Praxishandbuch Big Data: Wirtschaft – Recht – Technik

358 Pages·2015·5.948 MB·German

by  Joachim Dorschel (eds.)

Joachim Dorschel Hrsg.
Praxishandbuch
Big Data
Wirtschaft – Recht – Technik
Praxishandbuch Big Data
Joachim Dorschel
Herausgeber
Praxishandbuch Big Data
Wirtschaft – Recht – Technik
Herausgeber
JoachimDorschel
Karlsruhe,Deutschland
ISBN978-3-658-07288-9 ISBN978-3-658-07289-6(eBook)
DOI10.1007/978-3-658-07289-6
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie;
detailliertebibliografischeDatensindimInternetüberhttp://dnb.d-nb.deabrufbar.
SpringerGabler
©SpringerFachmedienWiesbaden2015
DasWerkeinschließlichallerseinerTeileisturheberrechtlichgeschützt.JedeVerwertung,dienichtaus-
drücklichvomUrheberrechtsgesetzzugelassenist,bedarfdervorherigenZustimmungdesVerlags.Das
giltinsbesonderefürVervielfältigungen,Bearbeitungen,Übersetzungen,MikroverfilmungenunddieEin-
speicherungundVerarbeitunginelektronischenSystemen.
DieWiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesemWerk be-
rechtigtauch ohnebesondere Kennzeichnung nicht zuderAnnahme, dasssolcheNamenimSinneder
Warenzeichen- undMarkenschutz-Gesetzgebung alsfreizubetrachtenwärenunddahervonjedermann
benutztwerdendürften.
DerVerlag,dieAutorenunddieHerausgebergehendavonaus,dassdieAngabenundInformationenin
diesemWerkzumZeitpunkt derVeröffentlichungvollständigundkorrektsind.WederderVerlagnoch
die Autoren oder die Herausgeber übernehmen, ausdrücklich oder implizit,Gewähr für den Inhalt des
Werkes,etwaigeFehleroderÄußerungen.
Lektorat:AnnaPietras,SylviaMeier
GedrucktaufsäurefreiemundchlorfreigebleichtemPapier.
SpringerFachmedienWiesbadenGmbHistTeilderFachverlagsgruppeSpringerScience+BusinessMedia
(www.springer.com)
Inhaltsverzeichnis
1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
WernerDorschelundJoachimDorschel
1.1 Keynote:„DieZeitistreiffürBigData“ . . . . . . . . . . . . . . . . . . . . 1
1.2 EinführungundÜberblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1.1 Volume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1.2 Velocity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1.3 Variety . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1.4 Veracity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Perspektiven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2.1 Gesellschafts-undrechtspolitischeSicht . . . . . . . . . . 9
1.2.2.2 ÖkonomischeSicht . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.2.3 TechnischeSichtweise . . . . . . . . . . . . . . . . . . . . . 10
1.2.3 GegenstanddiesesHandbuchs . . . . . . . . . . . . . . . . . . . . . . 11
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 Wirtschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Joachim Dorschel, Werner Dorschel, Ulrich Föhl, Wilhelmus van Geenen,
Dieter Hertweck, Martin Kinitzki, Philipp Küller, Carsten Lanquillon,
HaukeMallow,LotharMärz,FouadOmri,SigurdSchacht,AlphonseStremler
undElkeTheobald
2.1 Datenorientierung statt Bauchentscheidung: Führungs- und
OrganisationskulturinderdatenorientiertenUnternehmung . . . . . . . . 15
2.1.1 UnternehmerischeSinnhaftigkeitvonBigDataEntscheidungen . 17
2.1.2 FaktenerhöhendieVerantwortlichkeitdereinzelnenAkteure . . 22
2.1.3 Kreativitätder Mitarbeiter alsTeileiner BigDatafreundlichen
Unternehmenskultur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.4 Informations- und Kommunikationskompetenzund Verände-
rungskompetenzalsBasisschnellerReaktionszeiten . . . . . . . . 26
V
VI Inhaltsverzeichnis
2.1.5 Führung wird komplexer und bedarf der Unternehmens-
modellierung, sowie des aktiven Managements der Unter-
