Mobile Business und mobile Prozesse: Definitionen, Motive ...
Wissensdatenbanksysteme - Institute...
Transcript of Wissensdatenbanksysteme - Institute...
© A. Maedche & S. Staab 2001
Dr. Steffen StaabInstitut AIFB,
Universität Karlsruhe
&
Dr. Alexander MaedcheForschungszentrum Informatik,Universität Karlsruhe
ForschungsbereichWissensmanagement (WIM)
Wissensdatenbanksysteme
© A. Maedche & S. Staab 2001
Agenda
• Das Seminar über Wissensdatenbanken ist in dreiTeile aufgegliedert:
– Teil I: Einführung in Wissensdatenbanksysteme
– Teil II: Aufbau und Instandhaltung eines Wissensdatenbanksystems
– Teil III: Anwendungszenarien von Wissensdatenbanksysteme
© A. Maedche & S. Staab 2001
Agenda Teil I
• Teil I: Einführung in Wissensdatenbanksysteme– Einführende Definitionen
– Anforderungen an Wissensdatenbanksysteme
– Der Trade-Off bei der Entwicklung von Wissensdatenbanksysteme
– Komponenten eines Wissensdatenbanksystems
– Kernprozesse in Bezug auf ein Wissensdatenbanksystem
© A. Maedche & S. Staab 2001
Agenda Teil II
• Teil II: Aufbau und Instandhaltung einesWissensdatenbanksystems
– Allgemeine Zielsetzungen beim Aufbau eines
Wissensdatenbanksystems
– Wissensstrukturprozess
– Wissensprozess
© A. Maedche & S. Staab 2001
Agenda Teil III
• Teil III: Anwendungszenarien von Wissensdaten-banksysteme
– Anwendungen im Personalwesen – Skillmanagement
– Anwendungen im E-Learning
– Anwendungen im Virtuellen Organisationen
– Anwendungen im E-Commerce
© A. Maedche & S. Staab 2001
Teil I
Einführung in
Wissensdatenbanksysteme
© A. Maedche & S. Staab 2001
Einführende Definitionen
• Daten sind alle in gedruckter, gespeicherter, visueller odersonstiger Form verwertbare Angaben. Daten sind subjektivwahrnehmbar, und potenziell verwertbar.
• Information wird als natürlicher Prozess derErkenntnisgewinnung. Der Prozess der Information ist zuverstehen als der Vorgang des Interpretieren von aus Datengenerierten Signalen
• Wissen ist Information in Kontext.
• Wissensmanagement: Bewusster Umgang mit derRessource Wissen und ihr zielgerichteter Einsatz
© A. Maedche & S. Staab 2001
Bausteine des Wissensmanagements
Knowledge Management
Wissens-identifikation
Wissens-erwerb
Wissens-strukturierung
Wissens-nutzung
Wissens-bewahrung
Wissens-(ver)teilung
Feedback Wissensziele: Bestimme Ziele für WM Aktivitäten
Wissensidentifikation: Übersicht über internes undexternes Wissen
Wissenserwerb: Schulungen, „Einkauf“, F&E
Wissensstrukturierung: Strukturierung und Integrationvon Wissen
Wissensverteilung: Verteilung/Kommunikation vonWissen im Unternehmen
Wissensnutzung: produktive (Aus-)Nutzung von Wissen(Patente, nachfolgende Maßnahmen)
Wissensbewahrung: Speichern und Bewahren von
relevantem Wissen und Erfahrungen
Wissensbewertung: Controlling desWissensmanagementprozesses
Angelehnt an [Probst et al. 1999]
Wissensziele Wissens-bewertung
© A. Maedche & S. Staab 2001
Explizites vs. Implizites Wissen
Sozialisation
Kombination / Integration
Externalisierung
