Wissensdatenbanksysteme - Institute AIFBkm.aifb.kit.edu/ws/kmtutorial/wissensdatenbanken/WissensDBSysteme... · © A. Maedche & S. Staab 2001 Einführende Definitionen • Daten sind

© A. Maedche & S. Staab 2001

Dr. Steffen StaabInstitut AIFB,

Universität Karlsruhe

&

Dr. Alexander MaedcheForschungszentrum Informatik,Universität Karlsruhe

ForschungsbereichWissensmanagement (WIM)

Wissensdatenbanksysteme


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


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


Agenda Teil II

• Teil II: Aufbau und Instandhaltung einesWissensdatenbanksystems

– Allgemeine Zielsetzungen beim Aufbau eines

Wissensdatenbanksystems

– Wissensstrukturprozess

– Wissensprozess


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


Teil I

Einführung in

Wissensdatenbanksysteme


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


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


Explizites vs. Implizites Wissen

Sozialisation

Kombination / Integration

Externalisierung

Internalisierung

Implizites Wissen

Explizites Wissen

ExplizitesWissen

Implizites Wissen

von

zu


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


„Wie entwickelte sich derAktienkurs der SAP in denletzten 3 Jahren?“

Konkrete Antworten



Der Anwendungskontext

People can‘t share knowledge if they do not speaka common language! (T. Davenport)

Jugendlicher

Engineer

Designer

Banker


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.


Spektrum WDBS

Information RetrievalSystem

RelationaleDatenbanken

DataWarehouse

Semi-strukturierteDatenbanken

Dokumenten-managementsystem

WissensbasenFeine

Granularität

GrobeGranularität

strukturiert

dokumentebene


Wissensräume

Wissens-quellen(intern, extern,implizit, explizit)

• Datenbanken,• Dokumente,• Bilder,• Experten,• ...

Wissensstruktur

Wissens-Prozess(Einbindung inStandardsoftwareund den Arbeits-prozess)

Kultur

GanzheitlichesWissensmanagement


Beispiel: Wissensstruktur für Museen


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)


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

…..

….. …..

…..

…..


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


Anwendungsbeispiel: HR

Human ResourceKonzernstrategie:

- Beschreibungrelevanter Topicsin Wissensstruktur

- Definiere kooperativFaktenwissen inForm von Metadatenüber die Webseiten

� Entwicklung einesSemantic Portalsfür HR Strategie

- Suche fokussiertrelevante Webseiten


Anwendungsbeispiel: Virtuelles Museum in Wien


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.


Teil II

Aufbau und Instandhaltung einesWissensdatenbanksystems


Inhalte

– Ziele einer Wissensdatenbank– Wissensstrukturprozess:

Aufbau und Instandhaltung von Wissensstrukturen– Wissensprozess


Ziele der Wissensdatenbank



Wissensstruktur


Kultur


Wissensstrukturensind der Schlüssel!

Auch:„Ontologie“





Wissensstruktur


Kultur


Datenintegration!


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)





Wissensstruktur


Kultur


Kommunikation!





Wissensstruktur


Kultur


Datenaustausch!


Wissensprozess & Wissensstrukturprozess

Wissens-strukturprozess

Wissens-prozess

Wissensprozess ->Fokussiert auf Inhalte

Wissensstrukturprozess ->Fokussiert aufStrukturierung der Inhalte


Inhalte




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


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




Wissensdatenbank

Mach-barkeits-

studie

SemiformaleWissens-struktur

Wissens-struktur

EvaluierteOntologie

CommonKADS

Worksheets

Go /No Go?


?


?

Operativschalten?


&Anpassung


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.


KICKOFF

Vorgehensweise in der Kickoff-Phase

• Anforderungsspezifikation

• Analyse der existierenden Wissensquellen

• Entwicklung der Semiformalen Wissensstruktur


Anforderungs-spezifikation

Was sind Ziele,relevanteAnwendungen,etc. für meineWissens-datenbank?


Anforderungs-spezifikation

WelcheFragen sollmeineWissensdaten-bankbeantwortenkönnen?


Analyse existierender Wissensquellen

• Relationale Datenbanken

• Texte (Projektberichte,...)

• Glossare („Eine Kapitallebensversicherung ist ...“)

• Thesauri


Analyse der existierenden Wissensquellen

Anzapfen von Datenbanken: http://kaon.semanticweb.org/kaon/REVERSE


Semi-formale Wissensstruktur mittels Mind-Map

Swiss Life: 700 Begriff für Skill Management in Mind Map


MindMap


SpracheMindMap


MindMap


MindMap




Wissensdatenbank

Mach-barkeits-

studie


Wissens-struktur

EvaluierteOntologie

CommonKADS

Worksheets

Go /No Go?


