WO2005022422A2 - Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes - Google Patents

Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes Download PDF

Info

Publication number
WO2005022422A2
WO2005022422A2 PCT/EP2003/008512 EP0308512W WO2005022422A2 WO 2005022422 A2 WO2005022422 A2 WO 2005022422A2 EP 0308512 W EP0308512 W EP 0308512W WO 2005022422 A2 WO2005022422 A2 WO 2005022422A2
Authority
WO
WIPO (PCT)
Prior art keywords
knowledge
vector
characteristic vector
base
knowledge object
Prior art date
Application number
PCT/EP2003/008512
Other languages
English (en)
French (fr)
Inventor
Kai Wille
Jens Kiefel
Fouad Hamdouni
Original Assignee
Centrum für Ertragsoptimierung Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Centrum für Ertragsoptimierung Aktiengesellschaft filed Critical Centrum für Ertragsoptimierung Aktiengesellschaft
Priority to AU2003258556A priority Critical patent/AU2003258556A1/en
Priority to PCT/EP2003/008512 priority patent/WO2005022422A2/de
Publication of WO2005022422A2 publication Critical patent/WO2005022422A2/de
Priority to US11/344,817 priority patent/US20060129975A1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • Measuring method and automatic pattern recognition device for determining a business management vector of a knowledge object, as well as a process and automatic machine for automatic business management marking of a knowledge object
  • the invention relates to a measuring method for determining a business management vector of a knowledge object, taking soft information elements into account, and a method for automatic business management marking of a knowledge object, as well as the devices suitable for carrying out these processes.
  • the knowledge offered is needed elsewhere in the company, i.e. meets a demand, a transaction of the knowledge product is carried out.
  • the knowledge offered is transferred to the customer, the provider receives a purchase price for this, which is determined either by a bidding competition or by a "price label" on the part of the provider.
  • the possibility of earning money with his own knowledge would be a strong incentive to make its own knowledge potential accessible to the company and the knowledge is directed to the place of the company where it is most needed, so it can be assumed that the market-based distribution of knowledge is optimal for the company.
  • Knowledge markets differ from traditional goods markets in several ways, which include can be founded on the special property of the good knowledge. Since knowledge can be viewed as context-sensitive to a particular degree, i. H. only in connection with existing knowledge is used, usually no fixed products of identical content can be offered in knowledge markets, as is usual for material goods. Nevertheless, there is a need to label the knowledge product, as otherwise there is no clarity for a potential customer about the extent to which he can use the knowledge. Accordingly, the traded knowledge products are to be assigned to product groups that allow unambiguous identification. Another difference to traditional markets is the property of the divisibility of the knowledge or the copierability of the knowledge, i. H. that knowledge can be combined in any way and can be passed on without the previous carrier losing knowledge. This special property means that it is necessary to exclude the impermissible resale of acquired knowledge by means of a technical precaution.
  • the measurement method according to the invention for determining a business management vector of a knowledge object, taking into account soft information elements, using a Electronic data processing system, with a memory and a characteristic vector generator for generating a characteristic vector comprises an initiation step in which a base consisting of a multiplicity of basic vectors is specified and placed in the memory, and a projection step in which the characteristic vector generator projects the knowledge object onto the basic vectors and determined the business management vector as a coordinate vector in relation to the base.
  • a knowledge object represents a largely disordered amount of information in digitally codified form.
  • the information can include individual or collective knowledge.
  • Collective knowledge is no longer characterized by a clearly traceable attribution to a specific carrier (individual).
  • Individual knowledge is characterized by its clear attribution to a specific carrier (individual).
  • a knowledge object thus represents a loose amount of essentially unprocessed information.
  • a process object is a special subform of the knowledge objects.
  • it contains business information and know-how. It is goal-oriented, ie the process object pursues a business goal, for the pursuit of which instructions are given.
  • the term know-how is understood to mean individual or collective knowledge, which is connected with the organization or implementation of one's own work in a business process.
  • An economic characteristic vector of a process object is advantageously determined.
  • Process objects represent a special subgroup of knowledge objects that have special knowledge content, which in turn have a special knowledge structure. Measuring these knowledge objects has so far been a particular difficulty that requires a special technical solution.
  • the external form of knowledge or process objects are in particular independent computer files, which may include a number of embedded file objects such as graphics, tables, text documents, etc.
  • the knowledge or process object is not suitable for being traded on a marketplace. This requires an external form, in particular certain evaluation variables, which provide information about the content and the goal pursued with the content.
  • the goal pursued with the content is, for example, the goal that is pursued with a process under consideration.
  • the knowledge object or the process object thus generally contains both hard and soft information elements.
  • Hard information elements are objective criteria that are easy to quantify due to their discrete information content. Examples are: Number of graphical overviews, number of process phases, number of formulated work steps (to-do's), finishing stages, number of attached files with their respective topicality, size, type etc., process duration (ex-post), numbers, formats etc. Discrete in this context means that the information elements as such have a format or a shape so that the individual information element can be used or further processed without further notice.
  • Soft information elements are quasi-objective criteria that, due to their format or shape, must first be interpreted in order to be subsequently processed and used. Soft information elements have the property of exhibiting a certain amount of information blur due to their form to be interpreted. This blurring is only overcome when a quantizing measure has been found which appropriately quantifies the informal soft information element. Examples of soft information elements in process objects are the so-called customer equity Value (CE value), customer satisfaction, customer potential, future prospects, etc.
  • CE value customer equity Value
  • the measuring method evaluates the knowledge or process object with regard to predetermined business management criteria. These are specified in the initiation step by determining a basis.
  • the base vectors of the base span an information space.
  • the measuring method determines the locations of the information elements of the knowledge object in this information space.
  • the measuring process represents an intensity sensor for know-how in the respective dimensions of the basic vectors, which are specified by the business criteria.
  • the base vectors represent basic units that can be linked with one another in any way and that span the information space.
  • Base vectors can e.g. Technical terms, combinations of technical terms, logical relationships, syntactic structures of a text, concepts etc.
  • the base vectors are advantageously chosen independently of one another. In this way, a property of an information element is only detected by one basic vector and not by several at the same time. If the knowledge object contains several different information elements, the knowledge object is represented by several basic vectors.
  • the knowledge object is projected onto the base vectors.
  • the proportion of the base vectors in the knowledge object is determined.
  • the coordinate vector is determined in relation to the base. The coordinate vector thus depends on the choice of the base.
  • a complete basis is advantageously chosen that spans an information space in which the knowledge object can be represented. If the basis is incomplete, information contained in the knowledge object is not shown and is therefore not fully taken into account.
  • a characteristic vector can be used as entries e.g. include the number of certain terms, numbers on certain facts, descriptive information such as adjectives, colors, and / or ranking lists.
  • the characteristic vector gives the order, i.e. according to certain criteria, which are specified by the basic vectors. categorized information in the knowledge object again. He characterizes and categorizes the knowledge product.
  • the sensitivity of the measurement method with regard to the information contained in a knowledge object is thus determined.
  • this corresponds to the choice of locations at which a certain measurement variable (e.g. temperature) is to be measured.
  • the actual measurement of the information content of the knowledge object takes place with the projection step in that the knowledge object is projected onto the base and the coordinate vector is determined in relation to the base.
  • the business management vector is formed by the coordinate vector.
  • the measuring process works without the interposition of human understanding.
  • the projection of the knowledge object onto the predefined base results in a particularly simple and clear representation of the knowledge object, since the knowledge object is specified in the standardized form of the base. Since other information elements contained in the knowledge object are separated from the business information elements, the knowledge object is reduced to comparatively few entries of a business management vector.
  • the measuring method thus brings about a total information reduction (entropy reduction) that creates transparency in favor of a business information concentration.
  • the information concentration requires active, energy-intensive processing by a data processing system, e.g. B. a computer.
  • a filter determines the frequency of hard information elements in the knowledge or process object and the characteristic vector generator takes this frequency into account the determination of the characteristic vector. This means that hard information elements are also taken into account when determining the business management vector.
  • the base and / or the process object is advantageously created at least partially with the aid of a digital, in particular an interactive digital, measuring head.
  • Digital measuring heads can search engines, which can be programmed from large databases, e.g. the Internet, filter out the information that is relevant to the business process.
  • a digital measuring head is therefore often an automatic device which has the instruction to search through data stocks under given criteria and to deliver the found data to the desired location.
  • Digital measuring heads can also be used to record a demand vector.
  • Digital measuring heads can also use an interactive voice computer that uses audio signals to record knowledge content independently and in a targeted manner.
  • Digital measuring heads can also use avatars (linguistic robots).
  • avatars linguistic robots.
  • An avatar is understood to be a visually designed virtual user interface that independently, purposefully records, selects and combines knowledge content.
  • Organized knowledge databases in the form of special computer files form the basis of an avatar as well as a digital measuring head.
  • Knowledge database means a logically linked database, on which knowledge for avatars or digital measuring heads can be stored and called up selectively.
  • the knowledge databases comprise knowledge modules.
  • a knowledge module is a document (eg in the form of a computer file) that maps or explains individual and / or collective knowledge. It is advantageous if the characteristic vector generator preferably carries out a correlation of the base with the process object. The characteristic vector generator compares each information element of the process object with the basic vectors and determines the degree of correspondence.
  • the characteristic vector generator advantageously carries out a word comparison between the knowledge object and the base.
  • the basic vectors are formed by technical terms and a frequency of the technical terms appearing in the process object is determined.
  • a frequency of the technical terms appearing in the process object is determined.
  • an absolute frequency of an information element such as e.g. a technical term can be determined in the process object or a relative frequency (frequency density) that determines the proportion of an information element relative to the total number of information elements that occur.
  • Conditioned frequencies, i.e. Frequencies of an information element can be determined in the context of other information elements.
  • the number of coincidences of two technical terms can be determined within a section of a text.
  • the characteristic vector generator carries out a correlation of the base with the knowledge object which is weighted with a weighting function. For example, certain base vectors (e.g. individual business terms) can be weighted more if they are of particular relevance to the business process, or less if they affect the business process only peripherally.
  • the characteristic vector generator determines a correlation density between two base vectors (e.g. individual business terms)
  • Knowledge object at least one reference key figure, at least one business management vector, and at least one business management
  • the target vector is assigned and the business management vector is automatically determined taking into account soft information elements of the knowledge object.
  • the business characteristic vector is determined in particular according to the measurement method according to the invention.
  • a knowledge object ie. H.
  • a standardized, transparent knowledge product is created from an unprepared amount of information, which can be presented in a forum, for example.
  • the knowledge product is preferably presented within the organization, in particular within the company, optionally also across all organizations, in particular across companies or publicly, as a result of which it can be presented or sold on internal and external markets.
  • the term "knowledge product” is understood to mean a knowledge asset that can be delimited physically or virtually at a point in time with fully specified rights of disposal and standardized labeling of the knowledge stored in it.
  • the marketability of the knowledge product results from the complete specification of the defined properties of the knowledge product
  • the method conveys information about access to knowledge, ie about which locations and which knowledge is available.
  • the knowledge object identified by the method is a process object.
  • the reference key figure establishes the name-related relationship of the knowledge object with the source, in particular the creator of the knowledge object. In this way, a potential user or buyer of the knowledge product learns from whom he receives the information.
  • the business target vector indicates which goal the knowledge object is aimed at or what the knowledge object is aimed at. While the business management vector represents an indication of the content of the knowledge object, the business management target vector indicates what the knowledge object can be used for in order to be useful in business management. For example, the target vector indicates whether it is a sales process. He then advantageously provides further information about the type of sales process.
  • Displaying the business management vector or the business management target vector for a potential user of the knowledge product only makes sense if the user is to use the knowledge product in its entirety without having to pay for the knowledge product. If the potential user is to be a buyer, for example, a complete disclosure of the process object does not make sense, since after studying the knowledge product he knows the process object and the knowledge product afterwards, i.e. after he has learned the know-how of the process object, will no longer buy.
  • the business management vector is not displayed, but only a business management first business figure, which is formed from the management vector and the target vector and which gives an indication of the quality and content of the knowledge product.
  • the knowledge product is characterized by the first key figure, but the content of the knowledge object as such is not fully disclosed.
  • a potential buyer of the knowledge product can recognize whether the product is relevant for him and whether he wants to buy it or not. Only after purchasing the knowledge product can they look into the knowledge object and use the know-how.
  • This first key figure is preferably formed by correlating the key vector and the target vector.
  • Correlation of the characteristic vector with the target vector is determined whether the im Knowledge object specified content (characteristic vector) as a solution to the task (target vector) can contribute. If there is a considerable discrepancy between the characteristic vector and the target vector, there is only a low level of trustworthiness for the commercial usefulness for the user. If there is a large match, the process object, for example, is trustworthy.
  • a metric determination means determines a metric of the characteristic vector as a business second key figure.
  • the metric of the characteristic vector essentially determines the scope of the business content of the knowledge object. If, for example, many matches of the knowledge object with the base vectors are found, it can be expected that the business content of the knowledge object is large. Special combinations of base vectors can also suggest that they are of particular business importance. The metric is thus a measure of the business content of the knowledge object.
  • the metric determination means determines the length of the characteristic vector. The greater the length of the characteristic vector, the more matches the knowledge object has with base vectors. With this metric, the absolute content of the knowledge object is determined cumulatively.
  • the metric determination means can also determine the number of entries in the characteristic vector, each of which lies in a predeterminable interval. For example, only entries in the characteristic vector that are larger than a certain value are taken into account. This allows information elements in a knowledge object to be selectively filtered or evaluated according to their business importance. With this metric, only the content of the knowledge object is differentiated in relation to the entries of the characteristic vector.
  • the target vector has entries for the quantitative and qualitative identification of the Knowledge object.
  • Entries for the qualitative identification of a process object are, for example, customer loyalty, CE value, etc.
  • Entries for the quantitative identification are e.g. B. Costs, sales volume, cash flow, etc.
  • an identification code is automatically assigned to the knowledge object.
  • the transaction i. H. the purchase of the knowledge product, individualized.
  • the identification code can also be used to implement copy protection for the knowledge product.
  • the first key figure and / or the second key figure is determined as a function of a demand vector.
  • the demand vector characterizes a buyer's need, i.e. the goals he pursues with the purchase of the knowledge product.
  • the buyer can, for example, indicate which problem areas should be covered, what he needs information about, what thematic priorities he sets. With the demand vector, the buyer can specify all the criteria that are important for him when purchasing the knowledge product.
  • the knowledge product contains the information desired by the buyer.
  • a higher purchase price for the knowledge product is advantageously agreed than with a correspondingly lower correlation.
  • a characteristic vector of a process object is advantageously determined.
  • the basis consists of a multiplicity of basis vectors, the basis vectors representing individual knowledge elements.
  • the base is saved using a memory.
  • a requirement vector can also be entered using the interface.
  • the interface can also be used to display a first key figure, a second key figure and / or a key vector to the potential user or the buyer.
  • the characteristic vector generator generates a characteristic vector in which the knowledge object is projected onto the base and the characteristic vector is determined as a coordinate vector with respect to the base. With the help of the characteristic vector generator, soft information elements are measured in a knowledge object, i.e. detected and quantified. The characteristic vector indicates the information of the knowledge object projected onto the base and thus clearly represents the business information contained in the knowledge object.
  • a separate filter for determining the frequency of hard information elements is advantageously present in the knowledge object, so that hard information elements are also taken into account in addition to the soft information elements.
  • a digital, in particular an interactive digital, measuring head is provided for at least partially creating the base and / or for entering the knowledge object and / or for entering the demand vector. This considerably simplifies the entry of the base, the knowledge object and / or the process object, since the user can be guided by the pattern recognition machine during the entry.
  • the demand vector can be recorded using a digital measuring head.
  • the characteristic vector generator has a correlator.
  • This correlator advantageously creates a correlation of the soft information elements contained in the knowledge object with the base vectors of the base, so that an overlap or a missing overlap is determined. With the help of the corrector, the knowledge object is projected onto the base.
  • a control means for determining the first key figure and / or the second key figure as a function of a demand vector.
  • a potential customer can specify which content and in what form should be contained in the knowledge object.
  • the first key figure or the second key figure is determined individually tailored to it, so that it receives a measure of the relevance of the respective knowledge product on the basis of its presented situation or the need expressed by it.
  • the automatic machine according to the invention for automatic business identification of a knowledge object in particular using the automatic pattern recognition machine according to the invention, comprises one
  • Data processing system an interface for recording a base consisting of a plurality of base vectors and for recording the knowledge object, a memory for storing the base, a characteristic vector generator for automatically generating a characteristic vector, a reference code generator for assigning a reference code of the knowledge object, and one Target vector generator for assigning a target vector of the knowledge object, the characteristic vector generator having a projection means for automatically projecting the knowledge object onto the base vectors and a coordinate vector generator for automatically determining the business management vector as a coordinate vector with respect to the base.
