Akzeptanz und organisationale Adoption von Cloud Computing in unterschiedlichen Branchen Im Rahmen des Seminars Cloud Computing - Hype oder Wirklichkeit? Alina Keller 24.01.2012 1

Ein Adoptionsmodell für Cloud Computing Agenda 1 Motivation und Ziel 2 Technologie Adoption 3 Cloud Computing 4 Ein Adoptionsmodell für Cloud Computing 5 Zusammenfassung

Agenda 1 2 3 4 5 Motivation und Ziel Technologie Adoption Cloud Computing Definition, Merkmale und Abgrenzung 3.1 3.2 Wichtige Cloud Eigenschaften aus Nutzersicht in verschiedenen Branchen 4 Ein Adoptionsmodell für Cloud Computing 5 Zusammenfassung

1. Motivation und Ziel

1. Motivation und Ziel (1/2) Starker Wettbewerb am Markt Nachfrageveränderung Schnellere Rechenleistung (Foster et al. 2008) Zunehmende Speicherplatzprobleme (Foster et al. 2008)  Kontinuierlicher Entwicklungsprozess der Information Technology (IT)  Neues IT Konzept „Cloud Computing (CC)“ (Nuseibeh 2011, Kim et al. 2009) Fokus der Information System (IS) Forschung  Wie und warum Endnutzer IT nutzen oder ablehnen  Hilfsmittel: Versch. Technologie Akzeptanz Modelle (z.B. TAM von Davis et al. 1989) IT ist durch einen kontinuierlichen Entwicklungspopzess geprägt. Begünstigt durch einen starken Wettbewerb am Markt, der Nachfragveränderung der Konsumenten/IT Usern. Für diese sind schnellere Rechenleistung und größere Speicherplätze sowie komplexere Anwendungen immer wichtiger. Aus diesen Forderungen heraus entwickelte sich Cloud Computing, dass mittlerweile ein sehr aktuelles Thema auch in der UN Landschaft darstellt.

1. Motivation und Ziel (2/2) Forschungslücke:  kein speziell an CC angewendetes TAM vorhanden Ziel: Entwicklung eines CC Technologie Akzeptanz Modells  Betrachtung verschiedener Branchen: Privater Sektor – Finanzdienstleister Öffentlicher Sektor – Universitäten, Regierungsinstitutionen Finanzdienstleister KWG § 1a Definition ( Leasinggeschäfte, Forderungsaufkauf, Kreditkarten, Sorten, Finanzinstrumente)

2. Technologie Adoption

2. Technologie Adoption – Modellübersicht Wichtige Akzeptanzmodelle in der Literatur Theory of Reasoned Action (TRA) (Fishbein & Ajzen 1975) Expectancy Value Theorey (Fishbein & Ajzen 1975) The Integrated Research Model (Wixom/Todd 2005) Technology Acceptance Model (TAM) (Davis et al. 1989) Technologie Adoption: Ermittlung externer Faktoren, die die Nutzung eines IT Systems positiv/negativ beeinflussen Expectancy Value Theorey: Ein frühes soziopsychologisches Modell, dass versucht hat zu erklären, wie externe Faktoren die Einstellung und darüber das Verhalten eines Individuums beeinflussen (profan erklärt) TRA: Sozio-psychologisches Modell zur Erklärung mensch. Verhaltens in einem weiten Kontext Das Verhalten hängt von den Verhaltensintentionen ab -Die Verhaltensintentionen hängen wiederum von (a) der Einstellung zum Verhalten und (b) von den privaten und sozialen Normen ab Private Normen: Ansprüche, die man an sich selbst stellt. PN werden durch Selbstverstärkung und Selbstbestrafung gelernt. Soziale Normen: Tatsächliche oder vermeintliche Ansprüche der sozialen Umwelt. TAM: Repräsentiert eine Anwendung des TRA auf IT. Erklärt Akzeptanz von IT Das am meist getestete und angewendete Akzeptanzmodel in der Literatur The integrated Model: Technologie Akzeptanz & User Zufriedenheit = Hauptforschungsstränge in IS Literatur Betrachtung beider Felder in einem Modell.

