Ontologiebasierte Kompetenzmanagementsysteme (12.8 MB)
Ontologiebasierte Kompetenzmanagementsysteme (12.8 MB)
Ontologiebasierte Kompetenzmanagementsysteme (12.8 MB)
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Zelewski, S.; Alan, Y.; Alparslan, A.; Dittmann, L.; Weichelt, T. (Hrsg.):<br />
<strong>Ontologiebasierte</strong><br />
<strong>Kompetenzmanagementsysteme</strong><br />
Grundlagen, Konzepte, Anwendungen
Inhaltsübersicht<br />
Vorwort<br />
zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 1<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
1 Grundlagen 33<br />
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken –<br />
Einführung in das B<strong>MB</strong>F-Projekt KOWIEN 33<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
1.2 <strong>Kompetenzmanagementsysteme</strong> 77<br />
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> –<br />
Begriff, Funktionen und Problemfelder<br />
DIPL.-KFM. ADEM ALPARSLAN<br />
77<br />
1.2.2 Das Kompetenzmanagementsystem<br />
bei Roland Berger Strategy Consultants<br />
DIPL.-KFM. ADEM ALPARSLAN, DIPL.-KFM. YILMAZ ALAN, KAI ENGELMANN<br />
89<br />
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
für die Karl Schumacher Maschinenbau GmbH<br />
DIPL.-KFM. MARIANNE SCHUMACHER, DIPL.-KFM. STEFAN ZUG<br />
101<br />
1.3 Ontologien 115<br />
1.3.1 Einführung in das Themenfeld „Ontologien“<br />
aus informations- und betriebswirtschaftlicher Perspektive<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
115<br />
1.3.2 Präzisierung des<br />
Ontologieverständnisses für das Projekt KOWIEN<br />
DIPL.-KFM. YILMAZ ALAN, UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
229<br />
1.4 Vorgehensmodelle zur Konstruktion von Ontologien –<br />
Eine darstellende Untersuchung 277<br />
DIPL.-ING. LARS DITTMANN<br />
2 Konzepte 321<br />
2.1 Anforderungsspezifikation für ein<br />
computerbasiertes Kompetenzmanagementsystem 321<br />
DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER,<br />
DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-ING. LARS DITTMANN<br />
2.2 Architektur des KOWIEN-Prototyps 353<br />
DIPL.-KFM. ADEM ALPARSLAN, DIPL.-INF. CHRISTOF BÄUMGEN,<br />
DIPL.-PHYS. ROGER HÜBBERS
ii Inhaltsübersicht<br />
2.3 Systematisches Vorgehen zur Konstruktion<br />
und Nutzung ontologiebasierter <strong>Kompetenzmanagementsysteme</strong> 361<br />
2.3.1 Vorgehensweisen zur Einführung eines<br />
Kompetenzmanagementsystems in kleinen und mittelgroßen Unternehmen<br />
DR.-ING. HANS MEIER<br />
361<br />
2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
DIPL.-ING. LARS DITTMANN<br />
373<br />
2.4 Generische Kompetenzontologie<br />
für computerbasierte <strong>Kompetenzmanagementsysteme</strong> 429<br />
DIPL.-KFM. YILMAZ ALAN, UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
2.5 Unterstützung für computerbasierte<br />
<strong>Kompetenzmanagementsysteme</strong> durch Techniken des Operations Research 537<br />
DIPL.-KFM. MALTE L. PETERS, UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
3 Anwendungen 571<br />
3.1 Informationstechnische Implementierung der<br />
Konzepte für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> 571<br />
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-PHYS. ROGER HÜBBERS<br />
571<br />
3.1.2 Die KOWIEN-E-Learning-Anwendung<br />
DIPL.-WIRT.-INF. THOMAS WEICHELT<br />
597<br />
3.2 Exemplarische Umsetzungen der Konzepte<br />
für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> 613<br />
3.2.1 Szenario “Product Engineering” –<br />
Praktischer Einsatz des KOWIEN-Vorgehensmodells<br />
bei der Karl Schumacher Maschinenbau GmbH 613<br />
DIPL.-KFM. MARIANNE SCHUMACHER, DIPL.-KFM. STEFAN ZUG<br />
3.2.2 Szenario “Service Engineering” –<br />
Konstruktion einer Kompetenzontologie für<br />
die Deutsche Montan Technologie GmbH 625<br />
DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER,<br />
DIPL.-ING. LARS DITTMANN<br />
Autorenverzeichnis 709<br />
Literaturverzeichnis 711
Inhaltsverzeichnis<br />
(im Interesse der Übersichtlichkeit nur bis zur 6. Gliederungsebene)<br />
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN .............1<br />
A Überblick über das Verbundprojekt:<br />
Kooperatives Wissensmanagement in Engineering-Netzwerken ...............................................1<br />
B Gegenstand des Verbundprojekts................................................................................................2<br />
C Partner des Verbundprojekts und Zusammenarbeit mit externen Stakeholdern.........................9<br />
D Wissenschaftlicher und technischer Stand zu Beginn und Ende des Verbundprojekts ............13<br />
E Projektergebnisse ......................................................................................................................15<br />
F Veröffentlichungen aus dem Verbundprojekt KOWIEN..........................................................22<br />
G Danksagungen...........................................................................................................................30<br />
1 Grundlagen.............................................................................................................................33<br />
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken –<br />
Einführung in das B<strong>MB</strong>F-Projekt KOWIEN............................................33<br />
1.1.1 Zwei Gestaltungsansätze für betriebliches Wissensmanagement...............................33<br />
1.1.2 Typische Kooperationsbarrieren für Wissensmanagement in Netzwerken................39<br />
1.1.3 Anwendungskontexte für computerbasiertes Wissensmanagement<br />
zur Überwindung von Kooperationsbarrieren in Engineering-Netzwerken ...............58<br />
1.2 <strong>Kompetenzmanagementsysteme</strong> ....................................................................77<br />
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> –<br />
Begriff, Funktionen und Problemfelder .................................................................77<br />
1.2.1.1 Begriff.........................................................................................................................77<br />
1.2.1.2 Funktionen computerbasierter <strong>Kompetenzmanagementsysteme</strong>................................80<br />
1.2.1.2.1 Verwalten von Wissen über Kompetenzen<br />
auf der Grundlage von Kompetenzprofilen ................................................................80<br />
1.2.1.2.2 Erfassen von Wissen über Kompetenzen....................................................................81<br />
1.2.1.2.3 Zweckbezogene Anwendung des Wissens über Kompetenzen..................................83<br />
1.2.1.3 Problemfelder..............................................................................................................85<br />
1.2.2 Das Kompetenzmanagementsystem<br />
bei Roland Berger Strategy Consultants ................................................................89<br />
1.2.2.1 Bedarf für <strong>Kompetenzmanagementsysteme</strong> in der Unternehmensberatung...............89<br />
1.2.2.2 Überblick über Roland Berger Strategy Consultants..................................................90<br />
1.2.2.3 Das computerbasierte Wissensmanagementsystem BRAIN ......................................91<br />
1.2.2.4 Vorgehensweise bei der Einführung von BRAIN ......................................................94<br />
1.2.2.5 Organisatorische Verankerung von BRAIN ...............................................................97<br />
1.2.2.6 Kritische Faktoren für den Erfolg von BRAIN...........................................................98
iv Inhaltsverzeichnis<br />
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
für die Karl Schumacher Maschinenbau GmbH.................................................101<br />
1.2.3.1 Einleitung..................................................................................................................101<br />
1.2.3.2 Karl Schumacher Maschinenbau GmbH – ein Unternehmensporträt ......................101<br />
1.2.3.3 Kompetenzmanagement als Rahmenbedingung der Qualitätssicherung..................102<br />
1.2.3.4 Vereinigung der individuellen und organisationalen Kompetenzen.........................105<br />
1.2.3.4.1 Die Bedeutung der individuellen Kompetenzen.......................................................105<br />
1.2.3.4.2 Die Bedeutung der organisationalen Kompetenzen..................................................108<br />
1.2.3.5 Kompetenzmanagement – ein System mit Zukunft..................................................112<br />
1.3 Ontologien ............................................................................................................115<br />
1.3.1 Einführung in das Themenfeld „Ontologien“<br />
aus informations- und betriebswirtschaftlicher Perspektive..............................115<br />
1.3.1.1 Wissenschaftlicher Hintergrund von Ontologien .....................................................115<br />
1.3.1.1.1 Eine Skizze des wissenschaftlichen Interesses an Ontologien .................................115<br />
1.3.1.1.2 Relevanz von Ontologien für Aufgaben des Wissensmanagements ........................133<br />
1.3.1.1.3 Konkretisierung des Ontologieverständnisses..........................................................141<br />
1.3.1.2 Exemplarische Realisierungen von Ontologien........................................................171<br />
1.3.1.3 Abgrenzung von verwandten Themenfeldern...........................................................189<br />
1.3.1.4 Erkenntnistheoretische Probleme von Ontologien ) ...................................................208<br />
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN ..............229<br />
1.3.2.1 Rahmensetzung.........................................................................................................229<br />
1.3.2.2 Syntaktische Aspekte von Ontologien......................................................................230<br />
1.3.2.2.1 Ontologische Signaturen...........................................................................................230<br />
1.3.2.2.2 Ausdrücke über ontologischen Signaturen ...............................................................241<br />
1.3.2.3 Semantische Aspekte von Ontologien ......................................................................245<br />
1.3.2.3.1 Strukturen zu ontologischen Signaturen...................................................................245<br />
1.3.2.3.2 Auswertung von Ausdrücken über ontologischen Signaturen..................................249<br />
1.3.2.3.3 Bezeichnungs- und Definitionsfunktionen ...............................................................254<br />
1.3.2.4 Ontologien ................................................................................................................266<br />
1.3.2.5 Kritische Würdigung.................................................................................................274<br />
1.4 Vorgehensmodelle zur Konstruktion von Ontologien –<br />
Eine darstellende Untersuchung ..................................................................277<br />
1.4.1 Arten von Vorgehensmodellen .................................................................................277<br />
1.4.2 Vorgehensmodelle des Software Engineerings ........................................................278<br />
1.4.2.1 Einführung ................................................................................................................278<br />
1.4.2.2 Ausgewählte Ansätze des Software Engineerings....................................................279<br />
1.4.2.2.1 Das sequentielle Software-Life-Cycle-Modell .........................................................279<br />
1.4.2.2.2 Das Wasserfall-Modell .............................................................................................281<br />
1.4.2.2.3 Das prototypbasierte Software-Life-Cycle-Modell ..................................................282<br />
1.4.2.2.4 Das Spiral-Modell.....................................................................................................283<br />
1.4.2.3 Zusammenfassende Gegenüberstellung....................................................................284<br />
1.4.3 Vorgehensmodelle des Knowledge Engineerings ....................................................287<br />
1.4.3.1 Einführung ................................................................................................................287
Inhaltsverzeichnis v<br />
1.4.3.2 Ausgewählte Ansätze des Knowledge Engineerings................................................287<br />
1.4.3.2.1 Prototyp-Ansatz ........................................................................................................287<br />
1.4.3.2.2 Modellbasierter Ansatz .............................................................................................289<br />
1.4.3.3 Zusammenfassende Gegenüberstellung....................................................................291<br />
1.4.4 Vorgehensmodelle des Ontology Engineerings........................................................292<br />
1.4.4.1 Einführung ................................................................................................................292<br />
1.4.4.2 Anforderungen ..........................................................................................................292<br />
1.4.4.2.1 Generizität.................................................................................................................293<br />
1.4.4.2.2 Anwendungsbezogenheit ..........................................................................................293<br />
1.4.4.2.3 Vollständigkeit..........................................................................................................293<br />
1.4.4.2.4 Dokumentation..........................................................................................................294<br />
1.4.4.2.5 Einfachheit ................................................................................................................294<br />
1.4.4.2.6 Klarheit .....................................................................................................................295<br />
1.4.4.2.7 Werkzeugunterstützung ............................................................................................295<br />
1.4.4.3 Umsetzung der Anforderungen.................................................................................296<br />
1.4.4.4 Ausgewählte Ansätze des Ontology Engineerings ...................................................296<br />
1.4.4.4.1 IDEF5-Ansatz ...........................................................................................................297<br />
1.4.4.4.2 Enterprise-Model-Ansatz..........................................................................................299<br />
1.4.4.4.3 TOVE-Ansatz ...........................................................................................................300<br />
1.4.4.4.4 METHONTOLOGY.................................................................................................302<br />
1.4.4.4.5 On-To-Knowledge-Ansatz........................................................................................304<br />
1.4.4.4.6 Kollaborativer Ansatz ...............................................................................................307<br />
1.4.4.5 Evaluation der Ansätze .............................................................................................308<br />
1.4.4.5.1 Generizität.................................................................................................................309<br />
1.4.4.5.2 Anwendungsbezogenheit ..........................................................................................309<br />
1.4.4.5.3 Dokumentation..........................................................................................................311<br />
1.4.4.5.4 Einfachheit ................................................................................................................311<br />
1.4.4.5.5 Klarheit .....................................................................................................................313<br />
1.4.4.5.6 Werkzeugunterstützung ............................................................................................313<br />
1.4.4.6 Zusammenfassung der Analyseergebnisse ...............................................................315<br />
1.4.4.7 Vorgehensmodelle mit spezifischem Teilfokus Ontologien.....................................316<br />
1.4.4.7.1 SENSUS....................................................................................................................316<br />
1.4.4.7.2 ONIONS ...................................................................................................................317<br />
1.4.4.7.3 ONTOCLEAN ..........................................................................................................318<br />
1.4.4.7.4 MENELAS................................................................................................................318<br />
1.4.5 Schlussbemerkung ....................................................................................................319<br />
2 Konzepte.................................................................................................................................321<br />
2.1 Anforderungsspezifikation für ein<br />
computerbasiertes Kompetenzmanagementsystem...............................321<br />
2.1.1 Aufbau der Anforderungsspezifikation.....................................................................321<br />
2.1.2 Ausgangssituation bei der DMT GmbH ...................................................................322<br />
2.1.3 Gegenstand der Ontologie.........................................................................................324<br />
2.1.3.1 Domäne.....................................................................................................................324<br />
2.1.3.2 Ziele der Ontologieentwicklung ...............................................................................324<br />
2.1.3.3 Formulierung der Anforderungen an die Ontologie .................................................325
vi Inhaltsverzeichnis<br />
2.1.4 Umfeld der Ontologie ...............................................................................................325<br />
2.1.4.1 Anwendungsbereiche und Benutzer .........................................................................325<br />
2.1.4.2 Technisches Umfeld .................................................................................................326<br />
2.1.5 Anwendungsfälle ......................................................................................................327<br />
2.1.5.1 Anwendungsfallmodell.............................................................................................327<br />
2.1.5.2 Akteure......................................................................................................................328<br />
2.1.5.3 Konkrete Anwendungsfälle ......................................................................................330<br />
2.1.5.3.1 Anwendungsfall 1: Kompetenzontologie pflegen ....................................................330<br />
2.1.5.3.2 Anwendungsfall 2: Kompetenzprofile pflegen.........................................................331<br />
2.1.5.3.3 Anwendungsfall 3: Eigene Kompetenzen beschreiben ............................................331<br />
2.1.5.3.4 Anwendungsfall 4: Kompetenzinformationen<br />
aus Bewerbungen strukturiert erfassen.....................................................................332<br />
2.1.5.3.5 Anwendungsfall 5: Kompetenzträger suchen...........................................................333<br />
2.1.5.3.6 Anwendungsfall 6: Projektteam bilden.....................................................................334<br />
2.1.5.3.7 Anwendungsfall 7: Stelle besetzen / Personal rekrutieren........................................335<br />
2.1.5.3.8 Anwendungsfall 8: Skill-Gaps ermitteln ..................................................................336<br />
2.1.5.3.9 Anwendungsfall 9: Informationsnetz analysieren ....................................................337<br />
2.1.5.3.10 Anwendungsfall 10: Details zu einem Mitarbeiter anzeigen lassen.........................339<br />
2.1.5.3.11 Anwendungsfall 11: Details zu einem Begriff anzeigen lassen ...............................339<br />
2.1.5.3.12 Anwendungsfall 12: Details zu einem Projekt anzeigen lassen ...............................340<br />
2.1.6 Anforderungen: Katalog von Gütekriterien..............................................................341<br />
2.1.6.1 Klarheit .....................................................................................................................342<br />
2.1.6.2 Einfachheit................................................................................................................343<br />
2.1.6.3 Erweiterbarkeit..........................................................................................................343<br />
2.1.6.4 Funktionale Vollständigkeit......................................................................................344<br />
2.1.6.5 Wiederverwendbarkeit..............................................................................................345<br />
2.1.6.6 Minimalität................................................................................................................346<br />
2.1.6.7 Konsistenz.................................................................................................................347<br />
2.1.6.8 Spracheignung ..........................................................................................................348<br />
2.1.6.9 Richtigkeit der Sprachanwendung............................................................................349<br />
2.1.7 Entwicklungsrahmenbedingungen............................................................................351<br />
2.2 Architektur des KOWIEN-Prototyps.........................................................353<br />
2.2.1 Einführung ................................................................................................................353<br />
2.2.2 Komponenten des KOWIEN-Prototyps....................................................................354<br />
2.2.2.1 Allgemeiner Überblick über die Komponenten........................................................354<br />
2.2.2.2 Spezifische Darstellung einzelner Komponenten.....................................................355<br />
2.2.2.2.1 Ontologien ................................................................................................................355<br />
2.2.2.2.2 Wissensbasis .............................................................................................................358<br />
2.2.2.2.3 infonea® ...................................................................................................................359<br />
2.2.2.2.4 Schnittstellen des KOWIEN-Prototyps ....................................................................359<br />
2.2.3 Wissensquellen des KOWIEN-Prototyps .................................................................360
Inhaltsverzeichnis vii<br />
2.3 Systematisches Vorgehen zur Konstruktion und Nutzung<br />
ontologiebasierter <strong>Kompetenzmanagementsysteme</strong> .............................361<br />
2.3.1 Vorgehensweisen zur Einführung eines Kompetenzmanagementsystems<br />
in kleinen und mittelgroßen Unternehmen...........................................................361<br />
2.3.1.1 Kompetenzmanagement in kleinen und mittelgroßen Unternehmen........................361<br />
2.3.1.2 Grundsatzentscheidung zur Systematisierung des Kompetenzmanagements...........362<br />
2.3.1.3 Skizzierung des angestrebten Kompetenzmanagementsystems ...............................363<br />
2.3.1.4 Vergleichende Bewertung verfügbarer <strong>Kompetenzmanagementsysteme</strong> ................365<br />
2.3.1.5 Aufbau und Anpassung des gewählten Kompetenzmanagementsystems ................367<br />
2.3.1.6 Überführung des Kompetenzmanagementsystems in die Nutzungsphase................369<br />
2.3.1.7 Zusammenfassung.....................................................................................................370<br />
2.3.2 Das generische KOWIEN-Vorgehensmodell........................................................373<br />
2.3.2.1 Konzipierung des generischen Vorgehensmodells ...................................................373<br />
2.3.2.2 Strukturierung des Konstruktionsprozesses..............................................................374<br />
2.3.2.2.1 Phasen der Ontologieentwicklung ............................................................................376<br />
2.3.2.2.1.1 Anforderungsspezifizierung......................................................................................376<br />
2.3.2.2.1.2 Wissensakquisition ...................................................................................................378<br />
2.3.2.2.1.3 Konzeptualisierung ...................................................................................................379<br />
2.3.2.2.1.4 Implementierung.......................................................................................................382<br />
2.3.2.2.1.5 Evaluation .................................................................................................................383<br />
2.3.2.2.2 Phasen der Ontologiepflege ......................................................................................384<br />
2.3.2.2.3 Phasenübergreifende Unterstützungsleistungen .......................................................385<br />
2.3.2.2.3.1 Dokumentation..........................................................................................................385<br />
2.3.2.2.3.2 Projektmanagement...................................................................................................386<br />
2.3.2.3 Darstellung des generischen Vorgehensmodells ......................................................386<br />
2.3.2.3.1 Elemente Ereignisgesteuerter Prozessketten.............................................................386<br />
2.3.2.3.2 Elemente im KOWIEN-Vorgehensmodell ...............................................................389<br />
2.3.2.3.3 Graphische Darstellung.............................................................................................391<br />
2.3.2.3.3.1 Gesamtdarstellung (Skizze) ......................................................................................391<br />
2.3.2.3.3.2 Einzelphasen .............................................................................................................392<br />
2.3.2.3.3.3 Phasenübergreifende Unterstützungsleistungen .......................................................397<br />
2.3.2.3.4 Weiter gehende Erläuterungen..................................................................................398<br />
2.3.2.3.4.1 Funktionen ................................................................................................................398<br />
2.3.2.3.4.2 Ereignisse..................................................................................................................400<br />
2.3.2.3.4.3 Informationsträger.....................................................................................................402<br />
2.3.2.4 Vorgehensmodell KOWIEN als Web-Anwendung..................................................407<br />
2.3.2.4.1 Aufbau der Web-Anwendung...................................................................................408<br />
2.3.2.4.2 Top-Level des KOWIEN-Vorgehensmodells...........................................................409<br />
2.3.2.4.3 Gesamtansicht des KOWIEN-Vorgehensmodells ....................................................410<br />
2.3.2.4.4 Einzelansichten der Phasen des KOWIEN-Vorgehensmodells................................412<br />
2.3.2.4.4.1 Anforderungsspezifizierung......................................................................................412<br />
2.3.2.4.4.2 Wissensakquisition ...................................................................................................414<br />
2.3.2.4.4.3 Konzeptualisierung ...................................................................................................416<br />
2.3.2.4.4.4 Implementierung.......................................................................................................418<br />
2.3.2.4.4.5 Evaluation .................................................................................................................420<br />
2.3.2.4.4.6 Phasenübergreifende Unterstützungsleistungen .......................................................421
viii Inhaltsverzeichnis<br />
2.3.2.4.4.7 Sonderfunktionen......................................................................................................422<br />
2.3.2.5 Evaluation des Vorgehensmodells............................................................................425<br />
2.3.2.6 Zusammenfassung ....................................................................................................426<br />
2.4 Generische Kompetenzontologie für<br />
computerbasierte <strong>Kompetenzmanagementsysteme</strong> ..............................429<br />
2.4.1 Einführung ................................................................................................................429<br />
2.4.2 Überblick über die verwendete Repräsentationssprache ..........................................431<br />
2.4.2.1 Motivation der Verwendung von F-Logic................................................................431<br />
2.4.2.2 Exkurs zu den Grundlagen prädikatenlogischer Wissensrepräsentation<br />
und Wissenserschließung..........................................................................................433<br />
2.4.2.2.1 Inferenzregeln ...........................................................................................................434<br />
2.4.2.2.2 Integritätsregeln ........................................................................................................443<br />
2.4.2.2.3 Gegenüberstellung von Inferenz- und Integritätsregeln ...........................................448<br />
2.4.2.2.4 Fakten........................................................................................................................469<br />
2.4.2.3 Einführung in die Verwendung von F-Logic zur Ontologiekonstruktion ................470<br />
2.4.3 Vorstellung ausgewählter Ontologiekomponenten...................................................483<br />
2.4.3.1 Objektsprachliche Entitäten......................................................................................483<br />
2.4.3.1.1 Überblick ..................................................................................................................483<br />
2.4.3.1.2 Denkobjekte..............................................................................................................485<br />
2.4.3.1.2.1 Abstrakte Denkobjekte .............................................................................................485<br />
2.4.3.1.2.2 Konkrete Denkobjekte ..............................................................................................510<br />
2.4.3.1.3 Erfahrungsobjekte.....................................................................................................512<br />
2.4.3.2 Metasprachliche Entitäten.........................................................................................516<br />
2.4.4 Inferenz- und Integritätsregeln in der KOWIEN-Ontologie.....................................524<br />
2.4.5 Anschlussfähigkeit der Kompetenzontologie an Kompetenz-Wissensbasen –<br />
eine exemplarische Betrachtung auf der Instanzenebene .........................................533<br />
2.5 Unterstützung für computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
durch Techniken des Operations Research.............................537<br />
2.5.1 Problemstellung ........................................................................................................537<br />
2.5.2 Grundlagen................................................................................................................539<br />
2.5.2.1 Terminologische Grundlagen ...................................................................................539<br />
2.5.2.2 Methodische Grundlagen..........................................................................................542<br />
2.5.2.2.1 Analytic Hierarchy Process ......................................................................................542<br />
2.5.2.2.2 Goal Programming....................................................................................................550<br />
2.5.3 Modelle für die kompetenzbasierte Personaleinsatzplanung....................................554<br />
2.5.3.1 Das Basismodell .......................................................................................................554<br />
2.5.3.2 Erweiterungen des Basismodells ..............................................................................558<br />
2.5.3.2.1 Ziele und Variablen der Modellerweiterungen.........................................................558<br />
2.5.3.2.2 Präemptive Variante des erweiterten Goal-Programming-Modells..........................560<br />
2.5.3.2.3 Non-präemptive Variante des erweiterten Goal-Programming-Modells..................566<br />
2.5.4 Schwierigkeiten bei der Anwendung der Modelle ...................................................568<br />
2.5.5 Abschließende Bemerkungen ...................................................................................569
Inhaltsverzeichnis ix<br />
3 Anwendungen .....................................................................................................................571<br />
3.1 Informationstechnische Implementierung der Konzepte<br />
für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong>........................571<br />
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®.................................................571<br />
3.1.1.1 Vorgehensweise ........................................................................................................571<br />
3.1.1.1.1 Erarbeitung des KOWIEN-Geschäftsprozessmodells ..............................................571<br />
3.1.1.1.2 Auswahl von relevanten wissensintensiven Prozessen.............................................574<br />
3.1.1.1.3 Ist/Soll-Analyse mittels Fragebogen.........................................................................576<br />
3.1.1.1.4 Integriertes Anforderungsmanagement.....................................................................577<br />
3.1.1.1.5 Iterative Anwendungsentwicklung ...........................................................................578<br />
3.1.1.2 Technologische Basis infonea® ...............................................................................579<br />
3.1.1.2.1 Architektur ................................................................................................................579<br />
3.1.1.2.2 Modelle .....................................................................................................................581<br />
3.1.1.2.3 Inferenzmechanismen ...............................................................................................582<br />
3.1.1.2.4 Visual Search und Kontextnavigation ......................................................................583<br />
3.1.1.3 Funktionsweise .........................................................................................................584<br />
3.1.1.3.1 Aufbau und Pflege einer Kompetenzontologie.........................................................584<br />
3.1.1.3.1.1 Erarbeitung einer Taxonomie vor der Inbetriebnahme.............................................585<br />
3.1.1.3.1.2 Kontinuierliche Erweiterung und Pflege im Betrieb ................................................586<br />
3.1.1.3.1.3 Berücksichtigung von Integritäts- und Inferenzregeln .............................................586<br />
3.1.1.3.2 Aufbau und Pflege von Kompetenzprofilen .............................................................587<br />
3.1.1.3.2.1 Eingabe von Lebensläufen........................................................................................587<br />
3.1.1.3.2.2 Erfassung von Weiterbildungsmaßnahmen und Projekten.......................................590<br />
3.1.1.3.2.3 Integration in die Geschäftsprozesse ........................................................................591<br />
3.1.1.3.3 Suche nach Kompetenzträgern .................................................................................593<br />
3.1.1.3.4 Unterstützung der Projektarbeit ................................................................................594<br />
3.1.1.3.5 Unterstützung der Unternehmensentwicklung..........................................................595<br />
3.1.2 Die KOWIEN-E-Learning-Anwendung ...............................................................597<br />
3.1.2.1 Begriffsabgrenzung...................................................................................................597<br />
3.1.2.2 Aufbau und Gestaltung der E-Learning-Anwendung...............................................599<br />
3.1.2.3 Lernszenario: Ontologien im Rahmen des Wissensmanagements ...........................603<br />
3.2 Exemplarische Umsetzungen der Konzepte<br />
für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong>........................613<br />
3.2.1 Szenario “Product Engineering” – Praktischer Einsatz des KOWIEN-<br />
Vorgehensmodells bei der Karl Schumacher Maschinenbau GmbH ................613<br />
3.2.1.1 Nutzung von ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
bei der Karl Schumacher Maschinenbau GmbH ......................................................613<br />
3.2.1.2 Ontologieentwicklung im Product-Engineering-Szenario........................................614<br />
3.2.1.2.1 Anforderungsspezifizierung......................................................................................614<br />
3.2.1.2.2 Wissensakquisition ...................................................................................................614<br />
3.2.1.2.3 Konzeptualisierung ...................................................................................................616<br />
3.2.1.2.4 Implementierung.......................................................................................................620<br />
3.2.1.2.5 Evaluation .................................................................................................................621<br />
3.2.1.3 Fazit und Ausblick ....................................................................................................623
x Inhaltsverzeichnis<br />
3.2.2 Szenario “Service Engineering” – Konstruktion einer Kompetenzontologie<br />
für die Deutsche Montan Technologie GmbH .....................................................625<br />
3.2.2.1 Ausgangssituation der Ontologieentwicklung..........................................................625<br />
3.2.2.1.1 Kurzdarstellung der DMT.........................................................................................625<br />
3.2.2.1.2 KOWIEN-Ontologie.................................................................................................626<br />
3.2.2.1.3 Vorgehen bei der Ontologieentwicklung..................................................................628<br />
3.2.2.2 Phasenübergreifende Unterstützungsleistungen .......................................................630<br />
3.2.2.2.1 Dokumentation..........................................................................................................630<br />
3.2.2.2.2 Projektmanagement ..................................................................................................630<br />
3.2.2.3 Anforderungsspezifizierung......................................................................................631<br />
3.2.2.3.1 Ziele ..........................................................................................................................631<br />
3.2.2.3.2 Problemstellungen und Lösungsansätze ...................................................................632<br />
3.2.2.3.2.1 Abgrenzung der Anforderungen ...............................................................................632<br />
3.2.2.3.2.2 Erwartungen der Benutzer ........................................................................................632<br />
3.2.2.3.2.3 Formulierung der Anforderungen an die Ontologie .................................................633<br />
3.2.2.3.2.4 Festlegung der Schnittstellen zu anderen Systemen.................................................633<br />
3.2.2.3.2.5 Operationalisierung der Gütekriterien ......................................................................633<br />
3.2.2.3.3 Methoden ..................................................................................................................634<br />
3.2.2.3.3.1 Use Cases..................................................................................................................634<br />
3.2.2.3.3.2 Competency Questions .............................................................................................635<br />
3.2.2.3.4 Vorgehen...................................................................................................................636<br />
3.2.2.3.4.1 Ziele festlegen...........................................................................................................636<br />
3.2.2.3.4.2 Anwendungsbereiche und Benutzer identifizieren...................................................637<br />
3.2.2.3.4.3 Benutzeranforderungen erheben...............................................................................637<br />
3.2.2.3.4.4 Anforderungen des Umfelds identifizieren...............................................................640<br />
3.2.2.3.5 Ergebnisse.................................................................................................................641<br />
3.2.2.3.5.1 Anwendungsfälle ......................................................................................................642<br />
3.2.2.3.5.2 Informale Competency Questions ............................................................................643<br />
3.2.2.3.5.3 Formale Competency Questions...............................................................................644<br />
3.2.2.3.5.4 Katalog von Gütekriterien ........................................................................................647<br />
3.2.2.4 Wissensakquisition ...................................................................................................648<br />
3.2.2.4.1 Ziele ..........................................................................................................................648<br />
3.2.2.4.2 Problemstellungen und Lösungsansätze ...................................................................648<br />
3.2.2.4.2.1 Verteilung des Wissens über Kompetenzen .............................................................648<br />
3.2.2.4.2.2 Implizitheit von Wissen über Kompetenzen.............................................................649<br />
3.2.2.4.2.3 Begrenzte Gültigkeit des erhobenen Wissens...........................................................649<br />
3.2.2.4.3 Methoden ..................................................................................................................650<br />
3.2.2.4.3.1 Expertenbefragung....................................................................................................650<br />
3.2.2.4.3.2 Textanalyse ...............................................................................................................651<br />
3.2.2.4.4 Vorgehen...................................................................................................................652<br />
3.2.2.4.4.1 Relevante Verzeichnisse und Wissensträger identifizieren......................................652<br />
3.2.2.4.4.2 Verzeichnisse untersuchen, Wissensträger befragen................................................653<br />
3.2.2.4.4.3 Befragungen auswerten.............................................................................................654<br />
3.2.2.4.4.4 Dokumente und Systeme analysieren.......................................................................654<br />
3.2.2.4.5 Ergebnisse.................................................................................................................655<br />
3.2.2.4.5.1 Wissensträgerkarte....................................................................................................655<br />
3.2.2.4.5.2 Agenda der strukturierten Interviews .......................................................................657
Inhaltsverzeichnis xi<br />
3.2.2.4.5.3 Ergebnisse der strukturierten Interviews ..................................................................659<br />
3.2.2.4.5.4 Ergebnisse der Textanalysen.....................................................................................660<br />
3.2.2.5 Konzeptualisierung ...................................................................................................661<br />
3.2.2.5.1 Ziele ..........................................................................................................................661<br />
3.2.2.5.2 Problemstellungen und Lösungsansätze ...................................................................662<br />
3.2.2.5.2.1 Werkzeugunterstützung ............................................................................................662<br />
3.2.2.5.2.2 Identifizierung und Formulierung von Regeln .........................................................665<br />
3.2.2.5.2.3 Konzepte versus Instanzen........................................................................................665<br />
3.2.2.5.3 Methoden ..................................................................................................................666<br />
3.2.2.5.3.1 Brainstorming ...........................................................................................................666<br />
3.2.2.5.3.2 Begriffsbäume...........................................................................................................667<br />
3.2.2.5.4 Vorgehen...................................................................................................................668<br />
3.2.2.5.4.1 Wissen über Kompetenzen analysieren ....................................................................669<br />
3.2.2.5.4.2 Basisbegriffe strukturieren........................................................................................670<br />
3.2.2.5.4.3 Terminologie verfeinern und ergänzen.....................................................................671<br />
3.2.2.5.4.4 Inferenz- und Integritätsregeln aufstellen .................................................................674<br />
3.2.2.5.4.5 Reviews.....................................................................................................................675<br />
3.2.2.5.4.6 Ergebnisse.................................................................................................................676<br />
3.2.2.6 Implementierung.......................................................................................................680<br />
3.2.2.6.1 Ziele ..........................................................................................................................680<br />
3.2.2.6.2 Problemstellungen und Lösungsansätze ...................................................................680<br />
3.2.2.6.2.1 Auswahl der Sprachen ..............................................................................................681<br />
3.2.2.6.2.2 Implementierung der Regeln.....................................................................................683<br />
3.2.2.6.3 Ontologiesprachen ....................................................................................................684<br />
3.2.2.6.3.1 F-Logic......................................................................................................................684<br />
3.2.2.6.3.2 DAML+OIL..............................................................................................................686<br />
3.2.2.6.3.3 OWL .........................................................................................................................688<br />
3.2.2.6.4 Vorgehen...................................................................................................................689<br />
3.2.2.6.4.1 Formale Sprachen auswählen ...................................................................................689<br />
3.2.2.6.4.2 Ontologien in formale Darstellungen transformieren...............................................689<br />
3.2.2.6.4.3 Ontologien implementieren ......................................................................................690<br />
3.2.2.6.5 Ergebnisse.................................................................................................................690<br />
3.2.2.6.5.1 F-Logic-Ontologie (Ausschnitt)................................................................................691<br />
3.2.2.6.5.2 DAML+OIL-Ontologie (Ausschnitt)........................................................................692<br />
3.2.2.7 Evaluation .................................................................................................................694<br />
3.2.2.7.1 Ziele ..........................................................................................................................694<br />
3.2.2.7.2 Problemstellungen und Lösungsansätze ...................................................................694<br />
3.2.2.7.2.1 Auswahl der Evaluatoren..........................................................................................694<br />
3.2.2.7.2.2 Ermittlung und Auswertung der Ergebnisse.............................................................694<br />
3.2.2.7.3 Methoden ..................................................................................................................695<br />
3.2.2.7.3.1 Strukturiertes Interview ............................................................................................695<br />
3.2.2.7.3.2 Schriftliche Befragung..............................................................................................696<br />
3.2.2.7.4 Vorgehen...................................................................................................................696<br />
3.2.2.7.4.1 Ontologien verifizieren .............................................................................................697<br />
3.2.2.7.4.2 Fehler aus der Verifikation korrigieren.....................................................................697<br />
3.2.2.7.4.3 Ontologien validieren................................................................................................697<br />
3.2.2.7.4.4 Fehler aus der Validation korrigieren .......................................................................699
xii Inhaltsverzeichnis<br />
3.2.2.7.5 Ergebnisse.................................................................................................................699<br />
3.2.2.7.5.1 Evaluationsfragebogen..............................................................................................700<br />
3.2.2.7.5.2 Befragungsergebnis ..................................................................................................704<br />
3.2.2.8 Fazit ..........................................................................................................................706<br />
Autorenverzeichnis ...................................................................................................................709<br />
Literaturverzeichnis .................................................................................................................711
Vorwort<br />
zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
A Überblick über das Verbundprojekt:<br />
Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Das Verbundprojekt KOWIEN (Kooperatives Wissensmanagement in Engineering-Netzwerken) 1)<br />
befasst sich mit computerbasierten Arbeitstechniken zur Unterstützung der arbeitsteiligen Erfüllung<br />
wissensintensiver Engineering-Aufgaben in Netzwerken. Der inhaltliche Fokus der Projektarbeiten<br />
liegt einerseits auf Ontologien für die Konstruktion von Wissensmanagementsystemen und andererseits<br />
auf <strong>Kompetenzmanagementsysteme</strong>n als einer speziellen betrieblichen Ausformung von Wissensmanagementsystemen.<br />
Ontologien stammen aus den Forschungsbereichen der Künstlichen Intelligenz<br />
und Informatik. Im Projekt KOWIEN werden sie eingesetzt, um sowohl die Wissensakquisition<br />
als auch die Wissenswiederverwendung in ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
systematisch zu strukturieren und mittels Computerunterstützung zu erleichtern.<br />
Zu den wesentlichen Ergebnissen des Verbundprojekts KOWIEN zählen ein (computerbasiertes)<br />
Vorgehensmodell für die Erstellung und Anwendung ontologiebasierter <strong>Kompetenzmanagementsysteme</strong><br />
und ein prototypisches Software-Tool für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong>.<br />
Hinzu kommt eine E-Learning-Umgebung, um die praktische Anwendung des Vorgehensmodells<br />
und des Software-Tools im betrieblichen Alltag von kleinen und mittelgroßen Unternehmen<br />
(KMU) zu unterstützen.<br />
Das hier vorgelegte Werk stellt einerseits den öffentlichen Abschlussbericht zum Verbundprojekt<br />
KOWIEN dar. Andererseits besitzt es die Qualität einer Dokumentation über „Work in Progress“.<br />
Denn während der Zusammenstellung des Abschlussberichts mussten seine Autoren feststellen,<br />
dass wesentliche Forschungs-, Entwicklungs- und Transferfragen im Projektverlauf erst aufgeworfen<br />
wurden, aber noch nicht zufrieden stellend beantwortet werden konnten. Darüber hinaus fehlte<br />
in der Endphase des Projekts mitunter die Zeit, alle diejenigen Gedanken und Literaturverweise zu<br />
Papier zu bringen, von denen sich die Autoren vorgenommen hatten, sie im Abschlussbericht zu<br />
dokumentieren. Natürlich sind diese Gedanken- und Literaturlücken nur den betroffenen Autoren<br />
und ihrem nicht perfekten Zeitmanagement anzulasten. Aber sie hoffen, in späteren Publikationen<br />
die einen oder anderen derjenigen Lücken noch schließen zu können, die in diesem Werk aus Zeitmangel<br />
nicht vermieden werden konnten.<br />
1) Das Verbundprojekt KOWIEN wurde mit Mitteln des Bundesministeriums für Bildung und Forschung (B<strong>MB</strong>F) innerhalb des<br />
Rahmenkonzepts “Forschung für die Produktion von morgen” gefördert (Förderkennzeichen Hauptband 02 PD 1060) und vom<br />
Projektträger Produktion und Fertigungstechnologien (PFT), der Forschungszentrum Karlsruhe GmbH, betreut. Die Mitglieder<br />
des Projektteams danken für die großzügige Unterstützung ihrer Forschungs-, Entwicklungs- und Transferarbeiten.<br />
Detailliertere Informationen zum Projekt finden sich im Internet unter der URL „http://www.kowien.uni-essen.de/“ sowie in der<br />
Dokumentation ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht<br />
zum Verbundprojekt KOWIEN. Zugleich KOWIEN-Projektbericht 10/2004, Universität Duisburg-Essen. Essen 2004.
2 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
B Gegenstand des Verbundprojekts<br />
Das Verbundprojekt KOWIEN stellt sich der Herausforderung, die arbeitsteilige Erfüllung wissensintensiver<br />
Engineering-Aufgaben in Netzwerken durch computerbasierte Arbeitstechniken im Bereich<br />
des Kompetenzmanagements zu unterstützen.<br />
Zur Bewältigung dieser Herausforderung wurde – gefördert vom Bundesministerium für Bildung<br />
und Forschung (B<strong>MB</strong>F) und vom Projektträger Produktion und Fertigungstechnologien (PFT) – ein<br />
kombiniertes Forschungs-, Entwicklungs- und Transferprojekt initiiert. Erstens gilt es, eigenständige<br />
Forschungsbeiträge zu leisten, die sich mit der Anwendbarkeit von Techniken des computerbasierten<br />
Knowledge Engineerings, insbesondere von so genannten Ontologien, in betriebswirtschaftlichen<br />
Verwendungszusammenhängen auseinander setzen. In dieser Hinsicht lässt sich das Verbundprojekt<br />
KOWIEN der anwendungsorientierten Forschung zurechnen. Zweitens sind Entwicklungsarbeiten<br />
nötig, um Werkzeuge zur Unterstützung von Knowledge-Engineering-Techniken für<br />
die betriebliche Praxis zur Verfügung zu stellen. Dazu gehören vor allem Vorgehensmodelle und<br />
ein Software-Tool – einschließlich einer E-Learning-Umgebung – für den betrieblichen Einsatz ontologiebasierter<br />
Wissensmanagementsysteme. Drittens zielt das Verbundprojekt darauf ab, die allgemeinen<br />
Forschungs- und Entwicklungsarbeiten für einen speziellen Anwendungsbereich fruchtbar<br />
zu machen, indem ein Transfer der Erkenntnisse auf die Domäne computerbasierter <strong>Kompetenzmanagementsysteme</strong><br />
erfolgt. Diese <strong>Kompetenzmanagementsysteme</strong> sollen die arbeitsteilige Erfüllung<br />
wissensintensiver Engineering-Aufgaben in inner- und überbetrieblichen Netzwerken dadurch<br />
unterstützen, dass sie Wissen über die Kompetenzen betrieblicher Akteure aufnehmen, verwalten<br />
und problembezogen zugänglich machen können.<br />
Das Verbundprojekt KOWIEN behandelt – trotz der voranstehenden Eingrenzungen – immer noch<br />
einen vielschichtigen Projektgegenstand. Im Folgenden werden seine Hauptdeterminanten kurz thematisiert,<br />
um den Gegenstand der Projektarbeiten inhaltlich zu präzisieren.<br />
Erstens wird von komplexen Engineering-Aufgaben ausgegangen, welche sowohl die zeitliche als<br />
auch die fachliche Problemlösungskapazität einzelner wirtschaftlicher Akteure übersteigen. Dies erfordert<br />
zwecks Aufgabenerfüllung Arbeitsteilung zwischen den Akteuren. Um die Arbeitsprozesse<br />
der involvierten Akteure zeitlich und fachlich aufeinander abzustimmen und zu einer Erfüllung der<br />
ursprünglich vorliegenden Gesamtaufgabe zusammenzuführen, müssen die Aktivitäten der Akteure<br />
bei der Erfüllung ihrer Teilaufgaben koordiniert werden. Für diese „generische“ Koordinierungsaufgabe<br />
wurden seitens der betriebswirtschaftlichen Organisationstheorie vielfältige Koordinierungsansätze<br />
entwickelt.<br />
Im Verbundprojekt KOWIEN erfolgt von vornherein eine Fokussierung auf zwei Aspekte. Einerseits<br />
wird ausschließlich eine Koordinierung durch Kooperation zwischen teilautonomen Akteuren<br />
betrachtet. Dadurch scheiden sowohl kompetitive Koordinierungsansätze – z.B. mittels (unternehmens-)<br />
interner oder externer Märkte – als auch Koordinierungsansätze aufgrund hierarchischer Anweisungen<br />
aus. Diese Eingrenzung wird in Kürze mit Hinblick auf Engineering-Netzwerke inhaltlich<br />
gerechtfertigt. Andererseits wird davon ausgegangen, dass die Arbeitsteilung zwischen den Akteuren<br />
nicht in quantitativer, sondern in qualitativer Hinsicht erfolgt. Denn die Bewältigung komplexer<br />
Engineering-Aufgaben stellt kein rein quantitatives Problem dar, das sich durch die Verteilung<br />
inhaltlich gleichartiger Teilaufgaben auf eine Vielzahl von Akteuren lösen ließe (mengenmäßige<br />
Arbeitsteilung). Vielmehr zeichnet sich die Komplexität solcher Engineering-Aufgaben u.a.<br />
dadurch aus, dass eine Vielfalt fachlich verschiedenartiger Qualifikationen benötigt wird, um die<br />
Gesamtaufgabe entsprechend den Kundenanforderungen erfüllen zu können (artmäßige Arbeitsteilung).<br />
Die Koordinierung der arbeitsteiligen Erfüllung einer Engineering-Aufgabe muss sich daher<br />
insbesondere auf die Dimension der Arbeitsqualifikationen erstrecken, die aus Projektsicht erforderlich<br />
und aus Akteurssicht tatsächlich vorhanden sind.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 3<br />
Zweitens wird im Verbundprojekt KOWIEN vorausgesetzt, dass sich die komplexen Engineering-<br />
Aufgaben grundsätzlich durch ihre hohe Wissensintensität auszeichnen. Ohne in der hier gebotenen<br />
Kürze das Problem einer Operationalisierung der Wissensintensität von Arbeitsprozessen vertiefen<br />
zu können, lässt sich an die „Intuition des Alltagsverstands“ appellieren: Engineering-Leistungen<br />
werden sich in einem Hochlohnland wie Deutschland im internationalen Wettbewerb zumeist nur<br />
dann als konkurrenzfähig erweisen, wenn ihre Entwickler einen der wesentlichen komparativen<br />
Vorteile Deutschlands – sein (immer noch) sehr leistungsfähiges Aus- und Weiterbildungssystem –<br />
nutzen, indem sie einen möglichst hohen Anteil an Know-what und Know-how in die Engineering-<br />
Leistungen einfließen lassen. Das Know-what erstreckt sich hierbei im Wesentlichen auf Fachkenntnisse<br />
und wird des Öfteren auch als Faktenwissen bezeichnet. Das Know-how betrifft hingegen<br />
vornehmlich Herstellungs- und Anwendungsfertigkeiten; es wird oftmals als prozedurales Wissen<br />
oder Prozesswissen thematisiert.<br />
Die Arbeitsqualifikationen, die zur Erfüllung derart wissensintensiver Engineering-Aufgaben erforderlich<br />
sind, erstrecken sich daher zu einem großen und – vor allem aus wettbewerblicher Sicht –<br />
besonders wichtigen Teil auf das Wissen der beteiligten Akteure. Dieses Wissen ist besonderer Art.<br />
Denn es handelt sich nicht – oder zumindest nur in geringerem Umfang – um „akademisches“ Wissen,<br />
das um seiner selbst willen und zum Zwecke der Wahrheitserkenntnis erworben wird, wie z.B.<br />
Know-why (kausales Hintergrundwissen). Vielmehr wird zur Erfüllung wissensintensiver Engineering-Aufgaben<br />
primär anwendungs- oder verwertungsbezogenes Wissen benötigt. Es erstreckt sich<br />
vor allem auf die bereits angeführten Wissensformen des Know-what und Know-how. Sie werden<br />
im Folgenden der Kürze halber unter die Formulierung „Kenntnisse und Fertigkeiten“ subsumiert.<br />
Der Wissensbereich der anwendungsbezogenen Kenntnisse und Fertigkeiten wird im Rahmen des<br />
betrieblichen Wissensmanagements oftmals unter der Rubrik „Kompetenzen“ behandelt. Solche<br />
Kompetenzen lassen sich allgemein als handlungsbefähigendes Wissen charakterisieren. Dieser<br />
Kompetenzbegriff zielt darauf ab, dass die vorgenannten Kenntnisse und Fertigkeiten nicht um ihrer<br />
selbst willen erworben und angewendet werden. Vielmehr sollen sie die Akteure als Wissensträger<br />
in die Lage versetzen, in ihren betrieblichen Arbeitszusammenhängen so zu handeln, dass wissensintensive<br />
(Engineering-) Leistungen produziert werden. Die o.a. Dimension der Arbeitsqualifikationen<br />
wird für die hier betrachteten wissensintensiven Engineering-Leistungen fortan auf die Subdimension<br />
der (arbeitsbezogenen) Kompetenzen fokussiert.<br />
Für die Koordinierung der arbeitsteiligen Erfüllung von komplexen, insbesondere wissensintensiven<br />
Engineering-Aufgaben ist es aufgrund der voranstehenden Erläuterungen vor allem erforderlich,<br />
diejenigen Kompetenzen zusammenzuführen und aufeinander abzustimmen, die als handlungsbefähigendes<br />
Wissen zur Aufgabenerfüllung benötigt werden. Daher befasst sich das Verbundprojekt<br />
KOWIEN vornehmlich mit der Koordinierung von Kompetenzen in arbeitsteiligen Arbeitszusammenhängen.<br />
Diese übergeordnete Koordinierungsaufgabe erstreckt sich vor allem auf das Management<br />
von Wissen über Kompetenzen.<br />
Das Wissen über Kompetenzen stellt streng genommen Metawissen dar. Denn die „gemanagten“<br />
Kompetenzen besitzen auf der Objektebene der Leistungserbringung, d.h. auf der Ebene der Erfüllung<br />
von Engineering-Aufgaben, bereits die Qualität von handlungsbefähigendem Wissen. Daher<br />
handelt es sich bei Wissen über Kompetenzen inhaltlich um Wissen über handlungsbefähigendes<br />
Wissen und somit um Metawissen. Der Einfachheit der Diktion zuliebe wird im Folgenden Wissen<br />
über Kompetenzen auch kurz als „Wissen“ thematisiert, solange aus dem jeweils aktuellen Argumentationskontext<br />
ersichtlich ist, dass stets das Management von Wissen über Kompetenzen auf der<br />
„Metaebene“ des Wissensmanagements gemeint ist. Ebenso wird der Kürze halber von „Kompetenzmanagement“<br />
gesprochen. Computerbasierte Systeme, die bei der Erfüllung dieser Manage-
4 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
mentaufgabe behilflich sein sollen, werden entsprechend als „<strong>Kompetenzmanagementsysteme</strong>“<br />
(KMS) bezeichnet.<br />
Die Gesamtaufgabe, Wissen über Kompetenzen zu managen, umfasst im Wesentlichen drei Teilaufgaben<br />
(Kernaufgaben):<br />
• die Identifizierung derjenigen Kompetenzen, die zur Erfüllung von wissensintensiven Engineering-Aufgaben<br />
erforderlich sind (aufgabenseitige Kompetenzenidentifikation), und die Aggregation<br />
der zur Aufgabenerfüllung erforderlichen Kompetenzen in einem aufgabenspezifischen<br />
Kompetenzprofil (aufgabenseitige Profilsynthese);<br />
• die Identifizierung derjenigen Kompetenzen, über die im aktuellen Zeitpunkt einzelne Akteure<br />
als Kompetenzträger verfügen (akteursseitige Kompetenzen- und Kompetenzträgeridentifikation),<br />
und die Aggregation der Kompetenzen eines Akteurs in einem akteursspezifischen Kompetenzprofil<br />
(akteursseitige Profilsynthese);<br />
• die Zuordnung von Akteuren mit ihren Kompetenzen zu Engineering-Aufgaben (aufgabenbezogene<br />
Allokation von Kompetenzträgern) als „Matching“ zwischen den akteurs- und den aufgabenspezifischen<br />
Kompetenzprofilen.<br />
Die drei Kernaufgaben betreffen das Management von Wissen über drei unterschiedliche Kompetenzaspekte:<br />
Wissen über Kompetenzen im Sinne von handlungsbefähigendem Wissen, Wissen über<br />
Kompetenzträger und Wissen über Kompetenzprofile. Sofern keine nähere Differenzierung zwischen<br />
diesen drei Aspekten erforderlich ist, wird im Folgenden vereinfacht davon gesprochen, das<br />
Management von Kompetenzwissen – oder noch kürzer, wie bereits oben eingeführt: das Kompetenzmanagement<br />
– zu behandeln.<br />
Die Sachziele des Kompetenzmanagements bestehen darin, einerseits die benötigten Kompetenzen<br />
sowie andererseits die verfügbaren Kompetenzen und deren Kompetenzträger möglichst vollständig<br />
zu identifizieren. Als weiteres Sachziel kommt hinzu, bei der aufgabenbezogenen Allokation von<br />
Kompetenzträgern eine möglichst hohe Übereinstimmung zwischen erforderlichen und verfügbaren<br />
Kompetenzen zu erreichen (primäres Allokationsziel). Die Erfüllung dieser „outputorientierten“<br />
Sachziele – Outputs sind die Identifikations- bzw. Allokationsleistungen – wird aus betriebswirtschaftlicher<br />
Perspektive im Allgemeinen als Effektivität des Kompetenzmanagements bezeichnet.<br />
Die Effizienz des Kompetenzmanagements erstreckt sich hingegen auf Formalziele, die eine Auswahl<br />
zwischen mehreren Entscheidungsalternativen gestatten, wenn sich mehrere Alternativen als<br />
„effektiv“ erweisen, d.h. die vorgegebenen Sachziele gleich gut erfüllen. Diese Effizienz- oder<br />
Formalziele betreffen zumeist – in Anlehnung an das allgemeine Prinzip ökonomischer Rationalität<br />
– das Verhältnis zwischen hervorgebrachten Ergebnissen (Output) und hierfür eingesetzten Ressourcen<br />
(Input). Demzufolge erweist sich das Kompetenzmanagement als besonders effizient, wenn<br />
es beispielsweise gelingt, vorgegebene Identifikations- oder Allokationsleistungen (als Output) mit<br />
besonders geringem Ressourceneinsatz (als Input) zu realisieren. Der Einsatz von Ressourcen kann<br />
auf vielfältige Weise operationalisiert werden, wie etwa durch das jeweils in Anspruch genommene<br />
Personal, die aufgewendeten Sach- und Finanzmittel und durch die Zeit, die bis zur Fertigstellung<br />
der intendierten Leistung verstrichen ist (z.B. als „time to customer“ oder als „time to market“).<br />
Im Vordergrund des Forschungs-, Entwicklungs- und Transferinteresses des Verbundprojekts KO-<br />
WIEN steht die Effektivität von Kompetenzmanagementkonzepten und ihrer Implementierung mittels<br />
computerbasierter <strong>Kompetenzmanagementsysteme</strong>. Auf Effizienzaspekte wird nur am Rande<br />
eingegangen, weil Bemühungen zur „Optimierung“ des Verhältnisses zwischen Ergebniserzielung<br />
und hierfür erforderlichem Ressourceneinsatz erst dann anstehen, wenn die Effektivität des Kompetenzmanagements<br />
aus der Sicht seiner betrieblichen Anwender sichergestellt ist. Das Management
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 5<br />
von Kompetenzwissen leidet jedoch zurzeit noch unter erheblichen Effektivitätsmängeln. Darauf<br />
wird im nächsten Kapitel näher eingegangen. Daher widmen sich die Projektarbeiten primär der<br />
Überwindung solcher Effektivitätsmängel – und nicht dem Streben nach möglichst hoher Managementeffizienz.<br />
Neben den oben angeführten drei Kernaufgaben des Kompetenzmanagements lässt sich eine Vielzahl<br />
von ergänzenden Aufgaben identifizieren, die in der betrieblichen Praxis – unternehmens- und<br />
situationsabhängig – durchaus eine bedeutsame Rolle spielen können. Dazu gehört beispielsweise<br />
die Aufgabe, Kompetenzlücken zu identifizieren. Solche Kompetenzlücken können zwischen denjenigen<br />
Kompetenzen, die für die Erfüllung einer Engineering-Aufgabe erforderlich sind, und denjenigen<br />
Kompetenzen klaffen, die in einem Unternehmen seitens seiner Kompetenzträger aktuell zur<br />
Verfügung stehen. Nach der Identifizierung solcher Lücken stellt sich für das Kompetenzmanagement<br />
das nachgelagerte Problem, wie mit den Kompetenzlücken umgegangen werden soll. Aus betriebswirtschaftlicher<br />
Perspektive handelt es sich hierbei um eine spezielle Ausprägung („Instanz“)<br />
aus der Klasse der Make-or-Buy-or-Ignore-Probleme: Zunächst können die erforderlichen, jedoch<br />
aktuell nicht verfügbaren Kompetenzen selbst aufgebaut werden (Make-Alternative), beispielsweise<br />
durch Qualifizierungsmaßnahmen der Personalentwicklung. Darüber hinaus ist es möglich, diese<br />
Kompetenzen von Dritten zu erwerben (Buy-Alternative), z.B. durch Abwerbung entsprechender<br />
Kompetenzträger aus anderen Unternehmen. Letztlich kann auf die Schließung der erkannten Kompetenzlücke<br />
auch bewusst verzichtet werden (Ignore-Alternative), weil etwa angenommen wird,<br />
dass der Auftraggeber einer Engineering-Leistung den partiellen Kompetenzmangel nicht bemerken<br />
wird. Die letztgenannte Alternative beruht auf der Annahme opportunistischen Verhaltens bei Informationsasymmetrie,<br />
die vor allem in der ökonomischen Theorie der Prinzipal-Agenten-Probleme<br />
eine herausragende Rolle spielt. Im Verbundprojekt KOWIEN werden solche „Abgründe“ des<br />
Kompetenzmanagements, die auch Fragen der Unternehmenskultur und -ethik aufwerfen, jedoch<br />
nicht weiter vertieft. Stattdessen fokussieren sich die Projektarbeiten auf die drei o.a. Kernaufgaben<br />
des Kompetenzmanagements. Weiterführende, ergänzende Aufgaben werden nur ausnahmsweise<br />
und nur in dem Ausmaß gestreift, wie sie bei den Partnerunternehmen des Verbundprojekts in deren<br />
betrieblicher Praxis von Interesse sind.<br />
Drittens teilen die Partner des Verbundprojekts KOWIEN die Einschätzung, dass sich komplexe,<br />
wissensintensive Engineering-Aufgaben am besten – im Sinne der vorgenannten Effektivitäts- und<br />
Effizienzziele – erfüllen lassen, wenn die Aufgabenerfüllung durch teilautonome Akteure erfolgt,<br />
die in einem Netzwerk interagieren. Für diese Einschätzung sprechen im Wesentlichen zwei Argumente.<br />
Einerseits erweist sich die Koordination arbeitsteilig zusammenwirkender Akteure über<br />
Märkte zumeist als ungeeignet, wenn die zu koordinierenden Teilleistungen jeweils eine komplexe,<br />
nur schwer durch einige wenige Merkmale beschreibbare Struktur aufweisen und sich nur unter erheblichen<br />
Schwierigkeiten monetär bewerten lassen. Diesen Charakteristika werden wissensintensive<br />
Engineering-Aufgaben in der Regel gerecht. Andererseits ist von einer Koordination der Akteure<br />
über hierarchische Anweisungen innerhalb eines Unternehmens ebenso abzuraten, wenn die Qualität<br />
der zu koordinierenden Teilleistungen in hohem Ausmaß von inhaltlichen Ermessensspielräumen<br />
und Eigeninitiativen der ausführenden Akteure abhängt. Auch diese letztgenannten Voraussetzungen<br />
liegen bei wissensintensiven Engineering-Aufgaben im Allgemeinen vor. Aus den voranstehenden<br />
Gründen eignen sich für die Koordination von Akteuren bei der arbeitsteiligen Erfüllung<br />
wissensintensiver Engineering-Aufgaben tendenziell am ehesten „hybride“ Koordinationsformen<br />
„zwischen Markt und Hierarchie“, die in der organisationswissenschaftlichen Literatur zumeist als<br />
Netzwerk-Organisationen thematisiert werden.
6 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
Von solchen Netzwerk-Organisationen wird im Verbundprojekt KOWIEN grundsätzlich ausgegangen.<br />
Ihre Akteure handeln „teilautonom“, weil sie einerseits bei ihrer Aufgabenerfüllung weit gehend<br />
frei von hierarchischen Arbeitsanweisungen bleiben (Autonomieaspekt), jedoch andererseits<br />
im Interesse der arbeitsteiligen Erfüllung einer Gesamtaufgabe durch die Handlungsweisen aller<br />
anderen kooperierenden Akteure und das gemeinsam angestrebte Handlungsergebnis – die Aufgabenerfüllung<br />
– einschränkenden Rahmenbedingungen unterliegen (Restriktionsaspekt). Von sekundärer<br />
Bedeutung ist, ob solche Netzwerk-Organisationen entweder innerhalb eines bestehenden Unternehmens<br />
(innerbetriebliche Netzwerke) oder aber zwischen mehreren rechtlich selbstständigen<br />
Unternehmen (überbetriebliche Netzwerke) zustande kommen. Beispiele für innerbetriebliche<br />
Netzwerke sind Projektgruppen als häufigste Form einer Sekundärorganisation, welche die „dauerhafte“,<br />
primäre Aufbauorganisation eines Unternehmens temporär, d.h. bis zur Erreichung der Projektziele,<br />
überlagert. Konsortien und Virtuelle Unternehmen sind hingegen die bekanntesten Vertreter<br />
überbetrieblicher Netzwerke. Da es für die Forschungs- und Entwicklungsinteressen des Verbundprojekts<br />
KOWIEN unerheblich ist, ob die betrachteten wissensintensiven Engineering-Aufgaben<br />
in entweder inner- oder aber überbetrieblichen Netzwerken erfüllt werden, wird die Gesamtheit<br />
dieser Netzwerk-Organisationen unter den Oberbegriff der Engineering-Netzwerke subsumiert.<br />
Eine vierte wesentliche Einschränkung für den Gegenstandsbereich des Verbundprojekts KOWIEN<br />
besteht darin, dass eine Fokussierung auf computerbasierte Arbeitstechniken erfolgt. Über diesen<br />
Fokus lässt sich trefflich streiten. So wird seit Ende der neunziger Jahre in der einschlägigen Fachliteratur<br />
intensiv darüber debattiert, ob Aufgaben des Wissensmanagements besser erfüllt werden<br />
könnten, indem die knappen Unternehmensressourcen entweder auf Mitarbeiter als Kompetenzträger<br />
(Personalisierungsstrategie) oder aber auf Automatische Informations- und Wissensverarbeitungssysteme<br />
(Kodifizierungsstrategie) konzentriert werden. Die Schwerpunktsetzung des Verbundprojekts<br />
KOWIEN zugunsten computerbasierter Arbeitstechniken bedeutet keineswegs, dass<br />
die Projektpartner die große Bedeutung des Humankapitals für das Wissensmanagement verkennen<br />
würden. Stattdessen sahen sie sich nur aufgrund von exogenen Randbedingungen – knapper personeller,<br />
finanzieller sowie zeitlicher Projektressourcen – genötigt, einen der beiden o.a. Aspekte des<br />
Wissensmanagements zu bevorzugen, um zumindest diesen Aspekt in der gebotenen Breite und<br />
Tiefe behandeln zu können. Dass diese Vertiefungsentscheidung zugunsten computerbasierter Arbeitstechniken<br />
ausfiel, beruht letztlich auf den kontingenten Vorgaben des Rahmenkonzepts „Forschung<br />
für die Produktion von morgen“, innerhalb dessen das Verbundprojekt KOWIEN thematisch<br />
angesiedelt ist. Das Rahmenkonzept fokussiert auf die „Produktion“ von „harten“ Projektergebnissen,<br />
die sich im Rahmen der Personalisierungsstrategie mit ihrem Fokus auf „weichem“ Humankapital<br />
nicht erzielen lassen. Daher wurde die Kodifizierungsstrategie in den Vordergrund des Verbundprojekts<br />
KOWIEN gerückt, um das Schwergewicht der Forschungs-, Entwicklungs- und<br />
Transferarbeiten auf „harte“ Projektergebnisse zu legen. Die Projektpartner setzen auf die „Weit“-<br />
Sicht von B<strong>MB</strong>F und PFT, auch die „Produktion von Software“ – einschließlich zugehöriger Komponenten<br />
wie Vorgehensmodelle und E-Learning-Umgebungen – in einem modernen, „aufgeklärten“<br />
Produktionsverständnis dem Bereich „harter“ Projektergebnisse zuzurechnen.<br />
Die fünfte – und letzte – Hauptdeterminante des Gegenstandsbereichs für das Verbundprojekt KO-<br />
WIEN stellt die inhaltliche Reichweite des zentralen Begriffs der Kompetenzträger dar. Auf den<br />
ersten Blick handelt es sich bei den Kompetenzträgern um die Mitarbeiter eines Engineering-<br />
Netzwerks, die bei der arbeitsteiligen Erfüllung von Engineering-Aufgaben zusammenwirken. Diese<br />
„natürlich“ anmutende Sichtweise lag auch den einleitenden Ausführungen zugrunde, in denen<br />
die relevanten Akteure stets im Sinne von Mitarbeitern als „natürlichen“ Akteuren thematisiert wurden.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 7<br />
Es besteht jedoch keine inhaltliche Notwendigkeit, eine derart eingeschränkte Sichtweise aufrecht<br />
zu erhalten. Insbesondere würde sie nur der Personalisierungsstrategie des Wissensmanagements<br />
gerecht werden, die nicht im Fokus des Verbundprojekts KOWIEN steht. Stattdessen konzentriert<br />
sich dieses Projekt auf die Kodifizierungsstrategie und somit auf computerbasierte Arbeitstechniken.<br />
Daher kommen als Kompetenzträger ebenso „maschinelle“ oder „artifizielle“ Akteure in Betracht,<br />
wie z.B. Wissensbanken, Wissensbasierte Systeme, die früher in der „Good Old Fashioned<br />
Artificial Intelligence“ (GOFAI) als „Expertensysteme“ thematisiert wurden, Roboter und Multi-<br />
Agenten-Systeme. Wissensbanken und Wissensbasierte Systeme lassen sich unmittelbar als Kompetenzträger<br />
identifizieren, wenn sie handlungsbefähigendes Wissen (passiv) speichern und – im<br />
Fall der Wissensbasierten Systeme – auch zur Problemlösung (aktiv) anwenden. Roboter und Multi-<br />
Agenten-Systeme umfassen Kompetenzträger als „artifizielle“ Akteure, sofern die einzelnen Agenten<br />
eines solchen Systems hinreichend „mächtig“ modelliert, also mit handlungsbefähigendem Wissen<br />
ausgestattet werden. In einer ersten groben, aber hier völlig ausreichenden Annäherung lassen<br />
sich die einzelnen Agenten jeweils als eigenständige Wissensbasierte Systeme auffassen, die um eine<br />
komplexe, ebenso automatisierte Kommunikation und Koordination zwischen den Agenten<br />
zwecks arbeitsteiliger Kooperation erweitert werden. Um zwischen den vorgenannten (und weiteren)<br />
Varianten „maschineller“ Akteure nicht im Einzelnen differenzieren zu müssen, werden sie<br />
hier unter dem Oberbegriff der Automatischen Informations- und Wissensverarbeitungssysteme zusammengefasst.<br />
Sofern die Automatischen Informations- und Wissensverarbeitungssysteme eingesetzt<br />
werden, um Wissen über Kompetenzen (computerbasiert) zu managen, werden sie auch kurz<br />
als <strong>Kompetenzmanagementsysteme</strong> bezeichnet.<br />
Mit dieser Ausweitung von Kompetenzträgern auf „maschinelle“, d.h. computerbasierte Akteure<br />
dringt das Verbundprojekt KOWIEN in die Gestaltungsbereiche von Wirtschaftsinformatik, (Kern-)<br />
Informatik und Erforschung Künstlicher Intelligenz (KI) vor. Aus diesen Wissenschaftsbereichen<br />
werden neuere Erkenntnisse übernommen, um die Forschungs-, Entwicklungs- und Transferarbeiten<br />
des Verbundprojekts inhaltlich zu befruchten. Dies gilt insbesondere im Hinblick auf Vorgehensmodelle<br />
und Ontologien, auf die später noch ausführlich zurückgekommen wird.<br />
Über diese dezidiert computerorientierte Ausweitung des zentralen Begriffs der Kompetenzträger<br />
hinaus wird im Verbundprojekt KOWIEN auch eine organisationale Perspektive auf handlungsbefähigendes<br />
Wissen eingenommen. Aus dieser letztgenannten Perspektive kommen „kollektive“<br />
Kompetenzträger hinzu, deren handlungsbefähigendes Wissen sich weder in einzelnen Mitarbeitern<br />
(„Menschen“) noch in einzelnen Automatischen Informations- und Wissensverarbeitungssystemen<br />
(„Maschinen“) lokalisieren lässt. Vielmehr ist das handlungsbefähigende Wissen über Organisationen<br />
als Agglomerate von Menschen und Maschinen so verteilt („verschmiert“), dass es nur der Organisation<br />
als Ganzheit zugeschrieben werden kann. Daher wird oftmals auch von „Organisationswissen“,<br />
„organisationalem Wissen“ oder „organisatorischem Gedächtnis“ gesprochen. Da dieses<br />
handlungsbefähigende, an Organisationen gebundene Wissen in der betrieblichen Praxis eine große<br />
Bedeutung für die Erfüllung wissensintensiver Aufgaben erlangen kann, wird es hier – trotz seiner<br />
schweren „Greifbarkeit“ – in die Reichweite der Forschungs- und Entwicklungsbemühungen des<br />
Verbundprojekts von vornherein einbezogen.<br />
Organisationales Wissen kann in Organisationseinheiten auf verschiedenen Organisationsebenen<br />
angesiedelt sein. Beispielsweise lässt sich organisationales Wissen sowohl auf der Ebene einzelner<br />
Abteilungen als auch innerhalb eines gesamten Unternehmens identifizieren, in seltenen Fällen sogar<br />
auch einem Netzwerk aus mehreren rechtlich selbstständigen Unternehmen insgesamt zuordnen.<br />
Der letztgenannte Fall tritt vor allem in Virtuellen Unternehmen „der zweiten Generation“ auf. Sie<br />
zeichnen sich dadurch aus, dass die Partnerunternehmen zwar in Abhängigkeit von den jeweils
8 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
übernommenen Aufträgen (Projekten) auftragsspezifische und temporäre Partnerkonfigurationen<br />
eingehen (wie es schon für Virtuelle Unternehmen „der ersten Generation“ typisch ist), aber darüber<br />
hinaus ein stabiles und somit langfristig vertrauensstiftendes Netzwerk potenzieller Projektpartner<br />
errichten. In solchen stabilen Netzwerken kann sich im Zeitverlauf z.B. handlungsbefähigendes<br />
Wissen über die zweckmäßige Koordinierung mit anderen Partnern desselben Netzwerks herausbilden,<br />
das aus betriebswirtschaftlicher Perspektive als spezielle Koordinierungs- oder Netzwerkkompetenz<br />
zunehmend Beachtung findet.<br />
Der Gegenstandsbereich des Verbundprojekts KOWIEN umfasst aufgrund der voranstehenden Erläuterungen<br />
einen weit gespannten Bereich potenzieller Kompetenzträger. Als Kompetenzträger –<br />
und somit als relevante Akteure in Engineering-Netzwerken – kommen alle Akteure in Betracht, die<br />
zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen – also Kompetenzen – einsetzen<br />
können. Dies betrifft einerseits individuelle Akteure. Zu ihnen zählen sowohl Mitarbeiter der<br />
involvierten Unternehmen (personelle oder natürliche Akteure) als auch Automatische Informations-<br />
und Wissensverarbeitungssysteme (maschinelle oder artifizielle Akteure). Andererseits kann es<br />
sich aber auch um kollektive Akteure handeln. Dies ist immer dann der Fall, wenn zur arbeitsteiligen<br />
Erfüllung einer Engineering-Aufgabe (auch) auf handlungsbefähigendes Wissen zurückgegriffen<br />
wird, das keinem der individuellen Akteure zugerechnet werden kann, sondern einer Organisationseinheit<br />
als Ganzes zukommt.<br />
Während Mitarbeiter im Regelfall aufgrund arbeitsvertraglicher Regelungen genau einem Unternehmen<br />
zugeordnet sind, erstrecken sich Automatische Informations- und Wissensverarbeitungssysteme<br />
des Öfteren auch über mehrere kooperierende Unternehmen, die sich zu einem Netzwerk<br />
zusammengeschlossen haben. Besonders deutlich wird dieser computerbasierte Unternehmensverbund<br />
beispielsweise bei Supply-Chain- oder Supply-Web-Konzepten. Allerdings erweist sich die<br />
vorgenannte Differenzierung als nicht trennscharf. Denn in Ausnahmefällen können auch einzelne<br />
Mitarbeiter gleichzeitig zu mehreren Unternehmen aus einem Netzwerk gehören. Dies ist z.B. der<br />
Fall, wenn ein Mitarbeiter mehrere Beschäftigungsverhältnisse eingegangen ist (etwa im Rahmen<br />
von Teilzeitbeschäftigungen) oder wenn ein Mitarbeiter von einem Unternehmen zu einem vereinbarten<br />
Anteil seiner Arbeitszeit an ein anderes, kooperierendes Unternehmen zwecks gemeinsamer<br />
Erfüllung einer Engineering-Aufgabe „ausgeliehen“ wird. Um von solchen Nuancen absehen zu<br />
können, wurde im Verbundprojekt KOWIEN von vornherein auf die Erfüllung von wissensintensiven<br />
Engineering-Aufgaben in Netzwerken abgestellt, die sich zwecks arbeitsteiliger Aufgabenerfüllung<br />
sowohl auf inner- als auch auf überbetriebliche Kooperationen erstrecken können.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 9<br />
C Partner des Verbundprojekts und<br />
Zusammenarbeit mit externen Stakeholdern<br />
Das Verbundprojekt KOWIEN umfasste ein Projektkonsortium, das die Projektarbeiten im engeren<br />
Sinn leistete und durch Finanzmittel des B<strong>MB</strong>F großzügig gefördert wurde. Hinzu kamen weitere<br />
Stakeholder, die in die Verbreitung der Erkenntnisse und Ergebnisse der Projektarbeiten einbezogen<br />
wurden, jedoch nicht an den B<strong>MB</strong>F-Fördermitteln partizipierten.<br />
Das Projektkonsortium setzte sich aus fünf Praxispartnern und einem Universitätspartner zusammen.<br />
Die fünf Praxispartner standen im Zentrum des Projekts.<br />
Die meisten Praxispartner gehören zum Sektor der kleinen und mittelgroßen Unternehmen (KMU).<br />
Drei lassen sich der Branche des Maschinen- und Anlagenbaus im weitesten Sinn – bis hin zum internationalen<br />
Technologie-Dienstleister im Engineering komplexer Industrieprojekte – zuordnen.<br />
Sie trugen gemeinsam das Produkt-Engineering-Szenario des Verbundprojekts KOWIEN:<br />
1. die Deutsche Montan Technologie (DMT) GmbH in Essen,<br />
2. die Karl Schumacher Maschinenbau (KSM) GmbH in Köln und<br />
3. die TEMA GmbH – Industrial Visiomation in Schwelm.<br />
Hinzu kam als vierter Praxispartner ein Unternehmen aus der Consulting-Branche, von dem das<br />
Service-Engineering-Szenario des Verbundprojekts abgedeckt wurde:<br />
4. die Roland Berger Strategy Consultants GmbH in München & Düsseldorf.<br />
Schließlich nahm der fünfte Praxispartner eine Sonderstellung ein, weil er in keines der vorgenannten<br />
Szenarien eingebunden war, sondern als Softwarepartner für die prototypische Implementierung<br />
der konzeptionellen Projektarbeiten zur Verfügung stand:<br />
5. die Comma Soft AG – The Knowledge People in Bonn.<br />
Der Universitätspartner, das Institut für Produktion und Industrielles Informationsmanagement<br />
(PIM) der Universität Duisburg-Essen, Campus Essen, trat als federführender Antragsteller auf. Er<br />
hat während der Projektdurchführung die generelle Koordinierung der Projektarbeiten übernommen<br />
sowie – gemeinsam mit dem Softwarepartner – den überwiegenden Teil der konzeptionellen Forschungs-,<br />
Entwicklungs- und Transferleistungen erbracht.<br />
Die nachstehende Tabelle gewährt einen Überblick über die Projektrollen und über die Tätigkeitsschwerpunkte<br />
der insgesamt sechs geförderten Projektpartner. 2)<br />
2) Eine ausführlichere Darstellung sowohl der Kompetenzen der Projektpartner als auch ihrer Tätigkeiten im Verbundprojekt findet<br />
sich im 3. Kapitel von ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht<br />
zum Verbundprojekt KOWIEN. Zugleich KOWIEN-Projektbericht 10/2004, Universität Duisburg-Essen. Essen<br />
2004.
10 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
Projektpartner Projektrolle Tätigkeitsschwerpunkte<br />
Comma Soft AG –<br />
The Knowledge People<br />
Deutsche Montan<br />
Technologie (DMT)<br />
GmbH<br />
Karl Schumacher<br />
Maschinenbau (KSM)<br />
GmbH<br />
Roland Berger Strategy<br />
Consultants GmbH<br />
Praxispartner<br />
(Softwarepartner):<br />
Spezialist für<br />
Wissensmanagement-<br />
Software<br />
Praxispartner<br />
(Produkt-Engineering-<br />
Szenario):<br />
internationaler Technologie-Dienstleister<br />
für das Engineering<br />
komplexer Industrieprojekte<br />
Praxispartner<br />
(Produkt-Engineering-<br />
Szenario):<br />
Spezialist des<br />
Maschinen- und<br />
Anlagenbaus<br />
Praxispartner<br />
(Service-Engineering-<br />
Szenario):<br />
Unternehmensberatung<br />
Konzipierung und prototypische Implementierung<br />
eines Software-Tools für<br />
ontologiebasierte <strong>Kompetenzmanagementsysteme</strong>;<br />
Unterstützung des Requirement-Engineering-Prozesses<br />
zur Erhebung der Benutzeranforderungen<br />
an das Software-Tool<br />
Analyse praktischer Probleme des<br />
Wissensmanagements im eigenen<br />
Unternehmen;<br />
Formulierung von Anforderungen an<br />
computerbasierte Wissensmanagementsysteme;<br />
Erprobung und Evaluierung der Praxistauglichkeit<br />
von ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n<br />
Analyse praktischer Probleme des<br />
Wissensmanagements im eigenen<br />
Unternehmen;<br />
Formulierung von Anforderungen an<br />
computerbasierte Wissensmanagementsysteme;<br />
Erprobung und Evaluierung der Praxistauglichkeit<br />
von ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n<br />
Erhebung von Anforderungen an computerbasierte<br />
Wissensmanagementsysteme<br />
im Anschluss an eine Gemeinschaftsstudie<br />
mit dem VDMA;<br />
Erprobung und Evaluierung der Praxistauglichkeit<br />
von ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n;<br />
Erstellung einer professionellen Fallstudie<br />
zur Multiplikation der Projektresultate
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 11<br />
TEMA GmbH –<br />
Industrial Visiomation<br />
Universität Duisburg-<br />
Essen, Campus Essen:<br />
Institut für Produktion<br />
und Industrielles<br />
Informationsmanagement<br />
Praxispartner<br />
(Produkt-Engineering-<br />
Szenario):<br />
Spezialist des<br />
Maschinen- und<br />
Anlagenbaus<br />
Universitätspartner:<br />
federführender<br />
Antragsteller<br />
und generelle<br />
Koordinierung der<br />
Projektarbeiten<br />
Analyse praktischer Probleme des<br />
Wissensmanagements im eigenen<br />
Unternehmen;<br />
Formulierung von Anforderungen an<br />
computerbasierte Wissensmanagementsysteme;<br />
Erprobung und Evaluierung der Praxistauglichkeit<br />
von ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n<br />
konzeptionelle und methodische<br />
Forschungs-, Entwicklungs- und<br />
Transferarbeiten im Bereich des<br />
Knowledge Engineerings, vor allem<br />
Ontologien, Referenzmodelle und<br />
Vorgehensmodelle;<br />
Entwicklung einer E-Learning-Umgebung<br />
zur Unterstützung der Anwender von<br />
ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
Zu den weiteren Stakeholdern, die sich außerhalb des voranstehenden Projektkonsortiums für die<br />
Verbreitung der Projekterkenntnisse und Projektergebnisse in der betrieblichen Praxis, insbesondere<br />
bei KMU einsetzen, gehört vor allem die Projektgruppe Wissensmanagement der Wirtschaftsjunioren<br />
Essen (e.V.) der Industrie- und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen<br />
zu Essen. Es handelt sich um einen Kreis von Selbstständigen und (angehenden) Führungskräften,<br />
die sich ehrenamtlich betätigen, um innovative Unternehmen im Einzugsbereich der Industrie-<br />
und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen zu unterstützen.<br />
Die Projektgruppe Wissensmanagement der Wirtschaftsjunioren Essen und der Universitätspartner<br />
gründeten im Mai 2003 den Industriearbeitskreis „Praxisforum Wissensmanagement“ 3) . Dieser Industriearbeitskreis<br />
stößt auf regen Zuspruch unter den KMU der Region. Er tagt in regelmäßigen,<br />
zurzeit halbjährlichen Abständen. Die Praxispartner des Verbundprojekts KOWIEN nehmen an den<br />
Sitzungen des Praxisforums Wissensmanagement regelmäßig teil. Dabei nutzen sie die Gelegenheit,<br />
sich über ihre Erfahrungen hinsichtlich der Entwicklung und Anwendung computerbasierter Wissensmanagementsysteme<br />
in der betrieblichen Praxis auszutauschen. Der Erfahrungsaustausch findet<br />
nicht nur zwischen den Praxispartnern des Verbundprojekts KOWIEN untereinander statt, sondern<br />
erfolgt auch – sogar insbesondere – mit anderen Fach- und Führungskräften aus KMU mit ähnlichen<br />
Wissensmanagementproblemen. Darüber hinaus wurde das Praxisforum Wissensmanagement<br />
zwischenzeitlich auf ein zweites, ebenso vom B<strong>MB</strong>F gefördertes Projekt – das Verbundprojekt<br />
MOTIWIDI (Motivationseffizienz in wissensintensiven Dienstleistungsnetzwerken) – ausgeweitet.<br />
3) Nähere Informationen hierzu finden sich im Internet unter der URL „http://www.praxisforum-wissensmanagement.de/“.
12 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
Zur regionalen Verbreitung von Ergebnissen des Verbundprojekts KOWIEN wurde gemeinsam mit<br />
der Zentralstelle für Forschungs- und Entwicklungstransfer (FET) der Universität Duisburg-Essen<br />
ein Workshop veranstaltet. Er fand im April 2004 auf dem Campus Essen im Rahmen der praxisorientierten<br />
Veranstaltungsreihe „WirtschaftsForum 10: IuK-Kompetenz im Dialog“ statt und widmete<br />
sich speziell dem Thema „Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen“.<br />
Der Workshop richtete sich vornehmlich an Wirtschaftsunternehmen der Ruhrgebietsregion,<br />
vor allem an kleine und mittelgroße Unternehmen (KMU).<br />
Für die überregionale Verbreitung von Projektergebnissen konnte als weiterer Stakeholder die Gemeinschaftsaktion<br />
„Multimedia im Maschinenbau“ gewonnen werden, die vom VDMA NRW, der<br />
IG-Metall-Bezirksleitung NRW und dem Arbeitgeber-Ausschuss Metall NRW getragen wird. Im<br />
März 2003 erfolgte in diesem praxisnahen Forum ein Beitrag zur Transferveranstaltung „Facetten<br />
des Wissensmanagements in Maschinenbau-Unternehmen – Versteckte Potenziale nutzen“ in Krefeld.<br />
In diesem Beitrag über „Kooperatives Wissensmanagement im Maschinen- und Anlagenbau“<br />
berichteten ein Praxispartner und der Universitätspartner gemeinsam über wesentliche Zwischenergebnisse<br />
des Verbundprojekts KOWIEN und nutzten die Gelegenheit, auf die Entwicklung des<br />
Software-Tools für ontologiebasiertes Kompetenzmanagement aufmerksam zu machen.<br />
Zu den weiteren externen Stakeholdern, mit denen ein intensiver Meinungsaustausch über Erkenntnisse<br />
des Verbundprojekts gepflegt sowie ein Transfer von Projektergebnissen in die betriebliche<br />
Praxis organisiert wurde, zählten insbesondere:<br />
• die Industrie- und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen,<br />
• die Ontoprise GmbH,<br />
• die inomic GmbH,<br />
• die IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien,<br />
• andere B<strong>MB</strong>F-geförderte Verbundprojekte, vor allem die Projekte GINA und KOEFFIZIENT<br />
(gemeinsamer Abschlussworkshop), ESCIO und MOTIWIDI (gemeinsamer Workshop zum<br />
Wissenstransfer, insbesondere an KMU der Region).<br />
Darüber hinaus haben die Praxis- und der Universitätspartner auf einer größeren Anzahl von sowohl<br />
nationalen als auch internationalen Fachkonferenzen die Ergebnisse des Verbundprojekts KO-<br />
WIEN einer interessierten Fachöffentlichkeit vorgestellt. Zu diesen Fachkonferenzen zählen u.a.:<br />
∙ 2. Konferenz Professionelles Wissensmanagement (WM 2003)<br />
in Luzern, Schweiz (02.04.-04.04.2003);<br />
∙ 6th, 7th and 8th World Multiconference on Systemics, Cybernetics and Informatics<br />
(SCI 2002, SCI 2003, SCI 2004) in Orlando, USA (jeweils August des Jahres);<br />
∙ 18th International Workshop on Qualitative Reasoning (QR 04)<br />
in Evanston, USA (02.08.-04.08.2004);<br />
∙ 48th European Organization for Quality Congress (EOQ 04)<br />
in Moskau, GUS (06.09.-10.09. 2004);<br />
∙ 8th International Symposium on Measurement and Quality Control in Production (ISMQC)<br />
in Erlangen, Deutschland (12.10.-15.10.2004).<br />
Schließlich verfassten die Praxis- und der Universitätspartner zahlreiche Veröffentlichungen, um die<br />
Erkenntnisse und Ergebnisse der Projektarbeiten in der interessierten Öffentlichkeit als „globalem<br />
Stakeholder“ zu verbreiten. Dazu gehören nicht nur primär wissenschaftlich ausgerichtete Publika-
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 13<br />
tionen, sondern auch Beiträge in praxis- und somit wirtschaftsnahen Zeitschriften, die sich in erster<br />
Linie an Fach- und Führungskräfte von KMU richten. Beide Gruppen von Projektpublikationen<br />
werden in der abschließenden Aufstellung von Projektveröffentlichungen gesondert ausgewiesen.<br />
D Wissenschaftlicher und technischer Stand<br />
zu Beginn und Ende des Verbundprojekts<br />
Seit längerer Zeit stehen Unternehmen vor dem Problem, der zunehmenden Dynamik und Turbulenz<br />
des Unternehmensumfelds durch flexible, neuerdings sogar als „agil“ bezeichnete Organisationsformen<br />
Rechnung tragen zu müssen. Im Engineering-Bereich hat sich weit gehend die Form der<br />
Projektorganisation durchgesetzt. Sie erlaubt es einem Unternehmen, sich an die Herausforderungen<br />
komplexer und rasch wechselnder Engineering-Aufgaben dadurch anzupassen, dass für die Erfüllung<br />
einer solchen Aufgabe jeweils ein Projekt definiert wird.<br />
Aus betriebswirtschaftlicher Sicht wird die Planung und Steuerung solcher Projekte mit Projektmanagementtechniken,<br />
wie z.B. mit Netzplantechnik und Workflowmanagementsystemen, bereits zufrieden<br />
stellend beherrscht. Ein zweiter Aspekt des Projektmanagements, die Zusammenstellung<br />
(„Konfiguration“) von Projektteams, wird hingegen nur mangelhaft mit praxistauglichen Instrumenten<br />
unterstützt. Bei der Konfiguration gilt es, ein Team aus Mitarbeitern zusammenzustellen,<br />
die für die Erfüllung einer anstehenden Engineering-Aufgabe bestmöglich qualifiziert sind. Die<br />
aufgaben- und somit projektspezifisch erforderlichen Qualifikationen erstrecken sich – sofern Kompetenzen<br />
als handlungsbefähigendes Wissen betroffen sind – sowohl auf konzeptionelles Wissen,<br />
das z.B. durch erworbene berufsbezogene oder akademische Abschlüsse nachgewiesen sein kann,<br />
als auch auf Erfahrungswissen, das bei der praktischen Erfüllung ähnlicher Aufgaben in der Vergangenheit<br />
erworben wurde. Die Gesamtheit dieses benötigten Wissens wird als projektspezifisches<br />
Know-how erfasst. Projektspezifisches Know-what spielt dagegen in der Regel eine betriebswirtschaftlich<br />
untergeordnete Rolle, so dass darauf im Folgenden nicht explizit eingegangen wird.<br />
Für die wissensintensiven Engineering-Aufgaben, die den Hintergrund des Verbundprojekts KO-<br />
WIEN bilden, spielt die Bereitstellung der Ressource Wissen eine herausragende Rolle. Soweit das<br />
projektspezifische Know-how nicht von den ausgewählten Mitarbeitern als Wissen „in ihren Köpfen“<br />
mitgebracht wird, muss es im Rahmen der Projektkonfiguration durch andere Wissensträger<br />
zusätzlich bereitgestellt werden. In erster Linie bieten sich hierfür Daten-, Informations- und Wissensbanken<br />
an, in denen ein Unternehmen insbesondere das Erfahrungswissen („lessons learned“)<br />
aus früher durchgeführten Projekten explizit dokumentiert und zur Wiederverwendung („knowledge<br />
reuse“) in Folgeprojekten vorhält. Aber auch andere Formen der Speicherung organisationalen Wissens,<br />
wie z.B. konventionelle Handbücher, Organisationsrichtlinien und Projektberichte, kommen<br />
als Wissensquellen für projektspezifisches Know-how in Betracht. Alle vorgenannten Spielarten<br />
desjenigen Wissens, das in einem Unternehmen zur Erfüllung einer wissensintensiven Engineering-<br />
Aufgabe vorhanden ist, müssen im Rahmen des Projektmanagements berücksichtigt werden.<br />
Ein professionelles Wissensmanagement wird in der betrieblichen Praxis oftmals durch die unnötige<br />
Heterogenität der jeweils eingesetzten Formen der Wissensrepräsentation erheblich erschwert:<br />
Es werden unterschiedliche Repräsentationssprachen für die Erfassung desselben Gegenstandsbereichs<br />
nebeneinander verwendet. Dies ist z.B. für Beschaffungsprozesse der Fall, wenn sie einerseits<br />
für Zwecke der Zertifizierung nach DIN ISO EN 9000 ff. – neuerdings nach der aktualisierten<br />
Normenfamilie DIN ISO EN 9001:2000 – textuell beschrieben werden („Qualitätsmanagement-<br />
Handbuch“), andererseits aber für die Einführung von Enterprise-Resource-Planning-Systemen wie
14 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
SAP R/3 mittels ereignisgesteuerter Prozessketten semigraphisch modelliert werden. Aufgrund einer<br />
solchen Nutzung unterschiedlicher Repräsentationsformen und -sprachen können nicht nur unwirtschaftliche<br />
Redundanzen entstehen. Stattdessen drohen infolge der Redundanz bei der Aktualisierung<br />
von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen, die zu späteren Design- und<br />
Anwendungsfehlern mit nicht unerheblichem wirtschaftlichen Schadenspotenzial führen können.<br />
Für die vorgenannten Managementaufgaben existieren zwar viel versprechende Ansätze in der wissenschaftlichen<br />
Forschung. Dies betrifft vor allem Techniken des Wissensmanagements, die seit<br />
Anfang der achtziger Jahre im Rahmen des Knowledge-Level-Engineerings intensiv diskutiert werden.<br />
Hierbei handelt es sich insbesondere um Ontologien und – mit geringerem Gewicht – um Referenzmodelle.<br />
Aber diese Ansätze sind bislang noch nicht in praxistaugliche, computerbasierte Instrumente<br />
zur Unterstützung des betrieblichen Wissensmanagements umgesetzt worden. Stattdessen<br />
klafft derzeit auf dem Gebiet der Softwareunterstützung für Aufgaben des Wissensmanagements eine<br />
gravierende technische Umsetzungslücke: Zwar bieten einige wenige Hersteller betrieblicher Anwendungssoftware<br />
in jüngster Zeit Komponenten an, die Aufgaben des inner- und überbetrieblichen<br />
Wissensmanagements unterstützen. Detaillierte Analysen dieser Offerten zeigen jedoch, dass es<br />
sich in der Regel lediglich um Erweiterungen klassischer Datenbank- oder Dokumentenverwaltungstechniken<br />
handelt. Neuere Erkenntnisse aus dem Bereich des Knowledge-Level-Engineerings<br />
finden in diesen kommerziell verfügbaren Softwarekomponenten noch keine zufrieden stellende<br />
Berücksichtigung. Insbesondere fehlt es an praxistauglichen, also auch von „durchschnittlich qualifizierten“<br />
Mitarbeitern anwendbaren Techniken für das systematische, computerbasierte Akquirieren,<br />
Strukturieren und Repräsentieren von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile.<br />
Um die zuvor erwähnte technische Umsetzungslücke zu schließen, werden insbesondere zwei Arten<br />
von Instrumenten für das betriebliche Wissensmanagement benötigt. Einerseits bedarf es einer systematischen<br />
Anleitung, wie bei der Erfüllung der Aufgaben des Managements von Kompetenzwissen<br />
konkret vorgegangen werden soll. Ein solches Vorgehensmodell, das den Anforderungen der<br />
betrieblichen Praxis entspricht, existiert zurzeit noch nicht. Andererseits besteht ebenso ein erheblicher<br />
Bedarf an computerbasierten Arbeitstechniken für die vorgenannten kompetenzbezogenen Managementaufgaben.<br />
Für diese Arbeitstechniken sind entsprechende Software-Werkzeuge erforderlich,<br />
um <strong>Kompetenzmanagementsysteme</strong> im betrieblichen Alltag effektiv und effizient nutzen zu<br />
können.<br />
Die technische Umsetzungslücke, die bislang hinsichtlich der Techniken des Knowledge-Level-<br />
Engineerings klaffte, wurde durch das Verbundprojekt KOWIEN zu einem großen Teil geschlossen.<br />
Die Projektergebnisse erstrecken sich vor allem auf die Konzipierung und prototypische Implementierung<br />
computerbasierter <strong>Kompetenzmanagementsysteme</strong>. Sie setzen Erkenntnisse des Knowledge-Level-Engineerings<br />
vor allem dadurch um, dass sämtliches Wissen über Kompetenzen, Kompetenzträger<br />
und Kompetenzprofile auf der einheitlichen Grundlage von Ontologien – einem Kernkonzept<br />
des Knowledge-Level-Engineerings – repräsentiert wird. Hinzu kommen organisatorische<br />
Hilfsmittel wie ein Vorgehensmodell und eine E-Learning-Umgebung, die den Gebrauch der <strong>Kompetenzmanagementsysteme</strong><br />
in der betrieblichen Praxis erheblich erleichtern. Auf diese – sowie ergänzende<br />
– Ergebnisse des Verbundprojekts wird im folgenden Kapitel näher eingegangen.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 15<br />
E Projektergebnisse<br />
Die Durchführung des Verbundprojekts KOWIEN hat im Wesentlichen acht konkrete Ergebnisse<br />
hervorgebracht. Sie tragen dazu bei, diejenigen Beiträge zu realisieren, die für das Rahmenkonzept<br />
„Forschung für die Produktion von morgen“ und sein Themenfeld 2.1 erwartet wurden. Im Einzelnen<br />
handelt es sich um die nachfolgend skizzierten Projektergebnisse.<br />
Anforderungskatalog:<br />
Für die zwei exemplarisch untersuchten Anwendungsszenarien wurden sowohl theoretisch fundierte<br />
als auch praxisrelevante Anforderungen an die Wissensakquisition, die Wissensstrukturierung<br />
und die Wissensrepräsentation erhoben. Diese Anforderungen wurden allen weiteren Entwicklungsschritten<br />
zugrunde gelegt, um nach ihrer Maßgabe anforderungsgerechte Projektergebnisse zu erarbeiten.<br />
Darüber hinaus dienten sie dazu, um angesichts knapper zeitlicher und personeller Projektressourcen<br />
Priorisierungen vorzunehmen. Mit Hilfe dieser Priorisierungen wurden diejenigen Teilprozesse<br />
bei der Erfüllung wissensintensiver Engineering-Aufgaben ausgewählt, die sich aus der<br />
Sicht der Praxispartner des Verbundprojekts durch eine hohe Wissensintensität und einen hohen<br />
Unterstützungsbedarf mittels computerbasierter Wissensmanagementtechniken auszeichnen.<br />
Ontologien:<br />
Um mittels computerbasierter Wissensmanagementtechniken auf natürlichsprachlich formuliertes<br />
Wissen zugreifen zu können, wurden mehrere Ontologien entworfen und in unterschiedlichen formalen<br />
Repräsentationssprachen implementiert. Die Ontologien fokussieren sich auf die Domäne des<br />
Managements von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile. Sie bilden<br />
somit das formalsprachliche Fundament für <strong>Kompetenzmanagementsysteme</strong>. Im Interesse einer<br />
möglichst breiten und zugleich tiefen Domänenabdeckung wurde einerseits eine „generische“ KO-<br />
WIEN-Ontologie konstruiert, die sich auf den gesamten Bereich des betrieblichen Kompetenzmanagements<br />
erstreckt. Andererseits entstand in enger Zusammenarbeit zwischen dem Universitätsund<br />
einem der Praxispartner, der Essener DMT GmbH, eine unternehmensspezifische Kompetenzontologie.<br />
Neben den Ontologien als unmittelbar „fassbaren“ und dokumentierten Ergebnissen der<br />
Projektarbeiten führte die intensive Auseinandersetzung mit epistemischen und technischen Problemen<br />
des Ontologiedesigns zu mehreren wissenschaftlich bemerkenswerten Erkenntnissen, die in<br />
späteren Beiträgen der hier vorgelegten Monographie ausführlicher thematisiert werden.<br />
Konzeption für ontologiebasierte Wissens-, insbesondere <strong>Kompetenzmanagementsysteme</strong>:<br />
Auf der Basis von Ontologien wurde eine Konzeption für computerbasierte Wissensmanagementsysteme<br />
entwickelt, die das Management von Wissen über Kompetenzen, Kompetenzträger und<br />
Kompetenzprofile unterstützen. Hierdurch wurden neuartige Entwicklungen auf dem Gebiet des<br />
Knowledge-Level-Engineerings für ihre Anwendung in der betrieblichen Praxis zugänglich gemacht.<br />
Dieser Beitrag zur Schließung der zuvor konstatierten technischen Umsetzungslücke verschafft<br />
betrieblichen Anwendern von computerbasierten Wissensmanagementsystemen Zugang zu<br />
einer neuartigen Schlüsseltechnologie, die zurzeit vor allem aus der Perspektive des „Semantic<br />
Web“ außerordentliche Beachtung erlangt. Die Konzeption fokussiert sich zwar inhaltlich auf<br />
<strong>Kompetenzmanagementsysteme</strong>, um einen klaren, leicht nachvollziehbaren Anwendungsbezug mit<br />
unmittelbarem Nutzenpotenzial für die betriebliche Praxis herzustellen. Doch wurde die Konzeption<br />
so flexibel und erweiterungsoffen ausgestaltet, dass sie sich ohne gravierende Schwierigkeiten auf<br />
andere Anwendungsbereiche für computerbasierte Wissensmanagementsysteme übertragen lässt.<br />
Beispielsweise kann sie generell von Softwareproduzenten genutzt werden, die sich auf die Entwicklung<br />
ontologiebasierter Wissensmanagementsysteme konzentrieren. Darüber hinaus erschließt<br />
die Konzeption auch Unternehmensberatungen, die auf dem Gebiet des Knowledge Engineerings<br />
tätig sind, neue Perspektiven für die Reorganisation ihrer Geschäftsprozesse. Dies gilt insbesondere
16 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
im Hinblick auf die Systematisierung, Erschließung und Integritätswahrung ihrer erfolgskritischen<br />
Ressource, d.h. ihres Beratungswissens.<br />
Generisches Vorgehensmodell:<br />
Zur praktischen Anwendung des ontologiebasierten Kompetenzmanagements wurde ein generisches<br />
Vorgehensmodell entwickelt. Es umfasst als Kernkomponente allgemein („generisch“) einsetzbare<br />
Methoden („Vorgehensweisen“) zur systematischen Konstruktion und Anwendung von kompetenzbezogenen<br />
Ontologien. Unternehmen unterschiedlicher Branchen erhalten hierdurch konkrete Leitlinien<br />
für die Konzipierung, Realisierung und Nutzung computerbasierter Wissensmanagementsysteme,<br />
die sich zum Management von Kompetenzwissen eignen. Ein solches generisches Vorgehensmodell<br />
stand bislang noch nicht zur Verfügung. Stattdessen existierten im Bereich des Wissensmanagements<br />
nur relativ unverbindliche Vorgehensbeschreibungen, die sich aufgrund ihrer geringen<br />
Problemangemessenheit und ihrer mangelhaften Operationalisierung einer praktischen Umsetzung<br />
weit gehend entzogen.<br />
Customizing-Instrumente:<br />
Es wurden Instrumente zur situationsspezifischen Anpassung des generischen Vorgehensmodells<br />
entwickelt. Sie ermöglichen es, das Vorgehensmodell an jene konkrete Anwendungssituation anzupassen,<br />
die in einem Unternehmen hinsichtlich der Implementierung eines Wissensmanagementsystems<br />
tatsächlich vorliegt. Als situative Einflussgrößen kommen z.B. die unterschiedlichen Gestaltungszwecke<br />
in Betracht, die mit einem Wissensmanagementsystem verfolgt werden. Dabei kann es<br />
sich u.a. um die „schlichte“ Konservierung von erworbenem Erfahrungswissen, um die Beurteilung<br />
von Mitarbeiterkompetenzen im Rahmen von Personalentgeltung und -entwicklung oder auch um<br />
die kompetenzorientierte Konfiguration von Projektteams handeln. Ebenso gilt es, die Beschreibungssprachen<br />
und Repräsentationsformen zu beachten, die in den bereits vorhandenen Informations-<br />
und Kommunikationssystemen eines betrieblichen Anwenders eingesetzt werden. Durch die<br />
Berücksichtigung solcher situativer Einflussgrößen wird die Individualisierung von Wissensmanagementsystemen<br />
unterstützt. Wichtig sind diese Erkenntnisse vor allem für Anbieter und Nutzer<br />
von computerbasierten Wissensmanagementsystemen, um ein kundengerechtes Customizing (Tailoring)<br />
dieser Systeme vornehmen zu können.<br />
Prototypisches Software-Tool:<br />
Einer der Projektpartner, ein ausgewiesenes IT-Unternehmen mit einschlägigem Entwicklungs-<br />
Know-how für Wissensmanagement-Software (die Comma Soft AG), hat einen Prototyp für ontologiebasierte<br />
<strong>Kompetenzmanagementsysteme</strong> entwickelt. Dieses Software-Tool leistet die informationstechnische<br />
Implementierung der o.a. Konzeption für das ontologiebasierte Management von<br />
Kompetenzwissen. Auf diese Weise wird die technisch-ökonomische Verwertbarkeit der Konzeption<br />
auch für Hersteller von computerbasierten Wissensmanagementsystemen aufgezeigt. Die anderen<br />
Praxispartner haben den entwickelten Prototyp in ihren Unternehmen intensiv erprobt und hierbei<br />
hinsichtlich seiner Praxistauglichkeit aus der Perspektive betrieblicher Anwender evaluiert. Die<br />
Erprobungs- und Evaluationsergebnisse waren sehr ermutigend. Der Softwarepartner wird nach Ende<br />
der Projektlaufzeit darüber entscheiden, ob er den Prototyp zu einer marktreifen, professionellen<br />
Wissensmanagement-Software weiterentwickelt. Diese Weiterentwicklung müsste insbesondere Instrumente<br />
zur situations- und kundengerechten Anpassung (vgl. Ergebnis Nr. 5) eines ontologiebasierten<br />
Kompetenzmanagementsystems umfassen. Eine solche potenzielle Weiterentwicklung des<br />
Prototyps zur Marktreife liegt jedoch außerhalb des Verbundprojekts KOWIEN. Sie gehört in den<br />
Bereich der ökonomischen Nachnutzung der Projektergebnisse.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 17<br />
E-Learning-Umgebung:<br />
Vom Universitätspartner wurde gemeinsam mit den Praxispartnern eine E-Learning-Umgebung<br />
konzipiert und realisiert. Sie wurde als selbstständig lauffähige Learnware implementiert, um möglichst<br />
vielseitig verwendbar zu sein. Als primäres Anwendungsgebiet der Learnware schälte sich im<br />
Verlauf der Projektarbeiten das prototypische Software-Tool heraus. In diesem Verwertungszusammenhang<br />
dient die E-Learning-Umgebung dazu, Benutzer des Software-Tools mit dessen Einsatz<br />
als ontologiebasiertes Kompetenzmanagementsystem vertraut zu machen. Zielgruppe sind vor<br />
allem erstmalige oder lediglich sporadische Benutzer des Software-Tools, die über keine ausgeprägten<br />
Vorkenntnisse im Bereich des ontologiebasierten Kompetenzmanagements verfügen. Daher<br />
wurde besonderer Wert darauf gelegt, in der E-Learning-Umgebung nicht nur die Funktionalitäten<br />
des Software-Tools anschaulich zu erläutern. Vielmehr wurden ebenso große Teile des generischen<br />
Vorgehensmodells (vgl. Ergebnis Nr. 4) einbezogen. Hierdurch sollen den Benutzern des Software-<br />
Tools in ihrer betrieblichen Alltagsarbeit konkrete Hilfestellungen dabei geboten werden, wie sie<br />
kompetenzbezogene Ontologien systematisch konstruieren und im Rahmen eines ontologiebasierten<br />
Kompetenzmanagementsystems zielorientiert anwenden können. In dieser Assistenzfunktion dient<br />
die E-Learning-Umgebung auch der beruflichen Weiterbildung. Darüber hinaus bietet sich die E-<br />
Learning-Umgebung an, um im Rahmen der universitären Aus- und Weiterbildung eingesetzt zu<br />
werden. Hierfür kommt in erster Linie der Online-Studiengang Wirtschaftsinformatik „VAWi“<br />
(Virtuelle Ausbildung Wirtschaftsinformatik) in Betracht, der unter Federführung der Universität<br />
Duisburg-Essen, Campus Essen, gemeinsam mit den Universitäten Bamberg und Erlangen-Nürnberg<br />
durchgeführt wird. Über eine Integration der E-Learning-Umgebung in diesen Online-Studiengang<br />
wird aber erst in der Nachnutzungsphase des Verbundprojekts KOWIEN entschieden werden<br />
können.<br />
Fallstudie:<br />
Für die Erprobung und Evaluierung der Praxistauglichkeit der Wissensmanagementtechniken, die<br />
im Verbundprojekt KOWIEN (fort)entwickelt und eingesetzt wurden, erstellte einer der Praxispartner<br />
– ein renommiertes, international ausgewiesenes Beratungsunternehmen, die Roland Berger<br />
Strategy Consultants GmbH, – gemeinsam mit dem Universitätspartner eine Fallstudie. Sie reflektiert<br />
einerseits die konkreten betrieblichen Anwendungssituationen, die bei den Praxispartnern des<br />
Verbundprojekts KOWIEN für das Wissensmanagement im betrieblichen Alltag vorherrschen. Andererseits<br />
wurde sie in der Art einer Harvard Business School (HBS) Case Study verfasst, um dem<br />
internationalen Anspruch an professionell gestaltete Fallstudien gerecht zu werden. Inhaltlich wurde<br />
insbesondere der potenzielle Konflikt zwischen Personalisierungs- und Kodifizierungsstrategie des<br />
Wissensmanagements aufgegriffen, der im Kapitel 1.1.1 (S. 33 ff.) des vorliegenden Werks näher<br />
erörtert wird. Da sich dieser Konflikt bei allen Praxispartnern des Verbundprojekts als „virulent“<br />
herausstellte und auch unter Fachexperten als allgemeines Problem des betrieblichen Wissensmanagements<br />
erkannt wird, eignet sich die KOWIEN-Fallstudie ausgezeichnet als Schulungsmaterial<br />
sowohl für die Projektpartner als auch einen breiten Kreis weiterer Unternehmen (in der Nachnutzungsphase<br />
des Verbundprojekts). Um eine möglichst große „Breitenwirkung“ zu erzielen, wird die<br />
KOWIEN-Fallstudie vom Universitätspartner im Bereich der regulären universitären Ausbildung<br />
für Studierende der Wirtschaftswissenschaften eingesetzt. Mit dem Fallstudieneinsatz werden nicht<br />
nur Einsichten und Ergebnisse des Verbundprojekts KOWIEN im akademischen Bereich verbreitet,<br />
sondern es erfolgt auch ein wichtiger Beitrag zur stärkeren Praxisorientierung universitärer Ausbildung.<br />
Die vorgenannten Ergebnisse des Verbundprojekts KOWIEN stellen in ihrer Gesamtheit sicher,<br />
dass die ökonomischen und technologischen Kernziele des Projekts im ursprünglich angestrebten<br />
Ausmaß erreicht wurden.
18 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
Im Vordergrund der Zielerreichung steht der Erwerb konzeptioneller Kompetenz für ein ontologie-<br />
und vorgehensmodellbasiertes Wissensmanagement im Engineering-Bereich, und zwar für die Entwicklung<br />
von sowohl wissensintensiven Sachgütern (Produkt-Engineering) als auch wissensintensiven<br />
Dienstleistungen (Service-Engineering). Dieser Kompetenzerwerb kommt allen Projektpartnern<br />
unmittelbar zugute, um ihre Wettbewerbsfähigkeit – vor allem im Bereich des Projektgeschäfts<br />
– zu steigern. Die Praxispartner können ihren Kompetenzgewinn im Bereich des betrieblichen Wissensmanagements<br />
nutzen, um beispielsweise ihre strategische Unternehmensplanung durch das<br />
Management von Kompetenzwissen im Hinblick auf ihre Kernkompetenzen zu schärfen und diese<br />
Kernkompetenzen wertschöpfend in die Entwicklung innovativer Produkte umzusetzen. Auf diese<br />
Weise wird ein wichtiger Beitrag zur Verzahnung von Forschungs- und Entwicklungs- sowie Produktionsstrategien<br />
geleistet. Zugleich zeigt das prototypische Software-Tool die „Machbarkeit“ ontologiebasierter<br />
<strong>Kompetenzmanagementsysteme</strong> auf, mit deren Hilfe sich Wissen über die eigenen<br />
Kompetenzen, Kompetenzträger und Kompetenzprofile systematisch nutzen lässt, um die Qualität<br />
von Produktentwicklungsprozessen zu erhöhen und zugleich die hierfür erforderlichen Entwicklungszeiten<br />
zu verringern.<br />
Darüber hinaus wird das prototypische Software-Tool den Softwarepartner des Verbundprojekts<br />
KOWIEN in die Lage versetzen, ein marktreifes, professionelles Softwareprodukt für computerbasierte<br />
Wissensmanagementsysteme zu entwickeln, die sich auf das ontologiebasierte Management<br />
von Kompetenzwissen fokussieren. Diese Weiterentwicklung kann auf die Erkenntnisse zurückgreifen,<br />
die innerhalb des Verbundprojekts über Instrumente zur situations- und kundengerechten Anpassung<br />
von computerbasierten Wissensmanagementsystemen gesammelt wurden. Angesichts der<br />
Kompetenz des Softwarepartners, internetbasierte Softwareanwendungen zu entwickeln und Softwarelösungen<br />
für unternehmensspezifische Problemstellungen zu implementieren, ist davon auszugehen,<br />
dass nach einer entsprechenden Weiterentwicklung des Prototyps bis zur Marktreife ein<br />
konkurrenzfähiges Softwareprodukt für computerbasierte Wissensmanagementsysteme vorliegen<br />
wird. Die Weiterentwicklung des Prototyps zur Marktreife im Anschluss an die Projektdurchführung<br />
würde eine bedeutsame ökonomische Nachnutzung der Projektergebnisse darstellen und die<br />
Standortqualität Deutschlands für innovative Softwareentwicklungen stärken. Zugleich könnte der<br />
Softwarepartner seine Marktposition im Wettbewerb mit anderen nationalen, insbesondere aber<br />
auch internationalen Konkurrenten durch ein innovatives Produkt (Verwendung von Ontologien,<br />
XML usw.) ausbauen. Die Defizite und Verbesserungspotenziale derzeitiger Ansätze auf dem Gebiet<br />
des Wissensmanagements, der hohe Stellenwert des Themas in der Wirtschaft, die führende<br />
Marktstellung des Softwarepartners im Bereich internetbasierter Wissensmanagement-Software<br />
sowie konkrete Kundenanfragen weisen auf ein hohes wirtschaftliches Erfolgspotenzial für ein solches<br />
Produkt hin.<br />
Für den Praxispartner aus dem Service-Engineering-Szenario bestehen begründete Aussichten, ein<br />
ontologiebasiertes Kompetenzmanagementsystem zur Verbesserung seiner strategischen Wettbewerbsposition<br />
im internationalen Wettbewerb mit anderen Beratungsunternehmen nutzen zu können.<br />
Im Vordergrund der Verwertungsaussichten steht die Möglichkeit, Best-practice-Wissen aus<br />
bereits durchgeführten eigenen Beratungsprojekten für die Akquisition und die Bearbeitung neuer<br />
Projekte allen Mitgliedern des Unternehmens zugänglich zu machen. Die rasche Identifizierung und<br />
Anwendung von unternehmensintern vorhandenem, aber nicht direkt zugänglichem Fach- und Erfahrungswissen<br />
gilt in der Consulting-Branche als einer derjenigen strategischen Erfolgsfaktoren,<br />
der schon heute den Wettbewerb nachhaltig prägt.<br />
Die Verwertungsaussichten der drei Praxispartner aus dem Produkt-Engineering-Szenario erstrecken<br />
sich vor allem darauf, unternehmensintern vorhandene Kompetenzen möglichst rasch und<br />
möglichst umfassend nutzen zu können. Gemeinsames Ziel dieser kleinen und mittelgroßen Unter-
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 19<br />
nehmen ist es, sich im Wettbewerb gegenüber ihren Konkurrenten vor allem durch kompetenzbasierte<br />
Qualitäts- und Zeitvorsprünge durchzusetzen. Alle drei Unternehmen des Produkt-Engineering-Szenarios<br />
sind im Bereich des Maschinen- und Anlagenbaus tätig. Sie verfügen über hohe<br />
ingenieurtechnische Kompetenzen in vielfältigen Engineering-Bereichen. Sowohl für ihr Projektgeschäft<br />
als auch für die kundenfokussierte Auftragsproduktion ist es typisch, dass die meisten Projekte<br />
bzw. Produktserien hoch spezialisiertes Engineering-Wissen voraussetzen und oftmals den Charakter<br />
von auftragsspezifischen Einzelfertigungen aufweisen. Daher stellt sich bei neu eintreffenden<br />
Projektausschreibungen oder Kundenanfragen häufig das Problem herauszufinden, ob die zur Projektbearbeitung<br />
bzw. Produktherstellung erforderlichen Kompetenzen aus früher erfolgreich durchgeführten<br />
Projekten bzw. Produktionen – zumindest teilweise – zur Verfügung stehen. Darüber hinaus<br />
ist es des Öfteren nicht unmittelbar bekannt, bei welchen Mitarbeitern diese Kompetenzen abgerufen<br />
werden können. Besonders ausgeprägt ist die letztgenannte Schwierigkeit bei einem der Praxispartner<br />
mit heterogenen Geschäftsfeldern, so dass sich zuweilen bei der Zusammenstellung eines<br />
Projektteams Wissenslücken hinsichtlich der Kompetenzverteilung im Unternehmen hinderlich<br />
auswirken. Die drei Partnerunternehmen aus dem Produkt-Engineering-Szenario werden die Erkenntnisse<br />
aus dem Projekt KOWIEN praktisch verwerten, um ihr alltägliches Problem, einerseits<br />
verfügbare und andererseits zwecks Projekt- oder Auftragsakquisition und -durchführung erforderliche<br />
Engineering-Kompetenzen aufeinander abzustimmen, besser als in der Vergangenheit zu lösen.<br />
Hierdurch soll ihre Position im Wettbewerb um wissensintensive Engineering-Projekte nachhaltig<br />
gestärkt werden.<br />
Allerdings ist von einem „ehrlichen“ Bericht über die realisierten Ergebnisse eines Forschungs- und<br />
Entwicklungsprojekts im Allgemeinen nicht zu erwarten, dass alle intendierten Projektergebnisse<br />
tatsächlich realisiert wurden. Dies liegt in der „natürlichen“ Ergebnisunsicherheit aller Forschungsund<br />
Entwicklungsprojekte begründet. Insbesondere zwei Aspekte des Verbundprojekts KOWIEN<br />
konnten nicht so verwirklicht werden, wie sie ursprünglich geplant waren.<br />
Erstens gelang es nicht, substanzielle Erkenntnisse hinsichtlich des Nebenziels zu gewinnen, wie<br />
das wechselseitige Verhältnis zwischen Referenzmodellen einerseits und Ontologien andererseits<br />
beschaffen ist. Ursprünglich sollte aufgezeigt werden, wie sich Wissen, das in Referenzmodellen<br />
repräsentiert ist, zur Konstruktion von Ontologien verwenden lässt und wie Ontologien in Referenzmodelle<br />
zurückübersetzt werden können. Im Verlauf der konkreten Projektarbeit zeigte sich jedoch,<br />
dass die einschlägigen Referenzmodelle, die in der Fachliteratur zu den beiden KOWIEN-<br />
Szenarien angeboten werden, zurzeit (noch) nicht das Ausmaß an inhaltlicher Detailliertheit und<br />
Präzision erreichen, um bei der Entwicklung eines ontologiebasierten Kompetenzmanagementsystems<br />
für die betriebliche Praxis konkret eingesetzt werden zu können. Diese „frustrierende“ Einsicht<br />
in den aktuellen Entwicklungszustand von Referenzmodellen stellte sich sowohl für das Produkt-<br />
als auch für das Service-Engineering-Szenario heraus. Daher mussten im Verbundprojekt<br />
KOWIEN die Ontologien für Aufgaben des Kompetenzmanagements in den beiden vorgenannten<br />
Szenarien von Grund auf neu entwickelt werden, ohne auf entsprechende Referenzmodelle zurückgreifen<br />
zu können. Aus diesem Grund erübrigte sich die Frage, wie sich Wissen, das in Referenzmodellen<br />
repräsentiert ist, zur Konstruktion von Ontologien verwenden lässt. Die komplementäre<br />
Frage, wie Ontologien in Referenzmodelle zurückübersetzt werden können, wäre zwar durchaus<br />
weiterhin von grundsätzlichem Interesse gewesen. Aber der aktuelle Entwicklungszustand von Referenzmodellen<br />
ließ es wegen ihres Detaillierungs- und Präzisionsmangels aussichtslos erscheinen,<br />
die Informationsfülle von Ontologien in solche Referenzmodelle zurückübertragen zu können –<br />
zumindest im Rahmen der knappen zeitlichen und personellen Ressourcen, die im Verbundprojekt<br />
KOWIEN zur Verfügung standen. Daher wurden diese Ressourcen in andere, Erfolg versprechen-
20 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
dere Entwicklungsarbeiten – wie z.B. die E-Learning-Umgebung als Assistenzkomponente des<br />
Software-Tools – umgelenkt.<br />
Zweitens wurde in technologischer Hinsicht eine spezielle Facette des Knowledge-Level-Engineerings<br />
nicht so weit in die praktische betriebliche Anwendung mit Hilfe des Software-Tools umgesetzt,<br />
wie dies auf der Basis von Ontologien grundsätzlich möglich gewesen wäre. Diese spezielle<br />
Facette betrifft die Fähigkeit, implizites Wissen, das in explizit dokumentiertem Wissen über Kompetenzen,<br />
Kompetenzträger und Kompetenzprofile bereits enthalten ist, mittels Inferenzregeln computerbasiert<br />
zu erschließen und so in explizites Wissen zu überführen. Ontologien bereichern diese<br />
Möglichkeit der Wissensexplizierung durch eine besondere Art von Inferenzregeln („objektsprachliche“<br />
Inferenzregeln), die weit über die allgemein verfügbaren („metasprachlichen“) Inferenzregeln<br />
der deduktiven Logik hinausgehen. Im Verbundprojekt KOWIEN wurde eine Vielzahl solcher „objektsprachlicher“<br />
Inferenzregeln als Bestandteile von Ontologien für das betriebliche Kompetenzmanagement<br />
entwickelt und ausführlich analysiert. Dabei stellten sich einerseits konzeptionelle<br />
Schwierigkeiten heraus, Inferenzregeln innerhalb einer Ontologie so zu formulieren, dass sich das<br />
mit ihrer Hilfe erschlossene, neue explizite Kompetenzwissen mittels zweistelliger prädikatenlogischer<br />
Formeln als Faktenwissen ausdrücken lässt. Andererseits wurden vom Softwarepartner erhebliche<br />
Bedenken geäußert, ob sich die Integration einer prädikatenlogisch basierten „Inferenzmaschine“<br />
in das Software-Tool, die für die Anwendung der Inferenzregeln zum Zweck der Wissensexplizierung<br />
erforderlich gewesen wäre, aus den Blickwinkeln der Praktikabilität und der kommerziellen<br />
Verwertbarkeit rechtfertigen ließe. Aufgrund dieser Bedenken wurde vom Softwarepartner<br />
anstelle der Implementierung von Inferenzregeln und einer zugehörigen „Inferenzmaschine“ ein anderer<br />
softwaretechnischer Weg eingeschlagen, der sich so genannter „saved queries“ (Diktion der<br />
infonea ® -Wissensmanagement-Architektur) bedient. Diese alternative Implementierung mit Hilfe<br />
eines Inferenzregel- und Inferenzmaschinen-Substituts wird in einem Beitrag des Softwarepartners<br />
ausführlicher dargestellt.<br />
Den beiden vorgenannten Aspekten, die im Rahmen des Verbundprojekts KOWIEN nicht so wie<br />
ursprünglich geplant realisiert werden konnten, stehen aber auch „überraschende“ Ergebnisse gegenüber,<br />
die im ursprünglichen Projektrahmenplan nicht vorgesehen waren. Dazu gehörte bereits<br />
die Neuausrichtung der E-Learning-Umgebung, primär als Assistenzkomponente des prototypischen<br />
Software-Tools zu dienen. Darauf wurde schon weiter oben eingegangen.<br />
Darüber hinaus kristallisierte sich für das prototypische Software-Tool ein völlig neuartiger Anwendungsbereich<br />
heraus, an den zunächst in keiner Weise gedacht worden war. In Gesprächen mit<br />
der (damaligen) Zentralstelle für Forschungs- und Entwicklungstransfer (FET) der Universität<br />
Duisburg-Essen, Campus Essen, zeigte sich ein großes Interesse der Universität, das Software-Tool<br />
zur Darstellung der Forschungs- und Entwicklungskompetenzen von Hochschuldozenten im Internet<br />
zu nutzen. Auf diese Weise könnte das bisher verwendete „elektronische Forschungshandbuch“ der<br />
Universität durch eine wesentlich flexiblere und benutzerfreundlichere Anwendung des KOWIEN-<br />
Software-Tools abgelöst werden.<br />
Ein weiterer neuartiger Anwendungsbereich für Erkenntnisse aus dem Verbundprojekt KOWIEN<br />
kristallisierte sich während der Projektarbeiten im Bereich des Qualitätsmanagements heraus. In der<br />
Phase der Wissensakquisition für die Entwicklung des KOWIEN-Prototyps stellte sich die Frage<br />
nach geeigneten Quellen für einschlägiges Praxiswissen über verfügbare und erforderliche Kompetenzen.<br />
Hierbei zeigte sich, dass die beteiligten Praxispartner oftmals eine Reihe von kompetenzorientierten<br />
Wissensquellen in ihren eigenen Unternehmen besitzen, diese Quellen jedoch in herkömmlichen<br />
<strong>Kompetenzmanagementsysteme</strong>n nicht genutzt werden, um Wissen über Kompetenzen<br />
zu akquirieren. Insbesondere Unternehmen aus dem Maschinen- und Anlagenbau müssen heutzuta-
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 21<br />
ge ein effektives Qualitätsmanagement aufbauen, um beispielsweise für Automobilhersteller Aufträge<br />
wahrnehmen zu können. Weite Verbreitung findet hier die Fehlermöglichkeits- und Einflussanalyse<br />
(FMEA). Sie stellt eine Standardtechnik des Qualitätsmanagements dar.<br />
In FMEA-Anwendungen wird entsprechend qualifizierten Mitarbeitern die Verantwortlichkeit für<br />
Maßnahmen zur Fehlervermeidung übertragen. Dieses Wissen über technische und soziale Qualifikationen<br />
von Mitarbeitern lässt sich nutzen, um kompetenzbezogenes Wissen für die Konstruktion<br />
von Ontologien und Wissensbasen systematisch zu erwerben. Zu diesem Zweck wurde vom Universitätspartner<br />
ein ontologiebasierter FMEA-Softwareprototyp mit einer benutzerfreundlichen<br />
Browser-Schnittstelle (OntoFMEA) konzipiert und realisiert. Der Softwareprototyp OntoFMEA<br />
ermöglicht es, das Wissen aus FMEA-Formblättern, die auf der Basis der aktuellen VDA-Vorgaben<br />
von 1996 erstellt wurden, in eine Ontologie und Wissensbasis zu transferieren. Die Kölner Karl<br />
Schumacher Maschinenbau GmbH stellte hierzu freundlicherweise Informationen und FMEA-<br />
Know-how bereit.<br />
Das „ontologisch“ aufbereitete Wissen lässt sich anschließend für Zwecke sowohl des Kompetenz-<br />
als auch des Qualitätsmanagements nutzen. Beispielsweise kann es wieder verwendet werden, um<br />
mit der Hilfe von OntoFMEA neue FMEA-Anwendungen zu erstellen. Unter anderem kann nach<br />
möglichen Fehlern bei bestimmten Bauteilen gesucht werden. In einem nächsten Schritt ist es möglich,<br />
eine solche FMEA-Ontologie mit bestehenden Kompetenzontologien zu umfassenderen, auch<br />
für das betriebliche Qualitätsmanagement geeigneten Kompetenzontologien zusammenzuführen.<br />
Dieser neuartige Ansatz einschließlich seiner prototypischen Implementierung bietet die Chance,<br />
die Forschungs- und Praxisfelder des Wissens- und Qualitätsmanagements zukünftig enger miteinander<br />
zu verknüpfen. So kann z.B. die Fehlerdiagnose in komplexen Systemen mit der Ermittlung<br />
fachlich kompetenter Ansprechpartner verbunden werden. Mit dieser Ankopplung von Wissens-,<br />
insbesondere <strong>Kompetenzmanagementsysteme</strong>n an Qualitätsmanagementsysteme erwies sich der ontologiebasierte<br />
Forschungs- und Entwicklungsansatz des Verbundprojekts KOWIEN im Nachhinein<br />
als bemerkenswert flexibel. Er stellte seine Anschlussfähigkeit an andere Gestaltungsbereiche der<br />
betrieblichen Praxis – hier: des Qualitätsmanagements – unter Beweis, die in der ursprünglichen<br />
Projektkonzeption laut Projektrahmenplan gar nicht vorgesehen waren.<br />
Darüber hinaus bot sich eine unerwartete Gelegenheit, die Verwertbarkeit von Erkenntnissen des<br />
Verbundprojekts KOWIEN weit außerhalb der beiden ursprünglich anvisierten Anwendungsszenarien<br />
zu untersuchen. Durch zusätzliche Fördermittel aus dem InWert-Programm des B<strong>MB</strong>F konnte<br />
in Kooperation mit dem INSTI-Netzwerk eine eigenständige Verwertungsstudie durchgeführt werden.<br />
Sie befasste sich mit den Marktperspektiven, Projektergebnisse hinsichtlich ontologiebasierter<br />
<strong>Kompetenzmanagementsysteme</strong> auf die Erfüllung von Wissensmanagementaufgaben im Gesundheitswesen<br />
zu übertragen. In diesem Zusammenhang schuldet das Verbundprojekt KOWIEN Herrn<br />
Dipl.-Ing. Bernd Risch vom Kölner Institut der deutschen Wirtschaft e.V. besonderen Dank, der mit<br />
Rat und Tat zur Seite stand, um diese Studie über den möglichen Transfer von Projektergebnissen<br />
in einen weiteren Bereich des Service-Managements zu ermöglichen.<br />
Schließlich wurde gemeinsam mit der Projektgruppe Wissensmanagement der Wirtschaftsjunioren<br />
Essen e.V. das „Praxisforum Wissensmanagement“ als Industriearbeitskreis gegründet, der sich eines<br />
regen Zuspruches von vornehmlich KMU aus der Region des Ruhrgebiets erfreut. Darauf wurde<br />
bereits an früherer Stelle eingegangen.
22 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
F Veröffentlichungen aus dem Verbundprojekt KOWIEN<br />
Vorbemerkung: Die „Produktivität“ eines Forschungs-, Entwicklungs- und Transferprojekts wird<br />
einerseits vom unmittelbaren Nutzen bestimmt, der sich mit den Projektergebnissen sowohl seitens<br />
der projektbeteiligten Unternehmen als auch seitens weiterer Unternehmen in der Projektnachnutzungsphase<br />
erzielen lässt. Dieser Nutzen entzieht sich im Allgemeinen – wenn von „plakativen“ Interessens-<br />
und Willensbekundungen abgesehen wird – einer konkret überprüfbaren und quantifizierbaren<br />
Überprüfung. Daher ist es üblich, die Projektproduktivität andererseits auch anhand der<br />
Veröffentlichungen zu beurteilen, die aus einem Projekt hervorgegangen sind und allen interessierten<br />
Stakeholdern eines öffentlich geförderten Projekts zur Nutzung offen stehen. Daher sehen es die<br />
Herausgeber als ihre Pflicht an, die Nutzenstiftung der eingesetzten Fördermittel auch anhand der<br />
Veröffentlichungen zu belegen, die aus dem Verbundprojekt hervorgegangen sind. Dazu werden<br />
nicht nur Publikationen im engeren Sinn gezählt, sondern auch Projektberichte, die über Bibliotheken<br />
und im Internet jedem Interessierten zugänglich sind, Seminar-, Diplom- und Doktorarbeiten,<br />
die vom Institut für Produktion und Industrielles Informationsmanagement auf Anfrage zur Verfügung<br />
gestellt werden können (oder als Projektberichte oder im Buchhandel erhältlich sind), sowie<br />
Vorträge auf nationalen oder internationalen Praxis- und Fachkonferenzen, auf denen die Ergebnisse<br />
des Verbundprojekts KOWIEN einer interessierten Öffentlichkeit präsentiert und zur Diskussion<br />
gestellt wurden.<br />
a) Monographie zum Verbundprojekt:<br />
ZELEWSKI, S.; ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; WEICHELT, T. (Hrsg.): <strong>Ontologiebasierte</strong><br />
<strong>Kompetenzmanagementsysteme</strong> – Grundlagen, Konzepte, Anwendungen. Berlin 2005 (Logos-Verlag).<br />
b) Projektberichte des Verbundprojekts:<br />
Die Berichte sind – nachstehend in chronologischer Reihenfolge angeführt – jeweils erschienen am:<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
a) bis Ende 2002: Universität Essen, Essen 2001-2002;<br />
b) ab Anfang 2003: Universität Duisburg-Essen, Campus Essen, Essen 2003-2004.<br />
ZELEWSKI, S.: Rahmenplan zum Verbundprojekt KOWIEN. Projektbericht 1/2001.<br />
ALPARSLAN, A.: Ablauforganisation des Wissensmanagements. Projektbericht 1/2002.<br />
ALAN, Y.: Methoden zur Akquisition von Wissen über Kompetenzen. Projektbericht 2/2002.<br />
DITTMANN, L.: Sprachen zur Repräsentation von Wissen – eine untersuchende Darstellung. Projektbericht<br />
3/2002.<br />
DITTMANN, L.: Zwecke und Sprachen des Wissensmanagements zum Managen von Kompetenzen.<br />
Projektbericht 4/2002.<br />
ALAN, Y.; BÄUMGEN, C.: Anforderungen an den KOWIEN-Prototypen. Projektbericht 5/2002.<br />
ALPARSLAN, A.: Wissensanalyse und Wissensstrukturierung. Projektbericht 6/2002.<br />
ALAN, Y.: Evaluation der KOWIEN-Zwischenergebnisse. Projektbericht 7/2002.<br />
APKE, S.; DITTMANN, L.: Analyse von Vorgehensmodellen aus dem Software, Knowledge und<br />
Ontologies Engineering. Projektbericht 1/2003.<br />
ALAN, Y.: Konstruktion der KOWIEN-Ontologie. Projektbericht 2/2003.<br />
ALAN, Y.: <strong>Ontologiebasierte</strong> Wissensräume. Projektbericht 3/2003.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 23<br />
APKE, S.; DITTMANN, L.: Generisches Vorgehensmodell KOWIEN Version 1.0. Projektbericht<br />
4/2003.<br />
ALAN, Y.: Modifikation der KOWIEN-Ontologie. Projektbericht 5/2003.<br />
ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.: Werkzeuge zur Sicherstellung der Adaptibilität<br />
des KOWIEN-Vorgehensmodells. Projektbericht 6/2003.<br />
ENGELMANN, K.; ALAN, Y.: KOWIEN Fallstudie – Gebert GmbH. Projektbericht 7/2003.<br />
DITTMANN, L.: Towards Ontology-based Skills Management. Projektbericht 8/2003.<br />
ALPARSLAN, A.: Evaluation des KOWIEN-Vorgehensmodells. Projektbericht 1/2004.<br />
APKE, S.; BÄUMGEN, C.; BREMER, A.; DITTMANN, L.: Anforderungsspezifikation für die Entwicklung<br />
einer Kompetenz-Ontologie für die Deutsche Montan Technologie GmbH. Projektbericht 2/<br />
2004.<br />
HÜGENS, T.: Inferenzregeln des „plausiblen Schließens“ zur Explizierung von implizitem Wissen<br />
über Kompetenzen. Projektbericht 3/2004.<br />
ALAN, Y.: Erweiterung von Ontologien um dynamische Aspekte. Projektbericht 4/2004.<br />
WEICHELT, T.: Entwicklung einer E-Learning-Anwendung zum kompetenzprofil- und ontologiebasierten<br />
Wissensmanagement – Modul 1: Grundlagen. Projektbericht 5/2004.<br />
APKE, S; BREMER, A.; DITTMANN, L.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel<br />
der Deutschen Montan Technologie GmbH (DMT). Projektbericht 6/2004.<br />
APKE, S.; DITTMANN, L.: Generisches Vorgehensmodell KOWIEN Version 2.0. Projektbericht 7/<br />
2004.<br />
WEICHELT, T.: Entwicklung einer E-Learning-Anwendung zum kompetenzprofil- und ontologiebasierten<br />
Wissensmanagement – Modul 2: Vorgehensmodell. Projektbericht 8/2004.<br />
WEICHELT, T.: Entwicklung einer E-Learning-Anwendung zum kompetenzprofil- und ontologiebasierten<br />
Wissensmanagement – Modul 3: Prototyp. Projektbericht 9/2004.<br />
ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht<br />
zum Verbundprojekt KOWIEN. Projektbericht 10/2004.<br />
RADEMACHER, T; DITTMANN, L.: OntoFMEA: ein Softwaretool für ontologiebasierte Fehlermöglichkeits-<br />
und -einflussanalysen – konzeptionelle Entwicklung und prototypische Implementierung.<br />
Projektbericht 11/2004.<br />
c) Praxisorientierte Publikationen des Verbundprojekts:<br />
ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; WEICHELT, T.; ZELEWSKI, S.: Intelligentes Kompetenzmanagement<br />
– Forschungsergebnisse des Verbundprojekts „Kooperatives Wissensmanagement in<br />
Engineering-Netzwerken“. In: wt Werkstattstechnik online, 95. Jg. (2005), Heft 1/2, S. 1-2 (Online-<br />
Publikation).<br />
ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; ZELEWSKI, S.: Wissensmanagement in kleinen und mittleren<br />
Unternehmen – Potenziale semantischer Technologien. In: MEO – Das Magazin der Industrie-<br />
und Handelskammer für Essen • Mülheim an der Ruhr • Oberhausen, 58. Jg. (2004), Heft 10, S. 33-<br />
34.
24 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; ZELEWSKI, S.: Potenziale semantischer Technologien für<br />
das Wissensmanagement in kleinen und mittelgroßen Unternehmen (KMU). In: MEMO – Mensch<br />
und Motivation (Online-Zeitschrift der IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien,<br />
Hamburg), Meldung vom 08.03.2004.<br />
ALPARSLAN, A.; DITTMANN, L.; ILGEN, A.; ZELEWSKI, S.: Wissensmanagement im Anlagenbau:<br />
Computergestütztes Management von Wissen über Mitarbeiterkompetenzen. In: Industrie Management,<br />
18. Jg. (2002), Nr. 6, S. 45-48.<br />
APKE, S.: Produkt- und Innovationsbericht zum InWert-Verwertungspraktikum, Institut für Produktion<br />
und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen), Essen<br />
2003.<br />
BÄUMGEN, C.; HÜBBERS, R.: <strong>Ontologiebasierte</strong>s Kompetenzmanagementsystem auf Basis von infonea®.<br />
In: ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für<br />
Produktentwicklung, Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop<br />
der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig,<br />
Essen 2004, S. 161-173.<br />
DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Wissenstransfermotivation und ontologiebasierte Kompetenzmanagement-Systeme.<br />
In: MEYER, J.-A. (Hrsg.): Wissens- und Informationsmanagement in<br />
kleinen und mittleren Unternehmen – Jahrbuch der KMU-Forschung und -Praxis 2005. Lohmar -<br />
Köln 2005, S. 143-160.<br />
DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Wissensträger identifizieren und motivieren. In: Wissensmanagement<br />
– Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 51-53.<br />
DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Mitarbeitermotivation und <strong>Kompetenzmanagementsysteme</strong>.<br />
In: REIMER, U.; ABECKER, A.; STAAB, S.; STUMME, G. (Hrsg.): WM2003: Professionelles<br />
Wissensmanagement – Erfahrungen und Visionen, Beiträge zur 2. Konferenz, 02.-04.04.2003 in<br />
Luzern, Bonn 2003, S. 9-16.<br />
ENGELMANN, K.: Wissensmanagement in der Produktentwicklung. In: ZELEWSKI, S.; ALPARSLAN,<br />
A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und<br />
Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient<br />
und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 113-114.<br />
MEIER, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems.<br />
In: ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für<br />
Produktentwicklung, Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop<br />
der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig,<br />
Essen 2004, S. 207-216.<br />
o.V. (ZELEWSKI, S.): Das B<strong>MB</strong>F-Projekt KOWIEN. In: MEMO – Mensch und Motivation (Online-<br />
Zeitschrift der IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien, Hamburg), Meldung<br />
vom 08.03.2004.<br />
SCHUMACHER, M.; ZUG, S.: Qualitätssicherung durch <strong>Kompetenzmanagementsysteme</strong>. In: ZELEWS-<br />
KI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung,<br />
Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte<br />
GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 151-<br />
160.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 25<br />
WEICHELT, T.: Die E-Learning-Anwendung des Projekts KOWIEN. In: ZELEWSKI, S.; ALPARSLAN,<br />
A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und<br />
Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KOEF-<br />
FIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 217-233.<br />
ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken (KOWIEN). In: ZE-<br />
LEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung,<br />
Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte<br />
GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S.<br />
21-83.<br />
ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung,<br />
Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte<br />
GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004.<br />
ZELEWSKI, S. (Hrsg.): Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen,<br />
Tagungsband zum WirtschaftsForum 10 (in der Reihe IuK-Kompetenz im Dialog),<br />
am 03.04.2003 an der Universität Duisburg-Essen, Campus Essen, Essen 2003.<br />
ZUG, S.; KLUMPP, M.; KROL, B.: Wissensmanagement im Gesundheitswesen, Arbeitsbericht Nr. 16,<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen,<br />
Campus Essen, Essen 2003.<br />
d) Weitere wissenschaftsorientierte Publikationen zum Themengebiet des Verbundprojekts:<br />
ALAN, Y.; ZELEWSKI, S.: <strong>Ontologiebasierte</strong> Wissensräume. In: REIMER, U.; ABECKER, A.; STAAB, S.;<br />
STUMME, G. (Hrsg.): WM2003: Professionelles Wissensmanagement – Erfahrungen und Visionen,<br />
Beiträge zur 2. Konferenz, 02.-04.04.2003 in Luzern, Bonn 2003, S. 5-8.<br />
ALAN, Y.; ZELEWSKI, S.: <strong>Ontologiebasierte</strong> Wissensräume. In: SURE, Y.; SCHNURR, H.-P. (Hrsg.):<br />
WOW 2003: Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in<br />
Luzern, CEUR Workshop Proceedings, Vol. 68, Karlsruhe 2003, 6. Beitrag, o.S. (S. 1-12).<br />
ALAN, Y.; ZELEWSKI, S.; SCHÜTTE, R.: Implementation of Knowledge Spaces in Ontologies. In:<br />
CALLAOS, N.; LESSO, W.; SÁNCHEZ, P.; HANSEN, E. (Hrsg.): The 7th World Multiconference on Systemics,<br />
Cybernetics and Informatics (SCI 2003), 27.-30.07.2003 in Orlando, Proceedings, Vol. VI:<br />
Information Systems, Technologies and Applications: I, Orlando 2003, S. 183-188.<br />
ALPARSLAN, A.; DITTMANN, L.: Gütekriterien für ontologiegestützte <strong>Kompetenzmanagementsysteme</strong>.<br />
In: HOFMANN, G.R.; ALM, W. (Hrsg.): Management der Mitarbeiter-Expertise in IT-<br />
Beratungsbetrieben – Grundlagen, Methoden und Werkzeuge, Tagungsband zur MultiKonferenz<br />
Wirtschaftsinformatik 2002, 09.-11.09.2002, Nürnberg 2002, S. 66-79.<br />
DITTMANN, L.: Ontology-based Skills Management. Work Report No. 22, Projekt KOWIEN, Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Campus<br />
Essen, Essen 2004.<br />
DITTMANN, L.; PENZEL, J.: Platons Gütekriterium für Ontologien. In: FRANK, U. (Hrsg.): Wissenschaftstheorie<br />
in Ökonomie und Wirtschaftsinformatik. Wiesbaden 2004, S. 457-478.
26 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Motivationale Aspekte beim Einsatz von konventionellen<br />
und ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n. In: SURE, Y.; SCHNURR, H.-P. (Hrsg.):<br />
WOW 2003: Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in<br />
Luzern, CEUR Workshop Proceedings, Vol. 68, Karlsruhe 2003, 5. Beitrag, o.S. (S. 1-16).<br />
DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Performing FMEA Using Ontologies. In: DE<br />
KLEER, J.; FORBUS, K. D. (Hrsg.): 18th International Workshop on Qualitative Reasoning, Proceedings,<br />
02.-04.08.2004 in Evanston, USA, Evanston 2004, S. 209-216.<br />
DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Combining Knowledge Management and Quality<br />
Management Systems. In: European Organization for Quality (Hrsg.): 48th EOQ Congress „Quality<br />
and Innovations: the Path to Higher Standards of Living”, 07.-09.09.2004 in Moskau, Congress Materials<br />
(CD-ROM), o.S. (S. 1-8).<br />
DITTMANN, L.; SCHÜTTE, R.; ZELEWSKI, S.: Darstellende Untersuchung philosophischer Probleme<br />
mit Ontologien. In: FREYBERG, K.; KLEIN, B.; PETSCHE, H.-J. (Hrsg.): Knowledge Management and<br />
Philosophy, Proceedings of the WM 2003 Workshop on Knowledge Management and Philosophy,<br />
03.-04.04.2003 in Luzern, CEUR Workshop Proceedings, Vol. 85, Bonn 2003, 3. Beitrag, o.S. (S.<br />
1-13).<br />
DITTMANN, L.; ZELEWSKI, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering<br />
to Manage Skills. In: VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik<br />
(Hrsg.): 8th International Symposium on Measurement and Quality Control in Production<br />
(ISMQC), Symposium, 12.-15.10.2004 in Erlangen, Düsseldorf 2004, S. 181-187.<br />
DITTMANN, L.; ZELEWSKI, S.: Ontology-based Skills Management. In: CALLAOS, N.; LEFEBVRE, V.;<br />
HANSEN, E.; DICKOPP, T.; JAW-SIN, S. (Hrsg.): The 8th World Multi-conference on Systemics, Cybernetics<br />
and Informatics (SCI 2004), 18.-21.07.2004 in Orlando, Proceedings, Vol. IV: Information<br />
Systems, Technologies and Applications I, Orlando 2004, S. 190-195.<br />
PETERS, M.L.; ZELEWSKI, S.: Competence-Based Workplace Assignment Using a Goal Programming<br />
Approach. In: ZÜLCH, G.; STOWASSER, S.; JAGDEV, H.S. (Hrsg.): Human Aspects in Production<br />
Management, Proceedings of the IFIP WG 5.7 Working Conference on Human Aspects in Production<br />
Management – Volume 1, 05.-09.10.2003 in Karlsruhe, Aachen 2003, S. 276-282.<br />
SCHÜTTE, R.; ZELEWSKI, S.: Epistemological Problems in Working with Ontologies. In: CALLAOS,<br />
N.; PORTER, J.; RISHE, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and<br />
Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings, Vol. VII: Information Systems<br />
Development II, Orlando 2002, S. 161-167.<br />
SCHÜTTE, R.; ZELEWSKI, S.: Epistemological Problems in Working with Ontologies, Arbeitsbericht<br />
Nr. 13, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen, Essen<br />
2001.<br />
SCHÜTTE, R.; ZELEWSKI, S.: Wissenschafts- und erkenntnistheoretische Probleme beim Umgang mit<br />
Ontologien. In: KÖNIG, W.; WENDT, O. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie –<br />
Verteilte Theoriebildung, 08.-09.10.1999 in Frankfurt/Main, Frankfurt/Main 1999, 2. Beitrag (S. 1-<br />
19).<br />
ZELEWSKI, S.: Organisierte Erfahrung – Wissensmanagement mit Ontologien. In: Essener Unikate,<br />
Nr. 18: Wirtschaftsinformatik – Wissensmanagement und E-Services, Essen 2002, S. 63-73.
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 27<br />
ZELEWSKI, S.: Wissensmanagement mit Ontologien – eine einführende Darstellung, Arbeitsbericht<br />
Nr. 15, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen, Essen<br />
2002.<br />
ZELEWSKI, S.: Ontologien – ein Überblick über betriebswirtschaftliche Anwendungsbereiche. In:<br />
o.V.: Workshop „Forschung in schnellebiger Zeit“, 30.-31.03.2001 in Appenzell, 5. Beitrag (S. 1-9).<br />
ZELEWSKI, S.: Ontologien zur Strukturierung von Domänenwissen – Ein Annäherungsversuch aus<br />
betriebswirtschaftlicher Perspektive, Arbeitsbericht Nr. 3, Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Essen, Essen 1999 (Paper, präsentiert zusammen mit SCHÜT-<br />
TE, R.; SIEDENTOPF, J. am 18.06.1999 in Berlin anlässlich des Workshops „Wissen, Wissenschaftstheorie<br />
und Wissenschaftsmanagement“ der Kommission Wissenschaftstheorie des Verbandes der<br />
Hochschullehrer für Betriebswirtschaft e.V.).<br />
ZELEWSKI, S.; FISCHER, K.: <strong>Ontologiebasierte</strong> Koordination von Anpassungsplanungen in Produktions-<br />
und Logistiknetzwerken mit Multi-Agenten-Systemen, Arbeitsbericht Nr. 5, Institut für Produktion<br />
und Industrielles Informationsmanagement, Universität Essen, Essen 1999 (Positionspapier<br />
für: Workshop „Fertigungslogistik“ zur Vorbereitung des DFG-Schwerpunktprogramms „Intelligente<br />
Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“ am 17.08.1999 in Paderborn).<br />
ZELEWSKI, S.; SCHÜTTE, R.; SIEDENTOPF, J.: Ontologien zur Repräsentation von Domänen. In:<br />
SCHREYÖGG, G. (Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden. Tagung der<br />
Wissenschaftlichen Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für<br />
Betriebswirtschaft e.V., 18.-19.06.1999 in Berlin, Berlin 2001, S. 183-221.<br />
ZELEWSKI, S.; SIEDENTOPF, J.: Ontology-based coordination of planning activities in networks of<br />
autonomous production facilities using multi-agent systems. In: KIRN, S.; PETSCH, M. (Hrsg.):<br />
Workshop „Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“ Technische<br />
Universität Ilmenau, Ilmenau 1999, S. 77-84.<br />
e) Seminar-, Diplom- und Doktorarbeiten zum Themengebiet des Verbundprojekts:<br />
ALAN, Y.: Integrative Modellierung zwischenbetrieblicher Kooperationen – ein Ansatz auf der Basis<br />
von Ontologien und Petri-Netzen. Dissertation am Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen, Essen 2005 (eingereicht).<br />
APKE, S.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der Deutschen Montan<br />
Technologie GmbH (DMT). Diplomarbeit am Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen, Essen 2003.<br />
DITTMANN, L.: Erkenntnisse der Fehleranalyse zur Generierung von Ontologien zur Unterstützung<br />
der Produktentwicklung. Dissertation am Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen, Essen 2005 (in Bearbeitung).<br />
ER, A.: Evaluation von Sprachen zur Modellierung virtueller Unternehmen. Diplomarbeit am Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Campus<br />
Essen, Essen 2004.<br />
HÜGENS, T.: Konzipierung und formalsprachliche Implementierung von Inferenzregeln des „plausiblen<br />
Schließens“ zur Akquisition von Wissen über Kompetenzen aus natürlichsprachlichen Dokumenten.<br />
Seminararbeit am Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen, Essen 2003.
28 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
KACZOR, G.: Konzipierung und formalsprachliche Implementierung von Inferenzregeln des „plausiblen<br />
Schließens“ zur Akquisition von Wissen über Kompetenzen aus natürlichsprachlichen Dokumenten.<br />
Seminararbeit am Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen, Essen 2003.<br />
KIJEWSKI, F.: Kompetenzkataloge: Systematisierung vorhandener Ansätze und betriebswirtschaftliche<br />
Evaluation aus der Perspektive eines Kompetenzmanagementsystems für den Anlagenbau. Seminararbeit<br />
am Institut für Produktion und Industrielles Informationsmanagement, Universität<br />
Duisburg-Essen, Campus Essen, Essen 2003.<br />
RADEMACHER, T.: Wissensmanagement mit Ontologien in der präventiven Qualitätssicherung. Diplomarbeit<br />
am Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen,<br />
Campus Essen, Essen 2004.<br />
SIEMENS, F.: Inferenzregeln für Mitarbeiterkompetenzen und deren Akquisition. Seminararbeit am<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen,<br />
Campus Essen, Essen 2004.<br />
f) Projektpräsentationen auf Praxis- und Fachkonferenzen:<br />
ALAN, Y.: Semantic Web. Vortrag anlässlich: Seminar „Informationssysteme“ am Fachbereich 3,<br />
Studiengang Kommunikationswissenschaft, Universität Duisburg-Essen, Campus Essen, in Essen<br />
(22.06.2003).<br />
ALAN, Y.; SCHUMACHER, M.: Kooperatives Wissensmanagement im Maschinen- und Anlagenbau.<br />
Vortrag anlässlich: @m-Transferveranstaltung (von VDMA NRW, IG Metall NRW und Metall<br />
NRW) „Facetten des Wissensmanagements in Maschinenbau-Unternehmen – Versteckte Potenziale<br />
nutzen“ in Krefeld (12.03.2003).<br />
ALAN, Y.; ZELEWSKI, S.: Implementation of Knowledge Spaces in Ontologies. Vortrag anlässlich:<br />
7th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2003) in Orlando (29.<br />
07.2003).<br />
ALAN, Y.; ZELEWSKI, S.: <strong>Ontologiebasierte</strong> Wissensräume. Vortrag anlässlich: 2. Konferenz Professionelles<br />
Wissensmanagement (WM 2003) in Luzern (04.04.2003).<br />
ALPARSLAN, A.: <strong>Ontologiebasierte</strong>s Wissensmanagement – Computergestütztes Management von<br />
Wissen über Mitarbeiterkompetenzen. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes<br />
Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003).<br />
ALPARSLAN, A.: Ergebnisse der Wissensanalyse – Analyse von Referenzmodellen und Darstellung<br />
eines Leitfadens zur Identifikation von Dokumenten mit Kompetenzbezug. Vortrag anlässlich:<br />
Workshop „Wissensmanagement mit Kompetenzprofilen“ in Essen (09.10.2002).<br />
BÄUMGEN, C.: <strong>Ontologiebasierte</strong>s Kompetenzmanagementsystem auf Basis von infonea®. Vortrag<br />
(und Laptop-Präsentation) anlässlich: Abschlussworkshop der Verbundprojekte GINA, KOEFFIZI-<br />
ENT und KOWIEN in Braunschweig (05.10.2004).<br />
BÄUMGEN, C.: Erste Einblicke in den KOWIEN-Prototyp. Vortrag anlässlich: 2. KOWIEN-Workshop:<br />
Wissensmanagement mit Kompetenzprofilen in Essen (01.10.2003).<br />
DITTMANN, L.: Vorgehensmodell zur Konstruktion ontologiebasierter <strong>Kompetenzmanagementsysteme</strong>.<br />
Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen in<br />
Essen (01.10.2003).
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 29<br />
DITTMANN, L.; PENZEL, J.: Platons Gütekriterium für Ontologien. Vortrag anlässlich: Tagung Wissenschaftstheorie<br />
in Ökonomie und Wirtschaftsinformatik (WOWI 2003) in Koblenz (06.06.2003).<br />
DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Motivationale Aspekte beim Einsatz von konventionellen<br />
und ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n. Vortrag anlässlich: 2. Konferenz Professionelles<br />
Wissensmanagement (WM 2003) in Luzern (04.04.2003).<br />
DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Combining Knowledge Management and Quality<br />
Management Systems. Vortrag anlässlich: 48th European Organization for Quality Congress (EOQ<br />
04) in Moskau (08.09.2004).<br />
DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Performing FMEA Using Ontologies. Vortrag anlässlich:<br />
18th International Workshop on Qualitative Reasoning (QR 04) in Evanston (02.08.2004).<br />
DITTMANN, L.; SCHÜTTE, R.; ZELEWSKI, S: Darstellende Untersuchung philosophischer Probleme<br />
mit Ontologien. Vortrag anlässlich: 2. Konferenz Professionelles Wissensmanagement (WM 2003)<br />
in Luzern (04.04.2003).<br />
DITTMANN, L.; ZELEWSKI, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering<br />
to Manage Skills. Vortrag anlässlich: 8th International Symposium on Measurement and<br />
Quality Control in Production (ISMQC 04) in Erlangen (13.10.2004).<br />
DITTMANN, L.; ZELEWSKI, S.: Ontology-based Skills Management. Vortrag anlässlich: 8th World<br />
Multiconference on Systemics, Cybernetics and Informatics (SCI 2004) in Orlando (21.07.2004).<br />
ENGELMANN, K.: Erfahrungen von Roland Berger & Partner – Strategy Consultants mit dem Wissensmanagementsystem<br />
BRAIN. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes<br />
Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003).<br />
HOBUS, G: Management von <strong>Kompetenzmanagementsysteme</strong>n. Vortrag anlässlich: 2. KOWIEN-<br />
Workshop: Wissensmanagement mit Kompetenzprofilen in Essen (01.10.2003).<br />
KIRCH-VERFUß, G.: Computergestütztes Wissensmanagement in einem weltweit operierenden Industriekonzern<br />
– Erfahrungen und Perspektiven. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes<br />
Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04.<br />
2003).<br />
MAIER, R.: Erfolgsmessung von Wissensmanagementsystemen. Vortrag anlässlich: WirtschaftsForum<br />
10: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen in<br />
Essen (03.04.2003).<br />
MEIER, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems.<br />
Vortrag anlässlich: Abschlussworkshop der Verbundprojekte GINA, KOEFFIZIENT und KO-<br />
WIEN in Braunschweig (06.10.2004).<br />
PETERS, M.L.; DITTMANN, L.; ZELEWSKI, S: Motivationale Aspekte beim Einsatz von konventionellen<br />
und ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n. Vortrag anlässlich: 2. Konferenz Professionelles<br />
Wissensmanagement (WM 2003) in Luzern (04.04.2003).<br />
SCHNURR, H.-P.: <strong>Kompetenzmanagementsysteme</strong> – Anwendungspotenziale von semantischen<br />
Technologien. Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen<br />
in Essen (01.10.2003).<br />
SCHNURR, H.-P.: Semantische Technologien für das Wissensmanagement. Vortrag anlässlich: WirtschaftsForum<br />
10: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen<br />
in Essen (03.04.2003).
30 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN<br />
SCHUMACHER, M.: Der Bedarf für ein Kompetenzmanagementsystem zur Qualitätssicherung am<br />
Beispiel eines Maschinenbauunternehmens. Vortrag anlässlich: Abschlussworkshop der Verbundprojekte<br />
GINA, KOEFFIZIENT und KOWIEN in Braunschweig (05.10.2004).<br />
SOWA, F.; BREMER, A.; APKE, S.: Entwicklung der Kompetenz-Ontologie für die Deutsche Montan<br />
Technologie GmbH. Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen<br />
in Essen (01.10.2003).<br />
WEICHELT, T.: Demonstration der KOWIEN-E-Learning-Anwendung. Laptop-Präsentation anlässlich:<br />
Abschlussworkshop der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN in Braunschweig<br />
(05.10.2004).<br />
ZELEWSKI, S.: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen.<br />
Einführungsvortrag anlässlich: WirtschaftsForum 10: Computergestütztes Wissensmanagement<br />
in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003).<br />
G Danksagungen<br />
Alle Teammitglieder des Verbundprojekts KOWIEN – der Universitäts- und die Praxispartner –<br />
möchten dem Bundesministerium für Bildung und Forschung (B<strong>MB</strong>F) für die großzügige finanzielle<br />
Förderung dieses Forschungs-, Entwicklungs- und Transferprojekts danken, die innerhalb des<br />
Rahmenkonzepts „Forschung für die Produktion von morgen“ erfolgte (Förderkennzeichen Hauptband<br />
02 PD1060).<br />
Ein ganz besonderer Dank gilt dem Projektträger Produktion und Fertigungstechnologien (PFT),<br />
der Forschungszentrum Karlsruhe GmbH. Er betreute das Verbundprojekt in exzellenter Weise mit<br />
Rat und Tat. Unter den zahlreichen Mitarbeitern des PFT, die oftmals im „Hintergrund“ für die effiziente<br />
Durchführung der betreuten Projekte sorgen, gebührt ein herausgehobenes „Dankeschön“<br />
Frau Martina Kühnapfel, die wie eine „gute Seele“ die Projektarbeiten während der dreijährigen<br />
Projektlaufzeit mit großem persönlichen Engagement begleitete und in manchen „kniffligen“ Situationen<br />
wertvolle Anregungen vermittelte. Darüber hinaus hat es Frau Kühnapfel gemeinsam mit<br />
Herrn Dipl.-Ing. Steinebrunner, dem sich das Projektteam ebenso zu großem Dank verpflichtet<br />
fühlt, bereits in der frühen Phase der Projektbeantragung mit zahlreichen hilfreichen Hinweisen zur<br />
Antragsstellung erst ermöglicht, dass das KOWIEN-Projekt in die Förderung des B<strong>MB</strong>F aufgenommen<br />
wurde. Da der Universitätspartner in unterschiedlichen Projekten Erfahrungen mit mehreren<br />
verschiedenen Projektträgern des B<strong>MB</strong>F sammeln durfte, möchte er dem PFT – und hierfür<br />
stellvertretend Frau Kühnapfel sowie Herrn Dipl.-Ing. Steinebrunner – große Anerkennung für die<br />
nicht nur jederzeit fachlich hoch kompetente, sondern auch menschlich in immer ausgesprochen<br />
angenehmer Atmosphäre verlaufene Zusammenarbeit danken. Das PFT setzt mit seiner Kundenorientierung<br />
und Professionalität Maßstäbe unter den Projektträgern des B<strong>MB</strong>F!<br />
Schließlich „lebt“ ein Verbundprojekt von seinen Teammitgliedern. Daher möchte der Verfasser<br />
dieses Vorworts „last, but not least“ besonders herzlich allen Mitgliedern des KOWIEN-Teams für<br />
ihre engagierte, ideenreiche und „produktive“ Mitarbeit danken, die oftmals weit über das hinaus<br />
reichte, was im Rahmen eines Drittmittelprojekts „gewöhnlich“ erwartet werden darf. Dazu gehören<br />
seitens der Praxispartner vor allem Frau Dipl.-Kfm. Schumacher und Herr Dipl.-Kfm. Zug von der<br />
Karl Schumacher Maschinenbau GmbH, Frau Dipl.-Volks. Bremer und Herr Dr. Sowa von der<br />
Deutschen Montan Technologie GmbH, Herr Dr. Meier von der TEMA GmbH / Mühlbauer AG,<br />
Herr Engelmann von der Roland Berger Strategy Consultants GmbH sowie Herr Dipl.-Phys. Hübbers<br />
und Herr Dipl.-Inform. Bäumgen von der Comma Soft AG. Auf der Seite des Universitätspartners<br />
sieht sich der Verfasser insbesondere gegenüber seinen wissenschaftlichen Mitarbeitern in
Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 31<br />
der Dankesschuld, die in „unermüdlicher Selbstausbeutung“ – auch an tiefen Abendstunden und an<br />
langen Wochenenden – weit mehr geleistet haben, als jemals von ihnen hätte erwartet werden können.<br />
In ganz besonderer Weise möchte der Verfasser dieses Vorworts sowohl Herrn Dipl.-Kfm. Alan,<br />
Herrn Dipl.-Kfm. Alparslan, Herrn Dipl.-Ing. Dittmann und Herrn Dipl.-Wirt.-Inf. Weichelt,<br />
die in Anerkennung ihres außergewöhnlichen Einsatzes für das Gelingen des Projekts als Mitherausgeber<br />
dieses Buches auftreten, als auch Frau Dipl.-Wirt.-Inf. Apke als hochkarätiger „freier Mitarbeiterin“<br />
seinen persönlichen Dank für die herausragende wissenschaftliche Mitarbeit im Projekt<br />
aussprechen. Die Projektarbeiten, die von so exzellenten und hoch motivierten Mitarbeitern als<br />
„Humankapital“ getragen wurden, haben mittlerweile zu zahlreichen nationalen und internationalen<br />
Veröffentlichungen zum Projekt KOWIEN geführt (vgl. Kapitel F) – und werden hoffentlich in wenigen<br />
Monaten auch noch durch exzellente Dissertationen eine „Krönung“ erfahren.<br />
Essen, im Januar 2005 Univ.-Prof. Dr. Stephan Zelewski
1 Grundlagen<br />
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken –<br />
Einführung in das B<strong>MB</strong>F-Projekt KOWIEN<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
1.1.1 Zwei Gestaltungsansätze für betriebliches Wissensmanagement<br />
Die betriebswirtschaftliche Fachliteratur zur Thematik „Wissensmanagement“ ist im letzten Jahrzehnt<br />
zu einer unübersichtlich anmutenden Publikationsflut angeschwollen. 1) Dies lässt sich einerseits<br />
als ein Indiz dafür auffassen, dass Wissensmanagement – sowohl aus der Perspektive der betrieblichen<br />
Praxis als auch aus wissenschaftlichem Blickwinkel – zu einem Modethema der Betriebswirtschaftslehre<br />
avanciert ist. Andererseits sprechen die Fülle der aktuellen Fachliteratur und<br />
deren Unübersichtlichkeit auch dafür, dass es sich um ein diffuses, schlecht strukturiertes Problemfeld<br />
handelt, auf dem sich neben seriösen, tief schürfenden Publikationen auch eine Vielfalt „pragmatischer“<br />
Ratgeberliteratur tummelt. Bereits der „schillernde“ Wissensbegriff hat in einschlägigen<br />
Veröffentlichungen so viele Ausdeutungen erfahren, dass sich heutzutage unter die Thematik „Wissensmanagement“<br />
nahezu jeder Beitrag subsumieren lässt, der nach einer Publikationsgelegenheit<br />
sucht.<br />
Aufgrund dieser Situationsdiagnose wird in diesem Werk von vornherein darauf verzichtet, den<br />
zahlreichen Definitionsansätzen für „Wissensmanagement“ und „Wissen“ eine weitere Variante<br />
hinzuzufügen. Stattdessen wird ein betriebswirtschaftlicher Commonsense hinsichtlich dieser Begrifflichkeiten<br />
2) vorausgesetzt, der für die Zwecke des hier vorgelegten Werks, ontologiebasierte<br />
<strong>Kompetenzmanagementsysteme</strong> zu diskutieren, im Allgemeinen völlig ausreicht. 3)<br />
Von solchem „definitorischen Ballast“ befreit, fokussieren sich die Überlegungen dieses einleitenden<br />
Kapitels von vornherein auf zwei konkurrierende Gestaltungsansätze für das betriebliche Wissensmanagement,<br />
die oftmals auch als „Strategien“ oder „Paradigmen“ thematisiert werden. Seit<br />
Ende der neunziger Jahre wird in der einschlägigen Fachliteratur intensiv darüber debattiert, auf<br />
1) Vgl. beispielsweise AL-LAHAM (2003); BICK (2004), u.a. mit einem konkreten Exkurs zur Publikationsfülle auf S. 9 f.; HAUN<br />
(2002); LEHNER (2000); MAIER (2004); NONAKA/TAKEUCHI (1997); NORTH (2002); PROBST/RAUB/ROMHARDT (2003).<br />
2) Vgl. zu einschlägigen Definitionen für die Begriffe „Wissensmanagement“ und „Wissen“ die Standardwerke aus der voranstehenden<br />
Fußnote. Beispielsweise seien für den interessierten Leser daraus hervorgehoben:<br />
a) zum Begriff „Wissensmanagement“: AL-LAHAM (2003) S. 79 ff.; BICK (2004) S. 10 f., 19 ff. u. 30 f.; PROBST/RAUB/ROM-<br />
HARDT (2003) S. 3 ff.; REHÄUSER/KRCMAR (1996) S. 17 f.; SCHÜPPEL (1996) S. 186 f. u. 191 ff.; SUKOWSKI (2002) S. 46 ff.;<br />
b) zum Begriff „Wissen“: AL-LAHAM (2003) S. 23 ff.; BICK (2004) S. 11 ff.; HAUN (2002) S. 100 ff.; LEHNER (2000) S. 139 ff.;<br />
MAIER (2004) S. 63 ff.; NORTH (2002) S. 38 ff.; PROBST/RAUB/ROMHARDT (2003) S. 16 ff.; REHÄUSER/KRCMAR (1996) S. 5 f.;<br />
SCHAUER (2004) S. 292 ff.; SCHEUBLE (1998) S. 9 ff.; SPINNER (2002) S. 28 f. u. 44 f. (eine sehr weit gefasste, aus betriebswirtschaftlicher<br />
Sicht unkonventionelle, aber sehr fruchtbare Wissensauffassung); SUKOWSKI (2002) S. 35 ff.<br />
3) In einem Ausnahmefall wird im Kapitel 2.4.2.2.4 eine spezielle Wissensdefinition zugrunde gelegt, wenn es darum geht, im<br />
Rahmen der formalen Semantik eines Formelsystems Wissen aus der Perspektive der Analytischen Philosophie als wahre, epistemisch<br />
gerechtfertigte Meinung oder Überzeugung („true, justified belief“) zu qualifizieren; vgl. S. 470.
34 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
welchen Typ von Akteuren 4) die knappen Unternehmensressourcen 5) zur möglichst effektiven und<br />
effizienten Erfüllung der Aufgaben des Wissensmanagements konzentriert werden sollen. Als wesentliche<br />
Alternativen werden zwei Fokussierungsstrategien miteinander konfrontiert. Es wird empfohlen,<br />
die knappen Ressourcen des Wissensmanagements:<br />
• entweder auf die Mitarbeiter als „natürliche“ Kompetenzträger<br />
(Humankapitalfokus oder Personalisierungsstrategie)<br />
• oder aber auf Computer, d.h. auf Automatische Daten-, Informations- und<br />
Wissensverarbeitungssysteme 6) als „artifizielle“ Kompetenzträger<br />
(Automatisierungsfokus oder Kodifizierungsstrategie)<br />
zu konzentrieren. 7) Diese Debatte wurde von drei US-amerikanischen „Gurus“ des Wissensmanagements,<br />
HANSEN, NOHRIA und TIERNEY, inspiriert und in den letzten Jahren prononciert vorangetrieben.<br />
Die Konkurrenz zwischen Personalisierungs- und Kodifizierungsstrategie spielt aus zwei Gründen<br />
sowohl für das betriebliche Wissensmanagement im Allgemeinen als auch für das Verbundprojekt<br />
KOWIEN eine wichtige Rolle. Erstens müssen die Entscheidungsträger des Wissensmanagements<br />
generell eine Grundsatzentscheidung darüber treffen, wie sie sich in dem Konfliktfeld zwischen den<br />
beiden vorerwähnten Strategien für das Wissensmanagement positionieren möchten. Zweitens galt<br />
es im Verbundprojekt KOWIEN, sehr frühzeitig – bereits in der Vorlaufphase der Projektbeantra-<br />
4) Als Akteure werden im hier interessierenden Kontext des Wissensmanagements alle handlungsfähigen Subjekte aufgefasst, die<br />
zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen (Kompetenzen) einsetzen können. Akteure sind somit<br />
„geborene“ Kompetenzträger und stets „aktive“ Komponenten eines Wissensmanagementsystems (im sehr weit gefassten Verständnis<br />
von Mensch-Maschine-Systemen).<br />
5) Der Ressourcenbegriff wird hier bewusst weit gefasst: Die Ressourcen eines Unternehmens erstrecken sich sowohl auf alle<br />
Produktionsfaktoren im Sinne der klassischen Betriebswirtschaftslehre (wie z.B. im Anschluss an GUTENBERG) als auch auf den<br />
erweiterten Ressourcenbegriff des „resource-based view“ (der insbesondere Kenntnisse und Fertigkeiten – also auch Wissen –<br />
als „intangible“ Ressourcen umgreift). Knappe Unternehmensressourcen erstrecken sich daher im hier erörterten Kontext des<br />
Wissensmanagements also nicht nur auf Anlagegüter (wie Automatische Informations- und Wissensverarbeitungssysteme) und<br />
Arbeitskräfte (wie Mitarbeiter als Kompetenzträger), sondern auch auf knappe Finanzierungsmittel für Investitionen in Sach-<br />
bzw. Humankapital sowie auf knappes Management-Know-how (Gestaltungskenntnisse und -fertigkeiten).<br />
6) Der ebenso „endlos“ wie „unfruchtbar“ erscheinende Streit über inhaltliche Abgrenzungen zwischen Daten-, Informations- und<br />
Wissensbegriff, der in zahlreichen Werken zum Wissensmanagement ausgetragen wird, erfährt im Verbundprojekt KOWIEN<br />
keine Vertiefung. Stattdessen reicht es für die Forschungs-, Entwicklungs- und Transferziele des Projekts vollkommen aus, Informationen<br />
und Wissen als synonyme Begriffe zu verwenden (und vom „althergebrachten“ Datenbegriff abzusehen). Damit<br />
wird keineswegs in Abrede gestellt, dass es für andere, außerhalb des Verbundprojekts liegende Erkenntnisziele durchaus relevant<br />
sein kann, zwischen Daten, Informationen und Wissen inhaltlich zu differenzieren. Allerdings besteht die Gefahr, dass Leser,<br />
die von einem speziellen Vorverständnis über Unterscheidungen zwischen Informations- und Wissensbegriff ausgehen, die<br />
hier vorgelegten Ausführungen zum Verbundprojekt KOWIEN missverstehen, weil sie der Ansicht sind, dass die jeweils thematisierten<br />
Verarbeitungsfunktionen entweder mit ihrem Informations- oder mit ihrem Wissensbegriff nicht kompatibel seien.<br />
Um solchen Missverständnissen vorzubeugen, wird die Bezeichnung „Automatische Informations- und Wissensverarbeitungssysteme“<br />
gewählt. Sie fällt zwar sprachlich etwas „voluminös“ und wegen der synonymen Verwendung von Informations- und<br />
Wissensbegriff streng genommen auch redundant aus. Dafür bietet sie aber den Vorzug zu signalisieren, dass Rezipienten mit<br />
unterschiedlichen Vorverständnissen – je nach ihren eigenen begrifflichen Vorlieben – die hier behandelten computerbasierten<br />
Systeme sowohl als Informations- als auch als Wissensverarbeitungssysteme auffassen können. Wem diese Redeweise zu umständlich<br />
erscheint, kann der Kürze halber nur von <strong>Kompetenzmanagementsysteme</strong>n sprechen, da die hier behandelten computerbasierten<br />
Systeme ausschließlich für Aufgaben des Kompetenzmanagements konzipiert sind.<br />
7) Vgl. HANSEN/NOHRIA/TIERNEY (1999) S. 107 ff. Vgl. zu ähnlich dichotomen Sichtweisen für das Wissensmanagement MAIER<br />
(2003) S. 159 ff.; SCHÜPPEL (1996) S. 187 f.; SHUM (1997) S. 916 f.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 35<br />
gung – eine Richtungsentscheidung darüber zu fällen, auf welche Wissensmanagementstrategie die<br />
knappen Projektressourcen fokussiert werden sollten.<br />
Aus der allgemeinen Perspektive des Wissensmanagements gilt es zunächst zu klären, welche<br />
Handlungsoptionen im Konfliktfeld zwischen Personalisierungs- und Kodifizierungsstrategie für<br />
das Wissensmanagement bestehen. Grundsätzlich lassen sich in Analogie zum „Thesen-Streit“ des<br />
strategischen Managements, der im Hinblick auf Wettbewerbsstrategien 8) seit langem ausgetragen<br />
wird, aber noch zur keiner Einigung geführt hat, drei unterschiedliche Optionen identifizieren: 9)<br />
Alternativ-These (analog zur Position des „stuck in the middle“ von PORTER): Die Personalisierungs-<br />
und die Kodifizierungsstrategie schließen sich gegenseitig aus, weil sie unterschiedliche,<br />
miteinander unverträgliche „Kulturen“ des Wissensmanagements erfordern. Sie stellen also<br />
„echte“ Alternativen im ursprünglichen Sinne des Wortes dar. Entscheidungsträger müssen sich<br />
daher durchringen, entweder die eine oder aber die andere von den beiden Alternativen zu favorisieren<br />
und entsprechend konsequent in der Praxis zu implementieren. Jeder Versuch, beide<br />
Strategien im selben Unternehmen zu praktizieren, wird zu inferioren Ergebnissen führen, weil<br />
es wegen der Unverträglichkeit der beiden Wissenskulturen unmöglich erscheint, beide Strategien<br />
im Rahmen derselben Unternehmenskultur auf jeweils hohem Niveau umzusetzen.<br />
Sukzessiv-These (analog zur Position des „outpacing“ von GILBERT und STREBEL): Es trifft<br />
zwar zu, dass bei der Einführung eines systematischen Wissensmanagements die Unternehmensressourcen<br />
in der Regel überfordert sein werden, um die Personalisierungs- und die Kodifizierungsstrategie<br />
gleichzeitig zu realisieren. Aber es besteht – dieser These zufolge – kein<br />
prinzipieller, „kultureller“ Gegensatz zwischen den beiden Strategien. Daher ist es möglich,<br />
sich aufgrund knapper Ressourcen zunächst auf eine der beiden Strategien zu fokussieren und<br />
diese erfolgreich zu implementieren. Danach können – unter Beibehaltung des hohen Implementierungsniveaus<br />
der zuerst gewählten Strategie – Ressourcen, die nur während der Einführung<br />
der ersten Strategie erforderlich waren, in die nachträgliche Einführung auch der zweiten<br />
Strategie umgeleitet werden. Am Ende dieses Prozesses sind beide Strategien auf jeweils hohem<br />
Implementierungsniveau realisiert.<br />
Simultaneitäts-These (analog zur Position von CORSTEN und WILL): Es besteht nicht nur kein<br />
prinzipieller, „kultureller“ Gegensatz zwischen der Personalisierungs- und der Kodifizierungsstrategie,<br />
sondern durch die simultane Einführung beider Strategien lassen sich sogar Synergiepotenziale<br />
realisieren. Diese Synergieeffekte fallen tendenziell höher aus als der zusätzliche<br />
Ressourcenbedarf, der zur simultanen statt sukzessiven Einführung beider Strategien erforderlich<br />
ist. Daher erscheint es empfehlenswert, sowohl die Personalisierungs- als auch die Kodifi-<br />
8) Gemeint sind – im Anschluss an PORTERS wegweisende Systematisierung – im Wesentlichen die konkurrierenden Wettbewerbsstrategien<br />
der Kostenführerschaft einerseits und der Differenzierung (oder Nutzenführerschaft) andererseits. In welcher<br />
Richtung die Differenzierungsstrategie ausgeprägt ist (z.B. als Qualitäts-, Zeit-, Technologie- oder Serviceführerschaft), spielt<br />
bei diesem Thesen-Streit keine Rolle. Darüber hinaus lässt der Thesen-Streit zumeist offen, in welcher Weise die dritte von<br />
PORTERS „generischen“ Wettbewerbsstrategien – die Fokussierungs- oder Nischenstrategie – in das Konfliktfeld zwischen<br />
Kostenführerschafts- und Differenzierungsstrategie einzuordnen ist. Zumeist wird die Nischenstrategie in diesem Kontext überhaupt<br />
nicht explizit thematisiert. Implizit wird sie zumeist der Differenzierungsstrategie „zugeschlagen“, weil sich die Nischen-<br />
und die Differenzierungsstrategie hinsichtlich ihrer Einschränkung auf relativ kleine Marktanteile und weitere Positionierungsentscheidungen<br />
oftmals wesentlich stärker ähneln, als es zwischen der Nischen- und der Kostenführerschaftsstrategie der Fall<br />
ist.<br />
9) Vgl. zum „Thesen-Streit“ des strategischen Managements im Hinblick auf Wettbewerbsstrategien CORSTEN (1998) S. 98 ff.,<br />
110 ff. u. 120 ff.; CORSTEN/WILL (1993) S. 47 ff.; CORSTEN/WILL (1994) S. 286 ff.; GILBERT/STREBEL (1987) S. 31 ff.; PORTER<br />
(1999) S. 78 ff., insbesondere S. 80.
36 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
zierungsstrategie von vornherein gleichzeitig auf jeweils hohem Implementierungsniveau zu realisieren.<br />
Um Missverständnissen vorzubeugen, sei betont, dass die vorgenannten Thesen jeweils nur die<br />
Qualität von „weichen“ Tendenzaussagen besitzen. Sie entziehen sich daher einer „scharfen“ gegenseitigen<br />
Abgrenzung. So beansprucht weder die Alternativ-These generell noch die Sukzessiv-<br />
These während der ersten Fokussierungsphase ein striktes „entweder – oder“ in dem Sinne, die gesamten<br />
Ressourcen des Wissensmanagements auf nur eine Strategie konzentrieren zu wollen. Beispielsweise<br />
wird kein Anhänger der Alternativ- oder Sukzessiv-These darauf abzielen, im Falle einer<br />
Präferenz zugunsten der Kodifizierungsstrategie ausschließlich in Automatische Informations-<br />
und Wissensverarbeitungssysteme zu investieren – und beispielsweise auf die Motivation der Mitarbeiter<br />
als Kompetenzträger vollkommen zu verzichten. Stattdessen wird auch ein Anhänger der<br />
Kodifizierungsstrategie stets anerkennen, dass neben einem Automatisierungsfokus „natürlich“<br />
auch die Leistungsfähigkeit und -bereitschaft des Humankapitals Berücksichtigung finden müssen.<br />
In diesem moderaten Verständnis wird von allen drei Thesen die oftmals – bis zur Leerformel degenerierte<br />
– Forderung nach der „Ganzheitlichkeit“ des Wissensmanagements 10) erfüllt. Es geht also<br />
keineswegs darum, eine der beiden Strategien vollkommen zu vernachlässigen. Vielmehr ist nur die<br />
Frage betroffen, ob eine Fokussierung von knappen Unternehmensressourcen auf eine der beiden<br />
Strategien dauerhaft (im Fall der Alternativ-Strategie) oder temporär (im Fall der Sukzessiv-<br />
Strategie) unter Berücksichtigung der jeweils anderen Strategie auf niedrigem Niveau erfolgen soll<br />
– oder ob beide Strategien von vornherein simultan auf jeweils hohem Niveau praktiziert werden<br />
sollen (im Fall der Simultaneitäts-Strategie).<br />
Der Thesen-Streit ist aus betriebswirtschaftlicher Perspektive bis heute nicht ausgefochten. Dies betrifft<br />
nicht nur seine ursprüngliche Variante, die sich auf Wettbewerbsstrategien im Rahmen des<br />
strategischen Managements erstreckt, sondern auch auf seine Variante innerhalb des Wissensmanagements.<br />
In der einschlägigen Fachliteratur des Wissensmanagements werden sowohl zugunsten der<br />
Alternativ-These als auch zugunsten der Simultaneitäts-These plausible Argumente und anschauliche<br />
Praxisbeispiele angeführt. 11) Aber zumeist werden nur diejenigen Argumente und Beispiele<br />
vorgetragen, die der eigenen Argumentationsposition behilflich sind, während über die Gegenargumente<br />
und -beispiele der jeweils entgegengesetzten These oftmals hinweg gegangen wird. Dies entspricht<br />
einem weit verbreiteten „Argumentationsstil“ des Managementdiskurses, der insbesondere<br />
10) Vgl. zu dieser Ganzheitlichkeitsforderung für das Wissensmanagement vor dem Hintergrund des Streits um Kodifizierungs-<br />
und Personalisierungsstrategie z.B. BICK (2004) S. 19 ff., insbesondere S. 22 f. Vgl. ebenso MAIER (2003) S. 159 ff. zu einem<br />
„Vermittlungosrientierten Wissensmanagement“, das im Sinne eines ganzheitlichen Wissensmanagements eine Brücke zwischen<br />
Kodifizierungs- und Personalisierungsstrategie schlagen soll.<br />
11) Dagegen wird die Sukzessiv-These nach Kenntnis des Verfassers in der Fachliteratur zum Wissensmanagement nicht näher<br />
gewürdigt. Dies lässt sich dadurch erklären, dass Autoren, die sich „professionell“ mit Aspekten des Wissensmanagements befassen,<br />
oftmals den Eindruck einer „gewissen Ignoranz“ gegenüber Erkenntnissen aus dem Bereich des strategischen Managements,<br />
hier insbesondere aus dem Bereich der Wettbewerbsstrategien, erwecken. Das Außerachtlassen der Sukzessiv-These<br />
mag daran liegen, dass eine solche dritte These einer „zugkräftigen Polarisierung“ zwischen zwei konfliktionären strategischen<br />
Handlungsoptionen nur im Wege steht. Aber solche Mutmaßungen helfen nicht weiter. Im hier erörterten Kontext spielt es auch<br />
keine wesentliche Rolle, ob die Sukzessiv-These explizit einbezogen wird oder nicht, weil der Thesen-Streit ohnehin als noch<br />
offen empfunden wird. Daher bleibt es letztlich unerheblich, ob sich das offene Konfliktfeld auf entweder nur zwei oder aber<br />
drei konkurrierende Thesen erstreckt. Aber die bisher praktizierte Vernachlässigung der wettbewerbsstrategischen Sukzessiv-<br />
These in systematischen Abhandlungen zu Strategien des Wissensmanagements sollte zumindest als „Merkposten“ für künftige<br />
Neuauflagen oder Neuerscheinungen von Standardwerken zum Wissensmanagement in Erinnerung behalten werden.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 37<br />
von MCCLOSKEY als „narratives Paradigma“ der Betriebswirtschaftslehre treffend charakterisiert<br />
wurde. 12)<br />
Zur Auflösung des Thesen-Streits müssten seitens der Betriebswirtschaftslehre mindestens zwei<br />
Desiderata erfüllt werden. Erstens wäre es notwendig, die situativen Anwendungsbedingungen –<br />
oder synonym: Kontextbedingungen – zu identifizieren, unter denen die oben erwähnten Argumente<br />
und Beispiele jeweils für oder wider den Erfolg entweder der Alternativ- oder aber der Simultaneitäts-These<br />
sprechen. Eine systematische und konkrete Identifizierung dieser situativen Anwendungsbedingungen<br />
ist bis heute jedoch noch nicht erfolgt. Zweitens müssten die – angeblichen oder<br />
tatsächlichen – Synergiepotenziale, die sich im Falle der Simultaneitäts-These realisieren lassen und<br />
den zusätzlichen Ressourceneinsatz für die simultane Einführung zweier Wissensmanagementstrategien<br />
überkompensieren sollen, konkret geschätzt und mit dem zu erwartenden zusätzlichen Ressourceneinsatz<br />
verglichen werden. Auch die betriebswirtschaftlich seriöse Schätzung dieser Synergiepotenziale<br />
befindet sich weit außerhalb der Reichweite dessen, was seitens des Wissensmanagements<br />
derzeit geleistet wird. Da bereits die generelle Messung des Nutzens von Wissensmanagement<br />
heute noch unter gravierenden Operationalisierungsmängeln leidet, 13) kann umso weniger<br />
erwartet werden, die spezielle Messung der vorgenannten Synergiepotenziale zufrieden stellend bewältigen<br />
zu können.<br />
Trotz der vorgenannten Schwierigkeiten steht die betriebliche Praxis unter dem Handlungsdruck,<br />
sich für eine der oben angeführten Handlungsoptionen im Sinne der Alternativ- oder der Simultaneitäts-These<br />
(oder der Sukzessiv-These) entscheiden zu müssen. Da eine seriöse wissenschaftliche<br />
Entscheidungsempfehlung in allgemeiner Weise nicht ausgesprochen werden kann, muss sich die<br />
Praxis des Wissensmanagements – zumindest derzeit (noch) – damit abfinden, sich entweder den<br />
allgemeinen Heilsversprechen von „(Wissens-) Management-Gurus“ anzuvertrauen oder spezielle,<br />
situationsbezogene wissenschaftliche Detailanalysen einzuholen. Beides kann und soll in dem hier<br />
vorgelegten Werk nicht geleistet werden.<br />
Dennoch musste auch aus der speziellen Perspektive des Verbundprojekts KOWIEN eine frühzeitige<br />
Entscheidung getroffen werden, in welcher Weise die sechs geförderten Projektpartner ihre Forschungs-,<br />
Entwicklungs- und Transferressourcen vor dem Hintergrund des oben skizzierten Thesen-<br />
Streits einsetzen sollten. Angesichts knapper Fördermittel war eine solche Grundsatzentscheidung –<br />
bereits in der Phase der Antragstellung mit einer detaillierten Arbeits- und Ressourcenplanung –<br />
unvermeidlich. In dieser Situation hat sich der Universitätspartner als federführender Antragsteller<br />
für eine Strategie des „konsequenten sowohl als auch“ entschieden: 14) Da aus wissenschaftlicher<br />
Sicht der Thesen-Streit des Wissensmanagements als weiterhin ungelöst betrachtet werden muss,<br />
wurde eine „förderpolitische Parallelstrategie“ gewählt, die alle Optionen offen lässt:<br />
12) Vgl. MCCLOSKEY (2000), insbesondere S. 4 ff.; MCCLOSKEY (1998), insbesondere S. 14 ff., 31 ff., 162 ff. u. 187 ff.; MCCLOS-<br />
KEY (1983) S. 482 ff., insbesondere S. 499 u. 501 ff.<br />
13) Vgl. zu den vielfältigen Ansätzen zur Bewertung von Wissen BÜRGEL/LUZ (2000) S. 20 ff.; KAPS (2001) S. 14 ff.; KREFT (2003)<br />
S. 18 ff., 36 ff., 52 ff. u. 113 ff.; KREFT (2004) S. 22 ff.; MERTINS/ALWERT (2003) S. 578 ff.; O’HARA/SHADBOLT (2001) S. 1 ff.<br />
u. 5; PROBST/RAUB/ROMHARDT (2003) S. 211 ff.; SCHAUER (2004) S. 297 ff.; YATES-MERCER/BAWDEN (2002) S. 22 ff.<br />
14) Der Verfasser hofft, dass diese Formulierung eine „Prise Selbstironie durchschimmern“ lässt.
38 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
• Im Verbundprojekt KOWIEN erfolgt eine Fokussierung auf computerbasierte Arbeitstechniken.<br />
Es folgt damit dem Automatisierungsfokus der Kodifizierungsstrategie.<br />
• Ein paralleles, ebenso vom B<strong>MB</strong>F gefördertes Verbundprojekt mit der Bezeichnung MOTIWI-<br />
DI widmet sich der „Motivationseffizienz in wissensintensiven Dienstleistungsnetzwerken“. 15)<br />
Es fokussiert sich auf die Motivation von Mitarbeitern als Kompetenzträgern, einerseits ihr<br />
handlungsbefähigendes Wissen für Netzwerkpartner offen zu legen (Wissensteilung durch Wissenspreisgabe)<br />
und andererseits das offen gelegte Wissen innerhalb einer Kooperation auch<br />
gemeinsam zu nutzen (Wissensteilung durch Wissenswiederverwendung). Dies entspricht dem<br />
Humankapitalfokus der Personalisierungsstrategie.<br />
Die beiden Verbundprojekte MOTIWIDI und KOWIEN verhalten sich somit komplementär zueinander.<br />
Sie überdecken das breite Spektrum eines ganzheitlich verstandenen Wissensmanagements<br />
sowohl hinsichtlich des Humankapitalfokus der Personalisierungs- als auch hinsichtlich des Automatisierungsfokus<br />
der Kodifizierungsstrategie.<br />
Durch die Parallelstrategie, beide Projekte gemeinsam durchzuführen, wird nur „analytisch“ zwischen<br />
Personalisierungs- und Kodifizierungsstrategie getrennt. Dadurch war es trotz limitierter Fördermittel<br />
möglich, innerhalb eines Verbundprojekts jeweils einen Aspekt – den Automatisierungsfokus<br />
im Projekt KOWIEN und den Humankapitalfokus im Projekt MOTIWIDI – effektiv zu bearbeiten.<br />
Jedoch wird dadurch in keiner Weise ausgeschlossen, die Erkenntnisse und Instrumente 16)<br />
aus beiden Verbundprojekten in der betrieblichen Praxis im Sinne der Simultaneitäts-These von<br />
vornherein gemeinsam zu nutzen (oder zumindest im Sinne der Sukzessiv-These nacheinander zu<br />
berücksichtigen). 17)<br />
Nur unter der Vorentscheidung, im Verbundprojekt MOTIWIDI einen parallelen Humankapitalfokus<br />
zu verfolgen, wurde im Verbundprojekt KOWIEN ein Schwerpunkt zugunsten computerbasierter<br />
Arbeitstechniken gesetzt. Dies bedeutete keineswegs, dass die KOWIEN-Projektpartner die große<br />
Bedeutung des Humankapitals für das Wissensmanagement verkennen würden. Stattdessen sahen<br />
sie sich nur aufgrund von exogenen Randbedingungen – knappen personellen, finanziellen sowie<br />
zeitlichen Projektressourcen – genötigt, einen der beiden o.a. Aspekte des Wissensmanagements<br />
zu bevorzugen, um zumindest diesen Aspekt in der gebotenen Breite und Tiefe behandeln zu<br />
können. Die Tatsache, dass diese Vertiefungsentscheidung zugunsten computerbasierter Arbeitstechniken<br />
ausfiel, beruhte letztlich auf den kontingenten Vorgaben des Rahmenkonzepts „Forschung<br />
für die Produktion von morgen“, innerhalb dessen das Verbundprojekt KOWIEN thematisch<br />
angesiedelt ist. Denn die Ausschreibungsbedingungen dieses Rahmenkonzepts ließen kaum Raum<br />
15) Nähere Informationen zum Verbundprojekt MOTIWIDI finden sich im Internet unter der URL „http://www.motiwidi.de“. Vgl.<br />
die dort angeführten Veröffentlichungen über Ergebnisse der Projektarbeiten. Vgl. ebenso die Dokumentation der Projektergebnisse<br />
in ZELEWSKI ET AL. (2005).<br />
16) Als Instrumente werden hier alle Hilfsmittel (Modelle, Methoden, computerbasierte Werkzeuge) verstanden, die in den beiden<br />
Verbundprojekten entwickelt wurden, um die Implementierung der Projekterkenntnisse in der betrieblichen Praxis zu unterstützen.<br />
Hierzu zählen beispielsweise das prototypische Software-Tool für ein ontologiebasiertes Kompetenzmanagementsystem,<br />
das Vorgehensmodell für die Konstruktion und Nutzung solcher <strong>Kompetenzmanagementsysteme</strong> sowie die E-Learning-Umgebung<br />
für die Anwender solcher <strong>Kompetenzmanagementsysteme</strong>.<br />
17) Als Indizien für die Möglichkeit, die Erkenntnisse aus den beiden komplementären Verbundprojekten KOWIEN und MOTI-<br />
WIDI im Sine eines „ganzheitlichen“ Wissensmanagements gemäß der Simultaneitäts- (oder Sukzessiv-) These zu integrieren,<br />
lässt sich auf mehrere Publikationen verweisen, die zu Problemen des Wissensmanagements von Mitgliedern beider Projektteams<br />
gemeinsam verfasst wurden. Vgl. DITTMANN/PETERS/ZELEWSKI (2003a); DITTMANN/PETERS/ZELEWSKI (2003b); DITT-<br />
MANN/PETERS/ZELEWSKI (2004); DITTMANN/PETERS/ZELEWSKI (2005); PETERS/ZELEWSKI (2003); vgl. darüber hinaus auch das<br />
Kapitel 2.5 (S. 537 ff.) des hier vorgelegten Werks.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 39<br />
für „weiche“ Einflussgrößen des Wissensmanagements, zu denen Humankapital und Mitarbeitermotivation<br />
zweifellos gehören.<br />
Aufgrund der voranstehenden Festlegungen wird im Folgenden nur noch die Kodifizierungsstrategie<br />
mit ihrem Automatisierungsfokus weiter entfaltet. Dabei wird von der zusätzlichen Hypothese<br />
ausgegangen, dass sich sowohl die Effektivität als auch die Effizienz des Wissensmanagements<br />
durch die Nutzung von Software-Werkzeugen („Tools“) in der Regel nachhaltig erhöhen lassen. 18)<br />
Daher besteht ein mittelbarer, aber nichtsdestoweniger in der betrieblichen Praxis außerordentlich<br />
kritischer Bedarf für computerbasierte Arbeitstechniken zur Unterstützung von effektivitäts- und effizienzfördernden<br />
Wissensmanagementtechniken.<br />
1.1.2 Typische Kooperationsbarrieren<br />
für Wissensmanagement in Netzwerken<br />
Wissensmanagement muss sich bei der arbeitsteiligen Erfüllung wissensintensiver Aufgaben in Engineering-Netzwerken<br />
insbesondere zwei Herausforderungen stellen. Einerseits gilt es, die Akteure<br />
des Netzwerks bei ihrer arbeitsteiligen Aufgabenerfüllung so zu koordinieren, dass das erforderliche<br />
handlungsbefähigende Wissen – also die Kompetenzen 19) der Akteure – möglichst effektiv und<br />
effizient zur Aufgabenerfüllung eingesetzt wird. Andererseits müssen die Mitarbeiter eines Unternehmens<br />
oder mehrerer Unternehmen, die in einem inner- bzw. überbetrieblichen Netzwerk zusammenwirken,<br />
als Kompetenzträger dazu motiviert werden, ihr handlungsbefähigendes Wissen mit<br />
ihren Netzwerkpartnern zu teilen, d.h., sowohl ihre eigenen Kompetenzen offen zu legen als auch<br />
die offen gelegten Kompetenzen anderer Mitarbeiter gemeinsam zu nutzen. Aufgrund der Einschränkung<br />
im voranstehenden Kapitel, im Rahmen des Verbundprojekts KOWIEN den Schwerpunkt<br />
auf computerbasierte Arbeitstechniken zu legen, bleibt der Motivationsaspekt aus allen nachfolgenden<br />
Überlegungen ausgeklammert. Für Leser, die an solchen Gestaltungsaspekten der Personalisierungsstrategie<br />
interessiert sind, wird auf das „Schwesterprojekt“ MOTIWIDI verwiesen.<br />
Die Koordination von Akteuren, die in einem Engineering-Netzwerk eine gemeinsame, wissensintensive<br />
Aufgabe arbeitsteilig erfüllen sollen und daher auf eine wechselseitige Kooperation angewiesen<br />
sind, kann durch eine Vielfalt von Kooperationsbarrieren behindert werden. Aus der Fülle<br />
18) Diese Hypothese lässt sich – wie alle Basisentscheidungen innerhalb eines Untersuchungsdesigns – natürlich mit guten Argumenten<br />
in Zweifel ziehen. So kann erstens der Einwand erhoben werden, die Effektivitäts- und Effizienzsteigerung, die sich<br />
durch den Einsatz der Software-Werkzeuge erzielen lasse, vernachlässige den erheblichen Ressourceneinsatz zur Konzipierung,<br />
Entwicklung und Implementierung jener Werkzeuge. Zweitens kann moniert werden, dass kein Vergleich mit analogen Effektivitäts-<br />
und Effizienzsteigerungen erfolgt, die mithilfe der Personalisierungsstrategie erreicht werden könnten. Erst der Vergleich<br />
der Effekte beider Strategien (einschließlich des Vergleichs der jeweils erforderlichen Ressourceneinsätze) könnte Aufschluss<br />
darüber verleihen, ob tatsächlich ein Bedarf für computerbasierte Arbeitstechniken besteht – oder ob der Bedarf für humanzentrierte<br />
Arbeitstechniken überwiegt. Beide Argumentationsketten lassen sich an dieser Stelle nicht widerlegen. Sie<br />
sprengen schlicht den Argumentationsrahmen des hier vorgelegten Werks, das auf einer Vorentscheidung zugunsten der Kodifizierungsstrategie<br />
beruht. Die oben erfolgten Erläuterungen zur Berechtigung der Personalisierungsstrategie und zu ihrer parallelen<br />
Verfolgung in einem zweiten Verbundprojekt haben hoffentlich verdeutlicht, dass der Verfasser gegenüber computerskeptischen<br />
Argumentationsketten wie den zuvor skizzierten durchaus offen ist, sich lediglich außerstande sieht, sie innerhalb<br />
des KOWIEN-Rahmens auszudiskutieren.<br />
19) Streng genommen ist zwischen den Kompetenzarten einerseits und den Ausprägungen einer Kompetenzart (oder kurz: Kompetenzausprägungen)<br />
andererseits zu unterscheiden. Sofern diese Unterscheidung im jeweils aktuellen Argumentationskontext unerheblich<br />
ist, wird schlicht von „Kompetenzen“ geredet. Darüber hinaus wurde bei der Implementierung von Ontologien auf<br />
Wunsch mehrerer Praxispartner des Verbundprojekts KOWIEN durchgehend die Bezeichnung „Kompetenz“ verwendet, wenn<br />
eine Kompetenzart gemeint war.
