Daten- und Informationsqualität (eBook)

Prof. Dr. Knut Hildebrand, Hochschullehrer an der Hochschule Weihenstephan-Triesdorf, Forschungsschwerpunkt Stammdatenqualität, Mitglied der Gesellschaft für Informations- und Datenqualität e.V. (DGIQ)Dr. Marcus Gebauer, Head of Department Information Technology Hannover Rück AG, Gründungsmitglied und Vorsitzender des Vorstands der Deutschen Gesellschaft für Informations- und Datenqualität e.V. (DGIQ)Prof. Dr.-Ing. Holger Hinrichs, Hochschullehrer für Informatik an der FH Lübeck, Leiter Forschung und Entwicklung bei der TIQ Solutions GmbHMichael Mielke, Gründungsmitglied und Präsident der Deutschen Gesellschaft für Informations- und Datenqualität e.V. (DGIQ)

Editorial 5
Danksagung 7
Grußwort Prof. Richard Wang 7
Inhaltsverzeichnis 9
A Informationsqualität – Grundlagen 11
1 Was wissen wir über Information? 12
1.1 Einleitung 12
1.2 Grundlegung 14
1.3 Information im Wissens- und Informationsmanagement 16
1.4 SHANNONsche Informationstheorie 20
1.5 STEINMÜLLERs Informationsmodell 23
1.5.1 STEINMÜLLERs System- und Prozessverständnis 23
1.5.2 Information als allgemeines Modell 24
1.5.3 Modell eines Informationssystems unter Einbezug der Semiotik 25
1.5.4 Fazit 27
1.6 Information als Produktionsfaktor 28
1.6.1 Perspektive der Produktionstheorie 28
1.6.2 Produktionsfaktor Information 30
1.6.3 Fazit 31
1.7 Zusammenfassung des Beitrages 31
Literaturverzeichnis 32
2 Informationsqualität – Definitionen, Dimensionen und Begriffe 34
2.1 Einleitung 34
2.2 IQ-Dimensionen und Definitionen 35
2.2.1 Die 15 IQ-Dimensionen im Überblick: 37
2.2.2 Graphische Darstellung der 15 IQ-Dimensionen und 4 IQ-Kategorien 38
2.2.3 Die 15 IQ-Dimensionen: Definitionen und Beispiele 41
2.2.3.1 Zugänglichkeit (accessibility): 41
2.2.3.2 Angemessener Umfang (appropriate amount of data): 42
2.2.3.3 Glaubwürdigkeit (believability): 43
2.2.3.4 Vollständigkeit (completeness): 43
2.2.3.5 Übersichtlichkeit (concise representation): 44
2.2.3.6 Einheitliche Darstellung (consistent representation): 45
2.2.3.7 Bearbeitbarkeit (ease of manipulation): 46
2.2.3.8 Fehlerfreiheit (free of error): 46
2.2.3.9 Eindeutige Auslegbarkeit (interpretability): 47
2.2.3.10 Objektivität (objectivity): 48
2.2.3.11 Relevanz (relevancy): 48
2.2.3.12 Hohes Ansehen (reputation): 49
2.2.3.13 Aktualität (timeliness): 50
2.2.3.14 Verständlichkeit (understandability): 51
2.2.3.15 Wertschöpfung (value-added): 51
2.2.3.16 Vollständigkeit der IQ-Dimensionen 52
2.3 Zusammenfassung und Ausblick 53
Literaturverzeichnis 54
B Methoden – Techniken – Tools – Regelwerke/Standards 55
1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement 56
1.1 Einleitung 56
1.2 Anforderungen an Datenqualitätsmetriken 58
1.3 Bisherige Beiträge zur Messung von Datenqualität 58
1.4 Metriken und Messverfahren für DQ 61
1.4.1 Metrik für die DQ-Dimension Vollständigkeit 61
1.4.2 Metrik für die DQ-Dimension Fehlerfreiheit 64
1.4.3 Metrik für die DQ-Dimension Konsistenz 67
1.4.4 Metrik für die DQ-Dimension Aktualität 69
1.5 Praktische Anwendung der Metrik für Aktualität 71
1.6 Zusammenfassung und Ausblick 72
