KNOWLEDGE MANAGEMENT

AND DISCOVERY LAB

Gegenstand der Lehrveranstaltung ist Wissensmanagement. Informell können wir Wissensmanagement als ein Instrumentarium zur strategischen Nutzung von Wissen im Unternehmen; dieses Instrumentarium umfasst Werkzeuge für die Gewinnung, Speicherung, Bereitstellung und Weitergabe von Wissen. Wissenschaftlich betrachtet ist Wissensmanagement ein breites, interdisziplinäres Forschungsgebiet.Die Veranstaltung hat zwei Teile. Im Teil I werden wir zuerst besprechen, warum Wissen für ein Unternehmen wichtig ist, und was ‘Wissensmanagement’ bedeutet. Wir werden uns Leitbegriffe und ‘Buzzwords’ des Gebiets anschauen, und zwar von den inzwischen 4 Entwicklungsphasen von Wissensmanagement. Zur Eingrenzung von diesem breiten Gebiet werden wir sogenannte ‘Ordnungsrahmen’ näher betrachtet, und dann auf Methoden für Wissensaustausch und Wissensrepresentation, für Management von Wissensartefakten in Textform und für die Bewertung von WM-Lösungen eingehen. Diese Methoden betrachten wir zuerst kurz, dann gehen wir im Teil II der Veranstaltung auf eine Methodenfamilie ein, nämlich Text Mining für die Bereitstellung von Wissen in Textform.KI-Methoden können für Wissensartefakten in Textform mehrweitig eingesetzt werden. Wir werden uns auf das Thema der Kategorisierung von Texten konzentrieren, die Aufgaben und Abläufe durchgehen und dann Textklassifikation in Detail besprechen.Veranstaltungsziele: Einblick zum Gebiet ‘Wissensmanagement’ bekommen, darunter:   

• Verständnis der Rolle von Wissensmanagement und WMS in der Organisation   

• Erwerb von Kenntnissen zu relevanten Technologien, mit Schwerpunkt auf Text Mining   

• Erwerb von Kenntnissen zu den Funktionalitäten von Wissensmanagementlösungen anhand von Beispielen

Literatur zum Teil I der Lehrveranstaltung:Franz Lehner ‘WISSENSMANAGEMENT - Grundlagen, Methoden und technische Unterstützung’, 6. überarbeitete und erweiterte Auflage, 2021

Verlag: HANSER erreichbar unter www.hanser-elibrary.com von unserer Universitätsbibliothek

Fallstudien:   

• K. Mertins & H. Seidel. "Wissensmanagement im Mittelstand", SPRINGER (2009)  

• A. Stocker & K. Tochtermann, "Wissenstransfer mit Wikis
 und Weblogs: Fallstudien zum erfolgreichen Einsatz
von Web 2.0 in Unternehmen", GABLER (2010)

Literatur zum Teil II der Lehrveranstaltung: 

 1. Einstiegshilfe für Klassifikation aus dem entsprechenden Kapitel des Buchs ‘Introduction to Data Mining’, 2. Auflage, (2018/2019) von Pan-Ning Tan, Michael Steinbach, Anuj Karpatne & Vipin Kumar, PEARSON (erreichbar unter https://www-users.cs.umn.edu/~kumar001/dmbook/index.php)  

2. Auszüge zu Text Mining aus ‘Modeling the Internet and the Web: Probabilistic Methods and Algorithms’ (2003) von Pierre Baldi, Paolo Frasconi, Padhraic Smyth, WILEY 

3. Tutorial von Jesse Read zu Multi-Label Klassifikation (verlinkt vom Foliensatz) 2013

Außerdem, zwei Einstiegsartikel zu Textklassifikation:   

1) ‘Text document preprocessing with the Bayes formula for classification using the Support Vector Machine’ by Isa, D., Lee, L. H., Kallimani, V., and Rajkumar, R. IEEE Transactions on Knowledge and Data Engineering, 20(9):1264–1272, (2008), IEEE  

2) ‘Multinomial naive bayes for text categorization revisited’ by Kibriya, A. M., Frank, E., Pfahringer, B., and Holmes, G. In Australasian Joint Conference on Artificial Intelligence, p. 488–499, (2004), SPRINGER

Weiterführende Literatur zum Teil II:   

• ‘Wissensrohstoff Text: Eine Einführung in das Text Mining’, Chris Biemann, Gerhard Heyer, Uwe Quasthoff (2022), SPRINGERIm Teil II gehen wir Themen ein, die im Buch in       

◦ Abschnitt 3.2 ‘Die linguistische Pipeline’: Unterabs. 3.2.1-4    

◦ Abschnitt 6.6 Klassifikation, insbesondere Naive Bayes & Evaluation     

◦ Abschnitt 6.7 Erstellung von Trainingsdatenerscheinen.

Weitere zitierte Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel werden am Anfang des jeweiligen Veranstaltungsblocks bekannt gegeben.

Gliederung der Lehrveranstaltung, Materialien und Zeitplan: im Moodle

Das Modul WMS wird ab dem 3. Fachsemester des Bachelorstudiengangs Wirtschaftsinformatik laut Regelstudienplan angeboten; es sind keine zusätzliche Vorkenntnisse nötig.

Das Modul ist auch für Studierende geeignet, die nur Module aus dem Kern der FIN-Studiengänge in den ersten zwei Fachsemester gehört haben.

Für importierende Studiengänge: es wird ausreichender Hintergrund (laut Kern der FIN-Studiengänge) erwartet, eine Aneignung im Selbststudium ist möglich.