Semantic Web im praktischen Einsatz. STI Industrietag; ; Andreas Nierlich

Transkript

1 Semantic Web im praktischen Einsatz STI Industrietag; ; Andreas Nierlich Seite 1

2 Vorstellung ontoprise Beispiele Wissensintegration Service Resolution Management "Kleiner Ausblick" Ihre Fragen Seite 2

3 know how to use Know how! Profil Kunden ontoprise ist der führende Anbieter industriebewährter Semantic Web Infrastruktur, um Computer dabei zu unterstützen, Informationen einfacher, schneller und intuitiver zu verarbeiten. Gegründet: 1999 Team: 50+ Mitarbeiter Highlights: Ausgereifte, Industrie-Bewährte Produkte Stabile Referenzen in unterschiedlichen Branchen Umfassende Abdeckung der Standards Partnernetzwerk Seite 3

4 ontoprise Portfolio Wissensintegration Kollaboration 3.0 Expertenwissen Komplexität Kontext-gerechter Zugriff auf im Unternehmen verteiltes Wissen Wissen teilen Kollaboratives Arbeiten Flexible Wissensprozessse am richtigen Ort zur richtigen Zeit im passenden Kontext für jeden verfügbar beherrschen Technische Compliance Rechtliche Compliance Predictive Analytics Seite 4

6 Ein einfaches Gewinnspiel Frage #1 Wie viele Daten produziert ein typischer Mitarbeiter pro Jahr? Megabyte Megabyte 3. 1 Gigabyte 4. 3 Gigabyte Seite 6

7 Antwort Wie viele Daten produziert ein typischer Mitarbeiter pro Jahr? Megabyte Megabyte 3. 1 Gigabyte 4. 3 Gigabyte Quelle: The Enterprise Workplace, IDC, 2005 Seite 7

8 Ein einfaches Gewinnspiel Frage #2 Welchen Anteil eines typischen Arbeitstages verwendet ein Mitarbeiter für die Suche nach Information? 1. 1 Prozent Prozent Prozent Prozent Seite 8

9 Antwort Welchen Anteil eines typischen Arbeitstages verwendet ein Mitarbeiter für die Suche nach Information? 1. 1 Prozent Prozent Prozent Prozent Quelle: IDC, 2003 Seite 9

10 Ein einfaches Gewinnspiel Frage #3 Was kostet verlorene Produktivität pro Mitarbeiter und pro Jahr? Mio Mio Mio. Seite 10

11 Was kostet verlorene Produktivität pro Mitarbeiter und pro Jahr? Antwort Mio Mio Mio. Quelle: Hidden Costs of Information Work, IDC, 2006 Seite 11

12 Seite 12

13 Die Milchorange Botanischer Name Maclura pomifera, zu deutsch die Milchorange genannt. Die grüne Frucht ist hartschalig und nicht essbar. Wenn man die Frucht aufschneidet, sondert sie eine milchige Flüssigkeit ab Seite 13

14 Die Milchorange Busch Baum gedeiht in Pflanze rund länglich flach Region wächst auf Form hat hat Asien Nordamerika Südamerika Europa Afrika Frucht hat Beschaffenheit Botanischer Name Maclura pomifera, zu deutsch die Milchorange genannt. Die grüne Frucht ist hartschalig und nicht essbar. Wenn man die Frucht aufschneidet, sondert sie eine milchige Flüssigkeit ab grün gelb orange Farbe stachelig glatt rau beharrt Seite 14

15 Wie finden, wenn man nicht weiß was man finden will? Haben wir denn schon im Großraum München ein Glasfasernetz verlegt? Was muss ich suchen? Großraum München? Glasfaser, Fibre Glass? Projekt, Kunde, Referenz? Gibt es zu dem Projekt ein Angebot? Welche Niederlassung hat das Projekt durchgeführt? Wo muss ich suchen? Im Internet? Auf dem File Server? Im Intranet? SAP, DMS oder im CRM System? Was mache ich, wenn ich nichts finde Wenn nein, wo haben wir denn schon mal ein Glasfasernetz verlegt? Seite 15

