m2n Components Ontologien: Bedeutung für das System Im Überblick

Transkript

1 m2n Intelligence übernehmen vielfältige Aufgaben und bieten eine große Bandbreite von Funktionen: m2n Intelligence Applications werden aus Modellen für Anwendungsdaten und Ablauflogik sowie modellbasiert parametrisierten Core- und Enhancing Components zusammengestellt. Execution- und Workflow Engines verdrahten die bereitgestellten Methoden dynamisch: Während die Execution Engine als zentraler Controller fungiert, übernimmt die aufsetzende Workflow Engine Definition und des Arbeitsflusses. Der Einsatz von Ontologien als Modellierungssprache in allen Systemkomponenten garantiert Flexibilität und Adaptierbarkeit für individuelle Lösungen bei gleichzeitiger Interoperabilität und Wiederverwendbarkeit, sowohl von Modellen als auch von Services. Core Components: Ontology Multi Repository Execution Engine, Workflow Engine Interface Framework Access Querying, Retrieval Enhancing Components: Graph Analysis and Rule Validation Repository Connectors Visualisation Components Document Reporting, Import/Export Knowledge Discovery u.v.m. Im Zentrum der Architektur steht eine Basisbibliothek, die gemeinsame Funktionalitäten, wie den Zugriff auf und die Manipulation von RDF-Tripeln für Server- und Client-Kern sowie PlugIns bereitstellt. Java-Technologie ermöglicht server-, datenbank- und clientseitige Plattformunabhängigkeit. Der durchgängige Einsatz offener Standards zum Beispiel RDF(S) und OWL garantiert Wiederverwendbarkeit und Interoperabilität. m2n Intelligence ist flexibel skalierbar, mandantenfähig und mehrsprachig. Ontologien: Bedeutung für das System m2n Intelligence setzt auf Modelle: Struktur der Inhalte, Funktionen, Interface und Verhalten von m2n Intelligence Applications werden ontologiebasiert definiert, die Konfigurations- und Steuerungsgraphen unmittelbar zur Laufzeit interpretiert und die Lösung on-the-fly realisiert ohne Zwischencode, Programmierung und Kompilierung. Von der modellgetrieben generierten zur modellbasiert objektorientierten Applikationsentwicklung! Ontologien definieren das Schema der Anwendungsdaten und legen den Programmfluss sowie die Konfigurationen sämtlicher m2n Komponenten (etwa Oberfläche, Berechtigungen, Data Network Elements, Knowledge Discovery Funktionen, ) fest. Die Execution Engine und die Workflow Engine übernehmen die semantische Steuerung der Ablauflogik. Ein optimiertes Reasonerframework bringt Logik in alle Anwendungsebenen und garantiert hohe Performance bei der Ausführung von Inferenzen. Das durchgreifende, einzigartig generische Konzept der semantischen Modellierung bewirkt die logische Zusammenführung der Ebenen der Entwicklung und des Einsatzes. Meta-Informationen über Inhalte, Strukturen und technische Komponenten manifestieren sich in einem Bedeutungsnetz, wodurch völlig neue Möglichkeiten der intelligenten, individualisierten Systemsteuerung eröffnet werden. Im Überblick Hochflexible Modellierung der gesamten Lösung Ontologien geben Daten Bedeutung: für den Benutzer und die Systemkomponenten Wiederverwendbarkeit der Services und Modelle Evolutionäres Entwickeln und Modifizieren Client-Server-Architektur mit schlankem Kern Serviceorientierter Aufbau Modularität der Komponenten (PlugIn-Prinzip) Repository und Data Network Einbindung von Fremdapplikationen Installationsfreie Clients Revisionssicherheit, Versionierung Plattformunabhängigkeit Skalierbarkeit, Mandantenfähigkeit Offene Standards und Schnittstellen Flexibles Security- und Access Offline-Arbeiten Mehrsprachigkeit und vieles mehr Weitere Information >>

