wissens management ontologien und normen

Groupware und Wissensmanagement: 

Groupware und Wissensmanagement Wissensmanagement: Ontologien und Normen 17.01.2007 Ruhr-Universität Bochum Institut für Arbeitswissenschaft LS Informations- und Technikmanagement Dipl.-Inform. Michael Prilla, michael.prilla@rub.de Dipl.-Inform. Carsten Ritterskamp, carsten.ritterskamp@rub.de Wintersemester 2006/2007

Diese Sitzung auf einer Folie: 

Diese Sitzung auf einer Folie Wissensmanagement soll die situationsgerechte Versorgung mit Wissen erleichtern Zur Verteilung und Nutzung von Wissen muss dieses beschrieben werden Die Beschreibung sollte verständlich und (möglichst) eindeutig sein Ontologien bieten eine Möglichkeit, Wissen eindeutig zu beschreiben Ontologische Beschreibungen können im Wissensmanagement zur Strukturierung, Verbindung und Visualisierung von Wissen verwendet werden

Problemstellung: 

Problemstellung Für Wissensmanagement ist die Beschreibung von Wissen notwendig ... ... zur Explizierung: Die Typisierung von Inhalten beschreibt das darin explizierte Wissen ... zur Strukturierung: Die Anordnung nach Kategorien erleichtert den Aufbau von Inhaltsbereichen ... zur Verteilung: Durch Beschreibung kann Wissen (semi-) automatisch verteilt werden ... zur Suche: Weitergehende Beschrei-bungen erleichtern das Auffinden durch bessere Suchmechanismen ... zur Darstellung: Beschreibungen und Abhängigkeiten können visualisiert werden

Beschreibung von Wissen: 

Beschreibung von Wissen Wissensmanagement will Informationen geplant, systematisch und gezielt bereitstellen, die man in einer bestimmten Arbeitssituation benötigt und über die man schon einmal verfügte oder die andere im Unternehmen haben Probleme bei der Beschreibung Strukturierung durch Namen erzeugt Mehrdeutigkeiten Teilnehmer interpretieren Begriffe unterschiedlich Anwendungen „verstehen“ Beschreibungen nicht Stichwortsuchen liefern nicht immer relevante Inhalte Die Gesamtstruktur des Wissensraums ist unklar

Mehrdeutigkeit von Begriffen: 

Jaguar Mehrdeutigkeit von Begriffen Jaguar (Raubkatze) Jaguar (Kampfjet) Jaguar (Auto) Bei der Beschreibung und Darstellung von Wissen muss der Kontext eines Begriffs berücksichtigt werden. Begriffe müssen daher in Beziehung zueinander gesetzt werden.

Herausforderungen bei der Beschreibung: 

Herausforderungen bei der Beschreibung Begriffe sollten eindeutig interpretierbar sein Vorbeugung vor Missverständnissen und Mehrdeutigkeiten Vermeiden von (langwierigen) Nachfragen Begriffe sollten im Kontext verwendet werden Herstellung von Bedeutung Begriffe sollten zueinander in Beziehung stehen Zuordnung zu bestimmten (Wissens-) Gebieten Begriffe sollten „maschinenlesbar“ sein (Semi-) Automatische Verarbeitung und Verteilung von Inhalten

Slide7: 

Zur Realisierung von Wissensmanagement muss Wissen beschrieben und strukturiert werden. Wie kann Wissen eindeutig beschrieben werden?

Ontologien: 

Ontologien An ontology is a formal, explicit specification of a shared conceptualization. Conceptualization refers to an abstract model of some phenomenon. Explicit means that the types of concepts used, and the constraints on their use are explicitly defined. Formal refers to the fact that the ontology should be machine-readable. Shared reflects the notion that an ontology captures consensual knowledge, that is, it is not private of some individual, but accepted by a group. Studer et al. (1998) nach Gruber (1993) An ontology is an explicit specification of a conceptualization. Gruber (1993)

Ontologien: 

