Wissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz

Größe: px
Ab Seite anzeigen:

Download "Wissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz"

Transkript

1 Wissen Uwe Lämmel Fachbereich Wirtschaft Hochschule Wismar Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet. More&Newell,973 Was ist Wissen? Besitz von objektiv bzw. subjektiv als wahr zu klassifizierenden Erfahrungen, die die Grundlage von Urteilen bilden können. Wissen - Informatik Daten Information Wissen Wissen ist Information, die ich zu nutzen weiß... (individuelles) Wissen ist die Menge der individuellen Kenntnisse. (Sachkenntnisse, Verfahrenskenntnisse, Normen-, Wertekenntnisse) Wissen heißt wissen, wo es geschrieben steht. Wissen heißt wissen, wo es gespeichert ist. Albert Einstein Wissen - Künstlichen Intelligenz symbolische Repräsentation der Welt, die das Denken / Handeln von Agenten bestimmt Gewinn / Verlust Versand von Werbematerialien Daten Information - Wissen bestellt bestellt nicht Name Meier Schulze Wohnor t Halle Bonn Vorhersage, wen man anschreiben sollte Data Mining Einko mmen x x bestellt und Künstliche Intelligenz Wissen als (wirtschaftliche) Ressource Informationsflut Techniken zur Wissensextraktion Techniken zur Wissensdarstellung (-speicherung) Techniken zur Wissensverarbeitung Nicht angeschrieben angeschrieben Angeschrieben -6-

2 Expertensystem Wissensbasierte System Expert systems are Computer Systems which store expert's factual and inferential Savory: KI und Expertensysteme, 985 Expertensysteme sind anwendungsbezogener Ausdruck für Systeme, die auf der Wissensverarbeitung beruhen. Posthoff in Grundlagen der KI, 989 Nutzer Dialog -komponente Wissenerwerbskomponente Erklärungskomponente Problemlösungskomponente Wiss. Bas. System Allgemeines Wissen Wissensbasis fallspezifisches Wissen Wissensrepräsentation Logik Regel Objektorientierte Darstellung (Frames) Fuzzy Methoden Neuronale Netze A B C Lager Lager 2 LKW Waggon WENN-DANN-Regeln D E WENN Container steht auf PlatzX UND Container steht oben UND PlatzY ist frei DANN Setze Container von PlatzX nach PlatzY A C D B E Lager Lager 2 LKW Waggon Hierarchisches Wissen - Frames Aker MTW Kapitalgesellschaft Personengesellschaft GmbH AG GbR KG OHG Instanz von Planet AG Instanz von Siemens AG Person vererbt Vages Wissen Fuzzy-Logik Ziel: Neuer Mitarbeiter soll kompetent, jung und familiär gebunden oder ortsansässig sein 0 Wohnort Name Meier Schulze Lehmann Alter 20 = 30 = = 0.3 Entfernung Kompetenz Familie = = 0 0 = Jung A K (F E)

3 Neuronale Netze lernen aus Beispielen Wissensgewinnung Neuronales Netz Erkennung/ Klassifikation Techniken: Knowledge Engineering (Interviews...) Data Mining Maschinelles Lernen Beispiel-Muster Training des Netzes durch Beispiele Verarbeitung neuer, unbekannter Muster möglich Implizite Wissensrepräsentation Knowledge engineering ist der Prozess, der das Wissen eines Experten oder anderer Quellen abbildet auf die Wissensbank eines Expertensystems. Noelke in KI und XPS, 985 Entlohnung? Wenn ich mein Wissen für mich behalte, sichere ich meinen Arbeitsplatz. Und was bekomme ich dafür, wenn ich mir die Zeit nehme, den Kollegen meine Erfahrung weiter zu geben? ist die Disziplin des systematischen Erfassens, Nutzens und Bewahrens von Expertise und Informationen, um die Effizienz, Kompetenz, Innovation und Reaktionsfähigkeit der Organisation zu verbessern. umfasst alle Methoden, Werkzeuge und kritischen Aspekte einer Organisation, die zu seiner Anpassung, Kompetenzbewahrung und -erweiterung notwendig sind, um auf Änderungen des Marktes, die nicht notwendigerweise kontinuierlich und zentralisiert auftreten, effektiv und effizient reagieren zu können. e formale, strukturierte Initiative zur Verbesserung der Erzeugung, Verteilung und Nutzung von Wissen in einer Organisation. Es formaler Prozess zur Wandlung des Wissens einer Unternehmung in swert. Thomas Davenport will Bedingungen herstellen, unter denen Wissen immer dann verfügbar ist, wenn es benötigt. Angelika Menne-Haritz, Archivschule Marburg

4 Fazit Organisation Wissens-Prozess-Gestaltung Human-Ressource-Management Grenzen-Management Wissensschaffung Innovationsmanagement Wissensspeicherung Wissensnutzung Wissensdiffusion Wissenssubstitution Entlernen geplanter Wandel Wissen ist mehr als nur Menge von Daten/Werten Wissen beinhaltet den Umgang/Anwendung mit/von Daten : ist mehr als vernetzte Informationsverwaltung beinhaltet die Verwaltung von Vorgehensweisen, Abläufen - erfordert den Einsatz von Wissensrepräsentation ist ohne Erfahrungen und Techniken aus der künstlichen Intelligenz nicht denkbar funktioniert nur unter Einbeziehung der Mitarbeiter data mining Knowledge Network artificial intelligence processing presentation Knowledge Line (Grundy 2003) creation capture aquisition human resource work flow management rules management frames semantic network topic map document management content management capitalisation communication line codification classification Knowledge Network ThyssenKrupp Base base.thyssenkrupp.com K-infinity intelligent views

