Kratzke, NaneHaake, Jörg M.Lucke, UlrikeTavangarian, Djamshid2018-01-252018-01-2520053-88579-395-4https://dl.gi.de/handle/20.500.12116/15215Modell-basierte u. insbesondere Prozess-orientierte Methoden erlangen im Wissensmanagement eine immer größere Bedeutung. Dieser Beitrag zeigt, wie mittels Modell-basierter und Semantic-Web-basierter Verfahren automatisiert Personenund Organisations-bezogener Ausbildungsbedarf ermittelt werden kann. Hiermit können wirkungsvoll Informationen für individuelle Lehrgangsplanungen (Was muss einer konkreten Person vermittelt werden?) als auch die generelle Inhaltsplanung für E- Learning-Systeme (Welche Inhalte müssen im Unternehmen vermittelt werden?) automatisiert erhoben werden. Anerkannt ist die Tatsache, dass Wissen Personen-gebundenen (vgl. Polanyi [Pol66] und Nonaka/Takeuchi [NT01]) ist und zur Interpretation von Informationen Kontexte notwendig sind. Dieser Kontext beruht auf den individuellen Erfahrungen und Erlebnissen einer Person. Diese Betrachtung endet dabei auf der Ebene der Person. Organisationen bestehen jedoch aus mehreren Personen und haben das Problem zu lösen, wie die Koordination arbeitsteiliger Aufgaben effektiv zu organisieren ist (vgl. hierzu auch Hentze u. Brose [HB85], Probst [Pro92] oder Kieser u. Kubicek [KK92]). In diesem Zusammenhang sind in den letzten Jahren prozessorientierte Methoden in den Fokus der Organisationsgestaltung gerückt (vgl. Prahalad und Hamel [PH90], Remus [Rem02], Abecker et al. [AHMM02] oder Becker [BKR05]). Auf dieser Ebene kann man von Kompetenz (vgl. North [Nor99]) oder Fähigkeit einer Organisation sprechen. Jeder Prozess entspricht dabei der Fähigkeit einer Organisation als Ganzes im Sinne der Unternehmensf ührung zu agieren. Wissensmanagement - wenn man es nicht auf Datenverarbeitung oder Informationssysteme beschränken will - muss sich also auch mit dem systematischen Aufbau von Kompetenz und Fähigkeiten einer Organisation als Ganzem und nicht als Menge seiner Individuen befassen. Die Fähigkeiten einer Organisation ergeben sich demnach sowohl aus ihrer Struktur (etablierte Prozesse, Projekte, etc. - bzw. im Sprachgebrauch Böhms Aktivitätssysteme [B\'00]) als auch aus den Fähigkeiten ihrer Individuen (also in Aktivitätssystemen wirkenden Personen). Die Konstruktion von Fähigkeiten einer Organisation geschieht primär über die Gestaltung ihrer Aktivitätssysteme (z.B. Prozesse). Personen wirken in diesen Aktivitätssystemen und folglich müssen sie Anforderungen erfüllen, die Aktivitätssysteme an sie stellen. Aus der Analyse der Aktivitätssysteme sollte sich demnach das ”Was?” und das 459 ”Wer?” einer Ausbildung ableiten lassen. Z.B. muss ein Software-Entwickler in einem JA- VA basierten SW-Projekt die Programmiersprache JAVA beherrschen. Ferner sollte er die Methoden der Qualitätssicherung beherrschen, die die Haus-internen Qualitätssicherungsprozesse im Rahmen der SW-Entwicklung vorsehen (z.B. den Black-Box Testfall Entwurf). Der Projektleiter sollte hingegen die Methoden kennen, die sich aus Projektmanagement-Prozessen ableiten lassen (z.B. Schätzmodelle). Man sieht also, dass der zu fordernde Kenntnisstand von Personen aus den Anforderungen der Aktivitätssysteme ableitbar ist, in denen eine Person tätig ist. Gronau et al. [Gro04], [GW04a], [GW04b] und [GW04c] haben in diesem Kontext eine Modellierungssprache namens KMDL (Knowledge Modeling and Description Language; vgl. http://www.kmdl.de) entwickelt, die insbesondere auf wissensintensive Ge- schäftsprozesse ausgerichtet ist und auf Erkenntnissen der Organisationsgestaltung, des organisationalen Lernens sowie des prozessorientierten Wissensmanagements beruht. Gronau u. Uslar haben bereits gezeigt, dass die KMDL im Skill-Management genutzt werden kann (vgl. [GU04]). Aufbauend auf diesen Forschungsergebnissen beschäftigt sich dieser Artikel mit der Frage, wie mittels Modell-basierter Verfahren die automatisierte Ableitung von Ausbildungsbedarf unterstützt werden kann. Hierzu ist der Beitrag wie folgt gegliedert. Im Abschnitt 1 wird die von Gronau et al. [Gro04] entwickelte KMDL kurz vorgestellt. Ferner wird im Abschnitt 2 gezeigt, wie grafische KMDL-Modelle in eine aus dem Semantic Web bekannte N3 Notation (vgl. [W3C00]) überführt werden können und mittels einer Inferenzmaschine CWM (vgl. Berners-Lee [BL00]) automatisiert bearbeitet werden können. Ausgehend von den in den Ab- schnitten 1 und 2 erläuterten Grundlagen wird im Abschnitt 3 erläutert, wie man aus Mo- dellen automatisiert einen konkreten Ausbildungsbedarf für eine Person (vgl. Abschnitt 3.1) und einen generellen Ausbildungsumfang für eine Organisation (vgl. Abschnitt 3.2) ableiten kann. Der Abschnitt 4 fasst die hier gemachten Überlegungen zusammen.deText/Conference Paper1617-5468