Semantische Technologien in der betrieblichen Anwendung

Größe: px
Ab Seite anzeigen:

Download "Semantische Technologien in der betrieblichen Anwendung"

Transkript

1 Semantische Technologien in der betrieblichen Anwendung» Ergebnisse einer Anwenderstudie «September 2006

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

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

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

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

Mehr

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

Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph!

Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! www.semantic-web-grundlagen.de Ontology Engineering! Dr. Sebastian Rudolph! Semantic Web Architecture

Mehr

Vorlesung Computerphilologie. Ontologien und Ontologie-Sprachen

Vorlesung Computerphilologie. Ontologien und Ontologie-Sprachen Wintersemester 2006 Institut für Germanistik I Vorlesung Computerphilologie Ontologien und Ontologie-Sprachen Wie kann man Inhalte (von Webseiten) erschließen? v.hahn Uni Hamburg 2005 1 Was bringen Ontologien

Mehr

Semantic Web Technologies I

Semantic Web Technologies I Semantic Web Technologies I Lehrveranstaltung im WS11/12 Dr. Elena Simperl PD Dr. Sebastian Rudolph M. Sc. Anees ul Mehdi Ontology Engineering Dr. Elena Simperl XML und URIs Einführung in RDF RDF Schema

Mehr

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann

Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Data Lineage goes Traceability - oder was Requirements Engineering von Business Intelligence lernen kann Andreas Ditze MID GmbH Kressengartenstraße 10 90402 Nürnberg a.ditze@mid.de Abstract: Data Lineage

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

Semantic Web Services

Semantic Web Services Semantic Web Services Daniel Fischer TU Chemnitz - WS 2011/12 1 Gliederung (1) Web Services (2) Semantic Web Services: Motivation (3) Ontologien (4) Technologien 1. WSDL 2. SA-WSDL 3. WSMF / WSMO 4. OWL-S

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

Online Analytical Processing

Online Analytical Processing Online Analytical Processing Online Analytical Processing Online Analytical Processing (OLAP) ermöglicht die multidimensionale Betrachtung von Daten zwecks E rmittlung eines entscheidungsunterstützenden

Mehr

Ein Ansatz für eine Ontologie-basierte Verbindung von IT Monitoring und IT Governance

Ein Ansatz für eine Ontologie-basierte Verbindung von IT Monitoring und IT Governance Ein Ansatz für eine Ontologie-basierte Verbindung von IT Monitoring und IT Governance MITA 2014 23.09.2014 Andreas Textor andreas.textor@hs-rm.de Hochschule RheinMain Labor für Verteilte Systeme Fachbereich

Mehr

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN

EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,

Mehr

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

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

Mehr

Ressourcen-Beschreibung im Semantic Web

Ressourcen-Beschreibung im Semantic Web Ressourcen-Beschreibung im Semantic Web Cristina Vertan Inhaltsübersicht Wie sollen die Ressourcen für Semantic Web annotiert werden? Was ist und wie funktioniert RDF? Wie kodiert man RDF-Statements in

Mehr

Präsentation des Dissertationsvorhabens Erste Schritte. Carola Carstens Hildesheim, 15. Oktober 2007

Präsentation des Dissertationsvorhabens Erste Schritte. Carola Carstens Hildesheim, 15. Oktober 2007 Präsentation des Dissertationsvorhabens Erste Schritte Carola Carstens Hildesheim, 15. Oktober 2007 Überblick Rahmenbedingungen Institut Thematische Interessen Erste Schritte Erfassung des State of the

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

PinK meets Web2.0, 3.07.2007 Maya Biersack. Tagging auch für s Geschäft interessant

PinK meets Web2.0, 3.07.2007 Maya Biersack. Tagging auch für s Geschäft interessant PinK meets Web2.0, 3.07.2007 Maya Biersack Tagging auch für s Geschäft interessant Tagging im geschäftlichen Umfeld Agenda! Was ist Tagging?! Anwendungsgebiete! Eigenschaften/Probleme! Im geschäftlichen

Mehr

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

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

Mehr

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

Was sind Ontologie-Editoren?

