scopeKM: IAS Information Access Suite

scopeKMKnowledge Management

scopeKM Knowledge Management GmbH, Büchnerstr. 24, CH–8006 Zürich, Schweiz , Tel.: +41(0) 44 361 62 62, E-mail:[email protected]

IAS Information Access Suite

Vollständige Lösung für den flexiblen Import von Informationen,

intelligente Verarbeitung der Aufgaben und nutzergerechte Aufbereitung

von Ergebnissen.


White Paper - 2 - © scopeKM GmbH Information Access Suite

Inhaltsverzeichnis Seite

1. Information Access – heute und morgen

1.1 Die neuen Herausforderungen

1.2 Von Informationen zu Erkenntnissen

1.3. Spezifische Herausforderungen bei den CRM-Prozessen

1.4 Unmittelbarer Mehrwert durch modernes Informationsmanagement

2. IAS Enterprise – Modernes Informationsmanagement für das Unternehmen

2.1 Informationen bestimmen Ihr Geschäft

2.2 Use Cases für Information Access

3. Die IAS Information Access Suite im Überblick

3.1 Die optimalen Suchverfahren zur Auswahl

3.1.1 Die assoziative Suche

3.1.2 Die strukturierte Suche

3.1.3 Die Navigation

3.1.4 Geführte Suche mit Entscheidungsbäumen

3.2 Umfassende Funktionalitäten für Informationslogistik

3.2.1 Polydimensionle Organisationsprinzipien

3.2.2 Klassifikation von Informationen

3.2.3 Infrastrukturkomponenten

4. Das Infrastruktur-Framework

4.1 Konfiguration anstatt Programmierung

4.2 Iterativer Ansatz mit geringem initialen Aufwand

4.3 Innovative Softwarearchitektur

3

3

3

5

5

7

7

9

10

10

11

11

13

14

15

15

15

16

17

17

18

19


scopeKM Knowledge Management GmbH, Büchnerstr. 24, CH–8006 Zürich, Schweiz , Tel.: +41(0) 44 361 62 62, E-mail:[email protected]

1. Information Access – heute und morgen

1.1 DIE NEUEN HERAUSFORDERUNGEN

Die Bandbreite der Herausforderungen in der Industrie und den Dienstleitungen ist atemberaubend.

Verursacht werden sie durch neue Anwendungen in unterschiedlichsten Bereichen der Technologie,

Informationsverarbeitung und Kommunikation (Market Pull), aber auch durch die Auffächerung

neuer Kundensegmente, Verkaufs- und Servicekanäle und Marketingansätze (Market Push).

Auf der Seite der B2B-Unternehmen bedeutet es einen wachsenden Innovationsdruck bei der

Entwicklung und Einführung neuer Verfahren und Maschinen in entsprechender, ständig wachsender

Anzahl von Varianten und Versionen. Die von ihnen nachgefragten Dienstleistungen und Produkte

werden komplexer, müssen personalisiert und in hoher Qualität, kostengünstig und zeitnah verfügbar

sein. Dabei gelingt es den Unternehmen immer seltener Wettbewerbsvorteile zu erringen, die nur auf

der Beschaffenheit ihrer Produkte basieren. Da Produkte oftmals nur noch mit nahezu identischen

technischen Eigenschaften und in vergleichbarer Qualität auf den Markt gebracht werden, genügt eine

Differenzierung über Technologie, Qualität und Produktinnovation meistens nicht. Die Sicherstellung

eines hohen Verfügbarkeitsgrads der Maschinen, die Servicequalität, gilt im Wettbewerb um die

Kundengunst als der entscheidende Erfolgsfaktor.

1.2 VON INFORMATIONEN ZU ERKENNTNISSEN

Eine grundlegende Schwierigkeit bei der Umsetzung der Kundenorientierung besteht darin, eine

einheitliche Sicht auf die in den unterschiedlichsten Informationssystemen und Datenbanken

integrierten Kundenkontakt- und Geschäftsdaten zu schaffen. Die Herausforderung an die

Unternehmen ergibt sich insbesondere aus den zwei unterschiedlichen Klassen von Prozessen:

a. Transaktionsorientierte Prozesse mit einer relativ geringen Prozesskomplexität und

Wissensintensität, wie z.B. die Auftragsabwicklung, die mittlerweile weitgehend standardisiert ist

und seit Jahren erfolgreich von betriebswirtschaftlicher ERP-Standardsoftware unterstützt wird.

