visualisierung der wertschöpfungskette holz eine webbasierte...

40 Full Paper

Visualisierung der Wertschöpfungskette Holz ‒ eine webbasierte Lösung zur Veranschaulichung und Analyse der Holzflussdaten in der Steiermark

Visualization of the Forest-based Supply Chain – A Web-based Tool to Visualize and Analyze Timber Flow in Styria

Maximilian Schachner-Nedherer1, Johannes Scholz1 1Institut für Geodäsie, Technische Universität Graz · [email protected]

Zusammenfassung: Der Rohstoff Holz ist ein wichtiges Standbein der österreichischen Wirtschaft (Proholz Steiermark 2017). Die Digitalisierung der Wertschöpfungskette von der Schlägerung bis zum Endkunden birgt ein großes Potenzial, um die gesamte Prozesskette effizienter zu gestalten und um die Transparenz zu erhöhen. Diese Arbeit beschäftigt sich mit der Visualisierung und Analyse der Trans-portprozesse der Wertschöpfungskette Holz anhand eines Datensatzes der Holzcluster Steiermark GmbH, der das Jahr 2015 umfasst. Ziel der Arbeit ist eine Visualisierung der Daten zum Zweck der visuellen Analytik, welche als webbasierte Lösung angeboten werden soll. Besonderes Augenmerk liegt dabei auf einer passenden zeitlichen und räumlichen Aggregation und Analyse.

Schlüsselwörter: Visualisierung, Wertschöpfungskette Holz, zeitlich-räumliche Analyse

Abstract: Wood is one of the most important backbones of the Austrian economy. The digitalization of this supply chain, which starts with the harvesting process and ends with the final product, holds po-tential to create a more efficient working process and finally to gain higher transparency. This paper presents an analysis and visualization of the transportation data of the forest-based supply chain using a dataset of 2015 provided by the Holzcluster Steiermark GmbH. The aim is to create a tool for visual analytics, which is offered as web-based solution. In particular we focus on the temporal and spatial aggregation and analysis of the available datasets.

Keywords: Visualization, fores-based supply chain, spatial-temporal analysis

1 Motivation und Stand der Technik

Die Ressource Holz ist ein wichtiger nachhaltiger Rohstoff und zugleich ist die Holzindustrie ein wichtiger Wirtschaftsfaktor für das Land Österreich – was sich durch ein Produktionsvo-lumen von 7.49 Mrd. Euro sowie einer positiven Handelsbilanz im Ausmaß von 1.23 Mrd. Euro für 2015 (Fachverband der Holzindustrie Österreichs, 2016) äußert. Um die Wettbe-werbsfähigkeit der österreichischen Holzindustrie im internationalen Vergleich weiter stär-ken zu können, erscheint es notwendig die Digitalisierung der gesamten Wertschöpfungs-kette voranzutreiben. Dieser Umstand ist auch einer der Gründe für Forschungsinitiativen im Bereich der Wertschöpfungskette Holz (EFORWOOD, 2017; FOCUS, 2017; Mittlboeck et al., 2015; Ziesak et al., 2014). Im Speziellen sind die aktuellen Forschungsinitiativen darauf bedacht, den Fokus auf den Transport des Rohstoffes Holz vom Wald zum nächsten Bear-beitungsschritt zu legen (z. B.: D’Amours et al., 2008). Dabei sind einerseits die Optimierung der Holzabfuhr, und andererseits die transparente und lückenlose Aufzeichnung der Herkunft

AGIT ‒ Journal für Angewandte Geoinformatik, 3-2017, S. 40-51. © Wichmann Verlag, VDE VERLAG GMBH · Berlin · Offenbach. ISBN 978-3-87907-633-8, ISSN 2364-9283, eISSN 2509-713X, doi:10.14627/537633005. Dieser Beitrag ist ein Open-Access-Beitrag, der unter den Bedingungen und unter den Auflagen der Creative Commons Attribution Lizenz verbreitet wird (http://creativecommons.org/licenses/by-nd/4.0/).

M. Schachner-Nedherer, J. Scholz: Visualisierung der Wertschöpfungskette Holz 41

und des Transportweges des Rohstoffes von hohem Interesse, welche mithilfe aktueller Sen-sortechnologie umgesetzt werden soll (Mittlboeck, et al., 2015).