Internalisierung
Implizites Wissen
Explizites Wissen
ExplizitesWissen
Implizites Wissen
von
zu
© A. Maedche & S. Staab 2001
Anforderungen an Wissensdatenbanksysteme
• Es sollten unterschiedliche Typen von Wissensquellen ((halb-)strukturiert Daten, Texte, ...) gespeichert werden können
• Eine Einbettung in existierende Plattform, Umgebung undkonkrete Arbeitsprozesse sollte ermöglicht werden
• Wissensdatenbanksysteme sollten den konkretenAnwendungskontext (z.B. die Unternehmensterminologie)reflektieren
• Anfragen sollte auf unterschiedliche Art und Weise gestelltwerden können und möglichst konkret beantwortet werden
© A. Maedche & S. Staab 2001
„Wie entwickelte sich derAktienkurs der SAP in denletzten 3 Jahren?“
Konkrete Antworten
© A. Maedche & S. Staab 2001
© A. Maedche & S. Staab 2001
Der Anwendungskontext
People can‘t share knowledge if they do not speaka common language! (T. Davenport)
Jugendlicher
Engineer
Designer
Banker
© A. Maedche & S. Staab 2001
Trade-Off
• Die verwendeten Technologien und die investierte Man-Powerreflektieren die Qualität der Inhalte einer Wissensdatenbank
• Beim Aufbau einer Wissensdatenbank ist generell ein Trade-Offzu machen zwischen
InvestierterMan-Power
Qualität derInhaltevs.
© A. Maedche & S. Staab 2001
Spektrum WDBS
Information RetrievalSystem
RelationaleDatenbanken
DataWarehouse
Semi-strukturierteDatenbanken
Dokumenten-managementsystem
WissensbasenFeine
Granularität
GrobeGranularität
strukturiert
dokumentebene
© A. Maedche & S. Staab 2001
Wissensräume
Wissens-quellen(intern, extern,implizit, explizit)
• Datenbanken,• Dokumente,• Bilder,• Experten,• ...
Wissensstruktur
Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)
Kultur
GanzheitlichesWissensmanagement
© A. Maedche & S. Staab 2001
Beispiel: Wissensstruktur für Museen
© A. Maedche & S. Staab 2001
Komponenten eines Wissensdatenbanksystems
• Generell unterscheidet man innerhalb des WDBS zwischen derPräsentationsschicht, der Geschäftslogik und der konkretenDatenspeicherung.
• Die Geschäftslogik stellt eine Zwischen- und Mehrwertschichtzwischen den konkreten Daten und der Präsentation dar.
• Präsentation kann auf unterschiedlichen Wegen erfolgen (imWebbrowser, visuelle Navigation, in der MS Office Umgebung)
© A. Maedche & S. Staab 2001
Architektur: WissensdatenbanksystemeG
esch
äfts
log
ik
Datenzugriffschnittstelle
Dat
enP
räse
nta
t-io
nss
chic
ht
Wissensstruktur-visualisierung
Freitextsuche &Indexierung
Anfrage-interface
Query Engine
Einbettung inStandardapplikationen
WissensextraktorWissensableitungs-
komponenteSemantische
Suche
Wissensstrukturen Wissenquellen Benutzer
System-administration
Benutzerinteraktions-modul
Administration
Wissensstruktur-zugriff
Wissensquellen-zugriff
Benutzerdaten-zugriff
Wissensadaptions-komponente
Wissensevaluations-komponente
Webinterface
Datenpräsentationsschnittstelle
Administrations-datenzugriff
Wissensstruktur-editor
Wissens-Push-Modul
Benutzerprofile
…..
….. …..
…..
…..