5 ThyssenKrupp - Steel ThyssenKrupp Stainless Steel Ontology - two basic meanings Topic Map - DTD Original sense (philosophy): "The science or study of being; that department of metaphysics which relates to the being or essence of things, or to being in the abstract" (Shorter Oxford English Dictionary). Artificial Intelligence:[Russell 995]: "A particular theory of the nature of being or existence. Knowledge Representation ([Sowa 2000]):... study of the categories of things that exist or may exist in some domain. The product of such a study, called an ontology, is a catalog of the types of things that are assumed to exist in a domain of interest D from the perspective of a person who uses a language L for the purpose of talking about D. Ontology: A classification of the types and subtypes of concepts and relations necessary to describe everything in the application domain. Knowledge Network: Manager - VW Es ist nicht genug zu wissen, man muss es auch anwenden; es ist nicht genug zu wollen, man muss es auch tun. Johann Wolfgang von Goethe K-infinity intelligent views

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer

unter Verwendung von Folien von Herrn Prof. Dr. Flensburg, von Laudon/Laudon/Schoder und von Frau Prof. Dr. Schuhbauer Knowledge Management Wissensmanagement 0. Produktionsfaktoren 1. Data Information Knowledge 2. Knowledge representation Wissensdarstellung 3. Interfaces to artificial intelligence 4. Knowledge management

Mehr

!!!!T!!! Systems!() Multimedia Solutions

!!!!T!!! Systems!() Multimedia Solutions Inhalt. Was ist das semantische Web? Wie findet man einen Arzttermin mit Hilfe des semantischen Web? Wie gibt man Inhalten einen Sinn? Welche Werkzeuge stehen zur Verfügung? Wo können strukturierte Inhalte

Mehr

Intelligente Systeme WS 2015/16

Intelligente Systeme WS 2015/16 Lehrgebiet Intelligente Systeme WS 2015/16 Andreas Dengel Fragestellungen Automatisierung von intelligentem" Verhalten im Sinn eines Leistungsverstärkers für den Menschen, z.b. Verstehen von Bildern, Sprache

Mehr

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web Bereiche der KI KI und das Web Eine Übersicht Web Site Engineering, Vorlesung Nr. 13 Neuronale Netze Suchverfahren Expertensysteme Fallbasiertes Schließen (Case-Based Reasoning) Planen Maschinelles Lernen

Mehr

Willkommen zum neuen Semester!

Willkommen zum neuen Semester! Willkommen zum neuen Semester! Informationsmanagement und Informationstechnologie (IMIT) und Wirtschaftsinformatik (Winf) Wintersemester 2012/13 1 Informationen (1) Belegung von Mastermodulen im Bachelor

Mehr

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S

SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Regelstudienplan SWS im Prüfungsgebiet Module 1. Sem. 2. Sem. 3. Sem. 4. Sem. 5. Sem. 6. Sem. V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S V Ü/L S Propädeutikum 1 1 Grundlagen der Informatik I Informatik und

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK

MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK MASTER FERNSTUDIENGANG WIRTSCHAFTSINFORMATIK STUDIENBRIEF: MODUL: Semester IV Spezialisierung Wissensmanagement: Wissensbasierte Systeme AUTOR: Prof. Dr.-Ing. Uwe Lämmel 2 IMPRESSUM IMPRESSUM WINGS Wismar

Mehr

nicht wissen macht auch nichts

nicht wissen macht auch nichts Prof. Dr. Hans-Günter Lindner Schmalenbach Institut für W irtschaftswissenschaften Forschungsschwerpunkt W issensmanagement FH Köln hans-guenter.lindner@fh-koeln.de LiNKiT M ittagstisch Köln 2 4. April

Mehr

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining

Mehr

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining. Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen

Mehr

Leseprobe. Uwe Lämmel, Jürgen Cleve. Künstliche Intelligenz ISBN: 978-3-446-42758-7. Weitere Informationen oder Bestellungen unter

Leseprobe. Uwe Lämmel, Jürgen Cleve. Künstliche Intelligenz ISBN: 978-3-446-42758-7. Weitere Informationen oder Bestellungen unter Leseprobe Uwe Lämmel, Jürgen Cleve Künstliche Intelligenz ISBN: 978-3-446-42758-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42758-7 sowie im Buchhandel. Carl Hanser Verlag,

Mehr

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer

Semantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer Semantic Web Anwendungsbereiche & Entwicklungen Dr. Michael Granitzer - gefördert durch das Kompetenzzentrenprogramm Agenda Die Vision und warum das Semantic Web Sinn macht Grundlagen: Wissensrepräsentation

Mehr

Spezialisierung Business Intelligence

Spezialisierung Business Intelligence Spezialisierung Business Intelligence Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg peter.becker@h-brs.de 10. Juni 2015 Was ist Business Intelligence? Allgemein umfasst der Begriff Business

Mehr

Ausarbeitung Iteration I

Ausarbeitung Iteration I Ausarbeitung Iteration I Domain Model siehe [Lar02], Kap. 0 2 Domain Model Illustriert relevante Konzepte des Problembereichs Das wichtigste Dokument in OOA (Use-Cases sind nicht OO; Use-Cases sind ein

Mehr

GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.

GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie. GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert

Mehr

Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation

Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation sicher heuristisch überdeckend Entscheidungstabellen

Mehr

Seminar: Software Engineering verteilter Systeme

Seminar: Software Engineering verteilter Systeme Seminar: Software Engineering verteilter Systeme Hauptseminar im WS 2010/2011 Programmierung verteilter Systeme Institut für Informatik Universität Augsburg 86135 Augsburg Tel.: +49 821 598-2118 Fax: +49

Mehr

Context-adaptation based on Ontologies and Spreading Activation

Context-adaptation based on Ontologies and Spreading Activation -1- Context-adaptation based on Ontologies and Spreading Activation ABIS 2007, Halle, 24.09.07 {hussein,westheide,ziegler}@interactivesystems.info -2- Context Adaptation in Spreadr Pubs near my location

Mehr

Bachelor- und Masterseminare Komplexe und Intelligente Systeme

Bachelor- und Masterseminare Komplexe und Intelligente Systeme Bachelor- und Masterseminare Komplexe und Intelligente Systeme Universität Passau Ablauf Masterseminar 1 2 1. Anmeldung über Stud.IP 2. Besuch der Auftaktveranstaltungen Einführung in Literaturrecherche

Mehr

Management Information System SuperX status quo and perspectives

Management Information System SuperX status quo and perspectives Management Information System SuperX status quo and perspectives 1 Agenda 1. Business Intelligence: Basics 2. SuperX: Data Warehouse for Universities 3. Joolap: OLAP for Universities 4. Cooperative reporting

Mehr

Kopplung von Workflow und Organisationsgedächtnis

Kopplung von Workflow und Organisationsgedächtnis Kopplung von Workflow und Organisationsgedächtnis Joachim Zobel joachim.zobel@de.pwcglobal.com Professionelles Wissensmanagement - Erfahrungen und Visionen Baden Baden, 14. - 16. März 2001 Kopplung von

Mehr

Complex Event Processing

Complex Event Processing [10] Armin Steudte HAW Hamburg Masterstudiengang Informatik - WS 2011/2012 Agenda Motivation Grundlagen Event Processing Networks Ausblick Quellen 2 Agenda Motivation Grundlagen Event Processing Networks

Mehr

Management von Softwaresystemen Systembewertung: Metriken und Prozess

Management von Softwaresystemen Systembewertung: Metriken und Prozess Management von Softwaresystemen Systembewertung: Metriken und Prozess Referent: Vadym Alyokhin Betreuer: Florian Deißenböck Übersicht Definition Einführung in die Messtheorie Meilensteine von Software-Metriken

Mehr

Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung

Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht der Vorlesung Ergänzung und Vertiefung

Mehr

Unterstützung des Wissensmanagements durch Informations- und Kommunikationstechnologie

Unterstützung des Wissensmanagements durch Informations- und Kommunikationstechnologie Unterstützung des Wissensmanagements durch Informations- und Kommunikationstechnologie Thorsten Wolf SAP AG Stefan Decker Institut für Angewandte Informatik und formale Beschreibungsverfahren (AIFB) Universität

Mehr

Wissensmanagement mehr als Software

Wissensmanagement mehr als Software Wissensmanagement mehr als Software empolis Kundentag Kornwestheim 2. Juni 2005 Unser Profil Wir unterstützen Sie dabei, Ihr Wissen zu organisieren, weiter zu entwickeln, zu sichern und Gewinn bringend

Mehr

Unterstützt HL7 die interdisziplinäre Zusammenarbeit?

Unterstützt HL7 die interdisziplinäre Zusammenarbeit? Effiziente und wirtschaftliche Gesundheitsversorgung von heute und morgen nur mit Medizinischer Dokumentation und Medizinischer Informatik, Medizinischer Biometrie und Epidemiologie 5. bis 9. September

Mehr

Information & Knowledge Management

Information & Knowledge Management Übergangsbestimmungen für das Masterstudium Information & Knowledge Management an der Technischen Universität Wien von der Studienkommission Informatik beschlossen am 20.9.2006 (1) Sofern nicht anderes

Mehr

Requirements Engineering. Requirements Engineering. Requirements Engineering. Requirements Engineering. Requirements Engineering

Requirements Engineering. Requirements Engineering. Requirements Engineering. Requirements Engineering. Requirements Engineering 1. Einführung Bemerkungen 2. Analyse Methoden/Techniken 3. Entwurf Notationsformen 4. Werkzeugunterstützung Erfahrungen 5. Usability Test Hinweise Peter Forbrig zu 1. 1 1. Einführung SE versus HCI Analyse

Mehr

Maschinelles Lernen und Data Mining: Methoden und Anwendungen

Maschinelles Lernen und Data Mining: Methoden und Anwendungen Maschinelles Lernen und Data Mining: Methoden und Anwendungen Eyke Hüllermeier Knowledge Engineering & Bioinformatics Fachbereich Mathematik und Informatik GFFT-Jahrestagung, Wesel, 17. Januar 2008 Knowledge

