Wissensbasierte Systeme/ Expertensysteme. Teil 1

Größe: px
Ab Seite anzeigen:

Download "Wissensbasierte Systeme/ Expertensysteme. Teil 1"

Transkript

1 Wissensbasierte Systeme/ Expertensysteme Teil 1 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 1

2 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 2

3 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 3

4 Literatur Turban, E. / Aronson, J. E.: Decision Support Systems and Intelligent Systems, 6th Ed., Prentice Hall, Upper Saddle River Luger, G. F.: Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 4th Ed., Addison- Wesley, Upper Saddle River alternativ deutsche Übersetzung: Künstliche Intelligenz: Stragegien zur Lösung komplexer Probleme, 4. Aufl., Pearson Studium, München KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 4

5 Einordnung: WBS/ES EUS bzw. Business Intelligence Diplom: EUS Entscheidungslehre/ Simulation von Entscheidungen Wissensbasierte Systeme/Expertensysteme Künstliche Intelligenz Neuronale Netze BA/MA: BI Management Support Systems Knowledge-Based Systems Soft Computing Case Studies KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 5

6 Einordnung in Turban/Aronson 1 Part I: Decision Making and Computerized Support Part II: Decision Support Systems Part III: Collaboration, Communication, Enterprise Decision Support Systems, and Knowledge Management Part IV: Fundamentals of Intelligent Systems Part V: Advanced Intelligent Systems Part VI: Implementation, Integration, and Impacts KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 6

7 Einordnung in Turban/Aronson 2 Part I: Decision Making and Computerized Support Ch. 1 Management Support Systems: An Overview Ch. 2 Decision Making, Systems, Modeling and Support Literaturstudium Part II: Decision Support Systems Ch. 3 Decision Support Systems: An Overview Ch. 4 Data Warehousing, Access, Analysis, Mining, Vis. Ch. 5 Modeling and Analysis Ch. 6 Decision Support System Development Part III: Collaboration, Communication, Enterprise Decision Support Systems, and Knowledge Management Ch. 7 Collaborative Computing Technologies: GSS Ch. 8 Enterprise Decision Support Systems Ch. 9 Knowledge Management KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 7

8 Einordnung in Turban/Aronson 2 Part IV: Fundamentals of Intelligent Systems Ch. 10 Knowledge-Based Decision Support: AI and ES Ch. 11 Knowledge Acquisition and Validation Ch. 12 Knowledge Representation Ch. 13 Inference Techniques Ch. 14 Intelligent Systems Development Part V: Advanced Intelligent Systems Ch. 15 Neural Computing: The Basics Ch. 16 Neural Computing Applications, Advanced AIS Ch. 17 Intelligent Software Agents and Creativity Part VI: Implementation, Integration, and Impacts Ch. 18 Implementing and Integrating MSS Ch. 19 Impacts on Management Support Systems KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 8

9 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 9

10 Einflussfaktoren auf Entscheidungssituation KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 10

11 Traditionelle Computerunterstützung Problemdefinition Klassifikation in Standardkategorien Konstruktion/Auswahl eines adäquaten mathematischen Modells Erzeugen und Bewerten von Lösungsalternativen Auswahl der besten Lösung Klassisches Operations Research (Management Science) KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 11

12 Decision Support Systeme semistrukturierte/unstrukturierte Entscheidungen oftmals unsichere Entscheidungssituation (man weiß mehr als nichts, aber nicht alles) Effektivität wichtiger als Effizienz effektiv = die richtigen Dinge tun (Zielerreichung) effizient = die Dinge richtig tun (Ressourceneinsatz) zusätzliche Literatur: Back, A.: Entscheidungsunterstützungssysteme; in: Handwörterbuch Unternehmensrechnung und Controlling, Stuttgart 2001, S [PDF auf Website] KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 12

13 MSS, DSS und MIS Quelle: A. Back (2001), S. 369 KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 13

14 Unterstützung durch DSS KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 14

15 Phasen des Entscheidungsprozesses 1 Intelligence Phase Problem-/Chancenidentifikation Problemklassifikation Problemzerlegung Verantwortungszuordnung Design Phase Alternativen- und Modellentwicklung (Wirkung von Entscheidungsvariablen) Formulierung von Entscheidungskriterien Modelle Normative Modelle und (Sub-) Optimierung (Rationalitätsannahme, keine Ungewissheit, vollständige Präferenzordnung) Deskriptive Modelle und Simulation (befriedigende Lösungen) Sicherheit, Risiko, Ungewissheit KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 15

16 Phasen des Entscheidungsprozesses 2 Choice Phase Suche (analytisch, blind, heuristisch), Bewertung (Zielkonflikte, Sensitivitätsanalysen, Wenn-Dann- Analysen, Zielanalysen (z. B. Break-even)), Empfehlung von Lösungen Implementation Phase Durchsetzung Unterstützung und Akzeptanz Erklärung KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 16

17 Idealeigenschaften und fähigkeiten eines DSS KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 17

18 Struktur und Komponenten eines DSS KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 18

19 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme) 3. Künstliche Intelligenz und Expertensysteme im Überblick 1. Künstliche Intelligenz 2. Expertensysteme im Überblick 4. Wissensrepräsentation und Inferenz 5. Entwicklung von Expertensystemen 6. Wissensmanagement 7. Zusammenfassung und Ausblick KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 19

20 3.1 Künstliche Intelligenz Konzepte und Definitionen Künstliche vs. Natürliche Intelligenz Kerntechnologien und Bereiche Wissensbasierte Entscheidungsunterstützung KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 20

21 Künstliche Intelligenz: Konzepte und Definitionen Zwei wesentliche Aspekte Was ist Intelligenz = Wie denken Menschen? Wie lässt sich intelligentes Verhalten maschinell darstellen? Zwei (von vielen) Definitionen AI is behavior by a machine that, if performed by a human being, would be considered intelligent AI is the study of how to make computers do things at which, at the moment, people are better KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 21