40 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
denkmöglicher Kooperationsbarrieren 20) wurde im Verbundprojekt KOWIEN – zwecks einer weiter<br />
reichenden Fokussierung innerhalb der Automatisierungsstrategie – nur ein spezieller Typ von Barrieren<br />
eingehender analysiert, der sich für das Management von Wissen als spezifisch erweist. Ausgangspunkt<br />
der weiteren Fokussierung war die spezielle Eigenart des Produktionsfaktors „Wissen“,<br />
ein sprachlich verfasstes Artefakt darzustellen.<br />
Über diesen Ausgangspunkt lässt sich trefflich streiten. Denn Wissen braucht keineswegs als<br />
sprachlich verfasstes Artefakt betrachtet zu werden. Besondere Probleme bereitet in dieser Hinsicht<br />
der gesamte Bereich des so genannten „taziten“ Wissens 21) . Unter häufiger Zitierung von POLANYI<br />
wird Wissen als tazit aufgefasst, wenn es zwei charakteristische Eigenschaften erfüllt. Erstens muss<br />
es sich um Wissen handeln, das grundsätzlich an Menschen als Wissensträger gebunden ist. Zweitens<br />
zeichnet sich tazites Wissen dadurch aus, dass es sich einer „Entäußerung“ an Dritte durch<br />
sprachliche Explizierung grundsätzlich entzieht, weil es „in den Köpfen“ der Wissensträger eingeschlossen<br />
ist. Zu diesem taziten Wissen werden vor allem große Teile des Know-hows gezählt, über<br />
das Mitarbeiter als handlungsbefähigendes Wissen verfügen, das sie jedoch sprachlich nicht zu artikulieren<br />
vermögen. Wegen dieser Artikulationsbarriere lässt sich tazites Wissen weder in Dokumenten<br />
„kodifizieren“ noch mittels sprachlicher („verbaler“) Kommunikation anderen Mitarbeitern<br />
mitteilen. Stattdessen lässt sich tazites Wissen nur durch praktisches Handeln erwerben, also insbesondere<br />
durch Imitieren von Vorbildern und durch „learning by doing“. Die Existenz von tazitem<br />
Wissen stellt ein wesentliches Argument zugunsten der Personalisierungsstrategie dar, weil sich tazites<br />
Wissen per definitionem nur von Menschen erwerben und nutzen lässt und jedem Automaten –<br />
20) Vgl. zu Barrieren des Wissensmanagements im Allgemeinen – also ohne speziellen Bezug auf die hier betrachteten Kooperationsbarrieren<br />
im Koordinationszusammenhang – z.B. ALBRECHT/LE<strong>MB</strong>KE (2002) S. 54; BICK (2004) S. 24 u. 88 ff. (sehr ausführlich);<br />
BARSON ET AL. (2000) S. 367 ff., insbesondere Kapitel 5 bis 7; DAVENPORT/PRUSAK (1998a) S. 97 ff. (dort als „frictions”<br />
thematisiert); DAVENPORT/PRUSAK (1998b) S. 195 ff. (dort als „Friktionen” thematisiert); DÖRING-KATERKAMP/TROJAN (2002),<br />
137; MITTELMANN (1999) S. 4 ff.; NECHES ET AL. (1991) S. 37 f. (speziell in Bezug auf Wissensteilung und -wiederverwendung<br />
im Kontext von computerbasierten Wissensmanagementsystemen); PAWAR ET AL. (2001) S. 5 ff. (mit einer Systematisierung<br />
möglicher Barrieren gegenüber Wissenstransfer und Wissensteilung aus humanzentrierter Perspektive in der Tablle 2 auf S. 7);<br />
PRANGE/PROBST/RÜLING (1996) S. 13 f.; SCHÜPPEL (1996) S. 34 ff.; SUKOWSKI (2002) S. 68 ff.; TAMMA/BENCH-CAPON (2002)<br />
S. 45 f. (mit speziellem Bezug auf Heterogenität von Akteuren als Barriere der Wissensteilung).<br />
21) Vgl. zu tazitem Wissen LAM (1998) S. 3 u. 6 ff.; NEUWEG (1999) S. 12 ff., 24 ff., 118 ff., 134 ff., 178 ff. (speziell zu „skills“),<br />
221 ff. (speziell zu impliziten Schlüssen), 232 ff. (speziell zu Grenzen der Explizierbarkeit) u. 317 ff.; NONAKA/REINMOELLER/<br />
SENOO (1998) S. 673 ff.; NONAKA/TAKEUCHI (1997) passim, z.B. S. 8 f. u. 18 ff., NONAKA/TOYAMA/NAGATA (2000) S. 5 ff.;<br />
NORTH (2002) S. 48 ff.; POLANYI (1959) S. 12 ff. u. 25 ff.; POLANYI (1985) S. 14 ff., 27 ff. u. 49; SCHREYÖGG/GEIGER (2004) S.<br />
277 ff.; YATES-MERCER/BAWDEN (2002) S. 21 f.<br />
In der Literatur zum Wissensmanagement wird in diesem Zusammenhang auch häufig von implizitem Wissen gesprochen. Diese<br />
Bezeichnung verleitet jedoch häufig zu Missverständnissen, weil der Begriff „implizites Wissen“ bereits in der allgemeinen<br />
Logik durch ein vollkommen anderes Vorverständnis geprägt ist: Aus logischer Sicht wird unterschieden zwischen einerseits<br />
explizitem Wissen, das in Formeln (Aussagen, Sätzen, Axiomen, Theoremen u.ä.) unmittelbar „gegeben“ ist, und andererseits<br />
implizitem Wissen, das mittels Inferenzregeln aus explizitem Wissen erschlossen werden kann. Aus dieser logischen Perspektive<br />
enthalten auch alle Dokumente, Daten-, Informations- sowie Wissensbanken usw. bereits implizites Wissen, das sich durch<br />
die Anwendung von Inferenzregeln auf dieses explizite Wissen gewinnen lässt. Auch für Ontologien, die im Rahmen des Verbundprojekts<br />
KOWIEN eine große Rolle spielen, werden solche Inferenzregeln angewendet. Hinzu kommt, dass die logische<br />
Sichtweise eine inhaltlich klare und präzise Unterscheidung zwischen ex- und implizitem Wissen trifft. Dagegen erweist sich<br />
die Differenzierung zwischen explizitem und „nicht oder schwer explizierbarem“ Wissen als problematisch, weil zumindest eine<br />
dritte Kategorie für Wissen existiert, das zwar (noch) nicht explizit vorliegt, sich aber dennoch – z.B. mittels simpler Inferenzregeln<br />
– leicht explizieren lässt. In der Wissensmanagement-Literatur findet sich für diese nahe liegende Wissensform kein<br />
treffendes, geschweige denn etabliertes Attribut. Daher wird vom zuvor skizzierten, problematischen Sprachgebrauch für „implizites<br />
Wissen“ abgewichen und stattdessen „implizit“ im eingangs erläuterten logischen Begriffsverständnis verwendet. Die<br />
spezielle Kategorie von Wissen, das nicht in unmittelbar explizierter Form vorliegt und sich nur unter großen Mühen – wenn<br />
überhaupt – explizieren lässt, wird dagegen als tazites Wissen bezeichnet.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 41<br />
z.B. einem Wissensbasierten System – ebenso per definitionem verschlossen bleibt. Darüber hinaus<br />
wird tazites Wissen oftmals als „Kronzeuge“ aufgerufen, um das „notwendige Scheitern“ der „starken“<br />
KI-These zu beweisen. Die „starke“ KI-These behauptet, dass sich intelligentes menschliches<br />
Verhalten „im Prinzip“ durch wissensbasierte Automaten reproduzieren lässt. Natürlich erscheint<br />
dies unmöglich, wenn es tazites Wissen gibt, das einerseits für intelligentes menschliches Verhalten<br />
unverzichtbar ist und andererseits per definitionem jeder Art von Automaten unzugänglich bleibt. 22)<br />
Tazites Wissen stellt eine ebenso spannende wie umstrittene Thematik dar. Beispielsweise lässt sich<br />
in Zweifel ziehen, ob überhaupt tazites Wissen in der zuvor geschilderten, „strengen“ Ausprägung<br />
existiert. Gegen diese Ausprägung spricht – neben anderen Argumenten 23) – eine andere Vorstellung<br />
des betrieblichen Wissensmanagements, die sich ebenso großer Popularität erfreut. Es handelt<br />
sich um die so genannte „Wissensspirale“, die von NONAKA und TAKEUCHI sehr eingängig beschrieben<br />
worden ist. 24) In dieser Wissensspirale findet u.a. eine Explizierung taziten Wissens<br />
statt, 25) und zwar nicht nur einmalig, sondern mehrfach wiederholt, weil in jedem Zyklus der spiralförmigen<br />
Aufwärtsbewegung im „Wissensraum“ eine solche Wissensexplizierung erfolgt. Es erweckt<br />
schon Erstaunen, wenn nicht nur die „Kultautoren“ NONAKA und TAKEUCHI selbst, sondern<br />
auch zahlreiche ihrer Apologeten und Anhänger eines „modernen“ Wissensmanagements keine<br />
epistemischen Probleme darin sehen, einerseits von grundsätzlich nicht explizierbarem, tazitem<br />
Wissen auszugehen und andererseits dennoch das Konzept der Wissensspirale zu propagieren. 26)<br />
Wer hierin keine „Inkommensurabilität“ unterschiedlicher Wissenskonzepte – wenn nicht gar einen<br />
eklatanten Selbstwiderspruch – entdeckt, muss zumindest als „mutig“ erscheinen. Daraus haben mehrere<br />
Autoren im Bereich des Wissensmanagements die Konsequenz gezogen, tazites Wissen nicht<br />
mehr so streng aufzufassen, dass es sich jeder sprachlichen Explizierung grundsätzlich entzieht.<br />
22) Der Verfasser vermag sich dieser „Beweisführung“, die sich großer Beliebtheit unter Anhängern der Personalisierungsstrategie<br />
und Gegnern der „harten“, d.h. computerbasierten Erforschung Künstlicher Intelligenz (KI) erfreut, keineswegs anzuschließen.<br />
Doch es liegt weit außerhalb der Thematik des hier vorgelegten Werks, auf die „starke“ KI-These näher einzugehen. Daher<br />
kann nur angedeutet werden, dass die oben angesprochene „Beweisführung“ zwei grundsätzliche Angriffspunkte aufweist. Erstens<br />
ist bislang für kein menschliches Verhalten, das gemeinhin als „intelligent“ qualifiziert wird, der Beweis geführt worden,<br />
dass zu seiner Realisierung auf tazites Wissen nicht verzichtet werden kann, dass also keine „funktionalen Äquivalente“ für tazites<br />
Wissen bestehen. Zweitens lässt sich in Zweifel ziehen, ob es grundsätzliche Artikulationsbarrieren geben kann, ob also<br />
tatsächlich zwingende Gründe existieren, die ausschließen, dass sich tazites Wissen jemals in sprachlicher Form entäußern –<br />
und so kodifizieren oder anderen Akteuren kommunizieren – lässt. Der Verfasser hat sich an anderer Stelle mit der „starken“<br />
KI-These und ihren Gegnern ausführlicher auseinander gesetzt; vgl. ZELEWSKI (1993b) S. 612 ff.<br />
23) Dazu gehört vor allem der Zweifel, ob es jemals gelingen kann, strikt zu beweisen, dass sich tazites Wissen niemals sprachlich<br />
entäußern lässt. Solche Unmöglichkeitsbeweise stellen eine epistemische Herausforderung besonderer Art dar. Der Verfasser<br />
zweifelt seinerseits an der grundsätzlichen Möglichkeit, Unmöglichkeitsbeweise dieser Art überhaupt führen zu können. Zumindest<br />
ist noch kein solcher Unmöglichkeitsbeweis von Anhängern taziten Wissens präsentiert worden.<br />
24) Vgl. NONAKA (1991) S. 97 ff.; NONAKA/REINMOELLER/SENOO (1998) S. 674 ff. (dort als „SECI Model“ und später als „ba“-<br />
Plattform thematisiert); NONAKA/TAKEUCHI (1995) S. 57 ff., insbesondere S. 70 ff.; NONAKA/TAKEUCHI (1997) S. 87 ff.; NONA-<br />
KA/TOYAMA/KONNO (2000) S. 9 ff. u. 13 ff. (als „SECI process“ bzw. als „ba“-Plattform); NONAKA/TOYOMA/NAGATA (2000) S.<br />
8 ff. Vgl. auch zur breiten Rezeption des Konzepts der Wissensspirale BOLLOJU/KHALIFA/TURBAN (2002) S. 165 ff.; CHOO<br />
(1996) S. 335 f.; MARWICK (2001) S. 815 ff.; SCHREYÖGG/GEIGER (2004) S. 271 ff.; SCHREYÖGG/NOSS (1997) S. 74 f. in Verbindung<br />
mit S. 71 ff.; STAAB (2002a) S. 198 ff. u. 206 f.<br />
25) NONAKA/TAKEUCHI (1997) S. 8 f. u. 18 ff. sprechen zwar von “implizitem” Wissen; sie meinen jedoch tazites Wissen im Sinne<br />
von POLANYI. Dies wird insbesondere anhand des englischsprachigen Originals NONAKA/TAKEUCHI (1995) deutlich; dort ist auf<br />
S. 8 ff. explizit von „tacit knowledge“ die Rede. Vgl. auch zur Kritik an der „irreführenden“ Übersetzung von „tacit knowledge“<br />
in „implizites Wissen“ NEUWEG (1999) S. 134, Fußnote 2 (allerdings in Bezug auf das Werk von POLANYI).<br />
26) Die Probleme, tazites Wissen und das Konzept der Wissensspirale miteinander verbinden zu wollen, wurden jüngst von<br />
SCHREYÖGG/GEIGER (2004) S. 280 ff. scharf herausgearbeitet. Vgl. auch als „Vorläufer“ SCHREYÖGG/NOSS (1997) S. 75.
42 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Vielmehr schwächen sie die „Tazitheit“ dahin gehend ab, dass es nur schwer sei, tazites Wissen<br />
zwecks Kodifizierung oder Kommunikation zu artikulieren. Diese „liberale“ Ausprägung taziten<br />
Wissens mag zwar ausreichen, um aus pragmatischer Sicht für die Behandlung taziten Wissens in<br />
der betrieblichen Praxis spezifische Handlungsempfehlungen auszusprechen. Aber hinsichtlich der<br />
grundsätzlichen Diskussion über das angebliche Scheitern von Automatisierungsstrategie (und<br />
„starker“ KI-These) bedeutet diese Liberalisierung eine Bankrotterklärung. Wenn tazites Wissen<br />
zwar schwer, aber immerhin doch sprachlich expliziert werden kann, dann spricht im Prinzip nichts<br />
mehr dagegen, Aufgaben des Wissensmanagements mittels Wissensbasierter Systeme zu erfüllen<br />
(bzw. intelligente menschliche Verhaltensweisen mittels Automaten zu reproduzieren).<br />
Im Verbundprojekt KOWIEN braucht die zuvor skizzierte Problematik taziten Wissens nicht ausdiskutiert<br />
zu werden. Stattdessen erfolgte – wie im Kapitel 1.1.1 (S. 33 ff.) dargelegt wurde – von<br />
vornherein eine Fokussierung auf die Automatisierungsstrategie. Daher bleibt es letztlich irrelevant,<br />
ob tazites Wissen im oben erläuterten Verständnis tatsächlich existiert oder nicht. Stattdessen beschäftigte<br />
sich das Verbundprojekt KOWIEN nur mit handlungsbefähigendem Wissen so weit, wie<br />
es sich sprachlich explizieren und somit auch als sprachlich verfasstes Artefakt auffassen lässt. Ob<br />
darüber hinaus noch weiteres, sprachlich nicht explizierbares und somit tazites Wissen existiert,<br />
reicht über den Erkenntnisfokus des Verbundprojekts hinaus und kann daher hier offen gelassen<br />
werden. 27)<br />
Aufgrund der Basisentscheidung, im Verbundprojekt KOWIEN Wissen als sprachlich verfasstes<br />
Artefakt zu betrachten, lässt sich Wissen nur unter erheblichen „geistigen Verrenkungen“ in konventionelle<br />
Produktionsfaktor-Systematiken einordnen. Solche Systematiken können zwar zwischen<br />
materiellen und immateriellen oder auch zwischen realen und nominalen Gütern differenzieren,<br />
aber für sprachlich verfasste Artefakte sehen sie keine „systemkonforme“ Produktionsfaktorkategorie<br />
vor. Daher mag es nicht überraschen, dass sich die Ansicht verbreitet hat, Wissen als Produktionsfaktor<br />
„sui generis“ zu behandeln – und damit letztlich einzugestehen, dass er das konventionelle<br />
Systematisierungsraster von Produktionsfaktoren „sprengt“.<br />
Wenn einerseits Wissen ein sprachlich verfasstes Artefakt darstellt und andererseits Barrieren von<br />
Interesse sind, die eine Kooperation zwischen Akteuren bei der gemeinsamen Erfüllung wissensintensiver<br />
Aufgaben zu behindern drohen, so liegt es nahe, sich auf jene Kooperationsbarrieren zu fokussieren,<br />
die in der sprachlichen Verfasstheit des gemeinsam einzusetzenden, handlungsbefähigenden<br />
Wissens verwurzelt sind. Daher wurde im Verbundprojekt KOWIEN von der forschungs-,<br />
entwicklungs- und transferleitenden Hypothese ausgegangen, dass die Kooperation zwischen Akteuren<br />
bei der gemeinsamen Erfüllung wissensintensiver Aufgaben in Netzwerken vor allem durch<br />
sprachliche Barrieren behindert werden kann, die das gemeinsame Verständnis des jeweils einzusetzenden,<br />
handlungsbefähigenden Wissens zu beeinträchtigen drohen. 28) Aus dieser Perspektive<br />
muss sich Wissensmanagement in seiner Funktion, Akteure eines Netzwerks bei ihrer kooperativen<br />
Erfüllung einer gemeinsamen, wissensintensiven Aufgabe zu koordinieren (kooperatives Wissens-<br />
27) Um „Farbe zu bekennen“, spricht sich der Verfasser persönlich zugunsten der Position aus, die Existenz taziten Wissens in seiner<br />
„strengen“ Ausprägung zu bezweifeln. Stattdessen erscheint ihm die „starke“ KI-These plausibler. Aber diese Positionen<br />
sind für das Verbundprojekt KOWIEN unbeachtlich.<br />
28) Diese Hypothese stellt keineswegs in Abrede, dass auch andere als sprachlich bedingte Verständnisbarrieren die Kooperation<br />
zwischen Akteuren bei der gemeinsamen Erfüllung wissensintensiver Aufgaben in Netzwerken erheblich beeinträchtigen können.<br />
Stattdessen wird lediglich davon ausgegangen, dass solche anderen Kooperationsbarrieren entweder generellen Charakter<br />
besitzen, also nicht speziell für die gemeinsame Erfüllung wissensintensiver Aufgaben gelten, oder sich auf die Motivation zur<br />
Wissensteilung erstrecken, die aus dem Fokus des hier vorgelegten Werks bereits ausgegrenzt wurde.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 43<br />
management) 29) , vornehmlich mit der Identifizierung sprachlich bedingter Verständnisbarrieren 30)<br />
und mit Gestaltungsempfehlungen zur Überwindung dieser Barrieren befassen. Dieses Basisverständnis<br />
für die zentrale Funktion eines kooperativen Wissensmanagements in (Engineering-) Netzwerken<br />
liegt dem gesamten Verbundprojekt KOWIEN 31) zugrunde. 32)<br />
In diesem einleitenden Beitrag steht nur die Identifizierung sprachlich bedingter Verständnisbarrieren,<br />
die den Koordinationserfolg des kooperativen Wissensmanagements beeinträchtigen können,<br />
im Vordergrund. Entsprechende Gestaltungsempfehlungen, mit denen sich diese Kooperationsbarrieren<br />
überwinden lassen, bestimmen hingegen den Inhalt aller nachfolgenden Beiträge dieses<br />
Werks.<br />
Sprachlich bedingte Verständnisbarrieren des Wissensmanagements können in vielfältigen Varianten<br />
auftreten. Im Folgenden werden lediglich einige „typische“ Situationen skizziert, in denen solche<br />
Barrieren das kooperative Wissensmanagement zu beeinträchtigen vermögen. 33) Diese Situationen<br />
lassen sich zugleich als „paradigmatische“ Anwendungsfälle für die Erkenntnisse und Instrumente<br />
des Verbundprojekts KOWIEN auffassen. Um die Vielfalt dieser Anwendungsfälle kognitiv<br />
leichter handhaben zu können, werden sie im nachfolgenden Kapitel zu zwei exemplarischen Anwendungsszenarien<br />
verdichtet.<br />
Die inhaltliche Vielfalt sprachlich bedingter Verständnisbarrieren lässt sich zunächst in zwei Hauptformen<br />
unterscheiden. Auf der einen Seite stehen Verständnisbarrieren, die aus einer mangelhaften<br />
29) Kooperatives Wissensmanagement lässt sich hier auf die Funktion reduzieren, Akteure eines Netzwerks bei ihrer kooperativen<br />
Erfüllung einer gemeinsamen, wissensintensiven Aufgabe zu koordinieren, weil aufgrund früherer Festlegungen die komplementäre<br />
Funktion, die Akteure hinsichtlich Wissenspreisgabe und Wissens(wieder)verwendung zu motivieren, hier nicht mehr<br />
berücksichtigt zu werden braucht.<br />
30) Die Bezeichnungen „Kooperationsbarrieren“, „sprachliche Barrieren“ und „sprachlich bedingte Verständnisbarrieren“ werden<br />
in diesem Werk synonym verwendet. Sie beziehen sich in extensionaler Hinsicht auf die gleiche Klasse realer Barrieren, die ein<br />
kooperatives Wissensmanagement behindern können. Die synonymen Bezeichnungen heben in ihren Formulierungen nur jeweils<br />
unterschiedliche Aspekte dieser Barrierenklasse kontextspezifisch hervor, so dass je nach aktuellem Argumentationskontext<br />
eine dieser Bezeichnungen bevorzugt wird.<br />
31) Aus diesem Basisverständnis lässt sich die Projektbezeichnung „Kooperatives Wissensmanagement in Engineering-Netzwerken“<br />
(KOWIEN) leicht herleiten.<br />
32) Es wird freimütig eingeräumt, dass sich der „Sinn“ des Verbundprojekts KOWIEN leicht in Zweifel ziehen lässt, indem dieses<br />
Basisverständnis nicht geteilt wird. Anstelle der zugrunde liegenden, oben explizit angeführten, forschungs-, entwicklungs- und<br />
transferleitenden Hypothese könnte selbstverständlich auch ein anderes Basisverständnis für kooperatives Wissensmanagement<br />
und die relevanten Kooperationsbarrieren entwickelt werden. Eine solche Alternativposition hielte der Verfasser keineswegs für<br />
abwegig, sondern vielmehr für prinzipiell fruchtbar, wenn sie explizit vorgetragen würde. Entscheidend ist nach Einschätzung<br />
des Verfassers, dass solche Basisverständnisse des jeweils verfolgten Forschungs-, Entwicklungs- und Transfer-„Designs“ offen<br />
gelegt werden, um sie hierdurch kommunizieren, analysieren und – vor allem auch – kritisch diskutieren zu können. Der<br />
Verfasser möchte daher potenzielle Kritiker des Verbundprojekts KOWIEN dazu ermuntern, ihre alternativen Basisverständnisse<br />
ebenso transparent zu formulieren – und alsdann in einen „pluralistischen“ Wettbewerb um die „besten“ Lösungen für Probleme<br />
des betrieblichen Wissensmanagements einzutreten.<br />
33) Eine weitere Situation, die im Folgenden nicht näher betrachtet wird, sprechen TAMMA/BENCH-CAPON (2002) S. 45 als ontologische<br />
Heterogenität an. Sie verstehen darunter eine Barriere gegenüber Wissensteilung, die auf unterschiedlichen ontologischen<br />
Commitments der beteiligten Akteure beruht. Allerdings bleiben die Ausführungen der beiden Autoren etwas unklar, was<br />
sie unter Heterogenität aufgrund unterschiedlicher ontologischer Commitments konkret verstehen. Zwar erläutern sie mit der<br />
konzeptualisierungs- und der explikationsbedingten Heterogenität zwei Spezialfälle. Aber diese beiden Spezialfälle unterscheiden<br />
sich inhaltlich kaum von den artikulierungsbedingten Verständnisbarrieren, die in Kürze näher ausgeführt werden. Der<br />
„Rest“ der Heterogenität aufgrund unterschiedlicher ontologischer Commitments bleibt im Dunklen. Daher wird hierauf nicht<br />
weiter eingegangen.
44 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Explizierung bereits vorhandenen, aber nicht unmittelbar zugreifbaren Wissens 34) resultieren. Auf<br />
der anderen Seite liegt Wissen, das zur gemeinsamen Aufgabenerfüllung benötigt wird, zwar schon<br />
explizit vor, wird jedoch aufgrund seiner Artikulierungsweise von seinen Nutzern nicht so verstanden,<br />
wie es zur Aufgabenerfüllung erforderlich wäre.<br />
Explizierungsbedingte Verständnisbarrieren treten immer dann auf, wenn die Verfügbarkeit benötigten<br />
Wissens nicht erkannt wird, weil dieses Wissen nicht „offensichtlich“ und somit nicht explizit<br />
35) gegeben, sondern „nur“ in anderem Wissen implizit enthalten ist. Wissen wird also nicht verstanden,<br />
weil es nicht explizit vorliegt. Es kommt zu einem Explizierungsdefekt. Dieser Explizierungsdefekt<br />
spielt im angewandten Wissensmanagement eine kaum zu überschätzende Rolle. Denn<br />
oftmals steht das benötigte Wissen bereits „irgendwo“ und „irgendwie“ zur Verfügung, aber nicht<br />
so offensichtlich, dass es von den jeweils betroffenen Akteuren unmittelbar zur Aufgabenerfüllung<br />
eingesetzt werden kann. Daher erlangt die Explizierung implizit verfügbaren Wissens für das praktische<br />
Wissensmanagement eine herausragende Bedeutung.<br />
Eines der leistungsfähigsten Instrumente, die bislang zur Wissensexplizierung entwickelt wurden,<br />
stellen Schlussfolgerungsregeln dar. Sie werden oftmals auch als Inferenzregeln bezeichnet.<br />
Schlussfolgerungs- oder Inferenzregeln gestatten es, aus einem gegebenen Wissensbestand jenes<br />
Wissen zu „erschließen“, das in dem Wissensbestand bereits implizit enthalten ist. Sie erzeugen also<br />
kein „wirklich“ neues Wissen, 36) sondern transformieren „nur“ vorhandenes implizites in vorhandenes<br />
explizites Wissen. 37) Aber diese Transformationsleistung darf nicht unterschätzt werden.<br />
Denn aus der Perspektive der Pragmatik, vorgegebene Aufgaben tatsächlich zu erfüllen, interessiert<br />
nicht die Neuartigkeit von Wissen, sondern schlicht das Faktum, ob es zur Aufgabenerfüllung effektiv<br />
genutzt werden kann. Solange das Wissen zwar vorhanden, aber implizit bleibt, lässt es sich<br />
nicht unmittelbar zur Aufgabenerfüllung einsetzen. Daher kann Wissen erst nach seiner Explizierung<br />
dem Zweck gerecht werden, die Erfüllung einer wissensintensiven Aufgabe zu ermöglichen.<br />
34) Wenn nicht ausdrücklich anders festgehalten, ist mit „Wissen“ in dem hier vorgelegten Werk stets handlungsbefähigendes Wissen<br />
gemeint.<br />
35) Es fällt nicht leicht, die intuitive Vorstellung über explizites Wissen scharf zu definieren. Im Folgenden wird Wissen genau<br />
dann als explizit betrachtet, wenn das Wissen sprachlich artikuliert ist und eine Frage, die sich auf dieses Wissen bezieht, durch<br />
Anwendung dieses Wissens unmittelbar beantwortet werden kann. Die Schwierigkeit dieses Definitionsversuchs liegt in der<br />
präzisen Bestimmung dessen, was mit „unmittelbar“ gemeint ist. Auf jeden Fall ausgeschlossen sind Schlussfolgerungen, die es<br />
gestatten würden, aus Wissen auch solche Antworten abzuleiten, die nicht durch das jeweils betroffene Wissen selbst „gegeben“<br />
sind, sondern erst aus der Kombination dieses Wissens mit den angewandten Schlussfolgerungsregeln resultieren. Ein solcher<br />
Ausschluss von Schlussfolgerungen „erhellt“ zwar den intendierten Inhalt von „unmittelbar“ im Sinne des Prinzips „omnis<br />
determinatio est negatio“ von SPINOZA; vgl. zu diesem Prinzip KELLER (1974) S. 1289. Der Ausschluss liefert aber keine vollständige<br />
inhaltliche Bestimmung von „unmittelbar“. Dem Verfasser ist bislang keine Definition der Explizitheit bekannt geworden,<br />
die diese Bestimmungslücke zufrieden stellend schließen würde.<br />
36) Instrumente zur Erzeugung „wirklich“ neuen Wissens stellen hingegen Kreativitätstechniken, wie z.B. das Brainstorming und<br />
die Synektik dar (sofern sie sich nicht auf die systematische Kombination vorhandenen Wissens beschränken, wie z.B. die<br />
Technik morphologischer Kästen).<br />
37) Hierbei handelt es sich um eine simplifizierte Betrachtungsweise, die für die Forschungs-, Entwicklungs- und Transferziele des<br />
Verbundprojekts KOWIEN ausreicht. Bei präziser Analyse der Explizierung impliziten Wissens zeigt sich jedoch, dass das implizite<br />
Wissen nicht einem vorgegebenen Wissensbestand „an sich“ zugerechnet werden kann, sondern nur der Kombination<br />
aus diesem Wissensbestand und den darauf angewendeten Inferenzregeln. Denn je nach der Art der Inferenzregeln, die auf denselben<br />
Wissensbestand angewendet werden, lässt sich unterschiedliches implizites Wissen explizieren. Das explizierte Wissen<br />
ist also sowohl wissensbestands- als auch inferenzregelabhängig. Beispielsweise lassen sich in der intuitionistischen Mathematik,<br />
in der die Inferenzregel des „tertium non datur“ für indirekte Beweise nicht zugelassen wird, aus derselben Menge mathematischer<br />
Prämissen (Wissensbestand) nicht alle Theoreme schlussfolgern, die in der konventionellen Mathematik als implizites,<br />
in jenen Prämissen enthaltenes Wissen akzeptiert würden.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 45<br />
Wissensexplizierung ist somit eine zwar noch nicht hinreichende, aber notwendige Voraussetzung<br />
für die intendierte Aufgabenerfüllung. Daher wurde der Wissensexplizierung mittels Inferenzregeln<br />
im Verbundprojekt KOWIEN große Aufmerksamkeit zuteil.<br />
Artikulierungsbedingte Verständnisbarrieren beziehen sich auf Wissen, das bereits in expliziter<br />
Form vorliegt. Dieses Wissen kann aber von Akteuren zur intendierten Aufgabenerfüllung dennoch<br />
nicht effektiv genutzt werden, weil es so artikuliert 38) ist, dass die Akteure seine Eignung zur Aufgabenerfüllung<br />
nicht erkennen. Wissen wird also nicht verstanden, weil es in einer unverständlichen<br />
Weise artikuliert wurde. Es kommt zu einem Artikulierungsdefekt. Dieser Artikulierungsdefekt besitzt<br />
einen relationalen Charakter, 39) weil die Artikulation nicht „an sich“ unverständlich ist, sondern<br />
sich nur für die jeweils betroffenen Akteure als unverständlich erweist. Andere Akteure hätten also<br />
die vorliegende Wissensartikulation durchaus verstehen können.<br />
Das Phänomen, dass Wissen, das in einer bestimmten Weise sprachlich artikuliert vorliegt, von<br />
manchen Akteuren verstanden wird, anderen Akteuren wegen seiner Artikulierungsweise dagegen<br />
unverständlich bleibt, wird im Bereich des Wissensmanagements nur selten ausdrücklich thematisiert.<br />
Wenn dies einmal der Fall ist, wird das Phänomen artikulationsbedingter Verständnisbarrieren<br />
unter die – synonym gemeinten – Bezeichnungen der Sprachdivergenzen, der verschiedenartigen<br />
„Sprachkulturen“ oder der unterschiedlichen „Sprachwelten“ zwischen bzw. von Akteuren subsumiert.<br />
40)<br />
38) Unter der Artikulation von Wissen wird sein konkreter sprachlicher Ausdruck in den Worten und Sätzen einer – natürlichen<br />
oder auch formalen – Sprache verstanden. Es ist also nicht das Wissen auf der inhaltlichen (semantischen) Ebene von Begriffen<br />
oder Konzepten gemeint, sondern die sprachliche Expression der Wissensinhalte auf der lexikalischen und der syntaktischen<br />
Ebene von Worten bzw. Sätzen. In etwas „salopper“ Weise kann daher auch vom „Wording“ der Wissensartikulation gesprochen<br />
werden.<br />
39) Prima facie erweist sich der oben eingeführte Explizierungsdefekt nicht als relational, weil implizites Wissen in einem Wissensbestand<br />
„an sich“ enthalten ist und nicht nur „für“ einen Akteur. Bei genauerer Analyse zeigt sich jedoch, dass auch der<br />
Explizierungsdefekt einen relationalen Charakter besitzt, allerdings in anderer Hinsicht. Denn Wissen ist in einem vorgegebenen<br />
Wissensbestand nicht „an sich“ enthalten, sondern nur in Bezug auf Inferenzregeln, die für die Wissensexplizierung in Betracht<br />
gezogen werden. Darauf wurde bereits kurz zuvor in der Fußnote 37 (S. 44) eingegangen.<br />
40) Zu den wenigen Autoren im Bereich des Wissensmanagements, die artikulierungsbedingte Verständnisbarrieren aus den Perspektiven<br />
von Sprachdivergenzen, Sprachkulturen, Sprachwelten und damit verwandten Begriffen thematisieren, gehören DA-<br />
VENPORT/PRUSAK (1998a) S. 97 ff. (dort z.B. auf S. 98 als „Different ... vocabularies” explizit angesprochen); DAVEN-<br />
PORT/PRUSAK (1998b) S. 195 ff. (dort z.B. auf S. 195 als „unterschiedliche ... Sprachkulturen” explizit thematisiert); PAWAR ET<br />
AL. (2001) S. 7 („ ... language barrier ... if people don’t speak a language to the same level“). Vgl. ebenso HARS (2001) S. 64 („I<br />
tried to review all published empirical literature on ... Searching for such studies is difficult because ... the terminology that<br />
authors use ... varies, so it is difficult to locate relevant papers ...“ [kursive Hervorhebungen durch den Verfasser] als Zitat von<br />
ARMSTRONG durch HARS). Nicht direkt zum Bereich des Wissensmanagements, sondern eher zum Bereich des Software Engineerings<br />
gehören die bemerkenswert klaren Ausführungen von MAAMAR/MOULIN (1997). Sie sprechen hinsichtlich der Interoperabilität<br />
von verteilten, heterogenen Softwaresystemen explizit von „terminological disparities“ (S. 248). Auf S. 258 vertiefen<br />
sie diesen Aspekt und empfehlen ausdrücklich den Rückgriff auf Ontologien zur Überwindung solcher Sprachdivergenzen:<br />
„ ... each system is part of an organization that has ... a specific terminology ... In order to enable these systems to interoperate,<br />
we have ... to harmonize the terminology used in the representation of the exchanged knowledge. We must build a common ontology.<br />
... disparities exist at different levels ... disparities in the vocabulary used to describe their data ... a user has to express<br />
his needs according to his own vocabulary ...“. Vgl. des Weiteren zu Sprachdivergenzen MITRA/WIEDERHOLD (2004) S. 94 f.;<br />
MYLOPOULOS (1998) S. 136; POCSAI (2000) S. 5; SOWA (2000) S. 408 f.; TAMMA/BENCH-CAPON (2002) S. 45 f. (dort als konzeptualisierungs-<br />
und als explizierungsbedingte ontologische Heterogenität thematisiert); USCHOLD ET AL. (1998) S. 73; VISSER/<br />
TAMMA (1999) S. 12-3 ff. (ein konkretes Beispiel unterschiedlicher sprachlicher Konzepte für denselben Realitätsausschnitt auf<br />
S. 12-3 f. und „language heterogeneity“ auf S. 12-5); ZELEWSKI/FISCHER (1999) S. 5 f.
46 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Im Bereich der Wirtschaftspraxis lassen sich zumindest vier Typen von Sprachdivergenzen identifizieren.<br />
41)<br />
• Abteilungsspezifische Sprachkulturen: 42) Gleiche Bezeichnungen werden in unterschiedlichen<br />
Abteilungen desselben Unternehmens verschiedenartig verwendet. Z.B. kann die Bezeichnung<br />
„Los“ Unterschiedliches bedeuten, insbesondere mit unterschiedlichen Eigenschaften assoziiert<br />
werden je nachdem, ob ein Beschaffungs-, ein Produktions-, ein Distributions- oder ein Transportlos<br />
gemeint ist. So sind für Beschaffungslose Eigenschaften wie Liefertermine und Mengenrabatte<br />
relevant, während für Produktionslose u.a. Rüstzeiten und -kosten sowie losgrößenabhängige<br />
„Lerneffekte“ hinsichtlich der Produktionsstückzeiten von Interesse sind. 43)<br />
• Unternehmensspezifische Sprachkulturen: 44) Zuweilen pflegen Unternehmen verschiedenartige<br />
Begriffstraditionen, die sich „pfadabhängig“ verhalten, also auf unterschiedliche Weise historisch<br />
gewachsen sind. Solche unternehmensspezifischen Sprachkulturen können sich in der<br />
Wirtschaftspraxis vor allem bei Fusionen und Übernahmen als Integrationsbarrieren auswirken.<br />
Akzeptanzwiderstände gegenüber „verordneten“ Zusammenführungen vormals separater Organisationsstrukturen<br />
werden in solchen Fällen des Öfteren subtil über einen „Kampf der Sprachwelten“<br />
ausgetragen.<br />
• Branchenspezifische Sprachkulturen: In unterschiedlichen Branchen werden mitunter verschiedenartige<br />
Bezeichnungen für inhaltlich gleiche Sachverhalte verwendet. Dies trifft vor allem<br />
auf Industrie- und Handelsunternehmen zu, deren Branchensprachen oftmals erheblich<br />
voneinander abweichen. Ein besonderes Hindernis können diese branchenspezifischen Sprachkulturen<br />
für das Supply Chain (oder Supply Web) Management darstellen, weil die betroffenen<br />
Liefer-, Produktions- und Distributionsketten (bzw. -netze) mehrere Wertschöpfungsstufen umfassen,<br />
die oftmals zu unterschiedlichen Branchen gehören.<br />
• Softwarespezifische Sprachkulturen: 45) Des Öfteren wird Software von Personen entwickelt, die<br />
mit betriebswirtschaftlichen Begrifflichkeiten wenig vertraut sind. In diesem Fall drohen „idio-<br />
41) Auf den trivialen Fall von Sprachdivergenzen als Folge des Gebrauchs von mehreren unterschiedlichen „Landessprachen“ wird<br />
hier nicht näher eingegangen, weil er kein spezielles Problem für das Wissensmanagement in Unternehmen darstellt, sondern<br />
generell jede zwischenmenschliche Kommunikation behindern kann.<br />
42) Vgl. andeutungsweise VASCONCELOS/KI<strong>MB</strong>LE/GOUVEIA (2000) S. 6 („organisational groups may have part of their knowledge<br />
codified in a form of workflow ‚metaphors’ that only the members of that group can understand“).<br />
43) Ein ingenieurtechnisches Analogon zum o.a. Los-Beispiel diskutiert POCSAI (2000) S. 6.<br />
44) Vgl. MAAMAR/MOULIN (1997) S. 258 („each ... organization ... has ... a specific terminology”).<br />
45) Besonders deutlich werden Sprachdivergenzen aufgrund unterschiedlicher softwarespezifischer Sprachwelten von FOX und<br />
GRÜNINGER als Korrespondenzproblem angesprochen: „The problem that we face today, is that the legacy systems that support<br />
enterprise functions were created independently, consequently do not share the same enterprise models. We call this the Correspondence<br />
Problem. Though each enterprise model may represent the same concept, e.g., activity, they will have a different<br />
name, e.g., operation vs. task. Consequently, communication among functions is not possible without translation. No matter<br />
how rational the idea of renaming them is, organisational barriers impede it.“ (FOX/GRÜNINGER (1997a) S. 191; kursive Hervorhebungen<br />
hier zum Teil abweichend vom Original).
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 47<br />
synkratische Software-Sprachwelten“. 46) Sie nötigen den Softwarenutzern einen Sprachgebrauch<br />
auf, der von ihrer betrieblichen Fach- oder Alltagssprache weit entfernt ist. 47) Dieser<br />
softwareinduzierte Zwang, artifizielle sprachliche Konventionen beachten zu müssen, wird<br />
durch den oftmals propagierten Einsatz von Standard-Software verstärkt. Mitunter wird in diesem<br />
Zusammenhang – überpointiert – von einem „SAP-Syndrom“ gesprochen.<br />
Außerhalb des betrieblichen Wissensmanagements sind Sprachdivergenzen weitaus intensiver diskutiert<br />
worden. Dies betrifft insbesondere den Bereich der Wissenschaftstheorie. Dort wird – vor allem<br />
in Anschluss an FEYERABEND und KUHN – die Inkommensurabilität von Theorien 48) im Wesentlichen<br />
49) auf unterschiedliche (Wissenschafts-) Sprachen 50) oder divergente taxonomische Strukturen<br />
51) zurückgeführt, in denen die verschiedenartigen Theorien verfasst sind. Die Aspekte von<br />
46) Softwarespezifische Sprachkulturen können sich insbesondere dann als hochproblematische Auslöser von Sprachdivergenzen<br />
auswirken, wenn Unternehmen kooperieren, die wegen ihres Rückgriffs auf verschiedenartige Softwarefamilien in jeweils unterschiedlichen<br />
Sprachwelten agieren. Dies kann beispielsweise in Virtuellen Unternehmen und in Supply Webs der Fall sein.<br />
Solange es nicht gelingt, in solchen Unternehmenskooperationen eine einheitliche Software-Infrastruktur einzuführen, können<br />
die softwarespezifischen Sprachkulturen zu erheblichen Verständnisbarrieren führen. Dann erweist sich die Software nicht –<br />
wie in der einschlägigen Literatur zu z.B. Virtuellen Unternehmen immer wieder behauptet wird – als „enabler“ für die Unternehmenskooperation,<br />
sondern im Gegenteil als ein Kooperationshindernis.<br />
47) Ein Beispiel für „idiosynkratische Software-Sprachwelten“ stellen Bezeichnungen dar, die von der Softwarefamilie SAP R/3 ihren<br />
Nutzern aufgezwungen werden. Obwohl es sich um eine betriebswirtschaftliche Anwendungssoftware handelt, ignoriert sie<br />
manche betriebswirtschaftliche Begrifflichkeiten, die sowohl in der Praxis als auch in der Betriebswirtschaftslehre etabliert<br />
sind. Beispielsweise gestattet die Softwarefamilie SAP R/3 nicht, die Begriffe „Unternehmen“ oder „Betrieb“ so zu verwenden,<br />
wie es betriebswirtschaftlich üblich ist, sondern sie zwingt ihre Nutzer dazu, bei Gebrauch der Software von „Mandanten“ oder<br />
diesen untergeordneten „Buchungskreisen“ zu sprechen. Vgl. HANSEN/NEUMANN (2005) S. 552.<br />
48) Vgl. zur breiten Debatte über die Inkommensurabilität von Theorien exemplarisch BALZER (1989) S. 287 ff.; CHEN, X. (1997) S.<br />
257 ff.; CHEN, X. (2002) S. 1 f. u. 9 ff.; FEYERABEND (1970) S. 72 u. 81 ff.; FEYERABEND (1976) S. 312 ff., 346, 350 f., 368 ff. u.<br />
386, insbesondere S. 376; FEYERABEND (1995) S. 285 ff. (zur Theorieabhängigkeit von Beobachtungen und zu den daraus resultierenden<br />
Inkommensurabilitätsproblemen); HOYNINGEN-HUENE (2002) S. 64 ff. (mit weiterführenden Quellenhinweisen in<br />
Endnote 9 auf S. 78); KUHN (1973) S. 139 ff.; KVASZ (1999) S. 201 ff., insbesondere S. 230 f.; MUSGRAVE (1979) S. 336 ff.;<br />
PEARCE (1987) S. 1 ff. u. 15 ff. (eine breit angelegte, zugleich tief fundierte Abhandlung der Inkommensurabilität von Theorien,<br />
später auch der Ansätze zu ihrer Überwindung); STEGMÜLLER (1979) S. 37 ff., 55 u. 66 ff.; STEGMÜLLER (1986a) S. 123 u. 298<br />
ff. (mit einer ebenso knappen wie formalsprachlich präzisen Definition der Inkommensurabilität von Theorien auf S. 306);<br />
STEGMÜLLER (1987b) S. 289 ff.; SZUMILEWICZ (1977) S. 345 ff.; ZELEWSKI (1993a) S. 379 ff., 395 ff., 405 ff., 440, 445 u. 447 f.<br />
(mit weiterführenden Literaturhinweisen); ZOGLAUER (1993) S. 107 ff. (mit einer ausführlichen Darstellung von Varianten der<br />
Inkommensurabilität von Theorien).<br />
49) Die Inkommensurabilität von Theorien kann auf zwei verschiedenartige Ursachen zurückgeführt werden: Einerseits handelt es<br />
sich um die hier angesprochenen divergenten taxonomischen Strukturen derjenigen Sprachen, in denen die Theorien verfasst<br />
sind, und andererseits um die verschiedenartigen Wissenshintergründe (intellektuelle, kulturelle, „paradigmatische“ Wissenschaftstraditionen),<br />
in welche die Theorien eingebettet sind. Vgl. zu dieser Unterscheidung z.B. WANG, X. (2002) S. 467, Fn. 8.<br />
50) Vgl. WANG, X. (2002) S. 467.<br />
51) Vgl. speziell zur Erklärung der Inkommensurabilität von Theorien durch Rückgriff auf divergente taxonomische Strukturen,<br />
terminologische Apparate u.ä. CHEN, X. (2002) S. 1 f., 8 f., 13 f. u. 18 f.; HOYNINGEN-HUENE (2002) S. 64 f. u. 66; KUHN (1988)<br />
S. 9 u. 16; KUHN (1993) S. 323 ff., insbesondere S. 326; WANG, X. (2002) S. 467 ff. (mit einer sehr detaillierten und elaborierten<br />
Analyse der Inkommensurabilitätsproblematik aus der Perspektive von taxonomischen Strukturen und mithilfe des neuartigen<br />
Ansatzes der „truth-value gaps“, der sich auf inkompatible Wahrheitswertbedingungen für wissenschaftliche Aussagen in<br />
verschiedenartigen Theorien bezieht) und S. 483 (mit einer präzisen, taxonomisch fundierten Definition der Inkommensurabilität<br />
von Theorien). Bemerkenswert aus der Perspektive von Ontologien, die dem Verbundprojekt KOWIEN zugrunde liegt, ist<br />
der Umstand, dass WANG, X. (2002) in seiner Diskussion der Inkommensurabilitätsproblematik auf der Grundlage unterschiedlicher<br />
taxonomischer Strukturen sogar explizit auf das Themenfeld „Ontologien“ eingeht, indem er auf die „fact-ontology“ (S.<br />
475) von WITTGENSTEIN Bezug nimmt.
48 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Sprachdivergenzen und divergenten taxonomischen Strukturen 52) werden später im Kapitel 1.3.1.4<br />
(S. 215 ff.) aus der Perspektive der begrifflichen Vorstrukturierung von Realitätserfahrungsmöglichkeiten<br />
noch einmal aufgegriffen und vertieft.<br />
Artikulierungsdefekte treten oftmals in der Form auf, dass dieselben begrifflichen Inhalte (Konzepte)<br />
auf unterschiedliche Weise sprachlich artikuliert, also mit unterschiedlichen Bezeichnern angesprochen<br />
werden. In diesem Fall handelt es sich um synonyme Bezeichner. 53) Ebenso ist es möglich,<br />
dass derselbe Bezeichner in verschiedenen Wissenskontexten mit unterschiedlichen begrifflichen<br />
Inhalten assoziiert wird. Dann liegt ein homonymer Bezeichner vor. 54) Sowohl Synonyme als auch<br />
Homonyme stellen Sprachdivergenzen dar, die das gemeinsame Verständnis von handlungsbefähigendem<br />
Wissen in der betrieblichen Praxis erheblich beeinträchtigen können. Daher wurde ihnen<br />
im Verbundprojekt KOWIEN – neben der o.a. Wissensexplizierung mittels Inferenzregeln – große<br />
Aufmerksamkeit gewidmet.<br />
52) Mit Sprachdivergenzen und divergenten taxonomischen Strukturen ist streng genommen nicht dasselbe gemeint; vgl. WANG, X.<br />
(2002) S. 467. Denn zwei Sprachen können durchaus unterschiedlich sein (wie zwei „Fremdsprachen“), aber dennoch über die<br />
gleichen taxonomischen Strukturen verfügen. Die taxonomische Struktur bildet den „harten Kern einer Sprache“ (WANG, X.<br />
(2002) S. 467: „essential part of a language“), von dem das grundsätzliche Verständnis der sprachlich artikulierten Artefakte –<br />
wie z.B. Sprachakte und auch Wissen – abhängt. Sie besteht aus den begrifflichen Konzepten (Kategorien) und den Ähnlichkeitsbeziehungen<br />
zwischen diesen Konzepten (Familienähnlichkeit bei Wittgenstein, taxonomische „is a“-Relation in Ontologien);<br />
vgl. WANG, X. (2002) S. 467 in Verbindung mit S. 466. Die begrifflichen Konzepte derselben taxonomischen Struktur<br />
können durchaus unterschiedlich „benannt“ sein, d.h. mit unterschiedlichen Worten (Bezeichnungen) artikuliert werden, wie<br />
etwa mit synonymen Bezeichnungen aus derselben Sprache oder mit Bezeichnungen aus verschiedenen natürlichen Sprachen.<br />
Solange die zugrunde liegende taxonomische Struktur unverändert bleibt, können synonyme bzw. fremdsprachliche Bezeichnungen<br />
ohne Schwierigkeiten „bedeutungserhaltend“ ineinander übersetzt werden, weil die Bedeutungen der Bezeichnungen<br />
durch die jeweils „gemeinten“ begrifflichen Konzepte und deren Ähnlichkeitsbeziehungen untereinander unverändert bleiben.<br />
Probleme der „bedeutungserhaltenden“ Übersetzung zwischen sprachlichen Artefakten treten erst dann auf, wenn sie auf unterschiedlichen<br />
taxonomischen Strukturen beruhen. Vgl. dazu die anschaulichen Beispiele von SOWA (2000) für die unterschiedlichen<br />
taxonomischen Strukturen zwischen englischen und französischen Bezeichnungen für Gewässer (S. 410) sowie zwischen<br />
englischen und chinesischen Bezeichnungen für Fahrzeuge (S. 410 f.).<br />
Aus den vorgenannten Gründen sind für die Inkommensurabilität von Theorien streng genommen nicht alle Formen von<br />
Sprachdivergenzen relevant, sondern lediglich Sprachdivergenzen aufgrund von unterschiedlichen taxonomischen Strukturen.<br />
Im Kontext des Verbundprojekts KOWIEN kann jedoch von dieser subtilen, wissenschaftstheoretisch motivierten Differenzierung<br />
abgesehen werden, weil es für artikulationsbedingte Verständnisbarrieren im Wissensmanagement unerheblich ist, aus<br />
welchem Grund Wissen nicht verstanden wurde und ob ein Verständnismangel durch eine „bedeutungserhaltende“ Übersetzung<br />
in eine andere sprachliche Form grundsätzlich behoben werden könnte. Stattdessen ist es für das Wissensmanagement in der betrieblichen<br />
Praxis einzig entscheidend, dass ein Verständnismangel eingetreten ist. Daher wird im Folgenden zwischen Sprachdivergenzen<br />
im Allgemeinen und divergenten taxonomischen Strukturen im Speziellen nicht weiter differenziert. Stattdessen<br />
werden beide Bezeichnungen der Einfachheit halber synonym verwendet, solange die zuvor skizzierten inhaltlichen Unterschiede<br />
im jeweils betroffenen Argumentationskontext keine Relevanz erlangen.<br />
53) Beispielsweise stellen die Formulierungen „handlungsbefähigendes Wissen“ und „Kompetenzen“ synonyme Bezeichner für<br />
den gemeinsam zugrunde liegenden begrifflichen Inhalt dar, der anlässlich der Einführung dieser beiden Bezeichner erläutert<br />
wurde. Ein anderes, instruktives Beispiel aus den Domänen von Produktions- und Beschaffungsmanagement findet sich bei<br />
METAIS (2002) S. 251. Die Autorin zeigt anhand typischer Formulierungen aus der Wirtschaftspraxis auf, dass in diesen Domänen<br />
die Bezeichner „Produkt“ und „Stück“ synonym verwendet werden können.<br />
54) Z.B. handelt es sich bei Beschaffungsmengen und Produktionsmengen, die in einer atomaren, ununterbrochenen Beschaffungs-<br />
bzw. Produktionsaktivität bereitgestellt werden, um unterschiedliche begriffliche Inhalte des homonymen Bezeichners „Losgröße“.<br />
Einen weiteren homonymen Bezeichner mit großer Relevanz für die Wirtschaftspraxis stellt die Quantität „Billion“ dar<br />
(wenn von unterschiedlicher Klein- versus Großschreibung in angelsächsischen bzw. deutschsprachigen Kontexten abgesehen<br />
wird). Unter einer „Billion“ wird in angelsächsischen Kontexten die Größenordnung 10 9 verstanden (wegen des „Fehlens“ eines<br />
Analogons zur „Milliarde“), während damit in deutschsprachigen Kontexten die Größenordnung 10 12 bezeichnet wird.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 49<br />
Darüber hinaus kann es zu komplexeren sprachlichen Divergenzen kommen. Sie drohen immer<br />
dann, wenn in zwei Sprachwelten die Ebene der sprachlichen Artikulation von Wissen durch Bezeichner<br />
und die Ebene des inhaltlichen, durch Begriffe erfassten Wissens jeweils auf unterschiedliche<br />
Weise strukturiert sind. Dann kann es dazu kommen, dass sich zwischen den Bezeichnern und<br />
Begriffen der beiden Sprachwelten keine unmittelbaren Bezeichner- bzw. Begriffskorrespondenzen<br />
herstellen lassen. In solchen Fällen drohen gravierende Probleme hinsichtlich des Versuchs, Wissen,<br />
das in einer Sprachwelt artikuliert wurde, in die jeweils andere Sprachwelt zu übersetzen. Dieses<br />
fundamentale Problem der „bedeutungserhaltenden Übersetzung“ zwischen unterschiedlich<br />
strukturierten Sprachwelten lag jedoch weit außerhalb des Erkenntnisinteresses des Verbundprojekts<br />
KOWIEN. Daher wird es in dem hier vorgelegten Beitrag nicht weiter thematisiert. 55) Es spielt<br />
jedoch beispielsweise eine herausragende Rolle bei allen Bemühungen, computerbasierte Übersetzungssysteme<br />
zu entwickeln, die Texte unterschiedlicher natürlicher Sprachen „bedeutungserhaltend“<br />
aufeinander abzubilden vermögen. 56)<br />
Eine „bescheidene“ Variante der zuvor skizzierten „strukturellen Inkompatibilität“ unterschiedlicher<br />
Sprachwelten erwies sich jedoch auch im Verbundprojekt KOWIEN als relevant. Sie betrifft<br />
die Heterogenität von Formen der Wissensrepräsentation: 57) Es werden unterschiedliche Repräsentationssprachen<br />
für die Erfassung desselben Gegenstandsbereichs nebeneinander verwendet. 58) Da<br />
jede Repräsentationssprache das sprachlich erfassbare Wissen mittels ihrer sprachlichen Basiskonstrukte<br />
(„Primitive“) auf jeweils sprachspezifische Weise strukturiert und artikuliert, resultieren oftmals<br />
verschiedenartige Repräsentationen desselben Wissens. 59) Auch in solchen Fällen bereitet es<br />
55) Vgl. dagegen zum Problem der „bedeutungserhaltenden Übersetzung“ QUINE (2002) S. 135 ff.; STEGMÜLLER (1987a) S. 291 ff.;<br />
ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 200 f. Es wird in einem späteren Beitrag dieses Werks darauf zurückgekommen; vgl.<br />
Kapitel 1.3.1.1.2 (S. 134 ff.).<br />
56) Vgl. zur Verwendung von Ontologien zur computerbasierten Übersetzung zwischen unterschiedlichen natürlichen Sprachen<br />
VICKERY (1997) S. 279 ff.<br />
57) Vgl. NECHES ET AL. (1991) S. 37 f.; TAMMA/BENCH-CAPON (2002) S. 45.<br />
Die Heterogenität von Formen der Wissensrepräsentation lässt sich ebenso unter den Aspekt der Sprachkulturen und -welten<br />
subsumieren, da jede Form der Wissensrepräsentation durch die jeweils zugrunde gelegte Repräsentationssprache maßgeblich<br />
geprägt wird.<br />
58) Vgl. zur Unterschiedlichkeit von Repräsentationssprachen im Bereich des Wissensmanagements DITTMANN (2002a) S. 26 ff.;<br />
DITTMANN (2002b) S. 15 f., 19 f., 23 f. u. 27 f.<br />
59) Von einem grundsätzlichen Problem wird in dieser Formulierung der Übersichtlichkeit halber abstrahiert. Es handelt sich um<br />
das Problem, dass Wissen – zumindest insoweit, wie es sich um ein sprachlich verfasstes Artefakt handelt, – niemals „sprachfrei“<br />
artikuliert werden kann. Daher setzt die inhaltliche Feststellung, dass dasselbe Wissen gemeint ist, bereits den Gebrauch<br />
einer Sprache voraus, mit der das betroffene Wissen in unterschiedlichen Repräsentationsformen als inhaltlich identisch charakterisiert<br />
werden kann. Diese Sprache besitzt aber ihrerseits auch eine „innere“ Struktur, welche die Grenzen dessen bestimmt,<br />
was in dieser Sprache als dasselbe Wissen angesehen werden kann. Daher kann streng genommen niemals sprachunabhängig<br />
über „dasselbe“ Wissen geredet werden. Die Identität von Wissen auf der inhaltlichen Ebene stellt deswegen einen relationalen<br />
Begriff dar, der nur in Bezug auf diejenige Sprache definiert ist, in der das inhaltlich gemeinte Wissen jeweils artikuliert wird.<br />
Über „dasselbe“ Wissen, das in unterschiedlichen Repräsentationssprachen auf verschiedenartige Weise repräsentiert wird,<br />
kann also nur dann sinnvoll gesprochen werden, wenn alle Akteure, die sich an diesem „Sprachspiel“ (im Sinne von WITTGEN-<br />
STEIN) beteiligen, hinsichtlich derjenigen Sprache übereinstimmen, in der die Inhalte des jeweils repräsentierten Wissens ausgedrückt<br />
und z.B. als identisch qualifiziert werden. Eine solche sprachliche Übereinstimmung auf der Ebene der Wissensinhalte<br />
braucht keineswegs vorzuliegen. Wenn diese sprachliche Übereinstimmung fehlt, kann nicht sinnvoll darüber kommuniziert<br />
werden, ob Wissen, das auf verschiedenartige Weise repräsentiert wird, überhaupt „dasselbe“ Wissen darstellt.
50 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
erhebliche Schwierigkeiten, die unterschiedlichen Wissensrepräsentationsformen „bedeutungserhaltend“<br />
ineinander zu transformieren. Insbesondere kann es sich als problematisch erweisen zu erkennen,<br />
ob das Wissen, das in einer Repräsentationssprache artikuliert wurde und explizit vorliegt, dasselbe<br />
Wissen darstellt, das zur Erfüllung einer Aufgabe benötigt wird, wenn das benötigte Wissen in<br />
einer anderen Repräsentationssprache artikuliert wurde. Es kommt zu einem Artikulationsdefekt<br />
aufgrund unterschiedlicher Wissensrepräsentationssprachen, wenn das explizit vorliegende und das<br />
zur Aufgabenerfüllung benötigte Wissen zwar inhaltlich übereinstimmen, es sich also um dasselbe<br />
Wissen handelt, dies aber von den kooperierenden Akteuren nicht erkannt wird, weil die Wissensübereinstimmung<br />
von den unterschiedlichen Formen der Wissensrepräsentation „verschleiert“ wird.<br />
Die Heterogenität von Formen der Wissensrepräsentation spielt insbesondere im Zusammenhang<br />
mit der Kodifizierungsstrategie eine wichtige Rolle, die im Fokus des Verbundprojekts KOWIEN<br />
stand. Denn computerbasierte Wissensmanagementsysteme beruhen stets auf speziellen Repräsentationssprachen,<br />
in denen das relevante Wissen kodifiziert ist. Im Gegensatz zur natürlichen Sprache,<br />
die von den Akteuren eines Engineering-Netzwerks im Regelfall geteilt wird, 60) unterscheiden sich<br />
die eingesetzten Wissensrepräsentationssprachen auch innerhalb desselben Netzwerks oftmals erheblich<br />
je nachdem, mit welcher Software ein computerbasiertes Wissensmanagementsystem ausgerüstet<br />
ist. Sogar innerhalb desselben Wissensmanagementsystems kann die Wissensrepräsentationssprache<br />
von Systemkomponente zu Systemkomponente wechseln. Daher leiden computerbasierte<br />
Wissensmanagementsysteme oftmals erheblich unter unterschiedlichen Sprachwelten, die durch<br />
die Verwendung verschiedenartiger Wissensrepräsentationssprachen bedingt sind: Computerbasierte<br />
Wissensmanagementsysteme (oder deren Komponenten) können das in jeweils anderen Systemen<br />
repräsentierte Wissen nicht verstehen, wenn es mittels einer anderen Sprache artikuliert wurde und<br />
zwischen den betroffenen Wissensrepräsentationssprachen keine „bedeutungserhaltende“ Übersetzung<br />
existiert. Ein typischer Artikulationsdefekt aufgrund verschiedenartiger Wissensrepräsentationssprachen<br />
ist eingetreten.<br />
Um von Komplikationen dieser Art abstrahieren zu können, wird hier der Einfachheit halber davon ausgegangen, dass die jeweils<br />
relevanten Akteure, die bei der arbeitsteiligen Erfüllung einer Aufgabe zusammenwirken, über eine gemeinsame Sprache<br />
verfügen, in der sie sich über die Inhalte des jeweils repräsentierten Wissens verständigen können (Sprachprämisse). Als eine<br />
solche gemeinsame Sprache kommt eine natürliche Sprache in Betracht, die von allen involvierten Akteuren mit dem gleichen –<br />
oder zumindest „hinreichend“ überlappenden – lebensweltlichen Hintergrundwissen praktiziert wird. Der Verfasser räumt ein,<br />
dass diese Prämisse in der betrieblichen Praxis oftmals nicht erfüllt ist. Die Sprachprämisse scheitert spätestens dann, wenn in<br />
einem transnationalen Netzwerk Akteure mit unterschiedlichen natürlichen Muttersprachen kooperieren. Aber die Sprachprämisse<br />
kann auch schon viel früher verletzt werden, wenn die Akteure zwar dieselbe Muttersprache verwenden, jedoch aufgrund<br />
unterschiedlicher lebensweltlicher „Situiertheit“ die sprachlichen Konstrukte dieser Muttersprache teilweise verschieden verwenden.<br />
Dies ist beispielsweise bei den Artikulationsdefekten der Fall, die oben als Synonyme und Homonyme angesprochen<br />
wurden. Darüber hinaus wirft die Sprachprämisse eine Fülle von Folgeproblemen auf. Dazu gehört u.a. die Frage, wie sich<br />
überhaupt feststellen lässt, ob Akteure über eine gemeinsame Sprache verfügen, in der sie sich über die Inhalte des jeweils repräsentierten<br />
Wissens verständigen können. Die Beantwortung dieser Frage hängt eng mit der Erkennbarkeit des „Regelbefolgens“<br />
zusammen, die von WITTGENSTEIN ausführlich diskutiert wurde. In diesem Werk kann auf solche Probleme nicht näher<br />
eingegangen werden, weil sie weit außerhalb des Erkenntnisinteresses des Verbundprojekts KOWIEN liegen. Am Rande wird<br />
jedoch im Kapitel 1.3.2.2.1 (S. 233 ff.) kurz darauf eingegangen.<br />
Trotz der voranstehenden Vorbehalte lässt sich die o.a. Sprachprämisse dadurch rechtfertigen, dass sie hilfreich ist, um hier die<br />
Heterogenität von Formen der Wissensrepräsentation zu thematisieren. Erst durch die Sprachprämisse kann von „tiefer“ liegenden<br />
Problemen der sprachlichen Verfasstheit von Wissen so weit abstrahiert werden, dass es auf der Ebene der Wissensrepräsentationssprachen<br />
gelingt, die Problematik verschiedenartiger Wissensrepräsentationen für – vereinfacht gesprochen –<br />
„dasselbe“ Wissen klar herauszuarbeiten.<br />
60) Auf Abweichungen von dieser Regel wurde in der voranstehenden Fußnote bereits eingegangen.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 51<br />
Unterschiedliche Sprachwelten aufgrund verschiedenartiger Wissensrepräsentationssprachen erlangen<br />
für das betriebliche Wissensmanagement dadurch ein besonderes Gewicht, dass sich zurzeit<br />
praktisch alle Wissensrepräsentationssprachen, die sich in computerbasierten Wissensmanagementsystemen<br />
einsetzen lassen, durch eine ausgesprochene Rigidität „auszeichnen“. Sie erweisen sich<br />
nicht nur gegenüber der natürlichen Sprache, sondern auch gegenüber weit verbreiteten formalen<br />
Sprachen, wie vor allem der Sprache der Prädikatenlogik (1. Stufe), als derart unflexibel, dass es<br />
oftmals nicht möglich ist, das zu repräsentierende Wissen in einer Weise zu artikulieren, die als<br />
„natürlich“ empfunden wird. Vielmehr muss sich der Nutzer solcher Wissensrepräsentationssprachen<br />
an deren Eigenarten so stark anpassen, dass die resultierenden Wissensrepräsentationen mitunter<br />
als „artifiziell“, wenn nicht gar als „inadäquat“ empfunden werden. 61) Im Gegensatz zur „Computer-Folklore“,<br />
dass computerbasierte Systeme ihre menschlichen Nutzer unterstützen, entarten<br />
computerbasierte Wissensmanagementsysteme aufgrund der Rigidität ihrer Wissensrepräsentationssprachen<br />
in Einzelfällen zu „Zwangsjacken“, die das Wissensmanagement nicht erleichtern, sondern<br />
behindern. Dies zeigte sich auch im Verbundprojekt KOWIEN. Darauf wird in späteren Kapiteln<br />
zurückgekommen. 62)<br />
Aber auch jenseits der speziellen Wissensrepräsentationssprachen von computerbasierten Wissensmanagementsystemen<br />
leidet das Wissensmanagement in der betrieblichen Praxis oftmals unter der<br />
Heterogenität der jeweils eingesetzten Wissensrepräsentationsformen. Dies ist z.B. für Beschaffungsprozesse<br />
der Fall, wenn sie zur Erreichung unterschiedlicher Zwecke verschiedenartig repräsentiert<br />
werden. So lässt sich einerseits vorstellen, dass Beschaffungsprozesse für eine Zertifizierung<br />
nach DIN ISO EN 9000 ff. – neuerdings nach der aktualisierten Normenfamilie DIN ISO EN<br />
9001:2000 – textuell beschrieben werden. Dies trifft vor allem auf die „Qualitätsmanagement-Handbücher“<br />
zu, die für alle Zertifizierungen unerlässlich sind. Andererseits kann es für die Einführung<br />
von Enterprise-Resource-Planning-Systemen wie SAP R/3 angezeigt erscheinen, dieselben Beschaffungsprozesse<br />
mittels ereignisgesteuerter Prozessketten (EPK) semigraphisch zu modellieren.<br />
Aufgrund einer solchen Nutzung unterschiedlicher Repräsentationsformen (textuell versus semigraphisch)<br />
und Repräsentationssprachen (natürliche Sprache versus EPK-Sprache) können nicht nur<br />
unwirtschaftliche Redundanzen entstehen. Stattdessen drohen infolge der Redundanz bei der Aktualisierung<br />
von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen, die zu späteren Design-<br />
und Anwendungsfehlern mit nicht unerheblichem wirtschaftlichen Schadenspotenzial führen können.<br />
Darüber hinaus kann es in diesem Fall zu einer artikulationsbedingten Verständnisbarriere<br />
kommen. Sie entsteht beispielsweise, wenn Akteure, die eine textuelle Repräsentation von Wissen<br />
über Beschaffungsprozesse in natürlicher Sprache bevorzugen, nicht erkennen, dass das Wissen, das<br />
über Beschaffungsprozesse zur Erfüllung einer Aufgabe benötigt wird, bereits vorliegt, jedoch in<br />
der andersartigen, semigraphischen Form der Wissensrepräsentation durch ereignisgesteuerte Prozessketten.<br />
Dann wird das benötigte und explizit vorhandene Wissen aufgrund seiner Artikulation<br />
61) Der Nutzer von Wissensrepräsentationssprachen muss sich dann in „idiosynkratische Software-Sprachwelten“ einfügen, die<br />
sich oftmals stark von seiner natürlichen Sprache des betrieblichen Alltags abheben. Dieses Phänomen ist keineswegs auf computerbasierte<br />
Wissensmanagementsysteme beschränkt. Vielmehr ist es seit der Einführung Automatischer Informationsverarbeitungssysteme<br />
vertraut. Ein besonders bekanntes Beispiel für „idiosynkratische Software-Sprachwelten“ stellt die Sprache<br />
dar, die von der Softwarefamilie SAP R/3 ihren Nutzern aufgezwungen wird. Vgl. dazu das Beispiel, das in der voranstehenden<br />
Fußnote 47 (S. 47) zu den „Mandanten“ und „Buchungskreisen“ der Softwarefamilie SAP R/3 angeführt wurde.<br />
62) Vgl. z.B. die Ausführungen im Kapitel 2.4.3.1.2.1 über abstrakte Denkobjekte. Dort wird auf S. 493 ff., insbesondere S. 502 ff.<br />
die Problematik der Repräsentation n-stelliger prädikatenlogischer Formeln mit n≥3 anhand des Spezialfalls von Kompetenzaussagen<br />
erläutert.
52 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
in einer „unverstandenen“ Repräsentationssprache von den betroffenen Akteuren nicht genutzt. Ein<br />
typischer Artikulationsdefekt ist eingetreten.<br />
In der Fachliteratur zum Wissensmanagement, die entweder vornehmlich (informations-) technisch<br />
oder aber überwiegend organisationswissenschaftlich ausgerichtet ist, wird auf die artikulationsbedingten<br />
Verständnisbarrieren, die voranstehend skizziert wurden, in der Regel überhaupt nicht, allenfalls<br />
peripher eingegangen. Auch die betriebliche Praxis lässt kaum Problembewusstsein für solche<br />
Kooperationsbarrieren sprachlicher Art erkennen. Daher wird für das kooperative Wissensmanagement<br />
in Engineering-Netzwerken ein Instrumentarium benötigt, das es u.a. gestattet, sprachbedingt<br />
unterschiedliche Wissensartikulationen als solche zu erkennen, hinsichtlich ihrer kommunikationserschwerenden<br />
(Sprach-) Differenzen zu untersuchen und – nach Möglichkeit – tendenziell zu<br />
vereinheitlichen. Aufgrund dieses dringenden Bedarfs hat sich das Verbundprojekt KOWIEN den<br />
Komplikationen heterogener Sprachkulturen mit besonderem Nachdruck gewidmet.<br />
In den voranstehenden Ausführungen wurde erläutert, wie explizierungs- und artikulierungsbedingte<br />
Verständnisbarrieren die Kooperation von Akteuren bei ihrer gemeinsamen Erfüllung wissensintensiver<br />
Engineering-Aufgaben nachhaltig behindern können. Abschließend werden aus der Fülle<br />
vorstellbarer Fälle, in denen solche Verständnisbarrieren das betriebliche Wissensmanagement zu<br />
beeinträchtigen vermögen, einige wenige exemplarisch hervorgehoben, um die breite praktische Relevanz<br />
der sprachlich bedingten Kooperationsbarrieren zu verdeutlichen.<br />
Auftragsausschreibungen: Ein Engineering-Unternehmen überwacht Ausschreibungen sowohl<br />
anderer Unternehmen als auch öffentlicher Institutionen in der Absicht, potenzielle Aufträge für<br />
neue Engineering-Aufgaben zu identifizieren. Zu diesem Zweck muss das Unternehmen abgleichen,<br />
ob die Kompetenzen, die für einen ausgeschriebenen Auftrag erforderlich sind, mit den<br />
eigenen, unternehmensintern vorhandenen Kompetenzen übereinstimmen. 63) Der Kompetenzenabgleich<br />
kann durch artikulierungsbedingte Verständnisbarrieren erheblich erschwert werden,<br />
weil die ausschreibenden Unternehmen bzw. Institutionen oftmals andere Begrifflichkeiten<br />
verwenden als das überwachende Unternehmen. Darüber hinaus kann es zu explizierungsbedingten<br />
Verständnisbarrieren kommen, weil der Ausschreiber oftmals die erforderlichen Kompetenzen<br />
nicht vollständig angibt, sondern nur die ausgeschriebene Leistung spezifiziert. In der<br />
Regel wird davon ausgegangen, dass die Bewerber, die an einer Ausschreibung teilnehmen,<br />
selbst erschließen können, welche Kompetenzen für die ausgeschriebene Leistung erforderlich<br />
sind. Schließlich können die explizierungsbedingten Verständnisbarrieren dadurch verstärkt<br />
werden, dass das überwachende Unternehmen selbst keinen vollständigen Überblick über die<br />
Kompetenzen seiner Mitarbeiter (und sonstigen Kompetenzträger) besitzt, sondern diese Kompetenzen<br />
teilweise aus implizitem Wissen über seine Kompetenzträger ableiten muss. Die<br />
Schwierigkeiten des Engineering-Unternehmens fallen in praxi oftmals noch größer aus, weil es<br />
nicht über das Personal verfügt, um die Flut von Auftragsausschreibungen durch kompetente<br />
Mitarbeiter überwachen zu lassen. Daher ist es darauf angewiesen, entweder einen Teil der Ausschreibungen<br />
schlicht zu ignorieren oder aber auf computerbasierte Überwachungstechniken zurückzugreifen.<br />
Konventionelle Informationsverarbeitungstechniken sind wegen ihrer rein syntaktischen<br />
Informationsverarbeitungsfähigkeiten jedoch nicht in der Lage, die vorgenannten<br />
explizierungs- und artikulierungsbedingten Verständnisbarrieren zu überwinden, weil dazu se-<br />
63) Von der weiterführenden Option, zwar benötigte, aber im eigenen Unternehmen nicht verfügbare Kompetenzen von Dritten zu<br />
beschaffen, z.B. durch Eingehen einer Kooperation in einem Engineering-Netzwerk, wird hier der Übersichtlichkeit halber abgesehen.<br />
Darauf wird jedoch im nachstehenden Anwendungsfall für sprachlich bedingte Kooperationsbarrieren zurückgekommen.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 53<br />
mantische Fähigkeiten des Schlussfolgerns bzw. der Bedeutungserkennung erforderlich wären.<br />
Erst Techniken der semantischen Wissensverarbeitung – wie Inferenzmaschinen und Ontologien<br />
– können in dieser Hinsicht Abhilfe schaffen. Sie stehen daher im Brennpunkt des Verbundprojekts<br />
KOWIEN, um die Umsetzungslücke zwischen Techniken des Knowledge-Level-<br />
Engineerings und ihrer Anwendung in der betrieblichen Praxis zu schließen.<br />
Network Engineering: Des Öfteren wird ein Unternehmen zu der Einsicht gelangen, dass es<br />
nicht über alle Kompetenzen verfügt, die zur Erfüllung einer Engineering-Aufgabe erforderlich<br />
sind. Anstatt auf den zugehörigen Auftrag infolge Kompetenzmangels zu verzichten, kann das<br />
betroffene Unternehmen auch erwägen, Kooperationsbeziehungen zu unternehmensexternen<br />
Partnern aufzunehmen, um auf diese Weise die benötigte, jedoch intern nicht vorhandene Kompetenz<br />
extern zu erschließen. Im Prinzip handelt es sich hierbei um das Problem, ein Netzwerk<br />
mit externen Partnern kompetenzgerecht aufzubauen, das nach gemeinsamer Aufgabenerfüllung<br />
wieder aufgelöst werden kann (Network Engineering). 64) Zur Lösung dieses Problems muss<br />
Wissen über die Kompetenzen potenzieller Netzwerkpartner vorliegen und aufgabenspezifisch<br />
ausgewertet werden können. Auf den ersten Blick mag eingewendet werden, dass man in der<br />
betrieblichen Praxis schon wisse, welche Unternehmen mit welchen Kompetenzen als Partner<br />
grundsätzlich in Betracht kommen. Diese Einschätzung kann auf einer Ebene zutreffen, auf der<br />
Kompetenzen relativ grob erfasst werden. Aber je weiter die Kompetenzen inhaltlich ausdifferenziert<br />
werden, desto schwerer wird es einem Unternehmen fallen, die Übersicht über potenzielle<br />
Kooperationspartner zu wahren. Diese Unübersichtlichkeit wird noch verstärkt, wenn sogar<br />
unterschiedliche Ausprägungen von Kompetenzen benötigt werden. Oftmals werden Unternehmen<br />
übersehen, die zwar über die erforderlichen Kompetenzen – gegebenenfalls in den gewünschten<br />
Ausprägungen – verfügen, zu denen aber bislang keine Geschäftsbeziehungen bestanden.<br />
Angesichts der zunehmenden Globalisierung von Geschäftsbeziehungen kann eine solche<br />
Ignoranz gegenüber den Kompetenzen potenzieller Kooperationspartner kaum gerechtfertigt<br />
werden. Dies gilt umso mehr, als im World Wide Web umfassende Informationsmöglichkeiten<br />
zur Verfügung stehen, um sich über die Kompetenzen anderer Unternehmen „weltweit“ zu informieren.<br />
Die Informationsmöglichkeiten betreffen nicht nur die Selbstdarstellungen der Unternehmen<br />
im World Wide Web. Vielmehr umfassen sie ebenso unternehmensunabhängige Dokumente<br />
vielfältiger Art, wie etwa Fachpublikationen über Projekte, an denen die Unternehmen<br />
mitgewirkt haben, Unternehmensreports der Wirtschaftspresse sowie Technologie- und Patentstudien.<br />
Aus allen solchen Dokumenten können Rückschlüsse auf die Kompetenzen von Unternehmen<br />
(und die zugehörigen Kompetenzausprägungen) gezogen werden. Bevor dies praktisch<br />
möglich ist, müssen jedoch explizierungs- und artikulierungsbedingte Verständnisbarrieren überwunden<br />
werden. Denn die meisten Dokumente enthalten keine expliziten Informationen über<br />
die Kompetenzen von Unternehmen. Stattdessen ist das benötigte Wissen über Unternehmenskompetenzen<br />
in den Dokumenten zumeist nur implizit enthalten – und das sogar oftmals nur<br />
über mehrere Dokumente verteilt. Darüber hinaus bewegen sich die verschiedenen „Knowledge<br />
Provider“ im World Wide Web oftmals in unterschiedlichen Sprachwelten, so dass das Wissen<br />
über Kompetenzen verschiedenartig artikuliert wird. Dies betrifft nicht nur die Verwendung unterschiedlicher<br />
natürlicher Sprachen („Fremdsprachen“), sondern vor allem auch die Verwen-<br />
64) Der kompetenzgerechte Aufbau von Kooperationsbeziehungen zu externen Partnern in einem Netzwerk lässt sich als eine erweiterte<br />
Version der Konfigurationsaufgabe auffassen, die in Kapitel 1.1.3 (S. 59 ff.) ausführlicher behandelt wird. In dem hier<br />
betrachteten Fall wird ein Projektteam zur Erfüllung einer wissensintensiven Engineering-Aufgabe zusammengestellt; nur wird<br />
die Partnerwahl nicht auf den Bereich des eigenen Unternehmens beschränkt, sondern auf beliebige unternehmensexterne Partner<br />
ausgeweitet.
54 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
dung verschiedener Fachsprachen. Beispielsweise werden sich Dokumente aus der Domäne der<br />
Wirtschaftspresse im Allgemeinen einer anderen Diktion bedienen als Dokumente aus den Bereichen<br />
des Ingenieurwesens oder der Jurisprudenz.<br />
Beschaffungsmanagement via E-Business: Auf Internet-Plattformen wird seit wenigen Jahren<br />
ein stark wachsendes Volumen von Gütern gehandelt, die zumeist relativ einfach strukturiert<br />
und relativ stark standardisiert sind. Es handelt sich zumeist um Verbrauchsmaterialien, die das<br />
Kerngeschäft eines Unternehmens nicht tangieren, aber einen hohen Anteil am insgesamt abzuwickelnden<br />
Beschaffungsvolumen einnehmen. Für solche Güter wird die automatische Beschaffung<br />
via Internet-Plattformen empfohlen, auf der nur noch spezialisierte Softwaremodule – so<br />
genannte Agenten – von beschaffenden und liefernden Unternehmen miteinander kommunizieren.<br />
Dadurch lässt sich kostenintensives Personal im Beschaffungsbereich einsparen und zugleich<br />
ein hohes Transaktionsvolumen computerbasiert abwickeln. Dieses E-Business lässt sich<br />
aber zurzeit nur dann verwirklichen, wenn die Güter so weit standardisiert sind, dass sie sich mit<br />
vorwiegend numerischen Informationen eindeutig spezifizieren lassen. Komplexer strukturierte<br />
Güter, insbesondere auch Dienstleistungen, entziehen sich jedoch diesem Standardisierungszugriff.<br />
Ihre Spezifizierung erfordert umfangreichere, zumeist natürlichsprachliche Beschreibungen.<br />
An dieser Stelle drohen artikulierungsbedingte Verständnisbarrieren, weil die Güterbeschreibungen<br />
in den unterschiedlichen Sprachwelten der involvierten Unternehmen oftmals<br />
voneinander abweichen. 65) Erst wenn Software-Agenten in die Lage versetzt werden, ein inhaltliches<br />
Sprachverständnis zu entwickeln und dadurch z.B. Synonyme und Homonyme in Güterbeschreibungen<br />
korrekt zu verarbeiten, wird es möglich sein, über Internet-Plattformen auch<br />
komplexer strukturierte Güter automatisch zu beschaffen.<br />
Interoperabilität von computerbasierten Wissensmanagementsystemen: Die Fähigkeit Automatischer<br />
Informationsverarbeitungssysteme, zwecks Bearbeitung eines komplexen Problems zusammenzuarbeiten<br />
(Interoperabilität), wird schon seit mehreren Jahren intensiv diskutiert. 66)<br />
Konzepte wie Enterprise Application Integration (EAI) 67) zeugen von diesen Bemühungen. Insbesondere<br />
bei der arbeitsteiligen Aufgabenerfüllung in Netzwerken müsste die Interoperabilität<br />
der beteiligten Automatischen Informationsverarbeitungssysteme eine Selbstverständlichkeit<br />
darstellen. Trotz dieser „schlagenden“ Argumente ist die Interoperabilität Automatischer Informationsverarbeitungssysteme<br />
zurzeit allenfalls in Ansätzen verwirklicht. Wer beispielsweise<br />
versucht hat, betriebswirtschaftliche Anwendungssoftware wie SAP R/3 und NAVISION, MS-<br />
65) Obwohl bei Beschaffungen über Internet-Plattformen artikulierungsbedingte Verständnisbarrieren im Vordergrund stehen, kann<br />
die Kooperation zwischen beschaffenden und liefernden Unternehmen auch durch explizierungsbedingte Verständnisbarrieren<br />
behindert werden. Z.B. kann ein Lieferant über seine Website Konditionen für die Lieferung „frei Werkstor Auftraggeber“ veröffentlicht<br />
haben, so dass er bei der Beantwortung von Beschaffungsanfragen im Internet nur noch die reinen Güterpreise ohne<br />
Transportkosten aufführt. Der Software-Agent eines beschaffenden Unternehmens müsste dann in der Lage sein, aus dem reinen<br />
Güterpreis, den Lieferkonditionen des liefernden Unternehmens und dem Lieferweg zwischen lieferndem und beschaffendem<br />
Unternehmen selbstständig zu erschließen, welches der effektive Beschaffungspreis bei dem betroffenen Lieferanten ist.<br />
Dieser effektive Beschaffungspreis kommt in der Offerte des Lieferanten nicht vor, sondern ist nur implizit im Wissen über das<br />
liefernde und das beschaffende Unternehmen enthalten. Ohne die Fähigkeit, dieses implizite Wissen mittels Inferenzen zu explizieren,<br />
würde der Software-Agent des beschaffenden Unternehmens an einer explizierungsbedingten Verständnisbarriere<br />
scheitern und die Offerte des Lieferanten ausschlagen, weil sie den effektiven Beschaffungspreis nicht explizit ausweist.<br />
66) Vgl. z.B. BURGUN ET AL. (2001) S. 96 f.; MAAMAR/MOULIN (1997) S. 248 ff.; MISSIKOFF/TAGLINO (2004) S. 617 ff.; MELNIK/<br />
DECKER (2000) S. 1 ff.<br />
67) Vgl. ADHIKARI (2004) S. 27 ff.; AIER/SCHÖNHERR (2004) S. 69 ff.; KAIB (2004); KELLER (2002); KLOPPMANN ET AL. (2004) S.<br />
270 ff.; LINTHICUM (2003); SHARMA/STEARNS/NG (2002) S. 1 ff.; vgl. am Rande auch USCHOLD/GRUNINGER (1996) S. 130 ff.<br />
(„enterprise model integration“).
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 55<br />
Word und LaTex oder Coreldraw und PowerPoint miteinander kooperieren zu lassen (auch<br />
wenn nur der einfachste Fall einer schlichten Datenintegration versucht wurde), der wird zweifelsfrei<br />
bestätigen können, wie weit Anspruch und Wirklichkeit bei der Thematik „Interoperabilität“<br />
voneinander entfernt sind. Zwischen den Softwareprodukten klaffen gravierende artikulierungsbedingte<br />
Verständnisbarrieren, weil sie auf vollkommen verschiedenen, inkompatiblen<br />
Software-Sprachwelten beruhen. Diese Schwierigkeiten fallen noch gravierender aus, wenn die<br />
Interoperabilität computerbasierter Wissensmanagementsysteme betrachtet wird. Denn im Bereich<br />
des Knowledge Engineerings herrscht eine weit größere Vielfalt von Wissensrepräsentationssprachen,<br />
als Programmier- und Implementierungssprachen für konventionelle Software eingesetzt<br />
werden. 68) Daher stellen artikulierungsbedingte Verständnisbarrieren zwischen computerbasierten<br />
Wissensmanagementsystemen zurzeit den – beklagenswerten – Normalfall dar. Beispielsweise<br />
unterscheiden sich die Wissensrepräsentationssprachen von F-Logic und RDF(S) so<br />
stark, dass an eine Interoperabilität von Wissensmanagementsystemen, die auf diesen Wissensrepräsentationssprachen<br />
beruhen, heute noch nicht zu denken ist.<br />
Von besonderer Bedeutung für explizierungs- und artikulierungsbedingte Verständnisbarrieren ist<br />
der aktuelle Themenbereich des so genannten „Semantic Web“ 69) . Hierfür sprechen zumindest zwei<br />
Gründe. Erstens wird das Semantic Web vor allem aus dem Motiv entwickelt, explizierungs- und<br />
artikulierungsbedingte Verständnisbarrieren zu überwinden, welche die aktuelle Nutzung der konventionellen<br />
Internet-Technologie sowohl für das World Wide Web als auch für inner- oder überbetriebliche<br />
Intra- bzw. Extranets erheblich beeinträchtigen. Zweitens wird vielfach die Überzeugung<br />
geteilt, dass das Semantic Web in Zukunft auch für das betriebliche Wissensmanagement eine noch<br />
größere Bedeutung erlangen wird, als es schon heute für die konventionelle Internet-Technologie<br />
der Fall ist. Da das Semantic Web nicht im Brennpunkt des Verbundprojekts KOWIEN stand, wird<br />
hier nur kurz auf den Zusammenhang zwischen explizierungs- und artikulierungsbedingten Verständnisbarrieren<br />
einerseits sowie Semantic Web andererseits eingegangen.<br />
Die Entwicklung des Semantic Webs wurde durch „tief reichende Frustrationen“ angestoßen, die<br />
Benutzer des World Wide Webs 70) immer wieder erleiden, wenn sie versuchen, in diesem Medium<br />
relevante Informationen 71) für die Lösung ihrer Probleme aufzufinden.<br />
68) Die größere Sprachenvielfalt im Bereich des Knowledge Engineerings lässt sich leicht dadurch erklären, dass dieser Bereich<br />
weitaus jünger als der Bereich des bereits etablierten Software Engineerings ist. Da die Standardisierung von Sprachen erfahrungsgemäß<br />
umso stärker zunimmt, je länger sich ein Engineering-Bereich entwickeln konnte, erstaunt es nicht, dass im relativ<br />
jungen Bereich des Knowledge Engineerings die Sprachenvielfalt noch nicht so weit durch Standardisierung zurückgegangen<br />
ist wie im Bereich des Software Engineerings.<br />
69) Vgl. zum „Semantic Web“ ADAMS (2002) S. 20 ff.; ANTONIOU/VAN HARMELEN (2004a); BERNERS-LEE/HENDLER/LASSILLA<br />
(2001) S. 30 ff.; DECKER ET AL. (2000) S. 2 (ff.) u. 6 (ff.); DING ET AL. (2002) S. 206 ff.; EUZENAT (2002) S. 3 f. u. 11 ff.; FEN-<br />
SEL ET AL. (2003); FRAUENFELDER (2001) S. 52 ff.; HEFLIN (2001) S. 1 ff. u. 8 ff.; MAEDCHE/MOTIK/STOJANOVIC (2003) S. 286<br />
ff.; OHLBACH/SCHAFFERT (2004); STAAB (2001) S. 18 ff.; VISSER (2004); vgl. auch die Beiträge in dem Überblickswerk CRUZ<br />
ET AL. (2002) sowie die einschlägigen Informationen im Internet unter der URL „http://www.w3.org/2001/sw/“ (Zugriff am 09.<br />
02.2005).<br />
70) Da sowohl das World Wide Web als auch inner- und überbetriebliche Intra- bzw. Extranets auf derselben Internet-Technologie<br />
beruhen, die für die Art der Informationsdarstellung und -verteilung verantwortlich ist, dient das World Wide Web im Folgenden<br />
als „pars pro toto“ für die übrigen, ebenso auf Internet-Technologie basierenden Netze.<br />
71) Im Kontext von World Wide Web und Semantic Web wird überwiegend noch von Informationen geredet. Daher wird im Folgenden<br />
diese Diktion übernommen, auch wenn aus der Perspektive des Wissensmanagements dasjenige Wissen interessiert, das<br />
in den Dokumenten von World Wide Web und Semantic Web kodifiziert ist. Von der Differenzierung zwischen Informationen<br />
und Wissen kann im hier vorgelegten Werk abgesehen werden, da von vornherein Informationen und Wissen als synonyme Bezeichnungen<br />
eingeführt wurden.
56 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Einerseits beruhen die Frustrationen darauf, dass auf eine Informationsanfrage hin oftmals eine Fülle<br />
von Dokumenten als „Treffer“ ausgewiesen wird, die inhaltlich nichts zur Beantwortung der<br />
Suchanfrage beitragen. Der Grund für dieses Phänomen liegt darin, dass in den Suchanfragen Zeichenketten<br />
(„strings“) für Worte oder Wortkombinationen formuliert werden und von einschlägigen<br />
Suchmaschinen auf rein syntaktischer Ebene überprüft wird, ob Dokumente im World Wide Web<br />
die gesuchten Zeichenketten aufweisen. 72) Durch diesen rein syntaktischen Vergleich zwischen Zeichenketten<br />
(„string matching“) wird eine Fülle von „Informationsschrott“ produziert, weil den<br />
Suchmaschinen das inhaltliche Verständnis fehlt, auf der semantischen Ebene zu prüfen, ob die Inhalte<br />
der identifizierten Dokumente auch dem in der Suchanfrage inhaltlich Gemeinten entsprechen.<br />
Ein typisches Beispiel für die ungewollte Generierung von „Informationsschrott“ stellen alle Homonyme<br />
dar. Es handelt sich um Zeichenketten, die zwar unterschiedliche Sachverhalte bezeichnen,<br />
aber als Zeichenketten identisch ausfallen. Beispielsweise würde eine Suchanfrage zur Zeichenkette<br />
„Ontologie“ im World Wide Web mit einer Fülle irrelevanter Dokumente beantwortet werden,<br />
wenn der Anfragende nur an Ontologien im Sinne des Knowledge-Level-Engineerings interessiert<br />
war. Denn dieselbe Zeichenkette bezeichnet auch eines der zentralen Themen der klassischen Philosophie,<br />
das bis auf ARISTOTELES zurückreicht. Zwischen dem Informationssuchenden und den<br />
Suchmaschinen für das World Wide Web erstreckt sich eine artikulierungsbedingte Verständnisbarriere,<br />
weil die Sprachwelten einerseits des Informationssuchenden und andererseits der Verfasser<br />
der Dokumente, die in das World Wide Web eingestellt wurden, auf der inhaltlichen Ebene partiell<br />
nicht miteinander harmonieren.<br />
Wegen dieses semantischen Defekts konventioneller Internet-Suchmaschinen ist eine bedeutsame<br />
Problemverlagerung erfolgt: Früher – etwa im „Zeitalter“ von Bibliothekskatalogen und Zeitschriftenarchiven<br />
– stellte es eher ein Problem dar, überhaupt Informationen aufzufinden, die zu einer<br />
Suchanfrage passten (Identifikationsproblem). Dagegen besteht heute eher ein Problem darin, aus<br />
der Fülle angebotener Dokumente („information overload“) diejenigen Dokumente herauszufiltern,<br />
die für eine Suchanfrage inhaltlich relevant sind (Relevanzproblem). Hinsichtlich dieses Filterproblems<br />
bleibt der Nutzer des World Wide Webs im Allgemeinen allein gelassen. Er muss über die inhaltliche<br />
Relevanz der gefundenen Dokumente selbst entscheiden. Nach der üblichen Euphorie-<br />
Phase, die jede Einführung einer neuartigen Technologie begleitet, muss daher eingeräumt werden,<br />
dass vom World Wide Web das Informationsakquisitionsproblem nicht gelöst wurde. Es hat lediglich<br />
dazu geführt, das Identifikations- durch das Relevanzproblem zu verdrängen. Ob daraus ein in-<br />
72) Vgl. MAEDCHE (2002) S. XV. Da der Übergang zwischen dem konventionellen World Wide Web und dem Semantic Web fließend<br />
erfolgt, diffundieren bereits zurzeit erste Erkenntnisse aus der Erforschung der Grundlagen des Semantic Webs in Instrumente<br />
für das World Wide Web. Daher muss eingeräumt werden, dass sich das hier gezeichnete Bild eines „rein syntaktisch“<br />
operierenden World Wide Webs in ersten Ansätzen in Auflösung befindet. Aus zwei Gründen wird jedoch darauf verzichtet,<br />
die neuesten Entwicklungen im World Wide Web, die in Richtung auf das Semantic Web erfolgen, in die hier angestellten<br />
Überlegungen einzubeziehen. Erstens geht es dem Verfasser darum, die Unterschiede zwischen rein syntaktischer und (auch)<br />
semantischer Informationsverarbeitung möglichst deutlich herauszuarbeiten. Für diesen Argumentationszweck ist es eher hilfreich,<br />
zwischen World Wide Web (rein syntaktisch) und Semantic Web (auch semantisch) möglichst trennscharf zu unterscheiden.<br />
Zweitens erwecken Innovationen im Bereich des World Wide Webs, die in jüngster Zeit angeblich mit „semantischen Fähigkeiten“<br />
aufwarten, des Öfteren den Eindruck eines Etikettenschwindels. So gibt es z.B. schon mehrere Suchmaschinen, welche<br />
die inhaltliche Relevanz eines Dokuments anhand der (relativen) Häufigkeit messen, in der eine gesuchte Zeichenkette in<br />
dem Dokument (im Vergleich zu „Standardtexten“, wie z.B. einer Enzyklopädie) enthalten ist. Die Messung dieser Häufigkeit<br />
hat jedoch mit inhaltlichem Verständnis von Dokumenten noch nichts zu tun, sondern kombiniert lediglich rein syntaktisches<br />
„string matching“ mit einer „frequentistischen“ Zählfunktion. Darüber hinaus sind zahlreiche Manipulationsmöglichkeiten bekannt,<br />
um ein Dokument in der „Trefferliste“ für eine Suchanfrage möglichst hoch zu positionieren, um das Dokument in den<br />
Interessensfokus des Anfragenden zu rücken.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 57<br />
formatorischer Fortschritt erzielt werden konnte, bleibt aus der Sicht der informationssuchenden<br />
Nutzer des World Wide Webs fraglich.<br />
Andererseits können Frustrationen bei einer Informationsrecherche im World Wide Web auch dadurch<br />
auftreten, dass relevante Dokumente nur deswegen nicht aufgefunden werden, weil sie keine<br />
syntaktische Übereinstimmung mit der Zeichenkette aus einer Suchanfrage aufweisen. Hierfür können<br />
sowohl artikulierungsbedingte als auch explizierungsbedingte Verständnisbarrieren verantwortlich<br />
sein. Eine artikulierungsbedingte Verständnisbarriere liegt insbesondere im Fall von Synonymen<br />
vor. Dann wurde in einem relevanten Dokument zwar derselbe begriffliche Inhalt wie in der<br />
Suchanfrage referenziert, jedoch mit einem anderen – als Zeichenkette rein syntaktisch formulierten<br />
– Bezeichner. Dieser Fall tritt z.B. ein, wenn in einer Suchanfrage Informationsbedarf über „Betriebe“<br />
mit bestimmten Kompetenzen artikuliert wurde, in einem Dokument jedoch von „Unternehmen“<br />
mit denselben Kompetenzen die Rede ist (sofern im aktuellen Kontext keine inhaltlichen Unterschiede<br />
zwischen Betrieben und Unternehmen bestehen). Eine explizierungsbedingte Verständnisbarriere<br />
tritt hingegen auf, wenn ein Dokument Informationen enthält, die sich zwar mittelbar zur<br />
Beantwortung einer Suchanfrage nutzen ließen, aber keine direkte Beantwortung gestatten, sondern<br />
zunächst eine Explizierung der implizit enthaltenen Informationen erfordern. Eine solche Verständnisbarriere<br />
droht oftmals, weil der Verfasser eines Dokuments kaum vorausahnen kann, welche<br />
Suchanfragen später an sein Dokument gerichtet werden. Er vermag also nur diejenigen Inhalte zu<br />
explizieren, die ihm in seinem aktuellen Argumentationskontext als relevant erscheinen. Dies<br />
schließt jedoch keineswegs aus, dass Inhalte, die in seiner Argumentation implizit enthalten sind,<br />
für Dritte bei deren Suchanfragen von großer Relevanz sein können. Dieses Problem explizierungsbedingter<br />
Verständnisbarrieren wird noch verschärft, wenn die Informationen, die zur Beantwortung<br />
einer komplexen Suchanfrage erforderlich wären, nicht in einem einzigen Dokument enthalten,<br />
sondern über mehrere Dokumente verteilt sind. Dann müsste eine Suchmaschine in der Lage sein,<br />
die Informationen, die in der Gesamtheit jener Dokumente implizit enthalten sind, zu identifizieren<br />
und so zusammenzuführen, dass sich die komplexe Suchanfrage explizit beantworten lässt.<br />
Die Entwickler des Semantic Webs sind mit dem Anspruch angetreten, die zuvor skizzierten Frustrationen<br />
im Umgang mit dem World Wide Web zu überwinden, indem die Instrumente zur Nutzung<br />
des Semantic Webs mit Fähigkeiten zur inhaltlichen – d.h. semantischen – Informationsverarbeitung<br />
angereichert werden. Dazu gehören – zwar nicht nur, aber insbesondere auch – computerbasierte<br />
Werkzeuge, die in der Lage sind, die explizierungs- und artikulierungsbedingten Verständnisbarrieren<br />
zu überwinden, die im Zentrum des Verbundprojekts KOWIEN stehen. Daher besteht<br />
in dieser Hinsicht eine enge inhaltliche Verwandtschaft zwischen den Forschungs- und Entwicklungsarbeiten,<br />
die einerseits im Kontext des Semantic Webs und andererseits im Rahmen des<br />
Verbundprojekts KOWIEN erfolgen. Dies gilt insbesondere auch für Ontologien. 73)<br />
73) Vgl. zur expliziten Erörterung von Ontologien als eines der wesentlichen Werkzeuge, die im Rahmen des Semantic Web Verwendung<br />
finden sollen, ADAMS (2002) S. 22 f.; BERNERS-LEE/HENDLER/LASSILLA (2001) S. 34 f.; DECKER ET AL. (2000) S. 2 ff.;<br />
DING (2001) S. 377 („Ontologies are the backbone for this Semantic Web.“); DING ET AL. (2002) S. 206 („A key enabler for the<br />
semantic web is ... ontological support ... ontologies will play a key role ... can be characterized as the backbone of the semantic<br />
web.“; kursive Hervorhebung im Original hier unterlassen); EUZENAT (2002) S. 33 ff.; FENSEL (2001a) S. 2; FRAUENFELDER<br />
(2001) S. 54 f.; HEFLIN (2001) S. 16 f. u. 24 ff.; KLEIN ET AL. (2002) S. 79; MAEDCHE (2002) S. XV („The Semantic Web relies<br />
heavily on ... formal ontologies ...“), 3 f. u. 23 f.; MAEDCHE/MOTIK/STOJANOVIC (2003) S. 286 ff.; MAEDCHE/STAAB (2001) S.<br />
72 („the proliferation of ontologies factors largely in the Semantic Web’s success”); STUDER/OPPERMANN/SCHNURR (2001) S. 6.
58 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
1.1.3 Anwendungskontexte für computerbasiertes Wissensmanagement<br />
zur Überwindung von Kooperationsbarrieren<br />
in Engineering-Netzwerken<br />
Die bisherigen Ausführungen zu Basiskonzepten des betrieblichen Wissensmanagements und zu<br />
Barrieren, die eine kooperative Erfüllung wissensintensiver Aufgaben behindern können, waren<br />
vorwiegend allgemeiner Natur. Sie bezogen sich nicht auf spezielle Anwendungskontexte des Wissensmanagements.<br />
Es hätte jedoch die finanziellen, zeitlichen und personellen Ressourcen des Verbundprojekts<br />
KOWIEN bei weitem überfordert, die zuvor erörterten Aspekte des Wissensmanagements<br />
„generisch“, d.h. mit umfassendem Geltungsanspruch für beliebige Anwendungskontexte zu<br />
analysieren. Daher erfolgte im Verbundprojekt KOWIEN eine zusätzliche Fokussierung auf eine<br />
kleine, überschaubare Anzahl spezieller Anwendungskontexte für betriebliches Wissensmanagement.<br />
74) Sie bilden den gemeinsamen Anwendungshintergrund für alle Forschungs-, Entwicklungs-<br />
und Transferarbeiten, die im Projekt geleistet wurden. Dieser Anwendungshintergrund wird zunächst<br />
durch noch relativ allgemein gehaltene Ausführungen zum aktuellen wirtschaftlichen Umfeld<br />
grob charakterisiert. Danach wird er durch Einbeziehung projektspezifischer Aspekte, wie etwa<br />
der Konzentration auf Engineering-Netzwerke und wissensintensive Aufgaben, schrittweise konkretisiert.<br />
Schließlich wird er zu zwei speziellen Anwendungsszenarien verdichtet, die dem Verbundprojekt<br />
KOWIEN durchgehend zugrunde gelegt wurden.<br />
In der jüngeren Vergangenheit stand vor allem die Verbesserung der Ablauforganisation im Mittelpunkt<br />
des organisatorischen Wandels, die z.B. unter dem Etikett „Business Process Reengineering“<br />
breite Aufmerksamkeit erlangte. Demgegenüber bestimmt im heutigen wirtschaftlichen Umfeld<br />
primär das Wissen von Unternehmen diesen Wandel. Auf diesem Unternehmenswissen, das als<br />
Corporate Knowledge Base oder Corporate Memory thematisiert wird, beruhen oftmals die Kernkompetenzen<br />
und die daraus folgenden strategischen Wettbewerbsvorteile von produzierenden Unternehmen,<br />
die im Umfeld einer hochkompetitiven Industrie-, Dienstleistungs- und Wissensgesellschaft<br />
agieren. Daher muss das Management des organisatorischen Wandels – das „Change Management“<br />
– in erster Linie als Wissensmanagement verstanden und aktiv gestaltet werden. Dieser generellen<br />
Anforderung stehen jedoch im Bereich wissensintensiver Engineering-Aufgaben einige<br />
gravierende Probleme entgegen.<br />
74) Mit dieser Vorgehensweise wurde ein Kompromiss zwischen zwei Denkrichtungen angestrebt, die im Prinzip entgegengesetzt<br />
verlaufen. Einerseits wurde im Verbundprojekt KOWIEN von vornherein großer Wert darauf gelegt, generische Modelle und<br />
Methoden einzusetzen, die von anwendungsspezifischen Besonderheiten abstrahieren und infolgedessen einen allgemeingültigen<br />
Charakter aufweisen. Dieser generische Modell- und Methodencharakter war erforderlich, um nicht für eine Vielzahl verschiedenartiger<br />
Anwendungssituationen jeweils idiosynkratische Vorgehensweisen konzipieren zu müssen. Solche Spezialmodelle<br />
und -methoden wären nicht nur hinsichtlich ihrer Wiederverwendbarkeit stark eingeschränkt gewesen, weil sie sich jeweils<br />
auf spezielle situative Kontexte fokussieren. Vielmehr wäre auch der Versuch einer computerbasierten Implementierung<br />
aufgrund der erwarteten geringen Nutzungsbreite erheblichen Verwertungsrisiken ausgesetzt gewesen. Aus den vorgenannten<br />
Gründen wurden von vornherein nur solche Modelle und Methoden des Wissensmanagements eingesetzt, die sowohl für das<br />
Vorgehensmodell als auch für das Software-Werkzeug (einschließlich der E-Learning-Umgebung) generisch ausgelegt, also<br />
nicht auf spezielle Anwendungssituationen zugeschnitten waren. Andererseits hätte das Bekenntnis zugunsten generischer, von<br />
speziellen Anwendungssituationen abstrahierender Lösungen für Probleme des betrieblichen Wissensmanagements zugleich<br />
bedeutet, dass im Verbundprojekt KOWIEN nur relativ – d.h. im Vergleich zu anderen B<strong>MB</strong>F-geförderten, anwendungsnahen<br />
Projekten – allgemein gehaltene Erkenntnisse gesammelt werden können. Dies hätte die Gefahr von zwar allgemeingültigen,<br />
aber praxisfernen Forschungs- und Entwicklungsarbeiten heraufbeschworen. Um dieser Gefahr vorzubeugen, wurde ein spezielles<br />
Projektdesign gewählt. Es erlaubte sowohl die allgemeine – „generische“ – Ausgestaltung der Modelle und Methoden als<br />
auch deren spezielle Anpassung an und Evaluation in zwei ausgewählten Anwendungsszenarien.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 59<br />
Seit längerer Zeit sehen sich Unternehmen mit dem Problem konfrontiert, der zunehmenden Dynamik<br />
und Turbulenz des Unternehmensumfelds durch flexible, neuerdings sogar als „agil“ bezeichnete<br />
Organisationsformen Rechnung tragen zu müssen. Im Engineering-Bereich hat sich weit gehend<br />
die Form der Projektorganisation durchgesetzt. Sie erlaubt es einem Unternehmen, sich an die<br />
Herausforderungen komplexer und rasch wechselnder Engineering-Aufgaben dadurch anzupassen,<br />
dass für die Erfüllung einer solchen Aufgabe jeweils ein Projekt definiert wird. Dieses Projekt ist<br />
ausschließlich auf die Spezifika der zu erfüllenden Aufgabe zugeschnitten und endet mit der erfolgreichen<br />
– oder auch gescheiterten – Aufgabenerfüllung. Die Organisationsform der Projektorganisation<br />
bildete die erste, noch sehr grobe Einschränkung des Anwendungskontextes für das Verbundprojekt<br />
KOWIEN. Wissensmanagement bedeutete im Verbundprojekt also immer das Management<br />
von Wissen, das zur erfolgreichen Projektdurchführung erforderlich ist oder aus der Durchführung<br />
von Projekten hervorgeht. 75)<br />
Aus betriebswirtschaftlicher Sicht wird die Planung und Steuerung von Projekten mit der Hilfe von<br />
Projektmanagementtechniken, wie z.B. mit Netzplantechnik und Workflowmanagementsystemen,<br />
bereits zufrieden stellend beherrscht. Die allgemeinen Aufgaben der Projektplanung und -steuerung<br />
wurden daher im Verbundprojekt KOWIEN nicht näher betrachtet. Im Vordergrund des Projektinteresses<br />
stand dagegen eine spezielle Aufgabe des Projektmanagements, das Zusammenstellen – oder<br />
synonym: die Konfiguration – von Projektteams. Die Konfigurationsaufgabe erstreckt sich darauf,<br />
zur Vorbereitung einer Projektdurchführung ein Team aus Akteuren 76) zusammenzustellen, die für<br />
die Erfüllung einer wissensintensiven Engineering-Aufgabe in einem Projektteam bestmöglich qualifiziert<br />
sind. 77)<br />
Die Konfiguration von Projektteams stellt nicht nur generell aus betriebswirtschaftlicher Sicht eine<br />
der Kernaufgaben des Projektmanagements dar. Vielmehr schälte sie sich im Verbundprojekt KO-<br />
WIEN als „paradigmatischer“ Anwendungskontext für das Wissensmanagement mittels computerbasierter<br />
Wissensmanagementsysteme heraus. Für diese Fokussierung auf die Aufgabe, Projektteams<br />
für die Erfüllung wissensintensiver Engineering-Aufgaben zu konfigurieren, sprachen mindestens<br />
zwei Gründe.<br />
75) Wissen, das aus der Durchführung von Projekten gewonnen wird, setzt keineswegs voraus, dass es sich um erfolgreiche Projekte<br />
handelt. Denn auch aus gescheiterten Projekten kann Wissen generiert werden, so z.B. hinsichtlich der Gründe, die das<br />
Scheitern verursacht haben. Die Wiederverwendung dieses Wissens („lessons learned“) aus gescheiterten Projekten hilft bei<br />
späteren Projekten, die Wiederholung entsprechender Fehler zu vermeiden.<br />
76) Es wird hier bewusst von Akteuren und nicht „nur“ von Mitarbeitern gesprochen, um eine spätere Ausweitung des Analysehorizonts<br />
auf maschinelle Akteure – computerbasierte Wissensmanagementsysteme – vorzubereiten.<br />
77) Diese Konfigurationsaufgabe lässt sich bei genauerer Analyse in mehrere Teilaufgaben zerlegen. Erstens muss geprüft werden,<br />
ob ein Unternehmen überhaupt über Akteure verfügt, deren Kompetenzen für das projektspezifisch benötigte Know-how erforderlich<br />
sind. Wenn dies der Fall ist, gilt es zweitens in kapazitativer Hinsicht festzustellen, ob die betroffenen Akteure tatsächlich<br />
zur Verfügung stehen – also nicht durch ihre Engagements in anderen Projekten bereits vollständig gebunden sind. Diese<br />
Teilaufgabe stellt sich in der Regel nur dann, wenn es sich bei den Akteuren um Mitarbeiter handelt, weil die Kompetenzen maschineller<br />
Akteure im Allgemeinen von mehreren Projekten parallel genutzt werden können. Sofern Mitarbeiter betroffen sind,<br />
bildet die zweite Teilaufgabe die Nahtstelle des Projekt- und Wissensmanagements zur Personaleinsatzplanung, also zum Personalmanagement.<br />
Drittens muss, wie bereits angedeutet, das Kernproblem gelöst werden, aus den vorhandenen und auch aktuell<br />
verfügbaren Akteuren für die jeweils anstehende Engineering-Aufgabe ein bestmöglich qualifiziertes Projektteam zusammenzustellen.<br />
Dies erfordert u.a. auch, einen operationalen Maßstab für den bestmöglichen „fit“ zwischen erforderlichen und<br />
verfügbaren Kompetenzen festzulegen. Die inhaltliche Füllung der Leerformel „bestmöglich“ kann hierbei von Projekt zu Projekt<br />
variieren und bedarf eines sensiblen Gespürs für die situativen Kontextbedingungen jedes einzelnen Projekts. In den Kapiteln<br />
2.5.2.2.2 und 2.5.3 (S. 550 ff. bzw. S. 554 ff.) dieses Werks wird exemplarisch verdeutlicht, wie sich ein operationaler<br />
Maßstab für den bestmöglichen „fit“ aufstellen und an unterschiedliche Kontextanforderungen anpassen lässt.
60 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Erstens stellt die Konfigurationsaufgabe ein betriebswirtschaftliches Themenfeld dar, das nur mangelhaft<br />
von praxistauglichen Instrumenten unterstützt wird. Weder seitens des konventionellen Projektmanagements<br />
noch seitens des etablierten Personalmanagements wird der systematischen Konfiguration<br />
von Projektteams größere Aufmerksamkeit zuteil. Auch seitens der Softwareindustrie<br />
werden für diese Aufgabe keine überzeugenden Produkte angeboten, zumindest nicht für den hier<br />
interessierenden Bereich wissensintensiver Engineering-Aufgaben. Daher besteht hinsichtlich der<br />
Konfiguration von Projektteams ein erheblicher Forschungs- und Entwicklungsbedarf. Für das Verbundprojekt<br />
KOWIEN bestand eine Herausforderung darin, sich diesem Bedarf zu stellen und Beiträge<br />
zu seiner Deckung zu leisten. Zugleich wird die praktische Relevanz des Verbundprojekts dadurch<br />
unterstrichen, dass es sich mit der Konfiguration von Projektteams auf einen Anwendungskontext<br />
fokussiert hat, für den ein hoher Bedarf an neuen Erkenntnissen und Instrumenten aus der<br />
Perspektive der betrieblichen Praxis besteht.<br />
Zweitens handelt es sich bei der Konfiguration von Projektteams um eine Managementaufgabe, die<br />
sich exzellent als ein Demonstrationsbeispiel für Konzepte und Techniken des Wissensmanagements<br />
eignet. Denn die Konfigurationsaufgabe zeichnet sich dadurch aus, dass zu ihrer Erfüllung<br />
intensiv auf Wissen zurückgegriffen werden muss, dessen „zielführender“ Einsatz zu managen<br />
ist. 78) Die Wissensintensität der Konfigurationsaufgabe 79) ergibt sich bereits aus ihrer o.a. Charakterisierung,<br />
ein Team aus Akteuren zusammenzustellen, die für die Erfüllung einer wissensintensiven<br />
Engineering-Aufgabe in einem Projektteam bestmöglich qualifiziert sind. Die aufgaben- und somit<br />
projektspezifisch erforderlichen Qualifikationen erstrecken sich zwar nicht notwendig, aber in praxi<br />
zum größten Teil auf Kompetenzen als handlungsbefähigendes Wissen. Im Folgenden werden daher<br />
Qualifikationen mit Kompetenzen gleichgesetzt; und es wird von allen Qualifikationen abstrahiert,<br />
78) Prima facie steht bei der Erfüllung der Konfigurationsaufgabe nur der Einsatz, nicht aber die Generierung von Wissen zur Diskussion.<br />
Daher könnte die Kritik aufkeimen, eine Fokussierung auf die Konfigurationsaufgabe verleite zu einem „halbierten“<br />
Wissensmanagement. Dieser Vorwurf greift jedoch zu kurz. Denn die Konfigurationsaufgabe wurde im Verbundprojekt KO-<br />
WIEN nicht ausschließlich behandelt. Vielmehr kamen andere Aufgaben hinzu, die sich vor allem dem Aspekt der Generierung<br />
von Wissen widmeten, wie beispielsweise die Konstruktion von ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n. Diese<br />
spezielle Konstruktionsaufgabe lässt sich sogar aus der Konfigurationsaufgabe „ableiten“, da <strong>Kompetenzmanagementsysteme</strong><br />
die Erfüllung der Konfigurationsaufgabe unterstützen sollen, indem Akteure mit den jeweils am besten zum Projekt passenden<br />
Kompetenzen ausfindig gemacht und zugeordnet werden sollen. Darüber hinaus lässt sich die Erfüllung der Konfigurationsaufgabe<br />
mit der Generierung von Wissen direkt in Zusammenhang bringen. Während der Durchführung eines Projekts und auch<br />
anlässlich einer nachträglichen Auswertung der Projektdurchführung wird neues Wissen über die Kompetenzen der beteiligten<br />
Akteure generiert, beispielsweise über neu gewonnene oder ausgebaute Kompetenzen („learning by doing“) – oder auch darüber,<br />
dass ein Akteur die Kompetenzen, die ihm vor der Projektdurchführung mutmaßlich zugesprochen worden waren, tatsächlich<br />
gar nicht besaß. Auf dieses neu generierte Wissen kann in späteren Konfigurationen von Projektteams im Sinne der Wissenswiederverwendung<br />
zurückgegriffen werden. Die Konfigurationsaufgabe beschränkt sich daher bei näherem Hinsehen keineswegs<br />
auf den Einsatz von Wissen, sondern sollte zutreffender als ein Prozess aufgefasst werden, in dem Phasen des Einsatzes<br />
und der Generierung von Wissen miteinander verschränkt sind.<br />
79) Die Formulierung „Wissensintensität der Konfigurationsaufgabe“ wird hier bewusst parallel zur Fokussierung des Verbundprojekts<br />
KOWIEN auf „wissensintensive Engineering-Aufgaben“ verwendet. Durch diese Parallelisierung wird verdeutlicht, dass<br />
sich die Konfigurationsaufgabe aus der Perspektive des Wissensmanagements analog zu den Engineering-Aufgaben verhält, die<br />
den sachlichen Hintergrund des Verbundprojekts bilden. Auch aus diesem Grund wurde oben die Konfigurationsaufgabe als ein<br />
„paradigmatischer“ Anwendungskontext bezeichnet.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 61<br />
die sich nicht als Kompetenzen auffassen lassen. 80) Die Akteure, die über bestimmte Kompetenzen<br />
verfügen, werden in dieser Rolle als Wissens- oder Kompetenzträger bezeichnet. 81) Die erforderlichen<br />
Kompetenzen können sowohl konzeptionelles Wissen betreffen, das z.B. durch berufsbezogene<br />
oder akademische Abschlüsse nachgewiesen wird, als auch Erfahrungswissen, das bei der praktischen<br />
Erfüllung ähnlicher Aufgaben in der Vergangenheit erworben wurde. Die Gesamtheit dieses<br />
benötigten Wissens wird hier als projektspezifisches Know-how bezeichnet. Projektspezifisches<br />
Know-what spielt in der betrieblichen Praxis allenfalls eine untergeordnete Rolle und wird daher im<br />
Folgenden nicht weiter berücksichtigt.<br />
Aus betriebswirtschaftlicher Sicht ist es empfehlenswert, die Konfigurationsaufgabe von vornherein<br />
so weit auszulegen, dass neben der Teambildung auch die Bereitstellung der erforderlichen Betriebs-<br />
und Finanzmittel – z.B. als sachliche Ressourceneinsatzplanung bzw. als Projektfinanzierung<br />
– erfolgt. Für die wissensintensiven Engineering-Aufgaben, die den Anwendungskontext des Verbundprojekts<br />
KOWIEN bilden, spielt die Bereitstellung der Ressource Wissen eine herausragende<br />
Rolle. Soweit das projektspezifische Know-how nicht von den ausgewählten Mitarbeitern als Wissen<br />
„in ihren Köpfen“ mitgebracht wird, muss es im Rahmen der Projektkonfiguration durch andere<br />
Wissensträger zusätzlich bereitgestellt werden, die hier ebenso zu den Akteuren eines Projektteams<br />
gerechnet werden. 82) In erster Linie bieten sich hierfür Daten-, Informations- und Wissensbanken<br />
an, in denen ein Unternehmen insbesondere das Erfahrungswissen („lessons learned“) aus früher<br />
durchgeführten Projekten explizit dokumentiert und zur Wiederverwendung („knowledge reuse“) in<br />
Folgeprojekten vorhält. Aber auch andere Formen der Speicherung organisationalen Wissens, wie<br />
z.B. konventionelle Handbücher, Organisationsrichtlinien und Projektberichte, kommen als Wissensquellen<br />
für projektspezifisches Know-how in Betracht. Alle vorgenannten Spielarten desjenigen<br />
Wissens, das in einem Unternehmen vorhanden ist, müssen bei der Konfiguration eines Projekt-<br />
80) Es fällt schwer, überhaupt eine praxisrelevante Qualifikation zu identifizieren, die für ein Projekt zur Erfüllung einer wissensintensiven<br />
Engineering-Aufgabe erforderlich sein könnte, aber dennoch kein handlungsbefähigendes Wissen und somit keine<br />
Kompetenz darstellt. Beispielsweise ließe sich an die Qualifikation denken, über einen bestimmten Abschluss zu verfügen,<br />
wenn dieser Abschluss aus „formalen Gründen“ vom Projektauftraggeber für mindestens ein Mitglied des Projektteams vorgeschrieben<br />
wird, aber die Kompetenz, die mit dem Abschluss „verbrieft“ wird, im Projekt nicht benötigt wird. Der Verfasser gibt<br />
gern zu, dass dieses Beispiel „abwegig“ erscheint. Aber es verdeutlicht dadurch die Berechtigung des o.a. Vorgehens, im Folgenden<br />
Qualifikationen mit Kompetenzen gleichzusetzen und von Qualifikationen zu abstrahieren, die mit keiner im Projekt erforderlichen<br />
Kompetenz verknüpft sind. Nur am Rande sei erwähnt, dass das voranstehende Beispiel zwar auf den ersten Blick<br />
„abstrus“ erscheinen mag, aber dennoch nicht an der Realität vollkommen vorbei geht. So ist es bei der Vergabe von Forschungsaufträgen<br />
an universitäre Institute üblich, seitens des Auftraggebers vorauszusetzen, dass mindestens ein Mitglied des<br />
Forschungsteams über die Qualifikation „Universitätsprofessor“ verfügt – und zwar unabhängig von denjenigen Kompetenzen,<br />
für deren Nachweis ein Institutsdirektor diese Qualifikation erworben hat. Daher kommt es im real existierenden Universitätsalltag<br />
zuweilen zu der grotesk anmutenden Situation, dass ein „Universitätsprofessor“ formal zum Team eines Forschungsprojekts<br />
gehört, oftmals sogar als Teamleiter, jedoch über kein handlungsbefähigendes Wissen verfügt, das zur Durchführung des<br />
speziellen Forschungsprojekts erforderlich wäre.<br />
81) Die Bezeichnungen „Wissens-“ und „Kompetenzträger“ werden synonym verwendet. Die Bezeichnung „Wissensträger“ knüpft<br />
daran an, dass Kompetenzen als handlungsbefähigendes Wissen definiert wurden.<br />
82) Es mag auf den ersten Blick befremden, als Akteure eines Projektteams auch Wissensträger zuzulassen, die keine Mitarbeiter<br />
sind. Aber der Akteursbegriff wurde von vornherein so weit definiert, dass er auch maschinelle Akteure umgreift. Auf diese<br />
Weise ist es möglich, bei der Bearbeitung einer Konfigurationsaufgabe den Freiheitsgrad zu nutzen, für eine erforderliche<br />
Kompetenz sowohl auf einen Mitarbeiter als auch auf einen maschinellen Akteur zurückgreifen zu können. Insbesondere für die<br />
Kodifizierungsstrategie, die im Vordergrund des Verbundprojekts KOWIEN stand, erlangt dieser Freiheitsgrad eine große Bedeutung.<br />
Denn seitens der Kodifizierungsstrategie wird besonderes Gewicht auf den Einsatz computerbasierter Wissensmanagementsysteme<br />
gelegt, die u.a. auch handlungsbefähigendes Wissen zur Verfügung stellen können, das für die Erfüllung einer<br />
wissensintensiven Engineering-Aufgabe benötigt wird.
62 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
teams für die Erfüllung einer wissensintensiven Engineering-Aufgabe berücksichtigt werden. Dies<br />
entspricht einem „ganzheitlichen“ Ansatz für betriebliches Wissensmanagement.<br />
Die Konfigurationsaufgabe lässt sich speziell im Hinblick auf Projektgeschäft und Projektorganisation,<br />
die sich im Engineering-Bereich großenteils durchgesetzt haben (s.o.), weiter konkretisieren:<br />
Im Fall einer externen Projektanfrage – oder alternativ: im Fall der internen Vorbereitung und<br />
Durchführung eines Projekts – bereitet es oftmals große Schwierigkeiten, diejenigen Kompetenzen<br />
und Kompetenzträger zu identifizieren, über die ein Unternehmen einerseits tatsächlich verfügt (Ist-<br />
Kompetenzen bzw. Ist-Kompetenzträger) und die andererseits für die Erfüllung einer wissensintensiven<br />
Engineering-Aufgabe benötigt werden (Soll-Kompetenzen bzw. Soll-Kompetenzträger). Daher<br />
besteht in der betrieblichen Praxis ein erheblicher Bedarf für computerbasierte Arbeitstechniken,<br />
mit denen sich die Kompetenzprofile 83) der Kompetenzträger eines Unternehmens systematisch<br />
erheben und darstellen (generieren), zeitnah aktualisieren sowie mit den jeweils benötigten Kompetenzen<br />
vergleichen lassen. 84) Außerdem sollen es die Arbeitstechniken gestatten, das explizit dokumentierte<br />
Mitarbeiter- und Organisationswissen so zu strukturieren und zu repräsentieren, dass es<br />
kompetenzorientiert erschlossen sowie projektbezogen abgerufen werden kann.<br />
Auf den ersten Blick könnte es nahe liegen, alles Wissen über die Kompetenzen, über die ein Unternehmen<br />
verfügt, als Kompetenzprofile in einer Datenbank abzulegen. Für den zuvor angesprochenen<br />
Kompetenzenvergleich bräuchten dann „nur“ noch Anfragen an die Datenbank formuliert<br />
zu werden (z.B. als SQL-Statements), ob die jeweils benötigten Kompetenzen auch tatsächlich vorhanden<br />
sind. Ein solcher „naiver“, datenbankbasierter Ansatz ist jedoch in der betrieblichen Praxis<br />
schon vielfach gescheitert. Dies beruht im Wesentlichen auf zwei Gründen.<br />
Erstens werden die realen Bedingungen betrieblichen Wissensmanagements verkannt, wenn angenommen<br />
wird, alles Wissen über verfügbare Kompetenzen in Datenbanken explizit vorhalten zu<br />
können. 85) Stattdessen liegt ein Großteil des Wissens über die Kompetenzen eines Unternehmens<br />
nur in impliziter Form vor – sei es in den „Köpfen“ seiner Mitarbeiter („personales“ Wissen) oder<br />
sei es in anderen, „objektivierten“ Wissensquellen („organisationales“ Wissen), wie z.B. in Organisationshandbüchern,<br />
in Informationsverarbeitungsprogrammen oder auch in den „ungeschriebenen“<br />
Regeln der Unternehmenskultur.<br />
Zweitens beruht das naive Verständnis eines Kompetenzenvergleichs auf der Präsupposition, dass<br />
die Spezifizierungen einerseits der aus Unternehmenssicht vorhandenen und andererseits der aus<br />
Kundensicht benötigten Kompetenzen mittels derselben Begrifflichkeiten erfolgen. Diese Präsupposition<br />
ist in der Alltagspraxis jedoch oftmals verletzt. Denn Auftraggeber spezifizieren ihre Anfragen<br />
oder Ausschreibungen oftmals mittels anderer sprachlicher Konstrukte, als sie in einem Un-<br />
83) Unter dem Kompetenzprofil eines Kompetenzträgers wird die Gesamtheit aller Kompetenzen mit ihren jeweils zugehörigen<br />
Kompetenzausprägungen verstanden, die dem betroffenen Kompetenzträger entweder tatsächlich zukommen (Ist-Kompetenzprofil)<br />
oder zukommen sollen (Soll-Kompetenzprofil). Auch Kompetenzen, über die ein Kompetenzträger nicht verfügt, können<br />
in einem Kompetenzprofil der Vollständigkeit halber aufgeführt werden. Ihnen ist eine Kompetenzausprägung im Sinne einer<br />
„Fehlanzeige“ zuzuordnen. Vgl. zum betrieblichen Einsatz von Kompetenzprofilen BÖHM (2001) S. 119 ff. („Mitarbeiterprofile“);<br />
MUHR (2001) S. 1 ff.; TRICHET/LECLÈRE (2002) S. 4 ff.; ZUG/KLUMPP/KROL (2003) S. 4.<br />
84) Vgl. dazu den konzeptionell sehr ähnlichen, lediglich auf den Bereich Virtueller Unternehmen fokussierten Beitrag von BRE-<br />
MER ET AL. (1999) S. 213 ff.<br />
85) Streng genommen braucht in einer Datenbank nicht das gesamte Wissen über Kompetenzen in expliziter Form gespeichert zu<br />
werden. Stattdessen erlauben es „deduktive“ Datenbankkonzepte, auch nur implizit enthaltenes Wissen aus einer Datenbank zu<br />
extrahieren. Solche deduktiven Konzepte spielen jedoch im Bereich betrieblicher Datenbanksysteme nur eine allenfalls periphere<br />
Rolle, so dass sie hier nicht näher berücksichtigt werden.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 63<br />
ternehmen als potenziellem Auftragnehmer verwendet werden. Auf mögliche Ursachen für solche<br />
Sprachdivergenzen wurde bereits an früherer Stelle aus der Perspektive von z.B. abteilungs-, unternehmens-<br />
und branchenspezifischen Sprachkulturen eingegangen. Die Sprachdivergenzen können<br />
zu erheblichen Diskrepanzen bei der sprachlichen Artikulierung von vorhandenen oder benötigten<br />
Kompetenzen führen. Um solche Diskrepanzen zu überwinden, sind die bereits angesprochenen<br />
„bedeutungserhaltenden“ Übersetzungen erforderlich, die zwischen inhaltlich gleichen, aber unterschiedlich<br />
verbalisierten Kompetenzfacetten vermitteln.<br />
Die Arbeitstechniken für das Management von Kompetenzprofilen sollen grundsätzlich in der Lage<br />
sein, beliebige Träger expliziten Wissens inhaltlich zu erschließen. Dies betrifft einerseits konventionelle<br />
schriftliche, d.h. „ausgedruckte“ Dokumente, wie z.B. unternehmensinterne „gelbe Seiten“<br />
(„yellow pages“) mit Angaben über Mitarbeiterkompetenzen, Projektberichte mit „lessons learned“<br />
sowie Organisationshandbücher. Andererseits sind „elektronische“ Dokumente ebenso betroffen, zu<br />
denen insbesondere Internet- und Intranet-Dokumente sowie E-Mails gehören. Hinzu kommen des<br />
Weiteren stärker strukturierte Daten-, Informations- und Wissensbanken, die hier wegen der komplizierten<br />
und unfruchtbaren begrifflichen Abgrenzungsprobleme nicht näher unterschieden werden.<br />
Der Einfachheit halber werden im Verbundprojekt KOWIEN alle vorgenannten Träger expliziten<br />
Wissens unter den Oberbegriff der „Dokumente“ (im weitesten Sinn) subsumiert.<br />
Zusätzlich wird von der heuristischen Hypothese („Dokumenten-These“) ausgegangen, dass der<br />
größte und wirtschaftlich bedeutsamste Teil des Wissens über die Kompetenzen von Akteuren in<br />
Engineering-Netzwerken – sofern es für das Management von Engineering-Projekten Relevanz besitzt<br />
– entweder in Dokumenten unmittelbar explizit repräsentiert wird oder aber in ihnen implizit<br />
enthalten ist und daher mittels Inferenzregeln erschlossen werden kann. 86) Diese Annahme im „Entdeckungszusammenhang“<br />
ist natürlich offen gegenüber empirischer Widerlegung. Aber im Verlauf<br />
des Verbundprojekts KOWIEN ergab sich keine empirische Evidenz dafür, dass die Dokumenten-<br />
These in der betrieblichen Praxis nicht zumindest tendenziell erfüllt ist. Diese Projekterfahrung<br />
rechtfertigt nachträglich die Grundsatzentscheidung, sich im Rahmen des Verbundprojekts KO-<br />
WIEN auf die Kodifizierungsstrategie des Wissensmanagements zu fokussieren, d.h. primär computerbasierte<br />
Arbeitstechniken – und zugehörige Software-Werkzeuge – zur Unterstützung des betrieblichen<br />
Wissensmanagements zu untersuchen.<br />
Der Aufgabenbereich des Managements von Kompetenzprofilen erstreckt sich im eng gefassten<br />
Sinn auf die oben angeführten Aufgaben des Generierens, Aktualisierens und Vergleichens von<br />
Kompetenzprofilen. Wird dieser Aufgabenbereich noch um das kompetenzorientierte Strukturieren<br />
und Repräsentieren von explizitem Wissen über Kompetenzen und ihre Kompetenzträger sowie um<br />
das inferenzielle Erschließen entsprechenden impliziten Wissens erweitert, so entspricht dieses Ma-<br />
86) Vgl. zu dieser „Dokumenten-These“ GINSBURG (1999) S. 271 ff. (eine sehr ausführliche Darstellung der Relevanz des Dokumenten-Managements<br />
für Unternehmen im Kontext des World Wide Webs); HUBER (1998) S. 11-2 f.; JURISICA/MYLOPOULOS/<br />
YU (1999) S. 1 f.; KO/NECHES/YAO (2000) S. 1 f.; LENZ (1998) S. 15-1 ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1071 („work<br />
practices ... in organizations tend to be document-centred“); NAKATA ET AL. (1998) S. 20-1 f. (S. 20-1: „Knowledge is coded in<br />
documents. ... Documents are the primary means of asynchronous information exchange.“ und S. 20-2: „Collections of documents<br />
form emergent body of knowledge.” [kursive Hervorhebung im Original hier unterlassen]); SKUCE (1997) S. 1 f.; STAAB<br />
(2002a) S. 194; STANOEVSKA-SLABEVA ET AL. (1998) S. 23-1; TSCHAITSCHIAN/ABECKER/SCHMALHOFER (1997) S. 269 f. u. 277<br />
f.; ZARRI/AZZAM (1997) S. 302. Vgl. auch am Rande – da „nur“ auf den Bereich wissenschaftlichen Wissens bezogen – HARS<br />
(2001) S. 63 („most online infrastructures organize scientific knowledge around articles“) u. 64 f.
64 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
nagement von Kompetenzprofilen im weit gefassten Sinn 87) inhaltlich dem Management von Wissen<br />
über Kompetenzen, das im Vorwort kurz als „Kompetenzmanagement“ eingeführt worden war.<br />
Kompetenzmanagement erstreckt sich also stets auf drei zentrale Erkenntnis- und Gestaltungsobjekte:<br />
Kompetenzen, Kompetenzträger und Kompetenzprofile. Sie werden im Folgenden stets gemeinsam<br />
adressiert, auch wenn sie – der Einfachheit halber – nicht immer alle drei explizit angesprochen<br />
werden.<br />
Eine weitere Fokussierung des Anwendungskontextes erfolgte im Verbundprojekt KOWIEN dadurch,<br />
dass die Erfüllung von Engineering-Aufgaben in Netzwerken vollzogen wird. Solange es sich<br />
um innerbetriebliche Netzwerke handelt, liegt keine wesentliche Veränderung der Konfigurationsaufgabe<br />
vor. Es gilt lediglich zu beachten, dass die Akteure, die zu einem Projektteam zusammenzustellen<br />
sind, aus unterschiedlichen Organisationseinheiten – z.B. Abteilungen – desselben Unternehmens<br />
stammen können. Dies ist aber im Rahmen der Projektorganisation ohnehin üblich.<br />
Die Komplexität der Konfigurationsaufgabe nimmt jedoch merklich zu, wenn sich mehrere Unternehmen<br />
zu einem überbetrieblichen 88) Engineering-Netzwerk – z.B. einem Projektkonsortium, einem<br />
Virtuellen Unternehmen oder einer strategischen Allianz – zusammenschließen. Anlass eines<br />
solchen Zusammenschlusses ist in der Regel die Erfüllung einer Engineering-Aufgabe, die das Leistungsvermögen<br />
eines einzelnen Unternehmens übersteigen würde. 89) Ein solcher Unternehmensverbund<br />
existiert im Allgemeinen nur temporär, weil er aufgelöst wird, sobald die gemeinsam übernommene<br />
Engineering-Aufgabe entweder erfüllt oder die intendierte Aufgabenerfüllung gescheitert<br />
ist. 90)<br />
87) Auf den präzisierenden Zusatz „im weit gefassten Sinn“ wird im Folgenden verzichtet, wenn sich aus dem jeweils aktuellen<br />
Argumentationskontext ergibt, dass nicht nur das ausschließliche Management (im eng gefassten Sinn) von Kompetenzprofilen<br />
gemeint ist, sondern als Erkenntnis- und Gestaltungsobjekte ebenso Kompetenzen und Kompetenzträger in Betracht kommen.<br />
88) Die Bezeichnungen „Betrieb“ und „Unternehmen“ werden in diesem Werk synonym verwendet, so dass das Attribut „betrieblich“<br />
und seine Komposita unmittelbar auf Unternehmen verweisen.<br />
89) Das Leistungsvermögen eines einzelnen Unternehmens kann in verschiedener Hinsicht überstiegen werden, z.B. in finanzieller<br />
oder in kapazitativer Hinsicht. Aus der Perspektive des Wissensmanagements interessiert vor allem der Fall, dass ein einzelnes<br />
Unternehmen nicht über alle Kompetenzen verfügt, die zur Erfüllung einer Engineering-Aufgabe erforderlich sind. Das Netzwerk<br />
dient dann dem Zweck, dass mehrere Unternehmen insgesamt die erforderlichen Kompetenzen besitzen und zur Aufgabenerfüllung<br />
in der Lage sind. Dieser Fall der kompetenzbedingten Netzwerke aus mehreren Unternehmen entspricht der Auffassung,<br />
die Wissensintensität von Engineering-Aufgaben u.a. dadurch zu beurteilen, ob das zur Aufgabenerfüllung benötigte<br />
Wissen die Kompetenzen einzelner Akteure übersteigt. Die Entsprechung wird offensichtlich, wenn Unternehmen als kollektive<br />
Akteure des Wissensmanagements aufgefasst werden.<br />
90) Dieses Merkmal der aufgabenbezogenen Existenz trifft vor allem auf Projektkonsortien und Virtuelle Unternehmen der ersten<br />
Generation zu. Andere Formen von Engineering-Netzwerken, wie Virtuelle Unternehmen der zweiten Generation, sind hingegen<br />
von langfristiger Natur, so dass ihre Existenz nicht an die Erfüllung einer einzelnen Aufgabe geknüpft ist. Auf den Unterschied<br />
zwischen Virtuellen Unternehmen der ersten und der zweiten Generation wird weiter unten näher eingegangen. Zwischen<br />
diesen beiden Polen einer rein aufgabenbezogenen und einer aufgabenübergreifenden Netzwerkexistenz existieren auch<br />
Zwischenformen, die sich nicht klar einordnen lassen. Dazu gehören beispielsweise strategische Allianzen. Je nachdem, wie der<br />
Zweck einer solchen Allianz definiert ist, lässt sie sich entweder als ein aufgabenbezogenes oder als ein aufgabenübergreifendes<br />
Netzwerk auffassen. Wenn z.B. eine strategische Allianz eingegangen wird, um gemeinschaftlich die Engineering-Aufgabe<br />
zu erfüllen, den Wasserstoffantrieb für Personenkraftwagen bis zur Marktreife zu entwickeln (einschließlich der erforderlichen<br />
Wasserstoff-Infrastruktur), so liegt ein klar aufgabenbezogenes, aber dennoch sehr langfristig angelegtes Engineering-Netzwerk<br />
vor. Dagegen würde eine strategische Allianz ein aufgabenübergreifendes Engineering-Netzwerk darstellen, wenn sie zu dem<br />
Zweck geschlossen wird, durch gegenseitigen Wissenstransfer, wie etwa Patent- und Lizenzentausch, im Bereich der vorwettbewerblichen<br />
Entwicklung neuer Halbleitertechnologien zu kooperieren.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 65<br />
Überbetriebliche Netzwerke besitzen insbesondere im Engineering-Bereich große praktische Bedeutung,<br />
weil komplexe Engineering-Aufgaben schon seit langem – und mit weiterhin wachsender<br />
Tendenz – von temporär verbundenen Unternehmen gemeinschaftlich erfüllt werden. Die besondere<br />
Komplexität der Konfigurationsaufgabe resultiert für solche überbetriebliche Netzwerke im Wesentlichen<br />
aus drei Ursachen.<br />
Erstens unterliegt der Austausch von potenziell wettbewerbsrelevantem Wissen zwischen Unternehmen<br />
zahlreichen Vorbehalten. Auf diesen Aspekt wird im Verbundprojekt KOWIEN nicht näher<br />
eingegangen, weil er insbesondere die Motivation zur Wissensoffenlegung und -teilung betrifft. Wie<br />
bereits oben erläutert wurde, gehören solche Motivationsaspekte des Wissensmanagements zur so<br />
genannten Personalisierungsstrategie. Sie entspricht nicht der hier fokussierten Kodifizierungsstrategie<br />
des Wissensmanagements, also der Schwerpunktsetzung zugunsten computerbasierter Arbeitstechniken.<br />
Trotz dieser Ausgrenzung motivationaler Aspekte aus dem Fokus des KOWIEN-<br />
Projekts wird keineswegs bestritten, dass ihnen in der betrieblichen Praxis eine hohe Bedeutung zukommt.<br />
Daher werden jene Aspekte, in deren Zentrum das Humankapital des Wissensmanagements<br />
steht, in einem anderen Verbundprojekt unter Beteiligung des Universitätspartners, dem schon zuvor<br />
erwähnten Projekt MOTIWIDI, ausführlicher behandelt.<br />
Zweitens muss Wissen über die Kompetenzen der Akteure fremder Unternehmen in die Erfüllung<br />
der Konfigurationsaufgabe einbezogen werden, obwohl jenes „Fremdwissen“ in der Regel weitaus<br />
lückenhafter oder weniger zuverlässig zur Verfügung steht als das Wissen über die Kompetenzen<br />
der eigenen Akteure. Erschwerend kommt noch hinzu, dass die Kooperationspartner bei Virtuellen<br />
Unternehmen – vor allem der so genannten „ersten Generation“ 91) – durch die immanente Instabilität<br />
lediglich temporärer Kooperationen im Zeitablauf häufig variieren (können). Daher droht das<br />
Wissen über die Kompetenzen der Netzwerkpartner schnell zu veralten und muss entsprechend häufig<br />
aktualisiert werden.<br />
91) Virtuelle Unternehmen der „ersten Generation“ beruhten auf der Vorstellung, ein Netzwerk aus mehreren Unternehmen lediglich<br />
für die gemeinsame Erfüllung einer komplexen, zeitlich begrenzten Aufgabe – also für die Durchführung eines aufgabenspezifischen<br />
Projekts – zu bilden. Nach erfolgreicher Aufgabenerfüllung (oder dem nicht intendierten Projektscheitern) wird<br />
das Netzwerk aufgelöst und seine Unternehmen sind frei, in Zukunft völlig neue Kooperationen einzugehen (oder auch darauf<br />
zu verzichten). Diese „reine Lehre“ ultra-flexibler Netzwerkorganisationen hat sich nach einer ersten Welle des Enthusiasmus<br />
als ein Konzept erwiesen, das in der betrieblichen Realität oftmals nicht zu den erhofften Erfolgen geführt hat. Insbesondere<br />
wurde von den Anhängern Virtueller Unternehmen in der ersten, enthusiastischen Phase übersehen, dass ihr Konzept einen fundamentalen<br />
Konflikt in sich birgt: Einerseits müssen die Partner eines Virtuellen Unternehmens zwecks kooperativer Erfüllung<br />
einer gemeinsamen Aufgabe ihr Wissen offen legen und miteinander teilen – zumindest in dem Ausmaß, wie handlungsbefähigendes<br />
Wissen zur Aufgabenerfüllung erforderlich ist. Andererseits muss jeder Partner damit rechnen, dass seine Netzwerkpartner<br />
während der gemeinsamen Aufgabenerfüllung von ihm lernen und nach Beendigung der Zusammenarbeit im Virtuellen<br />
Unternehmen dieses erlernte Wissen zu ihrem eigenen Nutzen verwenden. Dadurch kann es rasch zur Entwertung wettbewerbsrelevanten<br />
Unternehmenswissens kommen. Denn dieses Wissen bleibt nicht im Unternehmen seines ursprünglichen Wissensträgers<br />
eingeschlossen, sondern wird durch den kooperationsbedingten Wissensaustausch im Virtuellen Unternehmen an andere<br />
Unternehmen transferiert, die nach Beendigung der Zusammenarbeit sogar als Konkurrenten des erstgenannten Unternehmens,<br />
dem ursprünglichen Wissensträger, auftreten können. In der Wirtschaftspraxis sind zahlreiche Beispiele für diesen Know-how-<br />
Abzug durch Kooperationen bekannt, wie etwa die sehr erfolgreiche Strategie von NEC, dringend benötigte Kompetenzen in<br />
den siebziger und achtziger Jahren von seinen Kooperationspartnern zu erlernen – und nach erfolgreichem Erwerb jener Kompetenzen<br />
die Partnerschaften wieder aufzulösen. Vgl. PRAHALAD/HAMEL (1990) S. 80.<br />
Da diese Gefahr des Know-how-Abzugs den Partnerunternehmen eines Virtuellen Unternehmens in der Regel nicht unbekannt<br />
ist, tendieren sie dazu, ihr wettbewerbsrelevantes Wissen nicht offen zu legen und somit auch nicht mit den Netzwerkpartnern<br />
zu teilen. Dadurch wird die oben skizzierte Intention von Virtuellen Unternehmen nachhaltig untergraben. Folglich überrascht<br />
es nicht, dass sich Virtuelle Unternehmen in ihrer ursprünglichen Konzeption – der „ersten Generation“ – in der betrieblichen<br />
Praxis nicht durchzusetzen vermochten.
66 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Drittens herrschen in unterschiedlichen Unternehmen oftmals verschiedenartige Sprachkulturen<br />
oder Sprachwelten vor. Die Artikulierungsdefekte, die daraus resultieren können, wurden bereits im<br />
Kapitel 1.1.2 (S. 45 ff.) erörtert. Insbesondere bei Fusionen macht sich das Phänomen verschiedenartiger<br />
Sprachkulturen zuweilen mit großem Störpotenzial bemerkbar. Es kann erhebliche Kraft verlangen,<br />
verschiedenartige Sprachkulturen zu vereinheitlichen, wenn sich in ihnen eine langjährig<br />
gewachsene, „pfadabhängige“ Unternehmenskultur manifestiert. Es drohen erhebliche Akzeptanzwiderstände,<br />
falls die Mitarbeiter eines betroffenen Unternehmens den Eindruck erlangen, mit dem<br />
Vehikel eines „Sprachimperialismus“ solle ihnen die Denk- und Handlungskultur eines fremden<br />
Unternehmens aufgezwungen werden.<br />
Zwar könnte der Einwand erhoben werden, bei Virtuellen Unternehmen handele es sich um keine<br />
Fusionen von Unternehmen, so dass die voranstehenden Erwägungen für Virtuelle Unternehmen<br />
keine Relevanz besäßen. Jedoch liegen die Verhältnisse eher umgekehrt. Denn das Problem verschiedenartiger<br />
Sprachkulturen kann sich in Virtuellen Unternehmen noch stärker als bei Unternehmensfusionen<br />
auswirken. Auch in einem Virtuellen Unternehmen ist es erforderlich, die Unterschiede<br />
zwischen den Sprachwelten der kooperierenden Unternehmen zu beseitigen, um artikulationsbedingte<br />
Verständnisbarrieren zu überwinden. Diese Vereinheitlichung der Sprachwelten bereitet<br />
in der Regel erheblichen organisatorischen und motivatorischen Aufwand. Dieser Aufwand mag<br />
anlässlich einer Unternehmensfusion noch als gerechtfertigt erscheinen, weil der Zusammenschluss<br />
der beteiligten Unternehmen von vornherein auf Dauer angelegt ist und daher das fusionierte Unternehmen<br />
vom hohen Vereinheitlichungsaufwand langfristig zu profitieren vermag. Dagegen verspüren<br />
die einzelnen Unternehmen eines Virtuellen Unternehmens häufig keine Veranlassung, ihre<br />
Sprachkulturen zu vereinheitlichen, weil ihrer Ansicht nach der lediglich temporäre Charakter des<br />
Unternehmensverbunds derart tief greifende Veränderungen nicht rechtfertigt. Dies gilt zumindest<br />
im Hinblick auf Virtuelle Unternehmen der ersten Generation, die bereits zuvor aus der Perspektive<br />
des Wissens über Kompetenzen eine hervorgehobene Rolle spielten.<br />
Die zuvor skizzierten Schwierigkeiten, die in Virtuellen Unternehmen der ersten Generation drohen,<br />
lassen sich in Virtuellen Unternehmen der zweiten Generation verringern. Virtuelle Unternehmen<br />
der zweiten Generation zeichnen sich durch einen zweischichtigen Aufbau aus: Auf der unteren<br />
Ebene bilden die Partnerunternehmen einen Verbund, der auf langfristige Stabilität angelegt ist,<br />
ohne die rechtliche Selbstständigkeit der Partnerunternehmen anzutasten. Auf der oberen Ebene<br />
schließen sich einige der Partnerunternehmen zu einem projektspezifischen Netzwerk zusammen,<br />
um eine komplexe Aufgabe gemeinsam zu erfüllen. Nach Projektende wird zwar das projektspezifische<br />
Netzwerk aufgelöst, aber die beteiligten Unternehmen trennen sich nicht vollständig, sondern<br />
kehren in den Pool von Partnerunternehmen zurück, die sich auf der unteren Ebene zu einem langfristigen<br />
Unternehmensverbund zusammengefunden haben. Auf der oberen Ebene wird die Flexibilität<br />
von Virtuellen Unternehmen der ersten Generation realisiert. Es ist möglich, dass auf dieser<br />
Ebene die projektspezifischen Netzwerke variieren, weil von Projekt zu Projekt immer wieder andere<br />
Mitglieder des Pools aus Partnerunternehmen zwecks gemeinsamer Aufgabenerfüllung kooperieren<br />
können. Die untere Ebene dient hingegen dazu, zwischen den beteiligten Unternehmen das Vertrauen<br />
zu stiften, dass sie langfristig Partnerunternehmen bleiben – und nicht nur kurzfristig die<br />
Kompetenzen ihrer Partner erlernen, um danach ein Virtuelles Unternehmen zu verlassen und als<br />
Wettbewerber aufzutreten. Aufgrund dieser langfristig angelegten, vertrauensstiftenden unteren<br />
Ebene werden die oben skizzierten Motivations-, Wissens- und Sprachweltenprobleme in Virtuellen<br />
Unternehmen der zweiten Generation tendenziell entschärft. Denn die Motivation zur Wissensoffenlegung<br />
und -teilung steigt mit dem Vertrauen in die Netzwerkpartner und die Stabilität der Kooperationsbeziehungen.<br />
Wissen über die Kompetenzen der Netzwerkpartner droht nicht mit jedem
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 67<br />
Projektwechsel zu veralten, weil dieses Wissen nicht auf der oberen Ebene der projektspezifischen<br />
Netzwerke, sondern auf der unteren, langfristig stabilen Ebene des Pools aus Partnerunternehmen<br />
angesiedelt ist. Der erhebliche Aufwand zur Vereinheitlichung von unternehmensspezifischen<br />
Sprachwelten lässt sich analog zu Fusionen rechtfertigen, wenn die Partnerunternehmen auf der unteren<br />
Ebene einen hinreichend stabilen Unternehmensverbund bilden.<br />
Für den Anwendungskontext des Verbundprojekts KOWIEN spielt es keine Rolle, ob überbetriebliche<br />
Netzwerke als Virtuelle Unternehmen entweder der ersten oder aber der zweiten Generation<br />
vorliegen. 92) Denn die Konfigurationsaufgabe, Projektteams für die arbeitsteilige Erfüllung einer<br />
Engineering-Aufgabe zusammenzustellen, ist für beide Typen Virtueller Unternehmen in derselben<br />
Weise zu bewältigen. Virtuelle Unternehmen der zweiten Generation stellen nur insofern einen interessanteren<br />
Anwendungskontext für das Verbundprojekt KOWIEN dar, als es sich für sie tendenziell<br />
wirtschaftlich leichter rechtfertigen lässt, Wissen über die Kompetenzen der Netzwerkpartner<br />
systematisch zu managen und die Sprachwelten der Partnerunternehmen zu vereinheitlichen.<br />
Bislang wurde für das Verbundprojekt KOWIEN die Konfigurationsaufgabe als ein „paradigmatischer“<br />
Anwendungskontext für die Erkenntnisse und Instrumente der Projektarbeiten herausgearbeitet.<br />
Dabei wurde die Wissensintensität der arbeitsteilig zu erfüllenden Engineering-Aufgaben<br />
stets vorausgesetzt, aber nicht näher erläutert. Daher wird im Folgenden auf den Aspekt der Wissensintensität<br />
zurückgekommen. Er stellt eine weitere wesentliche Einschränkung der Anwendungskontexte<br />
für das Verbundprojekt KOWIEN dar, weil sich die Entwicklung und der Einsatz<br />
aufwendiger computerbasierter Wissensmanagementsysteme kaum rechtfertigen ließe, wenn die zu<br />
erfüllenden Engineering-Aufgaben nicht durch eine hohe Wissensintensität gekennzeichnet wären.<br />
Allerdings bereitet es erhebliche Schwierigkeiten, den Begriff der Wissensintensität operational zu<br />
definieren. Eine zufrieden stellende Lösung dieses Operationalisierungsproblems konnte bis heute –<br />
trotz umfangreicher Bemühungen im Bereich des Wissensmanagements – noch nicht gefunden<br />
werden. Daher darf von den nachfolgenden Ausführungen nicht erwartet werden, das Operationalisierungsproblem<br />
auch nur ansatzweise zu lösen. Vielmehr kann es sich nur um einige grobe Tendenzaussagen<br />
handeln, die einen Weg aufzeigen, auf dem sich in Zukunft vielleicht eine operationale<br />
Messung der Wissensintensität erreichen lässt.<br />
Aus betriebswirtschaftlicher Perspektive liegt es nahe, die Wissensintensität einer (Engineering-)<br />
Aufgabe durch mindestens zwei Kennzahlen zu erfassen. Die erste Kennzahl ist inputorientiert: Sie<br />
erfasst das Ausmaß 93) desjenigen Wissens, das zur Aufgabenerfüllung benötigt wird und daher zur<br />
Verfügung stehen muss. Die zweite Kennzahl ist outputorientiert: Sie misst das Ausmaß desjenigen<br />
Wissens, das aus der Aufgabenerfüllung als neu generiertes Wissen hervorgeht. Diese beiden Kennzahlen<br />
lassen sich weiter ausdifferenzieren. Beispielsweise kann der Input-/Output-Ansatz für die<br />
Kennzahlendefinition auf alle Geschäftsprozesse übertragen werden, die zur Aufgabenerfüllung beitragen.<br />
Dann werden geschäftsprozessspezifische Kennzahlen gebildet, die das Wissen messen, das<br />
92) Das gilt auch für weitere Netzwerkvarianten, die hier – der Übersichtlichkeit halber – neben Virtuellen Unternehmen nicht ausdrücklich<br />
erörtert wurden, aber für die arbeitsteilige Erfüllung komplexer Engineering-Aufgaben ebenso in Betracht kommen.<br />
93) Streng genommen stellt das „Ausmaß“ von Wissen zunächst nur eine Betrags-, aber keine Intensitätsgröße dar. Aber aus dem<br />
Ausmaß von Wissen lässt sich ohne große Schwierigkeiten auf die Wissensintensität schließen, wenn ein Schwellenwert ergänzt<br />
wird: Eine Aufgabe oder ein Prozess gelten als wissensintensiv, wenn das Ausmaß des benötigten oder generierten Wissens<br />
den vorgegebenen Schwellenwert überschreitet. Ein nachgelagertes Problem besteht allerdings darin, den Schwellenwert<br />
konkret zu ermitteln und seine Größe inhaltlich zu rechtfertigen.
68 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
entweder als Input für die Prozessausführung erforderlich ist oder als Output aus der Prozessausführung<br />
hervorgeht. 94)<br />
Sowohl die aufgaben- als auch die prozessorientierten Kennzahlen setzen jedoch voraus, dass sich<br />
der Wissensinput und der Wissensoutput konkret – d.h. hier: numerisch auf einer Kardinalskala, also<br />
„quantitativ“, 95) – messen lassen. Diese Messbarkeitsprämisse lässt sich auf dem heutigen Kenntnisstands<br />
des Wissensmanagements jedoch (noch) nicht erfüllen. Denn für das Problem, eingesetztes<br />
oder generiertes Wissen quantitativ zu messen, existiert zurzeit keine zufrieden stellende Lösung.<br />
Die meisten Ansätze der „Wissensmessung“ 96) kapitulieren von vornherein vor dem Anspruch<br />
einer quantitativen Messung. Stattdessen beschränken sie sich darauf, Wissen qualitativ zu erfassen,<br />
wie es z.B. in Wissensbilanzen und ähnlichen Instrumenten des populären Wissensmanagements<br />
der Fall ist.<br />
Nur einige wenige Ansätze existieren, die eine Quantifizierung von Wissen grundsätzlich gestatten.<br />
97) Sie erweisen sich aber als derart unausgereift und leiden unter so gravierenden Anwendungsproblemen,<br />
dass sie sich noch nicht in der betrieblichen Praxis für die Ermittlung von konkreten<br />
Kennzahlen der Wissensintensität nutzen lassen.<br />
Aus den vorgenannten Gründen scheidet eine quantitative Messung der Wissensintensität von Engineering-Aufgaben<br />
– oder von Geschäftsprozessen, die zur Aufgabenerfüllung dienen, – zurzeit<br />
aus. Stattdessen lassen sich nur qualitative Indikatoren dafür nennen, dass sich eine Aufgabe umso<br />
eher als wissensintensiv klassifizieren lässt, je stärker diese Indikatoren ausgeprägt sind. Als Indikatoren<br />
für die Wissensintensität einer Aufgabe kommen beispielsweise in Betracht: 98)<br />
94) Dieser Ansatz wurde im Verbundprojekt KOWIEN realisiert, um diejenigen Geschäftsprozesse zu priorisieren, die als erste in<br />
dem Software-Prototyp für ein ontologiebasiertes Kompetenzmanagementsystem Berücksichtigung finden sollten. Allerdings<br />
wurde wegen der Operationalisierungsprobleme, die in Kürze näher angesprochen werden, auf die Ermittlung konkreter Kennzahlen<br />
für die Wissensintensität von Input und Output der Geschäftsprozesse verzichtet. Stattdessen wurde durch Befragung der<br />
Praxispartner des Verbundprojekts lediglich die relative Wissensintensität der Prozessinputs und -outputs auf einer ordinalen<br />
Skala erhoben, um auf dieser Grundlage die Geschäftsprozesse mit den relativ höchsten Wissensintensitäten zu bevorzugen.<br />
95) Die Operationalisierung einer Größe wird hier mit ihrer quantitativen Messung auf einer Kardinalskala gleichgesetzt. Es lassen<br />
sich durchaus auch andere Operationalisierungsvorstellungen vertreten. Aber die hier zugrunde gelegte Operationalisierungsauffassung<br />
ist in der Fachliteratur weit verbreitet und trifft auch das intuitive Vorverständnis der meisten betrieblichen Praktiker.<br />
96) Vgl. zu rudimentären Ansätzen der Messung von Wissen BÜRGEL/LUZ (2000) S. 20 ff.; MERTINS/ALWERT (2003) S. 578 ff.;<br />
YATES-MERCER/BAWDEN (2002) S. 24 ff.<br />
97) Dazu gehört vor allem der Quantifizierungsansatz des „humatics“-Projekts; vgl. KREFT (2002) S. 1 ff.; KREFT (2003) S. 18 ff.<br />
(Wissensfunktionen) u. 36 ff. („humatische Fundamentalgleichungen). Über die „wissenschaftliche Dignität“ des Forschungsansatzes<br />
des „humatics“-Projekts, das auf informationstheoretischen und physikalischen Analogien beruht, kann trefflich gestritten<br />
werden. Eine solche Bewertung steht jedoch außerhalb des Erkenntnisinteresses des hier vorgelegten Werks. Eine intensive<br />
Diskussion über die wissenschaftlichen Grundlagen des „humatics“-Projekts wäre auf jeden Fall von großem betriebswirtschaftlichen<br />
Interesse, da sein Quantifizierungsansatz zu den überaus seltenen Beiträgen der Wissensmanagement-Literatur gehört,<br />
in der die Problematik der Wissensmessung mit einem eigenen Lösungsvorschlag „offensiv“ angegangen wird. Daher ist<br />
dem „humatics“-Projekt grundsätzlich eine größere betriebswirtschaftliche Resonanz zu wünschen, als es bisher erfahren hat.<br />
98) Die nachfolgenden Indikatoren lassen sich sowohl einzeln als auch in Kombinationen nutzen, um die Wissensintensität einer<br />
Aufgabe zu beurteilen. Da es für das Verbundprojekt KOWIEN in keiner Phase der Projektdurchführung erforderlich war, die<br />
Wissensintensität von Aufgaben konkret zu ermitteln, kann auf eine Diskussion der Details an dieser Stelle verzichtet werden.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 69<br />
• die Anzahl verschiedenartiger Kompetenzen, die als handlungsbefähigendes Wissen zur Aufgabenerfüllung<br />
benötigt werden, 99)<br />
• die Kompetenzausprägungen, die von den einzusetzenden Wissensträgern für die verschiedenartigen<br />
Kompetenzen erwartet werden, 100)<br />
• die Qualifikationsniveaus, insbesondere die Aus- und Weiterbildungsabschlüsse derjenigen<br />
Mitarbeiter, die bei der Erfüllung gleichartiger Aufgaben in der Vergangenheit oder bei Vergleichsunternehmen<br />
überwiegend eingesetzt wurden, 101)<br />
• die Anzahl verschiedenartiger Unternehmen, die bei der Erfüllung einer Aufgabe zusammenarbeiten<br />
müssen, weil die Komplexität der Aufgabe das Leistungsvermögen eines einzelnen Unternehmens<br />
hinsichtlich der benötigten Kompetenzen übersteigen würde, 102)<br />
99) Bei allen Indikatoren müssten sowohl die Inputseite des (handlungsbefähigenden) Wissens, das zur Aufgabenerfüllung benötigt<br />
wird, als auch die Outputseite des (handlungsbefähigenden) Wissens, das aus der Aufgabenerfüllung hervorgeht, berücksichtigt<br />
werden. Um die Diktion zu vereinfachen, wird jedoch in der Auflistung der Indikatoren auf die explizite Erwähnung der Outputseite<br />
verzichtet.<br />
100) Die erwarteten Kompetenzausprägungen bieten sich insbesondere für eine qualitative Beurteilung der Wissensintensität einer<br />
Aufgabe an, weil die Kompetenzausprägungen von Wissensträgern ohnehin in der Regel auf einfachen Ordinalskalen mit nur<br />
wenigen Rangstufen (z.B. drei oder fünf) erfasst werden. Beispielsweise lässt sich eine Aufgabe dann als wissensintensiv klassifizieren,<br />
wenn zu ihrer Erfüllung mindestens drei verschiedenartige Kompetenzen erforderlich sind und Wissensträger mit den<br />
erforderlichen Kompetenzen über die höchste oder zweithöchste Kompetenzausprägung verfügen müssen. Die voranstehenden<br />
Festlegungen „drei verschiedene“ und „zweithöchste“ besitzen willkürlichen Charakter und können nahezu beliebig modifiziert<br />
werden. Sie sollen lediglich das Prinzip verdeutlichen, wie sich Wissensintensität auf der Grundlage von Kompetenzen und<br />
Kompetenzausprägungen zwar nur qualitativ, aber immerhin konkret bestimmen lässt. Hinzu kommt, dass im Verbundprojekt<br />
KOWIEN die Kompetenzausprägungen von Wissensträgern detailliert erfasst wurden. Daher verfügen die ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>, die im Verbundprojekt konzipiert und analysiert wurden, im Prinzip über dasjenige Wissen,<br />
das in der zuvor skizzierten Weise ausreichen würde, um die Wissensintensität von Engineering-Aufgaben konkret zu ermitteln.<br />
101) Vgl. REHÄUSER/KRCMAR (1996) S. 24 (mehr als die Hälfe oder mehr als zwei Drittel der Mitarbeiter besitzen einen akademischen<br />
Abschluss).<br />
102) Bei diesem Indikator wird die Wissensintensität einer Aufgabe unmittelbar mit der Notwendigkeit verknüpft, dass sich mehrere<br />
Unternehmen zur Erfüllung der Aufgabe zu einem Netzwerk zusammenschließen. Dieser Indikator entspricht daher dem weiter<br />
oben eingeführten Anwendungskontext des Verbundprojekts KOWIEN, die Erfüllung von Engineering-Aufgaben u.a. auch im<br />
Rahmen überbetrieblicher Netzwerke, vor allem im Rahmen von Virtuellen Unternehmen, zu betrachten. Allerdings muss eingeräumt<br />
werden, dass es sich um einen Indikator handelt, über dessen Ausprägung sich nur sehr schwer Konsens erzielen lässt.<br />
Denn die Anzahl verschiedenartiger Unternehmen, die zur Aufgabenerfüllung „notwendig“ sind, ist keineswegs durch die jeweils<br />
betrachtete Aufgabe allein determiniert. Vielmehr hängt sie auch von der Breite des Kompetenzprofils ab, über das die<br />
involvierten Unternehmen jeweils verfügen, und vom Grad der wechselseitigen Überlappungen zwischen diesen Kompetenzprofilen.<br />
Sowohl die Breiten als auch die Überlappungen der Kompetenzprofile stellen kontingente Einflussgrößen dar, die<br />
nicht mit der zu erfüllenden Aufgabe zusammenhängen. Daher kann der o.a. Indikator streng genommen nicht zur Beurteilung<br />
der Wissensintensität der Aufgabe „an sich“ verwendet werden, sondern nur zur Beurteilung der Wissensintensität der Aufgabe<br />
für die jeweils betrachteten Unternehmen. Aber eine solche unternehmensspezifische Beurteilung der Wissensintensität einer<br />
Aufgabe stellt zumindest aus der Perspektive der betrieblichen Praxis nicht unbedingt einen Nachteil dar. Denn die Praxis ist in<br />
der Regel weniger an „generischen“ als an konkreten, auf ihre spezifische Situation zugeschnittenen Erkenntnissen interessiert.<br />
Darüber hinaus besitzt der o.a. Indikator einen besonderen „Charme“, weil er die Wissensintensität auf eine Art erfasst, die sich<br />
inhaltlich auf die Wissensteilung in Netzwerken zurückführen lässt: Wenn sich eine Aufgabe als so komplex erweist, dass ihre<br />
Erfüllung die Kompetenzen mehrerer Unternehmen erfordert, dann müssen sich die Unternehmen bei ihrer arbeitsteiligen Aufgabenerfüllung<br />
über die jeweils einzusetzenden – und unter Umständen auch generierten – Kompetenzen verständigen, um ihre<br />
Aktivitäten untereinander zielführend koordinieren zu können. So kommt es innerhalb des Netzwerks zu einer Kommunikation<br />
über das gemeinsam geteilte Wissen, die tendenziell umso intensiver ausfallen wird, je mehr Unternehmen im Netzwerk kooperieren.<br />
Folglich steigt die Intensität der wissensteilenden und wissenskommunizierenden Aktivitäten tendenziell mit der Anzahl<br />
verschiedenartiger Unternehmen, die zu einem solchen Netzwerk gehören. Wenn die Wissensintensität im Sinne dieser wissensteilenden<br />
und wissenskommunizierenden Aktivitäten interpretiert wird, dann ist es offensichtlich, dass sie vom o.a. Indikator<br />
zutreffend erfasst wird.
70 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
• die Kosten für Personalentwicklungsmaßnahmen oder für extern beschaffte Wissensdienstleistungen,<br />
103) die erforderlich wären, um eine Aufgabe erfüllen zu können, wenn von der Fiktion<br />
ausgegangen wird, dass alle Mitarbeiter eines Unternehmens nur über eine branchendurchschnittliche<br />
Qualifikation verfügen. 104)<br />
Die Wissensintensität von Engineering-Aufgaben läst sich durch weitere (Hilfs-) Indikatoren beurteilen,<br />
die wegen ihrer geringeren Bedeutung für das Verbundprojekt KOWIEN im Folgenden nur<br />
stichwortartig erwähnt werden. Beispielsweise lässt sich die Ansicht vertreten, dass die Wissensintensität<br />
von Engineering-Aufgaben umso höher ausfällt, je schneller sich der technologische Wandel<br />
im Umfeld dieser Aufgaben vollzieht. Dabei liegen die Vorstellungen zugrunde, dass technologischer<br />
Wandel primär wissensgetrieben erfolgt und die Geschwindigkeit des Wandels mit dem<br />
Ausmaß des „umgesetzten“ Wissens positiv korreliert. Wenn diesen – durchaus bestreitbaren – Annahmen<br />
gefolgt wird, kann man die Wissensintensität von Engineering-Aufgaben durch die (Kehrwerte<br />
der) Zeitabstände messen, die zwischen aufeinander folgenden Technologien oder Produktlebenszyklen<br />
verstreichen. Des Weiteren lässt sich die Wissensintensität von Engineering-Aufgaben<br />
hilfsweise durch ihren Dienstleistungsanteil beurteilen. Denn die „Produktion“ von Dienstleistun-<br />
103) Personalentwicklungsmaßnahmen und extern beschaffte Wissensdienstleistungen werden im hier erörterten Zusammenhang als<br />
Substitute betrachtet: Wenn eine Kompetenz für die Erfüllung einer Aufgabe als handlungsbefähigendes Wissen benötigt wird,<br />
ein Unternehmen aber nicht über entsprechende Wissensträger verfügt, dann kann es entweder seine eigenen Mitarbeiter intern<br />
schulen, um die erforderliche Kompetenz zu erlangen, oder aber das handlungsbefähigende Wissen extern beschaffen, z.B.<br />
durch Einschaltung eines Consultants mit der erforderlichen Kompetenz oder durch Erwerb entsprechender Wissensprodukte<br />
als „geronnene“ Dienstleistungen. Als Wissensprodukte kommen beispielsweise kommerziell verfügbare Wissensbanken und<br />
der Zugriff auf wissensrepräsentierende Dokumente via Internet oder Wissensbroker in Betracht.<br />
Streng genommen ist die o.a. Indikatorformulierung unvollständig. Denn die indikatorkonstituierende Fiktion darf sich nicht<br />
nur auf den Aspekt des Humankapitals beschränken, dass alle Mitarbeiter eines Unternehmens nur eine branchendurchschnittliche<br />
Qualifikation besitzen. Vielmehr müsste als zweiter fiktiver Aspekt ebenso vorausgesetzt werden, dass das betroffene Unternehmen<br />
nur über eine branchendurchschnittliche Ausstattung mit computerbasierten Wissensmanagementsystemen verfügt.<br />
Von dieser sachlich notwendigen Erweiterung der Indikatorformulierung wurde oben jedoch abgesehen, um die Formulierung<br />
des Indikators nicht noch komplizierter ausfallen zu lassen. In späteren Arbeiten, die zu einer Operationalisierung der hier angeregten<br />
Indikatoren für die Wissensintensität beitragen, müsste der Beitrag computerbasierter Wissensmanagementsysteme zur<br />
Aufgabenerfüllung jedoch ebenso berücksichtigt werden.<br />
104) Durch diesen Indikator wird nicht die Wissensintensität „an sich“ betrachtet, sondern lediglich die Wissensintensität, die einer<br />
Aufgabe in Bezug auf Aufgaben zukommt, die mit dem durchschnittlichen Qualifikationsniveau von Mitarbeitern einer Branche<br />
erfüllt werden können. In Branchen mit einem hohen durchschnittlichen Qualifikationsniveau von Mitarbeitern würden daher<br />
manche Aufgaben nicht als wissensintensiv qualifiziert werden, die in anderen Branchen mit einem niedrigeren durchschnittlichen<br />
Qualifikationsniveau von Mitarbeitern als wissensintensiv gelten. Wenn dieser mögliche Effekt von vornherein<br />
ausgeschlossen werden soll, kann im o.a. Indikator die brachendurchschnittliche Qualifikation durch die durchschnittliche Qualifikation<br />
aller Mitarbeiter ersetzt werden, die in einem Referenzgebiet – wie z.B. in einem Tarifgebiet oder in einem Bundesland<br />
oder in einem Nationalstaat – tätig sind.<br />
Die Bezugnahme dieses Indikators auf ein durchschnittliches Qualifikationsniveau von Mitarbeitern besitzt den Vorzug, dass in<br />
der Gestalt dieses Durchschnittswerts bereits ein „natürlich“ anmutender Schwellenwert vorliegt, ab dessen Überschreiten mit<br />
Plausibilität von wissensintensiven Aufgaben gesprochen werden kann. Darüber hinaus besitzt der o.a. Indikator aus betriebswirtschaftlicher<br />
Perspektive den Vorzug, als einziger Indikator auf „harte“ quantitative, sogar monetär bestimmte Werte Bezug<br />
zu nehmen: die Kosten für Personalentwicklungsmaßnahmen oder für extern beschaffte Wissensdienstleistungen. Daher könnte<br />
dieser Indikator einen ersten Schritt in die Richtung darstellen, die Wissensintensität von Aufgaben nicht nur qualitativ einzuschätzen,<br />
sondern sogar quantitativ zu messen. Allerdings möchte der Verfasser vor übertriebenen Erwartungen warnen. Denn<br />
es wird seiner Erfahrung zufolge erhebliche Schwierigkeiten bereiten, die vorgenannten Kosten sowohl präzise als auch betriebswirtschaftlich<br />
„belastungsfähig“ zu ermitteln. In die Kostenermittlung werden voraussichtlich so viele vereinfachende<br />
Annahmen einfließen, dass zwar immer irgendein präziser Kostenwert resultieren wird, dessen Validität in Bezug auf die „tatsächlich“<br />
anfallenden (jedoch unbekannten) Kosten erheblichen Zweifeln ausgesetzt bleibt. Die errechneten Kosten stellen eher<br />
eine Projektion der vielfältigen Annahmen als eine Abbildung der tatsächlich verursachten Kosten dar. Daher bevorzugt es der<br />
Verfasser, diesen Indikator trotz seiner Bezugnahme auf quantitativ definierte Kosten weiterhin zu denjenigen Indikatoren zu<br />
zählen, die nur eine qualitative Beurteilung der Wissensintensität gestatten.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 71<br />
gen erfordert – zumindest im Engineering-Bereich – in der Regel einen besonders hohen Anteil von<br />
leistungsspezifischem Know-how.<br />
Die Anwendungskontexte des Verbundprojekts KOWIEN werden über die inhaltlichen Fokussierungen<br />
hinaus, die in den voranstehenden Ausführungen skizziert wurden, durch einige spezielle<br />
Probleme des Wissensmanagements bei der Erfüllung wissensintensiver Engineering-Aufgaben gekennzeichnet.<br />
Diese Probleme stellen zusätzliche Randbedingungen dar, die es während der Projektarbeit<br />
zu berücksichtigen galt.<br />
Zunächst wird die Erfüllung wissensintensiver Engineering-Aufgaben zusätzlich dadurch erschwert,<br />
dass ein bedeutsamer – und oftmals wettbewerbsentscheidender – Anteil des projektspezifischen<br />
Know-hows aus Erfahrungswissen besteht, auf das nicht unmittelbar zugegriffen werden kann. Es<br />
bildet eine wesentliche Facette derjenigen Kompetenzen eines Wissensträgers 105) , die in der Regel<br />
weder umfassend noch systematisch dokumentiert sind. In den meisten Fällen liegt dieses Erfahrungswissen<br />
sogar überhaupt nicht in expliziter Form vor, wie es vor allem in der Form von Dokumenten<br />
(z.B. Projektberichten) oder in der Form von Daten-, Informations- oder Wissensbanken der<br />
Fall wäre. Stattdessen bleibt das Erfahrungswissen zumeist „in den Köpfen der Mitarbeiter“ eingeschlossen<br />
oder es lässt sich als Organisationswissen nicht direkt „lokalisieren“. Solches Wissen, das<br />
nicht in unmittelbar explizierter Form vorliegt und sich nur unter großen Mühen – wenn überhaupt<br />
– explizieren lässt, wird im Allgemeinen als „tazites“ Wissen bezeichnet. Darauf wurde schon an<br />
früherer Stelle ausführlicher eingegangen. Aus den vorgenannten Schwierigkeiten resultiert ein erheblicher<br />
Mangel an direkt zugreifbarem Wissen („Meta-Wissen“) über dasjenige Erfahrungswissen,<br />
das in einem Unternehmen insgesamt für die Erfüllung wissensintensiver Engineering-Aufgaben<br />
zur Verfügung steht. Darüber hinaus mangelt es oftmals an Wissen darüber, wie jenes vorhandene<br />
Erfahrungswissen auf unterschiedliche Wissensträger im Unternehmen verteilt ist.<br />
Sowohl die spezielle Konfigurationsaufgabe des Projektmanagements als auch die allgemeine Aufgabe<br />
des betrieblichen Kompetenzmanagements werden durch das Phänomen der Personalfluktuation<br />
zusätzlich kompliziert. Insbesondere Branchen mit hoher Wissensintensität der Leistungserstellung<br />
leiden an einer überdurchschnittlich hohen Personalfluktuation. Denn „Knowledge Worker“<br />
weisen oftmals eine größere Verwertungsbreite für ihr Know-how (und Know-what) auf als Mitarbeiter,<br />
die eine „klassische“ Qualifikation mit – vergleichsweise – niedrigerer Wissensintensität erworben<br />
haben. Dies trifft auch auf den Engineering-Bereich zu. Besonders deutlich wird dieses<br />
Phänomen bei Unternehmensberatungen 106) . Sie leiden unter den höchsten Personalfluktuationen aller<br />
Branchen. Ihre Mitarbeiter stellen „Knowledge Worker“ par excellence dar.<br />
Durch die Personalfluktuation verändert sich nicht nur ständig das personengebundene Kompetenzenreservoir<br />
eines Unternehmens. Vielmehr besteht auch auf Seite der Unternehmen ein großes Interesse<br />
daran, das Erfahrungswissen ihrer Mitarbeiter in Wissensbanken und anderen Formen des<br />
Organisationswissens explizit zu dokumentieren bzw. im Unternehmen zu verankern, um das wichtige,<br />
oftmals wettbewerbsentscheidende Erfahrungswissen auf diese Weise zu konservieren. Aus<br />
diesem Blickwinkel erlangt die Kodifizierungsstrategie, die im voranstehenden Kapitel als spezieller<br />
Fokus des Verbundprojekts KOWIEN herausgearbeitet wurde, eine außerordentliche Bedeutung.<br />
105) Als Wissensträger kommen in diesem Zusammenhang sowohl individuelle Akteure wie einzelne Mitarbeiter als auch kollektive<br />
Akteure wie das „organisationale Gedächtnis“ eines Unternehmens in Betracht.<br />
106) Unternehmensberatungen werden im Verbundprojekt KOWIEN bewusst zum Engineering-Bereich gerechnet, weil sie sich dem<br />
speziellen Gebiet des Service-Engineerings zuordnen lassen. Darauf wird zum Abschluss dieses Kapitels aus der Perspektive<br />
des Service-Engineering-Szenarios zurückgekommen.
72 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Dies gilt insbesondere für Unternehmen, die sich auf die Erfüllung wissensintensiver Engineering-<br />
Aufgaben spezialisiert haben.<br />
Darüber hinaus wird die Personalfluktuation in Unternehmen in Zukunft voraussichtlich weiter zunehmen,<br />
weil Mitarbeiter in ihrem Berufsleben häufiger in unterschiedlichen Unternehmen beschäftigt<br />
sein werden. Dadurch verändert sich ständig das personengebundene Kompetenzenreservoir eines<br />
Unternehmens. Außerdem werden den Mitarbeitern im Rahmen „moderner“ Organisationsprinzipien<br />
wechselnde Aufgaben zugewiesen (Job Rotation). Damit das Wissen, das von den Mitarbeitern<br />
für eine spezielle Aufgabenstellung erworben wurde, nicht mit einem Stellen- oder Unternehmenswechsel<br />
verloren geht, ist es zu erfassen, in Wissensbanken oder anderen Formen organisationalen<br />
Wissens explizit zu dokumentieren und auf diese Weise zu konservieren. Insbesondere<br />
kommt es darauf an, das erfasste Wissen so zu strukturieren, dass es zu einem späteren Zeitpunkt<br />
des Wissensbedarfs effektiv zugänglich ist und wieder verwendet werden kann. 107)<br />
Die Notwendigkeit der Wissensstrukturierung und -dokumentation mittels einer Kodifizierungsstrategie<br />
verstärkt sich, wenn eine Engineering-Aufgabe durch die Kooperation mehrerer Akteure zu<br />
erfüllen ist 108) und diese Akteure – wie bereits zuvor aus der Perspektive artikulationsbedingter Verständnisbarrieren<br />
erläutert wurde – aus Arbeitsbereichen mit heterogenen Sprachkulturen stammen.<br />
Solche Verhältnisse liegen innerhalb eines Unternehmens beispielsweise vor, wenn Aufgaben<br />
standortübergreifend – insbesondere in internationalen Standortverbünden – erfüllt werden, wie es<br />
etwa bei global agierenden Unternehmen der Consulting-Branche der Fall ist. Das Eintreten der o.a.<br />
Verhältnisse ist noch wahrscheinlicher, wenn mehrere Unternehmen bei der gemeinschaftlichen<br />
Aufgabenerfüllung zusammenarbeiten. Dies betrifft vor allem Unternehmensnetzwerke wie Projektkonsortien,<br />
Virtuelle Unternehmen und strategische Allianzen. Die kooperationsrelevante Sprachheterogenität<br />
kann noch dadurch erschwert werden, dass marktferne Institutionen, wie etwa Forschungseinrichtungen,<br />
Verbände, Prüfbehörden und staatliche Auftraggeber in die kooperative<br />
Leistungserstellung einbezogen sind. Sie pflegen oftmals eigenständige Sprachwelten („Beamtendeutsch“),<br />
die an Usancen z.B. der Bürokratie und der Jurisprudenz ausgerichtet sind und sich von<br />
den Sprachkulturen privatwirtschaftlicher Unternehmen eklatant unterscheiden.<br />
In den voranstehenden Ausführungen wurden diejenigen Anwendungskontexte, auf die sich die Erkenntnisse<br />
und Instrumente des Verbundprojekts KOWIEN beziehen, schrittweise konkretisiert und<br />
zugleich eingeschränkt. Dies entspricht der Fokussierungsstrategie, knappe Projektmittel auf einige<br />
wenige Areale zu konzentrieren, um diese umso intensiver bearbeiten zu können. In konsequenter<br />
Fortführung dieser strategischen Stoßrichtung werden die zuvor thematisierten Anwendungskontexte<br />
abschließend zu zwei exemplarischen Anwendungsszenarien verdichtet. Diese beiden Anwendungsszenarien<br />
bildeten das praxisbezogene Rückgrat des Verbundprojekts KOWIEN. Sie erheben<br />
keineswegs den Anspruch, die zuvor skizzierten Anwendungskontexte zu „repräsentieren“. Vielmehr<br />
bilden sie das Resultat einer bewussten Auswahl aus vorstellbaren Anwendungskontexten für<br />
sprachlich bedingte Verständnisbarrieren des Wissensmanagements und Ansätze zu ihrer Überwindung.<br />
107) In solchen Fällen, in denen die „zeitüberbrückende“ Wiederverwendung von Wissen im Vordergrund steht, wird von einem<br />
„diachronischen“ Wissensmanagement gesprochen.<br />
108) In diesen Fällen, in denen die zeitgleiche Anwendung von Wissen zu gestalten ist, liegt ein „synchronisches“ Wissensmanagement<br />
vor.
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 73<br />
Die Anwendungsszenarien sollten zunächst hinreichend „typisch“ für die betriebliche Praxis sein<br />
(Auswahlkriterium der Szenarienbreite), damit sich eine große Anzahl von Unternehmen in diesen<br />
Szenarien „aufgehoben“ fühlen kann. Diese Anforderung zielte insbesondere darauf ab, ein Fundament<br />
für eine möglichst breite und intensive Nachnutzung der Projektergebnisse nach Ablauf der<br />
Projektförderung zu legen. Darüber hinaus sollten die Anwendungsszenarien so unterschiedlich<br />
ausfallen (Auswahlkriterium der Szenariendistanz), dass sich aus ihrem kontrastierenden Vergleich<br />
– analog zur Technik der Differenzialdiagnose im medizinischen Bereich – interessante Erkenntnisse<br />
über die Relevanz und Wirksamkeit von Gestaltungsempfehlungen zur Überwindung sprachlich<br />
bedingter Verständnisbarrieren des Wissensmanagements gewinnen lassen. 109) Hinsichtlich der<br />
Szenariendistanz wurde ein „ausgewogenes“ Verhältnis zwischen Ähnlichkeit und Verschiedenartigkeit<br />
der beiden Szenarien angestrebt. Einerseits sollten die Szenarien „hinreichend“ verschiedenartig<br />
sein, um szenarienspezifische Anpassungserfordernisse („Tailoring“) für die zu entwickelnden<br />
Instrumente identifizieren zu können. Andererseits sollten sich die Szenarien noch so weit ähneln,<br />
dass ein wechselseitig befruchtender Erkenntnistransfer zwischen beiden Szenarien möglich erscheint.<br />
Darüber hinaus wurden der Szenarienauswahl drei weitere Kriterien zugrunde gelegt, die<br />
sich speziell auf den Inhalt des Verbundprojekts KOWIEN bezogen:<br />
• Die Szenarien mussten sich auf die Erfüllung von Engineering-Aufgaben erstrecken.<br />
• Die Szenarien sollten sich jeweils durch eine hohe Wissensintensität ihrer Wertschöpfungsprozesse<br />
auszeichnen.<br />
• Damit die eingangs geschilderte Komplexität und Dynamik des Projektgeschäfts zur Geltung<br />
kommt, sollte eine projektbezogene Organisation der Aufgabenerfüllung dominieren.<br />
Nach Maßgabe der voranstehenden Auswahlkriterien wurden für das Verbundprojekt KOWIEN<br />
zwei Anwendungsszenarien gebildet:<br />
109) Das erste Auswahlkriterium der Szenarienbreite wurde – rückblickend betrachtet – durch die tatsächlich untersuchten Szenarien<br />
zufrieden stellend erfüllt. Denn die Breite des Interesses der betrieblichen Praxis an den Projektergebnissen, das sich beispielsweise<br />
in Workshopteilnahmen, Abrufen von Projektberichten und Mitwirkungen im projektbegleitenden Industriearbeitskreis<br />
„Praxisforum Wissensmanagement“ manifestierte, erfüllte durchaus die Erwartungen des Projektteams. Dagegen erwies sich<br />
die Umsetzung des zweiten Auswahlkriteriums der Szenariendistanz als ein Fehlschlag. Sowohl die Aufgaben des kooperativen<br />
Wissensmanagements im Allgemeinen als auch die speziellen Aspekte von sprachlich bedingten Kooperationsbarrieren erwiesen<br />
sich in beiden Anwendungsszenarien als derart ähnlich, dass es im Projektverlauf nicht gelang, substanzielle Erkenntnisse<br />
aus dem kontrastierenden Vergleich der beiden Szenarien zu gewinnen. Angesichts des nicht unerheblichen Aufwands zur Unterscheidung<br />
und zuweilen auch getrennten Bearbeitung der beiden Anwendungsszenarien muss selbstkritisch eingeräumt werden,<br />
dass der „kognitive Ertrag“ in keinem „angemessenen“ Verhältnis zum Aufwand für die zwei Anwendungsszenarien stand.
