Werden wir zu Cloud-Junkies?

Risiken und Nebenwirkungen von Office 365 & Co

Prof. Dr.-Ing. Heinz-Peter Höller

Zur Person

• Diplom-Informatiker • Professur für Rechnernetze

und Telekommunikation • Vernetzung als Teil der

Digitalen Transformation • Technische Aspekte des

Arbeitnehmerdatenschutz

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 2

Hrsg. Peter Wedde

Gliederung

1.Die Cloud

2.Der Graph

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 3

DIE CLOUD

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 4

Digitalisierung / Digitale Transformation • Miniaturisierung • Durchdringung • Einbettung • Vernetzung • Mobilität

»Internet der Dinge • allgegenwärtige Datenerhebung und -produktion

»Big Data • Klassifikation, Clusteranalysen, Assoziationsanalysen,

Textmining, … »Data Mining – Analytics - KI

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 5

Wo lagern alle diese Daten?

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 6

… zurück zur Cloud

Wie die Cloud daher kam • Dropbox

• Google Docs

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 7

Vorteile des Cloud Computings (aus Nutzersicht)

• Zugriff von verschiedenen Orten • Zugriff über unterschiedliche Geräte • Gemeinsames Bearbeiten von Dokumenten

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 8

Was versteht man unter einer Cloud?

Cloud-Kategorien • IaaS – Infrastruktur als Service Rechnerkapazitäten (CPU-Kerne, Hauptspeicher, Sekundärspeicher) | Netzwerkkapazität | Datensicherung | Datensicherheit

• PaaS – Plattform als Service Anwendungsentwicklung | Laufzeitumgebung (Betriebssystem, sichere Datenhaltung, Lastverteilung)

• SaaS – Software als Service Software direkt aus der Cloud Nutzen | Software in der Cloud | Daten in der Cloud | Office 365 |

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 9

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 10

Cloud-Kategorien

Was macht die Cloud für Unternehmen attraktiv? (IaaS / PaaS - aus Unternehmenssicht)

• Skalierbarkeit / Kosten – Rechenleistung, Speicherplatz kann beliebig hinzugenommen

werden

• Fremdbetrieb – Beschaffung, Datensicherung, Updates, etc.

• Verfügbarkeit • Kundennähe • Datensicherheit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 11

Aus Unternehmenssicht ist es vernünftig, ob all der Vorteile auf Cloud-Dienste zu

setzen!

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 12

Ein zweiter Blick auf die Cloud. Ein Blick auf die Anbieter.

Die Kleinen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 13 20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 13

Die Großen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 14

Kann man dieser Technik vertrauen? (Skepsis in Deutschland, Skepsis bei Banken, Versicherungen, Gesundheit, Behörden)

• Defizite bei der Datensicherheit • Unsicherheit bezüglich Datenschutz

– Datenspeicherung außerhalb Deutschlands – Zugriff durch Behörden der Anbieterländer

• warrant case (US-Forderung Herausgabe von Daten aus Irland) • e-evidence (EU-Initiative für Zugriff auf Daten außerhalb EU)

• Arbeitnehmersicht: – EDV-Abteilung außer Haus – Kritische Funktionen abschaltbar?

• Datenhoheit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 15

BLICK AUF AMAZON AWS

Iaas / PaaS

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 16

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 17

Amazon AWS

• Legende: Überschüssige Ressourcen im

Weihnachtsgeschäft • günstige Rechenleistung für Start-Ups • Heute: 7,8 Mrd. $ Umsatz, Ergebnis 1,6 Mill. $ (2017)

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 18

Amazon-Kunden • DB Vertrieb: 5,5 Mio. Fahrgäste; 860.000 Ticketverkäufe tgl. • autoscout24 - Gebrauchtwagen: 10 Mill Nutzer/Monat; 2,4 Mill. Angebote • mytaxi – 10 Mio Nutzer; 45.000 Taxis • Expedia – Reisen • home24 – Möbel • Netflix - Videostreaming • soundcloud – Soziales Netzwerk Sound • spotify – Audiostreaming • AirBnB – „private“ Übernachtungen

– 450.000 Übernachtungen/Tag – 10 IT-Ingenieure

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 19

Ecosystem Amazon

• Amazon Warehouse

– Warenhauskunden, Shopbetreiber, Lieferanten, Logistiker • Amazon Prime

– Videokunden • Amazon Mechanical Turk

– Crowdworker, Auftraggeber • Amazon AWS

– Nutzer und Unternehmen aller Art

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 20

Wo lagern die Daten von Big Data?