Was sind Ontologie-Editoren? Was sind Ontologie-Editoren? Kurzeinführung Protégé Sonja von Mach und Jessica Otte Gliederung Ontologie Editoren- allgemein warum nutzen wofür nutzen Probleme Marktlage Einführung in die praktische Arbeit

Mehr

Wissensmanagement. Seite 1 von 14

Wissensmanagement. Seite 1 von 14 Wissensmanagement 1 Wissensbeschreibung...2 1.1 Semantik...2 1.2 Vernetzung...7 2 Prozess des Wissenmanagements...9 2.1 Formulierung von Wissenszielen...9 2.2 Wissensidentifikation...10 2.3 Wissensentwicklung...10

Mehr

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert

Ein Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll

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

3. Ontologien und Wissensbasen

3. Ontologien und Wissensbasen Ontologien Ontologien stellen mittlerweile die Basis für viele innovative wissensbasierte Systeme dar: 3. Ontologien und Wissensbasen ecommerce/elearning Knowledge Management Informationsextraktion/Data-mining

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

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

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

Usability und das Semantic Web

Usability und das Semantic Web Wissensmanagement mit intelligent views Canan Hastik, intelligent views gmbh Semantic Web Seminar, Frankfurt am 06.05.2009 2 Agenda Motivation Zentrale Fragestellungen Grundlegendes Benutzer sind anders

Mehr

ProWim Prozessorientiertes Wissensmanagement. Zu wissen, was man weiß, und zu wissen, was man tut, das ist Wissen (Konfuzius)

ProWim Prozessorientiertes Wissensmanagement. Zu wissen, was man weiß, und zu wissen, was man tut, das ist Wissen (Konfuzius) ProWim Prozessorientiertes Wissensmanagement Zu wissen, was man weiß, und zu wissen, was man tut, das ist Wissen (Konfuzius) Die Zielsetzung vom Wissensmanagementsystemen Bedarfsgerechte Bereitstellung

Mehr

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

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

Mehr

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

... MathML XHTML RDF

... MathML XHTML RDF RDF in wissenschaftlichen Bibliotheken (LQI KUXQJLQ;0/ Die extensible Markup Language [XML] ist eine Metasprache für die Definition von Markup Sprachen. Sie unterscheidet sich durch ihre Fähigkeit, Markup

Mehr

Übersicht SEMANTIC WEB. Semantisches Netz. Concept Map. Möglichkeiten der Wissensrepräsentation 10.01.2011. Wissensrepräsentation

Übersicht SEMANTIC WEB. Semantisches Netz. Concept Map. Möglichkeiten der Wissensrepräsentation 10.01.2011. Wissensrepräsentation Übersicht Wissensrepräsentation Semantische Netze Semantic Web Motivation Semantic Web Prinzipien Ontologien Anwendungen SEMANTIC WEB Marcel Götze Möglichkeiten der Wissensrepräsentation Katalog, Glossar,

Mehr

Web Mining und Farming

Web Mining und Farming Web Mining und Farming Shenwei Song Gliederung Übersicht über Web Mining und Farming Web Mining Klassifikation des Web Mining Wissensbasierte Wrapper-Induktion Web Farming Übersicht über Web-Farming-Systeme

Mehr

Softwaretechnik (Allgemeine Informatik) Überblick

Softwaretechnik (Allgemeine Informatik) Überblick Softwaretechnik (Allgemeine Informatik) Überblick 1 Einführung und Überblick 2 Abstraktion 3 Objektorientiertes Vorgehensmodell 4 Methoden der Anforderungs- und Problembereichsanalyse 5 UML-Diagramme 6

Mehr

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML

Data Mining Standards am Beispiel von PMML. Data Mining Standards am Beispiel von PMML Data Mining Standards am Beispiel von PMML Allgemeine Definitionen im Data Mining Data Mining (DM) Ein Prozess, um interessante neue Muster, Korrelationen und Trends in großen Datenbeständen zu entdecken,

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

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

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

Mehr

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

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

Mehr

Qualitätssicherung bei der mobilen Datenerfassung

Qualitätssicherung bei der mobilen Datenerfassung Qualitätssicherung bei der mobilen Datenerfassung Stephan Mäs Arbeitsgemeinschaft GIS Universität der Bundeswehr München http://www.unibw.de/bauv11/geoinformatik/agis 9. Seminar GIS & Internet 13.-15.

