Semantische Technologien in der betrieblichen Anwendung

Transkript

1 Semantische Technologien in der betrieblichen Anwendung» Ergebnisse einer Anwenderstudie «September

2

3 Gefördert durch: Bundesministerium für Wirtschaft und Technologie (BMWi) im Rahmen des Programmes Fit für den Wissenswettbewerb und das Fraunhofer-Institut für Rechnerarchitektur und Softwaretechnik (FIRST) Mit Unterstützung von: Anwender 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 Aptive Software Group GmbH BITKOM e.v. Brainbot Technologies AG Chemie.DE Information Service GmbH Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH Ec-net eidon products & services GmbH Empolis GmbH Fraunhofer-Wissensmanagement Community Mediadialog GmbH Moresophy GmbH intelligent views gmbh NetSkill AG Ontoprise GmbH Semantic Web School Software Initiative BerlinBrandenburg e.v. <xmlcity:berlin> e.v. Zeitschrift Wissensmanagement

4 Autor: Michael John Fraunhofer-Institut für Rechnerarchitektur und Softwaretechnik (FIRST) Kekuléstr. 7, Berlin Telefon: (030) Fax: (030) Für Rückfragen stehen wir gerne unter obiger Adresse/Telefonnummer zur Verfügung. Review durch: Björn Decker, Fraunhofer-Institut für Experimentelles Software Engineering Tassilo Pellegrini, Semantic Web School - Zentrum für Wissenstransfer

5 Inhalt Abstract 3 1 Ziel der Studie und Gliederung 3 2 Stand der Forschung und Entwicklung Das Semantic Web Ein Überblick Informationsprozesse von semantischen Anwendungen Modellbildung für den Einsatz semantischer Technologien Einsatzbereiche semantischer Technologien Nutzen und Grenzen semantischer Technologien 27 3 Die Studie Semantische Technologien in der betrieblichen Anwendung Die Online-Umfrage Nutzen und Effekte von IT-gestützten Wissensmanagement-Systemen Die Online-Umfrage Wissen und Information Die Online-Umfrage SWS Aware Die Interviewserie Semantische Technologien in der betrieblichen Anwendung Beschreibung der Unternehmens- und Teilnehmprofile Einsatzbereiche der semantischen Technologien im Unternehmen Nutzer und Anwender von semantischen Technologien Datenquellen der semantischen Anwendungen Prozesse der semantischen Informationsverarbeitung Funktionsumfang der semantischen Anwendungen Wie wird die semantische Anwendung im Unternehmen genutzt und was sind die beobachteten Effekte? Aufwand und Nutzen im Unternehmen Zielerfüllung und Lessons learned 98 4 Resümee und Ausblick Kritische Reflexion des gewählten Vorgehens 107

6 Inhalt 5 Anhang A Verwendeter Fragebogen und Interviewleitfaden Fragebogen zur Online-Umfrage Aufwand, Nutzen und Effekt IT-gestützter Wissensmanagement-Anwendungen Interviewleitfaden Semantische Technologien in der betrieblichen Anwendung Anhang B Quellen Anhang C - Ressourcen Literatur Werkzeuge und Technologien Webseiten Projekte Konferenzen 129

7 Abstract Die vorliegende Studie untersucht den Einsatz und den Wirkungsgrad von semantischen Technologien in den betrieblichen Informationssystemen. Einleitend wird kurz in die Semantic Web Thematik und die Hauptanwendungsgebiete semantischer Technologien sowie die damit verbundenen Informationsprozesse eingeführt, um dann anschließend anhand von empirischen Daten den Aufwand, den Nutzen und die Effekte von semantischen Anwendungen beschreibbar zu machen. Dabei versucht die Studie auch die Lessons learned der Unternehmen zu vermitteln, die bereits semantische Technologien einsetzen. 1 Ziel der Studie und Gliederung Semantik ist in. Dies beweist eine Vielzahl von Veranstaltungen und Konferenzen zu dem Thema Semantic Web oder semantischen Technologien [Semantics06] [SWD05] [ISCW05][ICDE06]. Unter dem Begriff Web 2.0 vermarkten eine Reihe von Unternehmen ihre Visionen und Produkte [O Reilly05]. Immer mehr potentielle Anwender aus eher technologiefernen Anwendungsdomänen sehen die Vorzüge innovativer Webanwendungen, die mit Hilfe semantischer Technologien umgesetzt werden. Sowohl das Semantic Web als auch das Web 2.0 versuchen, Daten eine maschinenverständliche Bedeutung zuzuordnen. Das Web 2.0 verfolgt die Absicht mit personenorientierten Anwendungen wie z.b. Wikis, Weblogs, Peer-to-Peer Suchmaschinen die den Daten inhärente Bedeutung implizit durch den jeweiligen Nutzungskontext zu erschließen. Das Semantic Web hingegen hat sich zum Ziel die Bedeutung der Daten explizit zu modellieren. Beiden Ansätzen ist gemeinsam, die im Internet verfügbaren Ressourcen mit Hilfe von standardisierten Beschreibungssprachen, wie z.b. XML oder RDF, inhaltlich zu erschließen und in umfassenden Ordnungssystemen (oder auch Ontologien) abzubilden, um sie letztlich dem Nutzer als eine Information über die Bedeutung und den Kontext dieser Ressourcen bereitzustellen. Mit der Bewegung des Semantic Web steht erstmals die umfassende semantische Integration der unternehmensweiten Datenbestände und Anwendungen auf der Agenda der Unternehmen. Momentan wird eine Vielzahl neuer webbasierter Anwendungen mit Hilfe von semantischen Technologien implementiert. Semantische Technologien in der betrieblichen Anwendung 3

