Diplomarbeit aus dem Jahr 2003 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Verwaltungs- und Wirtschaftsakademie Essen, Sprache: Deutsch, Abstract: Die zunehmende Globalisierung und Liberalisierung der Mrkte, der Wandel von Anbieter- zu Nachfragemrkten und die abnehmende Kundenloyalitt verschrfen den Wettbewerb und fhren dazu, dass Unternehmen ihre Aktivitten immer strker am Kunden ausrichten, um wettbewerbsfhig zu bleiben. Durch die sich stndig weiterentwickelnde Technologie entstehen immer neue Informationssysteme, die die Unternehmen in allen wichtigen Geschftsprozessen untersttzen und zum Erhalt der Wettbewerbsfhigkeit und Positionierung am Markt beitragen. Im tglichen Einsatz dieser Systeme fallen eine gro e Menge unterschiedlichster Daten ber Kunden, ihr Kaufverhalten, Reaktionen auf Werbeaktionen, etc. an, die sich ein Unternehmen durch eine entsprechende Auswertung und anschlie ende Integration der Analyseergebnisse in die Geschftsprozesse zunutze machen kann. Um die enormen Datenmengen strukturiert analysieren, sinnvoll interpretieren und auf den Unternehmenserfolg abgestimmt auswerten zu knnen, werden computergesttzte Werkzeuge und Methoden zur Datenuntersuchung bentigt. Ein Bereich, welcher zu diesem Zweck immer hufiger zum Einsatz kommt, ist das Gebiet des Data Mining (DM). Das Data Mining beinhaltet Verfahren und Algorithmen zur Wissensaufdeckung in Datenbanken und wird deshalb auch als "Knowledge Discovery in Databases (KDD)" bezeichnet. Mit Hilfe von DM knnen fr ein Unternehmen wichtige Fragestellungen wie "Werden Chips und Bier in der zweiten Jahreshlfte genauso hufig gekauft wie in der ersten?" oder "Wie entwickelt sich der Aktienkurs der Firma Meier, wenn der Kurs der Konkurrenzfirma Mller sinkt?" etc. beantwortet werden.