… viele bei Amazon und darin steckt: • wer was kauft, • wer sich für welches Auto interessiert, • wer welche Filme schaut, • wer sich was nebenher verdient, • wer sich was nebenher verdient, weil er sich für

ein Auto interessiert, das er sich aber nicht leisten kann. 20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 21

BLICK AUF OFFICE365

SaaS

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 22

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 23

SaaS-Anbieter

(eine sehr kleine Auswahl)

• SAP – ERP • Salesforce – CRM – Software as a Service • Oracle CRM • IBM Lotuslive – Office/Kolaboration • Google Docs • Microsoft Office365

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 24

Microsoft Office365

• 120 Millionen geschäftliche Nutzer • 28 Millionen private Nutzer

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 25

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 26

Chantrelle Nielsen, Microsoft's director of research and strategy

“... this data actually find these patternes, that are true across different countries, different industries, different functions in the organisations to find out some ... foundation about how people work.”

… zur Auswertung von Metadaten aus Office 365

Aus diesen Daten lassen sich Muster ableiten, die über unterschiedliche Länder, unterschiedliche Industrien und unterschiedliche Funktionen innerhalb von Organisationen gültig sind und die uns eine Grundlage für das Verständnis davon geben, wie Menschen arbeiten.

Ecosystem as a Service (EaaS)

Cloud? Plattform? Plattform? Cloud?

DER SOZIALE GRAPH INNERBETRIEBLICH – IN DER CLOUD

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 28

Office365 – Der Graph

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 29

Der Graph in der Mathematik

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 30

• Menge von Knoten und Kanten 𝐺𝐺 = (𝑉𝑉,𝐸𝐸) • gerichtet / ungerichtet • bewertet/unbewertet • Grad eines Knoten (z.B. G(E)=5) • Brücke (F/J) • Wege (E-F-J-L) • Nachbar (i und K sind Nachbarn) • zusammenhängend, vollständig, schlicht

Matrix

Analyse sozialer Netzwerke

• Teilgebiet der Soziologie • Es geht um:

– Stellung von Individuen im Sozialen Netz – Macht, Einfluss und Autonomie – Teilgruppen, Clans und Cliquen

• Man verwendet Graphenalgorithmen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 31

Newcomb Beliebtheitsgraph

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 32

• Stars (9 und 17) • Außenseiter (3, 10, 15) • verbindet Zentrum mit Peripherie,

hohe betweeness (12) • hohe closeness (4)

Innerbetriebliche Graphen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 33

STELLUNG EINZELNER AKTEURE IM SOZIALEN NETZ

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 34

Zentralität - Bedeutung

Gradzentralität: Viele Kanten; Wichtig, weil er mit vielen in Kontakt steht; in vielem „drinhängt“; aktive Player; „where the action is“.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 35

𝑍𝑍𝐺𝐺(𝑛𝑛𝑖𝑖) =𝐺𝐺(𝑛𝑛𝑖𝑖)

(𝑔𝑔 − 1) 0,1

0,3 0,5

Zentralität - Bedeutung Dazwischenzentralität: Maß für Mittler; liegen auf dem Weg; werden benötigt; auf seine Mitwirkung ist man angewiesen; wichtigstes Zentralitätsmaß.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 36

Zentralität - Bedeutung Brücke/Gelenkpunkt:

– verbinden strukturelles Loch – Austausch Informationen/Ressourcen – gelten als Innovatoren, Modernisierer, Wanderer

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 37

Zentralität - Bedeutung

Nähezentralität: kurze Wege zu den anderen; ist den anderen nahe; braucht wenig Mittler; ist unabhängig.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 38

𝑍𝑍𝑁𝑁(𝑛𝑛𝑖𝑖) =(𝑔𝑔 − 1)

∑ 𝑑𝑑(𝑛𝑛𝑖𝑖 ,𝑛𝑛𝑗𝑗)𝑔𝑔𝑗𝑗=1

Prestige - Ansehen

• Eingangsgradprestige: Viele eingehende Kanten; viele wenden sich an den Akteur; man sucht Unterstützung/Rat; Gradzentralität vs. Eingangsgradprestige: Viel Eingang, wenig Ausgang: Graue Eminenz; Viel Ausgang, wenig Eingang: kümmert sich, macht und tut, „gesellig“.