8 Erfreuen sich diese öffentlich zugänglichen Anwendungen großer Beliebtheit, so besteht zunehmend ein Klärungsbedarf hinsichtlich der Frage, wie diese Technologien nutzbringend in die betrieblichen Informationssystemen und Geschäftsprozesse integriert werden können. Dies ist bislang erst in den Anfängen erforscht und erste Befunde muten wie vollmundige Versprechen an [McComb04][Mills06]. Anhand von empirischen Daten gilt es zu überprüfen, inwieweit die Anwender mit Hilfe semantischer Technologien ihre Anwendungs- und Geschäftsprozesse intern und über Unternehmensgrenzen hinweg effizienter gestalten können. In dieser Studie werden einzelne semantischen Technologien und darauf basierende Anwendungen innerhalb der betrieblichen Informationssysteme untersucht. Um die wechselseitigen Einflüsse zwischen Mensch, Maschine und Organisation zu erfassen, berücksichtigt die Untersuchung auch die hinter den Technologien stehenden organisationalen und sozialen Prozesse. Hinterfragt werden soll, in welchen Kontexten und unter welchen organisationalen Bedingungen derzeit semantische Technologien in den Unternehmen eingeführt werden und wie diese zu einer besseren Informationsqualität beitragen. Es wird untersucht, welche Motivlagen zu der Einführung der semantischen Technologien führten und welche Effekte damit verbunden sind. Dabei soll u.a. erhoben werden, welchen Effekt die Nutzung einer semantischen Technologie auf die mit ihr verbundenen Wissens- bzw. Geschäftsprozesse hat. Mit der Frage nach dem Aufwand bei der Einführung und während des dauerhaften Betriebes der semantischen Technologie soll die Frage beantwortet werden, mit welchen Aufwendungen Unternehmen zu rechnen haben, die diese Technologien zukünftig in ihre Informationssysteme integrieren möchten. Die Untersuchung hilft durch die systematische Gegenüberstellung von Erfahrungswerten und umgesetzten Lösungen Good Practice Strategien zu identifizieren und einen Katalog für die Implementierung von semantischen Wissensmanagementsystemen im Unternehmen abzuleiten. Es gilt Indikatoren zu finden, wie bisherige IT-gestützte Wissensmanagement Systeme mit semantischen Technologien zukunftssicher für eine effizientere und nachhaltige Informationsverarbeitung gemacht werden können. Die Studie gliedert sich dafür wie folgt: Im einführenden Überblick über den Stand der Forschung und Entwicklung (Kapitel 2) wird das Zusammenspiel von semantischen Technologien in den jeweiligen Anwendungen umrissen. Zuerst wird ein kurzer Überblick über die Vorgeschichte und die Grundprinzipien des Semantic Webs gegeben (Kapitel 2.1). Anschließend werden die wichtigsten Anwendungs- und Informationsprozesse für den Einsatz semantischer Technologien eingeführt (Kapitel 2.2). Als Vorschlag für eine systematische Einordnung des Funktionsumfanges semantischer Technologien wird in Kapitel 2.3 ein Modell entwickelt, das später als Semantische Technologien in der betrieblichen Anwendung 4