Mehr

Thema. Intelligente Agenten im Web

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

Mehr

Übersetzung des Singapore Framework für Dublin-Core-Anwendungsprofile

Übersetzung des Singapore Framework für Dublin-Core-Anwendungsprofile Übersetzung des Singapore Framework für Dublin-Core-Anwendungsprofile Identifier: http://www.kimforum.org/material/pdf/uebersetzung_singapore_20090213.pdf Title: Übersetzung des Singapore Framework für

Mehr

Reasoner for the Semantic Web

Reasoner for the Semantic Web Reasoner for the Semantic Web KAON & KAON2 Seminar A.I. Tools Erik Endres 18.1.2007 Übersicht Reasoner KAON1 KAON2 & Protégé Reasoner Ontologien machen Daten für Maschinen verarbeitbar. Reasoner setzen

Mehr

Extraktion von Metadaten als Basis für eine semantische Integration heterogener Informationssysteme

Extraktion von Metadaten als Basis für eine semantische Integration heterogener Informationssysteme Extraktion von Metadaten als Basis für eine semantische Integration heterogener Informationssysteme Liane Haak, Axel Hahn Abteilung Wirtschaftsinformatik Carl von Ossietzky Universität Oldenburg Fakultät

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

Semtation GmbH SemTalk

Semtation GmbH SemTalk Semtation GmbH SemTalk Christian Fillies Was ist SemTalk? Prozessmodellierung mit Visio2003 Viele Methoden (EPK, PROMET, FlowChart, KSA ), einfach an Kundenbedürfnisse anzupassen und zu erweitern HTML

Mehr

Sof o t f waretechn h o n l o og o i g en n f ü f r ü v e v rteilte S yst s eme Übung

Sof o t f waretechn h o n l o og o i g en n f ü f r ü v e v rteilte S yst s eme Übung Softwaretechnologien für verteilte Systeme Übung Organisatorisches Gruppen mit 3-4 Personen bearbeiten ein zugewiesenes Thema Abgabe besteht aus einer Arbeit mit 10-15 Seiten und ~30 Minuten Präsentation

Mehr

Ausgangsposition. Aspekte der Texttechnologie. Aspekte der Texttechnologie. Susanne J. Jekat Zürcher Hochschule Winterthur E-mail: jes@zhwin.

Ausgangsposition. Aspekte der Texttechnologie. Aspekte der Texttechnologie. Susanne J. Jekat Zürcher Hochschule Winterthur E-mail: jes@zhwin. Aspekte der Texttechnologie Susanne J. Jekat Zürcher Hochschule Winterthur E-mail: jes@zhwin.ch Aspekte der Texttechnologie Thema 5 Semantic Web Termine: 24. Mai 2007 Lernfrage: Was ist das Semantic Web

Mehr

Information Workbench Linked Data-Anwendungen im Unternehmen. Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations

Information Workbench Linked Data-Anwendungen im Unternehmen. Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations Information Workbench Linked Data-Anwendungen im Unternehmen Leipziger Semantic Web Tag, 5.5.2011 Peter Haase, fluid Operations Agenda Linked Data im Unternehmen Herausforderungen Die Information Workbench

Mehr

Open Source Knowledge Management

Open Source Knowledge Management Georg Hüttenegger Open Source Knowledge Management Mit 10 Abbildungen und 9 Tabellen 4ü Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Definitionen (Knowledge, Knowledge Management, Open Source,...) 2

Mehr

RDF und RDF Schema. Einführung in die Problematik Von HTML über XML zu RDF

RDF und RDF Schema. Einführung in die Problematik Von HTML über XML zu RDF RDF und RDF Schema Einführung in die Problematik Von HTML über XML zu RDF Kirsten Albrecht Roland Illig Probleme des HTML-basierten

Mehr

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher:

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher: Quellen: Towards a Human Computer InteractionPerspective von B.K. & B.K. LV: Visuelle Sprachen (03-763) Universität Bremen WS 2001/02 Visual Language Theory: Towards a Human- Computer Perspective; N. Hari

Mehr

Transformation von Regelungen in Softwareanforderungen

Transformation von Regelungen in Softwareanforderungen Transformation von Regelungen in Softwareanforderungen Beitrag zur GfP Jahrestagung 2015 Prof. Dr. Thomas Off Beuth Hochschule für Technik Berlin Inhalt Software für E Government Anwendungen Semantic Web