2. Technologie Adoption – Das TAM von Davis et al. 1989 Ziel von TAM: Erklären, wie externe Variable auf interne Überzeugungen (internal beliefs), Einstellungen (attitude) sowie Verhaltensintentionen wirken mit dem Ziel die Adoption und Nutzung von IT vorhersehen zu können. Die tatsächliche Nutzung eines Systems wird von Behavioral Intention, das wiederum von A (Einstellung zur Nutzung) bestimmt wird. Nach Davis et al. sind die beiden Konstrukte „perceived usefulness“ und „perceived ease of use“ die fundamentalen und bestimmenden Faktoren des User Verhaltens Perceived usefulness (Wahrgenommener Nutzen): Die subjektive Empfindung der Person, dass die Anwendung einer bestimmten Technologie seine Arbeitsleistung verbessert. Perceived ease of use (wahrgenommene einfache Benutzbarkeit): Misst die Wahrnehmung der Person, mit wie viel – oder besser mit wie wenig – Aufwand das Erlernen der Nutzung der neuen Technologie verbunden ist. A wird von U und E bestimmt wobei U auch einen direkten Einfluss auf BI haben kann. Dies erklärt sich, dass trotz einer möglich bestehenden negativen Einstellung zu einem System U so groß sein kann (der erwartete Nutzen hinsichtlich Job Performance ist besonders groß), dass es der negativen Einstellung entgegenwirken und letztlich doch zur Nutzung eines Systems führen kann. Empirisch wurde auch festgestellt, dass U einen weitaus höheren Einfluss auf A und letztlich auf die tatsächliche Nutzung hat, als E. Empirisch wurde auch festgestellt, dass E einen Einfluss auf U ausüben kann. Ein System, dass als besonders einfach zu erlernen vom Nutzer wahrgenommen wird, kann die Wahrnehmung einer Verbesserung der Arbeitsleistung erhöhen. Zuletzt wirken im TAM auch noch externe Variablen, die je nach Definition für eine Differenzierung der unterschiedlichen Systeme sorgen. Quelle: Davis et al. 1989, S. 985

2. Technologie Adoption – Das integrierte Model von Wixom/Todd 2005 INTEGRIERTES ZUFRIEDENHEITS/AKZEPTANZ MODELL Wixom/Todd haben in ihrem Model die zwei wichtigen Forschungsbereiche in IS User satisfaction und Technology acceptance in einem Modell vereint. Sie differenzieren object-based von behavioral beliefs wobei die ersteres seinen Ursprung in der Satisfaction Literatur findet und letzteres in der Technologieakzeptanz Literatur. Zu den object based-beliefs zählen in diesem Modell die Informations- sowie System Qualität, die wiederum einen Einfluss auf die Zufriedenheit mit dem System und den Informationen haben. Object based beliefs werden durch bestimmte Konstrukte determiniert. Die zwei Attitudes „Object-based beliefs“ haben wiederum auf die behavioral beliefs Einfluss und letztlich auf die System Nutzung. System und Informations Qualität können über versch. Konstrukte gemessen werden. Die hier im Modell zu sehenden Konstrukte wurden von Wixom/Todd in der Literatur ausfindig gemacht und anschließend auf Signifikanz mit Hilfe von Daten aus einer Umfrage im Kontext von Data Warehouse getestet. Integration: Integration von Daten aus verschiedenen Quellen KRITIK: Das Modell führt Nützlichkeit und Benutzerfreundlichkeit auf sehr techniknahe und daher tendenziell gut operationalisierbare externe Variable zurück. Dennoch muss man kritisch anmerken, dass der Zusammenhang zwischen diesen Variablen und den einstellungsbestimmenden Konstrukten über jeweils zwei weitere teils interagierende Konstrukte hergestellt wird. Der Wirkungszusammenhang zwischen diesen Variablen und der Einstellung sind daher sehr indirekt. Forschungsstrang: Technologie Akzeptanz Forschungsstrang: User Zufriedenheit Quelle: Wixom/Todd 2005, S. 90

3. Cloud Computing

3.1 Cloud Computing – Definition und Merkmale Eine Definition des National Institute of Standards and Technology: “[…] a model for enabling ubiquitous, convenient, on-demand network access […] shared pool of configurable computing resources […] provisioned and released with minimal management effort […]” (Mell/Grance 2009, p. 2) Merkmale: Virtualisierung  Hohe Flexibilität/Elastizität (Foster et al. 2008) Datenzugriff von überall und jederzeit (Buyya et al. 2008, Iyer/Henderson 2010) Bedarfsgerechte Ressourcenbereitstellung (On demand) (Buyya et al. 2008, Iyer/Henderson 2010) Zunehmende Popularität CC, jedoch keine einheitlich und verbindliche auffindbare Definition von CC. Viele verschiedene Def. in der Literatur auffindbar, aber keine einheitliche Definitions Einigung was CC ist. Kleine Definition zur Einstimmung: CC ermöglicht allgegenwärtigen, bequemen/leichten und on demand Netzwerkzugang. Greift dabei mit minimalen Aufwand auf konfigurierbare Computer Ressourcen aus einem Pool zu, den sich mehrere Nutzer teilen zu. Virtualisierung und Skalierbarkeit/Elastizität als wichtige Merkmale Virtualisierung: Abstrahierung von des zugrunde liegenden Hardware und Software Systems. Hierdurch enorme Flexibilität/Elastizität erreichbar, da auf Hardware Ebene beliebig Ressourcen hinzugefügt oder entnommen werden konnen. Für den Nutzer kein Veränderung auf Interfaceebene  keine Einschränkungen Configurabel resources: networks, servrs, storage, applications, services