22 Eigenschaften von Intelligenz Lernen aus Erfahrung Umgang mit uneindeutigen/widersprüchlichen Daten (Schnelle) Reaktion auf neue Situationen gedankliche Durchdringung von Problemen Anwendung von Wissen zur Gestaltung der Umwelt Denken und Schlussfolgern Relevanzbewertung Vorbild für KI-Anwendungen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 22

23 Test auf Intelligenz Turing-Test nach Alan Turing (brit. Mathematiker) Computing machinery and intelligence (1950) aber: nicht Nachbau, sonder Nutzung von Intelligenz (WI-Sicht)! KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 23

24 Wissensverarbeitung numerisch/subsymbolisch vs. symbolisch algorithmisch vs. nicht-algorithmisch Nutzung von Heuristiken möglichst erfolgreich arbeitende Lösungsverfahren (keine Lösungsgarantie, keine zwingend perfekte Lösung) nicht beweisbar basieren auf Vermutungen, plausiblen Annahmen (Hypothesen), Analogien, Erfahrungen relativ schnelle, recht gute Lösungen für komplexe Probleme (bspw. bei kombinatorischer Explosion) KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 24

25 Wissensrepräsentation und Inferenz Wissensarten deklarativ: Know-what (Fakten, Regeln, Theorien) prozedural: Know-how (Anwendungswissen) Metawissen Wissensbasis Speicher für das gesamte, innerhalb eines WBS repräsentierte Wissen meist eng umgrenztes Wissensgebiet (sog. Domaine) Inferenz Nutzung bestehenden Wissens Anwendung von logischen oder heuristischen Verfahren zur Gewinnung neuen Wissens wichtige Verfahrensklasse: Mustererkennung KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 25

26 Grobkonzept von KI-Programmen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 26

27 Künstliche vs. Natürliche Intelligenz Kommerzielle Vorteile von KI unsterblich/permanent leicht zu kopieren/verteilen potenziell kostengünstiger, insbesondere bei hoher Nutzerzahl konsistent und genau (kann auch Nachteil sein, s.u.) dokumentierbar schneller besser als viele Menschen Nachteile von KI mangelnde Kreativität (zu konsistent, zu genau) kein Zugang zu natürlichen Sensoren kein allgemeines Hintergrundwissen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 27

28 Kerntechnologien der KI Softcomputing Neuronale Netze Fuzzy Logic Genetische Algorithmen Expertensysteme starke Problemlösungsmethoden Konstruktion, Simulation, Diagnose Agentbasierte Systeme (DAI = Distributed AI) kontextbezogen autonom flexibel sozial Kombination: Hybride Systeme KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 28

29 Wichtige Teilgebiete/Anwendungsbereiche der KI Automatisches Beweisen Spracherkennung (NLP = Natural Language Processing) Bildverstehen Robotik und Sensorik Intelligente Tutoren (ICAI = Intelligent Computer-Aided Instruction) Textzusammenfassungen Übersetzung... KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 29

30 Wissensbasierte Entscheidungsunterstützungssysteme Generell: alle nicht mathematisierbaren Aspekte des Entscheidungsprozesses (z. B. Variablenauswahl) MBMS: Aufbau, Speicherung, Verwaltung Umgang mit Unsicherheit, insbes. Ungewissheit User-Interface (z. B. via NLP) Nutzung spezieller Fähigkeiten lernfähiger, mustererkennender, fehlertoleranter Systeme KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 30

31 3.2 Expertensysteme im Überblick Wichtige Grundbegriffe Komponenten und Struktur Arbeitsweise Beispielanwendung Wichtige Anwendungsbereiche Vorteile Probleme und Grenzen Erfolgsfaktoren Typen von Expertensystemen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 31

32 Expertise umfassende, aufgabenbezogene Kenntnisse erworben durch Training, Lesen, Erfahrung Teilaspekte: Fakten über das Fachgebiet Theorien über das Fachgebiet allgemeine Regeln und Vorgehensweisen Heuristiken für spezielle Situationen globale Lösungsstrategien Metawissen erlaubt es, schnellere und bessere Entscheidungen zu treffen (Wissen, nicht Basisintelligenz ist entscheidend) Novize wird nur allmählich zum Experten KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 32

33 Experten erkennen, formulieren und hierarchisieren Probleme lösen Probleme schnell und korrekt erläutern ihre Lösung lernen aus (positiver und negativer) Erfahrung restrukturieren ihr Wissen Problem: implizites Wissen verstoßen gegen Regeln, falls notwendig wissen, was sie nicht wissen (Metawissen) KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 33

34 Wissenstransfer und Knowledge Engineering Experte Computersystem Anwender Wissensakquise Wissensingenieure Wissensrepräsentation Inferenztechniken Transfer zum Anwender (User Interface) Lösung Erklärung Knowledge Engineering KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 34

35 KI und BWL Wissensrepräsentation Wissenserwerb Inferenz-Steuerung Selbstdokumentation Was wissen, wie lernen, denken und argumentieren Ökonomen? KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 35

36 Konventionelle DV und ES im Vergleich KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 36

37 Struktur von Expertensystemen Wesensmerkmal: Trennung von Wissensbasis und Inferenzmaschine KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 37

38 Entwicklungs- und Einsatzmodus Komponenten Beteiligte KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 38

39 Nutzertypen und Einsatzarten Nutzer ist Nichtexperte ES als Berater Nutzer ist Lernender ES als Trainer Nutzer ist ES-Entwickler ES als Partner Nutzer ist Experte ES als Kollege/Assistent KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 39

40 Lebenszyklus von Expertensystemen Entwicklung problemspezifische Wissensakquise (deklarativ, prozedural) und Entscheidung über Repräsentationsmethode Inferenzmaschine, Blackboard, Erklärungskomponente, Schnittstellen, Integration Evtl. Nutzung von ES-Shells (Bsp.: MYCIN/EMYCIN, D3) Einsatz Interaktiver Dialog zwischen ES und Nutzer ES erfragt Fakten und wendet Regeln an Nutzer kann Erklärungen anfordern Verbesserung Rapid Prototyping Entwicklungszyklen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 40

