Download - Wi1-mertens.wiso.uni-erlangen.de

Weitere Magazine

Empfehlungen

Info

5.4.2 Know-how-Datenbanken Know-how-Datenbanken als Vorstufe von wissensbasierten Systemen dienen der strukturierten Sammlung von Anwendungslösungen. Kennzeichnend für Know-how-Datenbanken ist dabei die Möglichkeit der strukturierten Suche nach Problemlösungen und Erfahrungen [Stei95]. Auf der einen Seite tritt beim partnerschaftlichen Zugang zu den jeweiligen Systemen die Gefahr des Wissensabflusses auf, andererseits können sie für die gegenseitige Vertretung im Sinne eines einheitlichen Auftretens benutzt werden. Praxisbeispiel TADDY: Das System TADDY (Technical Applications Documentation and Decision System) wurde von der INA-Wälzlager Schaeffler KG in Zusammenarbeit mit dem Bereich Wirtschaftsinformatik I der Universität Erlangen-Nürnberg entwickelt (s. [MoRW96]). Ein TADDY-Dokument besteht aus einer verbalen Beschreibung der Problemlösung, der Beschreibung fertigungstechnischer Besonderheiten, numerischen Daten und Graphiken. Abbildung 4 zeigt den idealtypischen Einsatz einer Know-how-Datenbank in der Produktentwicklung. Informationssystem Indizierung Start Ähnlichkeitssuche Suche Aufnahme in Datenbank Gemeldet Datum Beschreibung Verantwortlich Team Zu lösen bis ... Ähnliche Probleme Ursachen Lösungen Lösung Maßnahmen Erfolgskontrolle Wiederauftreten gibt ein entdeckt meldet bildet Team Vorschlag Lösungsprozeß Wahl Eingabe Lösung Maßnahmen Projekt Produktentwicklung Abbildung 5: Einsatz der Know-how-Datenbank in der Produktentwicklung Eines der stärksten Anwendungsfelder von OMIS ist zur Zeit die Produktentwicklung. Die STEP- Norm sieht bereits vor, mit Geometriedaten von Zeichnungen auch Annotationen der Entwickler zu übertragen. Bei EURISCO in Toulouse wird bspw. dem Ansatz nachgegangen, aus Flugschreiberaufzeichnungen der Airbus-Testflüge anhand des Entwicklungs- bzw. Produktmodells Auffälligkeiten an die entsprechenden Entwicklern weiterzuleiten. Außerdem soll den Ingenieuren ein schneller Zugriff auf Designwissen (Design Rationales), Ereignissen und Zwischenfällen bei der Erprobung, technischen Annotationen etc. ermöglicht werden. Praxisbeispiel Tax Opportunity Identification Tool (TAXOPS): Dieses System unterstützt weniger erfahrene Steuerberater. Dabei wird die Situation des Unternehmens analysiert und Videoclips von Experten, die zu den jeweiligen Themen diskutieren, von einer indizierten Bibliothek automatisch abgerufen. Das System wählt die relevantesten Clips gemäß den Benutzeranfragen aus (s. [StZw95]).
Praxisbeispiel KnowledgeView (KV): Das System KnowledgeView hilft den Beratern von Price Waterhouse (PW) bei ihren Projekten, indem es Beispiele für „Best Practices“ aufspürt und darstellt. Dabei stützt man sich auf eine integrierte und ständig auf dem neuesten Stand befindliche Sammlung von Lotus Notes- sowie externen Datenbanken (Financial Services Databases, the PW World Petroleum Data Bank, the UK Change Integration Database). Neben den Informationen über eigene Projekte (vgl. Project Memory in Abschnitt 2.3) enthält das System auch Angaben über Experten bei PW. Der Benutzer kann nach branchenspezifischen Klassifikationsschemata suchen. Neben Daten und Informationen enthält KV auch Wissen und Meinungen in Form von persönlichen Berichten der Projektmanager und Teammitglieder. Weitere Beispiele für Know-how-Datenbanken sind u.a. das AA-Net bei Arthur Anderson (das System wird jetzt unter dem Namen Knowledge Exchange weiterentwickelt) oder das Firm Practice Information System von McKinsey & Company. Praxisbeispiel VeriFone: Die Firma Verifone ist als virtuelle Organisation konzipiert (s. URL: http://www.verifone.com). Durch die Informationstechnologie wird in Projekten gewonnenes Wissen kodiert und für jedermann in Form von Produktkatalogen, Richtlinien, Erfahrungs- und Reiseberichten, Datenbanken über Wettbewerber, Kunden und Mitarbeiter usw. gespeichert [KrVe95, S. 427]. Praxisbeispiel Knowledge-Paks: Diese enthalten "Packaged Knowledge" für zahlreiche Helpdesk- Systeme im praktischen Einsatz, d.h., sie versorgen den Benutzer auf der ersten Kundendienstebene mit dem nötigen Wissen (Topical Memory). Knowledge-Paks umfassen Hunderte von Problemen und zugehörigen Lösungen (Frequently Asked Questions). ServiceWare (s. URL: http://www.serviceware.com/) vertreibt Knowledge-Paks für Anwendungen von Microsoft-, Lotus-, WordPerfect- und Novell-Produkten sowie paßt solche Pakete für jede andere Software individuell an. Das Knowledge Engineering Team dieses Unternehmens sammelt dabei „rohes Wissen“ aus zahlreichen Quellen, wie Beschwerdedatenbanken, herstellerspezifischen Projektmanualen und weiteren Ratgebern, ordnet es thematisch und entwickelt eine Strategie zur schrittweisen Problemlösung (inkl. Illustrationen und Beispielen). Wissenspakete dieser Art erleichtern vor allem auch den Kundendienst nach Ende des VU. 5.4.3 Wissen und Metawissen Eines der nachteiligen Ergebnisse der Dezentralisierung ist das fehlende abteilungsübergreifende Wissen darüber, was die Mitarbeiter in anderen Abteilungen bzw. anderen Knoten des Unternehmensnetzwerkes eigentlich tun und können. Da konzeptionelles Wissen schwer „in Systeme zu gießen“ ist, bzw. Experten dieses nicht gern preisgeben, legt man Metawissen (Wissen über Wissensquellen) ab. So erhält man die Chance, die Größe der Gesamtorganisation über das Erschließen ihrer Experten erst auszunützen. Hier gilt das alte Motto eines deutschen Unternehmens der Elektroindustrie: „Wenn der Siemens wüßte, was der Siemens weiß?“ Die IV kann das Organizational Memory auf zwei Wegen unterstützen. Zum einen kann aufgezeichnetes Wissen verfügbar oder Personen mit dem entsprechenden Wissen greifbar gemacht werden. Im Answer Garden Projekt (s. [Acke94]) wurde das Organizational Memory durch das Hinzunehmen von Elementen der Informationsbasen und der Kommunikationssysteme vermehrt. Falls Answer Garden keine Antwort im Informationssystem findet, routet es die Anfrage an einen geeigneten menschlichen Experten. Der Vorteil dieser Kombination besteht darin, daß das Organizational Memory wachsen kann, gleich ob Personen Fragen schriftlich beantworten oder für ein Gespräch zugänglich werden. Answer Garden wird schon vielfach in der Praxis eingesetzt. 5.4.4 Wissensverteilung Die Verteilung des Wissens kann nach dem Push- oder dem Pull-Prinzip erfolgen. Kennzeichen des Pull-Prinzips ist, daß sich Bearbeiter das benötigte Know-how aus der gesamten verfügbaren Datenmenge heraussuchen und erschließen.
Seite 1 und 2: Universität Bern, Institut für Wi
Seite 3 und 4: Inhaltsverzeichnis 1 Einführung 3
Seite 5 und 6: 2 Wissen und Organizational Memory
Seite 7 und 8: 3 Fördernde Technologien Die Basis
Seite 9 und 10: 4. Konzeptgraphen (Concept Maps) we
Seite 11: die nächste Konsolidierungswelle (
Seite 15 und 16: 6 Erfordernisse und Barrieren des W
Seite 17 und 18: genendilemma). Der ständige Druck
Seite 19 und 20: [GoHF95] [Groe94] [GüEs96] [HiTu93
Seite 21: [Stei93] Steinmetz, O.: Die Strateg

Download - Wi1-mertens.wiso.uni-erlangen.de

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?