2 Vorteile Ontologien als abstrakte Modellierungssprache bringen Effizienz bei der Applikationsentwicklung durch Einfachheit, Flexibilität, Erweiterbarkeit und hohe Reaktionsgeschwindigkeit: Ontologien Logik Architektur Komponenten Grafisch gestützte, ontologiebasierte Applikationsmodellierung von den Anwendungsdaten bis zum Programmfluss. m2n Intelligence Applications sind rasch erstellt: Modelle beschleunigen den Entwicklungsprozess. Optimale Umsetzung eines iterativen, evolutionären Ansatzes: Flexibilität und Erweiterbarkeit als grundlegende Paradigmen des Frameworks. m2n Intelligence Applications entstehen on-the-fly, zur Laufzeit und ohne Zwischencode: Design und Entwicklung verschmelzen. Modelle Fehler in der Applikation betreffen nur Logik, nicht mehr Kodierung: die Fehlerrate verringert sich. Beliebig abgestuftes Feintuning der Administrationsfunktionen und Berechtigungen durch vollständig flexible Definition des Access-Konzeptes. Verschiedene Lösungen auf Basis einer modularen Servicearchitektur garantieren, unter Wiederverwendung von Logik und Modellen, eine effiziente Applikationsverwaltung. Datenkonsistenz und Versionierung auf allen Applikationsebenen, auch in allen Systemmodellen. Reduktion von Schnittstellen und Komplexitäten durch mandantenfähigen Aufbau und Wiederverwendbarkeit der Applikationsteile. Bestehende Repositories und Systeme werden einfach angebunden: Redundanzvermeidung spart Ressourcen. Bei Bedarf rasche und effiziente Einbindung neuer Methoden aufgrund der offenen Architektur und des PlugIn-Konzeptes. m2n Intelligence Applications sind plattformunabhängig und nahtlos in eine vorhandene IT-Landschaft integrierbar. Eine flexible Skalierbarkeit sichert die optimale Ausnutzung der bestehenden Infrastruktur. m2n consulting & development gmbh Marienstraße 10, 4020 Linz, Austria E: W: T: , F: Das Framework: m2n Intelligence... ist ein einzigartig flexibles Applikationsframework zur effizienten Modellierung individueller Fachapplikationen und Business Intelligence Lösungen. m2n Intelligence Applications entstehen rein modellbasiert ohne Programmcode und ohne Kompilierung.... basiert auf hochinnovativen Methoden und Technologien auf dem neuesten Stand der Forschung und kombiniert diese in einer völlig einzigartigen Weise.... konsolidiert Daten unterschiedlicher Struktur und Herkunft in ein semantisches Modell. Ontologien als mächtige Modellierungssprache geben nicht nur Anwendungsdaten Sinn, sondern steuern auch alle Systemkomponenten. Das Festlegen der Applikationslogik erfolgt modellbasiert: von der konkreten Ausprägung und Anwendung der Einzelfunktionen über Benutzeroberfläche und Berechtigungen bis hin zur Definition des Programm- und Arbeitsflusses.... ist modular und mehrschichtig angelegt. Das Framework baut auf einem schlanken Server- und Client-Kern auf, der durch PlugIns beliebig erweitert werden kann. Alle Komponenten können individuell angepasst, graphenbasiert konfiguriert bzw. im Bedarfsfall einfach substituiert werden. Die inferenzbasierte Execution- und Workflow Engine steuern Programm- und Ablauflogik und Datenfluss.

3 m2n Intelligence Das Framework baut auf einem schlanken Server- und Client-Kern auf, der mittels funktionaler Komponenten (PlugIns, Services und Bibliotheken) erweitert wird. Ein Server kann mehrere Mandanten (Virtual Hosts) unterstützen. PlugIns betreffen Server, Virtual Host und/oder Client (Java/ Web) und stellen Funktionalitäten modular und bedarfsgerecht zur Verfügung. Die PlugIns registrieren ihre Methoden an der Execution Engine, die diese zur Laufzeit gemäß einer modellierten Ablauflogik ausführt. Auf der generischen Execution Engine setzt serverseitig die Workflow Engine auf. Mandator A Swing Client VHost A Web Client Common Plugins Rule Engine Mandator B Swing Client VHost B Common Plugins Client Server Das Ganze: Mehr als die Summe seiner Elemente m2n Intelligence ist eine flexible, modulare Service-Plattform für die modellbasierte Umsetzung innovativer Fachapplikationen und Business Intelligence Lösungen: m2n Intelligence Applications. m2n folgt dem Model Only Concept vom der Business Rules über Retrieval bis hin zu Ablauflogik, Berechtigungen und Interface. m2n Lösungen entstehen on-the-fly, ohne Kompilierung und Zwischencode evolutionär, iterativ, individuell und effizient. Im Zentrum jeder m2n Intelligence Application stehen ontologiebasierte Regelwerke und Modelle, die flexibel das Schema der Anwendungsdaten definieren. Mit Hilfe dynamischer Mappings werden Daten (zur Laufzeit) aus unterschiedlich strukturierten Repositories hochperformant in die Semantik der Modelle übersetzt. Es entsteht ein