Der Informationsbedarf kann zwar auch hier gross sein, die Informationsquellen sind aber

eindeutig bekannt – z. B. Produktkataloge, Kundenstammdaten oder Lieferbedingungen – und die

benötigten Daten klar strukturiert.



b. Wissensorientierte Prozesse mit einer hohen Prozesskomplexität und einer hohen

Wissensintensität, wie z.B. CRM-Prozesse. Typisches Merkmal solcher Prozesse ist ein hoher

Kommunikationsbedarf der Prozessbeteiligten, um Wissen auszutauschen. CRM-Prozesse sind

durch direkten Kundenkontakt und somit die Kundenkommunikation bestimmt und sind daher

typische wissensorientierte Prozesse. Im Vergleich zu anderen betriebswirtschaftlichen

Kernfunktionen sind Geschäftsprozesse im Service oder Vertrieb schwieriger zu erfassen, da der

Standardisierungsgrad weit geringer ist und somit die Prozesskomplexität als hoch einzustufen ist.

Der Informationsbedarf ist folglich weniger strukturiert als bei transaktionsorientierten

Prozessen.

Wissen bzw. Wissensstruktur ist bei der Umsetzung der Kundenorientierung ein unverzichtbarer

Bestandteil, bestimmt es doch die Qualität der Leistungen für den Kunden. Sie ermöglicht eine

effiziente technische Unterstützung beim Aufbau und der Pflege von Kundenbeziehungen und ist im

Internet-Zeitalter die Grundvoraussetzung für geschäftlichen Erfolg.

© HSG 2005Abb. 1: Customer Knowledge Management



Neben der Wissensstruktur muss auch der Wissensfluss zwischen den Prozessen identifiziert und

modelliert werden, um die Wissensgenerierung und -nutzung zu optimieren, z.B. der Wissens-

austausch zwischen Kunden und Technikern in Service Center bzw. ungenügende Weitergabe der

Beschwerdeinformationen von dort an das 2nd Level Support die verhindert, dass das aufgezeigte

Probleme optimal gelöst werden kann. Ein weiteres Beispiel ist der Wissensfluss vom Serviceprozess

zum Verkaufsprozess, durch den ein Unternehmen Informationen über kundenspezifische Bedürfnisse

für die Ausnutzung von Cross-Selling- und Up-Selling-Potenzialen nutzen kann.

Gerade an der Schnittstelle zum Kunden aber existieren oft nicht- oder bestenfalls semistrukturierte,

wissensintensive Prozesse, die durch den systematischen Umgang mit dem benötigten Wissen

entscheidend verbessert werden müssen und können. Erst die schlüssige und durchgängige

Integration dieses Wissens in Prozessportale hin zu den Kunden, den Mitarbeitern und den

Lieferanten eröffnet die Möglichkeit, echten Zusatznutzen zu generieren

1.3 SPEZIFISCHE HERAUSFORDERUNG BEI DEN CRM-PROZESSEN

Die spezifische Herausforderung bei den CRM-Prozessen ergibt sich aus folgenden Eigenschaften der

Wissensstrukturen und -prozesse:

� Die Problemlösung wird durch eine Vielzahl von Faktoren bestimm; es kann daher keine

algorithmische Lösung angegeben werden.

� Es sind Heuristiken und Erfahrungen zur Problemlösung notwendig.

� Vielfältige interpretative Spielräume erschweren die Entscheidungsfindung.

� Unterschiedliche Experten können unterschiedliche Empfehlung abgeben.

� Ein grundlegendes Verständnis über Hintergründe und Zusammenhänge ist vorhanden.

� Es liegt kein abgeschlossenes, vollständiges Modell vor.

� Ähnliche Situationen kommen im Anwendungsgebiet immer wieder vor, und die Kenntnis

früherer Fallbeispiele hilft, neue Probleme schneller und besser zu lösen.

1.4 UNMITTELBARER MEHRWERT DURCH MODERNES INFORMATIONSMANAGEMENT

Die Anforderungen an modernes Informationsmanagement sind vielfältig: Sie möchten die

Unternehmensproduktivität der zentralen Wertschöpfungsketten steigern oder Sie verfolgen

branchen- und abteilungsspezifische Geschäftsziele. In jedem Fall aber geht es um wichtige Abläufe,

die an das rasante Wachstum verfügbarer und potentiell relevanter Information angepasst werden

müssen, um die eigene Wettbewerbsfähigkeit zu erhalten bzw. auszubauen.



Zentrale Vorteile eines modernen Informationsmanagements sind:

Einfacher und homogener Zugang zu sämtlichen Informationssystemen

Informationsquellen unterschiedlicher Art müssen unter Beachtung individueller Zugriffsrechte

integriert werden. Für den Benutzer bedeutet dies, daß Recherchen nur einmal über alle

Informationssysteme durchgeführt werden müssen.

Einheitliche Organisation und Darstellung von Ergebnissen

Im Gegensatz zu herkömmlichen Methoden der Informationsrecherche stehen die Resultate einer

konkreten Anfrage in einer einheitlichen Struktur und Darstellung bereit. Ergebnisse, die aus

unterschiedlichen Quellen stammen, können miteinander verglichen und bewertet werden.

