Artikelaktionen

Digital Capability, Knowledge Management and Big Data Analytics

Prozessorientierte Informationsverwaltung
Geschäftsprozesse helfen, Information als Produktionsfaktor zu identifizieren: Z.B. welche Informationen von wem, wann in welcher Weise benötigt werden. Die prozessorientierte Sicht auf Informationen unterstützt somit einerseits die effiziente Abwicklung von Geschäftsprozessen und ermöglicht andererseits die Zuordnung von Dokument und Geschäftsfall. Dies wiederum ist eine wichtige Voraussetzung für die rechtskonforme Archivierung geschäftsrelevanter Dokumente – seien es Verträge oder E-Mails.
Die prozessorientierte Informationsverwaltung ermöglicht eine lückenlose Bestimmung des Lebenszyklus eines Dokuments, indem jede Lebensphase (Erstellung/Dokumenteneingang, Be- und Verarbeitung von Dokumenten, Archivierung und Löschung) von mindestens einer Prozess-Aktivität ausgelöst werden muss.

Der KSP Information Management unterstützte bisher in folgenden Projekten :
- [sic!]  
- APPRIS
- AUE
- Doklife
- FIT
- SEEK!Sem
- SORTIMent               

Metadata Management
Metadaten-Management unterstützt das Auffinden von unstrukturierten Daten, d.h. das Information Retrieval. Dies geschieht dadurch, dass Dokumente mit Informationen über den Kontext der Entstehung bzw. geplanten Verwendung beschrieben werden. Diese Informationen sind strukturiert und gehen oft über das hinaus, was im Dokument selbst an Information enthalten ist bzw. stellt manchmal (z.B. bei Multimedia-Inhalten) die einzige maschineninterpretierbare Beschreibung dar.

Der erste Schritt im Metadaten-Management ist die Definition eines Metadaten-Schemas, d.h. die Festlegung, welche Informationen zu welchen Inhalten erfasst werden sollen. Dies geschieht durch die Analyse der Informationsnachfrage entlang der Geschäftsprozesse. Da die manuelle Erfassung der eigentlichen Metadaten zu den Dokumenten eines Unternehmens aufwendig ist, kann es eine grosse Hilfe sein, dies zu automatisieren. Hierbei können einige Metadaten mit Hilfe von Text-Mining-Verfahren (Informationsextraktion, Textklassifikation) aus dem Inhalt der Dokumente gewonnen werden. Andere wiederum lassen sich aus dem Entstehungskontext und der Verwendung der Dokumente ableiten ("Metadata Harvesting").

Der KSP Information Management unterstützte bisher in folgenden Projekten :
- Doklife
- SEEK!Sem

Information Retrieval
Verfahren des Information Retrieval unterstützen Nutzer bei der Suche nach unstrukturierten Inhalten (Dokumente, Webseiten, Multimedia). Sie umfassen somit
- die Erfassung bzw. Indexierung von Inhalten (inklusive Beschreibung durch Metadaten),
- die Bereitstellung einer Anfragesprache bzw. Suchmaske und
- die Algorithmen, welche zu einer Anfrage auf Basis des Index eine Menge passender Dokumente selektieren und nach Relevanz geordnet an den Nutzer zurückgeben (Retrieval und Ranking).

In Unternehmen gibt es im Zusammenhang mit Information Retrieval eine Vielzahl von Herausforderungen, aber auch Chancen. Da Dokumente oft im Kontext von Geschäftsprozessen entstehen und/oder benötigt werden, ist es hilfreich, wenn Metadaten existieren, die diesen Kontext beschreiben – dies kann das Auffinden relevanter Inhalte stark vereinfachen. Andererseits wird dieses Auffinden in der Realität oft durch veraltete Inhalte oder die parallele Existenz verschiedener Versionen desselben Dokuments sowie durch fehlende Metadaten erschwert. Hier können Verfahren zur automatischen Extraktion von Metadaten bzw. zur Erstellung geeigneter Navigationsstrukturen (als Alternative zur Suche) Abhilfe schaffen.

Der KSP Information Management unterstützte bisher in folgenden Projekten:
- [sic!]
- APPRIS
- AUE
- Doklife
- FIT
- LOKAHI Inside
- SEEK!Sem

Case Based Reasoning (CBR)
Unter CBR verstehen wir ein automatisiertes Lernverfahren über eine Wiederverwendung von aufgebautem Wissen mit dem Ziel, die Ausführung von Prozessen zu verbessern. Zu festgelegten Fällen werden in einer Fallbasis Fallbeschreibungen und korrespondierende Falllösungen archiviert. Startet eine Case-Bearbeitung, wird die Fallbasis nach einem ähnlichen Profil durchsucht und der historische Lösungsansatz auf dessen Anwendbarkeit geprüft und gegebenenfalls angepasst. Abschliessend wird der überarbeitete Fall in der Fallbasis gespeichert und erweitert somit die Fallbasis für künftige Case-Bearbeitungen.

Der KSP IM unterstützte bisher in folgenden Projekten :
- [sic!]
- LearnPAd

Process Mining
Während Case Based Reasoning (CBR) das Ziel verfolgt, die Ausführung von Prozessen zu verbessern, verfolgt Process Mining das Ziel, das Design von Prozessen zu verbessern. Viele Organisationen haben Prozesse, die nicht dokumentiert sind bzw. nicht explizit durch Workflow-Systeme unterstützt sind, aber implizit durch bestehende IT-Lösungen in Prozessen ablaufen. Process Mining versucht in diesen Fällen Prozessmodelle auf Basis digitaler Spuren (z.B. Logfiles) zu rekonstruieren und soweit möglich, bekannten Abläufen zuzuordnen. Insbesondere in wissensintensiven Umgebungen können so komplexe Abläufe modelliert – und das in diesen Abläufen vorhandene implizite Wissen zugänglich gemacht werden.

Der KSP Information Management unterstützte bisher in folgenden Projekten:
- MATURE
- plugIT

Decision Mining
Decision Mining verfolgt ein vergleichbares Ziel, wie Process Mining, fokussiert dabei aber auf den Entscheidungsbedarf im Ablauf wissensintensiver Prozesse. Wenn eine ausreichende Wissensbasis zu historischen Entscheidungen vorhanden ist, können hieraus Empfehlungen für künftige Entscheidungen abgeleitet werden. Dabei kommen Data-Mining-Algorithmen zum Einsatz.

Der KSP Information Management unterstützte bisher in folgenden Projekten :
- APPRIS
- SORTIMent

Informationen für:
Suchportlet