  • This automaton advantageously generates a knowledge product from a knowledge object, to which a potential buyer can see what the object is, what the aim is, by whom it was created.
  • the standardized or transparent form of the knowledge product makes it easier for potential buyers to decide whether they want to buy the knowledge product or not.
  • the content of the knowledge object is characterized by the generation of the characteristic vector and is shown transparently for a potential user of the information.
  • the automaton according to the invention preferably has a first key figure generator with which a business management key figure is formed by correlating the characteristic vector with the target vector.
  • the potential recipient of the information can determine whether the intended goal specified in the knowledge product is covered by the content of the knowledge product without the content of the knowledge product being revealed. Using the first key figure, he can see whether a solution to a specific problem is being given. He can then justify his purchase decision.
  • a metric determination means for determining a metric of the characteristic vector as a business management second key figure.
  • a potential recipient can determine how much information is contained in the knowledge product.
  • the first or second key figure can be output via the interface.
  • the automaton according to the invention advantageously has a so-called ID generator (identification number generator) for automatically assigning an identification number.
  • ID generator identification number generator
  • the purchase of a knowledge product is individualized by assigning an identification number. For example, the purchase can be reversed or reduced if the knowledge product is defective.
  • a copy protection can be implemented with the help of the identification number, which prevents a resale of the knowledge product.
  • the automat advantageously has a control means for determining the first key figure and / or the second key figure depending on a demand vector.
  • a potential buyer can hereby influence the calculation of the first or second key figure by specifying his wishes or criteria that motivate him to buy a knowledge product by determining the key figures individually tailored to him.
  • the measuring method and the automatic pattern recognition device are used to determine an information value creating
  • Characteristic vector used and the method and the machine for automatic information value-creating identification of the knowledge object used are Characteristic vector used and the method and the machine for automatic information value-creating identification of the knowledge object used.
  • the term information value-creating means a generalization of economically any economically, scientifically or culturally relevant aspects about which a characteristic vector can or should be determined.
  • FIG. 1 shows a pattern recognition machine according to the invention for determining a business management vector of a knowledge object, taking into account soft information elements
  • FIG. 3 shows a flowchart according to the invention for automated, business-related identification of process objects
  • FIG. 4 shows a flowchart according to the invention for taking stock of the target of the process object using the example of a process object from sales;
  • FIG. 5 shows a flowchart according to the invention for taking stock of the content of the process object
  • FIG. 6 shows a flowchart according to the invention for generating the characteristic vector with the aid of a knowledge base generated by an avatar
  • FIG. 8 shows a flowchart according to the invention for determining the optimal key figure from a pool of key figures by checking the trustworthiness.
  • the characteristic vector generator 3 has a filter 4 for determining the frequency of hard information elements in a knowledge object, a projection means 8 for projecting the knowledge object onto base vectors and a coordinate vector generator 9 for determining the business characteristic vector as a coordinate vector with respect to the base.
  • the knowledge object is entered into the pattern recognition machine 16 via an interface 7.
  • a digital measuring head 5 makes it easier to enter a basis which is used as the basis for evaluating the knowledge object with regard to business content.
  • the base is stored using a memory 2.
  • a demand vector is also entered, with which a characteristic vector can be determined using a control means 10.
  • the pattern recognition machine 16 projects the knowledge object onto the base vectors stored in the memory 2 and determines a coordinate vector with respect to the base.
  • the coordinate vector is evaluated with regard to commercially relevant basic elements so that it corresponds to a business management vector.
  • information content that is unimportant from a business perspective is suppressed, so that the knowledge object is filtered from a business perspective.
  • the business content is thus condensed and can thus be presented in a compact manner with a business management vector.
  • FIG. 2 shows an automatic machine 15 according to the invention for business identification of a process object with a data processing system 1 which is connected to a characteristic vector generator 3 for generating a characteristic vector.
  • the characteristic vector generator 3 comprises a filter 4 for determining hard information elements in the process object, a projection means 8 for projecting the process object onto the base and a coordinate vector generator 9 for generating the coordinate vector of the process object in relation to the predetermined base, the coordinate vector being selected on the basis of business considerations
  • the basis is a business management vector.
  • the data processing system 1 is connected to a reference identification number generator 11, with which a reference identification number is assigned, which indicates from whom the process object originates.
  • the reference key figure thus indicates the source of information or the creator of the process object.
  • the data processing system 1 is also connected to a target vector generator 12 with which the target of the process object is specified.
  • the goal is, for example, whether the process object is a sales process.
  • the target vector is usually created together with the provider of the process object, but can also be done automatically, at least in part, automatically by determining certain key figures.
  • the data processing system 1 is also connected to a memory for storing the base, the process object, the demand vector or other variables.
  • the data processing system 1 determines a first characteristic number by correlating the target vector with the characteristic vector and a second characteristic number that is determined from the characteristic vector.
  • the second key figure is determined with the aid of the metric determination means 6.
  • the second key figure provides information about the content of the process object.
  • the first and the second key figure can be influenced with the aid of the control means 10, taking into account the demand vector.
  • a potential buyer can decide whether the process object is relevant for him and whether he wants to buy the knowledge product without the process object being fully disclosed.
  • the two key figures are output to the potential buyer using the interface 7.
  • An ID generator 13 assigns an identification number to the knowledge product which arises from the process object, so that the purchase of the knowledge product can be traced or corrected in the event of defects.
  • the identification number also prevents an uncontrolled resale of the knowledge product.
  • a demand vector can be created that characterizes the demand expressed by a potential recipient of the knowledge product.
  • the interface 7 is used to establish communication between a potential recipient of the knowledge product or the creator of the process object.
  • a trustworthiness of the knowledge product is quantified in such a way that a correlation between the characteristic vector and the target vector, i. H. the specified goal and the specified solution.
  • FIG. 3 shows a flowchart according to which, according to the invention, business management identification takes place automatically.
  • the content of the process object is recorded first.
  • the goal intended by the process object is then recorded.
  • By checking the correspondence between target and content it is determined how trustworthy the process object is and an optimal key figure is determined. If the process object is trustworthy, the key figure determination is dominated from the perspective. If the process object is not trustworthy, the Key figure determination dominates from the content perspective.
  • the second key figure is advantageously output together with the first key figure, so that the potential buyer receives a measure of trustworthiness in addition to the measure of the content.
  • FIG. 4 shows a flowchart for recording the target of the process object using the example of a process object from sales according to the invention.
  • the first step is to ask what type of process it is. If so, a quantitative identification is carried out, whereby the goal is determined by the title of the process object.
  • relevant information elements include cash flow. For repeat purchases, relevant information elements include customer equity. Relevant information elements for a series purchase include a contribution margin.
  • cooperation potential, the information potential and the reference potential are determined in each case according to information and exhaustion, and thus cooperation indicators, information indicators and reference indicators are determined.
  • FIG. 5 shows a flowchart for taking stock of the content of the process object according to the invention, the process object initially being based on objective criteria, i.e. hard information elements (hard parameters) is searched. Then the process object is quasi-subjective, i.e. Searched soft information elements (soft parameters). Both the objective criteria and the quasi-subjective criteria are recorded in the inventory.
  • objective criteria i.e. hard information elements (hard parameters)
  • soft parameters soft information elements
  • the Database can be created using a digital interactive measuring head (avatar). The number of positive correlation or agreement between the elements of the database and the process object are counted and the number of agreement is given as a quantitative inventory in the characteristic vector.
  • FIG. 7 shows a flowchart for generating the characteristic vector, a word-based comparison being carried out between the process object and the base vectors of the base. If a match is found, a statistical evaluation is carried out, in which, for example, the number of different hits in the comparison (width), the number of repetitions of individual hits (depth) are determined, in order to determine a degree of coverage or degree of diversity between the base vectors of the base and to determine the process object. The results are presented as a quantitative inventory in the characteristic vector.
  • FIG. 8 shows a flowchart according to the invention for determining the optimal key figure from a pool of key figures by checking the trustworthiness of the process object with a loop that searches for a suitable key figure for the respective process object.
  • a first key figure is started, which starts a query of the required data.
  • the process object is then searched for the data required for this key figure.
  • the trustworthiness is then determined, i. H. the correspondence between the target of the process object and the content of the process object is determined. If the trustworthiness of this key figure has so far been the highest, the optimal key figure is determined as the current key figure.
  • the next key figure is then checked. If the trustworthiness of the current key figure is lower than a previous one, the previous key figure remains the optimal key figure and a next key figure is checked further.
  • the invention is further illustrated in the following case example:
  • Employee X works in the sales department of company Y.
  • Company Y is part of group XY.
  • the management team of the XY group decides to introduce an internal market within the group to activate and optimally distribute knowledge potential among the employees. All employees are equipped with a functional application to create marketable know-how.
  • employee X With the help of an integrated avatar, employee X often had himself interviewed about his work and strategic approach according to customer types (new customers, regular customers, etc.). The results are integrated into the avatar's individual knowledge base. Some of the documents available to him were filtered for keywords by an intelligent agent. The modified documents are also in its user environment. Employee X has created various visual documents (statistics, presentations, etc.) about his work and placed it in his user environment.
  • employee X now decides to create a process object as process documentation of his work.
  • the basis is a new project for acquiring a new customer.
  • employee X creates a process-related knowledge module in his user environment and uses the integrated process builder to select a process map that he uses for mapping considers his work process to be suitable.
  • the design of the process map to a process object takes place successively in the course of the project.
  • employee X starts filling out and finishing the first object template. He titles this and inserts the steps he has to take.
  • He also incorporates his experience and problem-solving suggestions into the design of the first object template.
  • the user environment contains visual documents that, for example, speak as arguments for the choice of his company, he also adds this as a second finishing stage, since he expects a fairly high price on the internal market for this configuration.
  • employee X continuously updates his process object until the end of his project. Finally, he adds the surface and knowledge base of his individual avatars on the subject of "new customers" to the process object and creates a marketable knowledge product that he would like to trade on the organization's internal market at the push of a button. In order to identify the knowledge product, the machine asks him about the origin and title of the product, which he specifies with the "sales process for acquiring a new customer". The employee is then asked to provide a description of the content and a standard for assessing the efficiency of the product In this case, employee X takes a quantitative approach that compares the costs and earnings of the sales process. Finally, employee X adds a screenshot as a preview for a potential customer. After completion of the document, the integrated single file in the sense of employee X readable within the same application, he places his document in the internal auction software for auction.
  • the user interface of an application to be created is to be provided with certain functions which prove to be expedient for achieving the problem solution.
  • the application must be equipped with an avatar, which helps the user with the production of the process object.
  • the knowledge bases on which the avatar is based are divided into company-wide general and individualized knowledge bases. While all employees of the company can access the general knowledge bases, the logged in user has exclusive access rights to his own knowledge bases. In this context, the machine must be able to recognize which user it is and be able to automatically assign the knowledge bases it has built up so far.
  • the administration of the individual knowledge modules is done by the user himself.
  • the content of these personal knowledge modules can be, for example, any type of computer-based document that can either be linked or managed in isolation.
  • the user must be able to activate or deactivate certain documents as part of the program in order to identify knowledge content already used in knowledge products. This function is also used for personal organization from the workplace if certain documents are no longer required by the user over time.
  • the user must also be able to produce knowledge modules.
  • knowledge modules There, several options for the production of knowledge modules must be integrated.
  • a fully automatic evaluation of newly inserted documents can be carried out using software-based agents. artificial intelligence. If the tasks of this agent working in the background are specified in more detail, the machine analyzes the documents set for relevant information and stores them in a separate document within the personal user environment as a knowledge module.
  • Another possibility of content production is a self-interview that the employee leads with the avatars. Personal experiences and assessments can thus be built into a component of your own knowledge base. Ultimately, the possibility of an external interview must also be taken into account.
  • the knowledge modules obtained here can then be inserted into the individual user environment at will.
  • Process-based knowledge modules form the basic framework for marketable knowledge products, since process-based knowledge modules ultimately offer what is offered in internal organization markets Knowledge product is created in the form of process objects.
  • formal phase-oriented "object templates” must be offered (function of the "Process Builder” as a construction tool), which can be filled in by the user as required in order to obtain a real picture of the work process experienced by the user.
  • the selected object templates can now be supplemented with content from the other individual user environment (e.g. in the form of previously produced knowledge modules), so that a link between the individual individual knowledge modules must be ensured.
  • the user-defined generation of at least one object template then represents the advantageous basis for the automatic generation of a process object.
  • object templates are selected, the machine should also offer several options for time processing. It must be possible to carry out the filling of the object templates during the current work process ("real-time" development). This implies that any new object templates can be added to and filled in over time. Likewise, an ex- ante generation must be allowed, which allows the work process to be created from memory.
  • the transformation of the object templates defined by the user with any content into a marketable process object takes place fully automatically ("content by click") upon completion of the digital illustration of the content desired by the user.
  • the software must be able to use the filled object templates with their respective links to create an integrated and transferable file for other documents within the employee's user environment, which can be read and evaluated by any user of the same application, and secondly, if the user wishes, it must also be able to create a document that can be used by any user can be read and evaluated with a standardized application.
  • the anonymization of sensitive information components e.g. company logos for presentations, Invoice addresses, numbers for customer correspondence
  • Process objects can vary in terms of their quality. This essentially depends on the design of the object templates. There can be several finishing stages here. On the simplest basis, object templates in the form of a graphic "process map" are simply labeled in accordance with the phase and produced as a "bare" process object.
  • a first refinement level consists in the description of the work actually done (To Do's) and assignment to the individual object templates already defined. In this context, there must still be the possibility of filling in further phase-oriented object templates and using them as an explanation of an "upper template” (hierarchical structure). Other options for a first refinement consist of inserting memos or describing possible problems and their solution.
  • a second finishing stage This is achieved by linking individual object templates with produced documents from your own user environment, including the addition of written documents, visual statistics, avatar-based databases to explain the process object, image / sound documents or even useful databases (e.g. customer databases) in digital form
  • the second refinement level is therefore not of direct importance for the usability of the process object, but it does create a potential additional benefit for a customer, which is particularly evident in the amount of the price to be transferred s will.
  • the machine In order to guarantee that the process objects are marketable, the machine must carry out both technical and automatic identification of the process object.
  • the query-related, user-defined identifiers include, on the one hand, origin (name / department), title and target of the process object, and on the other hand, efficiency labeling of the process object, which illustrates to a potential customer the benefits of the process object to be acquired.
  • Several forms must be available for efficiency labeling.
  • On a quantitative level that is It would be advantageous to provide a parameter that keeps the customer in mind of an investment-profitability relationship (eg the general parameter of the "return on investment" ROI).
  • a verbal description of benefits is suitable, from which it can be clearly concluded to what extent this is The process object offered generates a benefit for the customer.
  • the automatic identification of the process object serves to prevent inadmissible resale after knowledge has been acquired.
  • the machine must coded a transaction number to the process object in order to be able to clearly trace transaction progress at a later point in time requested by the provider, it must also be possible to incorporate visual "screenshots" of the process object into the labeling.
  • the invention relates to a measurement method for determining an economic characteristic vector of a knowledge object, taking into account soft information elements, using an electronic data processing system 1, a memory 2 and a characteristic vector generator 3 for generating the characteristic vector, and comprises an initiation step in which a basis consisting of a plurality predefined by base vectors and placed in the memory 2, and a projection step in which the characteristic vector generator 3 projects the knowledge object onto the base vectors and the business characteristic vector as Coordinate vector determined in relation to the base, as well as a pattern recognition machine 16 suitable for carrying out the measuring method.
  • the invention relates to a method for the automatic business identification of a knowledge object, wherein the knowledge object has at least one reference identification number, at least one business identification vector, and at least one business target vector is assigned, and wherein the business management vector is automatically determined taking into account soft information elements of the knowledge object, in particular according to the measurement method according to the invention, and a machine 15 suitable for carrying out the method according to the invention.
  • the invention is characterized in that information, in particular information within a company , can be automatically made available in a transparent manner so that this information can be exchanged as a knowledge product are manageable and tradable.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