41 Beispielanwendungen EXSYS d3 (Uni Würzburg) KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 41

42 D3: Fakteneingabe KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 42

43 D3: Erklärungskomponente KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 43

44 D3: Diagnoseergebnis KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 44

45 Wichtige Anwendungsbereiche Hauptgebiete Diagnose Konstruktion Simulation KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 45

46 Vorteile 1 erhöhte Produktivität (quantitativ, qualitativ) Beschleunigung von Entscheidungsprozessen Reduktion von Ausfallzeiten Sicherung knappen Expertenwissens größere Flexibilität erleichterter Zugang zu komplexen Systemen (intelligente Handbücher) Ersatz für aufwändigere Kontrollhardware Einsatz in gefährlichen Umgebungen Entlastung von Routinetätigkeiten, Wissenzugang für Helpdesks KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 46

47 Vorteile 2 Umgang mit unsicherem, unvollständigem Wissen ES als Trainer (Mehrfachnutzung von Wissen) Zuverlässigkeit (keine Ermüdung) raum- und zeitunabhängiger Wissenszugang, insbesondere über webbasierte Ansätze (Basisverbreiterung) können durch Integration andere Informationssysteme intelligent machen KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 47

48 Probleme und Grenzen mangelnde Verfügbarkeit von Wissen schwierige Wissensextraktion und -formalisierung Fähigkeit und Bereitschaft menschlicher Experten schwierige Bewertung der eigenen Expertise Kommunikationsprobleme zwischen Experte und Wissensingenieur Rolle der Nutzer Überforderung mangelndes Vertrauen eng umrissene Problembereiche (kein Weltwissen) keine Garantie für (korrekte) Lösungen Hauptproblem: ES-Management KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 48

49 Erfolgsfaktoren (Idealbedingungen) Wissensniveau ist genügend hoch und über mind. einen kooperativen Experten verfügbar eng umgrenzter, relevanter, nichttrivialer Problembereich keine rein quantitative Lösung möglich leistungsfähige ES-Shell für Rapid Prototyping bedienungsfreundliches User Interface (insbesondere beim Einsatz mit Novizen) Verfügbarkeit von kompetenten Entwicklern Berücksichtigung von Nutzer-Motivation ES-Einsatz als Managementaufgabe KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 49

50 Typen von Expertensystemen Abgrenzung: ES vs. WBS Technologien regelbasiert fallbasiert modellbasiert framebasiert hybrid Entwicklung eigene Vollentwicklung Shells (leere Wissensbasis) Fertigprodukte KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 50

51 Chapter Highlights 1 The primary objective of AI is to build computer systems that perform tasks that can be characterized as intelligent. The major characteristics of AI are symbolic processing, use of heuristics instead of algorithms, and application of inference techniques. AI has several major advantages over people: It is permanent, it can be easily duplicated and disseminated, it can be less expensive than human intelligence, it is consistent and thorough, and it can be documented. Natural (human) intelligence has advantages over AI: It is creative, it uses sensory experiences directly, and it reasons from a wide context of experiences. Knowledge rather than data or information is the key concept of AI. In conventional computing, we tell the computer how to solve the problem. In AI, we tell the computer what the problem is and give it the knowledge needed to solve similar problems and the necessary procedures to use the knowledge. Major application areas of AI include expert systems, natural language processing, speech understanding, intelligent robotics, computer vision, fuzzy logic, intelligent agents, intelligent computer-aided instruction, and neural computing. Expert systems, the most applied AI technology, attempt to imitate the work of experts. They apply expertise to problem solving. For an expert system to be effective, it must be applied to a narrow domain of knowledge and include qualitative factors. Natural language processing is an attempt to allow users to communicate with computers in a natural language. Currently, conversation is done via the keyboard and monitor; in the future, it will be carried out by voice. KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 51

52 Chapter Highlights 2 An intelligent robot is one that can respond to changes in its environment. Most of today s robots do not have that capability. Computers can be used as tutors. If AI supports them, they can dramatically improve training and teaching. The various AI technologies can be integrated among themselves and with other computer-based technologies. Expert systems imitate the reasoning process of experts for solving difficult problems. The power of an ES is derived from the specific knowledge it possesses, not from the particular knowledge representation and inference schemes it uses. Expertise is task-specific knowledge acquired from training, reading, and experience. Experts can make fast and good decisions regarding complex situations. A few experts possess most of the knowledge in organizations. Expert system technology attempts to transfer knowledge from experts and documented sources to the computer and make it available for use by non-experts. Expert systems involve knowledge processing, whereas other CBIS process data or information. An inference engine provides the reasoning capability in expert systems. A distinction is made between a development environment (building an ES) and a consultation environment (using an ES). The major components of an ES are the knowledge acquisition subsystem, knowledge base, inference engine, blackboard, user interface, and explanation subsystem. KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 52

53 Chapter Highlights 3 The knowledge engineer captures the knowledge from the expert and programs it into the computer. Although the major user of the ES is a non-expert, other users (such as students, ES builders, and even experts) may use ES. Knowledge can be declarative (facts) or procedural. When expert systems are constructed, they are improved repeatedly in an iterative manner, using a process called rapid prototyping. The 10 generic categories of ES are interpretation, prediction, diagnosis, design, planning, monitoring, debugging, repair, instruction, and control. Expert systems can provide many benefits. The most important are improvement in productivity or quality, preservation of scarce expertise, enhancing other systems, coping with incomplete information, and providing training. Many ES failures are caused by non-technical problems such as lack of managerial support and poor end-user training. Although there are several technical limitations to the use of expert systems, some of them will disappear with improved technology. Expert systems, like human experts, can make mistakes. Some make a distinction between expert systems, where most of the knowledge comes from experts, and knowledge systems, where the majority of the knowledge comes from documented sources. Some ES are available as ready-made systems; they render advice for standard situations. A trend is developing to disseminate such advice on the Internet, intranets, and extranets. Some expert systems provide advice in a real-time mode. ES and AI provide support to the Internet and intranets as well. KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 1 53