9 Grundlage für das Evaluationsschema im empirischen Teil dient. In Kapitel 2.4 werden zusammenfassend die bisherigen Einsatzbereiche semantischer Technologien vorgestellt, bevor im Kapitel 2.5 Nutzen und Grenzen semantischer Technologien darstellt werden. 2 Stand der Forschung und Entwicklung Semantic Web ist ein Schlagwort geworden, das hinter sich eine immer größer werdende Gemeinschaft von Technologieherstellern, Forschungseinrichtungen und Anwendern versammelt. Mit dem Boom des World Wide Webs und der Möglichkeit betriebliche Informationssysteme benutzerfreundlich über das Hypertext Transfer Protocol zu integrieren, steigt kontinuierlich der Bedarf nach intelligenten Informationssystemen, um im Zeitalter der Informations- und Wissensgesellschaft schneller über die relevanten Informationen zu verfügen. Bietet das Web 1.0 die Möglichkeit der Anwendungs-Integration auf Protokoll-Ebene so schafft das Semantic Web die Grundlage für die Integration der Konzepte bzw. des Verständnisses dieser Konzepte. Dabei beschränken sich semantische Technologien nicht nur auf Web-Anwendungen, sondern können auch in andere Anwendungen des Informationsmanageemnts integriert werden. Nach einer Phase der forschungsintensiven Erprobung semantischer Technologien ist die Verbreitung dieser Technologien in nahezu allen Anwendungsklassen der Informationssysteme in naher Zukunft zu erwarten [WuI05]. So verwundert es nicht, dass auch Hersteller von Datenbanken und Modellierungswerkzeugen ihre Produkte für semantische Anwendungen erweitern [IBM][ALTOVA][ORACLE]. Das Semantic Web, wie es durch Tim Berners-Lee und das W3C-Konsortium geprägt wird, versteht sich als Standardisierungsbewegung, die die Information im World Wide Web mit Hilfe einer genormten Syntax darstellbar und maschinell erschließbar machen möchte [W3C]. Ziel und Vision des Semantic Web ist es, die im World Wide Web verfügbare Information in einer dem Menschen verständlichen und für Maschinen lesbaren Form vorzuhalten. Mit Hilfe der semantischen Technologien soll es möglich werden, natürlichsprachliche Fragen an das Web zu stellen, die sinnvoll beantwortet werden. Das Semantic Web versteht sich dabei als ein über das Web of Links hinausgehendes Web of Meaning, in dem ein Verstehen der Bedeutungen und der logischen Verbindungen zwischen Information möglich wird [Fen02]. Das Semantic Web besitzt verschiedene Wurzeln aus den Anwendungsbereichen Datenbanken, Expertensystemen, Künstliche Intelligenz und Web- Semantische Technologien in der betrieblichen Anwendung 5

10 Technologien. In der eher forschungsnahen Entwicklergemeinschaft semantischer Technologien reichen die Ansätze von human-orientierten Methoden aus dem Knowledge Engineering bis hin zu mathematisch-statistischen Verfahren des maschinellen Lernens und automatischen Schließens. Dabei greift die Bewegung innerhalb ihrer mehr als 10-jährigen Geschichte auf fundierte Vorarbeiten aus der künstlichen Intelligenz (Inferenzmaschinen, Expertensysteme, fallbasiertes Schließen, Statistische Datenanalyse), der Wissensrepräsentation (Knowledge Engineering bzw. Wissensmodellierung, Datenbankprogrammierung und -modellierung) sowie der Sprachverarbeitung (Texterkennung und - verarbeitung) zurück. Ansätze des Knowledge Engineerings und der Wissensrepräsentation beschreiben ein systematisches Vorgehen für die Akquise und Formalisierung von informellem, organisationalem und terminologischen Wissen. Bei diesem Ansatz werden zuerst die Wissensstrukturen in Form von Modellen (Konzepten) formalisiert und dann die einzelnen Objekte (Instanzen) diesen Strukturen zugeordnet. Bei Prozessen der kollaborativen Wissensmodellierung kann der Prozess der Modellbildung auch vom unstrukturierten Text zu einem gemeinsamen Modell führen. Die hier entwickelten Methoden orientieren sich dafür an kognitiven Theorien sowie an den Ansätzen der Informationsmodellierung aus den Bereichen der Wissensrepräsentation und Datenbankmodellierung. Die Wissensmodellierung dient dem Design und der Implementierung von Expertensystemen und ontologiebasierten Retrievalkomponenten auf betrieblichen Anwendungssystemen [Schr00] [Staab04]. Technologien der künstlichen Intelligenz stellen Verfahren bereit, die bestehende Daten hinsichtlich ihrer Übereinstimmung mit modellartigen Strukturen maschinell analysieren und auswerten. In einem semiautomatischen Prozess kann die maschinelle Analyse zu einem Vorschlagswesen für die Einordnung von Objekten in eine Baum- oder Typenstruktur dienen. Nach den grundlegenden Arbeiten im Bereich des Knowledge Engineerings wurden erste konzeptuelle Rahmenwerke entwickelt, die es erlaubten wissensintensive Prozesse in Unternehmen zu identifizieren und zu beschreiben [Schr00][Mentz03]. Mit Bezug auf die Methoden des Knowledge Engineerings umfaßten diese Konzepte verschiedene Phasen der Generierung, Dokumentation, Integration, Strukturierung und Nutzung von Wissen. Erste Lebenszyklusmodelle von wissensbasierten Prozessen integrierten zudem die technischen, organisationalen oder humanbezogenen Aspekte des Wissensmanagement [Wiig99] [Probst00] [Non98] [Rein00]. Der Bedarf nach intelligenten Techniken der Informationserschließung und Informationsanalyse wurde auch für den Betrieb betrieblicher Informationssysteme und Data Warehouses gesehen [Inm96]. Die hier entwickelten Anwendungen werden allgemein unter dem Schlagwort der Business Intelligence als Vision des intelligenten Unternehmens angeführt. Eine verbreitete Technik hierfür ist das Online Analytical Processing (OLAP) [Mess03]. Mit dem raschen An- Semantische Technologien in der betrieblichen Anwendung 6