Vernetzung und Querbezüge zu weiteren Informationen

Jede gefundene Information lässt sich in Beziehung setzen zu anderen Informationen. Dies wird

ermöglicht durch inhaltliche Erschließung, thematisches Verständnis und ein Wissensnetz mit dem

Ziel, inhaltlich verwandte Daten zu entdecken.

Aufbereitung, Verdichtung und Veredelung von Informationen

Um eine schnelle und korrekte Beurteilung der Relevanz durch den Benutzer zu ermöglichen, werden

intelligente Methoden verwendet, vorhandene Informationen zielgerichtet aufzubereiten, z.B. durch

eine automatische Rohübersetzung von fremdsprachigen Inhalten oder automatisch erstellte

inhaltliche Zusammenfassungen (sog. ‚Abstracts’).

Personalisierung und individuelle Organisation

Informationsbedürfnisse lassen sich nicht über einen Kamm scheren: Ihre Mitarbeiter sind häufig

Spezialisten auf ihrem Feld. Die Art und Weise ihrer Informationsnutzung variiert stark. Die

Fähigkeit, individuelle und themenspezifische Zugänge zu unterstützen, ist eine Schlüsseleigenschaft

des Information Management.



Information ModelInformation Management Information Services

How do you make sure you How do you make sure thehave the information you need? information is available?

2. IAS Enterprise – Modernes Informationsmanagement für das Unternehmen

2.1 INFORMATIONEN BESTIMMEN IHR GESCHÄFT

Die Landschaft der Informationssysteme in Organisationen ist heute typischerweise durch zwei

Eigenschaften geprägt. Einerseits werden durch die Einführung von ERP-Systemen hoch strukturierte

Prozesse sicher und effizient unterstützt. Andererseits wird der Grossteil der Informationen in einer

Organisation nicht in ERP-Systemen, sondern in einer Vielzahl von Einzel-Systemen, wie File-Servern,

Content Management Systemen (CMS), Dokumenten Management Systemen (DMS), Datenbanken, E-

Mail-Servern usw. gespeichert und gehandhabt. Dort finden sich meist gering strukturierte

Informationen. Diese entstehen in und unterstützen gering strukturierte Prozesse bzw. Ad-hoc-

Prozesse.

Transaktionsorientierte Prozesse mit einer relativ geringen Prozesskomplexität und Wissensintensität,

wie z.B. die Auftragsabwicklung, sind weitgehend standardisiert und werden von ERP-Standard-

Software unterstützt. Der Informationsbedarf kann zwar hier gross sein, die Informationen und

Prozesse selber sind aber hoch strukturiert eindeutig bekannt – z. B. Produktkataloge, Kundenstamm-

daten oder Lieferbedingungen.

Anders verhält es sich mit den wissensorientierten Prozessen mit hoher Prozesskomplexität und

Wissensintensität aber nur geringer Strukturierung von Informationen und Prozessen, wie z.B. CRM-

oder Lernprozessen. Diese gering strukturierten Informationen und Prozesse lassen sich aufgrund der

Datenbank-Orientierung der ERP-Systeme nicht wirtschaftlich durch ERP-Systeme abbilden.



Für den Bereich der gering strukturierten Prozesse und Informationen gibt es den Ansatz der

Informationslogistik – des gezielten Zugriffs auf Informationen, den Information Access. Die richtige

Information im richtigen Kontext zum richtigen Zeitpunkte am richtigen Ort zu haben ist ein

Schlüsselfaktor für die funktionierende Informationsgesellschaft. Unterstützt wird der Informations-

verarbeitungsprozess durch Beisteuerung von Wissen.

Dieses Wissen wird innerhalb und ausserhalb des Unternehmens gesammelt, strukturiert und dem

Bearbeitungsprozess effizient beigesteuert. Mit dem gesammelten Wissen entsteht sukzessive das

Corporate Memory, mit dem der Flaschenhals „Qualifikation“ beseitigt, die Erfahrungen der

Mitarbeiter im Unternehmen auch bei Mitarbeiter-Fluktuationen sichergestellt und die jedem

Berechtigten nach dem Prinzip „Wissensangebot anstatt Wissensanfrage“ zugänglich gemacht wird.

Die IAS Information Access Suite ist die führende Plattform für Informationszugriff und hilft Kunden,

alle Formen digitaler Informationen zu finden, zu verstehen und miteinander zu verknüpfen. IAS

integriert sowohl unstrukturierte als auch strukturierte Inhalte durch Anwendung von Unified

Indexing-Technologien sowie durch erweiterte linguistische und semantische Analyseprozesse. IAS

bietet eine Vielzahl an kontextabhängigen Suchfunktionen, damit die richtigen Informationen zur

richtigen Zeit zu den richtigen Anwendern gelangen, und zwar unter Beachtung bestehender

Sicherheits-, Datenschutz- und anderer Compliance-Richtlinien des Unternehmens. Im Gegensatz zu

Lösungen anderer Anbieter kombiniert IAS die gesamte Bandbreite an Suche, Analyse sowie

Navigationsmethoden von der Volltextsuche über assoziative Untersuchung von Inhalten bis zu

semantischer Navigation in einem einzigen Produkt.