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

Challenges for the future between extern and intern evaluation

Challenges for the future between extern and intern evaluation Evaluation of schools in switzerland Challenges for the future between extern and intern evaluation Michael Frais Schulentwicklung in the Kanton Zürich between internal evaluation and external evaluation

Mehr

Inequality Utilitarian and Capabilities Perspectives (and what they may imply for public health)

Inequality Utilitarian and Capabilities Perspectives (and what they may imply for public health) Inequality Utilitarian and Capabilities Perspectives (and what they may imply for public health) 1 Utilitarian Perspectives on Inequality 2 Inequalities matter most in terms of their impact onthelivesthatpeopleseektoliveandthethings,

Mehr

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1

elearning 02.07.2004 SIGNAL project Hans Dietmar Jäger 1 elearning The use of new multimedia technologies and the Internet to improve the quality of learning by facilitating access to resources and services as well as remote exchange and collaboration. (Commission

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

Efficient Design Space Exploration for Embedded Systems

Efficient Design Space Exploration for Embedded Systems Diss. ETH No. 16589 Efficient Design Space Exploration for Embedded Systems A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of Sciences presented by

Mehr

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

Wissen. Wissensmanagement. Was ist Wissen? Wissen - Informatik. Wissen - Künstlichen Intelligenz. Wissensmanagement und Künstliche Intelligenz Wissen Uwe Lämmel Fachbereich Wirtschaft Hochschule Wismar www.wi.hs-wismar.de/~laemmel Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet. More&Newell,973 Was ist Wissen? Besitz

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

Mash-Up Personal Learning Environments. Dr. Hendrik Drachsler

Mash-Up Personal Learning Environments. Dr. Hendrik Drachsler Decision Support for Learners in Mash-Up Personal Learning Environments Dr. Hendrik Drachsler Personal Nowadays Environments Blog Reader More Information Providers Social Bookmarking Various Communities

Mehr

TalkIT: Internet Communities Tiroler Zukunftsstiftung Donnerstag, 22. 4. 2010

TalkIT: Internet Communities Tiroler Zukunftsstiftung Donnerstag, 22. 4. 2010 TalkIT: Internet Communities Tiroler Zukunftsstiftung Donnerstag, 22. 4. 2010 Reinhard Bernsteiner MCiT Management, Communication & IT MCI MANAGEMENT CENTER INNSBRUCK Universitätsstraße 15 www.mci.edu

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

Wie agil kann Business Analyse sein?

Wie agil kann Business Analyse sein? Wie agil kann Business Analyse sein? Chapter Meeting Michael Leber 2012-01-24 ANECON Software Design und Beratung G.m.b.H. Alser Str. 4/Hof 1 A-1090 Wien Tel.: +43 1 409 58 90 www.anecon.com office@anecon.com

Mehr

SARA 1. Project Meeting

SARA 1. Project Meeting SARA 1. Project Meeting Energy Concepts, BMS and Monitoring Integration of Simulation Assisted Control Systems for Innovative Energy Devices Prof. Dr. Ursula Eicker Dr. Jürgen Schumacher Dirk Pietruschka,

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

Customer-specific software for autonomous driving and driver assistance (ADAS)

Customer-specific software for autonomous driving and driver assistance (ADAS) This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs

Mehr

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation

Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Eine Betrachtung im Kontext der Ausgliederung von Chrysler Daniel Rheinbay Abstract Betriebliche Informationssysteme

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

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap

Mehr

Darstellung und Anwendung der Assessmentergebnisse

Darstellung und Anwendung der Assessmentergebnisse Process flow Remarks Role Documents, data, tool input, output Important: Involve as many PZU as possible PZO Start Use appropriate templates for the process documentation Define purpose and scope Define

Mehr

Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis

Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis Sustainability Balanced Scorecard as a Framework for Eco-Efficiency Analysis Andreas Möller amoeller@uni-lueneburg.de umweltinformatik.uni-lueneburg.de Stefan Schaltegger schaltegger@uni-lueneburgde www.uni-lueneburg.de/csm

Mehr

Praktikum Entwicklung von Mediensystemen mit ios

Praktikum Entwicklung von Mediensystemen mit ios Praktikum Entwicklung von Mediensystemen mit ios WS 2011 Prof. Dr. Michael Rohs michael.rohs@ifi.lmu.de MHCI Lab, LMU München Today Heuristische Evaluation vorstellen Aktuellen Stand Software Prototyp

Mehr

Skills Resource Planning

Skills Resource Planning Skills Resource Planning Data Assessment Solutions GmbH Jena, 1.6.2015 Was wir machen Software Consulting Operations Management Skills- und Ressourcen-Management Data Analytics Daten- und Prozessintegration

Mehr

Sicherheit / Sicherung - unterschiedliche Begriffsbestimmung, gemeinsame Fachaspekte

Sicherheit / Sicherung - unterschiedliche Begriffsbestimmung, gemeinsame Fachaspekte Sicherheit / Sicherung - unterschiedliche Begriffsbestimmung, gemeinsame Fachaspekte F. Seidel, BfS Salzgitter (Juli 2002) 1) Begriffsbestimmung (Vergleich unter Nutzung nationaler und internationaler

Mehr

HIR Method & Tools for Fit Gap analysis

HIR Method & Tools for Fit Gap analysis HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes

Mehr

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena

Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena Lehrstuhl für Allgemeine BWL Strategisches und Internationales Management Prof. Dr. Mike Geppert Carl-Zeiß-Str. 3 07743 Jena http://www.im.uni-jena.de Contents I. Learning Objectives II. III. IV. Recap

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

Corporate Digital Learning, How to Get It Right. Learning Café

Corporate Digital Learning, How to Get It Right. Learning Café 0 Corporate Digital Learning, How to Get It Right Learning Café Online Educa Berlin, 3 December 2015 Key Questions 1 1. 1. What is the unique proposition of digital learning? 2. 2. What is the right digital