© A. Maedche & S. Staab 2001
Anwendungsbeispiel: HR
• Unterstützung für HR Management - 7 wichtige Themen
• Lokation aktueller und neuer Schlagworte und Themen
• Intranet/WWW-basierter Yellow Page Mechanismus aufbegrifflicher Ebene
• Aufbau einer intranetbasierten Wissensbasis
© A. Maedche & S. Staab 2001
Anwendungsbeispiel: HR
Human ResourceKonzernstrategie:
- Beschreibungrelevanter Topicsin Wissensstruktur
- Definiere kooperativFaktenwissen inForm von Metadatenüber die Webseiten
� Entwicklung einesSemantic Portalsfür HR Strategie
- Suche fokussiertrelevante Webseiten
© A. Maedche & S. Staab 2001
Anwendungsbeispiel: Virtuelles Museum in Wien
© A. Maedche & S. Staab 2001
Fazit zur Einführung
• Es gibt unterschiedliche Dimensionen von Wissensdaten-banksystemen
• Die Qualität der Antworten hängt zu einem großen Teil von derinvestierten Man-Power ab
• Wissensstrukturen helfen die Inhalte von Wissensdatenbank-system zu organisieren und die Qualität der Inhalte zu erhöhen.Sie sind elementarer Bestandteil einesWissensdatenbanksystems.
© A. Maedche & S. Staab 2001
Teil II
Aufbau und Instandhaltung einesWissensdatenbanksystems
© A. Maedche & S. Staab 2001
Inhalte
– Ziele einer Wissensdatenbank– Wissensstrukturprozess:
Aufbau und Instandhaltung von Wissensstrukturen– Wissensprozess
© A. Maedche & S. Staab 2001
Ziele der Wissensdatenbank
Wissens-quellen(intern, extern,implizit, explizit)
• Datenbanken,• Dokumente,• Bilder,• Experten,• ...
Wissensstruktur
Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)
Kultur
GanzheitlichesWissensmanagement
Wissensstrukturensind der Schlüssel!
Auch:„Ontologie“
© A. Maedche & S. Staab 2001
Ziele der Wissensdatenbank
Wissens-quellen(intern, extern,implizit, explizit)
• Datenbanken,• Dokumente,• Bilder,• Experten,• ...
Wissensstruktur
Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)
Kultur
GanzheitlichesWissensmanagement
Datenintegration!
© A. Maedche & S. Staab 2001
Datenintegration - Beispiel: SAP R/3
Fragen:
• „Welcher Mitarbeiter arbeitetin Projekt Carma?“
• „Welcher Mitarbeiter kenntsich aus mit Middleware?“
• SAP Tabellen– Für Personen
SAP R/3 HR (Human Resource
Mgmt): H1001,...
– Für Projekte
SAP PLM Program and Project
Mgmt: PROJ, PRPS,..
Daten sind im Prinzip vorhanden, müssen aber gemäß einereinheitlichen Wissensstruktur zur Verfügung gestellt werden
Unterstützungsmöglichkeiten nutzen (z.B. Lotus Notes Pump)
© A. Maedche & S. Staab 2001
Ziele der Wissensdatenbank
Wissens-quellen(intern, extern,implizit, explizit)
• Datenbanken,• Dokumente,• Bilder,• Experten,• ...
Wissensstruktur
Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)
Kultur
GanzheitlichesWissensmanagement
Kommunikation!
© A. Maedche & S. Staab 2001
Ziele der Wissensdatenbank
Wissens-quellen(intern, extern,implizit, explizit)
• Datenbanken,• Dokumente,• Bilder,• Experten,• ...
Wissensstruktur
Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)
Kultur
GanzheitlichesWissensmanagement
Datenaustausch!