Messverfahren und Mustererkennungsautomat zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes sowie Verfahren und Automat zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes
Die Erfindung betrifft ein Messverfahren zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente und ein Verfahren zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes sowie die zur Durchführung dieser Verfahren geeigneten Vorrichtungen.
Es ist bekannt, dass aufgrund der zunehmenden Verflechtung von Volkswirtschaften und Unternehmen im Rahmen der Globalisierung und der damit einhergehenden Verschärfung des Wettbewerbes auf den Güter- und
Dienstleistungsmärkten heute Unternehmen einem starken Druck ausgesetzt werden, sich mit ihren eigenen Ansprüchen und Leistungen kritisch auseinander zu setzen, um weiterhin im Wettbewerb bestehen zu können. Diesem Druck sind beispielsweise große Unternehmen in Form von Konzernen im Besonderen ausgesetzt, da einerseits eine sich rasch wandelnde Umwelt ein erhöhtes Maß an
Flexibilität des Unternehmens erfordert, andererseits große und diversifizierte
Strukturen, die eine relative Sicherheit vor wirtschaftlichen Risiken gewähren, zu einer gewissen Trägheit bei der Durchsetzung neuer Entscheidungen führen. Aus diesem Grund sind große Unternehmen besonders interessiert, die eigenen
Potentiale innerhalb des Unternehmens besser auszuschöpfen.
Vor diesem Hintergrund werden innerhalb der Unternehmen potentielle Wettbewerbsvorteile gesucht, die einerseits bessere Produkte und andererseits zufriedenere Kunden generieren. Neben diesen auf den Absatzmarkt gerichteten Fokus setzt sich zunehmend die Erkenntnis durch, dass Wettbewerbsvorteile auch in internen Strukturen zu finden sind, namentlich in den beschäftigten Mitarbeitern des Unternehmens, die mit ihrer Arbeit für den Fortbestand des Unternehmens verantwortlich sind. Das intellektuelle Kapital dieser Mitarbeiter hat in diesem Kontext eine fundamentale Bedeutung für das Unternehmen. Die Ausschöpfung des intellektuellen Kapitals der Mitarbeiter stellt entsprechend für viele Unternehmen die zentrale Herausforderung zur zukünftigen Positionierung im Wettbewerb dar.
Im Rahmen des Begriffes „Wissensmanagement" wird diesem Problem in Wissenschaft und Praxis höchste Priorität zugeordnet. Dabei hat sich die Erkenntnis durchgesetzt, dass Wissen als Produktionsfaktor eine erhebliche Bedeutung besitzt und Wissen für Unternehmen mit hoch diversifizierten Strukturen als eine der wichtigsten Wertschöpfungsquellen gilt.
Bislang ermangelt es jedoch bei genauerer Betrachtung der angewandten Methoden des Wissensmanagements einer systematischen Herangehens weise.
Trotz vielseitiger Versuche, Wissenspotentiale in Unternehmen systematisch aufzuspüren und zu sichern, werden die Grenzen des bisherigen Wissensmanagements schnell sichtbar. Zum einen wird deutlich, dass ein systematisches Wissensmanagement vor den Grenzen einer starren hierarchisch geprägten Organisation nicht Halt machen darf, zum anderen existieren bislang unüberbrückbare Barrieren seitens der Mitarbeiter, die zu einer mangelhaften Teilung der jeweiligen Wissenspotentiale führen. Oftmals wird das eigene Wissen als strategischer Erfolgsfaktor in Unternehmen verwendet, anstatt es zum Wohle der gesamten Organisation einzusetzen. Dieses Problem des eigennutzorientierten Verhalten eines großen Teils der Mitarbeiter ist vielen bisherigen Konzepten des Wissensmanagements zu eigen. Zwar ist ein umfangreiches Wissen in unternehmensinternen oder unternehmensexternen Datenbanken vorhanden, doch ist ein Zugriff auf dieses Wissen entweder nicht möglich oder zu umständlich.
Die aufgezeigten Grenzen der bisherigen Wissensmanagementkonzepte lassen sich vorteilhaft durch einen innovativen marktorientierten Ansatz des Wissensmanagements lösen. Märkte werden dabei im allgemeinen durch das Zusammenspiel von Angebot und Nachfrage charakterisiert. Im Rahmen dieses Ansatzes wird auf organisationsinternen Märkten Wissen in Form von Produkten angeboten. Auf diesen Märkten soll Wissen dem Nachfrager komplett in seiner Essenz übereignet werden.
Falls das angebotene Wissen an anderer Stelle im Unternehmen benötigt wird, also auf eine Nachfrage trifft, wird eine Transaktion des Wissensproduktes vollzogen. Das angebotene Wissen wird dem Nachfrager übereignet, der Anbieter erhält dafür einen Kaufpreis, der entweder durch einen Bietungs Wettbewerb oder durch ein „Preisetikett" seitens des Anbieters bestimmt wird. Aufgrund der Möglichkeit, mit seinem eigenen Wissen Geld zu verdienen, wäre ein starker Anreiz gesetzt, seine eigenen Wissenspotentiale dem Unternehmen zugänglich zu machen. Weiterhin wird das Wissen an jenen Ort des Unternehmens gelenkt, wo es am meisten gebraucht wird. Es ist von daher davon auszugehen, dass die bewirkte markthafte Distribution von Wissen für das Unternehmen optimal ist.
Notwendigerweise setzt die Einführung des Konzeptes die Schaffung von Marktstrukturen in Unternehmen voraus. Diese Marktstrukturen werden technisch gesehen erst durch die jüngere Entwicklung der Informations- und Kommunikationstechniken möglich, hn Bereich des elektronisch basierten Handels (e-Commerce) beispielsweise werden seit einigen Jahren hohe Umsätze erzielt. Als vorteilhaft erweist sich hier die hohe Transparenz der angebotenen Produkte, die es dem Nachfrager ermöglicht, einen fundierten Überblick über die angebotenen Produkte zu bekommen. Kosten für die Beschaffung des Produktes entfallen, da diese meist im Anschluss an die Transaktion von beauftragten Logistikunternehmen ausgeliefert werden. Beispiele für internetbasierte Marktplattformen sind hierbei im Sinne des oben beschriebenen „Preisetiketts" Internetshops, in denen Produkte zu festen Preisen angeboten werden, wobei Mengenrabatte bei steigender Nachfrage ebenso berücksichtigt werden können. Marktplattformen, in denen keine festen Preise vorgegebenen sind, sondern durch Gebote seitens der Nachfrage entstehen, sind mittlerweile besonders im Rahmen von Internetauktionen gebräuchlich.
Wissensmärkte unterscheiden sich gegenüber den traditionellen Gütermärkten in mehrfacher Weise, welches sich u.a. durch die besondere Eigenschaft des Gutes Wissen begründen lässt. Da Wissen in besonderem Maße als kontextabhängig angesehen werden kann, d. h. nur im Zusammenhang mit bereits vorhandenem Wissen Verwendung findet, können auf Wissensmärkten zumeist keine festgelegten Produkte identischen Inhalts angeboten werden, wie es materiellen Gütern üblich ist. Dennoch besteht die Notwendigkeit der Kennzeichnung des Wissensproduktes, da ansonsten bei einem potentiellen Nachfrager keine Klarheit darüber entsteht, inwieweit er das Wissen gebrauchen kann. Entsprechend sind die gehandelten Wissensprodukte Produktgruppen zuzuordnen, die eine eindeutige Identifizierung zulassen. Ein weiterer Unterschied zu traditionellen Märkten besteht in der Eigenschaft der Teilbarkeit des Wissens bzw. Kopierbarkeit des Wissens, d. h. dass Wissen beliebig kombinierbar ist und weitergegeben werden kann, ohne dass es zu einem Verlust von Wissen bei dem vorherigen Träger käme. Aus dieser besonderen Eigenschaft ist eine Notwendigkeit gegeben, eine unzulässige Weitervermarktung erworbenen Wissens mittels technischer Vorkehrung auszuschließen.
Da auf Wissensmärkten in Unternehmen auf Grundlage dieser Betrachtungen eher spezielle Produkte angeboten werden, kann damit gerechnet werden, dass die Zahl der Nachfrager für ein angebotenes Wissensprodukt in der Regel eher gering ist. Entsprechend ergibt sich hieraus, dass die Funktionalität von organisationsinternen Wissensmärkten nicht im klassischen Sinne zu definieren ist. Vielmehr wird es sich bei Wissensmärkten in erster Linie um sogenannte „Matchingmärkte" handeln, die Angebot und Nachfrage zusammenführen sollen. Es ist davon auszugehen, dass funktionierende Wissensmärkte in Unternehmen erst dann entstehen können, wenn im Unternehmen eine hinreichende Transparenz darüber geschaffen wird, welche Produkte überhaupt angeboten werden. Die Effektivität der Implementierung eines Wissensmanagements bemisst sich an dem Grad dieser Transparenz. Zur Schaffung dieser Transparenz war bisher ein hochqualifiziertes Personal notwendig, welches das Wissen in einem Unternehmen zusammenführt, klassifiziert, bündelt und aufbereitet. Nachteilig hierbei war jedoch, dass umfangreiche Kosten entstanden, bei nur mäßig erreichter Transparenz. Darüber hinaus wurde das Wissen oft nicht richtig bewertet und auf dem organisationsinternen Markt angemessen angeboten, wenn das mit der Auswertung des Wissens beauftragte Personal nicht inhaltlich vertraut mit der Materie war. Aufgrund des subjektiven Charakters bei der Auswertung des Wissens durch ein Individuum oder einer Gruppe von Individuen, war eine Transparenz des Wissens nicht befriedigend herstellbar.
Es ist somit Aufgabe der vorliegenden Erfindung, ein Messverfahren sowie einen Mustererkennungsautomat für die Bewertung von Wissen zu schaffen, so dass große Mengen an Wissen nach vorgegebenen Kriterien evaluiert werden können. Des weiteren sollen ein Verfahren sowie ein Automat angegeben werden, mit denen Wissen quantifiziert und/oder als Angebot auf organisationsinternen Wissensmärkten bereit gestellt werden kann.
Diese Aufgabe wird gelöst durch ein Messverfahren mit den Merkmalen des Anspruchs 1, durch ein Verfahren zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes mit den Merkmalen nach Anspruch 8, durch einen Mustererkennungsautomat mit den Merkmalen des Anspruchs 16 sowie durch einen Automat zur automatischen betriebswirtschaftlichen Kennzeichnung mit den Merkmalen nach Anspruch 21. Weitere vorteilhafte Ausgestaltungen und Weiterbildungen, die jeweils einzeln angewandt oder beliebig miteinander kombiniert werden können, sind Gegenstand der jeweilig abhängigen Ansprüche.
Das erfindungsgemäße Messverfahren zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente, unter Verwendung einer elektronischen Datenverarbeitungsanlage, mit einem Speicher und einem Kennvektorgenerator zur Generierung eines Kennvektors umfasst einen Initiierungsschritt, bei dem eine Basis bestehend aus einer Vielzahl von Basisvektoren vorgegeben und in den Speicher gegeben wird, und einen Projektionsschritt, bei dem der Kennvektorgenerator das Wissensobjekt auf die Basisvektoren projiziert und den betriebswirtschaftlichen Kennvektor als Koordinatenvektor in Bezug auf die Basis bestimmt.
Mit diesem Messverfahren werden in einem Wissensobjekt enthaltene Informationen in betriebswirtschaftlicher Hinsicht quantifiziert, wobei weiche Informationselemente berücksichtigt werden.
Ein Wissensobjekt stellt eine weitgehend ungeordnete Menge an Informationen in digital kodifizierter Form dar. Die Informationen können individuelles oder kollektives Wissen umfassen. Dabei zeichnet sich kollektives Wissen nicht mehr durch eine eindeutig zu verfolgende Zurechnung auf einen bestimmten Träger (Individuum) aus. Individuelles Wissen wird durch, seine eindeutige Zurechnung auf einen bestimmten Träger (Individuum) gekennzeichnet. Ein Wissensobjekt stellt somit eine lose Menge im wesentlichen unaufbereiteter Informationen dar.
Ein Prozessobjekt ist eine spezielle Unterform der Wissensobjekte. Es beinhaltet insbesondere betriebswirtschaftliche Informationen und Know-how. Es weist eine Zielgerichtetheit auf, d.h. das Prozessobjekt verfolgt ein betriebswirtschaftliches Ziel, zu dessen Verfolgung Handlungsanweisungen gegeben werden. Unter dem Begriff des Know-how wird individuelles oder kollektives Wissen verstanden, welches sich mit der Organisation oder der Durchführung der eigenen Arbeit in einem betriebswirtschaftlichen Prozess verbindet. Vorteilhafterweise wird ein betriebswirtschaftlicher Kennvektor eines Prozessobjektes bestimmt. Prozessobjekte stellen eine besondere Untergruppe der Wissensobjekte dar, die besondere Wissensinhalte haben, die ihrerseits eine besondere Wissensstruktur aufweisen. Das Ausmessen dieser Wissensobjekte stellte bislang eine besondere Schwierigkeit dar, die eine besondere technische Lösung erfordert. Die äußere Form von Wissens- bzw. Prozessobjekten sind insbesondere eigenständige Computerdateien, die gegebenenfalls eine Reihe von eingebeteten Dateiobjekten wie z.B. Graphiken, Tabellen, Textdokumente etc. umfassen. Das Wissens- bzw. Prozessobjekt ist aufgrund seiner willkürlichen Form nicht geeignet, um auf einem Markplatz gehandelt zu werden. Dazu bedarf es einer äußerer Form, insbesondere bestimmter Evaluierungsgrößen, die Aufschluss über den Inhalt und das mit dem Inhalt verfolgte Ziel geben. Bei einem Prozessobjekt ist das mit dem Inhalt verfolgte Ziel beispielsweise das Ziel, welches mit einem betrachteten Prozess verfolgt wird.
Das Wissensobjekt bzw. das Prozessobjekt enthält somit i.a. sowohl harte wie weiche Informationselemente.
Harte Informationselemente sind objektive Kriterien, die aufgrund ihres diskreten Informationsgehaltes einfach quantifizierbar sind. Beispiele sind: Anzahl grafischer Übersichten, Anzahl Prozessphasen, Anzahl formulierter Arbeitsschritte (To-Do's), Veredelungsstufen, Anzahl der angehängten Dateien mit ihrer jeweiligen Aktualität, Größe, Typ etc., Prozessdauer (Ex-post), Zahlen, Formate etc.. Diskret in diesem Zusammenhang bedeutet, dass die Informationselemente als solche ein Format bzw. eine Form haben, so dass das einzelne Informationselement ohne weiteres genutzt bzw. weiter verarbeitet werden kann.