Literaturverzeichnis 73
2 Datenqualitätsmanagement – Steigerung der Datenqualität mit Methode 75
2.1 Die Bedeutung des Total Data Quality Management 75
2.1.1 Vorgehensmodelle 76
2.1.2 Datenqualitätsmanagement sichert Ihren Unternehmenserfolg 77
2.2 Phasen eines ganzheitlichen Datenqualitätsmanagements 77
2.2.1 Initiierung des Datenqualitätsprojekts 78
2.2.2 Definition der Datenqualitätsanforderungen 81
2.2.3 Messung der vorhandenen Datenqualität 85
2.2.4 Analyse der Fehlerursachen 88
2.2.5 Verbesserung der Datenqualität 90
2.2.6 Permanente Überwachung der Datenqualität 92
2.3 Anreize für ein Datenqualitätsmanagement 92
Literaturverzeichnis 94
3 Strukturierte Datenanalyse, Profiling und Geschäftsregeln 95
3.1 Datenqualität 95
3.2 Merkmale der Datenqualität 97
3.3 Geschäftsregeln 100
3.4 Methoden der Datenanalyse 101
3.5 Metriken im Detail 103
3.6 Datenqualität in der Anwendung 105
Literaturverzeichnis 108
4 Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung 109
4.1 Definition "Datenbereinigung" 109
4.2 Ursachenanalyse 110
4.3 Bewertungskriterien für Datenfehler und Korrekturmaßnahmen 111
4.4 Methoden des Datenqualitätsmanagements 115
4.5 Datenqualitätsmaßnahmen im Detail 117
4.6 Zusammenfassung 129
5 Datenintegration und Deduplizierung 130
5.1 Schritt 1: Schema Matching 133
5.2 Schritt 2: Dublettenerkennung 136
5.2.1 Auswirkungen von Dubletten 136
5.2.2 Entstehung von Dubletten 138
5.2.3 Erkennen von Dubletten 138
5.2.3.1 Ähnlichkeitsmaße 139
5.2.3.2 Ähnlichkeit auf Datensatzebene 140
5.2.4 Durchführung der Dublettenerkennung 140
5.3 Schritt 3: Datenfusion 142
5.3.1 Konflikte ignorieren 143
5.3.2 Konflikte vermeiden 143
5.3.3 Konflikte auflösen 144
5.4 Erweiterungen 146
5.4.1 Strukturierung 146
5.4.2 Standardisierung 146
5.5 Zusammenfassung 148
Literaturverzeichnis 148
6 Definition von Datenarten zur konsistenten Kommunikation im Unternehmen 150
6.1 Einleitung und Zielsetzung 150
6.1.1 Informationsqualität und Datenarten 151
6.2 Datenarten in der Informationslandschaft 151
6.3 Beschreibungskriterien 152
6.3.1 Beschreibung der Eigenschaften 153
6.3.1.1 Format 153
6.3.1.2 Struktur 153
6.3.1.3 Inhalt 153
6.3.1.4 Stabilität 154
6.3.1.5 Verarbeitung 155
6.3.1.6 Business Object 155
6.3.2 Beschreibung des Kontextes 156
6.3.2.1 Prozess 156
6.3.2.2 Zweck 157
6.4 Beispiele für den Praxiseinsatz 158
6.4.1 Analyseebenen der Informationsqualität 158
6.4.2 Visualisierung des IQ-Status 159
6.5 Zusammenfassung 163
Literaturverzeichnis 163
7 Suchmaschinen und Informationsqualität: Status quo, Problemfelder, Entwicklungstendenzen1 164
7.1 Ausgangssituation 164
7.2 Charakterisierung algorithmenbasierter Suchmaschinen 165
7.2.1 Funktionsweise algorithmenbasierter Suchmaschinen 165
7.2.2 Anfrageabhängige Ranking-Faktoren 166
7.2.3 Anfrageunabhängige Ranking-Kriterien 168
7.3 Semantisches Web und semantische Suchmaschinen 170
7.3.1 Vision und Grundlagen des semantischen Webs 170
7.3.2 Technische Grundlagen des semantischen Web 173
7.3.3 Problemfelder und Herausforderungen im Bereich der semantischen Suche 174
7.4 Fazit und Ausblick 176
Literaturverzeichnis 177