© A. Maedche & S. Staab 2001
Wissensprozess & Wissensstrukturprozess
Wissens-strukturprozess
Wissens-prozess
Wissensprozess ->Fokussiert auf Inhalte
Wissensstrukturprozess ->Fokussiert aufStrukturierung der Inhalte
© A. Maedche & S. Staab 2001
Inhalte
– Ziele einer Wissensdatenbank– Wissensstrukturprozess:
Aufbau und Instandhaltung von Wissensstrukturen– Wissensprozess
© A. Maedche & S. Staab 2001
Richtlinien für Wissensstrukturprozess
•Identifikation: Wissensbedarf,Möglichkeiten, Engstellen,Einsatzgebiete
•Zielgeleitete Konstruktion vonWissensstrukturen
• Benutzerzentrierte Einführung vonWDB und Werkzeugen
•Wartung und CPI (ContinuousProcess Improvement)
• KontextorientierteAnforderungen an WDB
• Zielorientierung innerhalbOrganisation
• Wissensbereitstellung und–abfrage stattInformationoverload
• WDBMS bleibt erfolgreichim Einsatz
© A. Maedche & S. Staab 2001
Wissensstrukturprozess
Kickoff Verfeinerung
Wissensdatenbank
Mach-barkeits-
studie
SemiformaleOntologie-
beschreibung
Ontologie EvaluierteOntologie
CommonKADS
Worksheets
Go /No Go?
An-forderungenvollständig
?
ErfülltAnforderungen
?
Operativschalten?
EvaluierungErweiterung
&Anpassung
35© A. Maedche & S. Staab 2001
Machbarkeitsstudie
Identifikation von Problemen undgünstigen Gelegenheiten undLösungsmöglichkeiten innerhalbeiner übergeordnetenorganisatorischen Perspektive.
Entscheidung überwirtschaftliche, soziologische undtechnische Durchführbarkeit –Auswahl dervielversprechendsten Zielgebieteund –lösungen (Quick Win!)
BetroffenePersonen
Entscheidungfür Anwendung
Kerngebiet derWissensstruktur
Quelle für WMProzesse
Personen
Wissens-repertoire
Prozesse
Machbarkeitsstudie
© A. Maedche & S. Staab 2001
Wissensstrukturprozess
Kickoff Verfeinerung
Wissensdatenbank
Mach-barkeits-
studie
SemiformaleWissens-struktur
Wissens-struktur
EvaluierteOntologie
CommonKADS
Worksheets
Go /No Go?
An-forderungenvollständig
?
ErfülltAnforderungen
?
Operativschalten?
EvaluierungErweiterung
&Anpassung
© A. Maedche & S. Staab 2001
Top-Down vs. Bottom-Up
• Das Schema für die Wissensdatenbank kann top-down oder bottom-up erstellt werden:
• Top-down: von der Anwendung & Experten
• Bottom-up: von den existierenden Daten und Systemen
• In realen Anwendungen hat sich eine gemischteStrategie als erfolgreich erwiesen.
© A. Maedche & S. Staab 2001
KICKOFF
Vorgehensweise in der Kickoff-Phase
• Anforderungsspezifikation
• Analyse der existierenden Wissensquellen
• Entwicklung der Semiformalen Wissensstruktur
© A. Maedche & S. Staab 2001
Anforderungs-spezifikation
Was sind Ziele,relevanteAnwendungen,etc. für meineWissens-datenbank?
© A. Maedche & S. Staab 2001
Anforderungs-spezifikation
WelcheFragen sollmeineWissensdaten-bankbeantwortenkönnen?
© A. Maedche & S. Staab 2001
Analyse existierender Wissensquellen
• Relationale Datenbanken
• Texte (Projektberichte,...)
• Glossare („Eine Kapitallebensversicherung ist ...“)
• Thesauri
© A. Maedche & S. Staab 2001
Analyse der existierenden Wissensquellen
Anzapfen von Datenbanken: http://kaon.semanticweb.org/kaon/REVERSE
© A. Maedche & S. Staab 2001
Semi-formale Wissensstruktur mittels Mind-Map
Swiss Life: 700 Begriff für Skill Management in Mind Map
© A. Maedche & S. Staab 2001
MindMap
© A. Maedche & S. Staab 2001
SpracheMindMap
© A. Maedche & S. Staab 2001
MindMap
© A. Maedche & S. Staab 2001
MindMap
© A. Maedche & S. Staab 2001
Wissensstrukturprozess
Kickoff Verfeinerung
Wissensdatenbank
Mach-barkeits-
studie
SemiformaleWissens-struktur
Wissens-struktur
EvaluierteOntologie
CommonKADS
Worksheets
Go /No Go?