Mehr

EAI - Enterprise Application Integration

EAI - Enterprise Application Integration EAI - Enterprise Application Integration Jutta Mülle WS 2005/2006 EAI - Folie 1 Überblick und Begriffsbildung Zusammenfassung und Ausblick hinweise EAI - Folie 2 Conclusion EAI Enterprise Application Integration

Mehr

Ontologien und Ontologiesprachen

Ontologien und Ontologiesprachen Ontologien und Ontologiesprachen Semantische Datenintegration SoSe2005 Uni Bremen Yu Zhao Gliederung 1. Was ist Ontologie 2. Anwendungsgebiete 3. Ontologiesprachen 4. Entwicklung von Ontologien 5. Zusammenfassung

Mehr

1 Einleitung. 1.1 Motivation

1 Einleitung. 1.1 Motivation 1 Einleitung 1.1 Motivation Eine zunehmende Globalisierung in Verbindung mit der Verbreitung des elektronischen Handels, stets kürzer werdende Produktlebenszyklen und eine hohe Variantenvielfalt konstituieren

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Block R (Rahmen): SE Aktivitäten 21.10.04 2. Vorlesung Methoden des Software Engineering. Block R Rahmen Aktivitäten der Software-Entwicklung

Block R (Rahmen): SE Aktivitäten 21.10.04 2. Vorlesung Methoden des Software Engineering. Block R Rahmen Aktivitäten der Software-Entwicklung Block R (Rahmen): SE Aktivitäten 21.10.04 1 Vorlesung Methoden des Software Engineering Block R Rahmen Aktivitäten der Software-Entwicklung Martin Wirsing Einheit R.2, 21.10.2004 Block R (Rahmen): SE Aktivitäten

Mehr

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management)

EXZELLENTES MASTERDATENMANAGEMENT. Creactives-TAM. (Technical Attribute Management) EXZELLENTES MASTERDATENMANAGEMENT Creactives-TAM (Technical Attribute Management) Datenqualität durch Stammdatenmanagement Stammdaten sind eine wichtige Grundlage für Unternehmen. Oft können diese, gerade

Mehr

ConWeaver Make Your Data Work

ConWeaver Make Your Data Work ConWeaver Make Your Data Work 2012 ConWeaver Know-how im Bereich Wissensvernetzung seit 1993 2007 Ausgründung aus der Fraunhofer-Gesellschaft (Mit-)Gewinner des Software-Clusters 2010 und des Innovationspreis-IT

Mehr

4 Grundlagen der Datenbankentwicklung

4 Grundlagen der Datenbankentwicklung 4 Grundlagen der Datenbankentwicklung In diesem Kapitel werden wir die Grundlagen der Konzeption von relationalen Datenbanken beschreiben. Dazu werden Sie die einzelnen Entwicklungsschritte von der Problemanalyse

Mehr

Präsentation zum Thema XML Datenaustausch und Integration

Präsentation zum Thema XML Datenaustausch und Integration Sebastian Land Präsentation zum Thema XML Datenaustausch und Integration oder Warum eigentlich XML? Gliederung der Präsentation 1. Erläuterung des Themas 2. Anwendungsbeispiel 3. Situation 1: Homogene

Mehr

Java und XML 2. Java und XML

Java und XML 2. Java und XML Technische Universität Ilmenau Fakultät für Informatik und Automatisierung Institut für Praktische Informatik und Medieninformatik Fachgebiet Telematik Java und XML Hauptseminar Telematik WS 2002/2003

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

XML in der betrieblichen Praxis

XML in der betrieblichen Praxis Klaus Turowski, Klement J. Fellner (Hrsg.) XML in der betrieblichen Praxis Standards, Möglichkeiten, Praxisbeispiele Ги dpunkt.verlag Inhaltsverzeichnis 1 XML/EDI-Standardisierung: Ein Überblick 1 1.1

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

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

Institut für Unternehmensinformatik Konzeption eines Service Repository zur Beschreibung von Services in der Cloud

