Virtuelle Teams in der Wissensgesellschaft Thema Nr.1

Präsentation zum Thema: "Virtuelle Teams in der Wissensgesellschaft Thema Nr.1"—  Präsentation transkript:

1 Virtuelle Teams in der Wissensgesellschaft Thema Nr.1
Aktuelle Ansätze im Wissens- und Kompetenzmanagement Referenten: Ye Yu & Roland Engel

2 Gliederung 1. Einleitung 2. Begriffliche Abgrenzung
Wissen und Wissensformen Wissens- und Kompetenzmanagement 3. Ontologien zur Unterstützung des Wissensmanagements Begriffliche Abgrenzung Wissensmetaprozess und Wissensprozess 4. ProPer - Ein auf Datenbanken basierender Ansatz Anforderungen Architektur Grenzen der Lösung 4. OntoProPer - Ein auf Ontologien basierender Ansatz Ziele des Einsatzes von Ontologien Wesentliche Bestandteile von Ontologien Architektur und Ableitungsregeln Beispiel für eine Ontologie 5. Kritische Würdigung

3 Ineffizienzen im Geschäftsprozeß
1. Einleitung Wissen als eine der wichtigen Ressource künftiger Unternehmen Wissen ist in den Köpfen der Mitarbeiter vorhanden Mit Wissen sind unternehmerische Probleme zu lösen (z.B. steigende Komplexität von Herstellung und Vertrieb) Tatsächliches Wissen von Unternehmen über die Fähigkeiten und Kompetenzen ihrer Mitarbeiter jedoch sehr gering! Ineffizienzen im Geschäftsprozeß Quelle: Gerber 2001, Basel

4 Spannungsfeld „Skills and Business“
oder die Bedeutung des Kompetenzmanagement für Unternehmen Heutigen / künftigen Anforderungen Wer kann Lücken schließen? Vorhandene Kompetenzen Personalwirtschaftliche Dimension Skills and Business Kompetenzen halten oder abstoßen? Form des Personaleinsatzes? Strategische Dimension Künftige Geschäftsfelder Art und Weise der Produkterstellung Vernetzung Unternehmensweiter Einsatz Geforderte Flexibilität

5 2. Begriffliche Abgrenzung (Begriffe des Wissens)
Wissen: die Gesamtheit der Kenntnisse und Fähigkeiten einer Person, die zur Lösung eines Problems eingesetzt werden.( nach Probst ) Dies umfasst neben theoretischen Erkenntnissen, auch praktische Alltagsregeln und Handlungsanweisungen. Differenzierte Betrachtung der Termini Zeichen, Daten, Information, Wissen, können, Handeln, Kompetenz und Wettbewerbsfähigkeit.

6 Wissenstreppe Zeichen Daten Information Wissen Können Handeln
Kompetenz Wettbewerbsfähigkeit +Syntax +Bedeutung +Vernetzung +Anwendungsbezug +Wollen +Richig Handel +einzigartigkeit Die Wissenstreppe (in Anlehnung an North)

7 2. Begriffliche Abgrenzung (Wissensformen)
Differenzierung in individuelles versus kollektives sowie in explizites versus implizites Wissen. Gemeinsame Handlungsrotinen; Tradionelle Werten Persönliche Erfahrungen; Intition-, Abstraktionsvermögen Implizit Schwer kommunizierbar; Personengebunden Verfahrensanweisungen; Organisationsdokumentation Persönliche Unterlagen; Fachkenntnisse Explizit Zeitlich stabil; Speicherbar kollektiv individuell Wissen ist... dsfsdfdsfdsfdfdsfdsfasdfdsfdsfdsf

8 2. Begriffliche Abgrenzung (Wissensmanagement)
Wissensmanagement hat letztlich die Aufgabe notwendiges Wissen Mitarbeitern eines Unternehmens bzw. Netzwerkes mit möglichst geringem Aufwand in dem Augenblick zur Verfügung zu stellen, in dem dieses Wissen benötigt wird, um ein Problem bzw. eine Aufgabe in minimaler Zeit und zur maximalen Kundenzufriedenheit technikorientierte Sichtweise: Eine technische Auslegung sieht Wissen als Objekt. Rationalisierungs- und Effektiveierungsbestrebung sollen durch eine bessere maschinelle Identifizierung und Verarbeitung von Wissen erzielt werden. humanorientierte Sichtweise: Die humanorientierte Sichtweise versteht Wissen als einen Prozess, der dynamisch, kontextgebunden und personalabhängig ist.