nehmensarchitektur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1.6 Zusammenfassung: Tipps für Entscheider, die es bei der
Einführung einer Datengetriebenen Entscheidungskultur zu
beachtengibt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 EnterpriseArchitectureManagementundBigData . . . . . . . . . . . . . 32
2.2.1 EnterpriseArchitectureManagementundBigData . . . . . . . . . 32
2.2.1.1 EAMeinkurzerÜberblick . . . . . . . . . . . . . . . . . . 33
2.2.1.2 CompetitiveAdvantagedurchBigData . . . . . . . . . . 38
2.2.2 EAM als Ausgangspunkt für die Etablierung von Big Data
imUnternehmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2.2.1 Einführung und Entwicklung einer Unternehmens-
architektur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.2.2.2 Einführungvon BigData unter besondererBeachtung
derUnternehmensarchitektur . . . . . . . . . . . . . . . . . 51
2.2.3 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3 AdvancedAnalyticsmitBigData . . . . . . . . . . . . . . . . . . . . . . . . 55
2.3.1 BegriffsdefinitionenundVarianten . . . . . . . . . . . . . . . . . . . 55
2.3.1.1 AnalyseundAnalytics . . . . . . . . . . . . . . . . . . . . . 55
2.3.1.2 Analytics-Varianten . . . . . . . . . . . . . . . . . . . . . . . 56
2.3.1.3 AnalyticstrifftaufBigData . . . . . . . . . . . . . . . . . . 63
2.3.2 Analyseaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.3.2.1 PrädiktiveAnalyseaufgaben . . . . . . . . . . . . . . . . . . 64
2.3.2.2 BeschreibendeAnalyseaufgaben . . . . . . . . . . . . . . . 66
2.3.3 CRISP-DM:EinProzessmodellfürAnalyseprozesse . . . . . . . . 68
2.3.3.1 BusinessUnderstanding . . . . . . . . . . . . . . . . . . . . 70
2.3.3.2 DataUnderstanding . . . . . . . . . . . . . . . . . . . . . . . 71
2.3.3.3 DataPreparation . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.3.3.4 Modeling . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.3.3.5 Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.3.3.6 Deployment . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
2.3.4 BigDataAnalytics:Wasistanders? . . . . . . . . . . . . . . . . . . 74
2.3.4.1 EinflussderDatenaufdenAnalyseprozess . . . . . . . . 74
2.3.4.2 TechnologischeAspekte . . . . . . . . . . . . . . . . . . . . 83
2.3.4.3 DerMenschimUnternehmenalsEinflussfaktor . . . . . 86
2.3.5 ZusammenfassungundAusblick . . . . . . . . . . . . . . . . . . . . 88
2.4 Simulation:NeueEinsatzfelderdurchBigData . . . . . . . . . . . . . . . 89
2.4.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2.4.2 PlanungsablaufinderFahrzeugindustrie . . . . . . . . . . . . . . . 90
2.4.3 HerausforderungenandiePlanung . . . . . . . . . . . . . . . . . . . 93
2.4.3.1 ErhöhungderPlanungsgenauigkeit . . . . . . . . . . . . . 93
Inhaltsverzeichnis VII
2.4.3.2 EinsatzderSimulationinderPlanung . . . . . . . . . . . 94
2.4.3.3 SimulationsgestütztePlanung . . . . . . . . . . . . . . . . . 96
2.4.3.4 ErhöhteDatenanforderungen . . . . . . . . . . . . . . . . . 97
2.4.4 PraxisbeispielAutomobilendmontage . . . . . . . . . . . . . . . . . 98
2.4.4.1 ZielsetzungderAnwendung . . . . . . . . . . . . . . . . . . 98
2.4.4.2 AblaufeinerAnwendung . . . . . . . . . . . . . . . . . . . 100
2.4.4.3 Datenanforderungen . . . . . . . . . . . . . . . . . . . . . . 101
2.4.5 FazitundAusblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
2.5 BigData-Analysen:AnwendungsszenarienundTrends . . . . . . . . . . . 104
2.5.1 BigData-Analysen:Anwendungsszenarien . . . . . . . . . . . . . . 105
2.5.1.1 MarketingundVertrieb . . . . . . . . . . . . . . . . . . . . . 105