74 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
Das Produkt-Engineering-Szenario konzentriert sich auf Projekte zur personell, räumlich und<br />
institutionell verteilten Entwicklung komplexer, technologie- und somit auch wissensintensiver<br />
Produkte (Sachgüter) 110) . Es werden Unternehmen betrachtet, die in einem Engineering-Netzwerk<br />
auf begrenzte Zeit arbeitsteilig zusammenwirken, um die gemeinsam übernommene Entwicklungsaufgabe<br />
als „virtuelle Einheit“ zu erfüllen, nach erfolgreicher Produktentwicklung<br />
den Unternehmensverbund jedoch wieder auflösen, um sich neuen Engineering-Aufgaben in<br />
neuen Netzwerk-Konfigurationen zuzuwenden. Der Schwerpunkt liegt hier auf der Identifizierung<br />
und dem Abgleich von Profilen technologischer Kompetenzen. Solche Kompetenzprofile<br />
brauchen sich nicht nur auf einzelne Mitarbeiter oder Mitarbeitergruppen, wie z.B. erfolgreiche<br />
Projektteams, als Wissensträger zu erstrecken. Vielmehr können sie sich ebenso auf Unternehmensabteilungen<br />
oder auch auf inner- und außerbetriebliche Wissensquellen, wie z.B. Wissensbanken,<br />
beziehen. Die Kompetenzprofile spielen in der betrieblichen Praxis sowohl zur Auftragsakquisition<br />
im Projektgeschäft als auch zur Erschließung und Bewahrung von kompetenzstiftendem<br />
Wissen trotz fluktuierenden Personalbestands eine herausragende Rolle. Insbesondere<br />
bei wissensintensiven Engineering-Leistungen zählt die Verfügbarkeit von aussagekräftigen,<br />
verlässlichen Kompetenzprofilen oftmals zu einem der wichtigsten strategischen Erfolgsfaktoren<br />
für Projektakquisition und Projekterfolg.<br />
Das Service-Engineering-Szenario ähnelt zwar strukturell dem erstgenannten Szenario, überträgt<br />
jedoch den Kerngedanken des Managements von Kompetenzwissen aus dem Bereich<br />
technologieintensiver Sachgüter auf das Gebiet wissensintensiver Serviceleistungen 111) . Der<br />
Wertschöpfungsanteil solcher Serviceleistungen nimmt bei der Herstellung technologieintensiver<br />
Sachgüter beständig zu. Insbesondere bei Investitionsgütern, deren „Hardware“ in anderen<br />
Nationen mit deutlichen Kostenvorteilen produziert werden kann, stellen die „ergänzenden“<br />
Serviceleistungen für die führenden Industrie- und Dienstleistungsnationen ein wesentliches<br />
Differenzierungsmerkmal mit oftmals wettbewerbsentscheidender Qualität dar. 112) Beispielsweise<br />
werden im deutschen Maschinen- und Anlagenbaugeschäft vor, während und nach der<br />
Nutzungszeit eines Investitionsguts häufig dreimal soviel Erlöse mit Serviceleistungen für Beratung,<br />
Finanzierung, Projektmanagement, Transport, Montage, Inbetriebnahme, Kundenschulung,<br />
Wartung, Ersatzteillieferung und Entsorgung erzielt wie mit dem Absatz des betroffenen<br />
110) Grundsätzlich umfasst der ökonomische Produktbegriff (im Sinne von Gütern zur Befriedigung von Bedürfnissen) als Oberbegriff<br />
sowohl Sachgüter als auch Dienstleistungen. Um im Verbundprojekt KOWIEN jedoch eine praxisnahe Diktion zu ermöglichen,<br />
werden Sachgüter des Öfteren auch vereinfachend als „Produkte“ angesprochen, so z.B. in der Formulierung „Produkt-<br />
Engineering“. Wenn dagegen verdeutlicht werden soll, dass es sich bei Produkten nicht um Sachgüter handelt, wird ausdrücklich<br />
– und synonym – von „Dienstleistungen“, „Serviceleistungen“ oder „Services“ gesprochen.<br />
111) Das Zusammenstellen und Zusammenarbeiten von Projektteams, die innerhalb eines Unternehmens oder in Unternehmensverbünden<br />
eine innovative Serviceleistung entwickeln sollen, wird maßgeblich von den Profilen der jeweils benötigten und/oder<br />
vorhandenen Service-Kompetenzen beeinflusst. Hierbei kommt es insbesondere darauf an, die Kooperation von Akteuren aus<br />
solchen (Service-) Engineering-Netzwerken mit heterogenen Wissenshintergründen durch Kommunikation über ihr gemeinsam<br />
eingebrachtes Wissen zu koordinieren.<br />
112) Vgl. beispielsweise BRUNS ET AL. (2005) S. 107 f. u. 111 f.; KILLINGER (1999) S. 129 ff.; vgl. zur zunehmenden wirtschaftlichen<br />
Bedeutung des Service-Engineerings auch die Beiträge in BULLINGER/SCHEER (2003); LUCZAK (1999); SCHLEGEL/SPATH<br />
(2005).
1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 75<br />
Investitionsguts. 113) Darüber hinaus stehen wissensintensive Serviceleistungen auch bei global<br />
agierenden Unternehmen der Consulting-Branche im Zentrum ihrer Wertschöpfungsprozesse.<br />
Das persönliche Erfahrungswissen der Consultants und die Kenntnisse über ihre jeweiligen<br />
Kompetenzen zählen zu den strategischen Ressourcen der Unternehmensberatungen. 114)<br />
Der Schwerpunkt des Verbundprojekts KOWIEN lag auf dem Produkt-Engineering-Szenario. Diese<br />
Betonung der Herstellung von Sachgütern schlägt sich in der Zusammensetzung des Projektkonsortiums<br />
nieder. 115) Allerdings wurde das Service-Engineering-Szenario als „Kontrapunkt“ bewusst<br />
nicht vernachlässigt. Dafür sprachen im Wesentlichen zwei Gründe. Erstens war es nur durch den<br />
Vergleich zwischen Produkt- und Service-Engineering-Szenario möglich, charakteristische Unterschiede<br />
des Kompetenzmanagements herauszuarbeiten, die zwischen einerseits Sachgüter- und andererseits<br />
Dienstleistungsproduktionen bestehen. Zweitens konnten Erkenntnisse, die nur in einem<br />
der beiden Szenarien gewonnen wurden, benutzt werden, um das jeweils andere Szenario mit „überraschenden“<br />
oder „ungewöhnlichen“ Einsichten zu konfrontieren und zu befruchten.<br />
Beispielsweise gelang es dem Praxispartner aus dem Service-Engineering-Szenario, mit seinem<br />
ausgefeilten Wissensmanagementsystem „BRAIN“ 116) , das zur Unterstützung wissensintensiver Beratungsdienstleistungen<br />
entwickelt worden war, Impulse zu vermitteln, um das Wissensmanagement<br />
der Praxispartner aus dem Produkt-Engineering-Szenario inhaltlich fortzuentwickeln. Diese<br />
Impulse erstreckten sich u.a. auf eine tiefe analytische Durchdringung von Kompetenzarten und -<br />
ausprägungen, die der Praxispartner aus dem Service-Engineering-Szenario bereits geleistet hatte<br />
und von den Praxispartnern aus dem Produkt-Engineering-Szenario zur Entwicklung ihrer eigenen<br />
Kompetenzsystematisierungen aufgegriffen werden konnte. Solche „cross impacts“ hätten nicht<br />
bewirkt werden können, wenn auf Seiten der Praxispartner nicht der Mut beständen hätte, Befruchtungen<br />
aus dem jeweils anderen „Lager“ von Produkt- oder Service-Engineering-Szenario vorbehaltlos<br />
zu prüfen und – im positiven Fall – auf das jeweils eigene Unternehmen zu übertragen.<br />
Nicht nur, aber insbesondere in dieser Hinsicht ist dem B<strong>MB</strong>F und seinem Projektträger Produktion<br />
und Fertigungstechnologien (PFT), der Forschungszentrum Karlsruhe GmbH, für die Umsicht zu<br />
danken, so verschiedenartige Unternehmen wie die Produzenten von Sachgütern und Dienstleistungen<br />
in einem gemeinsamen, praxisorientierten Forschungs-, Entwicklungs- und Transferprojekt zusammenzuführen<br />
und zu stimulieren, wechselseitig voneinander zu lernen.<br />
Die Aufteilung der Projektpartner auf die beiden Anwendungsszenarien konnte allerdings nicht<br />
trennscharf erfolgen – und war auch so nicht beabsichtigt. Einerseits verfügt der Praxispartner aus<br />
der servicedominierten Consulting-Branche über einschlägiges industrielles Erfahrungswissen und<br />
113) Das US-amerikanische Unternehmen United Technologies verdient ca. 40% seines Umsatzes im Geschäftsbereich Aufzüge mit<br />
Wartungs- und Modernisierungs-Service; ähnlich liegen die Verhältnisse bei der Aufzugssparte des Ruhrgebiets-Konzerns<br />
ThyssenKrupp. Die Leipziger IAB Ingenieur und Anlagenbau GmbH hat sich im Rahmen einer Nischenstrategie auf die<br />
Dienstleistung des „Revamping“, d.h. der Modernisierung und Erweiterung bestehender Industrienanlagen ohne Unterbrechung<br />
des laufenden Betriebs spezialisiert und hierdurch zu alter Wettbewerbsstärke zurückgefunden. Die Beispiele aus der Investitionsgüterindustrie<br />
ließen sich beliebig vermehren.<br />
114) Unternehmensberatungen stellen wegen ihrer sowohl besonders hohen Personalfluktuation als auch ihrer besonders großen<br />
Wissensintensität der Leistungserstellung einen hochinteressanten Anwendungsfall für die Kodifizierungsstrategie des Wissensmanagements<br />
dar. Deshalb wurde in das Verbundprojekt KOWIEN bewusst ein Service-Engineering-Szenario aufgenommen,<br />
auch wenn es prima facie erstaunlich erscheinen vermag, Consulting-Dienstleistungen als einen Spezialfall von Engineering-Leistungen<br />
zu berücksichtigen.<br />
115) Vgl. Abschnitt C des Vorworts (S. 9 ff.).<br />
116) Vgl. ZELEWSKI (2004c) S. 49 ff.; vgl. ebenso Kapitel 1.2.2.3 (S. 91 ff.) des hier vorliegenden Werks.
76 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken<br />
weit reichende Kontakte zu Unternehmen aus der Investitionsgüter produzierenden Industrie. Beides<br />
wurde im Verbundprojekt KOWIEN zur Wissensakquisition, -evaluierung und -verbreitung genutzt.<br />
Andererseits verlieren die Unterschiede zwischen Produkt- und Service-Engineering durch<br />
den zunehmenden Anteil von Serviceleistungen an der Herstellung und Vermarktung von Sachgütern<br />
– insbesondere Investitionsgütern – zunehmend an Bedeutung. Daher eröffnet die gemeinsame<br />
Behandlung von Aspekten sowohl aus dem Produkt- als auch aus dem Service-Engineering-Bereich<br />
die Chance, durch wechselseitigen Erkenntnistransfer einen besonderen Beitrag zu leisten, um die<br />
Entwicklung von innovativen, technologie- und serviceintensiven Produkten mit Instrumenten des<br />
Wissensmanagements zu unterstützen.
1.2 <strong>Kompetenzmanagementsysteme</strong><br />
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> –<br />
Begriff, Funktionen und Problemfelder<br />
1.2.1.1 Begriff<br />
DIPL.-KFM. ADEM ALPARSLAN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
Für die Aufgaben des Wissensmanagements sind in der wissenschaftlichen Forschung und in der<br />
betrieblichen Praxis viel versprechende Ansätze entwickelt worden. Dies betrifft vor allem die<br />
computerbasierten Instrumente für das betriebliche Wissensmanagement. 1) Der Fortschritt bei den<br />
Automatischen Informations- und Wissensverarbeitungssystemen bietet inzwischen vielfältige<br />
Möglichkeiten, das computerbasierte Wissensmanagement zu unterstützen. Hierbei geht es nicht<br />
nur um die Verarbeitung von großen Datenmengen, sondern insbesondere um die Verknüpfung<br />
menschlicher und maschineller Fähigkeiten. Mit diesen computerbasierten Instrumenten ist die<br />
Hoffnung verbunden, das betriebliche Management von Wissen nicht bloß als „narrative“ Veranstaltung<br />
zu betreiben. Vielmehr sollen durch die Automatischen Informations- und Wissensverarbeitungssysteme<br />
sowohl effektive als auch effiziente Gestaltungshilfen für das betriebliche Wissensmanagement<br />
bereitgestellt werden.<br />
1) Es liegt eine Fülle an Publikationen vor, die sich mit den Instrumenten des Wissensmanagements auseinander setzen; vgl. zu<br />
den Instrumenten des Wissensmanagements im Allgemeinen BULLINGER/WÖRNER/PRIETO (1997) S. 7 ff.; PREISSLER/ROEHL/<br />
SEEMANN (1997) S. 7 ff.; ROEHL (2000) S. 154 ff. und zu den Automatischen Informations- und Wissensverarbeitungssystemen<br />
im Kontext des betrieblichen Wissensmanagements LEHNER (2000) S. 269 ff.; LEHNER (2001) S. 229 ff.; MAIER (2004);<br />
WILKESMANN/RASCHER (2002) S. 342 ff. (kritisch).<br />
Die Frage, ob Automatische Informations- und Wissensverarbeitungssysteme überhaupt fähig sind, Wissen zu erfassen, abzubilden<br />
oder sogar zu erzeugen, ist äußerst umstritten; vgl. zu dieser Problematik auch die Ausführungen zu SEARLES „Chinese-Room“-Gedankenexperiment<br />
in Kapitel 1.3.1.3 auf S. 198 ff. Dementsprechend finden sich unterschiedliche Auffassungen<br />
über die Rolle von Automatischen Informations- und Wissensverarbeitungssystemen im Kontext des Wissensmanagements.<br />
Mitunter wird die Auffassung vertreten, dass den Automatischen Informations- und Wissensverarbeitungssystemen aufgrund<br />
des „genuin menschlichen“ Charakters von Wissen ausschließlich eine Unterstützungsfunktion für das Wissensmanagement<br />
zukommt; vgl. zu dieser Ansicht z.B. WILKESMANN/RASCHER (2002) S. 344 („[…] es kann immer nur Menschen geben, die<br />
etwas wissen. Da es außerhalb von Menschen lediglich Daten und Informationen gibt, kann es auch keine Wissenssoftware<br />
geben […] Software kann die Kommunikation im Wissensumfeld unterstützten und den Kontakt zwischen den Wissenden<br />
herstellen.“). Zwar mag man sich dieser Auffassung anschließen und den Automatischen Informations- und Wissensverarbeitungssystemen<br />
ausschließlich eine Unterstützungsfunktion beimessen. Allerdings handelt es sich bei einer solchen Position<br />
ausschließlich um eine definitorische Selbstimmunisierung. Denn es wird ausschließlich per definitionem ausgeschlossen,<br />
dass in Automatischen Informations- und Wissensverarbeitungssystemen kein Wissen gespeichert oder verarbeitet wird.
78 1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
Die computerbasierten <strong>Kompetenzmanagementsysteme</strong> (KMS) sind einer dieser Automatischen Informations-<br />
und Wissensverarbeitungssysteme, die im Rahmen des Wissensmanagements diskutiert<br />
werden. 2) In der Literatur finden sich unterschiedliche Bezeichnungen für computerbasierte <strong>Kompetenzmanagementsysteme</strong>.<br />
Begriffe wie z.B. Gelbe Seiten 3) , Skill-Management-Systeme 4) und Mitarbeiterprofile<br />
5) werden dabei als Synonyme gebraucht.<br />
Ein computerbasiertes Kompetenzmanagementsystem ist ein System zur Erfassung, Weiterverarbeitung<br />
und zweckbezogenen Anwendung von Wissen über die Kompetenzen von Akteuren (Kompetenzträgern)<br />
und deren Aufgaben für die Zwecke des betrieblichen Wissensmanagements auf der<br />
Basis Automatischer Informations- und Wissensverarbeitungssysteme.<br />
In diese Definition für ein computerbasiertes Kompetenzmanagementsystem gehen mehrere Konstituenten<br />
ein, die einer näheren Erläuterung bedürfen.<br />
Erstens wird in einem computerbasierten Kompetenzmanagementsystem das Wissen über Kompetenzen<br />
abgelegt und zur Weiterverarbeitung bereitgehalten. In diesem Zusammenhang spielen mehrere<br />
Ausdifferenzierungen des Wissensbegriffs eine besondere Rolle. 6)<br />
Als Objekt-Wissen wird jenes Wissen bezeichnet, das auf der Aufgabenebene zwecks Lösung von<br />
Problemen oder Erreichung von Zielen eines Unternehmens Anwendung findet oder finden soll. Hingegen<br />
wird Wissen darüber, wie sich dieses Objekt-Wissen möglichst effektiv und effizient zur Problemlösung<br />
bzw. Zielerreichung anwenden lässt, als Meta-Wissen bezeichnet. Darüber hinaus lässt sich<br />
auf der Objekt-Ebene zwischen Kenntnissen (deklaratives Wissen oder Know-what) und Fähigkeiten<br />
(prozedurales Wissen oder Know-how) unterscheiden. In Anlehnung an PROBST ET AL. kann man<br />
unter Wissen die Menge der Kenntnisse und Fähigkeiten eines Akteurs verstehen. 7) Hingegen kann<br />
2) Vgl. zu (computerbasierten) <strong>Kompetenzmanagementsysteme</strong>n ALAN (2002a) S. 11 ff.; ALPARSLAN ET AL. (2002) S. 46 ff.;<br />
BERGMANN (2001) S. 109 f.; BÖHM (2001) S. 119 ff.; CHEN/CHONG/JUSTIS (2000) S. 278 ff.; DEITERS/LUCAS/WEBER (1999)<br />
S. 5 ff.; DOOLEY/CORMAN/MCPHEE (2002) S. 200 ff.; EPPLER (2003) S. 191 ff.; GEBERT/KUTSCH (2003) S. 227 ff.; HAUN<br />
(2002) S. 309 f.; HOMER (2001) S. 60 ff.; LEHNER (2000) S. 273 ff.; LEHNER (2001) S. 228; LINDGREN/HENFRIDS-<br />
SON/SCHULTZE (2004) S. 436; MAYBURY/D’AMORE/HOUSE (2002) S. 200 ff.; NELSON (1999) S. 28; NORTH (2002) S. 154 ff.;<br />
ROEHL (2000) S. 235 ff. u. S. 240; WILKESMANN/RASCHER (2002) S. 346; WRIGHT (1999) S. 20 ff.<br />
Eng verwandt mit computerbasierten <strong>Kompetenzmanagementsysteme</strong>n sind die so genannten computerbasierten Personalinformationssysteme.<br />
Nach DOMSCH handelt es sich bei einem computerbasierten Personalinformationssystem um „ein System<br />
der geordneten Erfassung, Speicherung, Transformation und Ausgabe von für die Personalarbeit relevanten Informationen<br />
über das Personal und die Tätigkeitsbereiche/Arbeitsplätze […] zur Versorgung der betrieblichen und überbetrieblichen Nutzer<br />
des Systems mit denjenigen Informationen, die sie zur Wahrnehmung ihrer Planungs-, Entscheidungs-, Durchführungsund<br />
Kontrollaufgaben unter Berücksichtigung von sozialen und wirtschaftlichen Zielen benötigen.“ (DOMSCH (1980) S. 17;<br />
vgl. ähnlich HENTZE (1995) S. 343; OECHSLER (1997) S. 139; vgl. darüber hinaus zu computerbasierten Personalinformationssystemen<br />
GOTTWALD (2003) S. 32 ff.; JUNG (1999) S. 641; SCHOLZ (1994) S. 680 ff.). An dieser Stelle wird nicht der Versuch<br />
unternommen, die Unterschiede und Gemeinsamkeiten zwischen <strong>Kompetenzmanagementsysteme</strong>n auf der einen Seite und<br />
Personalinformationssystemen auf der anderen Seite herauszuarbeiten. Stattdessen reicht der Verweis, dass zum einen das<br />
Einsatzgebiet eines computerbasierten Kompetenzmanagementsystems nicht auf die „Personalarbeit“ beschränkt ist (vgl. die<br />
Ausführungen im weiteren Verlauf dieses Beitrags) und zum anderen nicht nur Informationen über das Personal und deren<br />
Tätigkeitsbereiche in einem computerbasierten Kompetenzmanagementsystem vorgehalten werden. Vielmehr kann in einem<br />
computerbasierten Kompetenzmanagementsystem ebenfalls Wissen über die Kompetenzen von Kollektiven, wie z.B. Projektteams,<br />
abgelegt und für das Wissensmanagement bereitgehalten werden.<br />
3) Vgl. ROEHL (2000) S. 240 f.<br />
4) Vgl. DEITERS/LUCAS/WEBER (1999) S. 5 ff.<br />
5) Vgl. BÖHM (2001) S. 119 ff.<br />
6) Vgl. zu den unterschiedlichen Ausdifferenzierungen des Wissensbegriffs die Quellenangaben in Fußnote 2 in Kapitel 1.1.1<br />
auf S. 33.<br />
7) Vgl. PROBST/RAUB/ROMHARDT (2003) S. 14.
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> 79<br />
die Kompetenz eines Akteurs als handlungsbefähigendes Wissen verstanden werden. Diese Kompetenz<br />
stellt die Fähigkeit eines Akteurs dar, sein Wissen – Kenntnisse und Fähigkeiten – zur Erfüllung<br />
vorgegebener Handlungszwecke einzusetzen. Bei der Kompetenz eines Akteurs handelt es sich<br />
folglich um Meta-Wissen, nämlich Wissen über Wissen, das ihn befähigt, Probleme zu lösen bzw.<br />
Ziele zu erreichen, die durch den jeweils relevanten Verwendungszusammenhang des Objekt-Wissens<br />
vorgegeben sind.<br />
Eine weitere Unterscheidung des Wissensbegriffs, der im Kontext computerbasierter <strong>Kompetenzmanagementsysteme</strong><br />
eine besondere Rolle zukommt, ist die Abgrenzung zwischen implizitem und<br />
explizitem Wissen. 8) Explizites Wissen meint das Wissen, das als solches von irgend einer sinnlich<br />
erfahrbaren Form („Sprache“) unmittelbar dokumentiert und somit unmittelbar zugänglich ist. Hingegen<br />
ist implizites Wissen in anderem Wissen mittelbar enthalten und daher nicht unmittelbar zugänglich.<br />
Während explizites Wissen in seiner sprachlich dokumentierten Form gespeichert, verarbeitet<br />
und kommuniziert werden kann, entzieht sich implizites Wissen einem unmittelbaren Zugriff.<br />
Bei implizitem Wissen sind vielmehr zusätzliche Denk- und Betrachtungsschritte für einen Erkenntniszugang<br />
erforderlich.<br />
Der Einsatz eines computerbasierten Kompetenzmanagementsystems erzeugt Transparenz über die<br />
unternehmensinternen Kompetenzen, ohne dabei das zugrunde liegende Wissen zu exlizieren. Den<br />
Nutzern eines computerbasierten Kompetenzmanagementsystems wird lediglich ein Hinweis auf<br />
den Akteur gegeben, der über diese Kompetenzen verfügt. In einem computerbasierten Kompetenzmanagementsystem<br />
wird also Meta-Wissen verwaltet. Es wird das implizite und explizite Wissen<br />
über die Kompetenzen eines Akteurs dargestellt, ohne dabei das Objekt-Wissen zu explizieren.<br />
Zweitens wird in einem computerbasierten Kompetenzmanagementsystem das Wissen über die<br />
Kompetenzen eines Kompetenzträgers und seiner Aufgaben abgelegt. Der Begriff des Kompetenzträgers<br />
wird hier bewusst weit definiert. Hierunter fallen sowohl natürliche als auch artifizielle Akteure.<br />
In einem computerbasierten Kompetenzmanagementsystem kann somit Wissen über die<br />
Kompetenzen einzelner Mitarbeiter eines Unternehmens oder aber auch von Wissensbasierten Systemen<br />
abgelegt werden.<br />
Bei einem Kompetenzträger kann es sich darüber hinaus auch um einen kollektiven Akteur handeln.<br />
In diesem Fall wird in einem computerbasierten Kompetenzmanagementsystem Wissen über organisationale<br />
Kompetenzen gespeichert. Die organisationalen Kompetenzen sind auf unterschiedlichen<br />
Organisationsebenen angesiedelt. Zum einen lassen sich organisationale Kompetenzen auf der<br />
Ebene von einzelnen Projektteams oder Abteilungen lokalisieren. Zum anderen gehört zu den organisationalen<br />
Kompetenzen auch jenes Wissen einer Organisation, das weder den einzelnen Mitarbeitern<br />
oder Teams von Mitarbeitern noch einzelnen Automatischen Informations- und Wissensverarbeitungssystemen<br />
zugeschriebenen werden kann. Vielmehr ist dieses handlungsbefähigende Wissen<br />
als Anhäufung der Kompetenzen von Menschen und Automatischen Informations- und Wissensverarbeitungssystemen<br />
so innerhalb einer Organisation zerstreut, dass es nur der Organisation<br />
in ihrer Ganzheit zugeschrieben werden kann.<br />
8) Vgl. in diesem Zusammenhang die Ausführungen in Kapitel 1.1.2 auf S. 40 ff. und in Kapitel 1.1.3 auf S. 71 f.
80 1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
1.2.1.2 Funktionen computerbasierter <strong>Kompetenzmanagementsysteme</strong><br />
1.2.1.2.1 Verwalten von Wissen über Kompetenzen<br />
auf der Grundlage von Kompetenzprofilen<br />
Ein computerbasiertes Kompetenzmanagementsystem hält das Wissen über die Kompetenzen von<br />
Akteuren zur Weiterverarbeitung vor. Da ein Akteur in der Regel über mehrere Kompetenzen verfügt,<br />
werden sie in der Gestalt von akteursspezifischen Kompetenzprofilen verwaltet. Ein Kompetenzprofil<br />
entspricht der Agglomeration von handlungsbefähigenden Kenntnissen und Fähigkeiten<br />
in Bezug auf einen Akteur.<br />
Die Kompetenzen eines Akteurs lassen sich in vier Teilkompetenzen unterteilen: 9)<br />
• Fachkompetenzen entsprechen Fähigkeiten des Akteurs, seine Kenntnisse zu Handlungszwecken<br />
einzusetzen. Die Kenntnisse können sich auf z.B. technische, kaufmännische oder fachübergreifende<br />
Bereiche erstrecken (z.B. Branchen- und Fremdsprachenkompetenzen).<br />
• Methodenkompetenzen entsprechen den Fähigkeiten des Akteurs, seine instrumentellen Fähigkeiten<br />
zu Handlungszwecken einzusetzen. Enthalten sind hierin sowohl die Fähigkeiten, motorische<br />
Verfahren durchzuführen, als auch Fähigkeiten der Informationsstrukturierung und -darstellung<br />
(z.B. Präsentations- und Analysemethoden).<br />
• Sozialkompetenzen entsprechen den kommunikativen, kooperativen und kompetitiven Persönlichkeitsmerkmalen<br />
des Akteurs, die er zu Handlungszwecken einsetzen kann (z.B. Team- und<br />
Motivationsfähigkeit).<br />
• Selbstkompetenzen entsprechen den reflexiven Persönlichkeitsmerkmalen des Akteurs, die er zu<br />
Handlungszwecken einsetzen kann. Reflexiv handelt der Akteur dann, wenn er ein Bewusstsein<br />
über seine eigene Person aufbaut. Hierzu gehören Selbstvertrauen, -bewusstsein und -wertgefühl<br />
(z.B. Lernbereitschaft und Kreativität).<br />
Diese Teilkompetenzen können hinsichtlich ihres Programmcharakters unterschieden werden. Der<br />
Programmcharakter einer Kompetenz gibt an, in welchem Maße ein Akteur bei der Durchführung<br />
einer Handlung einen systematischen Entscheidungsprozess durchläuft. 10) Ein Akteur entwickelt mit<br />
steigendem Kompetenzniveau im Handlungsfeld Heuristiken, die er als Experte nicht mehr begründen<br />
kann, weil seine Entscheidungsfindung mit zunehmendem Kompetenzniveau intuitiv erfolgt. Es<br />
lassen sich fünf Kompetenzniveaus unterscheiden: 11)<br />
9) Vgl. für eine ähnliche Unterscheidung der Kompetenzen eines Akteurs HEYSE/ERPENBECK (2004) S. xxi; KAUFFELD/GROTE<br />
(2002) S. 32. Vgl. für eine alternative Unterteilung BÖHM (2001) S. 119 (Fach- und Methodenkompetenz, Sozial-kommunikative<br />
Kompetenz, Personale Kompetenz, Aktivitäts- und Handlungskompetenz); KLE<strong>MB</strong>KE/KRÖPELIN/KUTH (2003) S. 31 (Persönlichkeit,<br />
Methoden, Führung, Fachkompetenz); NORTH (2002) S. 154 (Fachkompetenz, Methodenkompetenz, soziale und<br />
persönliche Kompetenz).<br />
Diese Unterteilung der Kompetenzen eines Akteurs in Fach-, Methoden-, Sozial- und Selbstkompetenzen wurde bei der Entwicklung<br />
der KOWIEN-Ontologie zugrunde gelegt. Auf die Besonderheiten der KOWIEN-Ontologie wird weiter unten in<br />
Kapitel 2.4 (S. 429 ff.) näher eingegangen.<br />
10) Vgl. zum Programmcharakter einer Kompetenz die Ausführungen in ALAN (2002a) S. 13 f.<br />
11) Vgl. für alternative Unterscheidungen der Kompetenzniveaus beispielsweise BÖHM (2001) S. 119 (Problembewusstsein, Wissen,<br />
Können und Expertentum); FAIX (1991) S. 86 (Grundlagen, Fachkenntnisse, Erfahrungen, fundiertes Wissen); NORTH<br />
(2002) S. 154 (Kenner, Könner und Experte).
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> 81<br />
• Kompetenzniveau 1: Der Neuling zerlegt die Aufgabe in kontextfreie Teile. Dadurch, dass er<br />
wenige allgemeine Regeln beherrscht, ist er in seinem Handeln sehr langsam.<br />
• Kompetenzniveau 2: Der fortgeschrittene Anfänger weist die Fähigkeit auf, situative Aspekte in<br />
sein Handeln einzubinden. Er lernt aus realen Situationen und kann seine Kompetenz ausbauen.<br />
• Kompetenzniveau 3: Der kompetente Problemlöser ist flexibel in seinem Handeln, da er die Gesamtsituation<br />
überblickt und Strategien entwickeln kann.<br />
• Kompetenzniveau 4: Der Erfahrene kann auf – für die Problemlösung relevantes – Wissen zurückgreifen<br />
und seine Entscheidungen dementsprechend konsolidieren.<br />
• Kompetenzniveau 5: Der Experte handelt zielbewusst, ohne einen rationalen Entscheidungsprozess<br />
zu durchlaufen. Sein Handeln erfolgt „instinktiv“.<br />
Hinzu kommt als sechstes Kompetenzniveau „keine Kompetenz“. Da es sich bei dem zu akquirierenden<br />
Wissen über Kompetenzen um rein qualitative Werte handelt, beschränkt sich die Messung<br />
der Kompetenzniveaus auf eine ordinale Skala.<br />
Ausgehend von den vier Teilkompetenzen wird in Kompetenzprofilen deren Ausprägung für den<br />
betrachteten Akteur dargestellt. Neben den akteursspezifischen Kompetenzprofilen werden in einem<br />
computerbasierten Kompetenzmanagementsystem auch für die betrieblichen Aufgaben Kompetenzprofile<br />
konstruiert. Im Gegensatz zu einem akteursspezifizischen Kompetenzprofil enthält ein<br />
solches aufgabenspezifisches Kompetenzprofil nicht das Wissen über die Kompetenzen eines Akteurs.<br />
Stattdessen spezifiziert es, welche Kompetenzen erforderlich sind, um die die betreffende<br />
Aufgabe effektiv und effizient durchführen zu können.<br />
1.2.1.2.2 Erfassen von Wissen über Kompetenzen<br />
In einem computerbasierten Kompetenzmanagementsystem wird das Wissen über Akteurskompetenzen<br />
in Kompetenzprofilen erfasst. Mit der Erfassung des Wissens sind gleichzeitig Fragen bezüglich<br />
der Akquisition dieses Wissens angesprochen. Daher soll ein computerbasiertes Kompetenzmanagementsystem<br />
die möglichst umfassende und systematische Akquisition von Wissen über<br />
Akteurskompetenzen durch entsprechende Akquisitionstechniken unterstützen. Das Wissen über die<br />
Kompetenzen eines Akteurs kann auf zwei Arten akquiriert und in ein computerbasiertes Kompetenzmanagementsystem<br />
„eingespeist“ werden.<br />
Bei der Selbstbeurteilung 12) wird das Wissen über die Kompetenzen eines Akteurs von ihm selbst<br />
erhoben und in seinem Kompetenzprofil abgelegt. In der Regel wird zur Selbstbeurteilung ein strukturierter<br />
Fragebogen eingesetzt, der vom betroffenen Akteur ausgefüllt werden muss. Die Selbstbeurteilung<br />
hat den Vorzug, dass sie im betrieblichen Alltag effizient hinsichtlich der damit verbundenen<br />
Kosten durchführbar ist. Außerdem wird dadurch sichergestellt, dass das Wissen über die<br />
Kompetenzen des Akteurs stets aktuell ist. Allerdings sind damit auch Probleme verbunden. Denn<br />
in der Regel tendieren die „Selbstbeurteiler“ dazu, ihre Kompetenzen eher zu überschätzen als zu<br />
unterschätzen. 13) Außerdem besteht bei der Selbstbeurteilung die Gefahr, dass der betroffene Akteur<br />
das Wissen über seine Kompetenzen bewusst falsch angibt.<br />
12) Vgl. zur Selbstbeurteilung BÖHM (2001) S. 122; GEBERT/KUTSCH (2003) S. 228; KAUFFELD/GROTE (2002) S. 30; JUNG (1999)<br />
S. 745 f.<br />
13) Vgl. zu diesem Phänomen JUNG (1999) S. 745 f.; KAUFFELD/GROTE (2002) S. 30.
82 1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
Diese Gefahren der „verzerrten“ oder falschen Erfassung der Akteurskompetenzen können durch<br />
die Fremdbeurteilung 14) reduziert werden. Im Gegensatz zur Selbstbeurteilung wird bei der Fremdbeurteilung<br />
mindestens ein weiterer Akteur aktiv, um das Wissen über die Kompetenzen des jeweiligen<br />
Akteurs zu erheben und in dessen Kompetenzprofil abzulegen. Bei dieser dritten Person kann<br />
es sich beispielsweise um den direkten Vorgesetzten des betroffenen Akteurs oder aber auch um ein<br />
Mitglied der Personalabteilung handeln. Als Methoden zur Fremdbeurteilung können beispielsweise<br />
das Assessment Center, die so genannte Leistungsbeurteilung und das Kasseler-Kompetenz-Raster<br />
eingesetzt werden.<br />
Zu den methodisch ausgefeiltesten, aber auch aufwendigsten Methoden zur Fremdbeurteilung gehört<br />
das Assessment Center 15) . In einem Assessment Center werden die betroffenen Akteure einzeln<br />
oder in einer Gruppe mit Aufgabenstellungen konfrontiert, die sie unter simulierten Praxisbedingungen<br />
bewältigen müssen. Die betroffenen Akteure werden dabei von mehreren Personen (Assessoren)<br />
beobachtet, die das Aufgabenergebnis systematisch analysieren und bewerten. Durch das Assessment<br />
Center kann das Wissen über die aktuellen handlungsbefähigenden Kenntnisse und Fähigkeiten<br />
eines Mitarbeiters erhoben werden. Zudem lässt sich dadurch auch das Potenzial eines Mitarbeiters<br />
erschließen.<br />
Im Gegensatz zum Assessment Center wird durch die so genannte Leistungsbeurteilung 16) nur das<br />
Wissen über die aktuellen Kompetenzen des betroffenen Akteurs erhoben. In der betrieblichen Praxis<br />
wird die Leistungsbeurteilung in der Regel nicht für die Erhebung von Wissen über Akteurskompetenzen<br />
eingesetzt. Vielmehr dient sie als Grundlage für die Zuteilung leistungsabhängiger<br />
Vergütungsbestandteile. Bei der Leistungsbeurteilung werden das gezeigte Verhalten des Akteurs<br />
und seine erbrachten Arbeitsergebnisse z.B. in Form eines strukturierten Erhebungsbogens erfasst.<br />
Anschließend lassen sich daraus Schlussfolgerungen über die handlungsbefähigenden Kenntnisse<br />
und Fähigkeiten des betroffenen Akteurs ziehen.<br />
Schließlich kann zur Fremdbeurteilung das so genannte Kasseler-Kompetenz-Raster (KKR) 17) eingesetzt<br />
werden. Beim Kasseler-Kompetenz-Raster erhalten die betroffenen Akteure die Aufgabe, in<br />
einer Gruppe von fünf bis sieben Mitgliedern ein bestimmtes Problem, das einen engen Bezug zur<br />
Tätigkeit der Akteure aufweist, zu lösen. Das Ziel der Gruppe ist es nicht, eine eindeutige, „objektiv“<br />
richtige Lösung zu finden. Vielmehr soll die Gruppe in 60-90 Minuten eine für alle Gruppenmitglieder<br />
sinnvolle Lösung erarbeiten, die im Vorfeld unbekannt ist und von der Gruppe kreativ<br />
erzeugt wird. Die verbalen Äußerungen der Gruppenmitglieder werden nach ca. 50 Kriterien des<br />
Kasseler-Kompetenz-Rasters, die sich auf die Teilkompetenzen Fach-, Methoden-, Sozial- und<br />
Selbstkompetenz aufteilen lassen, von geschulten Beobachtern kodiert und ausgewertet.<br />
14) Im Bereich der Mitarbeiterauswahl und -beurteilung sind zahlreiche Methoden entwickelt worden, um die Kompetenzen von<br />
Mitarbeitern durch Dritte zu erheben; vgl. für einen Überblick über die Methoden zur Akquisition von Wissen über Mitarbeiterkompetenzen<br />
JUNG (1999) S. 740 ff.; SCHOLZ (1994) S. 239 ff.; ULMER (2002) S. 46 f. (insbesondere Abbildung 1 auf S.<br />
47). Vgl. darüber hinaus für eine ausführliche Diskussion der Methoden zur Erhebung von Wissen über Mitarbeiterkompetenzen<br />
ALAN (2002a) S. 16 ff. Dort werden die Wissensakquisitionsmethoden entsprechend der Interaktion mit dem Akteur,<br />
dessen Kompetenzen erhoben werden, in reaktive und nonreaktive Methoden unterteilt. Bei den reaktiven Methoden erfolgt<br />
eine Interaktion zwischen dem Beurteiler und dem jeweiligen Akteur. Ein Beispiel hierfür ist die direkte Befragung in Form<br />
eines schriftlichen Interviews. Hingegen existiert bei den nonreaktiven Methoden keine direkte Interaktion. Stattdessen werden<br />
beispielsweise Arbeitsergebnisse analysiert, um daraus Schlussfolgerungen über die Kompetenzen dieses Akteurs zu ziehen.<br />
15) Vgl. zum Assessment Center KLEINMANN (2003); KOMPA (1999) und die Ausführungen in ALAN (2002a) S. 48 ff.<br />
16) Vgl. zur Leistungsbeurteilung JUNG (1999) S. 742; SCHOLZ (1994) S. 240 f.; ULMER (2002) S. 46 ff.<br />
17) Vgl. zum Kasseler-Kompetenz-Raster KAUFFELD/GROTE/FRIELINIG (2003), S. 261 ff.
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> 83<br />
Die Fremdbeurteilung hat gegenüber der Selbstbeurteilung den Vorzug, dass das Wissen über die<br />
Kompetenzen eines Akteurs intersubjektiv nachvollziehbar erhoben werden kann. Zudem kann es<br />
z.B. im Fall der Leistungsbeurteilung in Kombination mit Instrumenten zur Personalführung, wie<br />
z.B. dem jährlichen Mitarbeitergespräch, durchgeführt werden. Jedoch sind auch damit Probleme<br />
verbunden. Zum einen werden bei der Fremdbeurteilung erhebliche Unternehmensressourcen gebunden,<br />
da neben dem betroffenen Akteur mindestens ein weiterer Akteur bei der Erhebung des<br />
Wissens über die Kompetenzen involviert ist. Zum anderen wird durch die Fremdbeurteilung die<br />
Aktualität des Wissens über die Akteurskompetenzen nicht sichergestellt. Denn eine Fremdbeurteilung<br />
kann allenfalls ein bis zweimal jährlich durchgeführt werden.<br />
Aufgrund der Vor- und Nachteile der Selbst- und Fremdbeurteilung bietet sich eine Kombination<br />
beider Methoden an. Durch die regelmäßige Selbstbeurteilung seitens der Kompetenzträger wird die<br />
Aktualität des Wissens sichergestellt. Hingegen gewährleistet die Fremdbeurteilung die intersubjektive<br />
Nachvollziehbarkeit des „akquirierten“ Wissens und dient der Überprüfung des Wissens über<br />
die Akteurskompetenzen, das durch die Selbstbeurteilung erhobenen worden ist.<br />
1.2.1.2.3 Zweckbezogene Anwendung des Wissens über Kompetenzen<br />
Ein computerbasiertes Kompetenzmanagement dient dazu, das vorhandene – sowohl explizite als<br />
auch implizite – Wissen über die Kompetenzen für die Aufgaben des betrieblichen Wissensmanagements<br />
zweckbezogen anzuwenden. Es finden sich zahlreiche Anwendungsgebiete für computerbasierte<br />
<strong>Kompetenzmanagementsysteme</strong>. 18)<br />
Erstens kann ein computerbasiertes Kompetenzmanagementsystem im Rahmen der Konfiguration<br />
von Projektteams eingesetzt werden. Der Erfolg eines Projekts wird in erheblichem Maße durch die<br />
Art und die Verteilung des Wissens innerhalb des Projektteams beeinflusst. Daher gilt es bei der<br />
Zusammenstellung von Projektteams die erforderlichen Kompetenzen zu identifizieren und in der<br />
erforderlichen Weise miteinander zu kombinieren. In diesem Zusammenhang kann ein computerbasiertes<br />
Kompetenzmanagementsystem dazu dienen, die geeigneten Akteure für die Erfüllung der<br />
Projektziele zu identifizieren und in einem Projektteam zusammenzustellen.<br />
Die Zusammenstellung von Projektteams findet in der Regel am Anfang eines Projekts statt. Allerdings<br />
kann selbst ein zu Beginn eines Projekts hinsichtlich der erforderlichen Kompetenzen „ausgewogenes“<br />
Projektteam in ein Ungleichgewicht geraten. Ein derartiger Effekt tritt dann ein, wenn<br />
sich die Aufgaben des Projektteams und damit die Anforderungen an die Mitglieder eines Projektteams<br />
im Verlauf des Projekts verändern. Beispielsweise kann im Verlauf eines IT-Beratungsprojekts<br />
festgestellt werden, dass das Problem des Klienten nicht ausschließlich durch die Einführung<br />
eines Dokumenten-Management-Systems gelöst werden kann. 19) Vielmehr sind zur Lösung des<br />
Problems auch Kenntnisse und Fähigkeiten aus anderen Gebieten, wie z.B. dem Workflowmanagement,<br />
erforderlich. In diesem Fall kann ein computerbasiertes Kompetenzmanagementsystem genutzt<br />
werden, um das Projektteam flexibel an die veränderten Aufgaben anzupassen, indem diejenigen<br />
Kompetenzträger identifiziert werden, die die neu hinzu gekommenen Kompetenzanforderungen<br />
erfüllen.<br />
18) Vgl. für Anwendungsgebiete für computerbasierte <strong>Kompetenzmanagementsysteme</strong> BÖHM (2001) S. 8 ff.; DEITERS/LUCAS/WE-<br />
BER (1999) S. 8 ff.; GEBERT/KUTSCH (2002) S. 229.<br />
19) Vgl. für dieses Beispiel DEITERS/LUCAS/WEBER (1999) S. 9.
84 1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
Zweitens kann ein computerbasiertes Kompetenzmanagementsystem dazu beitragen, die Akteure zu<br />
identifizieren, die die für die Durchführung einer Aufgabe geforderten Kompetenzen nicht besitzen.<br />
In diesem Zusammenhang kann ein computerbasiertes Kompetenzmanagementsystem als Instrument<br />
bei der systematischen Kompetenzentwicklung eingesetzt werden. Zur Identifikation des Entwicklungsbedarfs<br />
bedient man sich der Kompetenzlücken-Analyse. 20) Hierbei wird das Kompetenzprofil<br />
eines Mitarbeiters (akteursspezifisches Kompetenzprofil) mit dem Kompetenzprofil seiner<br />
Aufgaben (aufgabenspezifisches Kompetenzprofil) verglichen. 21) Das akteursspezifische Kompetenzprofil<br />
beschreibt die aktuellen Fach-, Methoden-, Sozial- und Selbstkompetenzen und deren<br />
Ausprägungen von einem Mitarbeiter (Ist-Kompetenzprofil). Hingegen enthält das aufgabenspezifische<br />
Kompetenzprofil diejenigen Kompetenzen und deren Ausprägungen, die dieser Akteur zur effektiven<br />
und effizienten Durchführung der Aufgaben besitzen sollte (Soll-Kompetenzprofil). Ein<br />
Vergleich zwischen dem Soll- und dem Ist-Kompetenzprofil führt zur Identifikation von Kompetenzlücken.<br />
22)<br />
Für die systematische Kompetenzentwicklung auf der Grundlage computerbasierter <strong>Kompetenzmanagementsysteme</strong><br />
sprechen mehrere Gründe. 23) Zum einen können Schulungsmaßnahmen bedarfsgerecht<br />
und selektiv eingeleitet und durchgeführt werden. Statt der herkömmlichen Planung und<br />
Durchführung von Weiterbildungsmaßnahmen nach dem „Gießkannenprinzip“ werden für jeden<br />
Akteur „individuelle“ Schulungsmaßnahmen angeboten, mit denen seine Kompetenzlücken geschlossen<br />
werden. Zum anderen kann die Kompetenzentwicklung mit Hilfe eines computerbasierten<br />
Kompetenzmanagementsystems mit E-Learning-Maßnahmen zur individuellen Lernprozess-Steuerung<br />
kombiniert werden. Aus der aufgedeckten Abweichung und dem ermittelten Entwicklungsbedarf<br />
kann ein Akteur sein eigenes, individuelles Schulungsportfolio ableiten, das für seine Ziele<br />
geeignet ist. 24)<br />
Drittens kann ein computerbasiertes Kompetenzmanagementsystem den Wissenstransfer innerhalb<br />
eines Unternehmens unterstützen. Der Zugriff auf das vorhandene Wissen in einem Unternehmen<br />
stellt sich oft als schwierig heraus, da entsprechende Kompetenzen von Mitarbeitern über die Grenzen<br />
von z.B. Abteilungen und Geschäftsbereichen hinaus nicht bekannt sind. Wenn der „richtige“<br />
Kompetenzträger für Fragen und Probleme gesucht wird, der den Anforderungen der zu lösenden<br />
Aufgaben ideal entspricht, dann kann ein computerbasiertes Kompetenzmanagementsystem weiterhelfen.<br />
Mit Hilfe eines computerbasierten Kompetenzmanagementsystems können die Kompetenzträger<br />
entsprechend ihrer Qualifikation, Erfahrung und Kompetenz gefunden werden. Die Mitarbeiter<br />
sind ebenfalls nach Kriterien wie Position in der Aufbauorganisation (Standorte, Niederlassungen,<br />
Abteilungen etc.), Projektbeteiligungen und Namen auffindbar.<br />
20) Vgl. zur Kompetenzlücken-Analyse, die auch als Skill-Gap-Analyse bezeichnet wird, DEITERS/LUCAS/WEBER (1999) S. 11;<br />
KLE<strong>MB</strong>KE/KRÖPELIN/KUTH (2003) S. 32.<br />
21) Dabei wird vorausgesetzt, dass sowohl das akteursspezifische als auch das aufgabenspezifische Kompetenzprofil spezifiziert<br />
werden kann. Insbesondere bei neuartigen Tätigkeiten kann es zu Problemen bei der Definition eines aufgabenspezifischen<br />
Kompetenzprofils kommen. In diesem Fall dürfte die Festlegung unscharfer Kompetenzniveaus die Regel sein; vgl. SCHOLZ<br />
(1994) S. 252 f. für ähnliche Probleme bei der Fähigkeitsanalyse im Rahmen der Personalentwicklung.<br />
22) Bei diesem Vergleich können auch Methoden des „Kompetenz-Matchings“ eingesetzt werden; vgl. dazu Kapitel 2.5 (S. 537<br />
ff., insbesondere S. 554 ff.).<br />
23) Vgl. KLE<strong>MB</strong>KE/KRÖPELIN/KUTH (2003) S. 30 f.<br />
24) Im Projekt KOWIEN wurde eine E-Learning-Anwendung entwickelt. Sie stellt Lerninhalte aus dem Gebiet des ontologie-<br />
und kompetenzprofilbasierten Wissensmanagements bereit und kann beispielsweise im Rahmen der betrieblichen Aus- und<br />
Weiterbildung eingesetzt werden. Vgl. Kapitel 3.1.2 auf S. 597 ff. zur E-Learning-Anwendung des Projekts KOWIEN.
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> 85<br />
1.2.1.3 Problemfelder<br />
Um einen effektiven und effizienten Einsatz eines computerbasierten Kompetenzmanagementsystems<br />
in der betrieblichen Praxis zu gewährleisten, müssen mehrere Problemfelder berücksichtigt<br />
werden. Hierzu gehören rechtliche 25) und motivationale 26) Problemfelder, die bei der Speicherung<br />
personenbezogener Daten bzw. bei der Einführung und Nutzung eines cmputerbasierten Kompetenzmanagementsystems<br />
von Bedeutung sind. Im Projekt KOWIEN wurde nicht auf diese Problemfelder<br />
fokussiert. 27) Stattdessen wurde insbesondere auf jene Problemfelder eingegangen, die im<br />
Rahmen computerbasierter <strong>Kompetenzmanagementsysteme</strong> berücksichtigt werden müssen. 28) Diese<br />
Problemfelder betreffen<br />
• die technische und<br />
• die fachlich-konzeptionelle Heterogenität der IT-Systeme, in denen das Wissen über Akteurskompetenzen<br />
abgelegt ist<br />
Insbesondere in dezentralisierten Unternehmen kann es vorkommen, dass gleichzeitig und unabhängig<br />
voneinander mehrere IT-Systeme zur Anwendung kommen, die für das Management von<br />
Wissen über Kompetenzen relevant sind. Um für das Management von Kompetenzen einen ganzheitlichen<br />
Ansatz verfolgen zu können, in dem möglicht viele IT-Systeme berücksichtigt werden,<br />
25) In einem computerbasierten Kompetenzmanagementsystem werden personenbezogene Daten gespeichert. Daher sind beim<br />
Einsatz das Bundesdatenschutzgesetz (BDSG) und das Betriebsverfassungsgesetz (BetrVG) zu berücksichtigen; vgl. zu diesem<br />
Problem GEBERT/KUTSCH (2003) S. 228 im Kontext computerbasierter <strong>Kompetenzmanagementsysteme</strong> („Skill-Management)<br />
und MÜLDER (2000) S. 99 im Zusammenhang mit computerbasierten Personalinformationssystemen.<br />
Das BDSG gilt – falls keine spezielleren Gesetze existieren – für den Umgang mit personenbezogenen Daten im gesamten<br />
Bereich der Privatwirtschaft und der öffentlichen Verwaltung. Datenschutz bedeutet ein grundsätzliches Verbot der Erhebung,<br />
Verarbeitung und Nutzung personenbezogener Daten, außer der Betroffene gibt seine Einwilligung (§ 4, Abs. II, BDSG) oder<br />
es existiert eine Vorschrift (Gesetz, Tarifvertrag, Betriebsvereinbarung), die die Verarbeitung regelt (§ 4, Abs. I, BDSG). Innerhalb<br />
der verschiedenen Informations- und Mitbestimmungsrechte ist für die Einführung von computerbasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
vor allem § 87, Abs. I, Nr. 6 BetrVG von Bedeutung. Diese Vorschrift zielt auf den Schutz des<br />
einzelnen Arbeitnehmers vor technischen Überwachungseinrichtungen. Aus Schutz vor dem „gläsernen Mitarbeiter“ verlangen<br />
Betriebsräte im Regelfall den Abschluss einer Betriebsvereinbarung, in der die Möglichkeiten und Grenzen eines computerbasierten<br />
Kompetenzmanagementsystems genau festgelegt sind. Wenn zwischen Arbeitgeber und Betriebsrat keine Einigung<br />
über den Inhalt einer Betriebsvereinbarung erzielt wird, kann von beiden Seiten die Einigungsstelle angerufen werden (§<br />
87, Abs. II).<br />
26) Ein interessanter Ansatz zur „Modellierung“ der Motivationsproblematik im Rahmen von IT-Systemen findet sich bei WIL-<br />
KESMANN/RASCHER (2002) S. 344 ff. Dort wird das Motivationsproblem für die Eingabe von Daten in eine Datenbank als ein<br />
Gefangenen-Dilemma mit zwei extrinsisch motivierten Akteuren modelliert, wobei die Strategie „Daten nicht eingeben“ für<br />
beide Akteure dominant ist. Durch diese dominante Strategie erreichen beide Akteure die zweitniedrigste Auszahlung. Wenn<br />
allerdings beide Akteure die Strategie „Daten eingeben“ wählen würden, dann könnten sie die höchste Auszahlung erzielen. Im<br />
Rahmen des computerbasierten Wissensmanagements ist es nun durch Anreize sicherzustellen, dass beide Akteure die „kooperative“<br />
Strategie (Daten eingeben) wählen und sich nicht gegenseitig ausbeuten. Der Einsatz von externen Anreizen (wie<br />
z.B. Entlohnung) ist in diesem Zusammenhang mit Problemen und Dysfunktionalitäten verbunden: Erstens kann durch externe<br />
Anreize eine Anspruchsspirale erzeugt werden. Über die Zeit verlangen die Akteure immer mehr Anreize, damit die Akteure<br />
weiterhin motiviert sind, Daten einzugeben. Zweitens kann es zu einem Verzerrungseffekt kommen (vgl. zum Verzerrungseffekt<br />
HOLMSTRÖM/MILGROM (1991) S. 31 ff.). Es wird nur diejenige Handlung ausgeführt, die auch belohnt wird; andere<br />
Handlungen werden hingegen vernachlässigt. Wenn z.B. die Anzahl der eingegebenen Daten belohnt wird, dann wird<br />
das Verhalten der Akteure auf die Quantität der Daten und nicht auf deren Qualität gelenkt.<br />
27) Vgl. die Ausführungen zu den zwei Gestaltungsansätzen des Wissensmanagements, die in Kapitel 1.1.1 auf S. 33 ff. erläutert<br />
worden sind. Im Projekt KOWIEN wurde auf die Kodifizierungsstrategie fokussiert. Diese Schwerpunktsetzung zugunsten<br />
Automatischer Informations- und Wissensverarbeitungssysteme bedeutet allerdings nicht, dass die große Bedeutung des Humankapitals<br />
für das Wissensmanagement verkannt wird.<br />
28) Vgl. zu den folgenden Problemen des computerbasierten Kompetenzmanagements insbesondere die Ausführungen in Kapitel<br />
1.1.2 auf 39 ff.
86 1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
müssen die Systeme untereinander eine Interoperabilität aufweisen. Die Interoperabilität von IT-<br />
Systemen erstreckt sich zum einen über technische und zum anderen über fachlich-konzeptionelle<br />
Aspekte. Den „Gegenpol“ zur technischen Interoperabilität von IT-Systemen bildet ihre technische<br />
Heterogenität. Den Gegenpol zur fachlich-konzeptionellen Interoperabilität stellt hingegen die fachlich-konzeptionelle<br />
Heterogenität der IT-Systeme dar.<br />
Die technische Interoperabilität von IT-Systemen ist gefährdet, wenn zueinander inkompatible Programmierkonzepte<br />
Verwendung finden. Hingegen erstreckt sich die fachlich-konzeptionelle Interoperabilität<br />
von IT-Systemen sowohl über syntaktische als auch über semantische Aspekte. Syntaktische<br />
Heterogenität zwischen IT-Systemen liegt dann vor, wenn zur Wissensrepräsentation Sprachen<br />
mit unterschiedlichen Grammatiken verwendet werden. Eine semantische Heterogenität zwischen<br />
IT-Systemen liegt hingegen dann vor, wenn die Wissensbestände auf unterschiedlichen Konzeptualisierungen<br />
basieren. Eine divergierende Konzeptualisierung kann sich einerseits in ambigen<br />
Bezeichnungen (Synonyme und Homonyme) und andererseits in strukturellen Konflikten äußern.<br />
Beispielsweise liegen divergierende Konzeptualisierungen vor, wenn der gleiche Begriff in zwei<br />
Wissensbeständen auf gegenseitig ausschließende Weise taxonomisch eingeordnet ist.<br />
Während die syntaktische Heterogenität von IT-Systemen teilweise durch „Mapping“-Verfahren<br />
überbrückt werden kann, ist ihre semantische Heterogenität mit weitaus größeren Problemen behaftet.<br />
Bezüglich divergierender Bezeichnungen können semantische Heterogenitäten teilweise überwunden<br />
werden, wenn die IT-Systeme eine Differenzierung zwischen einerseits sprachlichen Ausdrucksmitteln<br />
und andererseits Strukturierungseinheiten für die Konzeptualisierung erlauben. Hierbei<br />
ist nicht ausgeschlossen – und sogar in den meisten Fällen notwendig –, dass es sich auch bei<br />
den Strukturierungseinheiten um sprachliche Konstrukte handelt. Im Fall der Synonymie werden für<br />
die gleiche Strukturierungseinheit unterschiedliche Bezeichnungen verwendet. Dieser Fall lässt sich<br />
dadurch beseitigen, dass die Synonymie-Beziehung zwischen den Bezeichnern explizit aufgezeigt<br />
wird. Weitaus schwieriger ist hingegen die homonyme Verwendung einer Zeichenkette. In diesem<br />
Fall haben nämlich unterschiedliche Strukturierungseinheiten die gleiche Bezeichnung. Je nach<br />
Verwendung der homonymen Zeichenkette muss in diesem Fall aufgezeigt werden, welche Strukturierungseinheit<br />
„gemeint“ ist.<br />
Bei Wissen handelt es sich um ein sprachliches Artefakt. Daher hat Wissensmanagement zwangsläufig<br />
mit der Organisation sprachlicher Vermittlungsprozesse zu tun. Derartige sprachliche Probleme<br />
des Wissensmanagements werden in der Literatur zumeist unter dem Stichwort „gemeinsame<br />
Sprache“ diskutiert, die als Schlüssel- und Erfolgsfaktor für eine funktionierende Wissensteilung<br />
betrachtet wird. 29)<br />
Das Handeln von Organisationen vollzieht sich in einer pluralistischen Lebenswelt, die eine Vielzahl<br />
von Akteuren umfasst. Die Mitglieder der jeweiligen Lebenswelten teilen eine spezifische Lebens- und<br />
Sprachform, die ihr Fühlen, Denken und Sprechen beeinflusst. Die Lebenswelt einer Organisation<br />
stellt keinen homogenen Kontext dar. Die Spezialisierung der einzelnen organisationalen Subsysteme<br />
(Organisationseinheiten) auf unterschiedliche Teilaufgaben bei der betrieblichen Leistungserstellung<br />
und die geographische Ausdifferenzierung führt zu einer sozialen Differenzierung und damit auch<br />
zu spezifischen Lebens- und Sprachformen. 30) Diese Lebenswelten einer Organisation basieren auf<br />
29) Vgl. dazu GRANT (1996) S. 116; ROEHL (2000) S. 314 f.; SCHNEIDER (1996) S. 29; SCHNOTZ/HEISS (2004) S. 41 ff.; VON<br />
KROGH/ROOS (1996) S. 220 und die Ausführungen in Kapitel 1.1.2 (S. 39 ff.) zu den Kooperationsbarrieren für das Wissensmanagement<br />
in Engineering-Netzwerken sowie die Quellenangaben in Fußnote 40 (S. 45) in jenem Kapitel.<br />
30) Vgl. KIRSCH (1990) S. 22 ff.
1.2.1 Überblick über computerbasierte <strong>Kompetenzmanagementsysteme</strong> 87<br />
unterschiedlichen, teils divergierenden Wissenshintergründen. Die hieraus resultierenden Sprachdivergenzen<br />
werden besonders bei Funktionalorganisationen deutlich, bei denen z.B. unter dem gleichem<br />
Ausdruck „Auftrag“ aus der Produktions- und der Absatzperspektive inhaltlich etwas völlig<br />
anderes verstanden wird. 31)<br />
Die Unabdingbarkeit der Ausbildung von Spezialsprachen (Fachsprachen) im Zuge der fachlichen<br />
Spezialisierung von Teilen eines Unternehmens führt zu sprachlichen Problemen für ein computerbasiertes<br />
Kompetenzmanagementsystem. Daher leidet in der betrieblichen Praxis der Zugriff auf<br />
das Wissen über Akteurskompetenzen oftmals darunter, dass unterschiedliche Akteure verschiedene<br />
Begrifflichkeiten verwenden (terminologische Diversität), um gleichartige Kompetenzen zu beschreiben.<br />
Die Lebens- und Sprachformen unterschiedlicher organisationaler Lebenswelten können in einem<br />
inkommensurablen Verhältnis zueinander stehen. In dem Maße, wie sich Organisationen durch eine<br />
Vielzahl unterschiedlicher Lebenswelten auszeichnen, die bei der betrieblichen Leistungserstellung<br />
zusammenwirken, gewinnen insbesondere im Rahmen computerbasierter <strong>Kompetenzmanagementsysteme</strong><br />
Instrumente an Bedeutung, die es ermöglichen, die aus dem Pluralismus der Lebenswelten<br />
entstehende terminologische Diversität zu überbrücken.<br />
Die Notwendigkeit zum Aufzeigen des „eigentlich gemeinten“ Konstrukts resultiert aus der Explizierungslücke,<br />
die in konventionellen IT-Systemen zu beobachten ist. Eine derartige Explizierungslücke<br />
ist genau dann gegeben, wenn in den Systemen implizite Wissensbestandteile enthalten sind.<br />
Derartige Wissensbestandteile können u.U. für das Management von Wissen über Kompetenzen<br />
weit reichende Relevanz besitzen. Denn gerade das Wissen über Kompetenzen von Akteuren liegt<br />
in der Regel nicht in expliziter Form vor. Stattdessen ist es meistens implizit in Dokumenten über<br />
betriebliche Sachverhalte – wie z.B. in Projektberichten und Mitarbeiter-Homepages – enthalten.<br />
Dieses implizite Wissen ist für die Zwecke des betrieblichen Wissensmanagements nicht unmittelbar<br />
zugänglich. Denn es kann nicht durch konventionelle IT-Systeme erschlossen werden.<br />
31) Vgl. ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 197 f.
1.2.2 Das Kompetenzmanagementsystem bei<br />
Roland Berger Strategy Consultants<br />
DIPL.-KFM. ADEM ALPARSLAN, DIPL.-KFM. YILMAZ ALAN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
KAI ENGELMANN<br />
Roland Berger Strategy Consultants<br />
1.2.2.1 Bedarf für <strong>Kompetenzmanagementsysteme</strong><br />
in der Unternehmensberatung<br />
Das Ziel eines Beratungsprojekts besteht in der Unterstützung des Klienten durch die Einbringung<br />
von Wissen. Im Gegensatz zum Produkt-Engineering ist das Ergebnis eines Beratungsprojekts immer<br />
ein immaterielles Produkt. 1) Versuche, diese „Beratungsprodukte“ zu standardisieren, erweisen<br />
sich als ungeeignet zur Lösung des jeweils sehr spezifischen Projektauftrages. Die erfolgreiche<br />
Durchführung eines Beratungsprojekts ist immer abhängig von dem eingesetzten Wissen. Dieses<br />
Wissen beruht auf den Kompetenzen der einzelnen Berater (individuelle Kompetenzen) und auf den<br />
Kompetenzen des Beratungsunternehmens (organisationale Kompetenzen). Sie können sich auf unterschiedliche<br />
Bereiche erstrecken:<br />
• Wissen über Kunden oder Branchen,<br />
• Wissen über Theorien oder Technologien im Sinne von verallgemeinerten Aussagen<br />
für das zielgerichtete Gestalten und<br />
• Wissen über Problemlösungsmethoden.<br />
Diese (individuellen und organisationalen) Kompetenzen sind die zentrale Leistung, die in den Beratungsprozess<br />
eingehen. In diesem Sinne lässt sich ein Beratungsprojekt als ein Wissenstransformationsprozess<br />
auffassen. 2) Die Kompetenzen werden durch ein Beratungsprojekt in Problemlösungsmethoden<br />
transformiert, wobei im Rahmen des Beratungsprojekts neues Wissen – z.B. in<br />
Form von Konzepten für die strategische Unternehmensführung – entwickelt wird. 3)<br />
Aufgrund dieser Besonderheit der Beratungsprojekte sind die Kompetenzen die Grundlage für die<br />
Generierung und Erhaltung von Wettbewerbsvorteilen und Erfolgspotenzialen für ein Beratungsunternehmen.<br />
Daher besteht Bedarf für Methoden zur Identifikation, Entwicklung, Formalisierung,<br />
Speicherung, Nutzbarmachung sowie zum Transfer und Schutz von Wissen. Der Bedarf für ein effektives<br />
und effizientes Wissensmanagement wird durch weitere Merkmale von Beratungsunternehmen<br />
verstärkt. Zum einen sind Beratungsunternehmen in Form einer flexiblen Projektorganisation<br />
strukturiert. Die Projektteams werden für jeden Beratungsauftrag neu zusammengestellt. Sie<br />
sind ausschließlich auf die Spezifika der zu erfüllenden Beratungsaufgabe zugeschnitten und werden<br />
mit der erfolgreichen Aufgabenerfüllung aufgelöst. Bei jedem Beratungsauftrag besteht daher<br />
1) Vgl. BLESSING/BACH (2000) S. 268 f.<br />
2) Vgl. zur Bedeutung von Wissen im Rahmen des Beratungsprozesses BA<strong>MB</strong>ERGER/WRONA (2002) S. 23; BLESSING/BACH (2000)<br />
S. 257; BLESSING/RIEMPP/ÖSTERLE (2001) S. 431.<br />
3) Hierbei seien beispielsweise die unterschiedlichen Konzepte genannt, die seitens von Beratungsunternehmen entwickelt worden<br />
sind: das Erfahrungskurvenkonzept, das Portfolio-Konzept, das PIMS-Konzept und das Konzept der Gemeinkostenwertanalyse.
90 1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants<br />
der Bedarf für ein Kompetenzmanagementsystem zur Unterstützung der Projektteamzusammenstellung.<br />
Zum anderen ist die Beratungsbranche durch eine extrem hohe Wissensintensität in der individuellen<br />
Leistungserstellung gekennzeichnet. Jegliche Personalfluktuation verändert nachhaltig das<br />
personengebundene Kompetenzenreservoir eines Beratungsunternehmens. Aus diesem Grund besteht<br />
seitens des Beratungsunternehmens ein großes Interesse daran, die Kompetenzen seiner Mitarbeiter<br />
in Wissensbanken und anderen Formen des Organisationswissens explizit zu dokumentieren<br />
und dadurch im Unternehmen zu verankern.<br />
Die oben genannten Aktivitäten des Wissensmanagements können durch unterschiedliche Maßnahmen<br />
unterstützt werden. Hierzu gehören beispielsweise die Einrichtung von Informations- und<br />
Kommunikationssystemen und ihre Computerunterstützung, die Gestaltung des Personalmanagements<br />
oder der Organisationsstruktur. In diesem Beitrag wird exemplarisch die Unterstützung des<br />
Wissensmanagements durch ein computerbasiertes Kompetenzmanagementsystem in einem internationalen<br />
Beratungsunternehmen – Roland Berger Strategy Consultants – behandelt. Dabei wird<br />
zunächst der spezifische Bedarf für ein erfolgreiches Wissensmanagement diskutiert. Anschließend<br />
wird das computerbasierte Wissensmanagementsystem BRAIN vorgestellt, das verschiedene Anwendungen<br />
zur Unterstützung der Wissensmanagement-Aktivitäten während des gesamten Beratungsprozesses<br />
bereitstellt. Hierzu gehört insbesondere das computerbasierte Kompetenzmanagementsystem<br />
proSKILLS, das weltweit die Identifikation von Kompetenzträgern ermöglicht. Nach<br />
der Darstellung der Vorgehensweise zur Einführung von BRAIN und der organisatorischen Verankerung<br />
des Wissensmanagements bei Roland Berger werden die kritischen Faktoren diskutiert, die<br />
für den Erfolg des computerbasierten Kompetenzmanagementsystems im Besonderen und von<br />
BRAIN im Allgemeinen verantwortlich sind.<br />
1.2.2.2 Überblick über Roland Berger Strategy Consultants<br />
Roland Berger Strategy Consultants, 1967 gegründet, ist eine der weltweit führenden Strategieberatungen.<br />
Mit 32 Büros in 22 Ländern ist das Unternehmen erfolgreich auf dem Weltmarkt aktiv.<br />
1630 Mitarbeiter haben im Jahr 2003 einen Umsatz von über 530 Mio. EUR erwirtschaftet. Die<br />
Strategieberatung ist eine unabhängige Partnerschaft im ausschließlichen Eigentum von derzeit<br />
mehr als 160 Partnern.<br />
Roland Berger berät international führende Industrie- und Dienstleistungsunternehmen sowie öffentliche<br />
Institutionen. Das Beratungsangebot umfasst alle Fragen der Unternehmensführung – von<br />
der strategischen Ausrichtung über die Einführung neuer Geschäftsmodelle und -prozesse sowie<br />
Organisationsstrukturen bis hin zur Informations- und Technologiestrategie.<br />
Roland Berger ist in globalen Kompetenzzentren organisiert. Die Industrie-Kompetenzzentren decken<br />
die großen Branchen ab, die funktionalen Kompetenzzentren bieten Wissen zu übergreifenden<br />
methodischen Fragestellungen. Für jedes Beratungsprojekt wird ein interdisziplinäres Projektteam<br />
zusammengestellt, das aus Experten mit branchenspezifischem und funktionalem Wissen besteht<br />
(siehe Abbildung 1).
1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 91<br />
Abbildung 1: Kompetenzzentren von Roland Berger Strategy Consultants<br />
Das Interesse an der Thematik Wissensmanagement ergab sich bei Roland Berger insbesondere<br />
durch das rasante Unternehmenswachstum Mitte der neunziger Jahre. Denn die zunehmende Dezentralisierung<br />
und Internationalisierung wurde durch eine Dezentralisierung des Kompetenzreservoirs<br />
begleitet. Hierdurch bestand zum einen die Gefahr, dass besonders erfolgreiche Problemlösungsmethoden<br />
nicht unternehmensweit für andere Beratungsprojekte zur Verfügung stehen würden.<br />
Zum anderen werden die Projektteams bei Roland Berger aus Beratern von verschiedenen nationalen<br />
und internationalen Standorten zusammengestellt. Für die erfolgreiche Durchführung eines<br />
Beratungsprojekts ist es jedoch erforderlich, die geeigneten individuellen Kompetenzträger zu finden.<br />
Daher besteht Bedarf für ein effizientes und effektives computerbasiertes Wissensmanagementsystem,<br />
das zum einen die Speicherung, das Auffinden und den Zugang zu Wissensinhalten,<br />
wie z.B. Best Practices, weltweit ermöglicht und zum anderen die weltweite Identifikation von<br />
Kompetenzträgern erlaubt.<br />
1.2.2.3 Das computerbasierte Wissensmanagementsystem BRAIN<br />
Das Kompetenzmanagementsystem ist eine Komponente des ganzheitlichen, computerbasierten<br />
Wissensmanagementsystems bei Roland Berger. Um das im Unternehmen weltweit verstreute Wissen<br />
transparent zu machen und allen Mitarbeitern Zugriff auf dieses Wissen zu ermöglichen sowie<br />
die richtigen Mitarbeiter für die Projektzusammenstellung zu identifizieren, sollte ein allgemein zugängliches<br />
„organisationales Gedächtnis“ aufgebaut werden. Das Ergebnis dieser Wissensmanagement-Initiative<br />
ist das computerbasierte Wissensmanagementsystem BRAIN („Berger Research<br />
And Information Network“). Das Ziel von BRAIN ist es, nicht nur den Beratern weltweit entsprechend<br />
ihrer Berechtigung über eine Plattform Zugriff auf alle beratungsrelevanten Wissensinhalte<br />
zu ermöglichen, sondern auch den Austausch von Wissen untereinander anzuregen.
92 1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants<br />
Informationstechnisch ist BRAIN als ein Internetportal (siehe Abbildung 2) aufgebaut und im Wesentlichen<br />
auf Plattformen für datenbank- und internetbezogene Standardsoftware (Oracle, Livelink)<br />
realisiert. Alle Anwendungen von BRAIN lassen sich über herkömmliche Webbrowser bedienen.<br />
Abbildung 2: Screenshot von BRAIN<br />
Von BRAIN aus können verschiedene Wissensmanagement-Anwendungen aufgerufen werden.<br />
Hierzu gehören insbesondere die verschiedenen Komponenten von „proCYCLE“. BRAIN dient<br />
hier als gemeinsame Plattform von integrierten Management-Tools, die den Kernprozess der Unternehmensberatung,<br />
den Projektlebenszyklus, unterstützen. Die Komponenten unterstützen bei der<br />
Durchführung eines Beratungsprojekts von der Kontaktaufnahme über die Projektakquisition und<br />
-umsetzung bis hin zur Dokumentation der Projektergebnisse (siehe Abbildung 3).<br />
Kontakt<br />
proCLIENT:<br />
Kundenzufriedenheits<br />
Messung Dokumen<br />
proKNOWLEDGE: tation<br />
Knowledge Management<br />
Datenbank<br />
proFILE:<br />
Human Resources<br />
Management<br />
Kontaktmanagement<br />
After<br />
sales Sales<br />
Delivery<br />
Projekt<br />
proRELATION: CRM Tool<br />
Angebot<br />
Abbildung 3: Der proCYCLE-Prozess<br />
proKNOWLEDGE:<br />
Knowledge Management Datenbank<br />
proFILE:<br />
Human Resources Management<br />
proCAP:<br />
Kapazitätsplanungstool<br />
proMIS:<br />
Management Information System
1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 93<br />
Das Customer-Relationship-Management-System (proRELATION) ist ein Akquisitionsmanagement-Tool,<br />
mit dem sich u.a. auch Umsatzprognosen erstellen lassen. Über das Kapazitätsplanungstool<br />
(proCAP) ist es möglich, die Mitarbeiter-Kapazitäten zu planen und eine Auslastungsvorschau<br />
zu erzeugen. Das Management wird durch das Management Information System (proMIS) mit aktuellen<br />
Controlling-Informationen versorgt. Die Bewertung der generierten Projektergebnisse durch<br />
die Kunden wird durch ein Client-Feedback-Tool (proCLIENT) abgefragt. Das Wissensmanagement-Tool<br />
(proKNOWLEDGE) dient dazu, das in den Projekten gewonnene Wissen zu konservieren<br />
und damit für zukünftige Projekte bereitzustellen. Um die Aktivitäten im Rahmen des Wissensmanagements<br />
möglichst eng an den Beratungsprozess anzubinden, wird der Wissensmanagementprozess<br />
nach dem Prinzip der projektbegleitenden Dokumentation organisiert. Von der Anmeldung<br />
einer Projektnummer bis zur Ablage von Präsentationen, Protokollen und Studien, die im Laufe<br />
eines Projekts entstehen, werden alle Unterlagen in einem virtuellen Team- oder Projektraum gesammelt<br />
und strukturiert abgelegt (siehe Abbildung 4).<br />
Projekt-<br />
Module<br />
Berater<br />
Klienten-<br />
Materialien<br />
Eröffnung der<br />
Projektnummer<br />
PROJEKT<br />
Virtueller Teamraum<br />
Angebote Notizen Präsentationen<br />
Analysen/<br />
Daten<br />
Datenbanken<br />
Spreadsheets<br />
Schließung der<br />
Projektnummer<br />
"EISY<br />
Check"<br />
BRAIN<br />
Knowledge<br />
Warehouse<br />
Zeit<br />
• EISY Formulare<br />
• Präsentationen<br />
• Angebote<br />
• etc.<br />
.bits<br />
business<br />
research<br />
Abbildung 4: Projektbegleitende Dokumentation über einen virtuellen Team- oder Projektraum<br />
Nach Projektabschluss wird das innerhalb der Projekte generierte Erfahrungswissen im Sinne von<br />
Lessons Learned über einen strukturierten Debriefing-Prozess bewertet und festgehalten. Hierbei<br />
werden alle Projektunterlagen (z.B. Angebote, Notizen, Präsentationen oder Analysen) durch den so<br />
genannten EISY-Check (Experience Information SYstem) gefiltert und in proKNOWLEDGE abgespeichert.<br />
Dieses Wissen steht für zukünftige Projekte zur Verfügung und kann über BRAIN weltweit<br />
aufgerufen werden.<br />
Eine zentrale Komponente von proCYCLE ist das Tool zum computerbasierten Management von<br />
Kompetenzen (proSKILLS). In proSKILLS werden in den individuellen Kompetenzprofilen der<br />
Berater nicht nur Daten über ihre Schul- und Hochschulausbildung abgelegt, sondern beispielsweise<br />
auch über ihre Sprach-, Branchen- oder Methodenkompetenzen. Die individuellen Kompetenzprofile<br />
werden von allen Beratern laufend nach Abschluss eines Projekts mit ihren neu hinzugewonnenen<br />
Kompetenzen ergänzt und aktualisiert. Dem einzelnen Berater dient proSKILLS nicht nur dazu,<br />
seine Kompetenzen weltweit verfügbar zu machen und sich so für den zukünftigen Einsatz in Pro-
94 1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants<br />
jekten anzubieten. Vielmehr bietet proSKILLS auch die Möglichkeit zur Suche nach Beratern, die<br />
in einem bestimmten Wissensgebiet besonders kompetent sind und damit für einen Wissenstransfer<br />
in Frage kommen. In Abbildung 5 ist die Suchmaske von proSKILLS abgebildet. Das Kompetenzmanagementsystem<br />
proSKILLS unterstützt zudem auch die Zusammenstellung von Projektteams.<br />
Bei einer Projektanfrage kann ein Projektmanager über proSKILLS diejenigen Kompetenzträger<br />
identifizieren, die für die erfolgreiche Durchführung des geplanten Beratungsprojekts erforderlich<br />
sind. Außerdem kann er aufgrund der Verknüpfung von proSKILLS mit proCAP – dem Kapazitätsplanungstool<br />
(siehe oben) – aktuelle Informationen über die Verfügbarkeit der potenziellen Projektteammitglieder<br />
erhalten.<br />
Neben der Suche nach Kompetenzträgern für den Wissenstransfer und der Zusammenstellung von<br />
Projektteams seitens eines Projektmanagers wird proSKILLS von der Personalabteilung auch als<br />
Tool im Rahmen der gesamtbetrieblichen Personalentwicklung genutzt.<br />
Abbildung 5: Screenshot aus proSKILLS<br />
1.2.2.4 Vorgehensweise bei der Einführung von BRAIN<br />
Die Einführung eines Wissensmanagementsystems ist ein komplexer Prozess, bei dem unterschiedliche<br />
Aspekte berücksichtigt werden müssen. Daher wurde bei der Einführung von BRAIN besonderer<br />
Wert auf die notwendige Integration organisatorischer, technischer und kultureller Aspekte in<br />
einem umfassenden Wissensmanagementsystem gelegt. Abbildung 6 visualisiert wichtige Phasen<br />
bei der Einführung von BRAIN.
1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 95<br />
Knowledge audits<br />
IT-Pflichtenheft<br />
BRAIN Pilotinstallation<br />
Entwicklung RB-Thesaurus<br />
BRAIN Implementierung<br />
Anpassung/MA-Bewertung<br />
Internationaler Roll-out<br />
Weiterentwicklung<br />
1997 1998 1999-2004<br />
Start<br />
Abbildung 6: Projektablauf BRAIN<br />
Bis Ende 1997 wurden umfassende „Knowledge audits“ durchgeführt. Hierzu gehörten die Analyse<br />
des strategisch relevanten Wissens und der wissensorientierten Beratungsprozesse. Ein Analyseergebnis<br />
der Knowledge audits ist die Übersicht über die verschiedenen Informations- und Wissenssphären,<br />
in denen sich die Berater während ihrer alltäglichen Arbeit bewegen (siehe Abbildung 7<br />
auf der nächsten Seite). Diese Informations- und Wissenssphären eines Beraters waren der Bezugsrahmen<br />
für die Gestaltung von BRAIN.<br />
Auf die Analyse der erforderlichen informationstechnischen Infrastruktur folgte die Erstellung eines<br />
IT-Pflichtenheftes. Darauf aufbauend erfolgte die informationstechnische Umsetzung einer ersten<br />
BRAIN-Pilotversion. Diese Pilotversion wurde in ausgewählten Abteilungen installiert und erprobt.<br />
Parallel dazu wurde mit der Entwicklung des RB-Thesaurus begonnen. Ein wichtiger Aspekt hierbei<br />
war die Einbeziehung von Mitarbeitern aus sämtlichen Organisationseinheiten von Roland Berger<br />
in den Entwicklungs- und Implementierungsprozess. In mehreren Evaluationsdurchläufen wurden<br />
Schwachstellen identifiziert und entsprechend verbessert. In Zusammenarbeit mit einem externen<br />
EDV-Dienstleister wurde die Implementierung von BRAIN nach sechs Monaten abgeschlossen.<br />
Nach der Implementierung von BRAIN folgte die Schulung der Nutzer im Rahmen eines dreimonatigen<br />
Roll-outs. In allen nationalen und internationalen Büros von Roland Berger wurden Berater<br />
und Service-Mitarbeiter in den Umgang von BRAIN eingeführt. Seitdem können alle Nutzer weltweit<br />
über die BRAIN-Oberfläche in ihrem Web-Browser – entsprechend ihrer Zugriffsberechtigung<br />
– auf alle Wissensquellen, wie z.B. Best Practices und Kompetenzprofile von Beratern, zugreifen.
96 1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants<br />
Online<br />
Datenbanken<br />
Statistiken<br />
CD-ROMs<br />
Verbände<br />
Internet<br />
Who´s Who<br />
Internet<br />
Digest<br />
Benchmarks<br />
Publikationen<br />
News<br />
Services<br />
Tools<br />
Externe<br />
Wissenssphäre<br />
Organisatorische<br />
Wissenssphäre<br />
Lessons learned<br />
CC-<br />
Wissenssphäre<br />
Key Account Mgt.<br />
Projekt -<br />
Wissenssphäre<br />
Präsentationen<br />
Briefe<br />
Persönliche<br />
Wissenssphäre<br />
Memos<br />
Tasks<br />
Brancheninformationen<br />
Internal<br />
Services<br />
Vorträge<br />
Projekte<br />
Presse<br />
Skills<br />
Bücher<br />
Abbildung 7: Informations- und Wissenssphären eines Beraters<br />
Firmeninformationen<br />
Allgemeine/<br />
Wirtschaftspresse<br />
Die Entwicklung eines Kompetenzmanagementsystems im Besonderen und eines Wissensmanagementsystems<br />
im Allgemeinen ist kein einmaliger Akt. Vielmehr handelt es sich um einen Prozess<br />
der permanenten Veränderung und Verbesserung. Diesem Aspekt wird durch die Weiterentwicklung<br />
von BRAIN Rechnung getragen. Die geplanten Weiterentwicklungen gehen dahin, dass die<br />
Ablage von Wissen zeitnäher und effizienter erfolgt. Außerdem soll der Zugriff auf einzelne Wissenskomponenten<br />
spezifischer auf die Bedürfnisse und Berechtigungen einzelner Nutzer zugeschnitten<br />
werden. Eine weitere Entwicklungsrichtung besteht in der Bereicherung von BRAIN<br />
durch Ontologien. Der Ansatzpunkt zur Integration von Ontologien in BRAIN ist der RB-Thesaurus.<br />
Im RB-Thesaurus ist bereits der terminologische Apparat zur Beschreibung der Wissensinhalte<br />
spezifiziert. Dieser terminologische Apparat kann als Grundlage für die Entwicklung einer „RB-<br />
Ontologie“ herangezogen werden. Durch eine Detaillierung der Konzepte und der Relationen zwischen<br />
den Konzepten sowie der Integration von semantischen Regeln in Form von Integritäts- und<br />
Inferenzregeln könnte BRAIN an die Wahrnehmung, das Denken und das Problemlösen der Berater<br />
angepasst werden. Dadurch ließe sich nicht nur die Effektivität von BRAIN steigern, sondern es<br />
könnten auch Anfrageergebnisse generiert werden, die „intelligent“ erscheinen.
1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 97<br />
1.2.2.5 Organisatorische Verankerung von BRAIN<br />
Wissensmanagement ist bei Roland Berger sowohl in zentralen als auch in dezentralen Einheiten<br />
organisatorisch verankert. Abbildung 8 visualisiert die organisatorische Verankerung des Wissensmanagements<br />
bei Roland Berger.<br />
Abbildung 8: Organisatorische Verankerung des Wissensmanagements bei Roland Berger<br />
Auf der zentralisierten Seite stehen der „Chief Knowledge Officer“ und seine Stabsabteilung „.bits“<br />
(business intelligence & technology services). Der Chief Knowledge Officer ist für das gesamte<br />
Wissensmanagement bei Roland Berger verantwortlich. Seine wesentlichen Aufgaben sind die strategische<br />
Verankerung und Motivation für das Wissensmanagement sowie die Konzeption, Unterstützung<br />
und Sicherstellung der einzelnen Wissensmanagement-Aktivitäten. Seine Stabsabteilung<br />
„.bits“ umfasst unter anderem die Abteilungen Business Research, Online Services (Knowledge<br />
Center) und Business Technology. Der Abteilung Business Research kommt im Rahmen des Wissensmanagements<br />
zum einen die Aufgabe zu, Wissen über Märkte, Branchen oder technische Entwicklungen<br />
zu generieren und Beratern für ihre Projektarbeit, den Kompetenzzentren und anderen<br />
Service-Einheiten zur Verfügung zustellen. Zum anderen wird durch sie der EISY-Check durchgeführt.<br />
Das in einem Projekt generierte Wissen wird gefiltert, informationstechnisch aufbereitet und<br />
in BRAIN eingestellt und somit für zukünftige Projekte vorgehalten. Die Abteilung Online Services<br />
betätigt sich als Content-Manager für BRAIN – verhindert so Redundanzen in den Systeminhalten<br />
und -strukturen und sorgt zudem für eine permanente Anpassung der Systemarchitektur an die Bedürfnisse<br />
der Berater und die Belange des Gesamtunternehmens. Schließlich unterstützt die Abteilung<br />
Business Technology die Anpassung der Applikationen an die Belange der Berater und betreibt<br />
die gesamte informations- und wissenstechnische Infrastruktur von BRAIN.<br />
Auf der dezentralen Seite stehen die „Knowledge Sponsoren“, also die einzelnen Kompetenzzentren<br />
und Partner von Roland Berger. In ihrer Rolle als „Sponsoren“ liefern sie, individuell oder über ihre<br />
Projektarbeit, die relevanten Wissensinhalte für das Wissensmanagementsystem BRAIN.
98 1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants<br />
1.2.2.6 Kritische Faktoren für den Erfolg von BRAIN<br />
Das organisationale Wissen und die Kompetenzen der Berater bilden die Grundlage für die Schaffung<br />
und Erhaltung von Wettbewerbsvorteilen und Erfolgspotenzialen für Roland Berger. Das Ziel<br />
von BRAIN ist es, durch seine verschiedenen Anwendungen das Management von Wissen im Allgemeinen<br />
und von Kompetenzen im Besonderen zu unterstützten. Um dieses Ziel zu erreichen und<br />
damit den Erfolg von BRAIN zu gewährleisten, sind verschiedene kritische Faktoren zu berücksichtigen.<br />
Hierzu gehören die breit angelegte Unterstützung durch und Integration vom Top-Management<br />
und sämtlichen anderen Mitarbeitern, die Orientierung an einem ganzheitlichen Wissensmanagementansatz,<br />
die Motivation zur Nutzung von BRAIN sowie die Überbrückung der terminologischen<br />
Diversität.<br />
Erstens waren für die erfolgreiche Umsetzung von ΒRAIN die Unterstützung des Top-Managements<br />
und die frühzeitige Einbindung aller Organisationseinheiten erfolgskritisch. Die Einbindung<br />
und das permanente Commitment des Top-Managements waren bei der Zielidentifikation und -gewichtung,<br />
der Bereitstellung der notwendigen finanziellen und personellen Ressourcen sowie für<br />
die permanente „Patenschaft“ von Relevanz. Die breite Einbindung aller nationalen wie internationalen<br />
Organisationseinheiten schon zu Beginn der Konzeptphase des Wissensmanagementsystems<br />
führte zu einer Berücksichtigung sämtlicher Nutzerinteressen und zu einer extrem hohen Identifikation<br />
mit dem Wissensmanagementsystem BRAIN.<br />
Zweitens wurde bei der Entwicklung von BRAIN als Leitidee ein ganzheitliches Wissensmanagement<br />
angestrebt. Es sollten nicht einzelne Wissensmanagement-Tools zur Unterstützung bestimmter<br />
Phasen des Beratungsprozesses isoliert voneinander als Insellösung entwickelt werden. Stattdessen<br />
lag der Fokus bei der Entwicklung von BRAIN auf der Unterstützung des gesamten Beratungsprozesses<br />
(Vollständigkeitsaspekt) und der Integration der einzelnen Wissensmanagement-Tools auf<br />
einer gemeinsamen Plattform (Integrationsaspekt).<br />
Drittens spielt die Motivation der Nutzer zum Wissensmanagement eine besondere Rolle. Zum<br />
einen wird einer möglichen Ablehnungshaltung gegenüber BRAIN durch einen permanenten Anpassungsprozess<br />
auf die Bedürfnisse der Nutzer entsprechend ihrer Verbesserungsvorschläge vorgebeugt.<br />
Zum anderen ist Wissensmanagement in den Bewertungs- und Beförderungsprozess für alle<br />
Mitarbeiter, insbesondere für die Berater, integriert. Eine weitere Motivation, speziell für Berater,<br />
zur Nutzung von BRAIN hängt eng mit dem Kompetenzmanagementsystem proSKILLS zusammen.<br />
Denn die Zusammenstellung von Projektteams verläuft primär über proSKILLS. Im Rahmen<br />
der Projektplanung wird in proSKILLS recherchiert, welcher Mitarbeiter die richtigen Kompetenzen<br />
für die erfolgreiche Durchführung des Projekts besitzt und somit als Mitglied des geplanten<br />
Projektteams in Frage kommt. Anschließend wird über proCAP ermittelt, ob die gefundenen Kompetenzträger<br />
auch zeitlich verfügbar sind. In dieser Art der Projektteam-Zusammenstellung ist auch<br />
die Motivation der Berater begründet, ihre Kompetenzprofile stets auf dem aktuellsten Stand zu halten.<br />
Schließlich enthält BRAIN einen einheitlichen terminologischen Apparat zur Beschreibung der relevanten<br />
Wissensinhalte. Denn die verschiedenartigen „Sprachkulturen“ oder „Sprachwelten“ mit<br />
differierenden Begriffsbezeichnungen und uneinheitlichen Vorverständnissen können die Kommunikation<br />
über das in den jeweiligen Unternehmensteilen jeweils vorhandene Wissen und das zur<br />
Aufgabenerfüllung benötigte, projektspezifische Know-how erheblich behindern. Durch die Internationalisierung<br />
und dezentrale Organisation ist Roland Berger erheblich mit diesem Problem konfrontiert.<br />
Um der terminologischen Diversität vorzubeugen, wurde in BRAIN der RB-Thesaurus integriert.<br />
Der RB-Thesaurus umfasst weit über 4.000 so genannte Deskriptoren. Bei Deskriptoren
1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 99<br />
handelt es sich um genormte Begriffe, die für die Verschlagwortung und Suche der Wissensinhalte<br />
in BRAIN, z.B. Begriffe zur Beschreibung der Beraterkompetenzen, verwendet werden. Im RB-<br />
Thesaurus sind diese Begriffe hierarchisch in Form einer Taxonomie über (maximal) vier Ebenen<br />
angeordnet. Abbildung 9 visualisiert vier hierarchische Ebenen dieser Taxonomie zur Strukturierung<br />
von Beraterkompetenzen.<br />
Abbildung 9: Thesaurus zur Strukturierung von Beraterkompetenzen<br />
Zur näheren Beschreibung der Begriffe ist jeweils eine Erläuterung beigefügt. Solche Erläuterungen<br />
sind immer dann notwendig, wenn die Bedeutung eines Begriffs nicht eindeutig ist oder der Begriff<br />
auf einen bestimmten Bereich eingeschränkt werden soll. Neben der hierarchischen Beziehung der<br />
Begriffe sind im RB-Thesaurus weitere Beziehungen spezifiziert. Zum einen sind zwischen den Deskriptoren<br />
und Non-Deskriptoren-Äquivalenzrelationen festgelegt. Dadurch wird es möglich, innerhalb<br />
des RB-Thesaurus sowohl Synonyme (z.B. Erfolgsfaktor und Wettbewerbsfaktor) als auch<br />
Quasi-Synonyme (z.B. Sortiment und Sortimentspolitik) zu spezifizieren. Zum anderen können die<br />
Deskriptoren mittels Assoziationsrelationen mit verwandten Begriffen in Relation gesetzt werden<br />
(z.B. Joint Venture und Auslandsinvestition).
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
für die Karl Schumacher Maschinenbau GmbH<br />
DIPL.-KFM. MARIANNE SCHUMACHER, DIPL.-KFM. STEFAN ZUG<br />
Karl Schumacher Maschinenbau GmbH<br />
1.2.3.1 Einleitung<br />
In der Anlagen- und Maschinenbaubranche, insbesondere bei kleinen und mittelgroßen Unternehmen,<br />
vollzieht sich derzeit ein dramatischer Wandel. Der Übergang des Industriezeitalters ins Informationszeitalter<br />
verlangt von vielen Unternehmen eine vollständige Reorganisation der wertschöpfenden<br />
Geschäftsprozesse. Eine hohe Innovationsgeschwindigkeit im Maschinenbau verlangt<br />
von den Herstellern den Einsatz neuer Technologien. Moderne Hydraulik- und Pneumatiksysteme<br />
sowie Elektronikkomponenten sind aus den heutigen Produkten nicht mehr weg zu denken. Zusätzlich<br />
werden bei der Entstehung neuer Produkte im Zuge einer stärkeren Produktdifferenzierung<br />
neue Informationstechnologien aus den Bereichen Mikroelektronik, Softwareentwicklung sowie Informations-<br />
und Kommunikationstechnik eingesetzt.<br />
Neben globalem Wettbewerb, steigender Produktkomplexität und immer kürzeren Entwicklungszeiten<br />
steht heute die konsequente Qualitätssicherung der Produkte im Mittelpunkt jedes Unternehmens.<br />
Bei der Qualitätssicherung in der Anlagen- und Maschinenbaubranche spielt die Identifikation<br />
von internen Kompetenzträgern für eine kundenorientierte Auftragsabwicklung eine große Rolle.<br />
Gerade die kleinen und mittelgroßen Unternehmen verfügen oft über begrenzte personelle, monetäre<br />
und technisch-organisatorische Ressourcen, um den Marktanforderungen gerecht zu werden. 1)<br />
Diese Komplexitätslücke zwischen den Marktanforderungen und den zur Verfügung stehenden<br />
Ressourcen wird durch „neue“ Wissensmanagementansätze, hier insbesondere <strong>Kompetenzmanagementsysteme</strong><br />
geschlossen, in denen das vorhandene Mitarbeiterwissen und die Erfahrungen aus unterschiedlichsten<br />
Bereichen gesammelt und gezielt in den Unternehmensprozessen genutzt werden.<br />
1.2.3.2 Karl Schumacher Maschinenbau GmbH – ein Unternehmensporträt<br />
Die Karl Schumacher Maschinenbau GmbH (KSM) wurde 1964 gegründet und gehört mit ihren<br />
derzeit 25 Mitarbeitern zu den kleineren Anlagen- und Maschinenbauherstellern ihrer Branche. In<br />
den vergangenen 40 Jahren wurde eine Vielzahl von Sondermaschinen und Anlagen für die Automobil-<br />
und Elektrobranche hergestellt und erfolgreich in deren Produktionen eingesetzt. Hierbei<br />
wurde ein breites Spektrum aus den Bereichen Montage- und Handhabungstechnik sowie die Be-<br />
und Verarbeitung von Großserienteilen erfolgreich entwickelt, konstruiert und gefertigt. Das Leistungsspektrum<br />
der KSM beginnt bereits mit der ersten technischen Analyse des Produkts, für das<br />
dann in Zusammenarbeit mit dem Kunden („Simultaneous Engineering”) eine Lösung der Montage-<br />
und Inbetriebnahme entwickelt wird. Dazu gehören:<br />
• Planung (beginnend mit der Produktanalyse)<br />
• Konstruktion und Dokumentation der Einrichtungen und Maschinen unter Beachtung der Kundenvorschriften<br />
(Werksnormen und Liefervorschriften)<br />
1) Vgl. HERMEIER (2000) S. 48; THOMSEN (2000) S. 34 ff.
102 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
• Fertigung aller Teile mit den Fertigungsmöglichkeiten:<br />
- Sägen<br />
- Fräsen<br />
- Drehen<br />
- Schleifen<br />
- Erodieren<br />
- Schweißen<br />
- Wärme- und Oberflächenbehandlung<br />
• Fertigung und Montage der Hydraulik, Pneumatik und Elektrosteuerungssysteme<br />
• Montage der Maschinen<br />
• Kundenmontage und Inbetriebnahme durch erfahrene Inbetriebnehmer<br />
• Schulung und Training auf KSM-Systemen<br />
• Lieferung von Ersatzteilen<br />
• Umbaumaßnahmen an vorhandenen Anlagen bei Typenerweiterung oder -änderung.<br />
Zu den von KSM erfolgreich entwickelten und hergestellten Anlagen gehören u.a.:<br />
• halbautomatische Montage- und Prüflinien für Pkw-Servolenkungen<br />
• Montagelinien für Hinterachsgetriebe<br />
• halbautomatische Montagelinien für Antriebswellen<br />
• halbautomatische Montagelinien für Pkw-Zwischenwellen<br />
• vollautomatische Montagemaschinen für Pkw-Scharniere und Türfeststeller<br />
• halbautomatische Bohr- und Fräsmaschine für Präzisionsmanometerkörper<br />
• Messmaschinen zur Zylinderkopf- und Dichtungsmessung<br />
• Dichtigkeitsprüfmaschinen für Kfz-Wasserpumpen<br />
• verkettete Montageanlagen für Pkw-Bremsenvormontagen<br />
• vollautomatische Rundtischmaschinen zum Montieren von Pkw-Handgriffen<br />
• vollautomatische Linien zur Vormontage von Pkw-Kurbelwellen<br />
• Montage- und Testanlagen für Pkw-Schwimmsattelbremsen<br />
• Lean-Manufacturing-Montagelinien für Differenzialgetriebe.<br />
1.2.3.3 Kompetenzmanagement als Rahmenbedingung der Qualitätssicherung<br />
Ein Unternehmen, das langfristig und gewinnbringend auf dem Markt agieren will, muss seine<br />
Kunden durch Qualität der angebotenen Sachgüter und Dienstleistungen überzeugen können. Die<br />
KSM bezeichnet Qualität als die Fähigkeit, vordefinierte und vorausgesetzte Kundenforderungen<br />
termingerecht und in der entsprechenden Erstklassigkeit zu erfüllen. Die Qualität der konstruierten<br />
Maschinen wird nicht nur durch den Herstellungsprozess bestimmt. Sie hat eine hohe Bedeutung
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 103<br />
auf allen Ebenen der Wertschöpfungskette von der Erstkontaktierung des Kunden über Auftragsabwicklung<br />
bis hin zur Auslieferung des Produkts und zum Kundendienst vor Ort.<br />
Eine effiziente Qualitätssicherung im Rahmen eines betrieblichen Qualitätsmanagements beinhaltet<br />
neben der Analyse aller Unternehmensprozesse zum einen auch die ständige Erfassung und Förderung<br />
der Mitarbeiterqualifikationen und zum anderen die Verbesserung der organisationalen Kompetenzen<br />
(vgl. Abbildung 10). Ein erfolgreiches Qualitätsmanagement kann den Unternehmen einen<br />
konzeptionellen Grundstein zur Erzielung komparativer Wettbewerbsvorteile gewährleisten. Ein<br />
wesentliches Merkmal der Norm ISO 9001 ist die Sicherstellung eines kontinuierlichen Verbesserungsprozesses.<br />
Das bedeutet, dass bestehende Ablaufstrukturen und -anweisungen durch interne<br />
Audits regelmäßig überprüft werden. Die Stärkung der Wettbewerbsposition und das Funktionieren<br />
der ISO-Norm kann nur dann erreicht werden, wenn alle Mitarbeiter in das Konzept einbezogen<br />
werden, indem sie bereit sind, ihr Wissen zu teilen und es über <strong>Kompetenzmanagementsysteme</strong> allen<br />
anderen zugänglich zu machen. 2) Durch einen über das gesamte Unternehmen verteilten Vernetzungsprozess<br />
aller individuellen und organisationalen Kompetenzen kann es zu einer kontinuierlichen<br />
Verbesserung von Abläufen und Prozessen kommen. Diese Verbesserung spiegelt sich wiederum<br />
in der Wettbewerbsposition des Unternehmens wider.<br />
Kulturbewusstes<br />
Management<br />
• Etablierung einer<br />
Qualitätskultur<br />
2) Vgl. ISHIKAWA (1985) S. 24.<br />
Bestandteile eines Total Quality Management<br />
Qualitätsziele<br />
• Qualität als<br />
strategisches<br />
Unternehmensziel<br />
3) In Anlehnung an DRÖSSER (1997) S. 35.<br />
Qualität als<br />
integraler Bestandteil<br />
der Führungsphilosophie<br />
Qualitätspolitik<br />
• Qualität als<br />
unternehmensweite<br />
Aufgabe<br />
• Erweiterter<br />
Qualitätsbegriff<br />
(interne / externe<br />
Kunden)<br />
• Prozessmanagement<br />
(Null-Fehler-<br />
Konzept)<br />
Rahmenbedingungen<br />
• personelle<br />
(Erfassung und<br />
Förderung der<br />
individuellen<br />
Mitarbeiterqualität)<br />
• organisationale<br />
(Qualitätsgruppenkonzepte,<br />
im Sinne<br />
von Managementorganisationaler<br />
Kompetenz)<br />
Abbildung 10: Bausteine des Total Quality Managements 3)<br />
Methoden und<br />
Instrumente<br />
• FMEA<br />
• Kostenrechnungsverfahren<br />
• Personalmanagement
104 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
Durch den Einsatz von <strong>Kompetenzmanagementsysteme</strong>n bei der Karl Schumacher Maschinenbau<br />
GmbH soll gewährleistet werden, Informationen der Wissensträger zur Qualitätssicherung sowohl<br />
strukturiert als auch unstrukturiert suchen zu können. Die <strong>Kompetenzmanagementsysteme</strong> sollen so<br />
konstruiert werden, dass die potenziellen Anwender in der Lage sind, Know-how und Kenntnisse<br />
der Mitarbeiter über die Ablagestruktur der integrierten Daten ohne explizite Recherchevorgänge<br />
ausfindig zu machen.<br />
Abgesehen von den übergeordneten Zielen lassen sich auch folgende Unterziele definieren:<br />
• Reorganisation des vorhandenen Wissens im Unternehmen,<br />
• relevante Wissensträger identifizieren und in <strong>Kompetenzmanagementsysteme</strong>n abgelegte<br />
Informationen ausführlich und greifbar machen,<br />
• Archivierung des Wissens, das durch Teilen oder Ausscheiden von Mitarbeitergruppen<br />
verloren geht,<br />
• Wissenslücken erkennen und schließen,<br />
• Schaffung einer Wissensplattform zum Austausch von horizontalen und vertikalen<br />
Informationen sowie<br />
• Ergänzung und Systematisierung der internen Personalwirtschaft, insbesondere der<br />
Maßnahmen zu Stellenbesetzung, Mitarbeiterentwicklung und Mitarbeiteranalysen.<br />
Das im Kapitel 1.2.3.2 kurz dargestellte Unternehmensporträt verdeutlicht die große Bandbreite der<br />
angebotenen KSM-Leistungen. Diesbezüglich gehört die Konzentration auf Kompetenzmanagement<br />
zu den wichtigen Aufgaben der KSM. Die intensive Auseinandersetzung der Geschäftsleitung<br />
mit Kompetenzmanagement entstand in Folge konkreter Problemstellungen im Bereich der Auftragsabwicklung.<br />
Die Geschäftsführung erkannte rasch, dass unzureichende Kenntnisse über das<br />
vorhandene Wissen der Mitarbeiter erhebliche Ineffizienzen verursachten, die zu einem kontinuierlichen<br />
Anstieg der Kosten geführt haben.<br />
Des Weiteren haben sich aus den Gesichtspunkten der kundenorientierten Auftragsabwicklung innerhalb<br />
der einzelnen Geschäftsbereiche folgende Fragestellungen gebildet:<br />
• Verfügt die KSM über personelle Ressourcen, um die Umsatzziele für das laufende Geschäftsjahr<br />
zu realisieren?<br />
• Verfügen die KSM-Mitarbeiter über bestimmte Kompetenzen, um einen Kundenauftrag in hoher<br />
Qualität, termingerecht und im Rahmen des vorhandenen finanziellen Budgets durchführen<br />
zu können?<br />
• Ist die KSM in der Lage, innerhalb kurzer Zeit für die Durchführung von Service-Arbeiten an<br />
Maschinen, die vor Jahren ausgeliefert wurden, den richtigen Wissensträger zu identifizieren?<br />
• In welcher Weise kann die KSM das interne, zur Verfügung stehende Wissen bestmöglich nutzen,<br />
um den teuren Zukauf externen Wissens zu umgehen?<br />
Alle diese Fragen können in einer Aussage über die Verfügbarkeit von individuellen und organisationalen<br />
Kompetenzen zu einem bestimmten Zeitpunkt an einem bestimmten Ort zusammengefasst<br />
werden. Sie signalisieren gleichzeitig den Bedarf nach Instrumenten zur Identifizierung und Strukturierung<br />
des vorhandenen Wissens im Unternehmen.
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 105<br />
1.2.3.4 Vereinigung der individuellen und organisationalen Kompetenzen<br />
Der wirtschaftliche Erfolg eines Unternehmens beruht auf der Kooperationsfähigkeit zwischen dem<br />
individuellen Wissensträger und dem kollektiven Wissenspotenzial der gesamten Organisation. 4)<br />
Die Vereinigung der individuellen und organisationalen Kompetenzen vermag demzufolge innerhalb<br />
einer Organisation den Wissensaustausch und gleichzeitig die Qualitätssicherung zu erleichtern.<br />
Die folgende Abbildung verdeutlicht die Interdependenzen zwischen den beiden Kompetenzarten,<br />
die für die weitere Arbeit als besonderes relevant angesehen werden.<br />
individueller<br />
Kompetenzträger<br />
Team<br />
Unternehmen als<br />
Organisation<br />
Abbildung 11: Individuelle und organisationale Kompetenzen 5)<br />
1.2.3.4.1 Die Bedeutung der individuellen Kompetenzen<br />
Netzwerk<br />
Kompetenzmanagement als ein Teil des Wissensmanagements beginnt bei einzelnen Mitarbeitern<br />
auf allen hierarchischen Ebenen eines Unternehmens. Individuelle Kompetenzen sind das implizite<br />
Wissen einzelner Wissensträger. Der zielgerechte Umgang mit den eigenen Kenntnissen und Fertigkeiten<br />
ist die Grundplattform für ein gut funktionierendes Wissensmanagement. 6) Diesbezüglich<br />
umfasst bei KSM das Spektrum der individuellen Wissensträger alle Mitarbeiter. Sie sind als Angehörige<br />
des Unternehmens anzusehen, die zur Beschleunigung von Prozessen und zur Weiterentwicklung<br />
des gesamten Unternehmens beisteuern.<br />
4) Vgl. HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 47.<br />
5) Vgl. HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 47.<br />
6) Vgl. PROBST/RAUB/ROMHARDT (2003) S. 21.
106 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
AL-LAHAM 7) unterscheidet eine Reihe signifikanter Charakteristika des Wissensträgers bei der Repräsentation,<br />
dem Erwerb und der Anwendung von Wissen. Das Wissen eines Wissensträgers kann<br />
nur zum Teil auf eine reine Repräsentation von Informationen zurückgeführt werden. Den Bearbeitungsprozess<br />
von Informationen bezeichnet AL-LAHAM als eine Rückkoppelung des vorhandenen<br />
Wissens eines Wissensträgers. Der individuelle Wissenserwerb wird ebenfalls sehr stark vom bereits<br />
vorhandenen Wissen beeinflusst. Eine sehr hohe Bedeutung der Qualitätssicherung weist die<br />
Anwendung des individuellen Wissens auf. Das Anwendungspotenzial des individuellen Wissens<br />
wird bei der KSM dreifach ausdifferenziert. Die individuellen Kompetenzen werden in die Kompetenzarten:<br />
Fachkompetenz, Methodenkompetenz und Sozialkompetenz unterteilt (vgl. Abbildung<br />
12).<br />
Methoden-<br />
Kompetenz<br />
7) Vgl. AL-LAHAM (2003) S. 37 f.<br />
8) In Anlehnung an: AL-LAHAM (2003) S. 39.<br />
Fachkompetenz<br />
Personelle<br />
Kompetenz<br />
Sozial-<br />
Kompetenz<br />
Abbildung 12: Zusammensetzung der individuellen Kompetenzen 8)
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 107<br />
Die Fachkompetenz dient der Erreichung des berufsspezifischen Wissens (Fachwissen). Bei der<br />
Fachkompetenz ist das vorhandene Wissen so stark präsent, dass eine Zusammenarbeit mit anderen<br />
Wissensträgern nicht notwendig ist. Auf Grund der extrem heterogenen fach- und unternehmensspezifischen<br />
Anforderungen an Facharbeiter, Konstruktionsmitarbeiter, Ingenieure und kaufmännische<br />
Mitarbeiter der KSM wird der Erfassung dieser Informationen eine ganz besondere Sorgfalt<br />
gewidmet. Die Methodenkompetenz umfasst im Wesentlichen die situations- und fachübergreifenden<br />
Kenntnisse und Fertigkeiten des einzelnen Wissensträgers. Die Sozialkompetenz dient primär<br />
der Koordination von Wissensträgern bezüglich einer Zusammenarbeit zur Erreichung eines gemeinsamen<br />
Ziels. Sie bezieht sich auf den Einfluss eines Wissensträgers auf einen anderen Wissensträger<br />
und umgekehrt. Die gegenseitige Beeinflussung erfordert eine Kommunikation zwischen<br />
den Wissensträgern. Somit kann eine Weiterentwicklung der eigenen Kompetenzen gewährleistet<br />
werden.<br />
Eine klare Darstellung der individuellen Mitarbeiterkompetenzen hilft interne Fehlinterpretationen<br />
zu vermeiden. Die Transparenz der Mitarbeiterkompetenzen leistet einen positiven Beitrag zu einem<br />
besseren Verständnis der eigenen Aufgaben und schafft zugleich eine konstruktive Leistungsbereitschaft<br />
der Mitarbeiter.<br />
Das „Managen“ der individuellen Kompetenzen ermöglicht der Geschäftsleitung, den Zugang zum<br />
aktuellen Wissen der Wissensträger zu sichern. Bei Bedarf können aus den erfassten Informationen<br />
Experten und Spezialisten in den jeweiligen Bereichen identifiziert werden, um auf die Kenntnisse<br />
und Fertigkeiten dieser Personen zurückzugreifen. Gleichzeitig ist die Geschäftsleitung in der Lage,<br />
auf Grund der Erfassung der individuellen Kompetenzen das entscheidungsrelevante Wissen zu bewerten<br />
und gegebenenfalls bei Wissenslücken z.B. durch interne oder externe Weiterbildungsmaßnahmen<br />
entsprechend zu reagieren.
108 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
1.2.3.4.2 Die Bedeutung der organisationalen Kompetenzen<br />
Bei der Karl Schumacher Maschinenbau GmbH hängt die Realisierung der festgelegten Qualitätsziele<br />
nicht nur von den Kompetenzausprägungen der einzelnen Wissensträger ab, sondern auch vom<br />
kompetenzorientierten Management auf der organisationalen Ebene. Organisationale Kompetenzen<br />
sind das Resultat der Verknüpfung individueller Kompetenzen und haben einen hohen Einfluss auf<br />
die Wettbewerbskraft eines Unternehmens. 9) In der Wissensmanagement-Literatur wird organisationales<br />
Wissen häufig mit kollektivem Wissen gleichgesetzt. 10) Die KSM differenziert die organisationalen<br />
Kompetenzen wie folgt:<br />
• Teamwissen (Gruppenwissen),<br />
• organisationales Wissen und<br />
• Netzwerkwissen.<br />
a) Teamwissen (Gruppenwissen)<br />
Die Verrichtung von Team- oder Projektgruppenarbeiten ist für den Qualitätsstandard und die Entwicklung<br />
und Nutzung der organisationalen Kompetenzen von sehr großer Bedeutung. Auf Grund<br />
von Teamarbeiten wird das Wissen unter den Wissensträgern horizontal auf allen Unternehmensebenen<br />
ausgetauscht. Im Rahmen der Zusammenarbeit innerhalb eines Teams können gemeinsame<br />
Werte entwickelt und prozessbezogenes Wissen unter den Mitgliedern einer Gruppe ausgetauscht<br />
werden. Gruppenkompetenz entsteht aus partizipativen oder kollektiven Lernprozessen. Das in den<br />
Gruppen vorhandene Wissen kann im Gegensatz zu individuellem Wissen nicht abhanden kommen,<br />
wenn einzelne Gruppenmitglieder aus dem Unternehmen ausscheiden. 11) Diesbezüglich werden bei<br />
der KSM alle projektbezogenen Tätigkeiten in mittleren oder kleinen Gruppen durchgeführt. Damit<br />
wird sichergestellt, dass das Wissen für die nächsten Produktgenerationen innerhalb einer Gruppe<br />
oder Abteilung erhalten bleibt.<br />
b) Organisationales Wissen<br />
Organisationales Wissen kennzeichnet sich dadurch, dass es von allen Mitgliedern des Unternehmens<br />
geteilt wird. Dieses Wissen ist weit gehend vom einzelnen Wissensträger eines Unternehmens<br />
unabhängig und dient dem Unternehmen zur Aufgabenabwicklung und damit zur Erreichung seiner<br />
strategischen Ziele. 12) Das organisationale Wissen hat zur Aufgabe, neues Wissen zu erzeugen, dieses<br />
dann innerhalb der Organisation (hier über die gesamte Wertschöpfungskette) zu verteilen und<br />
in die auftragsbezogenen Prozesse zugunsten der Qualitätssicherung zu integrieren.<br />
9) Vgl. DOZ (1997) S. 55; PROBST/RAUB/ROMHARDT (2003) S. 71.<br />
10) Vgl. AL-LAHAM (2003) S. 39.<br />
11) Vgl. GÜLDENBERG (1997) S. 194; HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 48.<br />
12) Vgl. AL-LAHAM (2003) S. 41 f.
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 109<br />
Die KSM definiert den Wert des organisationalen Wissens als die Summe aller Kenntnisse und Fertigkeiten<br />
des einzelnen Wissensträgers in allen Stufen eines auftragsbezogenen Prozesses. Diese<br />
Prozesstufen werden nachfolgend ausführlicher hinsichtlich des handlungsbefähigenden Wissens<br />
dargestellt, das zur Prozessausführung benötigt wird.<br />
- Angebots- und Bestellprozess<br />
Im Angebots- und Bestellprozess liegt der Wert des organisationalen Wissens in den Mitarbeitern<br />
der Verkaufsabteilung. Dazu zählen Kenntnisse und Fertigkeiten über Struktur von Märkten, Verhandlungen<br />
mit potenziellen Kunden, Strukturierungen der Prozesse von der Angebotserstellung<br />
über Leistungs- und Liefergrenzen bis hin zur externen Lieferantenauswahl. Der Prozess der Angebotserstellung<br />
verlangt von den Mitarbeitern ein hohes Maß an technischem Know-how zur Ausarbeitung<br />
von Problemlösungen im Bereich der Angebotskalkulation unter Berücksichtigung aller<br />
möglichen Kosten und Ressourcenbedarfe. Marktanalysen liefern der KSM Informationen über<br />
Kompetenzen von Produzenten, Zwischenhändlern und Dienstleistungsbetrieben. Darüber hinaus<br />
werden Auskünfte über Qualitätseigenschaften der angebotenen Sachgüter oder Dienstleistungen<br />
ermittelt. Das Wissen über die Ermittlungsverfahren sowie die Genauigkeit und die Verlässlichkeit<br />
der Informationen spielt eine wesentliche Rolle bei der Durchführung der Wirtschaftlichkeitsberechnung<br />
und bei der Kombination dieser Daten mit anderen technischen Größen der Ingenieurwissenschaft.<br />
Im Rahmen des Angebots- und Bestellprozesses werden Leistungs- und Liefergrenzen<br />
für den Auftraggeber festgelegt. Diese beinhalten sämtliche technischen Berechnungen und<br />
ISO-Norm-Prüfunterlagen. Die Mitarbeiter der Einkaufsabteilung verfügen über Kompetenzen bei<br />
der Auswahl von geeigneten Unterlieferanten (hier handelt es sich insbesondere um hydraulische,<br />
pneumatische- und elektrische Baugruppen). Bestellvorgänge von Materialien und anderen Anlagenkomponenten<br />
erfolgen, wenn nicht anders von Auftraggeber erwünscht, auf der Basis des günstigsten,<br />
nicht des „billigsten“ Angebots. Diesbezüglich werden von den Mitarbeitern Kenntnisse<br />
über den aktuellen Stand der Marktentwicklung verlangt.<br />
- Entwicklungs- und Konstruktionsprozess<br />
Die Mitarbeiterkompetenzen des Entwicklungs- und Konstruktionsprozesses liegen im Bereich der<br />
ingenieurmäßigen Entwicklung und Konstruktion von Maschinen. Hier beschränken sich die Kompetenzen<br />
der Wissensträger nicht nur auf die Erstellung von Zeichnungen, Aufstellungsplänen und<br />
Ansichten, sondern auch auf komplette Maschinenkonstruktionen in 3D-Datenmodellen und -Layouts.<br />
Das Maschinenlayout beinhaltet gesamte Planungsprozesse, die mit der räumlichen Isometrie<br />
der verschiedenen Bauteile und mit der Aufstellung der einzelnen Maschinenteile inklusive deren<br />
Verkabelung zusammenhängen.<br />
- Fertigungsprozess<br />
Der Fertigungsprozess richtet sich in erster Linie auf die Kompetenzen der Mitarbeiter im Bereich<br />
der mechanischen Bearbeitung von Teilen und Maschinenkomponenten. Zur Realisierung des Fertigungsprozesses<br />
stehen den Mitarbeitern hoch moderne, computerbasierte Dreh-, Fräs- und Schleifmaschinen<br />
zur Verfügung. Der Umgang mit dieser Technik führt dazu, dass Erfahrungs- und Kontextwissen<br />
des einzelnen Wissensträgers als organisationales Wissen in der KSM-Philosophie weiter<br />
verwendet wird.
110 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
- Montage- und Inbetriebnahmeprozess<br />
Im Montage- und Inbetriebnahmeprozess liegt das organisationale Wissen in den Kenntnissen und<br />
Fertigkeiten der Wissensträger in erster Linie beim Zusammenbau von einzelnen Maschinenteilkomponenten,<br />
Montage der Hydraulik-, Pneumatik- und Elektrobauteile sowie bei der Durchführung<br />
von Tests hinsichtlich der Funktionalität der hergestellten Maschinen. Des Weiteren verfügen<br />
die Mitarbeiter über sicherheitstechnische Kenntnisse, die dann bei der Montage von Sicherheitseinrichtungen<br />
in halbautomatischen Maschinen, z.B. Bewegungsmeldern, Lichtschranken und computerbasierten<br />
Ausschaltvorrichtungen, eingesetzt werden. Der Montageprozess verlangt von den Wissensträgern<br />
außerdem Kenntnisse und Fertigkeiten in Bezug auf die Entwicklung und Einspielung<br />
der Steuerungssoftware.<br />
- Kundenservice und Schulungen<br />
Der wirtschaftliche Erfolg eines Unternehmens hängt stark von vielen Indikatoren des Kundenkreises<br />
ab. Dazu gehören z.B. Kundenbindung, Kundenunterstützung und Kundentreue. Entscheidend<br />
für eine langfristige Zusammenarbeit ist eine hohe Kundenzufriedenheit. Diesbezüglich spiegelt<br />
sich die organisationale KSM-Kompetenz in den Maßnahmen zur Kundenzufriedenheit wider. Die<br />
Wissensträger sind durch ihre Kompetenzen in der Lage, den Kunden vor Ort Schulungen anzubieten.<br />
Hier werden insbesondere Schulungsanweisungen zum ordnungsmäßigen Umgang mit gelieferten<br />
Maschinen übermittelt. Sie gewährleisten einerseits die Übermittlung von Maschinenkenntnissen<br />
an den Kunden und andererseits eine zuverlässige und schnelle Unterstützung beim Einsatz und<br />
der Anwendung der Maschine.<br />
Im Rahmen des Kundenservices wird dem Kunden die komplette Dokumentation der hergestellten<br />
Maschinen übergeben. Die Dokumentation beinhaltet alle für den Betrieb dieser Anlagen relevanten<br />
Unterlagen. Dazu gehören u.a. eine allgemeine Beschreibung der Maschinen, sämtliche erstellten<br />
Zeichnungen, Pläne und Skizzen aller Maschinenkomponenten, ein Verzeichnis aller extern eingekauften<br />
Bauteile sowie eine EG-Konformitätserklärung des Herstellers.<br />
- Kaufmännische Steuerung und Überwachung<br />
Neben den technischen Kompetenzen der Wissensträger spielen ebenso Kompetenzen hinsichtlich<br />
der kaufmännischen Steuerungs- und Überwachungsprozesse eine besondere Rolle. Von den kaufmännischen<br />
KSM-Mitarbeitern werden für alle Aktivitäten im Anlagenbau Wirtschaftlichkeitsberechnungen<br />
an Hand der statischen und dynamischen Investitionsrechnung durchgeführt, die dann<br />
in Kombination mit allen anderen kaufmännischen Aufgaben zur Qualitätssicherung und damit zur<br />
Verbesserung der Wettbewerbsposition führen.<br />
Die Summe dieser einzelnen Prozesse bildet bei der KSM die organisationale Kompetenz (vgl.<br />
Abbildung 13 auf der nächsten Seite).
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 111<br />
Kundenanfrage<br />
c) Netzwerkwissen<br />
Angebot,<br />
Bestellung<br />
KSM als organisationale Kompetenz<br />
Kaufmännische Steuerung und Überwachung<br />
Entwicklung,<br />
Konstruktion<br />
Fertigung<br />
Kundenbegleitung<br />
Kompetenzmanagement<br />
Montage,<br />
Inbetriebnahme<br />
Abbildung 13: Auftragsbezogene Kompetenzen bei KSM<br />
Kundenservice,<br />
Schulung<br />
Kundenzufriedenheit<br />
Eine weitere Grundlage für eine erfolgreiche Qualitätssicherung und für den Zugang zum Wissen<br />
Dritter ist die Zusammenarbeit der KSM in strategischen Netzwerken mit anderen Partnern aus verschiedenen<br />
Wirtschaftszweigen. In erster Linie handelt es sich hierbei um Kooperationen mit unterschiedlichen<br />
Lieferanten. Die KSM arbeitet mit mehr als 300 Lieferanten zusammen. Die Kooperationsverträge<br />
erlauben der KSM, die Kompetenzen der einzelnen Partner miteinander zu kombinieren.<br />
Langjährige Zusammenarbeit mit unseren Lieferanten verringert in einem strategischen Netzwerk<br />
die Kostenbelastung und den Koordinationsaufwand, der bei einem engen Zeitplan der verschiedenen<br />
Kundenprojekte von großer Bedeutung ist.<br />
Ein weiterer Vorteil eines strategischen Netzwerkes ist die kontinuierliche Versorgung mit Informationen.<br />
Die KSM ist dadurch in der Lage, den Stand der technologischen Weiterentwicklung der<br />
einzelnen Kooperationspartner zu erfahren und gegebenenfalls die neuen Erkenntnisse in den eigenen<br />
Produktionsprozess einzubeziehen. Diese Art der Informationsversorgung hat sich besonders<br />
positiv auf die Verbreiterung des Leistungsangebots und die Erhöhung der Kundenzahl ausgewirkt.<br />
Zusammenfassend lassen sich aus kunden- und kompetenzorientierter Sicht folgende Nutzenpotenziale<br />
eines strategischen Netzwerkes feststellen:<br />
• Aufbau von internen und externen Kompetenzvorteilen,<br />
• Integration von neuen informationstechnologischen Prozessen und<br />
• Erschließung von neuen Märkten und Ressourcen.
112 1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n<br />
1.2.3.5 Kompetenzmanagement – ein System mit Zukunft<br />
Wie anfangs erwähnt, bilden <strong>Kompetenzmanagementsysteme</strong> eine gute Grundlage für eine Optimierung<br />
der prozessorientierten Qualitätssicherung. Der systematische und konsequente Einsatz<br />
wissensbasierter <strong>Kompetenzmanagementsysteme</strong> führt im Laufe der Zeit zu einer besseren Nutzung<br />
der Ressource „Wissen“. Sie können Widersetzlichkeiten der Wissensträger abschwächen und ermöglichen<br />
eine frühzeitige Problemerkennung sowie die optimale Anpassung an unternehmens-<br />
und nutzerspezifische Bedürfnisse.<br />
<strong>Kompetenzmanagementsysteme</strong> funktionieren nur, wenn die Systeme den betrieblichen Veränderungen<br />
angepasst werden. Die neuen Systeme müssen auch berücksichtigen, dass das Management<br />
von Kompetenzen ein langfristig angelegter Prozess der Unternehmensgestaltung ist.<br />
Die Qualitätsorientierung der Unternehmen spiegelt sich in den Qualifikationen der Mitarbeiter wider.<br />
In vielen Unternehmen schlummern kreative Kräfte in den bereits vorhandenen Mitarbeitern.<br />
Die Aufgabe der <strong>Kompetenzmanagementsysteme</strong> ist es, mitarbeiter- und stellenbezogene Maßnahmen<br />
zu erkennen und zu erarbeiten, die durch ihren Einsatz das Wissenspotenzial der Wissensträger<br />
fördern und erhalten sollen. Durch den Einsatz von <strong>Kompetenzmanagementsysteme</strong>n können Unternehmensstrategien<br />
mit Personalstrategien eines Unternehmens verbunden werden. Sie erhalten<br />
detaillierte Angaben darüber, welche Kenntnisse und Fertigkeiten ein Wissensträger hat. Dadurch<br />
ermöglichen sie es festzustellen, welches Wissen ein Mitarbeiter zusätzlich benötigt, um eine bestimmte<br />
Aufgabe im Unternehmen qualitätsorientiert durchführen zu können.<br />
Wichtiger Aspekt der Funktionsfähigkeit von <strong>Kompetenzmanagementsysteme</strong>n ist die konstante<br />
Pflege dieser Systeme. Die Erfassung und Eingabe der Mitarbeiterkompetenzen darf nicht als einmalige<br />
Angelegenheit, sondern muss als immer wiederkehrende Aufgabe zur Aktualisierung der<br />
Kompetenzbestände und zur Erkennung von Kompetenzlücken verstanden werden. Alle Wissensträger,<br />
die im Rahmen der Erstellung von <strong>Kompetenzmanagementsysteme</strong>n identifiziert wurden,<br />
müssen ihr Wissenspotenzial so weit wie möglich in das System eingeben. Jeder Mitarbeiter, insbesondere<br />
die Führungsebene, muss die Möglichkeit besitzen, jederzeit Zugriff auf die Daten des<br />
Kompetenzmanagementsystems zu haben, die benötigten Informationen und Inhalte schnell aufzuspüren<br />
und auftragsbezogen aufzubereiten.<br />
Die Kompetenzerfassung und Speicherung dieser Daten auf elektronischen Medien soll sicherstellen,<br />
dass alle potenziellen Nutzer dieses Systems unabhängig vom Wissensträger auf das gespeicherte<br />
Wissen zugreifen und damit verschiedene Aufgaben bewältigen können. Die Nutzung des<br />
Wissens soll auch gewährleistet werden, wenn ein wichtiger Wissensträger das Unternehmen verlässt.<br />
Die umfassende Integration von Mitarbeiterkompetenzen in das Kompetenzmanagementsystem<br />
und die Verknüpfung der Daten mit auftragsbezogenen Prozessen sind daher wesentliche Meilensteine<br />
der Qualitätssicherung.<br />
Maßnahmen zur Kompetenzerfassung sind auch in allen Entwicklungsphasen mit Barrieren und Risiken<br />
behaftet. Hierzu gehören z.B. Widerstände in der technischen Umsetzung des Vorhabens. Das<br />
sind in erster Linie Probleme der Bereitstellung anwenderfreundlicher Software zur Wissensrecherche,<br />
-dokumentation und -verteilung. Neben den Barrieren der technischen Umsetzung spielen die<br />
Differenzierungen personeller Art eine wichtige Rolle. Personelle Widerstände können sich in der<br />
Motivation der Wissensträger zum Wissenstransfer widerspiegeln. 13) Oft herrscht unter den Mitarbeitern<br />
das Gefühl, dass das Wissen der Wissensträger „abgeschöpft“ werden soll. Dazu kommen<br />
13) Vgl. DITTMANN/PETERS/ZELEWSKI (2004) S. 52.
1.2.3 Bedeutung von <strong>Kompetenzmanagementsysteme</strong>n 113<br />
Unsicherheiten der Mitarbeiter in Bezug auf die Sicherung des Arbeitsplatzes. Diesbezüglich müssen<br />
Maßnahmen getroffen werden, die diese Unsicherheiten der Mitarbeiter durch Hilfestellungen<br />
und Anreizsysteme beseitigen. Ebenfalls müssen Konzepte entwickelt werden, die zur Überwindung<br />
von Problemen organisationaler Art führen. Hier müssen insbesondere die Bestimmungen<br />
über die Einbeziehung des Betriebsrates in die Entwicklung von <strong>Kompetenzmanagementsysteme</strong>n<br />
berücksichtigt werden.
1.3 Ontologien<br />
1.3.1 Einführung in das Themenfeld „Ontologien“<br />
aus informations- und betriebswirtschaftlicher Perspektive<br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
1.3.1.1 Wissenschaftlicher Hintergrund von Ontologien<br />
1.3.1.1.1 Eine Skizze des wissenschaftlichen Interesses an Ontologien<br />
Die Thematik „Ontologien“ hat in den Wirtschaftswissenschaften bislang noch keine größere Aufmerksamkeit<br />
gefunden. Nicht nur in der betrieblichen Praxis erweckt die Erwähnung von Ontologien<br />
zumeist Reaktionen, die von schlichter Ignoranz über ungläubiges Erstaunen bis hin zu abwehrender<br />
Stigmatisierung als „abstrakter Theorie“ reichen. Auch in volks- und betriebswirtschaftlichen<br />
Fachzeitschriften finden sich zurzeit noch keine Beiträge in nennenswertem Ausmaß, die<br />
sich in der Hauptsache mit ökonomischen 1) Anwendungsaspekten von Ontologien befassen. 2) Sogar<br />
in der wirtschaftswissenschaftlichen Forschung gelten Ontologien zurzeit noch als „exotisches“<br />
Thema, dem sich allenfalls einige wenige Spezialisten widmen. 3)<br />
Angesichts dieser Ausgangslage drängt sich die Frage auf, ob es sich rechtfertigen lässt, knappe finanzielle,<br />
personelle und zeitliche Ressourcen in ein Forschungs-, Entwicklungs- und Transferprojekt<br />
zu investieren, das sich mit der Anwendung von Ontologien zur Unterstützung von computerbasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n befasst. Um Zweifel solcher Art zu zerstreuen, erfolgt in<br />
diesem Kapitel zunächst eine Einführung in Ontologien aus informations- und betriebswirtschaftlicher<br />
Perspektive. Mit diesen Ausführungen soll verdeutlicht werden, dass es durchaus von großem<br />
Interesse sein kann, sich mit Ontologien an der interdisziplinären Nahtstelle von (Kern-) Informa-<br />
1) Die Attribute „ökonomisch“ und „wirtschaftswissenschaftlich“ werden – wie auch die zugehörigen Substantive – synonym verwendet.<br />
2) Beispielsweise ergab eine Online-Recherche in den führenden deutschen betriebswirtschaftlichen Fachzeitschriften (Zeitschrift<br />
für Betriebswirtschaft, Zeitschrift für betriebswirtschaftliche Forschung, Die Betriebswirtschaft sowie Betriebswirtschaftliche<br />
Forschung und Praxis), dass zu dem Stichwort „Ontologie“ keine Fundstelle angezeigt werden konnte.<br />
3) Beispielsweise scheinen die Gutachter der Deutschen Forschungsgemeinschaft (DFG) Ontologien als so weit vom „förderungswürdigen<br />
Mainstream“ der „etablierten Community“ entfernt zu empfinden, dass Vorschläge für Forschungsprojekte, die<br />
einen inhaltlichen Schwerpunkt auf dem Gebiet der Ontologien aufweisen, nur sehr geringe Akzeptanzchancen besitzen. So haben<br />
die Gutachter des laufenden DFG-Schwerpunktprogramms „Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“<br />
(nach Wissen des Verfassers) bereits in der ersten Runde alle Projektvorschläge, die sich mit Ontologien<br />
für die Kommunikation zwischen intelligenten Softwareagenten befassten, mit Begründungen abgelehnt, die inhaltlich nicht auf<br />
den internationalen Stand der Ontologieforschung eingingen. Im deutschsprachigen Raum scheint daher – zumindest in der<br />
„Gutachter-Community“ – die Befassung mit der Ontologieforschung durchaus noch „exotischen“ Charakter zu besitzen.
116 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
tik 4) , Wirtschaftsinformatik und Betriebswirtschaftslehre näher auseinander zu setzen. In den später<br />
anschließenden Kapiteln wird anhand der Einsichten und Ergebnisse des Verbundprojekts KO-<br />
WIEN belegt werden, dass sich Ontologien in der Tat als Fundament für computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
eignen. 5)<br />
Zunächst lässt sich feststellen, dass die Thematik „Ontologien“ seit Anfang der neunziger Jahre die<br />
ersten, noch sehr bescheiden anmutenden Schritte auf der „logistischen Diffusionskurve“ 6) für die<br />
Verbreitung von Themen in wirtschaftswissenschaftlichen Argumentationszusammenhängen zurückgelegt<br />
hat. So finden sich im Kontext ökonomischer Auseinandersetzungen mit Problemfeldern<br />
wie „Wissensmanagement“, „Informations- und Wissensmodellierung“, „knowledge sharing“,<br />
„knowledge reuse“, „organisatorische Wissensbasen“, „organizational / corporate memories“, „distributed<br />
knowledge management“ u.ä. 7) erste Anzeichen dafür, Ontologien 8) als „neuartige“ Erkenntnis-<br />
und Gestaltungsobjekte zu würdigen. Dies trifft vor allem auf die Wirtschaftsinformatik<br />
4) Zur Informatik werden in diesem Werk stets auch die Bereiche der Computerwissenschaften (Computer Science), der Informationssystemforschung<br />
(Information Systems Research) und der Erforschung Künstlicher Intelligenz (KI-Forschung) gerechnet.<br />
Es wird darauf verzichtet, die drei vorgenannten, inhaltlich eng zusammenhängenden Bereiche voneinander abzugrenzen, da<br />
die Nuancierungen für die Argumentation des hier vorgelegten Beitrags keine Relevanz besitzen. Die Informatik in diesem weit<br />
gefassten Sinn wird zuweilen auch als Kern-Informatik bezeichnet, wenn beabsichtigt ist, sie von der Wirtschaftsinformatik abzuheben.<br />
Denn die Wirtschaftsinformatik wird vom Verfasser – wie in Deutschland weithin üblich – nicht als eine Subdisziplin<br />
der Informatik angesehen, sondern als eine selbstständige, interdisziplinäre Wissenschaft im Spannungsfeld zwischen Informatik<br />
und Betriebswirtschaftslehre.<br />
5) Daher muss dem B<strong>MB</strong>F Respekt für seine weitsichtige und mutige Förderpolitik gezollt werden: Mit seiner Förderung des<br />
Verbundprojekts KOWIEN hat es einen innovativen Forschungsansatz unterstützt, der z.B. von der „Gutachter-Community“<br />
der DFG zurzeit noch nur mit „spitzen Fingern angefasst“ wird (vgl. dazu die vorletzte Fußnote). Es mutet eigentümlich an,<br />
dass sich das B<strong>MB</strong>F in dieser Ontologie-Hinsicht als „forschungsfreundlicher“ als die DFG erwiesen hat.<br />
6) Die „logistische Diffusionskurve“ ist insbesondere im Kontext betriebswirtschaftlicher Früherkennungssysteme intensiver erforscht<br />
worden. Vgl. GERPOTT (1999) S. 122 ff., insbesondere Abb. 4-5 auf S. 124; KREMPE (1989) S. 355 ff., insbesondere<br />
Abb. 2-2 auf S. 356 und Abb. 3 auf S. 361.<br />
7) Alle vorgenannten Aspekte werden im Folgenden unter den Oberbegriff des Wissensmanagements subsumiert.<br />
8) Ontologien werden hier – wie es für das Verbundprojekt KOWIEN der Fall ist – in ihrer „pluralen“ Form so verstanden, wie es<br />
in der KI-Forschung und Informatik üblich ist. Auf dieses Ontologieverständnis wird in Kürze zurückgekommen. Es darf nicht<br />
mit der Ontologie im philosophischen Sinne (im Singular verwendet) verwechselt werden, auf das unmittelbar nachfolgend<br />
kurz eingegangen wird.
1.3.1 Einführung in das Themenfeld „Ontologien“ 117<br />
zu. 9) In der Betriebswirtschaftslehre gibt es dagegen bisher nur wenige, vereinzelte Ansätze, Ontologien<br />
als instrumentelle Grundlage für das betriebliche Wissensmanagement zu erschließen. 10) Seitens<br />
der Volkswirtschaftslehre sind dem Verfasser noch keine Beiträge im Wissens-Kontext bekannt<br />
geworden, die sich u.a. auch mit Ontologien befassen. 11)<br />
Darüber hinaus ist ein spezielles, interdisziplinäres Interesse an Ontologien erwachsen, das sich im<br />
Spannungsfeld zwischen Wirtschaftsinformatik, Informations Systems Research und Allgemeiner<br />
Betriebswirtschaftslehre „verorten“ lässt. Es bestehen große Hoffnungen, mit der Hilfe von Ontologien<br />
eine Art Beurteilungsstandard schaffen zu können, anhand dessen sich verschiedenartige Modelle,<br />
insbesondere auch so genannte Referenzmodelle und konzeptuelle Modelle 12) , untereinander<br />
9) Vgl. zu Erwähnungen von Ontologien in Beiträgen aus dem Bereich der Wirtschaftsinformatik (ohne Beiträge, die spezielle<br />
Ontologien oder Werkzeuge zur Gestaltung von Ontologien präsentieren oder diskutieren; darauf wird an anderer Stelle zurückgekommen):<br />
ABECKER ET AL. (1998a) S. 42, 44 f. u. 47; ABECKER ET AL. (1998b) S. 41 ff. u. 54 ff.; ABECKER/DECKER (1999) S.<br />
114, 117 u. 119 f.; ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 87 ff.; ANGELE (2003) S. 1 ff.; BECKER ET AL. (2000)<br />
S. 107; BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-2 ff.; BERGHOFF/DROBNIK (1998) S. 1 ff.; BROOKS/DURFEE (1999) S. 4 f.;<br />
CUI/TAMMA/BELLIFEMINE (1999) S. 99 ff.; FENSEL (2001a) S. 3 ff. u. 62 f.; FENSEL (2001b) S. 8; FETTKE/LOOS (2003) S. 61 ff.;<br />
FORMICA/MISSIKOFF (2002) S. 1 ff.; FRANK (2001) S. 3 u. 14; GREEN/ROSEMANN (1999) S. 2 ff.; GREEN/ROSEMANN (2000) S.<br />
73 u. 75 ff.; HAGENGRUBER (2004) S. 417 ff.; JARKE ET AL. (1994) S. 187; JARKE ET AL. (1997) S. 238 ff.; JURISICA/MYLO-<br />
POULOS/YU (1999) S. 3 ff.; KLAPSING (2003) S. 60 f. u. 63; LUTTERS ET AL. (2000) S. 4436 ff.; MAIER (2003) S. 170; PETERSEN/<br />
RAO/TVEIT (2002) S. 3; SCHÜTTE (1999a) S. 217 u. 224; SHUM (1997) S. 917; SCHÜTTE/ZELEWSKI (1999) S. 2 ff.; SCHÜTTE/<br />
ZELEWSKI (2001) S. 3 ff.; SCHÜTTE/ZELEWSKI (2002) S. 162 ff.; STAAB (2002a) S. 194 ff.; STAAB (2002b) S. 1 ff.; STUDER ET AL.<br />
(2001) S. 2 ff.; ZELEWSKI (2002a) S. 64 ff.<br />
Um Missverständnissen vorzubeugen, wird darauf hingewiesen, dass die Anzahl von Ontologie-Beiträgen aus dem Bereich der<br />
Wirtschaftsinformatik weitaus größer ist als die entsprechende Anzahl von Beiträgen aus dem Bereich der Betriebswirtschaftslehre,<br />
die in der nächsten Fußnote erwähnt werden. Die scheinbar größere Anzahl betriebswirtschaftlicher Beiträge kommt nur<br />
dadurch zustande, dass seitens der Wirtschaftsinformatik eine große Anzahl von Beiträgen über spezielle Ontologien oder<br />
Werkzeuge zur Gestaltung von Ontologien verfasst wurde, die nicht in dieser Fußnote, sondern (teilweise) an späterer Stelle<br />
erwähnt werden. Auf betriebswirtschaftliche Beiträge über Ontologien trifft dies jedoch nicht zu, weil sie sich überwiegend nur<br />
mit Ontologien im Allgemeinen befassen. Darüber hinaus fällt die inhaltliche Abgrenzung zwischen (Kern-) Informatik und<br />
Wirtschaftsinformatik oftmals schwer. Bei den vorgenannten Quellenangaben wurde jeweils von einem Beitrag aus dem Bereich<br />
der Wirtschaftsinformatik ausgegangen, wenn die Thematik des Beitrags einen deutlichen Bezug zu wirtschaftswissenschaftlichen<br />
Sachverhalten erkennen lässt oder wenn der Verfasser als Inhaber einer Wirtschaftsinformatik-Professur bekannt<br />
ist.<br />
10) Vgl. zu Erwähnungen von Ontologien in betriebswirtschaftlich orientierten Beiträgen (mit Ausnahme der Projektberichte des<br />
Verbundprojekts KOWIEN): ALAN ET AL. (2005) S. 36 f.; ALAN/ZELEWSKI (2003) S. 6 ff.; ALAN/ZELEWSKI/SCHÜTTE (2003) S.<br />
183 u. 185 ff.; ALPARSLAN/DITTMANN (2002) S. 66 ff.; ALPARSLAN ET AL. (2002) S. 46 ff.; BÄUMGEN/HÜBBERS (2004) S. 162;<br />
DITTMANN (2004) S. 3 ff.; DITTMANN/PETERS/ZELEWSKI (2003a) S. 3 ff. u. 11; DITTMANN/PETERS/ZELEWSKI (2003b) S. 10 u. 12<br />
ff.; DITTMANN/RADEMACHER/ ZELEWSKI (2004a) S. 211 ff.; DITTMANN/RADEMACHER/ZELEWSKI (2004b) S. 3 ff.; DITTMANN/<br />
SCHÜTTE/ZELEWSKI (2003) S. 3; DITTMANN/ZELEWSKI (2004a) S. 190 ff.; DITTMANN/ZELEWSKI (2004b) S. 181 ff.; LAU/SURE<br />
(2002) S. 123 ff.; MEIER (2004) S. 209 f. u. 212 f.; ZELEWSKI (1995) Band 5.1: S. 30 ff.; ZELEWSKI (1997) S. 337 ff.; ZELEWSKI<br />
(1999a) S. 1 ff.; ZELEWSKI (2001) S. 2 ff.; ZELEWSKI (2002a) S. 64 ff.; ZELEWSKI (2002b) S. 2 ff.; ZELEWSKI (2004b) S. 28 f. u.<br />
46 ff.; ZELEWSKI/FISCHER (1999) S. 7 ff.; ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 184 ff.; ZELEWSKI/SIEDENTOPF (1999) S. 77<br />
ff.; ZUG/KLUMPP/ KROL (2003) S. 5.<br />
11) Dies ist insofern erstaunlich, als die „Wissens-Ökonomie“ einen durchaus respektablen Zweig volkswirtschaftlicher Forschung<br />
darstellt.<br />
12) Auf Referenzmodelle und konzeptuelle Modelle wird später näher eingegangen.
118 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
vergleichen lassen. 13) Solche Ontologien würden, wenn sie von einer Wissenschaftlergemeinschaft<br />
gemeinsam verwendet werden, erheblich die Aufgabe erleichtern, die Leistungsfähigkeit konkurrierender<br />
Modellierungen für Informationssysteme und Geschäftsprozesse zu beurteilen.<br />
Wie schon des Öfteren in der Vergangenheit geschehen, können weder Wirtschaftsinformatik noch<br />
Betriebswirtschaftslehre für sich in Anspruch nehmen, die Ontologiediskussion von sich aus angestoßen<br />
zu haben. Vielmehr lässt sich das neue Interesse an Ontologien auf eine „ehrwürdige“ Tradition<br />
in der abendländischen Philosophie zurückführen. 14) Ihre Ursprünge reichen bis hin zum antiken<br />
Griechenland. Seitdem wird unter der Ontologie die Seinslehre verstanden. So thematisierte bereits<br />
ARISTOTELES in seiner „ersten Philosophie“ Fragen nach dem „Seienden als Seiendem“ 15) , d.h.<br />
nach seinem „objektiven“, vom menschlichen Erkennen unabhängigen „Wesen“ 16) und nach den<br />
ihm zukommenden „Bestimmungen“. Dazu gehören beispielsweise so fundamentale Aspekte wie<br />
das „Wesen“ von Ereignissen 17) , Identität 18) , Kausalität 19) , Objekt 20) , Substanz 21) und Zeit 22) sowie<br />
die Frage, ob eine reale Entsprechung zu Klassenbegriffen („Universalien“) existiert 23) . Des Weiteren<br />
befasst sich die Ontologie im Anschluss an ARISTOTELES – und u.a. auch KANT – stets mit dem<br />
13) So führt MYLOPOULOS (1998) S. 136 aus: „The reader should note that comparisons of conceptual models on the basis of their<br />
built-in terms are vulnerable to problems of synonymy, homonymy etc. In other words, two different models may be appropriate<br />
for the same class of applications, but use different terms to talk about these applications. We’d like to have a framework<br />
which deems these conceptual models as being comparable with respect to their intended subject matter. Ontologies help us achieve<br />
precisely this objective.” Dem Bedürfnis, mit der Hilfe von Ontologien eine Art Beurteilungsstandard zu schaffen, entspricht<br />
insbesondere die BUNGE/WAND/WEBER-Ontologie. Darauf wird an späterer Stelle im Kapitel 1.3.1.4 ausführlicher zurückgekommen<br />
(S. 211 ff.).<br />
14) Vgl. zu Überblicken über Inhalt und geschichtliche Entwicklung des philosophischen Ontologieverständnisses z.B. DIEMER<br />
(1967) S. 209 ff. Vgl. ebenso zum „klassischen“, philosophisch orientierten Ontologieverständnis BUDIN (1996) S. 20 ff. u. 46<br />
ff.; BUNGE (1977); BUNGE (1979); BUNGE (1998) S. 101 f.; DIEMER (1959) S. 7 ff.; COCCHIARELLA (1996) S. 27 ff.; GROSSMANN<br />
(1992); GUARINO/GIARETTA (1995) S. 26 f.; HENGSTENBERG (1998); KANT (1981) S. 275 (kritisch distanziert); KELLER (1974)<br />
S. 1288 ff.; MEIXNER (1994) S. 375 ff.; SOWA (2000) S. 51 f. u. 55 ff.; SPINNER (2000) S. 3, 8 u. 10 (ff.); WEISSMAHR (1991) S. 9<br />
ff. u. 65 ff. sowie die (weiteren) Beiträge in den Sammelbänden LEINFELLNER/KRAEMER/SCHANK (1982) und POLI/SIMONS<br />
(1996). Vgl. auch am Rande POLI (2002) S. 661.<br />
Vgl. darüber hinaus den Beitrag DITTMANN/PENZEL (2004), der zwar von einem wissenschaftlichen Mitarbeiter des Verbundprojekts<br />
KOWIEN mitverfasst wurde (DITTMANN), sich jedoch nicht unmittelbar der Thematik des KOWIEN-Projekts zurechnen<br />
lässt, sondern Ontologien aus einem speziellen philosophischem Blickwinkel, der Ideenlehre von PLATON, behandelt (S.<br />
464 ff.). Allerdings steht dieser Beitrag insofern in einem mittelbaren Zusammenhang mit der Thematik des KOWIEN-Projekts,<br />
als er sich u.a. mit der Bewertung der Güte von Ontologien befasst (S. 462 ff. u. 473 ff.). Weitere Beiträge, an denen Mitglieder<br />
des KOWIEN-Projektteams beteiligt waren, widmen sich „philosophischen“ Aspekten von Ontologien aus einer speziellen, erkenntnis-<br />
und wissenschaftstheoretisch motivierten Perspektive. Vgl. dazu DITTMANN/SCHÜTTE/ZELEWSKI (2003) S. 2 ff.;<br />
SCHÜTTE/ZELEWSKI (1999) S. 6 ff.; SCHÜTTE/ZELEWSKI (2001) S. 3 ff.; SCHÜTTE/ZELEWSKI (2002) S. 162 ff.; ZELEWSKI/SCHÜT-<br />
TE/SIEDENTOPF (2001) S. 210 ff.<br />
15) Vgl. FEUCHT (1992) S. 15 u. 77.<br />
16) Vgl. zur „Wesensmetaphysik“ WEISSMAHR (1991) S. 96 ff.<br />
17) Vgl. LOBIN (1998) S. 94 ff. u. 273.<br />
18) Vgl. DEUTSCH (2002); PERZANOWSKI (1996) S. 111 ff.; PORTER (2001) S. D1 ff.; QUINE (2002) S. 205 ff.; TAMMA/BENCH-<br />
CAPON (2002) S. 43 f.<br />
19) Vgl. FLEETWOOD (2001) S. 201 ff.; WEISSMAHR (1991) S. 151 ff.<br />
20) Vgl. ALBERTAZZI (1996) S. 201 ff.<br />
21) Vgl. POLI (2002) S. 643 ff.<br />
22) Vgl. GEORGE/JONES (2000) S. 658 ff ; TEGTMEIER (1994) S. 400 ff.<br />
23) Vgl. zu diesem Universalienproblem WEISSMAHR (1991) S. 73 ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 119<br />
Studium so genannter Kategorien 24) . Unter Kategorien werden „sehr allgemein“ definierte Klassen<br />
realer Phänomene 25) , die sich in ihren „wesensmäßigen“ Bestimmungen gleichen, verstanden, wie<br />
z.B. die Kategorien des Dings, der Eigenschaft, der Beziehung und des Sachverhalts. 26) Durch ein<br />
„Kategorien-System“ wird die Vielfalt realer Phänomene klassifiziert und übersichtlich strukturiert<br />
(„systematisiert“). 27) Im Rahmen der klassischen Metaphysik nahmen solche ontologischen Seins-<br />
Betrachtungen über Jahrhunderte einen respektablen Raum ein. Allerdings büßten sie im Gefolge<br />
der Krise des spekulativen Idealismus während des 19. Jahrhunderts erheblich an Beachtung ein.<br />
Fragen nach dem „Wesen“ von etwas wurden zunehmend als antiquierter „Essenzialismus“ stigmatisiert.<br />
Mit dem Aufkommen empirischer und analytischer Denkschulen verdrängten insbesondere<br />
Fragestellungen der Erkenntnistheorie die früher dominierenden ontologischen Themen.<br />
Erst die wissenschaftliche Philosophie des 20. Jahrhunderts erlebte eine „Wiedergeburt der Ontologie“.<br />
28) Sie wurde vor allem durch Beiträge von HARTMANN zu einer „neuen Ontologie“ eingeleitet.<br />
29) In die gleiche Richtung wiesen Arbeiten von HUSSERL, der seine Auffassung über Phänomenologie<br />
als eine „universale Ontologie“ verstand 30) , der ähnliche Denkansatz von SARTRE zur „phänomenologischen<br />
Ontologie“ 31) sowie die Schriften von HEIDEGGER zur „Fundamentalontologie“ 32)<br />
und von JACOBY über die „Allgemeine Ontologie der Wirklichkeit“ 33) . In der jüngeren Vergangenheit<br />
haben insbesondere die subtilen sprachanalytischen Untersuchungen von QUINE zur (doppelten)<br />
24) Vgl. MEIXNER (1994) S. 379; POLI (2002) S. 653 f.; KOEPSELL (1999) S. 217 f. (S. 217: „Ontology is the study of categories“);<br />
SMITH/MARK (1999) S. 245 („a science of the types of entities in reality, of the objects, properties, categories and relations<br />
which make up the world“); SOWA (2000) S. 56 ff.; TEGTMEIER (1994) S. 400 („Die Ontologie sucht nach der allgemeinsten<br />
Klassifikation alles Existierenden, sie sucht nach den Kategorien.“).<br />
25) Als Phänomene werden hier Objekte der Erfahrung verstanden, die in einem Realitätsausschnitt als abgegrenzte Entitäten<br />
wahrgenommen oder vorgestellt und somit von anderen Phänomenen desselben Realitätsausschnittes unterschieden werden<br />
können.<br />
26) Vgl. zu diesen vier ontologischen Kategorien z.B. TEGTMEIER (1994) S. 400.<br />
27) Die Klassifizierung resultiert unmittelbar aus der Zusammenfassung „wesensgleicher“ Phänomene zu einer Kategorie, d.h. zu<br />
einer Klasse gleichartiger Phänomene. Eine Strukturierung erfolgt erst dann, wenn der Gesamtheit aller erfassten Kategorien<br />
mittels Über- und Unterordnungsbeziehungen zwischen den Kategorien eine hierarchische oder heterarchische Kategorien-<br />
Struktur aufgeprägt wird.<br />
28) Vgl. FOSS (1994) S. 37 („In philosophy, recent decades seem to have witnessed another revitalization of a once prominent subject.<br />
Ontological questions – questions about being – are once again respectable questions ...“ [kursive Hervorhebungen durch<br />
den Verfasser]).<br />
29) Vgl. FEUCHT (1992) S. 12 ff. u. 76 ff.; HARTMANN (1948); HARTMANN (1982); STEGMÜLLER (1989) S. 243 ff., insbesondere S.<br />
255 ff.<br />
30) Vgl. HUSSERL (1985) S. 218 ff.; STEGMÜLLER (1989) S. 73 ff.<br />
31) Vgl. DAMAST (1989); SARTRE (1991).<br />
32) Vgl. BRANDNER (1993) S. 131 ff.; GETHMANN (2004a) S. 688 f.; HEIDEGGER (1988); MELCIC (1986) S. 15 ff.; STEGMÜLLER<br />
(1989) S. 135 ff., insbesondere S. 160 ff.<br />
33) Vgl. JACOBY (1993).
120 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
ontologischen Relativität 34) zu einer „Renaissance“ ontologischer Fragestellungen geführt, die sich<br />
allerdings in inhaltlicher Hinsicht weit von den Vorbildern der Antike entfernt haben. Darüber hinaus<br />
lässt sich auf eine Vielzahl philosophischer Fachbeiträge jüngeren Datums verweisen, welche<br />
die Relevanz der „modernen“ Ontologie belegen. 35) Darunter befinden sich mehrere Veröffentli-<br />
34) Vgl. STEGMÜLLER (1987a) S. 300 ff., insbesondere S. 302. Die „doppelte ontologische Relativität“ einer Theorie hinsichtlich ihrer<br />
(Erkenntnis-) Gegenstände umfasst erstens eine Relativität in Bezug auf eine vorausgesetzte „Rahmentheorie“ und zweitens<br />
eine Relativität hinsichtlich der nicht eindeutig bestimmbaren Übersetzung von der jeweils betrachteten Theorie in die vorausgesetzte<br />
Rahmentheorie. Im Werk QUINE (2002), auf das sich STEGMÜLLER (1987a) maßgeblich bezieht (vgl. S. 291), findet<br />
sich die pointierte Formulierung „doppelte ontologische Relativität“ noch nicht. Auch bezieht QUINE seine subtilen Überlegungen<br />
zur ontologischen Relativität nicht primär auf Theorien, sondern auf das Problem der „bedeutungserhaltenden“ Übersetzung<br />
zwischen sprachlichen Äußerungen, die jeweils gleiche – oder für gleich gehaltene – Realitätsausschnitte betreffen. Diese<br />
Realitätsausschnitte und die darin sprachlich adressierten („gemeinten“) Gegenstände, Entitäten oder Referenzen bilden das ontologische<br />
Substrat der Argumentation von QUINE. Seine These der Übersetzungsunbestimmtheit oder ontologischen Relativität<br />
besagt im Kern, dass nicht eindeutig entschieden werden kann, ob zwei sprachliche Äußerungen, die in zwei verschiedenartigen<br />
Sprachen über Sachverhalte im selben Realitätsausschnitt erfolgen, wechselseitig korrekte – bedeutungsgleiche – Übersetzungen<br />
voneinander darstellen. Als Grund für diese Übersetzungsunbestimmtheit sieht QUINE die prinzipielle Unmöglichkeit an,<br />
sprachunabhängig festzustellen, was die Referenzen, also die (extensionalen) Bedeutungen der jeweils betroffenen sprachlichen<br />
Äußerungen im betrachteten Realitätsausschnitt sind. Da Theorien als sprachliche Artefakte lediglich einen Sonderfall sprachlicher<br />
Äußerungen darstellen, kann die These der Übersetzungsunbestimmtheit auf Theorien übertragen werden. Im Kontext von<br />
Theorien bedeutet die These der Übersetzungsunbestimmtheit, dass die (Erkenntnis-) Gegenstände, auf die sich eine Theorie als<br />
ihr „ontologisches Substrat“ erstreckt, letztlich nicht präzise bestimmt werden können. STEGMÜLLER (1987a) S. 300 spricht in<br />
dieser Hinsicht plastisch von einer „Unerforschlichkeit der Referenz“ von Theorien. Stattdessen kann können die Gegenstände<br />
einer Theorie nur in Bezug auf eine umfassendere Rahmentheorie festgelegt werden (erste ontologische Relativierung). Die<br />
Gegenstände dieser Rahmentheorie können ihrerseits hinterfragt werden usw. Um einen infiniten Regress zu vermeiden, verbleibt<br />
zumeist nur eine „dogmatische“ Verankerung in der lebensweltlich „unhintergehbaren“ Muttersprache. Vgl. STEGMÜLLER<br />
(1987a) S. 301. Darüber hinaus verbleibt das Problem, zwischen den sprachlichen Ausdrücken derjenigen Theorie, deren „ontologisches<br />
Substrat“ bestimmt werden sollte, und den sprachlichen Ausdrücken der jeweils gewählten Rahmentheorie zu übersetzen.<br />
Auf diese Übersetzung zwischen den sprachlichen Ausdrücken aus zwei verschiedenen Theorien erstrecken sich im engeren<br />
Sinn QUINES Überlegungen zur Übersetzungsunbestimmtheit. Sie führen zu einer zweiten ontologischen Relativierung.<br />
Vgl. zu den zugrunde liegenden, sehr ausführlichen und subtilen Argumenten zur Rechtfertigung der These der Übersetzungsunbestimmtheit<br />
QUINE (2002) S. 56 f., 59 ff., 66 ff., 101 ff., 129 ff. u. 137 ff. Auf S. 61, 136, 138 u. 146 f. spricht QUINE seine<br />
These der Übersetzungsunbestimmtheit unmittelbar aus. Vgl. auch S. 56 f. u. 146 zur Verknüpfung von sprachlichen Äußerungen,<br />
deren Übersetzungen und Theorien. Vgl. darüber hinaus zu den vielfältigen ontologischen Facetten des Lebenswerks von<br />
QUINE auch die Beiträge in dem Sammelwerk FØLLESDALL (2001), vor allem in den Abschnitten „Indeterminancy of Reference<br />
(Ontological Relativity)“ auf S. 55 ff. sowie „Ontological Commitment“ auf S. 1 ff.<br />
35) Vgl. ANDERSON (1988) S. 403 ff. (zur Ontologie des Kritischen Realismus); BAILER-JONES (2002) S. 2 ff. (zum ontologischen<br />
Aussagegehalt von naturwissenschaftlichen Modellen aus der Perspektive eines epistemischen Realismus); BUZZONI (1997) S.<br />
38 ff. (zum ontologischen Charakter so genannter „theoretischer“, also angeblich unbeobachtbarer Entitäten); CHECKEL (2001)<br />
S. 558 ff., 564 u. 579 (zu ontologischen Einstellungen konstruktivistischer Sozialwissenschaften); GEORGE/JONES (2000) S. 658<br />
ff. (zur Ontologie der Zeit als Basiskonstituente von empirischen Theorien); HENRY/PENE (2001) S. 234 ff. (zu ontologischen<br />
Annahmen in ethnologischen Forschungen); HUNT (1994) S. 227 f. (zu ontologischen Annahmen des wissenschaftlichen Realismus);<br />
JOHNSON (1999) S. 241 ff. (Andeutungen zum ontologischen Status des Fernsehens); KOEPSELL (1999) S. 220 ff. (zur<br />
Anwendung der Ontologie auf Forschungsprobleme der „sozialen Welt“); LUNDSTEN (1999) S. 221 ff. (zum ontologischen Status<br />
des Fernsehens); MANICAS (1998) S. 400 ff. (zur Ontologie der Gesellschaft [im soziologischen Begriffsverständnis]);<br />
MCSWITE (1997) S. 43 ff. (zur Ontologie öffentlicher Verwaltungen); MIRO-QUESADA-CANTURIAS (1990) S. 285 ff. (zur ontologischen<br />
Relevanz der klassischen Logik, insbesondere ihrer Existenzquantoren); MORTON/LINDQUIST (1997) S. 354 f. u. 357<br />
ff. (zu einer feministischen Ontologie); MORCÖL (2001) S. 107 f., 110 u. 112 f. (zu ontologischen Annahmen des positivistischen,<br />
poststrukturalistischen oder komplexitätsfokussierten Wissenschaftsverständnisses); POLLACK (2001) S. 234 ff. (zu ontologischen<br />
Aspekten sozialer Systeme aus konstruktivistischer Perspektive); POTTER/EDWARDS/WETHERELL (1993) S. 384 ff.<br />
(zur Ontologie der kognitiven Psychologie); RUTGERS (2001) S. 220 ff. (zu zwei unterschiedlichen ontologischen Grundverständnissen<br />
für die öffentliche Verwaltung); SHIMP (1991) S. 158 ff. (zu alternativen ontologischen Annahmen bei der Erklärung<br />
psychologischer Konditionierung); SMITH/MARK (1999) S. 245 ff. (zur Ontologie geographischer Phänomene); SYLVAN/<br />
THORSON (1992) S. 709 ff., insbesondere S. 727 ff. (zur u.a. ontologischen Analyse von politischen Konflikten und Optionen zu<br />
ihrer Bewältigung, vor allem anhand der Kuba-Raketenkrise aus dem Jahr 1962); WANG, X. (2002) S. 472 ff. (ein bemerkenswerter<br />
Ansatz, die von KUHN intensiv thematisierte Inkommensurabilität wissenschaftlicher Theorien auf unterschiedliche ta-
1.3.1 Einführung in das Themenfeld „Ontologien“ 121<br />
chungen, die sich mit den ontologischen Fundamenten von ökonomischen Theorien und Problemen<br />
aus philosophischer Perspektive auseinander setzen. 36) Hinzu kommen einige Vertreter der Forschungsrichtung<br />
des Information Systems Research, die sich mit der Analyse, vor allem der Evaluation<br />
von Informationssystemen und Modellierungssprachen mit der Hilfe von ontologisch motivierten<br />
Kriterien befassen. 37)<br />
Die zuvor skizzierten philosophischen Verwendungen des Ontologiebegriffs bilden jedoch nicht<br />
den Hintergrund desjenigen Begriffsverständnisses für Ontologien, das dem heutigen Wissensmanagement<br />
aus wirtschaftswissenschaftlicher Perspektive zugrunde liegt. Während philosophische<br />
Arbeiten „die“ Ontologie als Seinslehre im Singular thematisieren, werden seit knapp zwei Jahrzehnten<br />
38) Ontologien in pluralischer Rede vor allem in den Bereichen von Computerwissenschaften<br />
und Information Systems Research erörtert. Aus dieser neuartigen Perspektive werden keine<br />
Aussagen über das Sein „an sich“ angestrebt; es werden keine Strukturen der extern „vorgegebenen“<br />
Realität analysiert. Stattdessen werden Ontologien als von Menschen geschaffene, sprachlich<br />
verfasste Artefakte betrachtet. Daher sind Ontologien einer zweckrationalen Gestaltung zugänglich.<br />
Sie lassen sich „managen“ und bilden ein „natürliches“ Erkenntnis- und Gestaltungsobjekt des betrieblichen<br />
Wissensmanagements.<br />
Das „moderne“, nicht-philosophische Verständnis von Ontologien lässt sich auf Arbeiten der Erforschung<br />
Künstlicher Intelligenz (KI) zurückführen. Dort entwickelte sich seit Anfang der achtziger<br />
xonomische Strukturen der Sprachen zurückzuführen, in denen die Theorien verfasst sind; u.a. mit einer expliziten Erwähnung<br />
des „ontological status“ auf S. 473 und einem Hinweis auf die „fact-ontology“ von WITTGENSTEIN auf S. 475).<br />
36) Vgl. BROWN (2000) S. 349 ff. (ontologische Aspekte des Post-Keynesianismus); FOSS (1994) S. 37 ff. (Ontologien, die unterschiedlichen<br />
Theorien der Unternehmung zugrunde liegen); DOW (1999) S. 22 ff. (ontologische Aspekte des Post-Keynesianismus<br />
aus der Perspektive des Kritischen Realismus); DOW (2000) S. 357 ff. (ontologische Aspekte des Post-Keynesianismus);<br />
FLEETWOOD (2001) S. 201 ff. (Kritik am konventionellen Verständnis ökonomischer Gesetze); GRASSL (1999) S. 313 ff. (eine<br />
Ontologie im Marketing-Bereich für Markenprodukte); HARE (1999) S. 285 ff. (ontologische Grundlagen von Gesetzen zum<br />
Schutze intellektuellen Eigentums); HOSKING/BOUWEN (2000) S. 129 ff. (Andeutungen zu einer relationalen Ontologie für konstruktivistische<br />
Theorien organisationalen Lernens); JACKSON (1995) S. 762 ff. (Ontologie des empirischen Realismus als<br />
Grundlage einer „naturalistisch“ geprägten Ökonomie); MÄKI (2000) S. 111 ff. („commonsensibles“ und Kausalzusammenhänge<br />
als ontologische Basis ökonomischer Theorien, die sich in den wissenschaftlichen Realismus einordnen lassen); STEPHENS<br />
(2001) S. 238 f. (Vertrauen aus ontologischem Blickwinkel); PORTER (2001) S. D1 ff. (ontologisch inspirierte Analyse des<br />
Konzepts organisationaler Identität); ROTHEM (1999) S. 71 ff. (ontologische Aspekte des Post-Keynesianismus aus der Perspektive<br />
des Kritischen Realismus); SULLIVAN (1998) S. 877 ff. (Ontologie internationaler Geschäftsaktivitäten); WHITELEY (2002)<br />
S. 1 u. 3 (konstruktivistische Ontologie für eine Action-Research-Studie von Groupware-Systemen); ZUNIGA (1999) S. 299 ff.<br />
(eine Ontologie „ökonomischer Objekte“ – wie z.B. ökonomische Güter, Geld und Preise – in der Denktradition von MENGER).<br />
37) Besondere Beachtung haben in diesem Zusammenhang die Beiträge von BUNGE, WAND und WEBER hervorgerufen, die seitens<br />
des Information Systems Research als so genannte BUNGE/WAND/WEBER-Ontologie thematisiert werden. Darauf wird später im<br />
Kapitel 1.3.1.4 zurückgekommen (S. 211 ff.). Vgl. auch die Ausführungen in LU/JIN (2000) S. 38 ff., 73, 104 ff., 171 ff., 285 ff.<br />
u. 313 ff. Die Autoren propagieren ein Software Engineering, das Ontologien mit objektorientierten Analysetechniken kombiniert.<br />
Für diesen Zweck entwickeln sie eine „generische“ Technik zur ontologiebasierten Domänenanalyse für die Modellierung<br />
von Informationssystemen.<br />
38) Zu den frühesten expliziten Erwähnungen von Ontologien zählt nach Wissen des Verfassers der Beitrag von ALEXANDER ET AL.<br />
(1986) S. 963 ff. Zwei weitere frühe Beiträge zu Ontologien aus dem Bereich der Computerwissenschaften stellen die Ausführungen<br />
von JARDINE/MATZOV (1988) S. 175 ff. (zur Ontologie von Zeitgrößen, die bei der formalsprachlichen Spezifikation von<br />
Informationssystemen verwendet werden) und LEE (1988) S. 225 f. (zu Ontologien für die denotationale Semantik von Datenmodellen)<br />
dar.
122 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Jahre eine spezielle Sichtweise für die Analyse und Gestaltung Wissensbasierter Systeme 39) . Die<br />
ersten, euphorischen Hoffnungen auf die „Segnungen“ Künstlicher Intelligenz hatten sich als übertrieben<br />
herausgestellt. Expertensysteme und Computer der „fünften Generation“ konnten bei weitem<br />
nicht das umfassende Leistungsvermögen entfalten, das von frühen Apologeten der KI-Forschung,<br />
wie etwa MCCARTHY, vollmundig verkündet worden war. Es stellte sich eine deutlich spürbare<br />
„Frustration“ im Lager der KI-Forschung ein. Denn man erkannte, dass mit den bis dahin<br />
überwiegend angewandten Arbeitstechniken – wie regelbasierten Expertensystemen, logischer Programmierung<br />
und Theorembeweisern – nicht diejenige Performanz erreicht werden konnte, die berechtigen<br />
würde, von „Künstlicher Intelligenz“ zu sprechen.<br />
Einen der Erfolg versprechendsten Auswege aus der damaligen „Sinnkrise“ der KI-Forschung stellte<br />
der neuartige Denkansatz des Knowledge Level Engineerings 40) dar. 41) Er war von der Vorstellung<br />
geprägt, dass bisherige Forschungs- und Entwicklungsarbeiten zu tief auf dem Detaillierungsniveau<br />
der informationstechnischen Symbolverarbeitung angesiedelt waren. Auf diesem Symbol<br />
Level fehlte vor allem der Blick für die „übergeordneten“ Zusammenhänge innerhalb des Wissens,<br />
das zu einer Problembearbeitung eingesetzt werden soll. Die Aufgabe der Problem angemessenen<br />
Wissensstrukturierung war offensichtlich bislang vernachlässigt worden. Hinzu kam die Einsicht,<br />
dass Zusammenhänge zwischen den Wissensträgern, deren Wissen zur Problembearbeitung verwendet<br />
werden soll, und der konkreten, problembezogenen Wissensanwendung in Wissensverarbeitenden<br />
Systemen nicht hinreichend berücksichtigt worden waren. Damit rückte auch die Aufgabe<br />
der Wissensakquisition in den Fokus der KI-Forschung. Techniken des Knowledge Level Engineerings<br />
wurden entwickelt, um Wissensakquisition und Wissensstrukturierung wesentlich effektiver<br />
zu unterstützen, als es bisher auf dem Symbol Level der Fall gewesen war. In diesem Zusammenhang<br />
kamen auch Ontologien als eines der Instrumentarien des Knowledge Level Engineerings<br />
auf. 42) Ihre Erforschung und Entwicklung bildet seitdem eine spezielle Ausprägung des Knowledge<br />
Level Engineerings, das so genannte Ontology Engineering 43) . Mitunter wird auch von einem spe-<br />
39) Zwischen Expertensystemen und Wissensbasierten Systemen wird im Allgemeinen nicht inhaltlich differenziert. Auch in diesem<br />
Werk werden sie überwiegend als Synonyme behandelt. Lediglich in den nachfolgenden Kapiteln erfolgt eine Nuancierung<br />
derart, dass Expertensysteme als zeitlich frühere Produkte der KI-Forschung auf dem Symbol Level thematisiert werden, während<br />
Wissensbasierte Systeme als zeitlich spätere Produkte der KI-Forschung auf dem Knowledge Level angesiedelt werden.<br />
Diese „temporäre“ Unterscheidung dient jedoch nur zur Verdeutlichung der nachfolgenden Argumentation. Später wird sie<br />
nicht mehr aufgegriffen, so dass dann die Bezeichnungen „Expertensysteme“ und „Wissensbasierte Systeme“ schlicht synonym<br />
verwendet werden.<br />
40) Als wegweisender Beitrag zum Knowledge Level Engineering gilt die Publikation NEWELL (1982); vgl. dort insbesondere S.<br />
94, 98 ff. u. 100 ff. zur Charakterisierung des Knowledge Level Engineerings sowie S. 99 zur programmatischen „Knowledge<br />
Level Hypothesis“. Vgl. des Weiteren ALEXANDER ET AL. (1986) S. 963 ff.; CHANDRASEKARAN/JOHNSON/SMITH (1992) S. 124<br />
ff.; CLANCEY (1989) S. 249 ff.; GAINES (1997) S. 1 ff.; KRISHNAN/LI/STEIER (1992) S. 138 u. 142 ff.; NECHES ET AL. (1991) S.<br />
38; STICKLEN (1989) S. 233 ff.; STUDER/BENJAMINS/FENSEL (1998) S. 163 f.; USCHOLD (1996c) S. 5 ff.<br />
41) Einen anderen Ausweg bildete z.B. der Übergang vom regelbasierten zum objektorientierten Gestaltungsparadigma. Bei Wissensbasierten<br />
Systemen schließen sich Arbeitstechniken des Knowledge Level Engineerings einerseits sowie regel- versus objektorientierte<br />
Wissensstrukturierung andererseits keineswegs aus.<br />
42) Eine explizite Verknüpfung zwischen Knowledge Level Engineering und Ontologien findet sich schon bei ALEXANDER ET AL.<br />
(1986) S. 963 (bereits im Titel) u. 967.<br />
43) Vgl. zum Ontology Engineering (oder Ontological Engineering) BATEMAN (1992) S. 2; BENJAMINS/FENSEL (1998) S. 287 ff.;<br />
BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-2 f.; ERDMANN (2001) S. 121 ff.; FORMICA/MISSIKOFF (2002) S. 1; LENAT/GUHA<br />
(1990) S. 23; MAEDCHE (2002) S. 29 ff. Vgl. auch die Beiträge des Verbundprojekts KOWIEN zum Ontology Engineering, die<br />
sich auf ein Vorgehensmodell zur Konstruktion (und Nutzung) von Ontologien erstreckten, in APKE/BREMER/DITTMANN (2004)<br />
S. 5 ff.; APKE/DITTMANN (2003a) S. 33 ff. sowie in diesem Werk in den Kapiteln 1.4.4.4 (S. 296 ff.) und 3.2.2 (S. 625 ff.).
1.3.1 Einführung in das Themenfeld „Ontologien“ 123<br />
ziellen „ontological level“ 44) oder „conceptual level“ 45) des Knowledge (Level) Engineerings gesprochen.<br />
Eines der „paradigmatischen“ Arbeitsfelder des Knowledge Level Engineerings, das für das Verbundprojekt<br />
KOWIEN von besonderem Interesse ist, stellt die Erforschung, Entwicklung und Anwendung<br />
so genannter Multi-Agenten-Systeme dar. 46) Es handelt sich dabei um Systeme, in denen<br />
mehrere teilautonome Akteure („Agenten“) 47) zusammenarbeiten, um eine gemeinsam übernommene,<br />
komplexe Aufgabe arbeitsteilig zu erfüllen. Die Teilautonomie der Akteure bedeutet, dass sie<br />
einerseits über ihre Arbeitsabläufe autonom entscheiden können, jedoch andererseits zur Erfüllung<br />
ihrer gemeinsamen Aufgabe kooperieren müssen, also wechselseitig aufeinander angewiesen sind.<br />
Die Komplexität der gemeinsamen Aufgabe wird zumeist in der Weise ausgelegt, dass die Akteure<br />
zur Aufgabenerfüllung intensiv auf Wissen zurückgreifen müssen. Dies entspricht unmittelbar dem<br />
Fokus des Verbundprojekts KOWIEN, sich mit der arbeitsteiligen Erfüllung von wissensintensiven<br />
Engineering-Aufgaben zu befassen. Einprägsame Beispiele für Multi-Agenten-Systeme stellen Kollektive<br />
aus autonomen Robotern („disbots“) und Ensembles aus Softwareagenten im Internet<br />
(„softbots“) dar.<br />
Die Zusammenarbeit mehrerer teilautonomer Akteure bei der gemeinsamen, arbeitsteilig erbrachten<br />
Erfüllung komplexer Aufgaben bildet seit Jahrzehnten ein zentrales Erkenntnis- und Gestaltungsobjekt<br />
mehrerer wissenschaftlicher Disziplinen. Einerseits stellt diese Zusammenarbeit eines der<br />
Kernprobleme wirtschaftswissenschaftlicher Forschung dar. Dort wird sie aus betriebswirtschaftlicher,<br />
insbesondere organisationswissenschaftlicher Perspektive als „Dreifaltigkeit“ aus Konfigurations-,<br />
Motivations- und Koordinationsproblem von Unternehmen seit Jahrzehnten intensiv analysiert.<br />
Ebenso spielt die Zusammenarbeit mehrerer teilautonomer Akteure im Rahmen volkswirtschaftlicher<br />
Analysen eine große Rolle, vor allem aus dem Blickwinkel der Koordinierung von<br />
Leistungsnachfragen und -angeboten über Märkte. Andererseits haben sich auch (Kern-) Informatik<br />
und Wirtschaftsinformatik schon seit längerem der Herausforderung zugewandt, die Zusammenarbeit<br />
mehrerer teilautonomer Akteure bei der gemeinsamen, arbeitsteilig erbrachten Erfüllung komplexer<br />
Aufgaben („distributed problem solving“) durch computerbasierte Arbeitstechniken zu unterstützen.<br />
Insbesondere hat sich das neue Forschungsfeld der Erforschung Verteilter Künstlicher<br />
Intelligenz (VKI) 48) herausgebildet. Seit mindestens einem Jahrzehnt wurden in diesem Forschungsfeld<br />
Multi-Agenten-Systeme als Nachfolger konventioneller Expertensysteme und Wissensbasierter<br />
Systeme in den Vordergrund internationaler Forschungs- und Entwicklungsbemühungen gerückt.<br />
44) Vgl. GUARINO (1995) S. 632 ff.; GUARINO (1999c) Titel u. S. 10 f.; GUARINO/CARRARA/GIARETTA (1994b) S. 270; MIHOUBI/<br />
SIMONET/SIMONET (1998) S. 379.<br />
45) Vgl. REIMER (1997) S. 91 f.<br />
46) Die Fachliteratur zu Multi-Agenten-Systemen „explodiert“ seit Jahren. Aus der Fülle relevanter Literatur bieten sich als einführende<br />
Werke an: HUHNS/SINGH (1998); JENNINGS/WOOLDRIDGE (1998); NILSSON (1998) S. 407 ff.; WEISS (2001).<br />
47) Multi-Agenten-Systeme werden hier von vornherein so weit definiert, dass es sich bei den involvierten Akteuren sowohl um artifizielle<br />
Akteure („Maschinen“) als auch um natürliche Akteure („Menschen“) handeln kann. Dies schließt auch „hybride“<br />
Mensch-Maschine-Systeme ein, in denen artifizielle und natürliche Akteure miteinander kooperieren. Seitens der KI-Forschung<br />
werden Multi-Agenten-Systeme oftmals ausschließlich auf artifizielle Akteure (Agenten im engeren Sinn) eingeschränkt. Dies<br />
ist aus der Perspektive des Verfassers jedoch weder notwendig noch fruchtbar, weil es sich für die Erfüllung wissensintensiver<br />
Aufgaben durchaus als vorteilhaft herausstellen kann, dass artifizielle und natürliche Akteure zusammenarbeiten. Daher wird<br />
im Folgenden bewusst von „Akteuren“ anstatt von „Agenten“ gesprochen, um Offenheit gegenüber dem artifiziellen bzw. natürlichen<br />
Charakter der kooperierenden Einheiten zu signalisieren. Abgesehen von dieser Signalfunktion, werden die Bezeichnungen<br />
„Akteure“ und „Agenten“ in diesem Werk synonym behandelt.<br />
48) Vgl. zu Überblicken über die VKI-Forschung HUHNS/GASSER (1989); MÜLLER (1993); O’HARE/JENNINGS (1996).
124 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Vertreter der VKI-Forschung hoffen darauf, einige der Leistungsschranken, die sich in der Vergangenheit<br />
für Expertensysteme und Wissensbasierte Systeme offenbarten, mit Hilfe des Zusammenwirkens<br />
der zahlreichen Akteure eines Multi-Agenten-Systems überwinden zu können. 49)<br />
Multi-Agenten-Systeme stellen somit ein überaus herausforderndes, interdisziplinär aufgestelltes<br />
Forschungs- und Entwicklungsfeld dar. In ihm gilt es, Erkenntnisse aus der Betriebswirtschaftslehre,<br />
insbesondere aus den Organisationswissenschaften, aus der Volkswirtschaftslehre, insbesondere<br />
aus der mikroökonomischen Koordinations- und Markttheorie, aus der (Kern-) Informatik, insbesondere<br />
aus der VKI-Forschung, sowie aus der Wirtschaftsinformatik zusammenzuführen und problembezogen<br />
anzuwenden.<br />
Zunächst wandten sich die meisten Vertreter der VKI-Forschung dem Problem der Koordination<br />
zu. Es betrifft die inhaltliche Ausgestaltung von Konzepten, mit deren Hilfe die Aktivitäten der teilautonomen<br />
Akteure so aufeinander abgestimmt werden, dass die gemeinsam angestrebte Aufgabenerfüllung<br />
tatsächlich erreicht wird. Aus diesem Forschungsansatz gingen Koordinationskonzepte<br />
wie die weithin bekannten Blackboard- und Kontraktnetzansätze oder auch das anspruchsvollere<br />
„partially global planning concept“ hervor. Ein besonderes Interesse galt u.a. der Frage, wie sich die<br />
Realitätserfahrungen artifizieller Akteure formalsprachlich beschreiben und – zwecks arbeitsteiligen<br />
Zusammenwirkens der Akteure – aufeinander abstimmen lassen. 50)<br />
Allerdings zeigte sich allmählich, dass man mit dem „sachlogisch zweiten“ vor dem „sachlogisch<br />
ersten“ Entwicklungsschritt begonnen hatte. Denn die meisten Koordinationskonzepte unterstellten<br />
in sprachanalytisch und epistemologisch naiv anmutender Weise, dass die Kommunikation zwischen<br />
den Akteuren als notwendige Bedingung der Möglichkeit ihrer Koordination unproblematisch<br />
sei. Zwar erfolgten mehrere Arbeiten zur Sprechakttheorie, die darauf abzielten, in Multi-Agenten-<br />
Systemen die Kommunikation zwischen Agenten mit der Hilfe von Kommunikationsprimitiven zu<br />
strukturieren. 51) Aber auch diese Ansätze blieben insoweit an der Oberfläche der tatsächlich existierenden<br />
Kommunikationsprobleme, weil sie nur die zulässigen Ausdrucksformen für die Kommunikation<br />
zwischen artifiziellen Akteuren betrachteten.<br />
Das allgemeine Hintergrundwissen („common sense knowledge“, „background knowledge“) 52) , das<br />
natürliche Akteure bei ihrer arbeitsteiligen Erfüllung gemeinsamer Aufgaben immer implizit vor-<br />
49) Es würde den Argumentationsrahmen dieses Beitrags übersteigen, auf diesen Anspruch der VKI-Forschung näher einzugehen.<br />
Ebenso wenig kann auf den Verdacht eingegangen werden, dass das große aktuelle Interesse an Multi-Agenten-Systemen unter<br />
anderem auch auf „Mode-“ und „Förderzyklen“ des Wissenschaftsbetriebs zurückzuführen ist. Skeptische Stimmen weisen darauf<br />
hin, dass angesichts der kurzfristigen, auf wenige Jahre beschränkten Zyklen des wissenschaftlichen Interesses und der<br />
„Förderfähigkeit“ wissenschaftlicher Vorhaben in den Bereichen der KI-Forschung und der Wirtschaftsinformatik ein nicht zu<br />
unterschätzender Anreiz darin bestehe, alle 5 bis 10 Jahre mit einer neuen „Welle“ von Konzepten und Bezeichnungen den<br />
Wissenschafts- und Fördermarkt zu „überschwemmen“, um die erforderliche Aufmerksamkeit von Publikationsorganen bzw.<br />
Gutachtern auf sich zu ziehen.<br />
50) Vgl. HEYLIGHEN (1995) S. 1.<br />
51) Vgl. als pars pro toto KUPRIES/NOSELEIT (1998) S. 31 ff. u 37 ff. in Verbindung mit S. 17 ff. u. 27 ff.<br />
52) Zum Hintergrundwissen gehören aus betriebswirtschaftlicher Perspektive u.a. die „backings“, deren Bedeutung für die Plausibilität<br />
ökonomischer Argumentationen insbesondere von TOULMIN herausgearbeitet wurde. Vgl. TOULMIN/ROEKE/JANIK (1979) S.<br />
57 ff. u. 303 f. (im Kontext von Management-Diskursen).
1.3.1 Einführung in das Themenfeld „Ontologien“ 125<br />
aussetzen und in der Regel auch intensiv nutzen, wurde zunächst weit gehend vernachlässigt. 53)<br />
Dieses Hintergrundwissen stellt jedoch den semantischen und pragmatischen Kontext der Aufgabenerfüllung<br />
dar, ohne dessen Berücksichtigung die Koordination arbeitsteilig zusammenwirkender<br />
Akteure oftmals scheitert. 54) Seit den neunziger Jahren wird daher der Fundierung von Kommunikation<br />
durch das Hintergrundwissen der involvierten Akteure vermehrt Beachtung zuteil. Eines der<br />
bekanntesten Projekte der KI-Forschung, das sich seit mehreren Jahren der mühevollen Operationalisierung<br />
von Hintergrundwissen des „gesunden Menschenverstands“ (Alltagswissen, lebensweltliches<br />
Wissen) verschrieben hat, ist das Cyc-Projekt 55) .<br />
Ontologien knüpfen unmittelbar an diese Bestrebungen an, Wissensbasierte Systeme im Allgemeinen<br />
und Multi-Agenten-Systeme im Besonderen mit dem koordinations- und kommunikationsrelevanten<br />
Hintergrundwissen auszustatten. 56) Ontologien werden im Rahmen der VKI-Forschung vornehmlich<br />
in der Absicht entwickelt, das zur Koordination und Kommunikation arbeitsteilig zusammenwirkender<br />
Akteure erforderliche Wissen – und zwar nicht nur das aufgabenspezifische Fachwissen,<br />
sondern vor allem auch das allgemeine Hintergrundwissen – so zu strukturieren und formal-<br />
53) Hier wird vornehmlich im Hinblick auf das allgemeine Hintergrundwissen argumentiert, weil es sich in den letzten Jahren für<br />
die Gestaltung von z.B. Multi-Agenten-Systemen als besonders kritisch erwiesen hat. Allerdings lassen sich die Argumente im<br />
Prinzip auch auf das spezielle Fachwissen übertragen, das zur Erfüllung einer Aufgabe erforderlich ist. Die Argumente gelten<br />
daher grundsätzlich sowohl für das allgemeine Hintergrund- als auch für das aufgabenspezifische Fachwissen. Da das aufgabenspezifische<br />
Fachwissen jedoch in den Bereichen von KI-Forschung und Wissensmanagement bereits relativ gut beherrscht<br />
wird, beschränkt sich die hier vorgetragene Argumentation überwiegend auf den nach wie vor problematischen Aspekt des allgemeinen<br />
Hintergrundwissens.<br />
54) Dieses Hintergrundwissen entspricht dem zweiten Entstehungsgrund der Inkommensurabilität von Theorien, der im Kapitel<br />
1.1.2 aus der Perspektive verschiedenartiger Wissenshintergründe (intellektuelle, kulturelle, „paradigmatische“ Wissenschaftstraditionen)<br />
kurz angesprochen wurde (S. 47 ff.).<br />
55) Der Projektname stellt ein Kunstwort dar, das aus der englischsprachigen Bezeichnung „encyclopedia“ für umfassendes Allgemeinwissen<br />
gebildet wurde. Vgl. zum Cyc-Projekt BATEMAN (1992) S. 5; FENSEL (2001a) S. 83 ff. (nur hinsichtlich der projektspezifische<br />
Sprache CycL); FRIEDLAND/ALLEN (2004) S. 5, 7, 10 ff. u. 14 f.; GÓMEZ-PÉREZ (1998) S. 10-29 f.; GUHA/LENAT<br />
(1994) S. 127 ff.; LENAT (1998) S. 1 u. 27 ff.; LENAT ET AL. (1990) S. 33 ff.; KIRYAKOV/SIMOV (1999) S. 2 ff.; LENAT/GUHA<br />
(1990) S. 17, 20 ff. u. 28 ff., insbesondere S. 171 ff. u. 198 ff.; NECHES ET AL. (1991) S. 46 f.; NOY/HAFNER (1997) S. 56 f.; PIR-<br />
LEIN (1995) S. 27 ff. u. 210 ff.; SOWA (2000) S. 54 f.; vgl. auch die vielfältigen Informationen der CYCORP im Internet unter<br />
der URL „http://www.cyc.com“ (Zugriff am 10.02.2005), wie z.B. zur projektspezifischen Sprache CycL unter der URL „http://<br />
www.cyc.com/cycl.html“. Vgl. ebenso im Internet die Dokumentationen von Ontologie-Ausschnitten des Cyc-Projekts unter<br />
der URL „http://opencyc250.homelinux.org:3603/cycdoc/“ (Zugriff am 13.01.2003).<br />
56) Vgl. zur Diskussion von Ontologien in Beiträgen der KI-Forschung, die sich vor allem auf Multi-Agenten-Systeme erstrecken,<br />
ALEXANDER ET AL. (1986) S. 963 ff.; ΒAYARDO ET AL. (1997) S. 196 ff., insbesondere S. 200 f.; DURFEE (1998) S. 60 ff.; FALAS-<br />
CONI/LANZOLA/STEFANELLI (1996), insbesondere die Kapitel 5 und 6; FOWLER ET AL. (1999) S. 60 ff.; GÓMEZ-PÉREZ (1998) S.<br />
10-4 ff.; GUARINO (1995) S. 625 ff.; KALFOGLOU ET AL. (2001) S. 3 ff.; KLUSCH (1996) S. 41 ff. (KLUSCH bezieht sich zwar<br />
nicht ausdrücklich auf Ontologien, sondern auf logische Konzeptsprachen; aber inhaltlich lassen sich seine Ausführungen ohne<br />
Schwierigkeiten als Beitrag zu Ontologien auslegen); NWANA/NDUMU (1999) S. 4 u. 8; PASTOR ET AL. (1997) S. 155 ff. (insbesondere<br />
im Hinblick auf Kommunikationsontologien zur nachrichtenbasierten Koordinierung der Aktivitäten von Agenten eines<br />
Multi-Agenten-Systems, auf Anwendungsontologien, die von den einzelnen Agenten zur Erfüllung ihrer Aufgaben verwendet<br />
werden [und daher nach Ansicht des Verfassers weit gehend Aufgabenontologien entsprechen], und auf Abbildungen zwischen<br />
den Anwendungs- und den Kommunikationsontologien); PURVIS ET AL. (2002) S. 4; SIMONS ET AL. (2000) S. 76 ff.; SINGH<br />
(1999) S. 101 f. u. 105 ff.; STEELS (1998) S. 171 ff., insbesondere S. 180 ff.; SYCARA/PAOLUCCI (2004) S. 346 ff. u. 352 ff.;<br />
TAMMA/BENCH-CAPON (2002) S. 42 ff.; USCHOLD/GRUNINGER (1996); WEINSTEIN/BIRMINGHAM (1998) S. 2 u. 10 ff.; ZELEWS-<br />
KI/FISCHER (1999) S. 12 u. 15 in Verbindung mit S. 8 ff.; ZELEWSKI/SIEDENTOPF (1999) S. 78 ff. Vgl. auch JENNINGS/SYCARA/<br />
WOOLDRIDGE (1998) S. 24 mit der summarischen Feststellung: „ ... the ontology problem – that of how can agents share meaning<br />
– is still open“.
126 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
sprachlich zu kodifizieren 57) , dass es auch von den artifiziellen Akteuren eines Multi-Agenten-<br />
Systems verstanden wird. Ontologien stellen aus dieser Perspektive ein spezielles, „computertaugliches“<br />
Instrumentarium zur Offenlegung des jeweils zugrunde liegenden Hintergrundwissens dar.<br />
Mit der Hilfe dieses Instrumentariums soll bei der Kommunikation zwischen zusammenarbeitenden<br />
Akteuren das koordinationsrelevante Hintergrundwissen so expliziert werden, dass es sich in Konzepte<br />
zur Koordination der arbeitsteilig erbrachten Aktivitäten zweckentsprechend integrieren lässt<br />
und somit den angestrebten Koordinationserfolg – d.h. die Erfüllung der gemeinsam bearbeiteten<br />
Aufgabe – ermöglicht. Insbesondere unterstützten Ontologien nicht nur den Austausch „bedeutungsloser“,<br />
d.h. rein syntaktisch definierter Informationen („Daten“), sondern auch eine Explizierung<br />
des gemeinsamen inhaltlichen Verständnisses von sprachlichen Artefakten, wie z.B. Wissen.<br />
Darauf wird an späteren Stellen dieses Werks aus dem Blickwinkel der „semantischen“ Dimension<br />
von Ontologien noch mehrfach ausführlich zurückgekommen.<br />
Ontologien erfüllen ihre Zweckbestimmung, sprachlich verfasstes Wissen zu strukturieren und formalsprachlich<br />
zu kodifizieren, durch die explizite Spezifikation der terminologischen, der taxonomischen,<br />
der syntaktischen und – vor allem auch – der semantischen Eigenarten des jeweils betroffenen<br />
Wissens.<br />
Terminologische Aspekte erstrecken sich auf die Bezeichner, die zur Artikulation von begrifflichen<br />
Konzepten 58) für die Wissensrepräsentation verwendet werden. In diesen Bereich fällt insbesondere<br />
die Normierung von Bezeichnern in bestimmten Sprachfeldern, wie z.B. die Verwendung von abteilungs-,<br />
unternehmens- und branchenspezifischen Vokabularen, Nomenklaturen oder Thesauri 59) .<br />
Der Umgang mit synonymen Bezeichnern für denselben Inhalt stellt ebenso einen terminologischen<br />
Aspekt dar. Beispielsweise kann in einer Terminologie festgelegt sein, die Bezeichner „Betrieb“<br />
und „Unternehmen“ synonym zu behandeln.<br />
Taxonomische Aspekte betreffen die Gesamtheit aller begrifflichen Konzepte, die in einer Sprache<br />
zur Erfassung von Denkinhalten verwendet werden können, sowie die Gesamtheit der rein sprachlichen,<br />
also nicht durch einen realen Anwendungskontext bedingten Über- und Unterordnungsbeziehungen<br />
zwischen den Konzepten. Z.B. kann durch inhaltliche Merkmale festgelegt sein, dass das<br />
mit „Unternehmen“ bezeichnete Konzept alle Merkmale des mit „Betrieb“ bezeichneten Konzepts<br />
erfüllt und darüber hinaus noch zusätzliche, unternehmensspezifische Merkmale aufweist. Dann<br />
stellt „Unternehmen“ ein Subkonzept zum Konzept „Betrieb“ dar (das erstgenannte ist dem zweitgenannten<br />
Konzept taxonomisch untergeordnet) und die Bezeichner der beiden Konzepte verhalten<br />
sich nicht mehr – wie zuvor aus terminologischer Perspektive exemplarisch angenommen wurde –<br />
synonym zueinander. Die Gesamtheit aus allen begrifflichen Konzepten sowie ihren rein sprachli-<br />
57) Spätestens an dieser Stelle wird der unmittelbare Zusammenhang zwischen Ontologien, die ein Kernthema des Verbundprojekts<br />
KOWIEN bilden, und der Kodifizierungsstrategie deutlich, die im Kapitel 1.1.1 als eine der zwei Basisstrategien des betrieblichen<br />
Wissensmanagements erläutert wurde (S. 34 ff.).<br />
58) Konzepte können unterschiedlich weit aufgefasst werden. Ein sehr weit gefasstes Konzept stellt z.B. ein Lösungskonzept für alle<br />
Instanzen einer Problemklasse dar. Im Kontext von Ontologien werden dagegen Konzepte im Allgemeinen enger ausgelegt:<br />
Sie werden mit den Denkinhalten gleichgesetzt, die jeweils in einer Sprache mithilfe eines Begriffs erfasst werden können. Daher<br />
wird der Deutlichkeit halber auch von begrifflichen Konzepten gesprochen.<br />
59) Die Bezeichnungen Vokabular, Nomenklatur und Thesaurus werden hier synonym verwendet.<br />
Vgl. zu Thesauri POCSAI (2000) S. 41 ff. Einen der zurzeit umfassendsten und auch bekanntesten Thesauri stellt der Thesaurus<br />
WordNet dar; vgl. AGIRRE ET AL. (2000) S. 1 ff.; FELLBAUM (1999); GANGEMI ET AL. (2002a) S. 1 ff.; GANGEMI/GUARI-<br />
NO/OLTRAMARI (2001) S. 285 f. u. 288 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 79 f.; GONZALO ET AL. (1998)<br />
S. 189 ff.; POCSAI (2000) S. 53 f.; LOERCH/SANDERS (2002) S. 1 f. u. 5 f. Vgl. auch zur Verwendung von WordNet bei der Konstruktion<br />
von Ontologien z.B. YAMAGUCHI (1999) S. 13-3 u. 13-5 f.