IAS ist ein integraler Bestandteil vieler bekannter Internetdienste (z.B. E-Commerce, Multi Channel

Publishing, Webauftritt von Unternehmen) sowie Unternehmenslösungen wie Service Resolution, Self

Service-Portale, Sales Support, Corporate Search, Marktanalysen, Intellectual Property Management

sowie Intelligence- und Discovery-Szenarien.



2.2 USE CASES FÜR INFORMATION ACCESS

Funktion:

Anwendungsgebiete

Marketing Vertrieb Forschung& Entwicklung

Qualitäts-sicherung

Personal Services Wissens-management,Stäbe

Auffinden vonInformationen inheterogenen Informations-beständen(unterschiedlicheQuellen, Datentypen)

Finden vonbestehendenMarktstudien

Finden vonbestehendenAngeboten,Kundeninfor-mationen,Mitbewerber-informationen

Finden vonbestehendenForschungs-ergebnissen

Finden vonähnlich gelagertenProblemfällen

Finden vongeeignetenKandidatenauf freieStellen, Spezialkom-petenzen

Finden vonProblemlö-sungen,Experten

Finden vonWissens-objekten

Inhalte Auswerten Kunden-anfragenbewerten

Kunden-anfragenbewerten

Forschungs-berichteanalysieren

Qualitäts-berichtebewerten

Mitarbeiter-beurteilungenbewerten

Inhalte derWissensbasisanalysieren

Beobachten vonInformationsflüssen

Mitbewerber-beobachtung,

Themen-Abo

Themen-Abo Technologie undPatentbeo-bachtung,

Themen-Abo

Erkennenvon Auffälligkeiten

Beobachtungvon Mitarbeiter-qualifikationen

Themen-Abo Themen-Abo

Steuern vonInformationsflüssen

Routen vonKunden-anfragen,Presse-Clippings

Routen vonKunden-anfragen

Routen vonForschungs-berichten,Call forPapers

Routen vonBewerbungs-unterlagen,Verbesse-rungsvor-schlägen

Routen vonKunden-anfragen

Ordnen undVerknüpfen vonInformationen

Texte inhaltlichanreichern,

attraktiveKundenidentifizieren

Automatisier-tesErläuternvonFachbegriffen

Gruppierenvon Forschungs-berichten,Callfor Papers

Ordnen vonQualitäts-problemen

Ordnen vonBewerbungs-unterlagen

OrdnengleichartigerLösungen

AutomatischeKlassifikationvonProjektdoku-mentation

Selbstbedienungermöglichen

Online Kunden-beratungund Bedarfs-ermittlung

Online-Verkauf vonErklärungs-bedürftigenProdukten

Mitarbeiter-Self-Service

Kunden-Self-Service

Identifizierenvon Experten

DynamischesErzeugen vonInhalten

Assemblierenvon Zielmarkt-spezifischenUnterlagen,

Meta-Datenextrahieren

Assemblierenvon Standard-präsentationen

Assemblierenvon Mitbewerber-informationen

Zusammen-stellen vonDossiersüber Themen

AutomatischeZusammen-fassungvonBerichten

Erzeugenvon spezifischenQualitäts-berichten

Erzeugenvon spezifischenDokumen-tationen,

AutomatischeZusammen-fassungvonBerichten

Erzeugenvon spezifischenKompendien

SemantischenFingerabdruckaus Dokumentenextrahieren

Komplette Arbeitsprozesseunterstützen

Angebots-erstellung

Bearbeitenvon Qualitäts-problemen

Bearbeitenvon Kunden-anfragen

Erstellen vonWissens-objekten



3. Die IAS Information Access Suite im Überblick

Die IAS ermöglicht zweierlei. Einerseits kann die IAS helfen, kompakte in sich geschlossene

Aufgabenstellungen der Informationslogistik bzw. des Wissensmanagements zu lösen. Andererseits

verfügt die IAS über das Potenzial, organisationsweite oder sogar organisationsübergreifende

Suchlösungen, Informationslogistik bzw. Wissensmanagement-Lösungen zu realisieren.

3.1 DIE OPTIMALEN SUCHVERFAHREN ZUR AUSWAHL

Das Suchen und Auffinden von Informationen in heterogenen Informationsbeständen ist in der

Wissensanwendung im Servicebereich eine von den wichtigsten Aufgaben. Aber Suche ist nicht gleich

Suche: Für die unterschiedlichen existierenden Suchanforderungen muss es passende Suchverfahren

geben, die die Anforderungen optimal erfüllen (vgl. Abb. 2):

� Anfragen mit booleschen Operatoren auf extrem grossen Mengen unstrukturierter Inhalte aus den

verschiedensten Themengebiete sollen in kürzester Zeit beantwortet werden. Ein typisches

Anwendungsfeld für die klassische Volltextsuche.