2.5.1.2 ForschungundEntwicklung . . . . . . . . . . . . . . . . . . 106
2.5.1.3 Kundenservice . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.5.1.4 Produktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.5.1.5 Logistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
2.5.1.6 IT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
2.5.1.7 Risikomanagement . . . . . . . . . . . . . . . . . . . . . . . 110
2.5.2 BigData-Analysen:Trends . . . . . . . . . . . . . . . . . . . . . . . 110
2.5.2.1 TrendsimRechtswesen . . . . . . . . . . . . . . . . . . . . 110
2.5.2.2 TrendsimTransportwesen . . . . . . . . . . . . . . . . . . . 111
2.5.3 TrendsimSozialenSektor . . . . . . . . . . . . . . . . . . . . . . . . 111
2.5.4 TrendsimGesundheitswesen . . . . . . . . . . . . . . . . . . . . . . 112
2.6 BigDatawirdzuSmartData–BigDatainderMarktforschung . . . . . 112
2.6.1 BigDatainderMarktforschung–GoldgrubeoderDatengrab? . 112
2.6.2 DerMarktforschungsprozessbeiBigData . . . . . . . . . . . . . . 114
2.6.2.1 DieForschungsfrage . . . . . . . . . . . . . . . . . . . . . . 114
2.6.2.2 DasForschungsdesign . . . . . . . . . . . . . . . . . . . . . 115
2.6.2.3 DieErhebungsphase:DieNadelimHeuhaufen . . . . . . 116
2.6.3 Aktuelle Herausforderungen für den Big Data Einsatz
inderMarktforschung . . . . . . . . . . . . . . . . . . . . . . . . . . 117
2.6.3.1 DatenzugänglichkeitundRepräsentativität . . . . . . . . . 118
2.6.3.2 HerausforderungTextMiningundSocial-Media-Analyse118
2.6.3.3 PluralitätderMeinungen . . . . . . . . . . . . . . . . . . . . 119
2.6.3.4 InterpretationmultimedialerDaten . . . . . . . . . . . . . 120
2.6.3.5 DerKontextmachtdenUnterschied . . . . . . . . . . . . . 120
2.6.3.6 VonKorrelationenundKausalitäten . . . . . . . . . . . . . 121
2.6.3.7 TopaktuellunddochSchneevongestern . . . . . . . . . . 121
2.6.4 DieZukunftvonBigDatainderMarktforschung . . . . . . . . . . 122
2.7 BigDataundElectronicCommerce–NeueErkenntnissezurCustomer
Journey . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.7.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
2.7.2 AktuelleThemenimE-Commerce . . . . . . . . . . . . . . . . . . . 123
VIII Inhaltsverzeichnis
2.7.3 DatenundDatenstrukturen . . . . . . . . . . . . . . . . . . . . . . . . 125
2.7.4 UmfassendeVerhaltensanalyseimRahmenderCustomerJourney127
2.7.4.1 Bedarfs-/Mangelerkennung . . . . . . . . . . . . . . . . . . 128
2.7.4.2 Suche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
2.7.4.3 Bewertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
2.7.4.4 KaufundNachkaufphase . . . . . . . . . . . . . . . . . . . 131
2.7.5 Wieaus„BigData“„SmartData“wird . . . . . . . . . . . . . . . . 132
2.8 BigDatainderKreditwirtschaft . . . . . . . . . . . . . . . . . . . . . . . . . 134
2.8.1 ITinderKreditwirtschaft . . . . . . . . . . . . . . . . . . . . . . . . 134
2.8.1.1 Abgrenzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
2.8.1.2 Mainframe,Batch,DialogundMultichannel . . . . . . . 134
2.8.1.3 Legacy-SystemeundStandardisierung . . . . . . . . . . . 135
2.8.1.4 Core-Banking-SystemeundFachanwendungen . . . . . . 135
2.8.1.5 Datenverwaltung,IDVundBusinessIntelligence . . . . . 135
2.8.1.6 AktuelleHerausforderungen . . . . . . . . . . . . . . . . . 136
2.8.2 BigDatabewegtdieBank-IT . . . . . . . . . . . . . . . . . . . . . . 137
2.8.2.1 DigitalisierungderKundenbeziehung . . . . . . . . . . . . 137
2.8.2.2 TransparenzanforderungendurchdieBankenaufsicht . . 138
2.8.3 EinzelneGeschäftsbereiche . . . . . . . . . . . . . . . . . . . . . . . 139