1.3.1 Einführung in das Themenfeld „Ontologien“ 127<br />
chen Über- und Unterordnungsbeziehungen bildet die taxonomische Struktur einer Sprache; sie<br />
wird oftmals auch kurz als Taxonomie 60) bezeichnet.<br />
Syntaktische Aspekte erstrecken sich auf die Form, in der Wissen repräsentiert wird. Dazu gehört<br />
z.B. die Frage, ob Wissen entweder mit prädikatenlogischen Formeln, wie z.B. Fakten und Regeln<br />
in konventionellen Expertensystemen, oder aber in objektartiger Form, wie z.B. mittels so genannter<br />
Frames, repräsentiert wird.<br />
Semantische Aspekte erstrecken sich schließlich auf die inhaltliche Dimension des repräsentierten<br />
Wissens. Dies betrifft u.a. Homonyme. Ein Homonym ist ein Bezeichner, der unterschiedliche<br />
begriffliche Konzepte bezeichnet. Beispielsweise kann der Bezeichner „Unternehmen“ sowohl für<br />
das Konzept einer ökonomischen Institution, die sich durch ihre Funktion der Leistungserstellung<br />
für Fremdbedarfe definiert, als auch für das Konzept einer herausfordernden Aktivität (im Sinne<br />
von: etwas, z.B. eine Expedition, unternehmen) verwendet werden.<br />
Die zentrale epistemologische These der Initiatoren des Verbundprojekts KOWIEN lautet, dass die<br />
explizite und formalsprachliche Spezifikation des jeweils verfügbaren Wissens mittels Ontologien<br />
es erlaubt, die Wissenshintergründe unterschiedlicher Akteure systematisch und auf der Ebene des<br />
inhaltlichen Verständnisses von Wissen zu analysieren. Diese Analyse ist erforderlich, um mögliche<br />
Divergenzen zwischen den akteursspezifischen Wissenshintergründen aufzudecken. In Kenntnis<br />
der Möglichkeit solcher Wissensdivergenzen gilt es, jenen Teilbereich des gemeinsam geteilten Hintergrundwissens<br />
(„commonly shared background knowledge“), der für das inhaltliche Verständnis<br />
der Kommunikationsakte kollaborierender Akteure zur Herbeiführung des gemeinsam intendierten<br />
Koordinationserfolgs erforderlich ist, entweder zu identifizieren oder – wenn nicht von vornherein<br />
vorliegend – zu rekonstruieren. Dieses inhaltliche Verständnis der Kommunikationsakte kann durch<br />
die explizierungs- und die artikulierungsbedingten Verständnisbarrieren beeinträchtigt oder sogar<br />
verhindert werden, die im Kapitel 1.1.2 (S. 39 ff., insbesondere S. 43 ff.) ausführlicher als spezifische<br />
Barrieren des betrieblichen Wissensmanagements diskutiert wurden.<br />
Der voranstehend skizzierte Argumentationsstrang lässt sich wie folgt zusammenfassen: Die Koordination<br />
von Akteuren (z.B. eines Multi-Agenten-Systems), die eine gemeinsame, wissensintensive<br />
Aufgabe arbeitsteilig erfüllen sollen, erfordert eine Kommunikation zwischen den involvierten Akteuren.<br />
Das „richtige“, d.h. im Sinne des angestrebten Koordinationserfolgs zielführende Verständnis<br />
der koordinationsrelevanten Kommunikationsakte setzt voraus, dass die Akteure hinsichtlich bestimmter,<br />
koordinationsrelevanter Komponenten ihres Fach- und Hintergrundwissens inhaltlich<br />
übereinstimmen. Um diese partielle Übereinstimmung des Fach- und Hintergrundwissens überprüfen<br />
und koordinationsgefährdende Wissensdivergenzen beseitigen zu können, muss das jeweils betroffene<br />
Wissen von allen Akteuren inhaltlich auf dieselbe Weise verstanden werden. Maßgebliche<br />
Gründe, die dieses inhaltliche Verständnis von Wissen verhindern können, sind explizierungs- und<br />
artikulierungsbedingte Verständnisbarrieren.<br />
Ontologien stellen ein Instrumentarium zur Verfügung, mit dessen Hilfe sich die vorgenannten Anforderungen<br />
an das Wissensmanagement erfüllen und die ebenso angesprochenen Schwierigkeiten<br />
überwinden lassen: Ontologien gestatten es, das koordinationsrelevante Fach- und Hintergrundwissen<br />
explizit zu spezifizieren, das inhaltliche Verständnis dieses Wissens systematisch zu analysieren,<br />
hierdurch mögliche Wissensdivergenzen aufzudecken sowie explizierungs- und artikulierungsbedingte<br />
Verständnisbarrieren des Wissensmanagements zu beseitigen. Daher wurden Ontologien<br />
60) Vgl. zu Taxonomien NOY/HAFNER (1997) S. 68 f. (mit Bezug zu Ontologien); WELTY/GUARINO (2001) S. 53.
128 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
von den Initiatoren des Verbundprojekts KOWIEN als zentraler Ansatz ausgewählt, um die Koordination<br />
arbeitsteilig zusammenwirkender Akteure bei der Erfüllung wissensintensiver Aufgaben<br />
nachhaltig zu verbessern.<br />
Die zuvor entfalteten Argumente reichen nach Einschätzung des Verfassers aus, um eine nähere Beschäftigung<br />
mit Ontologien im Verbundprojekt KOWIEN zu rechtfertigen. Dennoch drängt sich<br />
zumindest aus wissenschaftstheoretischer Perspektive noch eine weitere, bislang kaum gewürdigte<br />
Argumentationskette zugunsten von Ontologien auf. Sie betrifft das strukturalistische Theorienkonzept<br />
und seine Anwendung zur Rekonstruktion wirtschaftswissenschaftlicher Theorien. 61) Das<br />
strukturalistische Theorienkonzept – oder synonym: der „non statement view“ – geht auf Arbeiten<br />
von SNEED zur Struktur physikalischer Theorien zurück. 62) Es wurde vor allem von STEGMÜLLER,<br />
BALZER und MOULINES inhaltlich fortentwickelt. 63)<br />
Das strukturalistische Theorienkonzept kann in der hier gebotenen Kürze weder vollständig noch<br />
detailliert erläutert werden. Stattdessen wird im Folgenden nur so weit darauf eingegangen, wie es<br />
zur Einbettung von Ontologien in dieses Konzept erforderlich erscheint.<br />
Das strukturalistische Theorienkonzept empfiehlt für eine „wohlformulierte“ Theorie T eine konzeptspezifische<br />
Theoriestruktur. Diese Struktur besteht in einer mehrfachen, sowohl horizontalen<br />
als auch vertikalen Ausdifferenzierung charakteristischer Theoriekomponenten. Zunächst wird die<br />
Theorie T auf der obersten Ebene in ihren Theoriekern KT und ihren intendierten Anwendungsbereich<br />
IT horizontal gegliedert. Auf der zweiten Ebene wird der Theoriekern KT in vier Mengen aufgespalten:<br />
• die Menge Mp(T) der potenziellen Modelle der Theorie T,<br />
• die Menge Mpp(T) der partiellen potenziellen Modelle der Theorie T,<br />
• die Menge MS(T) der Modelle der Theorie T und<br />
• die Menge CS(T) der Restriktionen der Theorie T.<br />
Die Menge Mp(T) der potenziellen Modelle umfasst alle Formelsysteme, die ausschließlich mittels<br />
der formalen Sprache der Theorie T formuliert werden können und als „sinnvolle“ 64) formalsprachliche<br />
Artefakte gelten. Dies gilt unabhängig davon, ob die Formelsysteme jeweils die gesetzesartigen<br />
Aussagen (nomischen Hypothesen) der Theorie T erfüllen oder nicht. In einer groben Annäherung<br />
lässt sich die potenzielle Modellmenge Mp(T) als eine formalsprachliche Spezifikation des terminologischen<br />
Apparats der Theorie T auffassen. Denn diese Spezifikation der potenziellen Mo-<br />
61) Die folgende Argumentationskette besitzt daher keine spezifische Relevanz für das Verbundprojekt KOWIEN. Trotzdem sollte<br />
es für ein Forschungs-, Entwicklungs- und Transferprojekt nicht „schädlich“ sein, wenn es Nahtstellen zu hochinteressanten,<br />
wenn auch „nur theoretischen“ Bereichen der allgemeinen Wissenschaftstheorie und speziell der Wirtschaftswissenschaften<br />
aufweist.<br />
62) Vgl. SNEED (1979) S. 165 ff. u. 259 ff., insbesondere S. 171 u. 183 f.; SNEED (1983) S. 345 (ff.) u. 350 ff.<br />
63) Vgl. BALZER/MOULINES/SNEED (1987) S. XX ff. (informaler Überblick) u. 15 ff., insbesondere S. 36 ff. u. 79 ff.; BALZER/MOU-<br />
LINES (1996); BALZER/SNEED/MOULINES (2000); STEGMÜLLER (1973) S. 12 ff. u. 120 ff., insbesondere S. 135 ff.; STEGMÜLLER<br />
(1979) S. 3 ff., insbesondere S. 25 ff. u. 90 ff.; STEGMÜLLER (1986a) S. 2 ff., 46 ff., 98 ff. u. 320 ff. Vgl. darüber hinaus zu Einführungen<br />
in das strukturalistische Theorienkonzept aus wirtschaftswissenschaftlicher, insbesondere produktionswirtschaftlicher<br />
Perspektive ZELEWSKI (1993a) S. 94 ff.; ZELEWSKI (1994a) S. 899 ff.; ZELEWSKI (2004a) S. 10 ff.<br />
64) Im strukturalistischen Theorienkonzept kann nicht mittels eines externen Kriteriums festgelegt werden, unter welchen Bedingungen<br />
ein formalsprachliches Artefakt als „sinnvoll“ betrachtet wird. Vielmehr wird die „Sinnhaftigkeit“ formalsprachlicher<br />
Ausdrücke theorieendogen bestimmt: Als „sinnvoll“ im Rahmen einer Theorie T gelten genau diejenigen formalsprachlichen<br />
Ausdrücke, welche die Spezifikation der Menge M p(T) der potenziellen Modelle dieser Theorie erfüllen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 129<br />
dellmenge Mp(T) umfasst zumindest die Festlegung aller Ausdrücke (wie etwa Terme, Funktionen<br />
und Prädikate), aus denen zulässige Formeln gebildet werden können. Darüber hinaus kann die<br />
Spezifikation auch noch zusätzliche Festlegungen umfassen, mittels derer sich die kombinatorisch<br />
möglichen Formeln auf sprachlich „sinnvolle“ Formeln einschränken lassen. Im Rahmen des strukturalistischen<br />
Theorienkonzepts werden solche Einschränkungen der potenziellen Modellmenge<br />
Mp(T) als Rahmenbedingungen („frame conditions“) für die Theorieformulierung thematisiert. 65)<br />
Die weiteren Komponenten einer strukturalistisch rekonstruierten Theorie werden hier nur kurz angesprochen,<br />
weil sie aus der Perspektive von Ontologien nur von untergeordnetem Interesse sind.<br />
Die Menge Mpp(T) der partiellen potenziellen Modelle der Theorie T geht aus den potenziellen Modellen<br />
hervor, indem formalsprachliche Konstrukte besonderer Art – die so genannten T-theoretischen<br />
Konstrukte – aus den Formulierungen der Formelsysteme mittels der so genannten RAMSEY-<br />
Eliminierung entfernt werden. Die Menge MS(T) der Modelle der Theorie T umfasst alle Formelsysteme,<br />
die ausschließlich mittels der formalen Sprache der Theorie T formuliert sind und alle gesetzesartigen<br />
Aussagen der Theorie T erfüllen. Ein „Modell“ einer Theorie T ist eine „Instanziierung“<br />
dieser Theorie, die exakt die formale Struktur S(T) dieser Theorie besitzt. Dabei wird die formale<br />
Theoriestruktur S(T) durch den terminologischen Apparat und die gesetzesartigen Aussagen der<br />
Theorie T vollständig bestimmt. Schließlich stellt die Restriktionenmenge CS(T) eine Besonderheit<br />
des strukturalistischen Theorienkonzepts dar, die erst bei komplexen Theorieanwendungen Bedeutung<br />
erlangt. Die strukturalistischen Restriktionen besitzen die Qualität von Kohärenzbedingungen,<br />
die zwischen mehreren Anwendungen derselben Theorie T gelten. Das Spektrum der intendierten<br />
Anwendungsbereiche IT der Theorie T, die aus strukturalistischer Perspektive überhaupt zulässig<br />
sind, wird mittels der Anforderung IT ⊆ pot+(Mpp(T)) festgelegt. Sie drückt mit Hilfe des Potenzmengenoperators<br />
pot+ aus, dass jede intendierte Theorieanwendung eine nicht-leere Menge aus partiellen<br />
potenziellen Modellen der Theorie T darstellen muss. Dies bedeutet, dass eine intendierte<br />
Theorieanwendung einerseits mit Hilfe des terminologischen Apparats der Theorie T formuliert<br />
sein muss und andererseits keine T-theoretischen Konstrukte enthalten darf.<br />
Als wesentliches Resultat aus dem voranstehenden Überblick über „wohlgeformte“ strukturalistische<br />
Theorieformulierungen kann festgehalten werden, dass Theorien aus der Perspektive des „non<br />
statement view“ keine homogenen Artefakte darstellen. Vielmehr handelt es sich um komplex<br />
strukturierte Gebilde. Wenn von „konzeptionellen Feinheiten“ abgesehen wird, wie z.B. den Ttheoretischen<br />
Konstrukten, ihrer RAMSEY-Eliminierung und den Restriktionen, so lassen sich aus<br />
erkenntnistheoretischem Blickwinkel im Wesentlichen drei unterschiedliche Komponenten einer<br />
strukturalistisch formulierten Theorie identifizieren. Sie erfüllen jeweils verschiedenartige epistemische<br />
Rollen:<br />
65) Vgl. BALZER/MOULINES (2000) S. 11; MOULINES (1991) S. 317 f.; MOULINES (1996) S. 5. MOULINES (1991) S. 318 führt als<br />
Beispiel aus der klassischen Partikelmechanik die Rahmenbedingung an, dass die Positionsfunktionen für die dargestellten<br />
Massenpunkte (mindestens zweimal) differenzierbar sein müssen. Andernfalls liegen überhaupt keine „sinnvollen“ funktionalen<br />
Beschreibungen von Massenpunkten im Sinne der klassischen Partikelmechanik vor. Weitere Beispiele für solche Rahmenbedingungen<br />
hat der Verfasser aus betriebs-, insbesondere produktionswirtschaftlicher Perspektive beschrieben; vgl. ZELEWSKI<br />
(1993a) S. 232 (im Rahmen einer aktivitätsanalytischen Theorie) u. 246 (im Rahmen einer verbrauchsanalytischen Theorie).<br />
Zwar wird dort nicht explizit von Rahmenbedingungen gesprochen, sondern von Termgleichungen, die definitorische Beziehungen<br />
zwischen den Bestandteilen des terminologischen Apparats einer Theorie festlegen. Aber inhaltlich sind jeweils die<br />
Rahmenbedingungen im Sinne von BALZER und MOULINES gemeint.
130 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
• Der terminologische Apparat einer Theorie T, der sich in ihrer potenziellen Modellmenge Mp(T)<br />
niederschlägt, vermittelt keine unmittelbaren Erkenntnisse über den Realitätsausschnitt, auf den<br />
sich eine realwissenschaftliche Theorie erstreckt. Er steckt „nur“ den sprachlichen Rahmen ab,<br />
mit dessen Ausdrucksmitteln alle „vorstellbaren“ Theorien über den betrachteten Realitätsausschnitt<br />
formuliert werden können.<br />
• Die gesetzesartigen Aussagen einer Theorie T, die mittels ihrer Modellmenge MS(T) spezifiziert<br />
werden, bilden die „nomische Essenz“ der Theorie: Sie drücken hypothetische Erkenntnisse<br />
über reguläre – oftmals: kausale – Sachverhalte innerhalb des betrachteten Realitätsausschnitts<br />
mit ubiquitärem, d.h. raumzeitlich unbeschränktem Geltungsanspruch aus. Da die Erkenntnisse<br />
nur hypothetischen Charakter besitzen, sind sie Objekte der nachträglichen Überprüfung der<br />
tatsächlichen empirischen Geltung der betroffenen Theorie. Daher wird auch nur von gesetzesartigen<br />
Aussagen gesprochen. Zwar besitzen sie die sprachliche Form eines Gesetzes, das in der<br />
Regel als allgemeingültige „Wenn ..., dann ...“-Aussage formuliert werden kann. Aber sie verfügen<br />
noch nicht über den epistemischen Status eines (vorläufigen) Gesetzes. Denn von einem<br />
Gesetz wird erst dann gesprochen, wenn die zugrunde liegende gesetzesartige Aussage hinsichtlich<br />
ihres empirischen Geltungsanspruchs mehrfach überprüft wurde und – je nach erkenntnistheoretischer<br />
Position – verifiziert wurde oder mehrere Falsifikationsversuche erfolgreich überstanden<br />
hat.<br />
• Der intendierte Anwendungsbereich IT einer Theorie T fasst zusammen, unter welchen Voraussetzungen<br />
die Theorie auf einen Realitätsausschnitt „sinnvoll“ angewendet werden kann. Er<br />
kann daher auch als eine grobe – noch nicht nomisch verfeinerte – Beschreibung desjenigen<br />
Realitätsausschnitts aufgefasst werden, für den die betroffene Theorie gestaltet wurde. Damit ist<br />
keine Aussage verbunden, ob diese Voraussetzungen in „der“ Realität überhaupt erfüllt sind<br />
und – wenn dies der Fall ist – wie groß solche voraussetzungskonformen Realitätsausschnitte<br />
ausfallen. Der intendierte Anwendungsbereich steht also bei empirischen Überprüfungen des<br />
Geltungsanspruchs einer Theorie selbst nicht zur Disposition. Stattdessen können empirische<br />
Überprüfungsversuche erst dann „sinnvolle“ Auskünfte hinsichtlich des Geltungsanspruchs einer<br />
Theorie geben, nachdem erkannt wurde, dass die Voraussetzungen ihres intendierten Anwendungsbereichs<br />
im überprüften Realitätsausschnitt tatsächlich erfüllt sind.<br />
Aus der Perspektive des „non statement view“ spielt der terminologische Apparat einer Theorie<br />
keine entscheidende Rolle, weil er – zumindest prima facie – keine theoretisch interessanten Erkenntnisse<br />
über die Realität vermittelt. 66) Entsprechend „stiefmütterlich“ wird der terminologische<br />
Apparat seitens des strukturalistischen Theorienkonzepts behandelt. Zumeist beschränkt man sich<br />
darauf, mittels der potenziellen Modellmenge Mp(T) lediglich die formalsprachlichen Ausdrücke<br />
festzulegen, aus denen zulässige Formeln gebildet werden können. In seltenen Fällen kommen noch<br />
die oben angesprochenen Rahmenbedingungen für die Theorieformulierung hinzu. Eine weiter reichende<br />
Strukturierung des terminologischen Apparats einer Theorie wird aus der Perspektive des<br />
„non statement view“ jedoch nicht für nötig gehalten.<br />
66) Diese „Geringschätzung“ des terminologischen Apparats aufgrund seines scheinbar fehlenden Realitätsbezugs wird deutlich bei<br />
MOULINES (1996) S. 5 (MOULINES bezieht sich zwar nicht auf den terminologischen Apparat einer Theorie als Ganzes, sondern<br />
nur auf seine Rahmenbedingungen; doch lässt seine nachfolgende Formulierung die grundsätzliche Einstellung gegenüber<br />
„rein“ terminologischen Aspekten dennoch plastisch hervortreten): „We have to distinguish between ‚frame conditions’ on the<br />
one hand and ‚substantial laws’ on the other. The first don’t ‚say anything about the world’ but just settle the formal properties<br />
of the concepts we want to use; the second group of axioms ‚say something about the world’ by means of the concepts previously<br />
fixed.“ Vgl. ebenso BALZER/MOULINES (2000) S. 11.
1.3.1 Einführung in das Themenfeld „Ontologien“ 131<br />
Der Verfasser teilt diese Ansicht jedoch nicht. Denn der terminologische Apparat stellt diejenigen<br />
begrifflichen Konzepte zur Verfügung, mit denen eine Theorie – selbst ein sprachliches Artefakt –<br />
einen Realitätsausschnitt und die darin gemutmaßten oder geltenden Regularitäten „begreifen“<br />
kann. Die Begrifflichkeiten und ihre inhaltlichen Abhängigkeiten voneinander bedeuten daher eine<br />
sprachliche Vorstrukturierung der Art und Weise, in der die sprachliche Konstruktion von Theorien<br />
und ihre Überprüfung möglich sind. Die Begrifflichkeiten erlangen somit die Qualität von „Bedingungen<br />
der Möglichkeit von theorievermittelter Erkenntnis“ 67) . Mitunter wird auch sprachschöpferisch<br />
von einem Prozess des „Wortens der Welt“ gesprochen. Darauf wird im Kapitel 1.3.1.4 (S.<br />
216 ff.) zurückgekommen.<br />
Aufgrund des vorstrukturierenden Beitrags terminologischer Apparate zur Gestaltung von theorievermittelten<br />
Erkenntniszusammenhängen würde das strukturalistische Theorienkonzept an „sprachlicher<br />
Tiefe“ gewinnen, wenn auf die Spezifizierung der potenziellen Modellmenge einer Theorie<br />
größere Mühe verwendet würde. Dies kann in einer einfachen Form in der Gestalt einer sortierten<br />
Prädikatenlogik oder einer sortierten Algebra erfolgen, in denen die formalsprachlichen Sorten natürlichsprachlichen<br />
Gattungsbegriffen entsprechen. 68) Durch hierarchische Über- und Unterordnungsbeziehungen<br />
zwischen diesen Sorten wird der terminologische Apparat intern stärker strukturiert.<br />
Diese ersten Ansätze können z.B. durch eine objektorientierte Gestaltung des terminologischen<br />
Apparats weiter ausgebaut werden.<br />
Am stärksten würde die Spezifizierung des terminologischen Apparats einer Theorie an Struktur<br />
gewinnen, wenn der terminologische Apparat in der Gestalt einer Ontologie ausformuliert würde. 69)<br />
Dazu trägt nicht nur die taxonomische Struktur einer Ontologie bei, die durch ihre begrifflichen<br />
Konzepte sowie die taxonomischen Über- und Unterordnungsbeziehungen zwischen diesen Konzepten<br />
konstituiert wird. Vielmehr kommen in einer Ontologie semantische Regeln (Inferenz- und<br />
67) Diese Formulierung lehnt sich bewusst an die „Bedingungen der Möglichkeit der Erfahrung überhaupt“ an, die insbesondere<br />
von KANT analysiert wurden. Vgl. KANT (1981) S. 170 u. 201; DANIEL (1984) S. 58 ff. u. 116.<br />
68) Dies hat der Verfasser an anderer Stelle ausführlicher demonstriert; vgl. ZELEWSKI (1993a) S. 213 ff.; 231 ff. u. 245 ff. ZE-<br />
LEWSKI (1994a) S. 907 ff.<br />
69) Vgl. PETKOFF (o.J.) S. 7.<br />
Die inhaltliche Nähe zwischen Ontologien und strukturalistischem Theorienkonzept wird auch von einigen Vertretern des „non<br />
statement view“ gesehen. Vgl. MOULINES (1996) S. 5; BALZER/MOULINES (2000) S. 11. Dort werden die Mengen formalsprachlicher<br />
Objekte des Teiltupels als „ontology“ der jeweils betroffenen Theorie bezeichnet. Diese Mengen D 1,...,D m<br />
bilden in der so genannten „informal mengentheoretischen“ Formulierungsvariante des strukturalistischen Theorienkonzepts<br />
das formalsprachliche Fundament, über dem alle weiteren Relationen zur Theoriespezifizierung als „Leitermengen“ definiert<br />
werden. Sie lassen sich in ihrer Gesamtheit als das „universe of discourse“ auffassen, das alle Objekte umfasst, über die eine<br />
Theorie überhaupt etwas auszusagen vermag. Allerdings umfasst das Teiltupel noch nicht einmal die Rahmenbedingungen<br />
(„frame conditions“), die bereits im strukturalistischen Theorienkonzept als Bestandteile des terminologischen<br />
Apparats einer Theorie bekannt sind. Noch weniger erlangt das Teiltupel die komplexe Struktur einer Ontologie,<br />
wie sie im hier vorgelegten Werk entfaltet wird (vgl. insbesondere die Ausführungen im Kapitel 1.3.2 auf S. 229 ff.). Insofern<br />
erscheint es dem Verfasser als übertrieben, dieses Teiltupel bereits als eine Ontologie im hier vertretenen Ontologieverständnis<br />
aufzufassen. Aber die Ausführungen von BALZER und MOULINES schlagen immerhin – vermutlich auf der Grundlage eines<br />
„schlichteren“ Ontologieverständnisses – eine bemerkenswerte Brücke zwischen strukturalistischem Theorienkonzept und Ontologien.<br />
Ein weiterer Beleg für die Nähe zwischen Ontologien und strukturalistischem Theorienkonzept findet sich bei MOULINES<br />
(1996) S. 12. Er bezeichnet die potenzielle Modellmenge M p(T) einer Theorie und damit ihren terminologischen Apparat als „the<br />
theory’s conceptual framework“. Wenn berücksichtigt wird, dass in einer Ontologie zunächst die begrifflichen Konzepte spezifiziert<br />
werden, die als sprachliche Ausdrucksmittel zur Konzeptualisierung eines Realitätsausschnitts zur Verfügung gestellt<br />
werden, wird die enge inhaltliche Verwandtschaft zwischen einem „conceptual framework“ und einer Ontologie offensichtlich.<br />
Vgl. ebenso BALZER/MOULINES (2000) S. 12 f.; dort ist im Hinblick auf die potenzielle Modellmenge M p(T) einer Theorie von<br />
„ ... ‚ontological’ ... choices“ (S. 12) und einem „formal-conceptual frame“ (S. 13) der betroffenen Theorie die Rede.
132 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Integritätsregeln) hinzu, die das inhaltliche Verständnis der Konzepte und ihrer Beziehungen explizieren.<br />
70) Auf diese charakteristischen Ontologiekomponenten wird in diesem Werk noch mehrfach<br />
und ausführlich zurückgekommen. An dieser Stelle mag es ausreichen, unter Verweis auf diese<br />
Komponenten die bemerkenswerte interne Strukturierung von Ontologien anzudeuten. Daher bieten<br />
sich Ontologien als „erste Wahl“ an, um die bislang nur wenig strukturierte, „flache“ Spezifizierung<br />
71) des terminologischen Apparats einer Theorie im strukturalistischen Theorienkonzept deutlich<br />
zu bereichern. Diese Bereicherung des strukturalistischen Theorienkonzepts durch Ontologien<br />
gilt es in anderen, stärker theorieorientierten Forschungsprojekten zukünftig detaillierter zu untersuchen.<br />
Die Spezifizierung des terminologischen Apparats einer Theorie mit Hilfe einer Ontologie lässt sich<br />
aus einer weiteren wissenschaftstheoretischen Perspektive motivieren. Sie betrifft ein langfristig<br />
angelegtes Forschungsprojekt, das seit Mitte der neunziger Jahre vornehmlich von KAMPS und Mitarbeitern<br />
an der Universität Amsterdam vorangetrieben wird („Amsterdamer Formalisierungsschule“).<br />
72) Das Projekt zielt darauf ab, vornehmlich sozial- und wirtschaftswissenschaftliche Theorien,<br />
die aufgrund ihrer Komplexität bislang nur natürlichsprachlich – allenfalls mit sporadischen Formel-Implantaten<br />
– verfasst waren, durchgängig formalsprachlich zu rekonstruieren. Es werden große<br />
Erwartungen in diesen Rekonstruktionsansatz gesetzt, mit neueren „Produkten“ aus der Erforschung<br />
Künstlicher Intelligenz, insbesondere Theorembeweisern und Modellgeneratoren, die Güte<br />
realwissenschaftlicher Theorieformulierungen signifikant zu erhöhen. Dazu gehört nicht nur die<br />
Überprüfung der inneren (logischen) Theoriekonsistenz, sondern vor allem auch die Aufdeckung<br />
von Lücken in der Theoriespezifikation und von „überraschenden“ Theorieimplikationen (neuen<br />
Theoremen).<br />
Es würde das Thema des hier vorgelegten Beitrags verfehlen, die weit reichenden Ansprüche der<br />
Amsterdamer Formalisierungsschule näher zu diskutieren. Aber im Hinblick auf Ontologien erweist<br />
es sich als bemerkenswert, dass Mitglieder dieses Forschungsprojekts bei ihren formalsprachlichen<br />
Rekonstruktionsarbeiten ebenso zu der Einsicht gelangt sind, dass es zu den grundlegenden Aufgaben<br />
gehört, diejenigen Konzepte zu identifizieren, die in einer sozial- oder wirtschaftswissenschaftlichen<br />
Theorie verwendet werden, und anschließend formalsprachlich zu repräsentieren. 73) Zwar arbeitet<br />
die Amsterdamer Formalisierungsschule zurzeit noch nicht mit Ontologien, sondern nur mit einer<br />
„reinen“ prädikatenlogischen Sprache. Aber es liegt nahe, wie im strukturalistischen Theorienkonzept<br />
die Rekonstruktionsarbeit mit der Konstruktion von Ontologien zu beginnen, um für die je-<br />
70) Die semantischen Regeln bieten sich insbesondere dazu an, die o.a. strukturalistischen Rahmenbedingungen („frame conditions“)<br />
für die Theorieformulierung im Kontext einer Ontologie zu spezifizieren. Der Verfasser vermutet, dass hierfür in erster<br />
Linie die Integritätsregeln aus Ontologien in Betracht kommen. Denn Integritätsregeln erfüllen in Ontologien die Funktion, die<br />
Zulässigkeit von Formelsystemen zu wahren oder wiederherzustellen. Damit übernehmen sie praktisch die gleiche Rolle, die<br />
den Rahmenbedingungen im terminologischen Apparat einer strukturalistisch rekonstruierten Theorie zukommt.<br />
71) Die „Flachheit“ des terminologischen Apparats einer strukturalistisch rekonstruierten Theorie offenbart sich insbesondere in<br />
den Teiltupeln , die in der vorletzten Fußnote im Anschluss an BALZER und MOULINES vorgestellt wurden. Zwischen<br />
den Mengen D 1,...,D m formalsprachlicher Objekte, die das „universe of discourse“ einer Theorie bilden, bestehen im Gegensatz<br />
zu einer Ontologie keine taxonomischen Über- und Unterordnungsbeziehungen, sondern die Mengen stehen schlicht nebeneinander.<br />
72) Vgl. KAMPS (1999) S. 285 ff.; KAMPS/PELI (1995) S. 115 ff.; KAMPS/POLOS (1999) S. 1781 ff.<br />
73) Vgl. KAMPS/POLOS (1999) S. 1781 („Before we can prove the propositions, we will have to introduce a number of general concepts“).<br />
Vgl. auch den indirekten Hinweis auf den Bedarf für eine präzise Rekonstruktion des terminologischen Apparats sozial-<br />
und wirtschaftswissenschaftlicher Theorien, der sich in der kritischen Feststellung von KAMPS/PELI (1995) S. 120 manifestiert:<br />
„In the soft sciences, the nomenclature is less developed; there is hardly any consensus.“
1.3.1 Einführung in das Themenfeld „Ontologien“ 133<br />
weils betrachteten sozial- oder wirtschaftswissenschaftliche Theorien ein präzises terminologisches<br />
Fundament zu legen. 74)<br />
1.3.1.1.2 Relevanz von Ontologien für Aufgaben des Wissensmanagements<br />
Das Interesse der Wirtschaftswissenschaften an Ontologien – insbesondere seitens der Wirtschaftsinformatik,<br />
zum geringen Teil auch seitens der Betriebswirtschaftslehre – fokussiert sich seit Beginn<br />
der neunziger Jahre auf den Bereich des inner- und des überbetrieblichen Wissensmanagements.<br />
Die vielfachen wirtschaftspolitischen und soziologischen Debatten über den Übergang von<br />
der Industrie- zur Informations- oder Wissensgesellschaft mögen hierzu ebenso beigetragen haben<br />
wie die ökonomische Diskussion über die Erweiterung klassischer Faktorsystematiken um den Produktionsfaktor<br />
Wissen.<br />
Im Bereich des Wissensmanagements tragen zwei voneinander unabhängige Tendenzen zu diesem<br />
aufkeimenden Interesse bei. Einerseits ist die betriebliche Leistungserstellung in der Regel durch<br />
das arbeitsteilige Zusammenwirken mehrerer Personen gekennzeichnet, deren Wissenshintergründe<br />
oftmals erheblich voneinander abweichen. Je mehr die Wissensintensität eines Leistungsprozesses<br />
für die betriebliche Wertschöpfung an Bedeutung gewinnt, desto gravierender können sich solche<br />
Wissensdivergenzen auf das Prozessergebnis auswirken. Daher liegt es nahe, im Rahmen des Wissensmanagements<br />
nach Instrumenten zu suchen, die in die Lage versetzen, Wissensdivergenzen zu<br />
identifizieren und – sollten sie sich für die betriebliche Leistungserstellung als problematisch herausstellen<br />
– sie entweder zu beseitigen oder aber zumindest zu kompensieren. Andererseits weckt<br />
die explosionsartige Vermehrung populär- und pseudowissenschaftlicher Literatur zum Wissensmanagement<br />
mancherorts das Bedürfnis nach präzisen Instrumenten, die es gestatten, Wissensmanagement<br />
nicht nur als „narrative Veranstaltung“ zu betreiben, sondern auch „harten“ methodischen<br />
Standards – wie auch immer diese konkret inhaltlich gefüllt werden mögen – zu unterwerfen.<br />
Ontologien bilden einen Ansatzpunkt, beiden zuvor skizzierten Tendenzen gerecht zu werden.<br />
An Ontologien richtet sich die Erwartung, bei der arbeitsteiligen Erfüllung komplexer, insbesondere<br />
wissensintensiver Aufgaben ein systematisches Wissensmanagement zu unterstützen (ontologiebasiertes<br />
Wissensmanagement) 75) . Ontologien dienen zunächst dazu, dasjenige Wissen zu strukturieren<br />
und formalsprachlich zu kodifizieren, das für die Aufgabenerfüllung benötigt wird. Hierbei<br />
können sprachlich bedingte Wissensdivergenzen in terminologischer, taxonomischer, syntaktischer<br />
oder semantischer Hinsicht auftreten. Sie machen sich insbesondere als explizierungs- und artikulie-<br />
74) Darüber hinaus lässt sich eine interessante Verbindung zwischen strukturalistischem Theorienkonzept und Amsterdamer Formalisierungsschule<br />
aufzeigen. Sie betrifft Komplikationen hinsichtlich der Falsifizierbarkeit von Theoremen, die in Amsterdamer<br />
Arbeiten zur formalsprachlichen Theorierekonstruktion bei der Ergänzung oder Erweiterung von Konzeptdefinitionen auftraten.<br />
Vgl. KAMPS (1999) S. 286. Zur Beherrschung dieser Komplikationen bietet es sich an, rein definitorische Festlegungen<br />
von den sonstigen Formeln einer Theorie „strukturell“ zu trennen. Dieser Ansatz wird bereits in KAMPS (1999) S. 286 verfolgt.<br />
Aber noch klarer würde die Theoriestruktur, wenn zu einer Theorierekonstruktion gemäß dem strukturalistischen Theorienkonzept<br />
übergegangen würde, indem für die betroffene Theorie ein separater terminologischer Apparat spezifiziert wird. Genau<br />
diese Nahtstelle zwischen strukturalistischem Theorienkonzept und Amsterdamer Formalisierungsschule können Ontologien<br />
bilden.<br />
75) Vgl. zu Konzeptionen für ontologiebasiertes Wissensmanagement POCSAI (2000) S. 75 ff., 90 ff. u. 147 ff.; STAAB (2002a) S.<br />
194 ff. (bereits im Titel des Beitrags wird von „Wissensmanagement mit Ontologien ...“ gesprochen, später auf S. 202 auch<br />
vom „Betrieb des ontologiebasierten Wissensmanagementsystems“); STAAB (2002b) S. 1 ff., STUDER ET AL. (2001) S. 5 ff.;<br />
STUDER/OPPERMANN/SCHNURR (2001) S. 2 ff. Vgl. auch speziell zu ontologiebasierten Kompetenz- und Skillmanagementsystemen<br />
die Quellenangaben zum Verbundprojekt KOWIEN, die später im Kapitel 1.3.1.2 in Fußnote 281 (S. 187) erfolgen.
134 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
rungsbedingte Verständnisbarrieren bemerkbar. Diese Barrieren drohen die Kommunikation zwischen<br />
den Akteuren, die zwecks Koordination der arbeitsteiligen Aufgabenerfüllung erforderlich ist,<br />
zu beeinträchtigen oder sogar zu vereiteln. Wenn solche Wissensdivergenzen mit der Folge von<br />
Verständnisbarrieren erkannt wurden, dann besteht eine weiterführende Aufgabe des ontologiebasierten<br />
Wissensmanagements darin, diese Divergenzen entweder in Zukunft von vornherein zu<br />
vermeiden oder aber zumindest nachträglich so zu kompensieren, dass sie sich nicht mehr schädlich<br />
auf die intendierte Aufgabenerfüllung auszuwirken vermögen. 76)<br />
Im erstgenannten Fall der Vermeidung von Wissensdivergenzen ist eine vereinheitlichende Restrukturierung<br />
des betroffenen Wissens erforderlich. Diese Vorgehensweise stellt den Normalfall des ontologiebasierten<br />
Wissensmanagements dar. Sie entspricht unmittelbar dem ontologischen Grundverständnis,<br />
dass mehrere Akteure aufgrund einer gemeinsam verwendeten Konzeptualisierung desjenigen<br />
Realitätsausschnitts, der für die arbeitsteilige Erfüllung einer gemeinsam übernommenen<br />
Aufgabe maßgeblich ist, die gleichen sprachlichen Ausdrucksmittel zur Repräsentation ihres aufgabenrelevanten<br />
Wissens benutzen. Es handelt sich um eine sprachliche A-priori-Koordinierung der<br />
betroffenen Akteure, weil ihr sprachlich artikuliertes Fach- und Hintergrundwissen bereits vor Beginn<br />
ihrer gemeinsamen Aufgabenerfüllung so aufeinander abgestimmt wird, dass kommunikations-<br />
und koordinationsrelevante Wissensdivergenzen gar nicht auftreten (sollten). Dieser vereinheitlichende<br />
Wissensmanagementansatz wird z.B. innerhalb des OntoBroker-Projekts in der Gestalt so<br />
genannter „Ontogroups“ verfolgt. 77) Ihre Mitglieder sind das „ontologische Commitment“ eingegangen,<br />
eine bestimmte, für die Ontogroup spezifische Ontologie mit ihren sprachlichen Ausdrucksmitteln<br />
und der zugrunde liegenden Konzeptualisierung möglicher Realitätserfahrungen gemeinsam<br />
zu verwenden. 78) Darüber hinaus spricht für diesen Wissensmanagementansatz seine hohe<br />
Anschlussfähigkeit. Denn in der betrieblichen Praxis lässt sich schon heute oftmals das Bestreben<br />
beobachten, durch Instrumente wie Data Dictionaries, Data Repositories, Unternehmensterminologien<br />
u.ä. „mit sanftem Druck“ einen gemeinsamen Sprachgebrauch als Teil der – „kommunikativen“<br />
– Unternehmenskultur durchzusetzen.<br />
Der zweitgenannte Fall einer Kompensation von Wissensdivergenzen beruht auf ontologiebasierten<br />
Übersetzungsmechanismen. Sie sollen in der Lage sein, aufgrund des ontologischen Wissens über<br />
die terminologischen, die taxonomischen, die syntaktischen und die semantischen Eigenarten des<br />
involvierten Wissens bedeutungserhaltende 79) Transformationen zwischen den divergenten Wissensbestandteilen<br />
durchzuführen. Es handelt sich um eine sprachliche A-posteriori-Koordinierung<br />
der betroffenen Akteure, weil ihr sprachlich artikuliertes Fach- und Hintergrundwissen erst während<br />
76) Der Verfasser knüpft mit diesen beiden Alternativen an eine Zweiteilung an, die er früher in einem anderen Zusammenhang<br />
von Multi-Agenten-Systemen gemeinsam mit SIEDENTOPF eingeführt hatte: Es handelte sich um die interne versus externe Konsolidierung<br />
von Inkonsistenzen, die zwischen den agentenspezifischen Ontologien bei sprachbedingten Kooperationsbarrieren<br />
auftreten können. Vgl. ZELEWSKI/SIEDENTOPF (1999) S. 81 in Verbindung mit S. 78 f. Vgl. auch REIMER (1997) S. 92 und ZE-<br />
LEWSKI/FISCHER (1999) S. 8 ff.<br />
77) Vgl. zu „Ontogroups“ BENJAMINS/FENSEL (1998) S. 288; FENSEL ET AL. (1998b) S. 2.<br />
78) Das „ontologische Commitment“ stellt eine zentrale Denkfigur des ontologiebasierten Wissensmanagements dar. Vgl. zu seiner<br />
Betonung GÓMEZ-PÉREZ (1998) S. 10-6; GRUBER (1993) S. 201; GRUBER (1995) S. 908 f.; GUARINO (1998a) S. 7 f.; GUARINO<br />
(1999c) S. 7 ff.; GUARINO/CARRARA/GIARETTA (1994a) S. 560 ff.; GUARINO/CARRARA/GIARETTA (1994b) S. 271, 273 f. u. 277<br />
ff.; GUARINO/GIARETTA (1995) S. 27 u. 29; SOWA (2000) S. 134 ff. Vgl. auch RESNICK (1994) S. 61 ff., allerdings aus philosophischer<br />
Perspektive.<br />
79) Transformationen zwischen Wissensbeständen – oder kurz: Übersetzungen – werden hier als „bedeutungserhaltend“ betrachtet,<br />
wenn sie zwischen unterschiedlichen terminologischen Apparaten so erfolgen, dass die intendierten Bedeutungen der jeweils<br />
betroffenen sprachlichen Konstrukte nicht verändert werden. Auf Probleme dieser Auffassung wird in Kürze zurückgekommen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 135<br />
des Verlaufs ihrer gemeinsamen Aufgabenerfüllung und nur in dem Ausmaß ineinander transformiert<br />
wird, wie dies zur Überbrückung von kommunikations- und koordinationsrelevanten Wissensdivergenzen<br />
erforderlich erscheint. Dieser vielfaltsbewahrende Wissensmanagementansatz erweist<br />
sich in mindestens zweifacher Hinsicht als verlockend.<br />
Erstens entspricht es dem ökonomischen Prinzip, nicht a priori alle potenziell störenden Wissensdivergenzen<br />
durch eine umfassende Vereinheitlichung des betroffenen Wissens zu beseitigen, sondern<br />
die knappen Ressourcen des Wissensmanagements a posteriori auf jene Wissensdivergenzen<br />
zu beschränken, die sich im Verlauf der gemeinsamen Aufgabenerfüllung tatsächlich als kommunikations-<br />
und koordinationsbedrohende Verständnisbarrieren erweisen. Zweitens harmoniert es sowohl<br />
mit einem liberalen Menschenbild als auch mit einer pluralistischen Erkenntnisposition, 80) die<br />
Mitarbeiter eines inner- oder überbetrieblichen Netzwerks nicht vornherein dem „Joch“ eines einheitlich<br />
(re)strukturierten Wissens zu „unterwerfen“. Anstelle des „freiwilligen Zwangs“ oder „ontologischen<br />
Commitments“ zu einer monistischen Wissensstruktur tritt ein Bekenntnis zur Vielfalt<br />
unterschiedlicher Wissensstrukturen und somit auch Wissenskulturen. Dies dürfte der Heterogenität<br />
insbesondere überbetrieblicher Netzwerke entgegenkommen. Aus den beiden vorgenannten Gründen<br />
hält der Verfasser den Wissensmanagementansatz, Wissensdivergenzen im Bedarfsfall nachträglich<br />
zu kompensieren, gegenüber der Alternative des Vermeidens von Wissensdivergenzen für<br />
überlegen.<br />
Allerdings stehen der Kompensation von Wissensdivergenzen mittels bedeutungserhaltender Transformationen<br />
zwischen den divergenten Wissensbestandteilen erhebliche Probleme entgegen. Diese<br />
Probleme sind zunächst prinzipieller Natur. Sie beruhen insbesondere auf sprachanalytischen Arbeiten<br />
von QUINE zur grundsätzlichen Unbestimmtheit von Übersetzungen. 81) Aufgrund dieser Übersetzungsunbestimmtheit<br />
lässt sich streng genommen am Postulat bedeutungserhaltender Transformationen<br />
zwischen Wissensbestandteilen mittels Übersetzungsmechanismen nicht mehr festhalten. Aber<br />
in der betrieblichen Alltagspraxis wirken sich die prinzipiellen Übersetzungsunbestimmtheiten nach<br />
Einschätzung des Verfassers – bis zum Beweis des Gegenteils – nicht so stark aus, dass sie im Kontext<br />
der aktuellen Ontologiediskussion aus betriebswirtschaftlicher Perspektive berücksichtigt werden<br />
müssten. 82)<br />
80) Ein liberales Menschenbild und eine pluralistische Erkenntnisposition werden hier ohne vertiefende Diskussion als positiv belegt<br />
unterstellt. Wer diese Wertprämissen nicht teilt, wird auch von den anschließenden Argumenten nicht überzeugt sein. Dies<br />
glaubt der Verfasser hinnehmen zu müssen, da der Charakter des hier vorgelegten Werks nicht gestattet, auf normative Prämissen<br />
des wissenschaftlichen Basisbereichs detaillierter einzugehen. Nur am Rande sei darauf verwiesen, dass sich die o.a. Wertprämissen<br />
im Interesse der „Selbstkonsistenz“ aufdrängen, weil im späteren Kapitel 1.3.1.4 (S. 208 ff.) über erkenntnistheoretische<br />
Probleme von Ontologien ebenso eine pluralistische Position bezogen wird.<br />
81) Vgl. zur These der Übersetzungsunbestimmtheit, die bereits an früherer Stelle im Zusammenhang mit der doppelten ontologischen<br />
Relativität erwähnt wurde, QUINE (2002) S. 56 f., 59 ff., 66 ff., 101 ff., 129 ff. u. 137 ff. (insbesondere S. 61, 136, 138 u.<br />
146 f.); STEGMÜLLER (1987a) S. 291 ff., 443 ff. u. 456 ff.; VON KUTSCHERA (1975) S. 118 ff.<br />
Zur Erläuterung der Übersetzungsunbestimmtheit bietet sich das instruktive „Gavagai“-Beispiel aus der „Dschungelsprache“<br />
an, das von QUINE (2002) S. 63 ff., 101 ff., 135 ff. u. 380 f. und STEGMÜLLER (1987a) S. 293 ff. ausführlich kommentiert wird.<br />
Vgl. auch das weniger elaborierte, aber hinsichtlich seiner Pointe analoge „kangaroo“-Beispiel von PARTRIDGE (2002) S. 6.<br />
82) Die wissenschaftstheoretische Berechtigung der These der Übersetzungsunbestimmtheit wird hierdurch jedoch nicht in Zweifel<br />
gezogen. Daher würde es naiv erscheinen, an eine bedeutungserhaltende Übersetzung zwischen sprachlichen Konstrukten unterschiedlicher<br />
Wissensbestände oder Theorien im strengen Sinne zu glauben. Stattdessen kann es immer nur um eine – nicht<br />
scharf definierbare – „Annäherung“ an die „regulative Idee“ bedeutungserhaltender Übersetzungen gehen. Dies reicht für die<br />
betriebliche Praxis jedoch aus. Vgl. auch zur Illustration der praktischen Kommunikationsmöglichkeit trotz erheblicher Sprachdivergenzen<br />
VISSER/TAMMA (1999) S. 12-3 f.
136 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Immerhin existieren bereits einige wenige Ansätze, die Hoffnung schöpfen lassen: Sie zeigen für<br />
Spezialfälle auf, wie eine bedeutungserhaltende Übersetzung – unter den zuvor geäußerten prinzipiellen<br />
Einschränkungen – zwischen Wissensbeständen oder Theorien verwirklicht werden kann. 83)<br />
Darunter befinden sich auch Arbeiten, die speziell im Kontext des Wissensmanagements – zum Teil<br />
sogar mit explizitem Bezug auf Ontologien – konkret aufzeigen, wie sich bedeutungserhaltende 84)<br />
Übersetzungen zwischen unterschiedlich strukturierten Wissensbeständen realisieren lassen. 85)<br />
83) Z.B. hat STEGMÜLLER (1986a) S. 301 innerhalb des strukturalistischen Theorienkonzepts skizziert, wie eine bedeutungserhaltende<br />
Übersetzung – ohne Verkennung der vorgenannten grundsätzlichen Vorbehalte – im Prinzip geleistet werden kann. Weitere<br />
Beiträge aus der Perspektive des strukturalistischen Theorienkonzepts zu bedeutungserhaltenden Übersetzungen zwischen<br />
Theorien, die jedoch den Aspekt der Bedeutungserhaltung nicht näher untersuchen, finden sich in MANHART (1995) S. 273 ff.;<br />
ZELEWSKI (1993a) S. 404 ff.; ZELEWSKI (1997) S. 366 u. 370 f. Vgl. auch die Vorschläge von SOWA (2000) S. 288 ff., Anforderungen<br />
an die Bedeutungserhaltung von Übersetzungen formalsprachlich präzise zu spezifizieren. Zwar hat auch QUINE (2002)<br />
S. 129 f. Anforderungen an Übersetzungen aufgestellt. Aber er nimmt aufgrund seiner These der Übersetzungsunbestimmtheit<br />
nicht in Anspruch, dass durch die Erfüllung jener Anforderungen eine Bedeutungserhaltung von Übersetzungen sichergestellt<br />
werden könnte.<br />
84) Der intellektuellen Redlichkeit halber muss aber darauf hingewiesen werden, dass sich jene Arbeiten mit den grundsätzlichen<br />
Schwierigkeiten der Bedeutungserhaltung, die aus der These der Übersetzungsunbestimmtheit von QUINE resultieren, nicht auseinander<br />
setzen. Vielmehr unterstellen ihre Autoren implizit, dass ihre Übersetzungsweise die Bedeutungen, die den sprachlichen<br />
Konstrukten in den verschiedenen Wissensbeständen zukommen, erhält. Eine der seltenen Ausnahmen, die ausdrücklich<br />
auf Verletzungen der Bedeutungserhaltung eingehen, stellt KIRYAKOV/SIMOV (1999) S. 6 ff. dar (z.B. auf S. 6: „Mismatching<br />
Taxonomic Structure“).<br />
85) Vgl. BACLAWSKI ET AL. (2002) S. 144 ff. zu einem sehr detailliert ausgearbeiteten Versuch, eine Übersetzung zwischen den<br />
formalen Modellierungssprachen UML auf der einen Seite sowie RDF und DAML+OIL auf der anderen Seite zu konstruieren;<br />
vgl. insbesondere S. 149 ff. u. 154 zu den – bisher nicht bewältigten – Inkompatibilitäten, die zurzeit einer bedeutungserhaltenden<br />
Übersetzung zwischen diesen Modellierungssprachen entgegen stehen. Vgl. auch BRINK/REWITZKY (2002) S. 545 u. 548<br />
ff., insbesondere S. 563 ff. Die Autoren zeigen die wechselseitige Übersetzbarkeit zwischen drei verschiedenartigen Ontologien<br />
aus dem Bereich der Mathematik auf. Die Ausführungen muten zwar – zumindest aus betriebswirtschaftlicher Perspektive –<br />
recht abstrakt an, zeigen aber zumindest „im Prinzip“ einen konkreten Weg auf, auf dem sich Übersetzungen zwischen verschiedenartigen<br />
Ontologien nachweislich konstruieren lassen. Allerdings wird in diesem Ansatz das epistemologische Problem<br />
der bedeutungserhaltenden Übersetzung nicht näher thematisiert (bis auf Andeutungen zur Äquivalenz von Ontologien und bijektiven<br />
Abbildungen zwischen ihren Zustandsräumen auf S. 566). Vgl. des Weiteren MENA ET AL. (2000) S. 238 ff. u. 249 ff.<br />
zu einem Projekt, das sich mit der „adäquaten“ Übersetzung zwischen unterschiedlichen Ontologien aus den Perspektiven der<br />
Angewandten Informatik und der Erforschung Künstlicher Intelligenz befasst, sowie MIHOUBI/SIMONET/SIMONET (1998) S. 365<br />
f., 368 ff. u. 374 ff. zu einer konkret ausgearbeiteten, computerbasierten Vorgehensweise, Ontologien durch Rückführung auf<br />
eine gemeinsame metasprachliche Repräsentation ineinander zu übersetzen. Vgl. darüber hinaus zu Übersetzungen zwischen<br />
Ontologien (Ontologiemapping) ERIKSSON ET AL. (1994) S. 20 ff.; FENSEL ET AL. (1998b) S. 9 f.; GENNARI ET AL. (1994) S. 400<br />
f., 408 u. 413 ff.; KIRYAKOV/SIMOV (1999) S. 3 ff., insbesondere S. 5 ff. u. 9 ff.; KIRYAKOV/SIMOV/ DIMITROV (2001) S. 48 u.<br />
54 ff.; ONTOPRISE (2003a) S. 25 ff.; POCSAI (2000) S. 88 f., 104 ff. (sehr ausführlich) sowie – im Hinblick auf ein konkretes<br />
Beispiel – S. 140 ff. u. 161 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 6 f. u. 8 f.; VISSER/TAMMA (1999) S. 12-8 ff.<br />
Vgl. schließlich auch HARS (2001) S. 69 ff. zu einem sehr interessanten Vorschlag, vier unterschiedliche konzeptuelle Modelle<br />
(im Sinne von Ontologien) für wissenschaftliches Wissen hinsichtlich ihrer Begriffe und begrifflichen Abhängigkeiten in ein<br />
gemeinsam zugrunde liegendes, „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen zu übersetzen. Allerdings<br />
präsentiert HARS sein „comprehensive model of scientific knowledge“ (S. 69) nur, ohne umfassend und überzeugend aufzuzeigen,<br />
inwiefern es die bedeutungserhaltende Übersetzung zwischen den vier unterschiedlichen konzeptuellen Modellen für wissenschaftliches<br />
Wissen tatsächlich zu leisten vermag. Stattdessen bleiben seine diesbezüglichen Erläuterungen relativ oberflächlich,<br />
weil sie die „Entsprechungen“ zwischen ausgewählten Begriffen aus den vier unterschiedlichen konzeptuellen Modellen<br />
lediglich behaupten, aber nicht schlüssig nachweisen (vgl. S. 70). Trotz dieser Vorbehalte hinsichtlich der Übersetzungsqualität<br />
erweist sich der Beitrag von HARS (2001) als bemerkenswert, weil er auf S. 71 f. Ideen entwickelt, wie sich sein „synthetisches“<br />
konzeptuelles Modell für wissenschaftliches Wissen auf der Grundlage von Internet-Technologien nutzen lässt, um<br />
weltweit publiziertes wissenschaftliches Wissen inhaltlich zu erschließen. Seine Überlegungen drängen sich – in die Diktion<br />
von Ontologien „übersetzt“ – geradezu auf, seine „synthetische“ Ontologie für wissenschaftliches Wissen zur inhaltlichen Erschließung<br />
wissenschaftlicher Erkenntnisse im Semantic Web zu verwenden. Allerdings entspricht seine „synthetische“ Ontologie<br />
wieder dem o.a. Wissensmanagementansatz des Vermeidens von Wissensdivergenzen, also der A-priori-Koordinierung<br />
durch Vereinheitlichung von Wissensstrukturen. Der Verfasser bezweifelt, ob diese „große Vereinheitlichung“ gerade dem real
1.3.1 Einführung in das Themenfeld „Ontologien“ 137<br />
Aber die geringe Anzahl von Arbeiten auf diesem Gebiet lässt erkennen, dass die gravierenden<br />
Schwierigkeiten, die durch bedeutungserhaltende Übersetzungen aufgeworfen werden, bei weitem<br />
noch nicht beherrscht werden. Daher stellt der Wissensmanagementansatz, Wissensdivergenzen<br />
mittels bedeutungserhaltender Übersetzungen nachträglich zu kompensieren, derzeit eine große Herausforderung<br />
an die Ontologieforschung dar. 86) Im Gegensatz zur Alternative des Vermeidens von<br />
Wissensdivergenzen erweist er sich zurzeit noch nicht als „praxistauglich“. 87)<br />
Als Zusammenfassung aus den voranstehenden Überlegungen lässt sich festhalten, dass Ontologien<br />
als Erkenntnis- und Gestaltungsobjekte von Wirtschaftsinformatik und Betriebswirtschaftslehre<br />
immer dann nahe liegen, wenn es gilt, folgende komplexe Problemstellung zu bewältigen: Mehrere<br />
Akteure wirken bei der arbeitsteiligen Erfüllung einer gemeinsam übernommenen, wissensintensiven<br />
Aufgabe zusammen und verfügen über erheblich voneinander abweichendes Hintergrundwissen.<br />
In solchen Fällen ist es – nicht nur, aber unter anderem – erforderlich, die sprachlich bedingten<br />
Wissensdivergenzen der Akteure zu identifizieren, die einer Kommunikation zwecks Koordination<br />
der arbeitsteiligen Aufgabenerfüllung entgegenstehen könnten. Dafür kommen insbesondere die<br />
explizierungs- und artikulierungsbedingten Verständnisbarrieren in Betracht, die im Kapitel 1.1.2<br />
thematisiert wurden (S. 43 ff.). Alsdann gilt es, die identifizierten Divergenzen mittels entsprechender<br />
„ontologischer Instrumente“ entweder zu beseitigen oder zumindest zu kompensieren.<br />
Diese Problemstellung ist in der VKI-Forschung für „offene“ Multi-Agenten-Systeme mit heterogenen,<br />
lokalen Wissensbasen seit langem bekannt. Neuerdings wird sie auch im ökonomischen<br />
Kontext reflektiert, wie z.B. im Rahmen des Verbundprojekts KOWIEN. Zur Verdeutlichung des<br />
wirtschaftswissenschaftlichen Interesses an der Gestaltung von Ontologien werden nachfolgend<br />
einige typische Anwendungsszenarien stichwortartig skizziert, in denen die zuvor angesprochene<br />
Problemstellung größere Bedeutung erlangen kann. 88)<br />
existierenden Wissenschaftsbetrieb mit seinen erheblich divergenten Forschungsprogrammen und „paradigmatischen“ Forschungskulturen<br />
gerecht werden kann. Dieser Aspekt wäre in anderen Publikationen zu diskutieren.<br />
86) Zwar lässt sich auf vielfache Arbeiten auf dem Gebiet automatischer Übersetzungssysteme verweisen, die u.a. im Rahmen von<br />
Forschungsanstrengungen der Europäischen Union intensiv betrieben werden. Aber bislang sind nach Wissen des Verfassers<br />
nur sehr wenige Versuche erfolgt, diese Übersetzungssysteme und ontologiebasierte Wissensmanagementsysteme zu integrieren.<br />
Eine solche Integration könnte vielleicht in Zukunft die nachträgliche Kompensation von Wissensdivergenzen mittels bedeutungserhaltender<br />
Übersetzungen nachhaltig befruchten. Vgl. zu einem der seltenen, noch wenig ausgearbeiteten Ansätze,<br />
Ontologien zur computerbasierten Übersetzung zwischen unterschiedlichen natürlichen Sprachen einzusetzen, HAASE (2000) S.<br />
589 ff.; VICKERY (1997) S. 279 ff. Auch im EuroWordNet-Projekt der Europäischen Union erfolgen Anstrengungen, eine multilinguale<br />
Datenbank für Übersetzungszwecke mit Ontologien zu kombinieren; vgl. GONZALO ET AL. (1998) S. 193 ff., insbesondere<br />
S 194; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 80 ff.; HAASE (2000) S. 590; RODRIGUEZ ET AL. (1998) S. 124<br />
ff., insbesondere S. 131 ff.; LOERCH/SANDERS (2002) S. 3 (ff.) u. 6.<br />
87) Vgl. auch die skeptischen Anmerkungen zu bedeutungserhaltenden Übersetzungen zwischen Ontologien in SOWA (2000) S. 293<br />
ff.; ZELEWSKI/FISCHER (1999) S. 9 f.<br />
88) Vgl. zu weiteren Anwendungsszenarien ohne primär wirtschaftswissenschaftlichen Bezug USCHOLD/JASPER (1999) S. 11-5 ff.
138 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Klassische Funktionalorganisationen: Im Absatz-, Produktions- und Beschaffungsbereich von<br />
Unternehmen herrschen traditionell unterschiedliche Sprach- und Wissenskulturen. So wird unter<br />
demselben Ausdruck „Auftrag“ aus der Produktions- und aus der Absatzperspektive inhaltlich<br />
etwas Unterschiedliches verstanden. Produktions- bzw. Kundenaufträge weisen verschiedene<br />
semantische Merkmale auf, wie die produktionsinterne Zusammenfassung technisch ähnlicher<br />
Aufträge zu Fertigungsfamilien versus die kundenseitige Erfassung von Lieferterminen<br />
und darauf bezogenen Konventionalstrafen. Analoges trifft auch auf „Lose“ zu, die unter derselben<br />
Bezeichnung sowohl im Beschaffungs- als auch im Produktionsbereich geplant werden.<br />
Es gelangen sogar syntaktisch gleichartige (Basis-) Losgrößenmodelle zum Einsatz. Aber die<br />
inhaltlich relevanten Merkmale eines Beschaffungsloses, wie etwa lieferfixe Kosten und Mengenrabatte,<br />
weichen in mehrfacher Hinsicht von denen eines Produktionsloses ab, wie z.B. Maschinenrüstkosten<br />
und Stückkostendegressionen aufgrund von Lerneffekten.<br />
Innerbetriebliche Integration von einerseits ingenieurtechnisch und andererseits betriebswirtschaftlich<br />
geprägten Informationssystemen, vor allem in den Bereichen von Simultaneous Engineering<br />
(Lean Production, Total Quality Management) und Computer Integrated Manufacturing<br />
(CIM): So ist es im Rahmen des CIM-Konzepts in der betrieblichen Praxis bis heute noch<br />
nicht zufrieden stellend gelungen, die ingenieurtechnisch geprägten und produktorientierten<br />
CAE-, CAD-, CAM-, CAP(P)- und CAQ(A)-Systeme auf der einen Seite mit den auftrags- und<br />
kundenorientierten BDE-, PPS- und ERP-Systemen auf der anderen Seite zusammenzuführen.<br />
Die Integrationsversuche haben nicht zu den erhofften Resultaten geführt, weil sich die „Semantiken“<br />
einerseits ingenieurtechnischer und andererseits betriebswirtschaftlicher Denk- und<br />
Sprachmuster noch immer weit gehend unversöhnlich gegenüberstehen.<br />
Überbetriebliche Integration der Informationsverarbeitungssysteme von Unternehmen mit verschiedenen<br />
Sprach- und Softwarewelten: Die überbetriebliche Leistungserstellung gewinnt<br />
durch zunehmende regionale, europaweite und „globale“ Vernetzung von Engineering-, Produktions-<br />
und Logistikprozessen immer größere betriebswirtschaftliche Bedeutung. Neuartige<br />
Konzepte, wie z.B. „Multi-site Production“, „Global Sourcing / Manufacturing“, „Tele-Manufacturing“<br />
sowie „Efficient Consumer Response“, belegen diese Entwicklung. Sie wird durch<br />
Verringerung der unternehmensinternen Wertschöpfungstiefe (Outsourcing), Intensivierung der<br />
internationalen Arbeitsteilung und Liberalisierung vormals geschützter Märkte (Globalisierung),<br />
vertiefte Zusammenarbeit von Produzenten und Lieferanten in Wertschöpfungsketten<br />
und -partnerschaften (Supply Chain / Web Management) sowie neu entstehende Entsorgungsverbünde<br />
verstärkt. Aus diesen Entwicklungen resultieren oftmals komplex strukturierte, heterogene<br />
Engineering-, Lieferanten-, Produzenten- und Entsorgungsnetzwerke. 89) Alle vorgenannten<br />
Entwicklungen auf dem Gebiet der überbetrieblichen Leistungserstellung setzen einen intensiven<br />
Wissensaustausch zwischen den vernetzten Unternehmen voraus. Eine systematische<br />
Gestaltung dieses Wissensaustauschs erfordert Metawissen darüber, welches Wissen an den<br />
Schnittstellen zwischen den Netzwerkmitgliedern benötigt und welches Wissen dort offeriert<br />
wird. Sowohl die Akquisition als auch die Anwendung dieses Metawissens können durch<br />
sprachbedingte Wissensdivergenzen zwischen den involvierten Unternehmen erheblich beein-<br />
89) Auf eine Ausprägungsform dieser Netzwerke – die Engineering-Netzwerke – fokussiert sich das Verbundprojekt KOWIEN.
1.3.1 Einführung in das Themenfeld „Ontologien“ 139<br />
trächtigt werden. 90) Sprachbedingte Wissensdivergenzen wirken sich in überbetrieblichen<br />
Netzwerken oftmals noch gravierender als auf der innerbetrieblichen Ebene aus, weil das gemeinsame<br />
Hintergrundwissen fehlt, das im Allgemeinen durch die Arbeit innerhalb desselben<br />
Unternehmens durch „Sozialisation“ erworben wird. Aktuelle Tendenzen zu einer verstärkten<br />
überbetrieblichen Vernetzung – als Schlagworte seien nur „Globalisierung“ und „Virtuelle Unternehmen“<br />
erwähnt – verschärfen die Problematik sprachbedingter Wissensdivergenzen noch.<br />
CSCW-Systeme: Bei der computerbasierten Gruppenarbeit („computer supported cooperative<br />
work“) kommen Aspekte des Ontology Engineerings sowohl inner- als auch überbetrieblich ins<br />
Spiel, sobald es sich um Gruppen mit heterogenen Wissensstrukturen handelt. Hinsichtlich der<br />
synchronen Kooperation der Gruppenmitglieder stehen das abteilungs- oder unternehmensübergreifende<br />
Knowledge und Workflow Management im Vordergrund des betriebswirtschaftlichen<br />
Gestaltungsinteresses, z.B. zum Identifizieren von Kompetenzprofilen potenzieller Kooperationspartner<br />
in Virtuellen Unternehmen. Aus der Perspektive der diachronen Kooperation interessiert<br />
hingegen vor allem die Wiederverwendung von Wissen, das von der gleichen Gruppe<br />
oder anderen Gruppen zu früherer Zeit generiert wurde und aktuell nicht mehr „unmittelbar“<br />
zur Verfügung steht. Mit dieser Problematik befassen sich insbesondere Consulting-Unternehmen,<br />
um bereits vorliegendes Best-practice-Wissen und „lessons learned“ aus Beratungsprojekten<br />
unternehmensweit zugänglich zu machen und auf diese Weise ein langfristig Wissen erhaltendes<br />
„organizational memory“ aufzubauen.<br />
Elektronische Marktplätze: Im World Wide Web und auch in Extranets vollzieht sich zurzeit<br />
ein erstaunliches Wachstum des Angebots elektronischer Marktplätze. Aus betriebswirtschaftlicher<br />
Sicht erscheinen „klassische“ B2B-Marktplätze vor allem im Bereich des E-Procurements<br />
am Erfolg versprechendsten. In näherer Zukunft werden aber auch „modernere“ E2E-Marktplätze<br />
mit „automatischen“ Interaktionen zwischen B2B-Marktplätzen eine zunehmende Rolle<br />
spielen. Für alle Varianten gilt tendenziell in der gleichen Weise, dass sie als globale Marktplätze<br />
im Internet konzipiert sind und daher die Gefahr heterogener Wissenshintergründe der<br />
Marktteilnehmer besonders ausgeprägt ist. Die sprachbedingten Wissensdivergenzen, die kurz<br />
zuvor anlässlich der überbetrieblichen Integration angesprochen wurden, treffen auf elektronische<br />
Marktplätze im Prinzip ebenso zu; nur werden diese Divergenzen durch die große Hetero-<br />
90) Sprachbedingte Wissensdivergenzen treten bei der überbetrieblichen Leistungserstellung insbesondere durch unterschiedliche<br />
inhaltliche Verwendungen derselben Bezeichnungen in verschiedenen Unternehmen auf. Das Auftreten solcher Homonyme<br />
wird in der betrieblichen Praxis dadurch begünstigt, dass selbst innerhalb der „wissenschaftlichen“ Betriebswirtschaftslehre<br />
oftmals keine einheitliche Begriffsverwendung erfolgt. Beispielsweise werden so zentrale Bezeichnungen wie „Shareholder Value“,<br />
„Rendite“, „Rentabilität“, „operatives Ergebnis“ und „betriebsnotwendiges Kapital“ sowohl in der Wissenschaft als auch<br />
in der betrieblichen Praxis mit vielfach variierenden Inhalten belegt. Ein Blick in die Geschäftsberichte von Unternehmen – sogar<br />
dann, wenn sie aus derselben Branche stammen, – verdeutlicht die erheblichen Diskrepanzen in der Verwendung dieser<br />
homonymen Bezeichnungen. Wenn vom noch vergleichsweise simplen Fall expliziter betrieblicher Kennzahlen zum impliziten<br />
Hintergrundwissen übergegangen wird, das in die betriebliche Leistungserstellung einfließt, so können sich Wissensdivergenzen<br />
weitaus gravierender auswirken. Beispielsweise ist es möglich, dass unterschiedliche Unternehmenskulturen, die sich als<br />
Sonderfall des betrieblichen Hintergrundwissens auffassen lassen, zum „sprach- und wissensbedingten“ Scheitern einer überbetrieblichen<br />
Zusammenarbeit führen. Verschiedenartige Normungssysteme in unterschiedlichen Branchen oder Wirtschaftsregionen<br />
können solche sprachbedingten Wissensdivergenzen noch verstärken, wie etwa im Falle unterschiedlicher Systematiken<br />
von EU- und ISO-Normen. Einen Sonderfall solcher Normungssysteme stellen Nomenklaturen für Güter dar. Sie variieren des<br />
Öfteren nicht nur von Branche zu Branche, sondern auch zwischen Unternehmen derselben Branche. Kooperieren Unternehmen<br />
aus unterschiedlichen Sprachzonen miteinander, so muss zusätzlich damit gerechnet werden, dass verschiedene Sprachen unterschiedliche<br />
Wissens(vor)strukturierungen implizieren. Darauf wird später im Kapitel 1.3.1.4 detaillierter zurückgekommen (S.<br />
215 ff.).
140 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
genität des Hintergrundwissens von Akteuren auf globalen Marktplätzen tendenziell noch verstärkt.<br />
Erschwerend kommt hinzu, dass auf elektronischen Marktplätzen Automatische Informationsverarbeitungssysteme<br />
– z.B. „Softwareagenten“ – unmittelbar miteinander kommunizieren.<br />
Daher kann nicht auf die Flexibilität menschlicher Kognitions- und Kommunikationsfähigkeiten<br />
zurückgegriffen werden, um eventuell vorhandene sprachbedingte Wissensdivergenzen<br />
auszugleichen. Aus diesem Grund stellen elektronische Marktplätze ein besonders interessantes<br />
Anwendungsszenario dar, um die Eignung von Ontologien für computerbasierte Wissensmanagementsysteme<br />
empirisch zu überprüfen.<br />
Multi-Agenten-Systeme: An der „vorderen Front“ betriebswirtschaftlicher Forschung finden<br />
Multi-Agenten-Systeme zur Koordination von komplexen Prozessen neuerdings größere Beachtung.<br />
Dies gilt vor allem für die Koordination von Produktions- und Logistikprozessen in vernetzten<br />
Unternehmensstrukturen mittels Auktionsmechanismen („market-in approach“). Daneben<br />
bildet auch die Koordination der Ressourcenzuteilung beim Management komplexer Projekte<br />
ein betriebswirtschaftlich interessantes Experimentierfeld für Multi-Agenten-Systeme.<br />
Insbesondere die Kombination von Multi-Agenten-Systemen mit den vorgenannten elektronischen<br />
Märkten wird seitens (eines Teils) der Betriebswirtschaftslehre mit großem Interesse verfolgt.<br />
Eine Sonderrolle spielen Ontologien immer dann, wenn Lerneffekte intendiert werden. Dies gilt für<br />
alle vorgenannten Anwendungsszenarien prinzipiell in der gleichen Weise, so dass Ontologien in<br />
dieser Lernperspektive die Qualität einer Querschnittstechnik besitzen. Lernen setzt voraus, dass in<br />
einem Unternehmen oder in einem Unternehmensverbund bereits gleiches oder ähnliches Wissen<br />
vorliegt, aus dem zwecks Bewältigung eines neuen Problems gelernt werden kann. Diese Prämisse<br />
ist in der betrieblichen Praxis aber oftmals nicht erfüllt, weil keine systematische Erfassung jenes<br />
Wissens erfolgt, das „in den Köpfen“ der Mitarbeiter oder in anderen Wissensquellen, wie etwa Daten-,<br />
Informations- oder Wissensbanken, bereits vorhanden ist. Daher wird im Rahmen des Wissensmanagements<br />
die große Bedeutung, die dem (Meta-) Wissen über das Vorliegen von und die<br />
Zugriffsmöglichkeiten auf anderes (Objekt-) Wissen zukommt, schon seit längerem aus der Perspektive<br />
der „organizational memories“ diskutiert. 91) Beispielsweise gehört es zu den strategischen<br />
Erfolgsfaktoren von Consulting-Unternehmen zu wissen, welches Erfahrungswissen von welchen<br />
Mitarbeitern in welchen Beratungsprojekten bereits erworben wurde, um dieses Wissen sowohl bei<br />
der Akquisition als auch bei der Durchführung neuer Beratungsprojekte wieder verwenden zu können.<br />
Daher überrascht es nicht, dass vor allem Consulting-Unternehmen derzeit großes Interesse<br />
daran hegen, das Konzept der „organizational memories“ konkret zu implementieren. 92)<br />
Aus den zuvor skizzierten Anwendungsszenarien lässt sich eine Relevanz-These 93) für die wirtschaftswissenschaftliche<br />
Beschäftigung mit Ontologien im Allgemeinen und das ontologiebasierte<br />
Wissensmanagement im Besonderen ableiten. Diese These wird in der nachfolgenden Abbildung 14<br />
wiedergegeben.<br />
91) Vgl. ABECKER/DECKER (1999) S. 113 ff.; LIAO ET AL. (1999) S. 125 ff.<br />
92) Vgl. SPALLEK (1999) S. 59 f.; Zelewski (2004c) S. 49 ff.; mittelbar auch LIAO ET AL. (1999) S. 125 ff. Vgl. des Weiteren in diesem<br />
Werk die Ausführungen im Kapitel 1.2.2 auf S. 89 ff.<br />
93) Die Relevanz-These stellt eine überarbeitete Variante derjenigen These dar, die der Verfasser erstmals in ZELEWSKI (2002b) S.<br />
66, in die Diskussion des ontologiebasierten Wissensmanagements eingebracht hat.
1.3.1 Einführung in das Themenfeld „Ontologien“ 141<br />
Je stärker die arbeitsteilige Erfüllung betrieblicher Aufgaben<br />
a) auf wissensintensiven Leistungserstellungsprozessen basiert und<br />
b) auf die inner- oder überbetriebliche Interaktion von Akteuren angewiesen ist,<br />
c) die über zumindest partiell divergentes Fach- oder Hintergrundwissen verfügen,<br />
desto größer wird tendenziell die Bedeutung von Ontologien<br />
zur Integration von Wissen sein,<br />
d) und zwar zumindest in dem Ausmaß,<br />
e) wie die Kommunikation von Wissenskomponenten<br />
f) zur Koordination der Akteure bei ihrer arbeitsteiligen Aufgabenerfüllung erforderlich ist.<br />
Abbildung 14: Relevanz-These des ontologiebasierten Wissensmanagements<br />
1.3.1.1.3 Konkretisierung des Ontologieverständnisses<br />
Mit der (Kern-) Informatik teilen Wirtschaftsinformatik und Betriebswirtschaftslehre eine inhaltliche<br />
Begriffsverschiebung gegenüber der ursprünglichen philosophischen Verwendung des Ontologiebegriffs.<br />
94) Dieser Bedeutungswandel manifestiert sich bereits in der Abkehr von „der“ Ontologie<br />
als der Philosophie vom „Seienden als Seiendem“, die nur den Singular als in sich stimmigen<br />
Numerus zulässt. Diese klassische Ontologieauffassung wurde abgelöst durch die pluralische Rede<br />
von Ontologien, die sich auf mögliche 95) Realitätserfahrungen 96) unterschiedlicher Akteure 97) im<br />
94) Vgl. dazu die ausführlichere Darstellung im Kapitel 1.3.1.1.1 auf S. 115 ff.<br />
95) Später wird aus epistemologischer Perspektive die Position eines naiven Realismus abgelehnt (vgl. Kapitel 1.3.1.4, S. 209 ff.).<br />
Daher hängt die Möglichkeit von Realitätserfahrungen nicht nur von der erfahrbaren Realität „an sich“ ab, sondern ebenso von<br />
den Bedingungen der Möglichkeit von Erfahrungen, die in den kognitiven Strukturen des Denkens verankert sind. Deshalb sind<br />
mit möglichen Realitätserfahrungen stets denkmögliche Realitätserfahrungen gemeint. Solange der Einfluss des Denkens auf<br />
die Möglichkeit von Realitätserfahrungen nicht ausdrücklich angesprochen werden soll, wird der Einfachheit halber schlicht<br />
von möglichen Realitätserfahrungen geredet. Außerdem wird hierdurch eine unnötige (Vor-) Festlegung auf die Ablehnung<br />
einer naiv-realistischen Erkenntnisposition im Sinne des Postponement-Prinzips vermieden.<br />
96) Mit Realitätserfahrungen sind sowohl Wahrnehmungen (sensorische Erfahrungen, Beobachtungen) von Phänomenen in einem<br />
betrachteten Realitätsausschnitt als auch Vorstellungen (kognitive Erfahrungen, Denkakte) von Phänomenen in einem unterstellten<br />
Realitätsausschnitt gemeint. Realitätserfahrungen können sich daher nicht nur auf „die“ eine, „wirkliche“ Realität beziehen,<br />
sondern auch auf eine Vielheit von „potenziellen“ Realitäten, die nur in unserer Vorstellung existieren (wie z.B. in der<br />
„possible worlds semantics“). Darüber hinaus ist im Kontext von Ontologien immer nur von möglichen Realitätserfahrungen<br />
die Rede, weil es nur darauf ankommt, diese Realitätserfahrungen mit den Ausdruckmitteln einer Ontologie sprachlich artikulieren<br />
zu können, falls die betroffenen Phänomene tatsächlich wahrgenommen bzw. vorgestellt werden. Es kommt also innerhalb<br />
einer Ontologie nicht darauf an, dass die Wahrnehmungen bzw. Vorstellungen faktisch erfolgt sind. Dies ist wichtig, weil<br />
eine Ontologie nur die sprachlichen Ausdrucksmittel für die Repräsentation von Wissen über einen Realitätsausschnitt zur Verfügung<br />
stellt, nicht aber – im Gegensatz zu konventionellen Modellen – die Repräsentation dieses (faktischen) Wissens selbst<br />
ist. Schließlich beziehen sich Ontologien stets nur auf einen Ausschnitt der wahrgenommenen oder vorgestellten Realität – und<br />
nicht auf die Realität als Ganzes. Der jeweils relevante Realitätsausschnitt wird von den Akteuren und den Zwecken determiniert,<br />
die eine Ontologie verwenden.<br />
97) Unter Akteuren werden im hier interessierenden Kontext des Wissensmanagements alle handlungsfähigen Subjekte verstanden,<br />
die zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen (Kompetenzen) einsetzen können. Dabei kann es sich<br />
sowohl um natürliche (Menschen, Personen) als auch um artifizielle (Maschinen, Computer) Akteure handeln. Ebenso kommen<br />
– aus einer orthogonalen Perspektive – sowohl individuelle (einzelne Personen oder Computer) als auch kollektive (Teams aus<br />
Mitarbeitern, Multi-Agenten-Systeme) Akteure in Betracht. Vgl. dazu die entsprechenden früheren Festlegungen in den Fußnoten<br />
4 auf S. 34 und 47 auf S. 123.
142 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Kontext verschiedener Zwecke 98) beziehen. Das moderne Ontologieverständnis umfasst daher von<br />
vornherein schon immer eine epistemologische (Erfahrung), eine soziologische (Mehrzahl von Akteuren)<br />
und eine pragmatische (Zweckbezug) Komponente. Darüber hinaus wird die Seinsorientierung<br />
der klassischen, in der philosophischen Metaphysik verwurzelten Ontologieauffassung durch<br />
die Sprachorientierung des modernen Ontologieverständnisses zumindest ergänzt, wenn nicht gar<br />
verdrängt. 99) Mit dieser Schwerpunktverschiebung von der Seins- zur Sprachorientierung vollzieht<br />
das moderne Ontologieverständnis den „linguistic turn“ nach, der die (sprach-) analytische Philosophie<br />
der letzten Jahrzehnte maßgeblich geprägt hat. 100)<br />
Im Folgenden wird nur noch auf das moderne Ontologieverständnis eingegangen, um es inhaltlich<br />
zu konkretisieren. In der einschlägigen Fachliteratur existieren mehrere unterschiedliche Ontologiedefinitionen.<br />
101) Zwar unterscheiden sich diese Definitionen in zahlreichen Details voneinander, auf<br />
die in der hier gebotenen Kürze nicht näher eingegangen werden kann. Aber es lassen sich zumindest<br />
einige „vorherrschende“ Definitionsmuster identifizieren. Zu ihrer Verdeutlichung werden<br />
nachfolgend einige wenige Ontologiedefinitionen exemplarisch herausgegriffen, um auf dieser<br />
Grundlage das eigene, dem Verbundprojekt KOWIEN zugrunde gelegte Verständnis von Ontologien<br />
zu entfalten.<br />
Ein erstes Ontologieverständnis wird vornehmlich im Information Systems Research vertreten. Aus<br />
dieser Perspektive stellt eine Ontologie eine konzeptuelle Strukturierung von Systemmodellen dar:<br />
„An ontology consists of a set of concepts and their relationships, forming a conceptual structure<br />
that underlies the interpretation of any system model.“ 102) Hierbei bleibt zwar offen, welcher Natur<br />
98) Die spezielle Zwecksetzung im Verbundprojekt KOWIEN betrifft die arbeitsteilige Erfüllung einer gemeinsam übernommenen,<br />
wissensintensiven Aufgabe.<br />
99) Moderne Ontologieverständnisse unterscheiden sich insbesondere hinsichtlich des Gewichts, das der Sprachorientierung zugemessen<br />
wird. Im Folgenden, insbesondere im Kapitel 1.3.1.4 (S. 208 ff.), wird gezeigt werden, dass zahlreiche Autoren auf dem<br />
Gebiet der modernen Ontologieforschung Erkenntnispositionen beziehen, die sich in enger inhaltlicher Nähe zu einem naiven<br />
Realismus befinden. Da die naiv-realistische Erkenntnisposition von der prinzipiellen Erfahrbarkeit des Seins „an sich“ ausgeht,<br />
ist das Ontologieverständnis jener Autoren noch von einer starken Seinsorientierung geprägt. Dagegen vertritt der Verfasser<br />
eine „aufgeklärt“ realistische Erkenntnisposition, die je nach Blickwinkel auch als gemäßigt konstruktivistische oder sprachrelativistische<br />
Erkenntnisposition bezeichnet werden kann (Näheres dazu u.a. im Kapitel 1.3.1.4, S. 209 ff.). Aus dem Blickwinkel<br />
dieser Erkenntnisposition wird die Sprachorientierung des modernen Ontologieverständnisses stärker betont. Dies wird<br />
in den nachfolgenden Ausführungen noch detaillierter herausgearbeitet.<br />
100) Vgl. zum „linguistic turn“, der u.a. auf die sprachanalytischen Arbeiten von WITTGENSTEIN zurückgeführt wird und vor allem<br />
von RORTY in der Wissenschaftsdiskussion verbreitet wurde, LORENZ (2004c) S. 48; LORENZ (2004d) S. 658 f.; LORENZ (2004g)<br />
S. 140.<br />
101) Vgl. POLI (2002) S. 639.<br />
Vgl. zu unterschiedlichen Ontologiedefinitionen (im Rahmen des modernen Ontologieverständnisses) BATEMAN (1992) S. 7;<br />
BENJAMIN ET AL. (1994) S. 2 ff.; DING (2001) S. 378; DITTMANN/PENZEL (2004) S. 458 ff.; ERDMANN (2001) S. 76 ff.; FENSEL<br />
(2001a) S. 1 u. 11; GÓMEZ-PÉREZ (1998) S. 10-4 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-2; GUARINO/GIARETTA (1995); GUA-<br />
RINO (1997a) S. 295 ff. (eine sehr ausführliche Gegenüberstellung gebräuchlicher Ontologiedefinitionen); GUARINO (1998a) S. 4<br />
ff., insbesondere S. 6 f.; GUARINO/GIARETTA (1995) S. 25 ff.; HEYLIGHEN (1995); KLAPSING (2003) S. 61; LU/JIN (2000) S. 41<br />
ff.; MAEDCHE (2002) S. 11 u. 17 f.; MIHOUBI/SIMONET/SIMONET (1998) S. 366 f.; MIZOGUCHI (1994) S. 127; NECHES ET AL.<br />
(1991) S. 40 u. 54; NOY/MCGUINESS (2000) S. 1 u. 3; NOY/HAFNER (1997) S. 53 u. 68; ONTOPRISE (2004a); POLI (2002) S. 640;<br />
SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 1 ff.; SOWA (2000) S. 134, 454 u. 492; STAAB (2002a) S. 200 f.; STUDER ET AL.<br />
(1999) S. 4; STUDER ET AL. (2001) S. 4; TAMMA/BENCH-CAPON (2002) S. 47 f.; USCHOLD (1996c) S. 12 f.; USCHOLD/GRUNIN-<br />
GER (1996) S. 96 f.; VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 191 f.; WIELINGA/SCHREIBER (1994) S. 115.<br />
102) JARKE ET AL. (1997) S. 239 [kursive Hervorhebungen durch den Verfasser]. MYLOPOULOS (1998) S. 136 definiert ähnlich: „an<br />
ontology characterizes some aspects of a class of applications“ [Anmerkung des Verfassers: die “aspects” entsprechen hier den<br />
o.a. “concepts”]. Die vorgenannten Definitionsansätze stammen vor allem aus den Bereichen des Requirements Engineerings<br />
und des Software Engineerings.
1.3.1 Einführung in das Themenfeld „Ontologien“ 143<br />
die modellierten Systeme sind. Jedoch bilden Automatische Informationsverarbeitungssysteme im<br />
Allgemeinen den Fokus dieses ersten Ontologieverständnisses. Im Vordergrund des Definitionsinteresses<br />
steht hier die Systemstrukturierung auf der konzeptuellen Ebene. Was mit der konzeptuellen<br />
Ebene gemeint ist, wird oftmals nicht näher definiert. Stattdessen wird zumeist ein intuitives Vorverständnis<br />
darüber vorausgesetzt, was unter einer konzeptuellen Strukturierung zu verstehen ist.<br />
Darauf wird in Kürze zurückgekommen. Die sprachlichen Ausdrucksmittel, mit denen die konzeptuelle<br />
Strukturierung erfolgt, scheinen aus der Perspektive dieses ersten Ontologieverständnisses<br />
keine Rolle zu spielen. Insbesondere wird es offensichtlich als unbeachtlich empfunden, ob die Systemstrukturierung<br />
mittels natürlicher oder formaler Sprachen geschieht.<br />
Ein zweites Ontologieverständnis stammt vornehmlich aus der KI-Forschung. Aus diesem Blickwinkel<br />
wird eine Ontologie in erster Linie als ein Begriffssystem aufgefasst, das aus einem Vokabular<br />
zulässiger Begriffe und aus Regeln für zulässige Begriffsverknüpfungen besteht: „An ontology<br />
defines the basic terms and relations comprising the vocabulary of a topic area as well as the rules<br />
for combining terms and relations to define extensions to the vocabulary.“ 103) Hier spielen vordergründig<br />
weder Strukturierungs- noch Konzeptualisierungsaspekte eine tragende Rolle. Stattdessen<br />
wird die sprachliche – „begriffliche“ – Struktur der Zugriffsmöglichkeiten auf einen Realitätsausschnitt<br />
(„topic area“) betont. Aus diesem zweiten Definitionsansatz wird die Sprachorientierung des<br />
modernen Ontologieverständnisses unmittelbar deutlich.<br />
Die am weitesten verbreitete Ontologiedefinition stammt von GRUBER 104) . Ihre breite Akzeptanz beruht<br />
vermutlich auf dem Umstand, dass sie wesentliche Aspekte aus den beiden voranstehend angeführten<br />
Ontologieverständnissen – sowohl den Aspekt konzeptueller Strukturierung als auch den<br />
Aspekt von Begriffssystemen – in sich aufnimmt und somit nahezu jeder Ontologieforscher mit dieser<br />
Definition „leben“ kann. Der kognitive Preis dieser inhaltlichen Breite ist, dass GRUBER streng<br />
genommen keine konzise, in sich abgeschlossene Definition von Ontologien leistet, sondern zwei<br />
„unverbundene“ 105) Definitionsansätze präsentiert und diese um eine Hilfsdefinition für Konzeptualisierungen<br />
erweitert: 106)<br />
103) NECHES ET AL. (1991) S. 40 [kursive Hervorhebungen durch den Verfasser]; ähnlich auch auf S. 68.<br />
104) Vgl. GRUBER (1993) S. 199 sowie GRUBER (1995) S. 908. Vgl. zur Berufung auf das Ontologieverständnis von GRUBER beispielsweise<br />
DING (2001) S. 378; FENSEL (2001a) S. 11; METAIS (2002) S. 264 (ohne GRUBER explizit zu nennen); POCSAI (2000)<br />
S. 39 f. u. 77; STUDER ET AL. (1999) S. 4; STUDER/SCHNURR/NIERLICH (2001) S. 10. Auch GUARINO (1997a) S. 295 lehnt sich<br />
zunächst an die Definition von GRUBER an, fährt danach jedoch mit einem anderen Ontologie-, insbesondere Konzeptualisierungsverständnis<br />
als GRUBER fort. Eine besonders intensive – und kritische – Auseinandersetzung mit dem Ontologieverständnis<br />
von GRUBER findet sich in GUARINO/GIARETTA (1995) S. 27 ff.<br />
105) Bei genauerem Hinsehen zeigt sich, dass die beiden Definitionsansätze von GRUBER nur in seinen Texten GRUBER (1993) und<br />
GRUBER (1995) unverbunden nebeneinander stehen, aber inhaltlich durchaus miteinander zusammenhängen. Denn der erste Definitionsaspekt,<br />
Ontologien maßgeblich als Begriffssysteme („representational vocabulary“) aufzufassen, lässt sich auf instrumentelle<br />
Weise mit dem zweiten Definitionsaspekt konzeptueller Strukturierung („specification of a conceptualization“) zusammenführen:<br />
Begriffssysteme dienen als Instrumente zur konzeptuellen Strukturierung von Realitätsausschnitten. Diese instrumentelle<br />
Perspektive wird später anhand der Metapher des „Wortens der Welt“ vertieft. Aufgrund dieser Zusammenführungsmöglichkeit<br />
wäre es unfair, GRUBER vorzuhalten, er habe zwei verschiedene, miteinander unverträgliche Definitionsansätze<br />
für Ontologien vorgelegt (dies hat der Verfasser oben so auch nicht geäußert). Stattdessen irritiert es nur erheblich, dass<br />
GRUBER den inhaltlichen Zusammenhang seiner beiden Definitionsansätze nicht benutzt hat, um daraus von vornherein eine<br />
Definition für Ontologien zu gewinnen, welche die beiden o.a. Aspekte umfasst.<br />
106) Dem Verfasser mutet es erstaunlich an, dass eine „handwerklich“ derart „schludrige“ Ontologiedefinition so weite Verbreitung<br />
finden konnte. Offensichtlich findet das Ringen um konzise Definitionen in der Ontologieforschung keine große Anhängerschaft.<br />
Von dieser Kritik ausgenommen sind ausdrücklich einzelne Autoren, wie z.B. GUARINO, der sich in zahlreichen und<br />
tiefgründigen Beiträgen um eine inhaltliche Schärfung des Ontologieverständnisses verdient gemacht hat. Vgl. dazu die Quel-
144 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
• Zunächst rückt GRUBER den Aspekt von Begriffssystemen und damit die Sprachorientierung<br />
des modernen Ontologieverständnisses in den Vordergrund: „A specification of a representational<br />
vocabulary for a shared domain of discourse ... is called an ontology.“ 107) Hierbei lässt<br />
GRUBER bereits die pragmatische, die epistemologische und die soziologische Komponente von<br />
Ontologien anklingen: Die Begriffe aus dem Vokabular einer Ontologie werden zu dem Zweck<br />
benutzt, Sachverhalte aus einem erfahrbaren Realitätsausschnitt („domain of discourse“, Domäne)<br />
108) zu repräsentieren („representational vocabulary“). 109) Zusätzlich werden implizit mehrere<br />
Akteure unterstellt, weil ein Diskurs über einen Realitätsausschnitt eine Kommunikation<br />
zwischen mehreren Akteuren präsupponiert. Darüber hinaus wird explizit vorausgesetzt, dass<br />
die mehreren Akteure den Gegenstandsbereich ihrer Kommunikation teilen („shared domain of<br />
discourse“), also hinsichtlich des jeweils betrachteten Realitätsausschnitts übereinstimmen. 110)<br />
• Danach betont GRUBER den Aspekt konzeptueller Strukturierung: „An ontology is an explicit<br />
specification of a conceptualization.“ 111) Inhaltlich konkretisierend fügt er hinzu: „A conceptualization<br />
is an abstract, simplified view of the world that we wish to represent for some purpose.“<br />
112) In der Konzeptualisierungsdefinition klingen abermals die epistemologische und die<br />
pragmatische Komponente von Ontologien an: Es geht um Realitätserfahrungen („view of the<br />
world“), die mit Hilfe einer Konzeptualisierung so strukturiert und repräsentiert werden, dass<br />
einem vorgegebenen Zweck („some purpose“) möglichst gut entsprochen wird.<br />
Als einzige Definitionskomponente bleibt inhaltlich völlig unbestimmt, was GRUBER unter einer<br />
Spezifikation versteht, auf die er sich gleich zweimal bezieht („specification of a representational<br />
vocabulary“ und „specification of a conceptualization“). Da dieser Aspekt nach Kenntnis des Verfassers<br />
im Kontext von Ontologien niemals problematisiert wird, lässt sich eine Spezifikation im<br />
umgangssprachlichen Begriffsverständnis schlicht als eine Festlegung von etwas auffassen. Hinzu<br />
kommt, dass GRUBER zumindest im zweiten Fall, der sich auf eine Konzeptualisierung bezieht, keine<br />
beliebige Art der Spezifikation zulässt, sondern ausdrücklich eine explizite Spezifikation for-<br />
lenhinweise zu Ontologiedefinitionen in der voranstehenden Fußnote 101. Aufgrund der Unzufriedenheit mit der (zweifachen)<br />
Ontologiedefinition von GRUBER wurde im Verbundprojekt KOWIEN eine eigenständige Ontologiedefinition entwickelt, die in<br />
diesem Kapitel vorgestellt und im anschließenden Kapitel 1.3.2 (S. 229 ff.) formalsprachlich präzisiert wird. Allerdings wird im<br />
Folgenden GRUBERS Ontologiedefinition bewusst als Ausgangspunkt der Argumentation gewählt, um die Anschlussfähigkeit<br />
zur etablierten Ontologieforschung zu wahren, die sich mehrheitlich auf das Ontologieverständnis von GRUBER beruft. Die im<br />
laufenden Text verwendeten Paraphrasierungen von GRUBERS Ontologieverständnis bemühen sich darum, diejenigen Definitions-<br />
und Erläuterungsaspekte aus der Originalschrift GRUBER (1993) „auf den Punkt zu bringen“, die vom Verfasser als wesentlich<br />
empfunden werden. Er ist sich der Subjektivität und Angreifbarkeit eines solchen Wesentlichkeitsurteils bewusst. Allerdings<br />
lässt sich auf ähnliche Interpretationen des Ontologieverständnisses von GRUBER verweisen; vgl. z.B. STUDER ET AL.<br />
(1999) S. 4.<br />
107) GRUBER (1993) S. 199 [kursive Hervorhebungen durch den Verfasser].<br />
108) Für den Realitätsausschnitt, der mittels einer Ontologie konzeptualisiert wird, existieren zahlreiche Bezeichnungen: „Domäne“,<br />
„domain of discourse“, „universe of discourse“, „Gegenstandsbereich“ usw. In diesem Werk werden alle diese Bezeichnungen<br />
synonym verwendet.<br />
109) Vgl. auch STUDER ET AL. (1999) S. 4 (“An ontology provides a vocabulary of terms and relations with which a domain can be<br />
modeled.”).<br />
110) Vgl. auch STUDER ET AL. (1999) S. 4 (“ ‘Shared’ reflects the notion that an ontology captures consensual knowledge, that is, it is<br />
not private to some individual, but accepted by a group.”).<br />
111) GRUBER (1993) S. 199 und GRUBER (1995) S. 908 [kursive Hervorhebungen in beiden Originalen hier unterlassen; stattdessen<br />
hier eine abweichende kursive Hervorhebung durch den Verfasser].<br />
112) GRUBER (1993) S. 199; GRUBER (1995) S. 908.
1.3.1 Einführung in das Themenfeld „Ontologien“ 145<br />
dert. 113) Anschauungsbeispiele für solche expliziten Spezifikationen (Festlegungen) sind aus betriebswirtschaftlicher<br />
Perspektive Lasten- oder Pflichtenhefte für vereinbarte Leistungen. Aus der<br />
Perspektive der Wirtschaftsinformatik lassen sich darunter z.B. Systemspezifikationen vorstellen,<br />
die im Rahmen des Requirements Engineerings erstellt werden.<br />
Ein weiterer Aspekt des Ontologieverständnisses bleibt bei GRUBER im Dunkeln. Er betrifft die<br />
Frage, ob die Spezifikationen – einerseits des Vokabulars aus Repräsentationsbegriffen und andererseits<br />
der Konzeptualisierung eines Realitätsausschnitts – in einer beliebigen Sprache verfasst sein<br />
können oder ob sie auf formale Sprachen eingeschränkt sind. In den o.a. Definitionen legt sich<br />
GRUBER hinsichtlich der Natürlich- oder Formalsprachlichkeit von Spezifikationen nicht fest. An<br />
anderen Stellen lässt er jedoch eine Tendenz erkennen, Ontologien formalsprachlich auszulegen. 114)<br />
Diese Tendenz wird vom Verfasser aufgegriffen und im Sinne eines speziellen Ontologieverständnisses<br />
„radikalisiert“: 115) Demzufolge werden Ontologien stets als formalsprachliche Artefakte aufgefasst.<br />
116) Die „Sinnhaftigkeit“ dieser formalsprachlichen Spezialisierung wird im weiteren Argumentationsverlauf<br />
verdeutlicht werden. 117) Sie stimmt auch mit der Kodifizierungsstrategie des<br />
Wissensmanagements überein, die an früherer Stelle für das Verbundprojekt KOWIEN zugrunde<br />
gelegt wurde. 118)<br />
Die voranstehende „Exegese“ zum Ontologieverständnis von GRUBER lässt sich zu folgender Arbeitsdefinition<br />
für Ontologien zusammenfassen: Eine Ontologie ist die explizite und formalsprachliche<br />
Spezifikation einer Konzeptualisierung von Phänomenen in einem Realitätsausschnitt, die von<br />
mehreren Akteuren zur Erfüllung ihrer Zwecke gemeinsam verwendet wird. 119) Allerdings zeigt<br />
sich bei näherem Hinsehen, dass die Ontologiedefinition im Anschluss an GRUBER eine Reihe von<br />
113) Vgl. ebenso STUDER ET AL. (1999) S. 4. Implizite Spezifikationen werden durch die Explizitheitsanforderung ausdrücklich ausgeschlossen.<br />
Solche impliziten Spezifikationen kommen z.B. im konventionellen Theorienverständnis vor, wenn dort die Bedeutung<br />
theoretischer Begriffe durch die Gesamtheit aller Axiome „implizit“ festgelegt wird, die in einer Theorie erfüllt sein<br />
sollen und deren Argumente sich u.a. auf die theoretischen Begriffe erstrecken.<br />
114) Vgl. GRUBER (1993) S. 199 („formal axioms“); GRUBER (1995) S. 908 („formal axioms“ und “Formally, an ontology is the<br />
statement of a logical theory.”).<br />
115) Es handelt sich um ein spezielles Ontologieverständnis, weil es durchaus andere, mit GRUBERS Auffassung verträgliche Ontologieverständnisse<br />
gibt, die ausdrücklich auf eine formalsprachliche Verfassung von Ontologien verzichten. Besonders deutlich<br />
wird dies bei USCHOLD ET AL. (1998) S. 35 ff. Dort wird ausdrücklich zunächst von einer informalen, natürlichsprachlich verfassten<br />
Ontologie ausgegangen. Vgl. auch USCHOLD/GRUNINGER (1996) S. 97 u. 109.<br />
116) Gleicher Ansicht sind z.B. STUDER ET AL. (1999) S. 4: „An ontology is a formal, explicit specification of a shared conceptualization.<br />
... ‘Formal’ refers to the fact that the ontology should be machine readable, which excludes natural language. “ [kursive<br />
Hervorhebung hier abweichend vom Original]. Ähnlich findet sich die explizite Ergänzung des Attributs „formal“ bei FENSEL<br />
(2001a) S. 11; METAIS (2002) S. 264; STUDER/BENJAMINS/FENSEL (1998) S. 184; STUDER ET AL. (2001) S. 4; TAMMA/BENCH-<br />
CAPON (2002) S. 43; VASCONCELOS/KI<strong>MB</strong>LE/GOUVEIA (2000) S. 4.<br />
117) Für die Einschränkung von Ontologien auf formalsprachliche Spezifikationen spricht, dass sich auf diese Weise zwischen natürlichsprachlichen<br />
Konzeptualisierungen und formalsprachlichen Ontologien präzise unterscheiden lässt. Darauf wird im Kapitel<br />
1.3.1.3 ausführlicher zurückgekommen (S. 205).<br />
118) Im Verbundprojekt KOWIEN steht die Automatisierungs- oder Kodifizierungsstrategie des Wissensmanagements im Vordergrund<br />
(vgl. Kapitel 1.1.1, S. 34 ff., insbesondere S. 38 f.). Daher interessieren in diesem Argumentationskontext nur Ontologien,<br />
die sich in computerbasierten Wissensmanagementsystemen nutzen lassen. Da Computer nur auf formalsprachlicher Basis<br />
operieren können, liegt es nahe, ausschließlich formalsprachlich verfasste Ontologien näher zu betrachten. Im Kapitel 1.3.2 (S.<br />
229 ff.) wird dieses dezidiert formalsprachliche, „computergerechte“ Ontologieverständnis weiter vertieft, indem eine detaillierte<br />
formale Definition von Ontologien entwickelt wird.<br />
119) Diese Arbeitsdefinition ähnelt z.B. dem Ontologieverständnis von STUDER ET AL. (1999) S. 4: „An ontology is a formal, explicit<br />
specification of a shared conceptualization.”
146 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Problemen aufwirft, die in der hier gebotenen Kürze nur skizziert, aber nicht erschöpfend gelöst<br />
werden können. 120)<br />
Über die erkenntnisunabhängige – rein „ontologische“ – Beschaffenheit der Realität und der Phänomene<br />
in dieser Realität verleiht das moderne Ontologieverständnis im Sinne der oben vorgestellten<br />
Definitionsvarianten keinerlei Aufschluss. Aus der Perspektive der philosophischen Ontologietradition<br />
könnte daher – überspitzt – von einer prä- oder sogar anti-ontologischen Grundeinstellung<br />
die Rede sein. Denn das moderne Ontologieverständnis von KI-Forschung und Wirtschaftsinformatik<br />
präsupponiert eine Verquickung von ontologischer und epistemologischer Perspektive. Der epistemologisch<br />
„naive“ Standpunkt einer Erfahrbarkeit von Realität „an sich“ – unabhängig von Verzerrungen<br />
durch Erkenntnisleistungen eines Subjekts 121) – gilt als überwunden. Stattdessen wird davon<br />
ausgegangen, dass Realitätsausschnitte und die darin verorteten Phänomene nur als Resultate<br />
von aktiven Erkenntnisleistungen wahrgenommen werden können, die vom erkennenden Subjekt<br />
zur Erfüllung der von ihm verfolgten Zwecke vollbracht werden. Aufgrund dieses Einflusses subjektabhängiger<br />
Erkenntnisleistungen vermögen Ontologien niemals Phänomene der Realität „an<br />
sich“ erfassen, sondern nur Phänomene, wie sie sich „für“ ein erkennendes Subjekt bieten können.<br />
Daher besitzen Ontologien immer eine epistemologische Komponente, die sich auf die Bedingungen<br />
der Möglichkeit von Realitätserfahrungen erstreckt.<br />
Für den subjekt- und zweckabhängigen Rahmen, innerhalb dessen sich konkrete Erfahrungen von<br />
Realitätsausschnitten und ihren Phänomen abspielen können, hat sich sowohl in der aktuellen Ontologiediskussion<br />
als auch in der bereits etablierten Modellierungstheorie die Bezeichnung „Konzeptualisierung“<br />
herausgebildet. Unter einer Konzeptualisierung wird eine abstrakte und vereinfachte<br />
Sichtweise auf Phänomene eines Realitätsausschnitts verstanden, die für Subjekte zur Erfüllung der<br />
von ihnen verfolgten Zwecke von Interesse ist. 122) Die Zwecke der involvierten Subjekte bestimmen,<br />
welche Aspekte der wahrgenommenen oder vorgestellten Phänomene für die Subjekte relevant<br />
sind. Konzeptualisierung bedeutet daher immer zweck- und subjektabhängige Auszeichnung<br />
relevanter Realitätsaspekte.<br />
120) Einige der Probleme werden später im Kapitel 1.3.1.4 (S. 208 ff.) aus erkenntnistheoretischer Perspektive vertieft.<br />
121) Die Bezeichnungen „Subjekt” und „Akteur” werden hier synonym verwendet. Die Bezeichnung „Akteur” wird im Kontext von<br />
Aufgaben und Handlungen bevorzugt, um die Assoziation von Aktivitäten zu stimulieren. Dagegen wird hier im Zusammenhang<br />
mit dem erkennenden Zugriff auf Realitätsausschnitte die Bezeichnung “Subjekt” in den Vordergrund gestellt, um hervorzuheben,<br />
dass die Phänomene im Realitätsausschnitt nicht „an sich“ und somit „objektiv“ erkannt werden, sondern gedanklichsprachlichen<br />
Vorstrukturierungen durch das erkennende Subjekt unterliegen. Darüber hinaus kontrastiert die Bezeichnung<br />
„Subjekt” bewusst zu den Phänomenen im Realitätsausschnitt als Objekten der Erkenntnis.<br />
122) Vgl. GRUBER (1993) S. 199 und GRUBER (1995) S. 908 („A conceptualization is an abstract, simplified view of the world that<br />
we wish to represent for some purpose.“); PETKOFF (o.J.) S. 4; STUDER ET AL. (1999) S. 4 (“A ‚conceptualization’ refers to an<br />
abstract model of some phenomenon in the world by identifying the relevant concepts of that phenomenon.”).
1.3.1 Einführung in das Themenfeld „Ontologien“ 147<br />
Das Ergebnis eines Konzeptualisierungsprozesses stellen Konzepte dar. Ein Konzept 123) wird hier<br />
als generalisierte („generische“), d.h. nicht einzelfallspezifische Denkeinheit aufgefasst. 124) Sie dient<br />
dazu, gleichartige Erfahrungsobjekte aus einem Realitätsausschnitt im Denken zu einer Einheit zusammenzufassen.<br />
Dadurch werden realweltliche Wahrnehmungen und Vorstellungen, die einem<br />
Subjekt als Realitätserfahrungen grundsätzlich möglich sind, durch dessen Denken vorstrukturiert.<br />
125) Je nach den verfolgten Zwecken und den kognitiven Vorprägungen eines Subjekts kann<br />
diese Vorstrukturierung möglicher Realitätserfahrungen durch Konzepte unterschiedlich ausfallen.<br />
Konzeptualisierungen gehen daher immer mit Erkenntnis prägenden („epistemologischen“) Vorstrukturierungen<br />
möglicher Realitätserfahrungen einher. 126)<br />
Konzepte stellen die „basalen“ Elemente von Ontologien dar. Dies wird im ersten Ontologieverständnis<br />
reflektiert, das auf die konzeptuelle Strukturierung möglicher Realitätserfahrungen durch<br />
Ontologien abhebt. Hinsichtlich jedes Konzepts muss zumindest zwischen drei Dimensionen unterschieden<br />
werden:<br />
• Der Bezeichner 127) eines Konzepts ist der Konzeptname, unter dem ein Konzept als Denkinhalt<br />
angesprochen („artikuliert“) werden kann.<br />
• Der Inhalt eines Konzepts (Konzeptinhalt, Konzeptintension) ist die Gesamtheit aller Merkmale,<br />
die ein Konzept als Denkeinheit auszeichnen.<br />
• Der Umfang eines Konzepts (Konzeptumfang, Konzeptextension, Referenz) ist die Gesamtheit<br />
aller gleichartigen Erfahrungsobjekte aus einem Realitätsausschnitt, die im Denken zu einer<br />
Einheit zusammengefasst sind.<br />
123) Vgl. zum Konzeptbegriff BUDIN (1996) S. 43; COCCHIARELLA (1996) S. 28 („Concepts are what underlie predication in thought<br />
and language ...“); LÖBNER (2003) S. 257; SOWA (1984) S. 39; TAUTZ/GRESSE VON WANGENHEIM (1999) S. 63 ff. Das hier vertretene<br />
Konzeptverständnis im Sinne von Denkeinheiten wird später aus der Perspektive der so genannten mentalen Konzepte<br />
wieder aufgegriffen.<br />
124) Vgl. zur Charakterisierung von Konzepten als „Denkeinheiten“ BUNGE (1998) S. 51 („unit of thought“) mit einer umfangreichen<br />
Analyse des Konzeptbegriffs auf S. 51 ff., 64 ff. u. 99 ff.; KIRYAKOV/SIMOV/DIMITROV (2001) S. 49 („cognitively autonomous<br />
semantic phenomena“); POCSAI (2000) S. 85; TAUTZ/GRESSE VON WANGENHEIM (1999) S. 63 („an epistemic primitive“).<br />
125) Die Bezeichnung „Vorstrukturierung“ soll zum Ausdruck bringen, dass die Konzeptualisierung eines Realitätsausschnitts und<br />
seiner Phänomene erfolgt, bevor auf ihn bzw. sie von einem Subjekt zur Erfüllung eines Zwecks konkret zugegriffen wird. Diese<br />
Präzedenzbeziehung besitzt allerdings nur eine „(erkenntnis)logische“, aber nicht notwendig eine zeitliche Qualität. Denn<br />
oftmals wird auf Realitätsausschnitte erkennend zugegriffen, ohne vorher die betroffenen Ausschnitte bewusst konzeptualisiert<br />
zu haben („lebensweltlicher“ Erkenntniszusammenhang). Mittels einer zeitlich nachfolgenden Rekonstruktion lassen sich dann<br />
aber jene „lebensweltlichen“ und unbewusst benutzten Konzeptualisierungen explizieren, die dem zeitlich vorangehenden Realitätszugriff<br />
bereits implizit zugrunde lagen.<br />
126) Der Erkenntnisbegriff ist grundsätzlich weiter gefasst als der Erfahrungsbegriff. Denn Erfahrung erstreckt sich stets auf Aspekte<br />
(Phänomene) einer wahrgenommenen oder vorgestellten Realität, die außerhalb des Denkens liegt. Dies ist die typische Betrachtungsweise<br />
für alle Realwissenschaften. Erkenntnis umschließt zwar Erfahrung im vorgenannten Sinne, erstreckt sich aber<br />
darüber hinaus auch auf Aspekte (Denkinhalte), die nur innerhalb des Denkens eine Rolle spielen. Dazu gehören z.B. Aspekte<br />
wie Abstrahierung, Idealisierung, Systematisierung und Widerspruchsfreiheit. Solche Denkinhalte ohne Pendants in der Realität<br />
sind nicht nur für Formal- und Strukturwissenschaften typisch, sondern finden auch in den Realwissenschaften Verwendung.<br />
Beispielsweise wird in der Realwissenschaft „Betriebswirtschaftslehre“ zwischen Erfahrungs- und Erkenntnisobjekten deutlich<br />
differenziert; vgl. ZELEWSKI (1999b) S. 13 ff. u. 20 ff. Im hier relevanten Kontext von Ontologien wird der Übersichtlichkeit<br />
halber von solchen Differenzierungen abgesehen, so dass – vereinfachend – in einem Atemzug von „Erkenntnis“ (mit Bezug<br />
auf die Epistemologie) und „Erfahrung“ (mit Bezug auf reale Phänomene) geredet werden kann.<br />
127) In diesem Werk werden die Redeweisen „Bezeichner“ oder „Bezeichnung“ unterschiedslos verwendet.
148 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Problematisch ist, dass ein Konzept als solches, d.h. als Einheit des Denkens, gar nicht explizit angesprochen<br />
werden kann, sondern nur mit seinem Bezeichner. In einer Ontologie, in der Konzepte<br />
zur expliziten Spezifikation einer Konzeptualisierung von Phänomenen in einem Realitätsausschnitt<br />
verwendet werden (sollen), lassen sich die involvierten Konzepte daher gar nicht explizieren, sondern<br />
es ist nur möglich, die jeweils gemeinten Konzepte mit ihren Bezeichnern explizit zu adressieren.<br />
Da es in den meisten Argumentationskontexten zu erheblichen sprachlichen Komplikationen<br />
führen würde, zwischen den „eigentlich gemeinten“ Konzepten einerseits und ihren Bezeichnern<br />
andererseits zu unterscheiden, ist es allgemein üblich, die Bezeichner von Konzepten der Einfachheit<br />
halber auch als Konzepte anzusprechen. 128)<br />
Gemäß dem „linguistic turn“ der Erkenntnistheorie, der bereits an früherer Stelle hervorgehoben<br />
wurde, sind Denken und Sprache untrennbar miteinander verwoben: Kein Denken ist außerhalb jeder<br />
Sprache möglich; jede Sprache ist von charakteristischen Denkmustern geprägt. Wegen der<br />
Unmöglichkeit „sprachlosen Denkens“ korrespondiert mit jedem Konzept als Denkeinheit eine<br />
sprachliche Einheit. Bei den sprachlichen Einheiten, die mit Konzepten als Denkeinheiten korrespondieren,<br />
handelt es sich um Begriffe 129) . Daher ist es aus der Perspektive der Sprachorientierung<br />
128) Beispielsweise müsste streng genommen zwischen dem Konzept „Unternehmen“ im Sinne einer Institution, die knappe Güter<br />
zur Deckung von Fremdbedarf herstellt (als exemplarische Definition des Inhalts der Denkeinheit „Unternehmen“), und dem<br />
Bezeichner „Unternehmen“ als Konzeptnamen unterschieden werden. Die Unterschiedlichkeit zwischen dem Konzept „Unternehmen“<br />
und dem Bezeichner „Unternehmen“ für dieses Konzept wird aber in der Rede über „Unternehmen“ in keiner Weise<br />
ersichtlich. Die Differenzierung zwischen einem Konzept und seinem Bezeichner wird erst dann offensichtlich, wenn für dasselbe<br />
Konzept („Unternehmen“) mehrere, zueinander synonyme Bezeichner verwendet werden (z.B. „Unternehmen“, Betrieb“,<br />
„Organisation“). Um diese Differenzierung zu verdeutlichen, müsste es möglich sein, dasselbe Wort einmal als Konzept und<br />
ein andermal als Bezeichner für ein Konzept zu kennzeichnen. Diese Kennzeichnungsmöglichkeit schaffen z.B. unterschiedliche<br />
Formatierungen für die Schreibweise eines Worts. Wenn z.B. die Formatierung „KAPITÄLCHEN“ für Konzepte und die Formatierung<br />
„Kursivdruck“ für Konzeptnamen gewählt werden, lässt sich übersichtlich zwischen dem Konzept UNTERNEHMEN<br />
und dem Bezeichner Unternehmen (oder Betrieb oder Organisation) für das Konzept UNTERNEHMEN unterscheiden. In dem hier<br />
vorgelegten Werk wurde auf diese Unterscheidungsmöglichkeit jedoch verzichtet, weil die Formatierungen bereits für andere<br />
Zwecke („Kapitälchen“ für Autorennamen und „Kursivdruck“ für Hervorhebungen) reserviert waren.<br />
Später, wenn es im Kapitel 1.3.2 (S. 229 ff.) um eine Präzisierung des Ontologieverständnisses geht, wird der Deutlichkeit halber<br />
auch von sprachlichen Konzepten geredet (vgl. S. 233 f.). Sprachliche Konzepte sind die Bezeichner für Konzepte im Sinne<br />
von Denkeinheiten (mentale Konzepte) in einer bestimmten, im Argumentationskontext jeweils explizit thematisierten (Bezeichner-)<br />
Sprache.<br />
129) Unter einem Begriff wird hier die kleinste bedeutungstragende sprachliche Einheit verstanden. Die Begriffsbedeutung kann sowohl<br />
intensional (über die begriffskonstituierenden Merkmale) als auch extensional (über die Entitäten in einer außersprachlichen<br />
Realität, die einen Begriff erfüllen) definiert werden. Sprachliche Einheiten „unterhalb“ eines Begriffs sind z.B. Buchstaben<br />
eines Alphabets, die zwar sprachlich definiert sind, denen aber „an sich“ – d.h. ohne ihre Kombination zur Bezeichnung eines<br />
Begriffs – keine Bedeutung zugeordnet ist. Sprachliche Einheiten „oberhalb“ eines Begriffs sind z.B. Aussagen. Sie tragen<br />
zwar Bedeutungen im Sinne von Wahrheitswerten; aber es handelt sich nicht mehr um kleinste bedeutungstragende sprachliche<br />
Einheiten, weil sie aus mehreren Begriffen als ihrerseits bedeutungstragenden sprachlichen Einheiten zusammengesetzt sind.<br />
Streng genommen kommt nicht jeder Begriff als sprachliches Pendant zu einem Konzept in Betracht. Denn Konzepte wurden<br />
als generalisierte („generische“) Denkeinheiten definiert, unter denen gleichartige Erfahrungsobjekte aus einem Realitätsausschnitt<br />
im Denken zu einer Einheit zusammengefasst werden. Einem Konzept kann daher nur ein Gattungsbegriff entsprechen,<br />
der sich auf gleichartige Erfahrungsobjekte (Entitäten, Individuen) erstreckt. Dagegen können Individualbegriffe niemals Pendants<br />
von Konzepten darstellen, weil sie in ihrer Extension per definitionem nur genau ein – und somit „einzigartiges“ – Erfahrungsobjekt<br />
umgreifen. Dazu gehören z.B. Individualbegriffe wie „Gott“ (im Sinne einer monotheistischen Religion), „Wirklichkeit“<br />
(im Sinne der Totalität aller denkmöglichen Realitätserfahrungen) und auch alle „singulären“ Entitäten, die über Individuennamen<br />
(„Eigennamen“) referenziert werden.
1.3.1 Einführung in das Themenfeld „Ontologien“ 149<br />
des modernen Ontologieverständnisses ebenso möglich, Begriffe als die „basalen“ Elemente von<br />
Ontologien aufzufassen. 130) Aus dieser Perspektive lässt sich die konzeptuelle Vorstrukturierung<br />
möglicher Realitätserfahrungen in Ontologien ebenso als eine begriffliche Vorstrukturierung möglicher<br />
Realitätserfahrungen auffassen.<br />
Die Gesamtheit aller repräsentationalen Begriffe (oder Konzepte), mit denen das Universum möglicher<br />
Realitätserfahrungen in einer Ontologie vorstrukturiert wird, wird in Abhandlungen über Ontologien<br />
unter verschiedenen Bezeichnungen thematisiert: 131) als Vokabular 132) , als Thesaurus, als<br />
Terminologie, als Data Dictionary, als Data Repository oder auch als repräsentationaler Termvorrat<br />
133) . Des Öfteren wird das Vokabular, das alle Repräsentationsbegriffe zur Beschreibung realer<br />
Phänomene bereitstellt, als der zentrale Bestandteil einer Ontologie herausgestellt. 134) In seltenen<br />
Fällen werden Ontologien sogar mit solchen repräsentationalen Vokabularien gleichgesetzt. Es liegt<br />
dann ein „reduziertes“, rein terminologisches Ontologieverständnis vor.<br />
Im Folgenden wird zwischen Konzepten und Begriffen als „basalen“ Elementen einer Ontologie<br />
nicht mehr ausdrücklich unterschieden. Stattdessen werden beide Ausdrucksweisen parallel 135) verwendet.<br />
Von Konzepten wird vorzugsweise aus epistemologischem Blickwinkel geredet, wenn<br />
Denkinhalte gemeint sind. Dagegen wird die Bezugnahme auf Begriffe bevorzugt, wenn Ontologien<br />
aus der sprachanalytischen Perspektive thematisiert werden. 136) Darüber hinaus wird im Kontext<br />
von Ontologien noch eine dritte Ausdrucksweise gepflegt: Anstelle von Konzepten oder Begriffen<br />
Darüber hinaus spielen im Kontext von Ontologien nur Repräsentationsbegriffe eine Rolle; vgl. dazu die o.a. Ontologiedefinition<br />
von GRUBER (1993) S. 199 („representational vocabulary“). Es geht also immer nur um (Gattungs-) Begriffe, deren Extensionen<br />
auf außersprachliche Entitäten verweisen, die in einem Realitätsausschnitt wahrgenommen oder vorgestellt werden. Nichtrepräsentationale<br />
Begriffe gehören dagegen nicht zum Vokabular einer Ontologie und können daher auch nicht den Konzepten<br />
aus einer Ontologie entsprechen. Beispielsweise bezieht sich der (zusammengesetzte) Begriff „Modell einer Theorie“ auf keine<br />
außersprachliche Entität. Er ist nur innerhalb einer Sprache definiert, in der sich Theorien als sprachliche Artefakte darstellen<br />
lassen.<br />
130) Entsprechend zu den o.a. drei Dimensionen von Konzepten als Denkeinheiten lassen sich drei Begriffsdimensionen unterscheiden:<br />
Der Bezeichner eines Begriffs ist der Begriffsname, unter dem ein Begriff angesprochen („artikuliert“) werden kann. Der<br />
Inhalt eines Begriffs (Begriffsinhalt, Begriffsintension) ist die Gesamtheit aller Merkmale, die einen Begriff inhaltlich definieren<br />
(konstitutive oder substanzielle Merkmale). Der Umfang eines Begriffs (Begriffsumfang, Begriffsextension, Referenz) ist<br />
die Gesamtheit aller gleichartigen Erfahrungsobjekte aus einem Realitätsausschnitt, die unter einen Begriff fallen.<br />
131) Diese Bezeichnungen für die Begriffssammlung einer Ontologie werden hier als Synonyme behandelt.<br />
132) Vgl. GRUBER (1993) S. 199; GRUBER (1995) S. 909.<br />
133) Vgl. GRUBER (1993) S. 199.<br />
134) Vgl. GRUBER (1993) S. 199 (dort sogar „vocabulary“ im Original kursiv hervorgehoben); GRUBER (1995) S. 909; NOY/MC-<br />
GUINESS (2000) S. 1; PETKOFF (o.J.) S. 5.<br />
135) Es liegt jedoch keine Synonymie zwischen beiden Ausdrucksweisen vor. Denn Konzepte stimmen nur mit repräsentationalen<br />
Gattungsbegriffen überein. Weder Individualbegriffe noch nicht-repräsentationale Begriffe kommen als Konzepte in Betracht.<br />
Außerdem erstreckt sich die Synonymie-Relation streng genommen nur zwischen Bezeichnern (für Konzepte oder Begriffe),<br />
nicht aber zwischen Konzepten und Begriffen selbst.<br />
136) Wenn beide Aspekte – sowohl der epistemologische Blickwinkel als auch die sprachanalytische Perspektive – zur Geltung gelangen<br />
sollen, ist auch von begrifflichen Konzepten die Rede.
150 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
wird des Öfteren auch von Klassen gesprochen. 137) Klassen sind Zusammenfassungen gleichartiger<br />
Objekte – so genannter „Instanzen“ – zu einer Gestaltungs- oder Implementierungseinheit. Diese<br />
Ausdrucksweise stammt aus dem Umfeld des objektorientierten Gestaltungsansatzes für Automatische<br />
Informationsverarbeitungssysteme. Sie wird vor allem dann bevorzugt, wenn Ontologien erörtert<br />
werden, die in computerbasierten Wissensmanagementsystemen „objektorientiert“ implementiert<br />
sind oder implementiert werden sollen. In Anlehnung an diese objektorientierte Gestaltung von<br />
Ontologien werden die einzelnen Erfahrungsobjekte, Entitäten oder Individuen, die zu einem Konzept<br />
als Denkeinheit zusammengefasst sind oder unter einen Begriff fallen, fortan auch als Instanzen<br />
bezeichnet.<br />
Das besondere Interesse, das die (Kern-) Informatik – einschließlich der (V)KI-Forschung – und die<br />
Wirtschaftsinformatik an Ontologien hegen, beruht nach Einschätzung des Verfassers unter anderem<br />
138) auf der charakteristischen Anforderung, die Konzeptualisierungen möglicher Realitätserfahrungen<br />
sollten nicht nur „irgendwie“ sprachlich verfasst, womöglich sogar in unserer Alltagssprache<br />
implizit verborgen sein. Vielmehr beruhen Ontologien im hier vertretenen Ontologieverständnis<br />
auf dem doppelten Postulat, die Konzeptualisierungen möglicher Realitätserfahrungen sollten sowohl<br />
auf explizite als auch auf formalsprachliche Weise spezifiziert werden.<br />
Das Explizierungspostulat stellt bereits eine große Herausforderung an die Konstruktion von Ontologien<br />
dar. Denn in den Geistes- und Kulturwissenschaften ist es zumeist nur üblich, „wesentliche“<br />
Begriffe explizit einzuführen. Aufgrund des gemeinsam geteilten, natürlichsprachlichen Vorverständnisses<br />
aller übrigen Begrifflichkeiten wird eine vollständige Rekonstruktion der benutzten begrifflichen<br />
Konzepte im Allgemeinen nicht erwartet – geschweige denn tatsächlich geleistet. Für die<br />
Artefakte der KI-Forschung und der Wirtschaftsinformatik, wie etwa Wissensbasierte Systeme und<br />
Multi-Agenten-Systeme, kann ein solches begriffliches Vorverständnis jedoch (zumindest derzeit)<br />
nicht vorausgesetzt werden. Ganz im Gegenteil haben sich erste Versuche, die zahlreichen Präsuppositionen<br />
natürlichsprachlicher Vorverständnisse zu explizieren, um sie dem Zugriff Wissensbasierter<br />
Systeme zugänglich zu machen, als überaus schwierig herausgestellt.<br />
137) Wenn in einem Argumentationskontext von sprachanalytischen Feinheiten abgesehen werden kann, lassen sich Klassen mit<br />
Konzepten und Begriffen sowie Instanzen mit Erfahrungsobjekten (Entitäten, Individuen) gleichsetzen. Allerdings ist dabei zu<br />
beachten, dass Klassen aus sprachanalytischer Perspektive mit Konzepten und Begriffen nicht exakt übereinstimmen. Denn<br />
Klassen sind im Allgemeinen nur extensional definiert: Sie besitzen jeweils einen Bezeichner (den Klassennamen) und eine Extension<br />
(die Menge aller in einer Klasse zusammengefassten Instanzen). Dagegen ist es nicht üblich, die Bedeutung einer Klasse<br />
über konstitutive Merkmale o.ä. intensional zu definieren. Stattdessen erschöpft sich die Bedeutung einer Klasse in ihrer Extension.<br />
Dies ist auch nicht verwunderlich, sofern Klassen (und Instanzen) im Zusammenhang mit computerbasierten Wissensmanagementsystemen<br />
verwendet werden. Denn Computer sind auf die Fähigkeit zur extensionalen Informationsverarbeitung<br />
spezialisiert. Zwar mögen Bestrebungen, wie sie im Rahmen des Semantic Webs verfolgt werden, prima facie dagegen sprechen.<br />
Aber bei näherem Hinsehen zeigt sich, dass die computerbasierte Verarbeitung von intensionalen Bedeutungen (Konzept-<br />
und Begriffsinhalten aufgrund qualitativer Merkmale) lediglich „emuliert“, d.h. auf äquivalente extensionale Informationsverarbeitung<br />
zurückgeführt wird. Im hier vorgelegten Werk steht nicht der Argumentationsraum zur Verfügung, diese Extensionalitäts-These<br />
bezüglich der Informationsverarbeitungsfähigkeiten von Computern zu rechtfertigen. Aber es wäre ein spannendes<br />
Unterfangen für eine Diskussion an anderer Stelle.<br />
In formalsprachlicher Hinsicht können Klassen und die Instanzen, die zu einer Klasse zusammengefasst sind, ebenso als Mengen<br />
bzw. deren Elemente aufgefasst werden. Daher werden in diesem Werk die Ausdrucksweisen Klassen und Mengen einerseits<br />
sowie Instanzen und Elemente andererseits parallel verwendet. Von Klassen und ihren Instanzen wird gesprochen, wenn<br />
die objektorientierte Gestaltung oder Implementierung von Ontologien den Argumentationshintergrund bildet. Dagegen wird<br />
auf Mengen und ihre Elemente Bezug genommen, wenn mathematische Operationen im Vordergrund stehen, die sich am einfachsten<br />
mit den üblichen Operatoren der Mengentheorie spezifizieren lassen.<br />
138) Auf einen zweiten Aspekt wird weiter unten aus der Perspektive der Semantik von Ontologien näher eingegangen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 151<br />
Erschwerend kommt das Formalisierungspostulat hinzu. Es berücksichtigt, dass Wissensbasierte<br />
Systeme für ihre interne Operationsweise eine formalsprachliche Repräsentation der für relevant erachteten<br />
Wissensinhalte erfordern. 139) Gegen dieses Postulat lassen sich erhebliche Zweifel daran<br />
erheben, dass es jemals möglich sein werde, die „wesentliche Bedeutung“ oder „Semantik“ natürlichsprachlich<br />
konzeptualisierter Realitätserfahrungen mittels formalsprachlicher Explizierung vollständig<br />
und unverfälscht zu spezifizieren. Auf diese Zweifel wird im Kapitel 1.3.1.4 (S. 222) im<br />
Kontext des „Chinese-Room“-Gedankenexperiments von SEARLE zurückgekommen.<br />
Das aktuelle Interesse an Ontologien lässt sich als Reflex auf ein ambitiöses Forschungsprogramm<br />
auffassen, das innerhalb der KI-Forschung angestoßen wurde: Es erhebt den Anspruch, Realitätsausschnitte<br />
und die darin wahrgenommenen oder vorgestellten Phänomene in der Gestalt von<br />
zweck- und subjektabhängigen Ontologien so konzeptualisieren zu können, dass eine explizite und<br />
formalsprachlich verfasste Spezifikation aller Konzepte resultiert, die zur sprachlichen Beschreibung<br />
von Realitätserfahrungen für erforderlich erachtet werden. Diese explizit und formalsprachlich<br />
spezifizierten Konzepte lassen sich alsdann zu anderen Zwecken weiterverwenden, beispielsweise<br />
zur Kommunikation zwischen den Agenten eines Multi-Agenten-Systems, die ihre Aktivitäten<br />
zwecks arbeitsteiliger Erfüllung einer gemeinsam übernommenen Aufgabe untereinander koordinieren<br />
müssen.<br />
In dem Ausmaß, in dem es gelingt, diesen Anspruch der KI-Forschung einzulösen, müsste es – so<br />
die ambitionierte These der meisten KI-Forscher – auch möglich sein, Wissensbasierte Systeme ingenieurtechnisch<br />
zu erschaffen, die nicht mehr auf abstrakte Kunstwelten, wie etwa die „blocks<br />
worlds“, beschränkt bleiben, sondern auch lebensweltlich relevante Problemstellungen in Angriff<br />
nehmen können. Die Verknüpfung von formalsprachlicher Explizitheit einerseits mit lebensweltlich<br />
relevanten Problemstellungen andererseits bildet nach Einschätzung des Verfassers den Kern des<br />
aufkeimenden Interesses von (Kern-) Informatik, Wirtschaftsinformatik und Betriebswirtschaftslehre<br />
an Ontologien. Diese Disziplinen besitzen ein „natürliches“ Interesse an der Gestaltung lebensweltlicher<br />
Sachzusammenhänge. Sie blicken daher mit Spannung auf die Einlösung – oder auch das<br />
Scheitern – des programmatischen Anspruchs der KI-Forschung, lebensweltliche Sachzusammenhänge<br />
mittels Ontologien so konzeptualisieren zu können, dass sich alle für die Problembewältigung<br />
relevanten Aspekte eines Realitätsausschnitts formalsprachlich explizieren lassen.<br />
Jenseits des forschungsprogrammatischen Interesses an formalsprachlicher Explizierung zeichnet<br />
sich die Konzeptualisierung von Realitätsausschnitten durch Ontologien noch durch einen weiteren<br />
Aspekt aus, der zumindest aus betriebswirtschaftlicher Perspektive eine weitaus größere praktische<br />
Relevanz für ökonomische Problemstellungen aufweist. Er betrifft die soziologische Komponente<br />
von Ontologien. Sie resultiert daraus, dass mehrere Akteure die gleiche Konzeptualisierung von Realitätserfahrungsmöglichkeiten<br />
gemeinsam verwenden, sobald sie sich auf eine Ontologie verständigt<br />
haben („shared ontology paradigm“) 140) .<br />
Das Teilen einer gemeinsam verwendeten Ontologie spielt im Rahmen der KI-Forschung insbesondere<br />
für Multi-Agenten-Systeme eine bedeutsame Rolle. Denn die beteiligten Agenten können zur<br />
arbeitsteiligen Erfüllung einer gemeinsam übernommenen Aufgabe („distributed problem solving“)<br />
nur dann friktionsfrei miteinander kommunizieren und ihre Aktivitäten untereinander koordinieren,<br />
wenn keine sprachbedingten Verständnisbarrieren die Möglichkeit übereinstimmender Realitätser-<br />
139) Vgl. dazu das Argument, Computer seien auf die Fähigkeit zur extensionalen Informationsverarbeitung spezialisiert, in der vorletzten<br />
Fußnote.<br />
140) Vgl. NECHES ET AL. (1991) S. 39.
152 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
fahrungen behindern oder sogar ausschließen. Eine gemeinsam verwendete Ontologie stellt zwar<br />
kein notwendiges, wohl aber ein hinreichendes Instrument dar, um kraft ihrer einheitlichen begrifflichen<br />
Vorstrukturierung möglicher Realitätserfahrungen solche sprachbedingten Verständnisbarrieren<br />
zwischen den Agenten eines Multi-Agenten-Systems auszuschließen. Erst in Multi-Agenten-<br />
Systemen kann sich die soziologische Komponente von Ontologien voll entfalten, weil das Zusammenspiel<br />
von Teilautonomie und Kooperation der Agenten eines solchen Systems die Vielfalt von<br />
handlungsfähigen und interagierenden Subjekten schafft, die für ein soziales System charakteristisch<br />
ist. Daher stellen Multi-Agenten-Systeme eines der interessantesten Anwendungsszenarien für<br />
Ontologien dar, solange man sich auf das Umfeld Automatischer Informationsverarbeitungssysteme<br />
beschränkt.<br />
Multi-Agenten-Systeme lassen sich jedoch über die Grenzen Automatischer Informationsverarbeitungssysteme<br />
hinaus als ein „paradigmatisches“ Beispiel für das arbeitsteilige Erfüllen wissensintensiver<br />
Aufgaben durch teilautonome, interagierende Akteure auffassen. Auch in Unternehmen<br />
werden wissensintensive Aufgaben in der Regel durch das arbeitsteilige Zusammenwirken mehrerer<br />
teilautonomer Akteure erfüllt. Die „Weltsichten“ dieser Akteure, d.h. ihre Konzeptualisierungen des<br />
für die Aufgabenerfüllung relevanten Realitätsausschnitts, stimmen in der Regel nicht von vornherein<br />
überein. Daher herrscht im Allgemeinen keine „prästabilierte Harmonie“ zwischen den „Weltsichten“<br />
der beteiligten Akteure. Dies beruht oftmals auf den explizierungs- und artikulierungsbedingten<br />
Sprachbarrieren, die im Kapitel 1.1.2 erläutert wurden (S. 43 ff.).<br />
Wegen dieser weit reichenden strukturellen Übereinstimmung der arbeitsteiligen Erfüllung wissensintensiver<br />
Aufgaben einerseits in Multi-Agenten-Systemen und andererseits in Unternehmen drängt<br />
sich aus betriebswirtschaftlichem Blickwinkel die Frage auf, ob sich Ontologien ebenso auf der<br />
Ebene von Unternehmen nutzen lassen. 141) Auch dort besteht ein erheblicher Bedarf, divergente<br />
Konzeptualisierungen möglicher Realitätserfahrungen bei Akteuren, die über unterschiedliche Wissenshintergründe<br />
verfügen oder verschiedene Sprachkulturen pflegen, entweder von vornherein zu<br />
vermeiden oder aber nachträglich zu heilen. Dieser Bedarf könnte durch eine einheitliche Ontologie<br />
gedeckt werden, die von allen Akteuren, die zwecks arbeitsteiliger Erfüllung einer Aufgabe zusammenwirken,<br />
gemeinsam verwendet wird. Diese soziologische Komponente von Ontologien<br />
steht im Fokus des betriebswirtschaftlichen Interesses an der Gestaltung und Verwendung von Ontologien.<br />
Als Zusammenfassung der voranstehenden Erörterungen des modernen Ontologieverständnisses<br />
lässt sich eine zweite, etwas erweiterte und inhaltlich präzisierte Arbeitsdefinition für Ontologien<br />
gewinnen. 142) Sie wird in der nachstehenden Abbildung 15 wiedergegeben.<br />
141) Im Kontext des Verbundprojekts KOWIEN betrifft dies Akteure sowohl in inner- als auch in überbetrieblichen Netzwerken, die<br />
zur arbeitsteiligen Erfüllung wissensintensiver Engineering-Aufgaben kooperieren.<br />
142) Diese Ontologiedefinition wurde erstmals in ZELEWSKI (2002a) S. 66 publiziert und in dem hier vorgelegten Werk überarbeitet.
1.3.1 Einführung in das Themenfeld „Ontologien“ 153<br />
Eine Ontologie ist<br />
eine explizite und formalsprachliche Spezifikation<br />
derjenigen sprachlichen Ausdrucksmittel (für die Konstruktion repräsentationaler Modelle),<br />
die nach Maßgabe einer von mehreren Akteuren<br />
gemeinsam verwendeten<br />
Konzeptualisierung von realen Phänomenen,<br />
die in einem subjekt- und zweckabhängig eingegrenzten Realitätsausschnitt<br />
als wahrnehmbar oder vorstellbar gelten und<br />
für die Kommunikation zwischen den o.a. Akteuren benutzt oder benötigt werden,<br />
für „sinnvoll“ erachtet werden.<br />
Abbildung 15: Arbeitsdefinition für Ontologien<br />
Diese Arbeitsdefinition für Ontologien liegt dem hier publizierten Werk und den gemeinsamen Arbeiten<br />
des Verbundprojekts KOWIEN zugrunde. Sie unterscheidet sich von anderen Definitionen,<br />
die in der Fachliteratur zur Ontologieforschung – vor allem in Anschluss an GRUBER – vorherrschen<br />
(etablierte Ontologiedefinitionen), in mehreren Hinsichten.<br />
1. Die Sprachorientierung des modernen Ontologieverständnisses wird besonders hervorgehoben.<br />
Insbesondere wird – im Gegensatz zu GRUBER – eine Ontologie nicht mehr als Spezifikation<br />
einer Konzeptualisierung, sondern als Spezifikation sprachlicher Ausdrucksmittel definiert.<br />
143) Dies bedeutet jedoch keine inhaltliche Abkehr von GRUBERS Ontologieverständnis,<br />
sondern „nur“ eine andersartige Akzentuierung zugunsten der sprachlichen Dimension<br />
von Ontologien.<br />
2. Ein Extensionsgleichheitspostulat soll sicherstellen, dass die Spezifikation einer Konzeptualisierung<br />
im Anschluss an GRUBER und die hier bevorzugte Spezifikation sprachlicher Ausdrucksmittel<br />
inhaltlich übereinstimmen. Ausgangspunkt ist der Sachverhalt, dass ein konzeptuelles<br />
Modell, das aus der Konzeptualisierung eines Realitätsausschnitts resultiert, noch<br />
keine Repräsentation des betroffenen Realitätsausschnitts im Sinne eines gewöhnlichen Modells<br />
(repräsentationales Modell) 144) darstellt. Stattdessen erfasst ein konzeptuelles Modell<br />
nur die Mannigfaltigkeit aller Realitätserfahrungen, die in dem betroffenen Realitätsausschnitt<br />
für denkmöglich erachtet werden. 145) Es umgreift also die Gesamtheit aller repräsentationalen<br />
Modelle für einen Realitätsausschnitt, die aufgrund der vorangehenden Konzeptualisierung<br />
dieses Realitätsausschnitts für denkmöglich gehalten werden. Die sprachlichen<br />
143) Darüber hinaus klingt die Sprachorientierung des modernen Ontologieverständnisses auch in der expliziten Bezugnahme auf die<br />
„Kommunikation zwischen den ... Akteuren“ an. Wegen dieser Hervorhebung der Sprachorientierung von Ontologien lässt sich<br />
die o.a. Arbeitsdefinition für Ontologien einem „sprachanalytisch radikalisierten“ Ontologieverständnis zuordnen. Vgl. zu einer<br />
ebenso dezidiert sprachorientierten Akzentuierung des Ontologieverständnisses BATEMAN (1992) S. 2 u. 19 ff.<br />
144) Die Bezeichnung „repräsentationales Modell“ wird hier in bewusster Anlehnung an das „representational vocabulary“ aus der<br />
Ontologiedefinition von GRUBER (1993) S. 199 gewählt. Sie umfasst alle Modelle, die z.B. in den Wirtschaftswissenschaften<br />
zur Repräsentation realweltlicher Sachverhalte, also zur Modellierung ökonomisch relevanter Realitätsausschnitte, verwendet<br />
werden. In anderen Zusammenhängen wird auch von deklarativen Modellen gesprochen.<br />
145) SOWA (2000) S. 134 verleiht diesem Möglichkeitscharakter von Ontologien – im Gegensatz zum faktischen Charakter von<br />
repräsentationalen Modellen – prägnanten Ausdruck: „ontology determines the categories of things that exist or may exist in an<br />
application domain“ (kursive Hervorhebung durch den Verfasser).
154 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Ausdrucksmittel, die seitens einer Ontologie für die Konstruktion repräsentationaler Modelle<br />
zugelassen werden, sollen nun genau so festgelegt werden, dass die mit diesen sprachlichen<br />
Ausdrucksmitteln für den betroffenen Realitätsausschnitt konstruierbaren repräsentationalen<br />
Modelle (Klasse der sprachlich konstruierbaren Modelle) mit denjenigen repräsentationalen<br />
Modellen zusammenfallen, die aufgrund der vorangehenden Konzeptualisierung des Realitätsausschnitts<br />
für denkmöglich gehalten werden (Klasse der konzeptualisierungsgerechten<br />
Modelle).<br />
Diese Anforderung der Extensionsgleichheit für die beiden Klassen der sprachlich konstruierbaren<br />
(repräsentationalen) Modelle und der konzeptualisierungsgerechten (repräsentationalen)<br />
Modelle stellt ein Kernelement der o.a. Ontologiedefinition dar. 146) Eine ähnliche<br />
Anforderung ist aus der einschlägigen Fachliteratur bislang nicht bekannt. Die Anforderung<br />
der Extensionsgleichheit für die beiden vorgenannten Modellklassen wird in der o.a. Arbeitsdefinition<br />
für Ontologien dadurch ausgedrückt, dass die sprachlichen Ausdrucksmittel<br />
nach Maßgabe einer vorangehenden Konzeptualisierung als „sinnvoll“ erachtet werden müssen.<br />
Das Sinnkriterium für die sprachlichen Ausdrucksmittel zur Konstruktion repräsentationaler<br />
Modelle besteht darin, dass sich mit diesen sprachlichen Ausdrucksmitteln genau jene<br />
repräsentationalen Modelle konstruieren lassen, die aufgrund der vorangehenden Konzeptualisierung<br />
des Realitätsausschnitts für denkmöglich gehalten werden.<br />
146) Eine große Herausforderung für das Ontology Engineering dürfte darin bestehen, für eine vorliegende Ontologie konkret nachzuweisen,<br />
dass die Anforderung der Extensionsgleichheit für die beiden Klassen der sprachlich konstruierbaren Modelle und<br />
der konzeptualisierungsgerechten Modelle tatsächlich erfüllt wird. Der Verfasser kennt kein Verfahren, mit dem sich die Erfüllung<br />
dieser Extensionsgleichheitsanforderung streng – möglichst in der Form eines Algorithmus – überprüfen ließe. Daher kann<br />
die Extensionsgleichheitsanforderung zurzeit nur als eine „regulative Idee“ für die Gestaltung von Ontologien aufgefasst werden.<br />
Einen wesentlichen Ansatzpunkt für Bemühungen, sich an die Realisierung der „regulativen Idee“ anzunähern, sieht der Verfasser<br />
in den Inferenz- und Integritätsregeln (oder Axiomen), die in Kürze als „semantische Dimension“ von Ontologien erörtert<br />
werden. Sie gestatten es, die Verwendung der Konzepte und Relationen einer Ontologie in repräsentationalen Modellen, die<br />
mit den sprachlichen Ausdrucksmitteln dieser Ontologie konstruiert werden, so einzuschränken, dass nur repräsentationale Modelle<br />
resultieren, die aufgrund der vorangehenden Konzeptualisierung des Realitätsausschnitts für denkmöglich gehalten werden.<br />
Diese Einschränkungsmöglichkeit erklärt (u.a.) die herausragende Bedeutung, die den Inferenz- und Integritätsregeln (oder<br />
Axiomen) im Rahmen des Ontology Engineerings zugemessen wird. Allerdings ist dabei eine bemerkenswerte Asymmetrie zu<br />
beachten. Denn diese Konstrukte aus der „semantischen Dimension“ von Ontologien wirken nur einschränkend, also nur in<br />
einer Richtung. Für die entgegengesetzte Richtung, die Erweiterung der Menge aller repräsentationalen Modelle, die mit den<br />
sprachlichen Ausdrucksmitteln einer Ontologie konstruiert werden können, kommen die Inferenz- und Integritätsregeln (oder<br />
Axiome) dagegen nicht in Betracht. Daher muss bei der Spezifikation der sprachlichen Ausdrucksmittel besonders darauf geachtet<br />
werden, dass sie niemals repräsentationale Modelle für einen Realitätsausschnitt ausschließen, die aufgrund der vorangehenden<br />
Konzeptualisierung des Realitätsausschnitts für denkmöglich gehalten werden. Die sprachlichen Ausdrucksmittel einer<br />
Ontologie dürfen daher in Bezug auf eine vorangehende Konzeptualisierung zu „weit“ spezifiziert werden, weil sie sich mit der<br />
Hilfe von Inferenz- und Integritätsregeln (oder Axiomen) nachträglich einschränken lassen; aber die sprachlichen Ausdrucksmittel<br />
dürfen niemals zu eng spezifiziert werden, weil sich dieser Spezifikationsmangel nachträglich nicht mehr kompensieren<br />
lässt.
1.3.1 Einführung in das Themenfeld „Ontologien“ 155<br />
3. Aufgrund der voranstehenden Festlegungen kann das Objekt, das mittels einer Ontologie<br />
spezifiziert wird, inhaltlich in dreifacher Weise charakterisiert werden: Erstens spezifiziert<br />
eine Ontologie – explizit und formalsprachlich – eine Gesamtheit von sprachlichen Ausdrucksmitteln,<br />
die zur Repräsentation von Wissen grundsätzlich zur Verfügung stehen (Aspekt<br />
der Sprachorientierung). Zweitens legt diese Gesamtheit sprachlicher Ausdrucksmittel<br />
„per constructionem“ die Gesamtheit aller repräsentationalen Modelle fest, die sich mit Hilfe<br />
der spezifizierten sprachlichen Ausdrucksmittel einer Ontologie konstruieren lassen. 147)<br />
Drittens soll diese Gesamtheit aller repräsentationalen Modelle, die sich mit Hilfe der<br />
sprachlichen Ausdrucksmittel einer Ontologie konstruieren lassen, mit der Gesamtheit aller<br />
repräsentationalen Modelle übereinstimmen, die aufgrund der vorangehenden Konzeptualisierung<br />
eines Realitätsausschnitts für denkmöglich gehalten werden (Postulat der Extensionsgleichheit).<br />
4. Die Formalsprachlichkeit wird zum konstitutiven Merkmal von Ontologien erhoben. Dies<br />
deckt sich keineswegs mit allen Auffassungen, die in der einschlägigen Fachliteratur geäußert<br />
werden. Stattdessen werden von anderen Autoren durchaus auch natürlichsprachlich<br />
verfasste Ontologien zugelassen. 148) Der Verfasser bevorzugt jedoch aus zwei Gründen ein<br />
formalsprachlich „radikalisiertes“ Ontologieverständnis. Erstens entspricht dies der Automatisierungs-<br />
oder Kodifizierungsstrategie, die bereits im Kapitel 1.1.1 in den Mittelpunkt des<br />
Verbundprojekts KOWIEN gerückt wurde (S. 38 f.). Zweitens bekennt sich der Verfasser zu<br />
der intellektuellen Faszination des Forschungsprogramms der KI-Forschung, lebensweltlich<br />
– und somit auch ökonomisch – relevante Problemstellungen mittels konsequenter Formalisierung<br />
aller Aspekte, die sich für die Problemrepräsentation als relevant erwiesen, erfolgreich<br />
bearbeiten zu können.<br />
5. Gemeinhin wird für die arbeitsteilige Erfüllung einer gemeinsam übernommenen Aufgabe<br />
die gemeinsame Verwendung einer Ontologie als Instrument hervorgehoben, das die erforderliche<br />
Koordination und Kommunikation zwischen den involvierten Akteuren unterstützt.<br />
In der o.a. Arbeitsdefinition für Ontologien wird dagegen von der gemeinsamen Verwendung<br />
einer Konzeptualisierung von realen Phänomenen gesprochen. Dieser Unterschied<br />
spielt jedoch keine substanzielle Rolle. Denn die Anforderung der Extensionsgleichheit (vgl.<br />
Nr. 2) für die Klasse der repräsentationalen Modelle, die sich mit den sprachlichen Ausdrucksmitteln<br />
einer Ontologie konstruieren lassen, und für die Klasse der konzeptualisierungsgerechten<br />
repräsentationalen Modelle stellt Folgendes sicher: Die gemeinsame Verwendung<br />
einer Ontologie, d.h. insbesondere der sprachlichen Ausdrucksmittel, die von dieser<br />
Ontologie spezifiziert werden, führt dazu, dass alle Verwender dieser Ontologie auf dieselbe<br />
Klasse repräsentationaler Modelle zugreifen, die sich mit den sprachlichen Ausdrucksmitteln<br />
dieser Ontologie konstruieren lassen. Wegen der Anforderung der Extensionsgleichheit<br />
entspricht diese Klasse genau der Klasse der konzeptualisierungsgerechten repräsentationalen<br />
Modelle. Folglich verwenden die Akteure, die eine Ontologie miteinander teilen,<br />
147) In Abwandlung des Bonmots „Die Grenzen meiner Sprache sind die Grenzen meines Denkens.“ lässt sich dieser Sachverhalt<br />
auch so paraphrasieren: Die Grenzen der sprachlichen Ausdrucksmittel, die in einer Ontologie spezifiziert werden, bestimmen<br />
die Grenzen der Ausdrucksmöglichkeiten einer Ontologie und somit die Gesamtheit aller im Rahmen einer Ontologie ausdrückbaren<br />
Modelle.<br />
148) Vgl. z.B. POLI (2002) S. 642. Er sieht formalisierte Ontologien als nur eine von drei möglichen Ontologietypen an.
156 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
auch eine gemeinsame Konzeptualisierung von realen Phänomenen (vice versa). 149) Daher<br />
besteht in dieser Hinsicht kein substanzieller Unterschied gegenüber etablierten Ontologiedefinitionen.<br />
6. Hinsichtlich der Konzeptualisierung eines Realitätsausschnitts wird von Phänomenen gesprochen,<br />
die als wahrnehmbar oder vorstellbar gelten. Damit wird erstens berücksichtigt,<br />
dass sich Realitätserfahrungen sowohl auf Beobachtungen der Realität (Wahrnehmungen)<br />
als auch auf Denkinhalte über die Realität (Vorstellungen) erstrecken können. Zweitens wird<br />
mit der Formulierung „als wahrnehmbar oder vorstellbar gelten“ ausgedrückt, dass es von<br />
den epistemologischen Vorentscheidungen der gemeinsamen Verwender einer Ontologie<br />
abhängt, welche realen Phänomene sie in einem Realitätsausschnitt für wahrnehmbar oder<br />
vorstellbar erachten. Je nachdem, wie diese Vorentscheidungen ausfallen, kann eine unterschiedliche<br />
Konzeptualisierung des jeweils betroffenen Realitätsausschnitts resultieren. Dies<br />
unterstreicht die epistemologische Komponente von Ontologien.<br />
7. Des Weiteren erfolgt hinsichtlich der Konzeptualisierung eines Realitätsausschnitts eine<br />
Einschränkung auf jene Phänomene, die für die Kommunikation zwischen den o.a. Akteuren<br />
benutzt oder benötigt werden. Damit wird dem Umstand Rechnung getragen, dass für die<br />
Koordination von Akteuren, die bei der arbeitsteiligen Erfüllung einer gemeinsam übernommenen<br />
Aufgabe zusammenwirken, nicht die Gesamtheit ihrer möglichen Realitätserfahrungen<br />
relevant ist. Vielmehr sind nur jene Teile ihrer möglichen Realitätserfahrungen von<br />
Interesse, hinsichtlich derer die Akteure für die – im Sinne der intendierten Aufgabenerfüllung<br />
– erfolgreiche Koordination ihrer Aktivitäten miteinander kommunizieren müssen. Alle<br />
übrigen, für die Kommunikation zwischen den Akteuren irrelevanten möglichen Realitätserfahrungen<br />
stellen „Privaterfahrungen“ der Akteure dar. Diese „privaten“ Realitätserfahrungen<br />
können zwar für die Handlungen der betroffenen Akteure große Relevanz besitzen,<br />
spielen jedoch für die Koordination der Akteursaktivitäten zwecks arbeitsteiliger Aufgabenerfüllung<br />
keine Rolle. Daher brauchen sich Ontologien, die von mehreren Akteuren zwecks<br />
arbeitsteiliger Aufgabenerfüllung gemeinsam verwendet werden, nur auf diejenigen Teile<br />
der möglichen Realitätserfahrungen der Akteure zu erstrecken, die für die Kommunikation<br />
zwischen den Akteuren im Hinblick auf die Koordination ihrer Aktivitäten von Interesse<br />
sind. 150)<br />
Schließlich weist die Formulierung „benutzt oder benötigt werden“ darauf hin, dass diejenigen<br />
Phänomene aus dem konzeptualisierten Realitätsausschnitt, die für die Kommunikation<br />
zwischen den Akteuren im Hinblick auf die Koordination ihrer Aktivitäten von Interesse<br />
149) Bei näherer Analyse erweist sich der Folgerungszusammenhang als nicht stringent. Denn im Prinzip kann dieselbe Klasse konzeptualisierungsgerechter<br />
repräsentationaler Modelle auch aus unterschiedlichen Konzeptualisierungen desselben Realitätsausschnitts<br />
resultieren. Es wäre jedoch ein ebenso bemerkenswertes wie höchst seltenes Ereignis, dass aus unterschiedlichen Konzeptualisierungen<br />
dasselbe konzeptuelle Modell – und damit auch dieselbe Klasse konzeptualisierungsgerechter repräsentationaler<br />
Modelle – resultiert. Daher wird hier von dieser Komplikation für den o.a. (tendenziellen) Folgerungszusammenhang abgesehen.<br />
150) Dies hat der Verfasser gemeinsam mit einem seiner wissenschaftlichen Mitarbeiter an anderer Stelle aus dem Blickwinkel<br />
„kommunikationskritischer Partialontologien“ ausführlicher thematisiert. Vgl. ZELEWSKI/SIEDENTOPF (1999) S. 77 ff. u. 81 f.<br />
Vgl. auch ZELEWSKI/FISCHER (1999) S. 6 u. 8 ff. Der Gedanke „kritischer Partialontologien“ findet sich bereits bei WIELINGA/<br />
SCHREIBER (1994) S. 116 u. 119. Er wird dort geäußert, um Wissensbasen (S. 116) oder Ontologien (S. 119), die zur Erfüllung<br />
unterschiedlicher Aufgaben dienen, auf jene – möglichst aufgabenunabhängige – Bestandteile zu fokussieren, die sich im Sinne<br />
der Wissensteilung und Wissenswiederverwendung zwischen Akteuren austauschen („kommunizieren“) lassen. Vgl. auch am<br />
Rande BACLAWSKI ET AL. (2002) S. 145.
1.3.1 Einführung in das Themenfeld „Ontologien“ 157<br />
sind, aus zwei verschiedenen Blickwinkeln erfasst werden können. Entweder werden nur<br />
diejenigen Phänomene betrachtet, die von den Akteuren, die bei der arbeitsteiligen Erfüllung<br />
einer Aufgabe zusammenwirken, in ihren Kommunikationsakten tatsächlich benutzt werden.<br />
Oder es werden auch zusätzlich diejenigen Phänomene einbezogen, die von den Akteuren in<br />
ihren Kommunikationsakten zwar nicht verwendet werden, über die von den Akteuren bei<br />
ihrer arbeitsteiligen Erfüllung einer Aufgabe jedoch kommuniziert werden müsste, um die<br />
intendierte Aufgabenerfüllung erreichen zu können, die also für die Kommunikation zwischen<br />
den Akteuren benötigt werden.<br />
Die (zweite) Arbeitsdefinition für Ontologien, die zuvor erläutert wurde und den folgenden Ausführungen<br />
zugrunde liegt, schöpft den inhaltlichen Reichtum von Ontologien bei weitem noch nicht<br />
aus. Trotz der vielfältigen Aspekte, die zuvor erörtert wurden, wäre es viel zu kurz gegriffen, Ontologien<br />
auf Konzept- oder Begriffssammlungen zu reduzieren. Stattdessen umfassen Ontologien im<br />
Allgemeinen zumindest drei weitere charakteristische Komponenten:<br />
• Attribute, mit denen sich die Eigenschaften derjenigen Entitäten beschreiben lassen,<br />
die zu einem Konzept gehören (bzw. unter einen Begriff fallen), 151)<br />
• Relationen, mit denen sich Beziehungen zwischen Konzepten (für taxonomische Relationen)<br />
oder zwischen denjenigen Entitäten (für nicht-taxonomische Relationen), die zu einem Konzept<br />
gehören (bzw. unter einen Begriff fallen), beschreiben lassen, 152) und<br />
• Einschränkungen, welche die Verwendung der Konzepte (bzw. Begriffe) in Repräsentationen<br />
von Realitätsausschnitten auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung<br />
(bzw. Begriffsverwendung) festlegen. 153)<br />
Hinsichtlich der Konzeptattribute ist zwischen konstitutiven (essenziellen, substanziellen) und akzidenziellen<br />
Attributen zu unterscheiden. Ein Konzept wird in intensionaler Hinsicht durch die Gesamtheit<br />
seiner Merkmale definiert. Jedes definitorische Konzeptmerkmal ist die Ausprägung eines<br />
konstitutiven Konzeptattributs. 154) Die definitorischen Konzeptmerkmale werden in einer Ontologie<br />
151) Attribute stellen streng genommen keine eigenständige Komponente von Ontologien dar. Denn die Attribute eines Konzepts<br />
werden im Allgemeinen als zweistellige Relationen zwischen diesem Konzept und einem weiteren Konzept spezifiziert, dessen<br />
Instanzenmenge den „Wertebereich“ für die Ausprägungen des betroffenen Attributs festlegt. Daher lassen sich alle Attribute in<br />
Ontologien auf die (allgemeine) Komponente der Relationen zurückführen. Trotzdem werden hier Attribute als spezielle Ontologiekomponente<br />
hervorgehoben, weil sie erstens für die Spezifizierung von Konzepten in Ontologien eine bedeutende Rolle<br />
spielen und zweitens auch aus der Perspektive des Paradigmas objektorientierter Systemgestaltung große Beachtung erfahren.<br />
Vgl. zu einem abweichenden, speziell auf vordefinierte Datentypen bezogenen Attributverständnis Kapitel 3.2.2.5.4.6.2, S. 679.<br />
152) Vgl. GRUBER (1993) S. 199.<br />
153) Vgl. GRUBER (1993) S. 199 („formal axioms that constrain the interpretation and well-formed use of ... terms.“). Die Einschränkung<br />
werden später anhand von Inferenz- und Integritätsregeln für Ontologien konkretisiert.<br />
154) Streng genommen wäre zwischen Merkmalen (im Sinne von konstitutiven Attributen) und Merkmalsausprägungen (im Sinne<br />
von Ausprägungen konstitutiver Attribute) zu differenzieren. Diese Differenzierung findet sich jedoch in der einschlägigen<br />
Fachliteratur nur selten. Daher wird hier der Einfachheit halber nur von „Merkmalen“ gesprochen, obwohl eigentlich Merkmalsausprägungen<br />
im Sinne von Ausprägungen konstitutiver Attribute gemeint sind.
158 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
im Allgemeinen nicht als eigenständige Konzepte erfasst, 155) sondern – wenn überhaupt – in einem<br />
natürlich- oder formalsprachlichen Definitionstext zum Konzeptnamen hinzugefügt. 156) Dagegen<br />
155) Eine Ausnahme stellt der spezielle Ansatz der so genannten Wissensräume („knowledge spaces“) dar. In solchen Wissensräumen<br />
ist es möglich, insbesondere die definitorischen Merkmale eines Konzepts, d.h. die Ausprägungen seiner konstitutiven Attribute,<br />
formalsprachlich zu erfassen. Vgl. zu solchen Wissensräumen, die oftmals aus der Perspektive der so genannten Formalen<br />
Konzeptanalyse behandelt und dann auch als Konzepträume bezeichnet werden, ALAN/ZELEWSKI (2003) S. 1 ff. (mit explizitem<br />
Bezug auf Ontologien); ALAN/ZELEWSKI/SCHÜTTE (2003) S. 183 ff. (mit explizitem Bezug auf Ontologien);<br />
DÜNTSCH/GEDIGA (1996) S 1 ff. (speziell für die Systematisierung von Kompetenzen im Sinne von „Skills“); DÜWEL/HESSE<br />
(1998) S. 2 ff.; KENT (2000) S. 142 ff.; MAEDCHE (2002) S. 86 ff.; RICHARDS/COMPTON (1997) S. 241 ff.; STUMME ET AL. (2001)<br />
S. 337 ff.; STUMME/MAEDCHE (2001) S. 2 ff.; STUMME/STUDER/SURE (2000) S. 142 ff.<br />
156) Vgl. zu solchen konzeptergänzenden Definitionstexten GRUBER (1993) S. 199 („In such an ontology, definitions associate the<br />
names of entities ... with human-readable text describing what the names are meant to denote ...“). Vgl. dazu die KOWIEN-<br />
Ontologie, die im Kapitel 2.4 (S. 429 ff.) ausführlicher beschrieben wird.<br />
Es lässt sich mit guten Gründen auch eine alternative Auffassung vertreten: Die Ausprägungen der konstitutiven Attribute eines<br />
Konzepts werden in allen Superkonzepten des betroffenen Konzepts sowie in mindestens einer weiterführenden Spezialisierung<br />
festgelegt, die ein Superkonzept der unmittelbar übergeordneten Stufe in der Konzepte-Hierarchie in das betroffene Konzept<br />
und andere Konzepte aufspaltet, die gemeinsam Subkonzepte zu dem unmittelbar übergeordneten Superkonzept darstellen. Vgl.<br />
zu dieser alternativen Auffassung den speziellen Ansatz der Wissensräume, der bereits in der voranstehenden Fußnote angesprochen<br />
wurde.<br />
Aus der Sicht des Verfassers wäre es eine interessante Aufgabe, Ontologien so zu gestalten, dass auch die definitorischen Konzeptmerkmale,<br />
d.h. die Ausprägungen der konstitutiven Konzeptattribute, mit der Hilfe von eigenständigen Konzepten (und deren<br />
Ausprägungen) im „Kern“ einer Ontologie spezifiziert werden – und nicht, wie bislang üblich, durch ergänzende Texte an<br />
den „Rand“ einer Ontologie verlagert werden. Denn die definitorischen Konzeptmerkmale können im Rahmen einer Ontologie<br />
nur dann unmittelbar computerbasiert verarbeitet werden, wenn sie durch die Ausprägungen anderer, eigenständiger Konzepte<br />
(für die konstitutiven Konzeptattribute) in das System der Konzepte einer Ontologie als deren „Kern“ integriert sind. Dagegen<br />
entziehen sich die definitorischen Konzeptmerkmale einer unmittelbar computerbasierten Verarbeitung, solange sie in ergänzende<br />
Texte ausgelagert werden, die keinen direkten, computerverarbeitbaren Bezug zum System der Konzepte einer Ontologie<br />
aufweisen. Jene ergänzenden Texte lassen sich nur von einem menschlichen Benutzer der betroffenen Ontologie verstehen und<br />
entsprechend auswerten. Damit wird das Ziel, die inhaltliche Bedeutung von Konzepten in einer computerverarbeitbaren Form<br />
zu erfassen, verfehlt. Zumindest an dieser Stelle zeigt sich, dass Ontologien auf ihrem derzeitigen Entwicklungsstand noch<br />
nicht vollständig dem Anspruch der Ontologieforschung entsprechen, alle inhaltlichen Aspekte der Konzeptualisierung eines<br />
Realitätsausschnitts in computerverarbeitbarer Form zu repräsentieren.<br />
Allerdings sieht der Verfasser – in Analogie zu seiner Argumentation gegen SEARLE im Kontext der starken KI-These (vgl. die<br />
Hinweise in den Fußnoten 169 u. 172 auf S. 162 f. sowie auf S. 151, 198 u. 222) – keine grundsätzlichen Hindernisse, das Wissen<br />
über definitorische Konzeptmerkmale, das derzeit noch in ergänzende Definitionstexte ausgelagert ist, in das System der<br />
Konzepte einer Ontologie zu überführen. Um dieses Ziel zu erreichen, müsste es ausreichen, die definitorischen Konzeptmerkmale<br />
als Ausprägungen für konstitutive Konzeptattribute mithilfe eigenständiger Konzepte zu erfassen. Eine grundsätzliche<br />
Unmöglichkeit dieser Vorgehensweise lässt sich nicht erkennen. Lediglich knappe Zeit- und Personalressourcen hinderten im<br />
Verbundprojekt KOWIEN daran, diesen Ansatz weiter zu verfolgen. Aber es spricht nichts dagegen, für zukünftige Ontologiegestaltungen<br />
das programmatische Ziel zu verfolgen, grundsätzlich alle definitorischen Konzeptmerkmale im „Kern“ einer Ontologie<br />
als Ausprägungen für konstitutive Konzeptattribute mithilfe eigenständiger Konzepte zu erfassen. Wenn so verfahren<br />
wird, dann sollten zwei metasprachliche Relationen ergänzt werden, mit deren Hilfe sich die Konzepte, die einem anderen Konzept<br />
zur Spezifikation seiner Attribute mittels objektsprachlicher Relationen zugeordnet sind, als entweder konstitutive oder aber<br />
akzidenzielle Konzeptattribute qualifizieren lassen. Zu diesem Zweck eignen sich z.B. die beiden metasprachlichen, jeweils<br />
zweistelligen Relationen „ist_konstitutives_Attribut_fuer“ und „ist_akzidenzielles_Attribut_fuer“, deren beiden Argumentstellen<br />
durch jeweils ein Konzept aus der zugrunde liegenden Ontologie eingenommen werden können. Allerdings reicht diese Ergänzung<br />
zweier metasprachlicher Relationen noch nicht aus. Denn bei einem definitorischen Konzeptmerkmal handelt es sich<br />
um eine bestimmte Ausprägung des konstitutiven Konzeptattributs (also um eine Instanz des betroffenen konstitutiven Konzeptattributs),<br />
die für das definierte Konzept spezifisch ist. Die Relation „ist_konstitutives_Attribut_fuer“ ist aber nicht über<br />
Attributausprägungen, also nicht über den Instanzen des betroffenen konstitutiven Konzeptattributs definiert, sondern nur über<br />
jenem konstitutiven Konzeptattribut. Daher ist eine dritte metasprachliche, ebenso zweistellige Relation „hat_das_definitorische_Konzeptmerkmal“<br />
notwendig, die dem zu definierenden Konzept die definierende Ausprägung eines konstitutiven Konzeptattributs<br />
als definitorisches Konzeptmerkmal zuordnet. Diese dritte metasprachliche Relation weist eine merkwürdige<br />
Struktur auf, weil sie sich in ihrer ersten Argumentstelle auf ein Konzept, in ihrer zweiten Argumentstelle hingegen auf eine Instanz<br />
eines Konzepts erstreckt. Eine sprachanalytisch „saubere“ Lösungsmöglichkeit für dieses Problem, zwei unterschiedliche<br />
Sprachebenen – Ebene der Konzepte versus Ebene ihrer Instanzen – durch eine Relation zu verknüpfen, ist dem Verfasser noch
1.3.1 Einführung in das Themenfeld „Ontologien“ 159<br />
werden die akzidenziellen Konzeptattribute in einer Ontologie in der Regel als eigenständige Konzepte<br />
berücksichtigt. Dies geschieht durch eine beliebig große Anzahl von Konzepten, die mit dem<br />
jeweils betrachteten Konzept über jeweils zweistellige Relationen verknüpft sind.<br />
Beispielsweise lässt sich das Konzept „Unternehmen“ als eine ökonomische Institution definieren,<br />
die Leistungen für Fremdbedarfe erstellt. Der Definitionstext „eine ökonomische Institution, die<br />
Leistungen für Fremdbedarfe erstellt“ wird in einer Ontologie als natürlichsprachliche Erläuterung<br />
zum Konzeptnamen „Unternehmen“ hinzugefügt. Es handelt sich um Konzeptmerkmale, die Ausprägungen<br />
von konstitutiven Konzeptattributen darstellen. Akzidenzielle Attribute des Konzepts<br />
„Unternehmen“ betreffen hingegen z.B. die Größe und die Rechtsform eines Unternehmens. Sie<br />
werden dem Konzept „Unternehmen“ über zweistellige Relationen zugeordnet, z.B. als Konzept<br />
„Unternehmensgröße“ mittels der Relation „hat_Unternehmensgröße“ bzw. als Konzept „Rechtsform“<br />
mittels der Relation „hat_Rechtsform“. Die Instanzen des Konzepts „Unternehmen“ können<br />
sich dann durch verschiedene Kombinationen von Ausprägungen der akzidenziellen Konzeptattribute,<br />
wie etwa „Klein-“ versus „Großunternehmen“ bzw. „Gesellschaft mit beschränkter Haftung“<br />
versus „Aktiengesellschaft“, unterscheiden. 157)<br />
Die Relationen 158) , die Beziehungen zwischen Konzepten einer Ontologie spezifizieren, lassen sich<br />
in einerseits taxonomische und andererseits nicht-taxonomische Relationen ausdifferenzieren.<br />
Taxonomische Relationen dienen dazu, aus der unstrukturierten Menge aller Konzepte einer Ontologie<br />
ein System aus Konzepten – den so genannten „Kern“ einer Ontologie – zu formen. Die Konzepte<br />
werden mittels einer taxonomischen Relation systematisch geordnet. Am weitesten verbreitet<br />
ist die so genannte „is_a“-Relation, die eine Subkonzeptrelation darstellt. 159) Mit ihrer Hilfe werden<br />
Über- und Unterordnungsbeziehungen zwischen Konzepten eingeführt: Wenn zwei Konzepte k1<br />
und k2 die „is_a“-Relation erfüllen, d.h. wenn die Beziehung „k1 is_a k2“ gilt, dann handelt es sich<br />
beim Konzept k1 um ein Subkonzept des Konzepts k2; umgekehrt stellt das Konzept k2 ein Superkonzept<br />
des Konzepts k1 dar. Die „is_a“-Relation wird in späteren Kapiteln als Subkonzeptrelation<br />
innerhalb der KOWIEN-Ontologie noch ausführlich behandelt werden. An dieser Stelle reicht es<br />
aus, auf eine charakteristische Eigenschaft aller taxonomischen Relationen – und somit auch der<br />
nicht gelungen. Einen „praktikablen“, aber eben nicht „sauberen“ Ausweg würde die Reifizierung der Konzepte an der ersten<br />
Argumentstelle der Relation „hat_das_definitorische_Konzeptmerkmal“ darstellen. Wegen seiner Bedenken gegenüber solchen<br />
Reifizierungen (vgl. dazu die Ausführungen im Kapitel 2.4.3.1.2.1 auf S. 494 ff.) hat der Verfasser bislang davon Abstand genommen,<br />
diesen Weg zu bestreiten. Die zuvor skizzierten praktischen Schwierigkeiten erklären zumindest teilweise, warum<br />
bislang bei der Gestaltung von Ontologien die Praxis vorherrscht, definitorische Konzeptmerkmale in ergänzende Texte auszulagern.<br />
157) Die Ausprägungen eines (akzidenziellen) Konzeptattributs sind die Instanzen desjenigen Konzepts, das einem anderen Konzept<br />
mittels einer zweistelligen Relation als dessen Attribut zugeordnet ist.<br />
158) Relationen werden hier als Mengen aufgefasst, die als kartesische Produkte über zwei oder mehr zugrunde liegenden Mengen<br />
(Trägermengen) definiert sind. Jedes Element einer Relation ist eine zwei- oder mehr-stellige Beziehung zwischen je einem<br />
Element aus den Trägermengen der betroffenen Relation. Beispielsweise entsprechen in Entity-Relationship-Modellen die Entities<br />
den vorgenannten Elementen und die Relationships den vorgenannten Beziehungen zwischen Elementen. Eine Trägermenge<br />
ist hingegen ein Entity-Typ, während einer Relation einem Relationship-Typ entspricht. In einer Ontologie erstrecken sich<br />
dagegen Relationen zwischen Konzepten. Jedes Konzept besitzt in extensionaler Hinsicht die Menge (Klasse) aller Instanzen,<br />
die zu dem jeweils betroffenen Konzept gehören (konzeptspezifische Instanzenmenge). Daher fallen die Trägermengen, über<br />
denen eine Relation zwischen Konzepten definiert ist, mit den Mengen der konzeptzugehörigen Instanzen zusammen. Folglich<br />
erstrecken sich einzelne Beziehungen, d.h. die Elemente einer Relation zwischen Konzepten, auf je eine Instanz aus den konzeptspezifischen<br />
Instanzenmengen.<br />
159) Daneben existieren auch andere taxonomische Relationen. Dazu gehören beispielsweise die Äquivalenz- und die Inkompatibilitätsrelation,<br />
die im Kapitel 1.3.2 im Rahmen der KOWIEN-Ontologie vorgestellt werden (S. 239).
160 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
„is_a“-Relation oder Subkonzeptrelation – hinzuweisen. Taxonomische Relationen sind stets über<br />
dem kartesischen Produkt der Menge aller Konzepte, die zu einer Ontologie gehören (Konzeptemenge),<br />
definiert. 160) Die einheitliche Trägermenge aller taxonomischen Relationen ist also die<br />
Konzeptemenge einer Ontologie. Taxonomische Beziehungen, die Elemente einer taxonomischen<br />
Relation sind, erstrecken sich daher immer zwischen Konzepten – und nicht zwischen deren Instanzen.<br />
Deshalb besitzen taxonomische Relationen die Qualität metasprachlicher Relationen. 161)<br />
Die taxonomische Struktur einer Ontologie ist die Gesamtheit aus ihrer Konzeptemenge K und allen<br />
ihren taxonomischen Relationen Rtax.1,...,Rtax.N mit N∈N+ . 162) Wenn es sich bei den taxonomischen<br />
Relationen um zweistellige Relationen handelt (dies ist der Normalfall), dann lässt sich die taxonomische<br />
Struktur einer Ontologie übersichtlich als ein mathematischer Graph Gtax = (K;Rtax.1,<br />
...,Rtax.N) mit Rtax.n ⊆ K x K für alle n = 1,...,N darstellen. Die Knoten des Graphen Gtax sind Elemente<br />
der Konzeptemenge K, also einzelne Konzepte der Ontologie. Die Kanten (k1,k2)∈Rtax.n des Graphen<br />
Gtax verknüpfen jeweils zwei Konzepte k1 und k2 der Ontologie in der Art, wie sie von der betroffenen<br />
taxonomischen Relation Rtax.n vorgegeben ist. Im einfachsten – und auch weithin vorherrschenden<br />
– Fall wird nur mit der „is_a“-Relation als einziger taxonomischer Relation gearbeitet.<br />
Die taxonomische Struktur einer Ontologie kann dann als ein mathematischer Graph Gtax = (K;Ris_a)<br />
dargestellt werden, in dem jede Kante entsprechend ihrer Kantenrichtung eine Unterordnungsbeziehung<br />
zwischen zwei Konzepten ausdrückt.<br />
Nicht-taxonomische Relationen unterscheiden sich von taxonomischen Relationen in zweifacher<br />
Hinsicht. Einerseits besteht ein Unterschied hinsichtlich der Anwendungsbreite oder „Generizität“<br />
der beiden Relationsarten. Andererseits weichen die Sprachebenen voneinander ab, auf denen die<br />
beiden Relationsarten jeweils definiert werden.<br />
Aus dem Blickwinkel ihrer Anwendungsbreite zeichnen sich taxonomische Relationen durch ihren<br />
„generischen“ Charakter aus. Sie hängen in ihrer Struktur nicht von den Spezifika derjenigen Realitätsausschnitte<br />
ab, zu deren Konzeptualisierung eine Ontologie herangezogen wird, sondern können<br />
auf beliebige Ontologien angewendet werden. 163) Nicht-taxonomische Relationen beziehen sich dagegen<br />
inhaltlich auf den jeweils konzeptualisierten Realitätsausschnitt, die so genannte „Domäne“<br />
einer Ontologie. Beispielsweise kann die nicht-taxonomische Relation „hat_Kompetenz_in“ zwi-<br />
160) Da es sich bei taxonomischen Relationen in der Regel um zweistellige Relationen handelt, sind sie über dem zweifachen kartesischen<br />
Produkt der Konzeptemenge definiert. Mit K als Konzeptemenge lässt sich daher jede (zweistellige) taxonomische Relation<br />
R tax als R tax ⊆ K x K darstellen.<br />
161) Die Instanzen von Konzepten bilden die objektsprachliche Ebene, auf der über reale Objekte aus einem repräsentierten Realitätsausschnitt<br />
– also über Erfahrungsobjekte, Entitäten oder Individuen – gesprochen wird. Auf der metasprachlichen Ebene<br />
wird über sprachliche Artefakte geredet, wie z.B. über Konzepte, die Instanzen aus der objektsprachlichen Ebene auf der metasprachlichen<br />
Ebene zu einer gedanklichen Einheit zusammenfassen.<br />
162) Die taxonomische Struktur einer Ontologie beruht auf den gleichen Informationen, die dem oben eingeführten System aus Konzepten<br />
oder Kern einer Ontologie zugrunde liegen: der Konzeptemenge und den taxonomischen Relationen. Diese Informationen<br />
werden auch nicht auf verschiedenartige Weise verarbeitet, sondern allenfalls in unterschiedlichen Formulierungs- oder<br />
Darstellungsvarianten aufbereitet. Daher wird hier zwischen der taxonomischen Struktur einer Ontologie, dem System aus<br />
Konzepten und dem Kern einer Ontologie nicht näher unterschieden. Stattdessen werden sie als synonyme Bezeichner für denselben<br />
Sachverhalt – die Strukturierung der Konzeptemenge mittels taxonomischer Relationen – verwendet.<br />
163) Beispielsweise definiert die „is_a“-Relation für alle Ontologien in derselben Weise eine Subkonzeptrelation zwischen deren<br />
Konzepten. Dies bedeutet jedoch nur, dass die Struktur der „is_a“-Relation für alle Ontologien dieselbe ist. Die „is_a“-Relation<br />
ist jedoch nicht identisch für alle Ontologien. Vielmehr wird sie im Allgemeinen von Ontologie zu Ontologie variieren, weil<br />
sich die Konzeptemengen von Ontologie zu Ontologie unterscheiden und somit auch die Trägermengen, über deren kartesischen<br />
Produkten die „is_a“-Relation jeweils definiert ist.
1.3.1 Einführung in das Themenfeld „Ontologien“ 161<br />
schen den Konzepten „Kompetenzträger“ (natürlicher oder artifizieller Art) und „Kompetenzart“ in<br />
einer Ontologie zur Konzeptualisierung des Realitätsausschnitts „betriebliches Kompetenzmanagement“<br />
sinnvoll angewendet werden, während sie für einen anderen Realitätsausschnitt – wie etwa<br />
für die Bilanzpolitik – keine sinnvolle Verwendungsmöglichkeiten erkennen lässt. Daher besitzen<br />
nicht-taxonomische Relationen einen domänenspezifischen Charakter.<br />
Taxonomische Relationen sind stets über dem kartesischen Produkt der Konzeptemenge einer Ontologie<br />
definiert. Dagegen ist eine nicht-taxonomische Relation, die sich auf zwei Konzepte bezieht,<br />
164) über dem kartesischen Produkt derjenigen Instanzenmengen definiert, die zu den beiden<br />
involvierten Konzepten gehören (konzeptspezifische Instanzenmengen). Nicht-taxonomische Beziehungen,<br />
die Elemente einer nicht-taxonomischen Relation sind, erstrecken sich daher immer<br />
zwischen den Instanzen aus konzeptspezifischen Instanzenmengen. Deshalb besitzen nichttaxonomische<br />
Relationen aus der Perspektive der betroffenen Sprachebenen die Qualität objektsprachlicher<br />
Relationen. Damit unterscheiden sie sich deutlich von taxonomischen Relationen, die<br />
– wie oben erläutert wurde – stets metasprachliche Relationen darstellen.<br />
Des Öfteren endet die Konstruktion einer Ontologie mit der formalsprachlichen Spezifizierung ihrer<br />
Konzeptemenge, ihrer taxonomischen Relation(en) und ihrer nicht-taxonomischen Relationen. Dies<br />
würde jedoch die „semantische Dimension“ von Ontologien außer Acht lassen. Sie stellt nach Einschätzung<br />
des Verfassers einen der interessantesten – aber auch kompliziertesten – Aspekte der Ontologieforschung<br />
im Bereich des Knowledge Level Engineerings dar. 165) Die Semantik 166) einer Ontologie<br />
umfasst alle Konstrukte, die den Zweck erfüllen, die Verwendung der Konzepte 167) einer<br />
Ontologie in repräsentationalen Modellen eines Realitätsausschnitts auf die semantisch korrekte,<br />
d.h. bedeutungsgerechte 168) Konzeptverwendung einzuschränken. 169)<br />
164) Nicht-taxonomische Relationen können auch mehr als zwei Stellen aufweisen. Dies spielte im Verbundprojekt KOWIEN eine<br />
große Rolle, da sich Wissen über die Kompetenzen und die Kompetenzniveaus von Kompetenzträgern auf „natürliche“ Weise<br />
nur mittels dreistelliger Kompetenzrelationen repräsentieren lässt. Darauf wird später ausführlicher eingegangen. Für die hier<br />
interessierende Erläuterung des Unterschieds zwischen taxonomischen und nicht-taxonomischen Relationen reicht es jedoch<br />
aus, sich der Übersichtlichkeit halber auf den Normalfall zweistelliger Relationen zu beschränken.<br />
165) Die Bedeutung der semantischen Konstrukte von Ontologien lässt sich durch die plakative Kurzformel „Ontologie = Terminologie<br />
+ Relationen + Semantik“ unterstreichen. Auch wenn die Assoziation logisch-mathematischer Formeln durch die Verwendung<br />
der Notationen „=“ und „+“ inhaltlich verfehlt ist, so besitzt diese Kurzformel als „intellektuelle Krücke“ zur Abgrenzung<br />
gegenüber reinen Formalsprachen und Metamodellen doch einen gewissen Reiz.<br />
166) Die Bezeichnungen „semantische Dimension“ und „Semantik“ einer Ontologie werden synonym verwendet.<br />
167) Die Ausführungen, die hier zur „semantischen Dimension“ von Ontologien erfolgen, treffen streng genommen nicht nur auf die<br />
Konzepte, sondern ebenso auf die (taxonomischen und nicht-taxonomischen) Relationen einer Ontologie zu. Lediglich im Interesse<br />
einer möglichst übersichtlichen Diktion wird im Folgenden explizit nur auf Konzepte Bezug genommen. Die Relationen<br />
gelten jeweils als implizit angesprochen.<br />
168) Unter der Bedeutung eines Konzepts wird hier stets die inhaltliche Bedeutung eines Konzepts verstanden, die oben als Konzeptintension<br />
eingeführt wurde. Dagegen ist die referenzielle Bedeutung oder Konzeptextension im Folgenden nicht gemeint.<br />
169) Ontologien liegt ein spezielles Semantikverständnis zugrunde. Es zeichnet sich erstens durch eine Art von Verwendungstheorie<br />
der Bedeutung aus: Die Bedeutung eines Konzepts wird durch seine zulässigen Verwendungsweisen festgelegt. Eine „dahinter“<br />
liegende, „tiefere“ Bedeutung „an sich“, die zum Maßstab des richtigen Bedeutungsverständnisses herangezogen werden könnte,<br />
existiert aus dieser Perspektive nicht. Mit dieser verwendungsorientierten Bedeutungsauffassung folgen Ontologien weit gehend<br />
sprachanalytischen Auffassungen, wie sie z.B. prominent vom „späten“ WITTGENSTEIN anhand seiner „Sprachspiele“ vertreten<br />
wurden. Vgl. zur Verwendungstheorie der Bedeutung beispielsweise LANGE (1998) S. 159; LORENZ (2004b) S. 772; VON<br />
KUTSCHERA (1975) S. 119; VON SAVIGNY (1996) S. 47 u. 70 ff.; WITTGENSTEIN (1977) S. 41.<br />
Zweitens lässt sich das Semantikverständnis von Ontologien durch ein Prinzip der „semantischen Abgeschlossenheit“ charakterisieren:<br />
Die Bedeutung eines Konzepts besteht nur aus jenen Einschränkungen für die bedeutungsgerechte Konzeptverwen-
162 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Die semantischen Konstrukte stellen nach Ansicht des Verfassers eines der „spannendsten“ Gebiete<br />
der modernen Ontologieforschung dar. Die besondere Herausforderung liegt darin, die Bedeutungen<br />
von Konzepten so aufzubereiten, dass sie von computerbasierten Wissensmanagementsystemen<br />
korrekt und vollständig berücksichtigt werden können. Zu diesem Zweck ist es erforderlich, die wesentlichen<br />
170) semantischen Konstrukte einer Ontologie formalsprachlich zu spezifizieren. 171) Daher<br />
dung, die in einer Ontologie mittels ihrer semantischen Konstrukte explizit spezifiziert sind. Man könnte auch davon sprechen,<br />
dass sich die Semantik einer Ontologie „self contained“ verhält: Was nicht explizit in einer Ontologie als Einschränkung für die<br />
bedeutungsgerechte Konzeptverwendung spezifiziert ist, kann auch nichts zur Bedeutung des jeweils betroffenen Konzepts beitragen.<br />
Eine „tiefere“ Bedeutung von Konzepten, die über die explizit spezifizierten Einschränkungen für bedeutungsgerechte<br />
Konzeptverwendungen hinausgeht, existiert aus dieser Perspektive nicht. Dies entspricht nicht nur der o.a. Verwendungstheorie<br />
der Bedeutung, sondern auch der Forderung nach expliziter Spezifikation aller konzeptualisierungsrelevanten Aspekte in den<br />
o.a. Definitionsansätzen für Ontologien.<br />
Das Prinzip der semantischen Abgeschlossenheit braucht keineswegs in dem Sinne statisch ausgelegt zu werden, dass die Gesamtheit<br />
aller semantischen Konstrukte einer Ontologie für alle Zeit festliegt. Vielmehr bezieht sich die semantische Abgeschlossenheit<br />
einer Ontologie stets nur auf den aktuellen Kenntnisstand darüber, worin die bedeutungsgerechten Verwendungsweisen<br />
ihrer Konstrukte bestehen. Wenn sich dieser Kenntnisstand im Zeitverlauf ändert, lässt sich die Gesamtheit aller<br />
semantischen Konstrukte einer Ontologie entsprechend anpassen („dynamisieren“). Aus der Relativierung des Prinzips der Abgeschlossenheit<br />
auf den jeweils aktuellen Kenntnisstand über die Konzeptbedeutungen lässt sich eine Art Konstruktionsanweisung<br />
für die Erweiterung von Ontologien um semantische Konstrukte gewinnen: Wenn ein Nutzer oder ein Evaluator einer Ontologie<br />
der Überzeugung ist, dass bestimmte Aspekte der „wahren“ Bedeutung eines Konzepts durch eine Ontologie nicht berücksichtigt<br />
würden, so muss er konkrete Beispiele für Konzeptverwendungen angeben können, die von der Ontologie zugelassen<br />
werden, jedoch gemäß der „wahren“ Konzeptbedeutung unzulässig sind. Mithilfe dieser Beispiele ist es grundsätzlich möglich,<br />
zusätzliche semantische Konstrukte (wie z.B. Integritätsregeln) zu spezifizieren, die der Ontologie hinzugefügt werden und<br />
dadurch die zulässigen Verwendungsweisen des betroffenen Konzepts weiter einschränken. Wenn die zusätzlichen semantischen<br />
Konstrukte hinreichend streng formuliert sind, werden die früher noch zulässigen, aber von dritter Seite als unzulässig<br />
qualifizierten Konzeptverwendungen ausgeschlossen. Nach dieser Ergänzungsoperation gestattet die Ontologie nur noch zulässige,<br />
d.h. bedeutungsgerechte Verwendungsweisen des betroffenen Konzepts. Die „Raffinesse“ dieser Konstruktionsanweisung<br />
liegt darin begründet, dass sie jeden Kritiker, der die – angeblich oder tatsächlich – mangelhafte Berücksichtigung „wahrer“<br />
Konzeptbedeutungen in einer Ontologie beklagt, dazu veranlasst, seine Vorstellungen über die „wahre“ Bedeutung eines Konzepts<br />
anhand konkreter Gegenbeispiele zu explizieren. Sobald diese Explikation erfolgt ist, lässt sie sich in zusätzliche semantische<br />
Konstrukte umsetzen, mit deren Hilfe die zulässigen Konzeptverwendungen in der Ontologie auf jene eingeschränkt werden,<br />
die der „wahren“ Konzeptbedeutung gerecht werden. Wenn sich ein Kritiker, der die vollständige Erfassbarkeit von Konzeptbedeutungen<br />
innerhalb einer Ontologie bestreitet, auf dieses „konstruktive Argumentationsspiel“ einlässt, gibt er bereits<br />
den Verfechtern der semantischen Abgeschlossenheit von Ontologien den Schlüssel in die Hand, die nicht erfassten Konzeptbedeutungen<br />
durch zusätzliche semantische Konstrukte zu „internalisieren“.<br />
Die Stringenz dieses „konstruktiven Argumentationsspiels“ lässt sich nach Einschätzung des Verfassers nur an zwei Punkten<br />
unterlaufen. Erstens ist es möglich, dass sich ein Kritiker dem oben skizzierten Argumentationsverlauf entzieht, indem er sich<br />
weigert, konkrete Gegenspiele zu präsentieren, die seine Behauptung belegen, die „wahre“ Konzeptbedeutung würde von einer<br />
Ontologie nicht vollständig erfasst. Ein solcher Kritiker kann jedoch in der Folge ignoriert werden, weil er sich aufgrund seiner<br />
„Belegverweigerung“ einem konstruktiven, auf Problemlösung ausgelegten Diskurs selbst entzogen hat. Zweitens lässt sich<br />
vorstellen, dass der Kritiker die eingeforderten konkreten Gegenbeispiele vorlegt, aber zugleich aufzeigt, dass es prinzipiell<br />
unmöglich ist, diese Gegenbeispiele durch zusätzliche semantische Konstrukte aus denjenigen Konzeptverwendungen auszuschließen,<br />
die von einer Ontologie als „bedeutungsgerecht“ zugelassen werden. Ein solcher Unmöglichkeitsbeweis wäre in der<br />
Tat „schlagend“. Allerdings liegt die Beweisführungslast auf der Seite jener Skeptiker, die der Meinung anhängen, es sei grundsätzlich<br />
ausgeschlossen, alle Aspekte der „wahren“ Konzeptbedeutungen mit den semantischen Konstrukten einer Ontologie<br />
berücksichtigen zu können. Bislang ist ein solcher Unmöglichkeitsbeweis nach Kenntnis des Verfassers noch nicht überzeugend<br />
gelungen. Zwar lässt sich einwenden, dass z.B. SEARLE mit seinem Chinese-Room-Gedankenexperiment einen Unmöglichkeitsbeweis<br />
der geforderten Art bereits vorgelegt hat. Aber die Beweisführung von SEARLE (und anderen, ähnlich gelagerten<br />
Versuchen) ist nicht schlüssig. In dem hier vorgelegten Werk kann wegen der völlig anders gelagerten Zielrichtung des<br />
Verbundprojekts KOWIEN weder auf die Beweisführung von SEARLE noch auf ihre Defekte näher eingegangen werden. Dies<br />
hat der Verfasser an anderer Stelle unternommen; vgl. dazu die Hinweise, die später in der Fußnote 438 (S. 222) erfolgen.<br />
170) Ausnahmen stellen z.B. die definitorischen Texte dar, die als besondere Form konstitutiver Konzeptattribute in der voranstehenden<br />
Fußnote 156 (S. 158 f.) kurz angesprochen wurden.<br />
171) Es wurde schon an früherer Stelle erläutert, dass Computer in ihrer internen Operationsweise auf formalsprachliche, extensionale<br />
Wissensrepräsentationen angewiesen sind. Vgl. dazu die Fußnote 137 auf S. 150.