8 Bedeutung der Informationsqualität bei Kaufentscheidungen im Internet1 179
8.1 Einleitung 179
8.2 Informationsqualität in Entscheidungsprozessen 180
8.2.1 Informationen und Kaufentscheidungen 180
8.2.2 Informationsqualitätskriterien 181
8.3 Ursachen mangelnder Informationsqualität im Internet 184
8.3.1 Opportunistische Verhaltensspielräume der Anbieter 184
8.3.2 Informationsqualität aus der Nachfragerperspektive 187
8.3.3 Gründe für Opportunismus im Internet 191
8.3.3.1 Das strategische Kalkül der Anbieter 191
8.3.3.2 Der Wandel von Sucheigenschaften zu Erfahrungseigenschaften 192
8.3.3.3 Weitere Besonderheiten im Internet 193
8.4 Fazit und Handlungsempfehlungen 196
Literaturverzeichnis 199
9 Datenqualitäts-Audits in Projekten 205
9.1 Einleitung 205
9.2 Abstimmung mit anderen Regelwerken 206
9.3 Glossar 207
9.4 Gebrauch der Generischen Checkliste 207
9.5 Datenqualitätsbewertung einer Datensammlung 210
9.5.1 Anforderungen an das Management 210
9.5.2 Service Level Agreements 211
9.5.3 Organisatorische Spezifikationen 212
9.5.4 Prozess-Definitionen 213
9.5.5 Datensammlung, Datenverarbeitung und Datennutzung 215
9.5.6 Messung, Maßnahmen und Überwachung 216
9.5.7 Technische Anforderungen 217
9.5.8 Dokumentation 219
9.6 Zusammenfassung 220
10 Bewertung der Informationsqualität im Enterprise 2.01 221
1.1 Einführung 221
1.2 Aktuelle Bewertungssysteme im Web 2.0 222
1.2.1 Wikipedia 222
1.2.2 Google Knol 222
1.2.3 Helium.com 223
1.3 Beurteilung der Informationsqualität einer Enterprise 2.0 Wissensplattform mittels eines hybriden Ansatzes 224
1.3.1 Automatische Beurteilung der Informationsqualität 224
1.3.2 Implizites Nutzer-Feedback 226
1.3.3 Explizites Nutzer-Feedback 228
1.3.4 Zusammenwirken der drei Ansätze und Fazit 229
Literaturverzeichnis 230
C Organisation 233
1 Organisatorische Ansiedlung eines Datenqualitätsmanagements 234
1.1 Einführung 234
1.1.1 Motivation 234
1.1.2 Gliederung des Kapitels 235
1.2 Datenqualitätsmanagement – Entwicklungsstufen und Aufgaben 236
1.2.1 Sicherung der Datenqualität 236
1.2.2 Management der Datenqualität 237
1.3 Datenqualitätsmanagement – Ansiedlung im Unternehmen 238
1.3.1 Kopplung von Datenqualitätsmanagement mit anderen Unternehmensbereichen 239
1.3.2 Folgerungen für die Ansiedlung eines Datenqualitätsmanagements 241
1.4 Datenqualitätsmanagement in Projekten 242
1.4.1 Aufgaben des Datenqualitätsmanagements in Projekten 242
1.4.2 Organisatorische Verankerung des Datenqualitätsmanagements in Projekten 242
1.5 Zusammenfassung und Ausblick 244
1.5.1 Zusammenfassung 244
1.5.2 Ausblick 244
Literaturverzeichnis 245
2 Organisatorische Maßnahmen für gute Datenqualität 246
2.1 Messungen, Ursachen und generische Ansätze 246
2.1.1 Möglichen Arten von Datenqualitätsmängeln 246
2.1.2 Datenqualitätsmängel – Entstehung und Bekämpfung 247
2.1.3 Vier Generische Ansätze 248
2.1.3.1 Ansatz 1: Verantwortung, Messen und Publizieren 248
2.1.3.2 Ansatz 2: Freiheit und Führung 249
2.1.3.3 Ansatz 3: Standards setzen und durchsetzen 249
2.1.3.4 Ansatz 4: Durchgängige Definitionen festlegen 250
2.2 Aus den generischen Ansätzen abgeleitete Strategien 250