Da der Begriff Wertschöpfungskette recht vielseitig einsetzbar ist, bedarf es einer für diesen Zusammenhang passenden Definition. Der folgende Absatz basiert daher auf Springer Gabler Verlag (2017) und Wannenwetsch (2006). Eine Wertschöpfungskette – im allgemeinen Sinn ‒ stellt zusammenhängende Aktivitäten dar, die sich mit dem wirtschaftlichen Güterherstel-lungsprozess beschäftigen. Dieser Prozess gliedert sich in Teilbereiche, welche sich mit der Produktion, Verarbeitung, Fertigstellung und Vermarktung eines Produktes befassen. Die Wertschöpfungskette Holz umfasst alle Aktivitäten vom Rohprodukt Holz bis zum fertigen Produkt. Die Kette gliedert sich in vier Prozesse: Holzerzeugung, Erzeugung der Produkte, Verteilung derselben, und Verkauf der Produkte. Holzerzeugung umfasst die Schlägerung von Holz im Wald, inklusive der Lagerung im Wald und der Transportprozesse zum Säge-werk. Die Produktion ist die Veredlung des Rohproduktes zu Fertig- oder Halbfertigwaren.

Die vorliegende Arbeit ist intendiert, zu einer transparenten Dokumentation und Analyse des Prozesses der Holzerzeugung, als Teil der Wertschöpfungskette, beizutragen. Ausgehend von den Bestrebungen der Holzcluster Steiermark GmbH die Entwicklung der Wertschöp-fungskette Holz in der Steiermark zu fördern, versuchen die Autoren mittels eines webba-sierten Karten-Viewers die Visualisierung von digital erfassten Transportdaten zu verbes-sern. Diese werden von der Holzcluster Steiermark GmbH aktuell mittels der, proprietären und geschlossenen, Woodlogistics-Plattform gesammelt. Diese Plattform entstand aus dem Zusammenschluss der Akteure der Wertschöpfungskette Holz in der Steiermark und dient als zentrale Informationsdrehscheibe für die Wertschöpfungskette. Für den Bereich der Hol-zerzeugung, werden die Daten des geernteten Holzes, des Transportes (zur transparenten Ab-rechnung), sowie der Lieferung zum Sägewerk in dem System gespeichert. Die Datensamm-lung geschieht zum Teil mithilfe von Sensoren, die in den Lastkraftwagen verbaut sind, an-sonsten werden die Daten über Schnittstellen und Interfaces in das System eingegeben.

Da mit diesen gesammelten Daten der Woodlogistics-Plattform zum Zeitpunkt der Erstellung der Arbeit noch keine zeitlich-räumliche Analyse und Visualisierung entwickelt wurde, stellt diese Arbeit einen ersten Versuch der Analyse und Visualisierung dar. Die Konsequenz dar-aus ist, eine den Anforderungen der Verantwortlichen der Holzcluster Steiermark GmbH ent-sprechende, webbasierte kartographische Visualisierung der Daten vorzunehmen. Ziel soll sein, die Zusammenhänge und Muster der Logistik hinter den Transporten zu veranschauli-chen und für die Mitglieder des Holzclusters zentral bereit zu stellen. Im Besonderen sollen dabei die transportierten Holzmengen für eine thematische Darstellung der Wertschöpfungs-kette in einen zeitlich-räumlichen Kontext gesetzt werden. Die vorliegende Arbeit hat konk-ret zum Ziel, einen Prototyp zur Visualisierung und visuellen Analyse der Daten der Holzpro-duktion zu erstellen. Die Funktionalität des Prototyps wird anhand von realen historischen Daten aus dem Jahr 2015 getestet. Die Daten wurden von der Holzcluster Steiermark GmbH bereitgestellt.

Die Struktur des Artikels ist wie folgt. Kapitel 2 behandelt den Lösungsansatz der in dieser Arbeit verfolgt wird. In Kapitel 3 wird die Umsetzung im Detail beschrieben. Hier werden die Datenmigration und die Visualisierung mittels OpenLayers3 thematisiert. Die Ergebnisse sind in Kapitel 4 enthalten – gemeinsam mit einer Diskussion derselben. Kapitel 5 enthält die Zusammenfassung.