An-forderungenvollständig
?
ErfülltAnforderungen
?
Operativschalten?
EvaluierungErweiterung
&Anpassung
© A. Maedche & S. Staab 2001
Verfeinerung
• Überprüfung und Erweiterung der semi-formalenWissensstruktur
• Formalisierung der Wissensstruktur– Unterscheidungen in
• Arten (z.B. ein Mitarbeiter ist eine Art Person)
• Teile (z.B. ein Auto hat einen Motor)
• Attribute (z.B. ein Auto hat eine Farbe)
• Sonstige Hierarchien (z.B. Wissensstrukturen sind ein Teilthema von
Wissensdatenbanken)
© A. Maedche & S. Staab 2001
Überprüfung der Wissensstruktur
• Können alle Kompetenzfragen beantwortet werden?– Z.B. wenn Frage „Welcher Mitarbeiter arbeitet in Projekt X?“,
dann muessen „Mitarbeiter“ und „Projekt“ und „arbeitenIn“ in der
Wissensstruktur auftauchen
© A. Maedche & S. Staab 2001
Formalisiere Wissensstruktur - OntoEditTM
© A. Maedche & S. Staab 2001
Wissensstrukturprozess
Kickoff Verfeinerung
Wissensdatenbank
Mach-barkeits-
studie
SemiformaleWissens-struktur
Wissens-struktur
EvaluierteOntologie
CommonKADS
Worksheets
Go /No Go?
An-forderungenvollständig
?
ErfülltAnforderungen
?
Operativschalten?
EvaluierungErweiterung
&Anpassung
© A. Maedche & S. Staab 2001
Evaluierung
Vergrößerung
• Am besten mit PrototypSzenarien mit denAnwendern durchspielen
Verkleinerung
• Welche Begriffe sindüberflüssig?
So viel Wissensstruktur wie nötig, aber so wenig wiemöglich!
© A. Maedche & S. Staab 2001
Entwickle möglichst frühzeitig Prototyp!!
Traue niemandem außer den Nutzern DeinesSystems!!
© A. Maedche & S. Staab 2001
Wissensstrukturprozess
Kickoff Verfeinerung
Wissensdatenbank
Mach-barkeits-
studie
SemiformaleWissens-struktur
Wissens-struktur
EvaluierteOntologie
CommonKADS
Worksheets
Go /No Go?
An-forderungenvollständig
?
ErfülltAnforderungen
?
Operativschalten?
EvaluierungErweiterung
&Anpassung
© A. Maedche & S. Staab 2001
Erweiterung und Anpassung
• Kontinuierlicher Prozess der Erweiterung undAnpassung der Wissensstruktur muss eingeplantwerden!
• Die Wissensdatenbank ist in der Regel keinSelbstläufer!
© A. Maedche & S. Staab 2001
Beispiel: Customer Care – Siemens Automation and Drive
http://www4.ad.siemens.de/support/index.asp (nach Lenz 1998)
Wartung der Ontologie:
• Ca. ein halber Manntag pro Monat
• Kundenvorschläge werden berücksichtigt
• Gestellte Fragen werden berücksichtigt
Z.B. Kunde fragt „Wieso klemmt der Schekel?“
System: „Bitte beschreiben Sie das Wort Schekel.“
-> Feedback an Wissensmanager
© A. Maedche & S. Staab 2001
Zentrale Richtlinien für den Entwurf vonWissensstrukturen
1. Vermittle dem Benutzer die Bedeutung von Wissensstrukturierung(Ontologie, Thesaurus,...)!
2. Zeige den Nutzen konkret an einem (eventuell rein graphischen)Prototypen auf!
3. Modelliere genau – aber gebe dem Benutzer auch ungenaue Sichten indie Hand!
4. Plane einen Instandhaltungsprozess unter Beteiligung eines„Wissensmanagers“!
5. Plane die „Befüllung“, die die WDB interessant macht!
6. Suche nach dem Quick Win!
© A. Maedche & S. Staab 2001
Inhalte
– Ziele einer Wissensdatenbank– Wissensstrukturprozess:
Aufbau und Instandhaltung von Wissensstrukturen– Wissensprozess
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Import
Was sind Legacy-Quellen fürdie Initialisierung?