• Proximitätsprestige: Wen kann der Akteur erreichen? Wer erreicht den Akteur (Einflussbereich); Größe des Einflussbereichs und Nähe zu den anderen. Wege zu den anderen; ist den anderen nahe; braucht wenig Mittler; ist unabhängig.

• Rangprestige/PageRank: Wer von angesehenen Akteuren um Rat gefragt wird, ist selbst angesehen. Wer von Akteuren mit wenig Prestige angefragt wird, hat selbst wenig Prestige.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 39

NETZWERKANALYTISCHE INTERPRETATIONEN

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 40

• Bedeutung, Nähe, Mittlerrolle, Außenseiter • Graue Eminenz, Aktivist, einflussreich vernetzt • Cliquen/Clans

– starke Bindungen im Inneren, oft gering vernetzt nach außen – großer Zusammenhalt – keine neuen Ideen, nicht innovativ, „schmoren“ im eigenen Saft

• Brücken/ Gelenkpunkte – Personen sind sehr wichtig, Zusammenhalt hängt an ihnen – Sie gelten als Wanderer zwischen den Welten – Über sie läuft alles, sie haben die besten Informationen – Man wendet sich an sie, um Neues zu erfahren

• Zentralität – Man geht von unumstrittener Führungsrolle aus, allseits anerkannt, wenig

Reibungsverluste • Macht und Einfluss • Informationsfluss • Empfehlungen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 41

ERSTE SOFTWAREPRODUKTE

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 42

Social Engagement Dashboard IBM

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 43

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 44

Evolution der Microsoft-Produkte (auf Basis Office Graph 365)

Delve

Delve Analytics MyAnalytics

Delve Organisational Analytics

Neueste Entwicklung: Workplace Analytics

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 45

Ziele von Workplace Analytics

(Ziele noch etwas disparat) • Produktivität von Wissensarbeitern messen • auf einer gesamtorganisatorischen Ebene

(Belegschaft) • alles in Echtzeit – Daten fallen ab (digital exhaust)

• Konzentration auf wesentliche

Leistungsindikatoren (KPIs)

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 46

Workplace Analytics • top performer (sales)

– Kommunikationsdaten analysieren – Verhaltensmatrix bestimmen (behavioral matrix) – Erfolgsmuster identifizieren – Mitarbeiter auf Erfolgsmuster verpflichten (Symantec)

oder – Erfolg aufgrund von Verhaltensmustern abschätzen

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 47

Beispiel: Top-Performer

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 48

Manager Quality

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 49

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 50

Chantrelle Nielsen, Microsoft's director of research and strategy

"You can use Workplace Analytics to answer questions like what do the best people in this organization, the people who are most satisfied and most productive... What is the kind of pattern that they work in, and what kind of rhythm seems to be predicting that outcome of success or happiness.“ (ab 1:16’, 1:55’)

Fazit

• Viele ökonomische Gründe sprechen für Cloud-Computing. • Skepsis besteht hinsichtlich Datensicherheit und

Datenschutz. • Verantwortung verlagert sich zu den Cloud-Akteuren. • Cloud-Computing führt zu Datenhäufung auf der

Betreiberseite. • Der Office-Graph ist eine Möglichkeit der Verwertung der

anfallenden Metadaten

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 51

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 52

Vielen Dank für Ihre Aufmerksamkeit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 53

Vielen Dank für Ihre Aufmerksamkeit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 54

Zum Weiterlesen

https://www.boeckler.de/pdf/p_mbf_praxis_2018_010.pdf

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 56

Die Wolke als Sinnbild

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 57

Die Wolke als Sinnbild

für • da drinnen passiert was, • da wird mir was geboten (Software, Dienste

Plattformen) • da drinnen liegen die Daten (Dokumente, Bilder,

Posts) • da können alle drauf zugreifen das kriegen alle mit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 58

