Logo des Repositoriums
 
Zeitschriftenartikel

Semantische Netze zur Abbildung von Produktbeziehungswissen

Vorschaubild nicht verfügbar

Volltext URI

Dokumententyp

Text/Journal Article

Zusatzinformation

Datum

2018

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Springer

Zusammenfassung

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.

Beschreibung

Ureš, Miroslav; Reinheimer, Stefan (2018): Semantische Netze zur Abbildung von Produktbeziehungswissen. HMD Praxis der Wirtschaftsinformatik: Vol. 55, No. 4. DOI: 10.1365/s40702-018-0436-4. Springer. PISSN: 2198-2775. pp. 748-765

Zitierform

Tags