konsolidierter Applikationsgraph, der die Bedeutung der Daten sowohl für die aufsetzenden Systemfunktionen als auch für den Benutzer eindeutig festlegt. m2n Intelligence Applications sind das Ergebnis aus Modellen, semantisch konsolidierten Daten und deren Interpretation durch genau den Anforderungen entsprechend. Application Layer Model Layer Structured Data Semantic Mapping Configuration User Data Data Mapping Rules Application Server bringen Funktionsvielfalt Data Layer Unstructured Data Plugin Im Zentrum der Architektur steht eine Basisbibliothek, die gemeinsame Funktionalitäten, wie etwa den Zugriff auf und die Manipulation von RDF-Tripeln, versionsgesichert für Server- und Client-Kern sowie PlugIns bereitstellt. Core Components sind das Herzstück jeder m2n-applikation und bieten Basisfunktionalitäten wie Ontologyund PlugIn, Einbindung heterogener Repositories, Userinterface sowie die Execution- und Workflow Engine zur Steuerung der Ablauflogik. Execution & Workflow Engine Interface Java-Technologie ermöglicht server-, datenbank- und clientseitige Plattformunabhängigkeit. Der durchgängige Einsatz offener Standards u.a. die Ontologie-Sprachen RDF(S) und OWL garantiert Wiederverwendbarkeit und Interoperabilität. Ein modulares Reasonerframework stellt maximale Leistungsfähigkeit bei der Ausführung logischer Operationen, wie etwa Inferenz- und Integritätsregeln, sicher. m2n consulting & development gmbh Marienstraße 10, 4020 Linz, Austria E: office@m2n.at, W: T: , F: Enhancing Components erweitern den Leistungsumfang entsprechend der individuellen Anforderungen und machen das System zu der zentralen Informationsdrehscheibe für den ganzheitlichen strategischen und operativen Einsatz. Über eine flexible, offene (PlugIn-)Schnittstelle können neue oder abgeänderte Funktionalitäten jederzeit einfach und effizient in das Framework integriert werden. Querying <?x> Repository Security Ontology

4 m2n Intelligence Applications sind das Ergebnis des fein abgestimmten Zusammenspiels aus Wissensmodellen und Regelwerken, und deren Konfigurationen. Sie sind den Anforderungen entsprechend völlig flexibel definierbar, können beliebig miteinander kombiniert werden und garantieren Wiederverwendbarkeit und Interoperabilität. Modelle als abstrakte Abbildung realer Sachverhalte legen in Form von Ontologien sowohl die Bedeutung der Daten für den Anwender als auch für alle Systemkomponenten eindeutig fest. Modelle können z.b. Regeln der Geschäftstätigkeit ( Business Rules ) ebenso wie den Sinn von Anwendungsdaten definieren oder rechtliche Grundlagen formulieren. Application Layer Semantic Mapping Configuration Rules Application Execution & Workflow Engine Querying <?x> Interface Security bringen Funktionsvielfalt. Core Components wie Ontology-, Repository- oder Interface werden durch zahlreiche Enhancing Components ergänzt: Connectors, Graph Analysis, Knowledge Discovery, Reporting, Visualisation u.v.m. Alle Komponenten registrieren ihre Methoden an der Execution Engine, die für die Ausführung des Programm- und Datenflusses auf Basis modellierter Prozessketten zuständig ist. Modelle steuern den Programm- und Datenfluss, das Zusammenspiel der Funktionen und bilden die Konfigurationen aller ab vom Interface bis zu den Berechtigungen. Modelle und Daten bilden den semantischen Applikationsgraphen. Model Layer User Data Data Mapping Repository Ontology sind gemäß der konkreten Anforderung modellbasiert parametrisierbar, was gemeinsam mit den Modellen der Anwendungsdaten und der dynamischen Methodenverkettung die einzigartige Flexibilität der Lösung ausmacht. Daten aus unterschiedlich strukturierten, heterogenen Datenquellen werden hochperformant zur Laufzeit in die Semantik der Modelle übersetzt und on-the-fly in den Applikationsgraphen integriert. Structured Data Data Layer Unstructured Data Core Components: Ontology Multi Repository Execution Engine, Workflow Engine Interface Framework Access Querying, Retrieval Enhancing Components: Graph Analysis and Rule Validation Repository Connectors Visualisation Components Document Reporting, Import/Export Knowledge Discovery u.v.m.