Ontologien An ontology defines the basic terms and relations comprising the vocabulary of a topic area as well as the rules for combining terms and relations to define extensions to the vocabulary. Neches et al. (1991) An ontology is a hierarchically structured set of terms for describing a domain that can be used as a skeletal foundation for a knowledge base. Swartout et al. (1997) An ontology may take a variety of forms, but it will necessarily include a vocabulary of terms and some specification of their meaning. This includes definitions and an indication of how concepts are interrelated which collectively impose a structure on the domain and constrain the possible interpretations of terms. Uschold und Jasper (1999)

Ontologien: 

Ontologien Elemente von Ontologien Konzepte Klassifizierung von Objekten Relationen und Taxonomien Verhältnis von Konzepten Eigenschaften Zusätzliche Beschreibung Axiome und Einschränkungen Bedingungen, Folgerungen Instanzen Elemente in einer Ontologie Einteilung Leichtgewichtige Ontologien Schwergewichtige Ontologien

Beispiel: Personen, Themen und Dokumente : 

Beispiel: Personen, Themen und Dokumente Objekt Person Thema Dokument Student Akademiker Semantik Doktorand PhD Student F-Logic Ontologie Alter Name kennt behandelt_in schreibt ähnlich synonym Konzept „ist ein“ Verhältnis Eigenschaft Folgerung: Wenn Person Dokument schreibt, dann kennt Person Thema des Dokuments.

Warum Ontologien?: 

Warum Ontologien? Maschinenverständliche Beschreibung von Dingen und deren Zusammenhang Teilen von z.B. Informationen verschiedener Anwendungen Darstellung von Zusammenhängen Suchen und Finden (automatisiert) „Ist-ein“-Zusammenhänge Brücke zwischen sprachlicher Repräsentation von Informationen und deren Konzeptualisierung Bedeutung von Umschreibungen Gemeinsames Vokabular Metadaten

Ontologien: Beispiel WordNet: 

Ontologien: Beispiel WordNet 9 (!) Bedeutungen für „flight“ als Hauptwort Herausfiltern der gemeinten Bedeutung notwendig

Ontologien zur Kommunikation zwischen...: 

Ontologien zur Kommunikation zwischen... ... Mensch und Mensch gemeinsames Vokabular Begriffsverständnis ... Mensch und Maschine Verarbeitung von Informationen Zuordnung von Wissensrepräsentationen ... Maschine und Maschine Austausch von Daten (Webservices, ...) Virtuelle Anwendungen

Ontologien in Wissensmanagementsystemen: 

Ontologien in Wissensmanagementsystemen Abbildung: Blumauer und Pellegrini (2006)

Ontologien und Aufgaben des Wissensmanagements: 

Ontologien und Aufgaben des Wissensmanagements Wissen explizieren Sichtweisen und Themen ausdrücken Wissen strukturieren Semantisch strukturierte Ablage (vs. fester Strukturen) Wissen verteilen Verbesserung der Informationslogistik („intelligente“ Verteilung) Wissen darstellen Visualisierung und Kategorisierung der Inhalte Wissen suchen und finden Semantische Suche und Auszeichnung

Ontologien für Wissensmanagement : 

Ontologien für Wissensmanagement Informationsontologien Informationsquellen und –strukturen, Zugriffsrechte, ... Dokumentation, Personen, Projekte Domänenontologien Inhalte von Informationsquellen Infrastruktur, Dokumentation Unternehmensontologien Organisationsstruktur, Kontext, Prozesse Personen, Projekte, Organisation, Gruppen

Ontologien für Wissensmanagement: 

Ontologien für Wissensmanagement Domänen- Ontologie Unternehmens- Ontologie Informations- Ontologie Hard- und Software Dokumentation Personen/Rollen Organisation Projekte Gruppen Nach Gómez-Pérez et al. (2004)

Knowledge Lens: 

Knowledge Lens . . Target information Top-level data (metadata) Organization Work location Contact point Second-level data (domain-specific) Function Work process Job characteristics Target information Text document (category) Multimedia material Nach Edgington et al. (2004)

Ontologien zur Integration von Wissensquellen: 