Mehr

Ontologien. Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Ontologien: Konstrukte. Konzepte/Klassen

Ontologien. Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Ontologien: Konstrukte. Konzepte/Klassen Ontologien Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr Ursprung: semantische Netze aus der künstlichen Intelligenz (1970er) weiterentwickelt als terminologische Logiken, Beschreibungslogiken

Mehr

Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr

Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr Ontologien (aus ISM Kap. 3. Wissensrepräsentation für Texte) Norbert Fuhr 1 / 23 Ontologien Ursprung: semantische Netze aus der künstlichen Intelligenz (1970er) weiterentwickelt als terminologische Logiken,

Mehr

Neue Strategien und Innovationen im Umfeld von Kundenprozessen

Neue Strategien und Innovationen im Umfeld von Kundenprozessen Neue Strategien und Innovationen im Umfeld von Kundenprozessen BPM Forum 2011 Daniel Liebhart, Dozent für Informatik an der Hochschule für Technik Zürich, Solution Manager, Trivadis AG Agenda Einleitung:

Mehr

Seminar: Software Engineering verteilter Systeme

Seminar: Software Engineering verteilter Systeme Seminar: Software Engineering verteilter Systeme Hauptseminar im Sommersemester 2011 Programmierung verteilter Systeme Institut für Informatik Universität Augsburg 86135 Augsburg Tel.: +49 821 598-2118

Mehr

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management Integrating Knowledge Discovery into Knowledge Management Katharina Morik, Christian Hüppe, Klaus Unterstein Univ. Dortmund LS8 www-ai.cs.uni-dortmund.de Overview Integrating given data into a knowledge

Mehr

Thema. Intelligente Agenten im Web

Thema. Intelligente Agenten im Web Thema Intelligente Agenten im Web Einführendes Beispiel Suchmaschine Probleme: - Immer mehr falsche Informationen - Anwender werden überfordert - Zeitaufwand erhöht sich - Zunehmendes Sicherheitsrisiko

Mehr

Group and Session Management for Collaborative Applications

Group and Session Management for Collaborative Applications Diss. ETH No. 12075 Group and Session Management for Collaborative Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZÜRICH for the degree of Doctor of Technical Seiences

Mehr

ECM und Zusammenarbeit

ECM und Zusammenarbeit ECM und Zusammenarbeit Bernhard Freudenstein Leiter Technical Sales TEIMS TRIA Enterprise Information Management Services Enterprise Content Management Wissen ist das wichtigste Asset im Unternehmen Content

Mehr

1. Übersicht, Einführung und Motivation

1. Übersicht, Einführung und Motivation Kapitel 1 Übersicht, Einführung und Motivation 1. Übersicht, Einführung und Motivation 8 Struktur der Vorlesung 1 Übersicht, Einführung und Motivation 2 Wissensrepräsentation 3 Klassische und nichtklassische

Mehr

AutoSPARQL. Let Users Query Your Knowledge Base

AutoSPARQL. Let Users Query Your Knowledge Base AutoSPARQL Let Users Query Your Knowledge Base Christian Olczak Seminar aus maschinellem Lernen WS 11/12 Fachgebiet Knowledge Engineering Dr. Heiko Paulheim / Frederik Janssen 07.02.2012 Fachbereich Informatik

Mehr

Einführung. Arbeitsgruppe. Proseminar Corporate Semantic Web. Prof. Dr. Adrian Paschke

Einführung. Arbeitsgruppe. Proseminar Corporate Semantic Web. Prof. Dr. Adrian Paschke Arbeitsgruppe Proseminar Corporate Semantic Web Einführung Prof. Dr. Adrian Paschke Arbeitsgruppe Corporate Semantic Web (AG-CSW) Institut für Informatik, Freie Universität Berlin paschke@inf.fu-berlin.de

Mehr

Projektgruppe. Knowledge Representation Persistence and Reasoning

Projektgruppe. Knowledge Representation Persistence and Reasoning Projektgruppe Seminarvortrag von Stefan Middeke Knowledge Representation Persistence and Reasoning 4. Juni 2010 Überblick Motivation Repräsentation der Daten Speicherung und Abfrage von Daten Folgerungen

Mehr

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining

Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Tiefgreifende Prozessverbesserung und Wissensmanagement durch Data Mining Ausgangssituation Kaizen Data Mining ISO 9001 Wenn andere Methoden an ihre Grenzen stoßen Es gibt unzählige Methoden, die Abläufe

Mehr

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion

Web Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische

Mehr

Franz Lehner. Wissensmanagement. unter Mitarbeit von Michael Scholz und Stephan Wildner. 2., iiberarbeitete Auflage HANSER

Franz Lehner. Wissensmanagement. unter Mitarbeit von Michael Scholz und Stephan Wildner. 2., iiberarbeitete Auflage HANSER Franz Lehner Wissensmanagement unter Mitarbeit von Michael Scholz und Stephan Wildner 2., iiberarbeitete Auflage HANSER Inhaltsverzeichnis 1 Die Herausforderung: Wandel und Bewaltigung von Wandel in Unternehmen

Mehr

Wissensmanagement HANSER. Grundlagen, Methoden und technische U. Franz Lehner. unter Mitarbeit von Michael Scholz und Stephan Wildner