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

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

DIGICOMP OPEN TUESDAY AKTUELLE STANDARDS UND TRENDS IN DER AGILEN SOFTWARE ENTWICKLUNG. Michael Palotas 7. April 2015 1 GRIDFUSION

DIGICOMP OPEN TUESDAY AKTUELLE STANDARDS UND TRENDS IN DER AGILEN SOFTWARE ENTWICKLUNG. Michael Palotas 7. April 2015 1 GRIDFUSION DIGICOMP OPEN TUESDAY AKTUELLE STANDARDS UND TRENDS IN DER AGILEN SOFTWARE ENTWICKLUNG Michael Palotas 7. April 2015 1 GRIDFUSION IHR REFERENT Gridfusion Software Solutions Kontakt: Michael Palotas Gerbiweg

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

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1

Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 Daten haben wir reichlich! 25.04.14 The unbelievable Machine Company 1 2.800.000.000.000.000.000.000 Bytes Daten im Jahr 2012* * Wenn jedes Byte einem Buchstaben entspricht und wir 1000 Buchstaben auf

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

p^db=`oj===pìééçêíáåñçêã~íáçå=

p^db=`oj===pìééçêíáåñçêã~íáçå= p^db=`oj===pìééçêíáåñçêã~íáçå= How to Disable User Account Control (UAC) in Windows Vista You are attempting to install or uninstall ACT! when Windows does not allow you access to needed files or folders.

Mehr

H. Enke, Sprecher des AK Forschungsdaten der WGL

H. Enke, Sprecher des AK Forschungsdaten der WGL https://escience.aip.de/ak-forschungsdaten H. Enke, Sprecher des AK Forschungsdaten der WGL 20.01.2015 / Forschungsdaten - DataCite Workshop 1 AK Forschungsdaten der WGL 2009 gegründet - Arbeit für die

Mehr

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de

Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology Diplom.de Frederik Dahlke Eliminating waste in software projects: Effective knowledge management by using web based collaboration technology The enterprise 2.0 concept applied to lean software development Diplom.de

Mehr

ELBA2 ILIAS TOOLS AS SINGLE APPLICATIONS

ELBA2 ILIAS TOOLS AS SINGLE APPLICATIONS ELBA2 ILIAS TOOLS AS SINGLE APPLICATIONS An AAA/Switch cooperative project run by LET, ETH Zurich, and ilub, University of Bern Martin Studer, ilub, University of Bern Julia Kehl, LET, ETH Zurich 1 Contents

Mehr

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015

Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 Big-Data and Data-driven Business KMUs und Big Data Imagine bits of tomorrow 2015 b Wien 08. Juni 2015 Stefanie Lindstaedt, b Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center

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

Rough copy for the art project >hardware/software< of the imbenge-dreamhouse artist Nele Ströbel.

Rough copy for the art project >hardware/software< of the imbenge-dreamhouse artist Nele Ströbel. Rough copy for the art project >hardware/software< of the imbenge-dreamhouse artist. Title >hardware/software< This art project reflects different aspects of work and its meaning for human kind in our

Mehr

Einführung in die Robotik Einführung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 23. 10.

Einführung in die Robotik Einführung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 23. 10. Einführung in die Robotik Einführung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 23. 10. 2012 Was ist ein Roboter? Was ist ein Roboter? Jeder hat

Mehr

Pilot area B: Zeeland (B + NL) Pilot area C: Terschelling and Northern Fryslan (NL) Pilot area D: Borkum (D)

Pilot area B: Zeeland (B + NL) Pilot area C: Terschelling and Northern Fryslan (NL) Pilot area D: Borkum (D) Pilot area A: Belgische Middenkust, (B) Pilot area B: Zeeland (B + NL) Pilot area C: Terschelling and Northern Fryslan (NL) Pilot area D: Borkum (D) Pilot area E: Schleswig and Sdr. Jylland (D + DK) Pilot

Mehr

Security Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08

Security Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08 Security Patterns Benny Clauss Sicherheit in der Softwareentwicklung WS 07/08 Gliederung Pattern Was ist das? Warum Security Pattern? Security Pattern Aufbau Security Pattern Alternative Beispiel Patternsysteme

Mehr

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR)

Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas. Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Prof. Dr. Margit Scholl, Mr. RD Guldner Mr. Coskun, Mr. Yigitbas in cooperation with Mr. Niemczik, Mr. Koppatz (SuDiLe GbR) Our idea: Fachbereich Wirtschaft, Verwaltung und Recht Simple strategies of lifelong

Mehr

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

Product Lifecycle Manager

Product Lifecycle Manager Product Lifecycle Manager ATLAS9000 GmbH Landauer Str. - 1 D-68766 Hockenheim +49(0)6205 / 202730 Product Lifecycle Management ATLAS PLM is powerful, economical and based on standard technologies. Directory

Mehr

Ways and methods to secure customer satisfaction at the example of a building subcontractor

Ways and methods to secure customer satisfaction at the example of a building subcontractor Abstract The thesis on hand deals with customer satisfaction at the example of a building subcontractor. Due to the problems in the building branch, it is nowadays necessary to act customer oriented. Customer

Mehr

Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis

Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis E-Gov Fokus Geschäftsprozesse und SOA 31. August 2007 Prozesse als strategischer Treiber einer SOA - Ein Bericht aus der Praxis Der Vortrag zeigt anhand von Fallbeispielen auf, wie sich SOA durch die Kombination

Mehr

KURZANLEITUNG. Firmware-Upgrade: Wie geht das eigentlich?

