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