9 2. Begriffliche Abgrenzung (Kompetenzmanagement)
Skill- bzw. Kompetenzmanagement dient zur systematischen Analyse, Bewirtschaftung und Entwicklung den in Wissensträgern vorhandenen Wissens. Ziel von Kompetenzmanagement ist es Fähigkeiten und Erfahrungen, also implizites Wissen, von Mitarbeitern in explizites Wissen zu wandeln und dies anderen Mitarbeitern unternehmens-weit und dauerhaft zur Lösung ihrer Aufgaben bereit zu stellen.

10 3. Ontologie zur Unterstützung des Wissensmanagements
Def. Ontologie: "An ontology is a formal, explicit specification of a shared conceptualization„ (Gruber 1995) Def. Ontologie: „Eine Ontologie stellt eine Sammlung von Konzepten, Beziehungen und Regeln zur Verfügung, die auf dem Konsens einer Gruppe von Personen, z.B. eines Unternehmensbereiches, beruhen. Solche Ontologie stellt eine von dieser Personengruppe gemeinsam getragenen Sicht auf eine Anwendungsbereich zur Verfügung“(Prof. Studer, Uni Karlsruhe) Ontologiebasierte Wissensmanagement zielen darauf ab, Wissen einer Domäne explizit zu modellieren. Sie vermitteln ein allgemein anerkanntes Verständnis dieser Domäne, welches von Anwendungen und Personengruppen gemeinsam geteilt und wiederverwendet werden kann. Typischerweise vermischen die in der Literatur beschriebenen Methodologien zwei Arten von Prozessen: Wissensmetaprozess und Wissensprozess

11 3. Formale Ontologie I Definition: Eine Ontologie ist ein Tupel O:=(L, C, R, F, G, H, A), dessen Komponenten wie folgt definiert sind: Lexikon L: Das Lexikon enthält eine Menge von Symbolen für Begriffe, LC, und eine Menge von Symbolen für Relationen, LR. Ihre Vereinigung ist das Lexikon L:=LC ∪ LR. Menge C von Begriffen: Über jedes c ∈ C existiert wenigstens ein Aussage in der Ontologie, durch die es in die Ontologie eingebettet wird. Menge R zweistelliger Relationen: R bezeichnet eine Menge zweistelliger Relationen, wobei jeweils Definitionsbereich (domain) und Wertebereich (range) (CD,CR) spezifiziert wird mit CD,CR ∈ C. Zusätzlich werden die Funktionen d und r eingeführt. Diese liefern – angewandt auf eine Relation r ∈R – die entsprechenden Definitions- und Wertebereichsbegriffe CD und CR

12 3. Formale Ontologie II Lexikon: L= {"employee", "Angestellter", "Angestellte“, “Organisation", “Projekt", “member", “participant", “client", “participate", ... } Begriffe: C = {Person, Employee, Manager, Project, Company, FinanceComp, ...} Relationen: R = {participantOf, member, client, ...} d ={(participantOf, Person), (member, Project), (client, Project)}, r ={(participantOf, Project), (member, Person), (client, Company)}

13 3. Formale Ontologie III F und G verknüpfen Symbole {l1, l2,…,ln} ⊂ L mit den zugehörigen Begriffen und Relationen in der gegebenen Ontologie. Ein Symbol kann auf mehrere Begriffe oder Relationen verweisen; umgekehrt kann auf einen Begriff oder Relation von mehreren Symbolen verwiesen werden. Bemerkung: Da es eine n : m Abbildung zwischen Lexikon und Begriffen/Relationen gibt, sind F und G auf Mengen definiert. Beispiel: Abbildungsfunktion F: { ({"organisation", "Unternehmen" }, {Company}), ( {"employee", "Angestellter" , "Angestellte"},{Employee}), ({„Bank“},{BankGeldinstitut, BankSitzgelegenheit}), ...} Abbildungsfunktion G: {({"member", "participant"}, {member}), ({"participate"}, {participantOf}), ({"client"}, {client}) , ...}

14 3. Formale Ontologie IV Taxonomie H: Begriffe sind durch eine irreflexive, azyklische und transitive Relation H, (H ⊂ C × C) taxonomisch miteinander verbunden. H(Ci, Cj) bedeutet, dass Ci ein Subbegriff von Cj ist. Menge A von Ontologie-Axiomen. Beispiel: Taxonomie: H = {(Manager, Employee), (Employee,Person), (FinanceComp, Company)} Axiom: Verbale Beschreibung: IF Person X is participantOf Project Y THEN Project Y has as member Person X