KURZANLEITUNG. Firmware-Upgrade: Wie geht das eigentlich? KURZANLEITUNG Firmware-Upgrade: Wie geht das eigentlich? Die Firmware ist eine Software, die auf der IP-Kamera installiert ist und alle Funktionen des Gerätes steuert. Nach dem Firmware-Update stehen Ihnen

Mehr

Softwareschnittstellen

Softwareschnittstellen P4.1. Gliederung Rechnerpraktikum zu Kapitel 4 Softwareschnittstellen Einleitung, Component Object Model (COM) Zugriff auf Microsoft Excel Zugriff auf MATLAB Zugriff auf CATIA Folie 1 P4.2. Einleitung

Mehr

ReadMe zur Installation der BRICKware for Windows, Version 6.1.2. ReadMe on Installing BRICKware for Windows, Version 6.1.2

ReadMe zur Installation der BRICKware for Windows, Version 6.1.2. ReadMe on Installing BRICKware for Windows, Version 6.1.2 ReadMe zur Installation der BRICKware for Windows, Version 6.1.2 Seiten 2-4 ReadMe on Installing BRICKware for Windows, Version 6.1.2 Pages 5/6 BRICKware for Windows ReadMe 1 1 BRICKware for Windows, Version

Mehr

Students intentions to use wikis in higher education

Students intentions to use wikis in higher education Students intentions to use wikis in higher education Christian Kummer WI2013, 27.02.2013 Motivation Problem Web 2.0 changed the way that students search for, obtain, and share information Uncertainty about

Mehr

Klausur Verteilte Systeme

Klausur Verteilte Systeme Klausur Verteilte Systeme SS 2005 by Prof. Walter Kriha Klausur Verteilte Systeme: SS 2005 by Prof. Walter Kriha Note Bitte ausfüllen (Fill in please): Vorname: Nachname: Matrikelnummer: Studiengang: Table

Mehr

Dokumentation (ISO 26514) Prof. Sissi Closs Donnerstag,, 5. November 2009

Dokumentation (ISO 26514) Prof. Sissi Closs Donnerstag,, 5. November 2009 Der neue ISO-Standard Standard für f r Software- Dokumentation (ISO 26514) Prof. Sissi Closs Donnerstag,, 5. November 2009 ISO/IEC 26514 Software and systems engineering User documentation requirements

Mehr

Chair of Information Management Wissenschaftsdisskussion

Chair of Information Management Wissenschaftsdisskussion Chair of Information Management Wissenschaftsdisskussion 3. Wirtschaftsinformatik Doktorandenkolloquium Südost-Niedersachsen 2008 10. - 11. März 2008, St.Andreasberg Institute of Information Systems Chair

Mehr

Beschwerdemanagement / Complaint Management

Beschwerdemanagement / Complaint Management Beschwerdemanagement / Complaint Management Structure: 1. Basics 2. Requirements for the implementation 3. Strategic possibilities 4. Direct Complaint Management processes 5. Indirect Complaint Management

Mehr

How to develop and improve the functioning of the audit committee The Auditor s View

How to develop and improve the functioning of the audit committee The Auditor s View How to develop and improve the functioning of the audit committee The Auditor s View May 22, 2013 Helmut Kerschbaumer KPMG Austria Audit Committees in Austria Introduced in 2008, applied since 2009 Audit

Mehr

Visuelle Analyse und Entscheidungsunterstützung

Visuelle Analyse und Entscheidungsunterstützung Visuelle Analyse und Entscheidungsunterstützung Dr. Jörn Kohlhammer Fraunhofer IGD 5.-7. November 2007 EpiGrid, FernUniversität in Hagen Überblick Visuelle Analyse Aktuelle Ansätze Vorstellung Fraunhofer

Mehr

How does the Institute for quality and efficiency in health care work?

How does the Institute for quality and efficiency in health care work? Health Care for all Creating Effective and Dynamic Structures How does the Institute for quality and efficiency in health care work? Peter T. Sawicki; Institute for Quality and Efficiency in Health Care.

Mehr

RS232-Verbindung, RXU10 Herstellen einer RS232-Verbindung zwischen PC und Messgerät oder Modem und Messgerät

RS232-Verbindung, RXU10 Herstellen einer RS232-Verbindung zwischen PC und Messgerät oder Modem und Messgerät Betriebsanleitung RS232-Verbindung, RXU10 Herstellen einer RS232-Verbindung zwischen PC und Messgerät oder Modem und Messgerät ä 2 Operating Instructions RS232 Connection, RXU10 Setting up an RS232 connection

Mehr

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine

Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine Model-based Development of Hybrid-specific ECU Software for a Hybrid Vehicle with Compressed- Natural-Gas Engine 5. Braunschweiger Symposium 20./21. Februar 2008 Dipl.-Ing. T. Mauk Dr. phil. nat. D. Kraft

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

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH

Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH What is a GEVER??? Office Strategy OXBA How we used SharePoint Geschäft Verwaltung Case Management Manage Dossiers Create and Manage Activities

Mehr

PCIe, DDR4, VNAND Effizienz beginnt im Server

PCIe, DDR4, VNAND Effizienz beginnt im Server PCIe, DDR4, VNAND Effizienz beginnt im Server Future Thinking 2015 /, Director Marcom + SBD EMEA Legal Disclaimer This presentation is intended to provide information concerning computer and memory industries.

Mehr

Coaching Agile Development Teams

Coaching Agile Development Teams Coaching Agile Development Teams Josef Scherer Solution Focused Scrum Coach josef.scherer@gmail.com http://agile-scrum.de/ Scherer IT Consulting Freiberuflicher Scrum Coach Lösungsfokussierter Berater

Mehr

Die Kunst des Programmierens...

Die Kunst des Programmierens... Die Kunst des Programmierens... Wo die Kosten anfallen Der Mythos Wiederverwendung: Design für Wartung als eigentliches Ziel, Objekt Spektrum 4/2009 software maintainers sped 45 percent of their time seeking

Mehr

IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence?

IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence? Das IBM Leistungsversprechen zum Führungsinformationssystems IBM Demokratischere Haushalte, bessere Steuerung, fundierte Entscheidungen? Was leisten das neue kommunale Finanzwesen und Business Intelligence?

