DYONIPOS: Wissenszentrierte Unterstützung und Steuerung von Prozessen

Transkript

1 DYONIPOS: Wissenszentrierte Unterstützung und Steuerung von Prozessen Ein Pilotprojekt mit dem Bundesministerium für Finanzen , I-KNOW 06 Doris Reisinger [m2n consulting and development gmbh] Inhalt Ausgangslage und Motivation Standardprozesse vs. Wissensarbeit DYONIPOS Zielsetzungen Funktionalitäten und Ablauf Wissenschaftliche Bedeutung Eingesetzte Technologien Forschungsrahmen und Projektsetting 1

2 Ausgangslage (im Public Sector) Wissensintensität steigt Dynamisches Umfeld, geprägt durch diskontinuierliche Veränderung Bedarf zur Anpassung an sich ändernde Anforderungen Aufgabenanreicherung bei gleichzeitiger Ressourcenknappheit Bedarf zur Effizienz- und Effektivitätssteigerung Von hierarchischen zu netzwerkorientierten Organisationsformen Bedarf der Flexibilisierung von Strukturen, Anteil kreativer Tätigkeiten steigt erheblich Aufgaben werden wissensintensiver der Einzelne benötigt immer mehr Information Zahl, Komplexität und Heterogenität von Informationssystemen steigt das Finden relevanter Information wird immer ressourcenintensiver Wissens-Paradoxon Der Einzelne weiß im Verhältnis zum verfügbaren Wissen immer weniger Bedeutung des Managements von Nicht-Wissen steigt Wissen Allgemeines Wissen K. Tochtermann, 2006 Individuelles Wissen Zeit 2

3 Ausgangslage Prozessorientierung Wissensarbeiter agieren eingebettet in Prozesse Geschäftsprozesse werden von Wissensprozessen begleitet unstrukturiert, oft implizit ad hoc definiert schwer bis gar nicht standardisierbar hoch individuell Wissensmanagement hat Prozesscharakter Prozessmanagement hat Wissensrelevanz Wissens- Arbeiter Prozesse Wissensbasis Quellen Integration von Geschäftsprozessmanagement und Wissensmanagement Beispiel Standardprozess Projektbeauftragung BMF / IT-Sektion 3

4 Standardprozesse vs. Wissensarbeit Standardprozesse Effizienzsteigerung durch Vereinheitlichung, hoher Grad an Formalismus Nachvollziehbarkeit, Transparenz, Synchronisation stehen im Vordergrund Handlungsoptionen müssen vorher bekannt sein Deduktiv Bestehender Ansatz: Workflow Management Systeme Wissensarbeit -> ad hoc definierte Prozesse Hoher Anteil an kreativen Tätigkeiten, geringer Grad an Formalismus Geleitet durch Ziele statt Aufgaben, Aktivitäten werden selbst gestaltet Wissen ist wesentliche Ressource Induktiv Bestehender Ansatz: Computer Supported Cooperative Work Systeme Ein neuer Ansatz wird benötigt, um das Dilemma zwischen Flexibilität des Einzelnen und Bedürfnis der Organisation nach Standardisierung zu lösen. DYONIPOS Zielsetzungen DYnamic, ONtologybased Integrated Process OptimiSation Entwicklung eines intelligenten, kontextsensitiven, flexiblen Systems zur dynamischen Unterstützung und Steuerung von Informationsund Wissensprozessen Nahtlose Zusammenführung von... strukturierten, explizit abgebildeten Prozessen dynamischen, undokumentierten Wissensflüssen Integrierte Unterstützung des... Wissensarbeiters Wissensprozess-Ingenieurs Verbesserung im Umgang mit Wissen in der Gesamtorganisation 4

5 Funktionalitäten Unterstützung des Wissensarbeiters bei der flexiblen Durchführung wissensintensiver Aktivitäten im Arbeitsprozess / Arbeitskontext gemäß der individuellen Arbeitsweise Ein persönlicher, agiler, selbstlernender Assistent stellt proaktiv das benötigte Wissen zur Verfügung unterstützt bei der Informationsaufbereitung schlägt nächste Schritte vor Unterstützung des Wissensprozess-Ingenieurs beim Management der Prozess- und Wissensbasis Identifikation von Mustern zur Optimierung der Standardprozesse Auswirkungen von Änderungen in den Leitwegen Veränderungen von Prozessketten über die Zeit Vorschlagsgenerierung für Teilprozessvorlagen Schematischer Ablauf Wissens- (Prozess) Ingenieur Organisationale Wissensbasis Organisationale Sphäre Persönliche Sphäre Kontextinformation, semantische Anreicherung Prozesse Aktivitäten Wissensarbeit Individuelle Wissensbasis Verbesserte Wissensbereitstellung Wissens- Arbeiter 5