Ontologien zur Integration von Wissensquellen Wissen in Unternehmen typischerweise verteilt verschiedene Anwendungen verschiedene Abteilungen Unterschiedliches Vokabular in Abteilungen Bedeutungen verändert Ontologien unterscheiden sich Lösungen Ontology inclusion Ontology mapping Ontology integration

Ontology Mapping: 

Ontology Mapping Ziel: Begriffe aus unterschiedlichen Ontologien aufeinander abbilden Effekt: Parallele Nutzung beider Ontologien Quelle: Maedche et al. (2003)

Ontologien: Annotieren von Inhalten: 

Ontologien: Annotieren von Inhalten Quelle: Staab und Maedche (2001)

Ontologien: Visualisierung von Wissenräumen: 

Ontologien: Visualisierung von Wissenräumen Hauptklasse „Pizzabelag“ Ontologiespezifische Qualifikation Superklasse Unterklasse, Vererbung Protégé Ontologie-Editor mit TGViz: http://protege.stanford.edu/

Slide24: 

Ontologien werden im Wissensmanagement verwendet, um Wissen zu strukturieren und es Akteuren zugänglich zu machen. Welche Vorteile haben Ontologien? Fallen Ihnen auch mögliche Nachteile ein?

Ontologien: Probleme: 

Ontologien: Probleme Gemeinsames Verständnis Steile Lernkurve Hoher Aufwand für Verständnis Notwendigkeit umständlicher Auszeichnung Vision des Semantic Webs nur umständlich umsetzbar Auszeichnung von Inhalten Kategorienschemata und Voreingenommenheit Star & Bowker (2002) Jede Auswahl von Kategorien enthält Vorbedingungen, die sie für Andere unverständlich oder unlogisch erscheinen lassen

Ontological commitments: 

Ontological commitments Commitments: Gemeinschaftliche Festlegung Probleme beim gemeinschaftlichen Erstellen Gemeinsames Verständnis von Begriffen Resultat: Kleine Menge mit gem. Verständnis Problem: Anwendbarkeit Minimal ontological commitment Gruber (1993b) Konsistenzsicherung Spezifikation der essentiell benötigten Begriffe Spätere Erweiterung Reduktion auf gemeinsames Vokabular grenzt Begriffsraum ein

Ontologien: Dynamik der Nutzung: 

Ontologien: Dynamik der Nutzung Wissens- und Begriffsräume unterliegen Veränderungen Änderungen im Sprachgebrauch Neue Anwendungsfelder (Dynamische) Anpassung schwierig und langwierig Ontology Learning Emergent Ontologies Eignung von Ontologien Strukturierte, wenig dynamische, geschlossene Begriffsräume (Investment Banking, Börse, ...) Dynamische und sozial orientierte Begriffsräume  leichtgewichtigere Lösungen wie Social Tagging

Das Münchener Modell: 

Das Münchener Modell Produktion in Konversation (eMail, IM, ...), Erfassung unstrukturiert. Beispiel: Blogosphere. Bildung von Themen-Communities mit Social Tagging und Folksonomies. Bereitstellung eine gemeinsamen (kontrollierten) Vokabulars. Bildung eines semantischen, reichhaltigen Wissensmodells auf Basis von Ontologien (entwickelt aus Thesauri usw.) Nach Blumauer und Pellegrini (2006), Abbildung: Reinmann-Rothmeier (2001)

Zusammenfassung: 

Zusammenfassung Ontologien sind in der Lage, Wissen zu beschreiben, zu strukturieren und es somit leichter zugänglich zu machen Ontologien können im Wissensmanagement verschiedene Zwecke erfüllen Strukturierung des Wissensraums Spezialisierung bei Suchen Integration von Daten Visualisierung Die Anwendbarkeit und Umsetzung von Ontologien oder anderer Mechanismen ist abhängig von der WM-Aufgabe abzuwägen

Wissensmanagement für KMU – Ausgangslage: 

