gfwm THEMEN 6

eine Fachpublikation der Gesellschaft für Wissensmanagement e.V.
R. Billen: Methoden zur Wissensgenerierung im Vergleich Ausgabe 6 / September 2013
Informationen aus einer Rohdatenmenge. Data Mining strukturiert
nicht nur Informationen, sondern kann gewisse Gesetzmäßigkeiten
erkennen und für die Bewertung neuer Fallbeispiele
nutzen (= selbst lernendes System), wie typischerweise
bei der Bewertung von Kreditanträgen. Im Gegensatz zu klassischen
Abfragewerkzeugen wie OLAP (On-Line Analytical
Processing) muss der Anwender nicht von vornherein wissen,
wonach er sucht; vielmehr führen sie den Anwender von sich
aus zu den oft vermeintlich interessanten Datenmustern und
damit zu entscheidungsrelevanten Informationen. Aus bisherigen
Bestelldaten können auf diese Weise Kundenprofile gewonnen
werden. Damit lässt sich das Marketing besser auf
die Bedürfnisse der Kunden zuschneiden. Doch auch für die
Leistungserbringung lassen sich wertvolle Rückschlüsse ziehen
- sei es im Handel, in der Industrie oder bei Banken und
Versicherungen.(21)
OLAP als Methode zur analytischen, multidimensionalen Datenauswertung
ergänzt das DataWarehouse-Konzept, wobei
Dies wiederum belegt die Notwendigkeit von Ansätzen, die
ein strukturiertes und effizientes Wissensmanagement unterstützen.(24)
Dessen Aufgabe ist es, mit unterschiedlichen Methoden
Einfluss auf die Wissensbasis eines Unternehmens zu
nehmen. Dabei sind BI-Prozesse und -Anwendungen insoweit
in das Wissensmanagement integriert, indem sie Informationen
zur Entscheidungsunterstützung liefern. Dadurch leistet
BI einen elementaren Beitrag zum betrieblichen Wissensmanagement
durch die Unterstützung der Wissensstruktur auf
technologischer wie auch auf logistischer Ebene:
1. Strukturierte wie auch teil- und nicht strukturierter Daten
aus internen und externen Quellen werden zwecks Gewinnung
von Entscheidungswissen analysiert.
2. Die Berichterstellung wird automatisiert, erfolgt aber
aufgrund individueller Eingaben.
BI-Anwendungen leisten somit einen positiven Beitrag zur Etablierung
leistungsfähiger Wissensmanagementsysteme durch
Lösungen für wesentliche Fragen des Wissensmanagements
bezüglich:
1. Integration, Konsolidierung und Homogenisierung verteilter
Informationen,
2. Kontextualisierung, Analyse und Interpretation der
Informationen,
3. Aufbau unternehmensübergreifender, dezentraler
Wissensplattformen,
Abbildung 4: Data Mining-Techniken (23)
es bei den Konzepten zu inhaltlichen Überschneidungen kommen
kann. Der Begriff impliziert schnelle Abfrageergebnisse
und eine intuitive Bedienung der Oberfläche.(22) Eine Übersicht
über gängige Data Mining-Techniken liefert die obige Abbildung
4.
4. Bereitstellung von Tools und Methoden für die Professionalisierung
des Wissensmanagements.(25) Dadurch wird
BI zum leistungsfähigen Wissensmanagementwerkzeug.
Wie sich ein BI-Portal in ein Wissensmanagementsystem
integrieren lässt, zeigt Abbildung 5:
Weitere Synergiepotenziale ergeben sich einerseits durch
den technischen Gestaltungsprozess beim Aufbau eines BI-
8. Synergieeffekte von Wissensmanagement und BI
– eine Frage der Integration
Ist der Wissensmanagement-Hype der frühen achtziger Jahre
des 20. Jahrhunderts merklich abgeklungen, erlebt Business
Intelligence, obwohl oft kritisch betrachtet, einen Aufwärtstrend
mit veritablen Wachstumsraten. Wurden 2006 in
Deutschland 630 Mio. EURO in BI-Software investiert, so steigerte
sich das Umsatzvolumen bis 2011 auf 1.046 Mio. EURO.
Verantwortlich für diese überproportionale Entwicklung des
Business Intelligence-Marktes ist die Diskrepanz zwischen
exponentiell zunehmenden Datenmengen (Stichwort “Big
Data“) und deren rationaler Verarbeitung produktiven Einsatz.
Abbildung 5: Integration von BI in ein WMSystem (26)
38