Wissensmanagement UL - 1 - Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof....
-
Upload
salida-kenter -
Category
Documents
-
view
106 -
download
2
Transcript of Wissensmanagement UL - 1 - Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof....
- 1 -
Wissensmanagement
UL
Wissensbasierte SystemeWissensmanagement
Prof. Dr. Jürgen CleveProf. Dr. Uwe Lämmel
Prof. Dr. Reinhard Weck
• Wissensextraktion mittels Neuronaler Netze 4.Sem.• Data Mining
5.Sem.• Wissensmanagement 7.Sem
Studiengang Wirtschaftsinformatik > Spezielle Wirtschaftsinformatik
- 2 -
Wissensmanagement
UL
Wissen
Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet.
More&Newell,1973
- 3 -
Wissensmanagement
UL
Was ist Wissen ?
Wissen heißt wissen, wo es geschrieben steht. Albert Einstein
(individuelles) Wissen ist die Menge der individuellen Kenntnisse. (Sachkenntnisse, Verfahrenskenntnisse, Normen-, Wertekenntnisse)
Besitz von objektiv bzw. subjektiv als wahr zu klassifizierenden Erfahrungen, die die Grundlage von Urteilen bilden können.
Wissen heißt wissen, wo es gespeichert ist.
- 4 -
Wissensmanagement
UL
Wissen - Informatik
Daten Information WissenWissen ist Information, die ich zu nutzen weiß ...
symbolische Repräsentation der Welt, die das Denken / Handeln von Agenten bestimmt
Wissen - Künstlichen Intelligenz
- 5 -
Wissensmanagement
UL
Daten – Information - Wissen
Versand von
Werbematerialien
Gewinn / Verlust
Kunde bestellt
Kunde bestellt nicht
ange-schrieben
+300 € - 30 €
Nicht ange-schrieben
+103 € - 10 €
Kunde Name Wohnort Einkommen
..... Ange-schrieben
bestellt
1 Meier Halle 3000 x 4000
2 Schulze Bonn 2000 x -
.....
Vorhersage, wen man anschreiben sollte
Data Mining
- 6 -
Wissensmanagement
UL
Wissensmanagement und Künstliche Intelligenz
• Wissen als (wirtschaftliche) Ressource• Informationsflut
– Techniken zur Wissensextraktion– Techniken zur Wissensdarstellung (-speicherung)– Techniken zur Wissensverarbeitung
- 7 -
Wissensmanagement
UL
Beispiel
• Explizites Wissen:– Wenn X ein guter Kunde ist,
dann bekommt X einen Kredit.
• Problem:– Woher kommt das Wissen, dass X guter
Kunde ist?
• Lösung:– Weitere Regeln– Wissensextraktion aus Daten
• z.B. mittels neuronaler Netze
- 8 -
Wissensmanagement
UL
implizite explizite Darstellung
• explizit: direkt für die Wissensverarbeitung geeignet– Logische Aussagen – Regeln (Wenn A Dann B)– Semantische Netze– Frames
• implizit: ableitbares Wissen– durch Wissensverarbeitung
extrahierbares Wissen– Datenmengen– Programme / Algorithmen– Neuronale Netze
"Die Vertiefung WM besuchen 20 Studierende, davon 7 Frauen."
Nr. Kredit-geschichte
Schulden
Sicherheit
Einkommen
Kreditbezahlt
1 schlecht hoch keine niedrig nein 2 unbekannt hoch keine mittleres nein 3 unbekannt niedrig keine mittleres ja 4 unbekannt niedrig keine niedriges nein 5 unbekannt niedrig keine hohes ja 6 unbekannt niedrig vorhanden hohes ja 7 schlecht niedrig keine niedriges nein 8 schlecht niedrig vorhanden hohes ja 9 gut niedrig keine hohes ja 10 gut hoch vorhanden hohes ja 11 gut hoch keine niedriges nein 12 gut hoch keine mittleres nein 13 gut hoch keine hohes ja 14 schlecht hoch keine mittleres nein
- 9 -
Wissensmanagement
UL
Wissensrepräsentationen
• objekt-orientierte relations-orientierte Darstellung• deklarative prozedurale Darstellung• singuläre multiple Darstellung
– Satz des Pythagoras kann aus Wissen wieder abgeleitet werden aber: praktischer den Satz zu wissen (explizit speichern)
• Menge von Aussagen Simulationsmodell• zentrale verteilte Darstellung
- 10 -
Wissensmanagement
UL
Wissensrepräsentation
• Logik• Regel• Objektorientierte Darstellung
(Frames/ Sem. Netze)• Fuzzy – Methoden• Neuronale Netze
- 11 -
Wissensmanagement
UL
WENN-DANN-Regeln
Lager 1 Lager 2 LKW Waggon
B A
C D E
Lager 1 Lager 2 LKW Waggon
B
A C
D
E
WENN Container steht auf PlatzX UND Container steht oben UND PlatzY ist frei DANN Setze Container von PlatzX nach PlatzY
- 12 -
Wissensmanagement
