This paper presents a concept for integrating social media functionality into existing collaboration systems and using this functionality to also integrate the collaboration systems themselves. Social media functionality is used in the areas contents, contacts and communication to support knowledge sharing and knowledge maturing. Using a micro-service architecture, our concept allows for social media functionality in every collaboration system. Users benefit from a better overview due to a central activity stream with entries of all systems, as well as a consistent UI. They don’t have to chose a certain tool but can use the desired functionality like rating, tagging or commenting everywhere. We further provide information about a technical implementation of the concept with popular open source software like Liferay and OpenXchange.

After the human-oriented, technology-oriented (documents), process-oriented and social KM phases, KM support now needs integration of those beneficial technologies instead of hyping one and neglecting the other. This paper proposes a highly modular yet integrated approach to support KM instruments and shows how this approach is implemented based on open source collaboration systems in the SCHub project which represents an enterprise knowledge infrastructure (EKI). The applicability is shown with three KM instruments in the areas people, contents and processes. Social media and search functionality serve as an integration factor for the EKI.

Docker provides a good basis to run composite applications in the cloud, especially if those are not cloud- aware, or cloud-native. However, Docker concentrates on managing containers on one host, but SaaS provi- ders need a container management solution for multiple hosts. Therefore, a number of tools emerged that claim to solve the problem. This paper classifies the solutions, maps them to requirements from a case study and identifies gaps and integration requirements. We conclude that the Docker ecosystem could help moving from IaaS and PaaS solutions towards a runtime environment for SaaS applications, but needs consolidation.

Zusammenfassung

Weltweit leiden ca. 10% der Bevölkerung an Migräne. Vor allem das Wetter wird oft als Auslöser genannt – wissenschaftlich nachgewiesen ist ein Zusammenhang jedoch noch nicht. Ziel des Projektes ist es daher, Auslöser von Migräneattacken besser zu verstehen. Dazu wurden in vier Jahren ca. 20 000 Attacken mit den zugehörigen Ortsdaten erfasst. Erste Analysen belegen, dass die Häufigkeit von Attacken statistisch signifikant zunimmt, wenn es in den drei Tagen vor einer Attacke zu Änderungen der absoluten Temperatur kam. In der ersten Ausbaustufe des Projektes gab es jedoch noch einige Limitationen. Da die Teilnahme vollständig anonym stattfand, war es nicht möglich, differenzierte Auslösemuster in Subgruppen von Patienten zu erkennen. Dies zu untersuchen, ist ein Ziel des Folgeprojektes. Durch eine anonyme Registrierung der Patienten sollen genauere und individualisierte Analysen möglich sein.

Ein verbessertes Verständnis von Migräne- triggern kann positive Auswirkungen auf die Edukation von Patienten haben, hierzu ist eine individuelle Analyse der Situation des Patienten hilfreich. Aktives Attackenmanagement könnte das bei Migräne-Patienten häufige Meiden von Triggern ablösen und zum erfolgreicheren Umgang mit der Erkrankung führen.

Summary

Approximately 10% of the human population suffers from migraine. In particular, weather is one of the most prominent triggers. However, a correlation between weather and migraine attacks is not proven yet. For this reason, our project aims to get a better understanding of migraine attack triggers. In order to achieve this, we collected about 20 000 attacks with corresponding location information within the last four years. First analyses show a significant increase in migraine frequency in the case of a change in absolute temperature within the three days before an attack. In the first phase of the project were still a few limitations. Since the participation of users was completely anonymous, the detection of differentiated trigger patterns in subgroups of patients was not possible. Therefore, one aim of our follow-up project is the search for such patterns. Allowing patients to register anonymously will lead to more precise and individualized analyses. Furthermore, a better understanding in migraine triggers may have a positive effect on patient education.

For this, an individualized analysis of the patients’ situation will be quite helpful. An active attack management may be able to replace the systematic avoidance of trigger factors, practiced by migraine patients, and thus can lead to a successful handling of the disease.

Das Schlagwort „Big Data“ verspricht die Gewinnung relevanter Informationen durch die automatisierte Erfassung und Analyse sehr großer Datenmengen für unterschiedliche Anwendungsbereiche. Damit lassen sich praktisch alle wesentlichen Informationen zur Bewertung einer komplexen Situation erfassen. Big-Data-Technologien können dann mit Hilfe geeigneter Indikatoren Situationen in Echtzeit bewerten und genaue Prognosen ermöglichen. Wesentlich für diese Technologien ist die Verarbeitung großer Datenmengen unter engen zeitlichen Rahmenbedingungen, um die Aktualität der Ergebnisse sicherzustellen. Existierende betriebliche Informationssysteme auf der Basis relationaler Datenbankmanagementsysteme erreichen dabei ihre Grenzen und können in der Regel die geforderten Antwortzeiten nicht mehr erfüllen. Neuere Datenbanktechnologien versprechen hier einen deutlichen Effizienzgewinn, so dass auch sehr große Datenmengen im Rahmen interaktiver Anwendungen verarbeitet und analysiert werden können. Dieses Kapitel gibt anhand eines Beispiels zur Erfassung und Auswertung von Daten einer Betriebsdatenerfassung einen Überblick über diese Technologien.