Institut für Unternehmensinformatik Konzeption eines Service Repository zur Beschreibung von Services in der Cloud Institut für Unternehmensinformatik Konzeption eines Service Repository zur Beschreibung von Services in der Cloud Commit Clusterworkshop Datenmanagement Thomas Specht Mannheim, 22.10.2012 Hochschule Mannheim

Mehr

Das Social Semantic Web

Das Social Semantic Web Das Social Semantic Web Treffpunkt für soziale und künstliche Intelligenz IT Businesstalk Vom Breitband zum Web 3.0 Salzburg, 14. Juni 2007 Dr. Sebastian Schaffert Salzburg Research Forschungsgesellschaft

Mehr

Empfehlungen für die Zukunft Mehrwerte für Ihre Daten. Prof. Felix Sasaki (Deutsches Forschungszentrum für Künstliche Intelligenz)

Empfehlungen für die Zukunft Mehrwerte für Ihre Daten. Prof. Felix Sasaki (Deutsches Forschungszentrum für Künstliche Intelligenz) Empfehlungen für die Zukunft Mehrwerte für Ihre Daten Prof. Felix Sasaki (Deutsches Forschungszentrum für Künstliche Intelligenz) 1 Daten bisher: unverknüpfte Silos Original Übersetzung Proprietäre Formate

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

Linked Cultural Heritage.

Linked Cultural Heritage. Linked Cultural Heritage. Herausforderungen und Chancen der Datenvernetzung im Bereich des Kulturerbes. Georg Hohmann Germanisches Nationalmuseum Referat für Museums- und Kulturinformatik Kornmarkt 1,

Mehr

Proseminar: Website-Management-Systeme

Proseminar: Website-Management-Systeme Proseminar: Website-Management-Systeme Thema: Web: Apache/Roxen von Oliver Roeschke email: o_roesch@informatik.uni-kl.de Gliederung: 1.) kurze Einleitung 2.) Begriffsklärung 3.) Was ist ein Web? 4.) das

Mehr

Semantic Web: Das Web der nächsten Generation

Semantic Web: Das Web der nächsten Generation Semantic Web: Das Web der nächsten Generation Slim Abdennadher LMU München 8.2.2002 c S. Abdennadher 1 Einleitung Rechner erfunden als Werkzeug zur Durchführung von Berechnungen Dann entdeckt als Werkzeug

Mehr

Math&Industry wie präsentiert man Projekte der angewandten Mathematik im Web?

Math&Industry wie präsentiert man Projekte der angewandten Mathematik im Web? Math&Industry wie präsentiert man Projekte der angewandten Mathematik im Web? Robert Roggenbuck Wolfram Sperber Berliner XML-Tage 2003 Workshop Web Services Berlin, 2003-10-15 Robert Roggenbuck Universität

Mehr

Semantic Web Paradigmen

Semantic Web Paradigmen #1 10.12.2014 SIMON HEIMLER Semantic Web Paradigmen Semantic Web Paradigmen Simon Heimler heimlersimon@gmail.com Master of Applied Research Computer Science Prof. Dr. Sabine Müllenbach Faculty of Computer

Mehr

Kapitel WT:VIII (Fortsetzung)

Kapitel WT:VIII (Fortsetzung) Kapitel WT:VIII (Fortsetzung) VIII. Semantic Web WWW heute Semantic Web Vision RDF: Einführung RDF: Konzepte RDF: XML-Serialisierung RDF: Anwendungen RDFS: Einführung RDFS: Konzepte Semantik im Web Semantik

Mehr

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende

Mehr

Wiki-basierte Dokumentation von Software-Entwicklungsprozessen

Wiki-basierte Dokumentation von Software-Entwicklungsprozessen Wiki-basierte Dokumentation von Software-Entwicklungsprozessen Erfahrungen aus der industriellen Praxis Fraunhofer IESE Kaiserslautern Inhalt Wiki-basierte Dokumentation von Software-Entwicklungsprozessen

Mehr

Entwicklung eines Electronic Resource Management Systems für Bibliotheken auf Basis von Linked Data Technologien

Entwicklung eines Electronic Resource Management Systems für Bibliotheken auf Basis von Linked Data Technologien Entwicklung eines Electronic Resource Management Systems für Bibliotheken auf Basis von Linked Data Technologien Lydia Unterdörfel, Björn Muschall Wissenschaftskommunikation im Semantischen Web (EFRE)