2.3 Strategie A: Transparenz schafft Vertrauen 251
2.3.1 Ansatzpunkt dieser Strategie 251
2.3.2 Nutzen dieser Strategie 251
2.3.3 Nachteile und Risiken dieser Strategie 251
2.4 Strategie B: Definition von Verantwortlichkeiten 252
2.4.1 Ansatzpunkt dieser Strategie 252
2.4.2 Positionierung dieser Businessrollen im Modell 252
2.4.2.1 Der Process Owner 253
2.4.2.2 Der Data Owner 253
2.4.2.3 Der Data Definition Owner und Data Consumer 253
2.4.2.4 Der Data Provider 254
2.4.3 Nutzen dieser Strategie 254
2.4.4 Nachteile und Risiken dieser Strategie 254
2.5 Strategie C: gezielt Abhängigkeiten suchen 254
2.5.1 Ansatzpunkt dieser Strategie 254
2.5.2 Gezielte Definition von Master und Slave 255
2.5.3 Nutzen dieser Strategie 256
2.5.4 Nachteile und Risiken dieser Strategie 256
2.6 Strategie D: Daten-Lifecycle auf Basis des Prozesses 257
2.6.1 Ansatzpunkt dieser Strategie 257
2.6.2 Der Prozess und Lebenszyklus 257
2.6.3 Nutzen dieser Strategie 258
2.6.4 Nachteile und Risiken dieser Strategie 258
2.7 Strategie E: Niederschwellige Verbesserungs-Werkzeuge 259
2.7.1 Ansatzpunkt dieser Strategie 259
2.7.2 Beispiel eines niederschwelligen Verbesserungs-Werkzeuges 259
2.7.2.1 Schritt 1 – Einstieg über die Management-Sicht 259
2.7.2.3 Schritt 2 – Detaillisten für das Fehlertracking 259
2.7.2.5 Schritt 3 – Die Verbesserung der Datenqualität 260
2.7.3 Die Infrastruktur dieses Werkzeuges 260
2.7.5 Nutzen dieser Strategie 261
2.7.6 Nachteile und Risiken dieser Strategie 261
2.8 Vor- und Nachteile aller erwähnter Strategien 261
2.8.1 Der Prozess ist die Vorgabe 261
2.8.2 Das Saatkorn ist der Beginn 261
2.8.3 Komplexität des Systems und Datenvolumen 262
2.9 Vorgehen bei der Umsetzung dieser Strategien 262
2.9.1 Kontakt zwischen den Parteien 262
2.9.2 Management-Unterstützung 262
2.10 Schlussfolgerungen und Ausblick 262
Literaturverzeichnis 264
3 Informationsmanagementprozesse im Unternehmen 265
3.1 Motivation 265
3.2 Ausgangslage 265
3.3 Bewertung 267
3.4 Informationsmanagementprozess 269
3.5 Schema einer Informationsplanung 271
3.6 Datenlandkarte und Datenarchitektur 272
3.7 Geschäftsprozesse und Informationsmanagementprozess 275
3.8 Qualitätsaspekte 276
3.9 Ökonomische Aspekte 280
3.10 Zusammenfassung 281
Literaturverzeichnis 281
4 Data Governance 282
4.1 Einführung 282
4.2 Stand der Wissenschaft und Praxis 284
4.2.1 Abgrenzung des DQM 284
4.2.2 Bedeutung des Governance-Begriffs 284
4.2.3 Data Governance 285
4.2.4 Grundmuster für IT Governance 286
4.2.5 Einflussfaktoren auf IT Governance 287
4.3 Ein Modell für Data Governance 289
4.3.1 Rollen 289
4.3.2 Aufgaben 291
4.3.3 Zuständigkeiten 293
4.3.4 Einflussfaktoren und Gestaltungsparameter 295
4.4 Zusammenfassung 298
Literaturverzeichnis 299
5 IQM-Reifegradmodell für die Bewertung und Verbesserung des Information Lifecycle Management Prozesses 301
5.1 Einleitung 301
5.2 Hintergrund 302
5.2.1 Total Quality Management 302
5.2.2 QM-Reifegrad 303
5.2.3 Information Quality Management 303
5.2.4 Existierende IQM-Reifegradmodelle 305
5.3 Methodologie 305
5.3.1 Die Delphi-Methode 305
5.4 IQM-Reifegradmodell 306