42 AGIT – Journal für Angewandte Geoinformatik · 3-2017

2 Lösungsansatz und Methodik

Der Ansatz, der in diesem Artikel verfolgt wird, basiert im Wesentlichen auf fünf Arbeits-schritten (siehe Abb. 1). Die Evaluierung der Anforderungen erfolgte im Rahmen von ge-meinsamen Gesprächen und strukturierten Interviews mit den Mitarbeitern der Holzcluster Steiermark GmbH sowie von Akteuren der Wertschöpfungskette. Darauf aufbauend wurden die Rohdaten ausgewählt, entsprechend analysiert und ein konzeptionelles Datenmodell er-stellt (Chen, 1976). Das konzeptionelle Datenmodell dient als Basis für die webbasierte Vi-sualisierung der Daten der Wertschöpfungskette. Eine funktionale Evaluierung des Ergeb-nisses soll die erstellte Lösung mit den Anforderungen gegenüberstellen.

Abb. 1: Darstellung der Arbeitsschritte der Lösungsstrategie

Die Anforderungen, die im Zuge dieser Arbeit von den Vertretern der Holzcluster Steiermark sowie von Akteuren der Logistikkette Holz formuliert wurden, können folgendermaßen zu-sammengefasst werden: Es wird ein Werkzeug gefordert, welches zum einen die Holztrans-porte visualisiert, zum anderen aber auch zeitliche und räumliche Analysen für die Verant-wortlichen der Wertschöpfungskette Holz zulässt. Das Ergebnis soll die bereitgestellten und abgelieferten Holzmengen vor allem nach unterschiedlichen Zeitabschnitten (z. B.: Monate) visualisieren. Es soll somit für jeden Lieferort, welcher in diesem Zusammenhang als Säge-werk identifiziert wird, die zugehörigen Ernteorte dargestellt werden. Weitergehend wird ge-fordert, dass das „Einzugsgebiet“ jedes Sägewerkes je nach Zeitraum in einer Karte darge-stellt wird. Darüber hinaus wird verlangt, dass die gelieferten Warenmengen proportional zueinander dargestellt werden sollen.

Die Datenanalyse zielt vor allem auf die Attribute des zur Verfügung gestellten Datensatzes, dessen Inhalte und Integrität ab. Zusätzlich können aufgrund dieser Analyse nicht vollstän-dige oder fehlerhafte Einträge ausgeschieden werden, welche für eine webbasierte Visuali-sierung nicht verwendbar sind.

Basierend auf der Analyse der Daten und aufbauend auf den Gesprächen mit den Stakehol-dern, wird ein konzeptionelles Datenmodell erstellt – in diesem Paper ein Entity-Relationship Modell (Chen, 1976). Dieses konzeptionelle Modell dient als Grundlage für die webbasierte Visualisierung der Daten der Wertschöpfungskette Holz. Zum einen wird es als Schema für die Datenmigration in eine räumliche Datenbank verwendet, zum anderen wird dadurch si- chergestellt, dass ein webbasiertes Visualisierungsmodul auf die Daten zugreifen und diese darstellen kann.

Anforderungs‐evaluierung

RohdatenanalyseKonzeptionelles Datenmodell

Datenmigration und

Implementierung

Evaluierung der Ergebnisse


Die Migration der Daten in eine räumliche Datenbank wird mittels eines spatial Extract-Transform-and-Load Tools (ETL) durchgeführt. Ein solches Werkzeug ist in der Lage Roh-daten zu lesen, zu verändern und in ein neues Datenformat zu schreiben. Zudem können räumliche Referenzsysteme verändert werden oder eine Georeferenzierung von Datensätzen vorgenommen werden.

Die webbasierte Visualisierung der Daten soll die Zusammenhänge der Logistikkette mittels thematischen Karten veranschaulichen (Slocum et al., 2009). Von besonderem Interesse in diesem Zusammenhang ist hier die Methode der proportionalen Symboliken, die es erlauben, numerische Werte, die das Niveau einer Ratioskala erfüllen (Stevens 1946), georeferenziert visuell darzustellen. Die Möglichkeiten, die Zusammenhänge zwischen Holzernte und des ersten Verarbeitungsschrittes in einem Sägewerk in zeitlich unterschiedlichen Stufen darzu-stellen bzw. räumliche Aggregation durch z. B. die Veranschaulichung des Einzugsgebietes zu zeigen, entspricht dem Prinzip der Exploratory Data Analysis (EDA) (Dransch, 1997; Andrienko & Andrienko, 2006).