Software as a Service Google

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 59

Office 365 – Die Cloud

• 120 Millionen geschäftliche Nutzer • 28 Millionen private Nutzer

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 60

Ein Graph

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 61

Sozialwissenschaftliche Netzwerkanalyse Newcomb Fraternity

• 17 männliche Studenten dürfen ein Jahr kostenlos wohnen

• Sie müssen wöchentlich 4-5 Stunden für Interviews bereitstehen

• Es entsteht der Datensatz „Beliebtheit“ • Jeder Student beurteilt jeden anderen von 1 (mag

ich sehr) bis 16 (mag ich nicht) bewerten.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 62

Analyse sozialer Netzwerke

• Erhebung: Befragungen / Recherche • Beispiele:

– Netzwerk von Managern in Industrieunternehmen (n=21) – Netzwerk von Familien im Florenz des 16 Jhd. (n=16) – Konferenzteilnehmer (n=32) – Netzwerk einflussreicher Geschäftsleute in Minneapolis

(n=26) – Scheitern einer Gewerkschaft beim Versuch die Mitarbeiter

eines High-Tech-Unternehmens zu organisieren (n=36)

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 63

Evolution der Microsoft-Produkte

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 64

Stützt sich auf den Office Graph • 100 Millionen Nutzer im Monat • 4 Billionen E-Mails • 1 Millarde Meetings • „Größte Datensammlung darüber, wie Menschen ihre

Arbeitszeit verbringen“

• vom Office Graph nur Mail und Kalender (20+ Std.) • dazu Personaldaten (HR) und CRM

Zeitraum unklar

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 65

Workplace Analytics

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 66

Überblick

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 67

Verschwendung/Stress

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 68

Engagement

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 69

Abfragesprache

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 70

Zusammenfassung • Das Innerbetriebliche Soziale Netzwerk ist analysierbar • Aussagen zu sozialer Stellung, Vergleiche von Gruppen,

Bestimmung von relationalen Mustern sind möglich • Microsoft Office Graph überragt alles

– Innerbetrieblicher Sozialer Graph je Unternehmen – Sozialer Graph über Ländergrenzen und Industrien hinweg

• Auswertungsprodukte kommen von der persönlichen Ebene (Delve, MyAnalytics) und entwickeln sich zur Belegschaftsanalyse

• Auswertungen hegen sehr einfache Bilder von „Produktivität“ und „Engagement“. Anspruchsvollere netzweranalytische Konzepte sind bisher kaum sichtbar, aber:

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 71

Kann man dieser Technik vertrauen? (Skepsis in Deutschland, Skepsis bei Banken, Versicherungen, Gesundheit, Behörden)

• Defizite bei der Datensicherheit • Unsicherheit bezüglich Datenschutz

– Datenspeicherung außerhalb Deutschlands – Zugriff durch Behörden der Anbieterländer

• warrant case (US-Forderung Herausgabe von Daten aus Irland) • e-evidence (EU-Initiative für Zugriff auf Daten außerhalb EU)

• Arbeitnehmersicht: – EDV-Abteilung außer Haus – Kritische Funktionen abschaltbar

• Datenhoheit

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 72

Die Großen IaaS | PaaS • Amazon Web Services (AWS) • Microsoft Azure • Google Cloud Computing • IBM • SAP Cloud Plattform • Telekom Cloud SaaS • SAP S/4 HANA • Salesforce • Office 365 • google (Infos suchen, Dokumente bearbeiten, Videos anschauen (Youtube) • (Amazon – einkaufen, Film sehen, Minijob machen)

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 73

Innerer Zusammenhalt

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 74

• Clique (jeder mit jedem verbunden) • 2-Clique (2,4,6) (jeder mit jedem über höchstens 2-

Kanten) ; 2-Clan (1,2,3) • Robustheit gegenüber Zerfall (Brücke) • Dichte (ungerichtet): Anteil der tatsächlichen

Beziehungen in einer Gruppe • Köhäsion (gerichtet): Anteil der reziproken Beziehungen • Entdecken von Gruppen

Ähnlichkeit und Zentralität (Benchmarking)

• strukturelle Ähnlichkeit • reguläre Ähnlichkeit

– Es lassen sich (ähnliche) Gruppen finden – Es lassen sich ähnliche Gruppen vergleichen

• Zentralität – Man kann messen, ob das Gesamtnetz oder ein Teilnetz

besonders zentralisiert ist, weil ein Akteur alle anderen im Zentralitätsmaß überragt.

20.04.2018 Prof. Dr.-Ing. Heinz-Peter Höller 75