� Natürlichsprachliche Anfragen auf sehr grossen Mengen unstrukturierter Inhalte aus den

verschiedensten Themengebiete sollen möglichst intelligent beantwortet werden. Hier kommt die

assoziative Suche zum Einsatz.

� Natürlichsprachliche oder dialoggesteuerte Anfragen auf grossen Mengen unstrukturierter aber

auch strukturierter Inhalte aus festgelegten Themengebiete sollen mittels eines expliziten

Wissensmodells intelligent beantwortet werden – die Domäne der strukturierten Suche.

Abb. 2: Unterschiedliche Suchanforderungen erfordern unterschiedliche Suchverfahren



� Sind die Daten in verschiedenen Klassifikationssystematiken eingeordnet (so genannte multiple

Klassifikation oder Facettierung), kann sich der Benutzer entscheiden, unter welchen Gesichts-

punkten er die Ergebnismenge betrachten möchte und wählt dazu eine Navigation durch

miteinander verzahnte, polydimensionale Organisationsprinzipien.

� Anfragen bzw. Probleme aus festgelegten Themengebiete sollen interaktiv beantwortet bzw. gelöst

werden – das geeignete Verfahren hier ist die geführte Suche mit Entscheidungsbäumen.

Eines der herausragenden Alleinstellungsmerkmale der IAS ist, dass sie alle genannten Suchverfahren

in gleichermassen hohem Grade unterstützt und sich die Verfahren kombinieren lassen.

Dementsprechend eignet sich die IAS für alle denkbaren Suchanforderungen. Welches Verfahren bzw.

welche Verfahrenskombination zum Einsatz kommt, entscheiden die Anforderungen

und Parameter der zu implementierenden Information Access Lösung.

3.1.1 Die assoziative Suche

Sie erfordert keinerlei a priori Wissen über den Inhalt und benötigt auch keine Wissensmodelle. Als

Basis wird das bekannte Vector Space Model verwendet, wobei der Vektorraum sich aus allen

Begriffen, den so genannten Termen, die in allen indexierten Dokumenten vorkommen, ergibt. Ein

Dokument wird als Ansammlung verschiedener Terme betrachtet und kann als Vektor dargestellt

werden, der für jeden Term die Auftrittshäufigkeit des Terms innerhalb des Dokuments beinhaltet.

Die IAS berechnet dann die Ähnlichkeit der Dokumentvektoren. Das TF-IDF-Schema berücksichtigt

sowohl die Häufigkeit eines Terms innerhalb eines Dokuments (Term Frequency) als auch die

„Termrelevanz“ (Inverse Document Frequency), die umso niedriger ist, je mehr verschiedene

Dokumente einen Term enthalten.

Eine natürlichsprachliche Anfrage an die assoziative Suche wird von denselben Algorithmen

analysiert, wie ein zu indexierendes Dokument. Die dabei entstehenden mathematischen Werte

werden dann an die Standardfunktion Finde ähnliche Dokumente übergeben. IAS liefert zu

Freitextanfrage passende Dokumente, sortiert nach dem oben erwähnten Ähnlichkeitskriterium.

3.1.2 Die strukturierte Suche

Bei der strukturierten Suche werden bekannte, suchrelevante Informationsbeziehungen expliziert und

bei der Suche nach Inhalten angewendet. Dafür wird ein Wissensmodell (so genannte Ontologie)

aufgebaut, das als Grundlage für die intelligente Suche über den Datenbestand eingesetzt wird. Diese

Ontologie besteht unter anderem aus Synonymlisten, Taxonomien, Beziehungen zwischen Begriffen

und Übersetzungen von Begriffen in beliebig vielen Sprachen.



Abb. 3: Der CBR-Prozess

Abb. 4: Vernetzung der Objekte über Ontologien

Im Gegensatz zu Suchverfahren, deren „Wissen“ aus mathematisch-statistischen Auswertungs-

verfahren resultiert, wird bei der strukturierten Suche das „Wissen“ in einem intellektuellen Prozess

expliziert und modelliert, indem die für das Anwendungsgebiet relevanten Geschäftsobjekte dem

System bekannt gegeben werden. Bessere Suchergebnisse sowie vielfältigere und mächtigere

Anfragemöglichkeiten werden auf der anderen Seite mit einem zusätzlichen aber überschaubaren

Modellierungsaufwand „erkauft“.

