Betriebliches Wissensmanagement

Größe: px
Ab Seite anzeigen:

Download "Betriebliches Wissensmanagement"

Transkript

1 Betriebliches Wissensmanagement Univ.-Prof. Dr. Dirk Stelzer Fachgebiet Informations- und Wissensmanagement TU Ilmenau Stand: Publiziert in: ZwF - Zeitschrift für wirtschaftlichen Fabrikbetrieb. Nr. 6, 2006, S Vorspann Dieser Beitrag gibt einen Überblick über verschiedene Teilgebiete des Wissensmanagements. Es wird gezeigt, welchen Beitrag das Wissensmanagement zur Unternehmensführung leistet, wie Anwendungssoftware Fach- und Führungskräfte bei der Identifizierung, Aufbereitung, Analyse, Verteilung und Anwendung betrieblich relevanten Wissens helfen kann und welche Fortschritte bei der Automatisierung menschlicher Problemlösungsfähigkeit erzielt worden sind. 2 Summary The paper provides an overview of several sectors of knowledge management. This paper investigates how knowledge management contributes to corporate management, how application software may support specialists and managers in identifying, refining, analyzing, distributing and applying corporate knowledge, and what progress has been made in automating human problem solving. 3 Einleitung Wenn Siemens wüsste, was Siemens weiß. Dieses geflügelte Wort deutet darauf hin, dass in vielen Betrieben einerseits umfangreiches Wissen über Produkte und Prozesse, über Stärken und Schwächen des Unternehmens, über Kunden, Lieferanten und Wettbewerber vorhanden ist. Andererseits scheinen viele Fach- und Führungskräfte den Eindruck zu haben, dass dieses Wissen nur unzureichend genutzt wird. Seit ca. 15 Jahren werden deshalb in Wissenschaft und Unternehmenspraxis unter der Überschrift Wissensmanagement erhebliche Anstrengungen unternommen, dieses Defizit zu beheben. Unternehmerische Aufgaben wie Forschung und Entwicklung, betriebliches Vorschlagswesen, Qualitätszirkel, Total Quality Management, (Geschäfts-)Prozessverbesserung, Marktforschung, Controlling sowie Daten- bzw. Informationsverarbeitung um nur einige zu nennen sind ein

2 D. Stelzer: Betriebliches Wissensmanagement S. 2 Beleg dafür, dass die Akquisition, Aufbereitung, Speicherung, Verbreitung, Anwendung und Bewahrung des betriebsrelevanten Wissens schon seit langem wichtige Tätigkeiten in Betrieben sind. Typische Fragen, mit denen sich das Wissensmanagement beschäftigt, sind z. B.: Wie kann jedem Mitarbeiter eines Unternehmens zur richtigen Zeit relevantes Wissen in angemessener Form zur Verfügung gestellt werden? Wie kann das zur Erhaltung und Steigerung der Wettbewerbsfähigkeit eines Unternehmens notwendige Wissen identifiziert und beschafft werden? Wie kann ein Unternehmen das Wissen und die Erfahrungen ausscheidender Mitarbeiter erhalten? Welche Softwaresysteme eignen sich zur Unterstützung welcher Teilaufgaben des Wissensmanagements am besten? Wie lassen sich Mitarbeiter motivieren, ihr Wissen mit anderen zu teilen bzw. in Wissenssystemen zu dokumentieren? Dieser Beitrag gibt einen kurzen Überblick über verschiedene Facetten des Wissensmanagements. Naturgemäß kann dies nicht vollständig sein. Zunächst wird kurz erörtert, wie die Begriffe Information und Wissen voneinander abgegrenzt werden können und was Wissensmanagement bedeutet. Im Anschluss werden typische Teilaufgaben des Wissensmanagements benannt. Im Hauptteil dieses Beitrags werden drei verschiedene Perspektiven auf das Wissensmanagement dargestellt; die der Unternehmensführung, der Wirtschaftsinformatik und der Informatik. Der Beitrag schließt mit einem kurzen Ausblick ab. 4 Information, Wissen und Wissensmanagement Es gibt vielfältige Optionen, Wissen zu definieren. In der Regel wird versucht, Wissen von Information abzugrenzen. Auch hier gibt es wiederum verschiedene Möglichkeiten, dies zu tun. Eine Option besteht darin, den Begriff Wissen anhand des Explikationsgrades in explizites und implizites Wissen zu unterteilen [1, 2]. Explizites Wissen lässt sich speichern, verarbeiten und übertragen. Implizites Wissen muss abgebildet werden, bevor es von anderen Aufgabenträgern verwendet werden kann. Während der Explizierung wird dem impliziten Wissen eine Form bzw. Gestalt gegeben, indem das implizite Wissen, z. B. mit Hilfe einer natürlichen oder formalen Sprache ausgedrückt wird. Dieser Prozess der Abbildung, des In-eine-Form-Gießens bzw. der Gestaltgebung, wird im Lateinischen mit informare bezeichnet. Informatio bezeichnet demnach ein Abbild, eine in eine (sprachliche) Form gegossene bzw. explizierte Vorstellung, einen Begriff. Demnach ist Information eine Teilmenge des Wissens. Information bezeichnet den expliziten Teil des Wissens. Dieser Zusammenhang ist in Bild 1 dargestellt.

3 D. Stelzer: Betriebliches Wissensmanagement S. 3 informare = abbilden, eine Form bzw. Gestalt geben implizites Wissen explizites Wissen Information Wissen Bild 1: Information und Wissen Betriebliches Wissensmanagement wird häufig verstanden als die Gesamtheit der Führungs- und Leitungsaufgaben, welche sich mit der Identifikation, Entwicklung, Akquisition, Verbreitung, Bewahrung und Anwendung des unternehmensrelevanten Wissens beschäftigen [3, 4, 5]. 5 Teilaufgaben des Wissensmanagement Die bekanntesten Beschreibungen von Teilaufgaben des Wissensmanagements finden sich bei Güldenberg [6] sowie bei Probst, Raub und Romhardt [4]. Güldenberg unterscheidet die Teilaufgaben Wissensgenerierung, Wissensspeicherung, Wissenstransfer und Wissensanwendung. Wissensgenerierung bezeichnet die Identifikation und Beschaffung von (organisations-)internem und externem Wissen. Wissensspeicherung umfasst die Bewahrung von Wissen in natürlichen (individuellen oder kollektiven) sowie in künstlichen Speichern (z. B. Dokumenten oder digitalen Datenarchiven). Wissenstransfer beschreibt die Übertragung von Wissen zwischen Aufgabenträgern. Bei der Wissensanwendung werden implizites oder explizites Wissen in Kommunikation, Entscheidungen oder Handlungen umgesetzt. Probst, Raub und Romhardt unterscheiden folgende Bausteine bzw. Kernprozesse des Wissensmanagements: Wissensidentifikation, -erwerb, -entwicklung, -verteilung, -nutzung und -bewahrung. Wissensidentifikation zielt darauf ab, den Mitarbeitern einen angemessenen Überblick über das Wissen zu verschaffen, welches innerhalb des Unternehmens und im Unternehmensumfeld verfügbar ist. Wissenserwerb beschreibt die Aufgabe, Wissen, welches im Unternehmen nicht vorhanden ist, extern zu beschaffen. Wissensentwicklung beschäftigt sich mit dem Aufbau neuen Wissens innerhalb des Unternehmens. Wissensverteilung betrifft die Verbreitung vorhandenen Wissens im Unternehmen. Bei der Wissensnutzung geht es darum sicherzustellen, dass Wissensbestände von den Mitarbeitern im Arbeitsalltag tatsächlich angewendet werden. Wissensbewahrung soll das Unternehmen vor Wissensverlusten schützen.