?


?

Operativschalten?


&Anpassung


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)


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


Formalisiere Wissensstruktur - OntoEditTM




Wissensdatenbank

Mach-barkeits-

studie


Wissens-struktur

EvaluierteOntologie

CommonKADS

Worksheets

Go /No Go?


?


?

Operativschalten?


&Anpassung


Evaluierung

Vergrößerung

• Am besten mit PrototypSzenarien mit denAnwendern durchspielen

Verkleinerung

• Welche Begriffe sindüberflüssig?

So viel Wissensstruktur wie nötig, aber so wenig wiemöglich!


Entwickle möglichst frühzeitig Prototyp!!

Traue niemandem außer den Nutzern DeinesSystems!!




Wissensdatenbank

Mach-barkeits-

studie


Wissens-struktur

EvaluierteOntologie

CommonKADS

Worksheets

Go /No Go?


?


?

Operativschalten?


&Anpassung


Erweiterung und Anpassung

• Kontinuierlicher Prozess der Erweiterung undAnpassung der Wissensstruktur muss eingeplantwerden!

• Die Wissensdatenbank ist in der Regel keinSelbstläufer!


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


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!


Inhalte




Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren

AutomatischeWeiternutzung


Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren



Import

Was sind Legacy-Quellen fürdie Initialisierung?

• Relationale Datenbanken(ERP)

• Existierende Groupware-Lösungen

• HTML-Seiten

• E-Mail

• Papier?


Inkrementelles Wachsen der Wissens-DB

ExistierendeDaten

Wissens-DB


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)


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


Tradeoff Warehousing / Verteilt

Warehousing Lösung:

Daten in dieWissensdatenbank kopieren

Vorteil:

Kein operativer Eingriff inLegacy-System

Nachteil:beschränkte Aktualität Legacy WDB

Kopiere


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!


Tradeoff Warehousing / Verteilt

Verteilte DB Lösung:

Daten dynamisch abfragen

Vorteil:AktuellWeniger Redundanz

Nachteil:Technisch komplexerMehr Zugriffsrechteerforderlich

Legacy WDB

Abfragen


Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren



Kreiere Wissen – Integration in Standardanwendungen


Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren



Annotierung gemäß Wissensstruktur


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


Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren



Semantic MinerTM / Smes-Miner (UniKa)

Kombination von Faktenwissen und Keyword-Suchegemäß den Wissensstrukturen


SMES Miner Interface


Retrieval /

ZugriffAbfragen

Suchen

Ableiten

Wissensprozess

ErfasseExtrahieren

Annotieren

Kreiere

Import

Dokumente

Benutze

Anwenden

Zusammenfassen

Analysieren



Kreiere Wissen – Integration in Standardanwendungen

Integration von Kreation und Nutzung!


Teil III

Anwendungsszenarien vonWissensdatenbanksystemen


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


Skillmanagement – Ein Beispiel


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


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


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?


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


E-Learning

• Ziel: Training-on-the-Job

• Allgemeines Problem:– Resourcen räumlich/zeitlich verteilt

– Kompetenzen räumlich/zeitlich verteilt

– Lernende räumlich/zeitlich verteilt


E-Learning Szenarien

Re-organisation:

• Versicherung kauft Bank

• Bankmitarbeiter müssen inZukunftVersicherungsprodukteverkaufen

Neue Technologie:

• Neues Automodell

• Automechaniker, -elektroniker, -verkäufermüssen sich auf denneuesten Stand bringen


Traditionelle Lösungen

Vor-Ort-Training

Nachteile:

• Zeitaufwendig

• teuer

Computer-based Training

Nachteile:

• Jeder sieht die gleichenInhalte

• Keine Individualisierung


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


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


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


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


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


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


Anwendung im E-Commerce / Customer Support


Anwendungim E-Commerce /CustomerSupport


Anwendungim E-Commerce /CustomerSupport


Anwendung im E-Commerce /Customer Support


Literaturhinweise, URLs, etc.


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.

...


Kontakt zu den Referenten

• A. Maedche, Tel. 0721 / 9654802

[email protected]

http://www.fzi.de/wim

• S. Staab, Tel. 0721 / 6084751

[email protected], [email protected]

http://www.aifb.uni-karlsruhe.de/WBS

Documents

Wissensdatenbanksysteme - Institute AIFBkm.aifb.kit.edu/ws/kmtutorial/wissensdatenbanken/WissensDBSysteme... · © A. Maedche & S. Staab 2001 Einführende Definitionen • Daten sind