Mehr

Anforderungen, KEFs und Nutzen der Software- Prozessverbesserung

Anforderungen, KEFs und Nutzen der Software- Prozessverbesserung Process flow Remarks Role Documents, data, tool input, output Important: Involve as many PZU as possible PZO Start Use appropriate templates for the process documentation Define purpose and scope Define

Mehr

Einführung in die Robotik Steuerungsarchitekturen. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.

Einführung in die Robotik Steuerungsarchitekturen. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm. Einführung in die Robotik Steuerungsarchitekturen Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 29. 01. 2013 Steuerungsarchitekturen - Deliberative

Mehr

Die Renaissance von Unified Communication in der Cloud. Daniel Jonathan Valik UC, Cloud and Collaboration

Die Renaissance von Unified Communication in der Cloud. Daniel Jonathan Valik UC, Cloud and Collaboration Die Renaissance von Unified Communication in der Cloud Daniel Jonathan Valik UC, Cloud and Collaboration AGENDA Das Program der nächsten Minuten... 1 2 3 4 Was sind die derzeitigen Megatrends? Unified

Mehr

Bringing sense and simplicity to life

Bringing sense and simplicity to life Neue Einsatzbereiche der digitalen Spracherkennung: Informationsaufbereitung für Elektronische Patientenakten mit Wissensbanken und medizinischen Terminologien Klaus Stanglmayr Wednesday, June 20, 2007

Mehr

Gestaltung von Computersimulationen

Gestaltung von Computersimulationen Gestaltung von Computersimulationen Prof. Dr. Günter Daniel Rey Professur E-Learning und Neue Medien 7. Gestaltung von Computersimulationen 1 Überblick Computersimulationen Probleme beim Lernen mit Simulationen

Mehr

Haltung und Handlung. Theorien als Werkzeug Sozialer Arbeit. Workshop auf der 5. Merseburger Tagung zur systemischen Sozialarbeit

Haltung und Handlung. Theorien als Werkzeug Sozialer Arbeit. Workshop auf der 5. Merseburger Tagung zur systemischen Sozialarbeit Haltung und Handlung Theorien als Werkzeug Sozialer Arbeit Workshop auf der 5. Merseburger Tagung zur systemischen Sozialarbeit Zentrale Fragen Was verbindet Theorie und Praxis? In welchem Verhältnis stehen

Mehr

`) Read Software-Ergonomie. Grundlagen der optimalen Ausgestaltung von Computersystemen fr die Benutzer (German Edition) safe websites for free

`) Read Software-Ergonomie. Grundlagen der optimalen Ausgestaltung von Computersystemen fr die Benutzer (German Edition) safe websites for free `) Read Software-Ergonomie. Grundlagen der optimalen Ausgestaltung von Computersystemen fr die Benutzer (German Edition) safe websites for free ebooks ID:juuqda Click Here to Read Software-Ergonomie.

Mehr

J RG IMMENDORFF STANDORT F R KRITIK MALEREI UND INSPIRATION ERSCHEINT ZUR AUSSTELLUNG IM MUSEUM LU

J RG IMMENDORFF STANDORT F R KRITIK MALEREI UND INSPIRATION ERSCHEINT ZUR AUSSTELLUNG IM MUSEUM LU J RG IMMENDORFF STANDORT F R KRITIK MALEREI UND INSPIRATION ERSCHEINT ZUR AUSSTELLUNG IM MUSEUM LU 8 Feb, 2016 JRISFRKMUIEZAIMLAPOM-PDF33-0 File 4,455 KB 96 Page If you want to possess a one-stop search

Mehr

DIE NEUORGANISATION IM BEREICH DES SGB II AUSWIRKUNGEN AUF DIE ZUSAMMENARBEIT VON BUND LNDERN UND KOMMUNEN

DIE NEUORGANISATION IM BEREICH DES SGB II AUSWIRKUNGEN AUF DIE ZUSAMMENARBEIT VON BUND LNDERN UND KOMMUNEN DIE NEUORGANISATION IM BEREICH DES SGB II AUSWIRKUNGEN AUF DIE ZUSAMMENARBEIT VON BUND LNDERN UND KOMMUNEN WWOM537-PDFDNIBDSIAADZVBLUK 106 Page File Size 4,077 KB 16 Feb, 2002 COPYRIGHT 2002, ALL RIGHT

Mehr

Implementing a Data Warehouse with Microsoft SQL Server MOC 20463

Implementing a Data Warehouse with Microsoft SQL Server MOC 20463 Implementing a Data Warehouse with Microsoft SQL Server MOC 20463 In dem Kurs Implementing a Data Warehouse with Microsoft SQL Server lernen Sie, wie Sie eine Data-Warehouse-Plattform implementieren, um

Mehr

JPlus Platform Independent Learning with Environmental Information in School

JPlus Platform Independent Learning with Environmental Information in School JPlus Platform Independent Learning with Environmental Information in School Mario Härtwig, Pierre Karrasch Salzburg, 7. Juli 2010 Genesis Umweltmonitoring als Beitrag zur Umweltbildung an Schulen. Kulturlandschaftsentwicklung

Mehr

NEWSLETTER. FileDirector Version 2.5 Novelties. Filing system designer. Filing system in WinClient

NEWSLETTER. FileDirector Version 2.5 Novelties. Filing system designer. Filing system in WinClient Filing system designer FileDirector Version 2.5 Novelties FileDirector offers an easy way to design the filing system in WinClient. The filing system provides an Explorer-like structure in WinClient. The

Mehr

TMF projects on IT infrastructure for clinical research

TMF projects on IT infrastructure for clinical research Welcome! TMF projects on IT infrastructure for clinical research R. Speer Telematikplattform für Medizinische Forschungsnetze (TMF) e.v. Berlin Telematikplattform für Medizinische Forschungsnetze (TMF)