6 Komponenten-Modell Optimieren, Erweitern Analysieren Templates / Standards Integrieren Ad hoc-wissensprozesse Ausführen Wieder Verwenden Definieren Wissens-(Prozess)Ingenieur Modellieren Semantik Extrahieren Intelligente, proaktive Info-Bereitstellung Wissens-Arbeiter Wissensbasis Kontext Info-Quellen, Systeme Wissenschaftliche Bedeutung Erfassung, semantische Interpretation und Analyse von ad hoc-prozessen im Arbeitskontext des Benutzers (Wissens-)Prozessorientierte, proaktive Informationsbereitstellung und Informationsextraktion Semiautomatische Integration von ad hoc-prozessen in traditionell definierte Geschäftsprozesse Agile und dynamische Workflow-Optimierung Automatische Extraktion von semantisch basierten Regelwerken Kerngebiete: Semantische Technologien (z.b. Ontology Learning, Ontology Merge) Knowledge Discovery (z.b. Event Mining, Process Mining, Graph Mining) Visualisierung (z.b. komplexe Graphenräume, Graph Matching) 6

7 Event & Process Mining Ergebnis I: Identifikation von Aktivitäten A1 A1 A2 A1 A2 A2 x x x x x x x x x x x x x x x x x Inhalt Typ, Ergebnis II: Ad-Hoc Prozessfolgen A1 A1 A2 A3 A1 A2 A2 A3 A3 B4 B4 A3 A3 A3 x x x x x x x x x x x x x x x x x Ergebnis III: Abgleich mit Standardprozessen Gegeben: Menge an Tätigkeiten des Benutzers Eingesetzte Technologien m2n Intelligence Management Modulares, ontologiebasiertes Applikationsframework Ontology Engineering und Management Multi Repository Management, Graphenkonsolidierung Inferenzbasierte Steuerung der Programmlogik (Controller) Business Process Engine User Interface, Visualisation Framework KnowMiner des Know-Center, Graz Framework mit offener, service-orientierter Architektur Information Retrieval, Text Mining und Knowledge Discovery 14 7

8 Forschungsrahmen Gefördert im Rahmen des Impulsprogramms FIT-IT, Programmlinie Semantic Systems [ Initiative des BMVIT zur Förderung anspruchsvoller IT-Innovation und IT-Forschung in Österreich Dyonipos als bester Antrag prämiert! Gesamtlaufzeit: 03/ /2008 BMF, IT-Sektion als Pilotpartner Konsortium und Partner Forschungspartner FiT-IT Konsortialpartner DYONIPOS Wissenschaftlicher Partner 8

9 Projektsetting Know-how und Kompetenzen Domänen-Wissen Knowledge Discovery Strategie, Organisation, Kultur Know-how Use Case Prozess-Wissen Wissensprozesse, BPM Know-how Forschung- und Entwicklung Wissensorganisation, Semantic Systems, Ontologien Technische Einbettung, Infrastruktur Rechtliche Aspekte, Datenschutz DataNetwork Repositories, Vorsysteme Visualisierung Forschungspartner DYONIPOS Konsortium Projektsetting Timeline DYONIPOS Rahmen-Projekt Vorprojekt Rahmenbedingungen IST-Dokumentation Anforderungsdetail. UseCases Infrastruktur Test Data Schnittstellen / Data Network Implementierung Pilotprojekt Pilot- und Testbetrieb 9

10 DYONIPOS: Wissenszentrierte Unterstützung und Steuerung von Prozessen Ein Pilotprojekt mit dem Bundesministerium für Finanzen Ansprechpartner Pilotprojekt Doris Reisinger Josef Makolm Wissenschaftliche Ansprechpartner Klaus Tochtermann Michael Granitzer 10