2.8.3.1 Zahlungsverkehr . . . . . . . . . . . . . . . . . . . . . . . . . 139
2.8.3.2 Handel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
2.8.3.3 Kreditgeschäft . . . . . . . . . . . . . . . . . . . . . . . . . . 142
2.8.3.4 Gesamtbanksteuerung . . . . . . . . . . . . . . . . . . . . . 144
2.8.3.5 VertriebundMultichannelServices . . . . . . . . . . . . . 145
2.8.4 BigData,OutsourcingundCloudComputing . . . . . . . . . . . . 146
2.8.4.1 GefahrderDatendesintegration . . . . . . . . . . . . . . . . 146
2.8.4.2 ManagedServicesfürBigDatainderCloud . . . . . . . 147
2.8.5 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
2.9 ChancenundHerausforderungenvonBigDatainderIndustrie . . . . . . 148
2.9.1 UnternehmerischeZielezurErhöhungderWertschöpfung . . . . 148
2.9.1.1 AnforderungeninProduktionundLogistik . . . . . . . . 148
2.9.2 Effizienzsteigerung durch integriertes Realtime-Informations-
undDatenmanagementinderintegriertenSupplyChain . . . . . . 149
2.9.3 EinModellderProduktion . . . . . . . . . . . . . . . . . . . . . . . . 150
2.9.4 Leistungssteuerung in Echtzeit für maximale Reaktivität
derSupplyChain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
2.9.5 EbenenundStufenderPlanung . . . . . . . . . . . . . . . . . . . . . 152
2.9.6 DatenalsSchlüsselfaktordesunternehmerischenErfolges . . . . 154
2.9.6.1 Kundenindividuelle Produkte und Leistungen
konfigurieren . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
2.9.6.2 Transparenzschaffen . . . . . . . . . . . . . . . . . . . . . . 154
2.9.6.3 Reaktionsfähigkeiterhöhen . . . . . . . . . . . . . . . . . . 155
Inhaltsverzeichnis IX
2.9.6.4 EntscheidungendurchLösungsvorschlägeunterstützen . 156
2.9.6.5 Neue Produktionskonfigurationen und Produkt-
einführungendurchSzenarienabsichern . . . . . . . . . . 156
2.9.7 ErfolgsfaktorenzumAusschöpfenderPotenzialevonBigData . 158
2.9.7.1 UmgangmitDaten . . . . . . . . . . . . . . . . . . . . . . . 158
2.9.7.2 Technologien . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
2.9.7.3 AnalysetechnikenundAlgorithmen . . . . . . . . . . . . . 159
2.9.7.4 Datenzugriff . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
2.9.7.5 OrganisationaleTransformationundFührung . . . . . . . 160
2.9.8 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
3 Recht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
Michael Bartsch, Olaf Botzem, Thorsten Culmsee, Joachim Dorschel,
JennyHubertus,CarstenUlbrichtundThorstenWalter
3.1 Datenschutz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.1.1 PrinzipiendesDatenschutzrechts . . . . . . . . . . . . . . . . . . . . 167
3.1.1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.1.1.2 PrinzipiendesDatenschutzrechts . . . . . . . . . . . . . . 168
3.1.1.3 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
3.1.2 GesetzlicheErlaubnistatbeständeundInteressenabwägung . . . . 174
3.1.2.1 Anwendungsbereiche und Abgrenzungen von TMG,
TKGundBDSG . . . . . . . . . . . . . . . . . . . . . . . . . 175
3.1.2.2 DerLegitimationstatbestandderEinwilligung . . . . . . . 175
3.1.2.3 Weitere Befugnissezur Datenverarbeitungnach TMG
undTKG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
3.1.2.4 Weitere Befugnisse zur Datenverarbeitung nach dem
TKG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
3.1.2.5 Weitere Befugnisse zur Datenverarbeitung nach dem
BDSG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
3.1.3 AnonymisierungundPseudonymisierung;Verschlüsselung . . . . 185
3.1.3.1 Anonymisierung . . . . . . . . . . . . . . . . . . . . . . . . . 186