• Relationale Datenbanken(ERP)
• Existierende Groupware-Lösungen
• HTML-Seiten
• Papier?
© A. Maedche & S. Staab 2001
Inkrementelles Wachsen der Wissens-DB
ExistierendeDaten
Wissens-DB
© A. Maedche & S. Staab 2001
Füllen einer Wissensdatenbank
• Der Aufbau einer Wissensdatenbank geschiehttypischerweise nicht „from scratch“.
=> Einbeziehung von Legacy Systemen!
• Die Konzeption einer Wissensdatenbank wird durchAnwendungsgebiete ‘‘getriggert‘‘.
• Wissensdatenbanken wachsen idealerweise durchihre Anwendung (siehe TopicBroker)
© A. Maedche & S. Staab 2001
Initialisierung der Wissens-DB
• Im schlechtesten Fall kann auf keine existierende Datenzurückgegriffen werden
• Typischerweise existieren relevante Daten (z.B.Profilinformationen bei Proper Anwendung)
• Im einfachsten Fall startet die Wissensdatenbank mit einemDokumentenindex (vgl. Topicbroker)
• Wichtig: Eine Initialisierung der Wissens-DB erhöht dieGesamtqualität und schafft Anreize zur Erweiterung
© A. Maedche & S. Staab 2001
Tradeoff Warehousing / Verteilt
Warehousing Lösung:
Daten in dieWissensdatenbank kopieren
Vorteil:
Kein operativer Eingriff inLegacy-System
Nachteil:beschränkte Aktualität Legacy WDB
Kopiere
© A. Maedche & S. Staab 2001
Import in zwei Schritten:
A: Gemeinsames Datenmodell
Z.B. alle relevanten Daten ineine relationale Datenbanksaugen
B: GemeinsameWissensstruktur
Z.B. gemeinsameWissensstruktur über dieverschiedenen Tabellenlegen
Ziel: Reduzierung von Komplexität,denn Wissensstrukturen ändern sich!
© A. Maedche & S. Staab 2001
Tradeoff Warehousing / Verteilt
Verteilte DB Lösung:
Daten dynamisch abfragen
Vorteil:AktuellWeniger Redundanz
Nachteil:Technisch komplexerMehr Zugriffsrechteerforderlich
Legacy WDB
Abfragen
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Kreiere Wissen – Integration in Standardanwendungen
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Annotierung gemäß Wissensstruktur
© A. Maedche & S. Staab 2001
Erfassung
Vorteile
• Gute Qualität möglich (nichtgarantiert!)
Nachteile
• Aufwendig
• Nur für ausgewählte Datenmöglich
Ziel: Integration von Annotierung in Standardaktivitätz.B. Angabe von Keywords beim Abspeichern von Files
Ziel: Automatisierung -> „Wrapping“ von Tabellen
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Semantic MinerTM / Smes-Miner (UniKa)
Kombination von Faktenwissen und Keyword-Suchegemäß den Wissensstrukturen
© A. Maedche & S. Staab 2001
SMES Miner Interface
© A. Maedche & S. Staab 2001
Retrieval /
ZugriffAbfragen
Suchen
Ableiten
Wissensprozess
ErfasseExtrahieren
Annotieren
Kreiere
Import
Dokumente
Benutze
Anwenden
Zusammenfassen
Analysieren
AutomatischeWeiternutzung
© A. Maedche & S. Staab 2001
Kreiere Wissen – Integration in Standardanwendungen
Integration von Kreation und Nutzung!