Weiche Informationselemente sind quasi-objektive Kriterien, die aufgrund ihres Formates bzw. ihrer Form erst interpretiert werden müssen, um anschließend weiter verarbeitet und genutzt werden zu können. Weiche Informationselemente haben die Eigenschaft, aufgrund ihrer zu interpretierenden Form eine gewisse Informationsunschärfe aufzuweisen. Diese Unscharfe wird erst überwunden, wenn ein quantisierendes Maß gefunden ist, welches das formlose weiche Informationselement geeignet quantifiziert. Beispiele für weiche Informationselemente in Prozessobjekten sind der sogenannte Customer-Equity- Value (CE-Wert), Kundenzufriedenheit, Kundenpotential, Zukunftsperspektiven usw..
Während harte Informationselemente mit Hilfe eines Rasters auf einfache Weise erfassbar sind, ist für die Evaluierung weicher Informationselemente ein Mindestmaß verknüpfenden Denkens, d. h. Intelligenz, erforderlich.
Das Messverfahren gemäß der Erfindung evaluiert das Wissens- bzw. Prozessobjekt hinsichtlich vorgegebener betriebswirtschaftlicher Kriterien. Diese werden bei dem Initiierungsschritt vorgegeben, indem eine Basis bestimmt wird. Die Basisvektoren der Basis spannen einen Informationsraum auf. Das Messverfahren bestimmt die Orte der Informationselemente des Wissensobjektes in diesem Informationsraum. Speziell für Prozessobjekte stellt das Messverfahren einen Intensitätssensor für Know-how in den jeweiligen Dimensionen der Basisvektoren dar, die durch die betriebswirtschaftlichen Kriterien vorgegeben werden.
Die Basisvektoren stellen Grundeinheiten dar, die in beliebiger Weise miteinander verknüpft werden können, und den Informationsraum aufspannen. Basisvektoren können z.B. Fachbegriffe, Fachbegriffskombinationen, logische Beziehungen, syntaktische Strukturen eines Textes, Konzepte etc. sein. Vorteilhafterweise werden die Basisvektoren jeweils unabhängig von einander gewählt. Auf diese Weise wird eine Eigenschaft eines Informationselementes nur von einem Basisvektor erfasst und nicht von mehreren gleichzeitig. Enthält das Wissensobjekt mehrere unterschiedliche Informationselemente, wird das Wissensobjekt durch mehrere Basisvektoren dargestellt.
In dem Projektionsschritt wird das Wissensobjekt auf die Basisvektoren projiziert. Mit anderen Worten, es wird der Anteil der Basisvektoren in dem Wissensobjekt festgestellt. Analog zu der Projektion eines Punktes in einem dreidimensionalen Raum auf die X-, Y- und Z- Achse wird der Koordinatenvektor in Bezug auf die Basis bestimmt. Damit hängt der Koordinatenvektor von der Wahl der Basis ab. Vorteilhafterweise wird eine vollständige Basis gewählt, die einen Informationsraum aufspannt, in dem das Wissensobjekt dargestellt werden kann. Bei unvollständiger Basis werden Informationen, die im Wissensobjekt enthalten sind, nicht dargestellt und werden somit nicht vollständig berücksichtigt. Bleiben beispielsweise bei der Messung betriebswirtschaftlicher Kriterien Basisvektoren unberücksichtigt, die das Investment berücksichtigen, können Informationselemente, die sich z.B. auf eine spezielle Investmentart beziehen, nicht bei der Messung berücksichtig werden, da die Basis nicht geeignet ist, diese Informationselemente darzustellen. Auf der anderen Seite ist eine Einschränkung der Basis auf einen limitieren Satz sinnvoller Basisvektoren angebracht, da damit die Rechenzeit der Datenverarbeitung zur Bestimmung des Kennvektors, d.h. die Responsezeit des Messverfahrens, begrenzt bleibt. Auch findet durch den begrenzten Satz Basisvektoren eine Filterung statt, die beispielsweise nur die betriebswirtschaftlichen Informationselemente des Prozessobjektes und nicht die nicht-betriebswirtschaftlichen Informationselemente berücksichtigt. Durch die Filterung wird die betriebswirtschaftlich relevante Information von sonstigen Informationen separiert.
Ein Kennvektor kann als Einträge beispielsweise u.a. die Anzahl bestimmter Begriffe, Zahlen zu bestimmten Sachverhalten, beschreibende Angaben wie Adjektive, Farben, und/oder Ranglisten umfassen. Der Kennvektor gibt die nach bestimmten Kriterien, die durch die Basisvektoren vorgegeben sind, geordnete d.h. kategorisierte Information im Wissensobjekt wieder. Er charakterisiert und kategorisiert damit das Wissensprodukt.
Mit dem Initiierungsschritt wird somit die Sensitivität des Messverfahrens bezüglich der in einem Wissensobjekt enthaltenen Informationen festgelegt. Dieses entspricht in der Messtechnik der Wahl der Orte, an denen eine bestimmte Messgröße (z. B. Temperatur) gemessen werden soll. Mit dem Projektionsschritt findet die tatsächliche Messung des Informationsgehaltes des Wissensobjektes statt, indem das Wissensobjekt auf die Basis projiziert wird und der Koordinatenvektor in Bezug auf die Basis bestimmt wird. Beispielsweise bewirkt eine besonders gute Übereinstimmung eines Informationselementes im Wissensobjekt mit einem Basisvektor einen besonders großen Eintrag im Koordinatenvektor an der Stelle, die für den betreffenden Basisvektor verantwortlich ist. Der betriebswirtschaftliche Kennvektor wird durch den Koordinatenvektor gebildet. Durch Vorgabe einer geeigneten Basis wird das Wissensobjekt in Hinsicht betriebswirtschaftlicher Informationsinhalte gemessen. Damit stellt das Wissensobjekt eine polydimensionale Größe dar, die mit Hilfe des erfindungsgemäßen Verfahrens in seine Bestandteile, die mit Hinsicht auf eine Basis definiert werden, ausgemessen werden.
Das Messverfahren arbeitet ohne Zwischenschaltung menschlicher Verstandestätigkeit. Durch die Projektion des Wissensobjektes auf die vorgegebene Basis wird eine besonders einfache und übersichtliche Darstellung des Wissensobjektes bewirkt, da das Wissensobjekt in der standardisierter Form der Basis angegeben wird. Da sonstige Informationselemente, die in dem Wissensobjekt enthalten sind, von den betriebswirtschaftlichen Informationselementen getrennt werden, wird das Wissensobjekt auf vergleichsweise wenige Einträge eines betriebswirtschaftlichen Kennvektors reduziert. Das Messverfahren bewirkt somit eine Transparenz schaffende Gesamt- Informationsreduktion (Entropieverminderung) zu Gunsten einer betriebwirtschaftlichen Informationskonzentration. Die Informationskonzentration erfordert eine aktive, energieaufwendige Verarbeitung durch eine Datenverarbeitungsanlage, z. B. einen Computer.
In einer vorteilhaften Weiterbildung des erfindungsgemäßen Messverfahrens ermittelt ein Filter die Häufigkeit harter Informationselemente im Wissens- bzw. Prozessobjekt und der Kennvektorgenerator berücksichtigt diese Häufigkeit bei der Bestimmung des Kennvektors. Hiermit werden somit auch harte Informationselemente bei der Bestimmung des betriebswirtschaftlichen Kennvektors berücksichtigt. Vorteilhafterweise wird die Basis und/oder das Prozessobjekt zumindest teilweise mit Hilfe eines digitalen, insbesondere interaktiv digitalen, Messkopfes erstellt.
Digitale Messköpfe können Suchmaschinen, die durch eine geeignete Programmierung aus großen Dateribeständen, z.B. dem Internet, die Informationen herausfiltern, die für den betriebswirtschaftlichen Prozess relevant sind. Ein digitaler Messkopf ist somit häufig ein Automat, welches die Anweisung hat, Datenbestände unter vorgegebenen Kriterien zu durchforsten und die gefundenen Daten an der gewünschten Stelle abzuliefern. Digitale Messköpfe können auch dazu verwendet werden, einen Bedarfsvektor aufzunehmen.
Digitale Messköpfe können auch einen interaktiv wirkender Sprachcomputer verwenden, der Audiosignale nutzt, um Wissensinhalte selbständig und zielgerichtet aufzunehmen.
Digitale Messköpfe können darüber hinaus auch Avatare (linguistischer Roboter) nutzen. Unter einem Avatar wird eine visuell ausgestaltete virtuelle Benutzeroberfläche verstanden, die selbständig und zielgerichtet Wissensinhalte aufnimmt, selektioniert und kombiniert.
Grundlage eines Avataren wie auch eines digitalen Messkopfes bilden organisierte Wissensdatenbanken in Form von speziellen Computerdateien. Wissensdatenbank hierbei bedeutet eine logisch verknüpfte Datenbank, auf der Wissen für Avatare bzw. digitale Messköpfe gespeichert und selektiv aufgerufen werden kann. Die Wissensdatenbanken umfassen Wissensbausteine. Ein Wissensbaustein stellt ein Dokument (z.B. in Form einer Computerdatei) dar, welches inhaltlich individuelles und/oder kollektives Wissen abbildet oder erklärt. Es ist von Vorteil, wenn der Kennvektorgenerator bevorzugt eine Korrelation der Basis mit dem Prozessobjekt durchführt. Dabei vergleicht der Kennvektorgenerator jedes Informationselement des Prozessobjektes mit den Basisvektoren und stellt den Grad der Übereinstimmung fest.
Vorteilhafterweise führt der Kennvektorgenerator einen Wortvergleich zwischen dem Wissensobjekt und der Basis durch. Hierbei werden die Basisvektoren durch Fachbegriffe gebildet und es wird eine Häufigkeit der im Prozessobjekt auftauchenden Fachbegriffe bestimmt. Beispielsweise kann eine absolute Häufigkeit eines Informationselementes wie z.B. ein Fachbegriff im Prozessobjekt festgestellt werden oder eine relative Häufigkeit (Häufigkeitsdichte), die den Anteil eines Informationselementes relativ zu der Gesamtzahl an auftretenden Informationselementen feststellt. Auch können konditionierte Häufigkeiten, d.h. Häufigkeiten eines Informationselementes in dem Kontext anderer Informationselemente bestimmt werden. Beispielsweise kann die Anzahl der Koinzidenzen zweier Fachbegriffe innerhalb eines Abschnittes eines Textes festgestellt werden.
In einer speziellen Ausgestaltung des erfindungsgemäßen Messverfahrens führt der Kennvektorgenerator eine mit einer Gewichrangsfunktion gewichtete Korrelation der Basis mit dem Wissensobjekt durch. Beispielsweise können hierdurch bestimmte Basisvektoren (z.B. einzelne betriebswirtschaftliche Begriffe) stärker gewichtet werden, wenn sie von besonderer Relevanz für den betriebswirtschaftlichen Prozess sind, oder weniger, wenn sie den betriebswirtschaftlichen Prozess nur peripher betreffen. Hierbei bestimmt der Kennvektorgenerator eine Korrelationsdichte zwischen zwei
Informationselementen.
Bei dem erfindungsgemäßen Verfahren zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes wird dem
Wissensobjekt mindestens eine Referenzkennzahl, mindestens ein betriebswirtschaftlicher Kennvektor, und mindestens ein betriebswirtschaftlicher Zielvektor zugeordnet und der betriebswirtschaftliche Kennvektor wird unter Berücksichtigung weicher Informationselemente des Wissensobjektes automatisch bestimmt. Die Bestimmung des betriebswirtschaftlichen Kennvektors erfolgt insbesondere nach dem erfindungsgemäßen Messverfahren.
Mit Hilfe des erfindungsgemäßen Verfahrens zur automatischen betriebswirtschaftlichen Kennzeichnung wird aus einem Wissensobjekt, d. h. aus einer unaufbereiteten Menge von Informationen, ein standardisiertes, transparentes Wissensprodukt erstellt, welches beispielsweise in einem Forum präsentiert werden kann. Das Wissensprodukt wird vorzugsweise organisationsintern, insbesondere unternehmensintern, optional auch organisationsübergreifend, insbesondere unternehmensübergreifend bzw. öffentlich, präsentiert, wodurch es auf organisationsinternen wie auch organisationsexternen Märkten präsentiert bzw. verkauft werden kann.
Unter dem Begriff „Wissensprodukt" wird ein physisch oder virtuell in einem Zeitpunkt abgrenzbares Wissensgut mit voll spezifizierten Verfügungsrechten und einer standardisierten Kennzeichnung über das in ihm gespeicherte Wissen verstanden. Die Marktfähigkeit des Wissensproduktes ergibt sich aus der erfolgten vollkommenen Konkretisierung der definierten Eigenschaften des Wissensproduktes. Das Verfahren vermittelt eine Information über den Zugriff zu Wissen, d.h. darüber, an welchen Orten, welches Wissen verfügbar ist. Vorteilhafterweise ist das mit dem Verfahren gekennzeichnete Wissensobjekt ein Prozessobjekt.
Die Referenzkennzahl stellt den namentlichen Bezug des Wissensobjektes mit der Quelle, insbesondere dem Schöpfer des Wissensobjektes, her. Hierdurch erfährt ein potentieller Nutzer bzw. Käufer des Wissensproduktes, von wem er die Informationen erhält.
Der betriebswirtschaftliche Zielvektor gibt an, welches Ziel mit dem Wissensobjekt erstrebt wird, bzw. worauf sich das Wissensobjekt richtet. Während der betriebswirtschaftliche Kennvektor eine Angabe über den Inhalt des Wissensobjektes darstellt, gibt der betriebswirtschaftliche Zielvektor an, wozu das Wissensobjekt genutzt werden kann, um in betriebswirtschaftlicher Weise nützlich zu sein. Beispielsweise gibt der Zielvektor an, ob es sich um einen Vertriebsprozess handelt. Anschließend gibt er vorteilhafterweise noch weitere Informationen über die Art des Vertriebsprozesses an.
Eine Anzeige des betriebswirtschaftlichen Kennvektors bzw. des betriebswirtschaftlichen Zielvektors für einen potentiellen Nutzer des Wissensproduktes ist nur dann sinnvoll, wenn der Nutzer das Wissensprodukt in seinem ganzen Inhalt nutzen soll, ohne für das Wissensprodukt zahlen zu müssen. Soll der potentielle Nutzer ein Käufer sein, ist beispielsweise eine vollständige Offenlegung des Prozessobjektes nicht sinnvoll, da er nach Studium des Wissensproduktes das Prozessobjekt kennt und das Wissensprodukt im nachhinein, d.h. nachdem er das Know-How des Prozessobjektes erfahren hat, nicht mehr kaufen wird.