5 m2n Intelligence Beispiel Modellierungsworkflow Ein Workflow für m2n-applikationsmodellierer legt fest, dass nach Erreichen des Meilensteines Zielmodell grob definiert im Entwicklungsprozess das Domänenmodell den Anforderungen entsprechend zu verfeinern sei. Der zuständige Entwickler kann direkt aus der Aufgabe seines Arbeitskorbes heraus sein favorisiertes Modellierungswerkzeug, inklusive aller benötigten Ressourcen wie etwa Anforderungsdefinitionen, aufrufen. Die Graphenvisualisierung präsentiert ihm die Modellierungsergebnisse und das System führt on-the-fly eine Plausibilitätsprüfung der Applikationsmodelle durch. Alternativ kann der Modellierer direkt aus dem Workflow heraus eine Suche nach Anforderungsdefinitionen vergleichbarer Projekte starten. Die Suchergebnisse werden nach Ähnlichkeit gereiht präsentiert. Der Benutzer kann diese Ähnlichkeit bewerten und das System dadurch lernen lassen. Die vorläufigen Modelle werden direkt an eingebundene Bedarfsträger weitergeleitet, die entsprechende Verbesserungsvorschläge direkt im System retournieren können. Offene Schnittstellen, Kompatibilität und Interoperabilität Flexible Import- und Exportschnittstellen sowie der Einsatz von Standards sichern die Offenheit und Interoperabilität des Systems. Aufgrund der Abstraktion des eingesetzten Prozessschemas können BPM-Standardformate in m2n Intelligence eingelesen und von der Workflow Engine interpretiert werden. Umgekehrt ist es selbstverständlich möglich, Daten über flexible Schnittstellen anderen Applikationen zur Verfügung zu stellen entweder mittels Live-Zugriff oder als Export. Beispielsweise wird der Import und Export von Geschäftsfällen gemäß dem EDIAKT-Schema unterstützt. Wissensprozesse und Prozessintelligenz: Der Bottom Up-Ansatz Werden Geschäftsprozesse in Form von Templates abgebildet, setzt dies voraus, dass die Ablauflogik im vorhinein möglichst vollständig bekannt war und standardisiert werden konnte. Vor allem im Fall wissensintensiver Aufgabenstellungen ist diese Bedingung zumeist nicht erfüllt. Kreative Tätigkeiten sind zielgetrieben und erfolgen ad-hoc, unter Ausnutzung großer Freiräume bei der Art und Weise, wie Aufgaben zu erledigen sind. Akquisition, Verarbeitung und Generierung von Wissen stehen im Vordergrund nicht der Dokumenten- bzw. Aktenlauf. Semantik für das System: Ontologiebasierte Applikationsmodellierung Ontologien als systemweit einheitliche Repräsentations- und Steuerungssprache sind der Schlüssel zur objektorientierten, logikbasierten Entwicklung von m2n Intelligence -Lösungen: m2n Intelligence Applications werden ohne Zwischencode durch das Modell definiert und hochperformant zur Laufzeit interpretiert. Kodierung und Kompilierung entfallen. Von der modellgetrieben generierten zur modellbasiert objektorientierten Entwicklung Ontologien legen sowohl für den Benutzer als auch für das System die Semantik zur kontextuellen Interpretation aller Anwendungs- und Systemdaten fest. Model Layer Configuration Rules Execution & Workflow Engine Querying <?x> Repository Interface Ontology Security Ontologien bieten sämtlichen Systemkomponenten eine einheitliche Ausdrucksform und bilden Daten, Schemata und Steuerungsinformationen in einem konsolidierten Graphen ab: Anwendungsdaten Parametrisierungen der Funktionen Programm- und Ablauflogik Die einzelnen Funktionskomponenten des Systems interpretieren jeweils ihren Teil des semantischen Netzes und führen die Methoden gemäß der Ablauflogik der Execution Engine aus. Anwendungsdaten: Das frei definierbare Zielmodell legt das Schema der eigentlichen Inhalte fest: Klassen- und Eigenschafts-Hierarchien, semantische Beziehungen und Logik. Basisklassen, im Beispiel Prüfungsmanagement, könnten etwa Prüfungsvorgänge und Revisionsabläufe, Personen, Ergebnisse, Methoden, Ressourcen und Zielsetzungen sein. Im Rahmen von Compliance werden beispielsweise Business Rules wie Verrechnungsregeln oder gesetzliche Grundlagen definiert. Konfigurationen: Neben dem Domänenmodell werden sämtliche Konfigurationsdaten im Framework semantisch repräsentiert. So liegen etwa dem Interface Framework, der Query-Modellierung aber auch der Ansteuerung diverser Schnittstellen und der Parametrisierung des Data Networks Ontologien zugrunde. Eine Adaption der entsprechenden Graphen wirkt sich unmittelbar zur Laufzeit aus. Mit Unterstützung des Bundesministeriums für Finanzen wird gemeinsam mit dem Know-Center Graz und Hewlett Packard im Rahmen des FIT-IT Forschungsprogrammes das Projekt DYONIPOS umgesetzt. Nahtlos in m2n Intelligence integriert, kann DYONIPOS durch intelligentes Ermitteln des Informationbedarfes des Benutzers proaktiv und on-the-fly Informationsressourcen und Wissen zur Verfügung stellen. Stimmt der Benutzer zu, wird das Gelernte in die organisationsweite Wissensbasis übertragen und vergrößert somit das organisationale Gedächtnis. Die ermittelten Prozesse werden (anonymisiert) analysiert, Prozessmuster extrahiert und den Standardprozessen zum Zwecke der Optimierung gegenübergestellt. Nähere Informationen enthält das Factsheet DYONIPOS. m2n consulting & development gmbh Marienstraße 10, 4020 Linz, Austria E: W: T: , F: Programmfluss und Ablauflogik: Die Execution- und Workflow Engine führen die modellierte, ontologiebasiert definierte Ablauflogik aus und bieten neben der Steuerung der Funktionsmethoden eine umfassende Geschäftsprozess-Unterstützung. Das durchgreifende, einzigartig generische Konzept der semantischen Modellierung bewirkt, dass Entwicklung, Konfiguration und Administration sowie operative Anwendung durch den Endbenutzer mittels der gleichen Komponenten und Konzepte auf Basis einer Client-Implementierung durchgeführt werden ( Singular Application Layer ). Ein konsolidierter und optimierter Applikationsgraph steuert alle Daten entsprechend ihrer Bedeutung für den Anwendungsfall, sinnstiftend sowohl für den Anwender als auch für das System! m2n Intelligence setzt auf den Sprachstandards RDF(S) und OWL DL auf. Eigene Konstrukte wie Formeln, Constraints und Autowerte, dynamische Änderungen von Instanz-Klassenzugehörigkeiten sowie diverse Kombinationen aus diesen machen m2n zu einem generischen und überaus mächtigen Modellierungswerkzeug der nächsten Generation. Logisches Schließen erfolgt mittels eines leistungsfähigen Reasonerframeworks, das neben der systemeigenen Inferenzmaschine beliebige weitere Reasoner unterstützt.