© A. Maedche & S. Staab 2001
Teil III
Anwendungsszenarien vonWissensdatenbanksystemen
© A. Maedche & S. Staab 2001
Personalwesen - Skillmanagement
• Eine klassische Frage des Wissensmanagement ist
“Wer ist Ansprechpartner für ein bestimmtes Thema?”
• Ein Wissensdatenbanksystem erfüllt aber noch weitereAnforderungen:
– Fehlzeiten - Personalmarktplatz
– Zeitdaten - Bildungslebenslauf
– Verbesserungsmanagement - Personensuche
– Leistungsbeurteilung
© A. Maedche & S. Staab 2001
Skillmanagement – Ein Beispiel
© A. Maedche & S. Staab 2001
Bewerbungsmanagement - Skillextraktion
• Bewerbungen werden typischerweise in textueller Form demUnternehmen zugesendet
• Auf Basis einer vordefinierten Skill-Wissensstruktur lassen sichautomatisch aus den eingescannten und in Text konvertiertenDokumenten entsprechende Skills extrahieren
• Verwendung von Ranking-Mechanismen, Anwendung sowohlauf interne als auch externe Bewerber
© A. Maedche & S. Staab 2001
Skillextraktion aus heterogenen Wissensquellen
ProjectPerson
Top
arbeitetIn
Wissens-Management
DCX2000
Mitarbeiterdatenbank
Intranetseite
HPMaierarbeitetIn
Forschungs-projekt
behandelt
Unterbegriff
Skill
KM-Initiative
behandelt
UnterbegriffUnterbegriff
UnterbegriffUnterbegriff
vomTyp
vomTypvomTyp
vomTyp
© A. Maedche & S. Staab 2001
Kompetenzanalyse - Skillanalyse
• Mittels Data Mining Techniken werden auf Basis derMitarbeiterskills Kompetenzanalysen durchgeführt
• Typische Fragestellungen dabei sind:– Gibt es Mitarbeiter-Kompetenzcluster?
– Wie ähnlich sind die Mitarbeiter einer Abteilung bzgl. ihrer Kompetenzen?
– Wo fehlen Kompetenzen?
– Welche Kompetenzen treten typischerweise gemeinsam auf?
© A. Maedche & S. Staab 2001
Skillmanagement – E-Learning
• Skill-Management und Weiterbildungsmassnahmen hängendirekt miteinander zusammen
• Idee: Anreicherung des Kursprogramms mit Metadaten
• Nach Besuch eines Kurses bekommt der jeweilige Teilnehmerautomatisch die Aufforderung sein Skillprofil zu aktualisierenzugesendet
© A. Maedche & S. Staab 2001
E-Learning
• Ziel: Training-on-the-Job
• Allgemeines Problem:– Resourcen räumlich/zeitlich verteilt
– Kompetenzen räumlich/zeitlich verteilt
– Lernende räumlich/zeitlich verteilt
© A. Maedche & S. Staab 2001
E-Learning Szenarien
Re-organisation:
• Versicherung kauft Bank
• Bankmitarbeiter müssen inZukunftVersicherungsprodukteverkaufen
Neue Technologie:
• Neues Automodell
• Automechaniker, -elektroniker, -verkäufermüssen sich auf denneuesten Stand bringen
© A. Maedche & S. Staab 2001
Traditionelle Lösungen
Vor-Ort-Training
Nachteile:
• Zeitaufwendig
• teuer
Computer-based Training
Nachteile:
• Jeder sieht die gleichenInhalte
• Keine Individualisierung
© A. Maedche & S. Staab 2001
Wissensdatenbank-basierte Lösung
1. Modellierung derWissensstrukturen
2. Ablage von neuem Wissenin der WDB
3. Abgleich von Vorwissen mitneuem Wissen anhand derWissensstrukturen
Vorteile:
• Zeit- und Kostenreduktion
• Einfacheres Wiederfinden zumNachschlagen
• Individualisiertes Lernen
• Erkennen von prinzipiellenSchwachstellen deseLearning-Kurses
• Zusammenbringen vonLernenden mit ähnlichenProblemen
© A. Maedche & S. Staab 2001
Virtuelle Organisationen
• Konzentration der Unternehmen auf Kernkompetenzen
• Komplexe Dienstleistungs-Projekte efordern umfangreichesKompetenzspektrum: Bündelung zu “VirtuellenUnternehmen”
• Technischer Fortschritt bisher in Unternehmen nur teilweiseumgesetzt und angewandt, nicht ausreichende IT-Unterstütztung für:
– Verteiltes Wissensmanagement
– Unternehmensübergreifende Geschäftsprozesse
– Übergreifendes Dokumentenmanagement
© A. Maedche & S. Staab 2001
WDBS in Virtuelle Organisationen
• Ansatz: Definiere für eine sich ergebende Virtuelle Organisation(z.B. Bauprojekt, Softwareentwicklungsprojekt, etc.) eineWissensstruktur� Etablierung einer gemeinsamen Kommunikationsbasis sowohl auf
menschlicher als auch maschineller Ebene!