Wissensmanagement HANSER. Grundlagen, Methoden und technische U. Franz Lehner. unter Mitarbeit von Michael Scholz und Stephan Wildner Franz Lehner Wissensmanagement Grundlagen, Methoden und technische U unter Mitarbeit von Michael Scholz und Stephan Wildner 3., aktualisierte und erweiterte Auflage HANSER Inhaltsverzeichnis 1 Die Herausforderung:

Mehr

Mitglied der Leibniz-Gemeinschaft

Mitglied der Leibniz-Gemeinschaft Methods of research into dictionary use: online questionnaires Annette Klosa (Institut für Deutsche Sprache, Mannheim) 5. Arbeitstreffen Netzwerk Internetlexikografie, Leiden, 25./26. März 2013 Content

Mehr

Volkswagen Wissensmanagement. Die Wissensstafette von Volkswagen Wenn das Wissen geht

Volkswagen Wissensmanagement. Die Wissensstafette von Volkswagen Wenn das Wissen geht Volkswagen Wissensmanagement Die Wissensstafette von Volkswagen Wenn das Wissen geht Die Wissensstafette von Volkswagen Inhalt: Wissensmanagement bei Volkswagen Die Wissensstafette von Volkswagen Formen

Mehr

Wissensmanagement. Grundlagen, Methoden und technische Unterstützung. von Franz Lehner. 2., überarbeitete Auflage. Hanser München 2008

Wissensmanagement. Grundlagen, Methoden und technische Unterstützung. von Franz Lehner. 2., überarbeitete Auflage. Hanser München 2008 Wissensmanagement Grundlagen, Methoden und technische Unterstützung von Franz Lehner 2., überarbeitete Auflage Hanser München 2008 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 41443 3 Zu Leseprobe

Mehr

bengin Another view of an enterprise bengin Wiew of an enterprise 2003 bengin.com view_of_an_enterprise_e

bengin Another view of an enterprise bengin Wiew of an enterprise 2003 bengin.com view_of_an_enterprise_e Another view of an enterprise 2003.com 1 view_of_an_enterprise_e You can manage what you can't measure. That's your daily business. May be your administrators can't (in your sense). That's one of the reasons

Mehr

Opinion Mining in der Marktforschung

Opinion Mining in der Marktforschung Opinion Mining in der Marktforschung von andreas.boehnke@stud.uni-bamberg.de S. 1 Überblick I. Motivation Opinion Mining II. Grundlagen des Text Mining III. Grundlagen des Opinion Mining IV. Opinion Mining

Mehr

Semantic Web. www.geo-spirit.org. Metadata extraction

Semantic Web. www.geo-spirit.org. Metadata extraction Semantic Web www.geo-spirit.org WP 6 WP 3 Metadata extraction Ontologies Semantic Web Tim Berners Lee Was wäre, wenn der Computer den Inhalt einer Seite aus dem World Wide Web nicht nur anzeigen, sondern

Mehr

Strategie Wissen und Lernen (SWL) Volkswagen Wissensmanagement. Erfolgreich Übergänge gestalten. Die Wissensstafette von Volkswagen.

Strategie Wissen und Lernen (SWL) Volkswagen Wissensmanagement. Erfolgreich Übergänge gestalten. Die Wissensstafette von Volkswagen. Strategie Wissen und Lernen (SWL) Volkswagen Wissensmanagement Erfolgreich Übergänge gestalten Andreas Kaiser Die Wissensstafette von Volkswagen Wissensmanagement-Stammtisch 2. Mai 2006, Braunschweig Lernen

Mehr

Informationssysteme für das Management

Informationssysteme für das Management FHBB l Departement Wirtschaft l Informationssysteme für das Management Michael Pülz, Hanspeter Knechtli Lernziele Den Unterschied zwischen operativen und analytischen Informationssystemen beschreiben können

Mehr

Durchführungsbestimmung Metadaten. Kristian Senkler, con terra GmbH, k.senkler@conterra.de

Durchführungsbestimmung Metadaten. Kristian Senkler, con terra GmbH, k.senkler@conterra.de Durchführungsbestimmung Metadaten Kristian Senkler, con terra GmbH, k.senkler@conterra.de Inhalt Wer hat die Durchführungsbestimmungen für Metadaten spezifiziert? Wie wurden die Durchführungsbestimmungen

Mehr

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining

Das Knowledge Grid. Eine Architektur für verteiltes Data Mining Das Knowledge Grid Eine Architektur für verteiltes Data Mining 1 Gliederung 1. Motivation 2. KDD und PDKD Systeme 3. Knowledge Grid Services 4. TeraGrid Projekt 5. Das Semantic Web 2 Motivation Rapide

Mehr

Eine Ontologie für Kommunikationsstandards (CSO) zur Etablierung semantischer Interoperabilität

Eine Ontologie für Kommunikationsstandards (CSO) zur Etablierung semantischer Interoperabilität Eine Ontologie für Kommunikationsstandards (CSO) zur Etablierung semantischer Interoperabilität Frank Oemig, Bernd Blobel GMDS 2010, Mannheim 5.-9. September 2010 Einleitung Wissen über Kommunikationsstandards

Mehr

Predictive Modeling Markup Language. Thomas Morandell

Predictive Modeling Markup Language. Thomas Morandell Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML

Mehr

Das virtuelle Produkt

Das virtuelle Produkt Günter Spur / Frank-Lothar Krause Das virtuelle Produkt Management der CAD-Technik mit 360 Bildern Carl Hanser Verlag München Wien I L IX Inhaltsverzeichnis Vorwort 1 Deutung der Produktentwicklung 1 1.1

Mehr

A match made in heaven? Prof. Dr. Christian Krekeler

A match made in heaven? Prof. Dr. Christian Krekeler Language Assessment and Languages for Specific Purposes A match made in heaven? Prof. Dr. Christian Krekeler Hochschule Konstanz HTWG Lost in translation Video clip Lost in translation, CNN news report

Mehr

CSO: Eine Ontologie für Kommunikationsstandards zur Etablierung semantischer Interoperabilität

CSO: Eine Ontologie für Kommunikationsstandards zur Etablierung semantischer Interoperabilität CSO: Eine Ontologie für Kommunikationsstandards zur Etablierung semantischer Interoperabilität Frank Oemig, Bernd Blobel Telemed 2010, Berlin 3.-5. November 2010 Einleitung Wissen über Kommunikationsstandards

Mehr

Social Media Zukunfts-Szenarien: Big Data, Smart Agents, Artificial Intelligence, und Marketing als... Content

Social Media Zukunfts-Szenarien: Big Data, Smart Agents, Artificial Intelligence, und Marketing als... Content FuturistGerd.com Social Media Zukunfts-Szenarien: Big Data, Smart Agents, Artificial Intelligence, und Marketing als... Content @gleonhard 1 2 4 8 16 32 Eine Welt der Screens. Immer-an. Immer billiger.

Mehr

Einführung in die Linguistik, Teil 4

Einführung in die Linguistik, Teil 4 Einführung in die Linguistik, Teil 4 Menschliche Sprachverarbeitung im Rahmen der Kognitionswissenschaft Markus Bader, Frans Plank, Henning Reetz, Björn Wiemer Einführung in die Linguistik, Teil 4 p. 1/19

Mehr

Zusammenfassung des Vortrages Semantic Web (Ontologien und Werkzeuge) Artem Khvat, 27.04.2005 khvat_a@informatik.haw-hamburg.de

Zusammenfassung des Vortrages Semantic Web (Ontologien und Werkzeuge) Artem Khvat, 27.04.2005 khvat_a@informatik.haw-hamburg.de Zusammenfassung des Vortrages Semantic Web (Ontologien und Werkzeuge) Artem Khvat, 27.04.2005 khvat_a@informatik.haw-hamburg.de 1.Geschichte der Ontologien. Ontologien haben ihre weite Verbreitung in den

Mehr

Answer Set Programming

Answer Set Programming Answer Set Programming mit Answer Set Prolog (A-Prolog) Wangler Thomas Logikprogrammierung Institut für Computerlinguistik Universität Heidelberg Inhaltsverzeichnis Inhaltsverzeichnis Inhaltsverzeichnis

Mehr

Enterprise 2.0 Redefinition der Wissensorganisation oder alter Wein in neuen Schläuchen? 9. Publishers Forum, 23. April 2012, Berlin

Enterprise 2.0 Redefinition der Wissensorganisation oder alter Wein in neuen Schläuchen? 9. Publishers Forum, 23. April 2012, Berlin Enterprise 2.0 Redefinition der Wissensorganisation oder alter Wein in neuen Schläuchen? 9. Publishers Forum, 23. April 2012, Berlin Prof. Dr. Frank Schönefeld, T-Systems Multimedia Solutions GmbH Wenn

Mehr

Pro-Nursing. Professional Nursing Education and Training. Fachtagung Neue Kompetenzen für neue Beschäftigungsmöglichkeiten

Pro-Nursing. Professional Nursing Education and Training. Fachtagung Neue Kompetenzen für neue Beschäftigungsmöglichkeiten Pro-Nursing Professional Nursing Education and Training Fachtagung Neue Kompetenzen für neue Beschäftigungsmöglichkeiten Prof. Dr. Ing. Madjid Fathi M. Sc. Marjan Khobreh Dr. med. Judith Hoffmann 1 Gesellschaftlicher

Mehr

Inhaltsverzeichnis. Franz Lehner. Wissensmanagement. Grundlagen, Methoden und technische Unterstützung ISBN: 978-3-446-42563-7

Inhaltsverzeichnis. Franz Lehner. Wissensmanagement. Grundlagen, Methoden und technische Unterstützung ISBN: 978-3-446-42563-7 Franz Lehner Wissensmanagement Grundlagen, Methoden und technische Unterstützung ISBN: 978-3-446-42563-7 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42563-7 sowie im Buchhandel.