3.1 Cloud Computing – Abgrenzung zu Grid Computing Utility Computing kommerzielle Grid dritter Partei Quelle: Abbildung in Anlehnung an Marinos/Briscoe 2009 Aggregierte Rechner- Netzwerk-, Speicherplatzressourcen multipler Organisationen Geografische Ressourcendistribution Ressourcen Nutzung innerhalb der Entität „Queuing/scheduling system“ Quelle: Foster et al. 2008 Grid (oft im öff. Sektor genutzt oder in Bereichen wo mit großen Datenmengen operiert wird (Forschung)) grün Ressourcen Bereitstellung Blau Ressourcen Konsum/Nutzung Rot Zentralisierte Kontrolle der Ressouren  single point of access von überall zu jeder Zeit Abhängig von der aktuellen Ressourcen Verfügbarkeit, wird mit einem Warteschlangensystem bestimmt wie die Jobs in der Grid ausgeführt werden. Allokation der Jobs erfolgt intelligent unter Beachtung einer optimalen Ressourcenauslastung. Koordinierte Ressourcenteilung Cloud (oft im privaten Sektor genutzt) Blau: Ressourcen Konsum Grün Ressourcen Bereitstellung Rot: Zentralisierung Utility Computing: Im Grunde ein Grid, dass einer dritten Partei gehört, organisiert und anderen kostenpflichtig zur Verfügung gestellt wird. Utility Computing ist eine Teilmenge von Grid Computing und wird als eig. Pioneer des CC gesehen. Zentralisierte Ressourcenbereitstellung Ressourcenkonsum mehrerer Nutzer gleichzeitig Quelle: Mell/Grance 2009, Foster et al. 2008 KOSTENREDUKTION, MEHR FLEXIBILITÄT UND VERLÄSSLICHKEIT (Foster et al.2008)