Aus diesem Grund ist es vorteilhaft, dass der betriebswirtschaftliche Kennvektor nicht angezeigt wird, sondern nur eine betriebswirtschaftliche erste Kennzahl, die aus dem Kennvektor und dem Zielvektor gebildet wird und die eine Angabe über die Qualität und den Inhalt des Wissensprodukt macht. Durch die erste Kennzahl wird das Wissensprodukt zwar charakterisiert, der Inhalt des Wissensobjektes wird jedoch als solcher nicht vollständig offengelegt. Mit Hilfe der ersten Kennzahl kann ein potentieller Käufer des Wissensproduktes erkennen, ob das Produkt für ihn relevant ist und ob er es kaufen möchte oder nicht. Erst nach dem Kauf des Wissensproduktes kann der in das Wissensobjekt einsehen und das Know-How nutzen.
Diese erste Kennzahl wird bevorzugt gebildet, indem der Kennvektor und der Zielvektor korreliert werden. Durch Angabe der ersten Kennzahl wird der Käufer auf die Relevanz des Wissensproduktes aufmerksam gemacht. Durch die
Korrelation des Kennvektors mit dem Zielvektor wird festgestellt, ob der im Wissensobjekt angegebene Inhalt (Kennvektor) als Lösung zur Aufgabe (Zielvektor) beitragen kann. Ergibt sich eine erhebliche Diskrepanz zwischen Kennvektor und Zielvektor, liegt nur eine geringe Vertrauenswürdigkeit für die betriebswirtschaftliche Nützlichkeit für den Nutzer vor. Ergibt sich eine große Übereinstimmung, ist beispielsweise das Prozessobjekt vertrauenswürdig.
Vorteilhafterweise bestimmt ein Metrikbestimmungsmittel eine Metrik des Kennvektors als eine betriebswirtschaftliche zweite Kennzahl. Die Metrik des Kennvektors bestimmt im wesentlichen den Umfang des betriebswirtschaftlichen Inhalts des Wissensobjektes. Werden beispielsweise viele Übereinstimmungen des Wissensobjektes mit den Basisvektoren gefunden, ist zu erwarten, dass der betriebswirtschaftliche Inhalt des Wissensobjektes groß ist. Auch können besondere Kombinationen von Basisvektoren auf eine besondere betriebswirtschaftliche Bedeutung schließen lassen. Die Metrik ist somit ein Maß für den betriebswirtschaftlichen Gehalt des Wissensobjektes.
Als Maß für die Metrik bestimmt das Metrikbestimmungsmittel die Länge des Kennvektors. Je größer die Länge des Kennvektors ist, desto mehr Übereinstimmungen des Wissensobjektes mit Basisvektoren wurden gefunden. Bei dieser Metrik wird der absolute Inhalt des Wissensobjektes kumulativ bestimmt.
Das Metrikbestimmungsmittel kann auch die Anzahl der Einträge im Kennvektor bestimmen, die jeweils in einem vorgebbaren Intervall liegen. Beispielsweise werden nur Einträge im Kennvektor berücksichtigt, die größer sind als ein bestimmter Wert. Hiermit können Informationselemente in einem Wissensobjekte nach ihrer betriebswirtschaftlichen Bedeutung selektiv gefiltert bzw. bewertet werden. Mit dieser Metrik wird nur der Inhalt des Wissensobjektes differenziert in Bezug auf die Einträge des Kennvektors bestimmt wird.
In einer vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens weist der Zielvektor Einträge zur quantitativen und qualitativen Kennzeichnung des Wissensobjektes auf. Einträge zur qualitativen Kennzeichnung eines Prozessobjektes sind beispielsweise Kundenbindungen, CE-Wert, etc.. Einträge zur quantitativen Kennzeichnung sind z. B. Kosten, Umsatzvolumen, Cash-flow, etc..
In einer besonders vorteilhaften Ausgestaltung des erfindungsgemäßen Verfahrens wird dem Wissensobjekt eine Identifikationskennzahl automatisch vergeben. Mit dieser Identifikationskennzahl wird die Transaktion, d. h. der Kauf des Wissensproduktes, individualisiert. Beispielsweise kann damit bei Mängeln bzw. bei Leistungsstörungen eine Analyse des Kaufes durchgeführt und somit im Nachhinein ggf. der Kauf des Wissensprodukte rückgängig gemacht werden kann. Die Identifikationskennzahl kann auch dazu dienen, einen Kopierschutz für das Wissensprodukt zu implementieren. In einer Weiterbildung des erfindungsgemäßen Verfahrens wird die erste Kennzahl und/oder die zweite Kennzahl in Abhängigkeit eines Bedarfvektors bestimmt. Der Bedarfvektor charakterisiert den Bedarf eines Käufers, d.h. die Ziele, die er mit dem Kauf des Wissensproduktes verfolgt. Der Käufer kann beispielsweise angeben, welche Problemfelder abgedeckt sein sollen, worüber er Informationen benötigt, welche thematischen Schwerpunkte er legt. Mit dem Bedarfvektor kann der Käufer sämtliche für ihn bei einem Kauf des Wissensproduktes wichtigen Kriterien angeben.
Durch Vergleich des Bedarfvektors mit dem Kennvektor wird festgestellt, ob das Wissensprodukt die vom Käufer gewünschten Informationen enthält. Vorteilhafterweise wird bei hoher Korrelation des BedarfVektors mit dem Kennvektor ein höherer Kaufpreis für das Wissensprodukt vereinbart als bei entsprechend geringerer Korrelation.
Der erfindungsgemäße Mustererkennungsautomat zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher hiformationselemente, insbesondere unter Verwendung des erfindungsgemäßen Messverfahrens, umfasst eine elektronische Datenverarbeitungsanlage, eine Schnittstelle zur Aufnahme einer Basis bestehend aus einer Vielzahl von Basisvektoren und zur Aufnahme des Wissensobjektes, einen Speicher zur Speicherung der Basis und einen Kennvektorgenerator zur Generierung des Kennvektors, wobei der Kennvektorgenerator ein Projektionsmittel zur Projektion des Wissensobjektes auf die Basisvektoren und einen Koordinatenvektorgenerator zur Bestimmung des betriebswirtschaftlichen Kennvektors als Koordinatenvektor in Bezug auf die Basis aufweist. Vorteilhafterweise wird ein Kennvektor eines Prozessobjekt bestimmt.
Mit Hilfe der Schnittstelle wird eine Basis und ein Wissensobjekt aufgenommen. Die Basis besteht aus einer Vielzahl von Basisvektoren, wobei die Basisvektoren einzelne Wissenselemente darstellen. Die Basis wird mit Hilfe eines Speichers gespeichert. Mit Hilfe der Schnittstelle kann auch ein Bedarfsvektor eingegeben werden. Die Schnittstelle kann auch dazu genutzt werden, dem potentiellen Nutzer bzw. dem Käufer eine erste Kennzahl, eine zweite Kennzahl und/oder einen Kennvektor anzuzeigen.
Der Kennvektorgenerator generiert einen Kennvektor, in dem das Wissensobjekt auf die Basis projiziert wird und der Kennvektor als Koordinatenvektor in Bezug auf die Basis bestimmt wird. Mit Hilfe des Kennvektorgenerators werden weiche Informationselemente in einem Wissensobjekt gemessen, d.h. detektiert und quantifiziert. Der Kennvektor gibt die auf die Basis projizierte Information des Wissensobjektes an und stellt somit die betriebswirtschaftliche Information, die in dem Wissensobjekt enthalten ist, übersichtlich dar.
Vorteilhafterweise ist ein separater Filter zur Ermittlung der Häufigkeit harter Informationselemente im Wissensobjekt vorhanden, so dass zusätzlich zu den weichen Informationselementen auch harte Informationselemente berücksichtigt werden. In einer Weiterbildung der Erfindung ist ein digitaler, insbesondere interaktiv digitaler, Messkopf zur zumindest teilweisen Erstellung der Basis und/oder zur Eingabe des Wissensobjektes und/oder zur Eingabe des Bedarfvektors vorgesehen. Hiermit wird die Eingabe der Basis, des Wissens- und/oder des Prozessobjektes erheblich erleichtert, da der Anwender von dem Mustererkennungsautomat bei der Eingabe geleitet werden kann. Der BedarfVektor kann mit Hilfe eines digitalen Messkopfes aufgenommen werden.
In einer vorteilhaften Ausgestaltung der Erfindung weist der Kennvektorgenerator einen Korrelator auf. Mit diesem Korrelator wird auf vorteilhafte Weise eine Korrelation der im Wissensobjekt enthaltenen weichen Informationselemente mit den Basisvektoren der Basis erstellt, so dass eine Überdeckung bzw. eine fehlende Überdeckung festgestellt wird. Mit Hilfe des Korrektors wird das Wissensobjekt auf die Basis projiziert.
Vorteilhafterweise ist gemäß der Erfindung ein Steuermittel zur Bestimmung der ersten Kennzahl und/oder der zweiten Kennzahl in Abhängigkeit eines BedarfVektors vorgesehen. Mit Hilfe des Bedarfvektors kann ein potentieller Kunde angeben, welche Inhalte in welcher Form in dem Wissensobjekt enthalten sein sollen. Mit Hilfe des Steuermittels wird die erste Kennzahl bzw. die zweite Kennzahl individuell auf ihn zugeschnitten bestimmt, so dass er anhand seiner von ihm vorgetragenen Situation bzw. dem von ihm geäußerten Bedürfnis ein Maß für die Relevanz des jeweiligen Wissensproduktes erhält.
Der erfindungsgemäße Automat zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes, insbesondere unter Verwendung des erfindungsgemäßen Mustererkennungsautomaten, umfasst eine
Datenverarbeitungsanlage, eine Schnittstelle zur Aufnahme einer Basis bestehend aus einer Vielzahl von Basisvektoren und zur Aufnahme des Wissensobjektes, einen Speicher zur Speicherung der Basis, einen Kennvektorgenerator zur automatischen Generierung eines Kennvektors, einen Referenzkennzahlgenerator zur Vergabe einer Referenzkennzahl des Wissensobjektes, und einen Zielvektorgenerator zur Vergabe eines Zielvektors des Wissensobjektes, wobei der Kennvektorgenerator ein Projektionsmittel zur automatischen Projektion des Wissensobjektes auf die Basisvektoren und einen Koordinatenvektorgenerator zur automatischen Bestimmung des betriebswirtschaftlichen Kennvektors als Koordinatenvektor in Bezug auf die Basis aufweist.
Dieser Automat generiert in vorteilhafter Weise aus einem Wissensobjekt ein Wissensprodukt, dem ein potentieller Käufer ansehen kann, was es zum Gegenstand hat, welches Ziel es verfolgt, von wem es erstellt wurde. Die standardisierte bzw. die transparente Form des Wissensprodukt erleichtert dem potentiellen Käufer zu entscheiden, ob er das Wissensprodukt kaufen möchte oder nicht. Durch die Generierung des Kennvektors wird der Inhalt des Wissensobjektes charakterisiert und für einen potentiellen Nutzer der Information transparent dargestellt.
Soll die in dem Wissensobjekt enthaltene Information nicht direkt dem potentiellen Empfanger der Information zur Verfügung gestellt werden, weist der erfindungsgemäße Automat bevorzugt einen ersten Kennzahlgenerator auf, mit dem eine betriebswirtschaftliche erste Kennzahl durch Korrelation des Kennvektors mit dem Zielvektor gebildet wird. Anhand dieser ersten Kennzahl kann der potentielle Empfänger der Information feststellen, ob das in dem Wissensprodukt angegebene angestrebte Ziel durch den Inhalt des Wissensproduktes abgedeckt wird, ohne das der Inhalt des Wissensproduktes aufgedeckt wird. Anhand der ersten Kennzahl kann er erkennen, ob eine Lösung zu einem bestimmten Problem angegeben wird. Hierauf kann er seine Kaufentscheidung begründen.
Vorteilhafterweise ist darüber hinaus ein Metrikbestimmungsmittel zur Bestimmung einer Metrik des Kennvektors als eine betriebswirtschaftliche zweite Kennzahl vorhanden. Mit Hilfe der zweiten Kennzahl kann ein potentieller Empfänger feststellen, wie viel Information in dem Wissensprodukt enthalten ist. Die erste bzw. zweite Kennzahl kann über die Schnittstelle ausgegeben werden.
Vorteilhafterweise weist der erfindungsgemäße Automat einen sog. ID-Generator (Identifikationszahl-Generator) zur automatischen Vergabe einer Identifikationszahl auf. Durch Vergabe einer Identifikationszahl wird der Kauf eines Wissensproduktes individualisiert. Beispielsweise kann bei etwaigen Mängeln des Wissensproduktes der Kauf rückgängig bzw. gemindert werden. Darüber hinaus kann mit Hilfe der Identifikationszahl ein Kopierschutz implementiert werden, der einen Weiterverkauf des Wissensproduktes unterbindet.
Vorteilhafterweise weist der Automat ein Steuermittel zur Bestimmung der ersten Kennzahl und/oder der zweiten Kennzahl in Abhängigkeit eines BedarfVektors auf. Hiermit kann ein potentieller Käufer die Berechnung der ersten bzw. zweiten Kennzahl durch Vorgabe seiner Wünsche bzw. Kriterien, die ihn zum Kauf eines Wissensproduktes bewegen, beeinflussen, indem die Kennzahlen individuell auf ihn zugeschnitten bestimmt werden.
In einer Weiterbildung der Erfindung wird das Messverfahren und der Mustererkennungsautomat zur Bestimmung eines informationswertstiftenden
Kennvektors verwendet sowie das Verfahren und der Automat zur automatischen informationswertstiftenden Kennzeichnung des Wissensobjektes verwendet.
Hierbei wird die betriebswirtschaftliche Ausrichtung in informationswertstiftender
Hinsicht verallgemeinert. Dabei bedeutet der Begriff informationswertstiftend als Verallgemeinerung von betriebswirtschaftlich jegliche wirtschaftlich, wissenschaftlich, oder kulturell relevanten Aspekte, über die ein Kennvektor bestimmt werden kann bzw. soll.
Weitere Ausgestaltungen und vorteilhafte Weiterbildung werden anhand der folgenden Zeichnung, welche die Erfindung zwar illustrieren aber nicht einschränken soll, erläutert. Es zeigen schematisch:
Fig. 1 einen erfindungsgemäßen Mustererkennungsautomat zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente;
Fig. 2 einen erfindungsgemäßen Automat zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes;
Fig. 3 ein erfindungsgemäßes Flußdiagramm zur automatisierten, betriebswirtschaftlichen Kennzeichnung von Prozessobjekten;