4 D. Stelzer: Betriebliches Wissensmanagement S. 4 6 Verschiedene Perspektiven des Wissensmanagements Wie bereits erwähnt, hat das Wissensmanagement viele Vorläufer und präsentiert sich sehr facettenreich. Im Folgenden werden drei Perspektiven unterschieden; die der Organisationslehre, der Wirtschaftsinformatik sowie der Informatik. Diese Einteilung erlaubt zwar keine trennscharfe Klassifizierung, sie hilft aber, einen ersten Überblick über das Wissensmanagement zu bekommen. Im Rahmen jeder Perspektive werden einige typische Arbeitsbereiche erörtert, ohne dabei den Anspruch auf Vollständigkeit zu erheben. 6.1 Die Perspektive der Unternehmensführung Wissensmanagement beschäftigt sich aus der Perspektive der Organisations- und Managementlehre bzw. der Unternehmensführung hauptsächlich mit der Frage, wie die Organisation eines Unternehmens (z. B. Arbeitsteilung und Koordination, Aufbau- und Ablauforganisation) so gestaltet und wie die Mitarbeiter so geführt und motiviert werden können, dass die Teilaufgaben des Wissensmanagements möglichst sinnvoll unterstützt werden. Der heutige Stand des Wissensmanagements hat sich hauptsächlich aus dem so genannten organisationalen Lernen entwickelt [5]. Bis zum Anfang der neunziger Jahre des vorigen Jahrhunderts wurde das Thema hauptsächlich von Organisationstheoretikern wahrgenommen. Weltweit populär wurde Wissensmanagement dann sowohl durch das Buch The Fifth Discipline: The Art and Practice of the Learning Organization von Peter Senge [7], als auch durch Publikationen von Nonaka, Takeuchi [1] und anderen, die behaupteten, die dramatische Verbesserung der Wettbewerbsfähigkeit japanischer Unternehmen gegenüber ihren amerikanischen und europäischen Konkurrenten sei unter anderem auf ein besseres Wissensmanagement zurückzuführen. Beispielhaft werden im Folgenden einige der Ausführungen von Peter Senge dargestellt. Senge empfiehlt Unternehmen, welche sich zu lernenden Organisationen entwickeln wollen, fünf Disziplinen: Persönlichkeitsentwicklung (personal mastery) beschreibt das kontinuierliche Streben aller Organisationsmitglieder nach Verbesserung ihrer persönlichen Fähigkeiten und Kompetenzen. Persönlichkeitsentwicklung von Fach- und Führungskräften ist laut Senge keine hinreichende, aber eine notwendige Voraussetzung für eine lernende Organisation.

5 D. Stelzer: Betriebliches Wissensmanagement S. 5 Mentale Modelle (mental models) sind Grundannahmen und implizite Denkstrukturen, welche unser Denken und Handeln beeinflussen. Senge beschreibt verschiedene Hilfsmittel, mit denen mentale Modelle nachvollziehbar gemacht, damit sie geprüft und ggf. korrigiert werden können. Die Entwicklung gemeinsamer Visionen (shared vision) zielt darauf ab, den Unternehmenszweck sowie die Werte des Unternehmens so zu formulieren, dass Manager und Mitarbeiter diese Vision verinnerlichen und sich in ihrem Denken und Handeln davon leiten lassen. Eine gemeinsame Vision schafft eine verbindende Identität und motiviert alle Unternehmensmitglieder, ihre Arbeitskraft im Sinne des Unternehmens einzusetzen. Lernen im Team (team learning) beschreibt die Entwicklung von Teams sowie die Ausbildung der Fähigkeiten, welche die Teammitglieder in die Lage versetzen, sinnvoll zusammen zu arbeiten. Hierzu zählen insbesondere gegenseitiges Verständnis, Kommunikations- und Konfliktlösungsfähigkeiten. Die fünfte Disziplin ist das so genannte Systemdenken (systems thinking). Hierunter versteht Senge das Denken in größeren, ganzheitlichen Zusammenhängen, welches Fach- und Führungskräfte in die Lage versetzen soll, komplexe Zusammenhänge, immer wieder kehrende Strukturen und Interdependenzen von Systemelementen besser zu verstehen. 6.2 Die Perspektive der Wirtschaftsinformatik Die Wirtschaftsinformatik beschäftigt sich unter anderem mit der Frage, wie das betriebliche Wissensmanagement durch computer-basierte Informationssysteme unterstützt werden kann. Hierbei geht es in erster Linie darum, Fach- und Führungskräfte bei der Suche, Aufbereitung, Analyse, Verteilung und Präsentation von für betriebliche Aufgaben relevanten Informationen zu unterstützen. Im Folgenden soll anhand von drei verschiedenen Softwarekategorien beispielhaft dargestellt werden, worin dieser Beitrag im Einzelnen bestehen kann. Data-Warehouse-Systeme sind von den operativen Datenbanken getrennte und logisch zentralisierte Datenbestände. Idealtypischerweise dienen sie als einheitliche Datenbasis für unterschiedliche Formen von Managementunterstützungssystemen [8]. Zu diesem Zweck werden Daten aus operativen Anwendungssystemen (z. B. Marketing- oder Vertriebsdatenbanken) extrahiert, in Data- Warehouse-Systeme geladen und dort für unterschiedliche Auswertungszwecke aufbereitet. Mit Hilfe von OLAP (Online Analytical Processing)-Mechanismen können Daten mehrdimensional miteinander verknüpft und aus unterschiedlichen Perspektiven analysiert werden. Data-Mining-

6 D. Stelzer: Betriebliches Wissensmanagement S. 6 Verfahren dienen dazu, in großen Datenbeständen nach bisher unbekannten oder zumindest nicht offensichtlichen Zusammenhängen zu suchen. Data-Warehouse-Systeme unterstützen gemeinsam mit OLAP- und Data-Mining-Verfahren die Arbeit von Entscheidungsträgern, indem sie eine zielgerichtete Analyse von relevanten Daten erleichtern. Beispiele für die Anwendung von Data- Warehouse-Systemen sind Kundenpotenzialanalysen, Werbewirkungsanalysen oder Kreditwürdigkeitsprüfungen [9]. Dokumenten-Management-Systeme (DMS) haben die Aufgabe, Dokumente in digitaler Form zu speichern und zu verwalten. Zu diesem Zweck werden Dokumente, welche in Papierform vorliegen, zunächst erfasst und digitalisiert, indiziert, mit Schlagworten versehen und dann abgespeichert. DMS unterstützen die Zusammenfassung von inhaltlich zusammengehörenden Dokumenten zu elektronischen Akten, das Wiederauffinden (Retrieval) sowie die Ausgabe von Dokumenten. DMS werden häufig mit Workflow-Management-Systemen verknüpft. Diese unterstützen Routinetätigkeiten, indem Dokumente nach vordefinierten Regeln automatisch zu den Bearbeitern weitergeleitet werden. Dabei können ggf. weitere Daten und Anwendungen zur Verfügung gestellt werden, welche die Mitarbeiter zur Bearbeitung benötigen. Auf diese Weise lassen sich große Teile von Geschäftsprozessen unterstützen, die strukturiert und weitgehend nach vordefinierten Regeln ablaufen. Typische Anwendungsgebiete von DMS und Workflow-Management-Systemen sind die Auftragsbearbeitung in Unternehmen, die Bearbeitung von Schadensfällen in Versicherungen oder von Anträgen in der öffentlichen Verwaltung [10]. Groupware-, Workgroup-Computing-, bzw. Computer-Supported-Cooperative-Work (CSCW)- Systeme unterstützen in der Regel regional verteilte Teams bei der Bearbeitung relativ unstrukturierter Aufgaben. Typische Anwendungsgebiete sind Forschungs- und Entwicklungs- oder Beratungsaufgaben. Groupware-Systeme ermöglichen es den Teammitgliedern, Informationen mit Hilfe unterschiedlicher Medien flexibel auszutauschen und Problemstellungen gemeinsam zu bearbeiten. Die Funktionen von Groupware-Systemen umfassen z. B. die Durchführung von Konferenzen räumlich getrennter Personen, entweder asynchron (z. B. per ) oder synchron (z. B. als Chat oder als Video-Konferenzen). Mehr-Autoren-Systeme ermöglichen die gemeinsame Bearbeitung eines Objektes (z. B. Dokumente, Zeichnungen oder Softwarecode) durch Teammitglieder an unterschiedlichen Standorten. Groupware-Systeme verfügen häufig über Schnittstellen zu Dokumenten- und Projektmanagement-Systemen und bieten Datenbank- sowie Terminverwaltungsfunktionen und einfache Hilfsmittel zur Entscheidungsunterstützung im Team. Sie ermöglichen außerdem den automatischen Abgleich verteilter Datenbestände, so dass alle Teammitglieder egal an welchem Standort sie sich befinden mit geringer Zeitverzögerung