11 steigen digital verfügbarer Information wandten sich Spezialisten aus den Fachgebieten der Datenbankmodellierung und Retrievaltechniken den Techniken der wissensbasierten Informationsverarbeitung zu. Ab den 90er Jahren wurden so mittels statistischer Anwendungen des Dataminings innerhalb existierender Data Warehouse-Anwendungen Analyse- und Report-Komponenten realisiert. Ziel war es, durch ein intelligentes Informationsmanagement innerhalb des Unternehmens die notwendigen Rückschlüsse auf die Einhaltung operationaler Vorgaben zuzulassen und durch einen verbesserten Informationsstand der Mitarbeiter einen Wettbewerbsvorsprung aufzubauen [Eul98]. Mit dem Zugriff auf Data Warehouse-Anwendungen über die sich zunehmend in den Unternehmen verbreitende Web-Schnittstelle HTML entstand der Bedarf, bestehende Anwendungen des betrieblichen Informationsmanagement in einer Oberfläche zu integrieren. Die Vielzahl von heterogenen Datenformaten, Verzeichnisstrukturen und parallel existierenden Anwendungen führte zu der Notwendigkeit einer vereinheitlichten Beschreibung der Daten. Für den effizienten Zugriff auf die Information wurden vermehrt Suchfunktionalitäten implementiert und in parallelen Meta-Datenbanken Indizes über die verfügbaren Quellen aufgebaut. Die derart gewonnen Informationen über Suchbegriffe, navigierte Pfade und gefundene Quellen verlangten nach einer systematischen Auswertung und Vereinheitlichung der unterschiedlichen Ablagestrukturen. Als ein Effekt zog die Vereinheitlichung der Quellen und Datenstrukturen auch eine Integration unterschiedlicher Begriffssysteme in den Unternehmen nach sich. 2.1 Das Semantic Web Ein Überblick Das Semantic Web basiert auf zwei einfachen Grundprinzipien. Zum einen werden die im World Wide Web verfügbaren Ressourcen wie z.b. Webseiten, Bilder oder Audiodateien über einen eindeutigen Bezeichner identifiziert, zum anderen werden eben diese Ressourcen semantisch annotiert. Ziel des Semantic Web ist es die Information in einer gleichermaßen maschinenlesbaren als auch dem Menschen verständlichen Form vorzuhalten, um sowohl automatische Auswertungen wie auch eine nutzerfreundliche Präsentation der Daten auf der ständig steigenden Anzahl von Ressourcen zu unterstützen. Tim Berners-Lee versteht unter dem Semantic Web an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation." [Bern01] Über das bestehende Web der einfachen Verlinkung hinaus sollen mit dem Semantic Web die zugänglichen Informationen auf konzeptueller Ebene verknüpft werden, ohne dass dabei aufwändige Restrukturierungen an den Ressourcen nötig werden. Der Vorteil des Semantic Web besteht darin, dass mit Hilfe der semantischen Technologien auch ungenaue bzw. unvollständige Informationen, Semantische Technologien in der betrieblichen Anwendung 7

12 wie z.b. nicht genau zueinander passende Tabellen ergänzt und integriert werden können [Staab01]. Die entwickelten Verfahren der automatischen Integration (dem Abgleich einzelner Merkmale hinsichtlich der Übereinstimmung mit einem verwendeten Konzept) von unvollständigen Informationen wird langfristig die Konsistenz des Datenbestandes verbessert und auch die Glaubwürdigkeit in den Datenbestand des World Wide Web gesteigert. Das oberste Ziel der Semantic Web Entwicklung ist es das Vertrauen (engl. trust) der Nutzer in die via Internet zugängliche Information bzw. die ausführbaren Informationsprozesse zu erlangen (siehe Abb. 1). Das Vertrauen baut auf den Encryption- und Signature-Anwendungen des Semantic Webs auf, damit der Nutzer sicherstellen kann, dass die Daten aus vertrauensvollen Quellen stammen. Abb.1: Semantic Web Stack 2005 [Bern05] Das Semantic Web setzt sich aus einer Reihe von Basistechnologien zusammen, die gemeinsam die korrekte Darstellung von Zeichen [Unicode], die korrekte Referenzierung von Informationsobjekten [URI], deren medienneutrale Darstellung [XML] sowie deren Strukturierung [XMLNS] in Web-Anwendungen ermöglichen soll. Semantische Technologien in der betrieblichen Anwendung 8