16 Problem: Hierarchische Strukturen Angebot für Firma Muster in Projekt XY??? Angebote Firma Projekt Projekt Projekt Firma Firma Angebot Angebot Seite 16

17 Ziel: Flexible Strukturen Thema Firma Dokument Projekt Firma M Projekt XY Angebote Angebot Projekt Firma Seite 17

18 Ontologiebasiertes Wissensmanagement im Überblick Über ein flexibles Wissensmodell werden die Informationen integriert und automatisch strukturiert Objekt Person Thema Dokument Entscheider Techniker Inhalt Verfahren Anwendung Die Ontologie wird bei Bedarf mit spezifischer Expertise angereichert Sie dient der intuitiven kontextsensitiven Suche und Navigation in den Informationsquellen Die Informationen bleiben in den Ursprungssystemen Seite 18

19 Semantische Integration und Suche Das Unternehmen Vector Informatik ist Anbieter von Werkzeugen, Softwarekomponenten und Ingenieursdienstleistungen zur Vernetzung elektronischer Systeme im Automobil und in verwandten Branchen Ziele Gezielte Unterstützung bei der Lösung von Servicefällen Integration der in den verteilten Systemen vorhandenen Informationen Unterstützung bei der Recherche in den Systemen Verkürzung der Antwortzeiten Vermeidung von Doppelarbeit Student Michael Person Ontologie kennt Akademiker Dr. Sure hat Experten Prof. Studer Thema Semantik Martin Litschel, Geschäftsführer: Wir haben uns nach einer intensiven Testphase für den Einsatz der ontoprise Lösung entschieden, um das im Unternehmen vorhandene Wissen, das in verschiedenen Datenformaten abgelegt ist, rasch und zuverlässig verfügbar zu haben. Remedy Ticket System File- Server Clearquest Desktop, Webseiten, etc. Seite 19

20 Seite 20

21 Seite 21

22 Automatisches Ausfüllen der Filter Seite 22

23 Automatisches Ausfüllen der Filter (2) Seite 23

24 Moderierte Suche nach Dokumenten Seite 24

26 Herausforderungen im Service Wissen ist Personenspezifisch selten und problembezogen begrenzt verfügbar (Zeit, Geo) schwierig teilbar (Sprache...) Produktstandorte weltweit Expertenwissen zentral Wissensteilung global? Konsequenzen schlechter Wissensteilung Reparaturzeiten? Mehrfachgänge? Hotlinekosten? Aus und Weiterbildungskosten? Gesamtprozesskosten? Stillstand > Produktionsausfall? Seite 26

27 Wenn der Kunde entscheidet Quelle: Dr. Jon Anton, and Dr. Natalie L. Petouhoff, Purdue University, Center for Customer-Driven Quality, Purdue University, U.S.A Kundensituation Wahrscheinlichkeit des erneuten Kaufs Fehlerfreies Produkt Fehlerhaftes Produkt und schlechter Kundenservice Fehlerhaftes Produkt und guter Kundenservice Seite 27

28 Beispiel KUKA Roboter Hintergrund 65% aller Kunden im Maschinenbau wechseln Ihre Lieferanten, weil sie mit dem Service bereits gekaufter Produkte unzufrieden waren Servicetechniker verbringen sehr viel Zeit bei der Lösung bereits bekannter Fragestellungen Ziele Erfassung und Nutzung des Erfahrungswissen der alten Hasen Entscheidungsunterstützung bei der Wahl der richtigen Lösung Feedback von Service an Entwicklung automatisieren Seite 28

29 Wie unterstützt der SemanticGuide die Techniker Am Gewichtsausgleich quietscht es Hatten wir schon mal so ein Problem und wenn ja, was kann ich tun? Seite 29

30 Seite 30

31 Seite 31

32 Seite 32

33 Wie unterstützt der SemanticGuide die Techniker Danke, das hat schon mal geholfen. Welche Probleme kennen wir denn beim GWA sonst noch? Seite 33

34 Seite 34

35 Seite 35

36 Wie unterstützt der SemanticGuide die Techniker 14 Fälle, das ist aber viel Können wir die Informationen noch eingrenzen? Seite 36