7 D. Stelzer: Betriebliches Wissensmanagement S. 7 immer auf den aktuellen und für alle Nutzer gleichen Daten- und Funktionsbestand zugreifen können [11]. Eine große Herausforderung besteht darin, die verschiedenen Systeme miteinander und mit allen anderen betrieblichen Anwendungssystemen so zu integrieren, dass die Mitarbeiter einen flexiblen und unbegrenzten Zugriff auf alle relevanten Informationen haben. Im Idealfall könnten sie mit Hilfe eines einheitlichen Wissensmanagement-Portals in Enterprise-Resource-Planning-Systemen, in s, Datenbanken, betrieblichen Individualsoftwaresystemen, Dokumenten-Management- Systemen, Data-Warehouses und Office-Anwendungen suchen und sich deren Funktionen bedienen, ohne umständlich in unterschiedlichen Systemen arbeiten zu müssen. Dazu sind sowohl leistungsfähige Integrationstechnologien als auch Such- und Rechteverwaltungsmechanismen nötig. 6.3 Die Perspektive der Informatik Wissensmanagement beschäftigt sich aus der Perspektive der Informatik hauptsächlich mit der Aufgabe, Wissen formal abzubilden und Mechanismen zu entwickeln, mit denen dieses Wissen maschinell verarbeitet werden kann. Im Rahmen der so genannten Künstlichen Intelligenz (KI) werden seit langem Formalismen für die Wissensrepräsentation sowie Inferenzmechanismen entwickelt. Betätigungsfelder der KI sind z. B. regelbasierte Systeme, maschinelles Lernen, fallbasiertes Schließen (case-based reasoning). Diese Hilfsmittel wurden in verschiedenen Anwendungen der KI, z. B. in der Mustererkennung, der Robotik, dem maschinellen Lernen und in wissensbasierten Systemen eingesetzt. Das ursprüngliche Ziel dieser Systeme bestand darin, Maschinen zu entwickeln, welche menschenähnliche Problemlösungsfähigkeiten haben sollten. Expertensysteme erhoben sogar den Anspruch, das Wissen und die Problemlösungsstrategien von anerkannten Experten abbilden zu können. Zwischenzeitlich sind diese Ansprüche deutlich reduziert worden. Das Ziel, intelligentes Denken und Handeln zu simulieren, ist aber nach wie vor aktuell [12]. Ein weiteres Betätigungsfeld der KI ist vor allem in den letzten Jahren die Agententechnologie. Auf dieses Anwendungsgebiet wird exemplarisch im folgenden Abschnitt etwas näher eingegangen. Software-Agenten sind Softwaresysteme, welche für einen Auftraggeber Dienstleistungen übernehmen, ohne dass der Auftraggeber die Ausführung dieser Aufgaben unmittelbar steuern muss. Obwohl der Begriff Software-Agent nicht einheitlich definiert wird, lassen sich bestimmte charakteristische Eigenschaften von Software-Agenten identifizieren. Diese Systeme richten ihr Handeln planvoll auf die Erreichung bestimmter Ziele aus. Sie verfügen über die Fähigkeit, Pläne zur Erreichung dieser Ziele zu entwickeln und können alternative Pläne aufstellen, falls sich z. B.

8 D. Stelzer: Betriebliches Wissensmanagement S. 8 Rahmenbedingungen in ihrer Umwelt verändern. Agenten nehmen Veränderungen in ihrer Umwelt wahr und reagieren darauf. Sie sind mit einer gewissen Eigenständigkeit ausgestattet. Das bedeutet, dass sie bei der Ausführung von an sie delegierte Aufgaben bestimmte Handlungs- und Entscheidungsspielräume haben. Agenten sind in der Lage, untereinander und mit ihrer Umwelt zu kommunizieren. Agenten sollen auch in der Lage sein, sich in einem Kommunikationsnetz selbstständig zu bewegen [13, 14]. Beispiele für Anwendungen sind Agenten, die im WWW nach Ressourcen suchen (z. B. nach Webseiten, welche bestimmte Schlagworte beinhalten) und ihre Auftraggeber über die Ergebnisse informieren oder Agenten, die an elektronischen Auktionen teilnehmen und ihre Gebote sowohl an den Zielen ihrer Auftraggeber als auch an den Bietstrategien anderer Auktionsteilnehmer ausrichten. Im Rahmen von Multi-Agentensystemen, einem Anwendungsgebiet der verteilten künstlichen Intelligenz [15], werden Agenten-Systeme entwickelt, mit denen komplexe andere Systeme simuliert werden können (z. B. Märkte oder Produktionsplanungs- und -steuerungssysteme). Agentensysteme insbesondere Multi- Agentensysteme gelten als das Gebiet der KI, welches zurzeit die höchste Aufmerksamkeit genießt [12]. Agenten spielen auch in einem zweiten Gebiet der Informatik eine Rolle, welches eine große Bedeutung für das Wissensmanagement hat, den so genannten semantischen Technologien Semantische Technologien sind Hilfsmittel, mit denen das Semantic Web realisiert werden soll. Das Semantic Web ist eine Vision von Tim Berners-Lee, dem Erfinder des World Wide Web [16]. Während das WWW in erster Linie ein Infomations- und Kommunikationsmedien für Menschen ist, sollen die Inhalte des Semantic Web auch für Maschinen, bzw. genauer gesagt, für Software-Agenten verständlich sein. [17]. Zum Beispiel sollen Software-Agenten in der Lage sein, für ihre Auftraggeber selbstständig geeignete Ärzte auszusuchen, Termine zu vereinbaren, Verkehrsmittel zu buchen, oder anders formuliert: Komplexe Informationsverarbeitungsaufgaben selbstständig zu übernehmen. Das setzt voraus, dass alle zur Lösung einer solchen Aufgabe notwendigen Informationen formal im Internet repräsentiert sind und von den Agenten verarbeitet werden können. Um diese Vision wahr werden zu lassen, haben die Verfechter des Semantic Web eine mehrstufige Architektur entwickelt, mit deren Hilfe das Semantic Web realisiert werden soll [18]. Die erste Stufe beschreibt den Zeichensatz und Hilfsmittel zur Identifikation von Ressourcen im WWW (Uniform Resource Identifier). Auf der zweiten Stufe werden XML, namespaces und XML Schema genannt. XML ist eine Art Meta-Grammatik, mit der sich Auszeichnungssprachen, z. B. für Dokumente oder beliebige andere Ressourcen im Internet beschreiben lassen. XML namespaces erlauben es, Elemente oder Attribute mit gleicher Bezeichnung, aber unterschiedlichen Bedeutungen zu unterscheiden. XML Schemata ermöglichen die Definition gültiger Elemente und der zugehörigen Elementstrukturen, Datentypen und Wertebereiche für einen bestimmten