Wissensmanagement für KMU – Ausgangslage Wissen stellt für viele Unternehmen verschiedener Branchen in zunehmendem Maße einen entscheidenden Produktionsfaktor dar Wissen als Ressource und Wissensmanagement sind erfolgskritische Faktoren Ein effizientes Management dieser Ressource erscheint sowohl für die Aufrechterhaltung als auch für die Steigerung der Wettbewerbsfähigkeit angeraten Dies gilt gerade auch für kleine und mittlere Unternehmen (kmU) Problem: kmU verfügen häufig nicht über die notwendigen Ressourcen, Kompetenzen im Themenfeld Wissensmanagement so für sich aufzubauen, dass eine für das eigene Unternehmen passende Wissensmanagement-Strategie gefunden werden kann

Lösungsansatz: Vorgehensmodelle und Normen: 

Lösungsansatz: Vorgehensmodelle und Normen DIN PAS 1062 Einführung von Wissensmanagement in kleinen und mittleren Unternehmen Leitfaden / Rahmen Beschreibung eines phasenorientiertes Vorgehensmodells für die Einführung von Wissensmanagement in kmU Zielgruppe: Führungsebene innerhalb der Organisation DIN PAS 1063 Einführung von Wissensmanagement in KMU-Netzwerke Hintergrund: Unternehmen fokussieren sich auf Kernkompetenzen, (komplexe) Leistungserbringung erfolgt vermehrt in „netzwerkartigen, kooperativen Strukturen“ Projektbezogene wissensintensive Arbeit in Unternehmensnetzen benötigt ein angepasstes Wissensmanagement Die DIN PAS 1063 hat das Ziel, die Schwierigkeiten eines solchen Wissensmanagements und zugehörige Lösungsansätze aufzuzeigen.

DIN PAS 1602: Inhaltsübersicht: 

DIN PAS 1602: Inhaltsübersicht Einleitung Anwendungsbereich Normative Verweisungen Zugrunde liegende Begriffe Nutzen für kleine und mittlere Unternehmen Besonderheiten des Wissensmanagements in kmU kmU-spezifische Vorgehensweise zur Einführung von Wissensmanagement Anhang Methoden und Werkzeuge Fallbeispiele Literatur

Wissensmanagement: Nutzen für kleine und mittlere Unternehmen (1/2): 

Wissensmanagement: Nutzen für kleine und mittlere Unternehmen (1/2) „Die Wettbewerbsfähigkeit eines kmU hängt nicht zuletzt davon ab, wie gut das kmU es schafft, das relevante Wissen zu identifizieren und dieses Wissens systematisch zu managen.“ [DIN PAS 1062] Wissensmanagement kann helfen, Potenziale im Unternehmen zu erschließen. Diese Potenziale ranken sich um folgende Fragestellungen: Was weiß mein Unternehmen überhaupt? Welches Wissen benötigt mein Unternehmen zukünftig? Was wissen unsere Kunden? Kundenwissen ist für Weiter- und Neuentwicklungen von hohem Wert. Der Kunde ist nicht nur Träger von Bedürfnisinformation, er steuert auch Lösungsinformation bei.

Wissensmanagement: Nutzen für kleine und mittlere Unternehmen (2/2): 

Wissensmanagement: Nutzen für kleine und mittlere Unternehmen (2/2) Was wissen unsere Wettbewerber? u.a. wichtig um zu entscheiden, welches Wissen gefahrlos geteilt werden kann Was wissen meine Kollegen? Haben wir einen Experten für…? Hatten wir nicht mal einen Experten für…? Wo finde ich denn…?

Besonderheiten des Wissensmanagements in kmU (Auswahl – 1/3): 

Besonderheiten des Wissensmanagements in kmU (Auswahl – 1/3) In Bezug auf Wissensmanagement haben kmU spezifische Probleme, Stärken und Anforderungen vgl. DIN PAS 1062, Kap. 6.1, Kap. 6.2 Probleme fehlende KM-Strategie, geringe Unterstützung durch Führungsebene geringe, oft unstrukturierte Dokumentation Wissensmanagement und tägliche Arbeit sind häufig nicht verbunden Überbewertung von IT sowie fehlende Nutzung vorhandener IT Fehlender Überblick über Wissensmanagement-Technologien

Besonderheiten des Wissensmanagements in kmU (Auswahl – 2/3): 