Hinter der Intelligenz der strukturierten

Suche verbirgt sich eine Technologie der

Künstlichen Intelligenz: Case-Based

Reasoning (CBR), zu Deutsch

Fallbasiertes Schliessen. Aus über die

Zeit richtig gegebenen Antworten lernt das

System und sammelt so neues Wissen in

einer so genannten Fallbasis. Mit der

Technologie CBR folgt man also einem

Konzept, dass der Mensch seit langer Zeit

erfolgreich anwendet: existierende Problem-

lösungen (gemachte Erfahrungen, die so

genannte Fälle) gezielt, in vergleichbaren

Situationen, wieder zu verwenden und über die Zeit den Erfahrungsschatz (die Fallbasis) zu

vergrössern (Abb. 3). Der CBR-Algorithmus vergleicht den Anfragefall mit den Fällen der Fallbasis,

berechnet bei jedem Vergleich anhand der Attribute ein Ähnlichkeitsmass und liefert die ähnlichsten

Fälle als Ergebnis zurück.

Die explizite Modellierung des Geschäftswissens in einem Wissensmodell, einer so genannten Onto-

logie (Abb. 4), ist einer der zentralen Unterschiede zwischen einer Volltextsuche und der intelligenten

Suche. Das Geschäftswissen, repräsentiert durch die Geschäftsobjekte, wird in der Lerndomäne dar-

gestellt und gepflegt. Die

Modellierung erfolgt

meistens in einem für diesen

Zweck bereitgestellten gra-

phischen Tool. Zur Modellie-

rung der Domäne stehen

Ontologie-Bausteine zur

Verfügung, wie z.B. Objekte,

Klassen, Gewichtungen,

Taxonomien, Thesaurus usw.



Abb. 5: Query processing for retrieval

Abb. 6: Schliessen auf Graphen anhand ähnlicher Begriffe

Die intelligente, modellbasierte Suche hat gegenüber einer Volltextsuche den grossen Vorteil, dass

„sie“ die Dimensionen des Geschäftswissens „kennt“. Diese Dimensionen drücken sich typischerweise

durch die Objektklassen bzw. die Fallattribute aus. In einer natürlich-sprachlichen Anfrage sind in den

seltensten Fällen alle Aspekte oder Dimensionen des aktuellen Problems enthalten. Um die Ergebnis-

menge weiter einzuschränken, wird bei den marktführenden Lösungen automatisch ein Dialog

generiert, der nach den fehlenden Dimensionen fragt.

Die Berechnung der Rück-

fragen im Dialog basiert

dabei auf einem mathema-

tischen Modell, das die

Entropie der Fallattribute

berücksichtigt und auto-

matisch die Dimension als

nächste abfragt, die den grössten differenzierenden Effekt hat (vgl. Abb. 5). Bei der Konfiguration des

Nachfragedialogs muss lediglich angegeben werden, welche Attribute für die Verfeinerung herangezo-

gen werden sollen und in welcher Sprache bzw. in welchen Sprachen der jeweilige Fragetext sein soll.

Einfach ausgedrückt: Dem Benutzer werden automatisch solche Fragen gestellt, deren Beantwortung

die bisherige Trefferliste am effektvollsten eingrenzt.

3.1.3 Die Navigation

In den Unternehmen und Organi-

sationen wird das Wissen häufig in

strukturierter Form abgelegt werden

(z. B. in Excel-Dateien,

Datenbanken, ERP-Systemen, Data

Dictionaries) – allerdings wird es

nicht genutzt. Diese Struktur-

Quellen können aber angezapft und

zur Kategorisierung, Schlagwort-

Extraktion und anschliessend zur

Navigation im Informationsbestand

sowie Visualisierung herangezogen

werden.



Sind die Daten sogar in verschiedenen Klassifikationssystematiken eingeordnet (vgl. Abschn. 3.2.1,

multiple Klassifikation), kann sich der Benutzer entscheiden, unter welchen Gesichtspunkten er die

Ergebnismenge zunächst betrachten möchte. Steigt er dann in die gewählte Systematik ein, d. h. er

öffnet die Wurzel und ggf. weitere Äste des entsprechenden Baumes, kann er bei jedem Baumknoten

entscheiden, welcher Systematik er jetzt folgen möchte. Aus dem einfachen Öffnen von eindimensio-

nalen Teilbäumen wird plötzlich eine Navigation durch miteinander verzahnte, polydimensionale

Organisationsprinzipien. Und anstatt eines Baumes dient nun ein Graph zur Visualisierung der

Zusammenhänge (vgl. Abb. 6).

3.1.4 Geführte Suche mit Entscheidungsbäumen

Einscheidungsbäume dienen der gezielten Problemdiagnose. Dabei eignen sie sich besonders für

Probleme, die sich eingangs nur schwer oder gar nicht in Worte fassen lassen und deshalb des

gezielten Nachfragens bedürfen, um weitere Optionen auszuschließen bzw. das Ergebnis einzugrenzen.