1.3.1 Einführung in das Themenfeld „Ontologien“ 163<br />
besitzen Ontologien eine im Wesentlichen formale Semantik. Dies stimmt mit dem programmatischen<br />
Anspruch der KI-Forschung überein, alle Aspekte, die zur Lösung lebensweltlicher Problemstellungen<br />
beizutragen vermögen, formalsprachlich zu explizieren und hierdurch einer Verarbeitung<br />
durch „intelligente“ Computersysteme, wie z.B. Wissensbasierte Systeme, zugänglich zu machen.<br />
Über diesen Anspruch lässt sich heftig – und „nahezu unendlich“ – streiten. Eine solche Debatte<br />
liegt jedoch außerhalb der Erkenntnisinteressen des Verbundprojekts KOWIEN, so dass sie in diesem<br />
Werk nicht weiter vertieft wird. 172) Es mag an dieser Stelle ausreichen, auf den besonderen<br />
Stellenwert semantischer Konstrukte für die Informatik im Allgemeinen und die KI-Forschung im<br />
Speziellen hinzuweisen.<br />
Bei den semantischen Konstrukten handelt es sich in erster Linie 173) um Inferenz- und Integritätsregeln.<br />
Mitunter wird auch von Axiomen gesprochen, 174) deren Erfüllung die bedeutungsgerechte<br />
Konzeptverwendung sicherstellen soll. 175)<br />
172) Dennoch möchte der Verfasser nicht verbergen, dass er sich dem intellektuellen Reiz des programmatischen Anspruchs der KI-<br />
Forschung nicht zu entziehen vermag. Daher hat er sich das Vergnügen gegönnt, an einigen wenigen Stellen auf Berührungspunkte<br />
zu dieser Programmatik aufmerksam zu machen. Dies betrifft insbesondere die so genannte starke KI-These, das darauf<br />
bezogene Chinese-Room-Gedankenexperiment von SEARLE und das „konstruktive Argumentationsspiel“ zur Erweiterung einer<br />
Ontologie um semantische Konstrukte, das vom Verfasser in einem anderen Kontext als Reaktion auf Kritiker der starken KI-<br />
These konzipiert wurde. Vgl. dazu die Andeutungen in diesem Werk in den voranstehenden Fußnoten 156 u. 169 sowie auf S.<br />
151, 198 u. 222.<br />
173) Daneben lassen sich in Ontologien noch weitere semantische Konstrukte identifizieren, die jedoch nach Einschätzung des Verfassers<br />
hinsichtlich ihrer Relevanz für die konkrete Anwendung von Ontologien zur Erfüllung betrieblicher Zwecke eine untergeordnete<br />
Rolle spielen. Dazu gehören z.B. die definitorischen Texte, die weiter oben als besondere Form konstitutiver Konzeptattribute<br />
angesprochen werden. In solchen Texten, die zumeist natürlichsprachlich abgefasst sind, lässt sich auf relativ einfache<br />
Weise die Bedeutung eines Konzepts erläutern. Allerdings können diese definitorischen Texte nicht in die automatische<br />
Analyse und Auswertung von Ontologien einbezogen, sondern nur von menschlichen Ontologiebenutzern verstanden werden.<br />
Daher spielen sie keine Rolle für computerbasierte Wissensmanagementsysteme – zumindest nicht hinsichtlich der Automatischen<br />
Informationsverarbeitung in solchen Systemen.<br />
Darüber hinaus lässt sich auch die Typisierung der Argumentstellen von Relationen und Prädikaten mit Konzepten als ein semantisches<br />
Konstrukt auffassen. Mittels dieser Typisierung wird festgelegt, zu welchen Konzepten die Instanzen gehören müssen,<br />
die in einer Beziehung (als Element einer Relation) zueinander stehen dürfen oder über die eine prädikatenlogische Formel<br />
etwas aussagen darf. Solche Typisierungen sind in zahlreichen Programmiersprachen üblich und spielen auch in formalsprachlichen<br />
Ontologien eine große Rolle. Beispielsweise werden sie sowohl in F-Logic als auch in sortierten Prädikatenlogiken verwendet<br />
(die „Sorten“ der Prädikatenlogik entsprechen den vorgenannten Konzepten oder Typen). Die Typisierungen werden<br />
auch im Verbundprojekt KOWIEN intensiv verwendet; vgl. dazu u.a. das Beispiel in der nachfolgenden Abbildung 16 auf S.<br />
166. Die Typisierungen lassen sich insofern als semantische Konstrukte auffassen, weil sie die Verwendung von Instanzen in<br />
Beziehungen und prädikatenlogischen Formeln, die aus Relationen bzw. Prädikaten gebildet wurden, auf diejenigen Instanzen<br />
einschränken, die der Bedeutung der jeweils betroffenen Relation oder des jeweils betroffenen Prädikats gerecht werden. Wenn<br />
dieser Sichtweise gefolgt wird, dann handelt es sich bei der Typisierung von Relationen und Prädikaten mit Konzepten um ein<br />
semantisches Konstrukt, das für die semantische Dimension einer Ontologie von erheblicher Relevanz ist. Die Typisierung wird<br />
hier nur deswegen nicht besonders hervorgehoben, weil sie kein Spezifikum von Ontologien darstellt, sondern bereits in zahlreichen<br />
Programmiersprachen verbreitet ist. Sie besitzt keinen neuartigen Charakter, sondern gehört zum State-of-the-art des<br />
Software Engineerings.<br />
174) Vgl. zur Bezugnahme auf „Axiome“ z.B. NOY/HAFNER (1998) S. 618; THAM/FOX/GRUNINGER (1994) S. 4 ff.<br />
175) Es besteht kein grundsätzlicher Unterschied zwischen Axiomen einerseits sowie Inferenz- und Integritätsregeln andererseits.<br />
Beispielsweise ist es möglich, semantische Axiome in eine Regelform zu transformieren (sofern sie nicht von vornherein in dieser<br />
Regelform vorliegen). Ebenso lassen sich Inferenz- und Integritätsregeln als eine besondere, nämlich „regelartige“ Form<br />
von semantischen Axiomen auffassen. Wegen dieser wechselseitigen „Austauschbarkeit“ spielt es keine Rolle, ob anhand von<br />
Axiomen oder anhand von Inferenz- und Integritätsregeln argumentiert wird.
164 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Die Inferenz- und Integritätsregeln bilden das „semantische Herz“ einer Ontologie. 176) Da im Verbundprojekt<br />
KOWIEN ausschließlich mit Inferenz- und Integritätsregeln gearbeitet wurde, beschränken<br />
sich die anschließenden Ausführungen auf diese beiden Regelarten. Hinzu kommt, dass<br />
Inferenz- und Integritätsregeln in späteren Kapiteln dieses Werks ausführlich thematisiert werden.<br />
Deshalb reicht es aus, in diesem einführenden Kapitel nur überblicksartig die besondere Rolle zu<br />
würdigen, die diesen Regeln im Rahmen einer Ontologie zukommt.<br />
176) Allerdings werden Inferenz- und Integritätsregeln oftmals auch in „gewöhnlichen“ Wissensbasierten Systemen verwendet. Daher<br />
bedarf es einer Grenzziehung zwischen einerseits Inferenz- und Integritätsregeln, die Bestandteile einer Ontologie sind, und<br />
andererseits Inferenz- und Integritätsregeln, die zur Wissensbasis eines Wissensbasierten Systems gehören. Diese Grenzziehung<br />
schließt keineswegs aus, dass eine Ontologie eine Komponente eines Wissensbasierten Systems darstellt und somit die Inferenz-<br />
und Integritätsregeln der Ontologie mittelbar auch Bestandteile des Wissensbasierten Systems darstellen. Vielmehr geht<br />
es hier nur um eine gedanklich-analytische Trennung zwischen zwei verschiedenen Arten von Inferenz- und Integritätsregeln,<br />
die entweder für eine Ontologie oder aber für die Wissensbasis eines Wissensbasierten Systems typisch sind.<br />
Inferenz- und Integritätsregeln sind als semantische Konstrukte innerhalb einer Ontologie durch ihre Funktion bestimmt, die<br />
Verwendung der Konzepte einer Ontologie (in repräsentationalen Modellen eines Realitätsausschnitts) auf die semantisch korrekte,<br />
d.h. bedeutungsgerechte Konzeptverwendung einzuschränken. Daher können nur solche Inferenz- und Integritätsregeln<br />
zu einer Ontologie gehören, die sich auf der rein sprachlichen Ebene auf Konzepte und deren Bedeutungen beziehen. Sie besitzen<br />
keinen Bezug auf sachliche Aspekte derjenigen Realitätsausschnitte, die mit den sprachlichen Ausdrucksmitteln einer Ontologie<br />
modelliert werden können. Dagegen erstrecken sich Inferenz- und Integritätsregeln aus der Wissensbasis eines Wissensbasierten<br />
Systems nicht auf solche rein sprachlichen Sachverhalte. Vielmehr repräsentieren sie domänenspezifisches Wissen<br />
über Sachverhalte, die innerhalb desjenigen Realitätsausschnitts („Domäne“) gelten, auf den sich ein Wissensbasiertes System<br />
erstreckt. Beispielsweise können Inferenz- und Integritätsregeln in einer Wissensbasis gesetzesartige Zusammenhänge ausdrücken,<br />
die in dem repräsentierten Realitätsausschnitt gelten (sollen), jedoch insofern „kontingent“ sind, als sie sich nicht zwangsläufig<br />
aus den jeweils verwendeten sprachlichen Ausdrucksmitteln ergeben, sondern in anderen Realitätsausschnitten oder auch<br />
in anderen „(denk)möglichen Welten“ nicht zuzutreffen brauchen. Schließlich lassen sich die Inferenz- und Integritätsregeln<br />
aus der Wissensbasis eines Wissensbasierten Systems als Bestandteile eines repräsentationalen Modells auffassen, das mit den<br />
sprachlichen Ausdrucksmitteln der jeweils zugrunde liegenden Ontologie formuliert wurde. Denn die Wissensbasis eines Wissensbasierten<br />
Systems stellt ein repräsentationales Modell desjenigen Realitätsausschnitts dar, auf den sich das Wissensbasierte<br />
System erstreckt.<br />
Aufgrund der voranstehenden Erläuterungen lässt sich die Unterscheidung zwischen Inferenz- und Integritätsregeln aus Ontologien<br />
bzw. aus Wissensbasen wie folgt paraphrasieren: Die Inferenz- und Integritätsregeln aus einer Ontologie sind rein<br />
sprachlich definiert und „realitätsblind“. Sie gelten a priori, weil sie auf der sprachlichen Ebene jeglicher Realitätserfahrung und<br />
Realitätsrepräsentation (z.B. in Wissensbasen aus Wissensbasierten Systemen) „logisch“ vorangehen. Die Inferenz- und Integritätsregeln<br />
aus einer Wissensbasis erweisen sich hingegen als domänenspezifisch. Sie gelten daher realitätsabhängig und a posteriori,<br />
d.h. erst nach erkennendem Zugriff auf einen Realitätsausschnitt.<br />
Der Verfasser räumt ein, dass die voranstehende Abgrenzung zwischen Inferenz- und Integritätsregeln aus Ontologien bzw. aus<br />
Wissensbasen nur auf den ersten Blick trennscharf erscheint. Denn bei genauerem Hinsehen zeigen sich „epistemologische Abgründe“,<br />
die in dem hier vorgelegten Werk nicht ausdiskutiert, sondern allenfalls angedeutet werden können. Einerseits lässt<br />
sich grundsätzlich über eine Präsupposition streiten, die der voranstehenden Abgrenzung zugrunde liegt: Sie unterstellt, dass<br />
sich die „rein“ sprachliche Ebene der Konzepte und ihrer Bedeutungen auf der einen Seite sowie die Ebene der Realitätserfahrung<br />
und Realitätsrepräsentation auf der anderen Seite problemlos voneinander separieren lassen. Dies ist jedoch nicht der Fall.<br />
Beispielsweise könnte aus der Perspektive der Evolutionären Erkenntnistheorie der Einwand erhoben werden, dass Sprache<br />
nicht „an sich“ existiert, sondern aus einem Prozess der Auseinandersetzung von „sprachbegabten Wesen“ mit ihrer jeweils<br />
überlebensrelevanten Umwelt (als Realitätsausschnitt) hervorgegangen ist. Folglich gäbe es kein A-priori einer realitätsunabhängigen<br />
Sprache. Vielmehr spiegelten sich in allen sprachlichen Konzepten und deren Bedeutungen frühere, sprachlich „angeeignete“<br />
Realitätserfahrungen wider. Andererseits kann bei einzelnen Inferenz- und Integritätsregeln immer wieder trefflich<br />
darüber gestritten werden, ob sie tatsächlich entweder rein sprachlicher Natur oder aber domänenspezifisch geprägt seien. Diese<br />
Abgrenzungsschwierigkeiten werden in Kürze anhand eines konkreten Beispiels für Inferenzregeln verdeutlicht werden; vgl.<br />
Fußnote 180 auf S. 166.
1.3.1 Einführung in das Themenfeld „Ontologien“ 165<br />
Inferenzregeln 177) legen fest, wie aus Wissen, das in der Wissensbasis eines Wissensbasierten Systems<br />
explizit repräsentiert vorliegt, das darin implizit enthaltene Wissen zusätzlich erschlossen 178)<br />
werden kann. Solche Inferenzregeln sind im Prinzip seit langem bekannt. Im Rahmen der Formalen<br />
Logik, etwa der Prädikatenlogik, werden sie als eine der wichtigsten Komponenten einer „formalen<br />
Semantik“ intensiv erforscht. Dazu gehören weithin bekannte Inferenzregeln, wie der Modus Ponens<br />
und der Modus Tollens, aber auch weniger bekannte Inferenzregeln, wie die Kombination aus<br />
Resolutions- und Unifizierungsregeln. Insbesondere die letztgenannte Regelkombination hat sich<br />
als sehr effektiv erwiesen, um Automatische Informationsverarbeitungssysteme – so genannte Theorembeweiser<br />
– mit logischen Schlussfolgerungsfähigkeiten auszustatten.<br />
Die vorgenannten Beispiele gehören jedoch nicht zu den Inferenzregeln aus der semantischen Dimension<br />
von Ontologien. Stattdessen werden die Inferenzregeln der Formalen Logik als „metasprachliche“<br />
Inferenzregeln in Wissensbasierten Systemen als bekannt vorausgesetzt und oftmals in<br />
einer separaten Systemkomponente – der „Inferenzmaschine“ – implementiert. Auf die Inferenzregeln<br />
der Formalen Logik wird daher im Folgenden nicht näher eingegangen.<br />
Die Inferenzregeln aus der semantischen Dimension von Ontologien besitzen dagegen einen objektsprachlichen<br />
Charakter. Dies wird später im Kapitel 1.3.2.4 ausführlicher erläutert (S. 268 ff.). Im<br />
Rahmen der hier anstehenden Einführung in die Thematik „Ontologien“ sollte es ausreichen, einen<br />
ersten, intuitiven Eindruck für die Besonderheiten objektsprachlicher Inferenzregeln zu vermitteln.<br />
Objektsprachliche Inferenzregeln ähneln den metasprachlichen Inferenzregeln der Formalen Logik<br />
hinsichtlich ihrer Fähigkeit, implizites Wissen zu explizieren. Im Gegensatz zu formal-logischen Inferenzregeln<br />
nehmen sie aber nicht (nur) auf die äußere Gestalt – die z.B. prädikatenlogische<br />
„Form“ – des expliziten Wissens Bezug, sondern werten (auch) Wissen über den Inhalt – die (intensionale)<br />
Bedeutung – derjenigen Konzepte und Relationen aus, auf die in der Regelformulierung<br />
explizit Bezug genommen wird. Daher werden die objektsprachlichen Inferenzregeln aus Ontologien<br />
mitunter auch als Regeln des inhaltlichen Schließens bezeichnet.<br />
Zwei Beispiele zeigen in der nachfolgenden Abbildung 16 in exemplarischer Weise auf, wie objektsprachliche<br />
Inferenzregeln für inhaltliches Schließen spezifiziert werden können. Sie sind in einer<br />
Notation verfasst, die sich eng an prädikatenlogische Wissensrepräsentationen anlehnt und für Ontologie-Editoren<br />
aus dem Umfeld der KI-Forschung typisch ist. 179) Die beiden Inferenzregeln gestatten<br />
es, Wissen über Kompetenzen von Mitarbeitern eines Unternehmens abzuleiten, das in dieser<br />
Form in der Wissensbasis eines Wissensbasierten Systems nicht explizit gespeichert wird, jedoch<br />
in einzelnen Wissenskomponenten implizit enthalten ist.<br />
177) Auf Inferenzregeln wird in einem anderen Beitrag dieses Werks ausführlicher eingegangen; vgl. den Exkurs im Kapitel 2.4.2.2<br />
(S. 433 ff.) sowie die Beispiele für Inferenzregeln aus dem Verbundprojekt KOWIEN im Kapitel 2.4.4 (S. 524 ff.).<br />
178) Inferenzregeln werden daher auch (synonym) als Schlussfolgerungsregeln bezeichnet.<br />
179) Die Notationsdetails werden in späteren Kapiteln erläutert werden. Für ein erstes, grobes Verständnis der Regeln sollten folgende<br />
Festlegungen ausreichen: Das Symbol „∀“ stellt den Allquantor dar. Er drückt aus, dass die nachfolgende Regel für alle<br />
Instanzen (Individuen, Erfahrungsobjekte) gilt, die für diejenigen Variablen eingesetzt werden können, die zwischen dem Allquantor<br />
und dem Doppelpunkt („:“) am Ende der jeweiligen Formelzeile aufgeführt werden. Diese Variablen werden jeweils<br />
mit einem Großbuchstaben begonnen, wie z.B. die Variable „Person_X“. Für jede Variable kann angegeben werden, zu welchem<br />
Konzept die Instanzen gehören müssen, die für die jeweils betroffene Variable eingesetzt werden dürfen. Diese „Typisierung“<br />
einer Variablen erfolgt durch einen nachgestellten Doppelpunkt („:“) und das darauf folgende Konzept, zu dem die Instanzen<br />
gehören müssen. Die Pfeile „->“ und „->>“ werden verwendet, um auszudrücken, dass eine Relation in ihrer zweiten<br />
Stelle von einer einzelnen Instanz bzw. von einer Menge von Instanzen erfüllt wird. Die Notation „“ steht für das logische<br />
Subjugat, das sich in natürlicher Sprache als „Wenn ..., dann ... “-Beziehung wiedergeben lässt.
166 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
∀ Person_X, Vorgang_Y, Thema_Z:<br />
Vorgang_Y:Schulung [ hat_Gegenstandsbereich ->> Thema_Z;<br />
hat_Schulungsniveau -> professionell;<br />
hat_Teilnehmer ->> Person_X]<br />
Person_X:Mitarbeiter [ hat_Kompetenz_in ->> Thema_Z].<br />
∀ Projekt_A, Projekt_B, Person_C, Thema_D:<br />
(Projekt_A:Projekt [ erfordert_Kompetenz_in ->> Thema_D;<br />
wurde_evaluiert -> erfolgreich] AND<br />
Projekt_B:Projekt [ erfordert_Kompetenz_in ->> Thema_D;<br />
(NOT equal(Projekt_A,Projekt_B)) AND<br />
wurde_evaluiert -> erfolgreich] AND<br />
Person_C:Mitarbeiter [ hat_mitgearbeitet_in ->> Projekt_A] AND<br />
Person_C:Mitarbeiter [ hat_mitgearbeitet_in ->> Projekt_B])<br />
Person_C:Mitarbeiter [ hat_Kompetenz_in ->> Thema_D].<br />
Abbildung 16: Objektsprachliche Inferenzregeln<br />
zur Erschließung impliziten Wissens über Mitarbeiterkompetenzen<br />
Die erste Inferenzregel () drückt die Plausibilitätsannahme aus, dass ein Mitarbeiter, der an einer<br />
Schulung über einen bestimmten Gegenstandsbereich teilgenommen hat, über eine Kompetenz in<br />
diesem Gegenstandsbereich verfügt, sofern das Anforderungsniveau der Schulung ein professionelles<br />
Niveau erreicht hat. Die zweite Inferenzregel () gibt die Vermutung wieder, dass ein Mitarbeiter<br />
über eine bestimmte Kompetenz verfügt, wenn er an mindestens zwei verschiedenen Projekten<br />
mitgewirkt hat, in denen diese Kompetenz zur erfolgreichen Projektabwicklung erforderlich war<br />
und die nach ihrem Abschluss jeweils als erfolgreich evaluiert wurden. 180)<br />
180) Anhand der zweiten Inferenzregel lässt sich exemplarisch verdeutlichen, wie schwer es ist zu entscheiden, ob eine Inferenzregel<br />
(oder auch eine Integritätsregel) entweder rein sprachlicher Natur ist und somit zu einer Ontologie gehört – oder ob sie von den<br />
Spezifika eines Realitätsausschmitts abhängt, also nur domänenspezifisch gilt, und deswegen den Bestandteil einer Wissensbasis<br />
bilden müsste. Im Fall der zweiten Inferenzregel kann die Ansicht vertreten werden, dass es sich aus der „Bedeutung des<br />
Kompetenzbegriffs“ ergebe, eine Kompetenz vermutlich zu erwerben, wenn man an mehreren erfolgreich abgeschlossenen Projekten<br />
mitgewirkt hat, die jene Kompetenz erfordert haben. Stattdessen lässt sich aber auch argumentieren, die voranstehende<br />
Vermutung werde nur deswegen als „plausibel“ anerkannt, weil Mitarbeiter in Unternehmen im Allgemeinen die gleiche Realitätserfahrung<br />
teilten, dass sich eine Kompetenz vermutlich erwerben lasse, wenn man an mehreren erfolgreich abgeschlossenen<br />
Projekten mitgewirkt hat, die jene Kompetenz erfordert haben. Je nachdem, welche der beiden vorgenannten Positionen eingenommen<br />
wird, wäre die zweite Inferenzregel entweder als „rein sprachlicher Natur“ anzusehen und daher einer Ontologie zuzurechnen<br />
– oder aber als erfahrungs- und realitätsabhängig einzustufen und deswegen einer Wissensbasis über den betroffenen<br />
Realitätsausschnitt zuzuordnen. Der Verfasser räumt ein, dass er sich nicht in der Lage sieht, sich mit guten Gründen eindeutig<br />
für eine der beiden vorgenannten Positionen zu entscheiden. Folglich bleibt die Zuordnung der o.a. zweiten Inferenzregel zu einer<br />
Ontologie mit einer „Prise Willkür“ behaftet. Gleiches trifft auch auf die o.a. erste Inferenzregel zu – und im Prinzip sogar<br />
auf alle Inferenzregeln, die im Verbundprojekt KOWIEN als Bestandteile von Ontologien thematisiert wurden. Die Aufteilung<br />
von Inferenzregeln (und Integritätsregeln) auf einerseits Ontologien und andererseits Wissensbasen stellt letztlich ein epistemologisches<br />
Problem dar, das innerhalb des Verbundprojekts KOWIEN nicht zufrieden stellend gelöst werden konnte. Vielmehr<br />
wurde von den Projektmitgliedern letztlich „pragmatisch“ entschieden, Inferenzregeln dem einen oder anderen Bereich zuzuordnen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 167<br />
Die beiden voranstehenden – stark vereinfachten – Beispiele verdeutlichen nicht nur die Eigenarten<br />
objektsprachlicher Inferenzregeln, sondern auch zwei charakteristische Eigenschaften des ontologiebasierten<br />
Managements von Wissen über Kompetenzen.<br />
Zunächst ist festzuhalten, dass auch in Ontologien das Wissen über Kompetenzen formalsprachlich<br />
repräsentiert wird. Andernfalls wäre keine computerbasierte Verarbeitung dieses Wissens möglich,<br />
wie z.B. das automatische Schlussfolgern, d.h. das computerbasierte Erschließen impliziten Wissens.<br />
Aber „formalsprachlich“ bedeutet keineswegs „quantitativ“ oder „numerisch“. Stattdessen erlaubt<br />
es die z.B. prädikatenlogische Ausdrucksweise 181) einer Ontologie, mit Konstrukten umzugehen,<br />
die natürlichsprachlich anmuten. Beispielsweise lassen sich Variablen wie „Person_X“, „Projekt_A“<br />
und „Thema_Z“, Konzepte wie „Mitarbeiter“ und „Schulung“ sowie Relationen wie<br />
„hat_Kompetenz_in“ und „wurde_evaluiert“ von menschlichen Nutzern eines computerbasierten<br />
Kompetenzmanagementsystems unmittelbar verstehen. Dies trägt erheblich zur Akzeptanz von<br />
<strong>Kompetenzmanagementsysteme</strong>n im betrieblichen Alltag bei. Allerdings handelt es sich bei einem<br />
Konstrukt wie „Person_X“ aus der Sicht eines Computers lediglich um einen „String“, d.h. um eine<br />
„bedeutungslose“, rein syntaktisch definierte Zeichenkette. Ein gewöhnlicher Computer kann daher<br />
die kompetenzbezogenen Informationen, die in den beiden o.a. Inferenzregeln enthalten sind, nicht<br />
korrekt verarbeiten. Ihm fehlt das inhaltliche Verständnis für die natürlichsprachlichen Bedeutungen<br />
der Konstrukte, die ein menschlicher Leser der Konstrukte als „selbstverständlich“ empfinden<br />
würde.<br />
An dieser Stelle kommt die semantische Dimension von Ontologien ins Spiel: Durch das Zusammenspiel<br />
der semantischen Konstrukte einer Ontologie soll 182) sichergestellt werden, dass ein Computer,<br />
der intern nur formalsprachlich definierte Operationen auszuführen vermag, die natürlichsprachlich<br />
anmutenden Konstrukte genau so verarbeitet, wie es ihren natürlichsprachlichen Bedeutungen<br />
entspricht. 183) Diese bedeutungsgerechte Verarbeitung formalsprachlich repräsentierten Wissens<br />
wird erzielt, indem mittels semantischer Konstrukte wie Inferenz- und Integritätsregeln die<br />
Verwendung der formalsprachlichen Konstrukte („Strings“) auf jene Verwendungsmöglichkeiten<br />
eingeschränkt wird, die aus der Perspektive der natürlichsprachlichen Konstruktbedeutungen für<br />
einen menschlichen Betrachter als zulässig erscheinen. Die größte Herausforderung an die Gestaltung<br />
von Ontologien besteht daher in der Aufgabe, ihre Konzepte (und Relationen) 184) durch zusätzliche<br />
Inferenz- und Integritätsregeln – oder andere semantische Konstrukte – so zu ergänzen, dass<br />
181) Die Argumente, die hier vorgetragen werden, sind inhaltlich nicht auf die Prädikatenlogik beschränkt. Vielmehr treffen sie auf<br />
die meisten konkurrierenden Varianten der Formalen Logik ebenso zu. Beispielsweise lassen sich die natürlichsprachlich anmutenden<br />
Konstrukte, die in der Abbildung 16 verwendet werden, auch mithilfe von F-Logic formulieren. Es wird hier lediglich<br />
die Bezugnahme auf prädikatenlogische Formulierungsweisen bevorzugt, weil sich die Prädikatenlogik (1. Stufe) in weiten Bereichen<br />
der Wissenschaft als eine Art „lingua franca“ etabliert hat, die von nahezu allen Wissenschaftlern – zumindest ansatzweise<br />
– verstanden wird. Zugleich zeichnet sie sich durch einen großen Ausdrucksreichtum aus. Es gibt kaum realwissenschaftliche<br />
Sachverhalte, die sich nicht mit prädikatenlogischen Ausdrucksmitteln formulieren lassen. Dies trifft zumindest in<br />
den Wirtschaftswissenschaften zu, die im Vordergrund des Verbundprojekts KOWIEN standen.<br />
182) Ob dieser Anspruch von einer Ontologie tatsächlich eingelöst wird, hängt von ihrem Design ab. Wird der Anspruch verfehlt,<br />
lässt sich beispielsweise auf das „konstruktive Argumentationsspiel“ zurückgreifen, das in der Fußnote 169 auf S. 162 skizziert<br />
wurde, um Ontologien in semantischer Hinsicht schrittweise zu erweitern.<br />
183) Vgl. dazu insbesondere den Überblicksaufsatz von METAIS (2002). Die Autorin befasst sich darin mit dem State-of-the-art von<br />
Techniken, die es computerbasierten Informationssystemen gestatten, natürlichsprachliche Informationen zu verarbeiten. Im<br />
Rahmen dieser Techniken werden auch Ontologien behandelt; vgl. S. 259 ff. u. 264.<br />
184) Es wurde schon weiter oben darauf hingewiesen, dass die hier vorgetragenen Argumente sowohl auf Konzepte als auch auf Relationen<br />
aus einer Ontologie zutreffen.
168 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
die Verwendung der Konzepte auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung<br />
eingeschränkt wird. 185) Auch im Verbundprojekt KOWIEN stellte die Auseinandersetzung<br />
mit dieser Aufgabe eine wesentliche Herausforderung im Rahmen der Gestaltung der KOWIEN-<br />
Ontologie dar. 186)<br />
Die semantische Dimension von Ontologien stellt also die wesentliche Triebkraft dar, die es gestattet,<br />
einerseits computerintern mit formalsprachlichen Wissensrepräsentationen zu operieren, andererseits<br />
jedoch auch Wissen über die Bedeutungen von Konzepten (und Relationen) in die computerbasierte<br />
Wissensverarbeitung einzubeziehen. Hiermit werden die Grenzen konventioneller, rein<br />
syntaktisch fundierter Informationsverarbeitung deutlich in Richtung „lebensweltlicher Problemlösungskompetenz“<br />
verschoben. In dieser Erweiterung der computerbasierten Wissensverarbeitung<br />
um ein inhaltliches Verständnis des formalsprachlich repräsentierten Wissens liegt ein wesentlicher<br />
Beitrag des Knowledge Level Engineerings der KI-Forschung zur Bereicherung des betrieblichen<br />
Wissensmanagements.<br />
Darüber hinaus bieten Ontologien die Gelegenheit, mit der naiven Vorstellung aufzuräumen, computerbasierte<br />
Wissensmanagementsysteme seien lediglich in der Lage, „quantitatives“ oder „numerisches“<br />
Wissen zu verarbeiten. Stattdessen haben die o.a. zwei Beispiele für objektsprachliche Inferenzregeln<br />
in der Abbildung 16 verdeutlicht, dass es Ontologien keine Schwierigkeiten bereitet,<br />
mit Konstrukten umzugehen, die natürlichsprachlich anmuten. 187) Auf diese Weise wird es möglich,<br />
das vielfältige qualitative Wissen eines Unternehmens computerbasiert zu erschließen, das<br />
185) Spätestens an dieser Stelle ist einem drohenden Missverständnis vorzubeugen. Die bisherigen Erläuterungen könnten den Eindruck<br />
erwecken, dass semantische Konstrukte ausschließlich dem Zweck dienen, die Verwendung der Konzepte einer Ontologie<br />
auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung einzuschränken. In der Tat wurde bisher stets aus<br />
dieser Perspektive argumentiert. Sie reflektiert das spezielle Semantikverständnis einer Verwendungstheorie der Bedeutung, der<br />
zufolge die Rolle der Semantik darin liegt, aus allen rein syntaktisch möglichen Konzeptverwendungen nur diejenigen zuzulassen,<br />
die sich auch im Sinne der Konzeptbedeutungen als semantisch korrekt erweisen. Aus dieser Perspektive muss ein semantisches<br />
Konstrukt restriktiv wirken, weil es die Gesamtheit aller syntaktisch zulässigen Konzeptverwendungen auf die bedeutungsgerechten<br />
Konzeptverwendungen einschränkt. Ein typisches Beispiel für ein derart restriktiv wirkendes semantisches Konstrukt<br />
ist jede Integritätsregel (Näheres dazu im Kapitel 2.4.2.2.2 auf S. 443 ff.). Dies ist jedoch nur eine von mehreren verschiedenen semantischen<br />
Perspektiven. Aus einer anderen Perspektive kann ein semantisches Konstrukt auch expansiv wirken. Ein typisches<br />
Beispiel hierfür ist jede objektsprachliche Inferenzregel (Näheres dazu im Kapitel 4.2.2.1 auf S. 434 ff.). Denn eine solche Inferenzregel<br />
erlaubt es, durch Auswertung der Bedeutungen jener Konzepte, die in einer objektsprachlichen Inferenzregel miteinander<br />
verknüpft werden, neues explizites Wissen zu erschließen, das in einem zugrunde liegenden Wissensbestand weder explizit<br />
enthalten ist noch mittels der metasprachlichen Inferenzregeln der Formalen Logik als implizites Wissen erschlossen werden<br />
kann. Erst durch Hinzufügen der objektsprachlichen Inferenzregel wird es möglich, dieses neue zusätzliche Wissen zu erschließen,<br />
und zwar aufgrund der Konzeptbedeutungen, die in der objektsprachlichen Inferenzregel miteinander verknüpft werden.<br />
Dies wurde bereits unter Bezugnahme auf die objektsprachlichen Inferenzregeln der Abbildung 16 verdeutlicht; vgl. S. 166 ff.<br />
186) Der Verfasser räumt ein, dass innerhalb der Projektlaufzeit bei weitem nicht alle Probleme gelöst werden konnten, die bei der<br />
Gestaltung der semantischen Dimension der KOWIEN-Ontologie (und daraus abgeleiteter Ontologien) auftraten. Über einige<br />
dieser Probleme wird im hier vorgelegten Werk berichtet; andere Probleme erweisen sich als zu komplex, als dass sie im hier<br />
gebotenen Rahmen zufrieden stellend erörtert werden könnten. Der Verfasser hofft, dass mit dem vorgelegten Werk zumindest<br />
eine fruchtbare Diskussion über die semantischen Gestaltungsprobleme von Ontologien angestoßen werden kann.<br />
187) Um wiederum Missverständnissen vorzubeugen, wird darauf hingewiesen, dass die Verarbeitungsfähigkeit von Formeln, die<br />
natürlichsprachliche Konstruktbezeichner enthalten, kein Alleinstellungsmerkmal von Ontologien darstellt. Vielmehr können<br />
solche Konstruktbezeichner im Prinzip in allen Computersystemen verarbeitet werden, weil es für die interne formalsprachliche<br />
Operationsweise eines Computers letztlich belanglos ist, ob er einen bedeutungslosen String wie „x“ oder „Feld_4711“ oder einen<br />
bedeutungstragenden String wie „Mitarbeiter“ verarbeitet. Aus rein syntaktischer, d.h. auf formalsprachliche Ausdrucksmittel<br />
beschränkter Sicht bleibt „String gleich String“. Aber Ontologien wirken als „enabler“, d.h. sie begünstigen die Verwendung<br />
natürlichsprachlicher Konstruktbezeichner. Denn Ontologien sind mittels ihrer semantischen Dimension grundsätzlich in<br />
der Lage, für natürlichsprachlich anmutende Konstruktbezeichner wie „Mitarbeiter“ zusätzlich diejenigen semantischen Konstrukte<br />
zu spezifizieren, mit deren Hilfe sich die bedeutungsgerechte Konstruktverwendung festlegen lässt.
1.3.1 Einführung in das Themenfeld „Ontologien“ 169<br />
insbesondere im Bereich des Wissensmanagements aus betriebswirtschaftlicher Sicht oftmals eine<br />
dominante Rolle spielt. Dadurch wird das übliche Vorurteil durchbrochen, computerbasierte Wissensmanagementsysteme<br />
seien auf „rein formale“ Repräsentationen von Realitätsausschnitten beschränkt.<br />
Denn die semantische Dimension von Ontologien gestattet es ebenso, Konzeptualisierungen<br />
möglicher Realitätserfahrungen zu spezifizieren, die – vollständig oder teilweise – in natürlicher<br />
Sprache verfasst sind. An die Stelle rein formalsprachlicher Terme gewöhnlicher Computerprogramme<br />
tritt dann ein Vokabular, das auch aus natürlichsprachlichen Ausdrücken besteht. Die<br />
korrekte Verwendung dieser natürlichsprachlichen Ausdrücke wird innerhalb einer Ontologie mittels<br />
zusätzlicher semantischer Konstrukte festgelegt.<br />
Eine zweite, ebenso wichtige Facette objektsprachlicher Inferenzregeln erstreckt sich auf deren<br />
epistemologische Qualität. Sie unterscheiden sich in dieser Hinsicht deutlich von den metasprachlichen<br />
Inferenzregeln der Formalen Logik. Diese metasprachlichen Inferenzregeln zeichnen sich<br />
durch ihre Eigenschaft der Wahrheitserhaltung aus. Sie bedeutet, dass metasprachliche Inferenzregeln<br />
– wenn sie auf ein gültiges („wahres“) Formelsystem angewendet werden – immer nur Formeln<br />
als Schlussfolgerungen erzeugen können, die – wenn sie zum ursprünglichen Formelsystem<br />
hinzugefügt werden – ein wiederum gültiges („wahres“) Formelsystem ergeben. Objektsprachliche<br />
Inferenzregeln weisen diese erstrebenswerte epistemologische Qualität der Wahrheitserhaltung im<br />
Allgemeinen leider nicht auf. Die Schlussfolgerungen, die mittels objektsprachlicher Inferenzregeln<br />
gezogen werden, vermitteln daher in der Regel kein sicheres Wissen. Denn es liegt in der Eigenart<br />
objektsprachlicher Inferenzregeln begründet, dass sie nur plausible, intuitiv einsichtige oder pragmatisch<br />
bewährte Schlüsse gestatten, aber nicht über die wahrheitserhaltende Stringenz der Formalen<br />
Logik verfügen.<br />
Beispielsweise drückt die erste Inferenzregel () in Abbildung 16 lediglich die Plausibilitätsannahme<br />
aus, dass ein Mitarbeiter, der an einer Schulung über einen bestimmten Gegenstandsbereich<br />
teilgenommen hat, über eine Kompetenz in diesem Gegenstandsbereich verfügt, sofern das Anforderungsniveau<br />
der Schulung ein professionelles Niveau erreicht hat. Es lassen sich jedoch zahlreiche<br />
Gründe vorstellen, warum in Einzelfällen diese „plausible“ Schlussfolgerung in die Irre führt.<br />
So kann der Mitarbeiter zwar an der Schulung teilgenommen, in ihr aber kein nennenswertes handlungsbefähigendes<br />
Wissen erworben haben. Es lässt sich z.B. vorstellen, dass der Mitarbeiter eine<br />
Abschlussprüfung zum Nachweis der erworbenen professionellen Kompetenz nicht bestanden hat.<br />
Darüber wird in der Inferenzregel () nichts ausgesagt. Vielleicht hat der Mitarbeiter sogar ein<br />
Teilnahmezertifikat erworben (im Bereich der kommerziellen Weiterbildung sollte dies zu erwarten<br />
sein), aber er hat dennoch keinen wesentlichen Zuwachs seines handlungsbefähigenden Wissens erzielt,<br />
weil ihn „soziale Interaktionen“ mit anderen Schulungsteilnehmer(inne)n am Erwerb von<br />
fachlichen Kompetenzen hinderten. Die Gründe für ein Versagen des o.a. Plausibilitätsschlusses<br />
ließen sich beliebig vermehren.<br />
Auch die Vermutung der zweiten Inferenzregel (), dass ein Mitarbeiter über eine bestimmte<br />
Kompetenz verfügt, wenn er an mindestens zwei verschiedenen Projekten mitgewirkt hat, in denen<br />
diese Kompetenz zur erfolgreichen Projektabwicklung erforderlich war und die nach ihrem Abschluss<br />
jeweils als erfolgreich evaluiert wurden, lässt sich durch eine Fülle von Gegenbeispielen in<br />
Zweifel ziehen. So kann die erforderliche Kompetenz von anderen Teammitgliedern in die Projektarbeit<br />
eingebracht worden sein als von dem betrachteten Mitarbeiter. Außerdem lässt sich in Zweifel<br />
ziehen, warum Mitwirkungen an mindestens zwei verschiedenen Projekten ausschlaggebend dafür<br />
sein soll, eine Kompetenz durch „learning by doing“ erworben zu haben. Eine kausale Stringenz<br />
zwischen einem Kompetenzerwerb und der Anzahl der Projekte, an denen mitgewirkt wurde, lässt<br />
sich aus keiner Kompetenz- oder Verhaltenstheorie herleiten. Auch im zweiten Fall würde es keine
170 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Schwierigkeiten bereiten, Gründe für ein Versagen des o.a. Plausibilitätsschlusses beliebig zu vermehren.<br />
Es wäre jedoch verfehlt, aufgrund der voranstehenden Beispiele einen „Defekt“ des inhaltlichen<br />
Schließens mittels objektsprachlicher Inferenzregeln zu vermuten. Zwar sind sie nicht in der Lage,<br />
die epistemische Qualität der Wahrheitserhaltung sicherzustellen, wie es für die metasprachlichen<br />
Inferenzregeln der Formalen Logik der Fall ist. Jedoch gestatten objektsprachliche Inferenzregeln<br />
eine Fülle „plausibler“ Schlussfolgerungen, zu denen die metasprachlichen Inferenzregeln der Formalen<br />
Logik grundsätzlich nicht in der Lage sind. Denn die metasprachlichen Inferenzregeln der<br />
Formalen Logik nehmen nur auf die „Form“ der Komponenten eines Formelsystems Bezug, nicht<br />
jedoch auf die Bedeutungen der involvierten Formelkomponenten.<br />
Aus dem zuvor Gesagten ergibt sich ein unüberwindbarer epistemologischer „trade off“ zwischen<br />
Sicherheit des Wissens einerseits und Schlussfolgerungsmächtigkeit andererseits: Entweder man<br />
fordert die strenge Wahrheitserhaltung, die von den metasprachlichen Inferenzregeln der Formalen<br />
Logik garantiert wird. Dann wird durch die Anwendung von metasprachlichen Inferenzregeln sicheres<br />
Wissen generiert. Aber der epistemologische Preis, der hierfür entrichtet werden muss, besteht<br />
darin, dass auf eine Fülle plausibler, nur in Einzelfällen falscher Schlussfolgerungen verzichtet werden<br />
muss, die sich aus dem vorhandenen Wissen (z.B. über Kompetenzen, Projekte und Schulungen)<br />
ziehen lassen würden. Oder man fordert ein möglichst großes Potenzial an Schlussfolgerungen,<br />
die aus einem gegebenen Wissensbestand gezogen werden können. In diesem Fall gelangen<br />
nicht nur meta-, sondern auch objektsprachliche Inferenzregeln des inhaltlichen Schließens zur Anwendung.<br />
Aber auch in diesem Fall ist ein epistemologischer Preis zu entrichten. Denn die Anwendung<br />
objektsprachlicher Inferenzregeln geht mit einem Verzicht auf Wahrheitserhaltung einher. Daher<br />
wird prinzipiell unsicheres Wissen erzeugt, sofern es auf lediglich plausiblen Schlussfolgerungen<br />
mittels objektsprachlicher Inferenzregeln beruht. Aus dem zuvor skizzierten „trade off“ existiert<br />
kein Entrinnen. Zumindest ist bis heute kein überzeugender Ausweg bekannt geworden.<br />
Bei Entscheidungen hinsichtlich der Ausgestaltung betrieblicher Wissensmanagementsysteme muss<br />
Position zum vorgenannten „trade off“ bezogen werden. Welche Position empfehlenswert ist, lässt<br />
sich aus betriebswirtschaftlicher Perspektive nicht allgemeingültig festlegen. Aber der Verfasser<br />
vertritt dezidiert die Ansicht, dass es für die Praxisnähe von Ontologien spricht, mit objektsprachlichen<br />
Inferenzregeln auch solche Schlussfolgerungen „mittlerer“ Stringenz zu erlauben, die für den<br />
„lebensweltlichen“ Erfahrungskontext der betrieblichen Praxis typisch sind. Es kommt in der betrieblichen<br />
Praxis nicht immer auf unangreifbare, weil wahrheitserhaltende Schlussfolgerungen an.<br />
Vielmehr besitzen oftmals „gewagte“ Schlussfolgerungen eine größere praktische Relevanz, die<br />
zwar kein sicheres Wissen erzeugen, aber die Kraft plausibler Argumentation für sich in Anspruch<br />
nehmen können. Diese Erwägungen mögen verdeutlichen, dass Ontologien mit ihren objektsprachlichen<br />
Inferenzregeln eine weitaus größere Bedeutung für die Praxis des Wissensmanagements besitzen,<br />
als ihnen im Vorurteil mancher Außenstehender, die sich vom formalsprachlichen Apparat<br />
der Ontologieforschung abgeschreckt fühlen, zugebilligt wird.<br />
Integritätsregeln 188) bilden neben den Inferenzregeln die zweite Gruppe semantischer Konstrukte,<br />
welche die semantische Dimension von Ontologien maßgeblich prägen. Integritätsregeln spezifizieren,<br />
welche Verknüpfungen von Konzepten – über deren syntaktisch korrekte Verknüpfung hinaus<br />
188) Auf Integritätsregeln wird in einem anderen Beitrag dieses Werks ausführlicher eingegangen; vgl. den Exkurs im Kapitel<br />
2.4.2.2.2 auf S. 443 ff. sowie die Beispiele für Integritätsregeln aus dem Verbundprojekt KOWIEN im Kapitel 2.4.4 auf S. 524<br />
ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 171<br />
– auch inhaltlich zulässig sind. Dies lässt sich in natürlicher Sprache veranschaulichen, wenn anstatt<br />
von abstrakten Konzepten natürlichsprachliche Begriffe verwendet werden: Beispielsweise ist der<br />
Satz „Nachts ist es preiswerter als in Amerika.“ zwar syntaktisch korrekt, aber dennoch semantisch<br />
unzulässig, da „sinnlos“. Integritätsregeln stellen das „Allzweckwerkzeug“ dar, mit dessen Hilfe<br />
sich die semantisch korrekte Verwendung von Konzepten, ihren Attributen und von Relationen<br />
zwischen Konzepten in einer Ontologie erzwingen lässt. Sie schränken die Verwendung der vorgenannten<br />
Konstrukte auf die bedeutungsgerechten Konstruktverwendungen ein.<br />
1.3.1.2 Exemplarische Realisierungen von Ontologien<br />
An Ontologien richtet sich die Erwartung, in den früher exemplarisch verdeutlichten Bereichen der<br />
inner- und der überbetrieblichen Leistungserstellung ein systematisches Wissensmanagement zu unterstützen,<br />
indem sie dasjenige – sprachlich verfasste – Domänenwissen strukturieren, das in die<br />
Leistungserstellung explizit oder implizit einfließt. Diese Strukturierungsaufgabe erfüllen Ontologien<br />
durch die explizite Spezifikation der terminologischen, der taxonomischen, der syntaktischen<br />
und – vor allem – der semantischen Eigenarten derjenigen sprachlichen Ausdrucksmittel, mit denen<br />
das Wissen über eine Domäne repräsentiert wird. 189)<br />
Diese generelle Erwartung an Ontologien wird bereits durch erste Exemplare erfüllt. Sie stellen unter<br />
Beweis, dass Ontologien grundsätzlich geeignet sind, Domänenwissen für ein systematisches<br />
Wissensmanagement zu strukturieren. 190) Um diese Feststellung zu belegen, werden in diesem Kapitel<br />
einige bereits realisierte Ontologien exemplarisch vorgestellt. Die Ausführungen fokussieren<br />
sich auf Ontologien aus wirtschaftswissenschaftlichen Anwendungsfeldern, um eine möglichst große<br />
inhaltliche Nähe zum des Verbundprojekts KOWIEN zu wahren. Darüber hinaus wird auf das<br />
189) Die Repräsentation des Wissens über eine Domäne (einen Realitätsausschnitt) erfolgt – je nach Sichtweise – mit den früher erwähnten<br />
repräsentationalen Modellen oder in der Wissensbasis eines Wissensbasierten Systems.<br />
190) Diese Eignungsthese wird hier insofern „mutig“ in den (Argumentations-) Raum gestellt, als weder Eignungskriterien angegeben<br />
noch hinsichtlich ihres Erfüllungsgrads konkret überprüft werden. Daher kann die Eignungsthese nur die Qualität einer<br />
„Arbeitshypothese“ besitzen, die dem Verbundprojekt KOWIEN als „heuristische Annahme“ zugrunde lag. Mehr kann von einem<br />
Einführungskapitel in ontologiebasiertes Wissensmanagement nicht erwartet werden. Es ist jedoch unbestritten, dass die<br />
Eignungsthese für Ontologien eine kriteriengestützte Überprüfung ihres Geltungsanspruchs geradezu herausfordert. Daher erfolgte<br />
im Verbundprojekt KOWIEN eine projektbegleitende Evaluation der Projekt(zwischen)ergebnisse – insbesondere auch<br />
der Ontologien, die im Verbundprojekt gemeinsam konstruiert wurden, – aus den Perspektiven der Praxispartner. Vgl. dazu die<br />
einschlägigen Projektberichte zum Verbundprojekt, insbesondere ALAN (2002b); ALPARSLAN (2004); APKE/BREMER/DITTMANN<br />
(2004) S. 85 ff.<br />
Darüber hinaus müsste die Eignungsthese für Ontologien durch einen Leistungsvergleich mit konkurrierenden Ansätzen für den<br />
gleichen Anwendungsbereich (Strukturierung von Domänenwissen für ein systematisches Wissensmanagement) „gehärtet“ –<br />
oder auch verworfen – werden. Beispielsweise drängt sich ein Vergleich mit Metamodellen, Referenzmodellen und konzeptuellen<br />
Modellen auf, die im Kapitel 1.3.1.3 (S. 189 ff.) als eng verwandte „Konkurrenten“ für Ontologien thematisiert werden.<br />
Leider standen im Verbundprojekt KOWIEN weder die personellen noch die zeitlichen Ressourcen zur Verfügung, um einen<br />
solchen Leistungsvergleich durchzuführen. Er bleibt daher ein Desiderat für Folgeprojekte (sofern solche Forschungsaufgaben<br />
auf das Interesse von Drittmittelgebern stoßen). Kriterienkataloge für einen solchen Leistungsvergleich stehen im Prinzip schon<br />
zur Verfügung, wurden zum Teil auch innerhalb des Verbundprojekts KOWIEN entwickelt. Vgl. zu Kriterienkatalogen für die<br />
Beurteilung der Eignung von Instrumenten für die Strukturierung von Domänenwissen (u.a. auch Ontologien) z.B. ALAN/AL-<br />
PARSLAN/ DITTMANN (2003) S. 142 ff.; APKE/BREMER/DITTMANN (2004) S. 93 ff. u. C-1 ff.; APKE ET AL. (2004) S. 36 ff.; BUR-<br />
GUN ET AL. (2001) S. 99 ff.; CORCHO/GÓMEZ-PÉREZ (2000) S. 81 ff.; DITTMANN/PENZEL (2004) S. 473 ff.; FRANK/PRASSE (1997)<br />
S. 22 ff. u. 41 ff.; FRANK (1998) S. 2 ff. u. 6 ff.; GÓMEZ-PÉREZ (1996) S. 519 ff.; GÓMEZ-PÉREZ (2004) S. 256 ff.; GÓMEZ-<br />
PÉREZ/FERNÁNDEZ-LOPÉZ/CORCHO (2004) S. 178 ff.; KROGSTIE/JØRGENSEN (2002) S. 5 ff.; RAUH/STICKEL (1997) S. 30 ff.; SI-<br />
SAID CHERFI/AKOKA/COMYN-WATTIAU (2002) S. 416 ff.; SYCARA ET AL. (2002) S. 175; VISSER/BENCH-CAPON (1998) S. 40 ff.
172 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
informations- und kommunikationstechnische Umfeld von Ontologieimplementierungen kurz eingegangen,<br />
weil die Art, in der eine Ontologie konstruiert wird, in nicht unerheblichem Ausmaß von<br />
den Sprachen des Wissensmanagements und den jeweils eingesetzten Implementierungswerkzeugen<br />
beeinflusst wird. 191) Als Implementierungswerkzeuge dienen vor allem Instrumente für die computerbasierte<br />
Konstruktion, Analyse und Anwendung von Ontologien. 192) Sie werden im Folgenden<br />
kurz als Ontologie-Werkzeuge angesprochen.<br />
Die aktuelle Entwicklung von Ontologien und von Ontologie-Werkzeugen ist dadurch gekennzeichnet,<br />
dass nahezu alle Ansätze auf der Internet-Technologie beruhen. Dies unterstreicht die enge<br />
Verzahnung der Ontologieforschung mit der Entwicklung des „Semantic Web“, die schon an früherer<br />
Stelle angesprochen wurde. Hinzu kommt, dass auch innerbetriebliche Intranets und Extranets<br />
für überbetriebliche geschlossene Nutzergruppen auf der Internet-Technologie beruhen. Daher<br />
bestimmen in technischer Hinsicht internetspezifische Kommunikations- und Sprachstandards den<br />
„sprachlichen Rahmen“ für ontologiebasiertes Wissensmanagement.<br />
Zu den internetspezifischen Standards gehören zunächst die basalen Kommunikations- und Sprachstandards<br />
HTTP (Hypertext Transfer Protocol), SGML (Standard Generalized Markup Language)<br />
und HTML (Hypertext Markup Language) sowie deren Weiterentwicklungen, wie z.B. XML (Extensible<br />
Markup Language) 193) . 194) Hinzu kommen in jüngerer Zeit – vor allem im Kontext des<br />
„Semantic Web“ – weitere Sprachstandards für das Internet, die unmittelbar darauf abzielen, auf<br />
Wissen inhaltlich zugreifen zu können, das in internet-tauglichen Dokumenten repräsentiert wird.<br />
Dazu gehören Standards wie RDF (Resource Description Framework) und – darauf aufbauend –<br />
191) Auch diese Beeinflussungsthese müsste belegt werden. Dies würde aber den Rahmen des hier vorgelegten Werks sprengen.<br />
Daher kann nur angedeutet werden, dass die Projektpartner bei ihrer Konstruktion von Ontologien immer wieder auf sprach-<br />
oder werkzeugbedingte Barrieren gestoßen sind, die dazu veranlassten, eine Ontologie auf andere Art computerbasiert zu implementieren,<br />
als es „eigentlich“ intendiert war. Ein herausragendes Beispiel bildet die Einschränkung auf zweistellige Relationen<br />
und Prädikate, die es nicht erlaubte, dreistellige Formeln zu verwenden, die ausdrücken, dass Akteure über Kompetenzen in<br />
bestimmten Ausprägungen verfügen. Auf diese Schwierigkeit der Ontologieimplementierung mittels vorhandener Sprachen und<br />
Werkzeuge wird später im Kapitel 2.4.3.1.2.1 (S. 493 ff.) detaillierter eingegangen.<br />
192) Instrumente für die computerbasierte Konstruktion von Ontologien werden zumeist als Ontologie-Editoren bezeichnet. Meistens<br />
umfassen sie Komponenten für die Analyse und Anwendung bereits konstruierter Ontologien. Analysekomponenten können<br />
sich auf die Überprüfung von Ontologieeigenschaften erstrecken, wie z.B. auf die Vollständigkeit und Widerspruchsfreiheit<br />
einer Ontologie. Bei den Komponenten zur Anwendung von Ontologien handelt es sich vor allem um Inferenzmaschinen. Mit<br />
ihrer Hilfe ist es möglich, das in Ontologien in der Form von Inferenzregeln (oder auch Integritätsregeln) enthaltene Wissen zu<br />
nutzen, um für ein Problem des Ontologieanwenders Erkenntnisse zu erschließen, die ihm bei der Problembearbeitung weiterhelfen<br />
(können). Die vorgenannten Komponenten können auch als eigenständige Softwarepakete realisiert sein. Solche Ontologie-Analysatoren<br />
und Inferenzmaschinen sind jedoch (derzeit) selten anzutreffen. Im Folgenden wird von Implementierungsdetails<br />
abgesehen, weil nur die drei grundsätzlichen Funktionen von Ontologie-Werkzeugen – die Konstruktion, die Analyse und<br />
die Anwendung von Ontologien – interessieren.<br />
193) Vgl. BRAY/PAOLI/SPERBERG-MCQUEEN (1998) S. 1 ff.; ERDMANN (2001) S. 13 ff., 125 ff., 162 ff., 175 ff. u. 218 ff.; FENSEL<br />
(2001a) S. 97 ff. (mit speziellem Bezug auf Ontologien); FORMICA/MISSIKOFF (2002) S. 1 ff. (mit speziellem Bezug auf Ontologien);<br />
GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 236 ff.; MELNIK/DECKER (2000) S. 1 ff. u. 7; SCHINZER/THOME<br />
(1999) S. 208 ff.; WEI (1999) S. 4 ff.; WUWONGSE ET AL. (2003) S. 63 ff.<br />
194) Vgl. als Überblick zu den Eigenschaften und wechselseitigen Beziehungen zwischen HTTP, SGML, HTML und XML beispielsweise<br />
KLAPSING (2003) S. 22 ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 173<br />
RDFS (Resource Description Framework Schema). 195) Sie gewinnen als Sprachstandards für das betriebliche<br />
Wissensmanagement zunehmend an Bedeutung. 196) Noch bedeutsamer für das ontologiebasierte<br />
Wissensmanagement sind Sprachstandards, die einerseits auf internet-taugliche Wissensrepräsentationen<br />
abzielen und andererseits unmittelbar auf Ontologien als Fundament der Wissensrepräsentation<br />
Bezug nehmen. Zu diesen internet- und ontologiebezogenen Sprachstandards 197) zählen:<br />
• CKML (Conceptual Knowledge Markup Language) 198) ,<br />
• DAML+OIL (Darpa Agent Markup Language and Ontology Inference Layer) 199) ,<br />
• GOL (General Ontology Language) 200) ,<br />
• IDEF5 (Integrated Definition Methods 5: Ontology Description Capture Method) 201) ,<br />
• OCML (Operational Conceptual Modeling Language) 202) ,<br />
• OML (Ontology Markup Language) 203) ,<br />
• OWL (Web Ontology Language) 204) ,<br />
195) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 67 ff.; BRICKLEY/GUHA (2004) S. 3 ff.; BROEKSTRA ET AL. (2000) S. 1 ff.; CHAMPIN<br />
(2001) S. 1 ff.; CONEN/KLAPSING (2001) S. 2 ff.; HAYES (2002) S. 3 ff.; ERDMANN (2001) S. 220 ff.; FENSEL (2001a) S. 100 ff.;<br />
HEFLIN (2001) S. 108 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 52 ff. u. 250 ff.; KLAPSING (2003) S. 6 ff., 35 ff.,<br />
63 ff., 97 ff. u. 177 ff.; KLYNE/CARROLL (2002) S. 3 ff.; MAEDCHE (2002) S. 35 ff.; MANOLA/MILLER (2004) S. 2 ff.; MCBRIDE<br />
(2004) S. 51 ff.; MELNIK/DECKER (2000) S. 5 u. 11; MILLER (1998) S. 15 ff.; STAAB ET AL. (2000a) S. 43 ff. (mit speziellem Bezug<br />
zur Formulierung von Ontologien in RDFS); WEI (1999) S. 8 ff., 13 ff. u. 27 ff.; vgl. auch im Internet die Informationen unter<br />
der URL „http://www.w3.org/RDF/“ (Zugriff am 10.02.2005).<br />
196) Diese Bedeutung schlägt sich u.a. in mehreren Weiterentwicklungen von RDF(S) nieder, die das „Web Engineering“ unterstützen<br />
sollen. Zum Anwendungsbereich des „Web Engineering“ gehören auch betriebliche Wissensmanagementsysteme, die auf<br />
der Internet-Technologie aufsetzen. Ein Beispiel für solche Weiterentwicklungen von RDF(S) stellt das Extensible Web Modeling<br />
Framework (XWMF) dar. Vgl. dazu KLAPSING (2003) S. 107 ff.; KLAPSING/NEUMANN/CONEN (2001) S. 62 ff.<br />
197) Vgl. zu vergleichenden Überblicken über solche internet- und ontologiebezogene Sprachstandards CORCHO/FERNÁNDEZ-LÓPEZ/<br />
GÓMEZ PÉREZ (2001) S. 50 ff.; FENSEL (2001a) S. 83 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 199 ff. u. 286 ff.;<br />
HEFLIN (2001) S. 106 ff.; KENT (2000) S. 167 f.; MELNIK/DECKER (2000) S. 4 ff.<br />
198) Vgl. KENT (2000) S. 139 ff., 151 f. u. 160 ff.<br />
199) Vgl. BACLAWSKI ET AL. (2002) S. 145 ff. (mit einer Verknüpfung zu UML); BROEKSTRA ET AL. (2000) S. 3 ff. (nur in Bezug auf<br />
OIL); CONOLLY ET AL. (2001); FENSEL (2001a) S. 105 ff.; FENSEL ET AL. (2001) S. 38 u. 40 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-<br />
LÓPEZ/CORCHO (2004) S. 56 ff. u. 61 ff., 258 ff. u. 264 ff.; HEFLIN (2001) S. 111 ff.; HORROCKS ET AL. (2001) S. 10 ff. (nur in<br />
Bezug auf OIL); MELNIK/DECKER (2000) S. 6 u. 11 (nur in Bezug auf OIL); NARAYAN/MCILRAITH (2002) S. 77 ff.; vgl. auch<br />
im Internet die Informationen unter den URL „http://www.daml.org/language/“ und „http://www.ontoknowledge.org/oil/“ (Zugriffe<br />
am 10.02.2005). Siehe auch S. 180 f. in diesem Kapitel sowie Kapitel 3.2.2.6.3.2 auf S. 685 ff.<br />
200) Vgl. DEGEN ET AL. (2001) S. 35 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 66 ff.<br />
201) Vgl. BENJAMIN ET AL. (1994) S. 1, 6 ff., 25 ff., 63 ff. u. 124 ff.; vgl. auch im Internet die Informationen unter der URL „http://<br />
www.idef.com/idef5.html“ (Zugriff am 31.12.2004).<br />
202) Vgl. GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 226 ff.<br />
203) Vgl. KENT (2000) S. 140 f. u. 155 ff.<br />
204) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 70 ff.; BECHHOFER ET AL. (2004); DEAN ET AL. (2002) S 1 ff.; GÓMEZ-PÉREZ/FER-<br />
NÁNDEZ-LÓPEZ/CORCHO (2004) S. 65 ff. u. 274 ff.; KLAPSING (2003) S. 66 f. (sofern das dort verwendete Akronym WOL dieselbe<br />
Web Ontology Language wie OWL meint); PATEL-SCHNEIDER/HORROCKS/VAN HARMELEN (2002) S. 1 ff.; vgl. auch im<br />
Internet die Informationen unter der URL „http://www.w3.org/TR/owl-features/“ (Zugriff am 10.02.2005).
174 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
• SHOE (Simple HTML Ontology Extensions) 205) und<br />
• XOL (XML-based Ontology Exchange Language) 206) .<br />
Bei den meisten Projekten, die sich zurzeit mit Ontologien befassen, steht die Entwicklung von<br />
Ontologie-Werkzeugen noch im Vordergrund. Wie auch sonst im Bereich von (Kern-) Informatik<br />
und Wirtschaftsinformatik häufig beobachtet werden kann, dominiert in der Ontologieforschung die<br />
„Strategie des Werkzeugmachers“: Zunächst wird ein computerbasiertes Instrument entwickelt; erst<br />
später wird nach passenden Anwendungen Ausschau gehalten. 207)<br />
Zu den bekanntesten Projekten, in denen Ontologie-Werkzeuge in einem sehr weit gefassten<br />
Sinn 208) entwickelt wurden, gehören die beiden US-amerikanischen Projekte Ontolingua und Protégé-2000<br />
sowie das deutsche OntoEdit/OntoBroker-Projekt 209) .<br />
Das Projekt Ontolingua 210) wurde am Knowledge Systems Laboratory (KSL) der Stanford University<br />
durchgeführt. Es zielte darauf ab, Instrumente zu entwickeln, welche sowohl die gemeinsame<br />
Verwendung als auch die Wiederverwendung von formalsprachlich repräsentiertem Domänenwissen<br />
unterstützen. Erstes entspricht der Perspektive des „knowledge sharing“ im Rahmen des synchronischen<br />
Wissensmanagements, zweites dem Blickwinkel des „knowledge reuse“ im Rahmen<br />
des diachronischen Wissensmanagements. Im Vordergrund der Entwicklungsarbeiten stand ein<br />
Werkzeug zum weltweit verteilten Erstellen, Überarbeiten und Suchen von bzw. nach Ontologien<br />
für beliebige Anwendungsbereiche. Bei diesem Werkzeug handelte es sich um eine Entwicklungs-<br />
und Konsultationsumgebung für Ontologien, auf die über den Ontolingua-Server der Stanford University<br />
öffentlich und kostenfrei zugegriffen werden kann. 211) Das Ontologie-Werkzeug basierte auf<br />
205) Vgl. ERDMANN (2001) S. 117 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 241 ff.; HEFLIN (2001) S. 47 ff. u. 72 ff.;<br />
LUKE/SPECTOR/RAGER (1996) S. 98 ff.; LUKE ET AL. (1997) S. 61 ff.; MELNIK/DECKER (2000) S. 5 u. 11.<br />
206) Vgl. FENSEL (2001a) S. 102 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 246 ff.; vgl. auch im Internet die Informationen<br />
unter der URL „http://www.ontologos.org/Ontology/XOL.htm“ (Zugriff am 10.02.2005).<br />
207) Mit den Ontologie-Werkzeugen wurden mittlerweile auch konkrete Ontologien konstruiert. Darauf wird hier im Zusammenhang<br />
mit Ontologie-Werkzeugen noch nicht näher eingegangen. Aber es wird darauf zurückgekommen, wenn später Ontologien<br />
vorgestellt werden, die für einzelne, insbesondere wirtschaftswissenschaftliche Anwendungsfelder bereits vorliegen.<br />
208) In einzelnen Projekten stand zunächst nicht die Entwicklung eines computerbasierten Werkzeugs, sondern die Entwicklung einer<br />
Sprache zur Ontologieformulierung im Vordergrund. Dies betrifft insbesondere das Ontolingua-Projekt. Eine Sprache lässt<br />
sich jedoch ebenso als ein Werkzeug auffassen (darauf wird später aus der Perspektive des „Wortens der Welt“ zurückgekommen).<br />
Daher wird hier ein sehr weit gefasstes Werkzeugverständnis zugrunde gelegt.<br />
209) Streng genommen handelt es sich um eine Familie verwandter Projekte. Davon wird jedoch hier der Einfachheit halber abgesehen.<br />
Darüber hinaus ist darauf hinzuweisen, dass die Schreibweisen dieses Projekts und seiner Produkte schwanken. So können<br />
den Quellen, die unten zum OntoEdit/OntoBroker-Projekt aufgeführt werden, die Schreibweisen „OntoEdit“, „Ontoedit“, „OntoBroker“,<br />
„Ontobroker“ und „On2broker“ entnommen werden. Die Notation „OntoEdit/OntoBroker“, die hier bevorzugt wird,<br />
stellt letztlich eine willkürliche Auswahl dar. Zu ihrer Motivierung kann aber angeführt werden, dass diese Notation in den Publikationen<br />
der Ontoprise GmbH verwendet wird, von der diese Softwareprodukte vertrieben werden; vgl. ONTOPRISE (2004a)<br />
für „OntoEdit“ bzw. ONTOPRISE (2004b) für „OntoBroker“.<br />
210) Vgl. BENJAMINS/FENSEL (1998) S. 292; BERGHOFF/DROBNIK (1998) S. 6 f. u. 9 ff.; DUINEVELD ET AL. (1999) S. 4 f. u. 9 ff.;<br />
FARQUHAR ET AL. (1995) S. 2 ff.; FARQUHAR/FIKES/RICE (1996) S. 2 ff.; FARQUHAR/FIKES/RICE (1997) S. 709 ff.; FENSEL<br />
(2001a) S. 89 ff.; FIKES ET AL. (1991) S. 15 ff.; GÓMEZ-PÉREZ (1998) S. 10-32 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO<br />
(2004) S. 300 ff.; GRUBER (1993) S. 202 ff.; GRUBER/OLSEN (1996) S. 569 ff. (mit einer sehr ausführlichen Dokumentation der<br />
Implementierung von mehreren Ontologie-Modulen aus dem Engineering-Bereich in Ontolingua auf 578 ff.); NOY/HAFNER<br />
(1998) S. 621; POCSAI (2000) S. 67 f.; SIMONS ET AL. (2000) S. 77 f.; USCHOLD/GRUNINGER (1996) S. 121 ff.; vgl. am Rande<br />
auch CORREA DA SILVA ET AL. (2002) S. 151 ff.<br />
211) Vgl. im Internet die Informationen unter der URL „http://www-ksl-svc.stanford.edu:5915“ (Zugriff am 10.02.2005).
1.3.1 Einführung in das Themenfeld „Ontologien“ 175<br />
der Spezifikationssprache „Ontolingua“. Sie wurde – im Sinne der Ontologiedefinition von GRUBER<br />
– als Sprachstandard für die formalsprachliche Spezifikation der Konzeptualisierung von Realitätsausschnitten<br />
entwickelt. Ihre Entwickler zielten darauf ab, Ontolingua als eine Art „lingua franca“<br />
für Ontologien zu etablieren. Zwar ist ihnen dieses Vorhaben nicht gelungen; aber das Ontolingua-<br />
Projekt zeichnete sich dennoch durch eine ambitiöse Programmatik aus.<br />
Im Ontolingua-Projekt wurde von vornherein auf den Anspruch verzichtet, eine einheitliche Ontologie<br />
für alle – natürlichen oder artifiziellen – Akteure zu entwickeln, die auf das gleiche Domänenwissen<br />
zur selben Zeit im Fall der Wissensteilung oder zu verschiedenen Zeiten zum Zweck der<br />
Wissenswiederverwendung zugreifen möchten. Stattdessen wurde in der Gestalt des Ontolingua-<br />
Servers eine „ontologische Schnittstelle“ geschaffen, die es gestatten soll, unterschiedliche Strukturierungen<br />
des gleichen Domänenwissens so ineinander zu transformieren, dass die Wissensinhalte<br />
bei dieser Übersetzung nicht verfälscht werden. Das Ontolingua-Projekt verfolgte also den Ansatz,<br />
für den Fall von strukturellen Wissensdivergenzen keine einheitliche Wissensstruktur unter allen<br />
Beteiligten herbeizuführen, sondern die Divergenzen durch bedeutungserhaltende Übersetzungen<br />
nachträglich zu kompensieren.<br />
Hinter diesem Ansatz des Ontolingua-Projekts stand die Überlegung, die epistemologischen und<br />
implementierungstechnischen Vorteile spezieller Wissensstrukturierungen nicht durch eine erzwungene<br />
Ontologievereinheitlichung zu zerstören, sondern in Partialontologien mit unterschiedlichen<br />
Wissensstrukturierungen zu bewahren. Er entsprach damit dem Vielfalt bewahrenden Wissensmanagementansatz,<br />
der oben im Zusammenhang mit der Alternative vorgestellt wurde, Wissensdivergenzen<br />
entweder a priori zu vermeiden oder aber a posteriori zu kompensieren. Die Konservierung<br />
spezieller Wissensstrukturen in Partialontologien ließ z.B. im Vergleich zu Globalontologien mit<br />
vereinheitlichter Wissensstruktur darauf hoffen, bei der Wissenseditierung und der Wissensanwendung<br />
Effizienzgewinne realisieren zu können. 212) Allerdings konnte die Berechtigung dieses bemerkenswerten<br />
konzeptionellen Wissensmanagementansatzes im Ontolingua-Projekt nicht nachgewiesen<br />
werden. Zwar wurde mit Hilfe des Ontolingua-Servers eine stattliche Anzahl konkreter Ontologien<br />
entwickelt (darauf wird in Kürze zurückgekommen). Jedoch sind nur wenige Untersuchungen<br />
bekannt geworden, die sich im Zusammenhang mit dem Ontolingua-Projekt der Übersetzung zwischen<br />
Partialontologien mit unterschiedlichen Wissensstrukturierungen zugewandt haben. Das<br />
Problem der Bedeutungserhaltung haben sie nach Wissen des Verfassers in keiner Weise konkret<br />
thematisiert. Daher muss das Ontolingua-Projekt aus der Perspektive des Vielfalt bewahrenden<br />
Wissensmanagementansatzes, Wissensdivergenzen mittels bedeutungserhaltender Übersetzungen<br />
zu kompensieren, im strengen Sinn als gescheitert betrachtet werden. 213)<br />
212) Den potenziellen Effizienzgewinnen ist jedoch der zusätzliche Aufwand für die Übersetzung zwischen unterschiedlichen Wissensstrukturen<br />
gegenüberzustellen. Welcher der beiden vorgenannten Effekte in welchen Situationen überwiegt, konnte bislang<br />
nicht einmal ansatzweise beantwortet werden. Zumindest sind dem Verfasser keine diesbezüglichen Untersuchungen aus dem<br />
Ontolingua-Projekt bekannt.<br />
213) Vielleicht ist dieses Scheitern eine Erklärung (unter anderen) für den Umstand, dass das Ontolingua-Projekt trotz der zahlreichen<br />
Ontologien, die aus ihm hervorgegangen sind, ohne großes Aufheben eingestellt wurde. Eine „offizielle“ Erklärung für die<br />
Projekteinstellung ist dem Verfasser nicht bekannt geworden. Sie kann auch aus dem „banalen“ Grund fehlender Projektmittel<br />
erfolgt sein. Aber angesichts des ambitiösen programmatischen Anspruchs, der mit dem Ontolingua-Projekt im Hinblick auf<br />
den Vielfalt erhaltenden Wissensmanagementansatz verfolgt wurde, würde es erstaunlich anmuten, wenn keine Anschlussfinanzierung<br />
zur Verfügung gestanden hätte.
176 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
In jüngster Zeit findet vor allem das Projekt Protégé-2000 214) größere Beachtung. Es hat an der<br />
Stanford University die Nachfolge des früheren Ontolingua-Projekts angetreten. 215) Mit der Entwicklung<br />
dieses Ontologie-Werkzeugs wurde insbesondere das Ziel verfolgt, Ontologien durch Benutzer,<br />
die über keine profunden Vorkenntnisse aus dem Bereich der Informatik verfügen, auf möglichst<br />
benutzerfreundliche Weise gestalten zu können. Die erfolgreiche Einlösung dieses Ziels manifestiert<br />
sich in einer Hotline und einer Newsgroup zum Werkzeug Protégé-2000, die sich in einer<br />
weltweit aufgestellten Community großer Beliebtheit erfreut. 216) In inhaltlicher Hinsicht vermag der<br />
Verfasser an diesem Ontologie-Werkzeug jedoch keine nennenswerten Fortschritte gegenüber dem<br />
Ontolingua-Projekt als „Trendsetter“ zu erkennen.<br />
214) Vgl. BOYENS (2001) S. 25 ff.; GENNARI ET AL. (2002) S. 2 u. 18 ff.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 313<br />
ff.; GROSSO ET AL. (1999) S. 23 ff.; LI ET AL. (2000) S. 2 ff.; MIZOGUCHI (2004) S. 289 ff.; NOY/FERGERSON/MUSEN (2000) S. 17<br />
ff.; NOY ET AL. (2001) S. 62 ff.; vgl. auch die Informationen im Internet unter der URL „http://protege.stanford.edu/“ (Zugriff<br />
am 10.02.2005).<br />
Für die Protégé-2000-Software wurde – analog zum in Kürze angesprochenen OntoEdit/OntoBroker-Projekt – eine größere Anzahl<br />
von „Plug-ins“ entwickelt, die im Kontext des Protégé-2000-Projekts als „tabs“ bezeichnet werden. Vgl. zu solchen „tabs“<br />
GENNARI ET AL. (2002) S. 19 ff. u. 26 f. Eines dieser „Plug-ins“ ist das „visualization tab“ OntoViz zur Visualisierung von Ontologien,<br />
das in Deutschland entwickelt wurde; vgl. GENNARI ET AL. (2002) S. 22 f.<br />
215) Das Projekt Protégé-2000 hat sich unabhängig vom Ontolingua-Projekt entwickelt. Vgl. zu den Vorläufer-Projekten Protégé(-I),<br />
Protégé-II und Protégé-I/Win vor allem GENNARI ET AL. (2002) S. 1 ff., insbesondere S. 5 ff., und GROSSO ET AL. (1999) S. 1 ff.,<br />
insbesondere S. 3 ff. Beide Beiträge bieten jeweils einen vollständiger Überblick über die Entwicklung der Familie der Protégé-<br />
Projekte. Vgl. daneben auch ERIKSSON ET AL. (1994) S. 3 ff. (Protégé-II); FRIDSMA/GENNARI/MUSEN (1997) S. 2 ff. (Protégé);<br />
GENNARI ET AL. (1994) S. 402 u. 404 ff. (Protégé-II); TU ET AL. (1994) S. 2 ff. (Protégé-II). Zum Ontolingua-Projekt bestehen<br />
allerdings zwei „lockere“ Verbindungen. Erstens wurden beide Projekte an der Stanford University initiiert, und zwar das Projekt<br />
Protégé-2000 deutlich nach dem Auslaufen des Ontolingua-Projekts (daher wurde oben von Protégé-2000 als einem Projekt<br />
in der „Nachfolge“ von Ontolingua gesprochen). Zweitens stimmen beide Projekte darin überein, auf dem OKBC-Protokoll<br />
(Open Knowledge Base Connectivity) zu beruhen. Zuweilen wird Ontolingua sogar als „kanonische Implementierung“ des<br />
OKBC-Protokolls angesehen; vgl. zu diesem Zusammenhang zwischen Ontolingua und Protégé-2000 GENNARI ET AL. (2002) S.<br />
19. Vgl. zum OKBC-Protokoll CHAUDHRI ET AL. (1998) S. 1 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 48 ff. u.<br />
222 ff.<br />
216) Die Protégé-2000-Hotline und -Newsgroup steht allen Interessierten im Internet unter der URL „http://protege.stanford.edu/<br />
community.html“ (Zugriff am 10.02.2005) via E-Mail offen. Vgl. auch GENNARI ET AL. (2002) S. 25 u. 27.
1.3.1 Einführung in das Themenfeld „Ontologien“ 177<br />
Das Projekt OntoEdit/OntoBroker 217) wurde am Institut für Angewandte Informatik und Formale<br />
Beschreibungssprachen (AIFB) der Universität Karlsruhe initiiert. Es stellt das derzeit anspruchsvollste<br />
ontologische Projekt im deutschsprachigen Raum dar. 218) Seine Basisidee erweist sich aus<br />
ökonomischer Perspektive als besonders interessant. Das OntoEdit/OntoBroker-Projekt hat sich<br />
zum Ziel gesetzt, das World Wide Web (WWW oder kurz „Web“) mit seinen – grob geschätzt – 10 9<br />
bis 10 10 einzelnen Wissensfragmenten 219) als universelle Wissensquelle effizienter und effektiver zu<br />
erschließen, als es mit herkömmlichen Techniken wie Browsern, Suchmaschinen und ähnlichen<br />
syntaktisch-statistisch basierten Retrieval-Techniken möglich erscheint.<br />
Das wesentliche Problem, das einen solchen universellen Zugriff auf das „Wissen im Web“ verwehrt<br />
oder zumindest erheblich erschwert, besteht darin, dass auf der Basis des derzeit noch in weiten<br />
Bereichen vorherrschenden HTML-Standards für Web-Dokumente kein direkter Zugang zum<br />
Inhalt der Dokumente möglich ist. Der HTML-Standard wirkt in dieser Hinsicht wie eine „strukturelle<br />
Barriere“. Denn mit seiner Hilfe lassen sich zwar Struktur und Layout der Web-Dokumente<br />
spezifizieren, nicht aber deren Semantik, d.h. die Bedeutungen der einzelnen Dokumentbestandteile.<br />
Zwar hat der XML-Standard, der auch inhaltliche Aspekte von Dokumenten zu spezifizieren gestattet,<br />
bereits eine nennenswerte Verbreitung gefunden. Aber das grundsätzliche Problem, Web-<br />
217) Vgl. ANGELE/STAAB/SCHNURR (2003) S. 2 f. u. 14; BOYENS (2001) S. 22 ff.; BENJAMINS/FENSEL (1998) S. 294 ff.; DECKER ET<br />
AL. (1998a) S. 1 ff.; DECKER ET AL. (1999) S. 352 ff.; ERDMANN (2001) S. 85 ff. u. 195 ff.; ERDMANN (2002) S. 2 ff. (bezüglich<br />
der OntoEdit-spezifischen Ontologiesprache OXML); ERDMANN/STUDER (1999) S. 2 ff.; FENSEL ET AL. (1998a) S. 132 ff.;<br />
FENSEL ET AL. (1998b) S. 4 ff.; FENSEL ET AL. (1998c) S. 1 ff.; FENSEL ET AL. (1999a) S. 1 ff.; FENSEL ET AL. (1999b) S. 2 ff.;<br />
FENSEL (2001a) S. 25 ff.; FRIEDLAND/ALLEN (2004) S. 6 f., 10 ff. u. 14 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S.<br />
328 ff.; HEFLIN (2001) S. 106 ff.; MAEDCHE (2002) S. 68 ff. u. 154 ff.; MIZOGUCHI (2004) S. 277 ff.; ONTOPRISE (2003a) S. 3 ff.;<br />
ONTOPRISE (2003b) S. 2 ff.; ONTOPRISE (2003c) S. 2 ff. (speziell in Bezug auf die OntoBroker-spezifische Implementierung von<br />
F-Logic); ONTOPRISE (2004a); ONTOPRISE (2004b); SCHNURR/STAAB/STUDER (1999) S. 2 ff.; STAAB/MAEDCHE (2001) S. 67 f.;<br />
SURE (2002b) S. 1 ff.; SURE ET AL. (2002) S. 224 ff.<br />
Die „Produkte“ des Projekts OntoEdit/OntoBroker lassen sich grob in die Ontologie-Entwicklungsumgebung OntoEdit<br />
und die Inferenzmaschine OntoBroker unterscheiden. Da beide Softwareprodukte jedoch in manchen Software-Paketen<br />
nicht eindeutig voneinander getrennt sind, sondern z.B. der OntoBroker als „Plug-in“ zu OntoEdit<br />
angeboten wird, wird im Folgenden nicht explizit zwischen diesen beiden Mitgliedern der OntoEdit/OntoBroker-<br />
Softwarefamilie differenziert. Darüber hinaus lässt sich zu dieser Softwarefamilie auch die Inferenzmaschine SiL-<br />
RI (Simple Logic-based RDF Interpreter) rechnen, da sie erstens ebenso wie OntoBroker in die Ontologie-<br />
Entwicklungsumgebung OntoEdit integriert werden kann und zweitens wie OntoBroker auf F-Logic beruht. Die<br />
Abgrenzung zwischen OntoBroker und SiLRI war den hier aufgeführten Quellen nicht klar zu entnehmen; eventuell<br />
handelt es sich bei SiLRI „nur“ um eine RDF-orientierte Fortentwicklung von OntoBroker. Vgl. zur Inferenzmaschine<br />
SiLRI DECKER ET AL. (1998b); KLAPSING (2003) S. 65 f. u. 187 ff.; MAEDCHE (2002) S. 160 ff.<br />
Ein weiteres „Plug-in“ zu OntoEdit stellt das Softwareprodukt OntoKick dar. Es ist darauf spezialisiert, im Zusammenspiel<br />
mit der Ontologie-Entwicklungsumgebung OntoEdit die frühen Phasen der Ontologiekonstruktion zu<br />
unterstützen, und zwar insbesondere die Spezifikation der Anforderuungen an eine Ontologie sowie die<br />
Identifizierung und Analyse von Wissensquellen, die zur Ontologiekonstruktion herangezogen werden können.<br />
Vgl. zu OntoKick BOYENS (2001) S. 30 ff. u. 56 f. sowie – speziell zur Einbettung in OntoEdit – S. 54 f. Vgl. darüber<br />
hinaus zu weiteren „Plug-ins“ für OntoEdit ANGELE (2003) S. 3 ff. (OntoAnalyser und OntoGenerator).<br />
218) Nach Einschätzung des Verfassers gehört es sogar zu den weltweit führenden Projekten auf dem Gebiet der Entwicklung von<br />
Ontologie-Werkzeugen. Darauf wird weiter unten zurückgekommen.<br />
219) Die grobe Anzahl von Wissensfragmenten, auf die sich im Internet zugreifen lässt, schwankt erheblich je nach Quelle, nach<br />
Publikationszeitpunkt und nach inhaltlicher Abgrenzung, was als ein Wissensfragment gezählt wird. Diese Schwankungen spielen<br />
hier jedoch keine wesentliche Rolle, weil es dem Verfasser nur um die ungefähre Größenordnung des Suchraums geht, der<br />
mit Retrieval-Techniken im Internet zu erschließen ist. Vgl. beispielsweise die Schätzung von „some 3 billion static documents<br />
... accessed by over 300 million users“ (gemeint sind wohl 3•10 9 Dokumente, da „billion“ im angelsächsischen Sprachkontext<br />
verwendet wird) in DING ET AL. (2002) S. 205. Da die vorgenannte Quelle im Dezember 2001 zur Publikation akzeptiert wurde<br />
und daher mittlerweile mehr als 3 Jahre alt ist, dürfte wegen des raschen Wachstums des World Wide Webs die Anzahl der dort<br />
vorgehaltenen Wissensfragmente heute weit über der o.a. Untergrenze von 3•10 9 liegen.
178 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Dokumente inhaltlich zu erschließen, konnte auch mit XML bislang nicht zufrieden stellend gelöst<br />
werden. Denn die semantischen Konstrukte des XML-Standards sind noch viel zu rudimentär ausgeprägt,<br />
um die Fülle des Wissens, das in Web-Dokumenten kodifiziert ist, inhaltlich erschließen zu<br />
können. Außerdem ist es noch nicht möglich, auf Web-Dokumente computerbasierte Inferenzen anzuwenden,<br />
um das in den Dokumenten implizit enthaltene Wissen zu explizieren. Daher hängt es<br />
oftmals von Zufallsentscheidungen über die Art der Wissensexplizierung ab, auf welche Wissenskomponenten<br />
im World Wide Web direkt zugegriffen werden kann.<br />
Um diese Schwierigkeiten zu überwinden, wurde im Rahmen des OntoEdit/OntoBroker-Projekts<br />
zunächst die – auch andernorts verfolgte – Idee umgesetzt, Web-Dokumente mittels formalsprachlicher<br />
Annotationen um eine formale Semantik anzureichern. 220) Zu diesem Zweck wurden in einer<br />
formalsprachlichen Erweiterung des HTML-Standards, die als HTML A bezeichnet wurde, 221) so genannte<br />
„anchor tags“ 222) eingeführt. Sie erlauben es, in Web-Dokumenten die Bedeutungen beliebiger<br />
Dokumentbestandteile durch manuell eingefügte Annotationen formalsprachlich zu beschreiben.<br />
Auf der Verwendung der Annotationssprache HTML A zur semantischen Anreicherung von<br />
Web-Dokumenten beruhte das ursprüngliche OntoEdit/OntoBroker-Projekt.<br />
Dieser ursprüngliche Ansatz war jedoch mit erheblichem Aufwand zur Erstellung der „anchor tags“<br />
verknüpft. Sie mussten in der Regel von den Anwendern der OntoEdit/OntoBroker-Werkzeuge manuell<br />
in Web-Dokumente eingearbeitet werden. Hinzu kam das generelle ontologische Problem,<br />
dass ein gemeinsames Verständnis für die Bedeutungen annotierter Dokumentbestandteile nur innerhalb<br />
einer Gruppe von Akteuren entwickelt werden kann, die eine gemeinsame Konzeptualisierung<br />
des betroffenen Realitätsausschnitts und eine darauf aufbauende Ontologie teilen („shared ontology<br />
paradigm“). Dieses Problem wurde im OntoEdit/OntoBroker-Projekt durch das Konzept der<br />
Ontogroups gelöst. Es basiert auf der Idee, eine Domäne durch eine homogene Benutzergruppe –<br />
eine so genannte „Ontogroup“ – konzeptualisieren und sprachlich strukturieren zu lassen, deren<br />
Mitglieder eine gemeinsame Sicht auf einen Realitätsausschnitt teilen. Das Ontogroup-Konzept<br />
stößt aber in einigen der oben angeführten betriebswirtschaftlichen Anwendungsszenarien mit heterogen<br />
zusammengesetzten Akteursgruppen rasch auf prinzipielle Anwendungshindernisse. Dies betrifft<br />
insbesondere überbetriebliche Netzwerke, die für die arbeitsteilige Erfüllung wissensintensiver<br />
Engineering-Aufgaben eine bedeutsame Rolle spielen. Daher wurden Ontogroups im Verbundprojekt<br />
KOWIEN nicht intensiv weiterverfolgt.<br />
220) Eine interessante andere Verwendung von Annotationen – außerhalb des OntoEdit/OntoBroker-Projekts – findet sich im Beitrag<br />
von SCHREIBER ET AL. (2001b) S. 2 ff. Dort werden Fotografien mit RDF(S)-Annotationen versehen, um auf die reichhaltigen<br />
Bibliotheken digitalisierter „Bilddokumente“ im World Wide Web inhaltsadressiert zugreifen zu können. Zugleich verdeutlicht<br />
dieser Ansatz noch einmal, wie weit die o.a. Dokumenten-These greift. Ein Ansatz zur Annotation von „Bilddokumenten“<br />
findet sich ebenso bei HAASE (2000) S. 592 f. Vgl. des Weiteren zur Verwendung von Annotationen mit „tags“ in HTML und<br />
XML BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-5 ff.; VAN HARMELEN/FENSEL (1999) S. 2 ff.<br />
221) Vgl. zu HTML A ERDMANN (2001) S. 105 ff. u. 271 f.; ERDMANN/STUDER (1999) S. 3.<br />
222) Vgl. BENJAMINS/FENSEL (1998) S. 292; ERDMANN (2001) S. 107.
1.3.1 Einführung in das Themenfeld „Ontologien“ 179<br />
In jüngerer Zeit wurde die Basisidee der semantischen Annotation von Web-Dokumenten durch<br />
mehrere Fortentwicklungen innerhalb des OntoEdit/OntoBroker-Projekt ergänzt. Sie erfolgten insbesondere<br />
in der Absicht, den hohen manuellen Annotationsaufwand zu reduzieren. Dazu gehören:<br />
• Ontocrawler/Webcrawler zum automatischen Sammeln von Web-Dokumenten einer bekannten<br />
Ontogroup und zum ebenso automatischen Extrahieren der darin enthaltenen „anchor tags“, 223)<br />
• Wrapper zum automatischen Extrahieren von Wissensbestandteilen aus wohlstrukturierten<br />
Web-Dokumenten mit einer stabilen syntaktischen Struktur (exemplifiziert anhand des „CIA<br />
World Factbook“), 224)<br />
• Verwendung von Annotationen im RDF(S)-Standard für Web-Dokumente zur Verteilung des<br />
Annotationsaufwands auf Mitglieder der weltweiten Community von Website-Erstellern, unter<br />
anderem unterstützt durch das Werkzeug OntoAnnotate 225) , sowie<br />
• Nutzung des XML-Standards zur Generierung von Meta-Daten¸ die u.a. auch über die Semantik<br />
von Dokumentbestandteilen Auskunft geben und auf eine – zumindest partielle – Automatisierung<br />
des Annotationsaufwands hoffen lassen. 226)<br />
Ein weiteres Kennzeichen des OntoEdit/OntoBroker-Projekts ist ein „hyperbolisches Interface“ als<br />
Benutzerschnittstelle. 227) Die hyperbolische Benutzerschnittstelle orientiert sich an neueren Erkenntnissen<br />
der kognitiven Ergonomie, um einen besonders benutzerfreundlichen, graphisch unterstützten<br />
Zugriff auf die Bestandteile einer Ontologie zu gestatten. Dieser Aspekt verdient aus der<br />
Perspektive des betrieblichen Wissensmanagements besondere Aufmerksamkeit. Denn die benutzerfreundliche<br />
Gestaltung der Nahtstelle zwischen computerbasiertem Wissensmanagementsystem<br />
und Wissensmanager kann erheblich dazu beitragen, dass ein Wissensmanagementsystem in der betrieblichen<br />
Praxis auch akzeptiert und tatsächlich benutzt wird.<br />
Das OntoEdit/OntoBroker-Projekt erscheint zurzeit als das Erfolg versprechendste, sowohl wissenschaftlich<br />
als auch praktisch interessanteste von den vorgenannten Ontologie-Projekten. Dieses Urteil<br />
stützt sich im Wesentlichen auf zwei Gründe.<br />
Erstens ist die Integration von Ontologien und Web-Dokumenten auf HTML-, RDF(S)- und XML-<br />
Standard in diesem Projekt sehr weit fortgeschritten. Das harmoniert mit der weithin geteilten<br />
Überzeugung, dass in zukünftigen Wissensmanagementsystemen für die betriebliche Praxis das relevante<br />
Wissen vornehmlich im Rahmen der Internet-Standards XML und RDF(S) dokumentiert<br />
sein wird.<br />
Zweitens zeichnet sich das OntoEdit/OntoBroker-Projekt durch seine – im Weltmaßstab! – sehr<br />
leistungsfähige Inferenzmaschine aus. 228) Es kann in dieser Hinsicht auf langjährige Entwicklungsarbeiten<br />
zurückgegriffen werden, die an der Universität Karlsruhe in früheren Jahren im Kontext<br />
223) Vgl. BENJAMINS/FENSEL (1998) S. 296.<br />
224) Vgl. STAAB/MAEDCHE (2001) S. 71 f.<br />
225) Vgl. STAAB/MAEDCHE (2001) S. 71; STUDER ET AL. (2001) S. 18 f.<br />
226) Vgl. STAAB/MAEDCHE (2001) S. 71.<br />
227) Vgl. BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-5 u. 5-8.<br />
228) Die Inferenzmaschine gehört zur OntoBroker-Komponente. Allerdings lässt sich die OntoEdit-Komponente durch ein Plug-in<br />
um die Inferenzfähigkeiten von OntoBroker erweitern. Daher sind in neueren Softwareversionen des OntoEdit/OntoBroker-<br />
Projekts beide Komponenten aus der Benutzerperspektive weit gehend zusammengewachsen. Deshalb wird hier zwischen OntoEdit<br />
und OntoBroker auch nicht näher differenziert.
180 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
der KI-Forschung auf dem Feld der automatischen Theorembeweiser durchgeführt wurden. Beispielsweise<br />
229) war im Projekt Ontolingua keine Inferenzkomponente vorgesehen. 230) Im darauf folgenden<br />
Projekt Protégé-2000 wurde zwar der Mangel einer Inferenzmaschine erkannt. 231) Als Reaktion<br />
darauf entstanden inferenzfähige „Plug-ins“ wie PAL (Protégé Axiom Language) 232) und Algernon<br />
233) . Aber sie haben bis heute die Leistungsfähigkeit der OntoBroker-Inferenzmaschine bei<br />
weitem noch nicht erreicht.<br />
Auch in anderen Ontologie-Werkzeugen spielen automatische Inferenzfähigkeiten – sofern sie<br />
überhaupt vorgesehen sind – zumeist nur eine untergeordnete Rolle. Zwei Ausnahmen hiervon stellen<br />
die Ontologie-Sprachstandards DAML+OIL sowie OWL dar, auf die schon weiter oben kurz<br />
eingegangen wurde. Insbesondere die OIL-Komponente von DAML+OIL wurde als „Ontology Inference<br />
Layer“ speziell im Hinblick auf automatische Inferenzfähigkeiten entwickelt. Aber diese Inferenzkomponente<br />
wird im DAML+OIL-Kontext nur „stiefmütterlich“ angewendet. 234) Auch in<br />
Publikationen über Ontologie-Spezifikationen, die mit der Hilfe von OWL erstellt wurden, lassen<br />
sich keine anspruchsvollen Inferenzfähigkeiten identifizieren. Daher müssen die Inferenzfähigkei-<br />
229) Auch für den Sprachstandard RDF(S) sind weder Inferenzregeln noch passende Inferenzmaschinen vorgesehen; vgl. DECKER ET<br />
AL. (1999) S. 364.<br />
230) Vgl. SIMONS ET AL. (2000) S. 78 („Ontolingua is not written with the purpose to do inferences. Therefore, no good inference<br />
system has been written in Ontolingua.“ [zum Teil gegenüber dem Original abweichende Textformatierung]).<br />
231) Vgl. GENNARI ET AL. (2002) S. 24: „Protégé-2000 offers only very weak support for modeling such axioms ... “ (mit „axioms“<br />
sind hier die Integritäts- und die objektsprachlichen Inferenzregeln gemeint, die in OntoEdit/OntoBroker spezifiziert und angewendet<br />
werden können).<br />
232) Vgl. GROSSO ET AL. (1999) S. 28; O.V. (2002) S. 2 ff.; O.V. (o.J.) S. 1 ff. Das PAL-Plug-in stellt streng genommen keine Inferenzmaschine<br />
dar, sondern erlaubt nur zu überprüfen, ob eine Ontologie vorgegebene Integritätsbedingungen („constraints“) erfüllt.<br />
Das wird in O.V. (2002) S. 2 besonders deutlich: “the underlying philosophy of PAL is model-checking rather than theorem-proving”.<br />
Allerdings lässt sich das PAL-Plug-in benutzen, um analog zu einer Inferenzmaschine Anfragen an eine Ontologie<br />
zu beantworten; vgl. O.V. (2002) S. 2 u. 6 ff. Daher wurde das PAL-Plug-in hier als eine Vorstufe zu Inferenzmaschinen<br />
aufgeführt. Vgl. zur „Übergangsrolle“ des PAL-Plug-ins zwischen Überprüfen der Einhaltung von Integritätsbedingungen und<br />
Inferenzmaschine O.V. (o.J.) S. 16 f.<br />
233) Vgl. HEWITT (2003) S. 1 ff.; vgl. auch die Informationen im Internet unter der URL „http://smi.stanford.edu/people/hewett/<br />
research/ai/algernon/“ (Zugriff am 14.09.2003).<br />
Die Algernon-Software wurde unabhängig von Protégé-2000 entwickelt, kann aber auf Ontologien, die mit der Protégé-2000-<br />
Software erstellt wurden, angewendet werden. Bei der Algernon-Software handelt es sich – im Gegensatz zum PAL-Plug-in –<br />
um eine „echte“ Inferenzmaschine. Sie beruht auf der Algernon Abstract Machine (AAM); vgl. HEWITT (2003) S. 2.<br />
234) Der einschlägigen Fachliteratur können keine Informationen über Inferenzfähigkeiten von OIL und deren Anwendungen entnommen<br />
werden, die an die inferenzielle Performanz der OntoBroker-Inferenzmaschine heranreichen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 181<br />
ten von DAML+OIL sowie OWL – zumindest noch zurzeit – als „unterentwickelt“ betrachtet werden.<br />
235)<br />
Erst in jüngster Zeit werden weitere Bemühungen sichtbar, spezielle Werkzeuge, insbesondere<br />
Sprachen zu entwickeln, die Ontologien um regelgestützte Inferenzfähigkeiten substanziell erweitern<br />
sollen. Dazu gehört z.B. 236) das Projekt RuleML (Rule Markup Language) 237) . Es zielt darauf<br />
ab, für Ontologien, die auf der Basis von XML und RDF(S) oder DAML+OIL formuliert wurden,<br />
Inferenzregeln in der Gestalt zusätzlicher „Axiome“ aufstellen und zur Erschließung impliziten<br />
Wissens automatisch anwenden zu können. 238) Aber das OntoEdit/OntoBroker-Projekt stellt wegen<br />
seines langjährigen Entwicklungsvorsprungs hinsichtlich seiner Inferenzmaschine weiterhin eine<br />
„Benchmark“ für ontologiebasierte Wissensmanagementsysteme dar. 239) Dies war für die Initiatoren<br />
des Verbundprojekts KOWIEN einer der maßgeblichen Gründe, für die Konstruktion und Anwendung<br />
ihrer Ontologien auf Softwareprodukte der OntoEdit/OntoBroker-Familie zurückzugreifen.<br />
235) Die Inferenzfähigkeiten von DAML+OIL und OWL sind zumeist „Relikte“ terminologischer Logiken. Terminologische Logiken<br />
entstanden ihrerseits als implementierungsnahe „Spielarten“ der Prädikatenlogik und wurden als „Referenzsprachen“ bei<br />
der Spezifikation u.a. von DAML+OIL sowie OWL herangezogen; vgl. BAADER/HORROCKS/SATTLER (2004) S. 3, 7 u. 13 ff.<br />
Vgl. zu terminologischen Logiken („description logics“) BAADER/HORROCKS/SATTLER (2004) S. 4 ff., insbesondere S. 8 ff.;<br />
DONINI ET AL. (1996) S. 192 ff.; HAHN/REIMER (1998) S. 165 ff. sowie die Beiträge in FRANCONI ET AL. (1998) und LA<strong>MB</strong>RIX ET<br />
AL. (1999). Während allerdings terminologische Logiken durchaus Spezifikationsmöglichkeiten für objektsprachliche Inferenzregeln<br />
einräumen, wird dies weder von DAML+OIL noch von OWL unterstützt. Die Inferenzfähigkeiten sowohl von<br />
DAML+OIL als auch von OWL bleiben zurzeit noch auf metasprachliche Ausdrucksmittel beschränkt, mit denen beispielsweise<br />
Ordnungseigenschaften wie die Reflexivität und Transitivität von Relationen ausgedrückt werden können; vgl. GÓMEZ-<br />
PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 264 ff. Weder DAML+OIL noch OWL erlauben hingegen die „freizügige“ Spezifikation<br />
objektsprachlicher Inferenzregeln, auf die in den Kapiteln 2.4.2.2.1, 2.4.2.2.3 und 2.4.4 ausführlich eingegangen wird.<br />
Dies wird durch die programmatische Forderung von GREAVES (2004) S. 3 unterstrichen, für den Sprachstandard OWL müsse<br />
erst noch eine Spezifikationsmöglichkeit für (Inferenz-) Regeln geschaffen werden („ ... rules extension to OWL will be absolutely<br />
vital to the success of semantic web services ... we will need to: Drive out a specification for a rules extension to OWL ...<br />
we must quickly reach a consensus about the best technical way to go forward“; kursive Hervorhebungen im Original hier unterlassen).<br />
236) Vgl. zu weiteren Ansätzen KLAPSING (2003) S. 66, 97 ff. u. 184 ff. Er präsentiert eine Erweiterung von RDF-Spezifikationen<br />
um die Inferenzfähigkeiten der Implementierungssprache Prolog (Programming in Logic). Vgl. auch GÓMEZ-PÉREZ/FERNÁN-<br />
DEZ-LÓPEZ/CORCHO (2004) S. 227 u. 230 f. in Bezug auf OCML.<br />
237) Vgl. BOLEY/TABET/WAGNER (2001) S. 382 ff. Diese Spezialsprache zur Regelspezifizierung ist so flexibel ausgelegt, dass sie<br />
neben Inferenzregeln auch Integritätsregeln und so genannte Reaktionsregeln, die spezielle Aktionen auszulösen vermögen,<br />
umfasst. Vgl. BOLEY/TABET/WAGNER (2001) S. 384 f.<br />
238) Die Regelanwendung erfolgt nicht in RuleML selbst, sondern nach Übersetzung in die Java-basierte Entwicklungsumgebung<br />
JESS (Java Expert System Shell) für Expertensysteme; vgl. BOLEY/TABET/WAGNER (2001) S. 393 f.<br />
239) Dies wird durch einen Performanz-Test belegt, der vor kurzem zwischen den Entwicklungsumgebungen Cyc, Shaken und<br />
OntoEdit/OntoBroker durchgeführt wurde. Bei einer Aufgabe, Fragen aus dem Chemie-Bereich beantworten zu können, schnitt<br />
OntoEdit/OntoBroker hinsichtlich der Inferenzfähigkeiten (Inferenzdauern) mit deutlichem Abstand vor seinen Konkurrenten<br />
ab. Vgl. dazu FRIEDLAND/ALLEN (2004) S. 4 ff. u. 8 ff., insbesondere S. 14.
182 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Aufgrund der Inferenzmaschine gestatten die Werkzeuge des OntoEdit/OntoBroker-Projekts einen<br />
intensiven Gebrauch nicht nur von Inferenzregeln der Formalen Logik, sondern auch von Inferenzregeln<br />
des inhaltlichen oder objektsprachlichen Schließens. 240) Diese Inferenzregeln sind, wie schon<br />
mehrfach erläutert wurde, aus ökonomischer Perspektive von herausragendem Interesse. Denn sie<br />
gestatten es, Regeln des „gesunden Sachverstands der Wirtschaftspraxis“ als einschlägiges Domänen-Wissen<br />
in wirtschaftswissenschaftlicher Begrifflichkeit auszudrücken. Hierdurch wird ein wesentlicher<br />
Beitrag dazu geleistet, aus vorhandenem, in Dokumenten explizit repräsentiertem Wissen<br />
das darin enthaltene implizite Wissen zu erschließen – sofern es gelingt, den hinlänglich bekannten<br />
„knowledge acquisition bottleneck“ zu überwinden und die einschlägigen betriebswirtschaftlichen<br />
Ontologien mit zugehörigen inhaltlichen oder objektsprachlichen Inferenzregeln zu erstellen.<br />
Im Gegensatz zu früheren, bislang von keinem Erfolg gekrönten Bemühungen der KI-Forschung,<br />
Commonsense-Wissen zugänglich zu machen, 241) besitzen Projekte wie das OntoEdit/OntoBroker-<br />
Projekt zwei wesentliche Vorzüge, die neue Hoffnung auf eine Lösung oder zumindest Minderung<br />
des Wissensakquisitionsproblems aufkeimen lassen. Zum einen greifen sie wirtschaftswissenschaftlich<br />
relevantes Wissen auf einer sehr „tiefen“ Stufe der rein sprachlichen Wissensstrukturierung auf.<br />
Sie erweist sich – im Gegensatz zu elaborierten KI-Techniken – auch noch für gewöhnliche betriebliche<br />
Anwender ohne ausgeprägte Informatikkenntnisse als prinzipiell verständlich. Zum anderen<br />
bietet die nahezu „unerschöpfliche“ Wissensquelle des World Wide Webs einen großen ökonomischen<br />
Anreiz, sich mit verstärkten personellen und finanziellen Ressourcen der Herausforderung zu<br />
stellen, betriebliches Wissensmanagement auf einem „ontologischen Fundament“ der sprachlichen<br />
Wissensstrukturierung systematisch zu entfalten.<br />
In der hier gebotenen Kürze kann kein repräsentativer Überblick über Projekte geboten werden, die<br />
sich mit der Entwicklung von Ontologie-Werkzeugen befassen. Stattdessen wird abschließend – neben<br />
zahlreichen anderen Entwicklungsprojekten 242) – nur auf einige wenige Projekte aufmerksam<br />
gemacht, die in jüngerer Zeit in der einschlägigen Fachliteratur größere Resonanz gefunden haben<br />
(in alphabetischer Reihenfolge):<br />
240) Die Inferenzmaschinen von Ontologie-Werkzeugen erlauben es, neues explizites Wissen automatisch zu erschließen, das in<br />
Web-Dokumenten bislang lediglich implizit enthalten war. Zunächst müssen die Web-Dokumente mittels eines internen „Übersetzers“<br />
in eine formalsprachliche Darstellungsform transformiert werden, die von einer Inferenzmaschine weiterverarbeitet<br />
werden kann. Alsdann wird auf metasprachliche Inferenzregeln aus der Formalen Logik zurückgegriffen, die ausschließlich aus<br />
der reinen Form des explizit repräsentierten Wissens neues explizites Wissen zu folgern vermögen. Bereits hierdurch wird ein<br />
bemerkenswerter Beitrag zur Erfüllung der Anforderung geleistet, mit computerbasierten Wissensmanagementsystemen aus<br />
zwar implizit vorhandenem, aber nicht direkt zugreifbarem Wissen neues und explizit verfügbares Wissen erschließen zu können.<br />
Darüber hinaus unterstützen Inferenzmaschinen die Anwendung von inhaltlichen oder objektsprachlichen Inferenzregeln<br />
(und auch Integritätsregeln). Solche Regeln spielen in Ontologien eine herausragende Rolle, weil sie – im Gegensatz zu den<br />
eingangs erwähnten metasprachlichen Inferenzregeln aus der Formalen Logik – es gestatten, zusätzliches implizites Wissen zu<br />
erschließen, das sich nicht nur aus der reinen Form, sondern auch aus dem Inhalt des explizit repräsentierten Wissens folgern<br />
lässt.<br />
241) Dazu gehört z.B. das breit angelegte Cyc-Projekt, das darauf abzielt, Commonsense-Wissen des „gesunden Menschenverstands“<br />
für die computerbasierte Wissensverarbeitung zugänglich zu machen. Vgl. dazu die Literaturhinweise in der Fußnote 55<br />
(S. 125).<br />
242) Vgl. zu weiteren Entwicklungsprojekten, die sich schwerpunktmäßig mit Ontologie-Werkzeugen befassen, beispielsweise AR-<br />
PIREZ ET AL. (2000) S. 395 ff. (Entwicklung einer Referenz-Ontologie, die Wissen über andere Ontologien systematisiert) in<br />
Verbindung mit S. 389 ff.; CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ PÉREZ (2001) S. 37 ff.; DE CLERQ ET AL. (2001); MAHALIN-<br />
GAM/HUHNS (1997) S. 173 ff., MIZOGUCHI (2004) S. 281 ff. u. 286 ff.; OBERLE ET AL. (2004) 219 ff.; STAAB/MAEDCHE (2001) S.<br />
66 ff.; STUDER ET AL. (1999) S. 13 ff., LIAO ET AL. (1999) S. 127 ff.; STAAB ET AL. (2000b).<br />
Vgl. auch die vergleichenden Analysen und Evaluationen von Ontologie-Werkzeugen in DUINEVELD ET AL. (1999) S. 4 ff. u. 15<br />
ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 293 ff.; MIZOGUCHI (2004) S. 276 ff. u. 291 ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 183<br />
LARKS (Language for Advertisement and Request for Knowledge Sharing) 243) , InfoSleuth 244) ,<br />
ODE (Ontology Design Environment) 245) , OilEd (Oil Editor) 246) , (Onto) 2 Agent 247) , On-To-Knowledge<br />
248) , OntoMap 249) , OntoSeek 250) , OntoView 251) , PlanetOnto 252) , ScholOnto 253) , SymOntos<br />
(Symbolic Ontology System) 254) , Text-To-Onto 255) , WebFindit 256) sowie WebOnto 257) .<br />
Aus der Perspektive des betrieblichen Wissensmanagements interessieren die voranstehenden Ontologie-Werkzeuge<br />
nur in „bescheidenem“ Ausmaß. Zwar werden zweifellos Instrumente für das<br />
computerbasierte Wissensmanagement auf der Basis von Ontologien benötigt. Aber als Anschauungsbeispiele,<br />
anhand derer sich die Eignung von Ontologien für Aufgaben des Wissensmanagements<br />
überprüfen lässt, kommen nur Ontologien in Betracht, die für konkret umrissene Domänen<br />
entwickelt und dokumentiert wurden. Darüber hinaus können solche exemplarischen Ontologien<br />
unter günstigen Umständen weiterverwendet werden, um aus ihnen Anregungen für die Eigenentwicklung<br />
von Ontologien zu schöpfen. Daher wird abschließend auf konkret ausgearbeitete Ontologien<br />
eingegangen. Den Schwerpunkt bilden Ontologien für wirtschaftswissenschaftliche Domänen,<br />
die für Zwecke des betrieblichen Wissensmanagements von besonderem Interesse sind.<br />
Die weltweit führende Sammlung von Ontologien bietet das Ontolingua-Projekt. Anfang Februar<br />
2005 waren auf dem Ontolingua-Server der Stanford University insgesamt 59 verschiedene Ontologien<br />
registriert. 258) Sie weisen einen sehr unterschiedlichen Umfang und Reifegrad auf. Aus betriebswirtschaftlicher<br />
Perspektive sind aus diesem Fundus folgende Ontologien von besonderem Interesse:<br />
259)<br />
243) Vgl. SYCARA ET AL. (1999) S. 2 ff.; SYCARA ET AL. (2002) S. 175 ff.; SYCARA/PAOLUCCI (2004) S. 348 ff.<br />
244) Vgl. ΒAYARDO ET AL. (1997) S. 195 ff., insbesondere S. 200 f.; FOWLER ET AL. (1999) S. 60 ff.; NODINE (1998) S. 19 f.<br />
245) Vgl. DUINEVELD ET AL. (1999) S. 7 u. 14 f.<br />
246) Vgl. BOYENS (2001) S. 27 f.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 310 ff.<br />
247) Vgl. ARPIREZ ET AL. (2000) S. 389 (ff.), insbesondere S. 405 f.<br />
248) Vgl. LAU/SURE (2002) S. 124 ff.; MIKA ET AL. (2004) S. 458 ff.; SURE (2002a) S. 35 ff.; SURE/STAAB/STUDER (2004) S. 118 ff.;<br />
vgl. auch die Informationen im Internet unter der URL „http://www.ontoknowledge.org/about.shtml“ (Zugriff am 10.02.2005).<br />
249) Vgl. KIRYAKOV/SIMOV/DIMITROV (2001) S. 48 u. 50 ff.; vgl. auch die Informationen im Internet unter der URL „http://www.<br />
OntoMap.org“ (Zugriff am 31.03.2002).<br />
250) Vgl. BORGO ET AL. (1997) S. 2 ff.; GUARINO (1997c) S. 159 ff.; GUARINO/MASOLO/VETERE (1999a) S. 3 ff., insbesondere S. 9<br />
ff.; GUARINO/MASOLO/VETERE (1999b) S. 71 ff., insbesondere S. 73 ff.<br />
251) Vgl. DING ET AL. (2004) S. 608 f.; KLEIN ET AL. (2002) S. 82 ff.<br />
252) Vgl. KALFOGLOU ET AL. (2001) S. 1 ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1087 ff.<br />
253) Vgl. MOTTA/SHUM/DOMINGUE (2000) S. 1092 ff.; SHUM/MOTTA/DOMINGUE (2000) S. 240 ff.<br />
254) Vgl. FORMICA/PAGANO/TAGLINO (2001) S. 4 ff.; MISSIKOFF/VELARDI/FABRIANI (2003) S. 325 ff.<br />
255) Vgl. MAEDCHE (2002) S. 151 ff.; MAEDCHE/STAAB (2001) S. 75 ff.<br />
256) Vgl. OUZZANI/BENATALLAH/BOUGUETTAYA (2000) S. 371 ff. u. 385 ff.<br />
257) Vgl. DOMINGUE (1998) S. 8 ff.; DUINEVELD ET AL. (1999) S. 5 u. 11 f.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 307<br />
ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1080 ff.; vgl. auch im Internet die Informationen unter der URL „http://kmi.open.ac.uk/<br />
projects/webonto/“ (Zugriff am 10.02.2005).<br />
258) Vgl. im Internet die Informationen unter der URL „http://www-ksl-svc.stanford.edu:5915“ (Zugriff am 10.02.2005).<br />
259) Vgl. daneben auch z.B. VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 193 f.
184 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
• Enterprise Ontology 260) : Es handelt sich um eine Domänen-Ontologie für gewerbliche Unternehmen.<br />
Sie wurde unter Rückgriff auf den Stanforder Ontolingua-Server am Artificial Intelligence<br />
Applications Institute (AIAI) der University of Edinburgh entwickelt. 261) Die Enterprise<br />
Ontology dient für mehrere andere Ontologie-Projekte als gemeinsames sprachliches Fundament,<br />
262) so z.B. für die Frankfurter Netzwerk-Ontologie NETECO 263) und für ein weiteres<br />
Frankfurter Projekt zur Entwicklung einer CSCW-Ontologie 264) .<br />
• Product Ontology: Diese Ontologie wurde für eine eng abgegrenzte Domäne geschaffen. Zwar<br />
erstreckt sie sich ihrem Namen nach im Prinzip auf alle Produkte, die aus Leistungserstellungsprozessen<br />
resultieren. Aber bei näherem Hinschauen zeigt sich, dass in dieser Ontologie nicht<br />
an Dienstleistungen, sondern nur an Sachgüter gedacht wurde. 265) Außerdem wurde sie nur für<br />
Stückgüter konkretisiert, während Schütt- und Fließgüter unberücksichtigt bleiben. Eine exemplarische<br />
Anwendung der Product Ontology stellt die „HP-Product-Ontology“ für Test- und<br />
Messgeräte, insbesondere für Oszilloskope, des Unternehmens Hewlett Packard dar.<br />
• Job-Assignment-Task (-Ontology): Im Gegensatz zu den sonst vorherrschenden Domänen-<br />
Ontologien liegt hier eine aufgabenorientierte Ontologie vor. Sie lässt sich beispielsweise nutzen,<br />
um das koordinationsrelevante Wissen in den Bereichen der Produktionsfeinplanung (Maschinenbelegungsplanung,<br />
„scheduling“) und der Personaleinsatzplanung zu strukturieren.<br />
260) Vgl. BERGHOFF/DROBNIK (1998) S. 3 f. u. 11; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 98 f.; HAGENGRUBER (2004)<br />
S. 419 f.; POCSAI (2000) S. 52 f.; USCHOLD ET AL. (1998) S. 33 ff., 60 ff. u. 72 ff.; VICKERY (1997) S. 281 f.; vgl. auch die Informationen<br />
im Internet unter der URL „http://www.aiai.ed.ac.uk/~entprise/“ (Zugriff am 10.02.2005).<br />
261) Aus betriebswirtschaftlicher Perspektive enthält die Enterprise Ontology eine Vielzahl von Unzulänglichkeiten. Beispielsweise<br />
lässt sich nicht nachvollziehen, warum ihre begrifflichen Konzepte in die fünf Kategorien „activity etc.“, „organisation“, „strategy“,<br />
„marketing“ und „time“ eingeteilt wurden; vgl. USCHOLD ET AL. (1998) S. 40 ff. u. 80 ff. Diese Kategorisierung erscheint<br />
extrem willkürlich. So erweckt sie durch die Gleichordnung der Kategorien „strategy“ und „marketing“ den Eindruck, dass es<br />
kein strategisches Marketingmanagement geben könne. Ebenso suggeriert sie, Marketing sei der einzige relevante betriebswirtschaftliche<br />
Funktionsbereich. Andere Funktionsbereiche, wie etwa Finanzierung/Investition, Beschaffung und Produktion bleiben<br />
unberücksichtigt. Es ist schwer nachzuvollziehen, warum das Marketing gegenüber anderen, nicht beachteten betriebswirtschaftlichen<br />
Funktionsbereichen eine solche Sonderstellung genießt. Ebenso bleibt im Dunkeln, aus welchen Gründen neben<br />
der Kategorie (Anschauungsform) „time” die komplementäre Kategorie „space” keine Berücksichtigung findet. Man braucht<br />
gar nicht an die beiden grundsätzlichen Anschauungsformen von KANT zu denken, um den Raum neben der Zeit zu vermissen.<br />
Bereits der „gesunde betriebswirtschaftliche Sachverstand“ legt nahe, dass z.B. sowohl für innerbetriebliche Layout-Planungen<br />
als auch für betriebliche Standortplanungen die Anschauungsform „Raum“ unerlässlich ist. Diese Anschauungsform kann ebenso<br />
für regionale Abgrenzungen von Märkten und Geschäftsfeldern große betriebswirtschaftliche Bedeutung erlangen. Insgesamt<br />
hinterlässt die Enterprise Ontology den Eindruck, dass sie von „Computer-Ingenieuren“ ohne betriebswirtschaftlichen Sachverstand<br />
entwickelt wurde. Sie ist noch weit von dem Ideal einer wohlüberlegten Systematisierung des wirtschaftswissenschaftlichen<br />
Fachvokabulars entfernt. Dies wird dem Anspruch von Ontologien, die sprachlichen Ausdrucksmittel für die Repräsentation<br />
von Wissen über eine Domäne „professionell“ zu strukturieren, nicht gerecht. Umso mehr überrascht es, dass die Enterprise<br />
Ontology in mehreren anderen Projekten – wie nachfolgend angedeutet – aufgegriffen und weiterverwendet wurde. Der Verfasser<br />
hätte sich gefreut, wenn trotz aller Begeisterung für die Ontologie-Thematik eine etwas größere kritische Distanz gegenüber<br />
„pseudo-betriebswirtschaftlichen“ Ontologien aufgebracht würde.<br />
262) Vgl. USCHOLD ET AL. (1998) S. 73 ff.<br />
263) Vgl. die Informationen im Internet unter der URL „http://caladan.wiwi.uni-frankfurt.de/IWI/neteco/“ (Zugriff am 05.02.2001).<br />
264) Vgl. BERGHOFF/DROBNIK (1998) S. 2 ff. u. 7 ff.<br />
265) Der Fehler, Produkte schlechthin mit Sachgütern gleichzusetzen, unterläuft oftmals in Kreisen, die mit der einschlägigen produktionswirtschaftlichen<br />
Terminologie nicht hinreichend vertraut sind. Insbesondere in anglo-amerikanischen Publikationen<br />
herrscht der unreflektierte Sprachgebrauch vor, von „products and services“ zu reden. Es überrascht dann nicht, wenn in einer<br />
„Produkt“-Ontologie Aspekte von Dienstleistungen ignoriert werden.
1.3.1 Einführung in das Themenfeld „Ontologien“ 185<br />
• Network-based Information Brokers: Eine Gruppe von Ontologien dient zur Unterstützung von<br />
Informationsbrokern, die aus dem Internet Informationen über Produktkonfigurationen, z.B. im<br />
IT-Bereich, zusammenstellen möchten.<br />
• Accounting Information Systems: Dies betrifft ein Projekt an der Carnegie Mellon University<br />
zur Entwicklung einer Domänen-Ontologie. Sie ist als Basis für ein Entscheidungsunterstützungssystem<br />
vorgesehen, das die Arbeiten von Wirtschaftsprüfern erleichtern soll.<br />
Neben den Ontologien aus Stanford erweisen sich aus betriebswirtschaftlicher Perspektive vor allem<br />
die Arbeiten als bemerkenswert, die im Projekt TOVE (Toronto Virtual Enterprise) 266) erfolgen.<br />
Sie wurden am Enterprise Integration Laboratory (EIL) des Departments of Industrial Engineering<br />
der University of Toronto durchgeführt. Wie bei der Enterprise Ontology der University of Edinburgh<br />
handelt es sich zunächst um „eine“ generische Ontologie für gewerbliche Unternehmen. Im<br />
Gegensatz zur Enterprise Ontology ist unter dem Dach von TOVE jedoch eine Vielzahl von Ontologien<br />
versammelt („TOVE-Ontologies“). Sie erfassen unterschiedliche betriebswirtschaftliche<br />
Aufgabenbereiche auf verschiedenen Aggregationsebenen. In einer ersten Annäherung werden Unternehmens-,<br />
Kern- und Derivatontologien unterschieden. 267) Zu diesen drei Bereichen gehören<br />
z.B.:<br />
• eine Organisations-Ontologie,<br />
• eine Ressourcen-Ontologie,<br />
• eine Aktivitäten-Ontologie,<br />
• zwei Ontologien für Produkte (gemeint sind vermutlich Sachgüter)<br />
und Services (gemeint sind Dienstleistungen),<br />
• Projekt- und Geschäftsprozess-Ontologien,<br />
• Materialfluss-, Transport- und Lager-Ontologien, die insbesondere für Koordinationskonzepte<br />
des Supply Chain Managements (SCM) und des Efficient Consumer Response (ECR)<br />
von großem Interesse sind, 268)<br />
• eine Qualitäts-Ontologie,<br />
• eine Scheduling-Ontologie,<br />
• eine Kostenrechnungs-Ontologie sowie<br />
• eine Informationsressourcen-Ontologie, die an der Schnittstelle zwischen betrieblichem<br />
Informations- und Wissensmanagement sowie Wirtschaftsinformatik angesiedelt ist.<br />
266) Vgl. BARBUCEANU/FOX (1994) S. 5 ff.; FOX/CHIONGLO/FADEL (1993) S. 425 ff.; FOX/GRÜNINGER (1997b) S. 13 u. 22 ff.;<br />
FOX/GRUNINGER (1993) S. 3 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 99 f.; GRÜNINGER/ATEFI/FOX (2000) S.<br />
382 ff.; GRÜNINGER/FOX (1995) S. 1 ff.; GRUNINGER/FOX (1994a) S. 1 ff.; GRUNINGER/FOX (1994b) S. 2 ff.; KIM/FOX (1994) S.<br />
3 ff.; KIM/FOX/GRÜNINGER (1999) S. 131 ff.; NOY/HAFNER (1997) S. 61 f.; POCSAI (2000) S. 51 f.; THAM/FOX/GRUNINGER<br />
(1994) S. 1 ff.; vgl. auch im Internet die Informationen unter der URL „http://www.eil.utoronto.ca/enterprise-modelling/tove/<br />
index.html“ (Zugriff am 10.02.2005).<br />
267) Die Aufteilung der einzelnen Ontologien zu den drei Klassen der Unternehmens-, Kern- und Derivatontologien vermag der<br />
Verfasser inhaltlich nicht nachzuvollziehen. Daher geht er im Folgenden nicht näher darauf ein.<br />
268) Solche Koordinationskonzepte werden vom Enterprise Integration Laboratory u.a. im Kontext von Supply Webs und Multi-<br />
Agenten-Systemen im Rahmen des „Integrated Supply Chain Management Project“ untersucht.
186 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Das TOVE-Projekt besticht durch seine betriebswirtschaftliche Breite. Bislang ist kein anderes Projekt<br />
auf dem Gebiet des ontologiebasierten Wissensmanagements initiiert und bekannt geworden,<br />
das sich in ähnlicher Umfassendheit mit Ontologien für typische betriebswirtschaftliche Aufgabenbereiche<br />
auseinander gesetzt hat. Insbesondere sind aus dem TOVE-Projekt auch einige Arbeiten zu<br />
Spezial-Ontologien hervorgegangen, die hinsichtlich ihrer betriebswirtschaftlichen Relevanz und<br />
Detailliertheit als wegweisend eingestuft werden können. Dazu zählen beispielsweise Ontologien,<br />
die einerseits für das betriebliche Rechnungswesen in der modernen Variante des „activity-based<br />
accounting“ 269) und andererseits für das Management von Geschäftsprozessen 270) entwickelt wurden.<br />
Weitere Ontologien mit betriebswirtschaftlicher Relevanz wurden – außerhalb des TOVE-Projekts<br />
– beispielsweise für folgende Anwendungsfelder entwickelt: 271)<br />
• Unternehmensmodellierung 272) , wie z.B. im ∃cO-Projekt 273) und<br />
in der REA (Resource-Event-Agent) Enterprise Ontology 274) ,<br />
• Gestaltung von (computerbasierten) organisatorischen Gedächtnissen 275) ,<br />
• Gestaltung und Kontrolle von (Geschäfts-) Prozessen 276) ,<br />
• Planung der Erfüllung beliebiger Aufgaben 277) ,<br />
• betriebliche Informationssysteme 278) , z.B. betriebliche Umweltinformationssysteme 279) ,<br />
• Bewertung von Wissen 280) ,<br />
269) Vgl. THAM/FOX/GRUNINGER (1994) S. 4 ff. u. 10 ff. (es handelt sich um eine der am detailliertesten ausgearbeiteten und<br />
betriebswirtschaftlich „reifesten“ Ontologien, die dem Verfasser bekannt sind); vgl. am Rande auch FOX/GRUNINGER (1993) S.<br />
6 u. 14; GRUNINGER/FOX (1994b) S. 11 f.<br />
270) Vgl. zu dieser „Business Process Ontology“ GRÜNINGER/ATEFI/FOX (2000) S. 389 ff.<br />
271) Vgl. auch die umfangreichen Auflistungen von Ontologien, die im Internet öffentlich zugänglich sind, unter den URL:<br />
a) „http://www.daml.org/ontologies/keyword.html“ (Zugriff am 10.02.2005): „Ontologies by Keyword“;<br />
b) „http://saussure.irmkant.rm.cnr.it/onto/ON9.5-OL-HTML/“ (Zugriff am 10.02.2005): „Library of Ontologies“.<br />
Vgl. ebenso die Aufstellung von Ontologie-Anwendungen in CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ PÉREZ (2001) S. 57 ff.<br />
272) Vgl. BERTOLAZZI/KRUSICH/MISSIKOFF (2001) S. 1 ff., insbesondere S. 4 ff.; FOX/GRÜNINGER (1997a) S. 190 ff., insbesondere<br />
196 f.; FOX/GRUNINGER (1997b) S. 10 ff.<br />
273) Vgl. HAGENGRUBER/SCHAUER (2002) S. 36 ff., insbesondere S. 41 ff. (vornehmlich als Vorhabensbeschreibung); vgl. auch das<br />
Vorwort zu FRANK/HAGENGRUBER/SCHAUER (2002).<br />
274) Vgl. GEERTS/MCCARTHY (2000) S. 2 ff. u. 7 ff.; HAUGEN/MCCARTHY (2000) S. 1 ff. u. 8 ff. (mit besonderer Anwendungsorientierung<br />
im Hinblick auf Supply Chain Management); MCCARTHY (1999) S. 145 ff.; vgl. auch die Informationen im Internet unter<br />
den URL „http://www.msu.edu/user/mccarth4/rea-ontology/index.htm“, „http://www.ecimf.org/contrib/onto/REA/index.<br />
html“ und „http://www.ecimf.org/contrib/onto/ST/index.html“ (Zugriffe jeweils am 02.05.2002).<br />
275) Vgl. ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 89 ff.; MIKA ET AL. (2004) S. 455 ff.; VASCONCELOS/KI<strong>MB</strong>LE/GOU-<br />
VEIA (2000) S. 6 ff.<br />
276) Vgl. ABECKER ET AL. (2000) S. 254 f., 258 u. 265 ff.; ENGLISH/GEORGE (2002) S. 2 ff.; GRÜNINGER (2004) S. 576 ff.; KASCHEK<br />
(1998) S. 2 ff.; LEE ET AL. (1998) S. 94 ff.; VAN DER AALST/VAN HEE (2002) S. 1.<br />
277) Vgl. DE BARROS/HENDLER/BENJAMINS (1997) S. 1247 ff.; TATE (1998) S. 124 f.<br />
278) Vgl. VAN HOOF/FILLIES (2003) S. 50 ff.; IWAZUME ET AL. (1996) S. 65 ff.; SIGEL (2000) S. 343, 346, 351 f. u. 358.<br />
279) Vgl. KOPETZKY/GROHMANN (1998) S. 715 f.<br />
280) Vgl. O’HARA/SHADBOLT (2001) S. 5 f. u. 7 f. (ein noch sehr rudimentärer, wenig konkretisierter Ansatz).
1.3.1 Einführung in das Themenfeld „Ontologien“ 187<br />
• Management von Wissen über Kompetenzen oder – oftmals synonym verwendet – Skills 281) ,<br />
• Konstruktion („Engineering“) von Sachgütern 282) ,<br />
• Produktion von Software 283) ,<br />
• Planung und Steuerung von Produktionsprozessen („Scheduling“) 284) ,<br />
• Management von und Suche nach Produktdaten (Produkt-Taxonomien) 285) ,<br />
• Empfehlung von Produkten aufgrund von Profilen für Konsumenteninteressen 286) ,<br />
• betriebliches Qualitätsmanagement, insbesondere im Zusammenhang mit der DIN-ISO-9000-<br />
Normenfamilie 287) und mit der FMEA-Technik (Failure Modes and Effects Analysis) 288) ,<br />
281) Dieses Anwendungsfeld für Ontologien war für das Verbundprojekt KOWIEN von besonderem Interesse, da sich die Projektarbeiten<br />
auf die Konzipierung, Entwicklung und prototypische Implementierung eines ontologiebasierten Kompetenzmanagementsystems<br />
erstreckten. Vgl. zu Ontologien für dieses Anwendungsfeld und ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
ALLEN (2001) S. 7 ff. (es wird zwar nur von „competencies schema“ und „taxonomies“ gesprochen, aber inhaltlich<br />
handelt es sich um Kompetenzontologien); BIZER ET AL. (2004) S 7 ff.; ERDMANN (2001) S. 273 ff.; HARZALLAH/LECLÈRE/TRI-<br />
CHET (2002) S. 68 ff.; JIE/KARLAPALEM/LOCHOVSKY (2000) S. 101 ff.; LAU/SURE (2002) S. 127 ff.; LIAO ET AL. (1999) S. 126<br />
ff.; SURE/MAEDCHE/STAAB (2000) S. 222 ff.; SURE/STAAB/STUDER (2004) S. 124 ff.; TRICHET/LECLÈRE (2002) S. 1 ff.;<br />
USCHOLD ET AL. (1998) S. 72 u. 85 f. (dort werden Kompetenzen als „capabilities“ thematisiert, allerdings auf bescheidenem inhaltlichen<br />
Niveau).<br />
Vgl. auch die Beiträge, die innerhalb des Verbundprojekts KOWIEN zu ontologiebasierten Kompetenz- und Skillmanagementsystemen<br />
erfolgten: ALAN ET AL. (2005) S. 36 f.; ALPARSLAN ET AL. (2002) S. 46 ff.; DITTMANN/PETERS/ZELEWSKI (2003a) S. 3<br />
ff., 7 f., 10 ff. u. 14 f.; DITTMANN/PETERS/ZELEWSKI (2003b) S. 10 ff.; DITTMANN/ZELEWSKI (2004a) S. 191 ff.; DITTMANN/ZE-<br />
LEWSKI (2004b) S. 182 (ff.) u. 186; sowie die Kapitel 2.2 (S. 353 ff.), 2.3 (S. 361 ff.), 3.1.1 (S. 571 ff.) u. 3.2 (S. 613 ff.) in diesem<br />
Werk.<br />
282) Vgl. BENJAMIN ET AL. (1996) S. 101 ff.; BORST/AKKERMANS/TOP (1997) S. 368 ff., 382 ff. u. 390 ff.; EEKELS (2001) S. 274;<br />
FÜRST/LECLÈRE/TRICHET (2003) S. 66 ff.; GOLEBIOWSKA (2000) S. 3 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S.<br />
96 ff.; GRUBER/OLSEN (1996) S. 569, 572 ff. u. 578 ff. (Konfiguration von Aufzügen, u.a. mit der betriebswirtschaftlich interessanten<br />
Facette, speziell auf Konstruktionskosten einzugehen; vgl. dazu das Modul “VT-DESIGN“ auf S. 592 ff.); KITA-<br />
MURA/MIZOGUCHI (2002) S. 2 ff.; KRESS/MÄNTYLÄ/RANTA (1997) S. 8, 11 ff., 16 f. u. 19; MARS (1994) S. 241 ff.; NOY/HAFNER<br />
(1997) S. 62 ff.; POCSAI (2000) S. 7 ff. u. 187 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 7 ff. (Gestaltung von Aufzügen);<br />
ZDRAHAL/VALASEK/CERMAK (1999) S. 406 ff., insbesondere S. 410 ff.<br />
283) Vgl. YEN/TEH/LIVELY (1998) S. 140 ff.<br />
284) Vgl. APARCIO/VARELA/SILVA (2002) S. 3 ff.; SCHLENOFF/IVESTER/KNUTILLA (1998) S. 3 ff.; SMITH/BECKER (1996) S. 2 ff.;<br />
SOARES/AZEVEDO/DE SOUSA (2000) S. 259 ff.; vgl. auch am Rande FREESE (1998) S. 84 ff. (keine Ontologie, aber eine ontologie-ähnliche<br />
Spezifizierung von Ablaufplanungsproblemen für Produktionsprozesse in UML).<br />
285) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 87 ff. (eine Ontologie für Laserdrucker); LUTTERS ET AL. (2000) S. 4438 u. 4440 ff.;<br />
YOO/KIM (2002) S. 176 f. u. 179 ff.; am Rande auch ZARNEKOW (1999) S. 160 ff.<br />
286) Vgl. MIDDLETON/DE ROURE/SHADBOLT (2004) S. 478 f. (Einsatzbereiche) u. 485 ff. (für den interessanten Spezialfall von wissenschaftlichen<br />
Publikationen als „Produkten“); YUAN/CHENG (2004) S. 461 u. 464 ff.<br />
287) Vgl. KIM/FOX (1994) S. 3 ff.; KIM/FOX/GRÜNINGER (1999) S. 131 ff. (beide im Rahmen des TOVE-Projekts).<br />
288) Vgl. DITTMANN/RADEMACHER/ZELEWSKI (2004a) S. 209 u. 211 ff.; DITTMANN/RADEMACHER/ZELEWSKI (2004b) S. 1 ff.; DITT-<br />
MANN/ ZELEWSKI (2004b) S. 181 ff.; LEE (2001) S. 283 ff., insbesondere S. 287 ff.
188 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
• Demontage von Produkten für deren Entsorgung 289) ,<br />
• technische Bewertung von Existenzgründungsideen (Business-Plänen) und Unternehmen<br />
in den Bereichen Information und (Tele-) Kommunikation, Multimedia und E-Business 290) ,<br />
• Geschäftsmodelle des E-Business und E-Commerce 291) ,<br />
• Tourismus-Dienstleistungen 292) sowie<br />
• Wirtschaftsstatistik 293) .<br />
Schließlich sollte aus betriebswirtschaftlicher Perspektive das OntoWeb-Projekt 294) nicht unerwähnt<br />
bleiben. In diesem Projekt steht weniger die Entwicklung konkreter Ontologien oder neuartiger Ontologie-Werkzeuge<br />
im Vordergrund. Stattdessen zeichnet es sich durch den Zusammenschluss einer<br />
Vielzahl namhafter Forschungseinrichtungen und Industrieunternehmen aus, 295) die einen gemeinsamen<br />
Zweck verfolgen: die nachhaltige Förderung der Verwendung von Ontologien in der betrieblichen<br />
Praxis für Zwecke des Wissensmanagements (und des E-Commerce) 296) .<br />
Darüber hinaus wurden Ontologien für eine breite Palette anderer als betriebswirtschaftlicher Anwendungsfelder<br />
entwickelt oder zumindest diskutiert. Dazu gehören beispielsweise Ontologien für<br />
Aufgaben des Wissensmanagements in folgenden Bereichen:<br />
• Medizin 297) ,<br />
• Molekularbiologie 298) ,<br />
• Bioinformatik 299) ,<br />
• Geoinformatik (Geographische Informationssysteme) 300) ,<br />
289) Vgl. BORST/AKKERMANS (1997) S. 44 ff.<br />
290) Es handelt sich um das TIME2Research-Portal, dessen Nutzung zur Akquisition bewertungsrelevanten Wissens seitens der Ontoprise<br />
GmbH als ontologiebasierte Dienstleistung offeriert wird. Vgl. STUDER ET AL. (2001) S. 12 ff.<br />
291) Vgl. BLAKE (2000) S. 3 f.; DING ET AL. (2004) S. 594 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 86 ff.; KIM/<br />
PAULSON/PETRIE (2000) S. 4; MCGUINESS (1999) S. 1 f.; PIGNEUR (2002) S. 3 ff. (für den Spezialfall des M-Business, also Geschäftsmodellen<br />
auf der Basis von mobilen Kommunikationssystemen).<br />
292) Vgl. MISSIKOFF/TAGLINO (2004) S. 618 u. 621 ff.; SUGUMARAN/STOREY (2002) S. 254 ff.<br />
293) Vgl. MURTAGH ET AL. (2003) S. 270 f.<br />
294) Vgl. DING/FENSEL (2001); LÉGER (2002) S. 12 ff., 36 ff. u. 50 ff. (zu Ontologien); OBERLE/SPYNS (2004) S. 500 ff.; vgl. auch<br />
die Informationen im Internet unter der URL „http://www.ontoweb.org/“ (Zugriff am 10.02.2005).<br />
295) Zum Projektkonsortium gehören z.B. British Telecom, DaimlerChrysler und IBM Japan.<br />
296) Der Anwendungsbereich des E-Commerce wird vermutlich aus „taktischen“ Erwägungen der Drittmittelakquisition hervorgehoben.<br />
Ansonsten ist kein überzeugendes Argument ersichtlich, warum E-Commerce nicht als ein Anwendungsszenario unter<br />
den umfassenden Aufgabenbereich des Wissensmanagements untergeordnet werden sollte.<br />
297) Vgl. BOULOS (2004) S. 35 ff.; BOULOS/ROUDSARI/CARSON (2002) S. 126 ff.; DE CLERQ ET AL. (2001) S. 4 ff.; ENDRES-NIGGE-<br />
MEYER (2000) S. 335 ff.; GANGEMI/PISANELLI/STEVE (1998) S. 4 ff.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 92<br />
ff.; HAHN/SCHULZ (2004) S. 134 ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1098 ff.; RAMONI/RIVA (1997) S. 133 ff.; VAN HEIJST/<br />
SCHREIBER/WIELINGA (1997) S. 193 u. 196 ff.; VICKERY (1997) S. 281.<br />
298) Vgl. BADA ET AL. (2004) S. 235 ff.; NOY/HAFNER (1998) S. 616 ff.; STEVENS ET AL. (2004) S. 642 ff.<br />
299) Vgl. GOBLE ET AL. (2001) S. 535 ff.; STEVENS ET AL. (2004) S. 639 ff., insbesondere S. 642 ff.<br />
300) Vgl. BALA ET AL. (2002) S. 3; VISSER ET AL. (2002a) S. 105 ff., insbesondere S. 111 ff.; VISSER ET AL. (2002b) S. 32 f.
1.3.1 Einführung in das Themenfeld „Ontologien“ 189<br />
• Physik 301) ,<br />
• Chemie 302) ,<br />
• Jurisprudenz 303) ,<br />
• Verkehrswesen 304) ,<br />
• Bibliothekswesen 305) ,<br />
• Pädagogik, insbesondere Didaktik, 306) und<br />
• Sport 307) .<br />
Es wird darauf verzichtet, diese Auflistung von Ontologienanwendungen außerhalb der Betriebswirtschaftslehre<br />
zu vertiefen. Denn für das Verbundprojekt KOWIEN besitzen sie keine nennenswerte<br />
Relevanz.<br />
1.3.1.3 Abgrenzung von verwandten Themenfeldern<br />
Des Öfteren wird nicht nur Techniken des Knowledge Level Engineerings im Allgemeinen, sondern<br />
vor allem auch Ontologien im Besonderen vorgehalten, lediglich „alten Wein in neuen Schläuchen“<br />
darzustellen. Die gleichen Inhalte würden schon seit langem seitens anderer Forschungsrichtungen<br />
– lediglich unter abweichenden Bezeichnungen – intensiv studiert. Daher sei es unverständlich,<br />
warum Ontologien in der (V)KI-Forschung und weiteren Teilen von (Kern-) Informatik sowie<br />
Wirtschaftsinformatik so große Beachtung zuteil werde.<br />
Von vornherein sei eingeräumt, dass die voranstehend skizzierte Kritik einen zutreffenden Kern besitzt.<br />
In der Tat wurden durch die Ontologieforschung weder völlig neuartige Erkenntnisobjekte<br />
noch grundsätzlich neue Erkenntnisperspektiven in den wissenschaftlichen Diskurs eingebracht.<br />
Daher lässt sich mit Recht die Frage aufwerfen, warum überhaupt eine intensive Beschäftigung mit<br />
301) Vgl. MOSTERMAN/ZHAO/BISWAS (1998) S. 222 ff.<br />
302) Vgl. GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 100 ff.<br />
303) Vgl. BENCH-CAPON/VISSER (1997) S. 134 ff.; BOER (2000) S. 102 ff.; BOER/HOEKSTRA/WINKELS (2001) S. 37 ff.; BREUKER ET<br />
AL. (2002) S. 73 ff.; KOEPSELL (2000) S. 99 ff.; MOORE (2002) 620 ff.; VISSER/BENCH-CAPON (1998) S. 32 ff.<br />
304) Vgl. BENSLIMANE ET AL. (2000) S. 193 ff., insbesondere S. 203 ff.<br />
Vgl. auch an der Nahtstelle zwischen Verkehrsplanung und Umweltschutz LUTZ (2001) S. 36 ff., 55 ff. u. 62 ff.; LUTZ/MÖLT-<br />
GEN/KUHN (2002) S. 152 ff.: ein ontologiebasiertes Informationssystem über Kompensationsmaßnahmen für straßenbaubedingte<br />
Umweltbeeinträchtigungen.<br />
305) Vgl. LAGOZE/HUNTER (2001) S. 1 ff. (Ontologien für Bibliotheken und Museen), SHUM/MOTTA/DOMINGUE (2000) S. 237 ff.;<br />
WEINSTEIN/BIRMINGHAM (1998) S. 2 u. 4 ff.<br />
Für bibliothekarische Zwecke dominieren zwei ontologieorientierte Projekte: das Projekt UMDL (University of Michigan Digital<br />
Library) und das Projekt DCM (Dublin Core Metadata Element Set). Die Ontologien und Metadaten, die in diesen beiden<br />
Projekten erarbeitet worden sind, dienen des Öfteren als Ausgangspunkte zur Entwicklung von Ontologien für andere Anwendungsbereiche.<br />
Vgl. zum UMDL-Projekt DURFEE (1998) S. 55 ff.; WEINSTEIN (1998) S. 255 ff.; WEINSTEIN/BIRMINGHAM<br />
(1998) S. 2 u. 4 ff.; vgl. zum DCM-Projekt REDEKER (2000) S. 419 ff.<br />
306) Vgl. LEIDIG (2000) S. 445 ff., insbesondere S. 447 ff.; MEDER (2000) S. 403 ff.; REDEKER (2000) S. 422 ff.; SWERTZ (2000) S.<br />
435 ff.<br />
307) Vgl. POLI (2002) S. 654 ff.
190 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Ontologien vorteilhaft erscheinen könnte. Aus der subjektiven Perspektive des Verfassers bieten<br />
sich im Wesentlich drei Antworten an.<br />
Erstens reiht sich das Thema „Ontologien“ zurzeit in die Palette jener „Modethemen“ ein, die wie<br />
Konjunkturzyklen den real existierenden Wissenschaftsbetrieb temporär prägen. Dies betrifft nicht<br />
nur die KI-Forschung im engeren Sinn, sondern ebenso (Kern-) Informatik, Wirtschaftsinformatik<br />
und Betriebswirtschaftslehre. Beispielsweise stehen Ontologien im Kontext der aktuellen Bemühungen<br />
um die Entwicklung des „Semantic Web“ bei den meisten Institutionen, die sich mit der<br />
Vergabe von Drittmitteln im Bereich von Informations- und Kommunikationstechnologien sowie<br />
-wissenschaften befassen, 308) hoch im Kurs. Dieser wissenschaftspragmatische oder wissenschaftssoziologische<br />
Aspekt der „Publikations- und Drittmittelrelevanz“ von Themen für Forschungs-,<br />
Entwicklungs- und Transferprojekte wird im Folgenden nicht weiter vertieft; er steht nicht im Fokus<br />
des Argumentationsinteresses des hier vorgelegten Werks.<br />
Zweitens zeichnet sich die Ontologieforschung dadurch aus, 309) dass sie einen „frischen“ Blick auf<br />
„an sich bekannte“ Forschungsthemen richtet. Sie führt einige Disziplinen zusammen, deren Anhänger<br />
vormals weit gehend unabhängig voneinander forschten. Nach Einschätzung des Verfassers<br />
lässt sich dieser „frische“ Blick der Ontologieforschung durch vier Aspekte charakterisieren:<br />
• die große Bedeutung der Strukturierung von Wissen für alle darauf aufbauenden Aktivitäten des<br />
Wissensmanagements (Perspektive des Knowledge Level Engineerings),<br />
• die Hervorhebung der sprachlichen Dimension der Wissensstrukturierung (entsprechend dem<br />
„linguistic turn“ der Erkenntnistheorie), 310)<br />
• die Betonung der formalsprachlichen Verfasstheit 311) von Ontologien, aus der ihre „Computernähe“<br />
resultiert, sowie<br />
• der inhaltliche Reichtum von Ontologien auf der semantischen Ebene, der sich insbesondere in<br />
Inferenz- und Integritätsregeln für die bedeutungsgerechte Konzeptverwendung manifestiert. 312)<br />
Aus den Perspektiven dieser vier Aspekte wirken in der modernen Ontologieforschung Vertreter einer<br />
stattlichen Anzahl unterschiedlicher Disziplinen zusammen. Dazu gehören vor allem, ohne<br />
308) Eine Ausnahme scheint zurzeit noch die Deutsche Forschungsgemeinschaft darzustellen; vgl. die Fußnote 3 auf S. 115.<br />
309) Der Verfasser räumt von vornherein ein, dass die nachfolgende Charakterisierung der Ontologieforschung ebenso vage<br />
(„schwammig“) wie subjektiv geprägt ist. Wer dies kritisiert, mag einen präzisierten und objektivierten Charakterisierungsversuch<br />
in die Diskussion einbringen. Der Verfasser hofft auf die Zustimmung Dritter, dass eine möglichst präzise Definition des<br />
Begriffs „Ontologie“ (so, wie es oben in der zweiten Arbeitsdefinition für Ontologien versucht wurde; vgl. S. 153, Abbildung<br />
15) und die nachfolgenden Abgrenzungen gegenüber verwandten Begriffen zunächst ausreichen, um zumindest Ontologien als<br />
das Erkenntnisobjekt der Ontologieforschung „scharf“ zu bestimmen.<br />
310) Aus dieser Perspektive wurden in der o.a. Arbeitsdefinition für Ontologien die sprachlichen Ausdrucksmittel als Definitionskonstituente<br />
hervorgehoben – in bewusstem Kontrast zu sonst vorherrschenden Ontologiedefinitionen, die der sprachlichen<br />
Dimension der Wissensstrukturierung in der Regel keine besondere Beachtung zukommen lassen.<br />
311) Auch in dieser Hinsicht geht die o.a. Arbeitsdefinition für Ontologien über andere Ontologiedefinitionen bewusst hinaus, die<br />
zumeist nicht auf dem Merkmal der Formalsprachlichkeit für Ontologien bestehen.<br />
312) Im Kontext von Ontologien sind also nicht Inferenz- und Integritätsregeln „an sich“ von Interesse, sondern nur insofern, wie sie<br />
zur bedeutungsgerechten Verwendung von Konzepten dienen. Dadurch werden einerseits (metasprachliche) Inferenz- und Integritätsregeln<br />
der Formalen Logik ausgeschlossen, die nicht auf die Bedeutungen von Konzepten, sondern nur auf die Form<br />
der jeweils betroffenen sprachlichen Konstrukte Bezug nehmen. Andererseits werden (objektsprachliche) Inferenz- und Integritätsregeln<br />
ausgeschlossen, die Wissen über einen Realitätsausschnitt repräsentieren und deswegen zu einem repräsentationalen<br />
Modell oder zur Wissensbank eines Wissensbasierten Systems gehören.
1.3.1 Einführung in das Themenfeld „Ontologien“ 191<br />
Vollständigkeit und Systematik der Aufzählung zu reklamieren: die (Kern-) Informatik einschließlich<br />
(V)KI-Forschung, Information Systems Research und Computer Science, die Wirtschaftsinformatik,<br />
die Betriebswirtschaftslehre und sogar die Philosophie 313) . Soweit Ontologien für bestimmte<br />
Anwendungsfelder entwickelt werden, lässt sich die Palette involvierter Disziplinen nahezu<br />
beliebig vermehren. Insbesondere im Bereich der Medizin werden Ontologien bereits relativ intensiv<br />
erforscht und in ersten Wissensbasierten Systemen auch bereits genutzt. 314)<br />
Diese disziplinäre Breite und – eng damit verwoben – der interdisziplinäre Ansatz, der bei der Entwicklung<br />
von Ontologien durch das Zusammenwirken von Vertretern unterschiedlicher Disziplinen<br />
gefördert wird, unterstreichen die o.a. These, dass Ontologien einen „frischen“ Blick auf Forschungsthemen<br />
gestatten. Jene Forschungsthemen sind zwar „an sich“ bekannt, aber bislang in verschiedenen<br />
Disziplinen aus unterschiedlichen Perspektiven weit gehend unabhängig voneinander<br />
behandelt worden. In dieser Hinsicht wirken Ontologien wie Integratoren. Sie veranlassen, Erkenntnisse<br />
aus den oben angeführten Disziplinen zusammenzuführen und im gemeinsamen Bezugsobjekt<br />
„Ontologien“ miteinander zu vernetzen. Daraus können sich fruchtbare Impulse ergeben, den disziplinären<br />
Erkenntnisstand weiter zu entwickeln. 315) Diese Integrationsqualität und Erkenntnisstimulierung<br />
haben die Initiatoren des Verbundprojekts KOWIEN bewogen, Ontologien als Grundlage<br />
für ihre Forschungs-, Entwicklungs- und Transferarbeiten auf dem Gebiet computerbasierter<br />
Wissensmanagementsysteme zu wählen. 316)<br />
313) Hiermit ist nicht das „klassische“ Ontologieverständnis der Philosophie gemeint, auf das im Kapitel 1.3.1.1.1 (S. 118 ff.) kurz<br />
eingegangen wurde. Vielmehr geht es um Beiträge zu Ontologien, die das „moderne“ Ontologieverständnis in pluralischer Rede<br />
teilen, aber dennoch aus vornehmlich philosophischer Perspektive argumentieren. Dies betrifft vor allem den Bereich „formaler<br />
Ontologien“, zu dessen Erforschung insbesondere Arbeiten von GUARINO und Mitarbeitern beigetragen haben. Vgl. beispielsweise<br />
GANGEMI ET AL. (2001) S. 27 ff.; GUARINO (1992) S. 251 ff.; GUARINO (1997b) S. 58 ff.; GUARINO (1997c) S. 140 ff., insbesondere<br />
S. 146 ff.; GUARINO (1998a) S. 4 ff.; GUARINO (1998b) S. 527 ff.; GUARINO (1999a) S. 1 ff.; GUARINO (1999b) S. 221<br />
ff.; GUARINO (1999c) S. 5 ff.; GUARINO/CARRARA/GIARETTA (1994a) S. 560 ff.; GUARINO/CARRARA/GIARETTA (1994b) S. 272<br />
ff.; GUARINO/GIARETTA (1995) S. 27; GUARINO/WELTY (2000a) S. 97 ff.; GUARINO/WELTY (2000b) S. 219 ff.; GUARINO/WELTY<br />
(2000c) S. 1 ff.; GUARINO/WELTY (2000d) S. 1 ff.; GUARINO/WELTY (2001) S. 1 ff.; GUARINO/WELTY (2002) S. 61 ff.; GUARI-<br />
NO/WELTY (2004) S. 151 ff.; WELTY/GUARINO (2001) S. 55 ff. u. 61 ff.; vgl. auch die reichhaltige Bibliographie CARRARA/<br />
GUARINO (1999).<br />
314) Vgl. die knappen Hinweise, die im Kapitel 1.3.1.2 (S. 188) zu medizinischen Ontologien erfolgten.<br />
315) Beispielsweise lässt sich auf die dreifache Ausdifferenzierung von Inferenzregeln (und analog auch Integritätsregeln) verweisen:<br />
erstens metasprachliche Inferenzregeln der Formalen Logik, zweitens objektsprachliche Inferenzregeln auf der rein sprachlichen<br />
Ebene in Ontologien und drittens objektsprachliche Inferenzregeln auf der Ebene des Wissens über Realitätsausschnitte,<br />
die zu Wissensbasen von Wissensbasierten Systemen (oder zu anderen repräsentationalen Modellen von Realitätsausschnitten)<br />
gehören. Eine solche Ausdifferenzierung war nach Wissen des Verfassers bislang weder in der KI-Forschung noch in anderen<br />
Disziplinen bekannt, die sich mit Inferenzregeln befassen. Eine Weiterentwicklung kann auch in der Klärung des Verhältnisses<br />
gesehen werden, in dem Inferenz- und Integritätsregeln zueinander stehen (Näheres dazu im Kapitel 2.4.2.2.3 auf S. 448 ff.).<br />
Sie ist in der einschlägigen Fachliteratur bislang nicht zu finden. Gleiches gilt für die Problematik von mehr als zweistelligen<br />
Prädikaten oder Relationen. Sie werden in der Fachliteratur, die sich mit formalsprachlichen Wissensrepräsentationen befasst,<br />
kaum gewürdigt, stellen sich aber (u.a.) für die Repräsentation von Wissen über Kompetenzen als Desiderat heraus (Näheres<br />
dazu im Kapitel 2.4.3.1.2.1 auf S. 493 ff.). Die Liste von Beispielen ließe sich verlängern; jedoch erscheint dies zu Verdeutlichungszwecken<br />
an dieser Stelle nicht als erforderlich.<br />
316) Damit wird nicht ausgeschlossen, dass andere Grundlagen eine ähnliche (oder gar höhere) Integrationsqualität und Erkenntnisstimulierung<br />
als Ontologien aufweisen könnten. Dies zu erforschen, dafür standen im Vorfeld der Entwicklung des Projektvorschlags<br />
weder die erforderlichen personellen noch die nötigen zeitlichen Ressourcen zur Verfügung. Stattdessen fassen die Initiatoren<br />
ihr Verbundprojekt als einen Wettbewerbsbeitrag auf. Mit seiner Fundierung in Ontologien steht er in Konkurrenz zu<br />
anderen Projekten im Bereich des Wissensmanagements, die von anderen Grundlagen ausgehen. An den projektspezifischen<br />
Ergebnissen mag im Nachhinein beurteilt werden, welche Fundamente sich schließlich als die „ertragsreichsten“ erwiesen haben.<br />
Die hier vorgelegten Ergebnisse aus dem Verbundprojekt KOWIEN bringen in diesen Wettbewerb Einsichten aus einer<br />
dezidiert ontologiebasierten Perspektive ein.
192 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Drittens stellen Ontologien einen viel versprechenden Ansatz dar, um den scheinbaren Widerspruch<br />
zwischen der entweder formal- oder aber natürlichsprachlichen Artikulation von Wissen zu überwinden.<br />
Denn Ontologien erlauben es, die formalsprachliche Präzision auf der Spezifikationsebene<br />
mit dem natürlichsprachlichen Ausdrucksreichtum und der natürlichsprachlichen Ausdrucksflexibilität<br />
auf der Konzeptualisierungsebene zu kombinieren. Sie eröffnen hierdurch eine interessante Perspektive,<br />
zwischen computerbasiertem Wissensmanagement, das auf „harte“ formalsprachliche<br />
Wissensrepräsentationen angewiesen ist, und humanzentriertem Wissensmanagement, das sich auch<br />
mit „weichem“, natürlichsprachlich artikulierten Wissen befasst, zu vermitteln.<br />
Zuvor wurde vor dem allgemeinen Hintergrund, dass es sich bei Ontologien um nichts grundsätzlich<br />
Neuartiges handelt, das spezielle Interesse erläutert, das im Rahmen des Verbundprojekts KO-<br />
WIEN die Beschäftigung mit Ontologien motivierte. Diese Motivationsschilderung lässt jedoch offen,<br />
wie sich das Themenfeld „Ontologien“ zu anderen, inhaltlich verwandten Themenfeldern verhält.<br />
Daher wird im Folgenden darauf eingegangen, wie sich Ontologien von verwandten Themenfeldern<br />
inhaltlich abgrenzen lassen – und in welchem Ausmaß sie mit jenen Themenfeldern übereinstimmen.<br />
In einer Ontologie werden zunächst die begrifflichen Konzepte spezifiziert, die aus der Konzeptualisierung<br />
eines Realitätsausschnitts hervorgehen und für die Konstruktion repräsentationaler Modelle<br />
zur Verfügung stehen. In dieser Hinsicht ähneln Ontologien einigen inhaltlich verwandten Themenfeldern<br />
noch stark. Dazu gehören vor allem Terminologien, Taxonomien, Nomenklaturen, Data<br />
Dictionaries, Referenz- und Metamodelle sowie konzeptuelle Modelle.<br />
Die Abgrenzung von Ontologien gegenüber Terminologien, Nomenklaturen und Data Dictionaries<br />
fällt relativ leicht. Denn die drei letztgenannten Themenfelder beschränken sich inhaltlich auf die<br />
Sammlung und Systematisierung 317) von Begriffen, die für den sprachlichen Zugriff auf Realitätsausschnitte<br />
in Betracht kommen. Diese Begriffssammlungen und -systematisierungen können auch<br />
Attribute einschließen, die zur inhaltlichen Charakterisierung der Begriffe dienen. Inhaltlich weiter<br />
reichen Terminologien, Nomenklaturen und Data Dictionaries jedoch im Allgemeinen nicht. Ontologien<br />
zeichnen sich hingegen durch zusätzliche Relationen und zusätzliche semantische Konstrukte<br />
wie Inferenz- und Integritätsregeln aus. Daher lassen sich Ontologien relativ einfach von Terminologien,<br />
Nomenklaturen und Data Dictionaries unterscheiden.<br />
Gleiches trifft im Prinzip auch auf Taxonomien zu. Taxonomien umfassen zwar über Terminologien,<br />
Nomenklaturen und Data Dictionaries hinaus auch noch taxonomische Relationen, wie z.B.<br />
die „is_a“-Relation. Die taxonomischen Relationen gestatten es, eine Begriffssammlung mittels<br />
Über- und Unterordnungsbeziehungen zwischen Begriffen (zusätzlich) zu systematisieren. Ontologien<br />
umfassen diese taxonomischen Relationen ebenso. Darüber hinaus gehören zu Ontologien aber<br />
auch eine breite Palette nicht-taxonomischer Relationen sowie die bereits zuvor erwähnten<br />
semantischen Konstrukte wie Inferenz- und Integritätsregeln. Daher lassen sich Ontologien auch<br />
von Taxonomien klar abgrenzen.<br />
Wesentlich größere Abgrenzungsschwierigkeiten bestehen hingegen in Bezug auf drei Themenfelder<br />
(Kern-) Informatik und der Wirtschaftsinformatik, die – ebenso wie Ontologien – in einem engen<br />
Zusammenhang mit der Konzeptualisierung von Realitätsausschnitten stehen. Es handelt sich<br />
um Referenz- und Metamodelle sowie um konzeptuelle Modelle. Um dem Prinzip „omnis determi-<br />
317) Die einfachste Form der Begriffssystematisierung stellt ihre alphabetische Sortierung dar. Die anspruchsvollere Systematisierung<br />
mittels begrifflicher Über- und Unterordnungsbeziehungen bleibt im hier zugrunde gelegten Begriffsverständnis den Taxonomien<br />
vorbehalten.
1.3.1 Einführung in das Themenfeld „Ontologien“ 193<br />
natio est negatio“ wenigstens ansatzweise zu genügen, wird nachfolgend ein Vorschlag unterbreitet,<br />
wie sich das hier verfolgte Ontologieverständnis von den vorgenannten drei Modellbegriffen 318) inhaltlich<br />
abgrenzen lässt. 319)<br />
Unter einem Metamodell 320) wird hier die Spezifikation des Termvorrats und der Syntax einer formalen<br />
321) Sprache verstanden, die zur formalsprachlichen Modellierung von Realitätsausschnitten<br />
dient. 322) Ein Metamodell legt die Ausdrucksmittel einer formalen Modellierungssprache fest. In<br />
Anlehnung an das Mehrstufenkonzept sprachlicher Welterfassung werden Modelle, die einen Realitätsausschnitt<br />
repräsentieren, in diesem Zusammenhang als Objektmodelle bezeichnet. 323) Dagegen<br />
spezifiziert ein Metamodell die Gesamtheit aller Objektmodelle, die sich mit den Ausdrucksmitteln<br />
einer vorgegebenen formalen Modellierungssprache auf der Objektebene ausdrücken lassen.<br />
318) Da die angesprochenen Modellarten innerhalb der Informatik und der Wirtschaftsinformatik keineswegs einheitlich verwendet<br />
werden, sieht sich der Abgrenzungsvorschlag von vornherein dem potenziellen Vorwurf ausgesetzt, den einen oder anderen<br />
Modellbegriff „einseitig“ ausgelegt zu haben. Dieser Vorwurf wird hier bewusst in Kauf genommen, weil es keine Absicht dieses<br />
Beitrags ist, eine „repräsentative“ Übersicht über den Sprachgebrauch seitens der Informatik und der Wirtschaftsinformatik<br />
zu bieten. Vielmehr dienen die Modellbegriffe der Informatik und der Wirtschaftsinformatik auf dem Gebiet der Konzeptualisierung<br />
möglicher Realitätserfahrungen nur als ein „Argumentationsvehikel“, um das hier verfolgte Ontologieverständnis zu<br />
verdeutlichen. Wer mit den Interpretationen jener Modellbegriffe durch den Verfasser nicht einverstanden ist, mag sie in Zweifel<br />
ziehen oder ergänzen; aber an der Explikation des Ontologiebegriffs für den hier vorgelegten Beitrag wird dies kaum etwas<br />
Wesentliches ändern.<br />
319) Die Ausführungen folgen in Bezug auf Referenz- und Metamodelle der Argumentation, die bereits in ZELEWSKI (1999a) S. 7 ff.<br />
und ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 190 ff. vorgestellt wurde. Vgl. auch die „Adaption“ dieser Argumentation durch<br />
PETKOFF (o.J.) S. 6 ff.<br />
320) Vgl. zu Metamodellen BRINKKEMPER/SAEKI/HARMSEN (1999) S. 209 ff.; FRANK (1998) S. 13 f.; JARKE ET AL. (1997) S. 230 ff.;<br />
ROSEMANN/GREEN (2002) S. 76 ff., insbesondere S. 78 ff.; SCHEER (2001) passim, u.a. Titel sowie S. 5, 13, 19 u. 38; STRAH-<br />
RINGER (1995); STRAHRINGER (1998) S. 16 ff.; THOMAS/SCHEER (2003) S. 687 ff.; WIELINGA/SCHREIBER (1994) S. 115; WINTER<br />
(2000) S. 116 ff.<br />
321) Obwohl die Unterscheidung zwischen Objekt- und Metamodellen von vornherein nicht auf einen bestimmten Typ von Modellierungssprachen<br />
eingeschränkt ist, wird der Begriff „Metamodell“ im Bereich der Wirtschaftsinformatik überwiegend im Kontext<br />
formalsprachlicher Objektmodellierungen verwendet. Dieser Verwendungsweise wird hier gefolgt. Im Interesse einer klaren<br />
und eindeutigen Begriffsverwendung werden Metamodelle von vornherein ausschließlich auf formale Sprachen für die Objektmodellierung<br />
bezogen.<br />
322) Vgl. zu ähnlichen Auslegungen des Begriffs „Metamodell“ – allerdings in der Regel ohne Explizierung des Termvorrats als einer<br />
Begriffskonstituente – die entsprechende Literaturanalyse von STRAHRINGER (1995) sowie SCHEER (2001) passim, insbesondere<br />
S. 35 f. (mit dem plastischen Beispiel des Modellierungsschemas der Linearen Programmierung [LP] als LP-Metamodell<br />
für die Gesamtheit aller Entscheidungsmodelle, die sich als LP-Modelle darstellen lassen) u. 116 f. (ein Metamodell für Klassendiagramme);<br />
SCHÜTTE (1998) S. 68, 72 u. 74. Vgl. des Weiteren JARKE ET AL. (1997) S. 230 ff.; PETKOFF (o.J.) S. 6.<br />
Da der Begriff des Metamodells in mehreren Varianten verwendet wird und des Öfteren keine präzise Definition erfolgt, wird<br />
hier nicht der Anspruch erhoben, über „das einzig richtige“ Verständnis von Metamodellen zu verfügen. Stattdessen wird lediglich<br />
ein spezielles Begriffsverständnis vertreten, das sich zur klaren Abgrenzung zwischen Ontologien und Metamodellen eignet<br />
(und sich darüber hinaus mit den voranstehenden Quellen inhaltlich vereinbaren lässt).<br />
323) Da Objektmodelle einen Realitätsausschnitt repräsentieren, stimmen sie mit den repräsentationalen Modellen überein, die oben<br />
in Abgrenzung gegenüber konzeptuellen Modellen eingeführt wurden. Die Bezeichnungen „Objektmodell“ und „repräsentationales<br />
Modell“ stellen daher Synonyme dar.
194 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Die Spezifikation der Gesamtheit aller Objektmodelle besteht einerseits aus der Festlegung aller zulässigen<br />
formalsprachlichen Ausdrücke („Terme“), aus denen ein Objektmodell aufgebaut werden<br />
kann, 324) und andererseits aus der Festlegung aller formalsprachlichen zulässigen Ausdrucksverknüpfungen<br />
(„Syntax“). Hierdurch werden die Ausdrucksmöglichkeiten einer formalen Modellierungssprache<br />
vollständig spezifiziert. Allerdings bedeutet diese Fokussierung auf die Ausdrucksmöglichkeiten<br />
– d.h. Termvorrat und Syntax – einer formalen Modellierungssprache, dass innerhalb<br />
eines Metamodells alle Aspekte der repräsentationalen Semantik jener Objektmodelle verloren gehen,<br />
die mittels der jeweils betroffenen Modellierungssprache für einen Realitätsausschnitt erstellt<br />
werden können. In dieser Hinsicht lassen sich Metamodelle auch als eine „semantische Abstraktion“<br />
von Objektmodellen auffassen. 325)<br />
Aus wissenschaftstheoretischer Perspektive entspricht ein Metamodell dem „terminologischen Apparat“<br />
einer Theorie. Er manifestiert sich aus dem Blickwinkel des strukturalistischen Theorienkonzepts,<br />
auf das bereits im Kapitel 1.3.1.1.1 eingegangen wurde (S. 128 ff.), als die Menge aller<br />
potenziellen Modelle 326) der jeweils betroffenen Theorie. Daher besteht eine bemerkenswerte zweifache<br />
Entsprechung zwischen Metamodellen für Modellierungssprachen einerseits und dem strukturalistischen<br />
Theorienkonzept andererseits. Sie besteht erstens zwischen einem Metamodell und<br />
einer strukturalistischen Menge potenzieller Modelle, die sich beide auf keinen bestimmten Realitätsausschnitt<br />
beziehen, sondern rein sprachlicher Natur sind. Zweitens erstreckt sie sich – jeweils<br />
in Bezug auf einen gegebenen Realitätsausschnitt – zwischen den Objektmodellen, die jenen Realitätsausschnitt<br />
repräsentieren, und den strukturalistischen Modellen einer Theorie für jenen Realitätsausschnitt.<br />
Aus dem Blickwinkel von Modellierungstheorie und -praxis lassen sich mehrere Spezifikationen<br />
der Ausdrucksmöglichkeiten formaler Modellierungssprachen identifizieren, die inhaltlich Metamodelle<br />
darstellen, auch wenn sie oftmals nicht als solche bezeichnet werden. Dazu gehören beispielsweise<br />
die Spezifikationen der formalen Sprachen UML (Unified Modeling Language) 327) und<br />
KIF (Knowledge Interchange Format) 328) . Auch die Spezifikationen der Ausdrucksmöglichkeiten,<br />
die einerseits von Entity-Relationship-Modellierungen 329) und andererseits von Ereignisgesteuerten<br />
324) In dieser Hinsicht umfasst ein Metamodell, sofern von der üblichen Beschränkung auf formale Modellierungssprachen abgesehen<br />
wird, auch die Data Dictionaries und Data Repositories, die in der Wirtschaftsinformatik schon seit längerem propagiert<br />
werden, denen aber bislang kein durchschlagender Erfolg vergönnt war. Metamodelle lassen sich daher als eine „moderne“,<br />
„fortentwickelte“ Form von Data Dictionaries und Data Repositories auffassen.<br />
325) Vgl. SCHÜTTE (1998) S. 72 und Abb. 2.8 auf S. 73.<br />
326) Vgl. ZELEWSKI (1993a) S. 96, 217 f., 226 f., 231 f. u. 245 f.<br />
327) Vgl. FOWLER/SCOTT (1998) S. 17 ff.; OBJECT MANAGEMENT GROUP (2001); SCHADER/KORTHAUS (1998). Vgl. daneben auch<br />
FRANK/ PRASSE (1997) S. 45 ff., 54 ff. u. 86 ff.; FRANK (2000a) S. 712 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 72 ff.; JECKLE<br />
ET AL. (2004) S. 323 ff.; MELNIK/DECKER (2000) S. 5 f. u. 11; SCHEER (2001) passim, z.B. S. 116 f. (mit explizitem Bezug auf<br />
Metamodelle) u. 197 ff.; SOWA (2000) S. 435 ff. Vgl. auch GUIZZARDI/HERRE/WAGNER (2002) S. 72 ff. mit einer bemerkenswerten<br />
Analyse von UML aus der Perspektive von Ontologien. Vgl. auch zur Anwendung von UML auf die Konstruktion von<br />
Ontologien ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 87 ff.; BACLAWSKI ET AL. (2002) S. 142 ff.<br />
328) Vgl. FIKES ET AL. (1991) S. 7 ff.; GENESERETH (1998) S. 2 ff.; GENESERETH/FIKES (1992) S. 5 ff.; GRUBER (1993) 204 ff.; GRU-<br />
BER (1995) S. 911 ff.; MIHOUBI/SIMONET/SIMONET (1998) S. 370 ff. (mit einer ontologiebezogenen Erweiterung M-KIF zu<br />
KIF); SOWA (2000) S. 489 ff.<br />
329) Vgl. zu Entity-Relationship-Modellierungen, die maßgeblich auf Arbeiten von CHEN beruhen, CHEN, P. (1976) S. 9 ff.; KRUSE<br />
(1996) S. 107 ff.; RAUH/STICKEL (1997) S. 24 ff. u. 37 ff.; ROSEMANN/GREEN (2002) S. 79 ff.; SOWA (2000) S. 423 u. 431 ff.;<br />
WEBER (1997) S. 103 ff. Vgl. auch die kritische Auseinandersetzung mit Entity-Relationship-Modellierungen aus der Perspektive<br />
von Ontologien – speziell aus dem Blickwinkel der BUNGE/WAND/WEBER-Ontologie – WEBER (1997) S. 107 ff. u. 143 ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 195<br />
Prozessketten 330) für die Modellierung informations- und betriebswirtschaftlicher Sachverhalte geboten<br />
werden, können als Metamodelle angesehen werden. Dies ist jedoch nur zulässig, sofern Entity-Relationship-Modelle<br />
und Ereignisgesteuerte Prozessketten als formale Sprachen zur Modellierung<br />
der „daten-“ bzw. „prozesstechnischen“ Aspekte von Realitätsausschnitten aufgefasst werden.<br />
331)<br />
Ontologien stimmen mit Metamodellen zunächst hinsichtlich ihrer grundsätzlichen Zwecksetzung<br />
überein, sprachliche Ausdrucksmittel für die Repräsentation von Wissen über Realitätsausschnitte<br />
zu spezifizieren. Dabei spielt es keine Rolle, ob die realitätsbezogene Wissensrepräsentation entweder<br />
in der Diktion von Objektmodellen angesprochen wird, die mit einer formalen Modellierungssprache<br />
konstruiert werden (wie es für Metamodelle der Fall ist), oder ob sie mittels der Konstruktion<br />
repräsentationaler Modelle thematisiert wird (wie es für Ontologien typisch ist). Dennoch unterscheiden<br />
sich Ontologien und Metamodelle in mehreren Details. 332)<br />
Erstens könnte die Ansicht vertreten werden, dass sich Metamodelle auf Repräsentationen von tatsächlichen<br />
Realitätserfahrungen durch Objektmodelle beschränken. Ontologien setzen hingegen<br />
keine Modellierung realer Objekte voraus, sondern beziehen sich in allgemeiner Weise auf die<br />
Konzeptualisierung möglicher Realitätserfahrungen. Allerdings betrachtet der Verfasser diesen ersten<br />
Aspekt als unwesentlich, weil er keinen Hinderungsgrund sieht, mit der formalen Modellierungssprache,<br />
die seitens eines Metamodells spezifiziert wird, auch „kontrafaktische“ Objektmodelle<br />
zu konstruieren. Es handelt sich dabei um Objektmodelle, die Sachverhalte repräsentieren, die in<br />
einem untersuchten Realitätsausschnitt (noch) nicht beobachtet wurden, aber zumindest als (denk-)<br />
möglich gelten und mittels der formalen Modellierungssprache ausgedrückt werden können. Daher<br />
wird die erstgenannte Unterscheidungsmöglichkeit zwischen Metamodellen und Ontologien nicht<br />
weiter verfolgt.<br />
330) Vgl. zu Ereignisgesteuerten Prozessketten, die vor allem von SCHEER popularisiert wurden, GROB/VOLCK (1995) S. 604 ff.;<br />
KINDLER (2003) S. 7 ff.; KELLER/NÜTTGENS/SCHEER (1992) S. 11 ff.; NÜTTGENS/RUMP (2002) S. 1 ff.; RITTGEN (2000) S. 27 ff.;<br />
sowie die (sonstigen) Beiträge in NÜTTGENS/RUMP (2003). Vgl. auch die kritische Auseinandersetzung mit Ereignisgesteuerten<br />
Prozessketten aus der Perspektive von Ontologien – speziell aus dem Blickwinkel der BUNGE/WAND/WEBER-Ontologie – FETT-<br />
KE/LOOS (2003) S. 64 ff.<br />
331) Es lässt sich darüber streiten, ob Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten formale Modellierungssprachen<br />
darstellen. Erstens handelt es sich bei Entity-Relationship-Modellen und Ereignisgesteuerten Prozessketten zunächst nur<br />
um Objektmodelle, die einen Realitätsausschnitt repräsentieren. Diese Objektmodelle sind hier aber nicht gemeint. Stattdessen<br />
ist stets die Modellierungssprache gemeint, die der Konstruktion von Entity-Relationship-Modellen bzw. Ereignisgesteuerten<br />
Prozessketten zugrunde liegt. Wenn die Modellierungssprache selbst gemeint ist, wird oftmals im Singular gesprochen, also<br />
z.B. von „dem“ Entity-Relationship-Modell; vgl. z.B. RAUH/STICKEL (1997) S. 37 in Verbindung mit S. 14 u. 36. Zur Verdeutlichung<br />
sprechen RAUH/STICKEL (1997) auf S. 40 auch von Entity-Relationship-Schema (oder kurz: „ER-Schema“), wenn sie<br />
sich nicht auf ein einzelnes Entity-Relationship-Modell, sondern auf die Gesamtheit aller Entity-Relationship-Modelle beziehen,<br />
die sich mit der zugrunde liegenden Modellierungssprache für Entity-Relationship-Modelle konstruieren lassen. In diesem<br />
Sinn werden Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten hier nicht als konkrete Objektmodelle, sondern<br />
als verkürzte Bezeichnungen für Modellierungssprachen aufgefasst, die zur Konstruktion von Entity-Relationship-Modellen<br />
bzw. von Ereignisgesteuerten Prozessketten dienen. Zweitens könnte bezweifelt werden, ob es sich bei diesen Modellierungssprachen<br />
um formale Modellierungssprachen handelt. Denn oftmals werden diese Modellierungssprachen in natürlichsprachlicher,<br />
allenfalls graphisch angereicherter Weise erläutert. Allerdings existieren auch formalsprachliche Darstellungen von Modellierungssprachen<br />
für Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten, auf die sich der Verfasser in der o.a.<br />
Textpassage zu Metamodellen bezieht. Vgl. z.B. zur Behandlung „des“ Entity-Relationship-Modells als formale Modellierungssprache<br />
RAUH/STICKEL (1997) S. 40 ff.<br />
332) Vgl. zur Abgrenzung zwischen Ontologien und Metamodellen auch PETKOFF (o.J.) S. 7 f.<br />
Abweichender Ansicht sind WIELINGA/SCHREIBER (1994) S. 115, indem sie Ontologien und Metamodelle miteinander identifizieren.
196 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Zweitens gestatten Metamodelle sowohl eine natürlich- als auch eine formalsprachliche Spezifikation<br />
der Gesamtheit aller Objektmodelle, die sich mit der zugrunde liegenden formalen Modellierungssprache<br />
ausdrücken lassen. Denn der Begriff des Metamodells lässt es offen, ob die Spezifikation<br />
des Termvorrats und der Syntax einer formalen Modellierungssprache auf entweder natürlich-<br />
oder aber formalsprachliche Weise erfolgt. Diese Disjunktion ist noch nicht einmal vollständig, weil<br />
sich ebenso eine Kombination von natürlich- mit formalsprachlichen Spezifikationskomponenten<br />
vorstellen lässt. Betrachtet man diejenigen Metamodelle, die im Rahmen der Wirtschaftsinformatik<br />
konkret vorgelegt werden, zeigt sich, dass der letztgenannte Kombinationsfall sogar den Regelfall<br />
darstellt. Dagegen besteht eine „Essenz“ des Ontologieverständnisses, das im Kapitel 1.3.1.1.3 (S.<br />
141 ff.) entfaltet wurde, in seiner Formalsprachlichkeit. Denn es beschränkt sich auf eine nicht nur<br />
explizite, sondern durchgängig formalsprachliche Spezifikation derjenigen sprachlichen Ausdrucksmittel,<br />
die für die Konstruktion repräsentationaler Modelle aufgrund einer gemeinsamen<br />
Konzeptualisierung möglicher Realitätserfahrungen zur Verfügung stehen. Insofern stellen Ontologien<br />
eine formalsprachliche „Radikalisierung“ von Metamodellen dar.<br />
Drittens bleibt der Ontologiebegriff so, wie er bislang in Anlehnung an GRUBER eingeführt wurde,<br />
zunächst hinsichtlich der einsetzbaren Spezifikationsmittel erstaunlich unbestimmt. Der Begriff des<br />
Metamodells rekurriert hingegen von vornherein auf Termvorrat und Syntax als einzige Instrumente<br />
zur Spezifikation einer formalen Modellierungssprache. Bei näherer Betrachtung von Ontologien,<br />
wie sie seitens der KI-Forschung und neuerdings auch seitens der Wirtschaftsinformatik entwickelt<br />
werden, zeigt sich, dass Termvorrat und Syntax auf jeden Fall ebenso zum Instrumentarium ontologischer<br />
Spezifikationen gehören. 333) Im Gegensatz zu Metamodellen lässt sich aber als Charakteristikum<br />
von Ontologien hervorheben, dass sie neben terminologischen und syntaktischen Spezifikationsmitteln<br />
mindestens zwei weitere Spezifikationsmittel einsetzen: Dies betrifft einerseits taxonomische<br />
Relationen, die sich in Über- und Unterordnungsbeziehungen für begriffliche Konzepte niederschlagen,<br />
und andererseits semantische Konstrukte, zu denen insbesondere Inferenz- und Integritätsregeln<br />
gehören. Weder taxonomische Relationen noch semantische Konstrukte sind für Metamodelle<br />
üblich. 334) Dies erachtet der Verfasser als wichtigstes Unterscheidungsmerkmal zwischen<br />
Ontologien und Metamodellen.<br />
333) Dem Termvorrat eines Metamodells entspricht in einer Ontologie das Vokabular aller zulässigen Konzepte (oder Begriffe). Von<br />
einer Syntax wird hingegen in Bezug auf Ontologien nur selten gesprochen. Dennoch verfügen Ontologien über eine Syntax,<br />
die allerdings oftmals in anderen Spezifikationsmitteln „verborgen“ bleibt. Im einfachsten Fall wird die Syntax einer Ontologie<br />
durch die nicht-taxonomischen Relationen festgelegt. Diese Relationen geben alle zulässigen Verknüpfungsweisen für die Konzepte<br />
(oder Begriffe) einer Ontologie an. In anspruchsvolleren Fällen können für eine Ontologie auch Formeln definiert werden,<br />
die sich mit den (übrigen) sprachlichen Ausdrucksmitteln der betroffenen Ontologie „formen“ lassen. Die Formierungsregeln<br />
für sprachlich zulässige „ontologische“ Formeln bilden dann in ihrer Gesamtheit die Syntax der Ontologie. Vgl. dazu die Spezifikation<br />
zulässiger Formeln, die im Kapitel 1.3.2.2.2 auf S. 244 f. anlässlich der Präzisierung des Ontologieverständnisses<br />
für das Verbundprojekt KOWIEN erfolgt.<br />
334) Diese Feststellung hängt davon ab, ob der oben eingeführten Definition von Metamodellen gefolgt wird, der zufolge Metamodelle<br />
den Termvorrat und die Syntax einer formalen Modellierungssprache spezifizieren. Wird hingegen eine erweiterte Vorstellung<br />
von Metamodellen vertreten, die auch taxonomische Relationen und semantische Konstrukte umfasst, entfällt das oben<br />
erwähnte Unterscheidungsmerkmal zwischen Ontologien und Metamodellen. Vgl. beispielsweise RAUH/STICKEL (1997) S. 40<br />
ff. Dort wird die Klasse aller Entity-Relationship-Modelle mit der Hilfe des Entity-Relationship-Schemas (vgl. S. 40) so spezifiziert,<br />
dass sich die Spezifikation auch auf eine taxonomische Relation (die „subsetof“-Relation; vgl. S. 42) sowie auf Inferenz-<br />
und Integritätsregeln als semantische Konstrukte (vgl. S. 40 f., 69 ff. u. 146 ff.) erstreckt. Diese Spezifikation des Entity-<br />
Relationship-Schemas lässt sich als ein Metamodell aller Objektmodelle auffassen, die in der formalen Gestalt von Entity-<br />
Relationship-Modellen „schemagerecht“ konstruiert werden können (diese Auffassung wurde oben im Kontext praktischer Beispiele<br />
für Metamodelle geteilt). Dann liegt ein Metamodell vor, das ebenso über taxonomische Relationen und semantische<br />
Konstrukte verfügt.
1.3.1 Einführung in das Themenfeld „Ontologien“ 197<br />
Die semantische Dimension der Spezifikationsmittel von Ontologien erweist sich in mehrfacher<br />
Hinsicht als bemerkenswert. Zunächst durchbricht sie die übliche Beschränkung von Metamodellen<br />
auf formalsprachliche Modellierungen von Realitätsausschnitten. Denn die Semantik einer Ontologie<br />
gestattet es ebenso, Ausdrucksmöglichkeiten für repräsentationale Modelle zu spezifizieren, die<br />
– vollständig oder teilweise – in natürlicher Sprache verfasst sind. 335) An die Stelle des formalsprachlichen<br />
Termvorrats eines Metamodells tritt dann ein Vokabular, 336) das aus natürlichsprachlichen<br />
Ausdrücken besteht. Die korrekte Verwendung dieser natürlichsprachlichen Ausdrücke wird<br />
innerhalb einer Ontologie mittels semantischer Regeln spezifiziert. 337) Wie schon an früherer Stelle<br />
ausführlicher erläutert wurde, legen solche Regeln beispielsweise fest, wie aus explizitem Wissen,<br />
das mittels der natürlichsprachlichen Ausdrücke des vorgegebenen Vokabulars formuliert wurde,<br />
das darin implizit enthaltene Wissen erschlossen werden kann. Diese objektsprachlichen Inferenzregeln<br />
des inhaltlichen oder natürlich(sprachlich)en Schließens ähneln den metasprachlichen Inferenzregeln<br />
der Formalen Logik hinsichtlich ihrer Fähigkeit, implizites Wissen zu explizieren. Im<br />
Gegensatz zu formal-logischen Inferenzregeln nehmen sie aber nicht (nur) auf die äußere Gestalt –<br />
die z.B. prädikatenlogische „Form“ – des expliziten Wissens Bezug, sondern werten (auch) Wissen<br />
über den Inhalt – die „Bedeutung“ – der natürlichsprachlichen Ausdrücke aus. Andere semantische<br />
Regeln können den Charakter von Integritätsregeln besitzen, indem sie spezifizieren, welche Verknüpfungen<br />
natürlichsprachlicher Ausdrücke – über deren syntaktisch korrekte Verknüpfung hinaus<br />
– auch inhaltlich zulässig sind.<br />
335) Es wurde bereits anlässlich der Charakterisierung von Metamodellen erwähnt, dass die begriffliche Unterscheidung zwischen<br />
Objekt- und Metamodellen nicht von vornherein auf einen bestimmten Typ von Modellierungssprachen eingeschränkt ist, also<br />
auch die Verwendung natürlichsprachlich verfasster Objektmodelle zulässt. Im Falle der Verwendung natürlichsprachlich verfasster<br />
Objektmodelle bestünde jedoch kein wesentlicher Unterschied mehr (zumindest hinsichtlich des objektsprachlich zulässigen<br />
Sprachtyps) zwischen einerseits Metamodellen, welche die Ausdrucksmöglichkeiten einer natürlichen Modellierungssprache<br />
für die Objektebene spezifizieren, und andererseits Ontologien, mit denen die sprachlichen Ausdrucksmittel für natürlichsprachliche<br />
repräsentationale Modelle spezifiziert werden. Eine solche Ausweitung von Metamodellen auf natürliche Modellierungssprachen<br />
für die Objektebene ist weder im Bereich der Wirtschaftsinformatik üblich, noch würde dies zu einer trennscharfen<br />
Verwendung der Begriffe „Metamodell“ und „Ontologie“ beitragen. Daher wird die frühere Festlegung beibehalten,<br />
von Metamodellen nur dann zu sprechen, wenn sie sich auf die Ausdrucksmöglichkeiten einer formalen Modellierungssprache<br />
für Objektmodelle beziehen.<br />
336) Zur begrifflichen Unterscheidung wird im Kontext von Metamodellen entweder von einem Termvorrat oder aber einem Vokabular<br />
gesprochen, wenn eine (nicht-leere) Menge formal- bzw. natürlichsprachlicher Ausdrücke gemeint ist. Soll hingegen zwischen<br />
formal- und natürlichsprachlichen Ausdrücken nicht differenziert werden, so wird der Begriff „Terminologie“ als Oberbegriff<br />
zu Termvorrat und Vokabular verwendet. Der Übersichtlichkeit halber wird von dem ebenso denkmöglichen Fall abgesehen,<br />
dass formal- und natürlichsprachliche Ausdrücke in derselben Terminologie miteinander vermengt vorkommen.<br />
337) Hier werden semantische Regeln nur in Bezug auf die Spezifikation natürlichsprachlicher Konzeptualisierungen erläutert, weil<br />
in dieser Natürlichsprachlichkeit eine wesentliche Erweiterung von Ontologien gegenüber bislang üblichen Metamodellen liegt.<br />
Diese argumentative Fokussierung soll jedoch keineswegs den Eindruck erwecken, semantische Regeln könnten ausschließlich<br />
auf natürlichsprachliche Spezifikationen angewendet werden. Vielmehr umfassen Ontologien ebenso semantische Regeln, welche<br />
die inhaltlich korrekte Verwendung formalsprachlicher Ausdrücke festlegen. Diese Regeln sind im Rahmen formalsprachlicher<br />
Kalküle, wie etwa der Prädikatenlogik (1. Stufe) oder der (sortierten) Algebra, als „formale Semantik“ wohlvertraut. Beispielsweise<br />
treten die nachfolgend erwähnten Inferenzregeln in der Prädikatenlogik als Deduktionsregeln in Erscheinung, wie<br />
etwa der Modus ponens, der Modus tollens sowie die Kombination aus Unifizierungs- und Resolutionsregeln (bekannt geworden<br />
durch die prädikatenlogische Spezifikations- und Programmiersprache Prolog). Integritätsregeln werden hingegen häufig in<br />
algebraischen Spezifikationen verwendet, und zwar in der typischen Gestalt von Gleichungen zwischen Termen (oder Sorten),<br />
die als „Axiome“ die Menge aller inhaltlich zulässigen Termverknüpfungen festlegen. Also lassen sich auch innerhalb formalsprachlicher<br />
Kalküle semantische Kategorien wie „Inhalte“, „Bedeutungen“ u.ä. erörtern. Diese Aspekte einer formalen Semantik<br />
werden hier aber nicht näher diskutiert, weil im Vergleich zu Metamodellen vor allem der natürlichsprachliche Aspekt von<br />
Ontologien interessiert.