9 D. Stelzer: Betriebliches Wissensmanagement S. 9 Ressourcentyp. Jedes Schema beschreibt eine Grammatik für eine bestimmte Klasse von Ressourcen, z. B. für den Dokumententyp Bestellung. Mit Hilfe des XML Schemas Bestellung kann z. B. festgelegt werden, dass der Wert des Attributs Bestellmenge eine positive Zahl sein muss oder dass eine englische Postleitzahl eine nach bestimmten Regeln aufgebaute Zeichenfolge ist. Auf der dritten Stufe der Architektur des Semantic Web befinden sich der Resource Description Framework (RDF) und entsprechende Schemata. Mit Hilfe von RDF können Aussagen über beliebige Ressourcen im Internet beschrieben werden. In RDF Schemata wird das dafür notwendige Vokabular festgelegt. Auf der vierten Stufe des Semantic Web befinden sich Ontologien. Eine Ontologie beschreibt ein mit einem bestimmten Vokabular formuliertes Aussagensystem über ein bestimmtes Anwendungsgebiet. Mit Hilfe von Ontologien sollen Missverständnisse insbesondere bei maschineller Kommunikation vermieden werden. Die Stufen fünf bis sieben des Semantic Web werden als Logic, Proof, und Trust bezeichnet. Logic bezeichnet Regeln zur Verarbeitung des in den Ontologien hinterlegten Wissens. Diese Regeln sollen es Software-Agenten erlauben, Schlussfolgerungen zu ziehen, ohne dass diese Regeln in den Agenten selbst implementiert sein müssen. Die Stufe Proof soll es Software-Agenten erlauben, den Wahrheitsgehalt einzelner Aussagen zu überprüfen. Die letzte Stufe des Semantic Web wird als Trust bezeichnet. Hier soll es Software-Agenten ermöglicht werden, die Vertrauenswürdigkeit des Urhebers bzw. des Autors einer Ressource im Internet zu überprüfen. Während es für die Stufen eins bis fünf bereits vielfältige Realisierungsansätze gibt, haben die Stufen Proof und Trust bisher eher noch visionären Charakter. Die meisten zur Realisierung des Semantic Web notwendigen Hilfsmittel gibt es bereits. Allerdings krankt das Semantic Web noch daran, dass bisher nur die wenigsten Hilfsmittel weite Verbreitung gefunden haben. 7 Zusammenfassung und Ausblick Wissensmanagement ist ein noch recht junges, aber sehr dynamisches und facettenreiches Forschungsgebiet. Wesentliche Beiträge zur Weiterentwicklung wurden von der Managementlehre bzw. Unternehmensführung, der Informatik und der Wirtschaftsinformatik geleistet. Besonders interessant wird das Thema dadurch, dass es einerseits in vielen Unternehmen und Behörden einen großen Bedarf an Lösungen für den sachgerechten Umgang mit Wissen gibt und dass andererseits in den letzten Jahren erhebliche Fortschritte bei der Unterstützung des Wissensmanagement mit Software-Systemen gemacht wurden. Aktuelle Forschungsprojekte lassen erwarten, dass sich das Wissensmanagement sowohl in der Forschung als auch in der Anwendung weiterhin sehr positiv entwickeln wird.

10 D. Stelzer: Betriebliches Wissensmanagement S Literaturangaben 1 Nonaka, Ikujiro; Takeuchi, Hirotaka: Die Organisation des Wissens: Wie japanische Unternehmen eine brachliegende Ressource nutzbar machen. Frankfurt - New York Stelzer, Dirk: Informations- versus Wissensmanagement - Versuch einer Abgrenzung. In: Kemper, Hans-Georg; Mülder, Wilhelm (Hrsg.): Informationsmanagement. Neue Herausforderungen in Zeiten des E-Business. Lohmar 2003, S Heinrich, Lutz J.: Informationsmanagement: Planung, Überwachung und Steuerung der Informationsinfrastruktur. 7. Aufl., München Probst, Gilbert; Raub, Steffen; Romhardt, Kai: Wissen Managen. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. 5. Aufl., Wiesbaden von der Oelsnitz, Dietrich; Hahmann, Martin: Wissensmanagement. Strategie und Lernen in wissensbasierten Unternehmen. Stuttgart Güldenberg, Stefan: Wissensmanagement und Wissenscontrolling in lernenden Organisationen - Ein systemtheoretischer Ansatz. 4. Aufl., Braunschweig - Wiesbaden Senge, Peter M.: The Fifth Discipline: The Art and Practice of the Learning Organization. New York u.a Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten: Business Intelligence - Grundlagen und praktische Anwendungen. Eine Einführung in die IT-basierte Managementunterstützung. Wiesbaden Chamoni, Peter; Gluchowski, Peter: Analytische Informationssysteme. Data Warehouse, On- Line Analytical Processing, Data Mining. 2. Aufl., Berlin - Heidelberg - New York Dandl, Jörg: Dokumenten-Management-Systeme. Eine Einführung. In: Lehrstuhl für Allg. BWL und Wirtschaftsinformatik der Universität Mainz (Hrsg.): Arbeitspapiere WI. Mainz Schwabe, Gerhard; Streitz, Norbert A.; Unland, Rainer (Hrsg.): CSCW-Kompendium. Lehrund Handbuch zum computerunterstützten kooperativen Arbeiten. Berlin u.a Beierle, Christoph; Kern-Isberner, Gabriele: Methoden wissensbasierter Systeme. Grundlagen, Algorithmen, Anwendungen. 3. Aufl., Wiesbaden Kirn, Stefan: Kooperierende intelligente Softwareagenten. In: Wirtschaftsinformatik. Nr. 1, 2002, S

11 D. Stelzer: Betriebliches Wissensmanagement S Wooldridge, Michael J.: An Introduction to Multiagent Systems. West Sussex, England Weiss, Gerhard (Hrsg.): Multiagent Systems. A Modern Approach to Distributed Artifical Intelligence. Cambridge, Mass. et al Berners-Lee, Tim; Fischetti, Mark: Weaving the Web. The Past, Present and Future of the World Wide Web by its Inventor. London Berners-Lee, Tim; Hendler, James; Lassila, Ora: The Semantic Web. In: Scientific American. Nr. 5, 2001, S Berners-Lee, Tim: Semantic Web - XML /12/06, Abruf am Kurzbiografie Univ.-Prof. Dr. rer. pol. Dirk Stelzer, geb. 1962, studierte Betriebswirtschaftslehre und promovierte mit einer Dissertationsschrift zum Themenbereich Sicherheit der Informationsverarbeitung. Er habilitierte sich an der Wirtschafts- und Sozialwissenschaftlichen Fakultät der Universität zu Köln (Thema der Habilitationsschrift: Prozeßorientiertes Softwarequalitätsmanagement) und ist seit 2000 Professor für Wirtschaftsinformatik. Prof. Stelzer leitet das Fachgebiet Informations- und Wissensmanagement der Technischen Universität Ilmenau. Weitere Informationen finden sich unter

Wissensmanagement in kleinen und mittleren Unternehmen (KMU) Mensch Organisation Technik

Wissensmanagement in kleinen und mittleren Unternehmen (KMU) Mensch Organisation Technik Jahrestagung Hamburg 2008 Wissensmanagement in kleinen und mittleren Unternehmen (KMU) Mensch Organisation Technik Jan Soose Überblick / Agenda Einführung Wissensmanagement und KMU Was ist Wissen? Wissensmanagement