3.2 Wichtige Cloud Eigenschaften aus Nutzersicht in verschiedenen Branchen System Simplicity Bégin 2008 System Reliability Armbrust et al. 2010, Buyya et al 2008 Access-ibility Vouk 2004 Independency Armbrust et al. 2010, Leavitt 2009 System /Data Security Vouk 2004, Armbrust et al. 2010, Baun 2010 Nutzer- anforderungen System Performance Hosting 2009 Customer Support Kim 2009, Koehler et al. 2010 FLEXIBILITÄT Ein oft in der Literatur und Umfragen genannter Grund IT Aktivitäten in eine Cloud zu verlagern ist die Möglichkeit fixe Kosten in variable Kosten zu transformieren und auch hohe Investitionskosten für IT Systeme zu vermeiden. Die Nutzung einer Cloud mit ihrer Möglichkeit sich auf Gegebenheiten flexibel anzupassen und nur für tat. genutze Ressourcen zu zahlen ist daher eine wichtiges Kriterium für Nutzer. RELIABILITY, ACCESSIBILITY, TIMELINESS Wenn sich ein UN für CC entscheidet, muss das System mindestens genauso verlässlich sein, wie das UN in der Lage wäre es selbst darzustellen. Der Nutzer muss sich Verlässlichkeit des Systems stützen können. Sollte während der Nutzung möglichst keinen Störungen unterliegen. Accesibility Die Anwendung muss nahezu 100 % auf Abruf jederzeit und an jedem Ort verfügbar sein. Einfache Zugänglichkeit zum System. Timeliness bezieht sich darauf wie schnell ein System auf Anfragen reagiert. (Timeliness, Accessibility, System Reliability) –> kann Arbeitsablauf beeinflussen SYSTEM SIMPLICITY End User, die auf der SaaS Ebene operieren (auf der Application Ebene) fordern User freundliche Anwendung und einfache Oberflächen (webinterfaces). Die Kunst und der Erfolg im CC liegt in seiner Einfachheit. Die Komplexität wird auf den anderen Ebene gelassen INTEROPERABILITY Insbesondere wenn UN in Erwägung ziehen mehrere verschiedene Cloud Services zu nutzen ( so um z.B. Risikostreuung zu betreiben, falls eine Cloud mal nicht erreichbar ist oder der Provider vom Markt geht), ist es wichtig, dass eine Integration/Migration und Bewegung von Daten und Applikationen zwischen den Clouds möglich ist und auch problemlos verläuft. --------------------------------------------------------------------------- PERFORMANCE In einer Hosting Studie hat man festgestellt, dass für die Nutzer kleiner bis großer UN Performance eines der wichtigsten Kriterien einer Cloud darstellt. Unter Performance Probleme subsumiert man zum einen eine hohe Kommunikationszeit zwischen Client und Web Server, was insbesondere mit dem Anstieg von Nutzern in einer Cloud zu einem signifikanten Problem heranwächst und zum anderen versteht man unter Performance Problem auch das Unvermögen einer Cloud sich an die erhöhte Konsumentennafrage anzupassen. CLIENT: PC-Netze sind in den meisten Fällen dadurch gekennzeichnet, dass sie zwei Arten von Endgeräten beinhalten: Clients und Server. Die Clients sind die Arbeitsplatzrechner und nutzen die von den Servern angebotenen Dienstleistungen. Data/System Security Die grössten Bedenken haben UN über die Sicherheit und dem Umgang ihrer unternehmensinternen und teilweise vertraulichen und Datenschutz unterlegenen Daten . Daher erwarten User einen vertrauenswürdigen Umgang mit den Daten und fordern konkrete Maßnahmenpläne vom Provider hinsichtlich Datenverlust und unauthorisierter Datenzugang. INDEPENDENCY Eine Befürchtung, die UN grundsätzlich immer haben, wenn sie eigene Kompetenzen aufgeben und Dritte hinzuziehen ist es abhängig von dem Provider zu werden. Hier kommt der sogenannte lock-in effect ins Spiel, der in jedem Fall so gering wie möglich gehalten werden soll. Problematisch wird es wenn z.B. UN in Betracht ziehen den Cloud Provider zu wechseln und folglich Daten aus der Cloud extrahieren wollen, dann aber Schwierigkeiten bei der Migration in eine Cloud auftreten, weil nicht standardisierte Formate verwendet wurden. CUSTOMER SUPPORT Ein customer support erscheint ebenfalls als wichtig und gefordert. Bei Schwierigkeiten ist immer eine Unterstützung sei es individuell oder standardisiert gewünscht. PRICING MODEL Wie eingangs schon erwähnt ist die monetäre Komponente mit ausschlaggebend. Preis Modelle können daher die Entscheidung wesentlich beeinflussen. TRAINING Im Idealfall sollte eine Cloud Nutzerfreundlich sein. Dennoch ist es z.B. für die Implementierung aber auch weiterführende Nutzung die Bereitstellung von Trainingsmöglichkeiten für den Nutzer wünschenswert. Training Koehler et al. 2010, Kim 2009 Pricing Model 2010, Leavitt 2009

Regierungsinstitutionen/Universitäten  3.2 Wichtige Cloud Eigenschaften aus Nutzersicht in verschiedenen Branchen System Simplicity System Reliability IBM 2010 Access-ibility Benton/Negm 2010 Independency System /Data Security IBM 2010 Benton/Negm 2010 Nutzer- anforderungen System Performance IBM 2010 Customer Support Auf dieser Folie ist nochmal dargestellt welche der Nutzerforderungen insbesondere für Finanzdienstleister und dem Public Sektor relevant sind. FLEXIBILITÄT So ist Flexibilität einer Cloud für beide Gruppen wichtig. In Regierungsinstitutionen ist eine Skalierbarkeit und damit Flexibilität gewünscht. Gerade im Steuer Bereich erfährt man das Problem, dass kurz vor gewissen Deadlines so wie bei der Einreichung der Federal Taxes, was online auf Revenue Service Website bis zum 14 April in US zu erledigen ist, ein Verkehr/Traffic enorm aber jedoch nur für kurze Zeit ansteigt. Finanzdienstleister sehen mit einer Cloud die Möglichkeit sehr schnell auf sich verändernde Situationen einzustellen und ihr business quasi real time zu rekonfigurieren.  Bankreputation wenn Web banking services nicht funktionieren (ordnungsgemäß) IM WEETBEWERB SCHNELL AGIEREN RELIABILITY: Finanzdienstleister sehen in der Nutzung einer Cloud auch die Möglichkeit die Verlässlichkeit von IT Systemen zu verbessern. In einer IBM Studie haben 53% der 161 befragten Finanzdienstleister erklärt, dass sie mit CC eine Möglichkeit sehen die System Verfügbarkeit und Verlässlichkeit zu verbessern. PERFORMANCE: In der IBM Umfrage haben Finanzdienstleister auch performance als eine wichtige Anforderung an eine Cloud geratet. Accesibility und Timeliness In einer weiteren Studie kam klar heraus, dass Accesibility insbesondere im Rahmen von Forschungsarbeiten an Universitäten sehr wichtig ist. Die Möglichkeit nutzen zu können von überall und jederzeit auf Daten zugreifen zu können, verbessert auch die internationale Zusammenarbeit von Forschern und Studenten. Data Security Wichtig sowohl für Finanzdienstleister als auch für Regierungsinstitutitonen. Vertrauliche Kundendaten unterliegen dem Datenschutz. Ein fahrlässiger Umgang mit Kundendaten verstößt nicht nur gegen das Gesetz, sondern schädigt auch die Unternehmensreputation. Rechtliche Konsequenzen für öffentliche Institutionen sind weitaus härter. Daher ist der vertrauenswürdieg Umgang hier besonders wichtig und gefordert. Training Pricing Model Finanzdienstleister Regierungsinstitutionen/Universitäten