UL
Hierarchisches Wissen - Frames Unternehmen
Kapitalgesellschaft Personengesellschaft
GmbH AG GbR KG OHG
Unternehmen
ist ein
ist einist ein
ist einist ein
Siemens AG
Instanz von
Person
wird besteuert
wird besteuert
Planet AGAker MTW
Instanz vonUnternehmen
wird besteuert
vererbt
- 13 -
Wissensmanagement
UL
Vages Wissen – Fuzzy-Logik
Ziel: Neuer Mitarbeiter soll berufserfahren, jung und familiär gebunden oder ortsansässig sein
•0
•1
•20 •30 •40
Wohnort
0.2110 = 117 = 0.728 = 0.3Lehmann
0.180 = 016 = 0.530 = 0.2Schulze
0.1420 = 0.704 = 0.220 = 1Meier
A K (F E)Ent-fernungFamilieBerufs-erfahrung
AlterName
•0
•1
•15 •30 •45
Jung
•0
•1
•3 •6 •9
Erfahrung
- 14 -
Wissensmanagement
UL
Neuronale Netze lernen aus Beispielen
Beispiel-Muster
Neuronales Netz Erkennung/Klassifikation
• Training des Netzes durch Beispiele• Verarbeitung neuer, unbekannter
Muster möglich• Implizite Wissensrepräsentation
- 15 -
Wissensmanagement
UL
Expertensystem
Expert systems are Computer Systemswhich store expert's factual and inferential knowledge
Savory: KI und Expertensysteme, 1985
Expertensysteme sind anwendungsbezogener Ausdruck für Systeme, die auf der Wissensverarbeitung beruhen.
Posthoff in Grundlagen der KI, 1989
- 16 -
Wissensmanagement
UL
Wissensgewinnung
Knowledge engineering ist der Prozess, der das Wissen eines Experten oder anderer Quellen abbildet auf die Wissensbank eines Expertensystems.
Noelke in KI und XPS, 1985
Techniken:• Knowledge Engineering (Interviews ....)• Data Mining• Maschinelles Lernen
- 17 -
Wissensmanagement
UL
Entlohnung?
• Wenn ich mein Wissen für mich behalte, sichere ich meinen Arbeitsplatz.
• Und was bekomme ich dafür, wenn ich mir die Zeit nehme, den Kollegen meine Erfahrung weiter zu geben?
- 18 -
Wissensmanagement
UL
Wissensmanagement
Wissensmanagement ist eine formale, strukturierte Initiative zur Verbesserung der Erzeugung, Verteilung und Nutzung von Wissen in einer Organisation.
Es ist ein formaler Prozess zur Wandlung des Wissens einer Unternehmung in Unternehmenswert.
Thomas Davenport
- 19 -
Wissensmanagement
UL
Wissensmanagement
• will Bedingungen herstellen, unter denen Wissen immer dann verfügbar ist, wenn es benötigt wird.
Angelika Menne-Haritz, Archivschule Marburg
- 20 -
Wissensmanagement
UL
WissensmanagementWissensmanagement
Wissens-schaffung
Wissens-speicherung
Wissens-nutzung
Wissens-diffusion
Wissens-substitution
Innovations-management
OrganisationWissens-Prozess-Gestaltung
Human-Ressource-ManagementGrenzen-Management
Entlernengeplanter Wandel
- 21 -
Wissensmanagement
UL
Fazit
Wissen ist mehr als nur Menge von Daten/Werten Wissen beinhaltet den Umgang/Anwendung mit/von Daten
ist mehr als vernetzte Informationsverwaltung beinhaltet die Verwaltung von Vorgehensweisen, Abläufen
- erfordert den Einsatz von Wissensrepräsentation ist ohne Erfahrungen und Techniken aus der
künstlichen Intelligenz nicht denkbar funktioniert nur unter Einbeziehung der Mitarbeiter
Wissensmanagement:
- 22 -
Wissensmanagement
UL
Technologie-Entwicklung
Aufkommen der Technologie
Gipfel/Hype
Tal der Desillusionierung
Hügel der Erleichterung
Plateau derProduktivität
Zeit / Reife
Öffentliche Präsenz
- 23 -
Wissensmanagement
UL
Es ist nicht genug zu wissen, man muss es auch anwenden; es ist nicht genug zu wollen, man muss es auch tun.
Johann Wolfgang von Goethe
- 24 -
Wissensmanagement
UL
Fragen/Aufgaben
• Was ist Wissen?• Wie stehen die Begriffe Nachricht, Daten, Information, Wissen zueinander?• Was versteht man unter Wissensrepräsentation?• Stellen Sie Ihr Wissen für das Verhalten im Falle eines Brandes dar.• Geben Sie eine Interpretation für folgende Datenreihen an:
0 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 0 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0
• Welche Vorteile für ein Wissensmanagement sehen Sie in einer Firma?• Sehen Sie Möglichkeiten für den Einsatz von Wissensmanagement im Bereich
der Hochschule?