Logo des Repositoriums

Auflistung nach Schlagwort "Semantic Networks"

1 - 2 von 2
  • Zeitschriftenartikel
    Künstliche Intelligenz zur Abbildung und Sicherung von Wissen – Nachhaltigkeit für das wichtigste Unternehmens-Asset
    (HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 1, 2021) Schirmer-Kaegebein, Ulf; Reinheimer, Stefan
    Effizientes Wirtschaften in einem Unternehmen bedingt die möglichst umfassende, langfristige und jederzeit zugängliche Ressource Wissen . Die Digitalisierung dieses Wissens – und das umfasst nicht das Einscannen von Dokumenten und ihre Bereitstellung auf zentralen Plattformen – ermöglicht es, nachhaltig mit diesem bedeutenden Unternehmens-Asset umzugehen. Komplexe Produktzusammenhänge, wie Zubehör, (zertifizierte) Kompatibilitäten, die Möglichkeit, auch bei Massenprodukten individuelle technische Dokumentation zu erstellen, Vorschläge ähnlicher Produkte unterbreiten oder technische Produktkombinationen auf Basis fachlicher Anforderungen empfehlen zu können, weisen Kompetenz nach und schaffen Vertrauen. Der klassische Wissensmanagementansatz der 90-Jahre des letzten Jahrhunderts, der sich im Wesentlichen auf die effiziente Auffindbarkeit von Dokumenten bezieht, ist hier bei weitem nicht ausreichend. Dieses Know-how unabhängig von der physischen Anwesenheit von Mitarbeitern verfügbar zu haben, ist Motivation für die langfristige und effiziente Digitalisierung und Bereitstellung des Wissens. Der Bedarf verstärkt sich durch die zu erwartende Veränderung im Personalwesen durch die kommenden Generations Y und Z, deren Verweildauer in einem Unternehmen signifikant kürzer erwartet wird als dies die aktuellen Generationen bislang vorgelebt haben. Dem Risiko, das Mitarbeiterwissen ständig zu verlieren und erneut aufbauen zu müssen, kann über moderne Digitalisierungsansätze begegnet werden – Nachhaltigkeit als Ergebnis des Einsatzes künstlicher Intelligenz (KI). Der Beitrag leitet den Bedarf ab, das Nachhaltigkeitsverständnis um den Umgang mit Wissen im Unternehmen zu erweitern. Nach einer entsprechenden theoretischen Fundierung stellt der Beitrag ein Siemens-Praxisbeispiel detailliert dar – die Anforderung sowie die Lösung mit Hilfe eines semantischen Netzes als Vertreter einer KI-Methode. Die Erkenntnis, dass diese Knowledge Graphen zur Abbildung von Wissen im Unternehmen ein wichtiger Baustein der unternehmerischen Nachhaltigkeit sind und ein Ausblick auf offene Aufgabenstellungen für die nahe Zukunft runden den Beitrag ab. Efficient corporate management requires the most comprehensive, long-term and always accessible resource knowledge. Digitizing this knowledge—and this does not mean scanning documents and making them available on centralized platforms—makes it possible to deal sustainably with this most important corporate asset. Complex product contexts, such as accessories, compatibility, the possibility to create individual technical documentation for mass-produced products, to submit proposals for similar products or to recommend technical product combinations based on functional requirements, demonstrate competence and create trust. The classic knowledge management approach of the 90s of the last century, which essentially refers to the efficient retrievability of documents, is far from sufficient here. Being able to make this knowledge available digitally and thus being independent of the physical presence of employees is the motivation for the long-term and efficient provision of knowledge. The need is intensified by the expected changes in human resources management due to the coming generations Y and Z, whose retention time in a company is expected to be significantly shorter than the current generations have demonstrated so far. The risk of constantly losing employee knowledge and having to rebuild it can be countered with modern digitization approaches—sustainability as a result of the use of artificial intelligence (AI). The article derives the need to broaden the understanding of sustainability by including the handling of knowledge within the company. After a corresponding theoretical foundation, the article presents a practical Siemens example in detail—the requirements as well as the solution of how to apply a semantic network as a representative of an AI method. The conclusion that these knowledge graphs for mapping knowledge in the company are an important component of corporate sustainability on one side and an outlook on open tasks for the near future on the other side round off the article.
  • Zeitschriftenartikel
    Semantische Netze zur Abbildung von Produktbeziehungswissen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 4, 2018) Ureš, Miroslav; Reinheimer, Stefan
    Der Beitrag befasst sich mit der Herausforderung, ein äußerst komplexes technisches Produktportfolio mit Beziehungswissen anzureichern. Darunter sind neben klassischen Vorgänger-Nachfolger‑, Zubehör- oder Kompatibilitätsbeziehungen auch ähnliche Produkte zu verstehen, um Cross- und Upselling-Möglichkeiten in einem wenig transparenten Produktportfolio auszuschöpfen und dem Kunden dabei gleichzeitig eine verbesserte Serviceleistung in Form kontextspezifischer Ergänzungen seiner Anfragen anzubieten. Der Anwendungskontext des Kunden wird dabei auch in Bezug auf eine individuelle Bereitstellung technischer Information berücksichtigt, so dass z. B. beim Einkauf eines Ersatzteils über den Elektrogroßhandel gezielt Einbauanleitungen und fallspezifische Sicherheitshinweise mitgeliefert werden, die für den Kunden problemorientierter sind als die unspezifischen und sehr umfangreichen Handbücher. Das Beziehungswissen wird mit Hilfe eines semantischen Netzes modelliert, was gegenüber „klassischen“, also SQL-basierten Datenbankanwendungen den Vorteil hat, dass die Informationen über die Art einer Beziehung zwischen Objekten direkt an den Daten in Form einer Ontologie modelliert sind. Aufgrund des Aufwandes, der durch das Ziehen einer sehr großen Anzahl von Kanten zwischen Objekten resultieren kann, wird möglichst viel Wissen über Regeln zugeordnet, so dass z. B. passendes Zubehör auf Basis technischer Merkmale (Speisespannung, Einbautiefe, Anschlussart, etc.) in Form von Regeln auf das Netz einwirken, die auch bei der Ergänzung neuer Produkte automatisch wirken. Zur Vervollständigung werden im Beitrag Beispiele aufgeführt, wie dieses Wissen über Web-Oberflächen gepflegt oder abgerufen oder über Exportfunktionalitäten in verschiedenen Formaten an andere Systeme übermittelt werden können. This article deals with the challenge of enriching an extremely complex technical product portfolio with relationship knowledge. In addition to classic predecessor, successor, accessory or compatibility relations, this includes similar products in order to exploit cross-selling and upselling opportunities in a modestly transparent product portfolio while simultaneously offering the customer improved service in the form of context-specific additions to their queries. The application context of the customer is also taken into account in relation to an individual provision of technical information, for instance such that when purchasing a spare part via the electrical wholesaling specific installation instructions and case-specific safety instructions are supplied, which are more problem-oriented for the customer than the non-specific and very extensive manuals. The object dependencies are modeled using a semantic network, which has the advantage compared to “classic”, i. e. SQL-based database applications, that the information about the nature of a relationship between objects is modeled directly on the data in the form of an ontology. Due to the huge effort that can result from dragging a very large number of edges between objects, as much knowledge as possible is represented by rules, so that e. g. appropriate accessories based on technical characteristics (supply voltage, installation depth, type of connection, etc.) in the form of rules affect the network, which automatically act when adding new products. To complete the process, examples will be given of how this knowledge can be maintained or accessed via web interfaces or transmitted to other systems via export functions in various formats.