Fig. 4 ein erfindungsgemäßes Flussdiagram zur Bestandsaufnahme des Ziels des Prozessobjektes am Beispiel eines Prozessobjektes aus dem Vertrieb;
Fig. 5 ein erfindungsgemäßes Flussdiagram zur Bestandsaufnahme des Inhaltes des Prozessobjektes;
Fig. 6 ein erfindungsgemäßes Flussdiagram zur Generierung des Kennvektors mit Hilfe einer Avatar generierten Wissensbasis;
Fig. 7 ein erfindungsgemäßes Flussdiagram zur Generierung des Kennvektors; und
Fig. 8 ein erfindungsgemäßes Flussdiagramm zur Ermittlung der optimalen Kennzahl aus einem Pool von Kennzahlen durch Prüfung der Vertrauenswürdigkeit.
Fig. 1 zeigt einen erfindungsgemäßen Mustererkennungsautomat 16 mit einer Datenverarbeitungsanlage 1, die mit einem Kennvektorgenerator 3 verbunden ist, wobei der Kennvektorgenerator 3 einen Filter 4 zur Ermittlung der Häufigkeit harter Informationselemente in einem Wissensobjekt, ein Projektionsmittel 8 zur Projektion des Wissensobjektes auf Basisvektoren und einen Koordinatenvektorgenerator 9 zur Bestimmung des betriebswirtschaftlichen Kennvektors als Koordinatenvektor in Bezug auf die Basis aufweist.
Über eine Schnittstelle 7 wird das Wissensobjekt in den Mustererkennungsautomaten 16 eingegeben. Ein digitaler Messkopf 5 erleichtert das Eingeben einer Basis, die als Grundlage für die Evaluierung des Wissensobjektes hinsichtlich betriebswirtschaftlicher Inhalte herangezogen wird. Die Basis wird mit Hilfe eines Speichers 2 gespeichert. Mit Hilfe des Messkopfes 5 wird darüber hinaus auch ein Bedarfsvektor eingegeben, mit dem unter Verwendung eines Steuermittels 10 ein Kennvektor bestimmt werden kann.
Der Mustererkennungsautomat 16 projiziert das Wissensobjekt auf die im Speicher 2 hinterlegten Basisvektoren und bestimmt einen Koordinatenvektor in Bezug auf die Basis. Der Koordinatenvektor wird in Hinsicht auf betriebswirtschaftlich relevante Basiselemente ausgewertet, so dass er einem betriebswirtschaftlichen Kennvektor entspricht. Bei der Projizierung werden Informationsinhalte, die aus betriebswirtschaftlicher Sicht unwichtig sind, unterdrückt, so dass eine Filterung des Wissensobjektes in betriebswirtschaftlicher Hinsicht erfolgt. Die betriebswirtschaftlichen Inhalte werden somit verdichtet und können so auf kompakte Weise übersichtlich mit einem betriebswirtschaftlichen Kennvektor dargestellt werden.
Mit dem erfindungsgemäßen Mustererkennungsautomat 16 wird der betriebswirtschaftliche Inhalt eines Wissensobjektes auf effiziente Weise automatisch gemessen. Die Sensitivität und die Übertragungsfunktion dieses Mustererkennungsautomaten 16 wird maßgeblich durch die Vorgabe der Basis beeinflusst und kann so in weiten Bereichen auf das jeweilige Problem, auf das es angewandt werden soll, maßgeschneidert werden. Fig. 2 zeigt einen erfindungsgemäßen Automaten 15 zur betriebswirtschaftlichen Kennzeichnung eines Prozessobjektes mit einer Datenverarbeitungsanlage 1, die mit einem Kennvektorgenerator 3 zur Generierung eines Kennvektors verbunden ist. Der Kennvektorgenerator 3 umfasst einen Filter 4 zur Ermittlung harter Informationselemente im Prozessobjekt, ein Projektionsmittel 8 zur Projektion des Prozessobjektes auf die Basis und einen Koordinatenvektorgenerator 9 zur Generierung des Koordinatenvektors des Prozessobjektes in Bezug auf die vorgegebene Basis, wobei der Koordinatenvektor aufgrund der nach betriebswirtschaftlichen Gesichtspunkten ausgewählten Basis ein betriebswirt- schaftlicher Kennvektor ist.
Die Datenverarbeitungsanlage 1 ist mit einem Referenzkennzahlgenerator 11 verbunden, mit dem eine Referenzkennzahl vergeben wird, die angibt, von wem das Prozessobjekt stammt. Die Referenzkennzahl gibt somit die Informationsquelle bzw. den Schöpfer des Prozessobjektes an.
Die Datenverarbeitungsanlage 1 ist darüber hinaus mit einem Ziel vektorgenerator 12 verbunden, mit dem das Ziel des Prozessobjektes vorgegeben wird. Ziel in diesem Sinne ist beispielsweise, ob es sich bei dem Prozessobjekt um einen Vertriebsprozess handelt. Der Zielvektor wird üblicherweise zusammen mit dem Anbieter des Prozessobjektes erstellt, kann jedoch auch zumindest teilweise automatisch durch Ermittlung bestimmter Kennzahlen teilweise automatisch erfolgen.
Die Datenverarbeitungsanlage 1 ist zudem mit einem Speicher zur Speicherung der Basis, des Prozessobjektes, des Bedarfvektors oder anderer Größen verbunden. Die Datenverarbeitungsanlage 1 ermittelt eine erste Kennzahl durch Korrelation des Zielvektors mit dem Kennvektor sowie eine zweite Kennzahl, die aus dem Kennvektor bestimmt wird. Die zweite Kennzahl wird mit Hilfe des Metrikbestimmungsmittels 6 bestimmt. Die zweite Kennzahl liefert Angaben über den Inhalt des Prozessobjektes. Die erste und die zweite Kennzahl kann mit Hilfe des Steuermittels 10 unter Berücksichtigung des BedarfVektors beeinflusst werden. Mit Hilfe der ersten und zweiten Kennzahl kann ein potentieller Käufer entscheiden, ob das Prozessobjekt für ihn relevant ist und er das Wissensprodukt kaufen möchte, ohne dass das Prozessobjekt vollständig offengelegt wird. Die beiden Kennzahlen werden mit Hilfe der Schnittstelle 7 an den potentiellen Käufer ausgegeben.
Ein ID-Generator 13 vergibt dem Wissensprodukt, welches aus dem Prozessobjekt entsteht, eine Identifikationszahl, so dass bei auftretenden Mängeln der Kauf des Wissensproduktes nachvollzogen bzw. korrigiert werden kann. Die Identifikationszahl verhindert auch einen unkontrollierten Weiterverkauf des Wissensproduktes.
Mit Hilfe eines Messkopfes 5 kann zum einen die Eingabe der Basis in den Speicher 2 erleichtert werden, zum anderen kann damit ein Bedarfsvektor, der den von einem potentiellen Empfänger des Wissensproduktes geäußerten Bedarf charakterisiert, erstellt werden. Mit Hilfe der Schnittstelle 7 wird die Kommunikation zwischen einem potentiellen Empfanger des Wissensproduktes bzw. dem Ersteller des Prozessobjektes hergestellt. Mit Hilfe eines Kennzahlengenerators 14 wird eine Vertrauenswürdigkeit des Wissensproduktes in der Weise quantifiziert, indem eine Korrelation zwischen dem Kennvektor und dem Zielvektor, d. h. dem vorgegebenen Ziel und der angegebenen Lösung, bestimmt wird.
Fig. 3 zeigt ein Flussdiagramm nach dem erfindungsgemäß eine betriebswirtschaftliche Kennzeichnung automatisch erfolgt. Hierbei wird zunächst der Inhalt des Prozessobjektes aufgenommen. Anschließend wird das von dem Prozessobjekt intentionierte Ziel aufgenommen. Durch Überprüfung der Übereinstimmung zwischen Ziel und Inhalt wird festgestellt, wie vertrauenswürdig das Prozessobjekt ist und eine optimale Kennzahl ermittelt. Ist das Prozessobjekt vertrauenswürdig, wird die Kennzahlfϊndung aus der Perspektive dominiert. Ist das Prozessobjekt wenig vertrauenswürdig, wird die Kennzahlfindung aus der Inhaltsperspektive dominiert. Vorteilhafterweise wird die zweite Kennzahl zusammen mit der ersten Kennzahl ausgegeben, so dass der potentielle Käufer neben dem Maß für den Inhalt auch ein Maß für die Vertrauenswürdigkeit erhält.
Fig. 4 zeigt ein Flussdiagramm zur Aufnahme des Ziels des Prozessobjektes am Beispiel eines Prozessobjektes aus dem Vertrieb gemäß der Erfindung. Hierbei wird zunächst gefragt, um welchen Prozesstyp es sich handelt. Falls ja, wird eine quantitative Kennzeichnung durchgeführt, wobei eine Ermittlung des Zieles durch den Titel des Prozessobjektes erfolgt. Bei einem Erstkauf sind relevante Informationselemente unter anderem Cash-flow. Bei Wiederholungskauf sind relevante Informationselemente unter anderem Customer equity. Bei einem Serienkauf sind relevante Informationselemente unter anderem Deckungsbeitrag.
Falls es sich um keinen Auftrageingangsprozess handelt, findet eine qualitative Kennzeichnung statt, indem das Ziel durch den Titel des Prozessobjektes ermittelt wird. Hierbei wird das Kooperationspotential, das Informationspotential und das Referenzpotential jeweils nach Information und Ausschöpfung ermittelt und damit Kooperationskennzahlen, Informationskennzahlen und Referenzkennzahlen festgelegt.
Fig. 5 zeigt ein Flussdiagramm zur Bestandsaufnahme des Inhalts des Prozessobjektes gemäß der Erfindung, wobei das Prozessobjekt zunächst nach objektiven Kriterien d.h. harte Informationselemente (hard parameter) durchsucht wird. Anschließend wird das Prozessobjekt nach quasi subjektiven Kriterien d.h. weiche Informationselemente (soft parameter) durchsucht. Sowohl die objektiven Kriterien wie auch quasi subjektiven Kriterien werden in der Bestandsaufnahme erfasst.
Fig. 6 zeigt ein Flussdiagramm zur Generierung des Kennvektors, wobei die Basis eine Datenbank von Fachbegriffen innerhalb des Programms darstellt und das Prozessobjekt mit den Elementen dieser Datenbank verglichen wird. Die Datenbank kann mit Hilfe eines digital interaktiven Messkopfes (Avatar) erstellt sein. Die Anzahl der positiven Korrelation bzw. Übereinstimmung zwischen den Elementen der Datenbank und dem Prozessobjekt werden gezählt und die Anzahl der Übereinstimmung wird als quantitativer Bestand im Kennvektor angeführt.
Fig. 7 zeigt ein Flussdiagramm zur Generierung des Kennvektors, wobei ein Vergleich auf Wortbasis zwischen dem Prozessobjekt und den Basisvektoren der Basis durchgeführt wird. Falls eine Übereinstimmung gefunden wird, wird eine statistische Auswertung durchgeführt, bei der beispielsweise die Anzahl der unterschiedlichen Treffer im Abgleich (Breite), die Anzahl der Wiederholung einzelner Treffer (Tiefe) festgestellt werden, um damit einen Abdeckungsgrad bzw. Verschiedenheitsgrad zwischen den Basisvektoren der Basis und dem Prozessobjekt zu ermitteln. Die Ergebnisse werden als quantitativer Bestand im Kennvektor angeführt.
Fig. 8 zeigt ein erfindungsgemäßes Flussdiagramm zur Ermittlung der optimalen Kennzahl aus einem Pool von Kennzahlen durch Prüfung der Vertrauenswürdigkeit des Prozessobjektes mit einer Schleife, die eine geeignete Kennzahl für das jeweilige Prozessobjekt aussucht. Dabei wird von einer ersten Kennzahl ausgegangen, die eine Abfrage der benötigten Daten startet. Anschließend wird das Prozessobjekt nach den benötigten Daten für diese Kennzahl durchsucht. Anschließend wird die Vertrauenswürdigkeit bestimmt, d. h. die Übereinstimmung zwischen dem Ziel des Prozessobjektes und dem Inhalt des Prozessobjektes festgestellt. Falls die Vertrauenswürdigkeit dieser Kennzahl bislang die höchste ist, wird die optimale Kennzahl als die aktuelle Kennzahl festgelegt. Anschließend wird die nächste Kennzahl geprüft. Ist die Vertrauenswürdigkeit der aktuellen Kennzahl geringer als eine vorherige, bleibt die vorherige Kennzahl die optimale Kennzahl und es wird eine nächste Kennzahl weitergeprüft.
In dem folgenden Fallbeispiel wird die Erfindung weiter illustriert: Mitarbeiter X arbeitet im Vertrieb des Unternehmen Y. Unternehmen Y ist Bestandteil des Konzerns XY. Die Managementleitung des Konzerns XY entschließt sich zur Einführung eines organisationsinternen Marktes im Konzern zur Aktivierung und optimalen Verteilung von Wissenspotentialen bei den Mitarbeitern. Alle Mitarbeiter werden mit einer funktionalen Anwendung zur Erstellung von marktfähigem Know-How ausgestattet.
Mitarbeiter X loggt sich nach Arbeitsbeginn direkt in seinen Arbeitsplatz ein. Automatisch wird seine Benutzeroberfläche aufgerufen, auf der Mitarbeiter X über Menüsteuerung oder direkte Eingabefelder („Buttons") Zugriff und Übersicht auf die allgemeine Benutzerumgebung des Konzerns und seine eigene Benutzerumgebung besitzt. Im Bereich der individuellen Benutzerumgebung des Mitarbeiters X finden sich bereits einige Wissensbausteine, die der Mitarbeiter X bislang produziert hat:
Mit Hilfe eines integrierten Avataren hat Mitarbeiter X sich oftmals selbst über seine Arbeit und strategische Vorgehensweise separiert nach Kundenarten (Neukunden, Stammkunden etc.) interviewen lassen. Die Ergebnisse sind in die individuelle Wissensbasis des Avataren integriert. Einige ihm vorliegende Dokumente wurden nach Schlüsselwörtern von einem intelligenten Agenten gefiltert. Die modifizierten Dokumente liegen ebenfalls auf seiner Benutzerumgebung. Mitarbeiter X hat verschiedene visuelle Dokumente (Statistiken, Präsentationen etc.) zu seiner Arbeit erstellt und in seine Benutzerumgebung eingestellt.
Fall i): Real-Time Erstellung von Prozessobjekten
Mitarbeiter X entschließt sich nun, ein Prozessobjekt als prozessuale Dokumentation seiner Arbeit zu erstellen. Grundlage ist ein neues Projekt zur Aquirierung eines Neukunden. Hierfür legt der Mitarbeiter X einen prozessualen Wissensbaustein in seiner Benutzerumgebung an und wählt mit Hilfe des integrierten sog. Prozess-Builders ein sog. Prozess-Map aus, das er zur Abbildung seines Arbeitsprozesses für geeignet hält. Die Ausgestaltung des Prozess-Map zu einem Prozessobjekt erfolgt sukzessiv im Verlauf des Projektes. Zunächst beginnt Mitarbeiter X mit dem Ausfüllen und Veredeln der ersten Objektschablone. Diese betitelt er und fügt seine von ihm zu vollziehenden Tätigkeitsschritte ein. Im Laufe seiner Arbeit in der ersten Phase ist er Problemen ausgesetzt, die er lösen muss. Seine Erfahrungen und Problemlösungsvorschläge bezieht er ebenso in die Ausgestaltung der ersten Objektschablone mit ein. Da in Benutzerumgebung visuelle Dokumente enthalten sind, die z.B. als Argumente für die Wahl seines Unternehmens sprechen, fügt er diese ebenfalls als zweite Veredelungsstufe mit ein, da er für diese Ausgestaltung einen recht hohen Preis auf dem organisationsinternen Markt erwartet.