Mehr

INTERVENTIONSFELDER DES WISSENSMANAGEMENTS

INTERVENTIONSFELDER DES WISSENSMANAGEMENTS INTERVENTIONSFELDER DES WISSENSMANAGEMENTS Wissensziele Feedback bewertung identifikation bewahrung erwerb nutzung entwicklung (ver)teilung Quelle: Probst, Gilbert / Raub, Steffen / Romhardt, Kai: Wissen

Mehr

Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme Vorlesung WS 2013/2014 Christian Schieder Professur Wirtschaftsinformatik II cschie@tu-chemnitz.eu Literatur zur Vorlesung Gluchowski, P.; Gabriel, R.; Dittmar, C.: Management Support Systeme und Business

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendungssysteme (BIAS) Lösung Aufgabe 1 Übung WS 2012/13 Business Intelligence Erläutern Sie den Begriff Business Intelligence. Gehen Sie bei der Definition von Business Intelligence

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

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse

Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Data Warehouse Definition (1) http://de.wikipedia.org/wiki/data-warehouse Ein Data-Warehouse bzw. Datenlager ist eine zentrale Datensammlung (meist eine Datenbank), deren Inhalt sich aus Daten unterschiedlicher

Mehr

Spezialisierungskatalog

Spezialisierungskatalog Spezialisierungskatalog Inhaltsverzeichnis: 1. Friedrich Schiller Universität 2. TU Ilmenau 3. FH Erfurt 4. FH Jena 5. FH Nordhausen 6. FH Schmalkalden 7. BA Gera 8. BA Eisenach 1. Friedrich-Schiller-Universität

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

Wissen managen. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. Bearbeitet von Gilbert Probst, Steffen Raub, Kai Romhardt

Wissen managen. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. Bearbeitet von Gilbert Probst, Steffen Raub, Kai Romhardt Wissen managen Wie Unternehmen ihre wertvollste Ressource optimal nutzen Bearbeitet von Gilbert Probst, Steffen Raub, Kai Romhardt 7. Aufl. 2012. Korr. Nachdruck 2013 2013. Buch. xiii, 318 S. Hardcover

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

Management Support Systeme

Management Support Systeme Folie 1 Management Support Systeme Literatur zur Vorlesung MSS Gluchowski, Peter; Gabriel, Roland; Chamoni, Peter (1997): Management Support Systeme. Computergestützte Informationssysteme für Führungskräfte

Mehr

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management

Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Non-Profit-Organisationen: Vom Controlling zum Strategischen Management Einordnung der Begriffe Business Intelligence Strategic Association Management Controlling and Data Warehousing Data Mining, Knowledge

Mehr

Umsetzung der Anforderungen - analytisch

Umsetzung der Anforderungen - analytisch Umsetzung der Anforderungen - analytisch Titel des Lernmoduls: Umsetzung der Anforderungen - analytisch Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.2.5.5 Zum Inhalt: In diesem Modul wird

Mehr

Fakultät. Modulkoordinator Frank Termer. Modul-Name Wirtschaftsinformatik Modul-Nr : 51012

Fakultät. Modulkoordinator Frank Termer. Modul-Name Wirtschaftsinformatik Modul-Nr : 51012 Fakultät Wirtschaftswissenschaften Studiengang Betriebswirtschaft f. kleine u. mitt. Unternehmen Modulbeschreibung Modulkoordinator Frank Termer Modul-Name Wirtschaftsinformatik Modul-Nr : 51012 CP SWS

Mehr

Kundendaten als wichtige Quelle für das Wissensmanagement

Kundendaten als wichtige Quelle für das Wissensmanagement Kundendaten als wichtige Quelle für das Wissensmanagement Dr. Andreas Brandner, Geschäftsführer KMA Knowledge Management Associates GmbH Wien, 22. November 2013 Was ist Wissen? Die Säule des Wissens, Helmut

Mehr

1 Einleitung. Betriebswirtschaftlich administrative Systeme

1 Einleitung. Betriebswirtschaftlich administrative Systeme 1 1 Einleitung Data Warehousing hat sich in den letzten Jahren zu einem der zentralen Themen der Informationstechnologie entwickelt. Es wird als strategisches Werkzeug zur Bereitstellung von Informationen

Mehr

Lernen ist wichtiger als Wissen

Lernen ist wichtiger als Wissen Lernen ist wichtiger als Wissen SEACON 2012 Jörg Dirbach und Manuel Hachem Folie 1 4. Juni 2012 Jörg Dirbach, Manuel Hachem Softwarelösungen, Produktinnovation und Managementberatung Wir beraten, entwickeln

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

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

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

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

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

Inhaltsverzeichnis. Abbildungsverzeichnis... XIII. Abkürzungsverzeichnis... XVII

Inhaltsverzeichnis. Abbildungsverzeichnis... XIII. Abkürzungsverzeichnis... XVII Inhaltsverzeichnis Abbildungsverzeichnis... XIII Abkürzungsverzeichnis... XVII 1. Einleitung... 1 1.1 Problemstellung... 1 1.2 Zielsetzung und Aufbau der Arbeit... 3 2. Wissen und Wissensmanagement...

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

Steuerung und Unterstützung von Wissensprozessen in Verwaltungsorganisationen 02.06.2006, e-government Konferenz 2006

Steuerung und Unterstützung von Wissensprozessen in Verwaltungsorganisationen 02.06.2006, e-government Konferenz 2006 Steuerung und Unterstützung von Wissensprozessen in Verwaltungsorganisationen 02.06.2006, e-government Konferenz 2006 Klaus Tochtermann [Know-Center Graz und TU Graz] Doris Reisinger [m2n consulting and

Mehr

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII

Vorwort zur zweiten Auflage...V. Vorwort zur ersten Auflage... VIII Vorwort zur zweiten Auflage...V Vorwort zur ersten Auflage... VIII 1 Management Support Systeme und Business Intelligence Anwendungssysteme zur Unterstützung von Managementaufgaben...1 1.1 Computergestützte

Mehr

inxire Enterprise Content Management White Paper

inxire Enterprise Content Management White Paper inxire Enterprise Content Management White Paper inxire Enterprise Content Management Einleitung Die Informationstechnologie spielt eine zentrale Rolle für den Informationsaustausch und die Zusammenarbeit

Mehr

Einführungsveranstaltung: Data Warehouse

Einführungsveranstaltung: Data Warehouse Einführungsveranstaltung: 1 Anwendungsbeispiele Berichtswesen Analyse Planung Forecasting/Prognose Darstellung/Analyse von Zeitreihen Performancevergleiche (z.b. zwischen Organisationseinheiten) Monitoring

Mehr

Content Management Systeme

Content Management Systeme Content Management Systeme Im Rahmen der Lehrveranstaltung PTI991 - Wissensmanagementsysteme Sebastian Thiele Überblick 1. Begriffsdefinition 2. Aufbau von CM-Systemen 3. Die Komponenten im Überblick 4.

