Bücher von Markus Ackermann

Günstigere Beschaffungen und mehr Staatsaufträge für KMU! Ein Diskussionsbeitrag.In der Schweiz vergeben rund 5'500 Beschaffungsstellen Staatsaufträge im Gesamtwert von circa CHF 32 - 36 Mia. pro Jahr. Das Total der Ausgaben der öffentlichen Hände für Informatik und Telekommunikation wird auf CHF 3 - 5 Mia. geschätzt. Wie können KMU (kleine und mittlere Unternehmen) des IKT-Sektors mit dem Staat erfolgreicher zusammenarbeiten? Wie können die öffentlichen Hände zu einem deutlich besseren Preis-Leistungsverhältnis beschaffen? Für KMU bilden IKT-Staatsaufträge ein noch suboptimal erschlossenes, ökonomisches Potential.Das Buch richtet sich an Amtsleiter der öffentlichen Hände und an Unternehmensleiter (insbesondere von KMU); an die Verantwortlichen für den Einkauf und den Verkauf von IKT-Leistungen für Bund, Kantone und Gemeinden; an die Steuer- und Gebührenzahlenden; die Mitglieder der Legislative und Exekutive in Bund, Kantonen und Gemeinden und an die Spezialisten des Beschaffungsrechts.Aufbauend auf einer interdisziplinären Untersuchung zur öffentlichen Beschaffung von IKT-Leistungen im Rahmen einer MBA-Master-Thesis an der Universität Freiburg i. Ue. zeigt Markus Ackermann die zugrunde liegenden Mechanismen auf und zieht daraus die Lehren für Bürger und KMU, damit die öffentlichen Hände günstiger beschaffen und die KMU erfolgreicher mit den Beschaffungsstellen ins Geschäft kommen sowie typische Fehler vermeiden können.

Finding knowledge - or meaning - in data is the goal of every knowledge d- covery e?ort. Subsequent goals and questions regarding this knowledge di?er amongknowledgediscovery(KD) projectsandapproaches. Onecentralquestion is whether and to what extent the meaning extracted from the data is expressed in a formal way that allows not only humans but also machines to understand and re-use it, i. e. , whether the semantics are formal semantics. Conversely, the input to KD processes di?ers between KD projects and approaches. One central questioniswhetherthebackgroundknowledge,businessunderstanding,etc. that the analyst employs to improve the results of KD is a set of natural-language statements, a theory in a formal language, or somewhere in between. Also, the data that are being mined can be more or less structured and/or accompanied by formal semantics. These questions must be asked in every KD e?ort. Nowhere may they be more pertinent, however, than in KD from Web data ("e;Web mining"e;). This is due especially to the vast amounts and heterogeneity of data and ba- ground knowledge available for Web mining (content, link structure, and - age), and to the re-use of background knowledge and KD results over the Web as a global knowledge repository and activity space. In addition, the (Sem- tic) Web can serve as a publishing space for the results of knowledge discovery from other resources, especially if the whole process is underpinned by common ontologies.