198 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Es könnte der Einwand erhoben werden, die Zulässigkeit natürlichsprachlicher Ausdrucksmöglichkeiten<br />
für repräsentationale Modelle widerspreche „offensichtlich“ dem weiter oben skizzierten<br />
programmatischen Anspruch der KI-Forschung, die Spezifikationen einer Ontologie auf vollständig<br />
formalsprachliche Weise zu leisten. Dieser Anschein eines Selbstwiderspruchs trügt jedoch, weil<br />
zwei Bezugsebenen unzulässig konfundiert werden: Auf der Ebene der Konzeptualisierung möglicher<br />
Realitätserfahrungen lassen Ontologien neben formalsprachlichen auch natürlichsprachliche<br />
Ausdrücke zu. Im Regelfall erfolgt die Konzeptualisierung sogar nur mittels natürlichsprachlich<br />
verfasster konzeptueller Modelle. Dagegen erstreckt sich der Anspruch vollständiger (Explizierung<br />
und) Formalisierung ausschließlich auf die Ebene der Spezifikation der sprachlichen Ausdrucksmittel<br />
für jene repräsentationalen Modelle, die mit der natürlichsprachlichen Konzeptualisierung des<br />
betroffenen Realitätsausschnitts übereinstimmen. Auf der Spezifikationsebene zeichnet sich daher<br />
eine Ontologie immer durch eine formale Semantik derjenigen Realitätserfahrungsmöglichkeiten<br />
aus, die in der zugrunde liegenden Konzeptualisierung natürlichsprachlich beschrieben wurden.<br />
Zugleich handelt es sich um eine repräsentationale Semantik, weil sie die Gesamtheit aller Ausdrucksmöglichkeiten<br />
für die Repräsentation von Wissen über einen Realitätsausschnitt spezifiziert,<br />
die zur Konstruktion von repräsentationalen Modellen zur Verfügung stehen.<br />
In der Anwendung formalsprachlicher Spezifikationen auf natürlichsprachliche Konzeptualisierungen<br />
von erfahrungsrelevanten Realitätsausschnitten liegt nach Einschätzung des Verfassers einer<br />
der wesentlichen Gründe für die besondere Beachtung, die Ontologien sowohl aus wissenschaftstheoretischer,<br />
insbesondere sprachanalytischer, als auch aus pragmatischer Perspektive widerfährt.<br />
Unter dem Vorbehalt, dass sich die „vollmundigen“ Verheißungen von Vertretern der Ontologieforschung<br />
in der konkreten Bearbeitung realweltlicher Problemstellungen auch tatsächlich einlösen<br />
lassen, eröffnen Ontologien bemerkenswerte Perspektiven, die angesichts der vorherrschenden Disjunktion<br />
zwischen entweder formal- oder aber natürlichsprachlichen Denkwelten bislang überhaupt<br />
nicht zur Debatte standen. Wie schon oben angesprochen wurde, erlauben es Ontologien, formalsprachliche<br />
Präzision bei der Spezifikation von Konzepten mit dem natürlichsprachlichen Ausdrucksreichtum<br />
und der natürlichsprachlichen Ausdrucksflexibilität bei der Konzeptualisierung von<br />
Realitätsausschnitten zu kombinieren.<br />
Nur am Rande sei darauf hingewiesen, dass diese Kombination aus formalsprachlicher Semantik<br />
auf der Spezifikationsebene und natürlichsprachlicher Realitätskonzeptualisierung offensichtlich<br />
der Intention von SEARLES „Chinese-Room“-Gedankenexperiment 338) zuwiderläuft, die prinzipielle<br />
Unmöglichkeit eines formalsprachlichen Zugangs zur Semantik lebensweltlicher Sprachhandlungen<br />
nachzuweisen. Die Ausdehnung ontologischer Spezifikationen auf semantische und dennoch rein<br />
formalsprachliche Spezifikationsmittel impliziert die Anwendung einer „formalen Semantik“ auf<br />
die jeweils konzeptualisierten Realitätsausschnitte. Dies widerspricht dem Credo von SEARLE, dass<br />
ein „inhaltliches“ Verständnis von „Bedeutungen“ durch formalsprachliche Artefakte grundsätzlich<br />
ausgeschlossen sein soll. Es wird spannend sein zu verfolgen, ob es mittels Ontologien gelingen<br />
wird, SEARLES Unmöglichkeitsthese ins Wanken zu bringen.<br />
338) Auf dieses Gedankenexperiment wird im Kapitel 1.3.1.4 (S. 222) zurückgekommen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 199<br />
Fiel schon die Abgrenzung zwischen Ontologien und Metamodellen nicht leicht, so bereitet die Unterscheidung<br />
zwischen Ontologien und Referenzmodellen noch größere Schwierigkeiten. 339) Dies<br />
liegt insbesondere daran, dass Referenzmodelle – im Gegensatz zu Metamodellen 340) – mit Ontologien<br />
von vornherein die semantische Dimension teilen.<br />
In der Wirtschaftsinformatik versteht man unter Referenzmodellen 341) zumeist eine Abstraktion einer<br />
Klasse von Objektmodellen, die sich auf einen gemeinsamen Realitätsausschnitt beziehen. 342)<br />
Wird dieser Realitätsausschnitt, auf den sich eine Klasse von Objektmodellen gemeinsam bezieht,<br />
als „Domäne“ bezeichnet, so kann ein Referenzmodell auch als ein domänenspezifischer Modelltyp<br />
aufgefasst werden. Aus ihm gehen konkrete Objektmodelle der betroffenen Domäne hervor, indem<br />
die abstrakten Komponenten des Modelltyps konkretisiert („instanziiert“) werden.<br />
Referenzmodelle zeichnen sich durch eine zweifache Semantik aus: 343) Sie verfügen sowohl über eine<br />
repräsentationale Semantik, welche die jeweils „referenzierte“ Domäne spezifiziert, als auch<br />
über eine normative Semantik. Die normative Semantik eines Referenzmodells wird durch seinen<br />
„Empfehlungs-“ oder „Sollcharakter“ konstituiert. Er kommt dadurch zustande, dass ein Referenzmodell<br />
seinen Anwendern empfiehlt, wie „wohlgestaltete“ Objektmodelle der Domäne konstruiert<br />
werden sollten.<br />
Eine erste Diskrepanz zwischen Referenzmodellen und Ontologien besteht hinsichtlich ihrer semantischen<br />
Reichweite. Ontologien besitzen zwar wie Referenzmodelle eine repräsentationale Semantik,<br />
aber keine darüber hinaus reichende normative Semantik. Ontologien spezifizieren nur die<br />
sprachlichen Ausdrucksmittel, mit denen sich repräsentationale Modelle für konzeptualisierte Realitätsausschnitte<br />
gestalten lassen, unterscheiden jedoch nicht zwischen empfehlenswerten und zu<br />
vermeidenden Weisen der Modellierung von Realitätsausschnitten. Letztes ist hingegen für Referenzmodelle<br />
typisch. Die Auszeichnung empfehlenswerter und die Stigmatisierung vermeidenswerter<br />
Modellierungsweisen geschieht zumeist in der Art, dass Referenzmodelle die empfehlenswerten<br />
Modellierungsweisen in sich vereinen. Die vermeidenswerten Modellierungsweisen ergeben sich<br />
daraus implizit als Abweichungen von den Vorgaben („Empfehlungen“) der Referenzmodelle. Seltener<br />
ist die Explizierung der normativen Semantik von Referenzmodellen durch die ausdrückliche<br />
Spezifizierung von Grundsätzen, die bei der Konstruktion „wohlgestalteter“ Objektmodelle beachtet<br />
werden sollen. 344)<br />
339) Vgl. zur Abgrenzung zwischen Ontologien und Referenzmodellen auch PETKOFF (o.J.) S. 8 f.<br />
Mitunter werden keine grundsätzlichen Unterschiede zwischen Ontologien und Referenzmodellen gesehen. Beispielsweise fasst<br />
PARTRIDGE (2002) S. 22 Ontologien als primäre Kandidaten für Referenzmodelle auf.<br />
340) Auf das Verhältnis zwischen Referenz- und Metamodellen geht PETKOFF (o.J.) S. 8 näher ein.<br />
341) Vgl. zu Referenzmodellen BECKER/NEUMANN (2003) S. 619 ff.; FRANK (1998) S. 11 f.; FRANK (2000b) S. 1 u. 3 ff.; HAMM<br />
(1997) S. 53 ff. u. 95 ff.; KALLENBERG (2002); KRUSE (1996) S. 15, 107 ff. u. 151 ff.; LANG (1997) S. 2 ff., 21 ff. u. 31 ff.; LUT-<br />
TERS ET AL. (2000) S. 4430 f.; MEIJS (1994) S. 245 ff.; OTTO (1999) S. 23 ff.; POSSEL-DOELKEN/ZHENG (2002) S. 256 ff.;<br />
SCHMID (1999) S. 147 ff.; SCHÜTTE (1996) S. 73 ff.; SCHÜTTE (1998) S. 66 f., 69 ff., 74 ff., 212 ff., 367 f. u. 390 ff.; SCHWEG-<br />
MANN (1999) S. 53 ff., 98 f., 105 ff. u. 185 ff.; WARNECKE/GISSLER/STAMMWITZ (1998) S. 25 ff.; WINTER (2000) S. 105 ff. u.<br />
167 ff.<br />
342) Vgl. zu ähnlichen Auslegungen des Begriffs „Referenzmodell“ MARENT (1995) S. 304; SCHEER (2001) S. 41, 94 u. 181 f. (allerdings<br />
ohne klare Abgrenzung gegenüber Metamodellen); SCHÜTTE (1998) S. 66 u. 69 f. (dort wird der klassenkonstituierende,<br />
gemeinsame Realitätsausschnitt zu einer „Klasse von Unternehmen“ [S. 66] konkretisiert) sowie S. 72 f. u. 74 f.<br />
343) Vgl. SCHÜTTE (1998) S. 69.<br />
344) Vgl. dazu ausführlich die Aufstellung und Erläuterung von Grundsätzen ordnungsmäßiger (Referenz-) Modellierung bei<br />
SCHÜTTE (1998) S. 111 ff.
200 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Darüber hinaus unterscheiden sich Ontologien und Referenzmodelle hinsichtlich der Art der tatsächlich<br />
verwendeten semantischen Spezifikationsmittel. Für Referenzmodelle sind die bemerkenswerten<br />
Spezifikationsmittel einer formalen Semantik unbekannt, die in Ontologien vor allem in der<br />
Gestalt von Inferenz- und Integritätsregeln zur Verfügung stehen. 345)<br />
Ein weiterer Unterschied erstreckt sich auf den Typ der Sprache, mit der Referenzmodelle versus<br />
Ontologien formuliert werden. Referenzmodellen fehlt der programmatische Anspruch von Ontologien,<br />
auf der Ebene der Spezifikation ausschließlich mit formalsprachlichen Ausdrucksmitteln zu<br />
arbeiten. Denn für Referenzmodelle erfolgt keine Festlegung, mit welchen sprachlichen Ausdrucksmitteln<br />
sie formuliert werden. Die Praxis der Wirtschaftsinformatik zeigt, dass bei der Referenzmodellierung<br />
in der Regel natürlich- und formalsprachliche Ausdrucksmittel miteinander kombiniert<br />
werden, ohne dass klare Regeln erkennbar wären, unter welchen Bedingungen welcher<br />
Sprachtyp vorgezogen werden sollte.<br />
Bei der Diskussion von Referenzmodellen wird der Aspekt der Formalsprachlichkeit – ganz im Gegensatz<br />
zu Ontologien – zumeist nicht explizit thematisiert. Wenn er überhaupt einmal zur Sprache<br />
gelangt, dann zumeist aus der Perspektive der Indifferenz gegenüber unterschiedlichen Formalsprachen,<br />
die zur Konstruktion von Objektmodellen für einen gemeinsamen Realitätsausschnitt verwendet<br />
werden können. Da von allen formalsprachlichen („syntaktischen“) Eigenarten jener Objektmodelle<br />
abgesehen wird, auf die sich ein Referenzmodell für einen gemeinsamen Realitätsausschnitt<br />
bezieht, kann auch von einer „syntaktischen Abstraktion“ durch Referenzmodelle gesprochen werden.<br />
346) Diese Art der syntaktischen Abstraktion durch Referenzmodelle hebt sich deutlich von der<br />
semantischen Abstraktion durch Metamodelle ab, 347) die an früherer Stelle erläutert wurde.<br />
Schließlich unterscheiden sich Ontologien von Referenzmodellen durch ihre materielle Reichweite,<br />
d.h. durch das Spektrum ihrer Gegenstandsbereiche. 348) Referenzmodelle werden in der Regel für<br />
Realitätsausschnitte entwickelt, die sich durch den umgangssprachlichen Branchenbegriff umschreiben<br />
lassen. 349) Damit entsprechen Referenzmodelle hinsichtlich ihrer materiellen Reichweite weit<br />
gehend den Domänen-Ontologien, sofern sie zur Spezifikation der sprachlichen Ausdrucksmittel<br />
von branchenspezifischem „Domänenwissen“ aufgestellt werden. Daneben werden Ontologien aber<br />
auch für eine stattliche Anzahl weiterer Gegenstandsbereiche in Betracht gezogen, wie folgender<br />
345) Analog zur Argumentation, die im Kontext von Metamodellen skizziert wurde, ließe sich auch hier daran denken, Referenzmodelle<br />
so fortzuentwickeln, dass sie verstärkt mittels einer formalen (Referenz-) Modellierungssprache verfasst werden und auf<br />
jene formalsprachlichen Referenzmodellbestandteile die Instrumente einer formalen Semantik angewandt werden. Dann würde<br />
die Diskrepanz zwischen Referenzmodellen und Ontologien erheblich verringert. Abermals wird jedoch im Interesse begrifflicher<br />
Trennschärfe auf eine solche Erweiterung des Referenzmodellbegriffs verzichtet, zumal sie dem praktischen Gebrauch von<br />
Referenzmodellen in der Wirtschaftsinformatik nicht entsprechen würde.<br />
346) Vgl. SCHÜTTE (1998) S. 72 f.<br />
347) Vgl. zur Verdeutlichung der „orthogonalen“ Sichtweisen von syntaktischer und semantischer Abstraktion durch Referenz- bzw.<br />
Metamodelle die Abb. 2.8 bei SCHÜTTE (1998) S. 73.<br />
348) Als Gegenstandsbereich wird hier eine bestimmte Klasse von Realitätsausschnitten bezeichnet, die sich durch die spezielle Art<br />
der Ausschnittsbildung auszeichnet. Die Gesamtheit der Gegenstandsbereiche, auf die sich ein sprachliches Artefakt (wie Ontologien<br />
und Referenzmodelle) bezieht, wird als dessen materielle Reichweite bezeichnet.<br />
349) Auch wenn der Branchenbegriff selbst nicht präzise definiert ist, dürfte das intuitive Vorverständnis, das mit diesem Begriff in<br />
betriebs- und volkswirtschaftlichen Argumentationszusammenhängen verknüpft ist, jedoch ausreichen, um einen Konsens über<br />
die Eigenart der hier gemeinten Realitätsausschnitte zu vermitteln. Als verdeutlichende Beispiele sei auf „Branchen-Fernsprechbücher“<br />
und auf die Branchengliederung Statistischer Jahrbücher verwiesen. Vgl. ebenso die exemplarische Aufzählung<br />
von Branchen für Domänen-Ontologien bei STUDER ET AL. (1999) S. 5.
1.3.1 Einführung in das Themenfeld „Ontologien“ 201<br />
Aufstellung von Ontologietypen für charakteristische Gegenstandsbereiche entnommen werden<br />
kann: 350)<br />
Top-Level-Ontologien 351) umfassen die „allgemeinsten“ Konzepte, die sich in allen spezialisierten<br />
Gegenstandsbereichen der Wahrnehmung oder Vorstellung von Realitätsausschnitten wieder<br />
finden. Diese Konzepte hohen Allgemeinheitsgrads entsprechen weit gehend den Kategorien<br />
der klassischen Philosophie. 352)<br />
Commonsense-Ontologien 353) erstrecken sich auf „allgemeines Weltwissen“, das nicht auf spezielle<br />
Anwendungsbereiche wie Branchen zugeschnitten ist, sondern in lebensweltlichen Handlungs-<br />
oder Argumentationszusammenhängen als „selbstverständliches Hintergrundwissen“ immer<br />
schon vorausgesetzt wird. Die formalsprachliche Erfassung dieses Hintergrundwissens bereitet<br />
z.B. in der KI-Forschung überaus große Probleme; daher spielen Commonsense-Ontologien<br />
insbesondere in der KI-Forschung eine herausragende Rolle.<br />
350) Vgl. dazu die Aufstellung bei STUDER ET AL. (1999) S. 5, am Rande auch S. 13. Vgl. ebenso ERDMANN (2001) S. 78 f.; GÓMEZ-<br />
PÉREZ (1998) S. 10-6 f.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3 f.; MAEDCHE (2002) S. 21 f.; STUDER/BENJAMINS/FENSEL<br />
(1998) S. 186; USCHOLD (1996c) S. 16 f.; WIELINGA/SCHREIBER (1994) S. 116 f. Mitunter werden auch weitere Ontologietypen<br />
thematisiert, wie z.B. die Anwendungsontologien (application ontologies) in GENNARI ET AL. (1994) S. 410 ff.; GÓMEZ-<br />
PÉREZ/BENJAMINS (1999) S. 1-4; GUARINO (1997a) S. 300 ff. Hierauf wird nicht weiter eingegangen, weil die inhaltliche Abgrenzung<br />
solcher Anwendungsontologien von den o.a. Ontologietypen – wie etwa Domänen-, Aufgaben- und Methoden-<br />
Ontologien – sehr schwer fällt. Dies bestätigt auch mittelbar GUARINO (1997c) S. 145, indem er Anwendungsontologien auf<br />
Konzepte bezieht, die sonst für bestimmte Domänen oder für bestimmte Aufgaben charakteristisch sind. Einen weiteren Ontologietyp<br />
stellen Themen-Ontologien (topic-based ontolgies) dar; vgl. OUZZANI/BENATALLAH/BOUGUETTAYA (2000) S. 371.<br />
Vollkommen anders ausgelegte Differenzierungen zwischen Ontologietypen finden sich bei BATEMAN (1992) S. 7 ff. (konzeptuelle,<br />
gemischte und Schnittstellen-Ontologien); BENJAMIN ET AL. (1994) S. 21 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO<br />
(2004) S. 26 ff.; MYLOPOULOS (1998) S. 136 ff. (statische, dynamische, intentionale und soziale Ontologien); POLI (2002) S.<br />
641 f. (deskriptive, formale und formalisierte Ontologien); VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 192 f.<br />
351) Vgl. zu Top-Level-Ontologien, die mitunter auch als Upper-Level-Ontologien bezeichnet werden, BERGHOFF/DROBNIK (1998)<br />
S. 5 ff.; CORREA DA SILVA ET AL. (2002) S. 150 u. 152; DEGEN ET AL. (2001) S. 43 ff.; ERDMANN (2001) S. 79 f.; GANGEMI ET<br />
AL. (2002a) S. 1 f., 5 f. u. 9 f.; GANGEMI ET AL. (2002b) S. 2 ff.; GANGEMI/GUARINO/OLTRAMARI (2001) S. 290 ff., GÓMEZ-<br />
PÉREZ/BENJAMINS (1999) S. 1-3; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 71 ff.; GUARINO (1997b) S. 57 u. 61 ff.;<br />
GUARINO (1997c) S. 145, 150 ff. u. 168 ff.; GUARINO (1998b) S. 527 u. 530 ff.; GUARINO (1999a) S. 1 u. 4 f.; GUARINO (1999b)<br />
S. 227 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 66 ff.; HELBIG (2001) S. 380 ff.; JONES/PATON (1997) S. 151 ff.; KIRYAKOV/<br />
SIMOV (1999) S. 1 ff.; KIRYAKOV/SIMOV/DIMITROV (2001) S. 48 u. 55 ff.; LAGOZE/HUNTER (2001) S. 3 ff. u. 12 ff., insbesondere<br />
S. 14; LENAT/GUHA (1990) S. 171 ff.; MASOLO ET AL. (2002) S. 6 ff., insbesondere S. 8 ff.; MISSIKOFF/VELARDI/FABRIANI<br />
(2003) S. 326; NILES (2003) S. 1 ff.; NILES/PEASE (2001) S. 1 ff.; NOY/HAFNER (1997) S. 56, 58 ff. u. 69 f.; RODRIGUEZ ET AL.<br />
(1998) S. 131 ff., insbesondere 136 ff.; ROSEMANN/GREEN (2002) S. 83 ff. (aus der Perspektive der BUNGE/WAND/WEBER-<br />
Ontologie); SOWA (1995) S. 671 ff.; SOWA (2000) S. 54, 57, 67 ff., 497 ff. u. 502 ff. (insbesondere die übereinstimmenden Abbildungen<br />
in Figure 2.6 auf S. 72 und Figure B.I auf S. 498); VICKERY (1997) S. 280 f.; WELTY/GUARINO (2001) S. 71.<br />
352) Auf Kategorien wurde bereits im Kapitel 1.3.1.1.1 im Kontext des Ontologieverständnisses von ARISTOTELES eingegangen (S.<br />
119).<br />
353) Vgl. ERDMANN (2001) S. 79; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3; JONES/PATON (1997) S. 149; MIZOGUCHI (1994) S. 131;<br />
PIRLEIN (1995) S. 23 ff. u. 31 ff. Vgl. auch die Quellen in der Fußnote 55 (S. 125) zum früher angesprochenen Cyc-Projekt.
202 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Repräsentations- oder Meta-Ontologien 354) spezifizieren die Ausdrucksmöglichkeiten von Repräsentations-<br />
oder Modellierungssprachen. 355) Dazu gehört z.B. die „Frame-Ontologie“ 356) für<br />
objektorientierte Repräsentationen mit der Hilfe so genannter „Frames“, die in der KI-Forschung<br />
und in der Wirtschaftsinformatik zum repräsentationalen Standard-Instrumentarium<br />
zählen. 357) Auch die BUNGE/WAND/WEBER-Ontologie, auf die im Kapitel 1.3.1.4 zurückgekommen<br />
wird (S. 211 ff.), lässt sich als eine Meta-Ontologie betrachten. 358)<br />
Domänen-Ontologien 359) dienen zur Spezifikation der sprachlichen Ausdrucksmittel für Wissen<br />
über eine Klasse von Realitätsausschnitten („Domäne“), die sich in sachlicher Hinsicht als<br />
gleichartig erweisen. 360) Welche sachliche Hinsicht der Klassifizierung von Realitätsausschnitten<br />
zugrunde liegt, bleibt beim Domänenbegriff letztlich unbestimmt. Oftmals wird er in wirtschaftswissenschaftlichen<br />
Kontexten inhaltlich so gefüllt, dass die Klasseneinteilung möglicher<br />
Realitätsausschnitte mit einer üblichen Branchengliederung nach Wirtschaftszweigen übereinstimmt.<br />
Diese Branchengliederung kann beliebig verfeinert oder durch andere Klassenbildungskriterien<br />
ersetzt werden. 361)<br />
Aufgaben-Ontologien 362) dienen zur Spezifikation der sprachlichen Ausdrucksmittel für Wissen<br />
über allgemeine Aufgabentypen („generische Aufgaben“), die in unterschiedlichen Domänen in<br />
jeweils ähnlicher Art auftreten und erfüllt werden können. Dies betrifft z.B. Diagnoseaufgaben,<br />
die sowohl in medizinischen als auch in technischen, aber auch in betriebswirtschaftlichen Anwendungsbereichen<br />
große Bedeutung besitzen.<br />
354) Vgl. GANGEMI/PISANELLI/STEVE (1998) S. 11 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3; GRUBER (1993) S. 215; GUARINO<br />
(1997c) S. 145 f.; KIRYAKOV/SIMOV/DIMITROV (2001) S. 50 ff.; REIMER (1997) S. 91 f.; USCHOLD ET AL. (1998) S. 43 ff. u. 61<br />
ff.<br />
355) Sofern die Ausdrucksmöglichkeiten einer formalen Modellierungssprache spezifiziert werden, stimmen Repräsentations- oder<br />
Meta-Ontologien in terminologischer und syntaktischer Hinsicht mit Metamodellen überein. Allerdings bleibt auch in diesem<br />
Fall ein inhaltlicher „Überschuss“ der Repräsentations- oder Meta-Ontologien gegenüber Metamodellen bestehen, und zwar in<br />
Bezug auf taxonomische Relationen und semantische Konstrukte. Vgl. dazu die oben erfolgten Ausführungen zur Abgrenzung<br />
zwischen Ontologien und Metamodellen.<br />
356) Vgl. GRUBER (1993) S. 204 u. 211 ff.<br />
357) Eine andere Meta-Ontologie präsentiert POCSAI (2000) S. 115 ff. als „konzeptionelles ... Datenmodell zur Ontologiemodellierung“<br />
(S. 115).<br />
358) Vgl. WAND (1996) S. 281 mit dem zutreffenden Hinweis darauf, dass die BUNGE/WAND/WEBER-Ontologie im Gegensatz zum<br />
„vorherrschenden“ Ontologieverständnis allgemein, also domänenunabhängig gelten soll.<br />
359) Vgl. ERDMANN (2001) S. 78; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-4; LU/JIN (2000) S. 11; MIZOGUCHI (1994) S. 130 ff.; POLI<br />
(2002) S. 640; STUDER ET AL. (1999) S. 5 u. 13.<br />
360) Der Einfachheit halber wird eine Domäne zumeist mit „einem“ Realitätsausschnitt gleichgesetzt. Dann wird implizit unterstellt,<br />
dass „der“ Realitätsausschnitt als pars pro toto steht, d.h. die Gesamtheit aller gleichartigen Realitätsausschnitte vertritt.<br />
361) Die Abgrenzung von Domänen-Ontologien weist daher ein Moment inhaltlicher Beliebigkeit auf. Dies ist unbestritten. Zugleich<br />
könnte diese inhaltliche Beliebigkeit ein Motiv für die Beliebtheit von Domänen-Ontologien darstellen, weil sie den Anwendern<br />
von Ontologien die Freiheit lässt, den Gegenstandsbereich einer Ontologie flexibel an die jeweils aktuellen Bedürfnisse<br />
anzupassen.<br />
362) Vgl. ERDMANN (2001) S. 79; FENSEL ET AL. (1997) S. 116 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-4; MIZOGUCHI (1994) S.<br />
128 ff.
1.3.1 Einführung in das Themenfeld „Ontologien“ 203<br />
Methoden-Ontologien 363) stellen die sprachlichen Ausdrucksmittel zur Verfügung, mit deren<br />
Hilfe sich die Klasse derjenigen Probleme (oder Aufgaben) festlegen lässt, auf deren Lösung<br />
(bzw. zu deren Erfüllung) sich eine Methode anwenden lässt. Beispielsweise können mit einer<br />
Simplex-Ontologie oder mit einer Branch-and-Bound-Ontologie die Gesamtheit aller denkmöglichen<br />
Probleme spezifiziert werden, die sich mittels der Simplex-Methode 364) bzw. der Branchand-Bound-Methode<br />
365) lösen lassen.<br />
Referenzmodelle für die Gegenstandsbereiche der zuvor angesprochenen Ontologietypen sind dem<br />
Verfasser nicht bekannt, wenn von Referenzmodellen abgesehen wird, die dem Typ der Domänen-<br />
Ontologien entsprechen. Daher zeichnen sich Ontologien gegenüber Referenzmodellen durch ein<br />
weitaus größeres Spektrum faktisch berücksichtigter Gegenstandsbereiche aus. Die materielle<br />
Reichweite von Ontologien übertrifft diejenige von Referenzmodellen.<br />
Ontologien können aufgrund ihrer größeren materiellen Reichweite den Blick für neuartige Fragestellungen<br />
schärfen, die auch aus wissenschaftstheoretischer Perspektive eine noch ungelöste Herausforderung<br />
darstellen. Hierzu zählt derzeit vor allem das Interaktionsproblem: 366) Es betrifft die<br />
Fragestellung, ob die vorgenannten Ontologietypen unabhängig voneinander entwickelt werden<br />
können oder ob sie sich, zumindest teilweise, gegenseitig bedingen. Insbesondere im Hinblick auf<br />
Domänen-, Aufgaben- und Methoden-Ontologien wird des Öfteren die Ansicht vertreten, sie seien<br />
wechselseitig aufeinander angewiesen, weil sich Domänenwissen nicht unabhängig davon repräsentieren<br />
lasse, wie es mit der Hilfe von Methoden zur Lösung von Problemen oder zur Erfüllung von<br />
Aufgaben aus der Domäne angewendet werden soll (und umgekehrt). In ähnlicher Weise kann mit<br />
guten Gründen daran gezweifelt werden, dass sich Domänen-Ontologien unabhängig von Repräsentations-<br />
oder Meta-Ontologien formulieren lassen. Denn die Spezifikation sprachlicher Ausdrucksmittel<br />
zur Konstruktion repräsentationaler Modelle für einen konzeptualisierten Realitätsausschnitt,<br />
die in einer Domänen-Ontologie erfolgt, impliziert stets die Auswahl einer Repräsentations- oder<br />
Modellierungssprache für die zu konstruierenden repräsentationalen Modelle. Und die Ausdrucksmöglichkeiten<br />
jener Repräsentations- oder Modellierungssprache werden ihrerseits in einer Repräsentations-<br />
oder Meta-Ontologie spezifiziert. Infolgedessen besteht eine immanente Abhängigkeit<br />
zwischen einerseits Domänen- und andererseits Repräsentations- oder Meta-Ontologien.<br />
Auf die zuvor aufgelisteten Ontologietypen wird im Folgenden nicht näher eingegangen. Stattdessen<br />
werden Ontologien unterstellt, die zum Typ der Domänen-Ontologien gehören. Sie stehen derzeit<br />
im Vordergrund des betriebswirtschaftlichen Gestaltungsinteresses. Auch die Ontologien, die<br />
im Verbundprojekt KOWIEN konstruiert wurden, gehörten ausschließlich zu diesem Ontologietyp.<br />
Darüber hinaus bietet die Fokussierung auf Domänen-Ontologien den Vorzug, zumindest in diesem<br />
speziellen Beitrag zur Entwicklung ontologiebasierter <strong>Kompetenzmanagementsysteme</strong> der Einfachheit<br />
halber von Komplikationen wie dem zuvor kurz angesprochenen Interaktionsproblem absehen<br />
zu können. Im Rahmen der allgemeinen Ontologieforschung müsste die Berechtigung solcher Vereinfachungen<br />
jedoch kritisch hinterfragt werden.<br />
363) Vgl. CRUBEZY/MUSEN (2004) S. 325 ff., insbesondere S. 329 ff.; COELHO/LAPALME (1996) S. 8 ff.; DE CLERCQ ET AL. (2001) S.<br />
3 f. u. 15 ff.; GENNARI ET AL. (1994) S. 408 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-4; GUARINO (1997a) S. 300 ff.; LIN/HO<br />
(1999) S. 130 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 7 f.; STUDER/BENJAMINS/FENSEL (1998) S. 173 f.<br />
364) Vgl. ELLINGER/BEUERMANN/LEISTEN (2001) S. 25 ff. u. 55 ff.<br />
365) Vgl. ELLINGER/BEUERMANN/LEISTEN (2001) S. 169 ff.<br />
366) Vgl. ERDMANN (2001) S. 79; GUARINO (1997a) S. 293 u. 300 f.; NWANA/NDUMU (1999) S. 4; O’LEARY (1997) S. 327; POCSAI<br />
(2000) S. 77; STUDER ET AL. (1999) S. 5 u. 13. Vgl. aber auch die hierzu widersprüchlich anmutenden Separationsthesen bei<br />
DORN (1999) S. 103; STUDER ET AL. (1999) S. 11 u. 18; WIELINGA/SCHREIBER (1994) S. 112.
204 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Konzeptuelle Modelle stellen noch größere Herausforderungen an die inhaltliche Abgrenzung von<br />
Ontologien, als sie zuvor schon in Bezug auf Metamodelle und Referenzmodelle bewältigt werden<br />
mussten.<br />
Ein konzeptuelles Modell 367) lässt sich grundsätzlich als ein sprachliches Artefakt für die Repräsentation<br />
von Wissen auffassen, das aus der Konzeptualisierung eines Realitätsausschnitts hervorgegangen<br />
ist. 368) Sofern Ontologien – etwa unter Berufung auf die weit verbreitete Definition von<br />
GRUBER – lediglich als explizite Spezifikationen von Konzeptualisierungen verstanden werden, besteht<br />
kein wesentlicher Unterschied zwischen konzeptuellen Modellen einerseits und Ontologien<br />
andererseits. 369) Zumindest vermag der Verfasser zwischen sprachlichen Artefakten (für die Repräsentation<br />
von Konzeptualisierungswissen) auf der Seite von konzeptuellen Modellen und expliziten<br />
Spezifikationen (von Konzeptualisierungen) auf der Seite von Ontologien keine nennenswerten inhaltlichen<br />
Diskrepanzen zu entdecken. Daher sollte es nicht verwundern, dass Ontologien zuweilen<br />
als „nichts Neues“ im Vergleich zu konzeptuellen Modellen eingestuft oder als ein Instrument zur<br />
Unterstützung der konzeptuellen Modellierung angesehen werden.<br />
Allerdings lassen sich konzeptuelle Modelle und Ontologien inhaltlich durchaus voneinander unterscheiden,<br />
wenn jeweils spezielle Verständnisse von konzeptuellen Modellen einerseits und Ontologien<br />
andererseits zugrunde gelegt werden. Solche Differenzierungen sind in mindestens dreifacher<br />
Hinsicht möglich. 370)<br />
Erstens steht bei Ontologien die Spezifikation der sprachlichen Ausdrucksmittel für die Konstruktion<br />
repräsentationaler Modelle im Vordergrund. Dies gilt zumindest dann, wenn der Arbeitsdefinition<br />
für Ontologien aus dem Kapitel 1.3.1.1.3 (S. 152 ff.) gefolgt wird. Dagegen wird bei konzeptuellen<br />
Modellen die Strukturierung eines Realitätsausschnitts mittels begrifflicher Konzepte und ihrer<br />
Relationen untereinander besonders betont. 371) Beide Aspekte schließen sich keineswegs aus, sondern<br />
gehören sowohl zu Ontologien als auch zu konzeptuellen Modellen. Die Aspekte werden lediglich<br />
in Ontologien und in konzeptuellen Modellen unterschiedlich hervorgehoben.<br />
367) Vgl. zu konzeptuellen Modellen und zur konzeptuellen Modellierung (zuweilen wird das Attribut „konzeptionell“ statt „konzeptuell“<br />
verwendet) FRANK (1998) S. 9 ff.; FRANK (2000a) S. 709 ff.; HARS (2001) S. 64 ff., insbesondere S. 66 ff. u. 69 ff.<br />
(mit bemerkenswerten konzeptuellen Modellen für wissenschaftliches Wissen); MYLOPOULOS (1998) S. 130; SCHÜTTE (1998)<br />
S. 67 f. u. 72 f. Konzeptuelle Modelle werden vor allem im Bereich des Entwurfs von Datenbanksystemen thematisiert. Dort ist<br />
zumeist von einer konzeptuellen Datenmodellierung die Rede. Vgl. dazu beispielsweise RAUH/STICKEL (1997) S. 14 ff., insbesondere<br />
16 f. u. 23 f.<br />
368) Es fällt auf, dass der Begriff „konzeptuelles Modell“ in der einschlägigen Fachliteratur oftmals nicht präzise definiert, sondern<br />
aus mehreren Perspektiven „umschrieben“ wird. Beispielsweise werden konzeptuelle Modelle von RAUH/STICKEL (1997) auf S.<br />
16 als „Ergebnisse der konzeptuellen Datenmodellierung“ eingeführt, welche „die Datenobjekte des Systems und die Beziehungen<br />
zwischen ihnen“ aufzeigen. Auf S. 17 wird hinzugefügt, es handele sich um „Grundmuster zur Gliederung von Daten“.<br />
Zwar wird dort ergänzend auch auf die „Manipulation dieser Daten“ eingegangen; aber dieser Bezug auf Operationen zur Datenmanipulation<br />
spielt im hier interessierenden Zusammenhang mit Ontologien keine Rolle.<br />
369) Vgl. SUGUMARAN/STOREY (2002) S. 251 (Beitragstitel); WELTY/GUARINO (2001) S. 52 („the accepted industrial meaning of<br />
‚ontology’ makes it synonymous with ‚conceptual model’ “).<br />
370) Vgl. zu weiteren Ansätzen, zwischen konzeptuellen Modellen und Ontologien zu unterscheiden, DITTMANN/PENZEL (2004) S.<br />
462; WELTY/GUARINO (2001) S. 52.<br />
371) Die Betonung der Strukturierung mittels begrifflicher Konzepte und ihrer Relationen klingt z.B. bei RAUH/STICKEL (1997) an,<br />
wenn sie davon sprechen, dass konzeptuelle (Daten-) Modelle „die Datenobjekte des Systems und die Beziehungen zwischen<br />
ihnen“ aufzeigen (S. 16; kursive Hervorhebungen durch den Verfasser) sowie „Grundmuster zur Gliederung von Daten“ darstellen<br />
(S. 17; kursive Hervorhebung durch den Verfasser). Dabei ist von folgenden wechselseitigen „Übersetzungen“ zwischen<br />
Bezeichnern auszugehen: Datenobjekte entsprechen begrifflichen Konzepten, Beziehungen entsprechen Relationen, und eine<br />
Gliederung entspricht einer Strukturierung (vice versa).
1.3.1 Einführung in das Themenfeld „Ontologien“ 205<br />
Zweitens werden konzeptuelle Modelle im Allgemeinen nicht auf einen bestimmten Sprachtyp festgelegt.<br />
In der Regel handelt es sich um Artefakte, die großenteils natürlichsprachlich formuliert<br />
sind, aber oftmals auch auf graphische Elemente als Strukturierungshilfen zurückgreifen. Entity-<br />
Relationship-Modelle, die bereits oben im Kontext von Metamodellen angesprochen wurden, stellen<br />
einen prominenten Vertreter für solche gemischt natürlichsprachlich-graphischen Konzeptualisierungen<br />
dar. Sie werden sehr häufig als konzeptuelle Modelle verwendet, insbesondere im Bereich<br />
der (Kern-) Informatik und Wirtschaftsinformatik. 372) Ontologien werden dagegen oftmals in<br />
stärkerer Nähe zu einer unmittelbaren Verwendung in Computersystemen thematisiert und infolgedessen<br />
häufiger als formalsprachliche Artefakte angesehen. Dieser zunächst nur tendenzielle Unterschied<br />
hinsichtlich des vornehmlich eingesetzten Sprachtyps wird im hier vorgelegten Werk zugunsten<br />
einer größeren Trennschärfe zwischen konzeptuellen Modellen und Ontologien verstärkt.<br />
Zu diesem Zweck wird differenziert zwischen:<br />
• einerseits der natürlichsprachlichen Konzeptualisierung eines Realitätsausschnitts, aus der ein<br />
ebenso natürlichsprachlich verfasstes 373) , konzeptuelles Modell resultiert, und<br />
• andererseits der formalsprachlichen Spezifikation von sprachlichen Ausdrucksmitteln für repräsentationale<br />
Modelle des konzeptualisierten Realitätsausschnitts, die mittels einer formalsprachlich<br />
verfassten Ontologie erfolgt.<br />
Auf diese Weise gelingt es, zwischen konzeptuellen Modellen und Ontologien anhand ihres Sprachtyps<br />
eindeutig zu unterscheiden. Dies setzt allerdings eine „formalsprachliche Radikalisierung“ des<br />
Ontologieverständnisses auf der Ebene der Spezifikation sprachlicher Ausdrucksmittel voraus. Sie<br />
wurde in die Arbeitsdefinition für Ontologien, die dem Verbundprojekt KOWIEN zugrunde liegt<br />
und im Kapitel 1.3.1.1.3 (S. 152 ff.) eingeführt wurde, bewusst aufgenommen, um eine größere<br />
Trennschärfe des Ontologiebegriffs gegenüber dem Begriff konzeptueller Modelle zu erreichen. Jedoch<br />
ist einzuräumen, dass dieses – auf der Spezifikationsebene – dezidiert formalsprachliche Ontologieverständnis<br />
in der einschlägigen Fachliteratur zu Ontologien nicht allgemein geteilt wird.<br />
372) Vgl. z.B. RAUH/STICKEL (1997) S. 16 f. u. 23.<br />
373) Im Kontext konzeptueller Modelle wird der Begriff der natürlichen Sprache sehr weit gefasst: Er umgreift nicht nur die „normale“<br />
natürliche Sprache der „verbalen Kommunikation“, sondern ebenso Ausdrucksformen der „nonverbalen Kommunikation“,<br />
solange sie als „natürlich“ empfunden werden. Dies betrifft insbesondere graphische Ausdrucksformen, die für konzeptuelle<br />
Modelle oftmals als „natürlich“ empfunden werden, wie etwa in der Gestalt von Handskizzen oder auch von „anspruchsvolleren“<br />
Graphikformen. Zu den letztgenannten Graphikformen zählen z.B. Organigramme und Entity-Relationship-Diagramme.<br />
Vgl. speziell zu Entity-Relationship-Diagrammen RAUH/STICKEL (1997) S. 24 ff.
206 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Drittens lassen sich Ontologien von konzeptuellen Modellen in pragmatischer Hinsicht 374) unterscheiden.<br />
375) Zur Definition von Ontologien gehört als konstitutives Merkmal, dass Ontologien auf<br />
einer von mehreren Akteuren gemeinsam verwendeten Konzeptualisierung von realen Phänomenen<br />
beruhen. Ontologien besitzen daher eine genuin soziale Komponente. 376) Darüber hinaus wurde im<br />
speziellen Kontext des Verbundprojekts KOWIEN ergänzt, dass jene Akteure eine Ontologie in der<br />
Absicht benutzen, eine gemeinsam übernommene Aufgabe arbeitsteilig zu erfüllen. Diese intentionale<br />
Komponente verstärkt noch die vorgenannte soziale Komponente, weil Arbeitsteilung und gemeinschaftliche<br />
Aufgabenerfüllung typische Phänomene der sozialen Realität darstellen.<br />
Dagegen fehlt konzeptuellen Modellen eine derart ausgeprägte Festlegung in pragmatischer Hinsicht.<br />
Es zählt keineswegs zu den konstitutiven Merkmalen konzeptueller Modelle, von mehreren<br />
Akteuren gemeinsam verwendet zu werden. Stattdessen lässt sich ebenso vorstellen, dass ein einzelner<br />
Akteur seine Wahrnehmung oder Vorstellung eines Realitätsausschnitts nur „für sich selbst“<br />
konzeptualisiert und das Ergebnis seiner diesbezüglichen Aktivitäten in einem individuellen konzeptuellen<br />
Modell kondensiert. Darüber hinaus wird die Zwecksetzung, eine gemeinsam übernommene<br />
Aufgabe arbeitsteilig zu erfüllen, im Allgemeinen nicht als Motiv für die Konstruktion<br />
konzeptueller Modelle angeführt. Aus den vorgenannten Gründen erweisen sich konzeptuelle Modelle<br />
in pragmatischer Hinsicht als indifferent, d.h., sie lassen sich mit beliebigen Konzeptualisierungskontexten,<br />
insbesondere Konzeptualisierungszwecken vereinbaren. In dieser Hinsicht sind<br />
konzeptuelle Modelle allgemeiner definiert als Ontologien, die zumindest auf den sozialen Hintergrund<br />
mehrerer Akteure zugeschnitten sind, oftmals auch auf die arbeitsteilige Erfüllung gemeinsam<br />
übernommener Aufgaben.<br />
374) Unter Pragmatik wird im Allgemeinen (zumindest) der Aspekt verstanden, zu welchen Zwecken ein Artefakt verwendet wird.<br />
Allerdings wird die pragmatische Dimension von Argumentationszusammenhängen oftmals sehr weit gefasst und entsprechend<br />
unscharf eingegrenzt. Beispielsweise werden Interaktionszusammenhänge, in denen Artefakte zur Erfüllung von Zwecken eingesetzt<br />
werden, oftmals ebenso zur pragmatischen Dimension hinzugerechnet. Daher wird im Folgenden die „pragmatische<br />
Perspektive“ so großzügig ausgelegt, dass sie nicht nur intentionale (zweckbezogene), sondern auch soziale (interaktionsbezogene)<br />
Ontologieaspekte umfasst.<br />
375) Die nachfolgende Argumentation ließe sich ebenso auf die Unterscheidung zwischen Ontologien und Metamodellen anwenden.<br />
Sie wurde lediglich aus „dramaturgischen“ Motiven für die Diskussion des Verhältnisses zwischen Ontologien und konzeptuellen<br />
Modellen „aufgespart“, um ein weiteres „substanzielles“ Abgrenzungsargument gegenüber konzeptuellen Modellen anführen<br />
zu können. Gegenüber Referenzmodellen hätte die nachfolgende Argumentation hingegen weniger gepasst, weil Referenzmodelle<br />
ihre normative Semantik nur dann zur Geltung bringen können, wenn mehrere Akteure existieren, welche die Modellierungsempfehlungen<br />
eines Referenzmodells gemeinsam verwenden – oder zumindest gemeinsam verwenden könnten. Daher<br />
besteht in dieser Hinsicht einer von mehreren Akteuren gemeinsam verwendeten Konzeptualisierung kein wesentlicher Unterschied<br />
zwischen Ontologien und Referenzmodellen.<br />
376) O’LEARY (1997) beleuchtet einen besonderen Aspekt der sozialen Komponente von Ontologien: Anstatt die Übereinstimmung<br />
zu betonen, die auf der gemeinsamen Verwendung derselben Ontologie durch mehrere Akteure beruht, stellt er mögliche Konflikte<br />
in den Vordergrund, die Akteure bei der Entwicklung einer Ontologie austragen. O’LEARY charakterisiert auf S. 327 ff. u.<br />
334 die Entwicklung einer Ontologie als einen politischen Prozess, in dem unterschiedliche Interessen von Akteuren aufeinander<br />
stoßen. U.a. geht er von der interessanten These aus, dass unterschiedliche Ontologien (für denselben Anwendungsbereich)<br />
verschiedene Ressourcenallokationen nach sich ziehen (S. 330) und daher von unterschiedlichem Nutzen für verschiedene Akteure<br />
sein können. Aus dieser These leitet O’LEARY ein Unmöglichkeitstheorem für Ontologien ab, indem er auf das Unmöglichkeitstheorem<br />
von ARROW aus der Theorie der kollektiven Nutzenfunktionen zurückgreift (S. 330 f.). Die Bezeichnung „impossibility<br />
theorem for ontologies“ (S. 329) ist jedoch irreführend. Denn O’LEARY zeigt lediglich, dass es keine kollektive Nutzenfunktion<br />
geben kann, welche einerseits die individuellen, ontologiebezogenen Nutzenfunktionen der involvierten Akteure zu<br />
einem Gesamtnutzen aggregiert und andererseits die vier Anforderungen an kollektive Nutzenfunktionen erfüllt, die dem Unmöglichkeitstheorem<br />
von ARROW zugrunde liegen (S. 330). Dieses Resultat besitzt aber keinen spezifischen Bezug zu Ontologien,<br />
sondern gilt für alle Objekte, bezüglich derer individuelle Nutzenfunktionen zu einer kollektiven Nutzenfunktion aggregiert<br />
werden sollen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 207<br />
Der Verfasser präferiert die voranstehend angeregten, inhaltlichen Differenzierungen zwischen Referenz-<br />
und Metamodellen sowie konzeptuellen Modellen auf der einen Seite und Ontologien auf<br />
der anderen Seite. Er konzidiert jedoch, dass sich keine dieser Anregungen als „zwingend“ erweist.<br />
Stattdessen lässt sich ebenso die Ansicht vertreten, es bestünden keine substanziellen Unterschiede<br />
zwischen Referenz- und Metamodellen, konzeptuellen Modellen sowie Ontologien. 377) Wer dieser<br />
Ansicht ist, muss lediglich darauf achten, Referenz- und Metamodelle sowie konzeptuelle Modelle<br />
entweder inhaltlich so weit zu definieren, dass sie den inhaltlichen Reichtum von Ontologien zu<br />
überdecken vermögen, oder aber Ontologien so weit einzuschränken, dass sie mit Referenz- oder<br />
Metamodellen oder konzeptuellen Modelle inhaltlich zusammenfallen. Beispielsweise müssten semantische<br />
Konstrukte wie Inferenz- und Integritätsregeln in Referenz- und Metamodelle sowie<br />
konzeptuelle Modelle einbezogen bzw. aus Ontologien ausgeschlossen werden. Erstes ist jedoch für<br />
Referenz- und Metamodelle sowie konzeptuelle Modelle nach Wissen des Verfassers im Allgemeinen<br />
nicht üblich, und zweites würde eine unnötige Verarmung von Ontologien bedeuten. Der Verfasser<br />
sieht jedoch keinen Anlass, für eine solche „Harmonisierung“ der Verständnisse von Referenz-<br />
und Metamodellen, konzeptuellen Modellen sowie Ontologien einzutreten. Infolgedessen hält<br />
er an seiner Präferenz für die voranstehend skizzierten Differenzierungsmöglichkeiten zwischen Referenz-<br />
und Metamodellen sowie konzeptuellen Modellen auf der einen Seite und Ontologien auf<br />
der anderen Seite fest.<br />
377) In einigen der voranstehenden Fußnoten hat der Verfasser selbst darauf aufmerksam gemacht, wie sich seine eigenen Annahmen<br />
zwecks inhaltlicher Abgrenzung von Ontologien „aushebeln“ lassen.
208 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
1.3.1.4 Erkenntnistheoretische Probleme von Ontologien 378)<br />
Die skizzierten Definitionen des Begriffs „Ontologien“ weisen eine erstaunliche Unbestimmtheit<br />
hinsichtlich der Beschaffenheit der Realität (ontologische Perspektive) und der Erkennbarkeit realer<br />
Phänomene 379) (epistemologische Perspektive) auf. 380) Mitunter entsteht in der Literatur der Eindruck,<br />
Ontologien spiegelten die reale Welt wider, so dass der philosophische Terminus technicus<br />
„Ontologie“ im Singular zu Recht genutzt werden könnte. Die pluralische Redeweise von Ontologien<br />
präsupponiert hingegen, dass es mehrere „Welten“ gibt, auf die sich unterschiedliche Ontologien<br />
beziehen können. Mehrere Welten sind jedoch – sofern von bizarr anmutenden kosmologischen<br />
Ausnahmen abgesehen wird 381) – nur dann plausibel, wenn sie nicht als reale Welten „an<br />
sich“, sondern als Welten „für ein erkennendes Subjekt“ aufgefasst werden. Folglich muss die Vor-<br />
378) Die Ausführungen dieses Kapitels beruhen im Wesentlichen auf Beiträgen, die maßgeblich von einem der wissenschaftlichen<br />
Mitarbeiter des Verfassers, Herrn Dr. SCHÜTTE, in Kooperation mit dem Verfasser entwickelt und bereits an anderen Orten publiziert<br />
wurden. Vgl. SCHÜTTE/ZELEWSKI (1999); SCHÜTTE/ZELEWSKI (2001); SCHÜTTE/ZELEWSKI (2002); vgl. daneben auch<br />
DITTMANN/SCHÜTTE/ZELEWSKI (2003); ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 210 ff. Diese Vorarbeiten wurden für das hier<br />
vorgelegte Werk zusammengefasst und hinsichtlich der Argumentationsführung noch einmal gründlich überarbeitet.<br />
Eine weitere bemerkenswerte Arbeit an der Nahtstelle zwischen Erkenntnistheorie und Ontologien hat HARS (2001) S. 65 ff.<br />
vorgelegt. Zwar spricht er nicht explizit von Ontologien, sondern von konzeptuellen Modellen, die für vier ausgewählte Theorien<br />
über wissenschaftliches Wissen (HARS redet in diesem Zusammenhang von „epistemologies“; vgl. S. 65) konstruiert werden<br />
(S. 66 ff.). Darunter befinden sich konzeptuelle Modelle für die Wissenschaftstheorien von POPPER und BUNGE sowie ein<br />
eigenes, „synthetisches“ konzeptuelles Modell, in das die vorgenannten vier konzeptuellen Modelle eingebettet werden (S. 69<br />
ff.). Da bereits an früherer Stelle herausgearbeitet wurde, dass keine trennscharfe Unterscheidung zwischen konzeptuellen Modellen<br />
und Ontologien existiert, lassen sich die vorgenannten Ausführungen von HARS ebenso als ein Beitrag zur Konstruktion<br />
von Ontologien aus erkenntnistheoretischer Perspektive interpretieren. Vgl. des Weiteren zu einer interessanten Diskussion des<br />
Zusammenhangs zwischen Ontologien und erkenntnistheoretischen Positionen BUDIN (1996) S. 20 ff., 46 ff. u. 198 ff. BUDIN<br />
thematisiert u.a. die Schwierigkeiten, ontologische und epistemologische Sachverhalte inhaltlich voneinander zu trennen (S. 22,<br />
25 f. u. 46 ff.), und schlägt daher vor, im Anschluss an SANDKÜHLER von einer „Onto-Epistemologie“ zu sprechen (S. 25 u. 46).<br />
Aus wirtschaftswissenschaftlicher Sicht erweist sich auch der Beitrag von HAGENGRUBER (2004) S. 417 ff. als hochinteressant.<br />
Die Autorin setzt sich vorrangig mit zwei Möglichkeiten auseinander, „in denen philosophisches Wissen in der Informatik erscheint“<br />
(S. 417), und identifiziert diese beiden Möglichkeiten als die „weltanschauliche und die ontologische Zugangsweise“<br />
(S. 417). Im Folgenden fokussiert sie sich darauf, wie Analyse- und Gestaltungsleistungen von Informatik und Wirtschaftsinformatik<br />
seitens der philosophischen Ontologieforschung befruchtet werden können. Dazu gehört insbesondere der Bereich der<br />
Unternehmensmodellierung (S. 419 f. u. 427 f.). Vgl. darüber hinaus zur Diskussion des Verhältnisses zwischen ontologischer<br />
und epistemologischer Denkweise ONIONS/ORANGE (2002) S. 2 ff. Schließlich werden erkenntnistheoretische Probleme von<br />
Ontologien ebenso diskutiert in DITTMANN/PENZEL (2004) S. 460 ff. (dort als wissenschaftstheoretische Probleme bezeichnet);<br />
RESNICK (1994) S. 61 ff. (hinsichtlich der Problematik, mittels ontologischer Commitments die Existenz von etwas wie „Phlogiston“<br />
und „Intentionalität“ zu postulieren, was unter Umständen im realistischen Sinn überhaupt nicht existiert, sondern „nur“<br />
eine epistemologische Qualität besitzt); TAMMA/BENCH-CAPON (2002) S. 48 (epistemologische „Anreicherung“ ontologischer<br />
Konzeptcharakterisierungen).<br />
379) Als Phänomene werden hier sowohl sinnlich wahrgenommene als auch kognitiv vorgestellte Objekte verstanden, die von einem<br />
Subjekt als abgrenzbare Entitäten eines Realitätsausschnitts interpretiert werden (und damit von anderen Entitäten unterscheidbar<br />
sind). Wenn zwischen den Aspekten der sinnlichen Wahrnehmung und der kognitiven Vorstellung von Realität nicht näher<br />
unterschieden werden soll, wird fortan zusammenfassend von Realitätserfahrung gesprochen.<br />
380) Die Attribute „epistemologisch“ und „ontologisch“ werden in diesem Werk in einem weit verbreiteten, wenn auch etwas „laxen“<br />
Verständnis im Sinne von „auf die Erkenntnis bezogen“ (also streng genommen im Sinne von „epistemisch“) bzw. im<br />
Sinne von „auf das Sein bezogen“ (also streng genommen im Sinne von „ontisch“) verwendet. Sie referenzieren also nicht –<br />
wie es bei einem präziseren Sprachgebrauch nahe liegen würde – die Erkenntnistheorie (Epistemologie) bzw. die Seinstheorie<br />
(Ontologie im philosophischen Sinne).<br />
381) In diesem Zusammenhang ist vor allem an Vorstellungen über „Parallel-Universen“ u.ä. gedacht. Solche kosmologischen Anschauungen<br />
werden hier aber nicht weiter beachtet, weil sie mit einer physikalischen Verengung des philosophischen Weltbegriffs<br />
einhergehen (Welt nicht mehr als Totalität alles Seienden, sondern „nur“ noch als physikalischer Wirkungszusammenhang).<br />
Sie wären eher aus der Perspektive von semantischen Begriffsverschiebungen als aus dem Blickwinkel von „Weltvermehrungen“<br />
zu diskutieren.
1.3.1 Einführung in das Themenfeld „Ontologien“ 209<br />
stellung aufgegeben werden, dass sich ontologische und epistemologische Fragestellungen strikt<br />
voneinander trennen lassen. 382) Dann kommt es zu einer Verschränkung zwischen ontologischen<br />
und epistemologischen Aspekten, mit der erhebliche erkenntnistheoretische Probleme verbunden<br />
sein können. Die Auflösung dieser Probleme veranlasst dazu, mit einigen „vertrauten“ Denkgewohnheiten<br />
zu brechen, die in Wirtschaftswissenschaften, Wirtschaftsinformatik und (Kern-) Informatik<br />
weit verbreitet sind. 383) Daher dient der Exkurs dieses Kapitels dazu, die erkenntnistheoretischen<br />
Probleme, zu denen die Auseinandersetzung mit Ontologien führen kann, und ihre Konsequenzen<br />
für das betriebliche Wissensmanagement zumindest anzudeuten.<br />
Die strikte Trennung zwischen ontologischen und epistemologischen Fragestellungen setzt voraus,<br />
dass sich Einsichten in das real Seiende (ontologische Perspektive) unabhängig davon gewinnen<br />
lassen, wie man zu Erkenntnissen über die Realität gelangen kann (epistemologische Perspektive).<br />
Die Position des naiven Realismus 384) behauptet diese Unabhängigkeit ontologischer Einsichten in<br />
das „Wesen“ der Realität von epistemologischen Einsichten in die Bedingungen der Möglichkeit<br />
von Erkenntnisgewinnung. Bei einer naiv-realistischen Sichtweise ist die Erfahrbarkeit von Realität<br />
„an sich“ möglich, und zwar unabhängig von sensorisch oder kognitiv bedingten Verzerrungen des<br />
erkannten Objekts durch das erkennende Subjekt. Aus diesem Blickwinkel bestehen keine Wechselwirkungen<br />
zwischen Ontologie – hier als philosophische Disziplin verstanden – und Erkenntnistheorie,<br />
und die singuläre Rede von der Ontologie wäre in sich schlüssig.<br />
Die Erkenntnisposition des naiven Realismus gilt aber seit Jahrzehnten als überwunden. Zu viele<br />
und zu gravierende Einwände wurden seitens der Erkenntnistheorie zusammengetragen, als dass<br />
sich heute noch naiv an einer wechselwirkungsfreien Subjekt-Objekt-Trennung festhalten ließe.<br />
Aufgeklärte, modernere Erkenntnispositionen, wie z.B. der Kritische Rationalismus/Realismus 385) ,<br />
der Hypothetische Realismus der Evolutionären Erkenntnistheorie 386) , der Methodische Konstruktivismus<br />
387) / Kulturalismus 388) und der Gemäßigte Konstruktivismus 389) , stimmen darin überein, dass<br />
382) Vgl. ONIONS/ORANGE (2002) S. 3.<br />
383) Dies betrifft die Wirtschaftswissenschaften, die Wirtschaftsinformatik und die (Kern-) Informatik zumindest insoweit, wie sie<br />
sich dem empirischen Paradigma verpflichtet fühlen. Denn die meisten Anhänger des empirischen Paradigmas nehmen eine naiv-realistische<br />
Erkenntnisposition ein, die – wie nachfolgend skizziert wird – unter den angekündigten Problemen der pluralischen<br />
Redeweise von Ontologien am stärksten leidet. Zwar mögen sich Anhänger des empirischen Paradigmas in ihren „Sonntagsreden“<br />
gegenüber der Position eines naiven Realismus verwahren; aber im real praktizierten Wissenschaftsbetrieb verhalten<br />
sie sich im Allgemeinen wie naive Realisten. Dies manifestiert sich vor allem in der naiven Verwendung empirischer „Fakten“,<br />
die entsprechend der Tradition des Logischen Empirismus / Positivismus als „gegeben“ betrachtet werden und somit den epistemischen<br />
Rang „unhintergehbarer“ Protokollsätze erlangen. Bemerkenswert für die (Kern-) Informatik und die Wirtschaftsinformatik<br />
sind auch die Einschätzungen von FALKENBERG ET AL. (1996) S. 8 und FLOYD (1992) S. 16 f. Die vorgenannten Autoren<br />
unterstellen vielen Forschern im Bereich des Software Engineerings eine naiv-realistische Erkenntnisposition. Von den<br />
nachfolgenden Überlegungen ausgenommen sind hingegen Vertreter von konstruktivistischen, interpretativen und ähnlichen<br />
Paradigmen. Allerdings leiden diese Paradigmen unter anderen gravierenden Problemen, auf die in der hier gebotenen Kürze<br />
nicht näher eingegangen werden kann.<br />
384) Vgl. zum naiven Realismus ALBERT (1987) S. 45; GETHMANN (2004b) S. 503.<br />
385) Vgl. ALBERT (1964); ALBERT (1982); ALBERT (1987); ALBERT (1991); POPPER (1965); POPPER (1972); POPPER (1979); POPPER<br />
(1989); POPPER (1995); vgl. auch BUNGE (1993) S. 230 ff.<br />
386) Vgl. BUDIN (1996) S. 24 ff.; FEUCHT (1992) S. 18 ff. u. 51 ff.; RIEDL/WUKETIS (1987); VOLLMER (1987); VOLLMER (1994).<br />
387) Vgl. LORENZEN (1987).<br />
388) Vgl. HARTMANN/JANICH (1996); HARTMANN/JANICH (1998).<br />
389) Vgl. zu einer exemplarischen Ausgestaltung des Gemäßigten Konstruktivismus für die Wirtschaftsinformatik SCHÜTTE (1998)<br />
S. 28 f.; SCHÜTTE (1999a) S. 215 u. 227 ff.
210 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
die aktive, konstruktive Leistung eines erkennenden Subjekts aus dem Erkenntnisprozess nicht<br />
„ausgeklammert“ werden kann, sondern zu den Bedingungen der Möglichkeit von Erkenntnissen<br />
über ein Objekt gehört. Die strikte Subjekt-Objekt-Trennung des naiven Realismus kann aus der<br />
Perspektive jener aufgeklärten Erkenntnispositionen also nicht mehr aufrechterhalten werden.<br />
Vor diesem Hintergrund kommt es in der Literatur zu Ontologien des Öfteren zu erheblichen Problemen.<br />
Sie resultieren u.a. aus einer argumentativen Inkonsistenz, die immer dann droht, wenn an<br />
sich unvereinbare Erkenntnispositionen unzulässig miteinander vermengt werden. Dies ist vor allem<br />
dann der Fall, wenn einerseits im Zusammenhang mit Ontologien so argumentiert wird, als ob eine<br />
naiv-realistische Erkenntnisposition eingenommen würde, andererseits jedoch eine der o.a. moderneren<br />
Erkenntnispositionen 390) für sich in Anspruch genommen wird.<br />
Exemplarisch wird das Problem argumentativer Inkonsistenz an folgendem Zitat von WEBER verdeutlicht:<br />
„Ontology is the branch of philosophy that deals with theories about nature of things in<br />
general (as opposed theories about particular things).“ 391) Einerseits legen die Verwendung von<br />
„Ontology“ im Singular – also im Sinne der philosophischen Seinslehre (unabhängig von der Epistemologie)<br />
– und die Formulierung „nature of things” nahe, dass WEBER eine naiv-realistische Erkenntnisposition<br />
vertritt. Er scheint die Sichtweise zu vertreten, dass Theorien über Grundstrukturen<br />
der Wirklichkeit die Welt „an sich“ abbilden und in keiner Weise durch epistemologische Einflüsse<br />
verzerrt werden könnten. Andererseits lehnt WEBER in seinen expliziten Stellungnahmen zu erkenntnistheoretischen<br />
Fragen die naiv-realistische Erkenntnisposition ab. 392) Stattdessen vertritt er<br />
eine aufgeklärt-realistische Erkenntnisposition. 393) Daher dürfte er, wenn er dieser Erkenntnisposition<br />
treu bleiben wollte, im oben angeführten Zitat hinsichtlich der Theorien über die Natur von Objekten<br />
keine ontologische Betrachtungsweise anstellen („Ontology ... deals with theories about nature<br />
of things“).<br />
Vielmehr müsste WEBER die Theorien über die Natur von Objekten aus einem epistemologischen<br />
Blickwinkel thematisieren, weil Theorien als spezielle Wissensform nur die Resultate von Erkenntnisprozessen<br />
darstellen können. Diese Resultate sind durch die aktiven, konstruktiven Leistungen<br />
„infiziert“, die von erkennenden Subjekten vor und während ihrer Theoriekonstruktion vollbracht<br />
werden. Folglich können Theorien über die Natur von Objekten nicht seitens der Ontologie als philosophischer<br />
Disziplin isoliert gewonnen werden, sondern nur im Zusammenwirken mit Einsichten<br />
aus der Epistemologie, die über Bedingungen der Möglichkeit des Erkennens von Objekten informieren.<br />
Daher wäre es im zuvor angeführten Argumentationszusammenhang treffender, von einer<br />
Epistemologie zu reden, die sich mit Theorien über Grundstrukturen der erkennbaren Wirklichkeit<br />
befasst.<br />
390) Die Kritik der argumentativen Inkonsistenz, die hier vorgetragen wird, trifft auch auf andere als die o.a. moderneren Erkenntnispositionen<br />
zu, solange sie nicht mit den Basisannahmen des naiven Realismus übereinstimmen. Zu solchen weiteren Erkenntnispositionen<br />
zählen z.B. der Radikale Konstruktivismus, die Kritische Theorie und das Interpretative Paradigma (einschließlich<br />
der Hermeneutik). Auf Erkenntnispositionen dieser Art wird hier jedoch aus zwei Gründen nicht näher eingegangen.<br />
Erstens ließe ihre Erörterung keine grundsätzlich neuen Erkenntnisse für die hier diskutierte Problematik erwarten. Zweitens<br />
sind dem Verfasser keine Vertreter jener Erkenntnispositionen bekannt, die sich substanziell mit der hier interessierenden Thematik<br />
der Ontologien befasst hätten.<br />
391) WEBER (1997) S. 33.<br />
392) Vgl. WEBER (1997) S. 35 u. 175. Darauf wird später in Fußnote 410 (S. 214) noch zurückgekommen. Streng genommen müsste<br />
von WEBER und WAND die Rede sein, weil WEBER in seinem vorgenannten Werk stets WAND als Gleichgesinnten in seine Argumentation<br />
einbezieht.<br />
393) Vgl. WEBER (1997) S. 34 f., 38 u. 175 f.
1.3.1 Einführung in das Themenfeld „Ontologien“ 211<br />
WEBER kann nicht beides zugleich für sich in Anspruch nehmen: Es lässt sich nicht miteinander<br />
vereinbaren, sowohl Theorien über die Natur von Objekten einer „naturalistisch“ verstandenen Ontologie<br />
zuzuschreiben als auch eine naiv-realistische Erkenntnisposition abzulehnen. Indem er beides<br />
zusammen behauptet, verwickelt sich WEBER in eine argumentative Inkonsistenz.<br />
Ein weiteres erkenntnistheoretisches Problem kommt hinzu: WEBER behauptet an anderer Stelle,<br />
dass die BUNGE/WAND/WEBER-Ontologie 394) , auf die er sich maßgeblich bezieht, unabhängig von<br />
der gewählten Erkenntnisposition sei. 395) Eine derart „objektivierte“ Ontologie erscheint dem Verfasser<br />
denkunmöglich. Zumindest übersteigt es das Vorstellungsvermögen des Verfassers, irgendetwas<br />
denken zu können, dass sich im Rahmen jeder beliebigen Erkenntnisposition vertreten lässt.<br />
Diese Skepsis gegenüber der reklamierten „epistemologischen Invarianz“ der BUNGE/WAND/WE-<br />
BER-Ontologie lässt sich beispielsweise anhand derjenigen Evaluationskriterien konkretisieren, die<br />
von WAND und WEBER für Informationssysteme mit Anspruch auf allgemeine Verbindlichkeit vorgeschlagen<br />
werden. 396) Nach Einschätzung des Verfassers ist es im Allgemeinen nicht möglich,<br />
Evaluationskriterien unabhängig von der jeweils vorausgesetzten Erkenntnisposition widerspruchsfrei<br />
anzuwenden. Plastische Beispiele für diese Unmöglichkeit hat SCHÜTTE vor einigen Jahren diskutiert.<br />
397) Seine Argumentation bezog sich zwar nicht auf die Evaluation von Informationssystemen,<br />
sondern auf die Evaluation von Modellen. Jedoch ähneln sich Informationssysteme und Modelle<br />
aus epistemologischer und evaluativer Perspektive so weit, dass keine grundsätzlichen Hinde-<br />
394) Vgl. zu dieser Ontologie, die sich vor allem bei Vertretern des Information Systems Research großer Beliebtheit erfreut, BUNGE<br />
(1977) S. 16 (ff.); BUNGE (1979) S. 1 ff.; WAND (1996) S. 281 ff.; WAND/WEBER (1989) S. 79 ff.; WAND/WEBER (1995) S. 203<br />
ff.; WEBER (1997) S. 33 ff. (am Rande auch S. 174 ff.). Trotz der etablierten Redeweise „BUNGE/WAND/WEBER-Ontologie“ haben<br />
die drei Autoren nicht gemeinsam gearbeitet. Vielmehr hat BUNGE seine ontologischen Vorstellungen unabhängig von KI-<br />
Forschung und Information Systems Research entwickelt; WAND und WEBER beziehen sich in teils eigenständigem, teils gemeinsamen<br />
Beiträgen jeweils auf BUNGES Veröffentlichungen. Vgl. z.B. WAND (1996) S. 282; WEBER (1997) S. 33 u. 184 („the<br />
ontology that Bunge, Wand, and I have proposed“). Einen Überblick über die wichtigsten Konzepte („Konstrukte“) der BUNGE/<br />
WAND/WEBER-Ontologie bieten FETTKE/LOOS (2003) S. 76 ff.; GREEN/ROSEMANN (1999) S. 3 ff.; GREEN/ROSEMANN (2000) S.<br />
75 f.; ROSEMANN/GREEN (2002) S. 81 ff. Vgl. darüber hinaus ROSEMANN/GREEN (2002) S. 83 ff. zu einer präzisierenden Rekonstruktion<br />
der BUNGE/WAND/WEBER-Ontologie mithilfe einer erweiterten Entity-Relationship-Modellierung.<br />
Vgl. zur Rezeption der BUNGE/WAND/WEBER-Ontologie BUDIN (1996) S. 198 (allerdings nur in Bezug auf BUNGE); COLO<strong>MB</strong>/<br />
WEBER (1998) S. 207 ff., insbesondere S. 213 ff.; FETTKE/LOOS (2003) S. 61 ff.; GREEN/ROSEMANN (1999) S. 2 ff.; GREEN/<br />
ROSEMANN (2000) S. 73 u. 75 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 75 ff.; MYLOPOULOS (1998) S. 136; ROSEMANN/GREEN<br />
(2002) S. 76 ff.; vgl. daneben auch – in kritischer Distanz – SCHÜTTE/ZELEWSKI (2001) S. 5 ff.; SCHÜTTE/ZELEWSKI (2002) S.<br />
163 ff.; ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 210 ff.<br />
395) Vgl. WEBER (1997) S. 177 f. WEBER spricht die Unabhängigkeit der BUNGE/WAND/WEBER-Ontologie von Erkenntnispositionen<br />
zwar nicht explizit an. Aber diese Unabhängigkeit lässt sich aus zwei Argumenten von WEBER konkludent folgern: Einerseits<br />
stellt er mehrfach fest, dass die BUNGE/WAND/WEBER-Ontologie leistungsfähig genug sei, um Modellierungen, die auf der<br />
Grundlage verschiedener Erkenntnispositionen erfolgen, in sich aufnehmen zu können, ohne selbst einer Veränderung zu bedürfen<br />
(vgl. z.B. S. 177, 181 u. 184). Andererseits betont WEBER wiederholt, dass unterschiedliche epistemologische Annahmen,<br />
die Modellierungen zugrunde liegen können, weder im Fokus seiner gemeinsamen Arbeiten mit WAND liegen noch zum Kern<br />
des Information Systems Research gehören würden (vgl. z.B. S. 178 f. u. 184). Wenn beiden Argumenten zugestimmt und an<br />
der BUNGE/WAND/WEBER-Ontologie festgehalten wird, so folgt daraus, dass die BUNGE/WAND/WEBER-Ontologie von der Einnahme<br />
unterschiedlicher Erkenntnispositionen nicht beeinflusst wird.<br />
396) Vgl. WAND (1996) S. 284 f.; WEBER (1997) S. 83 f., 92 ff. u. 180 ff. Vgl. daneben auch FETTKE/LOOS (2003) S. 63; ZELEWSKI/<br />
SCHÜTTE/SIEDENTOPF (2001) S. 210 (distanziert).<br />
397) Beispiele dafür, dass Evaluationskriterien für Modelle von der jeweils eingenommenen Erkenntnisposition abhängen, können<br />
SCHÜTTE (1999b) S. 493 ff. u. 501 ff. entnommen werden (in Verbindung mit S. 491). Vgl. auch den hochinteressanten Ansatz<br />
von DITTMANN/PENZEL (2004) S. 473 ff., Gütekriterien zur Beurteilung von Ontologien aus der Ideenlehre von PLATON zu gewinnen.
212 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
rungsgründe gesehen werden, die Einsichten aus der Modellevaluation auf die Evaluation von Informationssystemen<br />
zu übertragen.<br />
Um die Kerngedanken von SCHÜTTE zu verdeutlichen, wird im Folgenden nicht direkt auf die Evaluation<br />
von (bereits konstruiert vorliegenden) Informationssystemen, sondern auf den vorgelagerten<br />
Prozess ihrer Konstruktion näher eingegangen. Aus dieser konstruktiven Perspektive wird aufgezeigt,<br />
dass unterschiedliche erkenntnistheoretische Positionen durchaus einen Einfluss darauf ausüben<br />
können, wie einzelne Aspekte eines Informationssystems gedeutet oder sogar konkret gestaltet<br />
werden. Wenn ein solcher Einfluss besteht, kann nicht nachträglich, wenn ein konstruiertes Informationssystem<br />
evaluiert wird, behauptet werden, dass die Kriterien ihrer Evaluation vollkommen<br />
unabhängig von der jeweils eingenommenen erkenntnistheoretischen Position seien. Wenn Deutungs-<br />
und Gestaltungshandlungen in Bezug auf ein Informationssystem von erkenntnistheoretischen<br />
Positionen abhängen, so lässt sich nicht nachvollziehen, warum Evaluationshandlungen nicht<br />
grundsätzlich der gleichen Art von Abhängigkeit unterworfen sein sollten.<br />
Eine Ontologie bezieht sich stets auf einen Realitätsausschnitt, der zumeist als Domäne 398) , reales<br />
System 399) oder Ausschnitt des Universe of Discourse 400) thematisiert wird. 401) Der – je nach Sichtweise<br />
ontologische oder epistemologische – Status dieses Realitätsausschnittes kann auf zwei unterschiedliche<br />
Weisen gedeutet werden: der Realitätsausschnitt ist entweder unabhängig oder aber abhängig<br />
von einem Subjekt, das auf den betroffenen Realitätsausschnitt zwecks Konstruktion einer<br />
Ontologie „zugreift“. Oftmals wird die Domäne einer Ontologie – zumindest implizit – als ein Ausschnitt<br />
der Realität verstanden, der subjektunabhängig „vorgegeben“ ist. 402) Diese Sichtweise erscheint<br />
zwar aus der Perspektive eines naiven Realisten als konsequent, nicht jedoch aus dem<br />
Blickwinkel einer der „aufgeklärten“ erkenntnistheoretischen Positionen, die zu Beginn dieses Kapitels<br />
kurz erwähnt wurden. Wird beispielsweise die erkenntnistheoretische Position des Methodischen<br />
oder Gemäßigten Konstruktivismus eingenommen, so wäre bereits die Domäne als eine von<br />
Subjekten konzeptualisierte Entität zu begreifen. Die Domäne würde somit bereits das Resultat einer<br />
subjektiv geprägten Vorstrukturierung des Gegenstandsbereichs einer Ontologie darstellen.<br />
Der Verfasser teilt die Position, dass es sich bei jeder Auszeichnung einer Domäne als Gegenstandsbereich<br />
einer Ontologie um das Ergebnis einer kognitiven Vorstrukturierung handelt. Dennoch<br />
wird diese Sichtweise nicht von allen Autoren auf dem Gebiet der Ontologien geteilt. 403) Be-<br />
398) Vgl. GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2; STUDER/BENJAMINS/FENSEL (1998) S. 184.<br />
399) Vgl. WAND ET AL. (1995) S. 285; WAND (1996) S. 281.<br />
400) Vgl. FERSTL/SINZ (1998) S. 4. Ein anderes Verständnis des Diskursbereichs haben GENESERETH/NILSSON (1987) S. 10: „the set<br />
of objects which knowledge is being expressed is often called a universe of discourse“. Der Diskursbereich ist also bereits eine<br />
Konzeptualisierung (im hier definierten Sinn), die zudem expliziert wurde.<br />
401) Zwar handelt es sich bei der BUNGE/WAND/WEBER-Ontologie um keine domänenspezifische, sondern um eine Meta-Ontologie;<br />
vgl. WAND (1996) S. 281. Aber die nachfolgenden Ausführungen treffen auch auf die BUNGE/WAND/WEBER-Ontologie zu.<br />
Denn sie beziehen sich inhaltlich nur auf irgendeinen Realitätsausschnitt – unabhängig davon, zu welcher speziellen Domäne er<br />
gehören mag.<br />
402) Beispielsweise betonen GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2, dass zwecks Erstellung einer Ontologie – von einer gegebenen<br />
Domäne ausgehend – Wissen über die Domäne zu erfassen (1. Schritt) und in „intermediate representations“ zu konzeptualisieren<br />
ist (2. Schritt). Das konzeptuelle Modell ist alsdann zu implementieren (3. Schritt), und abschließend ist die resultierende<br />
Ontologie zu bewerten (4. Schritt).<br />
403) Vgl. dazu beispielsweise GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2 und die diesbezügliche Erläuterung in der voranstehenden<br />
Fußnote.
1.3.1 Einführung in das Themenfeld „Ontologien“ 213<br />
sonders deutlich wird dies hinsichtlich der unterschiedlichen Einschätzung des ontologischen Status<br />
von Systemen.<br />
Die Systemtheorie enthält nach Einschätzung des Verfassers keine nomische Hypothese, die etwas<br />
über die Beschaffenheit der realen Welt aussagt. Vielmehr handelt es sich bei der Systemtheorie um<br />
eine „Meta-Theorie“, 404) die eine Strukturierung der Welt in Systeme „a priori“ voraussetzt, so dass<br />
diese ontologische Hypothese niemals „a posteriori“ überprüft werden kann. Die ontologische<br />
Hypothese der Systemtheorie stellt eine „Brille“ dar, die eine spezielle – die systemtheoretisch geprägte<br />
– Sichtweise auf die Welt vorgibt. Systeme lassen sich daher nicht als „natürliche“ Strukturen<br />
in der Welt „entdecken“, sondern werden als epistemologische Vorstrukturierung des Erkenntnisbereichs<br />
jeder möglichen Welterfahrung von vornherein aufgeprägt. Systemartige Strukturen lassen<br />
sich nicht als ontologische Eigenschaft der Realität auffassen, weil Systeme nicht schlicht „vorgegeben“<br />
sind, sondern von erkennenden Subjekten je nach ihren Erkenntniszwecken in unterschiedlicher<br />
Weise konstruiert werden. Damit entspricht die Systemtheorie aus dem Blickwinkel<br />
des Verfassers einem Konzeptualisierungsmuster, in dem epistemologische Aspekte (Systeme als<br />
Ergebnisse gedanklicher Vorstrukturierungen durch erkennende Subjekte) und ontologische Aspekte<br />
(Systeme als omnipräsente Strukturen der Realität) unauflösbar miteinander vermengt sind.<br />
Allerdings wird diese Auffassung keineswegs von allen Autoren geteilt. Insbesondere scheint BUN-<br />
GE die Ansicht zu vertreten, dass die „systemische“ Strukturiertheit eine ontologische Eigenschaft<br />
der Welt darstellt, 405) die unabhängig vom erkennenden Subjekt existiert (ontologischer Realismus)<br />
und auch als solche erkannt werden kann (epistemologischer Realismus). 406) Diese naiv-realistische<br />
Position von BUNGE führt dazu, die Welt „an sich“ – und nicht nur für ein erkennendes Subjekt –<br />
als System zu deklarieren. In der Information Systems Research Community ist dieser Gedanke von<br />
WAND und WEBER aufgegriffen worden. 407) Sowohl BUNGE als auch in seiner Nachfolge WAND und<br />
WEBER nehmen an, dass die Welt systemartige Strukturen besitzt, 408) die unabhängig davon existieren<br />
und auch erkannt werden können, in welcher Erkenntnisabsicht sich ein Subjekt einen Realitätsausschnitt<br />
verfügbar macht.<br />
Besonders deutlich wird diese Einstellung bei WAND. 409) Er stellt Regeln für objektorientierte Unternehmensmodellierungen<br />
und semantische Datenmodellierungen auf, die stets auf dem gleichen<br />
Argumentationsschema beruhen: Weil ein System („real-world system“ und „real system“) im modellierten<br />
Realitätsausschnitt einen systemtheoretisch definierten Aspekt aufweist, muss dieser As-<br />
404) Dementsprechend bezeichnet WAND (1996) S. 281 sein Ontologieverständnis, das auf der Systemtheorie beruht, im Gegensatz<br />
zu den Ontologien der KI-Forschung als eine Meta-Ontologie.<br />
405) Vgl. BUNGE (1977) S. 16 („ ... list of ontological principles ... M4 Things are grouped into systems ... There is no thing that fails<br />
to be a part of at least one system. ... What there really is, are systems – physical, chemical, living, or social.“; kursive Hervorhebungen<br />
hier abweichend vom Original); BUNGE (1979) S. 1 ff.<br />
406) Die Kombination aus ontologischem und epistemologischem Realismus wird zumeist der Kürze halber als naiver Realismus<br />
bezeichnet. So wird auch in diesem Kapitel die Bezeichnung „naiver“ Realismus verstanden. Die meisten Varianten des aufgeklärten<br />
Realismus teilen zwar die Position des ontologischen Realismus, dass eine subjektunabhängige Realität existiert, verneinen<br />
aber die Möglichkeit, diese subjektunabhängig existierende Realität unverzerrt, d.h. vom erkennenden Subjekt unbeeinflusst,<br />
erkennen zu können. Positionen des aufgeklärten Realismus lehnen also den epistemologischen Realismus ab.<br />
407) Die nachfolgenden Ausführungen basieren auf einer Interpretation der Arbeiten von WAND und WEBER. Daher lässt sich die<br />
Gefahr von Missinterpretationen grundsätzlich nicht ausschließen, die von Präsuppositionen der interpretierten Autoren provoziert<br />
werden.<br />
408) Vgl. WAND (1996) S. 282 f. u. 285.<br />
409) Vgl. WAND (1996) S. 285; vgl. daneben auch WEBER (1997) S. 33.
214 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
pekt in einer realitätsadäquaten Repräsentation („a ‚good’ representation“) auf die genau eine, von<br />
den Regeln festgelegte Weise modelliert werden. Die systemtheoretische Charakteristik des jeweils<br />
betrachteten Aspekts wird dabei hypostasiert oder reifiziert, weil sie schlicht als „real gegeben“ unterstellt<br />
wird. Dies ist nichts anderes als eine naiv realistische Erkenntnisposition. 410) Die systemtheoretischen<br />
Konzeptualisierungsmuster der BUNGE/WAND/WEBER-Ontologie werden auf den betrachteten<br />
Realitätsausschnitt projiziert und dort als „objektiv“ erfahrbare, von den Erkenntnisabsichten<br />
der Akteure unabhängige Strukturen der Realität behandelt. Diese Argumentationsweise ist<br />
blind gegenüber der Denkmöglichkeit, dass die systemtheoretischen Konzeptualisierungsmuster aktive<br />
Erkenntnisleistungen derjenigen Akteure darstellen, die einen Realitätsausschnitt in Verfolgung<br />
subjektiver Interessen oder Zwecke beobachten und gestalten.<br />
Das voranstehend skizzierte Argumentationsschema 411) ist typisch für Vertreter des Information<br />
Systems Research, die sich auf die BUNGE/WAND/WEBER-Ontologie berufen, um „feste Maßstäbe“<br />
für die Evaluation von Artfakten 412) aus dem Bereich von (Kern-) Informatik und Wirtschaftsinformatik<br />
413) zu erhalten. Da die systemtheoretischen Aspekte der Artefakte qua zugrunde liegender<br />
Ontologie als real existierend betrachtet werden, besteht kein Anlass, über ihre Berechtigung zu<br />
diskutieren. Vielmehr scheinen sie ein „verlässliches“, da „objektiv“ vorgefundenes Fundament zu<br />
stiften. Aufgabe der Evaluation ist dann nur noch zu beurteilen, in welchem Ausmaß Artefakte aus<br />
dem Bereich von (Kern-) Informatik und Wirtschaftsinformatik mit jenen systemtheoretisch „gegebenen“<br />
Aspekten eines Realitätsausschnitts übereinstimmen. Auf diese Weise wird ein – scheinbar<br />
– sicheres Fundament für Evaluationen erlangt, allerdings um den kognitiven Preis einer naiv realis-<br />
410) Zwar wendet sich WEBER (1997) S. 35 u. 175 ausdrücklich dagegen, dass er und WAND als naive Realisten eingestuft werden:<br />
„Wand and I certainly are not naive realists. From an ontological viewpoint, we are critical realists, and ... we are trying to build<br />
representations of ... perception of the world, and of course these perceptions are ... fluid and fallible.“ (S. 175). Ähnliche Hinweise<br />
darauf, dass sich WEBER sehr wohl bewusst ist, dass die Wahrnehmung von Realität aufgrund von „kognitiven Verzerrungen“<br />
nicht mit der Realität „an sich“ übereinzustimmen braucht, finden sich beispielsweise in WEBER (1997) S. 34 f., 38 u.<br />
176. Auch spricht er auf S. 31 f. u. 172 ausdrücklich Annahmen („assumptions“) an, die seinem Gebrauch der BUNGE/WAND/<br />
WEBER-Ontologie zugrunde liegen.<br />
Aber diese Argumente von WEBER entkräften keineswegs das hier vorgetragene Argument, die BUNGE/WAND/WEBER-Ontologie<br />
impliziere eine naiv-realistische Erkenntnisposition. Denn WEBER bezieht sich nur auf die „fallible“ Wahrnehmung von<br />
Phänomenen in einem betrachteten Realitätsausschnitt, nachdem er die grundsätzlich „systemische“ Strukturiertheit der Realität<br />
bereits vorausgesetzt hat. In dieser – unreflektierten, von BUNGE unkritisch übernommenen – Annahme, dass die „systemische“<br />
Strukturiertheit eine ontologische Eigenschaft der Welt darstelle, die unabhängig vom erkennenden Subjekt existiert und auch<br />
als solche erkannt werden kann (systemische Strukturiertheitsprämisse), liegt die Wurzel des naiven Realismus der BUNGE/<br />
WAND/WEBER-Ontologie. Es ist symptomatisch, dass WEBER (1997) diese systemische Strukturiertheitsprämisse in seinem Kapitel<br />
über die „hidden assumptions“ seines Denksatzes (S. 171 ff., insbesondere S. 174 ff.) an keiner Stelle thematisiert, geschweige<br />
denn (selbst-) kritisch in Frage stellt. Dies entspricht nicht der Position eines „kritischen Realismus“, die WEBER im<br />
o.a. wörtlichen Zitat für sich und WAND reklamiert. Allenfalls auf S. 176 könnte eine Andeutung von Selbstzweifeln gesehen<br />
werden, wenn WEBER feststellt: „Wand and I are simply trying to provide a way of representing humans’ perceptions of their<br />
worlds. Whether these perceptions map to an independent reality or whether they manifest a social construction is neither here<br />
nor there.“ Jedoch bezieht WEBER diese überzeugende Einschätzung nicht auf die grundlegende systemische Strukturiertheitsprämisse.<br />
Darüber hinaus zieht er aus dieser Einschätzung nicht die Konsequenz, seinen durchgehend systemischen Strukturierungsansatz<br />
als soziale Konstruktion zu relativieren. Stattdessen hält er in seinem Werk WEBER (1997) und weiteren Beiträgen<br />
(gemeinsam mit WAND) daran fest, systemischen Strukturierungen derjenigen Realitätsausschnitte, auf die sich Informationssysteme<br />
oder Modellierungssprachen beziehen, als Evaluationsfundament zu präsupponieren.<br />
411) Vgl. zu ähnlichen Argumentationen FETTKE/LOOS (2003) S. 63 ff.; GREEN/ROSEMANN (1999) S. 7 ff.; GREEN/ROSEMANN (2000)<br />
S. 77 u. 80 ff.; WAND (1996) S. 284 f.; WEBER (1997) S. 85 ff., 92 ff. u. 133 ff.; WEBER (2002) S. 1.<br />
412) Die Formulierung lehnt sich bewusst an den Titel des tiefgründigen Beitrags FRANK (1998) an.<br />
413) Beispiele für solche Artefakte sind insbesondere (computerbasierte) Informationssysteme und Modellierungssprachen. Nähere<br />
Ausführungen zum informationswissenschaftlichen Artefaktbegriff bietet FRANK (1998) S. 5.
1.3.1 Einführung in das Themenfeld „Ontologien“ 215<br />
tischen Erkenntnisposition und einer systemtheoretischen Hypostasierung. Dieses Evaluationsfundament<br />
mag in einem Umfeld, das nach der „Absicherung“ wissenschaftlicher Erkenntnisse verlangt,<br />
attraktiv erscheinen und auch die vielfache Rezeption der BUNGE/WAND/WEBER-Ontologie<br />
im Bereich des Information System Research 414) erklären. Aber der Verfasser kann sich den erkenntnistheoretischen<br />
Implikationen dieses Argumentations- und Evaluationsschemas nicht anschließen.<br />
Denn die scheinbare Sicherheit des Evaluationsfundaments wird mit einem „systemtheoretisch-ontologischen<br />
Fundamentalismus“ erkauft, der wegen seiner naiv-realistischen Erkenntnisposition<br />
jedem „aufgeklärten“ Realismus und auch „gemäßigten“ Konstruktivismus zuwiderläuft.<br />
Darüber hinaus wirkt diese „moderne“ Variante des Fundamentalismus auch aus wissenschaftssoziologischer<br />
Perspektive naiv, weil sie die Subjekt- und Zweckabhängigkeit der Evaluation von<br />
Artefakten ignoriert. 415)<br />
Noch deutlicher als beim Realitätsausschnitt einer Ontologie wird das Problem der Subjekt- und<br />
Zweckabhängigkeit bei den Konzeptualisierungen, die während der Erstellung einer Ontologie geleistet<br />
werden. Unter einer Konzeptualisierung wird hier eine abstrakte Sichtweise auf Phänomene<br />
eines Realitätsausschnitts verstanden, der für die Erkenntniszwecke der erkennenden Subjekte von<br />
Interesse ist. Diese Erkenntniszwecke bestimmen, welche Aspekte der wahrgenommenen oder vorgestellten<br />
Phänomene für die erkennenden Subjekte relevant sind. Konzeptualisierung bedeutet daher<br />
immer subjekt- und zweckabhängige Auszeichnung relevanter Realitätsaspekte. Das Ergebnis<br />
eines Konzeptualisierungsprozesses stellen zunächst die Konzepte oder internen konzeptuellen Modelle<br />
416) dar, mit denen der betrachtete Realitätsausschnitt hinsichtlich seiner für relevant erachteten<br />
Aspekte gedanklich vorstrukturiert wird. Konzeptualisierung geht also immer mit einer Vorstrukturierung<br />
möglicher Realitätserfahrungen einher. Die Bezeichnung „Vor-Strukturierung“ soll zum<br />
Ausdruck bringen, dass die Konzeptualisierung eines Realitätsausschnitts und seiner Phänomene erfolgt,<br />
bevor auf ihn bzw. sie vom erkennenden Subjekt zur Erfüllung eines Erkenntniszwecks konkret<br />
zugegriffen wird. Diese Präzedenzbeziehung besitzt allerdings nur eine „(erkenntnis)logische“,<br />
aber nicht notwendig eine zeitliche Qualität. Denn oftmals wird auf Realitätsausschnitte erkennend<br />
zugegriffen, ohne vorher die betroffenen Ausschnitte bewusst konzeptualisiert zu haben („lebensweltlicher“<br />
Erkenntniszusammenhang). Mittels einer zeitlich nachfolgenden Rekonstruktion lassen<br />
sich dann aber jene „lebensweltlichen“ und unbewusst benutzten Konzeptualisierungen explizieren,<br />
die dem zeitlich vorangehenden Realitätszugriff bereits implizit zugrunde lagen.<br />
414) Vgl. dazu die Quellen, die in der Fußnote 394 (S. 211) zur Rezeption der BUNGE/WAND/WEBER-Ontologie angeführt wurden.<br />
415) Vgl. stattdessen zu einer sehr subtilen, problemoffenen Diskussion der Schwierigkeiten, mit denen sich die Evaluation von Artefakten<br />
im Bereich von Informatik und Wirtschaftsinformatik auseinander setzen muss, FRANK (1998) S. 2 ff. u. 7 ff. Der Autor<br />
geht auch mit großer Sensibilität und kritischer Distanz auf die Subjekt- und Zweckabhängigkeit von Evaluationen ein (z.B.<br />
auf S. 2 f., 11 u. 15).<br />
416) Beide Begriffe werden hier synonym verwendet. Darüber hinaus wird vereinfachend unterstellt, dass es ausreicht, zwischen internen,<br />
in natürlicher Sprache verfassten Modellen (einschließlich Konzepten) auf der einen Seite sowie Ontologien als externen<br />
und formalsprachlich verfassten Artefakten auf der anderen Seite zu differenzieren. Mittels dieser doppelten Dichotomie<br />
„intern versus extern“ sowie „natürlich- versus formalsprachlich“ wird das breite Spektrum denkmöglicher Repräsentationsformen<br />
für Realitätswahrnehmungen und -vorstellungen allerdings bei weitem nicht ausgeschöpft. Beispielsweise lassen sich<br />
als Übergangsform zwischen den beiden vorgenannten Repräsentationsformen auch externe, aber natürlichsprachlich verfasste<br />
Modelle anführen. Sie manifestieren sich etwa in natürlichsprachlichen Texten, mittels derer vor allem im Bereich der Betriebswirtschaftslehre<br />
Wissen über betriebliche Realitätsausschnitte dokumentiert wird. Von solchen differenzierteren Betrachtungsweisen<br />
verschiedener Repräsentationsformen kann in diesem Beitrag jedoch abgesehen werden, weil die beiden oben angeführten<br />
Repräsentationsformen als Antipoden ausreichen, um die Vermengung von ontologischen und epistemologischen<br />
Gedanken in der pluralischen Rede von Ontologien zu verdeutlichen.
216 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Da die Resultate der gedanklichen Vorstrukturierung – die Konzepte oder internen konzeptuellen<br />
Modelle – im Allgemeinen mittels natürlichsprachlicher Begriffe erfasst („begriffen“) werden, lässt<br />
sich Konzeptualisierung auch als eine begriffliche Vorstrukturierung möglicher Realitätserfahrungen<br />
deuten. Deshalb werden Taxonomien, die natürlichsprachliche Repräsentationsbegriffe zur Beschreibung<br />
realer Phänomene bereitstellen (sowie die sprachlichen Über- und Unterordnungsbeziehungen<br />
zwischen diesen Begriffen klären), oftmals als zentrale Bestandteile von Ontologien angesehen.<br />
417)<br />
Der Gedanke der begrifflichen Vorstrukturierung von Realitätserfahrungsmöglichkeiten ist keineswegs<br />
neuartig, sondern – etwa als „Worten der Welt“ – Gemeingut der sprach- und kulturanalytischen<br />
Philosophietradition. 418) Obgleich dort die Bedeutung der Sprache für das menschliche Denken<br />
uneingeschränkt geteilt wird, bestehen jedoch Differenzen hinsichtlich der sprachlichen Relativität<br />
von Konzeptualisierungsleistungen. Hinsichtlich des Streits, inwieweit unterschiedliche Sprachen<br />
das Denken zu prägen vermögen, können zwei gegensätzliche Positionen identifiziert werden.<br />
Auf der einen Seite stehen die Proponenten 419) eines hohen Ausmaßes an Sprachrelativität, die der<br />
späte WITTGENSTEIN mit dem viel zitierten Ausdruck „Sprachspiel“ umschrieben hat. 420) Aus dieser<br />
Perspektive hängt das Resultat von Konzeptualisierungsprozessen nicht nur vom betrachteten Realitätsausschnitt,<br />
sondern in nicht zu unterschätzendem Ausmaß auch von der jeweils verwendeten<br />
417) Vgl. GRUBER (1993) S. 199 (er spricht zwar von einem Vokabular, meint aber eine Taxonomie im früher festgelegten Sinn, da<br />
neben den Begriffen auch die sprachlichen Beziehungen zwischen den Begriffen explizit erwähnt werden). Präziser sind die<br />
Ausführungen von GRUBER (1995) S. 908, Fn. †. Dort bezieht er sich expressis verbis auf Taxonomien, stellt jedoch klar, dass<br />
Ontologien inhaltlich nicht auf Taxonomien beschränkt bleiben müssen. Vgl. auch NOY/HAFNER (1997) S. 68.<br />
418) Beispielsweise hat WEISGERBER die begriffliche Vorstrukturierung sehr plastisch durch einen „Prozeß des Wortens der Welt“<br />
(WEISGERBER (1971) S. 155) umschrieben; vgl. ebenso WEISGERBER (1962) S. 81, 205 u. 242 (ff.); WEISGERBER (1975) S. 174.<br />
Der begriffliche Zugriff auf die Realität wird hierbei als ein sprachlicher Prozess sui generis behandelt. Er führt dazu, dass ein<br />
Begriffsnetz über die Realität geworfen wird, das mit seinen Begriffen sowohl Erkenntnisse fördert als auch unterdrückt. Die<br />
Erkenntnis prägenden Begriffe konstituieren durch ihre inhaltlichen Eigenarten ein sprachabhängiges Erkenntnisraster. Von<br />
diesem Raster wird ein sprachlich bedingtes „Weltbild“ geprägt; vgl. AJDUKIEWICZ (1934) S. 259 ff., insbesondere S. 278 ff. Es<br />
entsteht eine begrifflich determinierte „Weltperspektive“; vgl. ALBERT (1964) S. 45 f. Daher wird die Sprache als eine schöpferisch-geistige<br />
Kraft („energeia“) verstanden. Mit ihrer Hilfe wird das in der Sprache Artikulierte nicht passiv „gespiegelt“, sondern<br />
aktiv gestaltet. Die Gestaltungsleistung liegt vor allem in der begrifflichen (Vor-) Strukturierung des sprachlich Artikulierten.<br />
Hinzu kommen Unterstellungen, die in den Begriffsdefinitionen und -assoziationen dem Artikulierten explizit oder implizit<br />
zugeordnet werden. Daher konstituiert das „Worten der Welt“ einen definitorischen Prozess, der keine fest vorgegebenen, „natürlichen<br />
Begriffswesenheiten“ wie im Begriffsrealismus erkennt, sondern entsprechend dem Begriffsnominalismus mittels<br />
terminologischer Setzungen erschafft. Prägnant wird der Erfahrungen gestaltende Wortungsprozess von WEISGERBER (1975) S.<br />
179 veranschaulicht: „ ... das Umdenken sprachlicher Begriffe in sprachliche Zugriffe; das methodische Abheben der Sprachinhalte,<br />
der geistigen Sprachseite, von der außersprachlichen Wirklichkeit; die Überführung von Sein in sprachliches Bewußtsein<br />
und noch vieles andere, was wir in der Rede vom ‚Worten von Welt’ zusammenfassen.“ [kursive Hervorhebungen durch<br />
den Verfasser].<br />
Vgl. zu ausführlicheren Darstellungen des zuvor skizzierten Prozesses des „Weltwortens“ DEUTSCH (1996) S. 83 („Sprachen ...<br />
verkörpern in ihrem Vokabular und in ihrer Grammatik Annahmen über die Welt.“; kursive Hervorhebung des Originals hier<br />
unterlassen); JACOBS (2002) S. 108 ff. (im Anschluss an POLANYI, u.a. S. 108: „Language embodies worldview“ und „’theories<br />
of the universe’ permeate languages“; S. 109: „ ... the worldview of each language lies implicit in its ‚vocabularity and structure’<br />
“ ); PUTNAM (1982) S. 78, 81 f. u. 98 f., insbesondere S. 81; WANG, X. (2002) S. 472 u. 474; WEINRICH (1985) S. 206 (distanziert);<br />
WEISGERBER (1962) S. 76 f., 81 ff. u. 241 ff. (z.B. S. 76: „Grundauffassung alles Sprachlichen als Wirkungsform der<br />
Sprachkraft … Sprache als Energeia …“); WEISGERBER (1971) S. 60 u. 149 ff., insbesondere S. 155 ff. u. 173 ff.; WEISGERBER<br />
(1975) S. 174 ff., 189 ff. u. 194 ff. Vgl. ebenso die Thematisierung der schöpferischen Kraft von Sprache bei HABERMAS (1986)<br />
S. 328 ff. u. 336 f.; VON HU<strong>MB</strong>OLDT (1963) S. 386 ff. u. 426 ff., insbesondere S. 386, 426, 430, 435 f. u. 438 f.; Vgl. am Rande<br />
auch SCHULTE (2001) S. 78; WITTGENSTEIN (1921) Punkte 4.023 (S. 213) u. 4.031 (S. 214).<br />
419) Vgl. exemplarisch WHORF (1997).<br />
420) Vgl. WITTGENSTEIN (1977) S. 19.
1.3.1 Einführung in das Themenfeld „Ontologien“ 217<br />
(Konzeptualisierungs-) Sprache ab. Auf der anderen Seite befinden sich die Opponenten 421) der<br />
Sprachrelativität, die – zumindest auf der sprachlichen Ebene – das Abbildungsdenken des naiven<br />
Realismus teilen. Aus ihrer Sicht vermag die verwendete Sprache die Strukturen der wahrgenommenen<br />
oder vorgestellten Realitätsausschnitte nicht substanziell zu beeinflussen.<br />
Vor dem Hintergrund dieser Diskussion, die ausschließlich die natürliche Sprache betrifft, vertritt<br />
der Verfasser offensiv eine sprachrelativistische Position. Er erkennt der Sprache als begrifflich<br />
vorstrukturierendem Instrument für die Konzeptualisierung von Realitätsausschnitten eine überragende<br />
Bedeutung zu. Knapp, aber prägnant fasst beispielsweise STEGMÜLLER zusammen: “Die Welt<br />
gliedert sich nicht unabhängig von der Sprache in Tatsachen oder auch nur bloß mögliche Tatsachen.”<br />
422) Die Position des Logischen Empirismus oder Logischen Positivismus, aufgrund von empirischen<br />
Beobachtungen könnten unhintergehbare „Protokollsätze“ über „die“ Wirklichkeit aufgestellt<br />
werden, die Tatsachen „als solche“ sprachlich repräsentieren, wird aus dieser sprachrelativistischen<br />
Erkenntnisposition unterminiert. Denn „Tatsachen“ werden erst in ihrer sprachlichen Formulierung<br />
zu Protokollsätzen über die Wirklichkeit und stellen somit sprachliche Artefakte dar. Diese<br />
spiegeln keine realen Sachverhalte „an sich“ wider, sondern repräsentieren nur eine sprachlich vermittelte<br />
– d.h. sprachlich vorstrukturierte – Wahrnehmung jener Sachverhalte. Die Strukturen der<br />
jeweils angewendeten Sprache werden somit zu den Bedingungen der Möglichkeit von Realitätserfahrungen.<br />
Zur Verdeutlichung dieser Sprachabhängigkeit von Konzeptualisierungen lässt sich beispielsweise<br />
auf die Entity-Relationship-Modellierung (ER-Modellierung) 423) aus Kapitel 1.3.1.3 (S. 194 f.) verweisen,<br />
die insbesondere in der Wirtschaftsinformatik und somit auch im betrieblichen Wissensmanagement<br />
weite Verbreitung genießt. Der ER-Modellierung liegt eine begriffliche Vorstrukturierung<br />
möglicher Realitätserfahrungen zugrunde, die Objekte („entities“) und deren Beziehungen<br />
(„relationships“) als generische Erkenntnisformen (Modellierungsprimitive) präsupponiert. 424) Objekten<br />
und Beziehungen wird somit ein „ontologischer“ Status in der ER-Modellierung zugespro-<br />
421) Vgl. CHOMSKY (1996); MEIXNER (1994) S. 377 ff. Bis zum 18. Jahrhundert wurde die Sprache vor allem als Mittel verstanden,<br />
um Gedanken auszudrücken. Sprachliche Laute wurden – zurückgehend auf ARISTOTELES – als Zeichen für Gedanken verstanden,<br />
die wiederum eine Abbildung der Wirklichkeit darstellen; vgl. WILLASCHEK (1996) S. 158.<br />
422) STEGMÜLLER (1970) S. 15.<br />
423) Exakter wäre es, von einer ER-Sprache zu reden, da nach gängiger Begriffsauffassung ein konzeptuelles Informationsmodell<br />
immer mithilfe einer Sprache erstellt wird, ein Informationsmodell selbst jedoch nicht mit einer Sprache gleichgesetzt werden<br />
kann. Vgl. ROSEMANN/GREEN (2002) S. 79 und SOWA (2000) S. 431, die den Entity-Relationship-Ansatz von CHEN zu Recht als<br />
eine Sprache behandeln (streng genommen sogar als eine Meta-Sprache, da sie im Kontext von Metamodellen argumentieren).<br />
Zudem ist der Terminus technicus „ER-Modellierung“ ein klassifikatorischer Begriff, da alle Sprachen, die eine gewisse – in<br />
der Regel nicht näher ausgeführte – Analogie zum Entity-Relationship-Ansatz von CHEN besitzen, gemeinsam als „ER-<br />
Modellierung“ bezeichnet werden, obgleich es sich um unterschiedliche Sprachdialekte handelt.<br />
424) Streng genommen kommen noch die Eigenschaften von Objekten als deren Attribute hinzu. Dieses dritte Modellierungsprimitiv<br />
manifestiert sich jedoch nicht in der Bezeichnung von ER-Modellierungen. Im Folgenden wird der Übersichtlichkeit halber von<br />
Objektattributen abgesehen, ohne zu verkennen, dass sie im Prinzip ebenso berücksichtigt werden müssten.
218 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
chen; sie werden „hypostasiert“. 425) Dies bedeutet einerseits, dass die ER-Modellierung nicht mehr<br />
als Sprache zur Repräsentation von Informationssystemen benutzt werden kann, sobald die ontologische<br />
Annahme einer Realitätsstrukturierung mit Objekten und Beziehungen als Modellierungsprimitiven<br />
verletzt ist. 426) Andererseits führt der ontologische Status von Objekten und Beziehungen<br />
in der ER-Modellierung dazu, dass sich Realitätsfacetten, die bei der Konzeptualisierung mittels einer<br />
anderen Sprache hätten erfahren werden können, bei einer Vorentscheidung zugunsten der ER-<br />
Modellierung nicht mehr wahrnehmen oder vorstellen lassen, wenn sie „außerhalb“ des sprachlichen<br />
Zugriffs von Objekten und deren Beziehungen liegen. 427) Die ER-Modellierung wird somit<br />
„blind“ gegenüber möglichen Realitätserfahrungen, die durch andere Sprachen vermittelt werden<br />
könnten, aber jenseits des „natürlichen“ Ausdrucksvermögens von Objekten und deren Beziehungen<br />
liegen. Diese „Blindheit“ der ER-Modellierung sollte jenen Wirtschaftsinformatikern zu denken<br />
geben, die zugunsten der ER-Modellierung (und ihrer Varianten) plädieren, ohne sich vorher darüber<br />
zu vergewissern, dass die ontologisch-begrifflichen Vorstrukturierungen einer Sprache mit Objekten<br />
und deren Beziehungen als primitiven Ausdrucksformen den Eigenarten des betrachteten Realitätsausschnitts<br />
„angemessen“ sind.<br />
Zwar ist die Sichtweise, dass die jeweils angewendete Sprache die Bedingungen der Möglichkeit<br />
von Realitätserfahrungen konstituiert, aus erkenntnistheoretischer Perspektive keineswegs neu.<br />
Vielmehr hat sie sich nicht nur in der oben erwähnten sprach- und kulturanalytischen Philosophietradition,<br />
sondern auch in der „moderneren“ Analytischen Philosophie als „linguistic turn“ weit gehend<br />
durchgesetzt. Dennoch wird diese (sprach-) analytische Sichtweise von Wissenschaften, die<br />
sich selbst bevorzugt als „empirisch“ bezeichnen, zumeist ignoriert. Dazu gehören nicht nur Ingenieur-<br />
und Naturwissenschaften, die in ihren typischen Beobachtungs- und Experimentalszenarien auf<br />
unreflektierte Protokollsätze über „Beobachtungstatsachen“ rekurrieren. Vielmehr sind auch weite<br />
Zweige der „modernen“ Wirtschaftswissenschaften, die sich selbst gern dem „empirischen Paradigma“<br />
zurechnen lassen, aus sprachanalytischer Perspektive nicht über den erkenntnistheoretischen<br />
425) MYLOPOULOS (1998) S. 132 spricht anschaulich von „ontological assumptions“ (kursive Hervorhebung im Original hier unterlassen)<br />
der ER-Modellierung. Vgl. auch PARTRIDGE (2002) S. 11: “In some texts the database’s catagories (entity, Object, attribute<br />
etc.) are – mistakenly – presented as if they were also ontological ones. ... In practice, this usually turns out not to be so.”<br />
PARTRIDGE vertieft auf S. 11 ff. seine Kritik an vorschnellen ontologischen Annahmen bei der Gestaltung von Datenbanken<br />
mithilfe von “top-level catagories“ oder „metatypes“ sowohl anhand präziser, allgemeingültiger Argumente als auch anhand<br />
plastischer Beispiele. Auf S. 12 bringt er die unzulässige Hypostasierung solcher “top-level catagories“ und „metatypes“ auf<br />
den Punkt, indem er zwischen einem datenbankbezogenen Repräsentations- und einem realitätsbezogenen Seinsmodus unterscheidet.<br />
Datenbankkonstrukteure verfügen über Gestaltungsfreiräume, deren Ausschöpfung ihnen nicht von der Realität durch<br />
„objektiv“ seiende Objekte, Beziehungen, Systeme o.ä. vorgegeben wird. Stattdessen können Datenbankkonstrukteure über diese<br />
Gestaltungsfreiräume letztlich „willkürlich“ disponieren. PARTRIDGE fasst diesen Sachverhalt abermals konzise zusammen:<br />
„The database category is not determined by what (category of thing) is being represented, but by how the designer chooses to<br />
represent that thing.“ (S. 12). Der Verfasser vermag diesem klaren Diktum nichts hinzuzufügen. Vgl. außerdem zu einem einfachen<br />
Beispiel für das Produkt „Auto“, das die zuvor angesprochenen Gestaltungsfreiräume veranschaulicht, POCSAI (2000) S.<br />
83.<br />
426) Vgl. MYLOPOULOS (1998) S. 132 u. – mittelbar – 136. Als mögliche Verletzungen der o.a. ontologischen Annahme führt MY-<br />
LOPOULOS (1998) S. 132 Realitätsausschnitte an, die von Flüssigkeiten, zeitlichen Ereignissen oder Zustandsveränderungen geprägt<br />
werden.<br />
427) Beispielsweise bereitet es innerhalb einer ER-Modellierung erhebliche Schwierigkeiten, die zeitliche Dimension von Prozessen<br />
auf der Grundlage von Objekten und deren Beziehungen so zu erfassen, dass dies als „natürlich“ empfunden wird. Zwar lässt<br />
sich die Anschauungsform „Zeit“ irgendwie – z.B. als zusätzliches, artifizielles Objekt – in ein ER-Modell hineinzwängen.<br />
Aber dies hat mit einer „realitätsadäquaten“, „natürlichen“ Modellierung nichts mehr gemeinsam, sondern gehört zum problematischen<br />
Bereich der so genannten „PROKRUSTES-Bett-Modellierung“. Übrigens trifft der gleiche Vorbehalt – erhebliche<br />
Mängel hinsichtlich der Natürlichkeit der Erfassung von Zeitaspekten – auch auf die alternative Modellierungstechnik der<br />
PETRI-Netze zu.
1.3.1 Einführung in das Themenfeld „Ontologien“ 219<br />
Reflexionsstand des Logischen Empirismus (Logischen Positivismus) hinaus gekommen, weil sie in<br />
ihren Analysen von „Daten“ als „unhintergehbaren“ empirischen Befunden ausgehen. Dieser Befund<br />
wird auch nicht dadurch gelindert, dass das „empirische Paradigma“ – zumindest in den Wirtschaftswissenschaften<br />
– in Anlehnung an angelsächsische Vorbilder von tonangebenden Wissenschaftsinstitutionen<br />
als internationaler State-of-the-art gepriesen wird.<br />
Zumindest sollte ein „aufgeklärtes“ Wissensmanagement, das Wissen als sprachlich verfasstes Artefakt<br />
begreift, diesem schlichten Empirismus nicht verfallen. Vielmehr sollte es gemäß einer<br />
sprachrelativistischen Erkenntnisposition würdigen, in welchem Ausmaß die Strukturen einer Sprache<br />
die Möglichkeiten von Realitätserfahrungen begrifflich vorzustrukturieren vermögen. Ontologien<br />
können durch ihre Betonung der begrifflichen Komponente der Wissens(vor)strukturierung, die<br />
sich vor allem in der taxonomischen Struktur einer Ontologie niederschlägt, erheblich dazu beitragen,<br />
der sprachrelativistischen Erkenntnisposition im Rahmen des betriebswirtschaftlichen Wissensmanagements<br />
zum Durchbruch zu verhelfen. Vielleicht werden sie sogar zu einem „trojanischen<br />
Pferd“, das auch auf andere wirtschaftswissenschaftliche Erkenntnisbereiche ausstrahlt – und<br />
eventuell sogar einige „hart gesonnene“ empirische Ökonomen zum Nachdenken über den „linguistic<br />
turn“ der Erkenntnistheorie anzuregen vermag.<br />
Der „kleine Exkurs“ zu erkenntnistheoretischen Konsequenzen, die aus Wissen als sprachlich verfasstem<br />
Artefakt und aus begrifflichen Vorstrukturierungen möglicher Realitätserfahrungen zu ziehen<br />
sind, droht an dieser Stelle in „beißend-lustvolle“ Polemik gegen vorherrschende Paradigmen<br />
des real praktizierenden Wissenschaftsbetriebs abzugleiten. Dies ginge jedoch an den Intentionen<br />
dieses Kapitels vorbei. Daher wird auf den Konzeptualisierungsprozess zurückgekommen, in dessen<br />
Verlauf ein Realitätsausschnitt mit den darin wahrgenommenen oder vorgestellten Phänomenen in<br />
eine sprachliche Repräsentation der möglichen Realitätserfahrungen überführt wird.<br />
Die Konzepte oder internen Modelle, die zunächst aus einem Konzeptualisierungsprozess als Gedankeninhalte<br />
resultieren, werden zu externen konzeptuellen Modellen, sobald die Gedankeninhalte<br />
sprachlich „entäußert“ werden. Die Gedankeninhalte verlassen dann die Gedankenwelt ihres Schöpfers<br />
und werden somit als externe Modelle „verselbstständigt“ oder „vergegenständlicht“. Dabei<br />
werden die externen konzeptuellen Modelle in irgendeiner Form Dritten mitgeteilt, d.h. kommuniziert,<br />
428) z.B. in der Form der direkten Rede oder in der Form eines schriftlichen Dokuments.<br />
Ein wesentlicher Streitpunkt liegt in der Frage, welche sprachliche Gestalt für ein externes konzeptuelles<br />
Modell unmittelbar nach seiner Verselbstständigung von seinem Schöpfer angenommen<br />
wird: Als internes konzeptuelles Modell war es in natürlicher Sprache gedacht, weil sich menschliches<br />
Denken im Allgemeinen in den Begriffen („Kategorien“) der natürlichen Sprache bewegt. Der<br />
Verfasser plädiert dafür, den Akt der „Entäußerung“ des internen konzeptuellen Modells zu einem<br />
externen konzeptuellen Modell nicht mit zusätzlichen inhaltlichen Komplikationen zu überfrachten,<br />
so dass ein konzeptuelles Modell unmittelbar nach der Herauslösung aus der Gedankenwelt seines<br />
428) Der Mitteilungs- oder Kommunikationsbegriff wird hier sehr weit gefasst. Er kann auch die „adressatenlose Kommunikation“<br />
umfassen, d.h. die Entäußerung eines Modells z.B. als Dokument, das lediglich archiviert wird. Dann ist kein konkreter Adressat<br />
bekannt. Stattdessen wird das externe konzeptuelle Modell lediglich für potenzielle zukünftige Adressaten vorgehalten, die<br />
darauf zugreifen können, indem sie das archivierte Dokument aufrufen. Ebenso ist die „Selbstadressierung“ eingeschlossen. Sie<br />
betrifft den Fall, dass der Schöpfer eines internen mentalen Modells dieses Modell „für sich selbst“ entäußert, um es z.B. anhand<br />
einer schriftlichen Modelldokumentation besser analysieren zu können.
220 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Schöpfers erst einmal als ein weiterhin natürlichsprachliches 429) , jetzt externes konzeptuelles Modell<br />
vorliegt. Das Ergebnis eines Konzeptualisierungsprozesses stellt also auch nach seiner „Entäußerung“<br />
als externes konzeptuelles Modell nach Auffassung des Verfassers noch kein formalsprachliches<br />
Artefakt dar. In dieser Hinsicht folgt er dezidiert nicht der „formalistischen“ Konzeptualisierungsdefinition<br />
von GENESERETH und NILSSON 430) , auf die sich auch das Konzeptualisierungsverständnis<br />
von GRUBER bezieht. Die vorgenannten Autoren stimmen darin überein, die Konzeptualisierung<br />
eines Realitätsausschnitts als einen Prozess der formalsprachlichen Spezifikation zu<br />
behandeln. Ihrer Ansicht nach handelt es sich daher bei einem externen konzeptuellen Modell um<br />
ein formalsprachlich verfasstes Modell.<br />
Für diese „Opposition“ gegenüber GENESERETH und NILSSON sowie GRUBER spricht der Einwand<br />
einer trivialen – und infolgedessen vermeidenswerten – Verdoppelung: Würde das Ergebnis einer<br />
Konzeptualisierung, also ein externes konzeptuelles Modell, bereits ein formalsprachlich verfasstes<br />
Artefakt darstellen, dann wäre eine Ontologie, die wiederum als ein formalsprachlich verfasstes Artefakt<br />
aufgefasst wird, lediglich eine triviale Verdopplung des externen konzeptuellen Modells.<br />
Denn es könnte eine Übersetzungsrelation zwischen den zwei formalsprachlichen Artefakten der<br />
externen konzeptuellen Modelle und der Ontologien konstruiert werden, von der kein substanzieller<br />
Erkenntnisgewinn beim Übergang von externen konzeptuellen Modellen zu Ontologien zu erwarten<br />
wäre. Daher würde die formalsprachliche Verdopplung eines externen konzeptuellen Modells in der<br />
Gestalt einer Ontologie die gravierenden erkenntnistheoretischen Probleme der Konstruktion von<br />
Ontologien auf die „simple“ Übersetzung zwischen zwei formalsprachlich verfassten Artefakten reduzieren<br />
und somit trivialisieren. 431) Um diese Gefahr zu vermeiden, hält es der Verfasser aus erkenntnistheoretischer<br />
Perspektive für angezeigt, deutlich zu unterscheiden zwischen einerseits der<br />
natürlichsprachlichen Konzeptualisierung eines Realitätsausschnitts, aus der ein ebenso natürlichsprachlich<br />
verfasstes, externes konzeptuelles Modell resultiert, und andererseits der formalsprachlichen<br />
Spezifikation von sprachlichen Ausdrucksmitteln für repräsentationale Modelle des konzeptualisierten<br />
Realitätsausschnitts mittels einer Ontologie. Auf diese Weise wird eine klare, zweistufige<br />
Phasenstruktur für die Konstruktion von Ontologien nahe gelegt: Auf der ersten Stufe, der Konzep-<br />
429) Es wurde schon im Kapitel 1.3.1.3 darauf hingewiesen, dass der Begriff der natürlichen Sprache im Kontext konzeptueller Modelle<br />
sehr weit gefasst wird und insbesondere auch graphische Ausdrucksformen umfasst (Fußnote 373, S. 205). Solche graphischen<br />
Ausdrucksformen können übrigens auch in internen konzeptuellen Modellen verwendet werden, wie z.B. Redewendungen<br />
über ein „graphisches Gedächtnis“. Daher wird die natürliche Sprache hier von vornherein – nicht nur für externe, sondern<br />
ebenso für interne konzeptuelle Modelle – so weit ausgelegt, dass sie alle, insbesondere auch graphische Ausdrucksformen umfasst,<br />
die innerhalb einer Denk- und Kommunikationsgemeinschaft als „natürlich“ empfunden werden.<br />
430) Vgl. GENESERETH/NILSSON (1987) S. 9 ff.<br />
431) Nur am Rande sei der Verwunderung Ausdruck verliehen, dass die Definition von GRUBER, die explizit auf GENESERETH/NILS-<br />
SON Bezug nimmt, angesichts der formalsprachlichen Repräsentationsverdopplung bislang noch nicht kritisiert wurde. Zwar<br />
zeigen GUARINO und GIARETTA in ihrer Analyse des Konzeptualisierungsverständnisses von GENESERETH/NILSSON, dass von<br />
einem extensionalen Konzeptualisierungsverständnis ausgegangen wird, während sie selbst eine intensionale Deutung der Konzeptualisierung<br />
befürworten: „an intensional semantic structure which encodes the implicit rules constraining the structure of a<br />
piece of reality“ (GUARINO/GIARETTA (1995) S. 31; ähnlich auf S. 29). Allerdings legen GUARINO und GIARETTA nicht präzise<br />
dar, was sie unter einem intensionalen Konzeptualisierungsverständnis verstehen und wie sie es von einem extensionalen Konzeptualisierungsverständnis<br />
inhaltlich abgrenzen. Ihre Ausführungen auf S. 29 deuten immerhin darauf hin, dass sie ihr intensionales<br />
Konzeptualisierungsverständnis auf eine Semantik aller möglichen Welten beziehen (possible worlds semantics), während<br />
das extensionale Konzeptualisierungsverständnis auf den „Umfang“ einer Konzeptualisierung in nur einer möglichen Welt<br />
beschränkt bleibt. In diese Richtung weisen auch die Ausführungen von HAGENGRUBER (2004) S. 423 f. Die Autorin skizziert<br />
darin die Unterschiede zwischen der extensionalen Vorgehensweise, die GRUBER bei seinem Ontologieverständnis verfolgt, und<br />
der hierauf bezogenen Kritik von GUARINO, in Ontologien müssten Entitäten jeweils auf intensionale Weise rekonstruiert werden.
1.3.1 Einführung in das Themenfeld „Ontologien“ 221<br />
tualisierungsphase, werden alle begrifflichen Vorstrukturierungen des Realitätsausschnitts zusammengefasst,<br />
die sich im Medium einer natürlichen Sprache vollziehen. Dies betrifft sowohl interne<br />
Vorstrukturierungen gedanklicher Art (interne konzeptuelle Modelle) als auch deren externe „Verdinglichung“<br />
in natürlichsprachlichen Artefakten (externe konzeptuelle Modelle). Auf der zweiten<br />
Stufe, der Spezifikationsphase, werden hingegen die externen konzeptuellen Modelle, die bereits natürlichsprachlich<br />
artikuliert vorliegen, mittels zusätzlicher Formalisierungsoperationen in (externe)<br />
432) formalsprachliche Ontologien überführt. 433)<br />
Die mangelhafte Berücksichtigung der gedanklichen Konstruktionsleistungen, die sich in der oben<br />
skizzierten formalistischen Konzeptualisierungsauffassung von GENESERETH und NILSSON sowie<br />
GRUBER niederschlägt, erscheint angesichts der vielschichtigen Probleme, die mit der Konzeptualisierung<br />
von Realitätsausschnitten verbunden sind, als äußerst gewagt. Empirische Untersuchungen<br />
zur Informationsmodellierung belegen z.B., welch gravierenden Einfluss Deutungsmuster der Modelldesigner<br />
auf ihre Modellkonstruktionen auszuüben vermögen. 434) Diese Einsichten lassen sich<br />
ohne Schwierigkeiten auf die Konstruktion von Ontologien übertragen. Die persönlichen Erfahrungen,<br />
das Sachwissen und die Interessen eines Subjekts führen dazu, dass es perzeptive oder kognitive<br />
Strukturen erschafft, die den Ausgangspunkt seiner Ontologiekonstruktion darstellen. Von allen<br />
diesen subjektabhängigen und „konstruktivistischen“ Einflüssen, die während der Struktur erschaffenden<br />
Konzeptualisierung von Realitätsausschnitten auftreten können, pflegen die Anhänger der<br />
formalistischen Konzeptualisierungsauffassung zu abstrahieren. Daher erwecken sie den Eindruck,<br />
eine naiv-realistische Grundhaltung zu vertreten. 435) Wie schon zuvor mehrfach herausgearbeitet<br />
wurde, scheinen Forscher auf dem Gebiet von Ontologien besonders „anfällig“ für eine naiv-realistische<br />
Erkenntnisposition zu sein.<br />
Bislang wurde nur die natürlichsprachliche Konzeptualisierung von Realitätsausschnitten thematisiert,<br />
die auf der ersten Stufe der Konstruktion einer Ontologie erfolgt. Auf der zweiten Konstruktionsstufe<br />
kommt die formalsprachliche Spezifikation derjenigen Inhalte hinzu, die am Ende der<br />
Konzeptualisierungsphase durch ein natürlichsprachlich verfasstes, externes konzeptuelles Modell<br />
repräsentiert werden. Die wesentliche Herausforderung dieser Spezifikationsphase erstreckt sich auf<br />
die formalsprachliche Explizierung von natürlichsprachlich konzeptualisierten Denkinhalten. 436)<br />
Diese formalsprachliche Explizierung kann weitere erkenntnistheoretische Probleme aufwerfen.<br />
432) Auf das Attribut „extern“ kann bei formalsprachlichen Konstrukten – wie z.B. Ontologien – verzichtet werden, weil sich nach<br />
Einschätzung des Verfassers das „interne“ menschliche Denken nicht in formalsprachlichen Kognitionsmustern vollzieht. Formalsprachliche<br />
Konstrukte sind daher immer etwas künstlich Erschaffenes („Artefakte“) und zugleich externer Natur.<br />
433) Dies trifft zumindest auf das hier vertretene Ontologieverständnis zu, Ontologien von vornherein auf formalsprachliche Artefakte<br />
zu beschränken.<br />
434) Vgl. u.a. SHANKS (1997) S. 65 ff.<br />
435) Zugunsten dieses Verdachts sprechen die bereits an früherer Stelle erwähnten Einschätzungen von FALKENBERG (1996) S. 8 und<br />
FLOYD (1992) S. 16 f., denen zufolge im Bereich des Software Engineerings eine naiv-realistische Erkenntnisposition vorherrscht.<br />
436) Nicht alle natürlichsprachlich konzeptualisierten Denkinhalte müssen formalsprachlich expliziert werden. Denn für Teile der<br />
natürlichsprachlich konzeptualisierten Denkinhalte lässt sich auf eine explizite formalsprachliche Repräsentation verzichten, solange<br />
gewährleistet ist, dass sich diese Teile – als so genanntes implizites Wissen – aus dem explizit formalsprachlich repräsentierten<br />
Wissen mittels Inferenzregeln indirekt erschließen lassen. Auf dieses implizite Wissen und die Inferenzregeln zu seiner<br />
Erschließung wird in späteren Kapiteln ausführlich zurückgekommen. Im hier diskutierten Kontext wird der Übersichtlichkeit<br />
halber von der Komplikation abgesehen, darüber zu entscheiden, welche Teile der natürlichsprachlich konzeptualisierten Denkinhalte<br />
entweder explizit repräsentiert werden oder aber nur als implizites Wissen erschließbar sein sollen.
222 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
In einem externen konzeptuellen Modell soll neben dem Fachwissen der Akteure vor allem ihr Hintergrundwissen<br />
sprachlich artikuliert werden, um dieses Hintergrundwissen – insbesondere im Kontext<br />
von KI-Forschung und Wirtschaftsinformatik – dem Zugriff Wissensbasierter Systeme zugänglich<br />
machen zu können. Allerdings haben sich erste Versuche, die zahlreichen Präsuppositionen natürlichsprachlicher<br />
Vorverständnisse systematisch zu explizieren, als überaus diffizil herausgestellt.<br />
Dies gilt bereits auf der Ebene natürlicher Sprache. Erschwerend kommt hinzu, dass Wissensbasierte<br />
Systeme für ihre interne Operationsweise eine formalsprachliche Repräsentation des für relevant<br />
erachteten (Fach- und Hintergrund-) Wissens erfordern, beispielsweise in der Gestalt von Ontologien.<br />
Gewichtige Stimmen ziehen grundsätzlich in Zweifel, dass es jemals möglich sein wird, die<br />
„wesentliche Bedeutung“ oder „Semantik“ natürlichsprachlich ausgedrückter Realitätserfahrungen<br />
mittels formalsprachlicher Explizierung vollständig und unverfälscht zu rekonstruieren. Das „Chinese-Room“-Gedankenexperiment<br />
von SEARLE und die darauf folgende Debatte, die bis heute kein<br />
einvernehmliches Ende gefunden hat, geben ein eindrucksvolles Beispiel für diese Fundamentalzweifel.<br />
437) Es besteht hier nicht der Raum, diese Fundamentalzweifel im Detail zu erörtern. 438)<br />
Aber ihre schlichte Erwähnung mag ausreichen, um eine „gesunde Skepsis“ gegenüber dem Anspruch<br />
zu wecken, die natürlichsprachlich verfassten, externen konzeptuellen Modelle, die am Ende<br />
der Konzeptualisierungsphase vorliegen, ließen sich vollständig und unverfälscht in formalsprachliche<br />
Ontologien überführen.<br />
Weitere sprachphilosophische und erkenntnistheoretische Probleme bereiten Ontologien auf der<br />
pragmatischen Ebene ihrer intendierten Anwendungen. Ontologien sollen ihren Nutzen vor allem<br />
dadurch entfalten, dass sie eine einheitliche, gemeinsam verwendete Konzeptualisierung – und Spezifikation<br />
439) – von Realitätserfahrungsmöglichkeiten bereitstellen („shared ontology paradigm“ 440) ).<br />
Daher müssen Akteure, die eine gemeinsam übernommene Aufgabe arbeitsteilig erfüllen wollen,<br />
ihre zweck- und subjektabhängigen Ontologien untereinander „harmonisieren“. 441)<br />
437) Vgl. als Beitrag jüngeren Datums zu dieser Debatte SIEDENTOPF (1999) S. 398 ff. (und die dort aufgearbeitete Literatur).<br />
438) Der Verfasser hat sich mit dem „Chinese-Room“-Gedankenexperiment von SEARLE im Zusammenhang mit der Diskussion über<br />
die starke KI-These an anderer Stelle ausführlicher auseinander gesetzt. Dabei ist er auf die oben skizzierten Fundamentalzweifel<br />
ausführlicher – und kritisch – eingegangen. Vgl. ZELEWSKI (1990) S. 2 ff.; ZELEWSKI (1991) S. 337 ff.; ZELEWSKI (1993b) S.<br />
611 ff.<br />
439) Da im Folgenden die speziellen Probleme einer formalsprachlichen Explizierung keine Rolle spielen, ist die Spezifikation als<br />
zweite Phase der Ontologiekonstruktion nur von nachrangigem Interesse. Deshalb konzentrieren sich die Ausführungen auf die<br />
erste Konstruktionsphase der natürlichsprachlichen Konzeptualisierung. Die nachfolgenden Argumente gelten jedoch unverändert,<br />
wenn sie nicht nur auf die Konzeptualisierung eines Realitätsausschnitts, sondern umfassender auf die Verwendung einer<br />
Ontologie (einschließlich der formalsprachlichen Spezifikation der natürlichsprachlichen Konzeptualisierungsergebnisse) bezogen<br />
werden.<br />
440) In Anlehnung an PARTRIDGE (2002) S. 10: „People’s ontological paradigm ... is the background of ontological assumptions that<br />
they share.“ (kursive Hervorhebungen durch den Verfasser).<br />
441) Als weitere Option lässt sich vorstellen, dass mehrere Akteure trotz unterschiedlicher Ontologien durch Übersetzungen zwischen<br />
ihren divergierenden Ontologien dennoch sinnvoll miteinander kommunizieren können. Von dieser Alternative wird im<br />
Folgenden jedoch aus zwei Gründen abgesehen. Erstens wird diese Übersetzungsperspektive weitaus seltener eingenommen als<br />
das Denkmuster einer gemeinsam verwendeten Ontologie. Zweitens wurde schon an früherer Stelle darauf hingewiesen, dass<br />
die Schwierigkeiten bedeutungserhaltender Übersetzungen zwischen unterschiedlichen Ontologien bis heute noch nicht gelöst<br />
werden konnten. Dies betrifft insbesondere die Frage, wie sich operationale Kriterien zur Überprüfung der Bedeutungserhaltung<br />
spezifizieren lassen. In dieser Hinsicht wird auf die erkenntnistheoretische Debatte über die grundsätzliche Unbestimmtheit von<br />
Übersetzungen verwiesen, die bereits oben im Kontext der Bedeutungserhaltung angesprochen wurde; vgl. Kapitel 1.3.1.1.2 (S.<br />
135 ff.).
1.3.1 Einführung in das Themenfeld „Ontologien“ 223<br />
Im Allgemeinen weisen die sprachlichen „Weltsichten“, die von den Ontologien der involvierten<br />
Akteure vermittelt werden, jedoch keine „prästabilierte Harmonie“ 442) auf. Daher drängt sich aus<br />
sprachphilosophischer Sicht die Frage auf, wie plausibel die Erwartung erscheint, dass mindestens<br />
zwei Akteure in ihren Konzeptualisierungen desselben Realitätsausschnitts übereinstimmen. 443) Die<br />
Übereinstimmung von Konzeptualisierungen wird in der Regel um so wahrscheinlicher sein, je geringer<br />
ihre Abhängigkeit von begrifflichen Vorstrukturierungen möglicher Realitätserfahrungen<br />
ausfällt, je weniger sich also die oben diskutierte Sprachrelativität von Konzeptualisierungen auszuwirken<br />
vermag. Da sich der Verfasser bereits zu einer „offensiv“ sprachrelativistischen Position<br />
bekannt hat, muss er folglich einräumen, dass die Wahrscheinlichkeit von übereinstimmenden Konzeptualisierungen<br />
bei der arbeitsteiligen Erfüllung gemeinsamer Aufgaben eher niedrig einzuschätzen<br />
ist. 444) Insbesondere sprachbedingte Verständnisbarrieren, die im Kapitel 1.1.2 erörtert wurden<br />
(S. 43 ff.), stützen diese tendenziell pessimistische Einschätzung. Allerdings bedarf dieses pauschale<br />
Urteil einer inhaltlichen Ausdifferenzierung.<br />
Erstens wächst die Wahrscheinlichkeit von übereinstimmenden Konzeptualisierungen mit der<br />
sprachlichen Homogenität der involvierten Akteure, weil die sprachbedingten Verständnisbarrieren<br />
entsprechend sinken. So kann innerhalb desselben Unternehmens eher mit übereinstimmenden Konzeptualisierungen<br />
gerechnet werden, als es in einem überbetrieblichen Netzwerk der Fall ist. Die<br />
Übereinstimmungswahrscheinlichkeit fällt noch größer aus, wenn nur Akteure aus derselben orga-<br />
442) Der Terminus technicus „prästabilierte Harmonie“ (von Monaden) geht auf LEIBNIZ zurück, vgl. LEIBNIZ (1998) S. 55 ff. (S. 56:<br />
„l’harmonie preétablie“) u. 61. Vgl. daneben auch HECHT (1998) S. 100, 104, 113 ff. u. 118; MITTELSTRAß (2004) S. 41; SKIR-<br />
BEKK/GILJE (1993) S. 406.<br />
443) Es geht an dieser Stelle nur um die Frage, ob Akteure bei ihrer arbeitsteiligen Erfüllung einer gemeinsamen Aufgabe von Anfang<br />
an („ex ante“, d.h. vor Beginn der Aufgabenerfüllung) über eine übereinstimmende Konzeptualisierung desjenigen Realitätsausschnitts<br />
verfügen, der von der Aufgabenerfüllung betroffen ist. Davon völlig unberührt bleibt die nachgelagerte Frage, ob<br />
sich im Falle nicht übereinstimmender Konzeptualisierungen im Verlauf der Aufgabenerfüllung („ex post“, d.h. nach Beginn<br />
der Aufgabenerfüllung) die anfangs noch fehlende Übereinstimmung nachträglich herbeiführen lässt. Dafür kommen im Rahmen<br />
des Ontology Engineerings vor allem einerseits das nachträgliche Beseitigen und andererseits das nachträgliche Kompensieren<br />
von Übereinstimmungsmängeln in Betracht. Eine Maßnahme zur Beseitigung wäre die nachträgliche Vereinheitlichung<br />
von „kommunikationskritischen Partialontologien“, eine Maßnahme zur Kompensierung wäre der Einsatz von Übersetzungsmechanismen<br />
zwischen den unterschiedlichen Ontologiekomponenten. Eine radikale Variante der nachträglichen Vereinheitlichung<br />
bestünde darin, dass die Konzeptualisierung eines Akteurs von allen übrigen Akteuren angenommen werden muss; dann<br />
wäre eine Kommunikation auf der Grundlage einer gemeinsam verwendeten Ontologie auch bei hoher Sprachrelativität „problemlos“<br />
möglich. Allerdings entsteht in diesem Fall – zumindest bei der Spezies menschlicher Akteure – ein Kommunikationsumfeld,<br />
das nicht „herrschaftsfrei“ ist. Dies kann eine effektive Kommunikation erheblich beeinträchtigen. Daher wird im Folgenden<br />
nicht weiter auf „erzwungene“, sondern nur auf freiwillige Harmonisierung von Konzeptualisierungen eingegangen.<br />
Vgl. zur Diskussion der beiden Alternativen nachträgliches Beseitigen versus nachträgliches Kompensieren von Übereinstimmungsmängeln<br />
zwischen Ontologien auch ZELEWSKI/SIEDENTOPF (1999) S. 81; ZELEWSKI/FISCHER (1999) S. 8 ff. Dort werden<br />
die beiden Alternativen als erzwungene interne bzw. als externe Konsolidierung von Ontologien thematisiert. Vgl. auch die<br />
ähnliche Alternative in REIMER (1997) S. 92.<br />
444) Vgl. HAGENGRUBER (2004) S. 420. Sie räumt ein, dass der Nutzen von Ontologien für Unternehmensontologien (die von der<br />
Autorin auf S. 419 f. thematisiert wurden), umso stärker in Mitleidenschaft gezogen werden kann, je höher man die Sprachrelativität<br />
von Konzeptualisierungen einschätzt. Besonders bemerkenswert ist, dass HAGENGRUBER von einem „Scheitern dieser<br />
Ontologien“ (S. 420) spricht, weil sie nicht aufeinander abgebildet werden können (und auch nicht den Ansprüchen von Experten<br />
an konzeptuelle Unternehmensmodelle genügen). Als Grund dieses Scheiterns führt sie an, dass die Unternehmensontologien<br />
auf Commonsense-Verständnissen über Unternehmen beruhten und (die folgenden Argumente spricht HAGENGRUBER nicht<br />
mehr deutlich aus, so dass sie hier vom Verfasser interpretiert wird) dieser umgangs-, vor allem wirtschaftssprachlich vermittelte<br />
Commonsense bei den angesprochenen Ontologieprojekten divergierte. Dies illustriert, wie sich untereinander inkompatible<br />
Commonsense-Verständnisse – die dann streng genommen keinen Commonsense mehr darstellen – in Sprachdivergenzen niederschlagen<br />
(vice versa) und zu Ontologiekonstruktionen für die gleiche Domäne „Unternehmen“ führen können, die sich nicht<br />
mehr ineinander übersetzen („abbilden“) lassen.
224 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
nisatorischen Einheit eines Unternehmens bei der Aufgabenerfüllung zusammenwirken, weil durch<br />
die tägliche Zusammenarbeit die Chance ihrer einheitlichen „sprachlichen Sozialisation“ besonders<br />
groß ausfällt.<br />
Zweitens hängt die Unwahrscheinlichkeit von übereinstimmenden Konzeptualisierungen auch von<br />
den Konzeptualisierungsaspekten ab, die jeweils zur Diskussion stehen. Wenn sich Konzeptualisierungsdiskrepanzen<br />
„nur“ auf die jeweils verwendeten Begriffe beziehen, so kann die Standardisierung<br />
von Begriffen in Branchen-, Software- und allgemeinen Wirtschaftsterminologien dafür sorgen,<br />
dass die Übereinstimmungswahrscheinlichkeiten zwischen Konzeptualisierungen tendenziell<br />
zunehmen. Beispielsweise hat betriebswirtschaftliche Standard-Anwendungssoftware, wie sie vor<br />
allem in Enterprise-Resource-Planning-Systemen weit verbreitet ist (z.B. SAP R/3), dazu beigetragen,<br />
nicht nur innerbetrieblich, sondern auch in überbetrieblichen Netzwerken die Wahrscheinlichkeit<br />
übereinstimmender Konzeptualisierungen ansteigen zu lassen.<br />
Der Anspruch von Ontologien reicht jedoch über reine Begriffssammlungen (Vokabulare, Thesauri)<br />
und taxonomische Strukturen hinaus. Daher stellt die Übereinstimmung von Konzeptualisierungen<br />
ein tieferes erkenntnistheoretisches Problem dar, als es bei einer schlichten Begriffsharmonisierung<br />
vorliegen würde (auch wenn diese Harmonisierung einen wichtigen Bestandteil von Ontologien bildet).<br />
Hierbei spielt eine wesentliche Rolle, dass jede Sprache „theoriegeladen“ ist. Gleiches gilt für<br />
Ontologien als sprachlich verfasste Artefakte. Die Theorien, die „hinter“ einer Sprache bzw. einer<br />
Ontologie stehen (Hintergrundtheorien), geben Denkmuster vor, wie die Realität zu erfassen ist. 445)<br />
Diese theorieinduzierten Denkmuster üben einen wesentlichen Einfluss auf die Konzeptualisierungen<br />
eines Realitätsausschnitts aus, mit denen die Akteure bei ihrer Aufgabenerfüllung arbeiten. Daher<br />
können die Konzeptualisierungen eines Realitätsausschnitts auch deswegen auseinander fallen,<br />
weil die betroffenen Akteure mit unterschiedlichen Hintergrundtheorien arbeiten. 446) Eine „prästabilierte<br />
Harmonie“ solcher Hintergrundtheorien zu erwarten, das ist noch weitaus weniger plausibel<br />
als die Erwartung übereinstimmender begrifflicher Vorstrukturierungen. Daher muss grundsätzlich<br />
damit gerechnet werden, dass Konzeptualisierungen desselben Realitätsausschnitts auch deswegen<br />
auseinander klaffen, weil sie von unterschiedlichen Hintergrundtheorien „geladen“ sind.<br />
Ein „ganzheitliches“ Ontology Engineering müsste sich daher auch mit der Frage befassen, wie sich<br />
theoriebedingte Mängel hinsichtlich der Übereinstimmung von Konzeptualisierungen bei der arbeitsteiligen<br />
Erfüllung einer gemeinsamen Aufgabe – zumindest „im Prinzip“ – beseitigen oder<br />
kompensieren lassen. Eine nachträgliche Beseitigung der theoriebedingten Übereinstimmungsmängel<br />
erscheint dem Verfasser zurzeit als eine erkenntnistheoretische Utopie, weil sie erfordern würde,<br />
die involvierten Hintergrundtheorien zu vereinheitlichen. Die bisher verfolgten programmatischen<br />
Ansätze zur Theorienvereinheitlichung sind jedoch gescheitert. Dies betrifft nicht nur den ambitionierten<br />
Ansatz einer „Einheitswissenschaft“, wie er etwa vom Wiener Kreis propagiert wurde, sondern<br />
auch bescheidenere Ansätze, wie etwa die versuchte Integration natur- und kulturwissenschaft-<br />
445) Vgl. u.a. POPPER (1995) S. 72 f.<br />
446) Die Einflüsse, die von unterschiedlichen Hintergrundtheorien auf die Konzeptualisierung eines Realitätsausschnitts ausstrahlen,<br />
lassen sich im Allgemeinen nicht sauber von den entsprechenden Einflüssen durch verschiedenartige Begriffe trennen. Denn<br />
dieselben Bezeichnungen können je nachdem, in welchen Theorien sie verwendet werden, mit unterschiedlichen Inhalten belegt<br />
werden, so dass unterschiedliche Hintergrundtheorien oftmals mit verschiedenartigen (jedoch homonymen) Begriffen einhergehen.<br />
Beispielsweise werden die Bezeichnungen „Masse“ und „Bewegung“ in der Speziellen und Allgemeinen Relativitätstheorie<br />
von EINSTEIN inhaltlich anders als z.B. in der Partikelmechanik von NEWTON interpretiert. Ein Wechsel der physikalischen<br />
Hintergrundtheorie bedeutet somit auch einen Wechsel der einschlägigen physikalischen Begriffe, die nur an der „Oberfläche“<br />
ihrer Bezeichnungen gleich erscheinen.
1.3.1 Einführung in das Themenfeld „Ontologien“ 225<br />
licher Theorienfragmente im Radikalen Konstruktivismus. Eine nachträgliche Kompensation der<br />
theoriebedingten Übereinstimmungsmängel mutet hingegen prima facie als weniger problematisch<br />
an. Denn sie würde lediglich Übersetzungen zwischen den jeweils betroffenen, unterschiedlichen<br />
Hintergrundtheorien erfordern. Aber auch solche intertheoretischen Übersetzungen stoßen auf gravierende<br />
erkenntnistheoretische Probleme, die dem Verfasser zurzeit unüberwindlich erscheinen.<br />
Die Schwierigkeiten resultieren aus der These von QUINE, dass jede Übersetzung zwischen sprachlichen<br />
Artefakten unter einer grundsätzlichen Unbestimmtheit leidet. Auf diese These der Unbestimmtheit<br />
der Übersetzung wurde bereits im Kontext bedeutungserhaltender Wissenstransformationen<br />
kurz eingegangen. Insbesondere FØLLESDAL und STEGMÜLLER haben herausgestellt, dass sich<br />
die allgemeine Unbestimmtheitsthese von QUINE auch speziell auf die Übersetzung zwischen (Hintergrund-)<br />
Theorien anwenden lässt. 447) Folglich besteht derzeit keine glaubwürdige Aussicht, divergente<br />
Hintergrundtheorien, die Akteure zu unterschiedlichen Konzeptualisierungen desselben<br />
Realitätsausschnitts veranlassen, mittels intertheoretischer Übersetzungen kompensieren zu können.<br />
Aus den vorgenannten Gründen erscheint es heute als erkenntnistheoretisch hoffnungsloses Unterfangen,<br />
Übereinstimmungsmängel von Konzeptualisierungen infolge unterschiedlicher Hintergrundtheorien<br />
durch nachträgliche Beseitigungs- oder Kompensationsmaßnahmen heilen zu wollen.<br />
Sofern die Konzeptualisierungen mehrerer Akteure, die bei der arbeitsteiligen Erfüllung einer gemeinsamen<br />
Aufgabe zusammenarbeiten, nicht von vornherein zufällig übereinstimmen, stellen unterschiedliche<br />
Hintergrundtheorien eine „erkenntnistheoretische“ Barriere für das Ontology Engineering<br />
dar, die sich nach heutigem Kenntnisstand im Allgemeinen nicht überwinden lässt. Daher<br />
führen unterschiedliche Hintergrundtheorien aus erkenntnistheoretischer Perspektive zu einem<br />
schwerwiegenderen Problem für die gemeinsam verwendete Konzeptualisierung von Realitätserfahrungsmöglichkeiten<br />
in einer Ontologie, als es oben für Konzeptualisierungsdiskrepanzen aufgrund<br />
unterschiedlicher Begriffe skizziert wurde.<br />
Eine grundsätzliche Lösungsmöglichkeit für das erkenntnistheoretische Problem unterschiedlicher<br />
Hintergrundtheorien lässt sich aus der These der doppelten ontologischen Relativität von QUINE 448)<br />
ableiten: Es müsste mindestens eine gemeinsame Rahmentheorie 449) existieren, die den einheitlichen<br />
Bezugspunkt für Hintergrundtheorien mit unterschiedlichen Konzeptualisierungen des betroffenen<br />
Realitätsausschnitts bildet. In diese Rahmentheorie lassen sich die unterschiedlichen Konzeptualisierungen<br />
einbetten und ineinander übersetzen. 450) Allerdings sieht der Verfasser in der Vorstellung<br />
solcher Rahmentheorien keinen substanziellen „Durchbruch“ hinsichtlich des Problems unterschiedlicher<br />
Hintergrundtheorien. Denn es erfolgt lediglich eine Problemverschiebung: Zunächst<br />
447) Vgl. STEGMÜLLER (1987a) S. 297 ff., insbesondere S. 298 f.<br />
448) Vgl. dazu Kapitel 1.3.1.1.1 auf S. 119 ff.<br />
449) Vgl. zu Rahmentheorien im Zusammenhang mit der These der doppelten ontologischen Relativität STEGMÜLLER (1987a) S. 301<br />
f. Eine solche Rahmentheorie wäre erforderlich, um die Übersetzbarkeit von (Hintergrund-) Theorien ineinander zu gewährleisten;<br />
vgl. STEGMÜLLER (1987a) S. 302. Daher entfällt die früher erwähnte alternative Option der Übersetzung zwischen divergenten<br />
Ontologien, falls keine Rahmentheorie im hier skizzierten Verständnis zur Verfügung steht.<br />
450) Vgl. auch HARS (2001) S. 69 ff. Zwar stellt HARS dort keine Rahmentheorien vor, sondern ein „comprehensive model of scientific<br />
knowledge“ (S. 69). Er versteht es als ein „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen, in das sich<br />
vier etablierte konzeptuelle Modelle (im Sinne von Ontologien) für wissenschaftliches Wissen, die sich hinsichtlich ihrer Begriffe<br />
und begrifflichen Abhängigkeiten deutlich voneinander unterscheiden (vgl. S. 66 ff., u.a. mit Bezug auf POPPER und<br />
BUNGE), übersetzen lassen. HARS verwendet sein „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen etwa in<br />
der Art, die man von einer Rahmentheorie für die Einbettung unterschiedlicher Konzeptualisierungen erwarten würde. Allerdings<br />
geht er nur oberflächlich darauf ein, wie sich die Begriffe und die begrifflichen Abhängigkeiten zwischen den vier unterschiedlichen<br />
konzeptuellen Modellen für wissenschaftliches Wissen bedeutungserhaltend ineinander übersetzen lassen.
226 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
wurde die gemeinsame Verwendung einer einheitlichen Ontologie durch unterschiedliche Konzeptualisierungen<br />
eines Realitätsausschnitts verhindert, die auf dem Gebrauch verschiedener Hintergrundtheorien<br />
durch die involvierten Akteure beruhen. Alsdann wird die Verschiedenartigkeit der<br />
Hintergrundtheorien durch eine gemeinsame Rahmentheorie geheilt. Wenn dies so ist, dann wird<br />
das erkenntnistheoretische Problem lediglich von der Verwendung einer einheitlichen Ontologie auf<br />
den Gebrauch einer gemeinsamen Rahmentheorie verschoben. Denn es ließe sich natürlich in Frage<br />
stellen, warum eine solche gemeinsame Rahmentheorie existieren sollte, wenn bereits die Hintergrundtheorien<br />
der Akteure voneinander abweichen. Zwar mag es in Einzelfällen eine solche gemeinsame<br />
Rahmentheorie geben. Aber es sind keine „zwingenden“ Argumente bekannt, warum<br />
dies im Falle divergenter Konzeptualisierungen des Öfteren – oder sogar grundsätzlich – der Fall<br />
sein sollte.<br />
Das Problem unterschiedlicher Hintergrundtheorien wird noch verschärft, wenn nicht der Einfluss<br />
einzelner Theorien auf die Konzeptualisierung eines Realitätsausschnitts betrachtet wird, sondern<br />
der Konzeptualisierungseinfluss, der von Sprach-, Rationalitäts- und Methodenstandards ganzer Paradigmen<br />
ausgeübt werden kann. Denn es droht stets das fundamentale Problem der Inkommensurabilität<br />
451) , wenn Akteure vor dem Hintergrund unterschiedlicher Paradigmen denken und argumentieren:<br />
Die Anhänger unterschiedlicher Paradigmen können aufgrund ihrer unverträglichen –<br />
„inkommensurablen“ – Denk- und Argumentationsweisen zu verschiedenartigen Konzeptualisierungen<br />
desselben Realitätsausschnitts gelangen. Sofern sich die zugrunde liegenden Paradigmen<br />
tatsächlich als inkommensurabel erweisen, besteht per definitionem, also prinzipiell, keine Aussicht,<br />
die Übereinstimmungsmängel zwischen den verschiedenartigen Konzeptualisierungen nachträglich<br />
zu beseitigen oder zu kompensieren. Daher stellt die erkenntnistheoretisch begründete Inkommensurabilität<br />
die „ultimative“ Barriere gegenüber dem Ziel dar, unterschiedliche Konzeptualisierungen<br />
desselben Realitätsausschnitts in einer von mehreren Akteuren gemeinsam verwendeten<br />
Ontologie zusammenzuführen. Sofern mehrere konkurrierende, inkommensurable Paradigmen existieren<br />
und den Konzeptualisierungen desselben Realitätsausschnitts zugrunde gelegt werden, lässt<br />
sich der programmatische Anspruch von Ontologien im Sinne des „shared ontology paradigm“<br />
nicht erfüllen. Dies entspricht vor allem relativistischen Erkenntnispositionen, deren Vertreter sich<br />
insbesondere auf die Inkommensurabilität wissenschaftlicher Paradigmen berufen.<br />
Ein Entrinnen aus dem fundamentalen Inkommensurabilitätsproblem lässt sich nur in zwei Weisen<br />
vorstellen. Einerseits ist es möglich, dass Akteure „zufällig“ von vornherein hinsichtlich ihrer Konzeptualisierungen<br />
übereinstimmen, so dass – nach formalsprachlicher Spezifikation – eine gemeinsam<br />
verwendete Ontologie vorliegt. Dieser Fall ist trivial und bedarf keiner vertiefenden Erörterung.<br />
Andererseits kann es sein, dass die Konzeptualisierungen desselben Realitätsausschnitts durch<br />
unterschiedliche Akteure zwar nicht von vornherein übereinstimmen, aber die Übereinstimmungsmängel<br />
nicht auf inkommensurablen Paradigmen für das Denken und Argumentieren der Akteure<br />
beruhen. Dies kann zum einen auf den bereits früher erörterten Fällen beruhen, dass Konzeptualisierungen<br />
aufgrund von unterschiedlichen begrifflichen Vorstrukturierungen oder aufgrund von unterschiedlichen<br />
Hintergrundtheorien divergieren (aber nicht hinsichtlich der jeweils zugrunde liegenden<br />
Paradigmen als Denk- und Argumentationsmustern). Zum anderen können Übereinstimmungsmängel<br />
auch darauf beruhen, dass die betroffenen Akteure bei ihren Konzeptualisierungen zwar von<br />
unterschiedlichen Paradigmen geleitet wurden, sich diese Paradigmen aber nicht als inkommensu-<br />
451) Vgl. dazu die Ausführungen zur Inkommensurabilität von Theorien, die im Kapitel 1.1.2 erfolgten (S. 47 ff.).
1.3.1 Einführung in das Themenfeld „Ontologien“ 227<br />
rabel erweisen, sondern ihre Denk- und Argumentationsmuster wechselseitig ineinander „übersetzt“<br />
werden können.<br />
Der zuletzt genannte Fall ist aus erkenntnistheoretischer Perspektive der interessanteste. Denn es<br />
lässt sich beispielsweise 452) mit Hilfe des Strukturalistischen Theorienkonzepts 453) zeigen, dass Paradigmen<br />
zwar verschieden, aber nicht notwendig inkommensurabel sein müssen. Den Schlüssel<br />
hierzu bilden Theoriennetze 454) , die jeweils ein Paradigma im Sinne von KUHN strukturalistisch rekonstruieren.<br />
Es ist möglich, zwischen manchen (nicht allen) Theoriennetzen Übersetzungsrelationen<br />
zu definieren, die eine Kommensurabilität der Theoriennetze, d.h. Paradigmen gestatten. Dazu<br />
gehören z.B. Relationen der wissenschaftlichen Theorienreduktion. In der hier gebotenen Kürze besteht<br />
nicht der Argumentationsraum, die erforderlichen Details zu entfalten. 455) Aber die knappen<br />
Andeutungen reichen aus, um zu belegen, dass sich durchaus nicht alle Paradigmen als inkommensurabel<br />
erweisen müssen. Daher stellt es eine Herausforderungen an die Erkenntnistheorie dar,<br />
durch die strukturalistische Rekonstruktion von Theoriennetzen den „schwammigen“ Begriff der<br />
Paradigmen zu präzisieren, Übersetzungsrelationen zwischen solchen Theoriennetzen aufzuzeigen<br />
und auf diese Weise die epistemologische „Frontlinie“ zwischen kommensurablen und inkommensurablen<br />
Paradigmen immer weiter zu Lasten der angeblich inkommensurablen Paradigmen zu verschieben.<br />
456) Umso mehr es gelingt, den Bereich inkommensurabel erscheinender Paradigmen einzudämmen,<br />
desto kleiner wird das Refugium, innerhalb dessen sich die „ultimative“ Barriere der<br />
Inkommensurabilität gegenüber Ontologien zu behaupten vermag. Da sich dieser Bereich inkommensurabel<br />
erscheinender Paradigmen mittels des Strukturalistischen Theorienkonzepts eingrenzen,<br />
tendenziell sogar verkleinern lässt, stellt der „non statement view“ dieses Konzepts einen wichtigen<br />
erkenntnistheoretischen Beitrag zur Verwirklichung des Ziels dar, unterschiedliche Konzeptualisierungen<br />
desselben Realitätsausschnitts in einer von mehreren Akteuren gemeinsam verwendeten Ontologie<br />
zusammenzuführen. In dieser Hinsicht offenbart sich ein zweiter 457) , erkenntnistheoretisch<br />
hochinteressanter Berührungspunkt zwischen dem Strukturalistischen Theorienkonzept einerseits<br />
und Ontologien andererseits.<br />
452) Ein anderer Ansatz, die Kommensurabilität von Paradigmen herbeizuführen, lässt sich ausschließlich innerhalb der Ontologieforschung<br />
lokalisieren. Er betrifft die Commonsense-Ontologien, die bereits an früherer Stelle kurz erwähnt wurden (vgl. S.<br />
201). Sie lassen sich benutzen, um ein gemeinsames begrifflich-inhaltliches Verständnis derjenigen Sprach-, Rationalitäts- und<br />
Methodenstandards zu entwickeln, die verschiedenen Paradigmen zugrunde liegen. Aufgrund eines solchen gemeinsamen Verständnisses<br />
können die innerparadigmatischen Standards zwischen den Paradigmen miteinander verglichen und unter günstigen<br />
Umständen auch ineinander übersetzt werden. Diese Ideenskizze wurde nach Kenntnis des Verfassers aber bislang durch keine<br />
Commonsense-Ontologie konkret umgesetzt. Daher besteht (nicht nur) in dieser Hinsicht ein erheblicher zukünftiger Forschungs-<br />
und Konkretisierungsbedarf.<br />
453) Vgl. die Erläuterungen zum Strukturalistischen Theorienkonzept im Kapitel 1.3.1.1.1 auf S. 128 ff.<br />
454) Vgl. ZELEWSKI (1993a) S. 151 ff. und 333 ff.<br />
455) Vgl. stattdessen die ausführlichere Argumentation zum Verhältnis zwischen Theoriennetzen, Paradigmen, Inkommensurabilität<br />
und Theorienreduktion in ZELEWSKI (1993a) S. 395 ff. u. 430 ff.<br />
456) Vgl. zu einer solchen Frontlinienverschiebung im Bereich produktionswirtschaftlicher Theorien exemplarisch ZELEWSKI<br />
(1993a) S. 395 ff.<br />
457) Der erste Berührungspunkt zwischen dem Strukturalistischen Theorienkonzept und Ontologien wurde in diesem Beitrag auf S.<br />
131 f. erläutert. Es handelte sich um die Perspektive, den terminologischen Apparat einer Theorie T, der im Strukturalistischen<br />
Theorienkonzept durch die potenzielle Modellmenge M p(T) spezifiziert wird, mit der Hilfe von Ontologien wesentlich „reichhaltiger“<br />
auszugestalten, als es im Strukturalistischen Theorienkonzept üblich ist.
228 1.3.1 Einführung in das Themenfeld „Ontologien“<br />
Die vielfältigen erkenntnistheoretischen Probleme, die bei der Konstruktion und der Verwendung<br />
458) von Ontologien zu beachten sind, konnten in der hier gebotenen Kürze nur rudimentär beleuchtet<br />
werden. Dennoch hofft der Verfasser, dass es mit seinen knappen Ausführungen gelungen<br />
ist, die Plausibilität zweier Postulate zu verdeutlichen.<br />
Erstens verlangen die vielfältigen erkenntnistheoretischen Probleme anlässlich der Konstruktion<br />
und der Verwendung von Ontologien danach, eine in sich konsistente erkenntnistheoretische Position<br />
einzunehmen und diese auch offen zu legen. Andernfalls wären umfassende Interpretationen der<br />
Arbeiten über Ontologien erforderlich, um die nicht explizierten Präsuppositionen zu erkenntnistheoretischen<br />
Problemen aufzudecken. Dabei besteht immer die Gefahr einer Fehlinterpretation der<br />
jeweils betroffenen Autoren. Darüber hinaus kann das Fehlen klarer Grundsatzpositionen dazu führen,<br />
dass sich in die Argumentation eines Autors – z.B. infolge Unkenntnis oder wegen Vernachlässigung<br />
erkenntnistheoretischer Probleme – Inkonsistenzen einschleichen.<br />
Zweitens sind beim Umgang mit Ontologien Antworten auf schwerwiegende erkenntnistheoretische<br />
Probleme zu geben, die selbst in der Philosophie noch heftig diskutiert werden. Dazu gehören z.B.<br />
die These von QUINE über die doppelte ontologische Relativität sowie die These von KUHN und<br />
FEYERABEND über die Inkommensurabilität von Paradigmen. In diesem Zusammenhang sollte anlässlich<br />
der Erforschung und Entwicklung von Ontologien vor allem beachtet werden, welche erkenntnistheoretischen<br />
Konsequenzen von unterschiedlichen epistemologischen Positionen jeweils<br />
impliziert werden:<br />
• Beispielsweise lässt eine naiv-realistische Position zumindest potenziell die größten Erkenntnisfortschritte<br />
beim Umgang mit Ontologien erwarten. Denn diese Position gestattet es, zugunsten<br />
der Plausibilität gemeinsam verwendeter Ontologien auf das „ontologische Fundament“ einer<br />
subjektunabhängig existierenden und auch subjektunabhängig erkennbaren Realität zu verweisen.<br />
Allerdings wird der Fortschrittsoptimismus bezüglich gemeinsam verwendeter Ontologien<br />
mit der erkenntnistheoretischen Fragwürdigkeit einer naiv-realistischen Position erkauft.<br />
• Wird hingegen eine sprach- oder theorienrelativistische Position eingenommen, so unterliegt<br />
die Vorstellung gemeinsam verwendeter Ontologien erheblichen erkenntnistheoretisch begründeten<br />
Einschränkungen. Aus dieser Perspektive kann eine „moderate“ Skepsis gegenüber gemeinsam<br />
verwendeten Ontologien nicht vermieden werden. Jedoch lässt sich diese skeptische<br />
Position durch die erkenntnistheoretische Plausibilität „aufgeklärt“ realistischer, konstruktivistischer<br />
und relativistischer Positionen rechtfertigen.<br />
Die Erwartungen, die an die Ontologieforschung und -entwicklung „mit guten Gründen“ gerichtet<br />
werden können, lassen sich daher nicht unabhängig von den erkenntnistheoretischen Positionen<br />
formulieren, die im „Basisbereich“ der jeweils betroffenen Wissenschaftsdisziplin eingenommen<br />
werden. Dieser Sachverhalt verdeutlicht die Relevanz der Metawissenschaft „Erkenntnistheorie“ für<br />
Objektwissenschaften wie Betriebswirtschaftslehre, Wirtschaftsinformatik und (Kern-) Informatik.<br />
458) Der Verwendungszusammenhang schließt insbesondere auch die Option ein, Ontologien als Vergleichsstandards für die Beurteilung<br />
konkurrierender Modellierungen – wie z.B. verschiedenartiger Referenzmodelle oder konzeptueller Modelle – zu benutzen.<br />
Vgl. dazu die Ausführungen im Kapitel 1.3.1.1.1 (S. 117 f.) sowie im aktuellen Kapitel auf S. 214 f.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
DIPL.-KFM. YILMAZ ALAN, UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
1.3.2.1 Rahmensetzung<br />
Obwohl der Begriff Ontologie seit einigen Jahren Eingang in verschiedene Wissenschaftsdisziplinen<br />
gefunden hat, wird er des Öfteren mit sehr unterschiedlichen Verständnissen verbunden. 1) Zumeist<br />
wird das jeweilige Verständnis nur natürlichsprachlich angedeutet und in den „günstigsten“<br />
Fällen mit exemplarischen Formalisierungen verdeutlicht. Eine solche Vorgehensweise birgt die<br />
Gefahr, den Ontologiebegriff zu „verwässern“ und gegenüber alternativen Begrifflichkeiten keine<br />
klare Trennschärfe zu bieten. Um für das Projekt KOWIEN eine präzise Argumentationsgrundlage<br />
zu schaffen, wurde daher das Verständnis, das mit dem Begriff „Ontologie“ verbunden wird, formal<br />
festgelegt. Mit dem vorliegenden Beitrag wird dieses Verständnis erläutert. 2)<br />
Als Ansatzpunkt für die Präzisierung des Ontologieverständnisses dient die Prädikatenlogik erster<br />
Stufe. 3) Aus den vielfachen Logikvarianten, die der Prädikatenlogik (erster Stufe) entstammen, wird<br />
die sortierte Prädikatenlogik als elaborierte Logikvariante herangezogen. Für die Spezifikation der<br />
objektsprachlichen Komponenten von Ontologien werden ontologische Signaturen eingeführt. Bei<br />
ontologischen Signaturen handelt es sich um kanonische Erweiterungen konventioneller oder sortierter<br />
Signaturen für die konventionelle 4) bzw. sortierte 5) Prädikatenlogik. Im Fall der konventionellen<br />
Prädikatenlogik sind Signaturen darauf beschränkt, für Operations- und Prädikatssymbole 6)<br />
1) Vgl. dazu die Diskussion des Ontologiebegriffs in Kapitel 1.3.1.1.1 (S. 118 ff.) und 1.3.1.1.3 (S. 141 ff.).<br />
2) Das formalsprachlich präzisierte Ontologieverständnis lehnt sich an andere Arbeiten an, die ebenso darauf abzielen, die Vagheiten<br />
von Ontologiedefinitionen, wie sie beispielsweise von GRUBER vorgeschlagen und vielfach rezipiert wurden (vgl. Kapitel<br />
1.3.1.1.3, S. 143 ff.), zu überwinden. Zu diesen inhaltlich verwandten Arbeiten zählt insbesondere MAEDCHE (2002) S. 17 ff. u.<br />
30 ff. Vgl. daneben auch ERDMANN (2001) S. 76 ff. Wesentliche und umfangreiche Vorarbeiten zum hier vorgelekten Beitrag<br />
hat einer seiner Verfasser in ALAN (2004) S. 11 ff. geleistet.<br />
3) Vgl. dazu auch den Ansatz von KLAPSING (2003) S. 69 ff., die Semantik von RDF mittels der Prädikatenlogik 1. Stufe zu präzisieren.<br />
Den Argumenten, die KLAPSING (2003) auf S. 7, 64 u. 68 zugunsten der prädikatenlogischen Ausdrucksweise anführt,<br />
können sich die Verfasser vorbehaltlos anschließen.<br />
4) Für einen Überblick über die konventionelle Prädikatenlogik vgl. BEIERLE/KERN-ISBERNER (2000) S. 46 ff.; BUCHER (1987) S.<br />
161 ff.; EBBINGHAUS/FLUM/THOMAS (1992) S. 13 ff.; HERMES (1991) S. 50 ff. in Verbindung mit S. 36 ff., 71 ff. u. 83 ff.; SOWA<br />
(2000) S. 467 ff.<br />
5) Zur sortierten Prädikatenlogik vgl. GALLIER (1986) S. 448 ff.; KREOWSKI (1991) S. 33 ff.; LOECKX/EHRICH/WOLF (1996) S. 83<br />
ff.; MANZANO (1993) S. 10 ff.; SOWA (2000) S. 20 ff. u. 473 f.<br />
6) Prädikatenlogische Kalküle können auf verschiedenartigen Basiskonstrukten aufbauen. Die anschließenden Ausführungen beruhen<br />
auf den Basiskonstrukten der Operations- und der Prädikatssymbole. Sie unterscheiden sich in formaler Hinsicht durch<br />
eine unterschiedliche Struktur (darauf wird später näher eingegangen) und in materieller Hinsicht durch die Voraussetzung unterschiedlicher<br />
metasprachlicher Prädikate. In einer formalen Semantik setzen Interpretationen von Operationssymbolen die<br />
Definition des metasprachlichen Gleichheitsprädikats („=“) voraus, während Prädikatssymbole zu ihrer Interpretation die metasprachlichen<br />
Wahrheitswerte „gültig“ (oder „wahr“) und „ungültig“ (oder „falsch“) sowie hinsichtlich ihrer Extensionen das<br />
metasprachliche Elementprädikat („∈“) erfordern.<br />
In alternativen Kalkülen lassen sich die Operations- durch Funktions- und die Prädikats- durch Relationssymbole ersetzen. Dadurch<br />
ändert sich zwar die Form, nicht aber der „Gehalt“ der prädikatenlogischen Kalküle. Zwischen Operations- und Funktionssymbolen<br />
besteht – abgesehen von ihrer Bezeichnung – kein substanzieller formaler Unterschied. Dagegen lassen sich Relations-<br />
und Prädikatssymbole in formaler Hinsicht deutlich unterscheiden. Denn in einer formalen Semantik wird jedem Relationssymbol<br />
eine Relation als „mengenartiger“ Ausdruck zugeordnet, während jedem Prädikatssymbol (atomare) Prädikate als
230 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
natürliche Zahlen als Stelligkeit anzugeben. Mit der Stelligkeit wird angegeben, wie viele Terme im<br />
Argument von Operations- und Prädikatssymbolen zur Konstruktion konventioneller Ausdrücke<br />
verwendet werden dürfen. Eine inhaltlich reichhaltigere Spezifikation von Stelligkeiten liegt hingegen<br />
im Fall der sortierten Prädikatenlogik vor. In einer sortierten Signatur werden nämlich Operations-<br />
und Prädikatssymbole mit Sortenketten typisiert. Mit dieser – gegenüber der Typisierung in<br />
der konventionellen Prädikatenlogik – reichhaltigeren Typisierung wird nicht nur angegeben, wie<br />
viele Terme in den jeweiligen Argumenten verwendet werden dürfen, sondern auch, zu welcher<br />
Sorte ein Term jeweils gehören muss.<br />
1.3.2.2 Syntaktische Aspekte von Ontologien<br />
1.3.2.2.1 Ontologische Signaturen<br />
Für die Konstruktion einer Ontologie wird eine ontologische Signatur 7) benötigt, mit deren Hilfe die<br />
objektsprachlichen Ausdrucksmittel einer Ontologie spezifiziert sind. Eine ontologische Signatur<br />
SIG wird hier definiert als ein 13-Tupel:<br />
SIG = (K,MEN,ALPH,,,,OPS,typOPS,PS,typPS,VARF,bezflan,defflan,).<br />
Die Komponenten einer ontologischen Signatur SIG sind: 8)<br />
1. eine Menge K = {k1,...,kN} von Konzepten kn mit n = 1,...,N, N∈N+,<br />
K = KEW∪KMW∪{,⊥} und<br />
KEW∩KMW = ∅,<br />
2. eine Mengenfunktion MEN: KEW → KMW,<br />
3. eine Menge ALPH metasprachlicher Zeichen<br />
ALPH = {0,1,...,9,a,b,...,z,A,B,...,Z,,,;,.,:,+,-,?,!,$,%;/,(,),=, ,},<br />
gültige (prädikaten-) logische Formeln zugewiesen werden. Allerdings lassen sich Relations- und Prädikatssymbole trotz dieser<br />
Unterschiedlichkeit ihrer formalen Semantik aus zwei Gründen als „äquivalente“, wechselseitig ineinander transformierbare<br />
Basiskonstrukte auffassen. Erstens können Prädikatssymbole als spezielle Relationssymbole mit der Besonderheit aufgefasst<br />
werden, dass in jeder formalen Semantik genau eine (im Allgemeinen die letzte) Relationsstelle nur Werte aus dem Definitionsbereich<br />
der formalsprachlichen Wahrheitswerte annehmen darf. Zweitens lassen sich die Prädikate, die einem Prädikatssymbol<br />
in einer formalen Semantik zugewiesen werden, in einer so genannten „extensionalen“ Form festlegen: Die Extension<br />
eines Prädikats ist die Menge aller Prädikatsargumente, für die das Prädikat „gültig“ (oder „wahr“) ist. Diese „mengenartige“<br />
Extension kann ihrerseits als eine Relation aufgefasst werden, welche die „Bedeutung“ des Prädikats „äquivalent“ wiedergibt.<br />
Auf diese letztgenannte, extensionale Darstellungsvariante der Interpretation von Prädikatssymbolen, die sich in prädikatenlogischen<br />
Kalkülen des Öfteren findet, wird auch in dem hier vorgestellten Kalkül zurückgegriffen. Infolgedessen werden hier sowohl<br />
Prädikatssymbole (auf der rein syntaktischen Ebene) als auch Relationen (auf der semantischen Ebene für die extensionale<br />
Interpretation von Prädikatssymbolen) verwendet. Darüber hinaus werden sowohl Operationssymbole und Operationen als auch<br />
Funktionen verwendet. Sie werden derart unterschieden, dass auf der objektsprachlichen Ebene ausschließlich Operationssymbole<br />
und ihnen zugeordnete Operationen verwendet werden, während auf der metasprachlichen Ebene nur von Funktionen die<br />
Rede ist. Da auf der metasprachlichen Ebene – im Gegensatz zur objektsprachlichen Ebene – nicht zusätzlich zwischen einer<br />
rein syntaktischen Ebene und der Ebene der formalen Semantik unterschieden wird, kann auf der metasprachlichen Ebene auf<br />
die inhaltliche Differenzierung zwischen Funktionssymbolen und Funktionen verzichtet werden. Stattdessen wird dort der Einfachheit<br />
halber nur von Funktionen gesprochen. Sie verfügen (analog zu den Operationen auf der objektsprachlichen Ebene)<br />
jeweils über wohldefinierte Funktionsvorschriften (anstelle von Operationsvorschriften).<br />
7) Die Bezeichnungen ontologische Signatur und Ontologie-Signatur werden synonym verwendet.<br />
8) Die einzelnen Komponenten werden im nachfolgenden Text jeweils näher erläutert.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 231<br />
4. eine Subkonzeptrelation ⊆ (K × K)<br />
mit: 4.1. ∀k∈K: k k<br />
4.2. ∀k1,k2∈K: k1 k2 ∧ k2 k1 → k1 = k2<br />
4.3. ∀k1,k2,k3∈K: k1 k2 ∧ k2 k3 → k1 k3,<br />
4.4.<br />
4.4.1. ∀k∈K: k ,<br />
4.4.2 ∀k∈K: ⊥ k,<br />
5. eine Äquivalenzrelation ⊆ (K × K)<br />
mit: 5.1. ∀k∈K: k k<br />
5.2. ∀k1,k2∈K: k1 k2 ↔ k2 k1<br />
5.3. ∀k1,k2,k3∈K: k1 k2 ∧ k2 k3 → k1 k3,<br />
6. eine Inkompatibilitätsrelation ⊆ (K × K)<br />
mit: 6.1. ∀k∈K: ¬(k k),<br />
6.2. ∀k1,k2∈K: k1 k2 ↔ k2 k1,<br />
6.3. ∀k1,k2∈K: k1 k2 → (∀k∈K: k k1 → k || k2),<br />
7. eine Menge OPS = {O1,...,OI}<br />
von Operationssymbolen Oi mit i = 1,...,I und I∈N+,<br />
8. eine Operationssymboltypisierungsfunktion 9)<br />
typOPS: OPS → K*×K,<br />
9. eine Menge PS = {P1,...,PJ}<br />
von Prädikatsymbolen PSj mit j = 1,...,J und J∈N+,<br />
10. eine Prädikatssymboltypisierungsfunktion<br />
typPS: PS → K*,<br />
11. eine Familie 10) VARF = (VARk)k∈K 11)<br />
konzeptspezifischer Variablenmengen,<br />
9) Die Notation M* drückt das n-fache kartesische Produkt über der Menge M mit einem beliebigen – in der generischen Signaturspezifikation<br />
nicht konkret festgelegten – n∈N aus. Dies schließt auch den Grenzfall n=0 ein, in dem das n-fache kartesische<br />
Produkt M* zur leeren Menge ∅ degeneriert. Dieser Grenzfall ist z.B. nötig, um Konstantensymbole als null-stellige Operationssymbole<br />
einführen zu können.<br />
10) Der Terminus technicus „Familie“ wird in diesem Beitrag aus zwei Anlässen verwendet (die auch miteinander kombiniert auftreten<br />
können). Erstens lassen sich mehrere Mengen in einer so genannten „Familie“ zu einer Gesamtheit zusammenfassen, ohne<br />
sich den mengentheoretischen Paradoxien auszusetzen, die aus der Konstruktion von (übergeordneten) Mengen aus (untergeordneten)<br />
Mengen ergeben können, wie z.B. die Paradoxie der „Menge aller Mengen, die sich nicht selbst als Element enthalten“.<br />
Auf diesem ersten Grund beruht die o.a. Familie VARF, in der mehrere Variablenmengen zu einer Gesamtheit zusammengefasst<br />
werden. In einem solchen Fall wird auch von einer „Mengenfamilie“ gesprochen. Hinzu kommt, dass eine Familie<br />
FAM aus n Objekten X 1,...,X n mit n∈N als ein n-Tupel FAM = (X 1,...,X n) dargestellt wird. Da ein solches n-Tupel stets ein geordnetes<br />
Konstrukt ist, können die Objekte X 1,...,X n aus der Familie FAM anhand ihrer Position innerhalb des n-Tupels<br />
(X 1,...,X n) eindeutig identifiziert werden. Daher kann eine Familie an unterschiedlichen Positionen ihres n-Tupels (X 1,...,X n)<br />
durchaus identische Objekte enthalten, d.h. es darf X q=X r für beliebige q und r mit q≠r und 1 ≤ q,r ≤ n gelten. Damit unterscheiden<br />
sich Familien als geordnete Konstrukte von Mengen als ungeordneten Konstrukten, deren Elemente jeweils paarweise<br />
wohlunterschieden sein müssen. Aufgrund dieses Unterschieds bieten sich Familien immer dann ein, wenn den n Elementen aus<br />
einer Referenzmenge jeweils ein Objekt X 1,...,X n eineindeutig zugeordnet werden soll, ohne sich von vornherein darauf festlegen<br />
zu wollen, dass diese Objekte jeweils paarweise wohlunterschieden sein müssen (zweiter Grund).<br />
11) Die Notation (VAR k) k∈K vertritt – in abgekürzter Schreibweise – ein n-Tupel (VAR 1,...,VAR n), das jedem Konzept k q∈K mit<br />
q = 1,...,n genau eine Menge VAR q aus konzeptspezifischen Variablen zuordnet.
232 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
12. eine Familie bezf = (bezlan)lan∈{ger,eng,fr,...}<br />
sprachspezifischer Bezeichnungsfunktionen mit<br />
bezlan: K ∪ OPS ∪ PS → pot+(ALPH*) 12) und<br />
13. eine Familie deff = (deflan)lan∈{ger,eng,fr...}<br />
sprachspezifischer Definitionsfunktionen mit<br />
deflan: K ∪ OPS ∪ PS → ALPH*.<br />
Bei den Elementen der Mengen K, OPS, PS und VARF handelt es sich um objektsprachliche Konstrukte.<br />
Bei den restlichen Komponenten einer Ontologie-Signatur SIG handelt es sich um metasprachliche<br />
Konstrukte. Hierzu gehören die Mengenfunktion MEN, das metasprachliche Alphabet<br />
ALPH, die Subkonzeptrelation , die Äquivalenzrelation , die Inkompatibilitätsrelation , die<br />
Operationssymboltypisierungsfunktion typOPS, die Prädikatssymboltypisierungsfunktion typPS, die<br />
Familie bezf sprachspezifischer Bezeichnungsfunktionen und die Familie deff sprachspezifischer<br />
Definitionsfunktionen.<br />
Primäres objektsprachliches Ausdrucksmittel in ontologischen Signaturen sind Konzepte. Sie werden<br />
in materieller Hinsicht verwendet, um generalisierte („generische“), d.h. nicht einzelfallspezifische<br />
Konzeptualisierungen von Erkenntnisobjekten aus einem jeweils betrachteten oder unterstellten<br />
Realitätsausschnitt auszudrücken. Darüber hinaus dienen sie in formaler Hinsicht dazu, Operations-<br />
und Prädikatssymbole zu typisieren. Diese metasprachliche Typisierung von Operations- und<br />
Prädikatssymbolen gestattet es, bereits in der Syntax zur Konstruktion von Aussagen über ontologischen<br />
Signaturen solche Aussagen auszuschließen, die sich jeder „sinnvollen“ 13) Auswertung 14) entziehen.<br />
Dieser Ausschluss wird später dadurch realisiert, dass sowohl die Menge aller Terme als<br />
auch die Menge aller formalen Objekte jeweils in einer konzeptspezifischen Weise ausdifferenziert<br />
werden. 15) Diese zweifache Differenzierung hebt ontologische Signaturen deutlich von konventionellen<br />
Signaturen ab. Für konventionelle Signaturen ist nämlich eine Differenzierung weder für die<br />
Termmenge noch für die Objektmenge bekannt. Demnach können in der konventionellen Prädikatenlogik<br />
auf der syntaktischen Ebene keine objektsprachlichen Aussagen ausgeschlossen werden,<br />
für die vom Gestalter einer Ontologie eine sinnvolle Auswertung als unmöglich erachtet wird.<br />
12) Die Notation „pot +(M)“ drückt die „positive“ Potenzmenge über einer beliebigen Menge M aus, d.h. die Menge aller nichtleeren<br />
Teilmengen der Menge M. Da als Bezeichner für eine Signaturkomponente nur ein- oder mehrstellige Zeichenketten aus<br />
dem Alphabet ALPH verwendet werden sollen, wird die leere Menge – die Element jeder „normalen“ Potenzmenge ist – hier<br />
bewusst ausgeschlossen.<br />
13) Der „Sinn“ von ontologischen Aussagen wird innerhalb einer ontologischen Signatur durch die Konzepte festgelegt, über die<br />
sich Operations- und Relationssymbole in ihren Argumentstellen erstrecken dürfen. Diese Sinnfestlegungen lassen sich „außerontologisch“<br />
durch natürlichsprachliche Kommentare oder natürlichsprachliche Korrespondenzregeln rechtfertigen, in denen<br />
erläutert wird, aus welchen Beweggründen ein Operations- oder ein Relationssymbol in seinen Argumentstellen auf die jeweils<br />
betroffenen Konzepte festgelegt wurde.<br />
14) Der Terminus technicus der (prädikatenlogischen) Auswertung von Aussagen – präziser: von Formeln und Termen – wird an<br />
späterer Stelle ausführlich erläutert.<br />
15) Auf beide Differenzierungsarten wird in den folgenden Kapiteln 1.3.2.2.2 (S. 241 ff.) und 1.3.2.3.1 (S. 245 ff.) ausführlich eingegangen.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 233<br />
Wie bereits kurz erwähnt, drücken Konzepte auf der materiellen Ebene generalisierte Konzeptualisierungen<br />
von Erkenntnisobjekten aus. Um diese Charakteristik von Konzepten für Ontologien präziser<br />
erfassen zu können, ist eine Differenzierung zwischen mentalen Konzepten 16) einerseits und<br />
sprachlichen Konzepten 17) andererseits notwendig. 18)<br />
Als mentale Konzepte werden jene Entitäten verstanden, mit denen Akteure ihre realweltlichen<br />
Wahrnehmungen oder Vorstellungen strukturieren. 19) Jedes mentale Konzept ist eine Denkeinheit,<br />
über die alle Akteure, die sich auf die Ontologie geeinigt haben, als eine ontologische Gruppe verfügen.<br />
Daher werden mentale Konzepte mitunter als sprachunabhängige Konstrukte angesehen. 20)<br />
Diese „naive“ Sicht wird von den Verfassern jedoch nicht geteilt. Denn sie impliziert die These,<br />
dass sprachfreies oder sprachunabhängiges Denken möglich sei. Stattdessen fühlen sich die Verfasser<br />
der epistemologischen Grundsatzposition verpflichtet, dass sich jeder Denkakt in einer Sprache<br />
vollzieht, so dass die inhärenten Strukturen einer Sprache, in der sich Denken vollzieht, die Bedingungen<br />
der Möglichkeit von Denkinhalten darstellen. Trotz dieser Grundsatzposition ist es wünschenswert,<br />
zwischen den mentalen Konzepten der Akteure einer ontologischen Gruppe einerseits<br />
und den sprachlichen Konzepten aus einer formalsprachlich verfassten Ontologie andererseits unterscheiden<br />
zu können. Zu diesem Zweck wird davon ausgegangen, dass die Akteure einer ontologischen<br />
Gruppe eine natürliche (Hintergrund-) Sprache gemeinsam verwenden, in der sie Denkinhalte<br />
– also auch mentale Konzepte als Denkeinheiten – in der „gleichen Weise“ 21) artikulieren und<br />
auch kommunizieren können. Auch für die Leser dieses Beitrags wird unterstellt, dass sie dieselbe<br />
natürliche Sprache wie seine Verfasser benutzen. Diese gemeinsam verwendete natürliche Sprache<br />
wird im Folgenden stets als „gegeben“ vorausgesetzt und nicht weiter explizit thematisiert (daher<br />
wird sie auch als „Hintergrund-Sprache“ bezeichnet). Aufgrund der voranstehenden Erläuterungen<br />
können mentale Konzepte nur in dem „aufgeklärten“ Sinne als sprachunabhängig aufgefasst werden,<br />
dass sie von keiner speziellen (Bezeichner-) Sprache abhängen, wohl aber von der jeweils –<br />
zumindest implizit – zugrunde liegenden Hintergrund-Sprache der jeweils involvierten ontologischen<br />
Akteursgruppe.<br />
16) Synonym zu dem Bezeichner „mentales Konzept“ ist der Bezeichner „Kategorie“, der vornehmlich in den Kognitionswissenschaften<br />
verwendet wird; vgl. LÖBNER (2003) S. 256 f. Seinen Ursprung hat der Bezeichner „Kategorie“ allerdings in der<br />
sprachanalytischen Philosophie; vgl. SOWA (2000) S. 98. Der Bezeichner „Kategorie“ wird auch in der klassischen Ontologie<br />
verwendet. Dort stellt er allerdings kein Synonym zum Bezeichner „(mentales) Konzept“ dar, sondern bezeichnet in der Regel<br />
„sehr allgemein“ definierte Klassen realer Phänomene; vgl. STEGMÜLLER (1989) S. 73 („oberste Wesensgattungen“); TEGTMEI-<br />
ER (1994) S. 400, sowie die Ausführungen in Kapitel 1.3.1 auf S. 119.<br />
17) Der Bezeichner „sprachliches Konzept“ wird für in diesem Beitrag synonym zu dem Bezeichner „Sorte“ verwendet. Sorten<br />
spielen als Basiskonstrukte für die sortierte Prädikatenlogik eine herausragende Rolle. Auf die Verwendung von Sorten in einer<br />
ontologischen Signatur wird noch zurückgekommen.<br />
18) Die Unterscheidung zwischen mentalen und sprachlichen Konzepten klingt ebenso an bei COCCHIARELLA (1996) S. 28 („Concepts<br />
are what underlie predication in thought and language, which ... means that concepts cannot exist independently of the ...<br />
capacity humans have for thought and language.“).<br />
19) Vgl. BUDIN (1996) S. 43; LÖBNER (2003) S. 257 f.; SOWA (1984) S. 39.<br />
20) Vgl. HARRAS/HERMANN/GRABOWSKI (1997) S. 10.<br />
21) Die „gleiche Weise“ des Denkens und Kommunizierens trifft nur so weit zu, wie sich die Gleichheit des jeweils Gemeinten in<br />
einem gemeinsamen „Sprachspiel“ der Akteure einer ontologischen Gruppe im Sinne des „späten“ WITTGENSTEIN überhaupt<br />
feststellen läst. Die Grenzen der Feststellbarkeit des jeweils Gemeinten manifestieren sich vor allem in den Schwierigkeiten,<br />
das „Befolgen einer Regel“ in den Sprachhandlungen von Akteuren zuverlässig zu identifizieren. Vgl. zum Regelbefolgen und<br />
den Schwierigkeiten seiner Identifikation KRIPKE (1987) S. 13 f. u. 17 ff.; LANGE (1998) S. 213 ff., insbesondere S. 235 ff.;<br />
MCDOWELL (1984) S. 327 ff.; STEGMÜLLER (1986b) S. 9 ff. u. 14 ff.; STEGMÜLLER (1989) S. 585 ff.; VON SAVIGNY (1996) S. 94<br />
ff.; WITTGENSTEIN (1977) S. 85 f., 92 ff., 126 ff. u. 132 ff.
234 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Um ein mentales Konzept „ansprechen“, d.h. auf ein solches Konzept Bezug nehmen zu können,<br />
muss es jedoch mit einem Bezeichner aus irgendeiner – natürlichen oder formalen – Sprache referenziert<br />
werden können. Der Bezeichner ist nicht das bezeichnete mentale Konzept, sondern repräsentiert<br />
es nur in derjenigen Sprache, die der expliziten Erörterung von mentalen Konzepten jeweils<br />
zugrunde gelegt wird (Bezeichner-Sprache). Zu diesen Sprachen, in denen mentale Konzepte explizit<br />
erörtert werden können, gehören insbesondere auch die hier interessierenden Ontologien, welche<br />
die sprachlichen Ausdrucksmittel zur Verfügung stellen, mit denen sich Konzeptualisierungen von<br />
Realitätsausschnitten formalsprachlich spezifizieren lassen. Daher werden im Folgenden sprachliche<br />
Konzepte – sofern keine ausdrücklich abweichenden Festlegungen erfolgen – stets im speziellen<br />
Verständnis von formalsprachlichen Konzepten aufgefasst.<br />
Sprachliche Konzepte sind die Bezeichner für mentale Konzepte in einer bestimmten, im Argumentationskontext<br />
jeweils explizit thematisierten (Bezeichner-) Sprache. Es wird davon ausgegangen,<br />
dass jedes sprachliche Konzept genau ein mentales Konzept repräsentiert. Umgekehrt wird angenommen,<br />
dass jedes mentale Konzept durch genau ein sprachliches Konzept repräsentiert wird.<br />
Somit besteht zwischen sprachlichen und mentalen Konzepten eine sowohl links- als auch rechtseindeutige,<br />
also eineindeutige (bijektive) Beziehung. Dabei sind ambige Interpretationen von<br />
sprachlichen Konzepten ausgeschlossen, da vorausgesetzt wird, dass sich die beteiligten Akteure<br />
einer ontologischen Gruppe auf die Beziehungen zwischen sprachlichen Konzepten und mentalen<br />
Konzepten geeinigt haben. Daher gestatten sprachliche Konzepte als „Artikulationseinheiten“ einen<br />
expliziten und eineindeutigen sprachlichen Zugriff auf mentale Konzepte als „Denkeinheiten“.<br />
Die Interpretation eines sprachlichen Konzepts durch ein mentales Konzept ist eine Facette der denotationalen<br />
Semantik 22) von formalsprachlichen Konzepten. In einer solchen denotationalen Semantik<br />
repräsentieren formalsprachliche Konstrukte jeweils außersprachliche Entitäten, auf die mittels<br />
Korrespondenzregeln 23) Bezug genommen wird. Ontologien liegt allerdings ein prädikatenlogischer<br />
Kalkül mit einer formalen Semantik zugrunde, in der – anders als in denotationalen Semantiken<br />
– außersprachliche Referenzen ausgeschlossen sind. Solche Kalküle sind ein wesentliches Charakteristikum<br />
formaler Logiken. In formalen Logiken sind keine Mechanismen vorgesehen, mit denen<br />
– analog zu den vorerwähnten Korrespondenzregeln – auf außersprachliche Entitäten Bezug<br />
genommen werden könnte. Eine Ausprägungsform außersprachlicher Entitäten sind die oben eingeführten<br />
mentalen Konzepte, auf die innerhalb des „ontologischen“ Kalküls nicht Bezug genommen<br />
werden kann. Der Bezug der (formal-) sprachlichen Konzepte aus einer Ontologie zu den jeweils<br />
repräsentierten mentalen Konzepten wird allerdings auf der pragmatischen Ebene der Ontologieanwendung<br />
durch das „Sprachspiel“ der beteiligten Akteure gewährleistet, die sich in einer ontologischen<br />
Gruppe zu der jeweils betroffenen Ontologie „verpflichtet“ haben. Aufgrund dieses einein-<br />
22) Die denotationale Semantik ordnet jedem sprachlichen Ausdruck – hier speziell: jedem sprachlich verfassten Konzept – mindestens<br />
eine außersprachliche Entität als „Gegenstand“ oder „Denotation“ des Ausdrucks zu. Dabei kann es sich um eine einzelne<br />
konkrete Entität (der Ausdruck ist ein „Nominator“), um eine Gruppe einzelner konkreter Entitäten (der Ausdruck ist ein<br />
„Prädikator“, der den Entitäten zukommt) oder um eine Klasse als eine einzelne abstrakte Entität (der Ausdruck ist wiederum<br />
ein „Prädikator“) handeln. Die Denotation eines sprachlichen Ausdrucks ist somit eine Möglichkeit, die extensionale Bedeutung<br />
oder „Referenz“ des Ausdrucks festzulegen. Die denotationale Semantik stellt daher einen Spezialfall der extensionalen Semantik<br />
dar. Vgl. zum denotationalen Semantikverständnis z.B. GABRIEL (2004) S. 451; LEE (1988) S. 225 f.; MENNE (1973) S. 270;<br />
RUSSELL (1905) S. 479 ff. Vgl. auch GOODMAN (1987) S. 95 ff. u. 129 ff., allerdings mit einer Erweiterung des Anwendungsbereichs<br />
von Denotationen, die nicht nur auf sprachliche Ausdrücke, sondern auch auf andere Artefakte, wie z.B. Gemälde, bezogen<br />
werden können.<br />
23) Vgl. zu Korrespondenzregeln OPP (2005) S. 106 f. u. 175 ff.; WOLTERS (2004c) S. 480 f.; ZELEWSKI (1993a) S. 228 u. 230 (mit<br />
weiterführenden Quellenangaben).