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne

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

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

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik)

W.WIINM32.11 (Datawarehousing) W.WIMAT03.13 (Statistik) Modulbeschrieb Business Intelligence and Analytics 16.10.2013 Seite 1/5 Modulcode Leitidee Art der Ausbildung Studiengang Modultyp W.WIINM42.13 Information ist eine derart wichtige Komponente bei der Entscheidungsfindung,

Mehr

2 Was ist Wissensmanagement?

2 Was ist Wissensmanagement? 2 Was ist Wissensmanagement? Ziel dieses Buches ist es, Wissensmanagement-Werkzeuge für den Praktiker kurz und prägnant zu beschreiben. Eine umfassende Einführung ins Thema Wissensmanagement (WM) würde

Mehr

Multi-Agent Systems. Agentensysteme. Industry 4.0 Machine Learning. Energy and Smart Grids

Multi-Agent Systems. Agentensysteme. Industry 4.0 Machine Learning. Energy and Smart Grids Multi-Agent Systems VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA) Fachausschuss 5.15 Agentensysteme Industry 4.0 Machine Learning Material Handling Energy Management Production Control Operations

Mehr

Business Intelligenceein Überblick

Business Intelligenceein Überblick Exkurs Business Intelligenceein Überblick Folie 1 Januar 06 Literatur Kemper, Hans-Georg; Mehanna, Walid; Unger, Carsten (2004): Business Intelligence: Grundlagen und praktische Anwendungen Eine Einführung

Mehr

Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen

Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen NOW YOU KNOW [ SERIES] Ontologie Sinn, Zweck und Mehrwert für Ihr Unternehmen [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 002 Ontologie und deren Bedeutung für die Unternehmen von heute Der Begriff der Ontologie

Mehr

Semantische Infomationsintegration à la carte?

Semantische Infomationsintegration à la carte? Semantische Infomationsintegration à la carte? Ziele und Herausforderungen der Anwendung des CIDOC CRM. Historisch-Kulturwiss. Informationsverarbeitung, Universität Köln 1. Oktober 2010 1 Ein User Scenario

Mehr

Wirtschaftsinformatik IV - Informationswirtschaft. Transaktionsphasenmodell Wissensmanagement

Wirtschaftsinformatik IV - Informationswirtschaft. Transaktionsphasenmodell Wissensmanagement Wirtschaftsinformatik IV - Informationswirtschaft Transaktionsphasenmodell Wissensmanagement 15. Juli 2011 Transaktionsphasenmodell Anbahnungs-/Informationsphase Anbieter und Nachfrager tauschen Informationen

Mehr

Wissensmanagement und Technische Dokumentation

Wissensmanagement und Technische Dokumentation Wissensmanagement und Technische Dokumentation requisimus AG Flandernstrasse 96 D-73732 Esslingen Christian Paul, requisimus AG, 05.06.2007 Inhalt Technische Dokumentation und Wissensmanagement... 3 Wissensmanagement...3

Mehr

ERP / IT Strategieleitfaden Vorgehensmodell zur Entwicklung einer ERP / IT-Strategie

ERP / IT Strategieleitfaden Vorgehensmodell zur Entwicklung einer ERP / IT-Strategie ERP / IT Strategieleitfaden Vorgehensmodell zur Entwicklung einer ERP / IT-Strategie Johannes Schwab, MBA Warum strategische IT-Planung? - Zitat Das Internet ist die Technologie, die am nachhaltigsten

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

Bachelor-Studiengang. Betriebswirtschaftslehre

Bachelor-Studiengang. Betriebswirtschaftslehre Dr. Max Mustermann Bachelor-Studiengang Referat Kommunikation & Marketing Verwaltung Betriebswirtschaftslehre Thomas Steger Lehrstuhl für BWL, insb. Führung und Organisation FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFTEN

Mehr

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note:

Matrikelnr: Name: Vorname: Aufgabe 1 2 3 4 Summe Maximal erreichbare 20 30 30 20 100 Punktzahl Erreichte Punktzahl. Note: Fakultät für Wirtschaftswissenschaft Matrikelnr: Name: Vorname: : Modul 32711 Business Intelligence Termin: 28.03.2014, 9:00 11:00 Uhr Prüfer: Univ.-Prof. Dr. U. Baumöl Aufbau und Bewertung der Aufgabe

Mehr

Content Management Systeme auf dem Weg zum Semantic Web

Content Management Systeme auf dem Weg zum Semantic Web Content Management Systeme auf dem Weg zum Semantic Web Semantic Web baut auf der Anreicherung bestehender Datenbestände mit strukturierten Metadaten auf. Um die vieldiskutierten Vorteile von Semantic

Mehr

Wissensvisualisierung auf der Basis von XML Topic Maps. Ronald Melster (ronald.melster@first.fraunhofer.de)

Wissensvisualisierung auf der Basis von XML Topic Maps. Ronald Melster (ronald.melster@first.fraunhofer.de) Wissensvisualisierung auf der Basis von XML Topic Maps Ronald Melster (ronald.melster@first.fraunhofer.de) Structure meets Chaos! Wissensmanagement für die Softwarebranche Elicitation und Knowledge Retrieval

Mehr

Dr. Christian Stein Ontologie-Design Die nächste Generation des Web für sich nutzen lernen

Dr. Christian Stein Ontologie-Design Die nächste Generation des Web für sich nutzen lernen Technische Universität Braunschweig Humboldt-Universität zu Berlin Projekt iglos Dr. Christian Stein Ontologie-Design Die nächste Generation des Web für sich nutzen lernen Dr. Christian Stein (christian.stein@hu-berlin.de)

Mehr

Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005

Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005 Wissensmanagement für E-Learning-Anwender ZWH-Bildungskonferenz 2005 Birgit Küfner, 21. Oktober 2005 1 The Power of Learning Wissensmanagement für E-Learning-Anwender Überblick 1. Porträt time4you GmbH

Mehr

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006)

Datenmanagement. Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau. Strategisches Informationsmanagement 1 (01/2006) Simone Unfried, Passau Vitaly Aleev, Passau Claus Schönleber, Passau (01/2006) Strategisches Informationsmanagement 1 Definition Notwendige Vermaischung der Daten in der Vorstufe zur Destillation von hochprozentiger

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

Kurz-CV. Akademischer Rat / Oberrat am. Lehrstuhl für ABWL und Wirtschaftsinformatik I

Kurz-CV. Akademischer Rat / Oberrat am. Lehrstuhl für ABWL und Wirtschaftsinformatik I Baars, Henning Dr. Lehrstuhl für ABWL und Wirtschaftsinformatik I Keplerstr. 17 70174 Stuttgart 10.1991 04.1997 Studium des Fachs Wirtschaftsinformatik an der Universität zu Köln 04.1997 Diplom im Fach

Mehr

Business Intelligence

Business Intelligence Business Intelligence Anwendung 1 MInf1 HAW Hamburg Betreuender Professor: Prof. Dr. Zukunft by Jason Hung Vuong [12] Gliederung 1. Hamburg Energie Kooperation 2. Motivation 3. Business Intelligence 4.

Mehr

Definition Informationssystem

Definition Informationssystem Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation

Mehr

Wi rtschaf tsinf or mati k

Wi rtschaf tsinf or mati k Bettina Schwarzer/Helmut Krcmar Wi rtschaf tsinf or mati k Grundlagen betrieblicher Informationssysteme 5., überarbeitete Auflage 2014 Schäffer-Poeschel Verlag Stuttgart Inhaltsverzeichnis Vorwort zur

Mehr

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann

Orientierungsveranstaltung für Studierende der Bachelorstudiengänge. Schwerpunkt Wirtschaftsinformatik. Prof. Stefan Lessmann Orientierungsveranstaltung für Studierende der Bachelorstudiengänge BWL und VWL Schwerpunkt Wirtschaftsinformatik Prof. Stefan Lessmann Agenda Schwerpunkt Wirtschaftsinformatik Gegenstand der Wirtschaftsinformatik

Mehr

Collaboration. Prof. Dr. Wolfgang Riggert FH Flensburg

Collaboration. Prof. Dr. Wolfgang Riggert FH Flensburg Collaboration Prof. Dr. Wolfgang Riggert FH Flensburg CSCW - Definition CSCW (dt.: computerunterstützte Gruppenarbeit) "... bezeichnet Arbeitsszenarien, die mit Hilfe von Informationssystemen Gruppenarbeit