Um die Daten dynamisch zu analysieren und zu visualisieren, wird eine facettierte Suche eingesetzt (Hearst, 2006). Facettierte Suche ist eine Technik, die es ermöglicht, Daten und Suchtreffer schrittweise eingegrenzt und/oder systematisch zu durchsuchen. Durch diese Me-thode können große Datenbestände, anhand vorgegebener „Kategorien“ (i. e. Facetten), ge-filtert werden. Die facettierte Suche wird in dem Kontext des Papiers eingesetzt, um eine räumliche, zeitliche und attributive Strukturierung des Datensatzes zu ermöglichen. Konkret eignen sich Sägewerke (Lieferorte) sowie Zeiträume als Facetten (i. e. Kategorien), um die Daten der Wertschöpfungskette zu strukturieren.

3 Umsetzung

3.1 Datenanalyse und ERM

Der erste Teil der Umsetzung beschäftigt sich mit der Analyse der gelieferten Rohdaten. Diese umfassen 21860 Einträge. Durch die tabellarische Aufbereitung kann zwischen unter-schiedlichen Attributspalten unterschieden werden. Eine grobe Einteilung lässt sich wie folgt treffen:

Ernteadresse, Abnehmer (Sägewerk), Frächter.

Zur genauen Beschreibung der einzelnen Attribute dient die Abbildung 2.


Abb. 2: Struktur der Rohdaten

Die Abbildung 3 zeigt die relevanten Attributspalten mit vollständigen Einträgen. Es beste-hen zum Teil Datenlücken, welche im Besonderen in Form von fehlenden Koordinaten oder fehlenden Ortsbezeichnungen bezogen auf Abhol- oder Lieferadresse auftreten. Fehlen Ein-träge, werden diese mit frei zur Verfügung gestellten Datensätzen vom GIS Steiermark ab-geglichen. Existiert keine räumliche Information zu einem Transporteintrag, wird dieser aus den Ausgangsdaten entfernt.

Abb. 3: Beispieldatensatz Originaldaten

Abb. 4: Konzeptionelles Datenmodell

Nachdem die relevanten Attributspalten identifiziert sind, wird ein Datenbankschema erstellt. Dazu wird ein Entity-Relationship-Modell aufgebaut, welches als Basis für die Datenmigra-tion in eine räumliche Datenbank dient. Die Idee hinter dem konzeptionellen Datenmodell wird in Abbildung 4 verdeutlicht. Das Konzept kann dem Anwender so kommuniziert wer-


den, dass die unterschiedlich vielen Ernteorte in Verbindung mit mehreren Lieferadressen, hier als Sägewerke klassifiziert, stehen. Dies entspricht einer n:m Kardinalität, welche die Komplexität des Verhältnisses zwischen den Entitäten aufzeigt.

3.2 Datenmigration in räumliche Datenbank

Nach der Erstellung des Datenbankschemas werden die Transportdaten in eine räumliche Datenbank migriert. Die Migration wird mittels eines Spatial-ETLs durchgeführt. Hier bietet sich das Softwarepaket Feature Manipulation Engine (FME) (Bellinghoff et al., 2015) der Firma Safe Software Inc. an. Das Programm dient der formatunabhängigen Verarbeitung von Daten, welche eine Georeferenzierung besitzen. Diese werden in FME mittels sogenannter Reader extrahiert und in ein FME interoperables Format übersetzt. Die Funktionen von FME ermöglichen Transformationen, Berechnungen oder andere Arten der Manipulation. Mithilfe von Writern können die editierten Daten in ein beliebiges Format migriert werden. FME greift dabei auf einen Pool von über 350 unterstützten Datenformaten zurück. Das bedeutet, dass sich gleichermaßen Vektor-, Raster- Punktwolkendaten sowie Sach- und Tabellendaten verarbeiten lassen. Ein Vorteil von FME ist, dass die Datenmigration mittels eines grafischen User Interfaces entwickelt werden kann. Mithilfe des Drag-and-drop-Prinzips können unter-schiedliche Werkzeuge in das Projekt integriert werden (siehe Abb. 5).

