆ WUUV YGNEJG FKG MĂ&#x2DC;JNG Logik rationaler Anlageziele behindern. Wer kann behaupten, dass er eine Anlage genauso gerne mit Verlust verkauft wie eine mit Gewinn, selbst wenn beide dieselbe Zukunftsperspektive haben? Wer ist immun gegen kollektive Panik oder kollektive Euphorie? Wissenschaftliche Studien wollen J GTCWUĆ&#x;PFGP YKG UQNEJG Verhaltensfaktoren die /Ă&#x20AC;TMVG DGGKPĆ WUUGP Anlageexperten nutzen die Erkenntnisse, um Marktentwicklungen besser beurteilen zu kĂśnnen.

Angesichts des sich verlangsamenden Wirtschaftswachstums kĂśnnte vererbtes VermĂśIGP Y KGFGT CP $GFGWVWPI gewinnen. Allerdings werden nicht nur VermĂśgenswerte, sondern auch Institutionen oder Ideen an kĂźnftige Generationen vererbt. In diesem Global Investor der Credit Suisse nehmen Fachautoren WPF 5RG\KCNKUVGP FGT $CPM die menschlichen, ge sellschaftlichen und wirtschaftlichen Folgen des Erbens unter die Lupe.

Gutes Design, das Ăźber Innovationen und intelligentes Marketing hinausgeht, schafft Ikonen, die sich von selbst verkaufen.

Es kann ein kleines Unternehmen in einen Grosskonzern verwandeln und einen krisengeplagten Anbieter aus der zweiten Reihe in einen MarktfĂźhrer.

Zeitloses, herausragendes Design ist selten â&#x20AC;&#x201C; meisVGPU KUV GKP URG\KĆ&#x;UEJGT Zeitgeist oder die technologische Entwicklung bestimmend. Zeitgeist und Technik verändern sich; ein Unternehmen kann daher seine Stärke verlieren, wenn es den Designerfolg nicht wiederholen kann.

Die Informationstechnologie ist vermutlich der stärkste einzelne Faktor fßr Veränderungen in der weiten und vielfältigen Welt der Gesundheit. Sie weckt Hoffnungen auf bessere Diagnosen und Therapien, aber auch auf Kosteneinsparungen. <CJNTGKEJG $GKURKGNG \GKgen, wie sich diese Technologien weltweit auswirken und wie insbesondere in Schwellenländern gesellschaftlich engagierte Unternehmen innovative GesundheitslÜsungen lancieren.

Für den analytischen Blick auf Big Data Global Investor auf dem iPad

20°C–45°C

9.7"A1459*

9.4 mm

5%–95%A6X

185.7 mm

4.0

2048 x 1536 Wer diese Daten analysiert, erkennt hier ein iPad.

GID 1545741

802.11n 2.4 GHz & 5 GHz

www.credit-suisse.com/globalinvestor

ƒ/2.4 802.11n

42.5 W

662 g 241.2 mm

GSM/EDGE (850, 900, 1800, 1900 MHz)

264 ppi 1080p