13 Auf diesen Basistechnologien setzt das eigentliche Semantic Web auf. Die Beschreibungssprachen liefern Grundkonzepte für die Darstellung von Zusammenhängen zwischen den Daten. Die XML Topic Maps [XTM] oder das Resource Description Framework [RDF] erlauben es, auf der Basis einer einheitlichen Syntax allgemeingültige Konzepte auszudrücken, wie z.b. das Verhältnis von Subjekt / Prädikat / Objekt (RDF) oder Topic / Association / Occurence (XTM) als Ausdruck einer Beziehung (Relation) zwischen zwei Informationsobjekten. Die Beschreibungssprachen können eingebettet sein in HTML-Seiten oder beliebige andere Datenformate. Mit Hilfe der Beschreibungssprachen werden hierarchische Beziehungen von Klassen, Eigenschaften und Informationsobjekten ausgedrückt sowie einfache Aussagen (engl. Statements), wie z.b. Mozart / Komponist von / Cosi fan tutti konstruiert. Für die einheitliche Formulierung von Anfragen (eng. query) wurde eine Query Language, die Simple Protocol and RDF Query Language [SPARQL] entwickelt. Die über den Beschreibungssprachen liegende Web Ontology Language [OWL] bietet hinzukommend einen Satz logischer Axiome, die genutzt werden können, um Abhängigkeiten zwischen den Konzepten zu generalisieren. Mit Hilfe von logischen Ausdrücken können so regelhafte Beziehungen zwischen den Daten abgebildet werden. In der Web Ontology Language wurden Konzepte aus der framebasierten Wissensrepräsentation, den Web Standards und der Prädikatenlogik zu einem Regelwerk zusammengeführt, um die Integration unterschiedlicher Ontologien zu ermöglichen. Eine zentrale Komponente des Semantic Webs sind die Ontologien. Eine Ontologie kann genutzt werden, um entweder einen Wirklichkeitsausschnittes mit seinen Kontextinformationen abzubilden, eine Terminologie zu repräsentieren oder die Daten in verschiedenen Semantischen Informationsprozessen zu vereinheitlichen. Unterschiedliche Ausprägungen von solchen Ordnungssystemen sind z.b. die Deutschen Wirtschaftszweige, Fachsystematiken in Bibliotheken oder Produktkataloge einzelner Unternehmen. Grundsätzlich beschreibt eine Ontologie die explizite Konzeptualisierung eines gemeinsamen Verständnisses [Grub93]. Mit Hilfe von Ontologien können im Semantic Web Regeln formuliert und Schlussfolgerungen gezogen werden. Ontologien sind somit ein Regelwerk zur Definition von Konzepten und deren Relationen [Hess02]. Sie ordnen die Konzepte in einer Hierarchie an und definieren, welche Attribut-Wert-Paare in ihrem Gültigkeitsbereich (z.b. einer Anwendungsdomäne) eingeschränkt sind. Semantische Technologien in der betrieblichen Anwendung 9

14 Ontologien können verschiedene Detaillierungsgrade besitzen, die sich anhand der Mächtigkeit ihrer semantischen Ausdrucksfähigkeit unterscheiden lassen. Die einfachste Form einer Ontologie ist die des Kataloges bzw. einer Verzeichnisstruktur. Beispiele hierfür sind das Yahoo-Verzeichnis [Yahoo] oder auch das Open Directory [Dmoz]. Verzeichnisstrukturen bilden einfache Hierarchien ohne semantische Metainformation (z.b. die Art der Beziehung) ab. Dennoch sind die meisten Kataloge oder Verzeichnisstrukturen hierarchisch aufgebaut. Ein Glossar stellt ein zusammenhängendes Terminologiefeld und die darin verwendeten Begriffe in einen Zusammenhang. Ein Beispiel hierfür ist das [WordNet]. Die einzelnen Begriffe sind mitunter direkt verlinkt allerdings ohne dass der dadurch entstehenden Relation eine Bedeutung (z.b. durch eine getypte Relation) zugeschrieben wird. Oftmals wird mit der Erklärung der Begriffe beabsichtigt ein Verständnis für die Verwendung der Begriffe zu bilden. Als Ergänzung können die im Glossar verwendeten Begriffe in einem Thesaurus hierarchisch angeordnet werden. Die jeweiligen Begriffe werden dann in dem Verhältnis zu Oberbzw. Unterbegriffen angeordnet. Ein Beispiel hierfür ist der Standard-Thesaurus Wirtschaft [STW]. Daten- oder Wissensmodelle beschreiben Objekte sowie die Relationen zwischen Objekten mit Hilfe von Typeninformation. Taxonomien ermöglichen es Begriffe oder Gegenstände (Entitäten) nach unterschiedlichen Ordnungskriterien zu klassifizieren. Zur Darstellung von Gegenständen werden hierarchische Beziehungen verwendet. Inder Linguistik wird unter Klassifikation die Segmentierung und Klassifikation sprachlicher Begrifflichkeiten verstanden, um ein formales Sprachsystem zu beschreiben. Die Modellierung von Taxonomien in Form von Klassen, Kategorien oder Konzepten beabsichtigt letztlich immer ähnliche Ziele und zwar die Merkmale gleichartiger Objekte mengentheoretisch zusammenzufassen. Die Verwandtschaftsgrade zwischen den Objekten lassen sich mit Graphen oder in Form von Baumstrukturen darstellen. Mit Hilfe von frame-basierten Repräsentationen können Prozeduren (sog. Skripte) dargestellt werden. Logische Regelwerke wie z.b. die First Order Logic besitzen den höchsten Formalisierungsgrad (siehe dazu auch Kapitel Verfahren). Als Ontologien werden formalisierte Ordnungsmodelle bezeichnet, die einen hohen Abstraktionsgrad auf Konzept-Ebene besitzen. Sie werden i.d.r. als azyklisch gerichtete Graphen dargestellt. Taxonomien sind ein Spezialfall von Ontologien und werden als Bäume abgebildet. Semantische Technologien in der betrieblichen Anwendung 10