Mitarbeiter X aktualisiert sein Prozessobjekt kontinuierlich bis zum Ende seines Projektes. Zum Abschluss fügt er noch die Oberfläche und Wissensbasis seines individuellen Avataren zum Thema „Neukunden" mit in das Prozessobjekt ein und erstellt über „Knopfdruck" ein marktfähiges Wissensprodukt, dass er auf dem organisationsinternen Markt handeln möchte. Der Automat fragt ihn zur Kennzeichnung des Wissensproduktes dabei nach Herkunft und Titel des Produktes, welchen er mit „Vertriebsprozess zur Aquirierung eines Neukunden" angibt. Anschließend wird der Mitarbeiter aufgefordert, eine Beschreibung des Inhaltes abzugeben und einen Maßstab für die Beurteilung der Effizienz des Produktes zu wählen. Hierbei wählt der Mitarbeiter X einen quantitativen Ansatz, der Kosten und Ertrag des Vertriebsprozesses gegenüberstellt. Abschließend fügt der Mitarbeiter X noch einen Screenshot als Preview für einen potentiellen Nachfrager ein. Nach erfolgter Fertigstellung des Dokuments, dass integrierte einzelne Datei im Sinne von Mitarbeiter X innerhalb der gleichen Anwendung zu lesen sei, stellt er sein Dokument in der organisationsinternen Auktionssoftware zur Versteigerung ein.
Fall ii): Ex-ante Erstellung von Prozessobjekten Mitarbeiter X entschließt sich, sein Wissen über Vertriebsprozesse, das er in jahrelanger Arbeit aufgebaut hat, organisationsintern zu vermarkten. Hierfür legt er mehrere prozessuale Wissensbausteine an, die er nach Art der Kunden unterteilt (z.B. Neukunden, Stammkunden etc.). Der Mitarbeiter X füllt nun sämtliche Objektschablonen der jeweiligen Prozessobjekte direkt aus und veredelt sie zu einen mit gesammelten oder produzierten Dokumenten aus seiner Benutzerumgebung und zum anderen mit der Einfügung eines Avataren und den zu den jeweiligen Prozessobjekten gehörenden Wissensbasen für den Avataren. Nach Fertigstellung per Knopfdruck und den bereits in Fall ii) beschriebene Kennzeichnungen stellt er seine Prozessobjekte im organisationsinternen Shop zum Verkauf ein.
Folgende beispielhafte Implementierung wird vorgeschlagen:
Die Benutzeroberfläche einer zu erstellenden Anwendung ist mit bestimmten Funktionen zu versehen, die sich als zweckmäßig für die Erreichung der Problemlösung erweisen. Zunächst muss die Möglichkeit bestehen, als individueller Benutzer identifiziert zu werden (persönliches Login). Dieses ist daher von Bedeutung, da zur Erstellung individuellen Know-Hows einen persönlich geschützten Nutzerbereich in Form einer Benutzerumgebung verwalten muss.
Nach Anwendung ergeben sich nun eine Reihe von Anforderungen. Zunächst ist die Anwendung mit einem Avatar auszustatten, der dem Benutzer bei der Produktion des Prozessobjektes behilflich ist. Die dem Avatar zugrundeliegenden Wissensbasen werden in unternehmensweite allgemeine und individualisierte Wissensbasen unterteilt. Während alle Mitarbeiter des Unternehmens auf die allgemeinen Wissensbasen zugreifen können, besitzt der angemeldete Benutzer ausschließliche Zugriffsrechte auf seine eigenen Wissensbasen. Der Automat muss in diesem Zusammenhang in der Lage sein zu erkennen, um welchen Nutzer es sich handelt und ihm automatisch die bislang aufgebauten Wissensbasen zuweisen können. Die Verwaltung der individuellen Wissensbausteine geschieht über den Benutzer selbst. Inhalt dieser persönlichen Wissensbausteine können z.B. jede Art von computergestützten Dokumenten sein, die entweder verknüpft oder isoliert verwaltet werden können. Der Benutzer muss im Rahmen des Programms bestimmte Dokumente aktivieren oder deaktivieren können, um bereits in Wissensprodukten verwendete Wissensinhalte kenntlich zu machen. Weiterhin dient diese Funktion der persönlichen Organisation ab Arbeitsplatz, falls bestimmte Dokumente vom Benutzer im Laufe der Zeit nicht mehr benötigt werden.
Weiterhin muss der Benutzer Wissensbausteine produzieren können. Hierbei müssen mehrere Möglichkeiten zur Produktion von Wissensbausteinen integriert werden. Zunächst kann eine vollautomatische Auswertung von neu eingestellten Dokumenten mit Hilfe von softwarebasierten Agenten mittels . künstlicher Intelligenz erfolgen. Werden die Aufgaben dieses im Hintergrund arbeitenden Agenten näher spezifiziert, analysiert der Automat eingestellte Dokumente auf relevante Informationen hin und legt diese in einem gesonderten Dokument innerhalb der persönlichen Benutzerumgebung als Wissensbaustein ab. Eine weitere Möglichkeit der Contentproduktion besteht in einem Selbstinterview, dass der Mitarbeiter mit dem Avataren führt. Persönliche Erfahrungen und Einschätzungen können so zu einem Bestandteil der eigenen Wissensbasis aufgebaut werden. Letztlich muss auch die Möglichkeit des extern geführten Interviews berücksichtigt werden. Die hier gewonnenen Wissensbausteine können dann anschließend nach Belieben in die individuelle Benutzerumgebung eingefügt werden.
Eine weitere Anforderung an die Ausgestaltung stellt die Möglichkeit der zusätzlichen Generierung von prozessualen Wissensbausteinen dar, die vom Benutzer beliebig angelegt werden können. Prozessuale Wissensbausteine bilden das Grundgerüst für marktfähige Wissensprodukte, da aus prozessualen Wissensbausteinen das letztlich auf organisationsinternen Märkten angebotene Wissensprodukt in Form von Prozessobjekten erstellt wird. Zur Anlage solcher prozessualen Wissensbausteine müssen insbesondere formale phasenorientierte „Objektschablonen" angeboten werden (Funktion des „Process Builder" als Konstruktionstool), die vom Benutzer beliebig ausfüllbar sind, um zu einer realen Abbildung des vom Benutzer erlebten Arbeitsprozesses zu kommen. Die ausgewählten Objektschablonen können nun mit beilegen Inhalt aus der sonstigen individuellen Benutzerumgebung ergänzt werden (z.B. in Form von vorher produzierten Wissensbausteinen), sodass eine Verknüpfung der einzelnen individuellen Wissensbausteine sichergestellt sein muss. Die benutzerdefinierte Generierung mindestens einer Objektschablone stellt dann die vorteilhafte Grundlage für die automatische Generierung eines Prozessobjektes dar.
Werden Objektschablonen ausgewählt, sollen vom Automat auch mehrere Möglichkeiten der zeitlichen Bearbeitung angeboten werden. Hierbei muss die Möglichkeit bestehen, die Ausfüllung der Objektschablonen während des laufenden Arbeitsprozesses zu betreiben (,,real-time"-Entwicklung). Dies impliziert, dass im Zeitablauf beliebig neue Objektschablonen an bestehende angehängt und ausgefüllt werden können. Ebenso sollte auch eine ex-ante Generierung zulässig sein, die erlaubt, den Arbeitsprozess aus dem Gedächtnis heraus zu kreieren.
Die Transformation der vom Benutzer definierten Objektschablonen mit beliebigen Inhalt zu einem marktfähigen Prozessobjekt geschieht mit Abschluss der digitalen Abbildung vom Benutzer gewünschten Inhalte vollautomatisch („content by click"). Die Software muss hier erstens der Lage sein, aus den ausgefüllten Objektschablonen mit ihren jeweiligen Verknüpfungen zu anderen Dokumenten innerhalb der Benutzerumgebung des Mitarbeiters eine integrierte und transferierbare Datei zu erstellen, die von jedem beliebigen Benutzer der gleichen Anwendung gelesen und ausgewertet werden kann. Zweitens muss sie ebenfalls, wenn vom Benutzer gewünscht, ein Dokument erstellen können, dass von jedem beliebigen Benutzer mit standardisierten Anwendung gelesen und ausgewertet werden kann. Letztlich zu berücksichtigen ist die Anonymisierung sensibler Informationsbestandteile (z.B. Firmenlogos bei Präsentationen, Rechnungsanschriften, -nummern bei Kundenkorrespondenz), die mit Erstellung der transferierbaren Datei automatisch durch Agenten durchgeführt wird.
Prozessobjekte können hinsichtlich ihrer qualitativen Güte variieren. Diese hängt im wesentlichen von der Ausgestaltung der Objektschablonen ab. Hier kann es zu mehreren Veredelungsstufen kommen. Auf einfachster Basis werden Objektschablonen in Form von eines graphischen „process map" einfach nur phasengerecht beschriftet und als „nacktes" Prozessobjekt angefertigt. Eine erste Veredlungsstufe besteht in der Beschreibung tatsächlich erfolgter Arbeitsinhalte (To Do 's) und Zuordnung zu den einzelnen bereits definierten Objektschablonen. In diesem Zusammenhang muss weiterhin die Möglichkeit bestehen, weitere phasenorientierte Objektschablonen auszufüllen und als Erklärung einer „Oberschablone" zu verwenden (hierarchischer Aufbau). Weitere Möglichkeiten einer ersten Veredelung bestehen im Einfügen von Memos oder der Beschreibung von möglichen Problemen und ihrer Lösung. Eine zweite Veredelungsstufe wird im der Verknüpfung einzelner Objektschablonen mit produzierten Dokumenten aus der eigenen Benutzerumgebung erreicht. Hierbei ist an die Hinzufügung von Schriftdokumenten, visuellen Statistiken, avatarbasierten Datenbanken zur Erklärung des Prozessobjektes, Bild-/Tondokumenten oder auch zweckmäßigen Datenbanken (z.B. Kundendatenbanken) in digitaler Form zu denken. Die zweite Veredelungsstufe ist somit nicht unmittelbar für die Verwendbarkeit des Prozessobjektes von Bedeutung, stiftet aber für einen Nachfrager einen potentiellen Zusatznutzen, der sich vor allem in der Höhe des zu transferieren Preises äußern wird.
Um eine Marktfähigkeit der Prozessobjekte zu garantieren, muss der Automat sowohl abfragetechnische als auch automatische Kennzeichnungen des Prozessobjektes vornehmen. Zu den abfragetechnischen benutzerdefinierten Kennzeichnungen gehören zum einen Herkunft (Name/Abteilung), Titel und Ziel des Prozessobjektes, zum anderen eine Effizienzkennzeichnung des Prozessobjektes, das einem potentiellen Nachfrager den Nutzen des zu erwerbenden Prozessobjektes verdeutlicht. Zur Effizienzkennzeichnung müssen sich dabei mehrere Formen anbieten können. Auf quantitativer Ebene ist die Angäbe einer Kenngröße von Vorteil, die dem Nachfrager eine Investitions- Rentabilitäts-Beziehung vor Augen hält (z.B. die allgemeine Kenngröße des „Return on Investment" ROI). Auf qualitativer Ebene eignet sich eine verbale Nutzenbeschreibung, aus der eindeutig geschlossen werden kann, inwieweit das angebotene Prozessobjekt einen Nutzen für den Nachfrager generiert. Die automatischen Kennzeichnungen des Prozessobjektes dienen der Verhinderung einer unzulässigen Weitervermarktung nach erfolgter Wissensaufhahme. In diesem Zusammenhang muss der Automat eine Transaktionsnummer codiert an das Prozessobjekt anheften, um Transaktionsverläufe zu einem späteren Zeitpunkt eindeutig zurückverfolgen zu können. Falls vom Anbieter gewünscht, müssen zusätzlich auch visuelle „Screenshots" des Prozessobjektes in die Kennzeichnung eingearbeitet werden können.
Ist die hier beschriebene vorteilhafte Erstellung eines Prozessobjektes abgeschlossen, kann sie in den organisationsinternen Marktprozess eingebunden werden. Die Bereitstellung einer Marktplattform kann dabei technisch durch die zweckmäßige Nutzung eines organisationsinternen Intranets erfolgen. Da alle Mitarbeiter einer Firma an dieses Intranet angeschlossen sind, kann von einer Transparenz aller Angebote innerhalb des Unternehmens ausgegangen werden. Als Oberfläche für organisationsinterne Marktprozesse eignen sich Standardanwendungen, die Shop- und Auktionsprozesse abbilden kann. Die erstellten Prozessobjekte werden in diese Oberflächen eingestellt.
Die Erfindung bezieht sich auf ein Messverfahren zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente, unter Verwendung einer elektronischen Datenverarbeitungsanlage 1, einem Speicher 2 und einem Kennvektorgenerator 3 zur Generierung des Kennvektors und umfasst einen Initiierungsschritt, bei dem eine Basis bestehend aus einer Vielzahl von Basisvektoren vorgegeben und in den Speicher 2 gegeben wird, und ein Projektionsschritt, bei dem der Kennvektorgenerator 3 das Wissensobjekt auf die Basisvektoren projiziert und dem betriebswirtschaftlichen Kennvektor als Koordinatenvektor in Bezug auf die Basis bestimmt, sowie einen zur Durchführung des Messverfahrens geeigneten Mustererkennungsautomaten 16. Weiterhin bezieht sich die Erfindung auf ein Verfahren zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes, wobei dem Wissensobjekt mindestens eine Referenzkennzahl, mindestens ein betriebswirtschaftlicher Kennvektor, und mindestens ein betriebswirtschaftlicher Zielvektor zugeordnet wird, und wobei der betriebswirtschaftliche Kennvektor unter Berücksichtigung weicher Informationselemente des Wissensobjektes automatisch bestimmt wird, insbesondere nach dem erfindungsgemäßen Messverfahren, sowie einen zur Durchführung des erfindungsgemäßen Verfahrens geeigneten Automaten 15. Die Erfindung zeichnet sich dadurch aus, dass Informationen, insbesondere Informationen innerhalb eines Unternehmens, automatisch auf transparente Weise zur Verfügung gestellt werden können, so dass diese Informationen als Wissensprodukt austauschbar und handelbar sind.
Bezugszeichenliste
Datenverarbeitungsanlage
Speicher
Kennvektorgenerator
Filter
Messkopf
Metrikbestimmungsmittel
Schnittstelle
Projektionsmittel
Koordinatenvektorgenerator
Steuermittel
Referenzkennzahlgenerator
Zielvektorgenerator
ID - Generator
Kennzahlgenerator
Automat
Mustererkennungsautomat