3.2 Wichtige Cloud Eigenschaften aus Nutzersicht in verschiedenen Branchen System Simplicity Bégin 2008 System Reliability Armbrust et al. 2010, Buyya et al 2008 Access-ibility Vouk 2004 Independency Armbrust et al. 2010, Leavitt 2009 System /Data Security Vouk 2004, Armbrust et al. 2010, Baun 2010 Nutzer- anforderungen System Performance Hosting 2009 Customer Support Kim 2009, Koehler et al. 2010 In den vorherigen Folien hat man schon eine farbliche Differenzierung der einzelnen Cloud Nutzeranforderungen erkennen können. Hat vielleicht jemand eine Idee was es damit auf sich hat????? Das integrierte Model von Wixom/Todd zeigt bereits zwei verschiedene objekt-basierte beliefs „system qualität“ und „informations qualität“, die wiederum die Zufriedenheit beeinflussen und dann über behavioristische Komponente des TAM letztlich die Nutzung einer neuen Technologie beeinflussen. Die Eigenschaften auf den blauen Kacheln gehören eindeutig zur system qualität wohingegen die Eigenschaften auf den grauen Kacheln nicht zur informations qualität passen. Cloud Computing ist ja auch eine Dienstleistung. Hinter einer Cloud steht auch ein Provider und demnach auch ein Service. Daher liegt es nahe die Technologie Nutzung auch von der Service Qualität abhängig zu machen. Pricing Model 2010, Leavitt 2009 Training Koehler et al. 2009, Kim 2009 System Qualität Service Qualität

4. Ein Adoptionsmodell für Cloud Computing

4. Ein Adoptionsmodell für Cloud Computing Service Satisfaction Usefulness System Quality Ease of use Attitude Intention System Satisfaction System Reliability Flexibility Accessibility Timeliness System Simplicity Interoperability System Performance System Security Customer Support Independency Pricing Model Training Service Behavioral Beliefs Object-based Attitudes Object-based Beliefs Behavioral Attitude Die externen Faktoren Service und System Qualität zu messen ist demnach die große Herausforderung und wird mit Hilfe von Konstrukten versucht zu messen. Die Konstrukte sieht man hier als die letzten Faktoren, die ich bestimmt habe. Konstrukte sind auch latente Variable, die nicht direkt messbar sind, weshalb man verschiedene Indikatoren setzt, die das Konstrukt beschreiben. Das äußert sich in z.B. Fragebogen in Fragen, die nach einer direkten Fragtechnik formuliert werden. Intuitiv gesprochen, kann man annehmen, dass eine hohe Service Qualität Kosten, Aufwand und Zeit sparen kann und daher kann man annehmen, dass Service Qualität die Job Effektivität und damit Performance steigern kann. Man könnte also annehmen, dass Service Zufriedenheit einen signifikanten Einfluss auf PU haben kann. System Qualität umfasst im wesentlichen die Systemeigenschaft, die das Nutzen eines System erschweren bzw. erleichtern können. Ease of use referenziert direkt zu dieser Einfachheit ein neues System zu erlernen sodass man annehmen kann, dass System Qaulität einen Einfluss auf Ease of use nehmen kann… Bedeutung der Konstrukte: System Reliability: represents the dependability of system operation comprising access and up-time of a system Flexibility: Anpassung an sich verändernde Gegebenheiten Accessibility: Einfachheit dass User Daten aus der Cloud extrahieren kann Timliness: Systemfähigkeit schnell auf Clinetanfragen zu reagieren und die Daten zur Verfügung zu stellen Interoperability: (neues Konstrukt) Fähigkeit der Interaktion und Kollaboration von verschiedenen Clouds. Simplicity (neues Konstruk): Einfachheit die Cloud täglich zu nutzen Customer Support (neues Konstrukt) Unterstützung des Providers während der Implementation und der alltäglichen Nutzung Independency (neues Konstrukt) Inwieweit sind Datenformate standardisiert und wie leicht ist es für das UN den Provider damit zu wechseln Pricing Model (neues Kosntrukt): Inwieweit ist der Provider bereit verschiedene Preistarife anzubieten. Training ( neues Konstrukt): Bietet der Provider Trainingsmaßnahmen anzubieten. System Sicherheit: welche Maßnahmen hat der Provider ergriffen um Datenverluste, unauthorissierte Datenzugriffe zu vermeiden. System Performance (neues Konstruk): Fähigkeit des Providers angemessene Kommunikationszeiten zwischen Client und Server zur Verfügung zu stellen und sich an die Gegebenheiten flexibel anpassen zu können. Quelle: Eigene Darstellung in Anlehnung an Wixom/Todd 2005