37 Seite 37

38 Seite 38

39 Hintergrundwissen als Filter Suche nach Gewichtsausgleich im Zusammenhang mit Roboter KR500 gwa synonym of part of Gewichtsausgleich is a KR 500 schwerer Roboter, nur hydropneumatischer Gewichtsaugleich möglich is a Roboter Niedrige Traglast KR500 is a Hohe Traglast Hydropneumatisch part of Feder Mittlere Traglast KR500 is a Gas Robot DB Cause Solution Cause Cause Solution Solution Cause Cause Solution Solution Seite 39

40 Beispiel 1: Hintergrundwissen als Filter Suche ergibt keine Lösungen für Feder- oder Gasdruckgewichtsaugleiche gwa synonym of Gewichtsausgleich part of is a Roboter Hydropneumatisch is a Niedrige Traglast KR500 is a Hohe Traglast part of Feder Mittlere Traglast KR500 is a Gas Robot DB Cause Solution Cause Cause Solution Solution Cause Cause Solution Solution Seite 40

41 Aufbau des SemanticGuide Semantische Suche nach Fehlern Bezeichnung Frage Konfiguration Messwerte Ursache Ursache Ursache Ursache Lösung Ursache Lösung Lösung Ursache Lösung Ursache Lösung Ursache Ursache Lösung Lösung Lösung Lösung Ursache Lösung Ursache Lösung Ursache Lösung Lösung Merkmal 1 Merkmal 2 Messwert X < 15 Ursache Lösung Bezeichnung Frage Lösung Merkmal 1 Ursache Ursache Lösung Lösung Ursache Lösung Lösungs Beschreibung Seite 41

42 Aufbau des SemanticGuide Semantische Suche nach Fehlern Experten haben jederzeit die Möglichkeit die Lösungen direkt auszuwählen Bezeichnung Frage Konfiguration Messwerte Ursache Ursache Ursache Ursache Lösung Ursache Lösung Lösung Ursache Lösung Ursache Lösung Ursache Ursache Lösung Lösung Lösung Lösung Ursache Lösung Ursache Lösung Ursache Lösung Lösung Merkmal 1 Merkmal 2 Messwert X < 15 Ursache Lösung Bezeichnung Frage Lösung Merkmal 1 Ursache Ursache Lösung Lösung Ursache Lösung Lösungs Beschreibung Seite 42

43 Ablauf Servicefälle Fehler KVP Stapler hebt nicht die angegebene Nennlast Lösung Ursachen Sicherheitsschaltung zu niedrig zu wenig Hydraulikflüssigkeit im System fragt: anderer Grund Sicherheitsschaltung verstellt? Ist genug Hydraulikflüssigkeit da? Welche Drücke können abgelesen werden? Geräusch Fragen? Vorspielen Erweiterungen Änderungen Keine Lösung Neue Ursachen und Lösungen Seite 43

44 Statistik: Häufigste Fälle Input für die Weiterbildung Seite 44

45 Statistik: Häufigste Ursachen Seite 45

47 SemanticWeb, Web 2.0, Corporate Web??? SemanticWeb + Web Corporate Webs verschmelzen Semantic MediaWiki+ SemanticMiner für Sharepoint Seite 47

48 Unternehmensdaten Wer? Mitarbeiter Team /Abteilung Unternehmen Wie? unstrukturierte Prozesse semistrukturierte Prozesse strukturierte Prozesse Was? Dokumente Aufgaben Team Kalender Meetings Wo? Seite 48

49 Integrationspotential von Sharepoint Grundfunktionen Sharepoint Wer? Mitarbeiter Team /Abteilung Unternehmen Wie? Was? unstrukturierte Prozesse Dokumente semistrukturierte Prozesse Aufgaben Team Kalender strukturierte Prozesse Meetings Suche Berechtigungen Links Benachrichtigungen Wo? Seite 49