5.4.1 Chaotisch 307
5.4.2 Reaktiv 308
5.4.3 Messend 308
5.4.4 Steuernd 309
5.4.5 Optimierend 309
5.5 Zusammenfassung und Ausblick 310
Literaturverzeichnis 310
6 Master Data Life Cycle – Stammdatenprozesse in SAP am Beispiel Materialstamm 314
6.1 Stammdaten – die Grundlage der Informationssysteme 314
6.2 Stammdatenqualität führt zu Prozessqualität 316
6.2.1 Qualitätseigenschaften 316
6.3 Probleme der Datenqualität und ihre Auswirkungen 316
6.4 Master Data Life Cycle (MDLC) – der Stammdatenprozess 317
6.4.1 Statuskonzept 317
6.5 Hindernisse und Problemfälle 321
6.6 Implementierung des MDLC 322
Literaturverzeichnis 323
D Praxisbeispiele 324
1 Ein Entscheidungsmodell zur Weitergabe persönlicher Daten im Internet 325
1.1 Einleitung 325
1.2 Entscheidungsmodell 326
1.2.1 Intention 328
1.2.2 Nutzen 329
1.2.3 Vertrauen 331
1.2.4 Datenarten 334
1.2.5 Eingabefehler 336
1.3 Ausblick 336
Literaturverzeichnis 338
2 Einführung eines proaktiven DQ-Managements 339
2.1 Die Bremer Landesbank 339
2.1.1 Der Auftrag 339
2.2 Proaktives Datenqualitätsmanagement 340
2.3 Datenqualitätsorganisation 341
2.4 Eskalationsinstanz 343
2.5 Reporting 343
2.6 Messung von Datenqualität 343
2.6.1 Die Themen 344
2.6.1.1 Abgleich KIS mit Kondor+ 344
2.6.1.2 Adressdatenabgleich zwischen externem Dienstleister und KIS 345
2.6.1.3 Datenabgleich zwischen KUKA und KIS 345
2.6.1.4 Legitimationsdaten 346
2.6.1.5 Messung inaktiver Kunden 346
2.6.1.6 Messung vollständiger Hinterlegung von Telefonnummern 346
2.6.1.7 Ermittlung von Dubletten 347
2.6.2 Messsysteme 348
2.6.3 Messung bankfachlicher Datenzusammenhänge 349
2.7 Visualisierung der Messergebnisse 350
2.8 Messergebnisse und Fazit 355
3 Informationsqualität für das Management mit TOPAS® 356
3.1 Informationsmanagement für Führungskräfte 356
3.1.1 Qualitätskriterien von Informationen für das Management 357
3.1.2 Absicherung der Informationsqualitätskriterien: TOPAS® -Methodik 357
3.2 TOPAS®: Methode und Modell 358
3.2.1 Geschäftsprozessmanagement (GPM) mit der TOPAS-Methode 358
3.2.2 Regelkreis für das Geschäftsprozessmanagement 358
3.2.3 4-Ebenen-Modell (Business Excellence Kriterien) 359
3.3 Anwendung: Management von Informationen und Daten 363
3.3.1 Informationen über Strukturen und Abläufe 363
3.3.2 Informationen und Daten für die strategische und operative Planung 364
3.4 Informationserfassung 366
3.4.1 Quellen zur Informationserfassung 367
3.4.2 Anforderungen zur Sicherung der Informationsund Datenqualität 367
3.5 Informationsverarbeitung 367
3.5.1 Operative Planung, Ziele 368
3.5.2 Festlegung von Kennzahlenstrukturen (KPI7) in der Balanced Scorecard 368
3.5.3 Sicherung der Informationsund Datenqualität: Kennzahlensteckbrief 369
3.5.4 Erfolgskontrolle via KPIs: Reviews und Audits 370
3.6 Informationsdarstellung 371
3.6.1 Standard-Reporting mit dem TOPAS®-Prozessmodell 371
3.6.2 IT-Portal für das Management: Business Cockpit 371
3.6.3 Effizienzsicherung der Prozess-Architektur 372
3.6.4 Identifizierung von Korrekturmaßnahmen und Kontinuierlicher Verbesserungsprozess (KVP) 372
3.7 Wirkungsspektrum von TOPAS® 373
Literaturverzeichnis 375
