@misc{OhrtmannGolland2020, author = {Ohrtmann, Jan-Peter and Golland, Alexander}, title = {Daten- und Privatsph{\"a}reschutz im Wandel der 2020er-Jahre}, pages = {33 -- 38}, year = {2020}, language = {de} } @article{Golland2023, author = {Golland, Alexander}, title = {Immaterieller Schadensersatz bei Datenschutzverst{\"o}ßen - EuGH tariert aus}, series = {NWB - Steuer- und Wirtschaftsrecht}, volume = {2023}, journal = {NWB - Steuer- und Wirtschaftsrecht}, number = {26}, publisher = {NWB Verlag}, address = {Herne}, issn = {0028-3460}, pages = {1845 -- 1845}, year = {2023}, abstract = {Umsatzbasierte Bußgelder - wie sonst nur aus dem Kartellrecht bekannt - waren einer der Gr{\"u}nde, warum die Datenschutz-Grundverordnung (DSGVO) vor ihrem Inkrafttreten f{\"u}r erhebliches Aufsehen sorgte. Die vielfach relevanteren Schadensersatzanspr{\"u}che, die, wie bei „Dieselgate", aufgrund der Vielzahl von betroffenen Personen und der aus Sicht von Rechtsdienstleistern bestehenden Skalierbarkeit mit weitaus h{\"o}heren Einbußen f{\"u}r Unternehmen einhergehen k{\"o}nnen, blieben zun{\"a}chst unbeachtet. Inzwischen ist der Schadensersatzanspruch gem. Art. 82 DSGVO die Vorschrift, die die meisten Vorlagen zum Europ{\"a}ischen Gerichtshof (EuGH) der letzten Jahre hervorgerufen hat. Am 4.5.2023 hat nun der EuGH (Urteil v. 4.5.2023 - Rs. C-300/21, NWB GAAAJ-41389) in einem Grundsatzurteil {\"u}ber zentrale Fragen rund um den Ersatz immaterieller Sch{\"a}den als Folge von Datenschutzverst{\"o}ßen entschieden.}, language = {de} } @incollection{GollandBaumHammingeretal.2018, author = {Golland, Alexander and Baum, Michael and Hamminger, Alexander and Olbertz, Klaus}, title = {Ein {\"U}berblick: Umsetzung der Datenschutz-Grundverordnung}, series = {Das neue Datenschutzrecht in der Praxis des Steuerberaters Beitragssammlung}, booktitle = {Das neue Datenschutzrecht in der Praxis des Steuerberaters Beitragssammlung}, publisher = {NWB Verlag}, address = {Herne}, isbn = {978-3-482-67271-2}, pages = {8 -- 14}, year = {2018}, abstract = {Datenschutz und der 25.5.2018, wie ein Damoklesschwert scheinen beide Begriffe zurzeit im Raum zu stehe. Jeder weiß oder sollte zumindest um das Inkrafttreten der europ{\"a}ischen DSGVO am 25.5.2018 wissen. Viel wurde {\"u}ber wesentliche Neuerungen im Datenschutzrecht berichtet. Nicht zuletzt {\"u}ber gesteigerte organisatorische Anforderungen, Dokumentationspflichten und drohende Bußgelder. Doch was bedeuten diese Neuerungen ganz konkret f{\"u}r die Praxis des Steuerberaters? Anders als man vermuten k{\"o}nnte, werden die datenschutzrechtlichen Neuerungen nicht nur im Bereich der Kanzleiorganisation relevant. Auch im Steuerverwaltungsverfahren sieht sich der Steuerberater datenschutzrechtlichen Fragestellungen gegen{\"u}ber, bspw. dann, wenn die Finanzbeh{\"o}rden bei der Verarbeitung der personenbezogenen Daten des Mandanten gegen die DSGVO verstoßen. Gleiches gilt in Bereichen des Besch{\"a}ftigtendatenschutzes. Sowohl der Kanzleiinhaber selbst, als auch seine Arbeitgeber-Mandanten haben die Vorschriften des Besch{\"a}ftigtendatenschutzes einzuhalten. Der Steuerberater ben{\"o}tigt datenschutzrechtliches Know How, welches unmittelbar seine t{\"a}gliche Praxis betrifft. Andernfalls besteht das Risiko, dass dieser mit mehr Fragen, als Antworten zur{\"u}ck bleibt.}, language = {de} } @article{KnackstedtEggertGraeweetal.2010, author = {Knackstedt, Ralf and Eggert, Mathias and Gr{\"a}we, Lena and Spittka, Jan}, title = {Forschungsportal f{\"u}r Rechtsinformatik und Informationsrecht - Weg zu einer disziplinen{\"u}bergreifenden Forschungs{\"u}bersicht}, series = {MMR - Multimedia und Recht}, journal = {MMR - Multimedia und Recht}, number = {8}, publisher = {Beck}, address = {M{\"u}nchen}, issn = {1434-596X}, pages = {528 -- 533}, year = {2010}, abstract = {Die Entwicklungen der Rechtsinformatik und des Informationsrechts zeigen, dass diese Disziplinen aktuell vor der Herausforderung stehen, eine interdisziplin{\"a}re Zusammenarbeit zwischen ihnen und anderen Disziplinen zu etablieren. Unterschiedliche Publikationskulturen erschweren die Erreichung dieses Ziels. Forschungsportale stellen themenspezifische, internetbasierte Verzeichnisse dar, die bereits vorhandene Informationen strukturiert zug{\"a}nglich machen. Sie k{\"o}nnen die Beziehungen zwischen den Disziplinen f{\"o}rdern, indem sie bereits erzielte Arbeitsergebnisse disziplinen{\"u}bergreifend bekannt machen und dadurch dazu beitragen, Synergiepotenziale und m{\"o}gliche Kooperationspartner zu identifizieren.