Abb. 5: Auszug einer individuellen Befehlsoberfläche in FME

Als Beispiel für den Einsatz von FME wird ein koordinativer Eintrag aus den Daten angeführt (siehe Tabelle 1), um die schrittweise Verarbeitung näher zu erläutern. Dabei soll gezeigt werden, dass die Ausgangsdaten zwar als Dezimalgrad in Form von Länge und Breite mit dem WGS84 als Bezugssystem identifiziert werden können, es aber dem Einsatz der ver-schiedenen Tools von FME bedarf, die Koordinaten sinnvoll aufzubereiten.


Tabelle 1: Formatierung der Koordinaten

Ausgangsdaten φ , λ (WGS84) [°] y , x (UTM33N) [m]

47354233,15085785 47.354233, 15.085785 5244533.529 , 506478.246

Der für die weiteren Arbeitsschritte nun passend formatierte Datensatz kann mithilfe von FME in eine räumliche Datenbank migriert werden. Dazu wird auf die Open-Source-Daten-bank PostgreSQL (Scherbaum et al., 2009) zurückgegriffen. Als Aufsatz zur Nutzung der räumlichen Information dient PostGIS. Da PostGIS (Ramsay et al., 2017) eine räumliche Erweiterung für PostgreSQL ist, kommen mit diesem Aufsatz zusätzliche Datentypen und Funktionen zu den normalen SQL-Spezifikationen hinzu – die “Simple Features for SQL“ von OGC (Herring, 2006).

3.3 Visualisierung mit OpenLayers

Die Visualisierungsstrategie dieser Arbeit für die Realisierung eines Web-GIS beruht auf der Verwendung der JavaScript-Bibliothek OpenLayers. Damit ist es möglich, die Anforderun-gen der Stakeholder zu erfüllen. Das Konzept, welches sich hinter dem Web-GIS versteckt, wird in Abbildung 6 vereinfacht dargestellt. Die unterschiedlichen Möglichkeiten der Dar-stellungen sind die Hauptfunktionen der Visualisierung. Das heißt, das System kann zu jedem Sägewerk die zugehörigen Lieferorte und Mengen, sowie das Einzugsgebiet visualisieren.

Abb. 6: Konzept zur Visualisierung der Holzdaten

Der Ablauf des Flow-Charts in Abbildung 6 zeigt die Interaktion des Systems mit dem Be-nutzer, um entsprechende Daten anzuzeigen. Das Konzept folgt der Methodik einer facettier-ten Suche, die es dem Benutzer ermöglicht anhand folgender Parameter die Daten zu durch-suchen und zu visualisieren:

Lieferort, Zeitraum, Darstellung der Lieferorte, des Einzugsgebietes oder der geernteten Holzmenge.

Zur visuellen Aufbereitung der Mengenlieferungen wird die proportionale Symbolik in Form von proportionalen Kreisdiagrammen eingesetzt. Die gelieferte Holzmenge – in der Einheit


Festmeter – eines Ernteortes entspricht dem Radius des Kreissymbols. Diese wird explizit noch als Zahl im Mittelpunkt des Symbols angezeigt.

Durch die Einbindung der jQuery-Bibliothek wird die Abfrage der PostGIS-Datenbank im-plementiert. Hierbei wird über AJAX ein entsprechendes PHP-Skript geladen, welches die Abfrage über den Server an die Datenbank weiterleitet. Das Ergebnis wird mithilfe des Da-tenformates GeoJSON ausgewertet. Dieses Format ermöglicht die Visualisierung unterschied-licher Geometrietypen.

4 Ergebnisse

Der Prototyp dieser Arbeit zeigt die Umsetzung einer Visualisierung Daten der Wertschöp-fungskette Holz – im Besonderen des Teilbereiches der Holzproduktion – basierend auf dem Datensatz für das Jahr 2015. Hierbei wird die Metapher Karte als zentrales Informationsme-dium gewählt, welches mit thematischer Kartographie die verfügbaren Daten veranschau-licht. Der Benutzer kann, durch die Anwendung einer einfachen facettierten Suche, Daten für einen Lieferort bzw. für einen definierten Abfragezeitraum visualisieren. Die Zeitauswahl ermöglicht es, Daten eines gesamten Jahres oder eines spezifischen Monats zu analysieren. Das Web-GIS wird in Abbildung 7 dargestellt. Die Basiskarte zeigt das Land Steiermark, wobei die Daten aus dem Projekt OpenStreetMap eingebunden werden.