4 Datenqualitäts-Modell der Volkswagen Financial Services AG 376
4.1 Einleitung 376
4.2 Das Projekt „Datenqualität Strukturen/Standards und Drittmarktfähigkeit" 378
4.2.1 Warum ist Datenqualität nötig? 378
4.2.2 Projektauftrag 378
4.2.2.1 Erster Themenblock 378
4.2.2.2 Zweiter Themenblock 378
4.2.3 Projektziel 379
4.2.4 Ist-Analyse 379
4.2.4.1 Drittmarkt 379
4.2.4.2 Datenqualitätsanspruch 379
4.2.4.3 Verantwortlichkeiten 380
4.2.4.4 Kunden 380
4.2.5 Prozessanalyse 380
4.2.6 Sollkonzept 381
4.2.6.1 Ausrichtung Datenqualität 381
4.2.6.2 Ausrichtung Drittmarktfähigkeit 382
4.2.6.3 Aufbau-/ Ablauforganisation 383
4.2.7 Das Datenqualitäts-Modell und deren Zuständigkeiten 384
4.2.7.1 Datenqualitätsmanagement (zentrales DQM) 385
4.2.7.2 Data Owner (dezentral) 387
4.2.7.3 Client Owner (dezentral) 388
4.2.7.4 Client Service (Benutzergruppen) 389
4.2.7.5. Freigabe- und Eskalationsprozesse 389
4.2.8 Das Datenqualitäts-Modell und sein Regelwerk 390
4.2.9 Monitoring/Reports 391
4.2.10 Realisierungsund Einführungsphase 392
4.3 Fazit 392
5 Verknüpfung von DQ-Indikatoren mit KPIs und Auswirkungen auf das Return on Investment 394
5.1 Beispiele zur Illustration von DQ-Problemen 395
5.2 Wie wirken sich DQ-Probleme auf Unternehmen aus – Der Zusammenhang zwischen Datenund Prozessqualität 396
5.2.1 Beispiel – Call Center 396
5.2.2 Beispiel – Kundenbeziehungsmanagement (CRM) 397
5.2.3 Beispiel – Data Mining Prozess im Marketingumfeld 398
5.2.4 Beispiel – Direktmailprozess 399
5.3 Wie viel kosten schlechte Daten den Unternehmer? 401
5.4 Der Einfluss von DQ-Indikatoren auf KP-Indikatoren – wie beeinflusst Datenqualität den Unternehmenserfolg? 402
5.5 Beschreibung eines KPI orientierten DQ- Managementprozesses 405
5.5.1 Phase 1- Selektiere zu untersuchende Komponenten 406
5.5.2 Phase 2 – Mitarbeiterbefragung 407
5.5.3 Phase 3 – DQ-Assessment 409
5.5.4 Phase 4 – Validieren und Quantifizieren 410
5.5.5 Phase 5- DQ-Projekte definieren, Korrekturmaßnahmen durchführen 411
5.6 Fallstudie – Banque Cantonale Vaudoise (BCV) 413
Literaturverzeichnis 416
Über die Autorinnen und Autoren 417
Ahlheid, Sven 417
Baškarada, Saša 417
Dipl.-Inform. Bleiholder, Jens 418
Dr. rer. nat. Block, Frank 418
Dr. Brust, Otto-Ernst 419
Dipl.-Kfm. Engelmann, Florian 419
Dr. Gebauer, Marcus 420
Dr. rer. pol. Gräfe, Gernot 421
cand. oec. Großmann, Christoph 421
Prof. Dr. Heinrich, Bernd 422
Prof. Dr. rer. pol. Hildebrand, Knut 423
Prof. Dr.-Ing. Hinrichs, Holger 423
Diplom Verwaltungswirt Kasten, Gerhard 424
Dr. Klier, Mathias 424
Dipl.-Kfm. Krebs, Alexander 425
Landt, Volker 426
M.A., Prof. Dr. rer. nat. Lüssem, Jens 427
Dr. Maaß, Christian 427
Dipl.-Math. Malzahn, Dirk 428
Dipl. Kaufmann Mielke, Michael 428
Dr. rer. nat. Möller, Frank 429
Moser, Helena 430
Dr. Otto, Boris 430
M. A. Piro, Andrea 431
Dr. rer. pol. Rohweder, Jan Philipp 431
Dipl.-Inform. Schmid, Joachim 432
Dr. Schuster, Dirk 432
Dipl.-Ökonom Schwinn, Klaus 433
Skrablies, Werner 434
PD Dr. Treiblmaier, Horst 434
Dr. Weber, Kristin 435
Weigel, Niels 435
Dr. Windheuser, Ulrich 436
Wolf, Jürg 436
Zwirner, Marcus 437
Stichwortverzeichnis 438