50 Die eigentlich relevanten Informationen arbeitet in Grundfunktionen Sharepoint Wer? ist Autor von Wie? Was? Mitarbeiter Max Mustermann Mitarbeiter Team /Abteilung Unternehmen unstrukturierte Prozesse ist verantwortlich für Dokumente muss benachrichtigt werden wenn semistrukturierte Prozesse Aufgaben Team Kalender strukturierte Prozesse Meetings Suche Berechtigungen Links Benachrichtigungen Wo? Seite 50

51 Die eigentlich relevanten Informationen Grundfunktionen Sharepoint Wer? Mitarbeiter Team /Abteilung Unternehmen Wie? Was? unstrukturierte Prozesse Dokumente semistrukturierte Prozesse hat Produktverantwortlichen Aufgaben Team Kalender strukturierte Prozesse Meetings Suche Berechtigungen Wurde verkauft an Links Benachrichtigungen Wo? wird dokumentiert in Produkt XYZ Seite 51

52 Die eigentlich relevanten Informationen Grundfunktionen Sharepoint Wer? Mitarbeiter Team /Abteilung Unternehmen unstrukturierte wurde Wie? erstellt vonprozesse Was? Dokument Dokumente semistrukturierte strukturierte darf Prozesse gelesen werden von Prozesse Team Aufgaben Kalender Meetings ist ein Protokoll von Suche Berechtigungen Links Benachrichtigungen Wo? Ist gespeichert in hat Keywords Seite 52

53 Lost in Metadata arbeitet in Grundfunktionen Sharepoint Mitarbeiter Wer? Max Mustermann Mitarbeiter Team /Abteilung Unternehmen muss benachrichtigt werden wenn ist Autor von unstrukturierte semistrukturierte strukturierte wurde Wie erstellt? von Prozesse darf Prozesse gelesen werden von Prozesse Wurde verkauft an Was? ist verantwortlich für hat Produktverantwortlichen Dokument Dokumente Team Aufgaben Kalender ist ein Protokoll von Meetings Suche Berechtigungen Links Benachrichtigungen wird dokumentiert in Ist gespeichert in Wo? hat Keywords Produkt XYZ Seite 53

54 Konsolidierung und Transfer von Zusammenhängen und Logik arbeitet in Grundfunktionen Sharepoint Mitarbeiter Wer? Max Mustermann Mitarbeiter Team /Abteilung Unternehmen muss benachrichtigt werden wenn ist Autor von unstrukturierte semistrukturierte strukturierte wurde Wie erstellt? von Prozesse darf Prozesse gelesen werden von Prozesse Wurde verkauft an Was? ist verantwortlich für hat Produktverantwortlichen Dokument Dokumente Team Aufgaben Kalender ist ein Protokoll von Meetings Suche Berechtigungen Links Benachrichtigungen wird dokumentiert in Ist gespeichert in Wo? hat Keywords Produkt XYZ Seite 54

55 Nutzung des vollen Potentials! Semantik Grundfunktionen Sharepoint Wer? Mitarbeiter Team /Abteilung Unternehmen Wie? Was? unstrukturierte Prozesse Dokumente semistrukturierte Prozesse Aufgaben Team Kalender strukturierte Prozesse Meetings Suche Berechtigungen Links Benachrichtigungen Wo? Seite 55

56 Beispiel Vorschläge aus dem Wissensmodell Seite 56

57 Beispiel Vorschläge aus dem Wissensmodell Suche nach "Breake" wird korrigiert zu "Brake" Synonyme werden gesucht BR, Brakes, Bremse, etc. Kategorien und Verknüpfungen der Ergebnisse werden gezeigt Seite 57

58 Beispiel Ergebnisse können entsprechend über die Kategorien (hier Brake) gefiltert werden Seite 58

59 sowie über die relevanten Verknüpfungen Beispiel Seite 59

60 Beispiel Suche nach Experten zur Bremse "Br 5600" Findet 2 "Employees", davon 1 Marketing 1 Produktion Seite 60

61 Beispiel Bitte nur Personen aus der Abteilung Produktion Wieso wird Herr Leinemann gefunden? Seite 61

62 Beispiel Mitarbeiter wird über Regel gefunden Seite 62

63 VIELEN DANK FÜR IHRE AUFMERKSAMKEIT! Ihre Fragen? Web: Mail: Tel: Fax: Seite 63