6 Semantik der internen Ablauflogik: Die Execution Engine Semantik der Geschäftsprozesse: Die Workflow Engine Die Execution Engine des m2n Intelligence Frameworks ist für Definition, und Ausführung der graphenbasiert modellierten Ablauflogik zuständig. Sie fungiert client- und serverseitig als zentraler Controller für den Programmfluss und steuert gemäß semantisch definierter Ablaufregeln die Applikation. Funktionsweise m2n PlugIns registrieren ihre fein granularen Methoden an der Execution Engine. Im Zuge der Applikationsentwicklung erfolgt die Modellierung der konkreten System- und Geschäftsprozesse das Zusammenspiel der Funktionen und Methoden wird festgelegt. Ein flexibel definierbares Ereignis (z.b. Benutzer drückt Button, Doppelklick, anderer Prozess) triggert die Regel, die zur Laufzeit interpretiert wird und die Methoden gemäß ihrer Bedeutung und Funktion ausführt. PlugIn A PlugIn B Registration Execution Engine Execution Interpreter Die Ablauflogik legt demnach fest, welche Regel beispielsweise beim Klick auf einen Button angestoßen wird, welche Methoden in dieser Regel wann und unter welchen Bedingungen aufgerufen und welche Parameter übergeben werden. Alle internen Abläufe wie etwa Knowledge-Discovery-Funktionen (z.b. automatische Suche nach ähnlichen Informationsressourcen, Verfeinerung einer semantischen Suchanfrage), Aufbau des Interface (z.b. Wizards) oder Compliance-Analysen (z.b. Überprüfung, ob Fälle den gesetzlichen Anforderungen entsprechen) sind auf diese Art hochdynamisch und dem Kontext entsprechend steuerbar. m2n Intelligence bietet eine Reihe von Basisregeln, wie etwa Manipulation von Objekten, Ausführen von Queries u.v.m. Die Aufgaben und Funktionen der Regeln sind semantisch beschrieben, um Dokumentation, Verwaltung und Einsatz zu optimieren. Die Modellierung von Prozessen wird durch die entsprechend parametrisierten Visualisierungswidgets unterstützt, wie etwa durch die Graphenvisualisierung. Event Start Rule 1 Rule 2 Modeling End Die Workflow Engine des m2n Intelligence Frameworks unterstützt Definition, und Ausführung von Geschäftsprozessen und ist eine spezielle serverseitigen Ausprägung der Execution Engine. Das Routen von Geschäftstücken durch die Organisation, der prozessorientierte Zugriff auf Information/Wissen und die hochflexible Vorgangsbearbeitung und Aufgabenverwaltung werden durch die dynamische Steuerung von Anwendungsfunktionen direkt aus dem Workflow heraus ergänzt. Umgekehrt definieren Ablaufregeln, unter welchen Bedingungen und auf welchen Ereignissen basierend Workflows ausgeführt werden. m2n Intelligence bietet somit einen unvergleichlich generischen und flexiblen Ansatz, der die Verdrahtung von Fach-Services mit der Definition komplexer Arbeitsabläufe kombiniert ohne Programmierung! Die Aufgabenbewältigung wird für den Anwender erheblich vereinfacht. Er muss nicht mehr wissen, in welcher Fachapplikation er welche Aufgabe zu erledigen hat, er erspart sich die manuelle Übergabe von Parametern und sogar das Absetzen von Suchanfragen. m2n Intelligence verknüpft alle diese Tätigkeiten und steuert die Funktionen aus dem eigentlichen Geschäftsprozess heraus. Funktionsweise Modellierte Prozessregeln beschreiben die konkrete Ausführungslogik des Geschäftsprozesses. Den einzelnen Bearbeitern werden dieser Logik entsprechende Aufgaben zugewiesen oder Mitteilungen und Checklisten zugestellt. Diese können, neben flexiblen Steuerungselementen für Aktivitäten (Delegieren, Status Anzeigen usw.), beliebige Controlls zum Triggern von Systemregeln enthalten ganz ohne Programmierung (z.b. Markierung ähnlicher Prozesse in einer grafischen Prozesslandschaft, Starten eines Decision Support Assistenten,...). Die Suspend/Resume-Funktionalität sorgt für ein regelkonformes Unterbrechen und Fortsetzen des Ablaufes. Die Modellierung, Verkettung und Verwaltung der Prozessvorlagen basiert auf den gleichen Konzepten wie das der internen Abläufe durch die Execution Engine. Regelelemente Für die flexible Festlegung der Abläufe stellt die Execution Engine eine Reihe von Regelelementen zur Verfügung. Einmal modellierte Regeln können modular geschachtelt werden, was eine hocheffiziente Applikationsentwicklung gewährleistet. Event, Regelkörper Blöcke Start / Stopp Fork / Join / Synchronize If Switch / Case Schleife Methodenaufruf / Regelkörperaufruf, Variablen / Konstanten Ablauf Nächster Block Fehlerblock Dann / Sonst, Parameter-Mappings Beispiel Revisionsworkflow Im Rahmen des Prüfungsmanagements definiert ein Sub-Workflow Berichterstellung die Abfolge von Aktivitäten, die bis zur Lieferung eines Prüfungsergebnisses in Berichtform von den einzelnen Beteiligten zu erledigen sind. An einer gewissen Stelle im Prozess kann der Bearbeiter direkt aus der zugewiesenen Aufgabe heraus nach bestimmten Kriterien ausgewählte Berichtsobjekte automatisch zu einem Rohbericht zusammenführen. Dieser wird systemgestützt auf die Einhaltung interner Normen geprüft und erst nach positiver Validierung und Bewertung weitergeleitet. Ein Assistent sucht währenddessen automatisch nach Referenzlösungen im jeweiligen Themenbereich und präsentiert proaktiv relevante Dokumente oder auch Kollegen, die bereits an ähnlichen Aufgabenstellungen gearbeitet haben.

7 m2n Intelligence Graph Analysis Components Bei der Analyse von semantischen Strukturen in m2n Intelligence spielen verschiedene Komponenten zusammen. Vergleiche zwischen Teilgraphen können angestellt, Muster erkannt, Strukturen aufgedeckt und fehlende Verbindungen gefunden werden. Anwendungsbeispiele sind etwa Compliance Analysis oder Social Network Analysis. Compliance Analysis: Graph Analysis Components bilden unter anderem die technologische Basis für hochentwickelte Compliance-Analysen. m2n Intelligence prüft große Datenbestände auf Einhaltung von Geschäftsregeln, bewertet und gruppiert die gefundenen Diskrepanzen und führt sie bei Bedarf einer Risikoanalyse zu. Anwendungsbeispiele sind Revenue Assurance, Fraud Detection, Service Level und vieles mehr. Order Entry System Order Data Discrepancy Customer Data Billing Data Billing System Social Network Analysis: m2n Intelligence arbeitet mit Beziehungsnetzwerken: Verschiedene Einheiten sind über Kanten mit festgelegter Bedeutung semantisch miteinander verbunden eine optimale Grundlage für die Analyse der Beziehungsnetze auf Basis der Social Network Analysis. SNA macht Stärken und Schwächen in Netzwerken sichtbar: Potenziale können besser genutzt und Schwachstellen effektiver behoben werden. Anwendungsfelder sind etwa Risikomanagement, Innovation, Marketing und Vertrieb, Medien, PR und Lobbyismus, Organisationsentwicklung und Personalentwicklung. m2n consulting & development gmbh Marienstraße 10, 4020 Linz, Austria E: W: T: , F: Document, Reporting, Import / Export Document bietet Erstellungs-, Manipulations-, Abfrage- und funktionen für Dokumente beliebigen Formats und integriert diese in das semantische Netz. Die Klasse Dokument ist als Anwendung des Basismodells entsprechend flexibel gestaltbar. Files werden auf Wunsch auf verschiedene Dokumenten-Repositories (z.b. Datenbank oder bestehendes Filesystem) verteilt revisionsgesichert gespeichert. Neben m2neigenen Komponenten können auch externe DMS- und Archiv-Systeme über Repository Connectors angebunden werden. Der BLOB- Federator ist für die konsistente Verteilung der Queries auf die verschiedenen Dokumenten- Quellen zuständig. Reporting unterstützt das Generieren von Auswertungen für vielfältige Anwendungsbereiche in verschiedenen Formaten (z.b. Office, CVS, XML). Alternativ ist die Anbindung externer Reporting-Werkzeuge möglich. Die MS Office Connectors exportieren m2n-instanzen in beliebig gestaltbare MS Office-Vorlagen. Einsatzbeispiele reichen von der Serienbrieferstellung über die Extraktion von Projektkonzepten bis zur variablen Berichterstellung in MS Excel. Neben der Einbindung fremder Repositories zur Laufzeit unterstützt m2n Intelligence den Import heterogen strukturierter Datenbestände sowohl client- als auch serverseitig mittels flexibel gestaltbarer Mapping-Mechanismen. m2n verfügt über unterschiedliche Konzepte zur Abdeckung individueller Anforderungen. Beispielsweise können relational strukturierte Daten in eine semantische Repräsentation überführt und nahtlos mittels Transformationselementen in die Ontologie importiert werden. Umgekehrt erfolgt der Export über hochflexible Transformationsservices, beispielsweise nach XML oder in relationale Strukturen. m2n Intelligence Components Ontology Ontology ist