15 Katalog, Verzeichnisstruktur Thesaurus Glossar Frame-basierte Repräsentationen Logische Taxonomie Regelwer- Zunehmende Komplexität Ohne automatisches Schließen Mit automatischem Schließen Abb. 2: Verschiedene Typen von Ontologien nach [Smit01] In Anlehnung an [Guar98] werden in der Regel drei Ebenen von Ontologien unterschieden: Top Level oder Upper Level Ontologien wie [DOLCE][SUMO] [OpenCyc], Mid Level oder auch Core Ontologien [MILO] und die Vielzahl von Domain Ontologien [ONTO]. Die einzelnen Ontologiearten differieren hinsichtlich ihrer Ausdrucksmächtigkeit und Operationalisierbarkeit [Cimi04]. Mit Hilfe von Top Level oder Upper Level Ontologien können generische Konzepte, wie z.b. Ereignis, Prozess Objekt, Agent, Intervall, etc. modelliert werden. Werden einzelne Informationsobjekte diesen generischen Konzepten zugeordnet, so erben sie deren Eigenschaften und Verhalten [Borg02]. Die Mid Level oder auch Core Ontologien sind eine Zwischenform zwischen den generischen und anwendungsspezifischen Ontologien [Nil01]. Sie drücken dafür einzelne Basiskonzepte innerhalb der anwendungsspezifischen Ontologie aus. Die domänenspezifischen Ontologien beinhalten die Konzepte einer bestimmten Anwendungsdomäne wie z.b. die Taxonomien verschiedener Branchenzweige. Die Konzepte von domänenspezifischen Ontologien werden häufig als Spezialisierung der Konzepte der generischen oder Kernontologien formuliert. Für die Entwicklung von Ontologien wurden mehrere Methoden entwickelt. Die Menthontology-Methode [Fern97] untergliedert die Aktivitäten, die für das Erstellen einer Ontologie notwendig sind in Management-, Entwicklungs- und unterstützende Aktivitäten. Management-Aktivitäten beinhalten die Qualitätssicherung und kontrollierende Aktivitäten; Entwicklungsaktivitäten umfassen die Spezifikation, Konzeptualisierung, Formalisierung, Implementierung und Wartung einer Ontologie. Unterstützende Aktivitäten sind die Akquise, Integration, Dokumentation von Wissen sowie das Konfigurationsmanagement. Die CommonKADS-Methode ermöglicht es, die wissensbasierten Aktivitäten eines Nut- Semantische Technologien in der betrieblichen Anwendung 11

16 zers (oder eines Agenten) innerhalb eines Systems zu beschreiben. Die Methode ist gleichzeitig ein methodisches Framework für die Entwicklung von Expertensystem [Schr00]. Die im Entwicklungsprozess erarbeiteten Teilmodelle (Organisationsmodell, Taskmodell, Agentenmodell, Wissensmodell, Kommunikationsmodell, Designmodell) dienen als Analyseschritte und Vorarbeiten für die Entwicklung des eigentlichen Expertensystems. Eine weitere Methode wurde in dem EU-Projekt On-To-Web entwickelt [ON- TO]. Der dort aufgestellte Knowledge Meta Prozess beschreibt die Zusammenhänge zwischen der eigentlichen Entwicklung einer Softwareapplikation und der parallel dazu verlaufenden Entwicklung einer Ontologie [Sur02] [Sur03]. Um das verteilte und kollaborative Erstellen einer Ontologie zu unterstützen, wurde die DILIGENT-Methode entwickelt, die Aktivitäten wie die lokale Adaption und Revision von Ontologien mitberücksichtigt [SEKT, D7.1.1]. 2.2 Informationsprozesse von semantischen Anwendungen Die Anwendung semantischer Technologien basiert auf der Kombination von einzelnen Komponenten, die in den Prozess der semantischen Informationsverarbeitung eingebettet sind. Als Komponenten werden u.a. Annotationswerkzeuge genutzt, um zu den bereits vorliegenden Daten Metadaten aufzubauen. Mit Hilfe der annotierten Webseiten können einzelne Kategorien in einer Taxonomie gebildet werden. Das über der Taxonomie liegende Wissensmodell (oder auch Ontologie) bildet die regelhaften Bezüge innerhalb der Metadaten und deren Kategorien ab. Für die Modellierung einer Ontologie werden häufig spezielle Editoren mit einem graphischen Interface genutzt. Die abgelegten Metadaten werden in einem separaten Metadaten-Repository gespeichert. Agenten, d.h. Programme, die mit einer konkreten Aufgabe der Verarbeitung von Information programmiert und aktiviert wurden, können nun auf der Basis der Metadaten mit ihrem ontologischen, d.h. regelbasiertem Wissen ihre Schlüsse ziehen und die semantisch aufbereitete Information dem Endnutzer in einer entsprechenden Arbeitsumgebung (z.b. einem Webfrontend) darstellen. Verschiedene Arbeiten haben bislang jeweils aus unterschiedlichen Perspektiven semantische bzw. wissensbasierte Systeme untersucht, so dass momentan eine Vielzahl konzeptioneller Ansätze zur Beschreibung und Definition von semantischen Systemen existieren. Wurde im Bereich des Wissensmanagements bereits untersucht, welche Funktionalitäten ein technisches System besitzen muß [Mai04, S.470f.], so steht eine genaue Definition des Funktionsumfanges von semantischen Systemen noch aus. Erste Systematisierungsansätze beziehen sich in erster Linie auf den Entwicklungsprozess von Ontologien [Sur01][Mika03]. Mehrere Architekturbeschreibungen von semantischen Anwendungen in Web- Portalen systematisieren die jeweiligen Funktionalitäten aus der Perspektive der Semantische Technologien in der betrieblichen Anwendung 12