Mehr

Wirtschaftsinformatik Masterstudium Stand 2012

Wirtschaftsinformatik Masterstudium Stand 2012 Wirtschaftsinformatik Masterstudium Stand 2012 o. Univ.-Prof. Dr. Dimitris Karagiannis Dr. Hans-Georg Fill Univ.-Prof. Dr. Wilfried Grossmann Juni 2011 Fakultät für Informatik Universität Wien www.informatik.univie.ac.at

Mehr

Business Intelligence Data Warehouse. Jan Weinschenker

Business Intelligence Data Warehouse. Jan Weinschenker Business Intelligence Data Warehouse Jan Weinschenker 28.06.2005 Inhaltsverzeichnis Einleitung eines Data Warehouse Data Warehouse im Zusammenfassung Fragen 3 Einleitung Definition: Data Warehouse A data

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Forschungsfragen. Innovationscontrolling. Agenda. 1. Projektvorstellung. Schwächenidentifikation 2. Phasenmodell des Wissensmanagements

Forschungsfragen. Innovationscontrolling. Agenda. 1. Projektvorstellung. Schwächenidentifikation 2. Phasenmodell des Wissensmanagements 13072011 Überarbeitung und Aktualisierung des Bereiches Wissensmanagement im Innovationsaudit der WTSH 1 Projektvorstellung 2 Phasenmodell des Wissensmanagements 3 Ergebnisse der forschung Abschlusspräsentation

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

Vorlesung Mittwoch Literatur: MSS, Prof. Gluchowski

Vorlesung Mittwoch Literatur: MSS, Prof. Gluchowski Business Intelligence Anwendungssysteme (BIAS) Zusammenfassung Übung WS 2012/13 Lernziele Business Intelligence Aufgabe 1 Metadatenmanagement Aufgabe 1 Planungssysteme Aufgabe 2 Begriffe und Definitionsvielfalt

Mehr

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES]

Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management NOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] NOW YOU KNOW [ SERIES] Business Intelligence Mehr Wissen und Transparenz für smartes Unternehmens- Management [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Potential ontologiebasierter Wissens- Lösungen

Mehr

Modul Service & IT Management 1

Modul Service & IT Management 1 WIRTSCHAFTSINGENIEURWESEN Modul Service & IT Management 1 SEM 1 7 ECTS Veranstaltungen: Seminar IT Management 1, Seminar, Seminar Corporate Knowledge Management Modulverantwortlicher: Prof. Dipl.-Volkswirt

Mehr

1 Zusammenfassung/Summary

1 Zusammenfassung/Summary 1 Zusammenfassung/Summary Zusammenfassung: Wissensdatenbanken gewinnen zunehmend an Bedeutung, wenn es darum geht, die Informationen, die ungeordnet in einem Unternehmen vorliegen, zu strukturieren und

Mehr

Vorwort. Zu dieser Reihe. Autoren. Vorwort

Vorwort. Zu dieser Reihe. Autoren. Vorwort Vorwort 9 10 Vorwort Vorwort Herzlich Willkommen zu einem Fachbuch von Comelio Medien, ein Bereich der Comelio GmbH. Dieses Buch aus unserer Reihe zur.net-entwicklung ist das Ergebnis einer Forschungsarbeit,

Mehr

Fakultät für Wirtschaftswissenschaften Einführungsveranstaltung für Studienanfänger 8. Oktober 2015. Masterstudiengang Value Chain Management

Fakultät für Wirtschaftswissenschaften Einführungsveranstaltung für Studienanfänger 8. Oktober 2015. Masterstudiengang Value Chain Management 8. Oktober 2015 Masterstudiengang Value Chain Management Value Chain Management Management betrieblicher Wertschöpfungsketten Der Weg eines Produktes vom Lieferanten über den Hersteller hin zum Endkunden

Mehr

Dominik Pretzsch TU Chemnitz 2011

Dominik Pretzsch TU Chemnitz 2011 Dominik Pretzsch TU Chemnitz 2011 Wir leben im Informationszeitalter und merken es daran, dass wir uns vor Information nicht mehr retten können. Nicht der überwältigende Nutzen der Information, sondern

Mehr

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG...

Inhaltsübersicht INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... Inhaltsübersicht Inhaltsübersicht I INHALTSVERZEICHNIS...III ABBILDUNGSVERZEICHNIS... X TABELLENVERZEICHNIS... XII ABKÜRZUNGSVERZEICHNIS...XIII 1 EINLEITUNG... 1 1.1 Zielsetzung und Motivation... 1 1.2

Mehr

Repeatable Benchmarking Mahout

Repeatable Benchmarking Mahout Studienarbeitsexposé Repeatable Benchmarking Mahout Entwicklung eines Lasttest-Rahmenwerkes für Apache Mahout von: Oliver Fischer Institut für Informatik Humbold-Universität zu Berlin Matrikelnummer: 19

Mehr

Beim Enterprise Content Management (ECM) geht es um Technologien für unternehmensweite

Beim Enterprise Content Management (ECM) geht es um Technologien für unternehmensweite 1 ECM Beim Enterprise Content Management (ECM) geht es um Technologien für unternehmensweite Informationssysteme, Dokumentenmanagement und Inhaltearchivierung. Hauptgründe für den ECM-Einsatz sind eine

Mehr

Peter Meier. Die Umsetzung von Risikomanagement nach ISO 31000. - Leseprobe -

Peter Meier. Die Umsetzung von Risikomanagement nach ISO 31000. - Leseprobe - Peter Meier Die Umsetzung von Risikomanagement nach ISO 31000 Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen

Mehr

Workflow-Kontext zur Realisierung prozessorientierter Assistenz in Organisational Memories

Workflow-Kontext zur Realisierung prozessorientierter Assistenz in Organisational Memories Workflow-Kontext zur Realisierung prozessorientierter Assistenz in Organisational Memories Dipl.-Inform. Heiko Maus Deutsches Forschungszentrum für Künstliche Intelligenz GmbH Trippstadter Straße 122 67663

Mehr

Heterogene Informationssysteme

Heterogene Informationssysteme Arbeitsberichte des Instituts für Informatik Friedrich-Alexander-Universität Erlangen Nürnberg Band 35 Nummer 4 September 2002 Lutz Schlesinger, Wolfgang Hummer, Andreas Bauer (Hrsg.) Heterogene Informationssysteme

Mehr

your IT in line with your Business Geschäftsprozessmanagement (GPM)

your IT in line with your Business Geschäftsprozessmanagement (GPM) your IT in line with your Business Geschäftsprozessmanagement (GPM) Transparenz schaffen und Unternehmensziele effizient erreichen Transparente Prozesse für mehr Entscheidungssicherheit Konsequente Ausrichtung

Mehr

Innovationsorientierte Unternehmensführung - Grundlagen, Konzepte, Erfolgsfaktoren -

Innovationsorientierte Unternehmensführung - Grundlagen, Konzepte, Erfolgsfaktoren - Seminar zum Thema sorientierte Unternehmensführung - Grundlagen, Konzepte, Erfolgsfaktoren - Univ.-Prof. Dr. Ruth Stock-Homburg Wintersemester 2007/2008 1 Agenda Was bringt Ihnen das Seminar? Wie ist das

Mehr

Cloud Computing in Industrie 4.0 Anwendungen: Potentiale und Herausforderungen

Cloud Computing in Industrie 4.0 Anwendungen: Potentiale und Herausforderungen Cloud Computing in Industrie 4.0 Anwendungen: Potentiale und Herausforderungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftsingenieur der Fakultät

Mehr

Business Process Management Systems - BPMS Methodology. Knowledge Management. Die Kernfachkombination Wirtschaftsinformatik für (I)BW Magisterstudium