das Fundament des Gesamtsystems. m2n Intelligence bietet vielfältige Möglichkeiten der kollaborativen Erstellung, der Konsolidierung, des s und der Darstellung von Ontologien. Der m2n Advanced Ontology Manager verwaltet die ontologiebasierten Applikationsgraphen, sorgt für Persistenz, Versionisierung und Revisionsmanagement sowie Isolation und Konsistenz der Transaktionen. m2n setzt Standardsprachen wie RDF(S) und OWL DL ein und erweitert diese um spezifische Konstrukte wie Berechnungen, komplexe Constraints und dynamische Klassenzugehörigkeiten. Ein einzigartiges, optimiertes Reasonerframework sorgt für die nötige Performance zur Ausführung von Logikoperationen auf große Datenbestände. Die semantische Repräsentation dient neben der Festlegung der Business Rules und der Applikationsund Wissensmodelle auch der internen Steuerung und Konfiguration aller. So werden beispielsweise Workflow- und Interface-Optionen in semantischen Strukturen verwaltet, was höchste Flexibilität bei der Anpassung an verschiedenste Anforderungen gewährleistet. Server- und Client-Kern Der Server-Kern übernimmt die Verwaltung der verschiedenen Applikationen und Mandanten, das der Erweiterungen und bietet grundlegende Funktionen für Server- PlugIns. Der Client-Kern konsolidiert clientseitige PlugIn-Komponenten. Als Basis für den Java-Client fungiert Java VM 1.5. Java WebStart verringert den Installations- und Wartungsaufwand durch automatisches Verteilen von Client-Updates. Alternativ bietet m2n Intelligence einen Web-Client an. m2n-services können auch direkt von Fremdapplikationen angesprochen werden. Security- und Access Security fasst Konzepte der Berechtigungs- und Zugriffsverwaltung sowie der Datensicherheit zusammen. Mittels Anwendung semantischer Repräsentationen ermöglicht etwa das Access absolute Flexibilität beim Aufbau des Berechtigungskonzeptes über beliebig definierbare Berechtigungsstufen. Je nach Bedarf sind Berechtigungen sehr global (zum Beispiel mittels Rollenund Profilbildungen) oder besonders detailliert (zum Beispiel bis auf Feldebene einer bestimmten Instanz) festlegbar. Execution Engine und Workflow Engine Execution Engine und Workflow Engine übernehmen client- und serverseitig die graphenbasierte Steuerung der Applikationslogik und fungieren als zentrale Controller für Definition und des Programm- und Arbeitsflusses. > Factsheets Execution- und Workflow Engine Querying und Retrieval Die graphenbasierte Datenverwaltung bildet, in Kombination mit der Einbindung beliebiger weiterer Datenformate, die Grundlage hochinnovativer Retrievalfunktionen auf semantischer Basis. m2n Intelligence verfügt über eine mächtige Query-Engine, die die konsistente Modellierung beliebiger SPARQL- Queries unterstützt. Neben der strukturierten Abfrage bietet m2n Intelligence eine umfassende, semantisch angereicherte Volltextsuche. Knowledge Discovery Die spezifische Architektur, die Möglichkeit der Einbindung heterogener Datenquellen sowie das konsolidierte semantische Netz bieten eine ideale Grundlage für die Bereitstellung innovativer Knowledge Discovery Services. Nahtlos in m2n Intelligence integriert, erschließt die KnowMiner Suite des Know-Center Graz neues Wissen und verbindet die strukturierte mit der unstrukturierten Datenwelt. > Factsheet Knowledge Discovery

8 Semantische Integration: Multi Repository Oberfläche und Visualisierung: Interface Der Applikationsgraph stellt eine virtuelle Sicht auf Daten aus verschieden strukturierten Informationsquellen dar. Multi Repository übernimmt die performante Konsolidierung heterogener Datenbestände gemäß ihrer semantischen Bedeutung für den jeweiligen Anwendungsfall. Beispielsweise können die einzelnen Attribute einer Person über mehrere Quellen verteilt sein oder sogar aus natürlichsprachigen Texten stammen: Stammdaten aus der Asset-Verwaltung, Berechtigungen aus dem LDAP, Projektzuordnungen aus dem PM-System, Daten zur Geschäftsfallbearbeitung aus dem Elektronischen Akt und assoziierte Themen aus Berichten im Textformat. m2n verknüpft diese Einzeldaten semantisch zu einem geschlossenen Bild auch wenn sie aus natürlichsprachigen Texten gelernt werden. Dem generischen Konzept des m2n Intelligence Frameworks entsprechend ist auch das Interface modellbasiert