17 jeweiligen Anwendung [Stud02][OWL03][Aud03][Lau05]. Die Einbettung von semantischen Technologien in die Anwendungsprozesse einer betrieblichen IT- Infrastruktur wird bislang somit erst in Ansätzen beschrieben [Blum03]. Generell werden semantische Technologien zur Informationsqualifizierung (z.b. der inhaltlichen Erschließung von Texten) und zur intelligenten Informationsverarbeitung (z.b. dem automatischen Schließen) genutzt. Zur Informationsqualifizierung zählen u.a. die Explikation von Semantik, d.h. die Definition von semantischen Konzepten zum Zwecke der Bedeutungsbildung in komplexen Datenbeständen. Bei der intelligenten Informationsverarbeitung werden die vorab qualifizierten Daten anhand von Regeln verarbeitet, um aus den annotierten Daten Schlussfolgerungen zu ziehen. Folgende zentralen Informations- und Wissensprozesse werden von semantischen Technologien unterstützt: Modellierung von Konzepten und Relationen Die Modellierung von Konzepten umfasst die Definition von Modellen, wie z.b. einem Metadaten-Schema, einer Taxonomie oder einer Ontologie. Ziel dieser Modelle ist es, implizites Wissen zu externalisieren und unstrukturiertes Wissen, sofern möglich, in Form einer Taxonomie oder Ontologie zu formalisieren. Mit Hilfe der Modelle werden Abhängigkeiten innerhalb der Daten und deren Bedeutung (ihre Semantik) dargestellt. Mit der Modellierung der Relationen werden die jeweiligen Konzepte in Beziehung zueinander gesetzt. Relationen sind qualitative Aussagen zwischen Konzepten als Teil/Ganzes-Beziehung (Partonomie) oder als Generalisierung bzw. Spezialisierung von Konzepten. Bestehende Dokumentationseinheiten (z.b. PDF-Dokumente) können so einer mehrdimensionalen Menge von Konzepten zugeordnet werden. Übliche Methoden zur Modellierung von Konzepten sind Verfahren der Datenund Wissensmodellierung, wie z.b. das Concept- oder Mind Mapping, die UML- oder ER-Notation. Die einzelnen Konzepte werden als Knoten mit gerichteten Kanten (Graphen oder Konzeptgraphen) notiert [Sowa84]. Die Modellierung von Konzepten und Relationen findet u.a. Anwendung in der Modellierung von Datenbankschemata (technisch), der Visualisierung von Organigrammen oder Wissenslandkarten (organisatorisch) sowie der Strukturierung persönlicher Ablageverzeichnisse oder Hierarchisierung von Bookmarks (menschlich). Qualifizierung von Daten und Inhalten Die Qualifizierung von Daten und Inhalten ist einer der zentralen Anwendungsbereiche, um bestehende Daten wie z.b. Texte oder Webseiten einzelnen Konzepten (Kategorien) zuzuordnen. Mit Hilfe von händischer Metadateneingabe bzw. der freien Verschlagwortung sowie der automatisierten Indexierung von Texten können Inhalte semantisch annotiert werden. Semantische Technologien in der betrieblichen Anwendung 13