Claims

Patentansprüche
1. Messverfahren zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente, unter Verwendung einer elektronischen Datenverarbeitungsanlage (1), mit einem Speicher (2) und einem Kennvektorgenerator (3) zur Generierung des Kennvektors, umfassend einen Initiierungsschritt, bei dem eine Basis bestehend aus einer Vielzahl von Basisvektoren vorgegeben und in den Speicher (2) gegeben wird; einen Projektionsschritt, bei dem der Kennvektorgenerator (3) das Wissensobjekt auf die Basisvektoren projiziert und den betriebswirtschaftlichen Kennvektor als Koordinatenvektor in Bezug auf die Basis bestimmt.
2. Messverfahren nach Anspruch 1, dadurch gekennzeichnet, dass ein Filter (4) die Häufigkeit harter Informationselemente im Wissensobjekt ermittelt und der Kennvektorgenerator (3) diese Häufigkeit bei der Bestimmung des Kennvektors berücksichtigt.
3. Messverfahren nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass die Basis und/oder das Wissensobjekt zumindest teilweise mit Hilfe eines digitalen, insbesondere interaktiv digitalen, Messkopfes (5) erstellt wird.
4. Messverfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass der Kennvektorgenerator (3) eine Korrelation der Basis mit dem Wissensobjekt durchfuhrt.
5. Messverfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Kennvektorgenerator (3) einen Wortvergleich zwischen dem Wissensobjekt und der Basis durchführt.
6. Messverfahren nach Anspruch 4 oder 5, dadurch gekennzeichnet, dass der Kennvektorgenerator (3) eine mit einer Gewichtungsfunktion gewichtete Korrelation der Basis mit dem Wissensobjekt durchführt.
7. Messverfahren nach einem der Ansprüche 4 bis 6, dadurch gekennzeichnet, dass der Kennvektorgenerator (3) eine Korrelationsdichte bestimmt.
8. Verfahren zur automatischen betriebswirtschaflichen Kennzeichnung eines Wissensobjektes, wobei dem Wissensobjekt - mindestens eine Referenzkennzahl, mindestens ein betriebswirtschaftlicher Kennvektor, und mindestens ein betriebswirtschaftlicher Zielvektor zugeordnet wird, und wobei der betriebwirtschaftliche Kennvektor unter Berücksichtigung weicher Informationselemente des Wissensobjektes automatisch bestimmt wird, insbesondere nach einem Messverfahren nach einem der Ansprüche 1 bis 7.
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, dass eine betriebswirtschaftliche erste Kennzahl aus dem Kennvektor und dem Zielvektor gebildet wird, indem der Kennvektor und der Zielvektor korreliert werden.
10. Verfahren nach Anspruch 8 oder 9, dadurch gekennzeichnet, dass ein Metrikbestimmungsmittel (6) eine Metrik des Kennvektors als eine betriebswirtschaftliche zweite Kennzahl bestimmt.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass das Metrikbestimmungsmittel (6) die Länge des Kennvektors bestimmt.
12. Verfahren nach einem der Ansprüche 10 oder 11, dadurch gekennzeichnet, dass das Metrikbestimmungsmittel (6) die Anzahl der Einträge im Kennvektor bestimmt, die jeweils in einem vorgebaren Intervall liegen.
13. Verfahren nach einem der vorherigen Ansprüche 8 bis 12, dadurch gekennzeichnet, dass der Zielvektor Einträge zur quantitativen und qualitativen Kennzeichnung des Wissensobjektes aufweist.
14. Verfahren nach einem der vorherigen Ansprüche 8 bis 13, dadurch gekennzeichnet, dass dem Wissensobjekt eine Identifikationskennzahl automatisch vergeben wird.
15. Verfahren nach einem der vorherigen Ansprüche 8 bis 14, dadurch gekennzeichnet, dass die erste Kennzahl und/oder die zweite Kennzahl in Abhängigkeit eines BedarfVektors bestimmt wird.
16. Mustererkennungsautomat (16) zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes unter Berücksichtigung weicher Informationselemente, insbesondere unter Verwendung eines Messverfahren nach einem der Ansprüche 1 bis 7, umfassend - eine elektronische Datenverarbeitungsanlage (1), eine Schnittstelle (7) zur Aufnahme einer Basis bestehend aus einer Vielzahl von Basisvektoren und zur Aufnahme des Wissensobj ektes, einen Speicher (2) zur Speicherung der Basis, und - einen Kennvektorgenerator (3) zur Generierung des Kennvektors, wobei der Kennvektorgenerator (3) ein Projektionsmittel (8) zur Projektion des Wissensobjektes auf die Basisvektoren und ein Koordinatenvektorgenerator (9) zur Bestimmung des betriebswirtschaftlichen Kennvektors als Koordinatenvektor in Bezug auf die Basis aufweist.
17. Mustererkennungsautomat (16) nach Anspruch 16, gekennzeichnet durch einen Filter (4) zur Ermittlung der Häufigkeit harter Informationselemente im Wissensobjekt.
18. Mustererkennungsautomat (16) nach Anspruch 16 oder 17, gekennzeichnet durch einen digitalen, insbesondere interaktiv digitalen, Messkopf (5) zur zumindest teilweisen Erstellung der Basis und/oder Eingabe des Wissensobjektes.
19. Mustererkennungsautomat (16) nach einem der Ansprüche 16 bis 18, dadurch gekennzeichnet, dass der Kennvektorgenerator (3) einen Korrelator aufweist.
20. Mustererkennungsautomat (16) nach einem der Ansprüche 16 bis 19, gekennzeichnet durch ein Steuermittel (10) zur Bestimmung der ersten Kennzahl und/oder der zweiten Kennzahl in Abhängigkeit eines BedarfVektors.
21. Automat (15) zur automatischen betriebswirtschaflichen Kennzeichnung eines Wissensobjektes, insbesondere unter Verwendung eines Mustererkennungsautomaten (16) wie in den Ansprüchen 16 bis 20 definiert, umfassend eine Datenverarbeitungsanlage (1), - eine Schnittstelle (7) zur Aufnahme einer Basis bestehend aus einer Vielzahl von Basisvektoren und zur Aufnahme des Wissensobj ektes, einen Speicher (2) zur Speicherung der Basis, einen Kennvektorgenerator (3) zur automatischen Generierung eines Kennvektors, einen Referenzkennzahlgenerator (11) zur Vergabe einer Referenzkennzahl des Wissensobj ektes, und einen Zielvektorgenerator (12) zur Vergabe eines Zielvektors des Wissensobjektes, wobei der Kennvektorgenerator (3) ein Projektionsmittel (8) zur automatischen Projektion des Wissensobjektes auf die Basisvektoren und ein Koordinatenvektorgenerator (9) zur automatischen Bestimmung des betriebswirtschaftlichen Kennvektors als Koordinatenvektor in Bezug auf die Basis aufweist.
22. Automat (15) nach Anspruch 21, gekennzeichnet durch einen Kennzahlgenerator (14) zur Bildung einer betriebswirtschaftlichen ersten Kennzahl durch Korrelation des Kennvektors mit dem Zielvektor.
23. Automat (15) nach Anspruch 21 oder 22, gekennzeichnet durch ein Metrikbestimmungsmittel (6) zur Bestimmung einer Metrik des Kennvektors als eine betriebswirtschaftliche zweite Kennzahl.
24. Automat (15) nach einem der Ansprüche 21 bis 23, gekennzeichnet durch einen ID - Generator (13) zur automatischen Vergabe einer Identifikationskennzahl.
25. Automat (15) nach einem der Ansprüche 21 bis 24, gekennzeichnet durch ein Steuermittel (10) zur Bestimmung der ersten Kennzahl und/oder der zweiten Kennzahl in Abhängigkeit eines BedarfVektors.
PCT/EP2003/008512 2003-08-01 2003-08-01 Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes WO2005022422A2 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
AU2003258556A AU2003258556A1 (en) 2003-08-01 2003-08-01 Measuring method and pattern recognition machine for identifying a vector characteristic of business management of a subject of knowledge and method and machine for automatically characterizing a subject of knowledge from the point of view of business management
PCT/EP2003/008512 WO2005022422A2 (de) 2003-08-01 2003-08-01 Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes
US11/344,817 US20060129975A1 (en) 2003-08-01 2006-02-01 Measuring method and automatic pattern recognition system for determining a business management related characteristic vector of a knowledge object and method and automatic system for the automatic business management related characterization of a knowledge object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2003/008512 WO2005022422A2 (de) 2003-08-01 2003-08-01 Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US11/344,817 Continuation US20060129975A1 (en) 2003-08-01 2006-02-01 Measuring method and automatic pattern recognition system for determining a business management related characteristic vector of a knowledge object and method and automatic system for the automatic business management related characterization of a knowledge object

Publications (1)

Publication Number Publication Date
WO2005022422A2 true WO2005022422A2 (de) 2005-03-10

Family

ID=34259094

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2003/008512 WO2005022422A2 (de) 2003-08-01 2003-08-01 Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes

Country Status (3)

Country Link
US (1) US20060129975A1 (de)
AU (1) AU2003258556A1 (de)
WO (1) WO2005022422A2 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116049893A (zh) * 2023-02-17 2023-05-02 何宁 一种应对云服务的敏感软件大数据处理方法及服务器

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8560482B2 (en) * 2009-12-07 2013-10-15 Alphaport, Inc. Avatar-based technical networking system
US11093557B2 (en) * 2016-08-29 2021-08-17 Zoominfo Apollo Llc Keyword and business tag extraction
US10650621B1 (en) 2016-09-13 2020-05-12 Iocurrents, Inc. Interfacing with a vehicular controller area network
CN108154401B (zh) * 2018-01-15 2022-03-29 阿里巴巴（中国）有限公司 用户画像刻画方法、装置、介质和计算设备
US11526750B2 (en) 2018-10-29 2022-12-13 Zoominfo Apollo Llc Automated industry classification with deep learning
US11232111B2 (en) 2019-04-14 2022-01-25 Zoominfo Apollo Llc Automated company matching

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6253202B1 (en) * 1998-09-18 2001-06-26 Tacit Knowledge Systems, Inc. Method, system and apparatus for authorizing access by a first user to a knowledge profile of a second user responsive to an access request from the first user
US7092857B1 (en) * 1999-05-24 2006-08-15 Ipcentury Ag Neural network for computer-aided knowledge management
US7065416B2 (en) * 2001-08-29 2006-06-20 Microsoft Corporation System and methods for providing automatic classification of media entities according to melodic movement properties

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116049893A (zh) * 2023-02-17 2023-05-02 何宁 一种应对云服务的敏感软件大数据处理方法及服务器
CN116049893B (zh) * 2023-02-17 2023-12-22 飞渡航天科技有限公司 一种应对云服务的敏感软件大数据处理方法及服务器

Also Published As

Publication number Publication date
AU2003258556A1 (en) 2005-03-16
US20060129975A1 (en) 2006-06-15

Similar Documents

Publication Publication Date Title
DE3855706T2 (de) Automatisierte Rechnung von Materialien
DE69831777T2 (de) Framework zur finanziellen Integration von Geschäftsapplikationen
WO2000011581A1 (de) Verfahren zur fortschrittlichen mengenorientierten kostenzuweisung unter verwendung verschiedener informationsquellen
DE10251441A1 (de) Erzeugen einer Risikoabschätzung bezüglich eines Softwareimplementierungsprojektes
DE10052214A1 (de) Verfahren und System zur Durchführung von Ausschreibungen
EP1403793A1 (de) Verfahren zur automatischen integrierten Belegablage bei der Protokollierung von Geschäftsvorfällen
DE10297684T5 (de) System zur Unterstützung der Verbesserung des Geschäftsgewinns
DE10308967A1 (de) Erzeugung eines optimierten Zulieferer-Zuweisungsplans
DE102009019319A1 (de) Verfahren zur Erzeugung mindestens einer Anwendungsbeschreibung
DE112008001066T5 (de) Verfahren und System zur Bereitstellung eines virtuellen Stellenmarktes
DE10043860A1 (de) Verfahren und Vorrichtung zum Durchführen einer elektronischen Auktion in einem Kommunikationsnetz
WO2005022422A2 (de) Messverfahren und mustererkennungsautomat zur bestimmung eines betriebswirtschaftlichen kennvektors eines wissensobjektes sowie verfahren und automat zur automatischen betriebswirtschaftlichen kennzeichnung eines wissensobjektes
DE102021202110A1 (de) Herstellungs- und verkaufsstrategie- planungsverfahren und -vorrichtung
DE10239293A1 (de) Dynamische Preisgestaltung in einem unausgeglichenen Markt
DE69911208T2 (de) System zur simulation eines geschäftsprozesses
DE10129826A1 (de) Verfahren zur selbständigen Regulierung von Werten einer P-Skala unter Zuhilfenahme eines Gerätes zur Feststellung von Angebot und Nachfrage von menschlichen Fähigkeiten und Kenntnissen
DE10216369A1 (de) Messverfahren und Mustererkennungsautomat zur Bestimmung eines betriebswirtschaftlichen Kennvektors eines Wissensobjektes sowie Verfahren und Automat zur automatischen betriebswirtschaftlichen Kennzeichnung eines Wissensobjektes
DE102014006951A1 (de) Verfahren und Vorrichtung zum Aufbau von Kommunikation
EP1227454B1 (de) Verfahren zur Zusammenstellung eines Testes mit Hilfe einer Datenverarbeitungsanlage
DE10234004A1 (de) Verfahren und System zur Abwicklung von Bestellvorgängen
EP1376402A2 (de) System zur Visualisierung eines Portfolios
EP1542431B1 (de) Verfahren und Web-basiertes Kommunikationssystem zum Führen eines Benutzers zu wenigstens einem Produkt
Lonnemann Assessment of decision criteria for SAP S/4HANA deployment options and design of a decision model
DE10060177A1 (de) Verfahren und Datenverarbeitungssystem zum wissensbasierten Beraten, Managen und/oder Steuern eines Geschäftsprozesses
EP1283488A1 (de) Computerbasiertes Verfahren zum Bestimmen von erwarteten Renditen von Anlageportfolios, Datenverarbeitungssystem, Serversystem und Clientsystem zum Durchführen dieses Verfahrens und Computerprogrammprodukt zur Durchführung des Verfahrens

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): GH GM KE LS MW MZ SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LU MC NL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 11344817

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 11344817

Country of ref document: US

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: COMMUNICATION UNDER RULE 69 EPC (EPO FORM 1205A, DATED 09.06.2006)

122 Ep: pct application non-entry in european phase
NENP Non-entry into the national phase

Ref country code: JP