}, language = {de} } @book{Weigand2006, author = {Weigand, Christoph}, title = {Statistik mit und ohne Zufall : eine anwendungsorientierte Einf{\"u}hrung ; mit 10 Tabellen / Christoph Weigand}, publisher = {Physica-Verl.}, address = {Heidelberg}, isbn = {3-7908-1693-0}, pages = {XIII, 421 S. : graph. Darst.}, year = {2006}, language = {de} } @book{Weigand2009, author = {Weigand, Christoph}, title = {Statistik mit und ohne Zufall : Eine anwendungsorientierte Einf{\"u}hrung . 2. Aufl.}, publisher = {Physica-Verlag}, address = {Heidelberg}, isbn = {978-3-7908-2346-2}, pages = {XIII, 469 S. : Ill., graph. Darst.}, year = {2009}, language = {de} } @article{BeverungenEggertVoigtetal.2013, author = {Beverungen, Daniel and Eggert, Mathias and Voigt, Matthias and Rosemann, Michael}, title = {Augmenting Analytical CRM Strategies with Social BI}, series = {International Journal of Business Intelligence Research (IJBIR)}, volume = {4}, journal = {International Journal of Business Intelligence Research (IJBIR)}, number = {3}, publisher = {IGI Global}, address = {Hershey}, issn = {1947-3591}, doi = {10.4018/ijbir.2013070103}, pages = {32 -- 49}, year = {2013}, language = {en} } @incollection{BeckerKnackstedtEggertetal.2012, author = {Becker, J{\"o}rg and Knackstedt, Ralf and Eggert, Mathias and Fleischer, Stefan}, title = {Fachkonzeptionelle Modellierung von Berichtspflichten in Finanzaufsicht und Verwaltung mit dem H2-Toolset}, series = {Auf dem Weg zu einer offenen, smarten und vernetzten Verwaltungskultur}, booktitle = {Auf dem Weg zu einer offenen, smarten und vernetzten Verwaltungskultur}, publisher = {Gesellschaft f{\"u}r Informatik}, address = {Bonn}, isbn = {978-3-88579-291-8}, pages = {83 -- 94}, year = {2012}, language = {de} } @article{Golland2018, author = {Golland, Alexander}, title = {Gemeinsame Verantwortlichkeit in mehrstufigen Verarbeitungsszenarien}, volume = {21}, number = {7-8}, publisher = {dfv Mediengruppe}, address = {Frankfurt a.M.}, issn = {1434-6354}, pages = {433 -- 438}, year = {2018}, abstract = {Die Rechtsfigur der gemeinsamen Verantwortlichkeit besch{\"a}ftigt die datenschutzrechtliche Literatur seit Langem. Die Bestimmung der Verantwortlichkeit bei arbeitsteiligen Verarbeitungsverfahren, welche vor allem bei heutigen Plattformdiensten {\"u}blich sind, ist komplex: Stets sind mehrere Akteure beteiligt und in der Regel werden durch die Handlung eines Beteiligten mehrere Verarbeitungsschritte ausgel{\"o}st. Nun hat sich der EuGH in einem in mehrfacher Hinsicht bemerkenswerten Urteil ge{\"a}ußert.}, language = {de} } @inproceedings{SchulteEggert2021, author = {Schulte, Maximilian and Eggert, Mathias}, title = {Predicting hourly bitcoin prices based on long short-term memory neural networks}, series = {Proceedings of the International Conference on Wirtschaftsinformatik (WI) 2021}, booktitle = {Proceedings of the International Conference on Wirtschaftsinformatik (WI) 2021}, pages = {16 Seiten}, year = {2021}, abstract = {Bitcoin is a cryptocurrency and is considered a high-risk asset class whose price changes are difficult to predict. Current research focusses on daily price movements with a limited number of predictors. The paper at hand aims at identifying measurable indicators for Bitcoin price movements and the development of a suitable forecasting model for hourly changes. The paper provides three research contributions. First, a set of significant indicators for predicting the Bitcoin price is identified. Second, the results of a trained Long Short-term Memory (LSTM) neural network that predicts price changes on an hourly basis is presented and compared with other algorithms. Third, the results foster discussions of the applicability of neural nets for stock price predictions. In total, 47 input features for a period of over 10 months could be retrieved to train a neural net that predicts the Bitcoin price movements with an error rate of 3.52 \%.}, language = {en} }