Wissensbasierte Systeme Wissensmanagement Studiengang Wirtschaftsinformatik > Spezielle Wirtschaftsinformatik Wissensbasierte Systeme Wissensmanagement Prof. Dr. Jürgen Cleve Prof. Dr. Uwe Lämmel Prof. Dr. Reinhard Weck Wissensextraktion mittels Neuronaler Netze 4.Sem. Data Mining 5.Sem. Wissensmanagement 7.Sem
Wissen Ein System S hat Wissen W, wenn S immer dann, wenn erforderlich, W anwendet. More&Newell,1973
Was ist Wissen ? Besitz von objektiv bzw. subjektiv als wahr zu klassifizierenden Erfahrungen, die die Grundlage von Urteilen bilden können. (individuelles) Wissen ist die Menge der individuellen Kenntnisse. (Sachkenntnisse, Verfahrenskenntnisse, Normen-, Wertekenntnisse) Wissen heißt wissen, wo es gespeichert ist. Wissen heißt wissen, wo es geschrieben steht. Albert Einstein
Wissen - Künstlichen Intelligenz Wissen - Informatik Daten Information Wissen Wissen ist Information, die ich zu nutzen weiß ... Wissen - Künstlichen Intelligenz Sicht der Informatik und der KI auf Wissen symbolische Repräsentation der Welt, die das Denken / Handeln von Agenten bestimmt
Daten – Information - Wissen Gewinn / Verlust Kunde bestellt Kunde bestellt nicht ange-schrieben +300 € - 30 € Nicht ange-schrieben +103 € - 10 € Vorhersage, wen man anschreiben sollte Data Mining Versand von Werbematerialien Kunde Name Wohnort Einkommen ..... Ange-schrieben bestellt 1 Meier Halle 3000 x 4000 2 Schulze Bonn 2000 - Daten sind die nackten Zahlen oder Strings wie 3000 Halle etc. Infos sind dann z.B., dass Meier in Halle wohnt und für 4000 bestellt hat Wissen entsteht dadurch, dass ich abstrahiere und Vorhersagen treffen kann.
Wissensmanagement und Künstliche Intelligenz Wissen als (wirtschaftliche) Ressource Informationsflut Techniken zur Wissensextraktion Techniken zur Wissensdarstellung (-speicherung) Techniken zur Wissensverarbeitung Im folgenden: WM aus einer technischen Sicht, d.h. weniger Augenmerk auf Probleme bei der Einführung von WM-Techniken in Betrieben Philosophische Aspekte Management-Probleme Verschiedenen Wissensarten Konzentration auf aktuelle Möglichkeiten, mit Wissen umzugehen, Wissen zu gewinnen Wissen zu verarbeiten etc.
Beispiel Explizites Wissen: Problem: Lösung: 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
implizite explizite Darstellung "Die Vertiefung WM besuchen 20 Studierende, davon 7 Frauen." 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 Nr. Kredit - geschichte Schulden Sicherheit Einkommen Kredit bezahlt 1 schlecht hoch keine niedrig nein 2 unbekannt mittleres 3 ja 4 niedriges 5 hohes 6 vorhanden 7 n iedriges 8 9 gut 10 11 12 13 14 mitt leres
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
Wissensrepräsentation Logik Regel Objektorientierte Darstellung (Frames/ Sem. Netze) Fuzzy – Methoden Neuronale Netze
WENN-DANN-Regeln WENN Container steht auf PlatzX 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 Lager 1 Lager 2 LKW Waggon B A C D E Chef-Vertreter-Regeln
Hierarchisches Wissen - Frames Unternehmen Kapitalgesellschaft Personengesellschaft GmbH AG GbR KG OHG ist ein Siemens AG Instanz von Person wird besteuert Planet AG Aker MTW vererbt
Vages Wissen – Fuzzy-Logik Ziel: Neuer Mitarbeiter soll berufserfahren, jung und familiär gebunden oder ortsansässig sein 1 20 30 40 Wohnort 0.21 10 = 1 7 = 0.7 28 = 0.3 Lehmann 0.1 80 = 0 6 = 0.5 30 = 0.2 Schulze 0.14 20 = 0.7 4 = 0.2 20 = 1 Meier A K (F E) Ent-fernung Familie Berufs-erfahrung Alter Name 15 45 Jung 3 6 9 Erfahrung Eventuell Berufserfahrung !!
Neuronale Netze lernen aus Beispielen Erkennung/ Klassifikation Neuronales Netz Lernen aus Beispielen: Falls es keine algorithmische Lösung gibt, kann das Antrainieren eines gewünschten Verhaltens weiterhelfen. Nach einem Trainingsprozess können auch bis dahin unbekannte Muster verarbeitet werden. Beispiel: Mustererkennung/Zeichenerkennung Anwendung: Kennzeichen-Erkennung an Fahrzeugen, Addresserkennung auf Paketen, Rezepterkennung, ... -> auch Prognoseprobleme Training des Netzes durch Beispiele Verarbeitung neuer, unbekannter Muster möglich Implizite Wissensrepräsentation Beispiel-Muster
Expertensystem Posthoff in Grundlagen der KI, 1989 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 Rückblick auf ES, war alles schon mal da ....
Wissensgewinnung Techniken: Knowledge Engineering (Interviews ....) Data Mining Maschinelles Lernen 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 Wissensgewinnung: Techniken: DM, Maschinelles lernen Keine detaillierte Diskussion
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? Probleme beim WM Analog ES !!! Nicht unser Gebiet -> Sie sind gefragt.
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
Wissensmanagement will Bedingungen herstellen, unter denen Wissen immer dann verfügbar ist, wenn es benötigt wird. Angelika Menne-Haritz, Archivschule Marburg
Wissensmanagement Wissensmanagement Wissens- schaffung nutzung speicherung nutzung diffusion substitution Innovations- management Organisation Wissens-Prozess-Gestaltung Human-Ressource-Management Grenzen-Management Entlernen geplanter Wandel Wissensmanagement Was ist mit W-diffusion gemeint? Was ist Grenzenmanagement? W-Diffusion bezieht sich auf den Ausgleich von "Wissensunterschieden" in den Organisationen (Unternehmen) und führt zu einer "Wissenspenetration" (W-Durchdringung) in den nachgefragten Wissensbereichen Grenzen-Mgt. setzt sich mit den möglichen Barrieren eines praktizierten Wissensmanagementansatzes auseinander und betrachtet sowohl ressourciale als auch konzeptindizierte Gegebenheiten
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:
Technologie-Entwicklung Aufkommen der Technologie Gipfel/Hype Tal der Desillusionierung Hügel der Erleichterung Plateau der Produktivität Zeit / Reife Öffentliche Präsenz
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
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: 0 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 0 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 1 0 0 0 1 1 0 0 0 1 1 1 1 1 0 Welche Vorteile für ein Wissensmanagement sehen Sie in einer Firma? Sehen Sie Möglichkeiten für den Einsatz von Wissensmanagement im Bereich der Hochschule?