Kapitel 8: Wissensmanagement

Question 1

Womit befasst sich das Wissensmanagement?

Answer 1

Mit der wirtschaftlichen Unterstützung der Generierung, Distribution und Allokation von Wissen.

Question 2

In welche Bereiche ist Wissen aufgeteilt?

Answer 2

• Allgemeinwissen
• Spezial- und Fachwissen (deklarativ(was), prozedural(wie))
• Metawissen über den Einsatz von Wissen

Question 3

Was sind die Ziele des Wissensmanagement?

Answer 3

• Lösen von Problemen erleichtern
• implizites Wissen explizit machen
• Entscheidungsunterstützung
• Lernunterstützung (Mustererkennung)
• Automatisierte Lösungsgenerierung

Question 4

Was sind die Anforderungen an ein MSS (Management Support System)?

Answer 4

• Automatisierung von Daten für Entscheidungsunterstützung
• Zugriff auf Daten und Informationen (Briefing Book (inhaltlich konstant), Data Driven System (flexibel, wechselnder Inhalt))
• Verarbeitung der Daten, und zwar als Eingangvariablen in explizit formulierten Modelle

Question 5

Was sind die Ziele des MSS?

Answer 5

• Erhöhung der Qualität der Information
• Entscheidungsunterstützung
• Ausnahmeberichtswesen
• Einbindung externer Informationen
• Offene Kommunikationsschnittstellen
• Abbau von Informationsasymmetrien
• jederzeit Abrufbarkeit von Daten

Question 6

Was ist ein EIS (Executive Information System)?

Answer 6

-beinhaltet Daten unterschiedlicher Aggregationsstufen (intern/extern), Report und Kommunikationselemente
-unterstützt die obere Führungsebene
Ziele:
Frühzeitige Problemerkennung und schneller Zugriff auf Informationen

Question 7

Was ist ein DSS (Decision Support System)?

Answer 7

• ausgerichtet auf Planungsaufgaben
• also eher für operatives und taktisches Management
• im Betrieb sich befindenden Informationen nutzen
• erweitert Funktionen um Modelle und Methoden

Question 8

Was ist das MIS (Management Information System)?

Answer 8

-eine simple Berichtserstattung (Reports) aus operationalen Daten für das obere Management

Question 9

Wozu dient Data Mining in Datenbanken?

Answer 9

• Lernunterstützung (erkennen von Mustern) erleichtern

- Ziel: Erweiterung des deklarativen Wissens durch das (automatisierte) erkennen bzw. Abbilden von Zusammenhängen

Question 10

Wie läuft eine KDD (Knowledge Discovery in Databases) ab?

Answer 10

1. Festlegen des Anwendungsgebietes, inkl. den Zielen
   der Anwendung und den Daten
2. Aufbau der Datenmenge: Auswahl der Datenmenge
   oder Festlegung der betrachteten Variablen
3. Aufbereitung der Daten (Preprocessing)_ Entfernen
   redundanter und unnützer Daten (Rauschen) + Umgang
   mit fehlenden Daten
4. Datenreduktion und Projektion: Auffinden nützlicher
   Werkzeuge zur Datenrepräsentation
   o Transformation der Daten zur Reduktion der
   Anzahl der betrachteten Variablen
5. Auswahl der Funktion des Data Mining:
   Entscheidung über den Zweck des Modells, das durch
   den Data Mining Algorithmus erreicht werden soll
6. Auswahl des Data Mining Algorithmus: Auswahl der
   Methode(n) zur Suche nach Mustern
7. Data Mining: _ eigentliche Suche nach Mustern in
   einer spezifiziertenRepräsentationsform
8. Interpretation: Analyse der gefundenen Muster auf
   Nutzbarkeit etc. + _ Entfernen redundanter und
   irrelevanter Muster
   o Übersetzung der Ergebnisse in eine für den Nutzer
   verständliche Sprache
   o Visualisierung der Ergebnisse
9. Nutzung der gefundenen Informationen: Einbezug
   in den eigenen Entscheidungsprozeß, wenn direkt
   anwendbar