Abb. 7: Gesamtübersicht des Web-GIS


Mithilfe von Drop-down-Menüs (siehe Abbildung 8) kann der Benutzer – facettiert – Daten auswählen/eingrenzen, je nachdem für welchen Lieferort und welchen Zeitraum die gewünsch-te Information dargestellt werden soll.

Abb. 8: Drop-down-Menü zur Datenselektion und Anzeige

Mithilfe der in Abbildung 9 gezeigten Symbolik werden Ernteorte und Lieferadressen ange-zeigt. Die standardmäßige Kombination eines Sägewerks und den entsprechenden Erntead-ressen wird anhand Abbildung 10 gezeigt. Als Zielort fungiert dabei Graz. Die Ernteadressen beziehen sich auf das gesamte Jahr 2015. In der Abbildung 10 wird zusätzlich noch das Ein-zugsgebiet des Zielortes Graz veranschaulicht.

Abb. 9: Legende der unterschiedlichen Markierungen innerhalb des Web-GIS

Abb. 10: Kombination Sägewerk mit Ernteadressen

Zusätzlich zum Einzugsgebiet werden die ortsspezifischen Liefermengen angezeigt (siehe Abb. 11). Diese werden mit der entsprechenden Liefermenge beschriftet. Zusätzlich sind die proportionalen Symbole ersichtlich. Die Holzmenge legt den Radius der Kreise um die Ern-


teorte fest, und die Kreise werden mit der geernteten Holzmenge beschriftet. Abbildung 12 zeigt einen vergrößerten Kartenausschnitt, um die proportionale Symbolik nochmals hervor-zuheben. Dieses Ergebnis zeigt ein Gebiet südlich von Mürzzuschlag und betrifft die Ernte-mengen des Monats Dezember 2015, die nach Graz geliefert werden.

Abb. 11: Liefermengen für den Zielort Graz und die Repräsentation in der Karte mittels

proportionaler Symbole

Abb. 12: Proportionale Symbolik der nach Graz gelieferten Erntemengen im Monat Dezem-ber 2015 ‒ hier ein Ausschnitt südlich von der Stadt Mürzzuschlag


5 Zusammenfassung

Die vorliegende Arbeit liefert einen Beitrag zur Erhöhung der Transparenz der Wertschöp-fungskette Holz im Bereich der Holzerzeugung. Ausgehend von den attributiven Daten der Woodlogistics-Plattform der Holzcluster Steiermark GmbH, wird mittels einer webbasierten, kartenzentrierten Visualisierungsstrategie, ein Prototyp einer visuellen Analyse der Daten er-möglicht. Anhand realer historischer Daten für das Jahr 2015 wird der entwickelte Ansatz getestet und in Form eines Prototyps implementiert.

Die Ergebnisse zeigen, dass eine räumliche Referenzierung der attributiven Daten der Wert-schöpfungskette Holz – insbesondere des Teilbereiches der Holzerzeugung – möglich ist. Basierend auf den generierten räumlichen Daten wird mithilfe von Open-Source-Technolo-gien, wie OpenLayers und PostgreSQL mit PostGIS, eine visuelle Analyse der Logistikdaten möglich. Von besonderem Interesse hinsichtlich der Analyse, sind die Zusammenhänge zwi-schen Holzernte und dem nachfolgenden Bearbeitungsschritt in einem Sägewerk. Das Sys-tem kann, unter Verwendung der Metapher Karte, zeitlich-räumliche Antworten auf die Fra-gen nach Rohstoffherkunft und Mengen der einzelnen Sägewerke geben. Hierbei wird der Benutzer mittels einer einfachen facettierten Suche unterstützt. In dieser Arbeit wird die Vi-sualisierung der Holzmengen mittels proportionaler Kartensymbole durchgeführt, um die Zahlen visuell vergleichbar zu machen.

Weitere offene Forschungsfragen beschäftigen sich mit der zeitlich-räumlichen Analyse mit der Hilfe von geostatistischen Methoden. Insbesondere sind Techniken wie Flow Maps, Punktmusteranalysen oder Kernel Density Estimation hier von besonderem Interesse. In zu-künftigen Arbeiten, werden diese Fragestellungen bearbeitet und evaluiert.

