Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Wissensmanagement UL - 1 - Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof. Dr. Uwe Lämmel Prof. Dr. Reinhard Weck Wissensextraktion.

Ähnliche Präsentationen


Präsentation zum Thema: "Wissensmanagement UL - 1 - Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof. Dr. Uwe Lämmel Prof. Dr. Reinhard Weck Wissensextraktion."—  Präsentation transkript:

1 Wissensmanagement UL Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof. Dr. Uwe Lämmel Prof. Dr. Reinhard Weck Wissensextraktion mittels Neuronaler Netze4.Sem. Data Mining5.Sem. Wissensmanagement7.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 Wissen Wissen 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 Nicht ange- schrieben KundeNameWohnortEinkom men.....Ange- schrieben bestellt 1MeierHalle3000x4000 2SchulzeBonn2000x 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 Kredit bezahlt 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 AGGbRKGOHG Unternehmen ist ein Siemens AG Instanz von Person wird besteuert Planet AG Aker MTW Instanz von Unternehmen wird besteuert vererbt

13 Wissensmanagement UL Vages Wissen – Fuzzy-Logik Ziel: Neuer Mitarbeiter soll berufserfahren, jung und familiär gebunden oder ortsansässig sein Wohnort = 117 = = 0.3Lehmann = 016 = = 0.2Schulze = = = 1Meier A K (F E) Ent-fernungFamilieBerufs- erfahrung AlterName Jung 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 Systems which 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 Wissensmanagement Wissens- schaffung Wissens- speicherung Wissens- nutzung Wissens- diffusion Wissens- substitution Innovations- management Organisation Wissens-Prozess-Gestaltung Human-Ressource-Management Grenzen-Management Entlernen geplanter 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 der Produktivität 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: Welche Vorteile für ein Wissensmanagement sehen Sie in einer Firma? Sehen Sie Möglichkeiten für den Einsatz von Wissensmanagement im Bereich der Hochschule?


Herunterladen ppt "Wissensmanagement UL - 1 - Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof. Dr. Uwe Lämmel Prof. Dr. Reinhard Weck Wissensextraktion."

Ähnliche Präsentationen


Google-Anzeigen