Mehr

Wissen intelligent suchen & schneller nutzen. Semantic Enterprise Search & Information Discovery

Wissen intelligent suchen & schneller nutzen. Semantic Enterprise Search & Information Discovery Wissen intelligent suchen & schneller nutzen Semantic Enterprise Search & Information Discovery CID GmbH CID Consulting GmbH Pattern Science AG 200 Mitarbeiter 1997 gegründet 4 Standorte Hauptsitz in Freigericht,

Mehr

Effzienzsteigerung durch intelligentes Datenmanagement

Effzienzsteigerung durch intelligentes Datenmanagement Effzienzsteigerung durch intelligentes Datenmanagement Analyse, Optimierung, Steuerung und Prognose von Prozessen Dr. Thomas Natschläger +43 7236 3343 868 thomas.natschlaeger@scch.at www.scch.at Das SCCH

Mehr

Scope-Camp Hamburg 27. Mai 2008. learning to change changing to learn

Scope-Camp Hamburg 27. Mai 2008. learning to change changing to learn Scope-Camp Hamburg 27. Mai 2008 learning to change changing to learn Scope-Camp Hamburg 27. Mai 2008 Angelehnt an die Idee eines Barcamps. Der Unterschied zur herkömmlichen Konferenz besteht darin, dass

Mehr

semantische Informationssysteme

semantische Informationssysteme "Finden" nicht "Suchen" Fakultät TI Department Informatik AW1, Master, SS 2008 Gliederung 1 Motivation 2 Semantic Web 3 Ontologien 4 Zusammenfassung Gliederung 1 Motivation die perfekte Informationsplattform

Mehr

Reale Angriffsszenarien Advanced Persistent Threats

Reale Angriffsszenarien Advanced Persistent Threats IT-Sicherheit heute - Angriffe, Schutzmechanismen, Umsetzung Reale Angriffsszenarien Advanced Persistent Threats Jochen.schlichting@secorvo.de Seite 1 APT Ausgangslage Ablauf Abwehr Seite 2 Ausgangslage

Mehr

Vorüberlegung: Was ist KI? KI und das Web. Was ist keine KI im Web? Was ist KI im Web? Was ist keine KI im Web? (2) Was ist keine KI im Web?

Vorüberlegung: Was ist KI? KI und das Web. Was ist keine KI im Web? Was ist KI im Web? Was ist keine KI im Web? (2) Was ist keine KI im Web? Vorüberlegung: Was ist KI? KI und das Web KI im Internet: Schlüsseltechnologie oder unnötiger Ballast? Am Anfang: Philosophische Fragen Starke vs. Schwache These der KI Sprache und Denken TURING-Test und

Mehr

p^db=`oj===pìééçêíáåñçêã~íáçå=

p^db=`oj===pìééçêíáåñçêã~íáçå= p^db=`oj===pìééçêíáåñçêã~íáçå= Error: "Could not connect to the SQL Server Instance" or "Failed to open a connection to the database." When you attempt to launch ACT! by Sage or ACT by Sage Premium for

Mehr

ISO 15504 Reference Model

ISO 15504 Reference Model Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define metrics Pre-review Review yes Release

Mehr

3.17 Zugriffskontrolle

3.17 Zugriffskontrolle 3. Der SQL-Standard 3.17. Zugriffskontrolle Seite 1 3.17 Zugriffskontrolle Datenbanken enthalten häufig vertrauliche Informationen, die nicht jedem Anwender zur Verfügung stehen dürfen. Außerdem wird man

Mehr

Forschungsprojekt OSAMI Teilprojekt: Entwicklung eines telemedizinischen Trainingssystems

Forschungsprojekt OSAMI Teilprojekt: Entwicklung eines telemedizinischen Trainingssystems Forschungsprojekt OSAMI Teilprojekt: Entwicklung eines telemedizinischen Trainingssystems Schüchtermann-Klinik, Abteilung für Rehabilitation Bad Rothenfelde, November 2008 Erläuterungen Erläuterungen zu

Mehr

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH)

Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) , XML LV BF23 (0F32) Open Archives Initiative - Protocol for Metadata Harvesting (OAI-PMH) Achim Oßwald FH Köln Institut für Informationswissenschaft Wintersemester 2010 (Stand: 3.12.10) 1/ 18 OAI-PMH

Mehr

Expertensystem zur Beurteilung von Anzeigenwerbung

Expertensystem zur Beurteilung von Anzeigenwerbung Franz-Rudolf Esch Expertensystem zur Beurteilung von Anzeigenwerbung Mit 62 Abbildungen.*/* T CHNISGHE HOCHSCHULE OAftMSTAOT Fachbeeich 1 Gesamt b tb i o t he k Invenior-Nr...Hß(ö.2> ADStell-Nr. :.4^3.03...5...

Mehr

ISO 15504 Reference Model

ISO 15504 Reference Model Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define

Mehr

Frühe IW-Maschine, 1963. Mein Weg zur Informatik Eine persönliche Rückschau von Ipke Wachsmuth. Relaismaschinen aus Postschrott... 1967 Jugend forscht

Frühe IW-Maschine, 1963. Mein Weg zur Informatik Eine persönliche Rückschau von Ipke Wachsmuth. Relaismaschinen aus Postschrott... 1967 Jugend forscht Mein Weg zur Informatik Eine persönliche Rückschau von Ipke Wachsmuth Frühe IW-Maschine, 1963 Bielefeld, Juni 2001 Relaismaschinen aus Postschrott... 1967 Jugend forscht Museumskiste im M4-Labor 1968 Jugend

Mehr

Advances in Integrated Software Sciences

Advances in Integrated Software Sciences Advances in Integrated Software Sciences Proceedings of the Master and PhD Seminar Summer term 2010, part 2 Softwarepark Hagenberg SCCH, Room 0/2 6 July 2010 Software Competence Center Hagenberg Fuzzy

Mehr

Integration einer auf der Arden-Syntax basierenden Entscheidungsunterstützungskomponente. Telematikplattform