15 Browser Matching Webserver Profile Datenbank Browser
ProPer-Architektur Internet Bewerber sendet Bewerberprofil Browser Matching Intranet Mitarbeiter bearbeiten Mitarbeite-rprofile Mitarbeiter suchen nach Kompetenzen anderer Mitarbeiter (Projektgeschäft) Personalmanager wollen vakante Stellen besetzen Webserver Profile Datenbank Browser Quelle: Sure 1999, Karlsruhe

16 Unterscheidung von zwei Prozessen des Wissensmanagments in Unternehmen
Ontologie zur Unterstützung des Wissensmanagements Unterscheidung von zwei Prozessen des Wissensmanagments in Unternehmen Wissens-Metaprozess Wissens-Prozess Einführung und Instandhaltung von Wissensmanagement-Lösungen in Unternehmen Generierung, Erfassung und Nutzung des Wissens als Ressource im Unternehmen

17 Der Wissens-Metaprozess
Ontologieentwicklung als Teil des Wissens-Metaprozesses (In Anlehnung an Prof. Stude)

18 4. ProPer-Ein auf Datenbanken basierender Ansatz
Anforderungen an das Tool zur Unterstützung des Management Mitarbeiterverwaltung: Daten und Kompetenzprofile Datentransfer aus Internet und Intranet Stellenverwaltung:Stellen- und Anforderungsprofile Matching von Kompetenzprofilen mit Anforderungsprofilen Profilverwaltung: Erfassung von Skilldaten, Erstellung von Reports Such-Funktion: Finden von bestimmten Kompetenzen Quelle: Sure 1999, Karlsruhe

19 Analyse elektronisch gespeicherter Daten, Dateien, Dokumente
ProPer-Grenzen der Lösung Datenschutzproblematik (Rechtestruktur, Verschlüsselung) Problem der notwendigen Datenaktualität (händische Aktualisierung aufwendig und im Alltag nicht garantiert) Lösung: Analyse elektronisch gespeicherter Daten, Dateien, Dokumente Quelle: Sure 1999, Karlsruhe

20 5. OntoProPer-Ein auf Ontologien basierender Ansatz
Ziel: In Dokumenten „verborgenes“ Wissen, das nicht in Datenbanken strukturiert abgelegt wurde, ausweisen und daraus mittels Regeln auf Kompetenzen von Mitarbeitern schließen. Technische Voraussetzung: Interpretation der vorhandenen Zeichen und Zeichenfolgen im Sinne der Semantik! Inhalt der Texte muß „verstanden“ werden! Allgemeingültiger Rahmen, der eine Kommunikation zwischen den verschiedensten Gruppen zuläßt und den Austausch von Informationen zwischen den verschiedensten Systemen erlaubt. (Überwindung von Sprach-, Modell-, Methoden- und Software-Barrieren!) --> Konsensbildung!! Quelle: Gruber 1995, in: IJHCS 43/1995

21 Ziel des Einsatzes von Ontologien
Kommunikationsverbesserung zwischen Parteien durch Verwendung einer gemeinsamen Sprache mittels aufgaben- und anwendungsspezifischer Konzepte; Präsentation der Wissensquellen in Abhängigkeit von Aufgabenstellung, Kontext, Terminologie und notwendiger Abstraktionsebene; Wissenszugriff durch flexible semantische Anfragemöglichkeiten (Pull-Ansatz) und durch aktives Erstellen von Wissensangeboten (Push-Ansatz); Aus implizitem Wissen explizites Wissen ableiten; Quelle: Studer, 1999 Stuttgart

22 Die Architektur von OntoProPer
Internet Bewerber sendet Bewerberprofil Browser Matching Profile Datenbank Intranet Mitarbeiter bearbeiten Mitarbeite-rprofile Mitarbeiter suchen nach Kompetenzen anderer Mitarbeiter (Projektgeschäft) Personalmanager wollen vakante Stellen besetzen Webserver Inferenz-maschine Dokumente Ontologie Annotation Crawler Browser Quelle: Sure 1999, Karlsruhe