4. Ein Adoptionsmodell für Cloud Computing Hypothese 1 : Positive Korrelation zwischen „Service Satisfaction“ und „Perceived Usefulness“ Hypothese 2 : Positive Korrelation zwischen „System Satisfaction“ und „Ease of Use“

5. Zusammenfassung

 5 Zusammenfassung Erwartung einer zunehmenden Verbreitung von CC steigt (Armbrust 2009) Manager und Provider sollten Fokus auf User Anforderungen legen (Koehler et al. 2010, Davis et al. 1989)  Praxisbeitrag Einflussnahme auf Adoption von CC Bewältigung des allgegenwärtigen Problems der IT und Systemablehnung im Unternehmen Adoptionsmodell für CC  Forschungsbeitrag Beeinflussen Service und System Zufriedenheit die CC Nutzung tatsächlich? Weiter empirische Forschung notwendig Organisationale und Umwelt Faktoren nicht zu vernachlässigen (Christopher 1996) Organisationale Faktoren: Top Management Support Firmengröße Umweltfaktoren: WW Druck Handelspartnerdruck

Literaturverzeichnis

Literaturverzeichnis 1/4 Adams, D. A./Nelson, R. R./Todd, P. A. (1992): Perceived usefulness, ease of use, and usage of information technology: A replication, in: MIS Quarterly 16, pp. 227–247. Alavi, M. (1984): An assessment of the prototyping approach to information systems development, in: Communications of the ACM. Vol. 27, No. 6, pp. 556–563. Armbrust, M./Fox, A./Griffith, R. Joseph, A. D. (2010): A view of cloud computing, in: Communications of the ACM. Vol. 53, No. 4, pp. 50–58. Armbrust, M. et Al. (2009): Above the Clouds: A Berkeley View of Cloud Computting, Technical report EECS-2009-28, UC Berkeley, http://www.eecs.berkeley.edu/Pubs/TechRpts/2009/EECS-2009-28.html, 02.11.2011. Bagozzi, R.P./Fornell, C. (1982): Theoretical Concepts, Measure-ments, and Meaning. In: Fornell, Claes (Editor.): A Second Generation of Multivariate Analysis, New York 1982, pp. 24-38. Baun, C./Kunze, M./ Nimis, J./Tai, S. (2010): Cloud Computing – Web-basierte dynamische IT-Services, 2. Auflage, Heidelberg. Bégin , M. (2008): An EGEE Comparative Study: Grids and Clouds - Evolution or Revolution, Information Society and Media, https://edms.cern.ch/document/925013/, 22.11.2011. Benton/Negm (2010): Banking on the Cloud, Accenture (Editor) http://www.slideshare.net/kimrenejensen/accenture-banking-cloudcomputing, 13.12.2011. Buyya, R./Yeo, C. S./Venugopal, S. ( 2008): Market-oriented cloud computing: Vision, hype, and reality for delivering it services as computing utilities. Proc. of the 10th IEEE Intl. Conference on HPCC, September 2008, pp.5-13, doi:10.1109/HPCC.2008.172. Christopher, M. (1996): From brand values to customer value, in: Journal of Marketing Practice: Applied Marketing Science, Vol. 2, No. 1, pp. 55–66. Davis, F.D. (1989): Perceived usefulness, perceived ease of use, and user acceptance of information technology ,in: MIS quarterly, Vol. 13, No. 3, pp. 319–340. Davis, F. D./Bagozzi, R. P./Warshaw, P. R. (1989): User acceptance of computer technology: A comparison of two theoretical models, in: Management Science, Vol. 35, No. 8, pp. 982–1003. Delone, W. H./McLean, E. R. (2003): The DeLone and McLean model of information systems success: A ten-year update, in: Journal of management information systems, Vol. 19, No. 4, pp. 9–30.