Business Process Management Systems - BPMS Methodology. Knowledge Management. Die Kernfachkombination Wirtschaftsinformatik für (I)BW Magisterstudium Business Process Management Systems - BPMS Methodology Knowledge Management Die Kernfachkombination Wirtschaftsinformatik für (I)BW Magisterstudium E-Commerce E-Business Business Process Improvement Fakultät

Mehr

Grundlagen des Wissensmanagement

Grundlagen des Wissensmanagement Grundlagen des Wissensmanagement Titel des Lernmoduls: Grundlagen des Wissensmanagement Themengebiet: New Economy Gliederungspunkt im Curriculum: 4.3.1.2.3 Zum Inhalt: Dieses Modul gibt einen Überblick

Mehr

Persönliches Wissensmanagement

Persönliches Wissensmanagement Persönliches Wissensmanagement Open Online-Course SOOC13 7. Juni 2013 1 von 13 Gewusst wer Gabriele Vollmar M.A. Beratung und Training zu den Themen: + Wissens- und Informationsmanagement + Wissensbilanzierung

Mehr

Enterprise Content Management

Enterprise Content Management Enterprise Content Management Dr.-Ing. Raymond Bimazubute Lehrstuhl für Künstliche Intelligenz Friedrich Alexander Universität Erlangen-Nürnberg Email: raymond.bimazubute@informatik.uni-erlangen.de Vorbemerkungen

Mehr

Konzeption eines maschinenorientierten Data- Warehouses zur Unterstützung von Managementenscheidungen

Konzeption eines maschinenorientierten Data- Warehouses zur Unterstützung von Managementenscheidungen Konzeption eines maschinenorientierten Data- Warehouses zur Unterstützung von Managementenscheidungen Philip Hollstein Lehrstuhl für ABWL und Wirtschaftsinformatik Universität Stuttgart Abstract In der

Mehr

Positivliste für Module

Positivliste für Module Prüfungsamt Positivliste für Module Erwerb eines Leistungsnachweises über ein nicht-mathematisches Mastermodul (10 ECTS) im Studiengang Master of Science in Mathematik Im Rahmen des Masterstudiengangs

Mehr

Dem Wissen auf der Spur

Dem Wissen auf der Spur k+k information services wir machen aus daten verwertbares wissen Dem Wissen auf der Spur DGQ-Regionalkreis Stuttgart Referent: Olaf Schmidt, Geschäftsführer k+k information services GmbH 22. September

Mehr

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company

Wolfgang Martin (Hrsg.) Data Warehousing. Data Mining - OLAP. An International Thomson Publishing Company Wolfgang Martin (Hrsg.) Data Warehousing Data Mining - OLAP Technische Universität Darmsiadt Fachbereich 1 Betriebswirtschaftliche Bibliothek Inventar-Nr.: Abstell-Nr.: s. An International Thomson Publishing

Mehr

Web-2.0-Forschung der KWARC-Gruppe

Web-2.0-Forschung der KWARC-Gruppe Web-2.0-Forschung der KWARC-Gruppe 3. Web Montag Bremen Christoph Lange, Matthias Bröcheler International University Bremen (Jacobs University Bremen ab Frühjahr 2007) 27. November 2006 Ch. Lange/M. Bröcheler

Mehr

Lernen durch Wissensmanagement Chancen und Barrieren

Lernen durch Wissensmanagement Chancen und Barrieren Lernen durch Wissensmanagement Chancen und Barrieren Hochschultage 2004 Darmstadt Workshop Wissensmanagement 11. März 2004 Zwei verschiedene Lernsituationen Gemanagtes Wissen lernen oder lernen, Wissen

Mehr

Wir schaffen Freiraum für Ihre Ideen.

Wir schaffen Freiraum für Ihre Ideen. Wir schaffen Freiraum für Ihre Ideen. Software für Macher. Die Welt dreht sich durch jene, die sich die Freiheit nehmen, neue Wege zu gehen. Unsere Vision Wir sind, was wir wissen. Dabei ist das Teilen

Mehr

Kontextbasiertes Information Retrieval

Kontextbasiertes Information Retrieval Kontextbasiertes Information Retrieval Modell, Konzeption und Realisierung kontextbasierter Information Retrieval Systeme Karlheinz Morgenroth Lehrstuhl für Medieninformatik Fakultät Wirtschaftsinformatik

Mehr

Begleitende Online-Lernkontrolle als Prüfungszulassungsvoraussetzung

Begleitende Online-Lernkontrolle als Prüfungszulassungsvoraussetzung Modulbezeichnung: Modulnummer: IWBI Business Intelligence Semester: -- Dauer: Minimaldauer 1 Semester Modultyp: Wahlpflicht Regulär angeboten im: WS, SS Workload: 300 h ECTS Punkte: 10 Zugangsvoraussetzungen:

Mehr

Intelligente Unternehmens- und Prozesssteuerung durch CPM

Intelligente Unternehmens- und Prozesssteuerung durch CPM Intelligente Unternehmens- und Prozesssteuerung durch CPM 5. IIR Forum BI, Mainz, Sept. 2006 Dr. Wolfgang Martin Analyst, ibond Partner, Ventana Research Advisor und Research Advisor am Institut für Business

Mehr

The integration of business intelligence and knowledge management

The integration of business intelligence and knowledge management The integration of business intelligence and knowledge management Seminar: Business Intelligence Ketevan Karbelashvili Master IE, 3. Semester Universität Konstanz Inhalt Knowledge Management Business intelligence

Mehr

Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de

Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de Nur jetzt! Jubiläumsabo März / April 2012 Jubiläumsausgabe #1-12 Deutschland Euro 12,00 ISSN: 1864-8398 www.dokmagazin.de Enterprise Search Strategien für Erfolg Dokumentenmanagement mit SharePoint: Neue

Mehr

Virtual Roundtable: Business Intelligence - Trends

Virtual Roundtable: Business Intelligence - Trends Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,

Mehr

Linked Open Cultural Heritage.

Linked Open Cultural Heritage. Linked Open Cultural Heritage. Herausforderungen, Risiken und Chancen der Datenvernetzung im Bereich des Kulturerbes. Georg Hohmann Germanisches Nationalmuseum Referat für Museums- und Kulturinformatik

Mehr

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery

Kapitel II. Datenbereitstellung 2004 AIFB / FZI 1. Vorlesung Knowledge Discovery Kapitel II Datenbereitstellung 2004 AIFB / FZI 1 II. Datenbereitstellung 2004 AIFB / FZI 2 II. Datenbereitstellung Collect Initial Data identify relevant attributes identify inconsistencies between sources

Mehr

Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos

Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos Semantic Wiki Eine Erweiterung des Wiki-Konzepts von Harald Cichos Seminar: Semantic Web Wintersemester 2005/2006 Universität Jena Seminarleiter: Prof. Dr. C. Beckstein, Dr. H. Sack, Dipl.-Inform. H. Peter

Mehr

Die On-line Präsenz des Tourismusverbands Innsbruck und seine Feriendörfer. Univ.-Prof. Dr. Dieter Fensel STI Innsbruck, University of Innsbruck

Die On-line Präsenz des Tourismusverbands Innsbruck und seine Feriendörfer. Univ.-Prof. Dr. Dieter Fensel STI Innsbruck, University of Innsbruck Die On-line Präsenz des Tourismusverbands Innsbruck und seine Feriendörfer Univ.-Prof. Dr. Dieter Fensel STI Innsbruck, University of Innsbruck Copyright 2008 STI INNSBRUCK www.sti-innsbruck.at 1 Der Hotelier

Mehr

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06

Business Intelligence. Data Warehouse / Analyse Sven Elvers 2005-07-06 Business Intelligence Data Warehouse / Analyse Sven Elvers 2005-07-06 Einleitung Dieses Dokument beschreibt einen für das Verständnis relevanten Teil der Präsentation. Business Intelligence Motivation

Mehr