23 Die wesentlichen Bestandteile einer Ontologie.
Konzepthierarchie: Konzepte bilden die Struktur der zugrunde liegenden Fachgebiete ab. Superkonzept „Person“ - Subkonzept „Mitarbeiter“- Subkonzept „Projekte“... Attributdefinition (Zuweisung definierter Merkmale): Beschreibung der verschiedenen Instanzen innerhalb der Konzepte. („Mitarbeiter“ beschrieben durch „Name“, „Stelle“, „Projekte“) Die Merkmale wirken sich innerhalb der Hierarchie immer auf jeweilige Subkonzepte aus! Ableitungsregeln: Die verschiedenen Konzepte werden in Beziehung gesetzt und verborgenes Wissen extrahiert! z.B. „Arbeitet ein Mitarbeiter in einem Kundenprojekt hat er Erfahrung in der Branche des Kunde“ Quelle: Sure 1999, Karlsruhe

24 Beispiel: Die OntoProPer- Ontologie
Person Dokument Mitarbeiter hat Name,Adresse hat Kostenstelle hat Homepage hat Projektbericht Bewerber hat Name, Adresse hat Bewerbung Bewerbung hat Bewerber hat Zeitpunkt Homepage hat Bewerber hat URL Projektbericht hat Mitarbeiter hat Branche hat Zeitpunkt Profil hat Wert Zeit Z-Punkt Z-Spanne Ort Ortsbezeichnung --> Stadt --> Land --> Nationalität --> Sprache Stelle Bezeichnung Beschreibung hat Zeitpunkt hat Stellenprofil Personenprofil hat Person hat Wert Stellenprofil hat Stelle hat Gewicht Skill Branche Sprache hat Land Quelle: Sure 1999, Karlsruhe

25 Ausmodellierung der Konzepte
Person hat Wohnort --> Stadt hat Nationalität --> Land hat Geburtsort --> Stadt hat Geburtstag --> Zeitpunkt hat Profil --> Personenprofil Dokument hat Zeitpunkt hat Sprache --> Srache enthält Skill --> Skill enthält Brache --> Skill Bewerbung hat Autor --> Bewerber auf Stelle --> Stelle Homepage hat URL hat Autor --> Mitarbeiter Projektbericht Quelle: Sure 1999, Karlsruhe

26 Die Ableitung von Wissen mittels Regeln
Regeln zur Sicherung der Konsistenz des Systems: z.B.: „Ist eine Sprache einem Land zugeordnet, so kann davon ausgegangen werden, daß in diesem Land diese Sprache als Landessprache gesprochen wird“. Ableitungsregeln: Aus der Sprache in der ein Projektbericht verfasst wurde, leitet das System ab, daß der Autor diese Sprache beherrscht. Bewertungsregeln: Anforderungs- und Fähigkeitsgrad wird mit Bewertungsschema beschrieben z.B. Kenner, Könner, Experte z.B.: Mitarbeiter mit deutscher Nationalität gilt als „Experte“ der Sprache „Deutsch“ Quelle: Sure 1999, Karlsruhe

27 Kritische Würdigung von OntoProPer
Ableitungsregeln lassen lediglich Trendaussagen zu Unterscheidung zwischen gesicherten und abgeleiteten Skills notwendig Problem der Behandlung von Soft-Skills Elance-Economy erfordert einen Austausch zwischen verschiedenen Kompetenz-Ontologien und die Verarbeitung der verschiedensten Formate der vorhandenen Internet-Jobbörsen Ziel ist die Verknüpfung von verschiedener Ontologien zu einem „semantic network“

28 Zusammenfassung Technikorientierter Ansatz von WM stellt lediglich auf explizites Wissen ab. --> Technik zur Verbesserung der DV u. Kommunikation --> Vernachlässigt kognitive Gesichtspunkte und Potentiale individuellen. Wissens Humanorientierter Ansatz stellt auf individuelles Wissen ab. --> Personalwirtschaftlicher Ansatz: Ziel Ausbau der Fähigkeiten, Erfahrungen und Kenntnisse von Mitarbeitern --> Vernachlässigung der technischen Unterstützung Ontologien können die Brücke zu beiden Sichtweisen schlagen --> Bieten Technik zur Optimierung des Zugriffs auf Wissen, wobei zugrunde gelegt wird, daß diese Wissen in den Köpfen der Mitarbeiter steckt. --> Ermöglicht heute schnell Experten zu identifizieren --> Ermöglicht Suche nach Quellen, die Mitarbeiter als Experten ausweisen --> Ermöglicht Aktualität über Dokumentenanalyse --> Technologie erkennt selbst Zusammenhänge, leitet daraus neues Wissen ab und stellt es gemäß dem gewünschten Abstraktionsgrad zur Verfügung

29 Vielen Dank für Eure Aufmerksamkeit!