Literaturverzeichnis 2/4 Fishbein, M./Ajzen, I. (1975): Belief, Attitude, Intention and Behaviour: An Introduction to Theory and Research, London. Foster , I. (2008): Cloud Computing and Grid Computing 360-Degree Compared, in: Grid Computing Environments Workshop, 2008, pp. 1–10. Hosting (2009): 2009 Cloud Computing Trends Report, Irvine. IBM (2010): Dispelling the vapor around cloud computing in the financial services, http://www.05.ibm.com/cz/businesstalks/pdf/WP_Dispelling_the_vapor_around_cloud_computing_in_the_financial_services.pdf, 13.12.2011. Iyer, B./Henderson, J.C. ( 2010): Preparing for the future: Understanding the seven capabilities of cloud computing, in: MIS Quarterly Executive, Vol. 9, No. 2, pp. 117–131. Karahanna, E./ Straub, D.W./ Chervany, N.L (1999): Information technology adoption across time: A cross-sectional comparison of pre-adoption and post-adoption beliefs, in: MIS Quarterly, Vol. 23, No. 2, pp. 183–213. Karimi, J./ Somers, T. M./ Gupta, Y. P. (2004): Impact of environmental uncertainty and task characteristics on user satisfaction with data, in: Information systems research. Vol. 15, No. 2, pp. 175–193. Kim , W.(2009): Cloud Computing: Today and Tomorrow, in: Journal of object technology. Vol. 8, No. 1, pp. 65–72. Kim W./Kim, S.D./lee, E./Lee, S. (2009): Adoption issues for cloud computing, Proceedings of the 7th International Conference on Advances in Mobile Computing and Multimedia. Koehler, P./Anandasivam, A./Dan, M. A.(2010): Cloud Services from a Consumer Perspective, in: AMCIS 2010 Proceedings, pp. 329. Leavitt , N. ( 2009): Is cloud computing really ready for prime time?, in: Computer. Vol. 42, No. 1, pp. 15–20. Lee, Y.; Kozar, K. A.; Larsen, K. R. T. (2003): The technology acceptance model: Past, present, and future, in: Communications of the Association for Information Systems, Vol. 12, No. 50, pp. 752–780. Mell, P./Grance, T. (2009): The NIST definition of cloud computing, in: National Institute of Standards and Technology, Vol. 53, No. 6.

Literaturverzeichnis 3/4 Lenk, A/ Klems, M./Nimis, J./Tai, S./Sandholm, T.(2009): What's inside the Cloud? An architectural map of the Cloud landscape. Proceedings of the 2009 ICSE Workshop on Software Engineering Challenges of Cloud Computing. Marinos, A./Briscoe, G. ( 2009): Community cloud computing, in: Computer Science Cloud Computing, Vol. 5931/2009, pp. 472-484. Nickerson, R.S. (1999): Why interactive computer systems are sometimes not used by people who might benefit from them, in: International journal of human-computer studies, Vo. 51, No. 2, pp. 307–321. Nuseibeh, H. (2011): Adoption of Cloud Computing in Organizations, in: AMCIS 2011 Proceedings. Rings, T./Caryer, G./Gallop, J./Grabowski, J./Kovacikova, T./Schulz, S./Stokes-Rees, I. (2009): Grid and cloud computing: Opportunities for integration with the next generation network, in: Journal of Grid Computing. Vol. 7, No. 3, pp. 375–393. Stanoevska- Slabeva, K./ Wozniak, T. (2010): Grid Basics, in: Stanoevska- Slabeva, Katarina/ Wozniak, Thomas/ Ristol, Santi (Hrsg): Grid and Cloud Computing: A Business Perspective on Technology and Applications. Berlin, Heidelberg: Springer, S. 23-45 Sultan, N. (2010): Cloud computing for education: A new dawn?, in: International Journal of Information Management. Vol. 30, No. 2, pp. 109–116. Venkatesh, V./Davis , D. (2000): A theoretical extension of the technology acceptance model: Four longitudinal field studies, in: Management Science, pp. 186–204. Venkatesh, V./Morris, M. G./Davis, G. B./Davis, F. D. (2003): User acceptance of information technology: Toward a unified view, in: MIS Quarterly, pp. 425–478. Vouk, M.A. (2004): Cloud Computing - Issues, research and implementations, in: Journal of Computing and Information Technology, Vol. 16, No. 4, pp. 235–246. Wang, L./Tao, J./Kunze, M./Castellanos, A. C./Kramer (2008): Scientific cloud computing: Early definition and experience. High Performance Computing and Communications, 2008. HPCC'08. 10th IEEE International Conference on, pp. 825-830.