Mehr

Seminarvortrag Ontologien im Software Engineering. Markus Luczak

Seminarvortrag Ontologien im Software Engineering. Markus Luczak Seminarvortrag Ontologien im Software Engineering Markus Luczak Übersicht Einleitung Anwendungsgebiete von Ontologien im SE Ontologien im SE State-of-the-Art Zusammenfassung Fazit und Fragestellungen Seminar

Mehr

Kapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval

Kapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval Kapitel IR:I I. Einführung Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval IR:I-1 Introduction STEIN 2005-2010 Retrieval-Szenarien Liefere Dokumente, die die Terme «Information» und

Mehr

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009

Modellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009 Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.

Mehr

Szenarien DPE Reporting

Szenarien DPE Reporting Szenarien DPE Reporting Das nachfolgende Dokument beschreibt mögliche Szenarien zur Generierung von Reports aus dem Delmia Process Engineer (DPE). 1 Einleitung Der DPE ist eine Lösung zur Prozeßplanung

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

OLAP und der MS SQL Server

OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP und der MS SQL Server OLAP-Systeme werden wie umfangreiche Berichtssysteme heute nicht mehr von Grund auf neu entwickelt. Stattdessen konzentriert man sich auf die individuellen

Mehr

Informatik und Informationstechnik (IT)

Informatik und Informationstechnik (IT) Informatik und Informationstechnik (IT) Abgrenzung Zusammenspiel Übersicht Informatik als akademische Disziplin Informations- und Softwaretechnik Das Berufsbild des Informatikers in der Bibliothekswelt

Mehr

INFORMATIONSLOGISTIK VERSUS SUCHE. Wie die aktive Bereitstellung von Informationen hilft, Zeit zu sparen und Ziele zu erreichen

INFORMATIONSLOGISTIK VERSUS SUCHE. Wie die aktive Bereitstellung von Informationen hilft, Zeit zu sparen und Ziele zu erreichen INFORMATIONSLOGISTIK VERSUS SUCHE Wie die aktive Bereitstellung von Informationen hilft, Zeit zu sparen und Ziele zu erreichen 2 Informationslogistik versus Suche Inhalt Seite Thema 3 Suchen 3 Grundlegende

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Technologien des Semantic Web und ihre Anwendungen

Technologien des Semantic Web und ihre Anwendungen Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Technologien des Semantic Web und ihre Ulrike Fischer Dresden, 21.06.07 Gliederung Motivation Begriff Semantic

Mehr

OWL Web Ontology Language

OWL Web Ontology Language OWL Web Ontology Language Hauptseminar Ontologien in Informatik und Linguistik SS 2007 Bianca Selzam 27.4.2007 Gliederung 1. Einleitung 2. Resource Description Framework (RDF) 3. Resource Description Framework

Mehr

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.

ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is. ANTARES Informations-Systeme GmbH Stuttgarter Strasse 99 D-73312 Geislingen Tel. +49 73 31 / 30 76-0 Fax +49 73 31 / 30 76-76 www.antares-is.de insight und dynasight sind eingetragene Markenzeichen der

Mehr

Seminar Wissensmanagement

Seminar Wissensmanagement Seminar smanagement Wintersemester 2006/07 Prof. Dr. Knut Hinkelmann Agenda Zielsetzung Einführung smanagement Organisatorisches Themenvergabe Prof. Dr. Knut Hinkelmann 2 Zielsetzung Aufgabenstellung mündliche

Mehr

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

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

Mehr

Semantik-Visualisierung

Semantik-Visualisierung Semantik-Visualisierung Wibaklidama-Herbstworkshop Kawa Nazemi Fraunhofer IGD 3D-Wissenswelten und Semantik-Visualisierung Semantic Visualization semavis: Pipelines Visualization Semantics Layout Presentation

Mehr

TO P I C S E R V I C E & W I S S E N

TO P I C S E R V I C E & W I S S E N TO P I C 108 SERVICE & WISSEN WISSENSDATENBANKEN IM CALL CENTER ANFORDERUNGEN UND MÖGLICHKEITEN Kurz & bündig Wissensdatenbanken ein Trendthema? Im Kontext des zunehmenden Interesses am Thema Wissensmanagement

Mehr