Besonderheiten des Wissensmanagements in kmU (Auswahl – 2/3) Stärken Wissensverteilung erfolgt häufig „face-to-face“ Schnelle Informationswege, häufig enge persönliche Bindung Große Nähe der Mitarbeiter zum Wissen der Kunden

Besonderheiten des Wissensmanagements in kmU (Auswahl – 3/3): 

Besonderheiten des Wissensmanagements in kmU (Auswahl – 3/3) Anforderungen Wissensmanagement mit geringem Aufwand Flexibler Ansatz, der auf verschiedene Organisationsformen passt Wissensvernetzung, auch in Unternehmensverbünden vgl. DIN PAS 1063 Strategien zur Externalisierung von Wissen Berücksichtigung branchenspezifischer Anforderungen Unternehmensziele Leistungsangebot Berücksichtigung „aller Gestaltungsdimensionen des Wissensmanagements“ neben IuK-Technologie sind auch Faktoren der organisatorischen Verankerung und der Unternehmenskultur berücksichtigen

Erfolgsfaktoren des Wissensmanagements in kmU: 

Erfolgsfaktoren des Wissensmanagements in kmU Mensch Bewusstsein für die Ressource Wissen entwickeln positive Kooperations- und Fehlerkultur sind entscheidend Wissen zu teilen und weiterzugeben muss zum selbstverständlichen Handeln werden Anreizsysteme für Wissensweitergabe schaffen Organisation Wissensmanagement muss organisatorisch verankert werden Orientierung an bestehenden Prozessen vgl. Vorlesung zu Group Information Management – 10.1.2007 Wissensmanagement ist Chefsache, die Unternehmensführung muss eine offene Wissenskultur aktiv unterstützen Technik Gebrauchstauglichkeit der IuK-Infrastruktur sicherstellen Funktionale Anforderung: Auffinden von Wissen und Wissensträgern ermöglichen Geringer Aufwand zur Pflege der Wissensbestände

Barrieren des Wissensmanagements in kmU (1/2): 

Barrieren des Wissensmanagements in kmU (1/2) Zeit und Priorität Unterschiede zwischen dem Sagen und dem Tun des Managements Die anhaltende Ansicht, dass „Wissen Macht ist“ Gleichgültigkeit in Bezug auf Wissensteilung „Not-invented-here“-Syndrom Belohnungssysteme, die Wissensteilung hemmen Verschiedene Kulturen und Subkulturen

Barrieren des Wissensmanagements in kmU (2/2): 

Barrieren des Wissensmanagements in kmU (2/2) uneinheitlicher Sprachgebrauch innerhalb der Organisation (vgl. erster Teil der heutigen Vorlesung…) Organisation als Maschine betrachten Organisationaler „Gedächtnisverlust“ Anstieg der „virtuellen“ Arbeit kann hinderlich wie hilfreich sein Überbewertung von Technologie oder inadäquate technische Hilfsmittel Wissen wächst nicht ewig

kmU-spezifische Vorgehensweise zur Einführung von Wissensmanagement: 

kmU-spezifische Vorgehensweise zur Einführung von Wissensmanagement Ziele, Visionen, Strategien Aktueller Stand Anforderungen erheben, alternative Lösungen beurteilen, Schlüsselelemente definieren Lösung in Org. einführen, Schulungen Optimierung der Arbeit durch Ergebnisse der Evaluation

Methoden und Werkzeuge des Wissensmanagements: Auswahl von Empfehlungen für kmU: 

Methoden und Werkzeuge des Wissensmanagements: Auswahl von Empfehlungen für kmU betriebliches Vorschlagswesen Communities of Practice Customer Knowledge Groups Debriefing Lessons Learned Feedbackgespräch Gelbe Seiten Gruppenarbeit Job-Rotation Mikroartikel Skill-Broker Story-telling Wissenskarten Wissensportal Wissensreporter

Slide43: 

Normen wie DIN PAS 1062 erleichtern es KMUs, ein auf sie angepasstes Wissensmanagement zu realisieren. Wie können Unternehmen auf Basis solcher Normen eine Anwendung/Strategie auswählen? Welche Erkenntnisse werden benötigt?