aufgebaut. Das Interface Framework erlaubt beliebige Konfigurationen der Benutzerschnittstelle und sichert gleichzeitig Effizienz und Konsistenz bei der Gestaltung der GUI. Das Interface Framework ist flexibel und komfortabel um neue Visualisierungskomponenten erweiterbar. Die Oberfläche und ihre Komponenten werden wiederum als RDF-Graph repräsentiert, welcher Aussehen und Verhalten festlegt und zur Laufzeit umgesetzt wird. Flexibilität ist auf Wunsch bis auf Benutzerebene (Profiling) gewährleistet. Das Interface Framework unterstützt unterschiedliche GUI-Typen etwa einen Java- und Web-Client denen analoge Konzepte zugrunde liegen. Der m2n Multi Repository Manager bindet eigene und externe Repositories wie etwa EISs, Legacy -Applikationen, Datenbanken (relational, RDF-Stores, ) oder auch Filesysteme ein und regelt die Kommunikation zwischen diesen und dem m2n Advanced Ontology Manager. Er übernimmt Querying und Change sowie die Verwaltung der Zugriffsrechte. Die Zusammenführung der Daten erfolgt auf Grundlage flexibler Zuordnungsregeln hochperformant und on-the-fly: Die RDF-Queryingsprache wird zur Laufzeit in die native Abfragesprache des jeweiligen Repositories (z.b. SQL) und retour überführt. RDF Mandant A Federator DataNetwork Die nötige Flexibilität in der Konsolidierung der heterogenen Datenbestände wird durch das DataNetwork realisiert. Das DataNetwork besteht aus DataNetworkElements (DNEs): Datenquellen (Source), Datensenken (Sink) oder beides zugleich (Filter). Filter übernehmen Ontology Translation die Übersetzung von einem Vokabular in ein anderes mittels flexibler Mappings zur Laufzeit. Der Federator ist für die Verteilung von Queries und Updates auf mehrere Ziele sowie die Zusammenführung der Ergebnisse aus unterschiedlichen Quellen und Vorsystemen zuständig. Flexibel einsetzbare Caching-Mechanismen sorgen für ein überragendes Laufzeitverhalten.!RDF Vocabulary Translator Cache Connector Visualisation Components Parametrisierbare Visualisation Components (z.b. Graph Visualisation, MultiTree, Detail View, Wizards, u.v.m.) können mittels des Interface Frameworks flexibel in die Oberfläche integriert werden. So werden etwa Objekt-Detailansichten auf Basis dynamischer, kontextsensitiver und intelligenter Formulare automatisch aus der Logik und Struktur des Objektmodells heraus aufbereitet. MultiTree Der MultiTree bereitet Ressourcen in Tabellenform horizontal und vertikal hierarchisch gruppiert nach ihrer semantischen Struktur auf. Die Komponente kann beliebig parametrisiert und um Plugable Columns ergänzt werden. Beispielsweise bietet die Gantt Column eine komfortable Sicht auf zeitrelevante Daten als Balkendiagramm. Spalten können grafische Markierungen enthalten oder Eingaben zulassen. Mandant B Triple Store Graph Visualisation Graph Visualisation ist eine weitere mächtige GUI-Komponente zur Darstellung von Graphenstrukturen. Das m2n Graph Visualisation PlugIn bietet eine einfache und flexible Möglichkeit, Schemata, Daten und Prozesse zu visualisieren, zu editieren und neue Erkenntnisse über Zusammenhänge zu gewinnen. Die Art der Darstellung und die damit verbundene Funktionalität des PlugIns werden durch einen Konfigurations-Graphen festgelegt. Die Regel-Visualisierung ermöglicht es, im System registrierte Methoden miteinander zu verknüpfen und Abläufe zu modellieren. Veränderungen, etwa in einem Workflow, können dabei direkt in das laufende System übernommen werden. Weitere Darstellungsformen, wie die Stern- und UML-Visualisierung, erlau- ben einen Einblick in die Zusammenhänge der Datenbestände. Fokus- und Kontext-Technologien (aus dem Bereich der Informationsvisualisierung) helfen dabei, auch in umfangreichen Datenbeständen den Überblick zu behalten. Dynamic Tooltips zeigen bei Bedarf textuelle oder grafische Informationen im Fokus des Mauscursors, unterschiedliche Detailierungsgrade sorgen für die Reduktion der visuellen Komplexität und Dependency Highlighting hebt semantisch abhängige Knoten visuell hervor. Die angezeigten Informationen lassen sich mit Hilfe von Visual Queries filtern. Mit wenigen Mausklicks wird der Wertebereich der anzuzeigenden Ressourcen definiert. Es ist somit möglich, auf intuitive Weise komplexe Abfragen an einen umfangreichen Datenbestand zu stellen.