Literaturverzeichnis 4/4 Wixom, B.H./Todd, P.A. (2005): A theoretical integration of user satisfaction and technology acceptance, in: Information systems research, Vol. 16, No. 1, pp. 85–102.  Wu, J./Lederer, A, (2009): A meta-analysis of the role of environment-based voluntariness in information technology acceptance, in: MIS Quarterly, Vol. 33, No. 2, pp. 419–432.  Zeithaml, V. A./Berry, L. L./Parasuraman, A. (1996): The behavioral consequences of service quality, in: The Journal of Marketing, Vol. 60, pp. 31–46. ^Weinhardt, C. (2009): Cloud Computing - A Classification, Business Models and Research Directions, in: Wirtschaftsinformatik. Vol. 2009, No. 5, pp. 453–462. Wu, J./Lederer, A, (2009): A meta-analysis of the role of environment-based voluntariness in information technology acceptance, in: MIS Quarterly, Vol. 33, No. 2, pp. 419–432.

Fragen und Diskussion Konstrukte Cloud TAM ??? Grid Integriertes Modell Wixom/Todd 2005 Konstrukte Cloud TAM ??? Nutzer- anforderungen Grid Praxisrelevanz

Back-up

Backup: Private, Öffentliche und Hybride Cloud (NIST Definition) Private Cloud: Betrieb für eine Organisation Management durch Organisation oder Drittanbieter Öffentliche Cloud: Verfügbarkeit für Öffentlichkeit oder große Industriegruppen Betrieb durch kommerzielle Gesellschaft Hybride Cloud: Kombination von mehreren Clouds (private, öffentliche) Kombination des traditionellen Rechenzentrums (Private Cloud) mit den skalierbaren Cloud Diensten einer öffentlichen Cloud.

Back-up: Cloud Struktur, Funktion und Services User End-User Developer Vendor User Einteilung nach Marinos/Briscoe 2005 Cloud Services Cloud Infrastructure Application Platform Unified Resource Fabric Software-as-a-Service (SaaS) Platform-as-a-Service (PaaS) Software Infrastructure Infrastructure-as-a-Service (IaaS) 4 Ebene Architektur nach Foster (2008)  Model hilft die auf Markt versch. Services vergleichen zu können. 3 Service Models, die auf den Ebenen gegründet sind: Fabric Ebene: umfasst die reine Hardware Ressourcen ( Rechenleistung, Speicherplatz, Netzwerkressourcen) Unified Ressource: Virtualisierung abstrahiert die Ressourcen und wird dem Nutzer z.B. in Form von virtuellen Maschinen bereitgestellt (integrierte Ressourcen). An dieser Struktur sind in erster Linie Entwickler interessiert, die diese Plattform zur Software Entwicklung nutzen können. (Service: Infrastructure-as-a-Service). IAAS kann auch auf fabric layer zur Verfügung gestellt werden. Wird meist aber auf der unified bereitgestellt. Platform: Hier werden spezielle Tools , middleware (Zwischenanwendungen, die zwischen Anwendungen vermitteln) zusätzlich angeboten. Nutzer können Paas zur Entwicklung aber auch zur Softwareverteilung (deployment) nutzen. Also ihre codes in die cloud hochladen und ihre entwickelten applications anderen zur Nutzung bereitstellen. Saas präsentiert sich auf der Application Ebene und ist die meist gesehene und bekannte Erscheinungsform eines Cloud Services. Hier werden die Applikationen, die auf anderen Ebene entwickelt wurden dem End Nutzer bereit gestellt. Zugang findet dieser über z.b. einen Internet Browser. Die Abrechnung erfolgt üblicherweise nutzungsabhängig (pay as you go) Quelle: Stanoevska-Slabeva , 2010

Back up: Vorgehensweise Literaturanalyse wichtiger Nutzeranforderungen  Allgemeine Anforderungen  Anforderungen im öffentlichen und privaten Sektor Bestimmung der Konstrukte  MIS Q und IR Research Paper CC Adoptionsmodell Analyse der Literatur nach den für die End-Nutzer wichtigen Cloud Eigenschaften allgemeine Betrachtung mit Fokus auf den öffentlichen Sektors (Universitäten und Regierungsinstitutionen) den privaten Sektors (Finanzdienstleister) Forschung nach angemessenen und passenden Konstrukten innerhalb der IS Literatur. Dabei wird die Forschungsarbeit von Petter et al. (2007) als Ausgangspunkt genommen. Sie hat Publikationen aus MIS Q und IS Research ausgewertet, die sich mit Konstrukten zur Messung von Technologie Akzeptanz beschäftigen. Und hat eine Aufstellung von Papers mit Konstrukten erstellt, die durch eindeutig und genaue Indikatoren gemessen werden. Gab es kein passendes Konstrukt, so habe ich versucht einen Vorschlag für ein neues Konstrukt zu geben und dieses in das Modell aufgenommen.