• Zugriff auf VO-Daten erfolgt einheitlich über spezielles VO-Webportal
• Zusätzlich: Definition unternehmensübergreifender Prozesse,welche auf diese Daten zugreifen
© A. Maedche & S. Staab 2001
Architektur des Systems
Virtuelle Organisation
Unternehmen nUnternehmen 2Unternehmen 1
Meta-Wissensstruktur
......
ÜbergreifendeGeschäfts-prozesse
Wissensdaten-bank
Integrationsschicht
VO Portal
Bereichs-Wissens-struktur
Push-AgentQuery-Agent
Präsentation
User Interface
© A. Maedche & S. Staab 2001
Anwendung im Bauwesen
• VO-Wissensstruktur mit Spezialisierung auf die Baubranche
• Teilnehmende Parteien:– Planung: Architekten
– Ausführung: Baubetriebe, Handwerker, etc.
• Speziell auch Einbeziehung von Aspekten des Gebäude-management
• Dokumentation des Projektes auf Basis definierterWissensstruktur
© A. Maedche & S. Staab 2001
Anwendung im E-Commerce / Customer-Support
Ziel: kanalisiere Anfragen
• von intern (Techniker)
• von extern (Kunden)
• „Kunden helfen Kunden“
Methode:
• Wissensdatenbank imInternet mit
– Manuals
– Frequently Answered Questions
– Katalogen
– ...
Resultat: Kunden informieren sich über die Fähigkeitender Systeme anhand der Manuals und FAQs
© A. Maedche & S. Staab 2001
Anwendung im E-Commerce / Customer Support
© A. Maedche & S. Staab 2001
Anwendungim E-Commerce /CustomerSupport
© A. Maedche & S. Staab 2001
Anwendungim E-Commerce /CustomerSupport
© A. Maedche & S. Staab 2001
Anwendung im E-Commerce /Customer Support
© A. Maedche & S. Staab 2001
Literaturhinweise, URLs, etc.
© A. Maedche & S. Staab 2001
Literatur
Gilbert Probst, Steffen Raub, Kai Romhardt. Wissen managen. Wie Unternehmen ihre
wertvollste Ressource optimal nutzen. Th. Gabler Verlag, 1999.
Guus Schreiber, Robert de Hoog, Hans Akkermans, Anjo Anjewierden, Nigel Shadbolt,
Walter Van de Velde Knowledge Engineering and Management (CommonKADS). The
MIT Press 2000.
...
© A. Maedche & S. Staab 2001
Kontakt zu den Referenten
• A. Maedche, Tel. 0721 / 9654802
http://www.fzi.de/wim
• S. Staab, Tel. 0721 / 6084751
[email protected], [email protected]
http://www.aifb.uni-karlsruhe.de/WBS