Zusammenfassung und Ausblick: 

Zusammenfassung und Ausblick Wissensmanagement ist gerade auch für kleine und mittlere Unternehmen relevant – am Beispiel der DIN PAS 1062 wurde erörtert, welche spezifischen Rahmenbedingungen hier vorliegen. Darüber hinaus wurde dargestellt, dass die DIN PAS 1062 anstrebt, u.a. mit einem Phasenmodell den Erfolg eines Wissensmanagement-Projekts in kmU abzusichern. Ganz gleich, welches Vorgehensmodell gewählt wird: zur Durchführung der einzelnen Projektphasen sind weitere methodische Kenntnisse erforderlich. Welche dies sind, ist u.a. Thema der folgenden Vorlesung Die vorgestellten Überlegungen und Normen beziehen sich auf Wissensmanagement. Im Bezug auf den Einsatz von Basistechnologien und Vorgehensweisen sind sie jedoch auch auf andere Anwendungsgebiete übertragbar.

Literatur: 

Literatur Gruber, T. (1993a): A translation approach to portable ontology specifications. In Knowledge Acquisition 5(2), pp. 199-220. Gruber, T.R. (1993b): Towards Principles for the Design of Ontologies Used for Knowledge Sharing. In N. Guarino & R. Poli (eds.): Formal Ontology in Conceptual Analysis and Knowledge Representation, Kluwer Academic Publishers, Deventer, The Netherlands. Bowker, G. & Star, S. (2000): Sorting Things Out: Classification and Its Consequences, MIT Press. Berners-Lee (2001): siehe del.icio.us:grouwi WordNet: http://wordnet.princeton.edu/ Studer, R.; Benjamins, V.R. & Fensel, D. (1998): Knowledge Engineering: Principles and Methods. In Data Knowledge Engineering 25(1-2), pp. 161-197. Neches, R.; Fikes, R.; Finin, T.; Gruber, T.; Patil, R.; Senator, T. & Swartout, W. (1991): Enabling Technology for Knowledge Sharing. In AI Magazine 12, pp. 36-56. Swartout, B.; Patil, R.; Knight, K. & Russ, T. (1997): Toward Distributed Use of Large-Scale Ontologies. Ontological Engineering. In AAAI-97 Spring Symposium Series, pp. 138-148. Uschold, M. & Jasper, R. (1999): A Framework for Understanding and Classifying Ontology Applications. In Proceedings of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods: Lessons Learned and Future Trends. Gomez-Perez, A.; Fernandez-Lopez, M.; (2004): Ontological Engineering: With Examples from the Areas of Knowledge Management, E-Commerce and the Semantic Web, Springer. Edgington, T.; Choi, B.; Henson, K.; Raghu, T. & Vinze, A. (2004): Adopting ontology to facilitate knowledge sharing. In Communications of the ACM 47(11), pp. 85-90. Maedche, A.; Motik, B.; Stojanovic, L.; Studer, R. & Volz, R. (2003): Ontologies for enterprise knowledge management. In Intelligent Systems, IEEE 18(2), pp. 26-33. Reinmann-Rothmeier, G. (2001): Wissen managen: Das Münchener Modell. Forschungsbericht Nr. 131, pp. 1614--6336. Blumauer, A. & Pellegrini, T. (2006): Semantic Web und semantische Technologien: Zentrale Begriffe und Unterscheidungen. In Tassilo Pellegrini & Andreas Blumauer (ed.): Semantic Web. Wege zur vernetzten Wissensgeellschaft. Springer.

Slide46: 

Übung

Slide47: 

In der Vorlesung haben Sie kennen gelernt, wie Wissensmanagementsysteme durch Nutzung von Ontologien und ähnlichen Technologien unterstützt werden können. Beziehen Sie diese Technologien auf das TechKnowledgy-Beispiel aus der letzten Übung. Stellen Sie in jeweils einem Diagramm dar, wie diese Technologien in sowohl einem Publishing- als auch einem Collaboration-Ansatz genutzt werden können. Gehen Sie ggf. auch auf Probleme bei der Nutzung ein.