Die dynamischen Entscheidungsbäume nutzten dazu das in einem intellektuellen Prozess explizit

modellierte Geschäftswissen – die Ontologie.

Die Entscheidungsbäume lassen unterschiedliche Rollenkonzepte zu. Für jede Frage kann dann

angegeben werden, welche Nutzerrolle diese Frage in der Ablaufumgebung gestellt bekommt. Damit

diese Frage in jedem Fall beantwortet wird, gibt es Default-Antworten, die herangezogen werden,

wenn der Benutzer die Frage nicht bearbeiten muss bzw. darf. So kann ein Entscheidungsbaum

gleichzeitig von erfahrenen und unerfahrenen Mitarbeitern genutzt werden.

Die webbasierte Laufzeitumgebung basiert auf freidefinierbaren Templates in die jegliche Inhalte der

Entscheidungsbäume dynamisch eingebunden werden. Die dabei verwendeten HTML-Vorlagen

bestimmen das Aussehen der Webseiten. Mit-gelieferte Vorlagen können einfach an das projekt-

spezifische Layout angepasst werden. Die Lösung ermöglicht intelligente Suche nach dem passenden

Entscheidungsbaum. Anhand des gegebenen Problemkontextes (z. B. Kunden- und Produktdaten aus

dem Ticket- System) einer im Freitext eingegebenen Problembeschreibung wird aus allen definierten

Entscheidungsbäumen der passende herausgefunden und gleichzeitig der zielführenden Einstiegs-

punkt in den Baum bestimmt. So werden redundante Fragen vermieden, deren Antworten bereits

durch die initialen Aussagen des Kunden gegeben sind.



Abb. 7: Nahtlose Integration von Suche und Navigation

3.2 UMFASSENDE FUNKTIONALITÄTEN FÜR INFORMATIONSLOGISTIK

3.2.1 Polydimensionale Organisationsprinzipien

Organisationsprinzipien (OPs) dienen aber nicht nur zur Strukturierung von Suchergebnissen. Ihre

Stärke liegt vor allem in der Organisation von Objekten und Dokumenten. Durch den durch sie

aufgespannten Informationsraum kann der Nutzer navigieren und erhält einen zusätzlichen, ziel-

gerichteten Zugriff auf Informationen.

Organisationsprinzipien (OP) sind Teil der Ontologie und wie Klassifikationssystematiken

hierarchisch als Bäume aufgebaut. Sie ergeben sich aus den in der Ontologie definierten Beziehungen

zwischen Objekten und einem ausgewählten Wurzelobjekt. Jedes OP stellt eine Facette, eine

Dimension im Informationsraum des Unternehmens dar.

3.2.2 Klassifikation von Informationen

Die Klassifikations-Komponente der IAS ermöglicht das automatisierte Klassifizieren von Informa-

tionen anhand ihrer Inhalte. Aus den ermittelten Klassenzuordnungen lassen sich dann verschiedene

Aktionen ableiten. Wie das Routen und Ordnen von Informationen, um z. B. eingehende Briefe und E-

Mails inhaltlich vorverarbeiten und den richtigen Sachbearbeitern mit einem Entscheidungs- oder

Weiterverarbeitungsvorschlag weiterzuleiten.

Nur einmal gespeichert, erscheinen die Suchergebnissebei jedem relevanten Organi-sationsprinzip



Die automatische Klassenzuordnung wird im Klassifikator vorgenommen. Klassifikation setzt eine

endliche Menge von Klassen für ein Modell voraus, wobei jede Klasse explizit bekannt sein muss. Eine

Eigenschaft der Klassifizierung ist, dass vor einem Einsatz (der eigentlichen Klassifikation) prinzipiell

ein Training des Klassifikators erfolgen muss. Für dieses Training werden so genannte Trainings-

beispiele benötigt, d. h. Dokumente, deren Klassen für das zu klassifizierende Modell vorgegeben sind.

Diese typischerweise manuell klassifizierten Trainingsbeispiele werden auch als Ground Truth

bezeichnet.

3.2.3 Infrastrukturkomponenten

� Benutzer- und Gruppenverwaltung

Mit der Gruppenverwaltung werden Gruppen definiert und diesen Nutzer oder auch Gruppen als

Mitglieder zugewiesen, wobei Mitgliedschaft in mehreren Gruppen mit unterschiedlichen Rollen

möglich ist. Sowohl die Nutzer als auch die Gruppen stehen automatisch als Geschäftsobjekte zur

Verfügung und fügen sich so nahtlos in das Metadatenkonzept ein.

Gruppenmanager erstellt/modifiziert die Ordnerstruktur und weist denen Inhalte zu. Die Anwender

wählen in der korrespondierenden Web GUI die entsprechende Gruppe aus; sie erhalte Zugang zu den

definierten Ordnern und zu den dort zugewiesenen Objekten.