3.1.3.2 Pseudonymisierung . . . . . . . . . . . . . . . . . . . . . . . 187
3.1.3.3 Verschlüsselung . . . . . . . . . . . . . . . . . . . . . . . . . 188
3.1.4 Technologien zur Umsetzung datenschutzrechtlicher
Anforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
3.1.5 ZulässigkeiteinzelnerPhasenvonBigData-Analysen . . . . . . . 190
3.1.5.1 ErhebungvonBigData . . . . . . . . . . . . . . . . . . . . 191
3.1.5.2 SpeichernvonBigData . . . . . . . . . . . . . . . . . . . . 191
3.1.5.3 PersonenbezogeneAuswertungvonBigData . . . . . . . 191
3.1.5.4 AuswertungvonBigData . . . . . . . . . . . . . . . . . . . 192
3.1.5.5 VeröffentlichenvonBigData . . . . . . . . . . . . . . . . . 192
X Inhaltsverzeichnis
3.1.5.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . 193
3.1.6 Betroffenenrechte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
3.1.6.1 BenachrichtigungdesBetroffenen . . . . . . . . . . . . . . 194
3.1.6.2 Benachrichtigungspflicht bei Web-Crawling und
Screen-Scraping? . . . . . . . . . . . . . . . . . . . . . . . . 195
3.1.6.3 AuskunftsanspruchdesBetroffenen . . . . . . . . . . . . . 196
3.1.6.4 Korrekturrechte . . . . . . . . . . . . . . . . . . . . . . . . . 197
3.1.6.5 Das„Rechtaufvergessenwerden“ . . . . . . . . . . . . . 198
3.1.7 InternationaleDatenverarbeitung . . . . . . . . . . . . . . . . . . . . 199
3.1.7.1 AnwendbaresRecht . . . . . . . . . . . . . . . . . . . . . . . 199
3.1.7.2 Voraussetzungen für die rechtskonforme Daten-
verarbeitunginderEU . . . . . . . . . . . . . . . . . . . . . 201
3.1.7.3 Voraussetzungen für die rechtskonforme Daten-
verarbeitunginDrittstaaten . . . . . . . . . . . . . . . . . . 201
3.1.7.4 PraxisfallCloudComputing . . . . . . . . . . . . . . . . . . 203
3.1.7.5 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . 204
3.1.8 BigDatainderPersonalabteilung . . . . . . . . . . . . . . . . . . . 205
3.1.8.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
3.1.8.2 Daten,DatenundnochmehrDaten . . . . . . . . . . . . . 205
3.1.8.3 Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . 206
3.1.8.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . 210
3.1.9 AutomatisierteEntscheidungenundScoring . . . . . . . . . . . . . 211
3.1.9.1 AutomatisierteEinzelentscheidungen . . . . . . . . . . . . 211
3.1.9.2 Scoring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
3.2 Leistungsschutz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
3.2.1 UrheberrechtanDaten . . . . . . . . . . . . . . . . . . . . . . . . . . 213
3.2.1.1 InternationalesUrheberrecht . . . . . . . . . . . . . . . . . 214
3.2.1.2 UrheberrechtlicheSchutzfähigkeit von Informationen
undDaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
3.2.1.3 UrheberrechtlicherSchutzderEinzeldaten . . . . . . . . . 216
3.2.1.4 Urheberrechtlicher Schutz von computergenerierten
Werken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
3.2.1.5 UrheberrechtlicherSchutzvonSammel-oderDatenbank-
werken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
3.2.2 SchutzdesDatenbankherstellers . . . . . . . . . . . . . . . . . . . . 217
3.2.2.1 DerBegriffderDatenbank . . . . . . . . . . . . . . . . . . 218
3.2.2.2 DerBegriffdesDatenbankherstellers . . . . . . . . . . . . 218
3.2.2.3 DieRechtedesDatenbankherstellers . . . . . . . . . . . . 219
3.2.2.4 SchrankendesRechtsdesDatenbankherstellers . . . . . 220
3.2.3 UnlauteregezielteMitbewerberbehinderung . . . . . . . . . . . . . 222
3.2.4 SonstigeLeistungsschutzrechte . . . . . . . . . . . . . . . . . . . . . 224
3.2.4.1 SchutzdesPresseverlegers . . . . . . . . . . . . . . . . . . 224