Mehr

Minimierung des Fündigkeitsrisikos mit Hilfe von 2D- und 3D-Seismik

Minimierung des Fündigkeitsrisikos mit Hilfe von 2D- und 3D-Seismik Minimierung des Fündigkeitsrisikos mit Hilfe von 2D- und 3D-Seismik René Graf MD Subsurface Exploration Integrated Approach Acquisition Existing Studies Processing Wells, Outcrops Seismic Interpretation

Mehr

Ihr Partner für wirtschaftliche Automation. Your partner for profitable automation

Ihr Partner für wirtschaftliche Automation. Your partner for profitable automation Ihr Partner für wirtschaftliche Automation Your partner for profitable automation philosophie Die Philosophie der EGS Automatisierungstechnik GmbH ist geprägt von langjährigen, partnerschaftlichen Geschäftsbeziehungen

Mehr

MatchPoint. Wirtschaftlichkeit von SharePoint Plattformen optimieren

MatchPoint. Wirtschaftlichkeit von SharePoint Plattformen optimieren MatchPoint Wirtschaftlichkeit von SharePoint Plattformen optimieren MatchPoint at a Glance Build Solutions in Less Time Provide a Better User Experience Maintain Your Platform at Lower Cost 2 MatchPoint

Mehr

Exercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1

Exercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1 Exercise (Part II) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All

Mehr

Praktikum Entwicklung Mediensysteme (für Master)

Praktikum Entwicklung Mediensysteme (für Master) Praktikum Entwicklung Mediensysteme (für Master) Organisatorisches Today Schedule Organizational Stuff Introduction to Android Exercise 1 2 Schedule Phase 1 Individual Phase: Introduction to basics about

Mehr

Field Librarianship in den USA

Field Librarianship in den USA Field Librarianship in den USA Bestandsaufnahme und Zukunftsperspektiven Vorschau subject librarians field librarians in den USA embedded librarians das amerikanische Hochschulwesen Zukunftsperspektiven

Mehr

Prediction Market, 28th July 2012 Information and Instructions. Prognosemärkte Lehrstuhl für Betriebswirtschaftslehre insbes.

Prediction Market, 28th July 2012 Information and Instructions. Prognosemärkte Lehrstuhl für Betriebswirtschaftslehre insbes. Prediction Market, 28th July 2012 Information and Instructions S. 1 Welcome, and thanks for your participation Sensational prices are waiting for you 1000 Euro in amazon vouchers: The winner has the chance

Mehr

Instruktionen Mozilla Thunderbird Seite 1

Instruktionen Mozilla Thunderbird Seite 1 Instruktionen Mozilla Thunderbird Seite 1 Instruktionen Mozilla Thunderbird Dieses Handbuch wird für Benutzer geschrieben, die bereits ein E-Mail-Konto zusammenbauen lassen im Mozilla Thunderbird und wird

Mehr

WAS IST DER KOMPARATIV: = The comparative

WAS IST DER KOMPARATIV: = The comparative DER KOMPATATIV VON ADJEKTIVEN UND ADVERBEN WAS IST DER KOMPARATIV: = The comparative Der Komparativ vergleicht zwei Sachen (durch ein Adjektiv oder ein Adverb) The comparative is exactly what it sounds

Mehr

Distributed testing. Demo Video

Distributed testing. Demo Video distributed testing Das intunify Team An der Entwicklung der Testsystem-Software arbeiten wir als Team von Software-Spezialisten und Designern der soft2tec GmbH in Kooperation mit der Universität Osnabrück.

Mehr

Gern beraten wir auch Sie. Sprechen Sie uns an!

Gern beraten wir auch Sie. Sprechen Sie uns an! de en Unter dem Motto wire Solutions bietet die KIESELSTEIN International GmbH verschiedenste Produkte, Dienstleistungen und After Sales Service rund um den Draht an. Die Verbindung von Tradition und Innovation

Mehr

Software development with continuous integration

Software development with continuous integration Software development with continuous integration (FESG/MPIfR) ettl@fs.wettzell.de (FESG) neidhardt@fs.wettzell.de 1 A critical view on scientific software Tendency to become complex and unstructured Highly

Mehr

European Qualification Strategies in Information and Communications Technology (ICT)

European Qualification Strategies in Information and Communications Technology (ICT) European Qualification Strategies in Information and Communications Technology (ICT) Towards a European (reference) ICT Skills and Qualification Framework Results and Recommendations from the Leornardo-da-Vinci-II

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

The Future of Software Testing

The Future of Software Testing The Future of Software Testing, imbus AG Nneirda -Fotolia.com Szenariotechnik Source: http://de.wikipedia.org/wiki/szenariotechnik Future of Software Testing - Driven by Technology Testing Objects & Objectives

Mehr

Titelbild1 ANSYS. Customer Portal LogIn

Titelbild1 ANSYS. Customer Portal LogIn Titelbild1 ANSYS Customer Portal LogIn 1 Neuanmeldung Neuanmeldung: Bitte Not yet a member anklicken Adressen-Check Adressdaten eintragen Customer No. ist hier bereits erforderlich HERE - Button Hier nochmal

Mehr

Service Strategie und Sourcing Governance als Werkzeuge zur Durchsetzung der Sourcing Ziele auf Kundenseite

Service Strategie und Sourcing Governance als Werkzeuge zur Durchsetzung der Sourcing Ziele auf Kundenseite 1 itsmf Deutschland e.v. Service Strategie und Sourcing Governance als Werkzeuge zur Durchsetzung der Sourcing Ziele auf Kundenseite Ben Martin, Glenfis AG Zürich 26.09.2012 Service Strategie und Sourcing

Mehr

There are 10 weeks this summer vacation the weeks beginning: June 23, June 30, July 7, July 14, July 21, Jul 28, Aug 4, Aug 11, Aug 18, Aug 25

There are 10 weeks this summer vacation the weeks beginning: June 23, June 30, July 7, July 14, July 21, Jul 28, Aug 4, Aug 11, Aug 18, Aug 25 Name: AP Deutsch Sommerpaket 2014 The AP German exam is designed to test your language proficiency your ability to use the German language to speak, listen, read and write. All the grammar concepts and

Mehr