Danksagung

Diese Arbeit wurde von der Holzcluster Steiermark GmbH unterstützt. Die Daten für die Arbeit wurden freundlicherweise von der Holzcluster Steiermark GmbH unentgeltlich zur Verfügung gestellt.

Referenzen

Andrienko, N., & Andrienko, G. (2006). Exploratory analysis of spatial and temporal data: a systematic approach. Berlin: Springer Science & Business Media.

Bellinghoff, M., Dahmen, C., & Heisig, C. (2015): FME Desktop. Das deutschsprachige Handbuch für Einsteiger und Anwender. Berlin/Offenbach: Wichmann.

Chen, P. (1976). The Entity-Relationship Model ‒ Toward a Unified View of Data. ACM Transactions on Database Systems, (1), 9‒36.

D’Amours, S., Rönnqvist, M., & Weintraub A, (2008). Using operational research for supply chain planning in the forest products industry. INFOR: Information Systems and Opera-tional Research, 46(4), 265‒281.

Dransch, D. (1997). Computer-Animation in der Kartographie. Theorie und Praxis. Berlin/ Heidelberg: Springer.


Eforwood (2017). Sustainability Impact Assessment of the Forestry-Wood Chain. Retrieved Jan 17, 2017, from www.innovawood.com/eforwood/.

Fachverband der Holzindustrie Österreichs (2016). Branchenbericht der Österreichischen Holzindustrie. Retrieved Jan 19, 2017, from https://issuu.com/holzindustrie/docs/fachverband_branchenbericht.

Focus Consortium (2017). About Focus. Retrieved Jan 19, 2017, from www.focusnet.eu. Hearst, M. (2006). Design recommendations for hierarchical faceted search interfaces. In:

ACM SIGIR workshop on faceted search (pp. 1‒5). Retrieved Apr 18, 2017, from http://flamenco.sims.berkeley.edu/papers/faceted-workshop06.pdf.

Herring, J. R. (2006). Opengis implementation specification for geographic information-sim-ple feature access-part 2: SQL option. Open Geospatial Consortium Inc.

Jansen, M., & Adams, T. (2010). OpenLayers. Webentwicklung mit dynamischen Karten und Geodaten. München: Open Source Press.

Mittlboeck, M., Jank, R., & Scholz, J. (2015). Harmonizing measurements from wood har-vesting machines to support near real time spatio-temporally enabled dashboards for pro-cess control. In: Forest engineering: making a positive contribution. Abstracts and Pro-ceedings of the 48th Symposium on Forest Mechanization, Linz, Austria, 2015 (pp. 55‒61). University of Natural Resources and Life Sciences: Institute of Forest Engineering.

Proholz Steiermark (2017). Retrieved Jan 18, 2017, from www.proholz-stmk.at/multital-entholz/holz-der-wirtschaftsfaktor/.

Ramsay, P. et al. (2017). POSTGIS: Spatial and Geographic objects for PostgreSQL. Re-trieved Jan 17, 2017, from www.postgis.net/features.

Scherbaum, A. (2009). PostgreSQL. Datenbankpraxis für Anwender, Administratoren und Entwickler. München: Open Source Press.

Slocum, T. A., McMaster, R. B., Kessler, F. C., & Howard, H. H., (2009). Thematic cartog-raphy and geovisualization. Prentice Hall, Upper Saddle River, NJ: Pearson.

Springer Gabler Verlag (Ed.). (2017). Gabler Wirtschaftslexikon, Stichwort: Wertschöp-fungskette. Retrieved Jan 19, 2017, from www.wirtschaftslexikon.gabler.de/Archiv/145581/wertschoepfungskette-v7.html.

Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 10 (2684), 677‒680. Wannenwetsch, H. (2006). Vernetztes Supply Chain Management: SCM-Integration über die

gesamte Wertschöpfungskette. Berlin/Heidelberg: Springer. Ziesak, M., Marques, A. F., Rasinmaki, J., Rosset, C., Nummila, K., Scholz, J., Mittlboeck,

M., Pinho de Sousa, J., Häkli, J., & Rommel, D. (2014). Advances in forestry control and automation systems in Europe – FOCUS: the concept idea in a multinational EU research project. In: Precision Forestry Symposium 2014: „The anchor of your value chain“ (pp. 112‒113).

visualisierung der wertschöpfungskette holz eine webbasierte...

Documents