� Zugriffs- und Ausführungsrechte

Um die Vergabe der Zugriffsrechte drastisch zu vereinfachen, können alle Rechte entlang der

definierten hierarchischen Organisationsstrukturen propagiert werden. Dadurch wird vermieden, dass

die Zugriffsrechte für jedes Dokument, Objekt und Metadatum einzeln definiert werden müssen. Als

Bedingungen können beliebige Metadatenabfragen hinterlegt werden, die zusätzliche Randbedingun-

Abb. 8: Dialog zur Kalibrierung des Decision Classifier Verhaltens: Definition der klassenspezifischen Schwellwerte



Abb. 8: Konfiguration mit universellem Pipelet-Konzept: Definition der Pipeline mit Drag & Drop mit Hilfe von Pipelets aus der vordefinierten Bibliothek.

gen abprüfen. So kann beispielsweise kontrolliert werden, dass nur Redakteure bestimmte Dokumente

anlegen und ändern dürfen, während Callcenter-Agenten nur Vorschläge anlegen dürfen, oder dass

nur Redakteure den Versionsfilter setzen dürfen, während Agenten immer das letzte Release sehen.

4. Das Infrastruktur-Framework

4.1 KONFIGURATION ANSTATT PROGRAMMIERUNG

Die Konfiguration der Komponenten und das Zusammenstellen der mächtigen Verarbeitungs-

Pipelines erfolgt im IAS Creator – eine komfortable Benutzungsoberfläche, die einen einfachen

Zugriff auf die Parameter der Komponenten und Pipelines bietet. Insbesondere das flexible Pipelet-

Konzept erlaubt die beliebige Kombination der vordefinierten Komponenten sowie das Einbinden

projektspezifischer Bausteine. Die Pipelets können in Form von Pipelines konfiguriert werden, so

dass eine solche Pipeline eine konkrete Abfolge von Pipelets in einer bestimmten Reihenfolge

implementiert, wobei auch Verzweigungen etc. möglich sind. Mittels solcher Pipelines werden somit

bestimmte Teilaspekte hinsichtlich der Verarbeitung von Anfragen oder auch beim Datenimport

realisiert.

Darüber hinaus enthält IAS

ein öffentliches Pipelet-API,

so dass kundenspezifische

Prozesse, insofern sie nicht

durch bestehende Services

realisierbar sind, implemen-

tiert und als Pipelet in das

Pipeline Framework einge-

bettet werden können. Als ein

Beispiel hierfür diene die

Implementierung einer

Produktsuche, wobei in einem

existenten ERP-System der

Bestand abgefragt werden

soll, so dass keine Produkte

als Treffer angezeigt werden,

die ohnehin bereits ausver-

kauft sind.



4.2 ITERATIVER ANSATZ MIT GERINGEM INITIALEN AUFWAND

Nur wenige IT-Projekte werden von Anfang an unternehmensweit aufgesetzt. Häufig wird eine IT-

Lösung erst in einem ausgewählten Bereich für eine bestimmte Anwendung implementiert und

dann, bei erfolgreichem Betrieb, auf weitere Bereiche und Anwendungen ausgedehnt. Wichtig ist

hierbei, dass bereits getätigte Investitionen nicht verloren gehen, sondern weiter im Unternehmen

verwendet werden können. Eine Information Access Lösung muss also mit ihren Anforderungen

wachsen können.

Die komponentenbasierte Architektur der IAS und ihre verschiedenen Suchverfahren bieten dem

Projektteam alle Entscheidungsfreiheit, wie die Lösung initial aufgesetzt und dann nach und nach

an die steigenden Anforderungen angepasst werden kann.

Abb. 9: Inkrementelle Realisierung der Lösung



4.3 INNOVATIVE SOFTWAREARCHITEKTUR

Bei der Entwicklung der IAS wurde von Anfang an auf grosse Flexibilität, leichte Anpassbarkeit,

hohe Skalierbarkeit sowie Offenheit geachtet. Dies spiegelt sich auch in der Architektur wieder (vgl.

Abb. 10).

Für die Einbindung in größere Systemumgebungen stehen verschiedene Schnittstellen bereit. Alle

Server-Funktionen können über Java bzw. RMI und als Web Services aufgerufen werden. Für eine

Integration in Web-Umgebungen steht zudem eine JSP Taglib zur Verfügung. Das modellierte Wissen,

wie Ontologie, prozedurale Anwendungsinformationen usw. werden in offenen Formaten abgelegt. Die

Ontologie folgt den W3C-Standards OWL (Web Ontology Language) bzw. RDF (Resource Description

Framework).

Abb. 10: Architektur der IAS

scopeKM: IAS Information Access Suite

Business

Transcript of scopeKM: IAS Information Access Suite