Knowledge Engineering

Knowledge Engineering: Umsetzung des Wissensmanagement

Der Entwurf und die Weiterentwicklung von Wissensmanagementsystemen umfasst unter anderem folgende Teilschritte:

Modellierung meines Unternehmenswissens

  • Wie kann ich mein Unternehmenswissen strukturieren?
  • Bsp.: Einsatz von Ontologien und Topic Maps

Modellierung meiner wissensintensiven Prozesse

  • wissensintensive Geschäftsprozesse sind solche Geschäftprozesse, die ein hohes Maß an Wissen benötigen und Wissen verarbeiten
  • Bsp.: Produktentwicklungsprozess bei einem Automobilhersteller

Ausgestaltung der Hauptfunktionen von WM-Systemen

  • die Anforderungen an typische Hauptfunktionen müssen spezifiziert werden
  • die Funktionen müssen durch Methoden und Verfahren z.B. der Business / Process Intelligence, Data Mining, Business Rule Management, Semantic Web umgesetzt werden

Bsp.: Learning Management System für Social CRM

Die Learning System Method for intelligent SCRM zeigt einen Weg zur Entwicklung eines intelligenten und wissensbasierten Systems für das Social CRM auf.

  • Fact Knowledge: das System beinhaltet Basiswissen über sein Anwendungsgebiet: z.B. im Social CRM den Social Graph und weiteres Wissen über die Beziehungen von Akteuren
  • Ontology: die Ontologie repräsentiert aktuelles Wissen und deren Zusammenhänge
  • Rule Knowledge: mit Hilfe von Regeln lässt sich neues Wissen generieren und Handlungen ableiten
  • Process Intelligence: mit Hilfe von Wirkmustern zur Selbstoptimierung lernt das wissensbasierte System neues Wissen im laufenden Betrieb.
  • Methods Intelligence: mathematisch-statistische Verfahren ermöglichen die Entdeckung neuer Erkenntnisse

Publikationen

  • SCHMIDT, ANDREAS; HOYER, JULIUS: Learning Systems Methods for intelligent SCRM. In: Gronau, N., Lehrstuhl für Wirtschaftsinformatik und Electronic Commerce, Universität Potsdam (Hrsg.): ERP Management 10 (2014) 2, GITO mbH Verlag, 2014, S. 33-36
  • SCHMIDT, A.; HOYER, J.: Squared Crowdsourcing Intelligence: ein Ansatz zur integrierten Experten-Data-Mining Analyse neuer Technologien für die frühen Phasen der Produktinnovation. In: Gausemeier, J. (Hrsg.): Vorausschau und Technologieplanung. HNI Verlagsschriftenreihe, Band 318, Paderborn, 2013, S. 117-137
  • SCHMIDT, A.: Wirkmuster zur Selbstoptimierung – Konstrukte für den Entwurf selbstoptimierender Systeme. HNI-Verlagsschriftenreihe, Paderborn, Band 204, 2006

Kontakt

Hochschule Osnabrück
University of Applied Sciences
Albrechtstr. 30
49076 Osnabrück
Telefon: +49 541 969-0
Fax: +49 541 969-2066
E-Mail: webmaster@hs-osnabrueck.de

© 2017 HOCHSCHULE OSNABRÜCK
UNIVERSITY OF APPLIED SCIENCES

Besuchen Sie uns

Zertifikat