18 Mittels statistischer oder linguistischer Verfahren werden Informationsquellen automatisch indexiert und die relevante Information aus den Texten oder Textabschnitten extrahiert. Verfahren aus dem Bereich des Data- und Text-Minings dienen dazu, die indexierten Informationen je nach der Zugehörigkeit zu einem Konzept zu gewichten und Entscheidungshilfen bei der Zuordnung in eine bestehende Datenstruktur zu liefern. Regelbasierte Ansätze werden dafür eingesetzt, existierende Daten auf ihre Konsistenz zu prüfen bzw. deren fehlende Kontexte durch Techniken des automatischen Schließens auf der Basis von semantischen Konzepten zu ergänzen. Semantischen Verfahren werden u.a. zur Validierung von Datensätzen in Datenbanken (technisch) oder zur automatischen Generierung von Berichten durch die Analysekomponente einer Data Warehouse Anwendung (organisatorisch) verwendet. Anwendungen wie das individuelle Annotieren oder kollaborative Bewerten (engl. Collaborative Filtering) von abgelegten Inhalten unterstützen die menschliche Kommunikation und das Verständnis an den verwendeten Konzepten. Integration von Daten (Inhalten) und Prozessen Semantische Technologien werden auch zur Integration von Daten und Prozessen genutzt. Auf der Basis vereinheitlichter Konzeptualisierungen von Prozessen, Daten und den Geschäftslogiken einzelner Software-Applikationen können u.a. Alt-Systeme (sog. Legacy-Systeme) gekapselt werden und auf diese Weise mit andere Anwendungen gekoppelt werden. Die Voraussetzung für die semantische Integration von Daten und Prozessen ist die Integrierbarkeit der verschiedenen Konzepte, die den Daten bzw. den Geschäftslogiken der Software-Applikationen zugrunde liegen. Semantische Technologien helfen in diesem Falle bei dem Vergleichen (engl. Mappen) und Zusammenführen (engl. Mergen) von unterschiedlichen Konzepten. Die Benutzung einheitlicher Konzepte basiert auf gemeinsamen Metadaten-Schemata, die mit Hilfe von Document Type Definition, XML Schema oder RDF Core repräsentiert werden können. Die Integration in die bestehenden Anwendungen kann auf der Basis bestehender Kommunikationsprotokolle wie CORBA, SOAP oder der Technologie der Web Services vollzogen werden. Die semantische Integration der jeweiligen Daten und Anwendungen setzt auf dem betrieblichen Informationsmanagement wie z.b. dem Dokumenten- oder Content-Management auf. In sog. Enterprise Information oder Enterprise Knowledge Portalen dienen semantische Technologien für eine verbesserte Suche in den unterschiedlichen Anwendungen [Fir03] [Col03]. Im persönlichen Umfeld werden semantische Anwendungen zur Integration von Daten und Prozessen genutzt, die einzelnen Konzepte, die für eine erfolgreiche Verständigung über die Inhalte notwendig sind, miteinander abzugleichen bzw. um mit Hilfe von Standards relevante Inhalte auszutauschen. Semantische Technologien in der betrieblichen Anwendung 14

19 Der Prozeß der Wissensmodellierung bzw. des Ontology Engineerings bezeichnet den Prozeß zum Aufbau einer Klassifikation der in einer Anwendungsdomäne verwendeten Begriffe. Grundsätzlich unterscheidet man vollautomatische, semiautomatische und händische Erarbeitung der Daten-, Informations-, bzw. Wissensmodelle. Oftmals werden für die semantische Auszeichnung der Unternehmensdaten semiautomatische Verfahren gewählt. Dabei ergänzen sich die einzelnen Technologien und die händische Nachbearbeitung der Daten, um so einerseits effizient die Daten vorab zu kategorisieren und dann anschließend durch die Verfeinerung der Konzepte von Hand zu qualifizieren. Zu unterscheiden sind dabei die Schritte, die zum Erstellen einer Ontologie notwendig sind und entweder Top down oder Bottom up vollzogen werden können. Bei der Top down Modellierung ist der Wissensingenieur oder auch Domänenmodellierer darum bemüht, vorab möglichst alle Konzepte seines Datenbestandes zu explizieren. In einem zweiten Schritt müssen dann die zu repräsentierenden Daten auch den modellierten Konzepten zugeordnet werden. Im Falle der Bottom up Modellierung werden unschärfere Verfahren eingesetzt. Die Semantik wird den Daten sukzessive durch kollaboratives Annotieren, Kommentieren und Verschlagworten, dem sog. Tagging hinzugefügt. Der Informationsverarbeitungsprozess beim Einsatz semantischer Technologien lässt sich mit seinen auf einander aufbauenden Prozessschritten wie folgt darstellen. Abb.3: Steigende Informationsqualität durch semantische Verarbeitungsprozesse Semantische Technologien in der betrieblichen Anwendung 15

20 Auf der untersten Ebene werden die relevanten Quellen indexiert. Die Extraktion der relevanten Begriffe dient zur Erzeugung eines noch nicht weiter geordneten Zugangsvokabulars (Liste von Schlüsselwörtern). Dieses Zugangsvokabular lässt sich mit dem Index eines Buches vergleichen, in dem die einzelnen Begriffe den Quellen (Buchseiten) zugeordnet und somit referenziert werden. Auf einer darüber liegenden Ebene in diesem Verarbeitungsprozess setzen Verfahren zur Kategorisierung oder Klassifikation von Begriffen ein, die einem ähnlichen Konzept zugeordnet werden können und somit ähnliche Merkmale oder auch Attribute besitzen. Dieses Verfahren dient der Hierarchisierung der vorhandenen Information. Ziel ist es, die generellen Merkmale der Objekte in einer Klasse zusammenzufassen, um dann Vererbungsregeln formulieren zu können. Mit der Mehrfachzuordnung eines Informationsobjektes zu mehreren Konzepten entsteht ein Gültigkeitsbereich, der das Informationsobjekt detaillierter beschreibt. Semantische Technologien in der betrieblichen Anwendung 16