Integration einer auf der Arden-Syntax basierenden Entscheidungsunterstützungskomponente. Telematikplattform Integration einer auf der Arden-Syntax basierenden Entscheidungsunterstützungskomponente in eine Telematikplattform Geisler M 1, Bott OJ 1, Tegtbur U 2, Bergmann J 1, Pretschner DP 1 1 Institut für Medizinische

Mehr

Vorteile von Java und Konvergenz Service Creation mit JAIN Network Management mit JMX Fazit

Vorteile von Java und Konvergenz Service Creation mit JAIN Network Management mit JMX Fazit Hochschule für Technik und Architektur Chur Dr. Bruno Studer Studienleiter NDS Telecom, FH-Dozent bruno.studer@fh-htachur.ch 1 GSM: 079/610 51 75 Agenda Vorteile von Java und Konvergenz Service Creation

Mehr

Requirements-Engineering Requirements-Engineering

Requirements-Engineering Requirements-Engineering -Engineering Copyright Chr. Schaffer, Fachhochschule Hagenberg, MTD 1 Was ist ein Requirement? IEEE-Standard (IEEE-726 83) A condition or capability needed by a user to solve a problem or achieve an objective.

Mehr

Ontologie-Management

Ontologie-Management Ontologie-Management Problemseminar WS 2008/09 http://dbs.uni-leipzig.de 1 Ontologiebegriff Philosophie Informatik Die Ontologie ist eine philosophische An Disziplin, ontology die is sich an (primär) explicit,

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

Mehr

Informationsflut bewältigen - Textmining in der Praxis

Informationsflut bewältigen - Textmining in der Praxis Informationsflut bewältigen - Textmining in der Praxis Christiane Theusinger Business Unit Data Mining & CRM Solutions SAS Deutschland Ulrich Reincke Manager Business Data Mining Solutions SAS Deutschland

Mehr

Semantic Markup für die Dokumentenklassifizierung. Seminarvortrag von Mirko Pracht

Semantic Markup für die Dokumentenklassifizierung. Seminarvortrag von Mirko Pracht Semantic Markup für die Dokumentenklassifizierung Seminarvortrag von Mirko Pracht Ziel des Vortrags Aufbau digitaler Bibliotheken Verbesserung Informationssuche Semantic Markup Gliederung 1. Grundlagen

Mehr

Mehr als 75% aller Mitarbeiter verwenden Facebook in Österreich Mehr als 50% aller Mitarbeiter verwenden Xing in Österreich Mehr als 30% aller

Mehr als 75% aller Mitarbeiter verwenden Facebook in Österreich Mehr als 50% aller Mitarbeiter verwenden Xing in Österreich Mehr als 30% aller Mehr als 75% aller Mitarbeiter verwenden Facebook in Österreich Mehr als 50% aller Mitarbeiter verwenden Xing in Österreich Mehr als 30% aller Mitarbeiter verwenden LinkedIn in Österreich Intranet mit

Mehr

Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung

Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung Produktionstechnisches Zentrum Berlin Ihr Partner für angewandte Forschung, Entwicklung und Umsetzung Fraunhofer Institut für Produktionsanlagen und Konstruktionstechnik (IPK) Geschäftsfeld Unternehmensmanagement

Mehr

Darstellung, Verarbeitung und Erwerb von Wissen

Darstellung, Verarbeitung und Erwerb von Wissen Darstellung, Verarbeitung und Erwerb von Wissen Gabriele Kern-Isberner LS 6 Information Engineering TU Dortmund Wintersemester 2008/09 G. Kern-Isberner (TU Dortmund) DVEW 1 / 38 Kapitel 1 Einführung und

Mehr

> Team- & Führungsstil Profil. Name: Peter Sample

> Team- & Führungsstil Profil. Name: Peter Sample > Team- & Führungsstil Profil Name: Peter Sample Datum: 14 April 2009 TEAMROLLEN Unwahrscheinlich Situationsabhängig Bevorzugt Rolle im Team Koordinator Macher Kreativer Komplettierer Umsetzer Controller

Mehr

Von Tags zu Semantischen Netzen

Von Tags zu Semantischen Netzen Von Tags zu Semantischen Netzen Einsatz im Resourcen-basierten Lernen httc Hessian Telemedia Technology Competence-Center e.v - www.httc.de Dipl.-Inf. Renato Domínguez García Doreen Böhnstedt, M. Sc. Dipl.-Inf.

Mehr

Datenmodelle im Kontext von Europeana. Stefanie Rühle (SUB Göttingen)

Datenmodelle im Kontext von Europeana. Stefanie Rühle (SUB Göttingen) Datenmodelle im Kontext von Europeana Stefanie Rühle (SUB Göttingen) Übersicht Datenmodelle RDF DCAM ORE SKOS FRBR CIDOC CRM Datenmodelle "Datenmodellierung bezeichnet Verfahren in der Informatik zur formalen

Mehr

Dominik Stockem Datenschutzbeauftragter Microsoft Deutschland GmbH

Dominik Stockem Datenschutzbeauftragter Microsoft Deutschland GmbH Dominik Stockem Datenschutzbeauftragter Microsoft Deutschland GmbH Peter Cullen, Microsoft Corporation Sicherheit - Die Sicherheit der Computer und Netzwerke unserer Kunden hat Top-Priorität und wir haben

Mehr