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 235<br />
deutigen Bezugs sprachlicher Konzepte zu mentalen Konzepten wird im Folgenden – der bisherigen<br />
und üblichen Diktion folgend – nur von „Konzepten“ gesprochen, wenn aus dem Argumentationskontext<br />
ersichtlich ist, dass es sich um sprachliche Konzepte handelt. Dabei sind stets (formal-)<br />
sprachliche Konzepte innerhalb des Kalküls einer Ontologie gemeint.<br />
Die Menge K aller Konzepte setzt sich aus den zueinander disjunkten Mengen KEW aller einwertigen<br />
Konzepte, der Menge KMW aller mengenwertigen Konzepte sowie zwei ausgezeichneten Konzepten,<br />
dem Maximalkonzept und dem Minimalkonzept ⊥, zusammen:<br />
K = KEW∪KMW∪{,⊥},<br />
mit KEW∩KMW = ∅<br />
Bei den Elementen der Menge KEW handelt es sich um „originäre“ Konzepte aus einer ontologischen<br />
Signatur SIG. Sie werden als einwertige oder skalare Konzepte angesprochen, weil ihnen im<br />
Rahmen einer formalen Semantik jeweils einzelne formale Objekte (oder „Skalare“) als Instanzen<br />
zugeordnet werden können. Die Elemente der Menge KMW sind hingegen mengenwertige Konzepte.<br />
Mengenwertige Konzepte werden mit der Funktion:<br />
MEN: KEW → KMW<br />
von einwertigen Konzepten abgeleitet. 24) Daher können mengenwertige Konzepte als „derivative“<br />
Konzepte charakterisiert werden. Sie zeichnen sich dadurch aus, dass ihnen im Rahmen einer formalen<br />
Semantik jeweils nicht-leere Mengen aus formalen Objekten als Instanzen zugeordnet werden<br />
können. Auf den semantischen Unterschied zwischen einwertigen und mengenwertigen Konzepten<br />
wird später im Kontext der formalen Semantik ontologischer Signaturen näher eingegangen.<br />
Die Menge K aller Konzepte kann durch die metasprachlichen Strukturierungsrelationen , und<br />
in dreifacher Hinsicht strukturiert werden. Dabei dient die Subkonzeptrelation der vertikalen<br />
Strukturierung der Konzeptmenge K. Durch diese Relation werden Über- und Unter-ordnungsbeziehungen<br />
zwischen Konzepten ausgedrückt. Die beiden weiteren Relationen dienen der horizontalen<br />
Strukturierung der Konzeptmenge K aus zwei entgegengesetzten Perspektiven.<br />
Die Subkonzeptrelation definiert auf der Konzeptmenge K eine partielle Ordnung, die sich in den<br />
Relationseigenschaften der Reflexivität, Antisymmetrie und Transitivität niederschlägt. Das Tupel<br />
(K,), das die partielle Ordnung auf der Menge K aller Konzepte darstellt, wird als „Taxonomie“<br />
bezeichnet. Entsprechend wird die Subkonzeptrelation auch als „taxonomische Relation“ bezeichnet.<br />
Die Taxonomie (K,) lässt sich auch als ein gerichteter mathematischer Graph – oder<br />
24) Bei der Funktion MEN handelt es sich um eine partielle Funktion, weil nicht von jedem einwertigen Konzept ein mengenwertiges<br />
Konzept abgeleitet zu sein braucht. Es wird nur dann von einem einwertigen Konzept k∈K EW ein mengenwertiges Konzept<br />
MEN(k)∈K MW abgeleitet, wenn sich dies aus dem Modellierungskontext ergibt. Daher ist die Mächtigkeit |K MW| der Menge<br />
K MW maximal so groß wie, in der Regel jedoch kleiner als die Mächtigkeit |K EW| der Menge K EW. Darüber hinaus ist MEN eine<br />
injektive und zugleich surjektive, also eine bijektive Funktion. Einerseits ist jedes mengenwertige Konzept MEN(k)∈K MW das<br />
Bild zu höchstens einem einwertigen Konzept k∈K EW (Injektivität). Andererseits muss jedes mengenwertige Konzept k´∈K MW<br />
das Bild k´=MEN(k) zu wenigstens einem einwertigen Konzept k∈K EW sein (Surjektivität). Es dürfen also keine mengenwertigen<br />
Konzepte k´∈K MW existieren, die nicht das Bild MEN(k) von einem einwertigen Konzept k∈K EW darstellen. Die Injektivität<br />
der Funktion MEN bedeutet deren Linkseindeutigkeit, während ihre Surjektivität dafür sorgt, dass die Menge K MW der mengenwertigen<br />
Konzepte mit der Bildmenge der Funktion MEN übereinstimmt. Die Eigenschaften der Injektivität und Surjektivität<br />
erfordern jedoch nicht, dass die Menge der Originale der Funktion MEN, denen jeweils ein Element aus der Bildmenge zugeordnet<br />
ist, die Menge K EW aller einwertigen Konzepte vollständig ausschöpft. Somit handelt es sich bei MEN um eine partielle,<br />
bijektive Funktion.
236 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
kurz: Digraph 25) – mit der Konzeptmenge K als Knotenmenge und der Subkonzeptrelation als<br />
Kantenmenge auffassen. In diesem Fall wird die Art des Zusammenhangs zwischen Knoten und<br />
Kanten als die „taxonomische Struktur“ der Konzeptmenge K bezeichnet. 26) Eine Taxonomie weist<br />
eine hierarchische Struktur auf, wenn ihr Digraph (K,) einen Baumgraphen bildet, d.h., wenn jedes<br />
Konzept höchstens ein unmittelbar übergeordnetes Superkonzept besitzt. Eine heterarchische<br />
Taxonomie-Struktur liegt dagegen vor, wenn der Digraph (K,) ein Netz darstellt, d.h., wenn er<br />
mindestens ein Konzept umfasst, das mehr als ein unmittelbar übergeordnetes Superkonzept aufweist.<br />
Stehen zwei Konzepte k1,k2∈K in der Subkonzeptrelation zueinander (k1 k2), wird k1 als Subkonzept<br />
des Konzepts k2 bezeichnet. 27) Das Konzept k2 ist dann ein Superkonzept des Konzepts<br />
k1. 28) Das unmittelbare Ordnungsverhältnis zwischen je zwei Konzepten muss in einer ontologischen<br />
Signatur nicht immer explizit spezifiziert sein, sondern lässt sich aufgrund der Transitivität<br />
der Subkonzeptrelation aus explizit spezifizierten (oder bereits abgeleiteten) unmittelbaren Ordnungsverhältnissen<br />
zwischen anderen Konzeptpaaren ableiten.<br />
Das Maximalkonzept ist als Superkonzept zu jedem Konzept aus der Ontologie-Signatur definiert,<br />
ohne dass dies explizit in der ontologischen Signatur angegeben sein müsste: 29)<br />
∀k∈K: k .<br />
25) Digraph ist ein Kunstwort für die englischsprachige Bezeichnung „directed graph“. Die Gerichtetheit des Graphen resultiert aus<br />
der Richtung seiner Kanten, die von der Subkonzeptrelation bestimmt wird: Wenn (k 1,k 2) ∈ gilt, bildet das Konzept k 1 den<br />
Ursprung und das Konzept k 2 das Ende (die „Pfeilspitze“) der gerichteten Kante (k 1,k 2).<br />
26) Streng genommen ist die taxonomische Struktur nur in Bezug auf die Taxonomie (K,) definiert, die ihrerseits aus den zwei<br />
Komponenten K und aus einer ontologischen Signatur besteht. Insofern müsste stets von der taxonomischen Struktur einer<br />
ontologischen Signatur die Rede sein. Allerdings bietet die Interpretation der Taxonomie (K,) als ein Digraph (K,) die Möglichkeit,<br />
auch die Art des Über- und Unterordnungszusammenhangs (Kanten) zwischen den Konzepten (Knoten) einer Ontologie<br />
graphisch zu visualisieren, die mittels einer ontologischen Signatur konstruiert worden ist. Daher wird im Folgenden die<br />
vereinfachte, aber plastische Redeweise zugelassen, dass eine Ontologie [über einer ontologischen Signatur mit der Taxonomie<br />
(K,)] eine bestimmte taxonomische Struktur aufweist. So kann z.B. davon die Rede sein, dass ein Konzept k an der „Spitze“<br />
einer Ontologie steht, wenn gemeint ist, dass die Ontologie auf einer ontologischen Signatur SIG mit der Taxonomie (K,) basier<br />
und der Digraph (K,) die Gestalt eines nach oben gerichteten Baumgraphen besitzt, dessen oberster Knoten („Spitze“) das<br />
Konzept k repräsentiert.<br />
27) Alternative Bezeichner für Subkonzept sind Unterkonzept, Unterbegriff und Hyponym; vgl. CARSTENSEN ET AL. (2001) S. 387 f.;<br />
LÖBNER (2003) S. 118. Alle vorgenannten Bezeichner werden hier synonym verwendet.<br />
28) Alternative Bezeichner für Superkonzept sind Oberkonzept, Oberbegriff und Hyperonym; vgl. CARSTENSEN ET AL. (2001) S. 387<br />
f.; LÖBNER (2003) S. 118. Alle vorgenannten Bezeichner werden hier synonym verwendet.<br />
29) Grundsätzlich lässt sich vorstellen, dass eine ontologische Signatur mehrere Maximalkonzepte aufweist, die jeweils keinem anderen<br />
Konzept (auch keinem anderen Maximalkonzept) gemäß der Subkonzeptrelation untergeordnet sind. Die taxonomische<br />
Struktur einer solchen ontologischen Signatur würde dann einen gerichteten Graphen mit mehreren „Spitzen“ (den Knoten der<br />
Maximalkonzepte) darstellen. Wenn es mehrere Maximalkonzepte gäbe, müssten sich diese aber in irgendeiner Weise inhaltlich<br />
unterscheiden lassen. Dann könnte immer noch ein übergeordnetes Konzept gebildet werden, das von diesen Unterschieden<br />
abstrahiert und als inhaltsleeres Maximalkonzept allen ehemaligen Maximalkonzepten übergeordnet wäre. Daher wird bei der<br />
Ontologiekonstruktion im Allgemeinen davon ausgegangen, dass nur genau ein Maximalkonzept existiert, so dass die taxonomische<br />
Struktur einer ontologischen Signatur nur genau eine „Spitze“ aufweist. Auf dieser Konstruktionsprämisse beruht auch<br />
die KOWIEN-Ontologie, die über das genau eine Maximalkonzept ENTITAET verfügt.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 237<br />
Analog ist das Minimalkonzept ⊥ als Subkonzept zu jedem Konzept aus der ontologischen Signatur<br />
definiert: 30)<br />
∀k∈K: ⊥ k.<br />
Darüber hinaus gilt, dass zwei mengenwertige Konzepte MEN(k1),MEN(k2)∈KMW genau dann in<br />
der Subkonzeptrelation zueinander stehen, wenn die einwertigen Konzepte k1,k2∈KEW, von denen<br />
sie abgeleitet wurden, zueinander in der Subkonzeptrelation stehen:<br />
∀k1,k2∈KEW: k1 k2 ↔ MEN(k1) MEN(k2).<br />
Die Subkonzeptrelation lässt sich sowohl aus extensionaler als auch aus intensionaler Perspektive<br />
charakterisieren.<br />
Aus der extensionalen Perspektive wird jedes Konzept – im Rahmen einer formalen Semantik –<br />
durch eine Menge formaler Objekte als „Extension“ des Konzepts interpretiert. 31) Wenn dieser<br />
Blickwinkel eingenommen wird, stellt jedes Element der Subkonzeptrelation ein Konzeptpaar<br />
dar, bei dem die Objektmenge, die das erste Konzept extensional interpretiert, eine (unechte) Teilmenge<br />
derjenigen Objektmenge ist, die das zweite Konzept extensional interpretiert.<br />
Aus der intensionalen Perspektive wird jedes Konzept durch eine nicht-leere 32) und endliche Menge<br />
von Merkmalen als „Intension“ des Konzepts so beschrieben, dass keine zwei Konzepte dieselbe<br />
Kombination von Merkmalen aufweisen. Wird zusätzlich jedes Merkmal, das zur Beschreibung<br />
mindestens eines Konzepts dient, seinerseits als ein Konzept der ontologischen Signatur eingeführt,<br />
so gilt zusätzlich: Ein Konzept wird intensional durch die Menge aller Konzepte beschrieben, zu<br />
denen es in der Subkonzeptrelation steht, die also direkte oder indirekte Superkonzepte zu dem<br />
30) Analog zum Maximalkonzept wird von der Konstruktionsprämisse ausgegangen, dass eine ontologische Signatur nur genau ein<br />
Minimalkonzept besitzt (obwohl grundsätzlich auch mehrere Minimalkonzepte existieren könnten). Es handelt sich dabei um<br />
ein artifizielles Konstrukt, das die taxonomische Struktur einer ontologischen Signatur „nach unten abschließt“: Das Minimalkonzept<br />
wird allen Konzepten, die aus der „natürlichen“ Konzeptualisierung eines Realitätsausschnitts hervorgegangen sind<br />
und gemäß der Subkonzeptrelation (zunächst) keine Subkonzepte aufweisen, als zusätzliches Subkonzept untergeordnet. Der<br />
artifizielle Charakter dieses Minimalkonzepts wird deutlich, wenn auf die später vorgestellte extensionale und intensionale Interpretation<br />
von Konzepten durch die Subkonzeptrelation vorgegriffen wird: Aus extensionaler Sicht muss die Objektmenge,<br />
mit der das Minimalkonzept interpretiert wird, die Teilmenge von jedem „natürlichen“ Konzept sein, das ihm gemäß der Subkonzeptrelation<br />
unmittelbar übergeordnet ist. Es lässt sich unmittelbar einsehen, dass diese Teilmengenbeziehung nur von<br />
der leeren Menge erfüllt wird. Aus intensionaler Perspektive wird das Minimalkonzept durch alle Superkonzepte als „Merkmale“<br />
beschrieben, die ihm gemäß der Subkonzeptrelation unmittelbar oder mittelbar übergeordnet sind. Das sind per constructionem<br />
alle Konzepte aus der Konzeptmenge der ontologischen Signatur mit Ausnahme des Minimalkonzepts. Ein Konzept, das<br />
durch alle – oftmals sich gegenseitig ausschließende – Merkmale beschrieben wird, kann kein „natürliches“ Konzept darstellen;<br />
dies korrespondiert mit der leeren Objektmenge aus der extensionalen Interpretation des Minimalkonzepts. Wegen der zuvor<br />
skizzierten, höchst eigentümlich anmutenden Eigenschaften des Minimalkonzepts wird bei der Ontologiekonstruktion zumeist<br />
auf die Einführung eines Minimalkonzepts verzichtet. Dies ist auch für die später vorgestellte KOWIEN-Ontologie der Fall.<br />
Dennoch wird das Minimalkonzept hier der Vollständigkeit halber aufgeführt, zumal einige formale Argumentationsführungen<br />
erleichtert werden, wenn die taxonomische Struktur einer ontologischen Signatur durch ein Minimalkonzept „nach unten“ eindeutig<br />
abgeschlossen werden kann.<br />
31) Auf die extensionale Interpretation von Konzepten durch Mengen formaler Objekte wird weiter unten im Rahmen der formalen<br />
Semantik von ontologischen Signaturen ausführlicher eingegangen; vgl. S. 245 ff.<br />
32) Streng genommen trifft die Anforderung einer nicht-leeren Merkmalsmenge nur auf alle Konzepte zu, die nicht an der Spitze<br />
einer Ontologie stehen. Denn das Maximalkonzept einer Ontologie, dem alle anderen Konzepte derselben Ontologie mittels der<br />
Subkonzeptrelation untergeordnet sind, besitzt per definitionem kein Superkonzept. Wenn alle Merkmale, die ein Konzept<br />
intensional beschreiben, als Konzepte aus einer Ontologie eingeführt werden und Superkonzepte zum beschriebenen Konzept<br />
darstellen (wie nachfolgend erläutert wird), kann das Maximalkonzept einer Ontologie durch kein Merkmal beschrieben werden.<br />
Folglich handelt es sich um ein „inhaltsleeres“ Konzept mit der leeren Merkmalsmenge. Dies trifft auch in der KOWIEN-<br />
Ontologie auf das Maximalkonzept Entitaet zu.
238 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
beschriebenen Konzept darstellen. 33) Beispielsweise kann das Konzept Frau intensional dadurch<br />
beschrieben werden, dass es sich dabei um Menschen mit weiblichem Geschlecht handelt. Entsprechend<br />
wird das Konzept Frau 34) den (Super-) Konzepten Mensch und weibliches_Wesen untergeordnet.<br />
35)<br />
Mit der Subkonzeptrelation können allerdings im Allgemeinen nicht alle Aspekte einer intensionalen<br />
Semantik erfasst werden. Denn die formalsprachlich spezifizierte Subkonzeptrelation reicht<br />
bei Weitem nicht aus, um die – zumeist natürlichsprachlich umschriebene und in lebensweltlichen<br />
„Sprachspielen“ praktizierte – Intension eines Konzepts in seiner Gesamtheit erfassen zu können.<br />
Zum einen wird in der Regel bei der „praktischen“ Ontologie-Konstruktion darauf verzichtet, zu jedem<br />
Konzept alle denkbaren Superkonzepte aufzuführen, die für die intensionale Definition des betroffenen<br />
Konzepts notwendig sind. 36) Somit kommt es zu „Definitionslücken“. 37) Zum zweiten<br />
liegt die Unvollständigkeit der intensionalen Beschreibung eines Konzepts mittels seiner Superkonzepte<br />
an der Gefahr eines infiniten Regresses. Denn die intensionale Beschreibung eines Konzepts<br />
würde erfordern, dass auch die Superkonzepte ihrerseits durch ihre eigenen Superkonzepte intensional<br />
beschrieben werden müssten usw. Eine solche „induktive“ Erfassung der Intensionen von<br />
Konzepten scheitert in praxi zumeist daran, dass einerseits zu jedem Konzept k mindestens zwei<br />
Superkonzepte angegeben werden müssten, aus deren „Vereinigung“ die Intension des Konzepts k<br />
33) Vgl. SOWA (2000) S. 99.<br />
34) Konzepte (streng genommen sprachliche Konzepte zur Bezeichnung des jeweils gemeinten mentalen Konzepts) werden in diesem<br />
Werk zuweilen im natürlichsprachlichen Text mittels des Formats „kursiv“ hervorgehoben, um zu verdeutlichen, dass es<br />
sich um Ausdrücke aus einer formalsprachlichen Ontologie (und zugleich aus einer formalsprachlichen Bezeichner-Sprache)<br />
handelt.<br />
35) Der Übersichtlichkeit halber wurde hier auf eine vollständige intensionale Beschreibung des Konzepts Frau durch die Anführung<br />
aller übergeordneten Konzepte verzichtet. Denn zwecks Vollständigkeit müssten weitere Superkonzepte zum Konzept<br />
Mensch als übergeordnete Konzepte berücksichtigt werden. Dazu gehören beispielsweise – je nach konkreter Ausgestaltung der<br />
ontologischen Signatur – die Superkonzepte Lebewesen und (als Maximalkonzept) Entitaet.<br />
36) Ein wesentlicher Grund für diese Unvollständigkeit einer Ontologiekonstruktion ist, dass infolge knapper zeitlicher und personeller<br />
Ressourcen im Allgemeinen nur diejenigen Konzepte explizit spezifiziert werden, die für die Konzeptualisierung eines<br />
Realitätsausschnitts von den Akteuren einer Sprachgemeinschaft für die Erfüllung der jeweils verfolgten Zwecke als relevant<br />
erachtet werden. Diese knappheitsbedingte und zweckbezogene, d.h. „pragmatische“ Fokussierung auf die jeweils für relevant<br />
erachteten Konzepte führt in der Regel insbesondere zu einer „Ausdünnung“ der „Spitzenbereiche“ einer Ontologie, die auch<br />
als „Top-Level-Ontologien“ bezeichnet werden. Denn die Konzepte solcher Top-Level-Ontologien besitzen aufgrund ihrer geringen<br />
semantischen Distanz zum Maximalkonzept Entitaet einen so hohen Allgemeinheitsgrad, dass sie sich – relativ zu „tiefer<br />
positionierten“ Subkonzepten – als inhaltsarm und für den betrachteten Realitätsausschnitt unspezifisch erweisen. Daher werden<br />
die Konzepte aus Top-Level-Ontologien in Domänen-Ontologien, die auf bestimmte Realitätsausschnitte und auf bestimmte<br />
Konzeptualisierungszwecke zugeschnitten sind, wegen ihrer geringen pragmatischen Relevanz entweder vollständig ausgelassen<br />
oder nur teilweise berücksichtigt. Dies trifft auch für die KOWIEN-Ontologie zu. Sie umfasst zwar eine Top-Level-<br />
Ontologie; jedoch wurde diese Top-Level-Ontologie aufgrund der o.a. Ressourcenknappheit auf einige wenige (Top-Level-)<br />
Konzepte beschränkt. Da die intensionale Beschreibung eines Konzepts durch alle seine Superkonzepte erfolgt und insbesondere<br />
die Superkonzepte an der „Spitze“ einer Ontologie aus den vorgenannten pragmatischen Gründen in der Regel unvollständig<br />
spezifiziert werden, resultiert das oben angesprochene Phänomen, dass in einer Ontologie zumeist nicht alle Konzepte zur Verfügung<br />
stehen, die für eine vollständige intensionale Konzeptbeschreibung erforderlich wären.<br />
37) Zugespitzt wird dieses Defizit von Ontologien dadurch, dass nicht alle Ontologie-Editoren eine multiple Unterordnung von<br />
Konzepten erlauben. Eine solche multiple Unterordnung liegt vor, wenn ein Konzept mindestens zwei verschiedenen Superkonzepten<br />
direkt untergeordnet ist. Sie führt dazu, dass sich die taxonomische Struktur der betroffenen Konzeptmenge nicht<br />
mehr als eine „einfache“ Hierarchie darstellen läst (wie von manchen Ontologie-Editoren präsupponiert wird), sondern eine heterarchische<br />
oder netzartige Gestalt annimmt. Solche multiplen Unterordnungen sind aber – so zeigt die Erfahrung des KO-<br />
WIEN-Projekts – für manche betriebswirtschaftliche Anwendungskontexte, wie z.B. das Kompetenzmanagement, erforderlich,<br />
um Konzepte durch die Menge aller ihrer Superkonzepte intensional beschreiben zu können. Vgl. dazu beispielsweise das Konzept<br />
Akteur in der Abbildung 65 des Kapitels 2.4.3.2 auf S. 523.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 239<br />
hervorgeht, jedoch andererseits die unmittelbaren Subkonzepte des Maximalkonzepts jeweils nur<br />
ein Superkonzept – nämlich – besitzen. Außerdem kann das Maximalkonzept nicht zur intensionalen<br />
Beschreibung von untergeordneten Konzepten verwendet werden, da es per definitionem<br />
„merkmalsfrei“ ist. Aus den vorgenannten Gründen reicht die Subkonzeptrelation nicht dazu aus,<br />
die Intensionen von Konzepten vollständig zu erfassen.<br />
Die Inkompatibilitätsrelation ist als irreflexive und symmetrische Relation definiert. Wenn zwei<br />
Konzepte k1,k2∈K in der Inkompatibilitätsrelation zueinander stehen, werden sie als miteinander<br />
inkompatible Konzepte bezeichnet. Es handelt sich hierbei um solche Konzepte, deren Extensionen<br />
nie einander überlappen dürfen. Die beiden Objektmengen, die zwei miteinander inkompatiblen<br />
Konzepten bei extensionaler Interpretation zugeordnet werden, müssen also eine leere Schnittmenge<br />
aufweisen. Beachtenswert hierbei ist, dass zwei mengenwertige Konzepte MEN(k1) und<br />
MEN(k2) genau dann miteinander inkompatibel sein müssen, wenn die entsprechenden einwertigen<br />
Konzepte k1 und k2 miteinander inkompatibel sind:<br />
∀k1,k2∈KEW,MEN(k1),MEN(k2)∈KMW: (k1 k2) ↔ (MEN(k1) MEN(k2)).<br />
Zudem „vererbt“ sich die Imkompatibilität zwischen Konzepten auf deren Subkonzepte. Wenn zwei<br />
Konzepte k1 und k2 in der Inkompatibilitätsrelation zueinander stehen, dann müssen auch alle<br />
Subkonzepte k des Konzepts k1 (k2) in der Inkompatibilitätsrelation zum Konzept k2 (k1) stehen:<br />
∀k1,k2∈K: (k1 k2) → (∀k∈K: (k k1 → k k2) ∧ (k k2 → k k1)).<br />
Die Äquivalenzrelation ist als reflexive, symmetrische und transitive Relation definiert. Mit der<br />
Äquivalenz zweier Konzepte wird ausgedrückt, dass die zwei Konzepte zwar unterschiedliche Intensionen<br />
besitzen können, 38) aber stets (d.h. unter allen denkmöglichen Interpretationen) die gleiche<br />
Extension aufweisen müssen. 39) Das Prinzip der Äquivalenzrelation geht zurück auf die Beobachtung<br />
FREGES, dass es Konzepte gibt, deren „Art des Gegebenseins“ 40) zwar unterschiedlich ist,<br />
die aber extensional stets durch die gleichen Mengen formaler Objekte interpretiert werden. 41) Zwei<br />
Konzepte k1,k2∈K stehen demnach genau dann in der Äquivalenzrelation zueinander, wenn sie<br />
immer mit gleichen 42) konzeptspezifischen Objektmengen extensional interpretiert werden müssen.<br />
Wenn zwei Konzepte k1 und k2 in der Äquivalenzrelation zueinander stehen, werden sie als (zueinander)<br />
äquivalente Konzepte bezeichnet.<br />
38) Wegen der Reflexivität der Äquivalenzrelation ist der Grenzfall eingeschlossen, dass dasselbe Konzept k äquivalent zu sich<br />
selbst ist, d.h. k k gilt. Wenn (scheinbar) „zwei“ Konzepte nicht nur dieselbe Extension, sondern auch dieselbe Intension<br />
aufweisen, d.h. durch dieselbe „konzeptspezifische“ Merkmalsmenge beschrieben werden, gelten die Konzepte als identisch; es<br />
handelt sich also tatsächlich um nur ein Konzept. Dies folgt aus dem „principium identitatis indiscernibilium“ von LEIBNIZ; vgl.<br />
LEIBNIZ (1985) S. 51. Vgl. daneben auch DIEMER (1967) S. 215; FRENCH (1989) S. 141 ff.; HERMES (1991) S. 141; LORENZ<br />
(2004a) S. 189 f.; PERZANOWSKI (1996) S. 111 f.; SIEGWART (1999) S. 603 f.; etwas weniger deutlich BUCHER (1987) S. 223 f.<br />
39) Vgl. BAADER/NUTT (2002) S. 52; ORTNER (1997) S. 31 f. (mit der Bezeichnung „Äquipollenzen“).<br />
40) FREGE (1999) S. 111.<br />
41) Als anschauliches Beispiel diente FREGE die altertümliche Vermutung, bei dem hellsten Stern am Morgenhimmel würde es sich<br />
um einen anderen Planeten handeln als um den hellsten Stern am Abendhimmel. Mit der Feststellung, dass die beiden Konzepte<br />
Morgenstern und Abendstern denselben Planeten Venus als Extension aufweisen, musste die Vermutung revidiert werden. Vgl.<br />
FREGE (1999) S. 111 u. 116.<br />
42) Mit der Gleichheit zweier konzeptspezifischer Objektmengen ist gemeint, dass jedes Element aus der einen Objektmenge auch<br />
in der jeweils anderen Objektmenge enthalten sein muss. Dabei kann es sich trotzdem um zwei nicht-identische Objektmengen<br />
handeln. Als Unterscheidungskriterium dienen die Namen der konzeptspezifischen Objektmengen. Der einzige Unterfall der<br />
Gleichheit ist die Identität. Im Fall identischer konzeptspezifischer Objektmengen sind nicht nur deren Elemente, sondern auch<br />
deren Namen gleich.
240 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Die Menge OPS={O1,...,OI} umfasst alle Operationssymbole der ontologischen Signatur SIG. Operationssymbole<br />
werden mit der Operationssymboltypisierungsfunktion:<br />
typOPS: OPS → K* × K<br />
typisiert. 43) Für ein Operationssymbol Oi∈OPS mit typOPS(Oi) = (k1,...,kn,kn+1) wird die Folge<br />
(k1,...,kn)∈K* der Konzepte k1,...,kn∈K als Argumentbereich des Operationssymbols Oi bezeichnet;<br />
jedes einzelne Konzept kq aus diesem Bereich mit q = 1,...,n heißt ein Argumentkonzept des Operationssymbols<br />
Oi. Ein Operationssymbol, dessen Argumentbereich aus n Konzepten mit n∈N besteht,<br />
wird als ein n-stelliges Operationssymbol bezeichnet. 44) Das Konzept kn+1 stellt den Zielbereich<br />
oder das Zielkonzept des Operationssymbols Oi dar. Auf den Argument- und den Zielbereich<br />
eines Operationssymbols kann jeweils mittels der Hilfsfunktionen: 45)<br />
ARGOPS: OPS → K*<br />
ZIELOPS: OPS → K<br />
zugegriffen werden. Für ein beliebiges Operationssymbol Oi∈OPS mit typOPS(Oi) = (k1,...,kn,kn+1)<br />
gilt: ARGOPS(Oi) = (k1,...,kn) und ZIELOPS(Oi) = kn+1.<br />
Ein Operationssymbol, dessen Zielkonzept k´∈K 46) mit k´ = MEN(k)∈KMW ein mengenwertiges<br />
Konzept ist, das von einem einwertigen Konzept k∈KEW abgeleitet wurde, wird als mengenwertiges<br />
Operationssymbol bezeichnet. Ein Operationssymbol mit einem einwertigen Zielkonzept k∈KEW<br />
heißt dagegen einwertiges Operationssymbol. 47) Entsprechend wird die Menge OPS aller Operationssymbole<br />
in die disjunkten Teilmengen OPSEW aller einwertigen Operationssymbole und OPSMW<br />
aller mengenwertigen Operationssymbole unterteilt:<br />
OPS = OPSEW∪OPSMW<br />
mit OPSEW∩OPSMW = ∅,<br />
OPSEW = {Oi | Oi∈OPS ∧ ZIELOPS(Oi)∈KEW}<br />
und OPSMW = {Oi | Oi∈OPS ∧ ZIELOPS(Oi)∈KMW}.<br />
Die Menge PS={P1,...,PJ} umfasst alle Prädikatssymbole der ontologischen Signatur SIG. Prädikatssymbole<br />
werden mit der Prädikatssymboltypisierungsfunktion:<br />
typPS: PS → K*<br />
43) Unter der Typisierung eines Operationssymbols wird die Zuweisung von Konzepten zum Argument- und zum Zielbereich des<br />
Operationssymbols verstanden. Dies entspricht strukturell der Typisierung eines Operationssymbols in einer sortierten Prädikatenlogik,<br />
mittels derer dem Argument- und dem Zielbereich des Operationssymbols Sorten zugewiesen werden. Die Typisierung<br />
von Prädikatssymbolen wird später analog definiert (allerdings ohne Bezugnahme auf einen Zielbereich, der für Prädikatssymbole<br />
nicht definiert ist)<br />
44) Der Grenzfall n=0 wird zugelassen. Er gestattet es, Konstantensymbole als 0-stellige Operationssymbole zu definieren.<br />
45) Streng genommen müssten die beiden Hilfsfunktionen als zwei zusätzliche Konstituenten der ontologischen Signatur SIG eingeführt<br />
werden. Da sie jedoch keine „wesentlich“ neuartigen Informationen zur oben definierten ontologischen Signatur hinzufügen,<br />
sondern nur diejenigen Informationen explizieren, die in den Signatur-Komponenten OPS und typ OPS bereits implizit<br />
enthalten sind, wird darauf verzichtet, die Hilfsfunktionen in die Signaturdefinition aufzunehmen. Auf diese Weise lässt sich<br />
eine möglichst kompakte Signaturdefinition realisieren.<br />
46) Wenn ein Zielkonzept isoliert angesprochen wird, also die Konzepte aus dem Argumentbereich eines Operationssymbols im aktuellen<br />
Kontext nicht von Interesse sind, kann das Zielkonzept k n+1 vereinfacht auch als Zielkonzept k notiert werden.<br />
47) Vgl. PATIG (2001) S. 65.<br />
Auf die Wertigkeit ontologischer Operationssymbole wird im Kontext der Kardinalität ontologischer Operationssymbole näher<br />
eingegangen.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 241<br />
typisiert. Demnach können Prädikatssymbole mit allen Konzeptfolgen (k1,...,kn) typisiert werden,<br />
die sich aus den Elementen der Konzeptmenge K konstruieren lassen. 48) Die Konzeptfolge<br />
(k1,...,kn), die einem Prädikatssymbol Pj mittels der Prädikatssymboltypisierungsfunktion typPS zugeordnet<br />
ist, wird als der Argumentbereich des Prädikatssymbols Pj bezeichnet. Jedes einzelne<br />
Konzept kq aus diesem Bereich mit q = 1,...,n heißt ein Argumentkonzept des Prädikatssymbols Pj.<br />
Ein Prädikatssymbol, dessen Argumentbereich aus n Konzepten mit n∈N+ besteht, wird als ein nstelliges<br />
Prädikatssymbol bezeichnet. 49)<br />
1.3.2.2.2 Ausdrücke über ontologischen Signaturen<br />
Mit den objektsprachlichen Ausdrucksmitteln, die in einer ontologischen Signatur SIG spezifiziert<br />
sind, lassen sich objektsprachliche Ausdrücke konstruieren. Als solche kommen einerseits Terme<br />
und andererseits Formeln in Betracht. Terme sind Ausdrücke, die jeweils genau einem Konzept k<br />
zugeordnet sind und jeweils einen Denkinhalt repräsentieren, der sich inhaltlich unter das Konzept k<br />
subsumieren lässt. Die Menge aller Ausdrücke, die demselben Konzept k zugeordnet sind, bildet die<br />
konzeptspezifische Termmenge TERMk. Formeln sind Ausdrücke, die wahrheitsfähige Urteile über<br />
einen konzeptualisierten Realitätsausschnitt darstellen und sich dabei auf Terme erstrecken. Die<br />
Menge EXPR aller objektsprachlichen Ausdrücke, die über einer ontologischen Signatur SIG definiert<br />
sind, setzt sich aus der Menge TERM aller Terme und der Menge FORM aller Formeln zusammen,<br />
die mit den Ausdrucksmitteln der Signatur SIG gebildet werden können:<br />
EXPR = TERM ∪ FORM<br />
mit TERM = ∪k∈KTERMk<br />
und TERMF = (TERMk)k∈K<br />
Die Menge TERM umfasst als Elemente alle Terme aus allen konzeptspezifischen Termmengen<br />
TERMk. Die Mengenfamilie TERMF umfasst hingegen als Mitglieder konzeptspezifische Termmengen<br />
TERMk.<br />
Jede konzeptspezifische Menge TERMk aller Terme zu einem Konzept k∈K ist wie folgt definiert:<br />
1. Wenn x∈VARk gilt, dann gilt auch x∈TERMk. Jede Variable x aus der konzeptspezifischen<br />
Variablenmenge VARk ist also ein Term für das Konzept k.<br />
2. Wenn Oi∈OPS ein null-stelliges Operationssymbol mit typOPS(Oi) = (λ,k) und λ als Notation<br />
für den leeren Argumentbereich ist, dann gilt auch Oi()∈TERMk. Dies bedeutet, dass jedes<br />
Konstantensymbol Oi() mit der Zielsorte k ein Term für das Konzept k ist.<br />
3. Wenn Oi∈OPS ein n-stelliges Operationssymbol mit n∈N+ und typOPS(Oi)=(k1,...,kn,kn+1) ist<br />
sowie t1∈TERMk.1,...., tn∈TERMk.n Terme darstellen, dann gilt auch Oi(t1,...,tn)∈TERMk.n+1.<br />
Terme für ein Konzept kn+1 lassen sich also aus anderen Termen und Operationssymbolen<br />
beliebig komplex und „rekursiv“ zusammensetzen, wenn die (zuletzt angewendeten)<br />
Operationssymbole das Konzept kn+1 als Zielsorte aufweisen.<br />
48) Hierzu zählen neben einwertigen Konzepten aus K EW auch mengenwertige Konzepte aus K MW. Dasselbe Prädikatssymbol kann<br />
sich sowohl auf ein- als auch auf mengenwertige Konzepte erstrecken.<br />
49) Der Grenzfall n=0 wird ausgeschlossen, weil sich bei der Konstruktion von Ontologien für null-stellige Prädikatssymbole keine<br />
„sinnvolle“ Anwendung definieren lässt. Im Fall n=1 stellt das einstellige Prädikatssymbol ein Mengensymbol dar, so dass Prädikatssymbole<br />
im engeren Sinn erst für n≥2 vorliegen.
242 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
4. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∈TERMk.2.<br />
5. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∈TERMk.2. 50)<br />
6. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∉TERMk.2. 51)<br />
Terme, die aus der Anwendung der Regeln 1 oder 2 hervorgehen, werden als atomare Terme bezeichnet.<br />
Atomare Terme sind demnach entweder Variablen oder Konstantensymbole. Terme, die<br />
aus der Anwendung von Regel 3 hervorgehen, werden als zusammengesetzte Terme bezeichnet. Zusammengesetzte<br />
Terme gehen demnach aus der „typgerechten“ 52) Anwendung von Operationssymbolen<br />
auf andere Terme hervor.<br />
Üblicherweise beschränkt sich der Regelsatz zur Definition von Termen sowohl in der konventionellen<br />
als auch in der sortierten Prädikatenlogik auf die Regeln 1, 2 und 3. Für ontologische Signaturen<br />
wird allerdings darüber hinaus mit den Regeln 4, 5 und 6 der Termmenge eine dreifache<br />
Struktur aufgeprägt.<br />
Die erste Struktur ergibt sich aus der partiellen Ordnung (K,), die für die Menge K aller Konzepte<br />
durch die Subkonzeptrelation definiert ist. Durch die Regel 4 wird nämlich sichergestellt, dass alle<br />
Terme, die zu einem Konzept k1∈K gehören, auch zu allen seinen Superkonzepten gehören, d.h.<br />
zu allen Konzepten k2,...,kn∈K, mit denen das Konzept k1 in der Subkonzeptrelation steht, für die<br />
also k1 ki mit i∈{2,...,n} gilt. 53) Somit ist die konzeptspezifische Termmenge TERMk.1 stets eine<br />
Teilmenge einer konzeptspezifischen Termmenge TERMk.i, wenn k1 ki gilt. Daraus folgt unmittelbar:<br />
Wenn ein Term aus der Anwendung eines Operationssymbols O mit typOPS(O) = (k1,...,kn,<br />
kn+1) auf die Terme t1,...,tn mit (t1,...,tn)∈TERMk.1 ×...× TERMk.n hervorgeht, dann gehört dieser<br />
Term nicht nur zu der Termmenge TERMk.n+1 des Konzepts kn+1, sondern auch zu den Termmengen<br />
TERMk.i für alle Superkonzepte ki des Konzepts kn+1. Die Termmenge TERMk.n+1 des Konzepts kn+1<br />
ist dann aufgrund der Subkonzeptbeziehung kn+1 ki eine Teilmenge von jeder der Termmengen<br />
TERMk.i seiner Superkonzepte ki. Dieser „verschachtelte“ Zusammenhang ist in Abbildung 17 dargestellt.<br />
50) Wegen der Symmetrie der Äquivalenzrelation trifft ebenso zu: Wenn (k 1 k 2) und t∈TERM k.2 gelten, dann gilt auch<br />
t∈TERM k.1.<br />
51) Wegen der Symmetrie der Inkompatibilitätsrelation trifft ebenso zu: Wenn (k 1 k 2) und t∈TERM k.2 gelten, dann gilt auch<br />
t∈TERM k.1.<br />
52) Unter der „Typgerechtigkeit“ der Anwendung eines Operationssymbols wird verstanden, dass die betroffenen Terme exakt aus<br />
den konzeptspezifischen Termmengen stammen müssen, die denjenigen Konzepten zugeordnet sind, die von der Operationssmboltypisierungsfunktion<br />
typ OPS für den Argument- und den Zielbereich des betroffenen Operationssymbols ausgewiesen<br />
werden. Die typgerechte Vorgehensweise wird von der Regel 3 formalsprachlich präzise festgelegt.<br />
53) Vgl. KANEIWA (2001) S. 28. Bei der Konstruktion von Termmengen nach den o.a. Regeln gilt es zwei Besonderheiten zu beachten.<br />
Erstens können die konzeptspezifischen Termmengen jeweils auch solche Terme umfassen, die sich nicht nur aus der Anwendung<br />
der Regeln 1, 2 und 3 ergeben, sondern auch aus der Anwendung der Regeln 4 und 5. Daher lassen sich für die Konstruktion<br />
zusammengesetzter Terme in den Argumentstellen von Operationssymbolen, die in der Form typOPS(O) = (k 1,...,k n,k n+1) typisiert<br />
sind, auch solche Terme verwenden, die nicht aufgrund der Regeln 1, 2 und 3, sondern aufgrund der Regeln 4 und 5 zu<br />
den Termmengen TERMk.1,...,TERM k.n gehören.<br />
Zweitens können die konzeptspezifischen Termmengen aufgrund der Transitivität der Subkonzeptrelation ineinander verschachtelt<br />
sein. Es gilt beispielsweise TERMk.1 ⊆ TERMk.2 ⊆ TERMk.3, wenn die Beziehungen k1 k2 und k2 k3 zutreffen.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 243<br />
O ( k 1 ,......, k n , k n+1 )<br />
k 1.1 k 1.2<br />
k 1.1.1 k 1.1.2<br />
k n+1.1.1 k n+1.1.2<br />
k n.1<br />
k n+1.1 k n+1.2<br />
k n.2<br />
k n.2.1 k n.2.2<br />
Abbildung 17: Termmengenverschachtelung und Operationssymboltypisierung<br />
Abbildung 17 enthält ein Operationssymbol O∈OPS mit der Typisierung typOPS(O) = (k1,...,kn,kn+1).<br />
Die Pfeile repräsentieren jeweils Elemente der Subkonzeptrelation . An der ersten Argumentstelle<br />
des Operationssymbols dürfen beispielsweise – entsprechend der Typisierung – nur Terme aus der<br />
Termmenge des Konzepts k1 eingesetzt werden. Dabei umfasst die konzeptspezifische Termmenge<br />
TERMk.1 alle Elemente der Termmengen TERMk.1.x, die zu Konzepten k1.x gehören, die ihrerseits<br />
als Subkonzepte des Konzepts k1 die Subkonzeptbeziehung k1.x k1 erfüllen. 54) Andererseits gehört<br />
der Term t, der aus der typgerechten Anwendung des Operationssymbols O auf die Terme t1,...,tn<br />
mit (t1,...,tn)∈TERMk.1 ×...× TERMk.n hervorgeht, nicht nur zu der Termmenge TERMk.n+1, sondern<br />
auch zu allen Termmengen TERMk.n+1.y, die zu Konzepten kn+1.y gehören, die ihrerseits als Superkonzepte<br />
des Konzepts kn+1 die Subkonzeptbeziehung kn+1 kn+1.y erfüllen.<br />
Eine zweite Erweiterung gegenüber der Definition von Termen über konventionellen Signaturen ist<br />
durch Regel 5 gegeben. Demnach gehören alle Terme, die aus der Termmenge TERMk.1 des Konzepts<br />
k1∈K stammen, auch zu den Termmengen aller Konzepte k2,...,kn∈K, mit denen das Konzept<br />
k1 in der Äquivalenzrelation steht, für das also k1 ki mit i∈{2,...,n} gilt. Da de Äquivalenzrelation<br />
als symmetrische Relation ausgezeichnet ist, müssen äquivalente Konzepte stets gleiche<br />
Termmengen aufweisen. Die konzeptspezifischen Termmengen TERMk.1 und TERMk.2 können<br />
demnach keine Terme enthalten, die in der jeweils anderen Termmenge nicht enthalten sind, wenn<br />
die beiden Konzepte k1 und k2 die Äquivalenzrelation erfüllen. An den Argumentstellen eines<br />
Operationssymbols O∈OPS mit der Typisierung typOPS(O) = (k1,...,kn,kn+1) können demnach auch<br />
jeweils Terme aus den Termmengen zu solchen Konzepten verwendet werden, die mit den Konzepten<br />
im Argumentbereich des Operationssymbols O in der Äquivalenzrelation stehen. Ebenso ist<br />
ein Term t, der aus der Anwendung eines Operationssymbols O auf die Terme t1,...,tn hervorgeht,<br />
54) Ein bemerkenswerter Sonderfall tritt dann ein, wenn ein Konzept k i in der Subkonzeptrelation zu zwei verschiedenen Konzepten<br />
k i.1 und k i.2 steht, ohne dass k i.1 und k i.2 in der Subkonzeptrelation zueinander stehen. Dies ist immer dann der Fall,<br />
wenn die taxonomische Struktur die Gestalt einer Heterarchie aufweist, weil das Konzept k i sowohl dem Konzept k i.1 als auch<br />
dem Konzept k i.2 unmittelbar untergeordnet ist. Beispielhaft wurde ein solcher Fall im vorherigen Kapitel 1.3.2.2.1 mit den<br />
Konzepten Frau (als Konzept k i), Mensch (als Konzept k i.1) und weibliches_Wesen (als Konzept k i.2) vorgestellt (S. 237 f.). Dabei<br />
ist beachten, dass das Konzept weibliches_Wesen kein Subkonzept des Konzepts Mensch ist, weil auch andere Lebewesen<br />
als Menschen weiblich sein können, wie z.B. Tiere weiblichen Geschlechts. Ebenso ist das Konzept Mensch kein Subkonzept<br />
des Konzepts weibliches_Wesen, weil es auch Menschen männlichen Geschlechts gibt. In einem solchen Fall kann derselbe<br />
Term t aus der Termmenge TERM k.i in zwei verschiedenen Argumentstellen verwendet werden, obwohl diese Stellen mit unterschiedlichen<br />
Konzepten k i.1 und ki.2 typisiert sind, die in keiner Subkonzeptbeziehung zueinander stehen.
244 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
nicht nur in der Termmenge TERMk.n+1 des Zielkonzepts kn+1 enthalten, sondern auch in allen<br />
Termmengen TERMk.i von äquivalenten Konzepten ki, für die ki kn+1 gilt.<br />
Während mit den Regeln 1 bis 5 bestimmt wird, welche Terme in den konzeptspezifischen Termmengen<br />
einer ontologischen Signatur SIG eingeschlossen sind, werden mit der Regel 6 Terme für<br />
konzeptspezifische Termmengen ausgeschlossen. Sie führt dazu, dass zwei konzeptspezifische<br />
Termmengen TERMk.1 und TERMk.2 disjunkt zueinander sein müssen, wenn sie zu solchen Konzepten<br />
k1,k2∈K gehören, die miteinander in der Inkompatibilitätsrelation stehen. Die Regel 6 ist<br />
allerdings bei genauerer Betrachtung redundant, da ein Term nur dann das Element einer konzeptspezifischen<br />
Termmenge ist, wenn dies aus der Anwendung der Regeln 1 bis 5 hervorgeht. Ein<br />
Ausschluss von Termen in einer konzeptspezifischen Termmenge ist somit unnötig. Dennoch kann<br />
sich die explizite Berücksichtigung der Regel 6 als vorteilhaft erweisen, um zu überprüfen, ob die<br />
konzeptspezifischen Termmengen hinsichtlich der Inkompatibilitätsrelation fehlerfrei spezifiziert<br />
sind. 55)<br />
Die zweite Teilmenge der Menge EXPR aller objektsprachlichen Ausdrücke über einer ontologischen<br />
Signatur SIG umfasst alle zulässigen Formeln. Die Menge FORM der Formeln über einer ontologischen<br />
Signatur SIG ist induktiv wie folgt definiert:<br />
1. w,f∈FORM. w ist die immer gültige, tautologische Formel; f ist die immer ungültige, kontradiktorische<br />
Formel. 56)<br />
2. Wenn P∈PS, typPS(P) = (k1,...,kn) und (t1,...,tn)∈TERMk.1 ×...× TERMk.n gelten,<br />
dann gilt auch P(t1,...,tn)∈FORM. Die Formel P(t1,...,tn) stellt eine atomare Formel dar<br />
und wird oftmals auch als (atomares) Prädikat bezeichnet.<br />
3. Wenn P∈PS, typPS(P) = (k1,...,kn), (t1,...,tn)∈TERMk.1 ×...× TERMk.n sowie xq∈VARk.q<br />
für ein beliebiges q mit 1 ≤ q ≤ n und VARk.q ⊆ TERMk.q gelten, dann gelten auch<br />
(∀xq: P(t1,...,xq,...,tn))∈FORM und (∃xq: P(t1,...,xq,...,tn))∈FORM. 57)<br />
55) Daher lässt sich die Regel 6 benutzen, um eine Integritätsregel für die Zulässigkeit einer Ontologie aufzustellen, die mit den<br />
Ausdrucksmitteln einer ontologischen Signatur konstruiert wird. Auf solche Integritätsregeln wird im Kapitel 2.4.2.2.2 (S. 443<br />
ff.) ausführlich eingegangen.<br />
56) Bei der tautologischen und der kontradiktorischen Formel handelt es sich jeweils um eine null-stellige Formel. Solche null-stelligen<br />
Formeln lassen sich auch als Aussagen der Aussagenlogik auffassen, so dass die Aussagenlogik als Grenzfall in der Prädikatenlogik<br />
enthalten ist. Andere null-stellige bzw. aussagenlogische Formeln als die beiden vorgenannten werden im Kontext<br />
von ontologischen Signaturen nicht benötigt.<br />
Die tautologische und die kontradiktorische Formel stellen jeweils objektsprachliche Ausdrücke dar. Daher sind sie von den<br />
metasprachlichen Wahrheitswerten „gültig“ (oder „wahr“) und „ungültig“ (oder „falsch“) zu unterscheiden. Diese metasprachlichen<br />
Wahrheitswerte stellen formalsprachliche Konstanten sui generis dar, die in einer formalen Semantik jeder Formel (als<br />
objektsprachlichem Ausdruck) mittels einer Interpretation (als metasprachlicher Operation) zugeordnet werden können.<br />
57) Die 3. Regel ist nur so weit ausformuliert, wie es hier für das Verständnis von Formeln in Ontologien hilfreich erscheint. Bei<br />
dieser Darstellungsweise erfolgen zwei Vereinfachungen. Erstens wird die Einführung der Allquantifizierung (mithilfe des Allquantors<br />
∀) und der Existenzquantifizierung (mithilfe des Existenzquantors ∃) nur für jeweils eine Variable dargestellt. Streng<br />
genommen müssten analoge Regeln für All- oder Existenzquantifizierung von n Variablen für n∈N + und n≥2 ergänzt werden.<br />
Dies würde die Komplexität der Regelgruppe stark ansteigen lassen (zumal in derselben Formel All- und Existenzquantifizierungen<br />
beliebig miteinander kombiniert werden dürfen, solange sich auf dieselbe Variable nie mehr als ein Quantor erstreckt),<br />
ohne grundsätzlich neuartige Erkenntnisse zu vermitteln. Zweitens bezieht sich die 3. Regel nur auf atomare Formeln, obwohl<br />
All- und Existenzquantifizierungen ebenso auf zusammengesetzte Formeln angewendet werden können. Solche All- und Existenzquantifizierungen<br />
zusammengesetzter Formeln lassen sich jedoch ohne Schwierigkeiten aus All- und Existenzquantifizierungen<br />
derjenigen atomaren Formeln gewinnen, aus denen die zusammengesetzten Formeln aufgebaut sind.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 245<br />
4. Wenn F∈FORM gilt, dann gilt auch (¬F)∈FORM.<br />
Die Formel ¬F wird auch als Negatformel oder kurz Negat bezeichnet.<br />
5. Wenn F1,F2∈FORM gilt, dann gelten auch (F1∧F2),(F1∨F2),(F1→F2),(F1↔F2)∈FORM.<br />
Die Formeln F1∧F2, F1∨F2, F1→F2 sowie F1↔F2 werden als Konjugatformel (Konjugat),<br />
Adjugatformel (Adjugat), Subjugatformel (Subjugat) bzw. Bijugatformel (Bijugat)<br />
bezeichnet und stellen jeweils zusammengesetzte Formeln dar.<br />
1.3.2.3 Semantische Aspekte von Ontologien<br />
1.3.2.3.1 Strukturen zu ontologischen Signaturen<br />
Die extensionale Semantik einer ontologischer Signatur SIG wird durch eine SIG-Struktur A gegeben.<br />
Eine SIG-Struktur A ist definiert als:<br />
Die Komponenten einer SIG-Struktur A sind:<br />
A = (OBF,OPF,RF).<br />
1. eine Familie OBF = (OBk)k∈K von konzeptspezifischen, jeweils nicht-leeren Mengen OBk<br />
formaler Objekte, 58) für die gilt:<br />
1.1. OB = ∪k∈KOBk,<br />
1.2. ∀k1∈KEW,k2∈KMW: k2 = MEN(k1) → OBk.2 = pot+(OBk.1),<br />
1.3. ∀k1,k2∈K: k1 k2 → OBk.1 ⊆ OBk.2,<br />
1.4. ∀k1,k2∈K: k1 k2 → OBk.1 = OBk.2,<br />
1.5. ∀k1,k2∈K: k1 k2 → OBk.1 ∩ OBk.2 = ∅;<br />
2. eine Familie OPF = (oi)i=1,...,I von Operationen oi mit i = 1,...,I und I∈N+ ;59)<br />
3. eine Familie RF = (rj)j=1,...,J von Relationen rj mit j = 1,...,J und J∈N+ .<br />
Eine SIG-Struktur A interpretiert eine ontologische Signatur SIG extensional durch eine Familie<br />
I = (IK,IOPS,IPS) von Interpretationsfunktionen. Diese Funktionenfamilie wird im Folgenden auch<br />
kurz als Interpretation I für eine ontologische Signatur SIG angesprochen.<br />
Die Funktion:<br />
IK: K → OBF<br />
interpretiert jedes Konzept k∈K aus einer ontologischen Signatur SIG auf extensionale Weise durch<br />
eine konzeptspezifische Menge OBk aus formalen Objekten. Die konzeptspezifische Objektmenge<br />
OBk = IK(k), mit der ein Konzept k∈K extensional interpretiert wird, ist die Extension des Konzepts<br />
58) Die Mengen OB k aus formalen Objekten werden der Kürze halber auch als Objektmengen bezeichnet, solange aus dem Argumentationskontext<br />
ersichtlich ist, dass jeweils formale Objekte als Elemente dieser Mengen gemeint sind.<br />
59) Es lässt sich darüber streiten, ob die Zusammenfassung von Operationen zum Konstrukt OPF den formalsprachlichen Charakter<br />
einer Menge (aus Elementen) oder einer Familie (aus Mengen) besitzt. Hier wird die Sichtweise vertreten, Operationen als zusammengesetzte<br />
Konstrukte mit einer „mengenartigen“ Struktur aufzufassen. Denn jede Operation lässt sich (wie eine Funktion)<br />
als eine spezielle, nämlich rechtseindeutige Relation auffassen. Relationen stellen ihrerseits immer Mengen dar: entweder<br />
Mengen aus Elementen (für den Grenzfall 1-stelliger Relationen) oder Mengen aus Tupeln (für den Normalfall n-stelliger Relationen<br />
mit n∈N + und n≥2). Folglich können auch Operationen – im Sinne rechtseindeutiger Relationen – als Mengen aufgefasst<br />
werden. Da schon an früherer Stelle erläutert wurde, die „paradoxienanfällige“ Redeweise von „Mengen aus Mengen“ (mit<br />
Ausnahme des Sonderfalls der Potenzmenge) vermeiden zu wollen, wird hier OPS nicht als Menge von „mengenartigen“ Operationen,<br />
sondern als Familie von Operationen eingeführt.
246 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
k. Der Kürze halber lässt sich in diesem Fall die Objektmenge OBk auch als k-spezifische Objektmenge<br />
ansprechen. Die formalen Objekte ob1,...,obn∈OBk aus der Extension des Konzepts k werden<br />
als Instanzen dieses Konzepts bezeichnet. Die Zuordnung eines bestimmten formalen Objekts obi<br />
aus der Objektmenge OBk des Konzepts k heißt entsprechend eine Instanziierung des Konzepts k<br />
durch das formale Objekt obi.<br />
Die Menge OB ist die Vereinigung aller konzeptspezifischen Objektmengen OBk.1,...,OBk.n. Sie<br />
wird auch als Universum zu einer ontologischen Signatur SIG bezeichnet. Im Universum OB zu einer<br />
ontologischen Signatur SIG sind alle formalen Objekte aus allen konzeptspezifischen Objektmengen<br />
enthalten, ohne zwischen den Konzepten zu differenzieren, denen die konzeptspezifischen<br />
Objektmengen jeweils zugeordnet sind.<br />
Eine Besonderheit für konzeptspezifische Objektmengen ergibt sich aus der Unterscheidung zwischen<br />
einwertigen und mengenwertigen Konzepten. Durch die Mengenfunktion MEN wird nämlich<br />
auf der Ebene der ontologischen Signatur festgelegt, wie die Extension zu einem mengenwertigen<br />
Konzept beschaffen sein muss. Jedem mengenwertigen Konzept k2∈K wird eine nicht-leere Potenzmenge<br />
als konzeptspezifische Objektmenge OBk.2 zugeordnet, 60) die über der konzeptspezifischen<br />
Objektmenge OBk.1 des jeweils zugrunde liegenden einwertigen Konzepts k1∈K definiert ist.<br />
Die Bestimmung dieser Potenzmenge erfolgt mit Hilfe der Regel 1.2 aus der o.a. Regelgruppe für<br />
die Komponenten der SIG-Struktur A wie folgt:<br />
∀k1∈KEW, k2∈KMW: k2 = MEN(k1) → OBk.2 = pot+(OBk.1)<br />
mit pot+(OBk.1) = {TOBk.1| ∅ ⊂ TOBk.1 ⊆ OBk.1}.<br />
Jedem mengenwertigen Konzept k2∈KMW wird demnach die Objektmenge OBk.2 = pot+(OBk.1) als<br />
konzeptspezifische Extension zugeordnet. Dabei ist OBk.2 die nicht-leere Potenzmenge der Objektmenge<br />
OBk.1 für das einwertige Konzept k1, das dem Konzept k2 wegen k2 = MEN(k1) zugrunde<br />
liegt. 61)<br />
Die formalen Objekte aus den Extensionen entweder ein- oder mengenwertiger Konzepte werden<br />
entsprechend auch als einwertige (oder synonym: skalare) bzw. als mengenwertige formale Objekte<br />
bezeichnet. Ein einwertiges formales Objekt ist demnach ein einzelnes Element aus dem Partialuniversum<br />
OBEW der ontologischen Signatur SIG, das die Vereinigungsmenge nur der Objektmengen<br />
einwertiger Konzepte k mit k∈KEW darstellt: OBEW = ∪k∈K EW OBk. Ein mengenwertiges formales<br />
Objekt ist dagegen eine nicht-leere Teilmenge des Partialuniversums OBEW der ontologischen Signatur<br />
SIG. Ein mengenwertiges formales Objekt kann nur aus einwertigen formalen Objekten als<br />
Elementen bestehen, also nicht seinerseits andere mengenwertige formale Objekte als Elemente umfassen.<br />
62)<br />
60) Streng genommen handelt es sich bei mengenwertigen Konzepten k – in Anlehnung an die früher eingeführte Terminologie, die<br />
auf die Vermeidung mengentheoretischer Paradoxien abzielte – um die Zuordnung einer Potenzfamilie (als Familie von Teilmengen<br />
aus der jeweils zugrunde liegenden Bezugsmenge) und somit um eine konzeptspezifische Objektfamilie OB k. Dann<br />
müsste aber differenziert werden zwischen einerseits konzeptspezifischen Objektfamilien OB k, die mengenwertigen Konzepten<br />
k zugeordnet werden, und andererseits konzeptspezifischen Objektmengen OB k´, die einwertigen Konzepten k´ zugeordnet<br />
werden. Diese Diktion wäre präzise, aber würde oftmals sehr umständlich anmuten. Daher wird als sprachliche Vereinfachung<br />
vereinbart, Potenzfamilien und konzeptspezifische Objektfamilien als Potenzmengen bzw. konzeptspezifische Objektmengen<br />
anzusprechen.<br />
61) Vgl. KUPER (1987) S. 13.<br />
62) Die Bedingung, dass die Elemente mengenwertiger formaler Objekte stets einwertige formale Objekte sein müssen, ergibt sich<br />
bereits daraus, dass jedes mengenwertige formale Objekt eine nicht-leere Teilmenge des Partialuniversums OB EW der ontologi-
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 247<br />
Die Mengenfamilie OBF weist nicht nur die Ausdifferenzierung in die konzeptspezifischen Objektmengen<br />
OBk auf, sondern wird darüber hinaus in dreifacher Hinsicht strukturiert. Diese zusätzliche<br />
Struktur resultiert aus der metasprachlichen Spezifikation der drei Strukturierungsrelationen<br />
, und .<br />
Mit Hilfe der Subkonzeptrelation wird eine Verschachtelung der konzeptspezifischen Objektmengen<br />
OBk konstruiert. Die Subkonzeptbeziehung k1 k2 drückt aus, dass die Extension OBk.1<br />
des Konzepts k1 in jeder SIG-Struktur, mit der eine ontologische Signatur extensional interpretiert<br />
werden soll, eine Teilmenge der Extension OBk.2 des Konzepts k2 sein muss. Daraus folgt unmittelbar<br />
für einzelne (formale) Objekte: Jedes Objekt ob1, das ein Element aus der k1-spezifischen Objektmenge<br />
OBk.1 ist, gehört auch zu der k2-spezifischen Objektmenge OBk.2, wenn das Konzept k1<br />
ein Subkonzept des Konzepts k2 ist. Da alle anderen Konzepte in der ontologischen Signatur SIG<br />
Subkonzepte zum Maximalkonzept sind, umfasst die Objektmenge OB , mit der das Maximalkonzept<br />
extensional interpretiert wird, alle formalen Objekte aus allen konzeptspezifischen Objektmengen:<br />
∀k∈K: OBk ⊆ OB und<br />
OB = ∪k∈K\{}OBk.<br />
Somit stimmt die konzeptspezifische Objektmenge OB mit der Menge OB überein, die als Vereinigung<br />
(∪k∈KOBk) aller konzeptspezifischen Objektmengen vorgestellt wurde. Demgegenüber ist<br />
die Extension OB ⊥ des Minimalkonzepts ⊥ stets die leere Menge ∅, weil das Minimalkonzept ⊥<br />
ein Subkonzept zu jedem anderen Konzept einer ontologischen Signatur SIG ist und die leere Menge<br />
∅ per definitionem eine Teilmenge aller derjenigen Objektmengen darstellt, die jenen anderen<br />
Konzepten als deren Extensionen zugeordnet sind.<br />
Eine weitere Besonderheit liegt für die Extensionen mengenwertiger Konzepte vor. Es wurde bereits<br />
früher darauf hingewiesen, dass ein mengenwertiges Konzept MEN(k1) genau dann ein Subkonzept<br />
zu einem weiteren mengenwertigen Konzept MEN(k2) darstellt, wenn das einwertige Konzept<br />
k1 ein Subkonzept des einwertigen Konzepts k2 ist. Darüber hinaus wurden die Extensionen<br />
mengenwertiger Konzepte als die Potenzmengen zu den Extensionen der entsprechenden einwertigen<br />
Konzepte bestimmt. Auch für diese Extensionen gilt, dass die Extension OBMEN(k.1) des Konzepts<br />
MEN(k1) eine Teilmenge der Extension OBMEN(k.2) des Konzepts MEN(k2) ist.<br />
Die Mengenfamilien OPF und RF enthalten Operationen bzw. Relationen, mit denen die Operations-<br />
bzw. Prädikatssymbole aus einer ontologischen Signatur jeweils extensional interpretiert werden.<br />
Dabei werden durch die Interpretationsfunktionen:<br />
IOPS: OPS → OPF<br />
und IPS : PS → RF<br />
Operations- bzw. Prädikatssymbole auf extensionale Weise durch Operationen bzw. Relationen interpretiert.<br />
schen Signatur SIG darstellt und dieses Universum OB EW per definitionem nur aus einwertigen formalen Objekten besteht. Diese<br />
Bedingung lässt sich aber auch darauf zurückführen, dass mengenwertige Konzepte nur von einwertigen Konzepten abgeleitet<br />
werden dürfen. Würden dagegen mengenwertige Konzepte zugelassen werden, die wiederum von mengenwertigen Konzepten<br />
abgeleitet sein dürfen, könnten mengenwertige formale Objekte auch mengenwertige formale Objekten als Elemente umfassen.<br />
Diese letztgenannte, kompliziertere Struktur mengenwertiger formaler Objekte wird für Ontologien jedoch nicht benötigt<br />
und wird daher durch die o.a. Bedingung ausgeschlossen.
248 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Mit der Interpretationsfunktion IOPS wird jedes Operationssymbol:<br />
durch eine Operation oi mit:<br />
Oi∈OPS mit typOPS(Oi) = (k1...kn,kn+1)<br />
oi = IOPS(Oi)<br />
oi: OBk.1 ×...× OBk.n → OBk.n+1<br />
(t1,...,tn) → tn+1 = oi(t1,...,tn)<br />
interpretiert. Der Ausdruck oi(t1,...,tn) kann für eine konkrete Operation oi durch eine Operationsvorschrift<br />
ersetzt werden, die festlegt, wie der Term tn+1 als Zielterm der Operation aus ihren Argumenttermen<br />
t1 bis tn ermittelt wird. 63) Analog zu der Extension von Konzepten wird die Operation<br />
oi∈OPF, mit der das Operationssymbol Oi∈OPS aus der ontologischen Signatur SIG extensional interpretiert<br />
wird, als dessen Extension bezeichnet. 64)<br />
Der Vorbereich der Operation oi mit oi = IOPS(Oi), mit der das Operationssymbol Oi interpretiert<br />
wird, besteht aus dem kartesischen Produkt konzeptspezifischer Objektmengen. Diese konzeptspezifischen<br />
Objektmengen sind genau denjenigen Konzepten zugeordnet, mit denen das Operationssymbol<br />
Oi an den jeweils korrespondierenden Stellen typisiert ist. Operationssymbole, die als Konstantensymbole<br />
in der Form typOPS(Oi) = (λ,k) typisiert sind, werden durch Operationen oi: → OBk<br />
mit Operationsvorschriften der Form tk = oi() extensional interpretiert. Diese Operationen werden<br />
als „Konstanten“ bezeichnet. Sie weisen in ihrem Vorbereich ein „null-faches“ kartesisches Produkt<br />
auf und ordnen dem leeren Argument λ jeweils ein formales Objekt aus derjenigen Objektmenge<br />
OBk zu, die zum Zielkonzept k des Operationssymbols Oi∈OPS gehört. Um welches formales Objekt<br />
ob∈OBk es sich dabei konkret handelt, wird durch die Operationsvorschrift tk = oi() = ob festgelegt.<br />
65)<br />
Mit der Interpretationsfunktion IPS wird jedes Prädikatssymbol:<br />
durch eine Relation ri mit:<br />
Pj∈PS mit typPS(Pj)=(k1,...,kn)<br />
rj = IPS(Pj) und rj ⊆ OBk.1 ×...× OBk.n<br />
63) Auf die Spezifikation einer Operationsvorschrift kann verzichtet werden, wenn der Wert des Zielterms t n+1 gar nicht ermittelt<br />
werden soll, sondern jedes Vorkommnis des Zielterms t n+1 durch den komplexen Ausdruck o i(t 1,...,t n) ersetzt wird. Dies ist vor<br />
allem dann der Fall, wenn Operationen „konstruktiv“ benutzt werden, um komplexere Ausdrücke aus einfacheren Ausdrücken<br />
aufzubauen.<br />
64) Verwechslungen zwischen den Extensionen von Konzepten einerseits und den Extensionen von Operationssymbolen andererseits<br />
sind nicht zu befürchten, da der Begriff der Extension immer in Zusammenhang mit demjenigen Konstrukt verwendet<br />
werden wird, dessen extensionale Interpretation es darstellt.<br />
65) Eine Konstante ist also im Rahmen desjenigen prädikatenlogischen Kalküls, das hier für ontologische Signaturen entfaltet wird,<br />
kein formales Objekt, sondern eine null-stellige Operation. Ein formales Objekt resultiert erst dann, wenn diese Operation (die<br />
Konstante) auf das leere Argument angewendet wird und dabei mithilfe ihrer Operationsvorschrift t k = o i() = ob das formale<br />
Objekt ob als Wert des Zielterms t k festlegt. Wegen der Gleichheit o i() = ob kann das formale Objekt ob aber vereinfachend als<br />
eine Konstante angesprochen werden, wenn im jeweils aktuellen Argumentationskontext der Unterschied zwischen einer nullstelligen<br />
Operation o i (als „echter“ Konstante) und dem formalen Objekt ob (als Wert des Zielterms der Operation) keine Rolle<br />
spielt.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 249<br />
interpretiert. Die Relation rj∈RF, mit der das Prädikatssymbol Pj∈PS interpretiert wird, wird im<br />
Folgenden auch als dessen Extension bezeichnet. 66) Die Extension rj∈RF zu einem Prädikatssymbol<br />
Pj∈PS umfasst alle n-Tupel (ob1,...,obn), für welche die Formel Pj(t1,...,tn) unter der jeweils zugrunde<br />
gelegten Interpretation I gültig ist. Jede Substitution des Formelarguments (t1,...,tn) durch ein n-<br />
Tupel (ob1,...,obn) aus der Extension rj des Prädikatssymbols Pj ergibt also unter der Interpretation I<br />
eine gültige Formel Pj(ob1,...,obn). Die Relation rj, mit der das Prädikatssymbol Pj interpretiert wird,<br />
ist eine Teilmenge des kartesischen Produkts konzeptspezifischer Objektmengen. Diese konzeptspezifischen<br />
Objektmengen OBk.i sind denjenigen Konzepten ki zugeordnet, mit denen das Prädikatssymbol<br />
Pj an den jeweils entsprechenden Stellen seines Argumentbereichs typisiert ist. Somit<br />
stammt jedes formale Objekt obi mit 1≤i≤n, das zu einem n-Tupel (ob1,...,obn) aus der Extension rj<br />
des Prädikatssymbols Pj mit typPS(Pj)=(k1,...,kn) gehört, aus einer „typgerechten“ Objektmenge, d.h.,<br />
es gilt obi∈OBk.i für alle i = 1,...,n.<br />
Grundsätzlich kommen für die extensionale Interpretation einer ontologischen Signatur SIG mehrere<br />
SIG-Strukturen A1 = (OBF1,OPF1,RF1), ... , AX = (OBFX,OPFX,RFX) in Betracht. Jede einzelne<br />
SIG-Struktur Ax umfasst formalsprachliche Konstrukte, mit denen die formalsprachlichen Konstrukte<br />
aus einer ontologischen Signatur SIG extensional interpretiert werden können. 67) Die Menge<br />
A(SIG) umfasst alle SIG-Strukturen, die sich mittels unterschiedlicher Interpretationen I einer ontologischen<br />
Signatur SIG zuordnen lassen. Im weiteren Verlauf werden Verfahren vorgestellt, mit denen<br />
aus der Menge A(SIG) aller denkmöglichen SIG-Strukturen zu einer gegebenen ontologischen<br />
Signatur SIG jene SIG-Strukturen ausgesucht werden können, die eine „sinnvoll“ erscheinende extensionale<br />
Interpretation der Signatur SIG gestatten. 68)<br />
1.3.2.3.2 Auswertung von Ausdrücken über ontologischen Signaturen<br />
Mit den extensionalen Interpretationsfunktionen IK, IOPS und IRS sind bereits Instrumente vorgestellt<br />
worden, die es gestatten, die objektsprachlichen Ausdrucksmittel aus einer ontologischen Signatur<br />
durch formalsprachliche Konstrukte aus SIG-Strukturen zu interpretieren. Komplementär zu dieser<br />
extensionalen Interpretation der objektsprachlichen Ausdrucksmittel aus einer ontologischen Signatur<br />
ist die extensionale Interpretation von objektsprachlichen Ausdrücken über einer ontologischen<br />
Signatur notwendig, die mit den vorgenannten Ausdrucksmitteln konstruiert wurden. Die extensionale<br />
Interpretation solcher Ausdrücke wird als deren Auswertung bezeichnet. Entsprechend zur Unterteilung<br />
der Menge EXPR aller (objektsprachlichen) Ausdrücke über einer ontologischen Signatur<br />
SIG in die Familie TERMF aller Termmengen und die Menge FORM aller Formeln wird zunächst<br />
die Auswertung von Termen über ontologischen Signaturen und danach die Auswertung von Formeln<br />
über ontologischen Signaturen vorgestellt.<br />
66) Auch hierbei sind Verwechslungen zwischen den Extensionen von Prädikatssymbolen einerseits und den Extensionen von<br />
Konzepten oder Operationssymbolen andererseits nicht zu befürchten, da der Begriff der Extension immer in Zusammenhang<br />
mit demjenigen Konstrukt verwendet werden wird, dessen extensionale Interpretation es darstellt.<br />
67) An dieser Stelle wird noch einmal deutlich, dass in diesem Beitrag ausschließlich formale Semantiken behandelt werden, die<br />
formalsprachliche Konstrukte durch andere – jedoch ebenso formalsprachliche – Konstrukte interpretieren. Mit diesem Hinweis<br />
soll u.a. dem potenziellen Missverständnis vorgebeugt werden, eine Semantik müsste sich immer auf (intensionale) „Bedeutungen“<br />
erstrecken, die sich grundsätzlich jeder formalsprachlichen Erfassung entzögen und nur mittels natürlichsprachlicher Texte<br />
erläutert werden könnten.<br />
68) Die Verfahren werden das intuitive Vorverständnis der „Sinnhaftigkeit“ von Interpretationen einer ontologischen Signatur auf<br />
prozedurale Weise präzisieren.
250 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Die Auswertung von Termen über ontologischen Signaturen erfolgt durch die Mitglieder einer Familie<br />
ITF konzeptspezifischer Termauswertungsfunktionen ITk 69) , für die gilt:<br />
ITF = (ITk)k∈K<br />
mit ITk: TERMk → OBk für jedes Konzept k mit k∈K.<br />
Jede konzeptspezifische Termauswertungsfunktion ITk ordnet jedem Termen t aus einer k-spezifischen<br />
Termmenge TERMk ein formales Objekt ob aus der k-spezifischen Objektmenge OBk einer<br />
SIG-Struktur A zu. Somit werden Terme über einer ontologischen Signatur SIG extensional durch<br />
formale Objekte aus einer SIG-Struktur zu der ontologischen Signatur interpretiert.<br />
Um jedem Term ein formales Objekt zuordnen zu können, sind im Hinblick auf Variablen spezielle<br />
Hilfsfunktionen erforderlich, die jede Variable durch ein formales Objekt ersetzen. Es wird dann<br />
von einer „Variablenbelegung“ durch entsprechende (Variablen-) Belegungsfunktionen gesprochen.<br />
Die Belegung von Variablen aus einer konzeptspezifischen Variablenmenge VARk erfolgt durch das<br />
jeweils ebenso konzeptspezifische Mitglied belk der Funktionsfamilie:<br />
belf = (belk)k∈K mit<br />
belk: VARk → OBk für alle k∈K.<br />
Die konzeptspezifische Belegungsfunktion belk ordnet jeder Variable, die aus der Variablenmenge<br />
VARk des Konzepts k stammt, genau ein formales Objekt aus der Objektmenge OBk für dasselbe<br />
Konzept k zu. Daher lässt sich jede Belegungsfunktion belk auch als eine Interpretationsfunktion<br />
auffassen, die im Rahmen einer formalen Semantik Variablen durch formale Objekte aus einer SIG-<br />
Struktur A interpretiert. Wird dieser Sichtweise gefolgt, so lässt sich die oben eingeführte Familie<br />
I = (IK,IOPS,IPS) von Interpretationsfunktionen für eine SIG-Struktur A erweitern zur Funktionenfamilie<br />
Ivar = (IK,IOPS,IPS,belf). Die Funktionenfamilie Ivar wird auch als eine erweiterte Interpretation<br />
der zugrunde liegenden Signatur SIG bezeichnet.<br />
Die Auswertung von Termen über einer ontologischen Signatur SIG ist in einer SIG-Struktur A mit<br />
Hilfe der erweiterten Interpretation Ivar = (IK,IOPS,IPS,belf) 70) wie folgt rekursiv definiert:<br />
1. ITk(x) = belk(x) = ob mit ob∈OBk<br />
für jede Variable x∈VARk und jedes Konzept k∈K, wenn unter der erweiterten Interpretation<br />
Ivar = (IK,IOPS,IPS,belf) dem Konzept k die Belegungsfunktion belk mit belk∈belf zugeordnet<br />
ist;<br />
69) Die Notation IT k für Termauswertungsfunktionen möchte mit dem Präfix „I-“ die Assoziation wecken, dass es sich um Funktionen<br />
handelt, die analog zu den oben eingeführten Interpretationsfunktionen konstruiert sind. Die Analogie erstreckt sich darauf,<br />
dass sowohl durch Termauswertungsfunktionen als auch durch Interpretationsfunktionen formalsprachliche Konstrukte interpretiert<br />
werden – nur stammen diese interpretierten Konstrukte im Fall von Termauswertungsfunktionen aus der Menge<br />
EXPR objektsprachlicher Ausdrücke (über einer ontologischen Signatur SIG), während sie im Fall von Interpretationsfunktionen<br />
zu der jeweils zugrunde liegenden ontologischen Signatur SIG gehören. Die Termauswertungsfunktionen könnten daher<br />
auch als (termmengenbezogene) Interpretationsfunktionen bezeichnet werden. Dennoch wird hier von Termauswertungsfunktionen<br />
gesprochen, weil sich diese Bezeichnung in prädikatenlogischen und auch anderen – z.B. algebraischen – Kalkülen etabliert<br />
hat.<br />
70) Für die Termauswertung sind aus der erweiterten Interpretation I var = (I K,I OPS,I PS,belf) nur die Interpretationsfunktion I OPS für<br />
Operationssymbole und die Familie belf von Belegungsfunktionen für die Variablen erforderlich.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 251<br />
2. ITk(Oi()) = oi() = ob mit ob∈OBk<br />
für jedes null-stellige Operationssymbol (Konstantensymbol) Oi∈OPS mit der Typisierung<br />
typOPS(Oi) = (λ,k), wenn unter der erweiterten Interpretation Ivar dem Operationssymbol Oi<br />
durch IOPS(Oi) = oi die Operation oi mit oi∈OPF und oi: → OBk zugeordnet ist;<br />
3. ITk.n+1(Oi(t1,...,tn)) = oi(ITk.1(t1),...,ITk.n(tn))<br />
für jedes n-stellige Operationssymbol Oi∈OPS mit n∈N+,<br />
der Typisierung typOPS(Oi) = (k1,...,kn,kn+1), Konzepten k1,...,kn,kn+1∈K,<br />
Termen t1∈TERMk.1,...,tn∈TERMk.n, tk.n+1∈TERMk.n+1 und tn+1 = Oi(t1,...,tn),<br />
wenn unter der erweiterten Interpretation Ivar dem Operationssymbol Oi durch IOPS(Oi) = oi<br />
die Operation oi mit oi∈OPF und oi: OBk.1×...× OBk.n → OBk.n+1 zugeordnet ist.<br />
Die Auswertung eines atomaren Terms t mit t∈TERMk, der eine Variable darstellt, liefert ein formales<br />
Objekt ob∈OBk gemäß der Ersetzungsvorschrift der Belegungsfunktion belk. Die Auswertung<br />
eines atomaren Terms t mit t∈TERMk, der ein Konstantensymbol oi() darstellt, liefert ein formales<br />
Objekt ob∈OBk gemäß der Operationsvorschrift für die null-stellige Operation oi. Für die<br />
Auswertung eines zusammengesetzten Terms tn+1 = Oi(t1,...,tn) wird das rekursive Auswertungsschema<br />
der 3. Regel angewendet.<br />
Für die vollständige Interpretation von objektsprachlichen Ausdrücken über einer ontologischen<br />
Signatur SIG durch formalsprachliche Konstrukte aus einer zugehörigen SIG-Struktur wird schließlich<br />
noch die Auswertung von Formeln aus der Menge FORM benötigt. Diese Formelauswertung<br />
setzt abermals eine erweiterte Interpretation Ivar = (IK,IOPS,IPS,belf) voraus, mit deren Hilfe jedem<br />
Term ein formales Objekt, jedem Operationssymbol eine Operation (gegebenenfalls mit konkreter<br />
Operationsvorschrift) und jeden Prädikatssymbol eine Relation als dessen Extension (zur Bestimmung<br />
gültiger Formeln) zugeordnet wird. Die zugeordneten formalen Objekte, Operationen und Relationen<br />
stammen jeweils aus der zugehörigen SIG-Struktur. Wenn die Terme t mit t∈TERMk in<br />
den Argumenten atomarer Formeln mit Hilfe konzeptspezifischer Termauswertungsfunktionen ITk<br />
zu formalen Objekten ob mit ob∈OBk ausgewertet sind sowie allen atomaren Formeln ihre Extensionen<br />
zugeordnet sind, können abschließend sowohl atomare als auch zusammengesetzte Formeln<br />
über der zugrunde liegenden ontologischen Signatur SIG zu Wahrheitswerten ausgewertet werden.<br />
Um auszudrücken, dass eine Formel F∈FORM über einer ontologischen Signatur SIG unter einer<br />
Interpretation I = (IK,IOPS,IPS) 71) durch eine Familie belf konzeptspezifischer Belegungsfunktionen<br />
in einer SIG-Struktur A∈A(SIG) bestätigt wird, findet die metasprachliche Modellrelation 72)<br />
71) An dieser Stelle wird die erweiterte Interpretation I var = (I K,I OPS,I PS,belf) in eine Interpretation I = (I K,I OPS,I PS) und eine separate<br />
Familie belf von Belegungsfunktionen aufgespalten, um im Folgenden formalsprachlich einfacher zwischen der Bestätigung<br />
und der Gültigkeit einer Formel unterscheiden zu können.<br />
72) Bei der Modellrelation handelt es sich um eine vierstellige metasprachliche Relation. Jedes der relationserfüllenden 4-Tupel<br />
besteht aus einer logischen Struktur A∈A(SIG), einer Interpretation I = (I K,I OPS,I PS), einer Familie belf konzeptspezifischer Belegungsfunktionen<br />
(aus der erweiterten Interpretation I var = (I K,I OPS,I PS,belf)) und einer Formel F∈FORM über der ontologischen<br />
Signatur SIG. Wenn ein solches 4-Tupel (A,I,belf,F) Element der Relation ist, d.h. wenn (A,I,belf,F) ∈ gilt, wird im<br />
Folgenden die Infixnotation (A,I,belf) F verwendet. Entsprechend wird das kontradiktorische Gegenteil, dass ein 4-Tupel<br />
(A,I,belf,F) kein Element der Relation ist, also (A,I,belf,F) ∉ gilt, im Folgenden in der Infixnotation (A,I,belf) F dargestellt.<br />
Im weiteren Verlauf kann die Modellrelation in dem Sinne „überladen“ werden, dass sie auch als dreistellige Relation verwendet<br />
wird, deren Elemente jeweils 3-Tupel aus einer logischen Struktur A∈A(SIG), einer Interpretation I = (IK,I OPS,I PS) und einer<br />
Formel F∈FORM sind. In der ersten – vierstelligen – Variante wird durch jedes Relationselement ausgedrückt, dass die Formel<br />
F in der SIG-Struktur A unter der Interpretation I durch die Belegungsfunktionenfamilie belf bestätigt wird. In dem zweiten –<br />
dreistelligen – Fall wird durch jedes Relationselement hingegen ausgedrückt, dass die Formel F in der SIG-Struktur A unter der<br />
Interpretation I gültig ist. Auf die Unterschiede zwischen der Bestätigung einer Formel durch eine Variablenbelegung und die<br />
Gültigkeit einer Formel wird im Folgenden näher eingegangen.
252 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Anwendung. Die Bestätigung einer Formel F durch eine Familie belf konzeptspezifischer Variablenbelegungsfunktionen<br />
in einer SIG-Struktur A unter einer Interpretation I = (IK,IOPS,IPS) wird wie<br />
folgt notiert:<br />
(A,I,belf) F<br />
Dabei ist die Modellrelation für Formeln über ontologischen Signaturen wie folgt induktiv definiert:<br />
• (A,I,belf) w trifft für jedes beliebige Tupel (A,I,belf) zu<br />
• (A,I,belf) f trifft für kein Tupel (A,I,belf) zu<br />
• (A,I,belf) Pj(t1,...,tn) ⇔ typPS(Pj) = (k1,...,kn) und IPS(Pj) = rj und<br />
(ITk.1(t1),...,ITk.n(tn))∈rj 73)<br />
• (A,I,belf) ¬F ⇔ (A,I,belf) F<br />
• (A,I,belf) F1 ∧ F2 ⇔ (A,I,belf) F1 und (A,I,belf) F2<br />
• (A,I,belf) F1 ∨ F2 ⇔ (A,I,belf) F1 oder (A,I,belf) F2<br />
• (A,I,belf) F1 → F2 ⇔ (A,I,belf) F1 oder (A,I,belf) F2<br />
• (A,I,belf) F1 ↔ F2 ⇔ (A,I,belf) F1 → F2 und (A,I,belf) F2 → F1<br />
• (A,I,belf) ∀x: F(x) ⇔ (A,I,belf[x/ob]) F trifft für alle 74)<br />
ob∈OBk zu, wenn x∈VARk gilt<br />
• (A,I,belf) ∃x: F(x) ⇔ (A,I,belf[x/ob]) F trifft für mindestens ein<br />
ob∈OBk zu, wenn x∈VARk gilt<br />
73) Der Ausdruck (IT k.1(t 1),...,IT k.n(t n))∈r j bedeutet, dass das Argument (t 1,...,t n) der atomaren Formel P j(t 1,...,t n) nach Anwendung<br />
der konzeptspezifischen Termauswertungsfunktionen IT k.1,...,IT k.n auf jeden Term t 1,...,t n des Formelarguments ein n-Tupel aus<br />
der Extension r j des Prädikatssymbols P j darstellt. Da die Extension eines Prädikatssymbols als die Menge aller n-Tupel definiert<br />
ist, für welche die atomare Formel P j(t 1,...,t n) gültig ist, muss die atomare Formel P j(t 1,...,t n) nach Anwendung der konzeptspezifischen<br />
Termauswertungsfunktionen folglich gültig sein. Daher kann die Modellbeziehung (A,I,belf) P j(t 1,...,t n) auch so<br />
gelesen werden, dass die atomare Formel P j(t 1,...,t n) in der SIG-Struktur A unter der Interpretation I im Hinblick auf die Belegungsfunktionen<br />
aus der Familie belf gültig ist. Da die Gültigkeit einer Formel später jedoch so eingeführt wird, dass er unabhängig<br />
von der Bezugnahme auf bestimmte Belegungsfunktionen ist, wird hier speziell von der Bestätigung einer atomaren<br />
Formel P j(t 1,...,t n) in der SIG-Struktur A unter der Interpretation I durch die Belegungsfunktionen aus der Familie belf gesprochen.<br />
74) Die Notation belf[x/ob] drückt aus, dass die Belegungsfunktion bel k aus der Funktionenfamilie belf der Variablen x das formale<br />
Objekt ob aus der Objektmenge OB k zuordnet, wenn es sich um eine Variable aus der Variblenmenge VAR k für das Kozept k<br />
handelt.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 253<br />
Eine Formel F∈FORM ist gültig in der SIG-Struktur A unter der Interpretation I, wenn die Formel<br />
F durch jede Familie belf konzeptspezifischer Belegungsfunktionen in A bestätigt wird. Verkürzt<br />
wird hierfür fortan:<br />
(A,I) F<br />
geschrieben. Die SIG-Struktur A wird in diesem Fall als ein „Modell der Formel F unter der Interpretation<br />
I“ bezeichnet. Modelle in diesem speziellen Sinne einer formalen Semantik für prädikatenlogische<br />
Formeln F sind also SIG-Strukturen A, die unter einer jeweils gegebenen Interpretation I<br />
(und unabhängig von bestimmten Belegungsfunktionen für Variablen) dazu führen, dass die Formeln<br />
F nach Anwendung der Termauswertungs- und Interpretationsfunktionen jeweils gültige Formeln<br />
darstellen. 75) Lässt sich darüber hinaus zeigen, dass eine Formel F für jede SIG-Struktur A mit<br />
A∈A(SIG) und jede denkmögliche Interpretation I gültig ist, so wird von einer allgemeingültigen<br />
Formel gesprochen und dieser Sachverhalt als F notiert.<br />
Die voranstehende Vorgehensweise für die Auswertung einzelner Formeln wird analog auf nichtleere<br />
Formelmengen ausgeweitet: Eine Formelmenge FM mit ∅ ⊂ FM ⊆ FORM wird genau dann<br />
durch eine Familie belf von Belegungsfunktionen in einer SIG-Struktur A unter einer Interpretation<br />
I bestätigt, wenn jede ihrer Formeln Fi mit Fi∈FM durch die Funktionenfamilie belf in der SIG-<br />
Struktur A unter der Interpretation I bestätigt wird. Hierfür wird die folgende Schreibweise verwendet:<br />
(A,I,belf) FM mit ∅ ⊂ FM ⊆ FORM genau dann,<br />
wenn für alle Fi∈FM gilt: (A,I,belf) Fi.<br />
Eine Formelmenge FM mit mit ∅ ⊂ FM ⊆ FORM ist genau dann in einer SIG-Struktur A unter einer<br />
Interpretation I gültig, wenn jede ihrer Formeln Fi mit Fi∈FM in der SIG-Struktur A unter der<br />
Interpretation I gültig ist:<br />
(A,I) FM mit ∅ ⊂ FM ⊆ FORM genau dann,<br />
wenn für alle Fi∈FM gilt: (A,I) Fi.<br />
Die SIG-Struktur A wird in diesem Fall als „ein Modell der Formelmenge FM unter der Interpretation<br />
I“ bezeichnet.<br />
Die Menge aller Modelle zu einer Formel wird über die Funktion MOD bestimmt, die jeder Formel<br />
F eine Menge von SIG-Strukturen A und Interpretationen I zuordnet. Es handelt sich dabei um genau<br />
diejenigen Elemente der Menge A(SIG) und diejenigen Interpretationen, in bzw. unter denen<br />
die entsprechende Formel gültig ist:<br />
MOD(F) = {(A,I) | (A,I) F}.<br />
75) Daher kann vereinfacht auch davon gesprochen, dass das Modell einer Formel F eine SIG-Struktur A ist, mit der die Formel F<br />
interpretiert und als gültige Formel ausgewertet wird. Modelle in diesem speziellen, prädikatenlogischen Sinne stellen also rein<br />
formalsprachlich definierte Konstrukte dar, beziehen sich auf gültige prädikatenlogische Formeln und haben nichts mit Modellen<br />
im ökonomischen Sinne zu tun, die jeweils einen Realitätsausschnitt repräsentieren. Diese Verschiedenartigkeit zwischen<br />
Modellen im prädikatenlogischen Sinne einerseits und Modellen im ökonomischen Sinne andererseits lässt sich auch dadurch<br />
herausarbeiten, dass erstgenannte Modelle nur im Rahmen einer formalen Semantik (ohne jeglichen Realitätsbezug) definiert<br />
sind, während letztgenannte Modelle eine denotationale Semantik voraussetzen, in der Realitätsbezüge über natürlichsprachliche<br />
Korrespondenzregeln hergestellt werden.
254 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Die Funktion MOD wird – zwecks einfacherer Diktion – dadurch „überladen“, dass sie es auch erlaubt,<br />
die Menge aller Modelle zu einer Formelmenge FM zu bestimmen:<br />
MOD(FM) = {(A,I) | (A,I) Fi für alle Fi∈FM}.<br />
1.3.2.3.3 Bezeichnungs- und Definitionsfunktionen<br />
Es wurde bereits im Kapitel 1.3.2.2.1, S. 234, darauf hingewiesen, dass eine sowohl links- als auch<br />
rechtseindeutige Beziehung zwischen sprachlichen Konzepten als primären objektsprachlichen Ausdrucksmitteln<br />
einerseits und mentalen Konzepten als ihren denotationalen Interpretationen andererseits<br />
besteht. Es wurde vorausgesetzt, dass die sprachlichen Konzepte von den Benutzern einer Ontologie<br />
– einer „ontologischen Gruppe“ – eineindeutig durch mentale Konzepte interpretiert werden.<br />
Aufgrund dieser denotationalen „Repräsentations“-Beziehung wurden sprachliche Konzepte als<br />
Identifikatoren für mentale Konzepte vereinbart und der Kürze halber schlicht als „Konzepte“ bezeichnet.<br />
Im Folgenden wird diese enge Beziehung zwischen sprachlichen und mentalen Konzepten<br />
wieder aufgegriffen, um (sprachliche) Konzepte mittels sprachspezifischer Bezeichnungs- und Definitionsfunktionen<br />
in Ontologien „gehaltreicher“ handhaben zu können, als es allein mit den bisher<br />
eingeführten, rein formalsprachlich definierten Konstrukten 76) möglich wäre. Diese „Anreicherungen“<br />
schlagen eine Brücke vom formalsprachlichen „Kern“ einer Ontologie zu natürlichsprachlichen<br />
Ausdrucksmitteln.<br />
Die natürlichsprachlichen Ausdrucksmittel und ihre Verknüpfungen mit formalsprachlichen Konstrukten<br />
bilden einen der wesentlichen Aspekte, 77) mit denen sich Ontologien von zahlreichen anderen<br />
Ansätzen für die Spezifikation der Konzeptualisierung von Realitätsausschnitten – wie etwa<br />
konzeptuellen Datenschemata – unterscheiden. Denn die natürlichsprachlichen Ausdrucksmittel gestatten<br />
einerseits die Anschlussfähigkeit von Ontologien an semi-formale Modellierungen und natürlichsprachliche<br />
Diskurse über Modellierungen, die sowohl in der ökonomischen Theorie als auch<br />
in der betrieblichen Praxis vorherrschen. Andererseits führen die wohldefinierten Verknüpfungen<br />
der natürlichsprachlichen Ausdrucksmittel mit formalsprachlichen Konstrukten in einer Ontologie<br />
dazu, dass sich die natürlichsprachlichen Ausdrucksmittel, mit denen die Benutzer einer Ontologie<br />
an deren „Oberfläche“ vornehmlich arbeiten, in formalsprachliche Konstrukte übersetzen lassen, die<br />
im „Kern“ einer Ontologie mit leistungsfähigen, computerbasiert ausführbaren Analysetechniken 78)<br />
weiter verarbeitet werden können. Diese Kombination von natürlich- und formalsprachlicher Ausdrucksweise<br />
stellt nach Einschätzung der Verfasser einen Kompromiss zwischen einerseits Benutzerfreundlichkeit<br />
(aufgrund von Natürlichsprachlichkeit) sowie andererseits Präzision und Leistungsstärke<br />
(aufgrund von Formalsprachlichkeit und Computereinsatz) dar, der von alternativen Ansätzen<br />
für die Spezifikation der Konzeptualisierung von Realitätsausschnitten zurzeit nicht erreicht<br />
wird. Aus diesem Grund erfolgte bereits in der Vorbereitungsphase für das Verbundprojekt KO-<br />
76) Diese rein formalsprachlich definierten Konstrukte umfassen ontologische Signaturen SIG, Terme und Formeln als objektsprachliche<br />
Ausdrücke über diesen Signaturen, SIG-Strukturen sowie Interpretationen und Modelle aus einer formalen Semantik.<br />
77) Einen weiteren wesentlichen Aspekt stellt der intensive Verwendung von Inferenz- und Integritätsregeln in Ontologien dar, auf<br />
die später in den Kapiteln 2.4.2.2 (S. 433 ff.) und 2.4.4 (S. 524 ff.) ausführlicher eingegangen wird.<br />
78) An späterer Stelle werden prädikatenlogische Inferenztechniken als Beispiel für solche Anlaysetechniken vorgestellt.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 255<br />
WIEN die Grundsatzentscheidung, Ontologien als Basis für <strong>Kompetenzmanagementsysteme</strong> zu<br />
wählen. 79)<br />
Aufgrund der Eineindeutigkeit der denotationalen Repräsentations-Beziehung zwischen mentalen<br />
und sprachlichen Konzepten ist es u.a. nicht möglich, einem mentalen Konzept mehrere sprachliche<br />
Konzepte zuzuordnen. 80) Diese Eineindeutigkeitsrestriktion gerät allerdings mit dem Vorhaben in<br />
Konflikt, natürlichsprachliche Begriffswelten für die Konzeptualisierung von Realitätsausschnitten<br />
zwar formalsprachlich, aber zugleich auch möglichst „natürlich“ zu rekonstruieren. Oftmals werden<br />
nämlich in natürlichen Sprachen einerseits mehrere Bezeichner für dasselbe mentale Konzept zugelassen<br />
(Synonymie). Andererseits existieren auch unterschiedliche mentale Konzepte, die mit demselben<br />
Bezeichner angesprochen werden (Homonymie). Diese beiden Fälle synonymer bzw. homonymer<br />
Begrifflichkeiten sind Unterfälle von Mehrdeutigkeiten (Ambiguitäten), 81) die in natürlichen<br />
Sprachen oftmals zu beobachten, aber in formalen Sprachen schwer zu bewältigen sind.<br />
Ontologien erweisen sich hinsichtlich der Erfassung von Mehrdeutigkeiten – im Vergleich zu traditionellen<br />
Datenmodellierungsmethoden – als äußerst flexibel. Die Flexibilität wird dadurch gewonnen,<br />
dass zwischen sprachlichen Konzepten einerseits und Bezeichnern für sprachliche Konzepte<br />
andererseits unterschieden wird. Auf diese Weise ist es erstens möglich, die oben eingeführte Eineindeutigkeit<br />
zwischen sprachlichen Konzepten und den von ihnen repräsentierten mentalen Konzepten<br />
aufrecht zu erhalten. 82) Zweitens ist es ebenso zulässig, demselben sprachlichen Konzept<br />
(und somit demselben repräsentierten mentalen Konzept) im Fall der Synonymie mehrere verschiedene<br />
Bezeichner und demselben Bezeichner im Fall der Homonymie mehrere verschiedene sprachliche<br />
Konzepte (und somit mehrere verschiedene repräsentierte mentale Konzepte) zuzuordnen.<br />
79) Ein weiterer Grund für die Grundsatzentscheidung zugunsten von Ontologien bestand darin, dass Ontologien mithilfe ihrer Inferenz-<br />
und Integritätsregeln ein hohes Schlussfolgerungs- und Konsistenzwahrungspotenzial aufweisen. Darauf wird später in<br />
Kapitel 2.4.2.2 (S. 433 ff.) zurückgekommen.<br />
80) Bei einem solchen Vorgehen würden unterschiedliche sprachliche Konzepte mit gleichen denotationalen Interpretationen, d.h.<br />
mit gleichen mentalen Konzepten als „Intensionen“ der betroffenen sprachlichen Konzepte zugelassen werden. Dies stünde jedoch<br />
damit in Konflikt, dass sprachliche Konzepte aufgrund der o.a. Eineindeutigkeit stets paarweise unterschiedliche mentale<br />
Konzepte repräsentieren müssen.<br />
81) Im Fall der Synonymie betrifft die Ambiguität die Ebene der Bezeichner, weil für dasselbe mentale Konzept mehrere Bezeichner<br />
zulässig sind. Im Fall der Homonymie erstreckt sich die Ambiguität dagegen auf die Ebene der mentalen Konzepte, weil<br />
derselbe Bezeichner auf mehrere mentale Konzepte angewendet wird. Auf Syno- und Homonymie wird an späterer Stelle noch<br />
ausführlicher eingegangen.<br />
82) Aufgrund dieser fortbestehenden Eineindeutigkeit zwischen sprachlichen und mentalen Konzepten werden alternative Ansätze<br />
ausgeschlossen, in denen intensionsgleiche objektsprachliche Konstrukte zugelassen werden (wie es z.B. der Fall wäre, wenn<br />
mehreren sprachlichen Konzepten das gleiche mentale Konzept als Intension der sprachlichen Konzepte zugeordnet würde).<br />
Vgl. zur Verwendung intensionsgleicher objektsprachliche Konstrukte z.B. PATIG (2004) S. 99, die intensionsgleiche Relationssymbole<br />
zulässt.<br />
Aus dem vorgenannten Grund kann es in dem hier entfalten Ansatz für die Konstruktion von Ontologien beispielsweise keine<br />
„Konzepte-Synonymie“ geben. (Sie würde erfordern, dass mehrere sprachliche Konzepte „bedeutungsgleich“ sind, also das<br />
gleiche mentale Konzept repräsentieren.) Stattdessen wurde an früherer Stelle eine „abgeschwächte“ Form der Synonymie als<br />
Konzepte-Äquivalenz eingeführt. Zu diesem Zweck wurde die metasprachliche Äquivalenzrelation eingeführt. Sie gestattet<br />
es auszudrücken, dass zwei (sprachliche) Konzepte zwar nicht synonym sind (also unterschiedliche mentale Konzepte repräsentieren),<br />
aber dennoch die gleichen Extensionen aufweisen. Dies betraf z.B. den „klassischen“ Fall der Konzepte „Abendstern“<br />
und „Morgenstern“, deren Bedeutungen (Intensionen) unterschiedlich definiert sind, deren Extensionen aber immer gleich ausfallen,<br />
weil beide Konzeptextensionen aus demselben Stern „Venus“ bestehen. Allerdings wurde auf weitere metasprachliche<br />
Ausdrucksmittel verzichtet, mit denen die Äquivalenz von Operations- oder Prädikatssymbolen ausgedrückt werden könnte.<br />
Für solche Zwecke erweisen sich objektsprachliche Inferenzregeln als einfacher zu handhaben.
256 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Jedem sprachlichen Konzept kann in einer Ontologie durch metasprachliche Bezeichnungsfunktionen<br />
eine nicht-leere Menge von Zeichenketten zugeordnet werden. 83) Jede Bezeichnungsfunktion<br />
erstreckt sich auf Ausdrücke einer natürlichen Sprache, wie z.B. Deutsch („ger“), Englisch („eng“)<br />
oder Französisch („fra“), und heißt daher sprachspezifische Bezeichnungsfunktion (bezger, bezeng<br />
bzw. bezfra). Diese Ausdrücke werden als Zeichenketten aus dem Alphabet ALPH dargestellt, das<br />
bereits zu Beginn dieses Beitrags als Bestandteil einer Signatur SIG eingeführt wurde. 84) Da die natürlichsprachlichen<br />
Ausdrücke beliebig komplex ausfallen können (solange sie jeweils eine Zeichenkette<br />
darstellen 85) ), ist es mit Hilfe der Bezeichnungsfunktionen möglich, die „Bedeutung“ (Intension)<br />
eines sprachlichen Konzepts mit „selbsterklärenden“, natürlichsprachlichen Bezeichnern<br />
zu verdeutlichen. 86)<br />
Wenn einem sprachlichen Konzept mittels einer sprachspezifischen Bezeichnungsfunktion eine einelementige<br />
Menge von Zeichenketten, also genau eine Zeichenkette zugeordnet wird, dann stellt<br />
diese Zeichenkette den eindeutigen sprachspezifischen Bezeichner des zugrunde liegenden sprachlichen<br />
Konzepts dar. 87) Andernfalls, wenn einem sprachlichen Konzept mittels einer sprachspezifischen<br />
Bezeichnungsfunktion eine mehrelementige Menge von Zeichenketten zugeordnet ist, wird<br />
das zugrunde liegende sprachliche Konzept auf mehrdeutige Weise durch mehrere verschiedene<br />
Zeichenketten aus derselben natürlichen Sprache bezeichnet. Im letztgenannten Fall verhalten sich<br />
die Zeichenketten, d.h. die sprachspezifischen Bezeichner, synonym zueinander. 88)<br />
Auf die gleiche Weise, wie zuvor für den Fall sprachlicher Konzepte – oder kurz: Konzepte – beschrieben,<br />
können sich die sprachspezifischen Bezeichnungsfunktionen ebenso auf Operationssymbole<br />
und Prädikatssymbole beziehen, um diesen formalsprachlichen Konstrukten ebenso Mengen<br />
83) Vgl. CHEN, P. (1997) S. 56.<br />
84) Das Alphabet ALPH ist entweder so „umfassend“ zu definieren, dass es von vornherein sprachspezifische Sonderzeichen umfasst,<br />
wie beispielsweise die deutschsprachigen Umlaute und die französischsprachigen Accents. Oder die natürlichsprachigen<br />
Ausdrücke sind so darzustellen, dass sie ohne sprachpezifische Sonderzeichen, also mit dem „Standard-Zeichensatz“ auskommen.<br />
Im Verbundprojekt KOWIEN wurde der zweite Weg beschritten, weil er – im Gegensatz zur erstgenannten Alternative –<br />
den Vorteil besitzt, dass die Zeichenketten der natürlichsprachigen Ausdrücke in jeder üblichen Softwareumgebung (als Daten<br />
des Typs „String“ oder als symbolische Konstanten) problemlos implementiert und verarbeitet werden können.<br />
85) Die Einschränkung auf Zeichenketten wirkt in der Praxis nicht sehr restriktiv, weil z.B. umfangreiche Begriffskombinationen<br />
als Zeichenketten durch die Verwendung des Zeichens „_“ realisiert werden können. Diese Darstellungsweise ist im Requirements<br />
und Software Engineering weit verbreitet und wird auch im Rahmen der KOWIEN-Ontologie benutzt.<br />
86) Damit wird bewusst von der weit verbreiteten „Unart“ abgewichen, formalsprachliche Konstrukte möglichst „spartanisch“ mit<br />
einzelnen Zeichen – wohlmöglich zwecks Demonstration der eigenen wissenschaftlichen Anspruchshöhe auch noch in Alphabeten<br />
„toter“ Sprachen (z.B. mittels griechischer Zeichen) – so zu bezeichnen, dass ein „normaler“ Leser aus den Konstruktbezeichnern<br />
oftmals nicht auf die „Bedeutungen“ der bezeichneten Konstrukte zurück zu schließen vermag. Eine derart „puristische“<br />
– oder gar „elaborierte“ – Bezeichnungsweise wird von den Verfassern als pseudowissenschaftliche Attitüde abgelehnt.<br />
Daher bekennen sie sich offensiv zur Verwendung von „selbsterklärenden“, natürlichsprachlichen Bezeichnern in Ontologien,<br />
damit die bezeichneten Konstrukte möglichst von jedem „normalen“, in der jeweils betroffenen Domäne hinreichend sachkundigen<br />
Benutzer „auf Anhieb“ verstanden werden können.<br />
87) Das zugrunde liegende sprachliche Konzept kann trotzdem mehrdeutig bezeichnet werden. Dies ist der Fall, wenn dasselbe<br />
sprachliche Konzept durch mindestens zwei sprachspezifische Bezeichnungsfunktionen auf jeweils genau einen sprachspezifischen<br />
Bezeichner abgebildet sind. Dann besitzt dieses eine sprachliche Konzept mindestens zwei verschiedene Bezeichner, die<br />
sich synonym zueinander verhalten, aus unterschiedlichen natürlichen Sprachen.<br />
88) Synonymie zwischen den Bezeichnern für dasselbe sprachliche Konzept liegt auch dann vor (wie bereits in der voranstehenden<br />
Fußnote im Hinblick auf einen Spezialfall angesprochen wurde), wenn das sprachliche Konzept durch mindestens zwei sprachspezifische<br />
Bezeichnungsfunktionen auf jeweils nicht-leere Mengen von Zeichenketten als Bezeichner abgebildet sind. Dann<br />
besitzt das sprachliche Konzept mindestens zwei verschiedene Bezeichner, die sich synonym zueinander verhalten, aus unterschiedlichen<br />
natürlichen Sprachen.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 257<br />
aus Zeichenketten, d.h. natürlichsprachliche Bezeichner zuzuordnen. Dadurch wird eine bemerkenswerte<br />
Separation zwischen den objekt- und formalsprachlichen Konstrukten aus einer Signatur<br />
SIG einerseits sowie den meta- und natürlichsprachlichen Bezeichnern für diese Konstrukte andererseits<br />
bewirkt. 89) Eine solche Separation hat den Vorteil, die „Bedeutungen“ (Intensionen) objektsprachlicher<br />
Konstrukte 90) aus einer ontologischen Signatur zumindest 91) natürlichsprachlich beschreiben<br />
zu können. 92)<br />
Die Familie bezf = {bezger,bezeng,bezfra,...} umfasst diejenigen sprachspezifischen Bezeichnungsfunktionen<br />
bezlan 93) , mit denen objektsprachlichen Konstrukten aus der ontologischen Signatur SIG<br />
jeweils eine sprachspezifische Menge natürlichsprachlicher Bezeichner zugeordnet werden kann. 94)<br />
Bei jedem dieser Bezeichner handelt es sich um eine Zeichenkette über dem Alphabet ALPH aus<br />
der zugrunde liegenden ontologischen Signatur SIG. Jede sprachspezifische Bezeichnungsfunktion<br />
bezlan ist definiert als:<br />
bezlan: (K ∪ OPS ∪ PS) → pot+(ALPH*).<br />
Die Bildmenge jeder Bezeichnungsfunktion bezlan ist eine nicht-leere und echte Teilmenge 95) der<br />
Menge ALPH* aller Zeichenketten über dem Alphabet ALPH. Die Menge bezlan(x), die einem objektsprachlichen<br />
Konstrukt x∈(K ∪ OPS ∪ PS) durch die Bezeichnungsfunktion bezlan zugeordnet<br />
89) Die Separation zwischen den formalsprachlichen Konstrukten aus einer Signatur SIG und den natürlichsprachlichen Bezeichnern<br />
jener Konstrukte verhält sich analog zu der früher vorgestellten Separation zwischen Signaturen SIG und ihnen zugeordneten<br />
SIG-Strukturen. Allerdings ist die Analogie (wie jede Analogie) unvollständig. Denn mit den formalsprachlichen Konstrukten<br />
aus einer SIG-Struktur wurden Konstrukte aus einer zugrunde liegenden Signatur extensional interpretiert. Dagegen dienen<br />
die natürlichsprachlichen Bezeichner jetzt dazu, die Konstrukte aus einer zugrunde liegenden Signatur intensional zu interpretieren.<br />
90) Gemeint sind hier keineswegs alle Konstrukte, die im Kapitel 1.3.2.2.1 als Komponenten einer ontologischen Signatur SIG eingeführt<br />
wurden. Vielmehr sind im aktuellen Argumentationskontext mit objektsprachlichen Konstrukten aus einer ontologischen<br />
Signatur nur Konzepte, Operations- und Prädikatssymbole gemeint.<br />
91) Es wurde schon an früherer Stelle dargelegt, dass es keine Schwierigkeiten bereitet, objektsprachliche Konstrukte aus einer ontologischen<br />
Signatur zu interpretieren. Dies betrifft zunächst jedoch nur eine formale Semantik, in der die Konstrukte aus der<br />
Signatur auf extensionale Weise durch die Zuordnung anderer formalsprachlicher Konstrukte interpretiert werden. Zwar konnte<br />
ebenso aufgezeigt werden, wie sich auch die „Bedeutungen“ (Intensionen) von Konzepten mittels der Subkonzeptrelation ansatzweise<br />
auf intensionale Weise erfassen lassen. Aber es musste eingeräumt werden, dass dieser formalsprachliche und<br />
zugleich intensionale Interpretationsansatz für Ontologien – zumindest derzeit – noch nicht vollauf zu überzeugen vermag. Daher<br />
wird oben davon gesprochen, die „Bedeutungen“ (Intensionen) von Konstrukten aus einer ontologischen Signatur zumindest<br />
natürlichsprachlich beschreiben zu können, d.h., eine darüber hinaus gehende formalsprachliche Interpretation der Konstruktintensionen<br />
wird hierdurch nicht ausgeschlossen.<br />
92) Die Beschreibung der Konstruktintensionen erfolgt zunächst mit „selbst sprechenden“ natürlichsprachlichen Bezeichnern. Später<br />
wird die Beschreibung der Konstruktintensionen mit der Hilfe von Definitionsfunktionen und zugeordneten natürlichsprachlichen<br />
Konstruktdefinitionen noch erheblich ausgeweitet.<br />
93) Das Subskript lan∈{ger,eng,fra,...} der Bezeichnungsfunktionen bez lan gibt jeweils an, aus welcher natürlichen Sprache die Bezeichner<br />
stammen. Exemplarisch werden hier die Sprachen Deutsch (ger), Englisch (eng) und Französisch (fra) berücksichtigt,<br />
können aber je nach Anwendungskontext einer Ontologie eingeschränkt oder auch beliebig auf andere natürliche Sprachen erweitert<br />
werden. Wenn die betroffene natürliche Sprache im jeweils aktuellen Argumentationskontext nicht von Relevanz ist,<br />
wird die Bezeichnungsfunktion bez lan als „Platzhalter“ für eine beliebige sprachspezifische Bezeichnungsfunktion benutzt und<br />
dann auch – der Kürze halber – selbst als sprachspezifische Bezeichnungsfunktion angesprochen.<br />
94) Vgl. MAEDCHE (2002) S. 18 (ohne sprachspezifische Erweiterung).<br />
95) Die leere Teilmenge wäre keine Zeichenkette und könnte daher keinen (natürlichsprachlichen) Bezeichner darstellen. Die<br />
Bildmenge muss eine echte Teilmenge der Menge ALPH* darstellen, weil die Menge ALPH* eine Fülle „sinnloser“ Zeichenketten<br />
enthält, die in der jeweils betrachteten natürlichen Sprache keinen „sinnvollen“ Ausdruck darstellen und daher nicht als<br />
„selbst sprechender“ Bezeichner für das bezeichnete Konstrukt in Betracht kommen.
258 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
wird, ist die Bezeichnermenge dieses Konstrukts x. Die Elemente einer Bezeichnermenge bezlan(x)<br />
sind die Bezeichner des Konstrukts k.<br />
Sowohl bei sprachlichen Konzepten als auch bei den Bezeichnern sprachlicher Konzepte handelt es<br />
sich um sprachliche Gebilde. Während es sich allerdings bei Erstgenannten um objektsprachliche<br />
Konstrukte handelt, sind die Zeichenketten, die zur Beschriftung herangezogen werden, metasprachliche<br />
Konstrukte über dem Alphabet ALPH der zugrunde liegenden Signatur SIG. Zwar bietet<br />
sich aus einer pragmatischen Perspektive die Bezeichnung objektsprachlicher Konstrukte mit Elementen<br />
aus der konzeptspezifischen Objektmenge OBString für das Konzept String an, das in zahlreichen<br />
Programmiersprachen als „reservierter“ Datentyp für beliebige Zeichenketten verwendet<br />
wird. Jedoch sprechen u.a. zwei Gründe dagegen. Erstens würde bei einem solchen Vorgehen die<br />
„natürliche“ Separation, die zwischen objektsprachlichen Konstrukten und ihren metasprachlichen<br />
Bezeichnern vorliegt, durchbrochen werden. 96) Objektsprachliche Konstrukte würden nämlich auf<br />
diese Weise durch wiederum objektsprachliche Konstrukte – die Elemente der Menge OBString – bezeichnet<br />
werden. Zweitens müsste eine – zumindest partielle – extensionale Interpretation einer ontologischen<br />
Signatur SIG durch eine SIG-Struktur A vorausgesetzt werden, wenn die konzeptspezifische<br />
Objektmenge OBString für die Bezeichnung objektsprachlicher Konstrukte aus der Signatur<br />
SIG verwendet würde. Denn die Objektmenge OBString gehört zur Familie OBF konzeptspezifischer<br />
Objektmengen aus einer SIG-Struktur A mit A = (OBF,OPF,RF). Selbst dann, wenn die Objektmenge<br />
OBString des Konzepts String in jeder SIG-Struktur A identisch enthalten sein sollte, so läuft<br />
dies jedoch dem Vorhaben zuwider, ontologische Signaturen ohne ihre extensionalen Interpretationen<br />
durch SIG-Strukturen wiederverwenden zu können. Der „extensionsfreien“ Wiederverwendbarkeit<br />
von ontologischen Signaturen würde daher eine unnötige Last aufgebürgt werden, wenn die<br />
Objektmenge OBString für die Bezeichnung objektsprachlicher Konstrukte dienen müsste. Aus den<br />
beiden vorgenannten Gründen werden hier die Zeichenketten über dem Alphabet ALPH für die Bezeichnung<br />
objektsprachlicher Konstrukte als metasprachliche Konstrukte sui generis behandelt.<br />
Bei den sprachspezifischen Bezeichnungsfunktionen bezlan handelt es sich jeweils um partielle<br />
Funktionen. Nicht allen (sprachlichen) Konzepten, Operations- und Prädikatssymbolen muss nämlich<br />
eine nicht-leere Menge metasprachlicher Bezeichnungen zugewiesen werden. Stattdessen ist es<br />
ebenso möglich, dass einem der vorgenanten formalsprachlichen Konstrukte durch eine bestimmte<br />
sprachspezifische Bezeichnungsfunktion, durch mehrere oder sogar durch alle sprachspezifischen<br />
Bezeichnungsfunktionen keine metasprachliche Bezeichnung zugeordnet werden. 97) Wenn beispielsweise<br />
für ein sprachliches Konzept überhaupt keine sprachspezifische Bezeichnungsfunktion<br />
96) Im weiteren Verlauf wird aufgezeigt werden, wie die Separation zwischen objekt- und metasprachlichen Konstrukten zur Klarheit<br />
einer Ontologie beizutragen vermag.<br />
97) Allerdings bedeutet die Nichtdefinition einer sprachspezifischen Bezeichnungsfunktion für ein objektsprachliches Konstrukt<br />
nur, dass für dieses Konstrukt kein metasprachlicher Bezeichner in der jeweils betroffenen natürlichen Sprache – unter Umständen<br />
sogar überhaupt kein metasprachlicher Bezeichner in irgendeiner natürlichen Sprache – definiert ist. Davon unbetroffen<br />
bleibt jedoch, dass jedes objektsprachliche Konstrukt aus einer ontologischen Signatur, also insbesondere auch hier jedes der<br />
Konzepte, Operations- und Prädikatssymbole, eine objekt- und formalsprachliche Bezeichnung ist. Beispielsweise handelt es<br />
sich bei jedem Konzept k um ein sprachliches Konstrukt, das selbstreferenziell ist. Die Bezeichnung „k“, d.h., das Konzept k<br />
kann unter der Bezeichnung „k“ als Konzept angesprochen werden. Zugleich wird deutlich, dass im rein objektsprachlichen<br />
Rahmen formalsprachliche Konstrukte und ihre Bezeichnungen zusammenfallen können. Dies kann in Einzelfällen zu erheblichen<br />
Komplikationen führen, weil bezeichnetes Konstrukt einerseits und Konstruktbezeichner andererseits streng genommen<br />
nicht dasselbe darstellen. Um Komplikationen solcher Art auszuschließen, wird in der KOWIEN-Ontologie für jedes der objektsprachlichen<br />
Konzepte, Operations- und Prädikatssymbole stets mindestens ein meta- und natürlichsprachlicher Bezeichner<br />
verwendet, damit eindeutig zwischen dem bezeichneten formalsprachlichen Konstrukt und seinem natürlichsprachlichen Bezeichner<br />
unterschieden werden kann.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 259<br />
definiert ist, dann kann das mentale Konzept, das von dem sprachlichen Konzept repräsentiert wird,<br />
lediglich über dieses sprachliche Konzept angesprochen werden. Darüber hinaus ist jede sprachspezifische<br />
Bezeichnungsfunktion bezlan nicht notwendig injektiv. Das heißt, dass zwei unterschiedlichen<br />
Konzepten k1,k2∈K die gleiche Bezeichnermenge bezlan(k1) = bezlan(k2) zugeordnet werden<br />
kann. 98)<br />
Mit sprachspezifischen Bezeichnungsfunktionen ist es möglich, Gemeinsamkeiten und Unterschiede<br />
zwischen den Bezeichnern von sprachlichen Konzepten formal zu präzisieren. In erster Linie<br />
handelt es sich hierbei um die Beziehungen der Homonymie und Synonymie. Sie werden als „Bezeichnerbeziehungen“<br />
angesprochen. Welche Bezeichnerbeziehung bei welcher Konstellation der<br />
Bezeichnungsfunktion vorliegt, kann der nachfolgenden Tabelle 1 entnommen werden. Der Übersichtlichkeit<br />
halber beschränkt sich die Tabelle 1 auf einfache Fälle, in denen Bezeichner aus derselben<br />
natürlichen Sprache lan∈{ger,eng,fra,...} stammen. In Kürze werden diese einfachen Fälle<br />
derart verallgemeinert, dass die Bezeichner zu mehreren natürlichen Sprachen gehören können.<br />
objektsprachliche<br />
Konstrukte<br />
(z.B. Konzepte)<br />
metasprachliche<br />
Bezeichner<br />
Bezeichnerbeziehung<br />
Homonymie Synonymie<br />
x1≠x2<br />
bezlan(x1)={name},<br />
bezlan(x2)={name}<br />
Tabelle 1: Homonymie und Synonymie 99)<br />
x<br />
bezlan(x)={name_1,name_2}<br />
Im Fall der Homonymie liegt die Mehrdeutigkeit auf der objektsprachlichen Ebene (vgl. die 2. Spalte<br />
der Tabelle 1): Ein Homonym ist ein metasprachlicher Bezeichner, wie beispielsweise die Zeichenkette<br />
„name“, der (mindestens) zwei verschiedenen objektsprachlichen Konstrukten mit unterschiedlichen<br />
Intensionen 100) , wie etwa den zwei Konzepten x1 und x2, durch eine Bezeichnungsfunktion<br />
bezlan zugeordnet wird. 101) Ein homonymer Bezeichner liegt z.B. dann vor, wenn die zwei<br />
unterschiedlichen Konzepte Handlungsfaehigkeit und Weisungsbefugnis jeweils mit der Zeichenkette<br />
Kompetenz bezeichnet sind. 102) Die 1-stellige Homonymrelation hom 103) mit hom ⊆ ALPH* um-<br />
98) Weiter unten werden Sonderfälle behandelt, die sich aus der Gleichheit der Bezeichner für unterschiedliche Konzepte ergeben<br />
können.<br />
99) Der Deutlichkeit halber werden metasprachlicher Bezeichner als Zeichenketten in einer Äquidistanzschrift, wie z.B. mit dem<br />
Schriftfont „Courier“, dargestellt.<br />
100) Zwei objektsprachliche Konstrukte gelten hier grundsätzlich genau dann als voneinander verschieden, wenn sie unterschiedliche<br />
Bedeutungen (Intensionen) besitzen. Dies schließt jedoch nicht aus (wie anhand der Äquivalenz zwischen intensional verschiedenen<br />
Konzepten aufgezeigt wurde), dass solche Konstrukte (Konzepte) durch die gleichen formalsprachlichen Konstrukte<br />
extensional interpretiert werden. Daher können verschiedene objektsprachliche Konstrukte mit demselben homonymen Bezeichner<br />
in Einzelfällen gleiche extensionale Interpretationen besitzen. Sie verfügen aber im Regelfall über unterschiedliche extensionale<br />
Interpretationen.<br />
101) Vgl. LÖBNER (2003) S. 58 ff.; LUTZEIER (1995) S. 33; ORTNER (1997) S. 32.<br />
102) Da es sich um zwei verschiedene Konzepte Handlungsfaehigkeit und Weisungsbefugnis handelt, müssen sie auch unterschiedliche<br />
Bedeutungen (Intensionen) aufweisen. Die Extensionen I K(Handlungsfaehigkeit) und I K(Weisungsbefugnis) der beiden<br />
Konzepte können zwar grundsätzlich gleich sein; dieser Fall läge vor, wenn es sich um äquivalente Konzepte handeln würde. In<br />
der Regel kann jedoch davon ausgegangen werden, dass die Bedeutungen der Konzepte Handlungsfaehigkeit und Weisungsbefugnis<br />
so unterschiedlich aufgefasst werden, dass sie ungleiche, in Extremfällen sogar disjunkte Extensionen aufweisen.
260 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
fasst alle homonymen Bezeichner b∈ALPH*. Demnach gilt für jede natürliche Sprache lan mit<br />
lan∈{ger,eng,fra,...}:<br />
∀b∈ALPH*: hom(b) ↔ (∃x1,x2∈(K∪OPS∪PS): x1≠x2 ∧ b∈bezlan(x1) ∧ b∈bezlan(x2))<br />
Die voranstehende Definition, die auch der o.a. Tabelle 1 zugrunde lag, bezieht sich nur auf die<br />
Homonymie i.e.S. Sie ist dadurch gekennzeichnet, dass (mindestens) zwei unterschiedlichen objektsprachlichen<br />
Konstrukten innerhalb einer natürlichen Sprache durch die sprachspezifische Bezeichnungsfunktion<br />
bezlan ein Bezeichner zugeordnet wird. Die Beschränkung auf eine natürliche Sprache<br />
ist jedoch nicht notwendig. Stattdessen kann die Homonymie auch so weit gefasst werden, dass<br />
sie sich über mehrere natürliche Sprachen erstreckt. 104) Diese Homonymie i.w.S. erstreckt sich in ihrer<br />
Definition auf unterschiedliche sprachspezifische Bezeichnungsfunktionen bezlan.1 und bezlan.2:<br />
∀b∈ALPH*: b∈hom ↔ (∃x1,x2∈(K∪OPS∪PS): x1≠x2 ∧ b∈bezlan.1(x1) ∧ b∈bezlan.2(x2))<br />
Die Homonymie i.w.S. liegt vor, wenn eine Zeichenkette als Bezeichner von (mindestens) zwei unterschiedlichen<br />
objektsprachlichen Konstrukten in (mindestens) zwei unterschiedlichen natürlichen<br />
Sprachen dient. Es kann nämlich der Fall eintreten, dass zwei unterschiedliche objektsprachliche<br />
Konstrukte mittels wiederum zweier unterschiedlicher sprachspezifischer Bezeichnungsfunktionen<br />
bezlan.1 und bezlan.2 mit lan1≠lan2 „zufällig“ auf dieselbe Zeichenkette als homonyme Bezeichner abgebildet<br />
werden. 105) Die betroffene Zeichenkette stellt in diesem Fall eine Überlappung der Bildmengen<br />
zweier sprachspezifischer Bezeichnungsfunktionen dar.<br />
Im Fall der Synonymie liegt die Mehrdeutigkeit auf der metasprachlichen Ebene (vgl. die 3. Spalte<br />
der Tabelle 1): Synonyme sind unterschiedliche Zeichenketten, die als verschiedene Bezeichner für<br />
dasselbe objektsprachliche Konstrukt verwendet werden. 106) Im Fall von synonymen Konzeptbezeichnern<br />
wird beispielsweise ein Konzept k∈K mit einer Menge bezlan(k) von Zeichenketten bezeichnet,<br />
die mindestens die Mächtigkeit |bezlan(k)|≥2 besitzt. So sind z.B. die Zeichenketten C++<br />
und C Plus Plus synonyme Bezeichner, da sie beide dasselbe programmiersprachliche Konzept<br />
bezeichnen. Darüber hinaus sind Abkürzungen von Zeichenketten und Akronyme als Kunstworte<br />
aus Zeichenketten als Synonyme zu den abgekürzten bzw. „geworteten“ Zeichenketten anzusehen.<br />
Schließlich stellen auch die Elemente der Mengen bezlan.1(k) und bezlan.2(k) von Zeichenketten, die<br />
demselben Konzept k durch zwei unterschiedliche sprachspezifische Bezeichnungsfunktionen zugeordnet<br />
sind, allesamt synonyme Bezeichner des Konzepts k dar.<br />
103) 1-stellige Relationen stellen Mengen dar. Daher entspricht die Notation hom(b) der üblichen Notation b∈hom. Die seltene, relationsorientierte<br />
Notation hom(b) wird im Folgenden verwendet, um die Notationen von Homonymie und Synonymie formalsprachlich<br />
möglichst ähnlich zu gestalten.<br />
104) Zur Zulässigkeit der Auszeichnung sprachübergreifender Bezeichnerbeziehungen vgl. WEDEKIND ET AL. (2004) S. 340.<br />
105) Beispielsweise kann der Bezeichner tank – wenn auf unterschiedliche, jeweils sprachspezifische Klein- und Großschreibungen<br />
verzichtet wird – als homonymer Bezeichner für die zwei Konzepte Panzer und Grosser_Behaelter in der englischen bzw.<br />
deutschen Sprache verwendet werden. Zusätzliche Komplikationen treten auf, wenn die sprachspezifischen Bezeichner zu zwei<br />
unterschiedlichen Konzepten „vertauscht“ sind. Beispielsweise wird die Zeichenkette Meer im Holländischen demjenigen<br />
Konzept zugeordnet, dem im Deutschen der Bezeichner See zugeordnet ist. Umgekehrt wird im Holländischen der Zeichenkette<br />
See demjenigen Konzept zugeordnet, dem im Deutschen der Bezeichner Meer zugeordnet ist. Vgl. HOPPENBROUWERS<br />
(1997) S. 42 zu dieser „vertauschten“ Anwendung des homonymen Bezeichners See und des homonymen Bezeichners Meer<br />
in den beiden natürlichen Sprachen Holländisch und Deutsch.<br />
106) Vgl. LÖBNER (2003) S. 117; LUTZEIER (1995) S. (1995) S. 59 ff.; ORTNER (1997) S. 32.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 261<br />
Die 2-stellige Synonymrelation syn mit syn ⊆ ALPH* × ALPH * umfasst alle Paare (b1,b2) synonymer<br />
Bezeichner b1,b2∈ALPH*. Demnach gilt für jede natürliche Sprache lan∈{ger,eng,fra,...}:<br />
∀b1,b2∈ALPH*: syn(b1,b2) ↔ (∃x∈(K∪OPS∪RS): b1∈bezlan.1(x) ∧ b2∈bezlan.2(x)).<br />
Abermals lassen sich hinsichtlich der Anzahl der involvierten natürlichen Sprachen zwei Varianten<br />
unterscheiden. In der ersten Variante stimmen die sprachspezifischen Bezeichnungsfunktionen<br />
bezlan.1 und bezlan.2 überein, weil wegen lan1 = lan2 nur eine natürliche Sprache verwendet wird. Es<br />
handelt sich hierbei um die Synonymie i.e.S. Die zweite Variante liegt hingegen vor, wenn aufgrund<br />
von lan1 ≠ lan2 zwei unterschiedliche sprachspezifische Bezeichnungsfunktionen herangezogen<br />
werden, mit deren Hilfe sich Bezeichner aus mehreren natürlichen Sprachen verwenden lassen. In<br />
diesem Fall liegt die Synonymie i.w.S. vor. Die Synonymie i.w.S. eröffnet für Ontologien das weite –<br />
und sehr anspruchsvolle – Gebiet der „automatischen“ Übersetzung, weil mittels der Synonymierelation<br />
natürlichsprachliche Bezeichner für Konzepte aus unterschiedlichen Sprachen wechselseitig<br />
ineinander übersetzt werden können. 107)<br />
Die sprachspezifischen Definitionsfunktionen deflan mit lan∈{ger,eng,fra,...} erweitern dis bislang<br />
betrachteten sprachspezifischen Bezeichnungsfunktion bezlan in der Weise, dass sich einem objektsprachlichen<br />
Konstrukt aus der zugrunde liegenden ontologischen Signatur SIG nicht nur ein – relativ<br />
kompakter – metasprachlicher Bezeichner, sondern ein beliebig umfangreicher metasprachlicher<br />
Text zuordnen lässt. 108) Dieser Text kann in einer beliebigen natürlichen Sprache formuliert sein und<br />
dient dazu, das jeweils betroffene objektsprachliche Konstrukt in dem Sinne zu definieren, dass seine<br />
Bedeutung (Intension) festgelegt wird. 109) Daher bilden die sprachspezifischen Definitionsfunktionen<br />
objektsprachliche Konstrukte jeweils auf ihre natürlichsprachliche Definition ab.<br />
107) Um Missverständnissen vorzubeugen, wird darauf hingewiesen, dass Ontologien die vielfachen Probleme der „automatischen“<br />
Übersetzung (treffender wäre wohl zurzeit noch: der „computerbasierten“ Übersetzung) keineswegs lösen, sondern entweder<br />
die Lösung dieser Probleme bereits voraussetzen oder aber auf „Vor-Übersetzungen“ beruhen, die vor der Konstruktion einer<br />
Ontologie von Menschen durchgeführt wurden. Denn die Verwendung von zwei Bezeichnern b 1 und b 2 als Synonyme setzt die<br />
Deklaration des Paars (b 1,b 2) als Element der Synonymierelation syn voraus. Diese Deklaration lässt sich nicht innerhalb einer<br />
Ontologie computerbasiert ableiten (etwa mittels Inferenzregeln), sondern setzt eine exogene Information durch den Konstrukteur<br />
oder den Benutzer einer Ontologie voraus, dass es sich um ein Element der Synonymierelation syn handelt. Darüber hinaus<br />
bleiben die Übersetzungen in Ontologien auf den Spezialfall beschränkt, dass sich einzelnen Konzepten (oder – was jedoch<br />
nach Einschätzung der Verfasser nur eine untergeordnete Rolle spielt – einzelnen Operations- oder Prädikatssymbolen) Bezeichner<br />
aus unterschiedlichen natürlichen Sprachen zuordnen lassen. Dagegen kann der weitaus komplexere Fall, dass „bedeutungserhaltende“<br />
Übersetzungen zwischen Phrasen, die in jeder betroffenen natürlichen Sprache aus mehreren Konzepten (und<br />
weiteren sprachlichen Elementen) bestehen, durch Synonymiebeziehungen zwischen Bezeichnern für dasselbe Konzept in einer<br />
Ontologie grundsätzlich nicht erfasst werden. Darüber hinaus lässt sich trefflich darüber streiten, was genau unter einer „bedeutungserhaltenden“<br />
Übersetzung zu verstehen ist und wie sich die Erfüllung der Anforderung nach einer „bedeutungserhaltenden“<br />
Übersetzung konkret überprüfen lässt. Auf solche weiter und tiefer führenden linguistischen Probleme wird hier nicht weiter<br />
eingegangen, weil die „automatische“ (bzw. computerbasierte) Übersetzung – zumindest derzeit – allenfalls einen Randaspekt<br />
von Ontologien darstellt.<br />
108) Wie die sprachspezifischen Bezeichnungsfunktionen erstrecken sich auch die sprachspezifischen Definitionsfunktionen auf die<br />
objektsprachlichen Konstrukte der Konzepte, der Operations- und der Prädikatssymbole aus einer ontologischen Signatur.<br />
Abermals stehen die Konzepte im Vordergrund der Betrachtungen. Allerdings können die sprachspezifischen Definitionsfunktionen<br />
– im Gegensatz zu den sprachspezifischen Bezeichnungsfunktionen – auch auf Formeln aus der Menge FORM angewendet<br />
werden, die selbst nicht zu einer ontologischen Signatur gehört, sondern zu den objektsprachlichen Ausdrücken, die mit den<br />
Ausdrucksmitteln einer solchen Signatur gebildet werden können.<br />
109) Je nachdem, wie umfangreich diese Bedeutungsfestlegung erfolgt, kann das gesamte Spektrum zwischen einer knappen inhaltlichen<br />
Konstruktdefinition mit der Länge von nur einem Satz und einer ausführlichen Erläuterung des Konstrukts einschließlich<br />
Beispielen für seine korrekte Verwendung ausgeschöpft werden.
262 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Die Familie deff = {defger,defeng,deffra,...} umfasst alle sprachspezifischen Definitionsfunktionen,<br />
die auf objektsprachliche Konstrukte, insbesondere Konzepte, einer ontologischen Signatur SIG angewendet<br />
werden sollen. Jede sprachspezifische Definitionsfunktion deflan ist definiert als:<br />
deflan: (K ∪ OPS ∪ PS ∪ FORM) → ALPH*<br />
Im Gegensatz zu der Familie bezf der sprachspezifischen Bezeichnungsfunktionen können die Mitglieder<br />
der Familie deff der sprachspezifischen Definitionsfunktionen in ihren Argumenten auch<br />
Formeln aufnehmen, die sich mit den Ausdrucksmitteln einer ontologischen Signatur bilden lassen.<br />
Dadurch können beispielsweise natürlichsprachliche Definitionen für objektsprachliche Inferenz-<br />
und Integritätsregeln 110) ausgedrückt werden. Insbesondere lassen sich auf diese Weise Inferenz-<br />
oder Integritätsregeln, die aufgrund ihrer strikten formalsprachlichen Formulierung auf Benutzer einer<br />
Ontologie „sperrig“ oder gar „abschreckend“ wirken könnten, in natürlicher Sprache so paraphrasieren<br />
(„definieren“), dass die Bedeutung der Regeln auch solchen Benutzern deutlich wird, die<br />
zwar nicht vertraut im Umgang mit formalsprachlichen Darstellungsweisen sind, jedoch hinreichendes<br />
Sachwissen über die jeweils betroffene Domäne besitzen. Beispielsweise kann die folgende<br />
Formel: 111)<br />
F = ∀U1,U2,K1,K2: (hat_Kompetenzdefizit(U1,K1) ∧ hat_Kernkompetenz(U1,K2) ∧<br />
hat_Kompetenzdefizit(U2,K2) ∧ hat_Kernkompetenz(U2,K1))<br />
→ geeignet_fuer_Kooperation(U1,U2)<br />
mittels der sprachspezifischen Definitionsfunktion defger durch die Definition:<br />
defger(F) = Wenn zwei Unternehmen U 1 und U 2 jeweils Defizite in denjenigen<br />
Kompetenzen K 1 bzw. K 2 aufweisen, über die das jeweils andere<br />
Unternehmen als Kernkompetenz verfügt, dann sind die beiden<br />
Unternehmen für eine Kooperation geeignet.<br />
auf natürlichsprachliche Weise und „allgemeinverständlich“ erläutert werden.<br />
Das Bild einer sprachspezifischen Definitionsfunktion deflan ist stets eine Zeichenkette über dem<br />
Alphabet ALPH. Im Unterschied zu einer sprachspezifischen Bezeichnungsfunktion bezlan bildet<br />
eine sprachspezifische Definitionsfunktion deflan objektsprachliche Konstrukte nicht auf eine Teilmenge<br />
von ALPH*, sondern auf ein Element von ALPH* ab. Sprachspezifische Definitionsfunktionen<br />
ordnen also eindeutige Definition zu. Zugleich handelt es sich um partielle Funktionen. Es<br />
braucht nämlich nicht jedem objektsprachlichen Konstrukt, wie etwa einem Konzept oder einer Formel,<br />
eine Definition zugewiesen zu werden. 112) Aufgrund der beiden vorgenannten Funktionseigenschaften<br />
– Eindeutigkeit und Unvollständigkeit – wird den Elementen aus der Menge K ∪ OPS ∪<br />
PS ∪ FORM in jeder berücksichtigten natürlichen Sprache höchstens eine Definition zugeordnet.<br />
Darüber hinaus sind sprachspezifische Definitionsfunktionen nicht notwendig injektiv. Denn es ist<br />
durchaus zulässig, zwei unterschiedlichen objektsprachlichen Konstrukten die gleiche Definition<br />
110) Objektsprachliche Inferenz- und Integritätsregeln werden im nächsten Kapitel 1.3.2.4 als zusätzliche Komponenten von Ontologien<br />
vorgestellt werden.<br />
111) Die Formel stellt eine objektsprachliche Inferenzregel dar. Darauf wird später im Kapitel 2.4.2.2 ausführlicher zurückgekommen.<br />
112) Wenn eine Definition zugewiesen wird, erweist sie sich allerdings wegen der Rechtseindeutigkeit von Funktionen immer als<br />
eindeutig.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 263<br />
zuzuweisen. Beispielsweise können zwei syntaktisch voneinander unterschiedliche, aber (semantisch)<br />
äquivalente Formeln F1,F2∈FORM die gleichen Definitionen deflan(F1) = deflan(F2) besitzen.<br />
Die Definitionen zu formalsprachlichen Konstrukten aus einer ontologischen Signatur sowie zu<br />
Formeln über dieser ontologischen Signatur erläutern die Bedeutungen (Intensionen) der Konstrukte<br />
bzw. Formeln. Diese Definitionen lassen sich daher als Bestandteile einer natürlichsprachlichen intensionalen<br />
Semantik für eine ontologische Signatur auffassen. Die natürlichsprachliche intensionale<br />
Semantik tritt neben die formale Semantik, die für eine ontologische Signatur SIG durch<br />
SIG-Strukturen und Interpretationen auf extensionale Weise definiert ist.<br />
Die Zuordnung von Definitionen zu objektsprachlichen Konstrukten mit sprachspezifischen Definitionsfunktionen<br />
trägt zu einem Großteil dazu bei, die intensionale Semantik objektsprachlicher<br />
Konstrukte aus oder über einer ontologischen Struktur – also von Konzepten, von Operations- und<br />
von Prädikatssymbolen sowie von Formeln – zu erfassen. Während die vorgenannten objektsprachlichen<br />
Konstrukte mit der Hilfe von SIG-Strukturen und Interpretationen aus einer formalen Semantik<br />
lediglich extensional interpretiert werden konnten, 113) ist es mit den sprachspezifischen Bezeichnungs-<br />
und den ebenso sprachspezifischen Definitionsfunktionen nun zusätzlich möglich, natürlichsprachliche<br />
Bezeichner und Definitionen zu spezifizieren, mit denen die Bedeutungen der betroffenen<br />
objektsprachlichen Konstrukte auf intensionale Weise beschrieben werden können. 114) Dieser<br />
„zweiseitige“ Zusammenhang zwischen objektsprachlichen Konstrukten einerseits und ihren entweder<br />
extensionalen Interpretationen im Rahmen einer formalen Semantik 115) oder aber ihren intensionalen<br />
Interpretationen (Bedeutungen) im Rahmen einer intensionalen Semantik 116) andererseits<br />
wird in der Abbildung 18 auf der nächsten Seite verdeutlicht.<br />
113) Die formale Semantik eines prädikatenlogischen Kalküls lässt nur extensionale Interpretationen seiner objektsprachlichen Konstrukte<br />
zu. Daher lässt sich die formale Semantik hier in synonymer Weise auch als extensionale Semantik bezeichnen.<br />
114) Da im Rahmen einer intensionalen Semantik objektsprachlichen Konstrukten jeweils ihre Bedeutungen als „Intensionen“ zugeordnet<br />
werden, kann diese Zuordnung von Bedeutungen auch als eine intensionale Interpretation der jeweils betroffenen objektsprachlichen<br />
Konstrukte bezeichnet werden.<br />
115) Extensionale Interpretationen sprachlicher Ausdrücke lassen sich hingegen dadurch charakterisieren, dass sie sich nur auf die<br />
äußere Form dieser Ausdrücke beziehen, also „blind“ gegenüber möglichen Inhalten oder Bedeutungen jener Ausdrücke sind.<br />
Daher lassen sich extensionale Interpretationen insbesondere auf formalsprachliche Ausdrücke anwenden, da diese ebenso nur<br />
durch ihre äußere Form definiert sind. Extensionale Interpretationen erfolgen in der Regel dadurch, dass den interpretierten<br />
formalsprachlichen Ausdrücken andere, wiederum formalsprachliche Ausdrücke zugeordnet werden. Die Gesamtheit der zugeordneten<br />
formalsprachlichen Ausdrücke wird oftmals als die formale Extension der jeweils (extensional) interpretierten Ausdrücke<br />
bezeichnet. Sofern aus dem jeweils aktuellen Argumentationskontext ersichtlich ist, dass nur formalsprachliche Ausdrücke<br />
– und nicht die oben erwähnten „realweltlichen“ Entitäten – gemeint sein können, wird des Öfteren nur kurz von der Extension<br />
der jeweils interpretierten Ausdrücke gesprochen. In dieser allgemein üblichen Form verlassen extensionale Interpretationen<br />
nicht die Ebene rein formalsprachlich definierter Ausdrücke und gehören daher zum Bereich der formalen Semantik.<br />
116) Interpretationen sprachlicher Ausdrücke werden als intensional bezeichnet, wenn sie sich nicht auf die äußere Form dieser<br />
Ausdrücke, sondern auf einen „inneren Sinn“ – oder synonym: einen „Inhalt“ – dieser Ausdrücke beziehen. Solche intensionalen<br />
Interpretationen werden auch als Bedeutungen oder Intensionen der betroffenen Ausdrücke angesprochen. Die Gesamtheit<br />
solcher intensionalen Interpretationen wird auch als eine intensionale Semantik bezeichnet. Oftmals wird die Bedeutung eines<br />
Ausdrucks natürlichsprachlich durch eine Aufzählung von Merkmalen (streng genommen: Merkmalsausprägungen) beschrieben,<br />
die alle Entitäten eines Realitätsausschnitts erfüllen müssen, die durch den intensional interpretierten Ausdruck referenziert<br />
werden sollen. Die Gesamtheit dieser „realweltlichen“ Entitäten ist die denotationale Extension des interpretierten Ausdrucks.
264 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
ALPH*<br />
pot + (ALPH*)<br />
SIG<br />
A<br />
deflan (k) deflan (O) deflan (P)<br />
bezlan (k) bezlan (O) bezlan (P) deflan (F)<br />
k<br />
OB k.1<br />
O<br />
o 1<br />
P<br />
I K I OPS I PS<br />
r 1<br />
<br />
F FORM<br />
extensionale Extensionale Interpretationen<br />
Interpretation<br />
Intensionale Interpretation<br />
Abbildung 18: Intensionale versus extensionale Interpretationen objektsprachlicher Konstrukte<br />
aus oder über einer ontologischen Signatur<br />
Zentrales Element der Abbildung 18 ist die mittlere Schicht der objektsprachlichen Konstrukte aus<br />
oder über einer ontologischen Signatur. Diese Schicht setzt sich aus zwei Bereichen zusammen: Der<br />
linke Bereich der mittleren Schicht umfasst die Konzepte sowie Operations- und Prädikatssymbole<br />
als objektsprachliche Konstrukte aus der ontologischen Signatur SIG. Der rechte Bereich der mittleren<br />
Schicht enthält alle Formeln aus der Menge FORM über dieser Signatur, die mit den Ausdrucksmitteln<br />
der ontologischen Signatur SIG gebildet werden können.<br />
Die unterste Schicht in der Abbildung 18 bildet die Ebene der extensionalen Interpretationen für die<br />
objektsprachlichen Konstrukte aus der mittleren Schicht. Diese unterste Schicht besteht aus einer<br />
SIG-Struktur A zur ontologischen Signatur SIG. Die SIG-Struktur bildet die Basis einer formalen<br />
Semantik, in der die objektsprachlichen Konstrukte aus der mittleren Schicht mit der Hilfe einer<br />
erweiterten Interpretation Ivar = (IK,IOPS,IPS,belf) (einschließlich Termauswertungsfunktionen aus der<br />
Familie ITF) durch die Zuordnung von formalen Objekten, Operationen und Relationen extensional<br />
interpretiert werden. Die Pfeile, die von der mittleren Schicht zu der untersten Schicht führen, verdeutlichen<br />
Interpretations- und Belegungsfunktionen, mit denen den objektsprachlichen Konstrukten<br />
aus der mittleren Schicht ihre extensionalen Interpretationen zugewiesen werden.<br />
Die oberste Schicht in der Abbildung 18 besteht aus der Menge ALPH* aller Zeichenketten und aus<br />
der Menge pot+(ALPH*) aller nicht-leeren Mengen von Zeichenketten über dem metasprachlichen<br />
Alphabet ALPH. Diese oberste Schicht bildet die Basis einer intensionalen Semantik, in der die objektsprachlichen<br />
Konstrukte aus der mittleren Schicht mit der Hilfe von sprachspezifischen Definitionsfunktionen<br />
deflan und ebenso sprachspezifischen Bezeichnungsfunktionen bezlan durch die Zuordnung<br />
von (eindeutigen) Definitionen bzw. (potenziell mehrdeutigen) Bezeichnern intensional interpretiert<br />
werden. Mit den Pfeilen, die von der mittleren Schicht zu der obersten Schicht führen,<br />
werden die sprachspezifischen Bezeichnungs- und Definitionsfunktionen angedeutet, mit denen den<br />
objektsprachlichen Konstrukten aus der mittleren Schicht ihre intensionalen Interpretationen zugewiesen<br />
werden.<br />
Die o.a. Abbildung 18 weist eine enge Verwandtschaft mit dem Denkmuster des Bedeutungsdreiecks<br />
auf, mit dem des Öfteren die Zusammenhänge zwischen mentalen Konzepten 117) , Bezeichnern<br />
117) In der Regel werden exemplarisch aufgeführte Bedeutungsdreiecke nur auf Konzepte angewandt. Die Illustration lässt sich allerdings<br />
ohne weiteres auch auf Operations- und Relationssymbole ausweiten.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 265<br />
für mentale Konzepte und konzeptspezifischen Extensionen verdeutlicht werden. 118) In Abbildung<br />
19 ist ein erweitertes Bedeutungsdreieck wiedergegeben, mit dem die Illustrationsmöglichkeiten des<br />
Bedeutungsdreiecks aufgegriffen und um solche Aspekte erweitert werden, die für Ontologien von<br />
Relevanz sind.<br />
Bezeichnung<br />
Extension<br />
bez lan (k) OB k<br />
bez lan<br />
k∈K<br />
def lan<br />
def lan (k)<br />
Intension<br />
Abbildung 19: Erweitertes Bedeutungsdreieck<br />
Es wird deutlich darauf hingewiesen, dass sich das o.a. erweiterte Bedeutungsdreieck von dem üblichen<br />
Bedeutungsdreieck unterscheidet. Der wesentliche Unterschied liegt darin, dass die untere<br />
Ecke des erweiterten Bedeutungsdreiecks sprachliche Konzepte repräsentiert. Üblicherweise ist die<br />
entsprechende Ecke ein Surrogat für ein mentales Konzept. Widersprüchlich an der üblichen Illustration<br />
erscheint den Verfassern allerdings, dass sprachliche Ausdrucksmittel – des Öfteren ikonische<br />
Darstellungen – benutzt werden, um die jeweils gemeinten mentalen Konzepte anzusprechen.<br />
119) Stattdessen wird in dem o.a. erweiterten Bedeutungsdreieck von vornherein nur auf<br />
sprachliche Konzepte Bezug genommen, um Inkonsistenzen der zuvor skizzierten Art zu vermeiden.<br />
118) Vgl. HANSEN ET AL. (1992) S. 8; HARRAS (2000) S. 13; HOPPENBROUWERS (1997) S. 28; LÖBNER (2003) S. 32; MAEDCHE (2002)<br />
S. 14; OLDAGER (2003) S. 21 (erweitert um Kardinalitäten); PFLÜGLMAYER (2001) S. 131; SOWA (2000) S. 191 ff.; SURE (2003)<br />
S. 27.<br />
119) Diese Inkonsistenz, ein mentales Konzept zu meinen, es jedoch mithilfe sprachlicher Ausdrucksmittel „anzusprechen“, überrascht<br />
nicht. Bereits an früherer Stelle wurde in diesem Beitrag erläutert, dass sich die Verfasser nicht der naiven Vorstellung<br />
eines sprachfreien oder sprachunabhängigen Denkens anzuschließen vermögen. Vielmehr vertreten sie die Auffassung, dass<br />
mentale Konzepte nur in einer Sprache gedanklich vorgestellt – und erst Recht nur in einer Sprache „angesprochen“ werden<br />
können. Daher erscheint es ihnen folgerichtig, sprachliche Konzepte immer dann anstelle von mentalen Konzepten zu verwenden,<br />
wenn über Konzepte gesprochen wird (wie z.B. in der Darstellung des Bedeutungsdreiecks in einer Mischung aus natürlichen<br />
und graphischen Sprachelementen).<br />
I K
266 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
1.3.2.4 Ontologien<br />
Eine ontologische Signatur SIG gibt einen formalen Rahmen vor, dem eine SIG-Struktur<br />
A∈A(SIG) entsprechen muss, um Ausdrücke über dieser Signatur SIG – d.h. Terme und Formeln –<br />
extensional interpretieren zu können. Allerdings erfolgen in einer ontologischen Signatur über die<br />
Deklaration und Typisierung ihrer objektsprachlichen Konstrukte hinaus keine inhaltlichen Einschränkungen<br />
für SIG-Strukturen, mit denen sie extensional interpretiert werden können. Die Interpretation<br />
einer ontologischen Signatur SIG durch eine SIG-Struktur entspricht daher einer so genannten<br />
„losen“ Semantik der Signatur, wenn keine weiteren Einschränkungen definiert sind. 120)<br />
Sie ist in dem Sinne lose, als auch solche SIG-Strukturen für die extensionale Interpretation von<br />
SIG in Frage kommen, die aufgrund der Bedeutungen (Intensionen) der objektsprachlichen Konstrukte<br />
aus der Signatur „eigentlich“ ausgeschlossen werden müssten.<br />
Konstruktbedeutungen stellen ein erhebliches Problem nicht nur speziell für Ontologien, sondern<br />
auch für eine Fülle anderer formalsprachlicher Kalküle dar. Denn einerseits entziehen sich Bedeutungen<br />
von Konstrukten als intensionale, zumeist natürlichsprachlich formulierte Interpretationen<br />
einer unmittelbar formalsprachlichen, expliziten Repräsentation. Dies betrifft sowohl die Repräsentation<br />
von Bedeutungen innerhalb einer rein formalsprachlich verfassten ontologischen Signatur<br />
SIG als auch im Rahmen einer formalen Semantik, die durch SIG-Strukturen und erweiterte Interpretationen<br />
Ivar = (IK,IOPS,IPS,belf) die Konstrukte aus der zugrunde liegenden Signatur zwar interpretiert,<br />
dies jedoch nur auf extensionale – und somit wiederum formalsprachliche – Weise zu leisten<br />
vermag. Andererseits verfügen sowohl die ursprünglichen Konstrukteure als auch die späteren<br />
Benutzer einer Ontologie in der Regel über ein intuitives Vorverständnis, wie die sprachlichen Ausdrucksmittel<br />
„korrekt“ zu verwenden sind, 121) die mit Hilfe einer Ontologie für die Konzeptualisierung<br />
eines Realitätsausschnitts spezifiziert werden sollen. Dieses oftmals nur verschwommen vorhandene,<br />
nicht präzise artikulierte und allenfalls natürlichsprachlich umschriebene Vorverständnis<br />
über die korrekte Verwendungsweise von sprachlichen Ausdrucksmitteln wird hier als deren Bedeutung<br />
angesehen.<br />
Mit der Konstruktion von Ontologien wird das ambitionierte Ziel verfolgt, den zuvor skizzierten<br />
Konflikt zwischen einerseits rein formalsprachlich verfassten Signaturen und ihrer formalen Semantik<br />
sowie andererseits unpräzisen und nur natürlichsprachlich umschriebenen Bedeutungsvorstellungen<br />
zumindest teilweise aufzulösen. Zu diesem Zweck wird angestrebt, einen möglichst großen<br />
Teil des intuitiven Vorverständnisses über die Bedeutungen sprachlicher Ausdrucksmittel – dies<br />
schließt auch die Bedeutungen der Ausdrücke ein, die mit Hilfe dieser Ausdrucksmittel gebildet<br />
120) Vgl. EHRIG ET AL. (1999) S. 182.<br />
121) Die Verfasser folgen einem Sprachverständnis, das in Anlehnung an den „späten“ WITTGENSTEIN die Bedeutung sprachlicher<br />
Ausdrucksmittel und damit gebildeter Ausdrücke über deren tatsächliche Verwendung in „Sprachspielen“ und über die Vorstellungen<br />
einer Sprachgemeinschaft hinsichtlich der korrekten Verwendungsweise der Ausdrucksmittel bzw. Ausdrücke erschließt<br />
(„[Sprach-] Regeln folgen“). Vgl. zu dieser verwendungsorientierten Bedeutungsauffassung LANGE (1998) S. 140 ff. u. 242 ff.;<br />
MEGGLE (1987) S. 279 ff.; STEGMÜLLER (1987a) S. 414 ff.; STEGMÜLLER (1989) S. 576 ff.; VON KUTSCHERA (1975) S. 119 ff.<br />
(aus der Perspektive von QUINE); VON SAVIGNY (1996) S. 35 ff., 47 ff. u. 70 ff.; WITTGENSTEIN (1977) S. 16, 19 ff., 28 ff., 41 ff.<br />
(mit der zentralen Formulierung auf S. 41: „Die Bedeutung eines Wortes ist sein Gebrauch in der Sprache.“) u. 80 ff.; WITT-<br />
GENSTEIN (1996) S. 240 ff.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 267<br />
werden, 122) – inhaltlich zu präzisieren und dabei formalsprachlich zu repräsentieren (programmatisches<br />
Ziel der Ontologiekonstruktion). 123) In dem Ausmaß, wie dieses Präzisierungs- und Formalisierungsziel<br />
erfüllt wird, gelingt es in Ontologien, zwei nur noch scheinbar konfliktionäre Sachverhalte<br />
miteinander zu kombinieren: Einerseits werden aus intensionaler Perspektive in Ontologien<br />
auch die Bedeutungen von sprachlichen Ausdrucksmitteln erfasst. Andererseits erlaubt es die formalsprachliche<br />
Repräsentation des Wissens über sprachliche Ausdrucksmittel, dieses Wissen computerbasiert<br />
zu verarbeiten, insbesondere inhaltlich zu erschließen.<br />
In den voranstehenden Kapiteln wurden bereits mehrere Ansätze angesprochen, mittels formalsprachlicher<br />
Ausdrucksmittel Aspekte des intuitiven Vorverständnisses über die Bedeutungen solcher<br />
Ausdrucksmittel zu erfassen. Dies betrifft zunächst die Beziehungen zwischen sprachlichen<br />
Konzepten und den eineindeutig repräsentierten mentalen Konzepten. Diese Beziehungen sind in<br />
einer ontologischen Signatur aber nur rudimentär angedeutet, weil mentale Konzepte keine Signaturbestandteile<br />
sind und folglich auch die Beziehungen zu ihnen nur mittels informeller „Randerläuterungen“<br />
skizziert werden können. Darüber hinaus bieten sich insbesondere die sprachspezifischen<br />
Bezeichnungs- und Definitionsfunktionen an, um „selbsterklärende“ natürlichsprachliche Bezeichner<br />
bzw. natürlichsprachliche Definitionen für objektsprachliche Konstrukte zu integrieren. Mit ihrer<br />
Hilfe lassen sich bereits substanzielle Aspekte von Konstruktbedeutungen in Ontologien erfassen.<br />
Allerdings entziehen sich diese Bezeichner und Definitionen aufgrund ihrer Natürlichsprachlichkeit<br />
noch weit gehend der computerbasierten Verarbeitung. Stattdessen dienen sie vornehmlich<br />
dazu, an der „Oberfläche“ einer Ontologie eine benutzerfreundliche Schnittstelle zu ihren Anwendern<br />
zu bieten. Erste Ansätze zu einer auch computerbasierten Verarbeitung bestehen jedoch immerhin.<br />
Denn die Beziehungen der Homo- und der Synonymie von Bezeichnern werden bereits<br />
formalsprachlich repräsentiert. Daher können diese Aspekte der Bedeutungen von sprachlichen<br />
Ausdrucksmitteln in Ontologien computerbasiert implementiert und analysiert werden.<br />
Die voranstehenden Erläuterungen verdeutlichen, dass das oben formulierte Präzisierungs- und<br />
Formalisierungsziel, das mit der Konstruktion von Ontologien verfolgt wird, mit den bislang eingeführten<br />
Konstrukten bei weitem noch nicht zufrieden stellend erreicht werden kann. Daher werden<br />
Ontologien in diesem Werk weiter ausgebaut. Die zusätzlichen Konstrukte knüpfen an dem Signaturproblem<br />
der „losen“ Semantik an, das zu Beginn dieses Kapitel erwähnt wurde. Es werden so<br />
genannte Anforderungen eingeführt, die eine SIG-Struktur A∈A(SIG) zusätzlich erfüllen muss, um<br />
eine ontologische Signatur SIG extensional korrekt interpretieren zu können. Unter einer korrekten<br />
Signaturinterpretation wird dabei eine SIG-Struktur verstanden, deren sprachlichen Ausdrucksmittel<br />
nur noch so verwendet werden können, dass das intuitive Vorverständnis über die Bedeutungen (In-<br />
122) Die sprachlichen Ausdrucksmittel einer Ontologie werden in der zugrunde liegenden ontologischen Signatur festgelegt. Dazu<br />
gehören vor allem Konzepte, Operations- und Prädikatssymbole. Die Ausdrücke, die über dieser Signatur gebildet werden können,<br />
betreffen dagegen die prädikatenlogisch definierten Terme und Formeln. Da es oftmals zu sehr umständlich anmutenden<br />
Formulierungen führen würde, stets sprachliche Ausdrucksmittel und daraus gebildete Ausdrücke gemeinsam anzusprechen,<br />
werden beide Begriffe synonym verwendet, solange es im aktuellen Argumentationskontext nicht erforderlich erscheint, zwischen<br />
ihnen explizit zu differenzieren.<br />
123) Die inhaltliche Präzisierung und formalsprachliche Repräsentation des ehemals nur intuitiv, d.h. „in den Köpfen“ von Menschen<br />
vorhandenen Vorverständnisses über Bedeutungen von Ausdrucksmitteln und Ausdrücken führt dazu, dass dieses Vorverständnis<br />
in Ontologien streng genommen nicht „bedeutungserhaltend“ wiedergegeben wird. Vielmehr bewirkt die inhaltliche<br />
Präzisierung des intuitiven Vorverständnis, die mit seiner Formalisierung Hand in Hand geht, eine inhaltliche „Zugabe“, die im<br />
Vorverständnis noch nicht enthalten war. Daher ist bei der Konstruktion von Ontologien stets zu beachten, dass sie das sprachliche<br />
Vorverständnis nicht rekonstruieren im naiven Sinne einer passiven Widerspiegelung, sondern dass diese Rekonstruktion<br />
eine aktive, schöpferische Leistung darstellt. Sie schließt sich zwar inhaltlich an das vorliegende, intuitive Vorverständnis an,<br />
entwickelt es aber zwecks Präzisierung und Formalisierung inhaltlich weiter.
268 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
tensionen) der objektsprachlichen Konstrukte aus der Signatur nicht mehr verletzt wird. 124) Mit der<br />
Menge FORM wurden bereits im Kapitel 1.3.2.2.2 Formeln als Ausdrücke über ontologischen Signaturen<br />
vorgestellt (S. 244 f.), die für die Formulierung solcher Anforderungen an korrekt interpretierende<br />
SIG-Strukturen verwendet werden können. Damit sind alle „Vorbereitungen“ getroffen, um<br />
abschließend Ontologien in der Form einführen zu können, wie sie zur formalsprachlichen Spezifikation<br />
der Konzeptualisierung von Realitätsausschnitten im KOWIEN-Verbundprojekt verwendet<br />
werden.<br />
Eine ontologische Spezifikation SPEZ – oder kurz: eine Ontologie 125) – ist die Gesamtheit aus einer<br />
ontologischen Signatur SIG, aus allen Anforderungen an korrekt interpretierende SIG-Strukturen<br />
sowie aus den Familien der Bezeichnungs- und Definitionsfunktionen für die objektsprachlichen<br />
Konstrukte aus oder über der ontologischen Signatur SIG. 126) Hinsichtlich der Anforderungen an<br />
korrekt interpretierende SIG-Strukturen werden im KOWIEN-Verbundprojekt zwei Anforderungsarten<br />
berücksichtigt. Es handelt sich dabei zum einen um objektsprachliche 127) Inferenzregeln 128)<br />
124) Die Korrektheit der Signaturinterpretation ist kein absoluter, sondern nur ein – „höchst“ – relativer Begriff. Denn die Korrektheit<br />
kann nur insoweit überprüft werden, wie zusätzliche Anforderungen formalsprachlich aufgestellt werden, die „das“ intuitive<br />
Vorverständnis über die Bedeutungen objektsprachlicher Konstrukte explizieren. Es wäre naiv anzunehmen, jemals einen<br />
Zustand zu erreichen, in dem das gesamte intuitive Vorverständnis formalsprachlich expliziert wäre. Zunächst sprechen gewichtige<br />
Gründe dagegen, an die vollständige formalsprachliche Explizierung von inhaltlich – intensional – Gemeintem zu<br />
glauben. In der hier gebotenen Kürze können diese Gründe nicht näher erläutert, sondern nur stichwortartig angerissen werden.<br />
Zu den wichtigsten Gründen, die gegen eine vollständige formalsprachliche Explizierbarkeit intensionalen Wissens sprechen,<br />
gehören erstens die tiefreichenden epistemologischen Konsequenzen, die aus dem LÖWENHEIM-SKOLEM-Theorem resultieren,<br />
und zweitens die These des taziten Wissens („tacit knowledge“), das „in den Köpfen“ der Menschen fest verankert sein und<br />
sich Explizierungsversuchen „weit gehend“ entziehen soll. Vgl. zum LÖWENHEIM-SKOLEM-Theorem und seinen Konsequenzen<br />
HERMES (1991) S. 137 u. 154 f.; PUTNAM (1980) S. 9 ff. Auf die Tacit-Knowledge-These wurde bereits an früherer Stelle eingegangen;<br />
vgl. dazu die Anmerkungen zu tazitem Wissen im Kapitel 1.1.2 (S. 40 ff.). Hinzu kommt für den Fall, dass den vorgenannten<br />
(und weiteren) Zweifeln an der vollständigen formalsprachlichen Explizierbarkeit intensionalen Wissens nicht gefolgt<br />
wird, die Schwierigkeit, einen operationalen Test zu entwickeln, ob wirklich alle Aspekte der Bedeutung eines Konstrukts<br />
in formalsprachlichen Anforderungen (oder anderen Ontologiebestandteilen) erfasst worden sind. Die Verfasser kennen zumindest<br />
keinen Erfolg versprechenden Ansatz, einen solchen Test zu entwickeln – geschweige denn konkret anzuwenden.<br />
125) Die Bezeichnungen „ontologische Spezifikation“ und „Ontologie“ werden also synonym verwendet. Von Ontologien ist vorzugsweise<br />
dann die Rede, wenn die Anschlussfähigkeit an die „ontologische“ Fachliteratur von primärem Interesse ist, in der<br />
sich der Ontologiebegriff weit gehend durchgesetzt hat, oder wenn die genaue formalsprachliche Struktur von Ontologien im<br />
aktuellen Argumentationskontext keine besondere Rolle spielt (beide Motive können auch miteinander kombiniert auftreten).<br />
Dagegen wird bevorzugt von einer ontologischen Spezifikation gesprochen, wenn Assoziationen zum natürlichsprachlichen<br />
Ontologieverständnis als einer Spezifikation der Konzeptualisierung von Realitätsausschnitten gefördert werden sollen oder<br />
wenn die genaue formalsprachliche Struktur von Ontologien in den Vordergrund der Argumentation rückt (beide Motive können<br />
abermals miteinander kombiniert auftreten).<br />
126) SIG-Strukturen, die allen Anforderungen aus einer ontologischen Spezifikation gerecht werden, sind also keine Bestandteile einer<br />
ontologischen Spezifikation, sondern können lediglich herangezogen werden, um eine gegebene ontologische Spezifikation<br />
– präziser: deren ontologische Signatur – formalsprachlich zu interpretieren.<br />
127) Der Zusatz „objektsprachlich“ ist im Normalfall notwendig, um die hier gemeinten Regeln von metasprachlichen Inferenzregeln<br />
eines prädikatenlogischen Kalküls unterscheiden zu können. Wenn es nicht explizit hervorgehoben wird, sind im Folgenden<br />
stets objektsprachliche Inferenzregeln gemeint.<br />
128) Als „Inferenzregeln“ werden in der Prädikatenlogik üblicherweise metasprachliche Ausdrücke bezeichnet, die die Ableitung<br />
gültiger objektsprachlicher Ausdrücke (Konklusions-Formeln) aus einer Menge gültiger objektsprachlicher Ausdrücke (Antezedenz-Formeln)<br />
erlauben. Somit nehmen metasprachliche Inferenzregeln in ihren Argumenten objektsprachliche Ausdrücke<br />
auf. Zu den „bekanntesten“ metasprachlichen Inferenzregeln der Prädikatenlogik gehören der Modus ponens und der Modus tollens;<br />
vgl. z.B. SOWA (2000) S. 472. Der Modus ponens erlaubt z.B. die Ableitung einer Konklusions-Formel F 2, wenn die Gültigkeit<br />
der Antezedenz-Formeln F1 und F 1 → F 2 gegeben ist. Der Modus tollens erlaubt hingegen die Ableitung einer Konklusions-Formel<br />
¬F1, wenn die Gültigkeit der Antezedenz-Formeln ¬F 2 und F 1 → F 2 gegeben ist. Beide metasprachlichen Inferenzregeln<br />
nehmen in ihrer Antezedenz-Komponente u.a. jeweils eine Subjugat-Formel auf. Diese Subjugat-Formel ermöglicht (neben<br />
den übrigen Komponenten der Antezedenz-Komponente) erst die Anwendung der allgemeinen metasprachlichen Inferenzregeln<br />
und drückt im Allgemeinen spezielles Wissen aus dem Anwendungsbereich einer Ontologie aus. Wegen ihres inferenzermöglichenden<br />
Charakters werden Subjugat-Formeln, die eingeführt werden, um das Anwendungspotenzial der allgemeinen<br />
metasprachlichen Inferenzregeln der Prädikatenlogik auszuweiten, ihrerseits als objektsprachliche Inferenzregeln bezeichnet.<br />
Solche objektsprachlichen Inferenzregeln stehen im Vordergrund des Interesses, wenn es darum geht, die o.a. Anforderungen<br />
an Ontologien zu spezifizieren und zugleich das Erschließen impliziten Wissens über den Anwendungsbereich einer Ontologie
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 269<br />
und zum anderen um (objektsprachliche 129) ) Integritätsregeln 130) . Sowohl Inferenz- als auch Integritätsregeln<br />
nehmen im Allgemeinen die Gestalt von Subjugat-Formeln an. Sie gehören somit zur<br />
Menge FORM aller Formeln über der ontologischen Signatur SIG. 131) Für die Mengen INF und INT<br />
aller Inferenz- bzw. Integritätsregeln, mit denen die Anforderungen an korrekt interpretierende SIG-<br />
Strukturen in einer ontologischen Spezifikation festgelegt werden, gelten also INF ⊆ FORM und<br />
INT ⊆ FORM.<br />
Aufgrund der voranstehenden Vereinbarungen wird eine ontologische Spezifikation (Ontologie)<br />
SPEZ definiert als:<br />
mit folgenden Komponenten:<br />
1. eine ontologische Signatur SIG,<br />
SPEZ = (SIG,INF,INT)<br />
2. eine Menge INF von Inferenzregeln als Formeln aus der Menge FORM,<br />
die sich über der ontologischen Signatur SIG bilden lassen,<br />
3. eine Menge INT von Integritätsregeln als Formeln aus der Menge FORM,<br />
die sich über der ontologischen Signatur SIG bilden lassen.<br />
Die Definition von ontologischen Spezifikationen schließt nicht aus, dass es sich bei der Menge<br />
INF der Inferenzregeln oder der Menge INT der Integritätsregeln um die leere Menge handelt.<br />
Wenn beide Mengen INF und INT leer sind (und darüber hinaus weder Bezeichnungs- noch Definitionsfunktionen<br />
für die objektsprachlichen Konstrukte aus oder über der ontologischen Signatur<br />
SIG spezifiziert sind), degeneriert eine ontologische Spezifikation SPEZ = (SIG,∅,∅) zu einer ontologischen<br />
Signatur SIG. Daher handelt es sich bei jeder ontologischen Signatur um den Grenzfall<br />
einer ontologischen Spezifikation. 132) Um solche Grenzfälle von „normalen“ ontologischen Spezifikationen<br />
begrifflich unterscheiden zu können, wird vereinbart: Ontologische Spezifikationen i.e.S.<br />
besitzen eine nicht-leere Inferenz- oder eine nicht-leere Integritätsregelmenge (oder beides). Dagegen<br />
umfassen degenerierte ontologische Spezifikationen weder Inferenz- noch Integritätsregeln. Bei<br />
zu unterstützen. Daher wird die Bezeichnung „Inferenzregel“ sowohl in diesem Beitrag als auch in anderen Beiträgen des hier<br />
vorgelegten Werks stets im Sinne von objektsprachlichen Inferenzregeln verwendet, solange kein expliziter Hinweis darauf erfolgt,<br />
dass die metasprachlichen Inferenzregeln der Prädikatenlogik gemeint sind. Auf das Verhältnis zwischen objekt- und metasprachlichen<br />
Inferenzregeln wird an späterer Stelle im Kapitel 2.4.2.2.1 (S. 434 ff.) noch einmal ausführlich zurückgekommen,<br />
unter anderem auch mit konkreten Beispielen für objektsprachliche Inferenzregeln (Kompetenzregeln) aus der Domäne<br />
„Management von Kompetenzwissen“ (S. 458 ff.).<br />
129) Analog zu Inferenzregeln kann hier auch von objektsprachlichen Integritätsregeln geredet werden, weil alle Integritätsregeln,<br />
die für die Domäne des KOWIEN-Verbundprojekts – das „Management von Kompetenzwissen“ – von Interesse sind, objektsprachlichen<br />
Charakter besitzen. Allerdings wird auf den Zusatz „objektsprachlich“ im Kontext von Integritätsregeln von vornherein<br />
verzichtet, weil in ihrem Fall keine Verwechslungsgefahr mit metasprachlichen Konstrukten besteht; die Bezeichnung<br />
„metasprachliche Integritätsregel“ ist im Rahmen der Prädikatenlogik nicht geläufig.<br />
130) Integritätsregeln lassen sich in einer ersten Annäherung als Regeln charakterisieren, die für die Zulässigkeit von wissensrepräsentierenden<br />
Formelmengen und wissenserschließenden Inferenzregelanwendungen sorgen. Im Kapitel 2.4.2.2.2 (S. 443 ff.)<br />
wird auf die Eigenarten von Integritätsregeln und im Kapitel 2.4.2.2.3 auf konkrete Beispiele für Integritätsregeln aus der Domäne<br />
„Management von Kompetenzwissen“ näher eingegangen (S. 466 ff.).<br />
131) Vgl. BENCH-CAPON/MALCOLM/SHARE (2003) S. 705; BENCH-CAPON/MALCOLM (1999) S. 254.<br />
132) Vgl. – allerdings ohne direkten Bezug auf den Kontext von Ontologien – EHRIG ET AL. (1999) S. 167 („ … ist eine Signatur eine<br />
spezielle Spezifikation“) und S. 181 („ ... daß jede algebraische Signatur auch eine algebraische Spezifikation ist.“). Es wird bei<br />
dieser Argumentation davon abgesehen, dass eine ontologische Spezifikation SPEZ=(SIG,∅,∅) zumindest die Option freihält,<br />
Elemente ihrer Mengen INF und INT zu spezifizieren.
270 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
ontologischen Signaturen handelt es sich daher um degenerierte ontologische Spezifikationen. Von<br />
ontologischen Spezifikationen i.w.S. ist schließlich die Rede, wenn sowohl eine ontologische Spezifikationen<br />
i.e.S. als auch eine degenerierte ontologische Spezifikation vorliegen kann, wenn also<br />
keine Festlegung auf einen der beiden vorgenannten Unterfälle erfolgen soll. Im Folgenden wird<br />
von ontologischen Spezifikationen i.e.S. als „Normalfall“ ausgegangen, so dass in diesem Fall auf<br />
den präzisierenden Zusatz „i.e.S.“ verzichtet werden kann. 133)<br />
Inferenz- und Integritätsregeln sind zwei wesentliche Komponenten von Ontologien, die in der einschlägigen<br />
Fachliteratur trotz ihrer Bedeutung oftmals vernachlässigt werden. Dies liegt in erster<br />
Linie daran, dass sowohl Inferenz- als auch Integritätsregeln nur von wenigen Sprachen für die<br />
Repräsentation von Ontologien unterstützt werden. Für den hier verfolgten Ansatz zur Konstruktion<br />
von Ontologien für die betriebliche Praxis sind Inferenz- und Integritätsregeln jedoch insbesondere<br />
aus zwei Gründen von großem Interesse.<br />
Erstens tragen Inferenz- und Integritätsregeln wesentlich zur Ausdruckseffizienz von Ontologien bei.<br />
Denn Inferenzregeln erlauben es, implizites Wissen zu erschließen, indem neue gültige Formeln aus<br />
bereits bekannten gültigen Formeln abgeleitet werden. Daher braucht nicht jedes Wissen, dessen<br />
Anwendung zu einer Problemlösung beizutragen vermag, in einem Wissensbasierten System explizit<br />
repräsentiert zu werden. Stattdessen kann es im Bedarfsfall inferenziell erschlossen werden. Allerdings<br />
ist stets ein „wissensökonomischer“ Trade-off zu beachten. Er besteht zwischen einerseits<br />
der Ressourcenersparnis, die aus dem Verzicht auf explizite Wissensrepräsentation resultiert, und<br />
andererseits dem zusätzlichem Ressourceneinsatz, der durch die Anwendung von Inferenzregeln<br />
verursacht wird. Darüber hinaus können mit der Hilfe von Integritätsregeln wissensrepräsentierende<br />
Formeln bereits im Vorfeld ihrer Zulässigkeitsprüfung ausgeschlossen werden, wenn erkannt wird,<br />
dass sie grundsätzlich unzulässig sind. Analog zum Übergang von der konventionellen zur sortierten<br />
Prädikatenlogik, der u.a. dadurch motiviert wird, bereits in ihrer Syntax solche Formeln auszuschließen,<br />
denen kein „Sinn“ zukommen kann, werden durch Integritätsregeln Formeln ausgeschlossen,<br />
die kein zulässiges Wissen über realweltliche Sachverhalte zu repräsentieren vermögen.<br />
Auf diese Weise ersparen Integritätsregeln den – im Einzelfall sehr schwer abschätzbaren – Ressourceneinsatz,<br />
der nachträglich erforderlich wäre, um Schlussfolgerungen aus wissensrepräsentierenden<br />
Formelsystemen zu „prüfen“ oder zu „interpretieren“, wenn die Integrität („Sinnhaftigkeit“)<br />
der benutzten Formeln nicht von vornherein sichergestellt wäre.<br />
Zweitens stellen sowohl Inferenz- als auch Integritätsregeln Ausdrucksformen dar, die seit längerem<br />
im Rahmen der (Unternehmens-) Modellierung auf breite Resonanz stoßen. Dies betrifft nicht nur<br />
Informatik und Wirtschaftsinformatik, sondern ebenso weite Teile der Betriebswirtschaftslehre, vor<br />
allem im Hinblick auf Belange des Informations- und Wissensmanagements. Die Möglichkeit, regelartige<br />
Zusammenhänge spezifizieren zu können, wird insbesondere unter dem Schlagwort „Business<br />
Rules“ seit einigen Jahren sowohl in der Informatik als auch in der Wirtschaftsinformatik intensiv<br />
diskutiert. 134) Ausgehend von dem Leistungspotenzial von Inferenz- und Integritätsregeln ist<br />
133) Da die Bezeichnungen „Ontologie“ und „ontologische Spezifikation“ synonym verwendet werden, lässt sich jede ontologische<br />
Spezifikation i.e.S. / jede degenerierte ontologische Spezifikation / jede ontologische Spezifikation (i.w.S.) ebenso als eine Ontologie<br />
i.e.S. / eine degenerierte Ontologie / eine Ontologie (i.w.S.) bezeichnen. Insbesondere handelt es sich bei allen ontologischen<br />
Signaturen um degenerierte ontologische Spezifikationen und somit um degenerierte Ontologien. Im Folgenden wird<br />
stets von einer Ontologie i.e.S. ausgegangen, wenn die Bezeichnung „Ontologie“ ohne präzisierenden Zusatz („i.e.S.“ oder<br />
„i.w.S.“) verwendet wird.<br />
134) Vgl. HERBST ET AL. (1994) S. 29 ff.; HERBST (1997); OBERWEIS (1996) S. 32, 70 u. 197 ff.; SCHLESINGER (1999) S. 3 ff., 23 f.,<br />
46 ff., 53 ff., 147 ff. u. 338 ff.; SOWA (2000) S. 451 f.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 271<br />
die „neue“ Forschungsrichtung „Business Rule-Oriented Conceptual Modeling“ aufgekommen, 135)<br />
die sich allerdings in erster Linie an denjenigen Techniken orientiert, die bereits für Datenbanksysteme<br />
seit längerem bekannt sind. 136) Inferenz- und Integritätsregeln tragen wesentlich dazu bei, dass<br />
Ontologien die Anschlussfähigkeit an die voranstehend angesprochenen Forschungs- und Entwicklungsrichtungen<br />
nicht verlieren und die dort bereits erarbeiteten Erkenntnisse in sich aufnehmen<br />
können. Dadurch wird ein maßgeblicher Beitrag zur systematischen Wissenswiederverwendung geleistet<br />
– zwar nicht im zumeist adressierten Bereich unmittelbar anwendungsbezogenen Wissens,<br />
aber immerhin auf dem Gebiet des so genannten konzeptionellen Wissens.<br />
Sowohl bei Inferenz- als auch bei Integritätsregeln handelt es sich um Formeln, die mit Hilfe der<br />
Ausdrucksmittel einer ontologischen Signatur SIG gebildet werden. Da beide Regelarten im Allgemeinen<br />
die Form von Subjugat-Formeln annehmen, können zwischen Inferenz- und Integritätsregeln<br />
keine syntaktischen Unterschiede ausgemacht werden. Ebenso indifferent sind Inferenz- und<br />
Integritätsregeln bezüglich ihrer formalen Semantik. 137) Stattdessen liegen die Unterschiede zwischen<br />
Inferenz- und Integritätsregeln in ihrer Zweckorientierung, d.h. auf der pragmatischen Ebene.<br />
Inferenzregeln werden von einem Ontologiekonstrukteur zu dem Zweck konstruiert, aus einer Menge<br />
gültiger Formeln neue gültige Formeln abzuleiten. In diesem Sinn können Inferenzregeln als die<br />
konstruktive Regelkomponente einer Ontologie SPEZ charakterisiert werden. Ihre Konstruktivität<br />
ist auf ihr Potenzial zur Faktenerzeugung zurückzuführen. 138) Objektsprachliche Inferenzregeln lassen<br />
sich demnach tendenziell dazu nutzen, aus dem Wissen über die Gültigkeit einer Formelmenge<br />
FM auf die Gültigkeit einer weiteren Formel F – eines so genannten Faktums – zu schließen.<br />
135) Vgl. HERBST (1997) Buchtitel und passim.<br />
136) Vgl. BOMAN ET AL. (1997) S. 64 ff.; DAS (1992) S. 275 ff.; RAUH/STICKEL (1997) S. 69 ff.; VOSSEN (1994) S. 510 ff.<br />
137) Ausprägungen beider Regelarten werden im Rahmen der formalen Semantik mithilfe der Modellrelation in derselben Weise<br />
zu einer SIG-Struktur A, zu einer Interpretation I und zu einer Familie belf konzeptspezifischer Belegungsfunktionen in Beziehung<br />
gesetzt, wenn eine Regel durch eine Variablenbelegung gemäß der Funktionenfamilie belf in einer SIG-Struktur A unter<br />
einer Interpretation I bestätigt wird. (Die Familie belf von Belegungsfunktionen entfällt, wenn die betroffene Regel in einer<br />
SIG-Struktur A unter einer Interpretation I gültig ist.)<br />
138) Im Kapitel 2.4.2.2.4 (S. 469 f.) wird näher erläutert werden, dass sich Fakten als Formeln auffassen lassen, die erstens Wissen<br />
über einen Realitätsausschnitt repräsentieren und zweitens gültige Formeln darstellen. Da der Inferenzregeln dazu dienen, aus<br />
gültigen Formeln neue gültige Formeln abzuleiten, lässt sich dieser Zweck der Anwendung von Inferenzregeln auch derart paraphrasieren,<br />
dass sie eingesetzt werden, um neue Fakten aus bereits bekannten Fakten zu erzeugen (dabei wird implizit vorausgesetzt,<br />
dass die Inferenzregeln auf Formeln angewendet werden, die Wissen über einen Realitätsausschnitt repräsentieren).
272 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
Wenn beispielsweise eine erste Formel: 139)<br />
F1 ⇔ P1(t1,t2) mit (A,I) F1<br />
und eine zweite Formel als objektsprachliche Inferenzregel:<br />
F2 ⇔ ∀x1,x2: P1(x1,x2) → P2(x2,x1) mit (A,I) F2<br />
vorliegen, dann kann mit Hilfe der metasprachlichen Inferenzregel des Modus Ponens aus dieser<br />
Formelmenge FM = {F1,F2} darauf geschlossen werden, dass auch folgende dritte Formel als Konklusion<br />
gültig sein muss:<br />
F3 ⇔ P2(t2,t1) mit (A,I) F3.<br />
Im Gegensatz zu Inferenzregeln werden Integritätsregeln nicht dazu verwendet, aus einer gültigen<br />
Formelmenge wiederum gültige Formeln zu erschließen. Integritätsregeln werden vielmehr zu dem<br />
Zweck angewendet, die Zulässigkeit von Formelmengen zu überprüfen. Entsprechend können Integritätsregeln<br />
nicht als konstruktive, sondern als destruktive Regelkomponente einer Ontologie SPEZ<br />
charakterisiert werden. Die Elemente der Menge INT dienen demnach nicht der Faktenerzeugung,<br />
sondern der Faktenbeschränkung durch ihre Zulässigkeitsprüfung. Dabei ist die Zulässigkeit einer<br />
Formel lediglich mittelbar mit ihrer Gültigkeit verknüpft. Der Begriff der Zulässigkeit ist nicht –<br />
wie der Begriff der Gültigkeit – in Bezug auf eine SIG-Struktur A und eine Interpretation I bestimmt,<br />
sondern in Bezug auf eine Integritätsregel. Eine Formel F1 mit F1∈FORM ist in Bezug auf<br />
eine Integritätsregel F2 mit F2∈INT genau dann zulässig, wenn die Gültigkeit von Formel F2 in einer<br />
SIG-Struktur A unter einer Interpretation I die Gültigkeit der Formel F1 in A unter I nicht ausschließt.<br />
Das heißt, dass eine Formel F1 über einer ontologischen Signatur SIG genau dann zulässig<br />
bezüglich einer Integritätsregel F2 ist, wenn F1 und F2 keinen logischen Widerspruch enthalten, also<br />
keine kontradiktorischen Formeln darstellen. Mit anderen Worten: Wenn eine Formel F1 bezüglich<br />
einer Integritätsregel F2 zulässig ist, dann muss in der Menge A(SIG) von SIG-Strukuren für die ontologische<br />
Signatur SIG mindestens eine SIG-Struktur A enthalten sein, in der sowohl die Formel<br />
F1 als auch die Integritätsregel F2 unter mindestens einer Interpretation I gültig sind.<br />
Die Wirkungsweise von Integritätsregeln wird im Folgenden anhand von Beispielen verdeutlicht.<br />
Überprüft wird zunächst die Zulässigkeit der Formel:<br />
hinsichtlich der Integritätsregel:<br />
F1 ⇔ P1(t1,t2)<br />
139) Es sei angenommen, dass es sich sowohl bei t 1 als auch bei t 2 um Terme zu denjenigen Konzepten handelt, mit denen die Prädikatssymbole<br />
P 1 und P 2 an den entsprechenden Argumentstellen typisiert sind. Darüber hinaus wird durch Bezugnahme auf die<br />
Modellrelation hervorgehoben, dass sich die exemplarische Inferenzregelanwendung auf gültige Formeln in der Anzedenz-<br />
Komponente des Ableitungsschemas der metasprachlichen (prädikatenlogischen) Inferenzregel des Modus ponens erstreckt und<br />
daher – infolge der „Wahrheitserhaltung“ aller Inferenzregeln eines vollständigen und korrekten Inferenzkalküls – eine neue<br />
gültige Konklusions-Formel erzeugt. Dies ist im hier aktuellen Argumentationskontext hilfreich, weil kurz zuvor speziell auf<br />
Fakten als Formeln Bezug genommen wurde, die Wissen über einen Realitätsausschnitt repräsentieren und aus dem Blickwinkel<br />
der formalen Semantik gültig sind. Allerdings wird im Allgemeinen bei der Anwendung von Inferenzregeln aus zwei mindestens<br />
Gründen nicht explizit auf die Gültigkeit von Formeln Bezug genommen. Erstens sind Inferenzregeln rein syntaktisch<br />
definiert, so dass sie ohne die Bezugnahme auf die semantische Qualität der Gültigkeit von Formeln auskommen. Zweitens<br />
braucht wegen der „Wahrheitserhaltung“ aller Inferenzregeln des Inferenzkalküls der Prädikatenlogik 1. Stufe die Gültigkeit<br />
von Formeln in Inferenzprozessen nicht explizit thematisiert zu werden, wenn davon ausgegangen werden kann, dass das zu Inferenzbeginn<br />
vorliegende Formelsystem gültig ist. Die letztgenannte Prämisse liegt „praktisch“ allen prädikatenlogisch fundierten<br />
Wissensrepräsentationen zugrunde. Aus den beiden vorgenannten Gründen wird bei der Anwendung der rein syntaktisch<br />
definierten Inferenzregeln im Allgemeinen auf die explizite Angabe der Gültigkeit von Formeln in ihren Antezedenz- und ihren<br />
Konklusions-Komponenten verzichtet. Dies wird auch später im Kapitel 2.4 der Fall sein.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 273<br />
F2 ⇔ ∀x1,x2: P1(x1,x2) → ¬P2(x1,x2).<br />
Die Formel F1 ist bezüglich der Integritätsregel F2 zulässig. Denn die Gültigkeiten der Formeln F1<br />
und F2 in einer SIG-Struktur A unter einer Interpretation I schließen sich nicht gegenseitig aus. Ebenso<br />
ist die Formel:<br />
F3 ⇔ P2(t1,t2)<br />
bezüglich der Integritätsregel F2 zulässig. Auch hierbei gilt, dass sich die Gültigkeiten der Formeln<br />
F1 und F3 in einer SIG-Struktur A unter einer Interpretation I gegenseitig nicht ausschließen. Wenn<br />
hingegen die Formelmenge:<br />
FM ⇔ {F1,F3}<br />
betrachtet wird, liegt eine Unzulässigkeit bezüglich der Integritätsregel F2 vor, da die Gültigkeit der<br />
Integritätsregel F2 in einer SIG-Struktur A unter einer Interpretation I die Gültigkeit der Formelmenge<br />
FM in A unter I ausschließt. Dieses Ausschlussverhältnis offenbart sich darin, dass die erweiterte<br />
Formelmenge FM’={F1,F2,F3} einen logischen Widerspruch enthalten würde: Aus den<br />
Gültigkeiten der Formeln F1 und F2 lässt sich mittels der Inferenzregel des Modus ponens die Gültigkeit<br />
der Formel ¬P2(t1,t2) ableiten. Dies widerspricht offensichtlich der Gültigkeit der Formel F3<br />
⇔ P2(t1,t2).<br />
Zu beachten ist, dass für eine Überprüfung, ob sich Formeln im Hinblick auf Integritätsregeln als<br />
zulässig erweisen, nicht nur variablenfreie Formeln in Betracht kommen, wie es von den o.a. Beispielen<br />
suggeriert werden könnte. Stattdessen kann mit der Hilfe von Integritätsregeln durchaus<br />
auch die Zulässigkeit von Formeln überprüft werden, die Variablen in ihren Argumenten aufweisen.<br />
Von besonderem Interesse sind solche Formeln, in denen alle Variablen mittels Quantoren gebunden<br />
sind. Dieser Formeltyp wird beispielsweise im Allgemeinen für die Formulierung von Inferenzregeln<br />
verwendet. Daher kann auch die Zulässigkeit von Inferenzregeln bezüglich Integritätsregeln<br />
überprüft werden. Beispielsweise ist die Formel:<br />
F4 ⇔ ∀x1,x2: P1(x1,x2) → P3(x2,x1)<br />
bezüglich der o.a. Integritätsregel F2 zulässig. Die Gültigkeit der Integritätsregel F2 in einer SIG-<br />
Struktur A unter einer Interpretation I schließt nämlich die Gültigkeit der Formel F4 in A unter I<br />
nicht aus. Die Formel:<br />
F5 ⇔ ∀x1,x2: P1(x1,x2) → P2(x1,x2)<br />
ist hingegen bezüglich o.a. Integritätsregel F2 unzulässig. Denn bei Gültigkeit der Integritätsregel F2<br />
in einer SIG-Struktur A unter einer Interpretation I kann nicht zugleich die Formel F5 ebenso in A<br />
unter I gültig sein, weil die Formel F5 in ihrer Konklusion der Konklusion aus der Integritätsregel F2<br />
offensichtlich widerspricht.<br />
Schließlich ist darauf hinzuweisen, dass den Inferenz- und Integritätsregeln mit Hilfe der sprachspezifischen<br />
Definitionsfunktionen deflan aus der Funktionenfamilie deff natürlichsprachliche Erläuterungen<br />
zugewiesen werden können. Im Argumentbereich jeder sprachspezifischen Definitionsfunktion<br />
deflan werden nämlich alle Formeln über einer ontologischen Signatur und somit auch alle<br />
Elemente der beiden Regelmengen INF und INT zugelassen. Dies kann dazu genutzt werden, um<br />
die „umgangssprachliche Bedeutung“ von Inferenz- und Integritätsregeln zu verdeutlichen, wenn<br />
die formalsprachliche Regelformulierung mit prädikatenlogischen Ausdrucksmitteln für Ontologieanwender<br />
in der betrieblichen Praxis intransparent anmutet. Ein Beispiel für eine solche Transparenz<br />
schaffende Regelerläuterung wurde bereits im Kapitel 1.3.2.3.3 vorgestellt (S. 262).
274 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
1.3.2.5 Kritische Würdigung<br />
Mit dem vorliegenden Beitrag wurde ein formalsprachlich präzisiertes Verständnis für Ontologien<br />
präsentiert. Nach Ansicht der Verfasser ist eine solche formale Präzisierung notwendig, um die<br />
noch jungen Forschungsgebiete der Ontologien und der ontologiebasierten Wissensmanagementsysteme<br />
nicht der Gefahr auszusetzen, durch „vollmundige“, vorgeblich „praxisnahe“, rein natürlichsprachlich<br />
verfasste Beiträge zum Wissensmanagement verwässert zu werden. An dieser Stelle mag<br />
es ausreichen, an das bedenklich stimmende Zerrbild zu erinnern, das in den achtziger und neunziger<br />
Jahren seitens der populären Wissensmanagementliteratur mit großer Euphorie über die „Segnungen“<br />
von Expertensystemen verbreitet wurde.<br />
Wenn die Komponenten, aus denen Ontologien aufgebaut sind und mit denen sich Ontologien interpretieren<br />
lassen, mit einer präzisen, formalsprachlichen Argumentation untermauert werden,<br />
kann eine Abgrenzung zu alternativen Konzeptionen des Wissensmanagements erfolgen, die bei einer<br />
rein natürlichsprachlichen Argumentation an den Defekten der Vagheit und Mehrdeutigkeit zu<br />
leiden hätte. Jeder Versuch, die Grundlagen ontologiebasierter Modellierung rein natürlichsprachlich<br />
beschreiben zu wollen, ist zudem unweigerlich denjenigen Vorwürfen ausgesetzt, die für eine<br />
ontologiebasierte Modellierung sprechen. Es sind nämlich gerade die Allgemeinheit und die Präzision<br />
formalsprachlicher Wissensmodellierung, 140) die Ontologien insbesondere von nicht- oder semi-formalen<br />
Modellierungsmethoden abheben. Außerdem müssten sich Befürworter von Ontologien<br />
141) vorhalten lassen, sich in einen performativen Selbstwiderspruch zu verwickeln, wenn sie einerseits<br />
in Argumentationen über Ontologien ihr „Metamodell“ von Ontologien lediglich natürlichsprachlich<br />
beschreiben würden, andererseits jedoch mit Ontologien – zumindest implizit – den Anspruch<br />
verbinden, die Verwendung sprachlicher Ausdrucksmittel zur Spezifikation der Konzeptualisierung<br />
von Realitätsausschnitten auf ein allgemein verständliches 142) , formalsprachlich präzisiertes<br />
Fundament zu stellen. Da Ontologien als sprachliche Artefakte selbst einen Ausschnitt der (sozialen)<br />
Realität bilden, wäre es in sich widersprüchlich, ihre Spezifikation nicht dem gleichen Anspruch<br />
formalsprachlicher Allgemeinheit und Präzision zu unterwerfen.<br />
140) Die Präzision formalsprachlicher Modellierungsmethoden wird gemeinhin nicht bestritten. Zweifel könnten hingegen hinsichtlich<br />
ihrer Allgemeinheit erhoben werden. Dennoch verfechten die Verfasser offensiv den Allgemeinheitsanspruch formalsprachlicher<br />
Modellierungsmethoden. Zugunsten dieses Anspruchs lässt sich anführen, dass formalsprachliche Methoden – einschließlich<br />
der Artefakte, die durch ihre Anwendung „produziert“ werden, – über alle Sprachbarrieren hinweg, insbesondere im internationalen<br />
Wissensaustausch eine Basis gemeinsamer Verständigung bilden. Dies betrifft nicht nur Ingenieur- und Naturwissenschaften,<br />
sondern auch – sogar in deutlich zunehmender Verbreitung – u.a. die Sozial- und Wirtschaftswissenschaften. Darüber<br />
hinaus hat sich speziell die Prädikatenlogik zu einer Art „lingua franca“ entwickelt, die über die Grenzen der einzelnen realwissenschaftlichen<br />
Disziplinen hinweg bis hin zu den Fundamenten der Erkenntnis- und Wissenschaftstheorie sowie der Analytischen<br />
Philosophie als eine gemeinsame, allgemein verständlich Sprachbasis akzeptiert wird. Auch aus diesem Grund haben<br />
sich die Herausgeber dieses Werks in der Konzipierungsphase des KOWIEN-Verbundprojekts von vornherein für eine prädikatenlogisch<br />
basierte Wissensmodellierung entschieden.<br />
141) Die Vorhaltung eines performativen Selbstwiderspruchs betrifft allerdings nur Anhänger eines formalsprachlichen Ontologieverständnisses.<br />
Es wurde bereits im Kapitel 1.3.1.1.3 (S. 145 u 155) dargelegt, dass durchaus Auffassungen vertreten werden,<br />
die Ontologien auch als natürlichsprachliche Spezifikationen der Konzeptualisierung von Realitätsausschnitten zulassen. Da in<br />
diesem Kapitel jedoch für das KOWIEN-Verbundprojekt ein klares Bekenntnis zugunsten eines strikten, formalsprachlichen<br />
Ontologieverständnisses erfolgte, müssen die Verfasser hier die Gefahr eines performativen Selbstwiderspruchs für ihre eigene<br />
Grundsatzposition anerkennen.<br />
142) Die Allgemeinheit des Fundaments reicht so weit, dass sich die o.a. Verwendung sprachlicher Ausdrucksmittel nicht nur auf<br />
Menschen (Wissensmanager, Wissenschaftler usw.) erstreckt, sondern ebenso auf Computer als „maschinelle Akteure“. Mit<br />
dieser Reichweite übertreffen formalsprachliche Modellierungsmethoden (einschließlich der Argumente aus der vorletzten<br />
Fußnote) alle alternativen Modellierungsmethoden.
1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 275<br />
Dennoch sind sich die Verfasser darüber im Klaren, dass die formalsprachliche Präzisierung des<br />
Ontologieverständnisses eine starre Struktur vorgibt, von der „im Prinzip“ nicht abgewichen werden<br />
kann. Gerade unter pragmatischen Gesichtspunkten – angefangen von der computerbasierten<br />
Implementierung von Ontologien mittels „real existierender“ Software für das Editieren und Analysieren<br />
von Ontologien bis hin zu ihrer Gestaltung und Anwendung im betrieblichen Alltag durch<br />
Benutzer von Wissensmanagement-, insbesondere <strong>Kompetenzmanagementsysteme</strong>n – erscheint es<br />
allerdings oftmals als notwendig, Kompromisse einzugehen, um die Akzeptanz und Praktikabilität<br />
von Ontologien zu gewährleisten.<br />
Beispielsweise sind die derzeit verfügbaren Inferenzmaschinen, die für die Verarbeitung von Ontologien<br />
und für ontologiebasierte Wissensmanagementsysteme in Frage kommen, zumeist auf prädikatenlogische<br />
Horn-Klauseln beschränkt. Auch wenn Horn-Klauseln oftmals für Zwecke der Ontologiekonstruktion<br />
ausreichen, werden Anwendungsfälle ausgeschlossen, in denen die syntaktischen<br />
Einschränkungen von Horn-Klauseln durch die Inferenz- oder Integritätsregeln einer Ontologie<br />
nicht erfüllt werden. Darüber hinaus verfügen aktuell diskutierte Sprachen zur Konstruktion von<br />
Ontologien – wie z.B. F-Logic, RDF(S), DAML+OIL und OWL – nicht immer über die metasprachlichen<br />
Ausdrucksmittel, die in diesem Beitrag für Ontologien vorgestellt wurden. 143) In Logik-basierten<br />
Sprachen, wie z.B. F-Logic, bereitet dieser Aspekt weniger Probleme. Dort können<br />
die metasprachlichen Defizite durch objektsprachliche Inferenz- und Integritätsregeln ausgeglichen<br />
werden. Die weiteren zuvor aufgeführten Sprachen, also z.B. RDF(S), DAML+OIL und OWL, lassen<br />
dagegen die Spezifikation regelartiger Zusammenhänge zurzeit (noch) nicht zu. Aus den vorgenannten<br />
Gründen – die sich bei detaillierterer Analyse vermehren ließen – liegt hinsichtlich der<br />
praktischen Konstruktion von Ontologien zurzeit noch eine deutlich zu beklagende „Implementierungslücke“<br />
vor. Leider erweist es sich oftmals als notwendig, eine Ontologie an die Einschränkungen<br />
der konkreten Implementierungsumgebung anzupassen, obwohl Implementierungsumgebungen<br />
„eigentlich“ die Konstruktion so weit „unterstützen“ sollten, dass sich die Konstrukteure auf die Inhalte<br />
des jeweils zu repräsentieren Wissens über einen konzeptualisierten Realitätsausschnitt konzentrieren<br />
können, ohne sich mit „Tricks“ zur Umgehung der Implementierungsbeschränkungen<br />
„herumschlagen“ zu müssen.<br />
Schließlich ist selbstkritisch einzuräumen, dass das Bemühen um eine formalsprachliche Präzisierung<br />
des Ontologieverständnisses nicht nur, aber auch im KOWIEN-Verbundprojekt zu einem formalsprachlichen<br />
„Apparat“ geführt hat, der als „intransparent“ und „komplex“ empfunden werden<br />
kann. Dies lässt Akzeptanzhürden bei Rezipienten befürchten, die kein „hinreichendes“ Vorverständnis<br />
für formalsprachliche, insbesondere prädikatenlogisch basierte Wissensmodellierungen<br />
einbringen können oder wollen. Insbesondere im Bereich der Betriebswirtschaftslehre und auch auf<br />
Seiten der betrieblichen Praxis muss mit solchen Akzeptanzhürden gerechnet werden. Daher plädieren<br />
die Verfasser dafür, den formalsprachlichen „Kern“ einer Ontologie, wie er in diesem Beitrag<br />
entfaltet wurde, zumindest vor den Anwendern von Wissensmanagementsystemen in der betrieblichen<br />
Praxis unter einer benutzerfreundlichen „Oberfläche“ zu verbergen. Eine solche Benutzeroberfläche<br />
sollte sich durch möglichst weit reichende Natürlichsprachlichkeit und graphische Visualisie-<br />
143) Zwar werden von den vorgenannten Ontologiesprachen teilweise weitere metasprachliche Ausdrucksmittel zur Verfügung gestellt,<br />
die im vorliegenden Beitrag nicht berücksichtigt wurden. Allerdings erreichen sie bei Weitem nicht diejenige Ausdrucksmächtigkeit,<br />
die im vorliegenden Beitrag durch die Definierbarkeit beliebiger prädikatenlogischer Formeln (1. Stufe)<br />
aus der Menge FORM über einer ontologischen Signatur realisiert wird. Beispielsweise scheitern heute verfügbare Ontologiesprachen<br />
bereits daran, prädikatenlogische Formeln mit mehr als zwei Argumentstellen ausdrücken und verarbeiten zu können.<br />
Dies bereitet insbesondere bei der Repräsentation von Wissen über Kompetenzen erhebliche Probleme. Auf diesen Spezialaspekt<br />
wird im Kapitel 2.4.3.1.2.1 ausführlicher eingegangen (S. 493 ff.).
276 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN<br />
rungen auszeichnen. Zwei Ansätze zur natürlichsprachlichen „Anreicherung“ von Ontologien wurden<br />
in diesem Beitrag anhand von Bezeichnungs- und Definitionsfunktionen vorgestellt. Zu anderen<br />
Ansätzen, die sich um benutzerfreundliche Visualisierungen von Ontologien kümmern, gehören u.a.<br />
Ontologieeditoren mit einer hyperbolischen Benutzerschnittstelle, wie sie beispielsweise im Softwaretool<br />
OntoEdit realisiert ist.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien –<br />
Eine darstellende Untersuchung<br />
DIPL.-ING. LARS DITTMANN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
DIPL.-WIRT.-INF. SUSANNE APKE<br />
Deutsche Montan Technologie GmbH<br />
1.4.1 Arten von Vorgehensmodellen<br />
Vorgehensmodelle werden als allgemeine Anleitungen für die Abwicklung von Aufgaben eingesetzt,<br />
um die Planung, Durchführung und Kontrolle von vergleichbaren Problemlösungsprozessen<br />
zu erleichtern und die Wiederverwendung von Wissen zu unterstützen. Sie definieren die bei einem<br />
Prozess durchzuführenden Aktivitäten, ihre Reihenfolge, die dabei entstehenden Artefakte, die daran<br />
beteiligten Personen und weitere benötigte Ressourcen (wie etwa die benötigte technische Ausstattung,<br />
zeitliche Restriktionen und finanzielle Mittel). Sie legen somit den organisatorischen<br />
Rahmen für die Abwicklung von Aufgaben, wie etwa Projekten, fest. Insbesondere beziehen sich<br />
die Verfasser auf Vorgehensmodelle, die die Aktivitäten in den verschiedenen Phasen eines Software-Projekts<br />
über dessen Lebenszyklus widerspiegeln.<br />
Der Einsatz von Vorgehensmodellen lässt folgende Punkte der Nutzenstiftung anführen:<br />
• Vergleichbarkeit mit erfolgreichen vergangenen Projekten ergibt eine Planungssicherheit<br />
für zukünftige Projekte,<br />
• Effizienz in Bezug auf Reduzierung von Redundanzen und Nachbearbeitungen wird gewährleistet,<br />
• Kostenreduzierung wird ermöglicht durch ein frühzeitiges Reagieren auf Abweichungen,<br />
• durch kontrolliertes Vorgehen wird Qualität gesichert und<br />
• Transparenz bei Eigenentwicklungen ermöglicht das Nachvollziehen gefällter Entscheidungen<br />
für Dritte, die z.B. später in den Konstruktionsprozess einsteigen.<br />
In der Erforschung softwaretechnischer Systeme lässt sich eine Untermengenbeziehung bezüglich<br />
der Anwendung von Vorgehensmodellen für die Zwecke des Projekts KOWIEN ausmachen:<br />
• Vorgehensmodelle aus dem Software Engineering (SE),<br />
• Vorgehensmodelle aus dem Knowledge Engineering (KE) und<br />
• Vorgehensmodelle aus dem Ontology Engineering (OE).<br />
Das Software Engineering befasst sich allgemein mit der Entwicklung von Software auf der Grundlage<br />
ingenieurmäßiger Entwicklungsmethoden. Innerhalb der Softwareentwicklung konzentriert<br />
sich das Knowledge Engineering auf die Entwicklung wissensbasierter Systeme, d.h. auf Systeme,<br />
die zur Zielsetzung haben, Wissen mittels Computer zu verarbeiten. Innerhalb der Entwicklung wissensbasierter<br />
Systeme konzentriert sich das Ontology Engineering auf die Konzeptualisierung des<br />
Wissens einer speziellen Domäne und die formalsprachige Repräsentation dieser Konzeptualisierung.<br />
Ontologien werden dabei als formalsprachliche Spezifikationen der sprachlichen Ausdrucks-
278 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
mittel einer Konzeptualisierung verstanden. 1) Die erwähnte Dreiteilung wird durch den Aufbau dieses<br />
Kapitels widergespiegelt.<br />
Das Ziel dieses Kapitels ist es, einen Überblick über Vorgehensmodelle aus den drei Bereichen zu<br />
geben. Hierzu werden die charakteristischen Merkmale ausgewählter Vorgehensmodelle erläutert<br />
sowie hinsichtlich ihrer Vor- und Nachteile diskutiert. Diese Analyse dient als Grundlage für das im<br />
Projekt KOWIEN zu entwickelnde Vorgehensmodell zur Konstruktion eines ontologiebasierten<br />
Kompetenzmanagementsystems.<br />
1.4.2 Vorgehensmodelle des Software Engineerings<br />
1.4.2.1 Einführung<br />
Das Software Engineering befasst sich mit der Anwendung von ingenieurmäßigen Prinzipien bei<br />
der Erstellung von Software. 2) Durch den Einsatz von ingenieurmäßigen Prinzipien werden bei der<br />
Erstellung von Software die Ziele verfolgt, die vorgenannten Nutzen stiftenden Punkte zu erreichen.<br />
Von der Forschungsdisziplin des Software Engineerings wird erwartet, dass sie Methoden und<br />
Werkzeuge bereitstellt, die es erlauben,<br />
• einerseits technische Probleme (Spezifikation, Entwurf und Implementierung von Software)<br />
und<br />
• andererseits organisatorische Probleme (Projektorganisation und Schnittstellenmanagement 3) ),<br />
die bei der Erstellung von Software auftreten können, zu lösen und damit die intendierten Ziele zu<br />
erreichen.<br />
Im Bereich des Software Engineerings werden Vorgehensmodelle in vielfältigen Variationen beschrieben.<br />
4) Dabei wird in diversen Vorgehensmodellen ein idealisierter Ablauf des Softwareentwicklungsprozesses<br />
vorgestellt. In diesen Vorgehensmodellen wird der Entwicklungsprozess in für<br />
sich überschaubare Phasen zerlegt 5) , wodurch die Planung, Durchführung und Kontrolle eines<br />
Software-Projekts ermöglicht werden sollen. Die gesamten Phasen und die Ordnung ihrer zeitlichen<br />
Reihenfolge beschreibt man als Software-Life-Cycle. 6)<br />
Die Vorgehensmodelle aus dem Software Engineering sind eine spezielle Form von Referenzmodellen<br />
7) , denn Vorgehensmodelle enthalten Empfehlungen.<br />
1) Für eine genauere Definition des Begriffs „Ontologien“ vgl. GRUBER (1993) und für eine Definition aus Sicht der Verfasser vgl.<br />
ALPARSLAN ET AL. (2002) S. 46; ZELEWSKI (2002b) S. 66 f. sowie die Kapitel 1.3.1.1.3 (S. 141 ff.) und 1.3.2 (S. 229 ff.).<br />
2) Vgl. SOMMERVILLE (2001) S. 6 f.; BULLINGER/FÄHNRICH (1997) S. 6.<br />
3) Schnittstellenmanagement bezieht sich hier auf den ungehemmten, vollständigen Informationsfluss zwischen beispielsweise<br />
funktional getrennten Organisationseinheiten eines Unternehmens.<br />
4) Vgl. für einen Überblick über Vorgehensmodelle aus dem Software Engineering BULLINGER/FÄHNRICH (1997) S. 6 ff.; PO<strong>MB</strong>ER-<br />
GER/BLASCHEK (1993) S. 17 ff.; SOMMERVILLE (2001) S. 42 ff. u. 171 ff.; WANG, Y. (2002) S. 280 ff.<br />
5) Sämtliche Vorgehensmodelle lassen sich dabei in der Regel auf die vier groben Prozessphasen Analyse, Entwurf, Realisierung<br />
und Einführung zurückführen oder auf Teilphasen hiervon.<br />
6) Vgl. zum Begriff Software-Life-Cycle PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 18 f. und das folgende Kapitel.<br />
7) Vgl. zum Begriff Referenzmodell ROSEMANN/SCHÜTTE (1999) S. 23 f.; SCHEER (1999) S. 4 ff. und insbesondere SCHÜTTE (1998).
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 279<br />
1.4.2.2 Ausgewählte Ansätze des Software Engineerings<br />
1.4.2.2.1 Das sequentielle Software-Life-Cycle-Modell<br />
Mit dem Begriff des Software-Life-Cycle ist die Vorstellung einer Zeitspanne von der Entwicklung<br />
über den Einsatz von Software bis zum Ende der Benutzung der Software verbunden. In Abbildung<br />
20 ist das klassische sequentielle Phasenmodell 8) , der Software-Life-Cycle, wiedergegeben.<br />
Problemanalyse<br />
und<br />
Planung<br />
Systemspezifikation<br />
System- und<br />
Komponentenentwurf<br />
Implementierung<br />
und<br />
Komponententest<br />
Abbildung 20: Das Software-Life-Cycle-Modell 9)<br />
Systemtest<br />
Betrieb<br />
und<br />
Wartung<br />
Das sequentielle Software-Life-Cycle-Modell besteht aus den Phasen Problemanalyse und Planung,<br />
Systemspezifikation, System- und Komponentenentwurf, Implementierung und Komponententest,<br />
Systemtest, Betrieb und Wartung. Der Grundgedanke des sequentiellen Software-Life-Cycle-<br />
Modells ist, dass für jede der oben aufgeführten Phasen klar zu spezifizieren ist, welche Ergebnisse<br />
erwartet werden. Eine neue Phase wird erst dann begonnen, wenn die vorhergehende Phase abgeschlossen<br />
ist.<br />
Im Folgenden werden die Ziele der Phasen beschrieben: 10)<br />
1. Problemanalyse und Planung:<br />
Das Ziel der Problemanalyse und Planung ist es, den Aufgabenbereich der zu entwickelnden<br />
Software festzustellen und zu dokumentieren. Zu der Problemanalyse und Planung gehört auch<br />
die Bestimmung der finanziellen, personellen, technischen sowie zeitlichen Ressourcen, die zur<br />
Realisierung des Software-Projekts erforderlich sind.<br />
2. Systemspezifikation:<br />
In der Phase der Systemspezifikation wird zwischen dem Auftraggeber und dem Softwareentwickler<br />
festgelegt, was die zu entwickelnde Software leisten soll und welche Vorbedingungen<br />
für ihre Realisierung gelten. Die Anforderungen an die Software lassen sich in funktionale und<br />
nicht-funktionale Anforderungen unterteilen.<br />
Die funktionalen Anforderungen definieren die vom Benutzer erwarteten Systemfunktionen.<br />
Nicht-funktionale Anforderungen werden ebenfalls zumeist vom Benutzer an das System gestellt,<br />
berühren die eigentliche Funktionalität des Systems jedoch nicht. Diese Anforderungen<br />
8) Vgl. dazu PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 18 ff.; SCACCHI (2001) S. 998 f.<br />
9) In Anlehnung an PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 18. Um eine Vergleichbarkeit der in diesem Kapitel vorgestellten Vorgehensmodelle<br />
zu gewährleisten, wird versucht, die Ansätze in eine einheitliche Modelldarstellung zu transferieren. Da der Fokus<br />
auf der Vergleichbarkeit liegt, wird auf eine genaue Transformation zu Gunsten der besseren Lesbarkeit verzichtet. Dies bringt<br />
mit sich, dass zumeist lediglich gestrichelte Kanten mit der Hauptflussrichtung verwendet werden, um den übergeordneten Bezug<br />
darzustellen. Des Weiteren werden einzelne Phasen (auch Hauptphasen und Aktivitäten) durch abgerundete Kästchen dargestellt.<br />
Die Darstellung erfolgt gemäß den Quellen und soll jeweils lediglich der Orientierung dienen. Für eine genauere Darstellung<br />
(falls vorhanden) sei auf die betreffenden Quellen verwiesen, die in den jeweiligen Unterkapiteln angegeben werden.<br />
10) Vgl. für die einzelnen Phasen PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 18 ff.
280 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
werden zumeist implizit durch den Benutzer präsupponiert, wie z.B. eine hohe Zuverlässigkeit,<br />
größtmögliche Sicherheit und Portabilität sowie gewünschte Antwort- und Verarbeitungszeiten<br />
der Anwendung. Darüber hinaus enthalten die nicht-funktionalen Anforderungen die Spezifikation<br />
der Formen, in der die Benutzer mit der Software kommunizieren (Benutzerschnittstelle).<br />
Als ein Kontrakt zwischen Auftraggeber und Auftragnehmer muss die Systemspezifikation für<br />
die Beteiligten verständlich formuliert sein. Als Grundlage für die Kommunikation zwischen<br />
Auftraggeber und Auftragnehmer, die aus unterschiedlichen Erfahrungskontexten stammen<br />
können (z.B. betriebswirtschaftlich ausgebildeter Manager versus technisch orientierter Informatiker),<br />
wurden Artefakte, wie beispielsweise semi-formale Modellierungssprachen entwickelt,<br />
die eine Kommunikation ermöglichen sollen. 11)<br />
3. System- und Komponentenentwurf:<br />
Das Ziel dieser Phase ist es festzulegen, welche Systemkomponenten entwickelt oder erworben<br />
werden müssen, um die in der Systemspezifikation identifizierten Anforderungen abzudecken.<br />
Dabei stellt der Entwurf der Systemarchitektur die wichtigste Tätigkeit dar. Die Systemkomponenten<br />
werden durch den Entwurf ihrer Schnittstellen, die Festlegung ihrer Interdependenzen,<br />
die Spezifikation ihres zugrunde liegenden logischen Datenmodells und den Entwurf ihrer algorithmischen<br />
Struktur spezifiziert.<br />
4. Implementierung und Komponententest:<br />
Das Ziel der Implementierung ist es, die Ergebnisse formalsprachlich umzusetzen, die im System-<br />
und Komponentenentwurf enthalten sind, und damit auf dem Rechner ausführbar zu machen.<br />
5. Systemtest:<br />
Das Ziel des Systemtests ist es, die Interdependenzen der Softwarekomponenten unter realen<br />
Bedingungen zu prüfen, mögliche Fehler zu entdecken und zu beheben sowie zu gewährleisten,<br />
dass die Systemimplementierung die funktionalen und nicht-funktionalen Anforderungen erfüllt.<br />
Es wird sowohl verifiziert als auch validiert. Die Verifikation überprüft dabei den „korrekten“<br />
Ablauf der Anwendung und die Validation überprüft die „Korrektheit“ der ausgegebenen<br />
Ergebnisse unter Berücksichtigung der Anforderungen, die an das System gestellt wurden.<br />
6. Betrieb und Wartung:<br />
Bei dieser Phase handelt es sich zeitlich gesehen um die längste Teilphase des Software-Life-<br />
Cycles. Nach Abschluss des Systemtests wird die Software zur Anwendung freigegeben. Die<br />
Aufgabe der Wartung ist es, Fehler, die erst während des Betriebs der Software auftauchen, zu<br />
beheben sowie Erweiterungen der Software vorzunehmen.<br />
11) Ein Beispiel für ein derartiges Artefakt ist die Unified Modeling Language (UML). UML stellt semi-formale sprachliche Ausdrucksmittel<br />
bereit, mit denen der Auftraggeber und der Auftragnehmer die Anforderungen an die zu entwickelnde Software<br />
eindeutig beschreiben können; vgl. zu UML im Rahmen der Anforderungsspezifikation für das Projekt KOWIEN ALAN<br />
(2002b) S. 13 ff.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 281<br />
1.4.2.2.2 Das Wasserfall-Modell<br />
Das Wasserfall-Modell ist eine Modifikation des sequentiellen Software-Life-Cycle-Modells. 12)<br />
Abbildung 21 zeigt das Wasserfall-Modell mit einem Top-Down-Vorgehen.<br />
Wie auch im sequentiellen Software-Life-Cycle-Modell werden hier die einzelnen Phasen als<br />
Gruppierungen von Aktivitäten verstanden, die jeweils vollständig bearbeitet und dokumentiert<br />
werden.<br />
System-Anforderungen<br />
Software-Anforderungen<br />
Analyse<br />
Entwurf<br />
Kodierung<br />
Abbildung 21: Das Wasserfall-Modell 13)<br />
Das Wasserfall-Modell als eine Verfeinerung des sequentiellen Software-Life-Cycle-Modells enthält<br />
zwei grundlegende Modifikationen: 14)<br />
Testen<br />
Betrieb<br />
• Rückkopplungen 15) zwischen den Phasen: Auf die strenge Sequentialisierung wird verzichtet.<br />
Stattdessen sind Rückkopplungen zwischen aufeinander folgenden Phasen vorgesehen.<br />
12) Vgl. zum Wasserfall-Modell ROYCE (1970).<br />
13) Vgl. BIETHAHN/MUKSCH/RUF (2000) S. 206. Bei dieser Darstellung finden sich die Phasen des vorangehenden Software-Life-<br />
Cycle-Modells in etwa folgend wieder: System- und Software-Anforderungen entsprechen der Problemanalyse und Planung;<br />
Analyse entspricht der Systemspezifikation; Entwurf entspricht dem System- und Komponentenentwurf; Kodierung entspricht<br />
der Implementierung und Komponententest; Testen entspricht Systemtest; Betrieb entspricht Betrieb und Wartung.<br />
14) Vgl. PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 24.<br />
15) Streng genommen findet sich die Rückkopplung erst in jüngeren Varianten des Wasserfall-Modells. In den ursprünglichen Versionen<br />
wurde eine Rückkopplung nicht vorgesehen. In diesem Sinne wäre es präziser, beim Wasserfall-Modell von einer Klasse<br />
von Modellen zu sprechen.
282 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
• Validierung: Der Software-Life-Cycle wird um die (experimentelle) Validierung der Phasenergebnisse<br />
erweitert. Jede einzelne Phase (beispielsweise Entwurf oder Kodierung) wird mit einer<br />
Validierung abgeschlossen; damit wird die Validierung des sequentiellen Software-Life-Cycles<br />
in die einzelnen Phasen integriert und zu einem kontinuierlichen Prozessmerkmal erweitert.<br />
Mit diesen beiden Modifikationen wird die streng sequentielle Vorgehensweise des klassischen<br />
Software-Life-Cycle-Modells aufgeweicht. Die Rückkopplungen insbesondere für die Systemspezifikation<br />
und den System- und Komponentenentwurf sowie die phasenweise Validierung sollen es<br />
ermöglichen, den Softwareentwicklungsprozess besser kontrollierbar zu gestalten.<br />
In Deutschland findet sich insbesondere das V-Modell als eine sehr verbreitete Adaption des Wasserfallmodells.<br />
16)<br />
1.4.2.2.3 Das prototypbasierte Software-Life-Cycle-Modell<br />
Im Unterschied zu den bisher vorgestellten Vorgehensmodellen unterscheidet sich das prototypbasierte<br />
Vorgehen durch die Überlappung bestimmter Phasen und der Ergebnisse in den Phasen. Die<br />
Phaseneinteilung bleibt zwar erhalten, jedoch mit dem Unterschied, dass die Phasen der Problemspezifikation<br />
und Planung sowie Systemspezifikation zeitlich überlappt ablaufen und die restlichen<br />
Phasen bis auf Betrieb und Wartung integriert werden. 17) Die Phasen sind somit nicht Teilabschnitte<br />
einer diskreten Softwareentwicklung.<br />
Die Erstellung einer vereinfachten Version der Software oder Softwarekomponente (Prototyp) ist<br />
ein iterativer Prozess: 18) Dabei werden die Phasen Prototyp-Spezifikation, -Konstruktion und -Test<br />
so lange wiederholt, bis der Benutzer den Prototyp akzeptiert.<br />
Anhand dieses Prototyps wird durch realen Einsatzbedingungen entsprechende Experimente untersucht,<br />
ob die Anforderungen erfüllt werden. Der Vorteil dieser Vorgehensweise liegt nahe: Schon<br />
frühzeitig kann der Benutzer ausprobieren, ob der Prototyp die Anforderungen an die Software erfüllt,<br />
und bei Bedarf können frühzeitig Änderungen vorgenommen werden. Das Risiko einer fehlerhaften<br />
und nicht vollständigen Spezifikation der Anforderungen wird reduziert.<br />
Es wird ein wesentlicher Unterschied zwischen dem klassischen Vorgehen und dem prototypbasierten<br />
Vorgehen deutlich: Während beim erstgenannten sehr spät – nachdem alle Spezifikations-<br />
und Entwurfsprozesse abgeschlossen sind – implementiert wird, wird dagegen beim letztgenannten<br />
sehr früh implementiert.<br />
16) Vgl. BRÖHL/DRÖSCHEL (1995) und für die KOWIEN-Zwecke APKE/DITTMANN (2003a), S 16 f. Das V-Modell zum Download<br />
findet sich unter: http://www.informatik.uni-bremen.de/gdpa/, Zugriff am 17.06.2004.<br />
17) Vgl. PO<strong>MB</strong>ERGER/BLASCHEK (1993) S. 25; WANG, Y. (2002) S. 282.<br />
18) Im Allgemeinen werden beim Prototyping (1) exploratives Prototyping, (2) experimentelles Prototyping und (3) evolutionäres<br />
Prototyping unterschieden; vgl. dazu SOMMERVILLE (2001) S. 171 ff.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 283<br />
1.4.2.2.4 Das Spiral-Modell<br />
Im Spiral-Modell 19) werden die bislang vorgestellten Vorgehensmodelle integriert (beispielsweise<br />
die Prototyp(fort)entwicklung durch separate Prozessschritte). Hierdurch wird die Möglichkeit geboten,<br />
eine den Anforderungen eines Projekts entsprechende Vorgehensweise auszuwählen. Die<br />
folgende Abbildung zeigt diese Variante des Software-Life-Cycle-Modells.<br />
Freigabe<br />
Ziele,<br />
Alternativen,<br />
Randbedingungen<br />
festlegen<br />
nächsten Schritt<br />
planen Planen<br />
Kumulative Kosten<br />
kumulative Kosten<br />
Prototyp 1<br />
Lebenszyklusplan<br />
Entwicklungsplan<br />
Integration<br />
und Testplan<br />
Schrittweises<br />
schrittweises<br />
Vorgehen<br />
Risikoanalyse<br />
Alternativen bewerten,<br />
Risiken identifizieren<br />
und auflösen<br />
Risikoanalyse<br />
RisikoanalyseRisikoanalyse<br />
Prototyp 2 Prototyp 3<br />
Vorgehenskonzept<br />
Software<br />
Anforderungen<br />
Validierung<br />
Der Anforderungen<br />
Entwurf<br />
Operationeller<br />
Prototyp<br />
DetailentwurfCodierungModultest<br />
Validierung und<br />
Verifikation des<br />
Entwurfs Integra-<br />
Produkt der nächsten<br />
tiontestInstallaAkzep-<br />
Stufe entwickeln und<br />
tanztion<br />
verifizieren<br />
test<br />
Abbildung 22: Das Spiral-Modell 20)<br />
Während die Ausdehnung der Spirale in Abbildung 22 den bis zu einem bestimmten Zeitpunkt entstandenen<br />
Gesamtaufwand wiedergibt, beziehen sich die Winkeldimensionen auf den Projektfortschritt<br />
in den jeweiligen Spiralzyklen. Das Spiral-Modell fasst den Entwicklungsprozess als iterativen<br />
Prozess auf, wobei jeder Zyklus folgende Aktivitäten enthält:<br />
19) Das Spiral-Modell geht auf BOEHM zurück; vgl. BOEHM (1988) und SOMMERVILLE (2001) S. 53 ff.<br />
20) In Anlehnung an BIETHAHN/MUKSCH/RUF (2000) S. 210.
284 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
1. Nächsten Schritt planen:<br />
Die Planung des ersten oder nächsten Schritts bei der Softwareentwicklung wird vollzogen.<br />
2. Ziele, Alternativen und Randbedingungen festlegen:<br />
In diesem Schritt erfolgt die Festlegung von Zielen, Alternativen und Randbedingungen als Anforderungen<br />
an das (Teil-) Produkt (im Sinne einer Anforderungsspezifizierung).<br />
3. Alternativen bewerten, Risiken identifizieren und auflösen:<br />
Die Alternativen zur Realisierung des (Teil-) Produkts werden entwickelt. Dabei werden Risiken<br />
und Restriktionen (Kosten- und Zeitrestriktionen sowie Interdependenzen mit anderen organisatorischen<br />
Einheiten) identifiziert. Im Anschluss erfolgt die Evaluation der identifizierten<br />
Lösungsalternativen hinsichtlich der Projektziele und unter dem Aspekt der Identifikation potenzieller<br />
Risikoquellen. Werden Risikoquellen identifiziert, schließen sich Maßnahmen zur<br />
Reduzierung des Risikos an. Hierbei kann insbesondere das Prototyping eingesetzt werden.<br />
4. Produkt der nächsten Stufe entwickeln und verifizieren:<br />
Das Produkt der ersten oder nächsten Stufe wird entwickelt und verifiziert.<br />
Dieses Vorgehen wird im Uhrzeigersinn fortgesetzt, und es folgt jeweils der nächste Schritt entsprechend<br />
dem klassischen Phasenmodell mit den zusätzlichen Aktivitäten je Zyklus: Risikoanalyse,<br />
prototypbasierte Validierung und Festlegung des Projektplans für den nachfolgenden Zyklus.<br />
Die Spirale endet, wenn der inkrementelle Entwicklungsprozess eine als fertig angesehene Software<br />
ergibt.<br />
1.4.2.3 Zusammenfassende Gegenüberstellung<br />
Ausgewählte Vorgehensmodelle aus dem Software Engineering wurden vorgestellt und es wurde<br />
dabei auf ihre Besonderheiten eingegangen. Im Folgenden werden die vorgestellten Vorgehensmodelle<br />
hinsichtlich ihrer Vor- und Nachteile kurz diskutiert.<br />
Das sequentielle Software-Life-Cycle-Modell bildet eine wichtige Grundlage für die ingenieurmäßige<br />
Entwicklung von Software. Der Vorteil dieses Vorgehensmodells liegt in seiner übersichtlichen<br />
Struktur, in der die wichtigsten Aktivitäten des Entwicklungsprozesses definiert und gegeneinander<br />
abgegrenzt werden. Dem stehen jedoch mehrere gravierende Nachteile gegenüber:<br />
• Das sequentielle Software-Life-Cycle-Modell basiert auf der Prämisse, dass die Anforderungen<br />
an die Software nach Abschluss der Spezifikationsphase vollständig erfasst sind.<br />
Angesichts der Komplexität der zu erstellenden Software ist eine vollständige Erfassung der<br />
Anforderungen der Benutzer zu diesem Zeitpunkt oft unmöglich. Änderungs- und Erweiterungswünsche<br />
ergeben sich erst mit dem wachsenden Verständnis für den Anwendungsbereich<br />
während des Softwareentwicklungsprozesses. 21)<br />
• Die strikte Trennung der einzelnen Phasen stellt zudem oft eine ungerechtfertigte Idealisierung<br />
dar. Denn in der Praxis lassen sich vielfältige Überlappungen der einzelnen Phasen feststellen.<br />
Außerdem sind die Interdependenzen komplexer, als es in dem sequentiellen Software-Life-Cycle-Modell<br />
dargestellt wird.<br />
21) Vgl. BIETHAHN/MUKSCH/RUF (2000) S. 202.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 285<br />
• Die sequentielle Vorgehensweise hat zur Konsequenz, dass erste spät „greifbare“ Ergebnisse<br />
erstellt werden, die unter realen Bedingungen evaluiert werden können. Dadurch werden Software-Fehler<br />
oder Änderungswünsche der Auftraggeber meist erst sehr spät identifiziert und<br />
können nur unter hohen Kosten berücksichtigt werden.<br />
Das Wasserfall-Modell hat gegenüber dem sequentiellen Software-Life-Cycle-Modell zum einen<br />
den Vorteil, dass am Ende einer jeden Phase eine Validierung vorgesehen ist. Hierdurch können die<br />
Phasenergebnisse hinsichtlich ihrer Korrektheit und Vollständigkeit überprüft und bei Bedarf angepasst<br />
werden. Zum anderen sind im Wasserfall-Modell Rückkopplungen zu vorangegangenen Phasen<br />
vorgesehen, so dass nachträglich neue Erkenntnisse aus nachfolgenden Phasen in vorangegangene<br />
Phasen(ergebnisse) integriert werden können. 22)<br />
Wie auch am sequentiellen Software-Life-Cycle-Modell lässt sich am Wasserfall-Modell kritisieren,<br />
dass die Spezifikation der Anforderungen nur in der Entwurfsphase vorgesehen ist, abgesehen<br />
von der Rückkopplungsmöglichkeit aus der Analysephase, und dass die Benutzer in den Softwareentwicklungsprozess<br />
nicht weiter involviert werden.<br />
Das prototypbasierte Vorgehen bietet gegenüber den zuvor vorgestellten Vorgehensmodellen den<br />
Vorteil, dass eine frühzeitige Entwicklung der Software oder der Softwarekomponenten beabsichtigt<br />
wird. Hierdurch kann schon frühzeitig der Prototyp unter realen Bedingungen hinsichtlich der<br />
gewünschten Anforderungen der Benutzer getestet und bei Bedarf modifiziert werden. Jedoch kann<br />
die wiederholte Entwicklung von Prototypen für eine Systemkomponente insbesondere bei großen<br />
Software-Projekten erhebliche Kosten verursachen.<br />
Im Spiral-Modell wird versucht, die Stärken der anderen Vorgehensmodelle durch Integration oder<br />
Behandlung als Sonderfälle zu berücksichtigen und durch deren Kombination die Schwächen abzumildern.<br />
Die Vorteile des Spiral-Modells liegen in der expliziten Berücksichtigung des Risikos<br />
innerhalb des Softwareentwicklungsprozesses. So können schon frühzeitig durch die Entwicklung<br />
von Prototypen ungeeignete Lösungsvarianten identifiziert und Software-Fehler beseitigt werden.<br />
In der folgenden Tabelle 2 sind die vorgestellten Vorgehensmodelle des Software Engineerings synoptisch<br />
gegenübergestellt.<br />
22) Abgesehen von der ersten Phase, für die mangels Objekt keine Rückkopplung vorgesehen wurde.
286 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
Modellart<br />
Sequentielles<br />
Software-<br />
Life-Cycle-<br />
Modell<br />
Wasserfall-<br />
Modell<br />
Prototypbasiertes<br />
Software-<br />
Life-Cycle-<br />
Modell<br />
Entwicklungsprozess<br />
sequentiell<br />
sequentiell<br />
mit Rückkopplungen<br />
aufeinander<br />
folgender<br />
Phasen<br />
iterativ<br />
Spiral-Modell iterativ<br />
Vorteile Nachteile<br />
• Zerlegung des Entwicklungsprozesses<br />
in zeitlich<br />
getrennte Abschnitte.<br />
• Planung und Überwachung<br />
werden leichter kontrollierbar.<br />
• Komplexitätsbewältigung<br />
durch Aufgabenteilung.<br />
• Validierung der Phasenergebnisse.<br />
• Rückkopplung zu vorhergehenden<br />
Phasen bei Vorliegen<br />
von neuen Erkenntnissen<br />
und Identifikation von<br />
Fehlern.<br />
• Frühe Implementierung eines<br />
vorläufigen Prototyps,<br />
so dass Änderungen und<br />
Fehler identifiziert und angepasst<br />
oder behoben werden<br />
können.<br />
• Validierung der Phasenergebnisse.<br />
• Berücksichtigung des Risikos<br />
des Softwareentwicklungsprozesses.<br />
• Softwareentwicklung ist kein<br />
sequentieller Prozess, sondern<br />
jede einzelne Phase kann zu<br />
Rückwirkungen auf frühere<br />
Phasen führen. Das sequentielle<br />
Vorgehen spiegelt nicht die<br />
Gegebenheiten der Softwareentwicklung<br />
wider.<br />
• Es wird von einer korrekten<br />
und abgeschlossenen Anforderungsspezifikationausgegangen.<br />
Hierbei wird nicht berücksichtigt,<br />
dass es zu Missverständnissen<br />
zwischen Auftraggeber<br />
und -nehmer kommen<br />
kann, die nachträglich revidiert<br />
werden müssen.<br />
• Da eine lauffähige Version<br />
erst am Ende des Entwicklungsprozesses<br />
vorliegt, wird<br />
die Beseitigung von Fehlern<br />
aufwendig und teuer.<br />
• Siehe Nachteile des sequentiellen<br />
Software-Life-Cycle-<br />
Modells.<br />
• Keine theoretische Systematik,<br />
die den Entwicklungsprozess<br />
mit Erfahrungswissen unterstützt.<br />
• Eignet sich nur zur Durchführung<br />
sehr komplexer, großer<br />
Entwicklungsprojekte.<br />
Tabelle 2: Synopse über Vorgehensmodelle des Software Engineerings
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 287<br />
1.4.3 Vorgehensmodelle des Knowledge Engineerings<br />
1.4.3.1 Einführung<br />
Knowledge Engineering umfasst alle Tätigkeiten und Überlegungen zur Erfassung, Verwaltung,<br />
Verwendung und Transformation von Wissen. 23) Das Knowledge Engineering unterscheidet bei der<br />
Entwicklung wissensbasierter Systeme hauptsächlich eine Phase der Wissensakquisition und eine<br />
Phase der Wissensverwendung. 24) Die Wissensakquisition unterscheidet wiederum hauptsächlich<br />
die Phasen Wissenserhebung, Wissensinterpretation und Wissensoperationalisierung. Bei der Wissenserhebung<br />
wird primär das gemäß den Anforderungen relevante Wissen mittels für den Einzelfall<br />
geeigneter Erhebungstechniken festgestellt. In der Phase der Wissensinterpretation wird von<br />
den Entwicklern das ermittelte Wissen hinsichtlich der grundlegenden Strukturen und möglicher<br />
Schlussfolgerungsprozesse untersucht. Die anschließende Phase, in der die Ergebnisse der Interpretationsphase<br />
als Wissen in ein lauffähiges Computersystem implementiert werden, wird als Wissensoperationalisierung<br />
bezeichnet.<br />
Die im vorhergehenden Kapitel untersuchten Phasenmodelle des Software Engineerings lassen sich<br />
insgesamt für die Neuentwicklung eines wissensbasierten Systems durchaus anwenden. Sie werden<br />
jedoch nicht den spezifischen Anforderungen gerecht, die bei wissensbasierten Systemen auftreten<br />
können. Insbesondere sind sie nicht besonders geeignet für die Anforderungen, die sich bei der<br />
Wissensakquisition, d.h. beim Füllen des Systems mit „Leben“, ergeben. 25)<br />
Prinzipiell lassen sich zwei Ansätze des Knowledge Engineerings unterscheiden. Zum einen wird<br />
der Prototyp-Ansatz und zum anderen der modellbasierte Ansatz in der Literatur vorgestellt. 26)<br />
1.4.3.2 Ausgewählte Ansätze des Knowledge Engineerings<br />
1.4.3.2.1 Prototyp-Ansatz<br />
Aus erkennbarem zu repräsentierenden Wissen wird bei diesem Ansatz frühzeitig ein Prototyp als<br />
erste Implementierung einer Wissensbasis und für die weitere Wissensakquisition entwickelt. Dies<br />
entspricht einem einfachen Transfermodell, bei dem ein mentales konzeptuelles Modell direkt (ohne<br />
die Erstellung eines expliziten Modells) implementiert wird. 27)<br />
23) Vgl. PUPPE/STOYAN/STUDER (2003) S. 599. Diese „moderne“ Definition geht in ihrer Bedeutung weit über die in der Vergangenheit<br />
aufgestellten Definitionen hinaus. So wurde von WATERMAN 1986 das Knowledge Engineering bezeichnet als der Prozess<br />
der Erstellung eines Expertensystems (vgl. WATERMAN (1986) S. 5). Umfassendere Definitionen folgten, wie z.B. von<br />
HAUN im Jahr 2000, der den gesamten Entwicklungs- und Wartungsprozess eines Expertensystems als Knowledge Engineering<br />
definiert (vgl. HAUN (2000) S. 188). Vermutlich weil Erfahrungen mit der Entwicklung wissensbasierter System zeigen, dass<br />
Wissen in allen Phasen des wissensbasierten Software-Life-Cycles ingenieurmäßig erfasst, verwaltet, verwendet und transformiert<br />
werden muss, ist diese Entwicklung zu erklären.<br />
24) Vgl. HAUN (2000) S. 189.<br />
25) Zu einer ausführlichen Begründung vgl. HAUN (2000) S. 146 ff.<br />
26) Vgl. beispielsweise PUPPE/STOYAN/STUDER (2003) S. 602 ff. und HAUN (2000) S. 196.<br />
27) Deutlich wird dabei der Zusammenhang zum Prototyp-Ansatz des Software Engineerings: Beide versuchen möglichst früh eine<br />
lauffähige Anwendung zur weiteren Entwicklung zu erzeugen. In PUPPE/STOYAN/STUDER (2003) bezeichnen die Autoren ein<br />
solches Transfermodell als „naiv“ (S. 603).
288 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
Ein typisches Life-Cycle-Modell für den Prototyp-Ansatz beinhaltet folgende Phasen (siehe Abbildung<br />
23): 28)<br />
Konzeptu-<br />
Identifikation Formalisierung Implementierung<br />
alisierung<br />
neu formulieren<br />
neu entwerfen<br />
Verfeinerung<br />
Abbildung 23: Entwicklungsphasen des Prototyp-Ansatzes 29)<br />
1. Identifikation:<br />
Das gesamte Projektvorhaben wird analysiert und Anforderungen, wie etwa benötigte Ressourcen<br />
und Funktionen, werden identifiziert. Hiermit werden die Projektziele festgelegt.<br />
2. Konzeptualisierung:<br />
Es wird eine Konzeptualisierung für das spätere wissensbasierte System erarbeitet. Schon in<br />
dieser oftmals sehr zeitaufwendigen Phase werden möglichst umfassend die Anforderungen<br />
an den Prototyp berücksichtigt.<br />
3. Formalisierung:<br />
Unter Berücksichtigung der entwickelten Konzeptualisierung wird eine formale Beschreibung<br />
des bei der Konzeptualisierung identifizierten Wissens durchgeführt. Die Konzeptualisierung<br />
wird formalsprachlich spezifiziert, um im wissensbasierten System verarbeitet werden zu<br />
können. Hierzu müssen Anforderungen an die Wissensrepräsentation, die sich teilweise aus<br />
der Konzeptualisierung vererbt, berücksichtigt werden.<br />
4. Implementierung:<br />
An die Formalisierung des Wissens schließt sich die Erstellung des Prototyps an. Die formalsprachliche<br />
Spezifikation wird in Form eines Prototyps in einer Software-Umgebung implementiert.<br />
Auf die erste Entwicklung folgt die Verfeinerung gemäß den aufgestellten Anforderungen<br />
(siehe auch Punkt 5).<br />
5. Test:<br />
Mittels Verifikation und Validierung wird getestet. Wenn im Testbetrieb Abweichungen hinsichtlich<br />
der aufgestellten Anforderungen festgestellt werden, wird der Prototyp gegebenenfalls<br />
verändert. Streng genommen durchläuft die Entwicklung somit zum einen einen schleifenförmigen<br />
Prozess der Schritte 4 und 5. Bei größeren Abweichungen von den Anforderun-<br />
28) Vgl. HAUN (2000) S. 200 ff. Dieser Ansatz stammt ursprünglich von WATERMAN (1986) S. 136 ff. Die Vor- und Nachteile des<br />
Prototypings wurden bereits in ähnlicher Form im vorangegangenen Kapitel berücksichtigt; aus Übersichtlichkeitsgründen sei<br />
diese Redundanz bitte zu entschuldigen.<br />
29) Vgl. WATERMAN (1986) S. 136.<br />
Test
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 289<br />
gen kommt es zum anderen zu einem neuen Entwurf der Formalisierung oder auch zur Neuformulierung<br />
von Inhalten der Identifikations- oder der Konzeptualisierungsphase.<br />
Deutlich werden hier die Bezüge zum Software Engineering. Das Vorgehen weist Ähnlichkeiten<br />
zum prototypbasierten Software-Life-Cycle auf. So werden die Phasen Identifikation, Konzeptualisierung,<br />
Formalisierung, Implementierung und Test so lange wiederholt, bis der Benutzer den Prototyp<br />
akzeptiert (siehe auch Kapitel 1.4.2.2.3, S. 282).<br />
Als Vorteile lassen sich für diesen Ansatz nennen:<br />
• Wissensingenieur und Experte können den Wissenstransfer direkt untereinander abstimmen, 30)<br />
• der Experte kann das Verhalten des Systems überprüfen und<br />
• kürzere Feedback-Zyklen und rasche Ergebnisse erhöhen die Motivation der Beteiligten.<br />
Als Nachteile lassen sich aufführen:<br />
• Die Repräsentationsart des Wissens wird zu einem sehr frühen Zeitpunkt bestimmt,<br />
• es erfolgt keine standardisierte Phaseneinteilung des eigentlichen Entwurfsprozesses (Entwicklung<br />
des Wissensmodells) und die Wissensakquisition bleibt undeutlich,<br />
• eine sehr frühe Konzentration auf Implementierungsdetails bindet Entwicklungsressourcen, die<br />
bei der Konzeptualisierung und Anforderungserhebung effektiver eingesetzt werden können,<br />
und<br />
• im Nachhinein wird es sehr schwierig, ein mentales konzeptionelles Modell zu revidieren, weil<br />
eine gemeinsame Diskussionsgrundlage fehlt.<br />
1.4.3.2.2 Modellbasierter Ansatz<br />
Historisch betrachtet ist der modellbasierte Ansatz eine Weiterentwicklung des Prototyp-<br />
Ansatzes. 31) Das wissensbasierte System soll dabei durch ein systematischeres Vorgehen als beim<br />
Prototyping erstellt werden. Der modellbasierte Ansatz fasst die Wissensakquisition als einen Modellierungsprozess<br />
auf. In der Praxis findet sich häufig folgendes Life-Cycle-Modell: 32)<br />
1. Identifikation:<br />
Die Anforderungen der späteren Benutzer und der Entwickler werden eruiert und dokumentiert.<br />
2. Konzeptualisierung:<br />
Die im Modell vorkommenden Begriffe werden definiert oder aus der Fachterminologie übernommen.<br />
Hierbei bezieht man sich auf das Wissen der Experten.<br />
30) Der Wissensingenieur entwickelt das System und das Wissen des Experten wird mittels Akquisitionstechniken im System hinterlegt.<br />
Für den Bereich KOWIEN wird der Wissensingenieur zum Ontologieentwickler. Experten sind sowohl die Personalabteilung<br />
als auch die Benutzer des Kompetenzmanagementsystems, weil sie selbst Wissen im System hinterlegen müssen und<br />
es nicht nur anwenden sollen.<br />
31) Vgl. PUPPE/STOYAN/STUDER (2003) S. 599 f.; HAUN (2000) S. 204.<br />
32) Der hier beschriebene Ablauf ergibt sich als Erweiterung des Prototyp-Ansatzes (vgl. zur Phasenbeschreibung HAUN (2000) S.<br />
204 ff.).
290 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
3. Modellierung der Problemlösung:<br />
Die Lösungen für Probleme, die in der Praxis Anwendung durch Experten erfahren, werden für<br />
die Verwendung innerhalb des wissensbasierten Systems modelliert.<br />
4. Formalisierung:<br />
Das akquirierte Wissen wird formalsprachlich spezifiziert.<br />
5. Implementierung:<br />
Die Spezifikation als das Produkt des Formalisierungsprozesses wird im System implementiert.<br />
6. Validierung/Verifikation und Weiterentwicklung:<br />
In Tests wird untersucht, ob das System weiterentwickelt werden muss, um die aufgestellten<br />
Anforderungen zu erfüllen. Falls erforderlich, wird das wissensbasierte System weiterentwickelt<br />
(dies ist der Regelfall).<br />
Der hauptsächliche Unterschied zum herkömmlichen Software Engineering liegt in einer in einzelnen<br />
Punkten verfeinerten Arbeitsmethodik, die insbesondere Wissensanalyse (Wissenserhebung<br />
und Wissensinterpretation), generische Problemlösungsmodelle und heuristische Klassifikationen<br />
(in der Wissensoperationalisierung) umfasst. 33)<br />
Als Vorteile lassen sich erkennen:<br />
• Es erfolgt eine klare Trennung von Analyse und Implementierung der Wissensbasis,<br />
• das Modell ist nahe an der Terminologie der Experten und<br />
• der Interpretationsprozess, also die Überführung akquirierten Wissens in eine formale Spezifikation,<br />
wird transparent, d.h. nachvollziehbar für Dritte, gemacht.<br />
Als Nachteile sind jedoch zu nennen:<br />
• Modelle zur Entwicklung wissensbasierter Systeme sind in der praktischen Anwendung nur<br />
von Fachleuten anwendbar,<br />
• häufig fehlt eine ausreichende Werkzeugunterstützung, d.h. die praktische Anwendung wird<br />
durch fehlende Hilfsmittel erschwert, und<br />
• Modelle verfügen oft nur über eine wenig ausgeprägte formale Semantik.<br />
Ein bekanntes modellbasiertes Vorgehensmodell stellen KADS und seine Weiterentwicklung zu<br />
CommonKADS dar. 34) Ein weiterer Ansatz wurde auf den Namen MIKE (Modellbasiertes und inkrementelles<br />
Knowledge-Engineering) getauft. 35)<br />
33) Vgl. HAUN (2000) S. 205 f.<br />
34) Zu diesem Vorgehensmodell siehe SCHREIBER ET AL. (2001a). Eine Kurzerklärung findet sich in APKE/DITTMANN (2003a) S. 26<br />
f. Der Bereich des Ontology Engineerings findet in diesem Zusammenhang innerhalb des Wissensmodells (Knowledge Models)<br />
seine Berücksichtigung in CommonKADS. SCHREIBER ET AL. verwenden den Begriff „Ontologien“ jedoch abweichend zu dem<br />
hier gebrauchten Verständnis. Vielmehr sprechen sie von „domain schemas“ (vgl. hierzu insbesondere SCHREIBER ET AL.<br />
(2001a) S. 91). Ontologien stellen für die Autoren in diesem Zusammenhang „generalized domain schemas“ dar (vgl. SCHREI-<br />
BER ET AL. (2001a) S. 331).<br />
35) Vgl. ANGELE ET AL. (1998).
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 291<br />
1.4.3.3 Zusammenfassende Gegenüberstellung<br />
Die Abbildung 24 stellt den Zusammenhang zwischen Prototyp-Ansatz und modellbasiertem Ansatz<br />
schematisch dar. Deutlich wird, dass der modellbasierte Ansatz ein explizites Modell in der<br />
Phase der Wissensakquisition berücksichtigt, während beim Prototyping ein mentales konzeptionelles<br />
Modell repräsentiert wird.<br />
Wissensakquisition<br />
Wissensverwendung<br />
Knowledge Engineering<br />
Wissensoperationalisierung<br />
Mentales<br />
konzeptionelles Modell<br />
Experte<br />
Wissenserhebung<br />
Wissensinterpretation<br />
Prototyp-Ansatz Modellbasierter Ansatz<br />
Wissensrepräsentation<br />
Integration u. Wartung<br />
Explizites Modell<br />
Abbildung 24: Prototyp-Ansatz versus Modellbasierter Ansatz im Knowledge Engineering 36)<br />
Das (mentale) konzeptionelle Modell wird hier auf der Seite des Prototyp-Ansatzes „unterstellt“,<br />
um den Unterschied zwischen dem Prototyping-Ansatz und dem modellbasierten Ansatz herauszustellen.<br />
Streng genommen müsste auch beim modellbasierten Ansatz ein (mentales) konzeptionelles<br />
Modell vorangestellt werden. Das Knowledge Engineering umfasst insbesondere die Wissensakquisition,<br />
wie aus der Abbildung 24 ersichtlich wird.<br />
36) In Anlehnung an HAUN (2000) S. 197.
292 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
1.4.4 Vorgehensmodelle des Ontology Engineerings<br />
1.4.4.1 Einführung<br />
Das Ontology Engineering beschäftigt sich mit der prinzipiellen Entwicklung, Modifikation, Applikation<br />
und Evaluation von Ontologien. 37)<br />
Um die Vorgehensmodelle aus dem Bereich des Ontology Engineerings zu untersuchen und insbesondere<br />
hinsichtlich ihrer Verwertbarkeit für das Projekt KOWIEN zu bewerten, werden im Folgenden<br />
zuerst Anforderungen aufgestellt. Anschließend werden bekannte Vorgehensmodelle vorgestellt<br />
und anhand der Anforderungen analysiert. Bei den vorzustellenden Vorgehensmodellen wird<br />
deutlich, dass diese die Besonderheiten bei der Entwicklung von wissensbasierten Systemen berücksichtigen.<br />
Insbesondere stützen sich sämtliche Vorgehensmodelle des Ontology Engineerings<br />
auf den modellbasierten Ansatz, d.h., es wird immer ein Modell des abzubildenden Wissens (inklusive<br />
etwaiger Regeln) expliziert. Gerade die konstituierende Eigenschaft von Ontologien erfordert,<br />
dass ein Modell der zu repräsentierenden Domäne konzeptualisiert und formalisiert wird, so dass<br />
ein Prototyp-Ansatz im vorgenannten Sinne nicht angewendet werden kann.<br />
Nach einer Zusammenfassung der Analyseergebnisse werden in Kapitel 1.4.4.7 (S. 316 ff.) noch einige<br />
für das Verbundprojekt KOWIEN relevante Vorgehensmodelle, die sich lediglich mit einem<br />
spezifischen Teilfokus aus der Thematik der Ontologie-Konstruktion beschäftigen, vorgestellt.<br />
1.4.4.2 Anforderungen<br />
Die wichtigsten Anforderungen an das Vorgehensmodell, das im Kontext des KOWIEN-Projekts<br />
eingesetzt werden soll, um die Entwicklung von Kompetenzontologien zu beschreiben und zu strukturieren,<br />
werden im Folgenden dargestellt. Im Einzelnen sind dies:<br />
• Generizität<br />
• Anwendungsbezogenheit<br />
• Vollständigkeit<br />
• Dokumentation<br />
• Einfachheit<br />
• Klarheit<br />
• Werkzeugunterstützung<br />
37) Vgl. HOLSAPPLE/JOSHI (2002) S. 43. Einige Autoren, so auch HOLSAPPLE und JOSHI, verwenden den Begriff „Ontological Engineering“<br />
statt „Ontology Engineering“; nach Ansicht der Verfasser bezeichnet dieser Begriff jedoch eher ein ontologisches<br />
Vorgehen bei der Anwendung ingenieursspezifischer Methoden. Diese Bezeichnung würde den angestrebten Hintergrund dieser<br />
Untersuchung jedoch nicht angemessen widerspiegeln, da es hier um die Ontologieentwicklung im informationstechnischen<br />
Sinne geht.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 293<br />
Ähnliche Zusammenstellungen von Kriterien für die Konstruktion von (Vorgehens-) Modellen und<br />
für ihre Bewertung sind beispielsweise in VERLAGE (1998) und in MOODY/SHANKS (1994) zu finden.<br />
38) Die hier genannten Anforderungen wurden aufgrund ihrer Bedeutung in der Literatur und<br />
wegen ihrer Relevanz für die im KOWIEN-Projekt vorliegenden spezifischen Gegebenheiten (wie<br />
z.B. Hintergrund der beteiligten Personen) ausgewählt.<br />
1.4.4.2.1 Generizität<br />
Das Vorgehensmodell soll insofern allgemeine Gültigkeit besitzen, als dass es nicht nur ausschließlich<br />
für ein bestimmtes Projekt konzipiert ist, sondern auch im Rahmen ähnlicher Vorhaben, also<br />
etwa grundsätzlich für die Entwicklung ontologiebasierter <strong>Kompetenzmanagementsysteme</strong>, zum<br />
Einsatz kommen kann. Ein generelles, auch domänenunabhängiges Vorgehensmodell ist eine<br />
Grundvoraussetzung für die allgemeine Anerkennung und die Reife der Disziplin der Ontologieentwicklung.<br />
39) Dadurch wird einerseits eine Wiederverwendung von Wissen ermöglicht, andererseits<br />
kann so ein Entwicklungsprozess leichter an projektspezifische Gegebenheiten angepasst werden.<br />
40)<br />
1.4.4.2.2 Anwendungsbezogenheit<br />
Damit es im Anwendungsfall eine Hilfestellung zur Umsetzung eines Softwareentwicklungsprojekts<br />
leistet, soll das Vorgehensmodell auch konkrete Beispiele und Handlungsempfehlungen für<br />
den Benutzer des Vorgehensmodells umfassen. Dazu zählt zum Beispiel eine exemplarische Detaillierung<br />
von Aktivitäten, um das methodische Fundament des Ansatzes zu erläutern. 41) Diese Anforderung<br />
steht nicht zwangsläufig im Gegensatz zum Kriterium der Generizität; sie könnte etwa dadurch<br />
realisiert werden, dass zusätzlich zu einer allgemeinen Phasenbeschreibung jeweils Beispiele<br />
eine mögliche Umsetzung verdeutlichen.<br />
1.4.4.2.3 Vollständigkeit<br />
Das Vorgehensmodell soll vollständig sein im Sinne seiner Anwendungsziele, somit von der Ausgangssituation<br />
bis zur Zielerreichung alle relevanten Aspekte darstellen. 42) Das bedeutet auf der einen<br />
Seite, dass aus Sicht der Benutzer alle notwendigen und sinnvollen Aktivitäten enthalten sein<br />
müssen. Auf der anderen Seite ist eine ausreichend genaue Beschreibung der einzelnen Schritte erforderlich,<br />
damit keine „Lücken“ entstehen, die bei der konkreten Projektdurchführung noch ge-<br />
38) Vgl. VERLAGE (1998) S. 73 und MOODY/SHANKS (1994) S. 101 f.<br />
39) Vgl. GUARINO/WELTY (2002) S. 61.<br />
40) Auch spezifische Modelle können selbstverständlich wiederverwendet werden, wenn die entsprechenden Rahmenbedingungen<br />
erfüllt sind. Nur die Wahrscheinlichkeit der Wiederverwendung ist deutlich geringer und auch ursprünglich nicht gewollt.<br />
41) Vgl. FERNÁNDEZ-LÓPEZ (1999) S. 4.3.<br />
42) Als Anwendungsziele des Vorgehensmodells werden die konkretisierten Ziele, die der Benutzer des Modells im Vorhinein festlegt<br />
und die zu einer erfolgreichen Ontologieentwicklung und der Implementierung der Ontologien in ein lauffähiges System<br />
erforderlich sind, bezeichnet.
294 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
schlossen werden müssen. Diese relative Definition von Vollständigkeit 43) führt dazu, dass die Erfüllung<br />
dieser Anforderung bei vielen Ansätzen im Vorhinein nicht überprüfbar ist, da die Anwendungsziele,<br />
Annahmen (im Sinne von Modellprämissen) und Ausgangssituationen oft nur implizit<br />
vorhanden oder nicht detailliert genug explizit beschrieben sind. Aus diesem Grund und weil es zu<br />
umfangreich wäre, eine Referenzanwendung in diesem Kapitel zu Hilfe zu nehmen, wird das Kriterium<br />
der Vollständigkeit an dieser Stelle zwar aufgeführt und erläutert, jedoch nicht zur Beurteilung<br />
der dargestellten Ansätze eingesetzt.<br />
1.4.4.2.4 Dokumentation<br />
Obwohl in den meisten Fällen Übereinstimmung darin besteht, dass eine umfassende und stetige<br />
Dokumentation für Projekte jeder Art von essentieller Bedeutung ist und eine Selbstverständlichkeit<br />
sein sollte, erscheint es sinnvoll, diese Tätigkeit als Bestandteil eines Vorgehensmodells explizit<br />
aufzunehmen, weil gerade die auf der Hand liegenden Aktivitäten Gefahr laufen vernachlässigt zu<br />
werden.<br />
Während jeder Phase sollen die ursprünglichen Intentionen und die Design Rationale 44) natürlichsprachlich<br />
(und nicht formalsprachlich) ausgeführt werden. Dieses Vorgehen erleichtert später<br />
eventuelle Rechtfertigungen gegenüber Änderungsvorschlägen. Außerdem kann durch regelmäßige<br />
Dokumentation die Nachvollziehbarkeit der Ontologieentwicklung und somit auch die Akzeptanz<br />
unter Benutzern und Entwicklern bedeutend verbessert werden. Ein weiterer Vorteil ist, dass solche<br />
zusätzlichen Informationen nachfolgende Änderungen für konkrete Anwendungen vereinfachen.<br />
Aus diesen Gründen soll das Vorgehensmodell die Dokumentation des Entwicklungsprozesses berücksichtigen<br />
und konkrete Methoden zur Umsetzung der Dokumentation nennen.<br />
1.4.4.2.5 Einfachheit<br />
Simplizität, bezogen auf die Größe und Komplexität eines Modells 45) , ist wünschenswert, weil der<br />
Inhalt des Vorgehensmodells für alle Projektbeteiligten und Benutzer verständlich sein soll. Insbesondere<br />
bei der Entwicklung von betriebswirtschaftlichen Applikationen wie <strong>Kompetenzmanagementsysteme</strong>n<br />
ist es wichtig, dass das Vorgehensmodell nicht zu komplex aufgebaut ist, weil während<br />
eines großen Teils der Projektdurchführung „Nicht-Techniker“ beteiligt sind. Simplizität ist<br />
43) Vgl. z.B. SCHÜTTE (1997) S. 7. Dort wird ein Modell als vollständig angesehen, wenn es alle im Metamodell beschriebenen Beziehungen<br />
zwischen den Objekten in der gleichen Form einhält. MOODY/SHANKS (1994) S. 102, betrachten ein (Daten-) Modell<br />
als vollständig, sobald es die Fähigkeit besitzt, alle funktionalen Anforderungen der Benutzer umzusetzen. Diese Definitionen<br />
von Vollständigkeit richten sich also ebenfalls nicht nach einem allgemeingültigen Referenzmodell, sondern sind abhängig von<br />
dem jeweils vorgegebenen Metamodell bzw. von den Zielen oder Erwartungen der Benutzer des Modells.<br />
44) Als Design Rationale wird hier die Zusammenfassung von Merkmalen und deren Begründungen für eine Gestaltungsentscheidung<br />
verstanden.<br />
45) Eine ähnliche Erläuterung geben MOODY/SHANKS (1994) S. 102. Für die Messung der Komplexität eines Datenmodells schlagen<br />
sie vor, die Anzahl der Entitäten und die Menge der Beziehungen im jeweiligen Datenmodell zu addieren. Für Vorgehensmodelle<br />
können die Anzahl der Phasen und der Detaillierungsgrad der Phasenbeschreibungen (beispielsweise gemessen als Anzahl<br />
der einzelnen Phasenschritte) als reziprokes Maß für die Simplizität herangezogen werden.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 295<br />
deshalb für eine möglichst hohe Akzeptanz und auch Effizienz des Vorgehensmodells von großem<br />
Vorteil. 46)<br />
1.4.4.2.6 Klarheit<br />
Der Grundsatz der Klarheit bezieht sich auf „[...] die Verständlichkeit und die Eindeutigkeit von<br />
Modellsystemen“. 47) Das Vorgehensmodell soll verständlich und eindeutig formuliert sein, um unterschiedliche<br />
Interpretationen und eventuell zeitaufwendige Diskussionen unter den Projektverantwortlichen<br />
zu vermeiden. Die Anforderung ist wichtig für Anwendbarkeit und Akzeptanz des<br />
Vorgehensmodells, denn alle Modelle, insbesondere Vorgehensmodelle, dienen zur Veranschaulichung<br />
und damit immer auch als Diskussionsgrundlage, so dass Zweideutigkeiten nicht nur zu<br />
Missverständnissen führen, sondern auch die Qualität des Entwicklungsprozesses und der resultierenden<br />
Ontologien negativ beeinflussen können. Aus diesem Grund ist die Klarheit auch abhängig<br />
von der Konsistenz, also der syntaktischen Korrektheit, sowie der inhaltlichen Widerspruchsfreiheit<br />
eines Modells. Das Kriterium der Klarheit kann realisiert werden, indem die Modellelemente möglichst<br />
formalsprachlich beschrieben werden 48) , beispielsweise durch zusätzliche (semi-) formale<br />
Modellierungen wie Ereignisgesteuerte Prozessketten (EPK). 49)<br />
1.4.4.2.7 Werkzeugunterstützung<br />
Das Vorgehensmodell soll für den beschriebenen Prozess und die dafür vorgeschlagenen Methoden<br />
entsprechende IT-Werkzeuge empfehlen, die die einzelnen Aktivitäten unterstützen und die Qualität<br />
der Ergebnisse verbessern können. Die Umsetzung dieser Anforderung trägt ebenfalls zu einer<br />
leichteren Anwendung des Vorgehensmodells und einer höheren Akzeptanz unter den Beteiligten<br />
bei, da der Komfort und auch die Effizienz des Entwicklungsprozesses durch geeignete Computerunterstützung<br />
bedeutend gesteigert werden können. Der Einsatz einer Software zur kollaborativen<br />
Textverarbeitung etwa vereinfacht das gemeinsame Arbeiten mehrerer Personen an einem Dokument.<br />
Da das Gebiet der Ontologieentwicklung für Informatikzwecke und betriebswirtschaftliche Zwecke<br />
ein vergleichsweise junges Forschungsfeld darstellt, ist die Auswahl an Werkzeugen für die computerunterstützte<br />
Entwicklung von Ontologien im Vorhinein vergleichsweise begrenzt. So existieren<br />
beispielsweise weitaus mehr Werkzeuge zur Unterstützung herkömmlicher Programmiersprachen<br />
(wie C oder Java) als zur Entwicklung von Ontologien. Dennoch versuchen einige der Autoren<br />
existierender Ansätze, Hinweise und Empfehlungen bezüglich einer Software-Umgebung für die<br />
46) Die geforderte Einfachheit bezieht sich vornehmlich auf die Reduktion der Komplexität eines Modells. Beispielsweise sollte die<br />
Nebenläufigkeit nur dann, wenn es unbedingt notwendig ist, in einem Modell berücksichtigt werden. Die Nebenläufigkeit birgt<br />
in der Anwendung die Gefahr, dass Zuständigkeiten und Termine abgewälzt bzw. verschoben werden, weil davon ausgegangen<br />
wird, dass jeweils der andere „Strang“ zuständig bzw. verantwortlich für die Termineinhaltung ist. Eine effiziente Anwendung<br />
des Vorgehensmodells wird gegeben, wenn alle Projektbeteiligten das Vorgehensmodell akzeptieren und so anwenden, dass<br />
möglichst ressourcenschonend die angestrebten Ergebnisse erreicht werden. Nebenläufigkeit und effiziente Anwendung sind<br />
Bestandteile des Kriteriums „Einfachheit“.<br />
47) SCHÜTTE (1997) S. 10.<br />
48) Ein besonders hoher Grad an Formalität geht allerdings oft zu Lasten der Nachvollziehbarkeit eines Vorgehensmodells. An dieser<br />
Stelle kann die Kombination informaler Ausführungen mit (semi-) formalen Beschreibungen wie Modellen dazu beitragen,<br />
dass gleichzeitig die Simplizität und Nachvollziehbarkeit sowie die Klarheit der Methode gewährleistet sind.<br />
49) Zu Ereignisgesteuerten Prozessketten vgl. SCHEER (1999).
296 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
Umsetzung ihres Vorgehensmodells zu geben. Gerade in Bezug auf die vorangestellte Anwendungsbezogenheit<br />
ermöglichen geeignete Werkzeuge für den Ontologieentwickler eine Anwendung<br />
des Vorgehensmodells, die einen signifikanten Nutzen gegenüber einer „manuellen“ Entwicklung<br />
von Ontologien, beispielsweise hinsichtlich der Verkürzung der Entwicklungszeit, aufzeigt.<br />
1.4.4.3 Umsetzung der Anforderungen<br />
Bei der Umsetzung der dargestellten Anforderungen ist zu beachten, dass diese nicht unabhängig<br />
voneinander bestehen, sondern sich gegenseitig in ihrer Wirkung beeinflussen können. Einige der<br />
Kriterien verhalten sich komplementär zueinander. So führt zum Beispiel die (möglichst) vollständige<br />
Spezifikation eines Entwicklungsprozesses mit einer detaillierten Beschreibung der Phasenaktivitäten<br />
und Methoden in den meisten Fällen zu einer hohen Anwendungsbezogenheit. Auch die<br />
Einbeziehung von Möglichkeiten zur Prozessunterstützung durch Computerprogramme kann zu einer<br />
leichteren Realisierung und damit zur Anwendungsbezogenheit eines Vorgehensmodells beitragen.<br />
Andererseits können Anforderungen auch gegensätzliche Zielsetzungen verfolgen, so dass eine<br />
gleichzeitige Umsetzung schwierig ist. Wenn die Klarheit des Modells durch eine formalsprachliche<br />
Beschreibung, wie zum Beispiel mit mathematischen Formeln, realisiert wird, kann sich dies<br />
nachteilig auf die Einfachheit und damit auf die Nachvollziehbarkeit des Ansatzes auswirken. 50) Oft<br />
lassen sich solche Zielkonflikte durch Hinzunahme von Hilfsmitteln auflösen oder mindern, indem<br />
etwa verschiedene Abstraktionsniveaus sowohl eine generelle als auch eine anwendungsbezogene<br />
Sicht auf den Entwicklungsprozess ermöglichen oder für die Realisierung der Klarheit und Eindeutigkeit<br />
des Vorgehensmodells formale oder semi-formale Modelle, die zusätzlich zur textuellen Beschreibung<br />
erstellt wurden, genutzt werden.<br />
1.4.4.4 Ausgewählte Ansätze des Ontology Engineerings<br />
Es gab in den letzten Jahren einige Vorschläge zur Konstruktion von Ontologien, die jedoch teilweise<br />
von sehr unterschiedlichen Zielsetzungen und Voraussetzungen ausgingen. Zum einen lassen<br />
sich vollständige Vorgehensmodelle zur Konstruktion von Ontologien heranziehen. Zum anderen<br />
finden sich (unvollständige) Ansätze für Vorgehensmodelle, die ihren Fokus auf einen Teilbereich<br />
der Ontologieentwicklung legen. Beispielsweise konzentrieren sich viele existierende Ansätze in<br />
der Literatur bei der Ontologieentwicklung auf die Verknüpfung mehrerer bereits bestehender (Sub-)<br />
Ontologien, zum Beispiel SENSUS 51) und auch KACTUS 52) , oder sie beschäftigen sich mit der<br />
Verbesserung der Strukturierung der Terminologie.<br />
50) Hierüber lässt sich jedoch vortrefflich streiten, weil auch der Standpunkt vertreten werden kann, dass einem geübten Benutzer<br />
eine formalsprachliche Beschreibung die Nachvollziehbarkeit erleichtert.<br />
51) Vgl. SWARTOUT ET AL. (1997). Dieser Ansatz vereinigt u.a. die Ontologien Penman Upper Model, ONTOS und Wordnet, um<br />
aus einer breiten, allgemeinen SENSUS-Ontologie domänenspezifische Ontologien abzuleiten. Siehe hierzu auch Kapitel<br />
1.4.4.7.1 auf S. 316 f.<br />
52) Vgl. zum Beispiel SCHREIBER/WIELINGA/JANSWEIJER (1996). Die Autoren von KACTUS, das im Rahmen eines ESPRIT-Projekts<br />
entwickelt wurde, gehen von einer bereits bestehenden Wissensbasis aus, aus der durch Abstraktion eine generelle Ontologie<br />
entwickelt wird.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 297<br />
An dieser Stelle werden diejenigen Ansätze vorgestellt, die für das Projekt KOWIEN und somit<br />
insbesondere für die Entwicklung von Kompetenzontologien von besonderer Relevanz sind. Dies<br />
sind insbesondere die vollständigen Ansätze, denn auch die Zielsetzung des Projekts KOWIEN umfasst<br />
die Entwicklung eines generischen, vollständigen Vorgehensmodells. Aus der Untersuchung<br />
existierender Ansätze erhofften sich die Mitglieder des Projekts wertvolle Erkenntnisse als Grundlage<br />
der Entwicklung eines Vorgehensmodells für die Konstruktion eines Kompetenzmanagementsystems<br />
für die betriebliche Praxis. Die Auswahl von Ansätzen wurde also hinsichtlich ihrer Relevanz<br />
für das später zu entwickelnde generische Vorgehensmodell getroffen. Die unvollständigen<br />
Ansätze, von denen sich die Verfasser weitere wertvolle Informationen für die Entwicklung des generischen<br />
KOWIEN-Vorgehensmodells erhofften, werden der Vollständigkeit halber im später folgenden<br />
Kapitel 1.4.4.7 (S. 316 ff.) kurz vorgestellt, jedoch nicht einer Bewertung unterzogen.<br />
In den folgenden Kapiteln werden sechs der wichtigsten Vorgehensmodelle beschrieben, die wissenschaftlich<br />
anerkannt oder in der Praxis bewährt sind oder aufgrund ihrer Zielsetzung und der<br />
vorgeschlagenen Methoden besondere Bedeutung für die Konstruktion von Kompetenzontologien<br />
haben. Da die vorzustellenden Ansätze des Ontology Engineerings oft sowohl zeitlich als auch inhaltlich<br />
aufeinander aufbauen, werden sie weit gehend in der chronologischen Reihenfolge ihrer<br />
Veröffentlichung dargestellt: 53)<br />
1.4.4.4.1 IDEF5-Ansatz<br />
• IDEF5-Ansatz (1994)<br />
• Enterprise-Model-Ansatz (1995)<br />
• TOVE-Ansatz (1995)<br />
• METHONTOLOGY (1996)<br />
• On-To-Knowledge-Ansatz (2000)<br />
• Kollaborativer Ansatz (2002)<br />
IDEF5 wurde 1994 von KBSI (Knowledge Based Systems Inc.) entwickelt. 54) Der IDEF5-Ansatz<br />
wurde speziell entworfen, um die Entwicklung, die Modifizierung und die Instandhaltung von Ontologien<br />
zu unterstützen. IDEF steht hierbei als Akronym für Integrated Computer Aided Manufacturing<br />
Definition und ist Teil einer Familie von Definitionen.<br />
IDEF5 ist eine „Ontology Capture Method” 55) , die einen strukturierten Ansatz zur Entwicklung von<br />
Domänen-Ontologien beinhaltet. Der Ansatz umfasst folgende Hauptaktivitäten: 56)<br />
53) Die beiden beschriebenen Vorgehensmodelle Enterprise-Model-Ansatz und TOVE-Ansatz wurden etwa zeitgleich veröffentlicht;<br />
der Enterprise-Model-Ansatz wird hier vorangestellt, weil er einen sehr grundlegenden Ansatz darstellt.<br />
54) Vgl. KBSI (1994) S. 25 ff.<br />
55) KBSI (1994) S. 1.<br />
56) Vgl. KBSI (1994) S. 8. Auch wenn die nachfolgende Abbildung 25 ein sequentielles Vorgehen suggeriert, so finden sich doch<br />
erhebliche Überlappungen und Iterationen zwischen den einzelnen Aktivitäten.
298 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
1. Organisation und Umfang:<br />
Die Organisations- und Umfangsaktivitäten etablieren den Zweck, den Ausgangspunkt, die<br />
Sicht der Dinge und die Zusammenhänge des Ontologieentwicklungsprojekts. Des Weiteren<br />
werden den Teammitgliedern Rollen zugewiesen.<br />
2. Datensammlung:<br />
Während der Datensammlung wird „rohes” Datenmaterial, das für die Ontologieentwicklung<br />
benötigt wird, akquiriert.<br />
3. Datenanalyse:<br />
Die Daten werden zu dem Zweck analysiert, die Extraktion einer Ontologie aus den Daten zu<br />
erleichtern.<br />
4. Initiale Ontologieentwicklung:<br />
Die erste, anfängliche Ontologieentwicklung liefert eine präliminäre Ontologie auf Basis der<br />
gesammelten Daten.<br />
5. Verbesserung und Validation:<br />
Die Ontologie wird verbessert und validiert, um den Entwicklungsprozess abzuschließen.<br />
Organisation<br />
und<br />
Umfang<br />
Datensammlung<br />
Datenanalyse<br />
Initiale<br />
Ontologieentwicklung<br />
Abbildung 25: Vorgehensmodell IDEF5<br />
Verbesserung<br />
und<br />
Validation<br />
Des Weiteren beinhaltet der IDEF5-Ansatz zwei „Ontologiesprachen“ zur Unterstützung des Entwicklungsprozesses.<br />
Zum einen handelt es sich um eine schematic language, die speziell als graphische<br />
Sprache (vergleichbar etwa mit UML) entwickelt wurde, um übersichtlich und nachvollziehbar<br />
das Wissen einer Domäne abbilden zu können. Diese wird genutzt um das Wissen der zu repräsentierenden<br />
Domäne zu modellieren. Der durchschnittliche Benutzer kann somit die erstellten Ontologien<br />
leicht nachvollziehen. Zum anderen gibt es eine Ausarbeitungssprache (elaboration language).<br />
Sie stellt eine strukturierte textuelle Sprache dar, die es erlaubt, Elemente der Ontologien detailliert<br />
zu charakterisieren. 57)<br />
Der IDEF5-Ansatz enthält im zitierten Report-Anhang eine strukturierte Bibliothek von üblicherweise<br />
benutzten Relationen. Dazu gehören beispielsweise zeitliche Relationen, Abhängigkeitsrelationen<br />
und Einflussrelationen, auf die zurückgegriffen werden kann, um beispielsweise neue Relationen<br />
zu klassifizieren.<br />
57) Die elaboration language nutzt KIF als Basis, um eine Wiederverwendung und Integration bestehender Ansätze zu ermöglichen<br />
(vgl. KBSI (1994) S. 6).
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 299<br />
1.4.4.4.2 Enterprise-Model-Ansatz<br />
USCHOLD und KING 58) erkennen einen Mangel an strukturierten Vorgehensweisen bei der Ontologieentwicklung.<br />
Basierend auf den Erfahrungen, die sie bei der Entwicklung der „Enterprise Ontology“<br />
(Ontologien für Unternehmensmodellierungsprozesse 59) ) gemacht haben, gehen USCHOLD<br />
und KING auf einige grundsätzliche Aspekte ein, die bei der Konstruktion von Ontologien beachtet<br />
werden sollen. So wird ein Grundgerüst für ein Vorgehensmodell vorgeschlagen, in dem die wichtigsten<br />
Schritte der Ontologieentwicklung aufgeführt sind und das als Ausgangspunkt für ein detailliertes<br />
Vorgehensmodell dienen soll.<br />
Ihr Ansatz definiert die wichtigsten Schritte in Form einer Prozesskette. Nach der Bestimmung eines<br />
eindeutigen Einsatzzwecks werden die wichtigsten Begriffe gemeinsam vereinbart, in eine formale<br />
Sprache überführt und durch die Integration von bereits bestehenden Ontologien erweitert.<br />
Nach mehrfacher Revision und kritischer Beleuchtung werden die Ontologien letztlich in ihre abschließende<br />
Form überführt und ausführlich dokumentiert.<br />
Zusätzlich zu den Vorgehensschritten soll ein umfassendes Vorgehensmodell auch eine Reihe von<br />
Techniken, Prinzipien und Richtlinien für jede Phase sowie eine Beschreibung der Beziehungen<br />
zwischen den Aktivitäten 60) umfassen.<br />
Die einzelnen Phasen des Basis-Vorgehensmodells werden im Folgenden kurz erläutert.<br />
Zweckidentifikation<br />
Ontologie-<br />
Erfassung<br />
Ontologieentwicklung<br />
Ontologie-<br />
Kodierung<br />
Integration<br />
bestehender<br />
Ontologien<br />
Abbildung 26: Vorgehensmodell von USCHOLD und KING<br />
Evaluation<br />
Dokumentation<br />
1. Zweckidentifikation:<br />
Zu Beginn des Entwicklungsprozesses soll zunächst festgelegt werden, aus welchem Grund die<br />
Ontologien benötigt werden und welche Anforderungen sie erfüllen sollen. So besteht oftmals<br />
der oberste Zweck in der Wiederverwendung von Wissen. Aber auch die Art und Anzahl der<br />
Softwaresysteme, in denen die Ontologien eingesetzt werden sollen, sind wichtige Zwecke, die<br />
58) Vgl. USCHOLD/KING (1995), USCHOLD (1996a), USCHOLD (1996b).<br />
59) Vgl. USCHOLD/GRUNINGER (1996) S. 96. Für die Entwicklung eines „Enterprise Models“ werden unternehmensweite Daten-,<br />
Prozess- und Verhaltensmodelle zu einem konsistenten Modellsystem integriert, um eine Unternehmensrepräsentation zu bilden.<br />
60) Vgl. USCHOLD/KING (1995) S. 2.
300 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
vor der Konstruktion der Ontologien festzulegen sind. Eine weitere Aufgabe innerhalb der<br />
Zweckidentifikation vor der eigentlichen Entwicklung ist die Identifizierung der Benutzer der<br />
Ontologien und ihrer Erwartungen.<br />
2. Ontologieentwicklung:<br />
Diese Phase wird weiter unterteilt in die Schritte Ontologieerfassung, -kodierung und Integration<br />
bestehender Ontologien. Die Erfassung umfasst die Identifikation der relevanten Konzepte<br />
und ihrer Beziehungen, die Darstellung der Konzepte durch präzise und eindeutige Textdefinitionen<br />
sowie die Festlegung von Bezeichnungen für diese Konzepte und ihre Beziehungen<br />
(Konzeptualisierung). Im Rahmen der Kodierung wird nach einer expliziten Repräsentation der<br />
Konzeptualisierung durch eine formale Sprache gesucht. Dafür schlagen die Autoren zunächst<br />
die Definition einer Meta-Ontologie vor, die die Basisausdrücke für die Ontologiespezifikation<br />
enthält, um anschließend eine Repräsentationssprache auszuwählen und damit den Kode zu generieren.<br />
Während dieser beiden vorangegangenen Aktivitäten stellt sich außerdem die Frage,<br />
ob und wie bereits existierende Ontologien integriert werden können. Für eine Integration bestehender<br />
Ontologien ist es wichtig, alle jeweils gemachten Annahmen explizit zu formulieren<br />
und eine Übereinstimmung zwischen den verschiedenen Benutzergruppen zu erzielen.<br />
3. Evaluation:<br />
Hierfür empfehlen die Autoren die Adaption von Methoden des Wissensmanagements. 61) Voraussetzung<br />
für die Bewertung von Ontologien ist auch, dass zuvor ein Referenzrahmen festgelegt<br />
wurde, der als Grundlage für eine Überprüfung der entwickelten Ontologien dient, wie etwa<br />
eine Anforderungsspezifikation mit Kompetenzfragen (siehe Kapitel 1.4.4.4.3, S. 301 f.).<br />
4. Dokumentation:<br />
Um eine effiziente gemeinsame Nutzung und Wiederverwendung der Ontologien zu ermöglichen,<br />
sollen alle wichtigen Annahmen dokumentiert werden. Dazu zählen sowohl die Annahmen<br />
zu den Hauptkonzepten der Ontologien als auch die Annahmen für die Formulierung der<br />
Definitionen, also die Meta-Ontologie.<br />
1.4.4.4.3 TOVE-Ansatz<br />
Ziel des Projekts TOVE (Toronto Virtual Enterprise), das unter anderem von GRÜNINGER und FOX<br />
durchgeführt wurde, war die Entwicklung eines „Commonsense“-Unternehmensmodells, das auf<br />
Ontologien basieren sollte. 62) Die Autoren sprechen gar vom „Knowledge Engineering zweiter Generation“<br />
im Hinblick auf das zu entwickelnde ontologiebasierte Unternehmensmodell.<br />
Aus den während des Projekts gewonnenen Erkenntnissen wurde anschließend ein umfassendes<br />
Vorgehensmodell formuliert, das Richtlinien für die Konstruktion von Ontologien sowie für die<br />
Evaluation ihrer Angemessenheit vorsieht. Kern des Vorgehensmodells ist die Durchführung der<br />
folgenden sechs Phasen (siehe Abbildung 27 auf der nächsten Seite):<br />
61) Der Evaluationsvorgang gemäß USCHOLD/KING bezieht sich vornehmlich auf die Validation der Ontologie.<br />
62) Vgl. GRÜNINGER/FOX (1995) S. 1.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 301<br />
Motivationsszenarien<br />
Informale<br />
Kompetenzfragen<br />
Terminologie-<br />
Spezifikation<br />
Formale<br />
Kompetenzfragen<br />
Axiom-<br />
Spezifikation<br />
Abbildung 27: Vorgehensmodell von GRÜNINGER und FOX<br />
Vollständigkeitstheoreme<br />
1. Motivationsszenarien:<br />
Den Ausgangspunkt für die Ontologieentwicklung bilden die unterschiedlichen Probleme, die<br />
z.B. von Unternehmen identifiziert werden und durch Ontologien gelöst werden sollen. Sie<br />
werden in Form von Motivationsszenarien beschrieben, wobei zusätzlich auch erste intuitive<br />
Lösungsansätze zu präsentieren sind. Jeder Vorschlag für neue Ontologien oder die Erweiterung<br />
bestehender Ontologien soll ein solches Motivationsszenario beinhalten, um die Begründbarkeit<br />
für die Zwecke der Ontologie zu gewährleisten.<br />
2. Informale Kompetenzfragen:<br />
Aus den zuvor erfassten Szenarien wird eine Reihe von Kompetenzfragen abgeleitet. Diese natürlichsprachlichen<br />
(für den Computer nicht weiter verarbeitbaren, d.h. informalen) Kompetenzfragen<br />
beziehen sich hier generisch auf Ontologien und nicht auf die spezifischen Zwecke<br />
eines Kompetenzmanagementsystems. Anforderungen, die als Wissen von der Ontologie beantwortet<br />
werden müssen, werden als Fragen ausformuliert. Sie sind somit sowohl für die Entwicklung<br />
der Ontologie als auch für die spätere Evaluation der Ontologie von Bedeutung. Die<br />
Autoren empfehlen eine hierarchische Strukturierung der informalen Kompetenzfragen und<br />
schlagen als erste Gliederung die Unterteilung in eine „Aktivitäten-Ontologie“ (Fragen zu den<br />
Aktivitäten in der Organisation und zur Planung der Aktivitäten) und eine „Organisations-<br />
Ontologie“ (Fragen bezüglich möglicher Einschränkungen dieser Aktivitäten) vor.<br />
3. Terminologie-Spezifikation:<br />
In dieser Phase wird die Terminologie der Ontologien definiert, indem für jede Kompetenzfrage<br />
alle zu ihrer Beantwortung notwendigen Objekte, Attribute und Relationen identifiziert und<br />
spezifiziert werden. Dafür sollen die Beteiligten zunächst alle relevanten Konzepte als Objekte<br />
festlegen und diese dann als Konstanten und Variablen in einer formalen Sprache (etwa KIF 63) )<br />
darstellen. Die Attribute der Objekte werden anschließend in Form einstelliger Prädikate, die<br />
Relationen zwischen den Objekten durch mehrstellige Prädikate repräsentiert.<br />
4. Formale Kompetenzfragen:<br />
Die zuvor nur informal formulierten Kompetenzfragen werden in dieser Phase in eine formale<br />
Darstellung, also in die für die Ontologiespezifikation gewählte Sprache, transformiert. Die<br />
Spezifizierung von formalen Kompetenzfragen ist eine notwendige Voraussetzung für die spätere<br />
Evaluation der Ontologien. Außerdem schränken sie die Menge der Axiome ein, die später<br />
in die Ontologien aufzunehmen sind.<br />
63) Das Akronym KIF steht für Knowledge Interchange Format, vgl. GENESERETH/FIKES (1992). KIF wurde entwickelt, um den<br />
Austausch von Wissen zwischen verschiedenartigen Computerprogrammen zu erleichtern.
302 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
5. Axiom-Spezifikation:<br />
Um die Begriffe der Ontologie und die Bedingungen ihrer Interpretation festzulegen, wird eine<br />
Menge von Axiomen definiert. 64) Sie spezifizieren die Semantik der Begriffe und werden formalsprachlich<br />
unter Anwendung der Prädikate der Ontologie formuliert. Sie müssen hinreichend<br />
sein für die Formulierung der formalen Kompetenzfragen und ihrer Antworten. Wenn<br />
die vorgeschlagenen Axiome in dieser Hinsicht unzureichend sind, müssen in einem iterativen<br />
Prozess zusätzliche Axiome in die Ontologie aufgenommen bzw. die nicht notwendigen Axiome<br />
aus der Ontologie entfernt werden.<br />
6. Vollständigkeitssätze:<br />
Für die Evaluation der Ontologie werden zunächst die Bedingungen spezifiziert, unter denen<br />
die Antworten auf die Kompetenzfragen vollständig sind. Mit Hilfe dieser ebenfalls formalsprachlich<br />
formulierten Vollständigkeitssätze 65) können die Entwickler dann die Ontologie und<br />
die enthaltenen Axiome auf ihre Vollständigkeit in Bezug auf die Kompetenzfragen prüfen.<br />
1.4.4.4.4 METHONTOLOGY<br />
Der METHONTOLOGY-Ansatz, den FERNÁNDEZ, GÓMEZ-PÉREZ und JURISTO 1996 am Zentrum<br />
für Künstliche Intelligenz des Polytechnikums von Madrid erstmals veröffentlichten, sollte eine umfassende<br />
Hilfestellung für die Konstruktion von Ontologien von Grund auf bieten („from the<br />
scratch“). 66) METHONTOLOGY orientiert sich stark an der IEEE-Norm 1074-1995. 67) Von GÓ-<br />
MEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE 68) und FERNÁNDEZ ET AL. 69) wird der Ontologieentwicklung<br />
eher das Prädikat eines Handwerks als das einer wissenschaftlichen Disziplin zugewiesen. Jedes<br />
Entwicklungsteam verwende nämlich zuerst seine eigenen Prinzipien, Entwurfskriterien und -<br />
phasen. Der dadurch entstehende Mangel an strukturierten, vereinheitlichten Vorgehensweisen beschränkt<br />
die Zusammenarbeit zwischen verschiedenen Entwicklungsteams, woraus die Notwendigkeit<br />
eines „expliziten und vollständig dokumentierten Konzeptualisierungsmodells“ 70) abgeleitet<br />
wird. Dazu präsentieren die Autoren eine Reihe von Aktivitäten, die Bestandteile des Ontologieentwicklungsprozesses<br />
sein sollen, sowie die Darstellung eines prototypbasierten Lebenszyklus für<br />
Ontologien. Teil dieses Rahmenwerks ist auch das METHONTOLOGY-Vorgehensmodell. 71) Es<br />
handelt sich um eine detaillierte Beschreibung der Entwicklungsaktivitäten, wie sie durchzuführen<br />
64) Im KOWIEN-Projekt wird diesbezüglich zwischen Inferenz- und Integritätsregeln unterschieden. Nach GRÜNINGER und FOX<br />
spezifizieren Axiome in der Ontologie die Definitionen von Konzepten und beschränken die Möglichkeiten ihrer Interpretation<br />
(vgl. GRÜNINGER/FOX (1995) S. 11), hiermit sind sie den Integritätsregeln in KOWIEN zuzuordnen.<br />
65) Hier wird der Begriff „Vollständigkeitstheorem“ von GRÜNINGER und FOX verwendet.<br />
66) Vgl. FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997) S. 1.<br />
67) Vgl. IEEE 1074 (1996).<br />
68) Vgl. GÓMEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE (1996) S. 41.<br />
69) Vgl. FERNANDEZ-LOPEZ ET AL. (1999) S. 37.<br />
70) FERNÁNDEZ-LÓPEZ ET AL. (1999) S. 37.<br />
71) Dabei wird zwischen den „technischen“ Aktivitäten der Ontologieentwicklung – im oberen Teil der folgenden Abbildung 28<br />
die Phasen Anforderungsspezifizierung, Konzeptualisierung und Implementierung – sowie den zusätzlich auszuführenden Unterstützungsaktivitäten<br />
– betroffen sind die Phasen Wissensakquisition, Integration, Evaluation und Dokumentation im unteren<br />
Teil der Abbildung 28 – unterschieden.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 303<br />
sind, welche Techniken sich dafür eignen und welche Artefakte am Ende jeder Phase produziert<br />
werden.<br />
Anforderungsspezifizierung<br />
Wissensakquisition<br />
Konzeptualisierung<br />
Integration<br />
Evaluierung<br />
Abbildung 28: Vorgehensmodell von FERNÁNDEZ ET AL.<br />
Implementierung<br />
Dokumentation<br />
1. Anforderungsspezifizierung:<br />
Ziel dieser Phase ist die Produktion eines natürlichsprachlich formulierten Ontologiespezifikationsdokuments,<br />
das die folgenden Informationen enthält: die intendierten Anwendungen und<br />
Benutzer der Ontologie, den Formalitätsgrad, in dem die Ontologie implementiert werden soll,<br />
sowie den Umfang und die Granularität der Begriffsrepräsentationen. Mehrere Alternativen für<br />
das Vorgehen bei der Spezifikation sind möglich, z.B. Kompetenzfragen oder auch natürlichsprachige<br />
Texte.<br />
2. Wissensakquisition:<br />
Die Wissensidentifikation und -erfassung wird zumindest teilweise parallel zur Anforderungsspezifizierung<br />
vorgenommen. In diesem Ansatz wird für die Wissensakquisition keine bestimmte<br />
Vorgehensweise vorgeschrieben. Stattdessen stellen die Autoren eine Reihe von möglichen<br />
Techniken vor, wie etwa Experteninterviews und Textanalysen. Anschließend sollen die<br />
relevanten Wissensquellen aufgelistet und die angewandten Erhebungstechniken beschrieben<br />
werden.<br />
3. Konzeptualisierung:<br />
Um die Problemstellung und ihre Lösung durch ein konzeptuelles Modell strukturiert darstellen<br />
zu können, wird zunächst eine vollständige Begriffssammlung erstellt, die die Konzepte, Instanzen,<br />
Verben und Eigenschaften der Domäne umfasst. Daraufhin werden die Begriffe in die<br />
beiden Kategorien Konzepte und Verben klassifiziert; diese werden dann in Baumhierarchien<br />
weiter verfeinert, um andere verwandte Konzepte oder Verben zu identifizieren. Zur Darstellung<br />
der Begriffe empfehlen die Autoren an dieser Stelle informale Repräsentationsarten wie<br />
Verzeichnislisten und Tabellen.
304 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
4. Integration:<br />
Da eines der wichtigsten Ziele des Ontology Engineerings die Wiederverwendung von Wissen<br />
ist, sollen die Verantwortlichen bereits existierende Ontologien auf ihre Möglichkeiten zur Integration<br />
überprüfen. Durch die Untersuchung von Meta-Ontologien und die Analyse von Ontologien<br />
hinsichtlich ihrer Kohärenz zu der im eigenen Projekt erarbeiteten Konzeptualisierung<br />
kann beurteilt werden, ob und wie andere Ontologien integriert werden können. Als Resultat<br />
dieser Phase sieht METHONTOLOGY ein Integrationsdokument vor, das alle eventuell benutzten<br />
Meta-Ontologien, Ontologien und die daraus verwendeten Begriffe zusammenfasst.<br />
5. Implementierung:<br />
In diesem Schritt soll die informale Darstellung der Ontologie in eine formale Repräsentation<br />
transformiert werden. Die Wahl der Sprache ist dabei in diesem Ansatz offen. Es wird jedoch<br />
die Nutzung einer Entwicklungsumgebung für die Kodierung der Ontologie empfohlen, um die<br />
Fehlerwahrscheinlichkeit zu verringern und die Implementierung zu erleichtern.<br />
6. Evaluierung:<br />
Vor ihrer Anwendung soll die Ontologie anhand eines Referenzrahmens, in diesem Falle der<br />
Anforderungsspezifikation, untersucht und bewertet werden. Dazu zählt einerseits die Verifikation,<br />
also die Überprüfung der Korrektheit der Ontologie sowie ihrer Software-Umgebung und<br />
ihrer Dokumentation, andererseits die Validation, das heißt die Überprüfung der Eignung der<br />
Ontologie im Hinblick auf ihren Zweck und die damit verbundenen Anforderungen.<br />
7. Dokumentation:<br />
Während des gesamten Ontologieentwicklungsprozesses sollen die Beteiligten alle wichtigen<br />
Annahmen, Entscheidungen und Ergebnisse dokumentieren, damit die gemeinsame Nutzung<br />
und auch die Wiederverwendung der Ontologie erleichtert werden. Nach dem Vorgehensmodell<br />
dieses Ansatzes sollen die in jeder Phase entstehenden Artefakte (Anforderungsspezifikation,<br />
Wissensakquisitionsdokument, konzeptuelles Modell sowie Formalisierungs-, Integrations-<br />
und Implementierungsdokument) eine umfassende und durchgehende Dokumentation<br />
gewährleisten.<br />
1.4.4.4.5 On-To-Knowledge-Ansatz<br />
Der On-To-Knowledge-Ansatz ist Bestandteil eines Konzepts zur Entwicklung eines ontologiebasierten<br />
Wissensmanagementsystems, der erstmals 2000 von SCHNURR, STUDER, SURE und AKKER-<br />
MANNS vorgestellt wurde 72) und mittlerweile im deutschsprachigen Raum eine große Bekanntheit<br />
erlangt hat. In diesem Ansatz wird zwischen zwei Arten von Prozessen unterschieden: zwischen<br />
dem Prozess der Einführung und Instandhaltung von Wissensmanagementsystemen (Wissens-Metaprozess)<br />
und dem Prozess der Generierung, Erfassung und Nutzung des Wissens, der als Wissensprozess<br />
bezeichnet wird. Der Wissens-Metaprozess umfasst gleichzeitig auch ein Vorgehensmodell<br />
zur Konstruktion von Ontologien und verfolgt dabei das Ziel, durch diese Einbettung der Ontologieentwicklung<br />
in die übergeordnete Wissensmanagementsystementwicklung die Anwendungsorientierung<br />
des Systems zu fördern. Das im Folgenden dargestellte Vorgehensmodell beschreibt<br />
72) Vgl. SCHNURR ET AL. (2000) S. 24 ff. Ferner vgl. auch SURE (2002a) und LAU/SURE (2002).
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 305<br />
daher den gesamten Wissens-Metaprozess, der an die Vorgehensweise des CommonKADS-Ansatzes<br />
73) angelehnt ist.<br />
Machbarkeitsstudie<br />
Ontologie-<br />
Kickoff<br />
Verfeinerung<br />
Evaluation<br />
Abbildung 29: Vorgehensmodell von SCHNURR ET AL.<br />
Wartung<br />
1. Machbarkeitsstudie:<br />
Bevor die Mitglieder des Projektteams mit dem „eigentlichen“ Entwicklungsprozess beginnen,<br />
soll eine Machbarkeitsstudie durchgeführt werden, um die organisatorischen Rahmenbedingungen<br />
der Systementwicklung zu erfassen. Hauptbestandteil dieser Studie sind eine Markt-<br />
und Wettbewerbsanalyse sowie eine Untersuchung der unternehmensinternen Voraussetzungen.<br />
Hierbei sollen einerseits Chancen und Risiken aufgedeckt und dabei erste mögliche Konstruktionsansätze<br />
skizziert werden. Andererseits sollen die identifizierten Faktoren in eine breitere<br />
organisatorische Perspektive eingebettet werden. Durch dieses Vorgehen sollen Probleme<br />
und Möglichkeiten aufgezeigt und eine Entscheidung getroffen werden, inwiefern ein ontologiebasiertes<br />
Wissensmanagementsystem für die Lösung der betrachteten Probleme geeignet ist,<br />
d.h. die Studie soll als Entscheidungsgrundlage für die ökonomische und technische Machbarkeit<br />
des Projekts dienen.<br />
2. Ontologie-Kickoff:<br />
Wenn die Machbarkeitsstudie mit einer Entscheidung für das Projekt abgeschlossen wurde,<br />
müssen im nächsten Schritt die Anforderungen an die Ontologie erhoben werden. Dazu wird<br />
mit Hilfe strukturierter Interviews eine Anforderungsspezifikation erstellt, die das Ziel der Ontologie,<br />
die Eingrenzung der Anwendungsdomäne, die potenziellen Benutzer und die Benutzeranforderungen<br />
als Anforderungskatalog dokumentiert. Dieser Anforderungskatalog soll die<br />
Entwickler der Ontologie bei der hierarchischen Strukturierung der Begriffe unterstützen. Außerdem<br />
soll diese Phase eine Analyse der relevanten Wissensquellen (Domänenexperten, Organisationsdiagramme,<br />
Geschäftspläne, Wörterbücher, Indexlisten, Datenbank-Schemata etc.)<br />
umfassen sowie die Formulierung von Kompetenzfragen, die vom System beantwortet werden<br />
sollen. Darüber hinaus soll bereits eine erste informale (oder semi-formale) Beschreibung der<br />
Ontologie erstellt werden.<br />
3. Verfeinerung:<br />
In Zusammenarbeit mit Domänenexperten entwerfen die Ontologieentwickler eine Basis-<br />
Ontologie, die dann schrittweise erweitert und verfeinert wird. Dafür müssen alle relevanten<br />
Konzepte sowie Relationen zwischen den Konzepten und Regeln identifiziert und dargestellt<br />
werden und hinsichtlich ihrer Konsistenz und Vollständigkeit überprüft werden. Anschließend<br />
wählen die Entwickler eine Sprache zur formalen Repräsentation der Ontologie aus (die Autoren<br />
schlagen Sprachen wie RDF und DAML+OIL 74) vor) und transformieren die Elemente der<br />
73) Zu CommonKADS vgl. SCHREIBER ET AL. (2001a).<br />
74) Aktuelle Informationen zu den Sprachen DAML+OIL (DARPA Annotated Markup Language + Ontology Inference Layer) und<br />
RDF (Resource Description Framework) sind im Internet unter unter den URL „http://www.w3.org/TR/daml+oil-walkthru/“<br />
bzw. „http:// www.w3.org/RDF/“ (Zugriffe am 21.06.2004) zu finden.
306 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
„Basis-Ontologie“ in formalsprachliche Konzepte, Relationen und Regeln der „Ziel-Ontologie“.<br />
Es lassen sich somit die folgenden Teilphasen unterscheiden:<br />
• Erstellung einer ersten informalen Taxonomie, die alle relevanten Begriffe aus der Kickoff-Phase<br />
enthält, 75)<br />
• Akquisition von Wissen von Domänen-Experten mit dem Ziel der Erstellung einer ersten<br />
natürlichsprachlichen Basis-Ontologie, die relevante Konzepte, Relationen zwischen den<br />
Konzepten und darauf aufbauende Axiome enthält,<br />
• Transformation der Basis-Ontologie in eine erste Ziel-Ontologie, die formalsprachlich repräsentiert<br />
wird.<br />
4. Evaluation:<br />
In dieser Phase wird die entwickelte Ontologie im Hinblick auf ihren Nutzen in der vorgesehenen<br />
Anwendungsumgebung bewertet. Zunächst überprüfen die Entwickler, ob die Ziel-Ontologie<br />
alle Kriterien der Anforderungsspezifikation erfüllt und ob sie die festgelegten Kompetenzfragen<br />
„beantworten“ kann. Darüber hinaus wird die Ontologie anhand eines Prototyps des<br />
Wissensmanagementsystems in ihrer späteren Anwendungsumgebung getestet, um durch<br />
Rückmeldungen der testenden Benutzer Fehler zu identifizieren. Falls sich durch die Evaluation<br />
ein Revisionsbedarf ergibt, müssen die Fehler durch eine Rückkehr in die Verfeinerungsphase<br />
behoben werden.<br />
In der Evaluationsphase soll die Nützlichkeit der entwickelten Ontologie und der darauf aufbauenden<br />
Softwareumgebung bewertet werden. Zuerst soll die Ziel-Ontologie hinsichtlich der<br />
Anforderungen überprüft werden. Dabei soll insbesondere analysiert werden, ob diese Ontologie<br />
alle Kompetenzfragen unterstützt. In einem folgenden Schritt soll die Ontologie in der jeweiligen<br />
Anwendungsumgebung getestet werden und durch Feedback von Testern verbessert<br />
werden.<br />
Die Evaluationsphase ist eng mit der Verfeinerungsphase gekoppelt. Bei der Entwicklung der<br />
Ontologie müssen so lange Zyklen durchlaufen werden, bis die Ziel-Ontologie den gewünschten<br />
Detaillierungsgrad erreicht hat.<br />
5. Wartung:<br />
SCHNURR ET AL. 76) empfehlen eine regelmäßige Erweiterung und Anpassung der Ontologie, um<br />
Änderungen in der Anwendungsdomäne Rechnung zu tragen. Da die Instandhaltung von Ontologien<br />
nach Meinung der Autoren in erster Linie ein organisationaler Prozess ist, sollten Regeln<br />
für die Aktualisierung formuliert und die Verantwortlichkeiten zur Durchführung der Modifikationen<br />
festgelegt werden (beispielsweise neue Versionsstände der Ontologie freigeben). Für<br />
größere Änderungen, wie z.B. Umstrukturierungen, ist oft ein erneuter Durchlauf der Verfeinerungs-<br />
und der Evaluationsphase erforderlich. Analog zur ersten Verfeinerungsphase soll das<br />
Feedback von den Benutzern wichtige Hinweise für erforderliche Änderungen an der Ziel-Ontologie<br />
liefern. Nach Inbetriebnahme des ontologiebasierten Wissensmanagementsystems muss<br />
nicht nur die Ontologie, sondern auch das darauf aufbauende System instand gehalten werden.<br />
Sowohl Modifikationen der Ontologie als auch Änderungen am Aufbau der Anwendung sollen<br />
hierbei im organisatorischen Kontext berücksichtigt werden.<br />
75) Bei der Terminologie-Spezifikation nach GRÜNINGER und FOX (vgl. S. 301) wird die Erstellung einer Taxonomie bei der Festlegung<br />
der Terme nicht vorrangig behandelt im Gegensatz zu der hier definierten Phase.<br />
76) Vgl. SCHNURR ET AL. (2000) S. 18 und S. 32.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 307<br />
1.4.4.4.6 Kollaborativer Ansatz<br />
HOLSAPPLE und JOSHI verfolgen in ihrem Ansatz zur Ontologieentwicklung das Ziel, den Aspekt<br />
der Bindung der unterschiedlichen Beteiligten an die Ontologie möglichst früh in den Entwicklungsprozess<br />
zu integrieren, um so die Akzeptanz und die gemeinsame Nutzung der Ontologie zu<br />
fördern. 77) Die Autoren unterscheiden fünf verschiedene Ansätze mit unterschiedlichen Ausgangspunkten<br />
für das Design von Ontologien: 78)<br />
• Inspiration (ausgehend von einer individuellen Sicht auf die Domäne),<br />
• Induktion (mit einem konkreten Fall als Grundlage für eine Verallgemeinerung),<br />
• Deduktion (basierend auf generellen Prinzipien, die angepasst und erweitert werden),<br />
• Synthese (die Zusammenfassung mehrerer bestehender Ontologien zu einer umfassenden) und<br />
• Kollaboration (Einbringung der Ansichten und Erfahrungen mehrerer Personen). 79)<br />
Jede dieser Vorgehensweisen hat Vor- und Nachteile und ist jeweils für eine bestimmte Situation<br />
besser geeignet als eine andere. HOLSAPPLE und JOSHI haben sich für die Durchführung einer Fallstudie<br />
für den kollaborativen Ansatz entschieden, da durch die Beteiligung einer größeren Menge<br />
von Personen die Chancen für die spätere Akzeptanz der Ontologie steigen und auch die Risiken<br />
einer lückenhaften Ontologiespezifikation verringert werden können.<br />
iterative<br />
Vorbereitung Verankerung<br />
Anwendung<br />
Verbesserung<br />
Abbildung 30: Vorgehensmodell von HOLSAPPLE und JOSHI<br />
1. Vorbereitung:<br />
In dieser ersten Phase werden Entwicklungskriterien, wie z.B. Verständlichkeit, Korrektheit,<br />
Klarheit und Nutzen, definiert, die einerseits als Richtlinien während der Entwicklung und andererseits<br />
für die Bewertung der Qualität der Ontologie im Nachhinein dienen sollen. Anschließend<br />
werden Grenzbedingungen festgelegt, um die Anwendung der Entwicklungskriterien<br />
auf bestimmte Bereiche einzuschränken. Die vorgestellte Fallstudie konzentriert sich auf<br />
betriebliches Wissensmanagement in Unternehmen, auf die Beschreibung von Wissensmanagement-Phänomenen<br />
und auf ein „Top-Down“-Vorgehen. Außerdem sollen in der Vorbereitungsphase<br />
Evaluationsstandards bestimmt werden, beispielsweise existierende Ontologien, bewährte<br />
Wissensmanagementkonzepte und Forschungsergebnisse, zu denen der Entwicklungsprozess<br />
und die resultierende Ontologie konsistent sein müssen.<br />
77) Vgl. HOLSAPPLE/JOSHI (2002) S. 43.<br />
78) Vgl. HOLSAPPLE/JOSHI (2002) S. 44; diese fünf Kategorien von Ansätzen können auch miteinander kombiniert werden.<br />
79) Diese Kategorien können auch für die Klassifizierung von Vorgehensmodellen verwendet werden. So baut TOVE beispielsweise<br />
auf der Inspiration auf. Der Ansatz der Kollaboration ist in den meisten Ansätzen zu finden. Die Kollaboration kann im engeren<br />
Sinne nach Ansicht der Verfasser nicht als eigenständige Kategorie behandelt werden, weil sie jeweils einen der vorgenannten<br />
vier Ansätze für eine initiale Ontologie benötigt.
308 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
2. Verankerung:<br />
Jeder der angesprochenen fünf Entwicklungsansätze kann für die Formulierung einer Basis-<br />
Ontologie angewendet werden, die einen „Anker“ zur Orientierung bei der eigentlichen Entwicklung<br />
darstellt. Die Autoren entschieden sich für eine Synthese, indem sie die Sprachen,<br />
Konzepte und Beziehungen aus den Evaluationsstandards konsolidierten und neu organisierten<br />
und dann in mehreren Iterationen die „Anker-Ontologie“ durch einen Abgleich mit den Design-<br />
Kriterien weiterentwickelten (siehe auch iterative Verbesserung).<br />
3. Iterative Verbesserung:<br />
In dieser Phase wird eine Adaption der Delphi-Methode 80) eingesetzt, um die Basis-Ontologie<br />
schrittweise zu verfeinern und zu vervollständigen. Zunächst werden dafür bestimmte Teilnehmer<br />
(vor allem die Benutzer) identifiziert und in Ausschüssen gruppiert. Die Ontologieentwickler<br />
senden die Basis-Ontologie an die Mitglieder der Ausschüsse, damit diese den ersten<br />
Entwurf kritisieren und kommentieren. Nachdem die Bewertungen der Ontologie zurückgeschickt<br />
worden sind, findet eine Revision statt, um die Kritik und Verbesserungsvorschläge in<br />
die Ontologie einzuarbeiten. Anschließend wird die modifizierte Version erneut an die Teilnehmer<br />
gesendet. Dieser Prozess wird iterativ so lange durchgeführt, bis die Ontologie von allen<br />
Beteiligten übereinstimmend als vollständig und den Anforderungen (also den Design-<br />
Kriterien) entsprechend angesehen wird. Um die verschiedenen Kommentare und Vorschläge<br />
zu verwalten und umzusetzen, teilen die Entwickler die Antworten in Kategorien ein (z.B.: begründet<br />
und häufig, gelegentlich, selten und zufällig) und fertigen ein Dokument zur Zusammenfassung<br />
der Kritik an. Die Modifikationen der nächsten Iterationsphase sollen sich hieran<br />
orientieren.<br />
4. Anwendung:<br />
Abschließend werden die Qualität und der Nutzen der Ontologie durch ihre Anwendung in<br />
konkreten Projekten überprüft. Die Autoren setzten ihre Ontologie z.B. als Rahmenwerk bei<br />
der Untersuchung von Wissensselektionsprozessen und Wissensselektionstechniken sowie bei<br />
der Generierung eines „Wissenskettenmodells“ ein.<br />
1.4.4.5 Evaluation der Ansätze<br />
Die im vorigen Kapitel dargestellten Vorgehensmodelle setzen verschiedene Schwerpunkte und lassen<br />
sich für einzelne Entwicklungsprojekte unterschiedlich einsetzen. Um eine Bewertung der Ansätze<br />
hinsichtlich ihrer Eignung für die Konstruktion von Kompetenzontologien, wie im KOWIEN-<br />
Projekt vorgesehen, vornehmen zu können, werden im Folgenden die in Kapitel 1.4.4.2 aufgestellten<br />
Anforderungen zur Evaluation herangezogen. Für jedes Kriterium wird untersucht, ob und inwieweit<br />
es in den einzelnen Ansätzen erfüllt wird. Anschließend werden die Ergebnisse dieser Analyse,<br />
also der Grad der Erfüllung der jeweiligen Anforderung durch die verschiedenen Vorgehensmodelle,<br />
in einer Tabelle am Ende dieses Kapitels dargestellt.<br />
80) Vgl. LINSTONE/TUROFF (1975). Die Delphi-Methode ist eine strukturierte Vorgehensweise für die Befragung von Experten sowie<br />
für die Sammlung und die Integration der verschiedenen Sichten auf eine bestimmte Problemstellung.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 309<br />
1.4.4.5.1 Generizität<br />
Der IDEF5-Ansatz ist im Kern sehr generisch, weil er im Vorhinein keinerlei Einschränkungen bezüglich<br />
der Domäne vorsieht. Allerdings verfügt er mit den beiden vorgegebenen Sprachen über eine<br />
Einschränkung, die die Generizität beeinträchtigt. Zwar basiert die elaboration language auf KIF<br />
und ist damit prinzipiell austauschbar, jedoch werden damit Anwendungen für das Semantic Web<br />
nur mittelbar ermöglicht.<br />
Dem Kriterium der Generizität wird in dem von USCHOLD und KING vorgestellten Enterprise-<br />
Model-Ansatz besondere Aufmerksamkeit geschenkt. Bevor sie detaillierter auf ihre eigenen Erfahrungen<br />
mit der Ontologieentwicklung eingehen, beschreiben die Autoren ein allgemeines, grob<br />
formuliertes Vorgehensmodell 81) , das auf ein sehr breites Spektrum von Projekten zur Ontologieentwicklung<br />
angewendet werden kann.<br />
Der TOVE-Ansatz von GRÜNINGER und FOX ist weniger generisch konzipiert. Zwar lässt sich auch<br />
dieses Modell auf viele Ontologieentwicklungsvorhaben übertragen, die Art der Durchführung ist<br />
aber zum Teil schon innerhalb der Phasen vorgegeben. So werden zum Beispiel bei TOVE die Spezifikation<br />
der Anforderungen durch Kompetenzfragen und die Implementierung der Ontologien<br />
durch Formulierung in der Prädikatenlogik der ersten Stufe realisiert.<br />
Die Autoren von METHONTOLOGY dagegen lassen sowohl die Wahl der formalen Sprache als<br />
auch die Art der Anforderungsspezifikation offen. Sogar die Reihenfolge der Aktivitäten, deren<br />
Durchführung sie empfehlen, kann für jedes Projekt neu entschieden werden. Die Generizität des<br />
Ansatzes wird besonders deutlich durch die allgemeine Formulierung der Phasen und durch die<br />
große Anzahl an Alternativen, die für ihre Umsetzung vorgeschlagen werden.<br />
Auch der On-To-Knowledge-Ansatz umfasst eine eher grobe Beschreibung der Aktivitäten, die<br />
durch Fallstudien instanziiert und detailliert werden. Das Vorgehensmodell ist auf andere Projekte<br />
übertragbar, jedoch nur auf solche, bei denen die Ontologien den Kern eines Wissensmanagementsystems<br />
bilden und in deren Rahmen die Ontologieentwicklung ein Teil der Wissensmanagementsystementwicklung<br />
ist.<br />
Bei der Arbeit von HOLSAPPLE und JOSHI liegt der Fokus ausschließlich auf der Ontologieentwicklung<br />
(unabhängig von ihrem Umfeld). Der vorgestellte kollaborative Ansatz erfüllt das Kriterium<br />
der Generizität in der Hinsicht, dass bei Projekten zur Ontologieentwicklung grundsätzlich mehrere<br />
Personen mit verschiedenen Ansichten beteiligt sind.<br />
1.4.4.5.2 Anwendungsbezogenheit<br />
Die meisten der vorgestellten Ansätze lassen sich als relativ detailliert und anwendungsnah einstufen.<br />
Die Anwendungsbezogenheit wird beim IDEF5-Ansatz durch zahlreiche Formblätter sichergestellt,<br />
die eine nachvollziehbare Anwendung ermöglichen sollen. So gibt es Formblätter etwa für die Zwecke<br />
der Ontologieentwicklung sowie der Verwaltung des Quellenmaterials und der in die Ontologie<br />
aufzunehmende Konzepte. Allerdings verfügt der Ansatz nicht über konkrete Handlungsempfehlun-<br />
81) Vgl. USCHOLD/KING (1995) S. 2. Dieses Modell bildet jedoch nur ein Grundgerüst und sollte nach Aussage der Autoren durch<br />
entsprechende Erweiterungen sowie durch die Festlegung von Techniken an konkrete Projekte angepasst werden.
310 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
gen für den Benutzer. Der Anspruch, eine „Ontology Capture Method“ zu sein, wird nur in Teilen<br />
erfüllt.<br />
Der Enterprise-Model-Ansatz hingegen erhebt nur den Anspruch, ein Grundgerüst für das Vorgehen<br />
bei der Ontologieentwicklung bereitzustellen. Die einzelnen Phasen werden genannt und erläutert.<br />
Eine genaue Beschreibung und Hinweise zur Umsetzung werden auch hier nicht gegeben. Allerdings<br />
gilt dies nur für das Vorgehensmodell selbst, denn in ihrem Artikel von 1995 gehen die Autoren<br />
anschließend auf ihre Erfahrungen aus einer Fallstudie ein, wobei sie konkrete Methoden zur<br />
Umsetzung ihres Vorgehensmodells darstellen. 82) Teilweise wird dadurch eine Erweiterung und<br />
Verfeinerung des Modells gegeben, doch für viele Vorgehensschritte nutzen USCHOLD und KING<br />
die Vorschläge und Erkenntnisse aus anderen Arbeiten und verweisen auf die jeweiligen Literaturquellen.<br />
Bei TOVE ist stattdessen die Beschreibung der Implementierungsmöglichkeiten und der Aktivitäten<br />
Bestandteil des Vorgehensmodells selbst. So werden beispielsweise konkrete Empfehlungen bezüglich<br />
der Anforderungsspezifizierung (Kompetenzfragen) und der Wahl der formalen Sprache (Prädikatenlogik)<br />
gegeben. Die Vorgehensschritte bei der Formalisierung werden relativ detailliert erläutert.<br />
Auch der Ansatz METHONTOLOGY beinhaltet bereits einige Beschreibungen von Methoden für<br />
die Durchführung einer Ontologieentwicklung. Obwohl die Autoren den Anspruch erheben, einen<br />
hohen Detaillierungsgrad zu erreichen 83) , sind die Phasenaktivitäten in den vorliegenden Quellen<br />
nur teilweise durch Realisierungshinweise konkretisiert. Dabei ist nicht festgelegt, auf welche Art<br />
und Weise das Vorgehensmodell umzusetzen ist, aber es werden für jede Phase mehrere Alternativen<br />
zur Realisierung der Aufgaben vorgestellt. So können die Projektverantwortlichen sich zum<br />
Beispiel bei der Wissensakquisition für strukturierte und unstrukturierte Interviews, für Brainstorming,<br />
Textanalyse oder für computerunterstützte Wissenserhebung entscheiden.<br />
On-To-Knowledge kann ebenfalls als anwendungsbezogen angesehen werden. Dabei konzentrieren<br />
sich die Autoren besonders darauf, die Ergebnisse der einzelnen Phasen, also etwa das Anforderungsspezifikationsdokument<br />
oder das Kompetenzfragen-Formular, genau zu beschreiben und ihren<br />
Aufbau durch Beispiel-Graphiken zu verdeutlichen.<br />
Im Kollaborativen Ansatz sind die Phasen des Vorgehensmodells und die Möglichkeiten zu ihrer<br />
Umsetzung auch sehr detailliert dargestellt. Damit erfüllt die Arbeit in dieser Hinsicht die Anforderung<br />
der Anwendungsbezogenheit. Allerdings liegt der Schwerpunkt dieses Ansatzes auf der Verfeinerung<br />
von Ontologien durch mehrere beteiligte Personen, während die Erstellung und Formalisierung<br />
einer ersten Basis-Ontologie nicht ausreichend genau behandelt wird, um den Ansatz in einem<br />
konkreten Projekt ohne weitere methodische Fundierung anwenden zu können. Weil der Einsatz<br />
der Delphi-Methode im Kontext der Ontologieentwicklung einen hohen Aufwand und umfassende<br />
Kenntnisse der Beteiligten über die Domäne sowie über Ontologien erfordert, ist die Methode<br />
hauptsächlich für größere und komplexere Projekte geeignet.<br />
82) Vgl. USCHOLD/KING (1995) S. 4 ff.<br />
83) Vgl. FERNÁNDEZ-LÓPEZ (1999) S. 4.9.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 311<br />
1.4.4.5.3 Dokumentation<br />
Der IDEF5-Ansatz verfügt über zahlreiche Dokumentationsvorgaben, die teilweise in ihrer bürokratischen<br />
Wirkung hemmend sein können. So gibt es beispielsweise eine Liste mit den in die Ontologie<br />
aufzunehmenden Konzepten (Term Pool) und eine Liste mit den Beschreibungen dieser Konzepte<br />
(Term Description Form), die lediglich zusätzlich eine kurze Beschreibung zum Konzept vorhält.<br />
Relationen zu weiteren Konzepten werden hier noch gar nicht erfasst und erst später in einem<br />
weiteren Dokument abgelegt.<br />
USCHOLD und KING definieren das Dokumentieren und Begründen von Entscheidungen und Annahmen<br />
als eigene Phase ihres Modells und stellen damit die Beachtung dieser wichtigen Aufgabe<br />
bei einer Anwendung des Enterprise-Model-Ansatzes sicher. Jedoch ist an dieser Stelle zu erwähnen,<br />
dass in den eigentlichen Entwicklungsphasen sowie bei der Darstellung der Fallstudie nicht<br />
mehr näher auf diese Tätigkeit eingegangen wird.<br />
In dem Vorgehensmodell von TOVE ist die Dokumentation der relevanten Entscheidungen und Ergebnisse<br />
eher implizit enthalten. So wird beispielsweise durch die Formulierung von Motivationsszenarien<br />
und Kompetenzfragen das Resultat der vorangegangenen Aktivitäten festgehalten. Die<br />
dabei vorhandenen personen- und situationsabhängigen Annahmen und Einschränkungen werden<br />
jedoch in diesem Ansatz nicht expliziert.<br />
Die Autoren von METHONTOLOGY präsentieren die Aufgabe der Dokumentation einerseits als<br />
eigenständige Phase in ihrem Vorgehensmodell und gleichzeitig auch als Bestandteil jeder einzelnen<br />
Ontologieentwicklungsphase. Die Dokumentation wird dabei als entscheidende Aktivität während<br />
des gesamten Entwicklungsprozesses dargestellt und durch die verschiedenen Artefakte realisiert,<br />
die im Laufe des Projekts entstehen, wie zum Beispiel Anforderungsspezifikation, Wissensakquisitionsdokument<br />
und konzeptuelles Modell.<br />
Im Gegensatz dazu wird dem Grundsatz der Dokumentation bei der Beschreibung des On-To-<br />
Knowledge-Ansatzes wenig Aufmerksamkeit geschenkt. Er findet in der Struktur des Vorgehensmodells<br />
keine Erwähnung, und auch in den wenigen während des Entwicklungsprozesses produzierten<br />
Artefakten werden Entscheidungen und ihre Begründungen allenfalls implizit dokumentiert.<br />
Der Kollaborative Ansatz von HOLSAPPLE und JOSHI enthält die Dokumentation auch nicht als eigenen<br />
Bestandteil des Phasenmodells. Doch in jedem Vorgehensschritt werden die wichtigsten Ergebnisse<br />
in Form von schriftlichen Ausführungen als Entscheidungsgrundlage an die nächsten Phasen<br />
weitergegeben. So soll etwa beim Einsatz der Expertenbefragung in der Verfeinerungsphase in<br />
jeder Iteration eine Zusammenfassung der eingegangenen Kritikpunkte und Kommentare angefertigt<br />
werden.<br />
1.4.4.5.4 Einfachheit<br />
Da die Einfachheit eines Vorgehensmodells zu einem großen Teil durch die Komplexität seines<br />
Aufbaus beeinflusst wird, kann ein so generelles und grob strukturiertes Grundgerüst, wie es etwa<br />
der TOVE-Ansatz bietet, dieses Kriterium leichter erfüllen als ein umfassenderes, ausführlich beschriebenes<br />
Vorgehensmodell.<br />
Die fünf Hauptphasen des IDEF5-Ansatzes lassen sich einfach erkennen und bieten in ihrer Zusammensetzung<br />
ein intuitives Vorgehen bei der Ontologieentwicklung. Die Verwendung der elaboration<br />
language erfordert jedoch umfangreiche Fachkenntnisse, die von Personen mit geringen
312 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
Vorkenntnissen nicht erbracht werden können. Hinzu kommt, dass kein eigentlicher Startpunkt der<br />
Ontologieentwicklung angegeben wird, d.h. der Ontologieentwickler beginnt mit einer losen Sammlung<br />
von Begriffen, die mehr oder weniger zufällig durch Relationen geordnet werden, die bei der<br />
Datenanalyse (zufällig) vorgefunden werden.<br />
Das von USCHOLD und KING entwickelte Vorgehensmodell besteht aus nur vier Phasen, von denen<br />
die umfassendste (die Ontologieentwicklung selbst) durch die Unterteilung in drei Vorgehensschritte<br />
weiter detailliert wird. Die Phasenbezeichnungen und ihre Beschreibungen der Aktivitäten sind<br />
wenig technisch, und für weitere Einzelheiten wird oft auf andere Quellen verwiesen, so dass das<br />
Modell relativ simpel gehalten und für die meisten Personen mit geringen Vorkenntnissen verständlich<br />
ist.<br />
Beim Einsatz des TOVE-Ansatzes dagegen ist spätestens bei der formalen Spezifikation der Kompetenzfragen<br />
und anschließend der Regeln und der Vollständigkeitsbedingungen logischmathematisches<br />
Vorstellungsvermögen erforderlich, um die einzelnen Schritte sowie die Erläuterungen<br />
und Definitionen nachvollziehen zu können. Natürlich wird die tatsächliche Formalisierung<br />
meist von Personen mit Informatik- oder Mathematik-Kenntnissen vorgenommen, doch es könnte<br />
bei TOVE schon bei der Planung zu Verständnis- oder sogar Akzeptanzschwierigkeiten auf der Seite<br />
des Projektleiters und anderer Beteiligter mit nicht formalem Hintergrund kommen.<br />
Die Phasenbeschreibungen, die bei METHONTOLOGY gegeben werden, und die Erläuterungen<br />
der in diesem Vorgehensmodell vorgeschlagenen Techniken sind auf der einen Seite nicht sehr<br />
komplex aufgebaut. Auf der anderen Seite kann die Struktur des Vorgehensmodells dadurch unüberschaubar<br />
wirken, dass der Ansatz sehr umfassend konzipiert ist und eine große Anzahl von<br />
Phasen aufweist.<br />
Die Menge der Vorgehensschritte, die im On-To-Knowledge-Ansatz dargelegt werden, ist dagegen<br />
noch übersichtlich und verständlich. Dennoch erfüllt dieser Ansatz das Kriterium der Einfachheit<br />
nur teilweise, weil er viele verschiedene Einflüsse aufnimmt (aus den Bereichen Software Engineering,<br />
Wissensmanagement und Ontology Engineering) und daher für die Realisierung der Aktivitäten<br />
sehr unterschiedliche Techniken vorgeschlagen werden. 84)<br />
Das Vorgehen des Kollaborativen Ansatzes ist sowohl in Hinsicht auf die äußere Struktur als auch<br />
bezüglich der Erläuterungen zu den einzelnen Phasen vergleichsweise simpel gestaltet. Da eventuelle<br />
„technische“ Details, die etwa die Formulierung der Basis-Ontologie oder auch später die formalsprachliche<br />
Implementierung betreffen, außer Acht gelassen werden, ist die Beschreibung der Phasen<br />
und ihrer Aktivitäten wenig komplex und durchaus leicht zu erfassen.<br />
84) So werden beispielsweise für die Erhebung der Anforderungen die Erstellung eines Anforderungsspezifikationsdokuments (aus<br />
dem Bereich des Software Engineerings) sowie zusätzlich die Formulierung von Kompetenzfragen (ein eher ontologieentwicklungsspezifisches<br />
Konzept) empfohlen und auch beide Dokumente später als Referenzrahmen bei der Evaluation herangezogen.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 313<br />
1.4.4.5.5 Klarheit<br />
Die dargestellten Ansätze beinhalten kaum formale oder auch nur semi-formale Beschreibungen der<br />
jeweiligen Vorgehensweise. Dennoch sind die Vorgehensmodelle meist klar und verständlich formuliert<br />
und oft durch eine graphische Darstellung des Phasenablaufs verdeutlicht.<br />
Der IDEF5-Ansatz besitzt eine klare Zielsetzung und eine übersichtliche Struktur. Die Aktivitäten<br />
in den einzelnen Phasen werden verständlich beschrieben und durch zahlreiche Formblätter mit<br />
Beispielen weiter verdeutlicht. Es existiert nur eine natürlichsprachliche Beschreibung der Phasenaktivitäten.<br />
Das Vorgehen des Enterprise-Model-Ansatzes besitzt ebenfalls eine klare Zielsetzung und eine<br />
übersichtliche Struktur. Auch die einzelnen Aktivitäten sind allgemein verständlich beschrieben,<br />
obwohl die Autoren für detaillierte Ausführungen oft auf andere Quellen verweisen.<br />
Die Anforderung der Klarheit wird bei dem TOVE-Ansatz von GRÜNINGER und FOX vor allem<br />
durch das sehr systematisch aufgebaute Phasenmodell umgesetzt. Auch die Phasen selbst sind eindeutig<br />
formuliert. Besonders bei der Darstellung der Aktivitäten zur Formalisierung der Ontologien<br />
verwenden die Autoren zusätzlich formalsprachliche Notationen, um die Präzision ihres Ansatzes<br />
zu erhöhen.<br />
Auch das METHONTOLOGY-Vorgehensmodell präsentiert eine systematische Herangehensweise<br />
an die Ontologieentwicklung. Das Grundgerüst dieses Ansatzes ist an den IEEE-Standard für die<br />
Entwicklung von Software-Lebenszyklus-Prozessen angelehnt 85) und wird durch eine detaillierte<br />
und klar formulierte Beschreibung der Techniken erweitert.<br />
Der Grundsatz der Klarheit wird im On-To-Knowledge-Ansatz ebenfalls beachtet: On-To-Knowledge<br />
beinhaltet ein strukturiertes Phasenmodell mit festgelegtem Umfeld und Zielvorgabe. Allerdings<br />
ist die Zuordnung der Aktivitäten zu den Phasen (in verschiedenen Veröffentlichungen) mehrdeutig<br />
oder sogar inkonsistent, so wird zum Beispiel die Erstellung von Basis-Ontologien einmal<br />
der Phase „Kickoff“ und einmal der Phase „Verfeinerung“ zugeordnet.<br />
Die Vorgehensweise im Kollaborativen Ansatz ist ausschließlich informal, aber eindeutig und verständlich<br />
dargestellt und durch ein strukturiertes Phasenschema unterstützt. Dennoch können dadurch<br />
Unklarheiten entstehen, dass die Autoren auf einige Aktivitäten, die Bestandteil des Vorgehensmodells<br />
sind, wie z.B. das Vorgehen bei der Entwicklung der Basis-Ontologien, gar nicht oder<br />
nur oberflächlich eingehen.<br />
1.4.4.5.6 Werkzeugunterstützung<br />
Neben den beiden Sprachen zur Ontologieentwicklung verfügt der IDEF5-Ansatz, der auf eine graphische<br />
Darstellung verzichtet, über zahlreiche Formblätter, die als einzelne Werkzeuge angesehen<br />
werden. Der Ansatz wurde so ausgelegt, dass ohne Computerunterstützung Ontologien entwickelt<br />
werden können, sofern man davon ausgeht, die elaboration language per Hand zu kodieren. Eine<br />
Integration der Werkzeuge wird nicht umfassend angestrebt. So gehen beispielsweise die Ansätze<br />
von METHONTOLOGY und On-To-Knowledge mit ihren „Suiten“ in der Mächtigkeit der Werkzeugunterstützung<br />
deutlich über diesen Ansatz hinaus.<br />
85) Vgl. FERNÁNDEZ-LOPÉZ (1999) S. 4-9.
314 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
USCHOLD und KING verweisen bei ihrem Enterprise-Model-Ansatz für die Kodierung der Ontologien<br />
und für die Dokumentation der Entwicklung auf die Nutzung von Ontolingua 86) , obwohl die<br />
Aktivitäten des Ansatzes selbst oft nur auf abstrakter Ebene beschrieben werden.<br />
Für das TOVE-Vorgehensmodell wäre es wegen seines strukturierten Phasenaufbaus und der vorgeschlagenen<br />
formalsprachlichen Notationen nahe liegend, den Entwicklungsprozess durch Computerwerkzeuge<br />
zu unterstützen. Diese Hilfsmittel werden aber bei der Darstellung des Ansatzes nicht<br />
erwähnt.<br />
Die Autoren von METHONTOLOGY unterstreichen den Nutzen des Einsatzes einer Software-<br />
Umgebung für die Ontologieentwicklung 87) und empfehlen für den Import, den Export und die Erstellung<br />
von Ontologien die eigens entwickelte Arbeitsplattform ODE (auch: WebODE). 88) Die Arbeitsplattform<br />
unterstützt wesentlich die Ontologieentwicklung.<br />
Im Rahmen des On-To-Knowledge-Ansatzes wird eine umfassende Architektur für die Realisierung<br />
einer Entwicklungsumgebung vorgestellt 89) , deren Kernbestandteil OntoEdit ist, eine Anwendung<br />
zur Erstellung, Bearbeitung, Formalisierung und Visualisierung von Ontologien. On-To-Knowledge<br />
verfügt somit über eine umfassende computerbasierte Werkzeugsammlung, die die Ontologieentwicklung<br />
wesentlich unterstützt.<br />
Der Kollaborative Ansatz von HOLSAPPLE und JOSHI hingegen fokussiert die zwischenmenschliche<br />
Diskussion zur gemeinsamen Ontologieentwicklung. Auf mögliche Unterstützung durch spezielle<br />
Computerwerkzeuge gehen die Autoren nicht ein. Nur für die Sammlung und Speicherung der<br />
Rückmeldungen der verschiedenen Teilnehmer wird der Einsatz einer Datenbank als Computerunterstützung<br />
erwähnt.<br />
Insgesamt fällt auf, dass die Vorschläge, die hinsichtlich der Nutzung von Software-Werkzeugen<br />
gemacht werden, sich in fast allen Fällen auf die Anwendung in einzelnen Projektphasen beziehen<br />
statt auf den gesamten Entwicklungsprozess, wie es zum Beispiel im Software Engineering bereits<br />
Praxis ist.<br />
86) Ontolingua ist eine Software-Umgebung zur Konstruktion von Ontologien durch verteilt arbeitende Gruppen, die neben einer<br />
Bibliothek bestehender Ontologien auch einen Editor für die Generierung und Bearbeitung von Ontologien bereitstellt und diese<br />
in verschiedene Sprachen übersetzen kann; vgl. dazu GRUBER (1993) S. 203 ff.; FARQUHAR/FIKES/RICE (1996) S. 2 ff. und in<br />
diesem Werk Kapitel 1.3.1.2 (S. 174 f.).<br />
87) Vgl. FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997) S. 39.<br />
88) ODE steht dabei als Kürzel für Ontology Development Environment. Vgl. zu WebODE ARPÍREZ ET AL. (2001).<br />
89) Vgl. SURE/STUDER (2002) S. 17 ff.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 315<br />
1.4.4.6 Zusammenfassung der Analyseergebnisse<br />
Die folgende Tabelle fasst die Ergebnisse zur Anforderungserfüllung durch die verschiedenen Ansätze<br />
zusammen.<br />
Kriterium<br />
Name<br />
IDEF5<br />
Enterprise-<br />
Model<br />
TOVE<br />
METHONTO-<br />
LOGY<br />
On-To-<br />
Knowledge<br />
Kollaborativer<br />
Ansatz<br />
Generizität + O O + O O<br />
Anwendungsbezogenheit O – / O + O + O / +<br />
Dokumentation O / + + O + – O<br />
Einfachheit O + – O O +<br />
Klarheit O + + + O O<br />
Werkzeugunterstützung O O – O / + + –<br />
Tabelle 3: Ergebnisse der Überprüfung der Anforderungen 90)<br />
Eine Untersuchung von FERNÁNDEZ-LÓPEZ 91) kommt zu dem Urteil, dass METHONTOLOGY das<br />
derzeit am weitesten entwickelte Vorgehensmodell zur Entwicklung von Ontologien darstellt.<br />
Nichtsdestotrotz erscheint es jedoch notwendig, für das Projekt KOWIEN ein spezifisches Vorgehensmodell<br />
zu entwickeln, um die Besonderheiten eines Kompetenzmanagementsystems ausreichend<br />
zu berücksichtigen, insbesondere weil Wissen über Wissen erhoben werden soll und nicht auf<br />
der Ebene der Erhebung von Objekt-Wissen verharrt wird.<br />
Der Fokus des zu entwickelnden generischen KOWIEN-Vorgehensmodells wird dabei wie folgt<br />
umschrieben:<br />
Das Vorgehensmodell soll Mitarbeiter eines Unternehmens bei der Konzipierung<br />
sowie späteren Nutzung eines computer- und ontologiebasierten Systems zum<br />
Managen von Wissen über Kompetenzen unterstützen.<br />
Dabei soll die Zuhilfenahme des Software-Prototyps der Comma Soft AG besondere Berücksichtigung<br />
finden. Das Vorgehensmodell erstreckt sich jedoch nicht auf die informationstechnische Im-<br />
90) Legende: (-) entspricht negativ, (o) entspricht durchschnittlich, (+) entspricht gut. Die scheinbare Doppelbewertung soll den<br />
Zwischenfall darstellen.<br />
91) Vgl. FERNÁNDEZ-LOPÉZ (1999). Die Untersuchung vergleicht Enterprise-Model-Ansatz, TOVE, METHONTOLOGY, KAC-<br />
TUS und SENSUS. Die Verfasser folgen hierbei nicht der Auffassung, dass es sich bei SENSUS auch um ein allgemeines Vorgehensmodell<br />
zur Erstellung von Ontologien handelt, sondern vielmehr um eine Anwendung, aus der auch Ontologien entwickelt<br />
werden können. Weil SENSUS jedoch auf eine bestehende Ontologie aufsetzt, sehen die Verfasser den Einfluss als zu<br />
hoch an, um zu sagen, dass es sich hierbei um die Erstellung „neuer“ Ontologien handelt. Ähnlich verhält es sich mit KACTUS,<br />
das ebenfalls nicht als vollständiges Vorgehensmodell angesehen wird. Ferner berücksichtigen die Verfasser den IDEF5-Ansatz<br />
sowie den On-To-Knowledge-Ansatz und den Kollaborativen Ansatz von HOLSAPPLE und JOSHI als „vollständige“ Vorgehensmodelle.<br />
Die letzten beiden wurden erst nach der Untersuchung von FERNÁNDEZ-LOPÉZ der Forschungswelt vorgestellt.
316 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
plementierung eines solchen Kompetenzmanagementsystems, sondern lediglich auf die Vorbereitung<br />
zur Einführung einer solchen Implementierung, d.h. insbesondere die zu berücksichtigenden<br />
Ontologien sollen mit Hilfe des Vorgehensmodells KOWIEN entwickelt werden. Es umfasst hierzu<br />
als Kernkomponente allgemein einsetzbare Methoden zur Konstruktion und Anwendung von Ontologien.<br />
Unternehmen unterschiedlicher Branchen sollen hierdurch konkrete Leitlinien für die Konzipierung<br />
und Realisierung eines computerbasierten Kompetenzmanagementsystems offeriert bekommen.<br />
Aus den vorangehenden Untersuchungen ergibt sich, dass ein solches generisches Vorgehensmodell<br />
zurzeit noch nicht zur Verfügung steht. Stattdessen existieren nur abstrakte Darstellungen, die sich<br />
aufgrund ihrer geringen Problemangemessenheit und ihrer mangelhaften Operationalisierung einer<br />
praktischen Umsetzung entziehen. Daher sollen für die Anwendungsszenarien des Projekts KO-<br />
WIEN zunächst jeweils praxisrelevante Anforderungen an die Wissensakquisition, die Wissensstrukturierung<br />
und die Wissensrepräsentation erhoben werden. Diese Anforderungen werden nach<br />
geeigneter Generalisierung in dem generischen Vorgehensmodell abgebildet, um nach ihrer Maßgabe<br />
anforderungsgerechte Ontologien zu konstruieren. Zusätzlich werden Instrumente zur situationsspezifischen<br />
Anpassung des generischen Vorgehensmodells berücksichtigt. Auf diese Weise soll<br />
es möglich sein, das Vorgehensmodell an jene konkrete Anwendungssituation anzupassen, die in<br />
einem Unternehmen anlässlich der Konzipierung und Realisierung seines Kompetenzmanagementsystems<br />
aktuell vorliegt. Als situative Einflussgrößen kommen z.B. die Gestaltungszwecke in Betracht,<br />
die mit einem Kompetenzmanagementsystem verfolgt werden. Ebenso gilt es, die Beschreibungssprachen<br />
und Repräsentationsformen zu beachten, die in den Informations- und Kommunikationssystemen<br />
eines betrieblichen Benutzers bereits eingesetzt werden. Durch die Berücksichtigung<br />
solcher situativer Einflussgrößen wird die Individualisierung (das „Tailoring“) des generischen<br />
Vorgehensmodells im Hinblick auf seine unternehmens- und benutzerspezifizische Einsatzumgebung<br />
unterstützt.<br />
1.4.4.7 Vorgehensmodelle mit spezifischem Teilfokus Ontologien<br />
An dieser Stelle werden noch einige Vorgehensmodelle berücksichtigt, die sich nur mit Teilen eines<br />
Ontologies-Life-Cycles dezidiert auseinander gesetzt haben. Sie besitzen somit nicht den umfassenden<br />
Anspruch an die Entwicklung von ontologiebasierten Systemen über den gesamten Life-Cycle<br />
wie die vorher genannten Ansätze. Jedoch erscheinen einige Erkenntnisse als so wertvoll, dass sie<br />
an dieser Stelle kurz vorgestellt werden.<br />
1.4.4.7.1 SENSUS<br />
Vorgestellt von SWARTOUT, PATIL und KNIGHT 92) , unterscheidet der Ansatz zuerst in Domänenontologie<br />
und Theorieontologie. Während die Theorieontologie eine Menge von Konzepten bereithält,<br />
die einen allgemeinen Aspekt der Welt abbilden (z.B. Zeit, Raum und Pläne), werden bei der Domänenontologie<br />
Konzepte abgebildet, die eine bestimmte Domäne beschreiben. Theorieontologien<br />
sind erwartungsgemäß weniger umfangreich als Domänenontologien, die leicht tausende Konzepte<br />
berücksichtigen können. Der SENSUS-Ansatz berücksichtigt lediglich Domänenontologien.<br />
92) Vgl. SWARTOUT ET AL. (1997).
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 317<br />
SENSUS stellt eine natürlichsprachliche („natural language based“) Ontologie dar, die in ihrer<br />
Endversion über 50.000 Konzepte beinhaltet. Sie ist das Ergebnis der Verschmelzung von Penman<br />
Upper Model, Ontos, WordNet und von Begriffssammlungen aus elektronischen Wörterbüchern.<br />
Bei der Entwicklung von Domänen-Ontologien soll SENSUS als Ausgangsbasis genutzt werden.<br />
Zur Erstellung der spezifischen Domänen-Ontologien werden „Saat“-Begriffe („seed“ terms) als<br />
repräsentativ selektiert und von Hand mit SENSUS verlinkt. Alle Konzepte ausgehend von den<br />
Saat-Begriffen hin zu den Root-Begriffen werden in den zu erstellenden Domänen-Ontologien berücksichtigt.<br />
Hinzu kommen relevante semantische Kategorien und ganze Unterklassenbäume, die<br />
eine besondere Bedeutung für die Verbindung von Saat- und Root-Begriffen darstellen. Die<br />
verbleibenden SENSUS-Begriffe werden als irrelevant verworfen, um Speicherplatz zu sparen und<br />
die Effizienz zu erhöhen.<br />
1.4.4.7.2 ONIONS<br />
Die ONIONS (Ontologic Integration Of Naive Sources) Methode resultiert aus dem Interesse, bereits<br />
existierende Ontologien zu integrieren und wurde ab 1992 entwickelt. 93)<br />
Die Ziele waren:<br />
• ein gut abgestimmtes Set von generischen Ontologien zu entwickeln,<br />
• die Integration relevanter Domänen-Ontologien in formale, konzeptionell befriedigende Ontologien<br />
voranzutreiben und<br />
• ein explizites Nachverfolgen der Entwicklung von Konzepten, Einschränkungen und Varianten<br />
in der Ontologieentwicklung zu ermöglichen. 94)<br />
Die Methode beinhaltet ein allgemeines Vorgehen zur Interpretation von fachsprachlichen Definitionen<br />
der spezifischen Domänen-Ontologien und der anschließenden Erstellung neuerer und offener<br />
Domänen-Ontologien, die die zu integrierenden Domänen-Ontologien zusammenbringen. Das Modell<br />
gliedert sich in die folgenden 6 Schritte:<br />
1. Extrahieren von Quell-Begriffen,<br />
2. Feststellen der lokalen Definitionen der Begriffe,<br />
3. Anreicherung der lokalen Definitionen in Bezug auf generelle Theorien,<br />
4. Weiterentwicklung der generellen Theorien zur Bildung von Top-Level-Kategorien,<br />
5. Zusammenführung von lokalen Definitionen und Top-Level-Kategorien und<br />
6. Formalisierung des integrierten Modells.<br />
ONIONS fokussiert hierbei vor allem auf Probleme der Ontologie-Erstellung, wie das Abbruch-<br />
und das Relevanz-Kriterium. Das Abbruch-Kriterium beschäftigt sich mit dem notwendigen Detaillierungsgrad<br />
gemäß den Umgebungsbedingungen einer Konzeptualisierung. Das Relevanz-Kriterium<br />
beschäftigt sich mit der Frage, wie festgestellt werden kann, was als konzeptionell relevant an-<br />
93) Vgl. GANGEMI/STEVE/GIACOMELLI (1996); GANGEMI/PISANELLI/STEVE (1998).<br />
94) Vgl. GANGEMI/PISANELLI/STEVE (1998) S. 163.
318 1.4 Vorgehensmodelle zur Konstruktion von Ontologien<br />
erkannt wird. Wie JONES, BENCH-CAPON und VISSER feststellen, bleiben die Entwickler jedoch hier<br />
ausreichende Antworten schuldig. 95)<br />
1.4.4.7.3 ONTOCLEAN<br />
Der OntoClean-Ansatz wurde von GUARINO ET AL. entwickelt. Er dient insbesondere der Validierung<br />
von Taxonomien, indem er unangemessene und inkonsistente Modellierungen aufdeckt. 96)<br />
Hierbei bedient er sich formaler Begriffe, die so allgemeinen Charakter besitzen, dass sie in jeder<br />
Ontologie verwendet werden können. Mit diesen Begriffen wird ein Satz von Meta-Eigenschaften<br />
definiert, der genutzt wird, um relevante Teile von Klassen, Attributen und Relationen mit ihrer intendierten<br />
Bedeutung abzubilden. Aus diesem Vorgehen ergeben sich Erkenntnisse hinsichtlich der<br />
Bedeutung einzelner Begriffe.<br />
1.4.4.7.4 MENELAS<br />
Die MENELAS-Ontologie wurde von BOUAUD ET AL. 97) vorgestellt. Während ihrer Entwicklung<br />
wurden insbesondere vier Grundsätze ermittelt, die wichtig für die taxonomische Abbildung von<br />
Wissen innerhalb von Ontologien sind. Das Ziel von MENELAS war die Entwicklung eines natürlichsprachlichen<br />
Verständnissystems auf der Basis konzeptueller Graphen. 98) Nachfolgend werden<br />
die vier Grundsätze kurz erläutert: 99)<br />
1. Gleichheitsprinzip:<br />
Eine Unterklasse muss vom selben Typ der Oberklasse sein.<br />
2. Genauigkeitsprinzip:<br />
Eine Unterklasse muss von der Oberklasse unterscheidbar sein. Der Unterschied zusammen mit<br />
der Definition der Oberklasse bildet dann die notwendigen und hinreichenden Bedingungen für<br />
die Definition der Unterklasse.<br />
3. Gegensatzprinzip:<br />
Die Unterklassen einer Oberklasse sollen disjunkt sein, d.h. alle Unterklassen müssen paarweise<br />
inkompatibel sein.<br />
4. Prinzip der Einzigartigkeit semantischer Achsen:<br />
Die Unterklassen einer Oberklasse sollen anhand einer gemeinsamen Dimension oder Achse<br />
eingeengt werden, um sie von der Oberklasse zu unterscheiden.<br />
JONES ET AL. merken an, dass das hier kurz umrissene Vorgehen einen idealisierten Blick auf Taxonomien<br />
als Möglichkeit zur Repräsentation von Domänen wirft. Sie zweifeln an der Anwendbarkeit<br />
95) Vgl. JONES/BENCH-CAPON/VISSER (1998) S. 70.<br />
96) Vgl. GUARINO/WELTY (2002) S. 61. Hier wird auch näher auf unangemessene und inkonsistente Modellierungen eingegangen.<br />
97) Vgl. BOUAUD ET AL. (1994), BOUAUD ET AL. (1995).<br />
98) BOUAUD ET AL. (1994) S. 2. Zur Einführung zu Conceptual Graphs vgl. SOWA (2000) S. 476 ff.<br />
99) Vgl. BOUAUD ET AL. (1995) S. 5.
1.4 Vorgehensmodelle zur Konstruktion von Ontologien 319<br />
taxonomischer Repräsentationen bei vielen Domänen. 100) Dem schließen sich die Verfasser dieses<br />
Kapitels an.<br />
1.4.5 Schlussbemerkung<br />
Die Erkenntnisse der Untersuchungen in diesem Kapitel dienten, neben den Erfahrungen der Projektbeteiligten<br />
bei der Ontologieentwicklung, als Grundlage für die Entwicklung des generischen<br />
Vorgehensmodells KOWIEN, das in Kapitel 2.3.2, S. 373 ff., ausführlich dargestellt wird. In Kapitel<br />
3.2.1, S. 613 ff., und Kapitel 3.2.2, S. 625 ff., finden sich beispielhafte Anwendungen des KO-<br />
WIEN-Vorgehensmodells für die Karl Schumacher Maschinenbau GmbH und die Deutsche Montan<br />
Technologie GmbH.<br />
Insbesondere zeigte sich, dass ein anwendungsnahes Vorgehensmodell für die Praxis zur Entwicklung<br />
und Implementierung von Ontologien für das betriebliche Kompetenzmanagement notwendig<br />
über:<br />
• eine allgemeine Gültigkeit, die eine Anwendung im Rahmen ähnlicher Vorhaben zwecks Wiederverwendung<br />
ermöglicht,<br />
• eine weit gehende Anwendungsbezogenheit mit konkreten Beispielen und Handlungsempfehlungen,<br />
• einen vollständigen und detaillierten Aufbau zur Entwicklung eines KMS,<br />
• eine weit reichende Begründung bezüglich gefällter Entscheidungen und eine ausführliche Dokumentation<br />
zum Zwecke der Erleichterung der Nachvollziehbarkeit,<br />
• eine hinsichtlich der Komplexität des Vorgehensmodells angemessene Einfachheit (um durch<br />
Verständnis die Anwendung zu ermöglichen) und<br />
• eine ausreichende Werkzeugunterstützung in allen Phasen der Ontologieentwicklung<br />
verfügen muss. Darüber hinaus müssen unterschiedliche Interpretationsmöglichkeiten hinsichtlich<br />
des Vorgehens durch klare Vorgaben seitens des Vorgehensmodells vermieden werden.<br />
100) Vgl. JONES/BENCH-CAPON/VISSER (1998) S. 70.
2 Konzepte<br />
2.1 Anforderungsspezifikation für ein<br />
computerbasiertes Kompetenzmanagementsystem<br />
DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER<br />
Deutsche Montan Technologie GmbH<br />
DIPL.-INF. CHRISTOF BÄUMGEN<br />
Comma Soft AG<br />
DIPL.-ING. LARS DITTMANN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
2.1.1 Aufbau der Anforderungsspezifikation<br />
Im Fokus dieses Beitrags steht die Spezifikation derjenigen Anforderungen, die von der Praxis an<br />
eine Ontologie gestellt werden, die innerhalb des prototypischen KOWIEN-Kompetenzmanagementsystems<br />
(im Folgenden kurz „KOWIEN-Prototyp“) eine zentrale Stellung einnimmt. Das<br />
Hauptziel der Anforderungsspezifizierung 1) ist eine möglichst vollständige Erhebung der Anforderungen<br />
an die Kompetenzontologie für die Entwicklung des KOWIEN-Prototyps bei der Deutschen<br />
Montan Technologie GmbH (DMT). Dabei sind insbesondere die Anforderungen der späteren Benutzer<br />
der Ontologie zu berücksichtigen. Daher ist es erforderlich, diese Anforderungen in einer<br />
Form zu repräsentieren, die möglichst für alle betroffenen Mitarbeiter der DMT (also die entsprechenden<br />
Mitarbeiter der Personalabteilung, aber auch grundsätzlich für alle Mitarbeiter des Unternehmens)<br />
und alle Beteiligten im KOWIEN-Projekt verständlich ist. In dieser Phase der Ontologieentwicklung<br />
sollen nicht nur die funktionalen Anforderungen an die Ontologie, die die vom System<br />
bereitzustellenden Dienste 2) und das durch die Ontologie abzubildende Wissen spezifizieren, sondern<br />
auch die nicht-funktionalen Anforderungen erhoben werden. Diese nicht-funktionalen Anforderungen<br />
beschreiben, in welcher Qualität die funktionalen Leistungen erbracht werden müssen 3) ,<br />
und spielen eine große Rolle für das Vorgehen und die Design-Entscheidungen während der Ontologieentwicklung.<br />
Aus diesem Grund ist die zusammenfassende Darstellung aller Anforderungen<br />
ein weiteres Ziel der Anforderungsspezifizierung. Daraus wird ein Katalog von Gütekriterien gebildet,<br />
der als Richtlinie bei der Entwicklung der Ontologie und auch als Referenzrahmen bei der Evaluation<br />
der Ontologie zu benutzen ist.<br />
Zunächst wird im Kapitel 2.1.2 kurz auf einige ausgewählte Charakterisierungen zur Ausgangssituation<br />
bei der DMT eingegangen. Kapitel 2.1.3 erläutert die Domäne und den Hauptzweck, den die<br />
Ontologie erfüllen soll. Anschließend werden die wichtigsten weiteren Ziele, die mit der Ontologie<br />
und dem darauf aufsetzenden Kompetenzmanagementsystem verfolgt werden, dargestellt. Kapitel<br />
1) An dieser Stelle ist zu unterscheiden zwischen der Phase und den darin enthaltenen Aktivitäten der Anforderungsspezifizierung<br />
gemäß dem KOWIEN-Vorgehensmodell und dem vorliegenden Kapitel, das die Anforderungsspezifikation für den<br />
KOWIEN-Prototyp einschließlich der DMT-Ontologie als Ergebnis der ausgeführten Aktivitäten umfasst.<br />
2) Vgl. SOMMERVILLE (2001) S. 100.<br />
3) Vgl. SCHIENMANN (2002) S. 132.
322 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.4 beschreibt das Umfeld der Ontologie in Form von Anwendungsbereichen und Benutzern,<br />
Schnittstellen zu anderen Systemen sowie denjenigen Software-Anwendungen, die die Ontologie<br />
unterstützen soll. In Kapitel 2.1.5 werden Anwendungsfälle aufgeführt, mit deren Hilfe die Anforderungen<br />
erhoben werden und die darin handelnden Akteure beschrieben. Anwendungsfälle sind<br />
ein Bestandteil der „Unified Modelling Language“ (UML) und beschreiben die verschiedenen Interaktionen<br />
der Benutzer mit dem System. Kapitel 2.1.6 geht insbesondere auf die Gütekriterien ein,<br />
die bei der Entwicklung der Kompetenzontologie zu berücksichtigen sind. Im letzten Kapitel 2.1.7<br />
werden schließlich die Rahmenbedingungen der Ontologiekonstruktion dargestellt.<br />
2.1.2 Ausgangssituation bei der DMT GmbH<br />
Die Deutsche Montan Technologie GmbH (DMT) ist ein internationales Technologie-Dienstleistungsunternehmen,<br />
das in den Bereichen Prüfung, Beratung, Planung, Messung und Entwicklung<br />
mit dem Schwerpunkt auf Rohstoff, Sicherheit und Infrastruktur tätig ist. 1990 ging die DMT aus<br />
einem Zusammenschluss des Steinkohlenbergbauvereins mit der Bergbau-Forschung GmbH und<br />
der Westfälischen Berggewerkschaftskasse (WBK) einschließlich der Bergbau-Versuchsstrecke und<br />
der Versuchsgrubengesellschaft mbH hervor. Sie beschäftigt derzeit 530 Mitarbeiter und hat ihren<br />
Geschäftssitz in Essen. Die operativen Organisationseinheiten sind in fünf verschiedene Geschäftsfelder<br />
(Bergbau Service, Gebäude Sicherheit, Bau Consulting, Industrie Systeme und Exploration &<br />
Geosurvey) unterteilt. Die nicht-operativen Organisationseinheiten, hauptsächlich die kaufmännischen<br />
Einheiten (Finanz- und Rechnungswesen, Einkauf, Controlling u.a.), aber auch das Personalwesen,<br />
das Informations- und Telekommunikationsmanagement sowie das Projektmanagement sind<br />
direkt der Geschäftsführung zugeordnet. Das folgende Organigramm (Abbildung 31), das an eine<br />
im DMT-Intranet hinterlegte Abbildung angelehnt ist, zeigt eine Übersicht über die Organisationsstruktur<br />
der DMT und die Aufteilung in operative sowie administrative Einheiten.<br />
Vorsitzender der<br />
Geschäftsführung<br />
Büro der<br />
Geschäftsführung<br />
IT- und<br />
Prozessmanagement<br />
Deutsche Montan Technologie GmbH<br />
Geschäftsführer<br />
Personal<br />
Öffentlichkeitsarbeit<br />
Personal- und<br />
Sozialwesen<br />
Kaufmännischer<br />
Geschäftsführer<br />
Controlling<br />
Finanz- und<br />
Rechnungswesen<br />
Einkauf und<br />
Materialwirtschaft<br />
Bergbau Service Gebäude Sicherheit Industrie Systeme<br />
Bau Consulting Exploration & Geosurvey<br />
Abbildung 31: Organigramm der DMT
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 323<br />
Die Kompetenzontologie wird in erster Linie bei der Abteilung IT- und Prozessmanagement (IP),<br />
aber auch in Abstimmung mit der Personalentwicklung (PS/E) erarbeitet. Letztere bildet eine Abteilung<br />
des Bereichs Personal- und Sozialwesen und trägt die Verantwortung für die Erfassung der aktuell<br />
vorhandenen Mitarbeiterkompetenzen. Da das betriebliche Kompetenzmanagement eine zentrale<br />
Aufgabe der Personalentwicklung darstellt, sind die Mitarbeiter dieser Abteilung als wichtige<br />
Ansprechpartner sowohl für die Erhebung der Anforderungen an die Kompetenzontologie als auch<br />
für die Erfassung des für die Ontologieentwicklung relevanten Wissens und die spätere Evaluation<br />
der Kompetenzontologie anzusehen.<br />
Auch die Mitarbeiter der Abteilung IT- und Prozessmanagement bilden wegen ihrer Kenntnisse im<br />
Bereich des Projektmanagements eine wichtige Unterstützung für die Konstruktion der Kompetenzontologie.<br />
Einige der IT-Systeme der DMT spielen ebenfalls eine große Rolle für das Vorgehen bei der Ontologieentwicklung.<br />
Insbesondere die Software Wissensmanager, die von den Mitarbeitern der Abteilung<br />
Personalentwicklung genutzt wird, beinhaltet das Wissen, das für die Erstellung der Kompetenzontologie<br />
relevant ist. Der Wissensmanager ist eine Datenbank zur Erfassung und Darstellung<br />
der aktuellen Mitarbeiterkompetenzen. Darin sind für jeden Mitarbeiter der DMT bestimmte aus<br />
SAP übernommene Daten (z.B. Name, Geburtstag und Kostenstelle) sowie Ausbildung, Zusatzqualifikationen,<br />
Berufserfahrungen und soziale, methodische und Selbstkompetenzen abgespeichert. 4)<br />
Diese Informationen lassen sich beispielsweise bei der Zusammenstellung von Projektteams nutzen.<br />
Die Aussagekraft der gespeicherten Profile ist begrenzt, da beispielsweise fachliche Kompetenzen<br />
in den Fragebögen nur in Form von Erfahrungen aus dem beruflichen Werdegang erfragt wurden<br />
und daher die jeweiligen Ausprägungen nicht vorliegen. Auch die Suche nach Mitarbeitern mit bestimmten<br />
Kompetenzen gestaltet sich häufig schwierig, da kein einheitliches Vokabular zur Beschreibung<br />
der Kompetenzen verwendet wurde. Aus diesen Gründen wird der Wissensmanager weniger<br />
oft und weniger intensiv genutzt, als es bei seiner Einführung gewünscht wurde.<br />
Weitere wichtige IT-Systeme für die Einarbeitung bei der DMT und für die Erfassung des vorhandenen<br />
Wissens über Kompetenzen sind das DMT-Intranet DINKS, das den Mitarbeitern aktuelle Informationen<br />
zu ihrem Arbeitsumfeld im Unternehmen zur Verfügung stellt, sowie mehrere Datenbanken,<br />
die Informationen über bereits abgeschlossene Projekte der DMT enthalten (so etwa die<br />
Projektpartner- und die Referenzdatenbank). 5)<br />
4) Abgesehen von den SAP-Daten wurden diese Informationen bei der Einführung der Wissensmanager-Datenbank durch Fragebögen<br />
erhoben. Dabei sollten die Mitarbeiter der DMT ihre Kompetenzen selbst einschätzen; die Begriffe für die Kompetenzen<br />
waren außerdem größtenteils nicht vorgegeben.<br />
5) Weiterführende Informationen zu den verwendeten Wissensquellen der DMT GmbH können dem Projektbericht DITTMANN<br />
(2002a) S. 10 ff. entnommen werden.
324 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.3 Gegenstand der Ontologie<br />
2.1.3.1 Domäne<br />
Im Rahmen des Verbundprojekts KOWIEN sollte eine Domänen-Ontologie für die DMT GmbH<br />
entwickelt werden, die die Konzepte, Relationen und Regeln aus dem Bereich der Technologie-<br />
Dienstleistung umfasst. 6) Ein besonderer Fokus liegt dabei auf der Beschreibung von Kompetenzen,<br />
da die Ontologie die Basis für ein betriebliches Kompetenzmanagementsystem bilden soll. Aus diesem<br />
Grund sind die Erfassung und die Strukturierung des Wissens über die Kompetenzen der DMT<br />
und ihrer Mitarbeiter die Hauptaufgaben der Ontologie.<br />
2.1.3.2 Ziele der Ontologieentwicklung<br />
Im diesem Kapitel werden die Ziele genannt, die aus Sicht der KOWIEN-Projektteilnehmer und der<br />
späteren Benutzer mit der Entwicklung der Kompetenzontologie verfolgt werden. Dabei ist zu unterscheiden<br />
zwischen den Zielen, die sich direkt auf die Konstruktion der Ontologie beziehen, und<br />
solchen, die mit dem Einsatz der Kompetenzontologie als Teil eines betrieblichen Kompetenzmanagementsystems<br />
(KMS) erreicht werden sollen.<br />
Direkte Ziele der Ontologieentwicklung sind:<br />
• Ermittlung des teilweise implizit vorhandenen Wissens über die Kompetenzen des Unternehmens<br />
und der Mitarbeiter,<br />
• Strukturierung und Vereinheitlichung (abteilungs-, bereichs- und evtl. unternehmensübergreifend)<br />
des Vokabulars, mit dem diese Kompetenzen beschrieben werden können, und<br />
• computerverarbeitbare Darstellung des Wissens über Kompetenzen.<br />
Ziele der Ontologieentwicklung für den Einsatz im Rahmen eines Kompetenzmanagementsystems<br />
sind:<br />
• Verbesserung des Prozesses „Team bilden“ 7) hinsichtlich Bearbeitungsdauer, Qualität der (Personen-)<br />
Auswahl nach Kompetenzanforderungen sowie Transparenz für den Projektleiter und<br />
die Personen, für die er die Auswahl begründen muss,<br />
• Vereinfachung der Suche nach Kompetenzträgern („Experten“), z.B. bei einer Fragestellung zu<br />
einem konkreten Problem,<br />
• Vereinfachung der Suche nach externen Kooperationspartnern, z.B. für eine Projektbearbeitung,<br />
• Unterstützung der Personalentwicklung durch einen besseren Überblick über vorhandene, fehlende<br />
und gewünschte Kompetenzen des Unternehmens sowie<br />
• Dezentralisierung des Kompetenzmanagements bei der Erhebung, Beschreibung, Suche und<br />
Aktualisierung von Kompetenzen (kann durch die Fachbereiche/Mitarbeiter selbst vorgenommen<br />
werden).<br />
6) Eine Domäne entspricht dabei einem abgeschlossenen Fachbereich, für den ein Wissensbasiertes System entwickelt wird; vgl.<br />
VDI/VDE 2621 (1996) S. 49.<br />
7) Siehe hierzu auch DITTMANN (2002a) S. 6.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 325<br />
2.1.3.3 Formulierung der Anforderungen an die Ontologie<br />
Die Anforderungen an die Kompetenzontologie müssen möglichst präzise und gleichzeitig verständlich<br />
für die Anwender 8) formuliert werden. Dabei ist zu berücksichtigen, dass die Ontologie<br />
selbst nicht als eigenständiges Anwendungssystem gesehen wird, sondern als Subsystem oder<br />
Grundgerüst eines Kompetenzmanagementsystems. Anstelle der Aktionen, die bestimmte Eingaben<br />
in bestimmte Ausgaben transformieren sollen, beschreiben die funktionalen Anforderungen hier den<br />
erforderlichen Umfang des Wissens, das durch die Konstrukte der Ontologie abzubilden ist. In der<br />
Software-Entwicklung werden die funktionalen Anforderungen häufig als Beschreibung der vom<br />
System erwarteten Aktionen in Form von „Muss“-, „Soll“- und „Kann“-Sätzen spezifiziert 9) , um die<br />
unterschiedliche Dringlichkeit der Anforderungen zu verdeutlichen. An dieser Stelle werden Kompetenzfragen<br />
mit Priorisierung, also mit einer Abstufung nach sehr hoher, hoher und mittlerer Priorität,<br />
bevorzugt. Kompetenzfragen beschreiben den Umfang des bereitzustellenden Wissens und<br />
sind anwendungsnah und intuitiv verständlich, da sie wie eine Anfrage eines Benutzers an die Ontologie<br />
formuliert sind.<br />
2.1.4 Umfeld der Ontologie<br />
2.1.4.1 Anwendungsbereiche und Benutzer<br />
Aus dem Hauptzweck der Ontologie, der Unterstützung des betrieblichen Kompetenzmanagements,<br />
lässt sich direkt ableiten, dass die Personalabteilung ein wichtiger Anwendungsbereich der Ontologie<br />
ist. Demnach gehören alle Mitarbeiter der Personalabteilung, insbesondere Personalentwickler<br />
und Personalreferenten, zu den Hauptanwendern der Ontologie. Darüber hinaus spielt Kompetenzmanagement<br />
jedoch in allen Abteilungen und Geschäftsfeldern eine große Rolle, so dass der zukünftige<br />
Anwendungsbereich nicht klar abgrenzbar ist. Benutzer der Ontologie sind auch Projektleiter,<br />
die ein Team zusammenstellen und organisieren müssen, und alle Personen, die Personalverantwortung<br />
tragen, die also bei Einstellungen, Versetzungen, Entlassungen und Weiterbildungen<br />
Entscheidungen treffen oder mitverantwortlich sind. Auch im Vorfeld einer Projekt- oder Auftragsbearbeitung<br />
kann das ontologiebasierte Kompetenzmanagementsystem eingesetzt werden, wenn<br />
etwa Vertriebsleiter das Potenzial des Unternehmens, eines Geschäftsfelds oder einer Abteilung im<br />
Hinblick auf eine Ausschreibung einschätzen möchten. Grundsätzlich können alle Mitarbeiter des<br />
Unternehmens Anwender der Ontologie sein, da sie auch bei häufig auftretenden Alltagsproblemen<br />
wie der „Expertensuche“ (bei der zu einem bestimmten Problem ein Mitarbeiter mit entsprechenden<br />
Kompetenzen gesucht wird) eingesetzt werden kann.<br />
Um eine Eingrenzung der zukünftigen Benutzer der Ontologie zum Zweck der Erhebung der Benutzeranforderungen<br />
vornehmen zu können, werden für diese Arbeit die Mitarbeiter der Abteilungen<br />
Personalentwicklung sowie IT- und Prozessmanagement als Repräsentanten der Ontologieanwender<br />
betrachtet. Stellvertretend für die ganze Abteilung und andere potenzielle Benutzer wird<br />
daher jeweils ein Mitarbeiter der beiden Abteilungen zu seinen Anforderungen an die Kompetenzontologie<br />
befragt.<br />
8) Die Begriffe „Anwender“ und „Benutzer“ werden in diesem Kapitel synonym verwendet.<br />
9) Durch solche Schlüsselwörter kann die Verbindlichkeit der Anforderungen dargestellt werden, also ob eine bestimmte Anforderung<br />
eine Pflicht („muss“), ein Wunsch („soll“) oder ein Vorschlag („kann“) ist; vgl. RUPP (2002) S. 160 ff. u. 165 (mit<br />
zwei zusätzlichen Varianten der Absicht und des Kommentars).
326 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.4.2 Technisches Umfeld<br />
Die Kompetenzontologie stellt ein semantisches Grundgerüst für das darauf aufsetzende Kompetenzmanagementsystem<br />
bereit. Durch die Ontologie werden die im Kompetenzmanagement zu<br />
verwendenden Begriffe, ihre Bedeutungen und ihre Zusammenhänge (Relationen), die Einschränkungen<br />
für ihre Verwendung (durch Integritätsregeln) und die Inferenzregeln für die Generierung<br />
neuen Wissens aus dem im Kompetenzmanagementsystem erfassten Wissen spezifiziert.<br />
Da die Ontologie in diesem Fall kein eigenständiges Anwendungssystem darstellt, ist sie zunächst<br />
nur über das Kompetenzmanagementsystem in die IT-Systemlandschaft des Unternehmens eingebettet.<br />
Wichtige Systeme im weiteren Umfeld der Ontologie sind daher diejenigen Programme mit<br />
einer Schnittstelle zum Kompetenzmanagementsystem, also beispielsweise Datenbanken mit den<br />
für das betriebliche Kompetenzmanagement relevanten Daten, aber auch umfangreiche Anwendungssysteme<br />
wie SAP. Bei der DMT sind in diesem Zusammenhang insbesondere die folgenden<br />
Systeme von Bedeutung:<br />
• In der Referenzdatenbank werden Name, Beschreibung, DMT-Aufgaben, Partner, Kunden und<br />
Auftragswert von bereits durchgeführten Projekten abgelegt, um etwa bei einer Angebotsabgabe<br />
entsprechende Referenzen bereitstellen zu können.<br />
Format: Access-Datenbank<br />
verantwortliche Abteilung: Abteilung IT- und Prozessmanagement<br />
Zugriff: Abteilung IT- und Prozessmanagement.<br />
• Die Projektpartnerdatenbank umfasst Daten zu Namen, Schlüsselwörtern, Budgets und beteiligten<br />
Partnern von abgeschlossenen Projekten und kann z.B. nach Projekten mit bestimmten<br />
Unternehmenspartnern durchsucht werden.<br />
Format: Access-Datenbank<br />
verantwortliche Abteilung: Abteilung IT- und Prozessmanagement<br />
Zugriff: Abteilung IT- und Prozessmanagement.<br />
• Der Wissensmanager, eine Datenbank zur Darstellung von Mitarbeiterkompetenzen, ist ein<br />
weiteres System, das für die Entwicklung und Nutzung der Ontologie und des Kompetenzmanagementsystems<br />
eine große Rolle spielt. Diese Datenbank soll durch das ontologiebasierte<br />
Kompetenzmanagementsystem (vorläufig) nicht abgelöst, aber erweitert und verbessert werden.<br />
Die vorhandenen Kompetenzprofile können wiederum für die erste „Füllung“ des Kompetenzmanagementsystems<br />
mit Daten der DMT in den KOWIEN-Prototyp importiert werden.<br />
Außerdem bilden die im Wissensmanager vorhandenen Daten über die Kompetenzprofile der<br />
Mitarbeiter der DMT eine wichtige Ausgangsbasis für die Erstellung der Kompetenzontologie.<br />
Die von den Mitarbeitern angegebenen Bezeichnungen für ihre Kompetenzen können für die<br />
Konstruktion eines Begriffsystems und die Identifizierung von Synonymen und Zusammenhängen<br />
für eine erste Taxonomie herangezogen werden.<br />
Format: Oracle-Datenbank<br />
Verantwortliche Abteilung: Personalentwicklung<br />
Zugriff: Personalentwicklung.<br />
Diese Datenbanken sind wichtig für die Erstellung der Ontologie und die Initialisierung des Kompetenzmanagementsystems,<br />
weil sie zahlreiche relevante Kompetenzbegriffe, deren Ausprägungen
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 327<br />
und aktuelle Informationen zu Projekten enthalten. Ob die in ihnen gespeicherten Daten jedoch<br />
auch während des Betriebs des Kompetenzmanagementsystems genutzt werden, ist noch nicht festgelegt.<br />
Ein einmaliger Import, aber eventuell auch eine regelmäßige Übertragung oder Aktualisierung<br />
der Daten könnte über ein Excel- oder ein XML-Format durchgeführt werden.<br />
2.1.5 Anwendungsfälle<br />
2.1.5.1 Anwendungsfallmodell<br />
Das in Abbildung 32 auf der nächsten Seite dargestellte Anwendungsfallmodell umfasst eine Übersicht<br />
über die verschiedenen Anwendungsfälle des ontologiebasierten Kompetenzmanagementsystems.<br />
„Das System“ ist in diesem Zusammenhang das Kompetenzmanagementsystem, wobei die<br />
Kompetenzontologie als Bestandteil (in Form eines hinterlegten „Grundgerüsts“) des Kompetenzmanagementsystems<br />
gesehen wird.<br />
Das Anwendungsfallmodell zeigt eine graphische Darstellung der Use Cases und ihrer Beziehungen<br />
zueinander. Dabei sind die Anwendungsfälle durch Ellipsen mit der Bezeichnung und der Nummer<br />
des Use Case und die Beziehungen mit den Akteuren durch Kanten zwischen Use Case und Akteur<br />
dargestellt. Die Beziehungen der Anwendungsfälle untereinander werden gemäß der UML-<br />
Spezifikation der Object Management Group durch Pfeile zwischen den Use Cases visualisiert: Die<br />
Generalisierung wird durch einen durchgehenden Pfeil vom spezialisierten zum allgemeineren Use<br />
Case abgebildet, die „include“- und die „extends“-Beziehungen dagegen durch gestrichelte Pfeile<br />
zu dem Anwendungsfall, der ergänzt bzw. erweitert wird. 10)<br />
Darüber hinaus werden im Anwendungsfallmodell die Beziehungen der Anwendungsfälle untereinander<br />
gezeigt, die entweder Generalisierungs-Beziehungen (die durch einen durchgehenden Pfeil<br />
vom spezialisierten Anwendungsfall zum allgemeineren Anwendungsfall dargestellt werden), oder<br />
Erweiterungs- oder „includes“-Beziehungen sein können. Eine „includes“-Beziehung bedeutet, dass<br />
ein Anwendungsfall den in einem anderen Anwendungsfall spezifizierten Ablauf beinhaltet, während<br />
eine Erweiterung optional (an Bedingungen geknüpft) ist. Die beiden letztgenannten Beziehungen<br />
werden durch gestrichelte Pfeile mit der entsprechenden Bezeichnung visualisiert.<br />
Das Anwendungsfallmodell enthält auch eine grobe Darstellung der verschiedenen Benutzergruppen.<br />
Sie sind hier zu Ontologie-Administrator und KMS-Anwender, der alle zukünftigen Anwender<br />
des Kompetenzmanagementsystems (KMS) repräsentiert und im folgenden Kapitel weiter detailliert<br />
wird, zusammengefasst.<br />
10) Vgl. OBJECT MANAGEMENT GROUP (2003) S. 3.98.
328 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.5.2 Akteure<br />
Abbildung 32: Anwendungsfallmodell (Grobsicht)<br />
Ein Anwendungsfall wird durch einen Akteur angestoßen, der entweder einen menschlichen Benutzer<br />
oder ein anderes Programm repräsentiert. Da in einem Anwendungsfall, an dem ein Akteur beteiligt<br />
ist, eine bestimmte Interaktion des Akteurs mit dem System abgebildet wird, kann eine einzige<br />
menschliche Person mehrere Rollen einnehmen und daher in den Anwendungsfällen durch mehrere<br />
verschiedene Akteure abgebildet werden.<br />
Der im Anwendungsfallmodell dargestellte Akteur „KMS-Anwender“ wird an dieser Stelle in die<br />
Akteure Selbsteinschätzer, Projektteamkonfigurator, Kompetenzträgersuchender, Personalentwickler,<br />
Kompetenzauswertender, Personalverantwortlicher und Mitarbeiter der Personalabteilung aufgeteilt.<br />
Welcher Akteur an welchem Anwendungsfall beteiligt ist, wird bei der detaillierten Beschreibung<br />
der einzelnen Anwendungsfälle in Kapitel 2.1.5.3 dargestellt. Zusätzlich zu einer Erläuterung<br />
der verschiedenen Akteure wird an dieser Stelle die Position des Akteurs innerhalb der DMT<br />
untersucht.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 329<br />
Bezeichnung des<br />
Akteurs<br />
Selbsteinschätzer<br />
Projektteamkonfigurator <br />
Kompetenzträgersuchender<br />
Personalentwickler<br />
Kompetenzauswertender <br />
Personalverantwortlicher<br />
Mitarbeiter der<br />
Personalabteilung<br />
Ontologie-<br />
Administrator<br />
Kompetenzmanagementsystem<br />
Beschreibung<br />
Ein Selbsteinschätzer ist ein beliebiger Mitarbeiter des Unternehmens,<br />
der seine Kompetenzen (aus Eigeninitiative oder auf Nachfrage)<br />
selbst einschätzt und dokumentiert.<br />
Dieser Akteur erfüllt die Aufgabe, basierend auf den Kompetenzanforderungen<br />
eines konkreten Projekts und den Kompetenzen der verfügbaren<br />
Mitarbeiter ein Projektteam zusammenzustellen. Das Projektteam<br />
kann entweder von jemandem zusammengestellt werden, der<br />
den Überblick über das verfügbare Personal hat (z.B. ein Mitarbeiter<br />
der Personalabteilung) oder vom zukünftigen Projektleiter.<br />
Ein Kompetenzträgersuchender stellt zu einem bestimmten Zweck<br />
Fragen an das System bezüglich der Kompetenz eines Mitarbeiters<br />
des Unternehmens. Dabei kann es sich z.B. um einen Mitarbeiter handeln,<br />
der zur Lösung eines konkreten Problems nach einem Kollegen<br />
sucht, der über für das Problem relevante Kenntnisse verfügt.<br />
Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der<br />
die Weiterbildungsziele definiert und für die zum Erreichen dieser<br />
Ziele notwendigen (Weiter-) Bildungsmaßnahmen verantwortlich ist.<br />
Dieser Akteur nutzt das Kompetenzmanagementsystem, um sich zu<br />
Auswertungszwecken eine Übersicht über die Kompetenzen des Unternehmens<br />
oder einer Organisationseinheit anzeigen zu lassen. Er hat<br />
die Aufgabe, z.B. für Auftrags- und Projektakquisition, für den Aufbau<br />
und die Betreuung von Kooperationen mit externen Unternehmenspartnern<br />
oder für die Personalplanung Bewertungen der vorhandenen<br />
Kompetenzen vorzunehmen.<br />
Dieser Akteur ist ein Mitarbeiter des Unternehmens, der Personalverantwortung<br />
trägt, z.B. Abteilungs-, Projekt- und Divisionsleiter sowie<br />
Unit-Leiter. Er verfügt über besondere Rechte bezüglich des Zugriffs<br />
auf die Kompetenzen seiner Mitarbeiter.<br />
Dieser Akteur kann damit beauftragt werden, Lebensläufe von Bewerbern<br />
oder von neuen Mitarbeitern in das Kompetenzmanagementsystem<br />
einzugeben.<br />
Der Ontologie-Administrator ist für die Ontologie verantwortlich und<br />
entscheidet über die Aufnahme neuer Konzepte sowie über das Löschen<br />
von Konzepten aus der Ontologie und über eine Änderung ihrer<br />
Struktur. Es ist zu beachten, dass es als konstitutiv für Ontologien angesehen<br />
wird, dass sie das gemeinsame Verständnis mehrerer Personen<br />
über die enthaltenen Konzepte widerspiegeln. An der Bewertung<br />
und Aufnahme von Änderungen sind daher grundsätzlich mehrere<br />
Personen beteiligt. Der Ontologie-Administrator sollte neben technischen<br />
Kenntnissen auch über linguistische Kenntnisse und Fähigkeiten<br />
verfügen.<br />
Das Kompetenzmanagementsystem unterstützt das betriebliche Kompetenzmanagement.<br />
Es stellt eine Wissensbasis bereit, in der z.B.<br />
Wissen über die vorhandenen Mitarbeiter- und Unternehmenskompetenzen<br />
sowie über Projekte abgelegt wird. Die Ontologie liefert die<br />
dabei zugrunde liegende Struktur sowie Regeln, die auf das Wissen<br />
anzuwenden sind.<br />
Tabelle 4: Übersicht über die Akteure<br />
Position<br />
in der DMT<br />
Mitarbeiter im Allgemeinen<br />
Projektleiter<br />
zusammen mit<br />
F2/F3-Leiter oder<br />
Personalentwicklung<br />
Mitarbeiter<br />
im Allgemeinen<br />
Personalentwicklung<br />
F1/F2/F3-Leiter,<br />
Projektleiter,<br />
Betriebsrat oder<br />
Personalentwicklung<br />
Projektleiter<br />
oder<br />
F2/F3-Leiter<br />
Personalentwicklung<br />
Abteilung IT- und<br />
Prozessmanagement<br />
oder Personalentwicklung<br />
–
330 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.5.3 Konkrete Anwendungsfälle<br />
In den folgenden Kapiteln werden die einzelnen Anwendungsfälle detailliert erläutert. Dafür wird<br />
für jeden Anwendungsfall beschrieben, welche Akteure beteiligt sind oder sein können (Akteure),<br />
welche Interaktionen berücksichtigt werden müssen (Kurzbeschreibung) und wie der grundsätzliche<br />
Ablauf des Anwendungsfalls aussieht (Basisablauf). Mögliche Abweichungen von diesem Ablauf<br />
werden in Form von alternativen Abläufen dargestellt (alternative Abläufe). Darüber hinaus werden<br />
für jeden Anwendungsfall der Auslöser für seinen Ablauf (Trigger) und die erforderlichen Vorbedingungen<br />
(Vorbedingungen) sowie die erwünschten Nachbedingungen (Nachbedingungen) aufgeführt.<br />
Anschließend werden eventuelle Zusammenhänge des Anwendungsfalls mit anderen genannt,<br />
die auch schon aus dem Anwendungsfallmodell (siehe Abbildung 32) ersichtlich sind (Verbindungen<br />
zu anderen Anwendungsfällen). 11)<br />
2.1.5.3.1 Anwendungsfall 1: Kompetenzontologie pflegen<br />
1. Akteur:<br />
Ontologie-Administrator.<br />
2. Kurzbeschreibung:<br />
Bei Bedarf (wenn z.B. ein neuer Kompetenzbegriff 12) aufgenommen werden muss) kann die<br />
Kompetenzontologie vom Administrator überarbeitet und aktualisiert werden, etwa auf Anregung<br />
eines Mitarbeiters.<br />
3. Basisablauf:<br />
Der Ontologie-Administrator erhält (z.B. von einem Mitarbeiter oder von einem speziellen<br />
Experten oder Kompetenz-„Rechercheur“) Informationen zu einer erforderlichen Änderung<br />
im Inhalt oder in der Struktur der Kompetenzontologie. Diese Änderung kann etwa das Hinzufügen<br />
eines neuen Kompetenzbegriffs oder das Löschen oder Umbenennen eines alten sein.<br />
Auch schwerwiegendere (strukturelle) Änderungen, wie die Neuordnung von Teilhierarchien<br />
oder das Ändern von Kompetenzausprägungsstufen (z.B. Verfeinerung von 5 auf 8 Stufen)<br />
sollen vom Ontologie-Administrator vorgenommen werden können. Dieser muss jedoch zuvor<br />
prüfen, ob die daraus entstehenden Konsequenzen vertretbar sind und ob die Konsistenz<br />
der Ontologie gefährdet wird.<br />
4. Alternative Abläufe:<br />
Keine.<br />
5. Trigger:<br />
Eine Änderung in der Ontologie wird gewünscht, beispielsweise weil neue Konstrukte zur<br />
Repräsentation des Wissens über Kompetenzen erforderlich sind oder weil Strukturen im Unternehmen<br />
sich geändert haben.<br />
6. Vorbedingungen:<br />
Der Akteur hat administrative Zugriffsrechte auf die Ontologie.<br />
11) Diese Zusammenhänge werden durch Generalisierung (ein Anwendungsfall wird durch einen oder mehrere konkretere Anwendungsfälle<br />
spezialisiert), „includes“-Beziehungen (ein Anwendungsfall kann einen anderen umfassen und enthält in dem<br />
Fall auch die in dem anderen Anwendungsfall spezifizierten Aktionen) und „extends“-Beziehungen (ein Anwendungsfall<br />
kann unter bestimmten Bedingungen an einer festzulegenden Stelle durch einen anderen Anwendungsfall erweitert werden)<br />
repräsentiert.<br />
12) Die Bezeichnungen „Kompetenzbegriffe“ und „kompetenzbezogene Konzepte“ werden synonym verwendet.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 331<br />
7. Nachbedingungen:<br />
Die gewünschten Änderungen sind umgesetzt (sofern sie gerechtfertigt sind).<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
beinhaltet den Anwendungsfall 11.<br />
2.1.5.3.2 Anwendungsfall 2: Kompetenzprofile pflegen<br />
1. Akteure:<br />
Selbsteinschätzer, Mitarbeiter der Personalabteilung.<br />
2. Kurzbeschreibung:<br />
Dieser Anwendungsfall dient dazu, die Kompetenzen der Mitarbeiter in Form von Kompetenzprofilen<br />
im Kompetenzmanagementsystem zu erfassen und anschließend laufend zu aktualisieren.<br />
3. Basisablauf:<br />
Die vorhandenen Mitarbeiterqualifikationen und -kompetenzen werden strukturiert erfasst,<br />
entweder durch die Mitarbeiter selbst oder durch einen Mitarbeiter der Personalabteilung, der<br />
die Lebensläufe und Bewerbungsunterlagen der Mitarbeiter in das System eingibt. Die daraus<br />
entstehenden Kompetenzprofile der Mitarbeiter werden von den Mitarbeitern selbst in regelmäßigen<br />
Abständen oder nach der Teilnahme an einer Weiterbildungsmaßnahme oder einem<br />
Projekt aktualisiert. Das Kompetenzprofil enthält Angaben über die formale Qualifikation<br />
(Aus- und Weiterbildungsdaten) sowie Angaben zu weiteren fachlichen und funktionsübergreifenden<br />
Kompetenzen.<br />
4. Alternative Abläufe:<br />
Keine.<br />
5. Trigger:<br />
• Inbetriebnahme des Kompetenzmanagementsystems,<br />
• ein neuer Mitarbeiter wird eingestellt und eingewiesen oder<br />
• es haben sich Änderungen in bestehenden Kompetenzprofilen ergeben.<br />
6. Vorbedingungen:<br />
• Die Mitarbeiter haben Zugriff auf die Kompetenzontologie und können durch sie „browsen“,<br />
um die richtigen Bezeichnungen für ihre Kompetenzen zu finden.<br />
• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend<br />
erweitert werden (auf Antrag eines Mitarbeiters).<br />
• Die Mitarbeiter sind motiviert, ihre Kompetenzprofile („realistisch“) zu erstellen und regelmäßig<br />
zu aktualisieren.<br />
7. Nachbedingungen:<br />
Für jeden Mitarbeiter existiert ein aktuelles Kompetenzprofil.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
Generalisierung der Anwendungsfälle 3 und 4; beinhaltet den Anwendungsfall 10.<br />
2.1.5.3.3 Anwendungsfall 3: Eigene Kompetenzen beschreiben<br />
1. Akteur:<br />
Selbsteinschätzer<br />
2. Kurzbeschreibung:<br />
Der Akteur beschreibt seine Kompetenzen, indem er Kompetenzaussagen und Erfahrungen in
332 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
das System eingibt, wobei er auf die in der Ontologie enthaltenen Kompetenzbegriffe und<br />
Kompetenzausprägungen zurückgreift.<br />
3. Basisablauf:<br />
Ein neuer Mitarbeiter meldet sich am Kompetenzmanagementsystem an. Er sucht für seine<br />
Kompetenzen die entsprechenden Bezeichnungen und die möglichen Ausprägungen in der<br />
Ontologie. Anschließend wählt er die für ihn zutreffenden Kompetenzen mit den jeweils von<br />
ihm eingeschätzten Ausprägungen aus und speichert diese als Bestandteil seines Kompetenzprofils<br />
ab. Ein weiterer Bestandteil seines Kompetenzprofils sind die Beschreibungen von Erfahrungen<br />
(wie beispielsweise Ausbildungs-, Berufs- und Projekterfahrungen), die er über<br />
entsprechende Formulare in das System eingeben und denen er auch entsprechende Kompetenzbegriffe<br />
zuweisen kann.<br />
4. Alternativer Ablauf:<br />
Der Mitarbeiter hat sein Kompetenzprofil bereits erstellt. Seine Kompetenzen (oder die jeweiligen<br />
Ausprägungen) haben sich aber geändert, z.B. durch Schulungen oder Projekte. Daher<br />
meldet er sich am Kompetenzmanagementsystem an und lässt sich sein zuletzt abgespeichertes<br />
Kompetenzprofil anzeigen. Er aktualisiert die Ausprägungen seiner Kompetenzen, fügt<br />
neue Kompetenzen mit den entsprechenden Ausprägungen hinzu oder löscht alte Kompetenzen<br />
(wenn er z.B. eine bestimmte Kompetenz dort nicht mehr aufgeführt sehen will). Danach<br />
speichert er das aktualisierte Kompetenzprofil ab.<br />
5. Trigger:<br />
• Ein neuer Mitarbeiter wird eingestellt und eingewiesen (Basisablauf) oder<br />
• die Kompetenzen/Kompetenzausprägungen eines Mitarbeiters haben sich geändert (alternativer<br />
Ablauf).<br />
6. Vorbedingungen:<br />
• Die Mitarbeiter haben Zugriff auf die Kompetenzontologie und können durch sie „browsen“,<br />
um die richtigen Bezeichnungen für ihre Kompetenzen zu finden.<br />
• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend<br />
erweitert werden (auf Antrag eines Mitarbeiters).<br />
• Die Mitarbeiter sind motiviert, ihre Kompetenzprofile („realistisch“) zu erstellen und regelmäßig<br />
zu aktualisieren.<br />
7. Nachbedingungen:<br />
Für jeden Mitarbeiter existiert ein selbst erstelltes und gepflegtes, aktuelles Kompetenzprofil<br />
(Selbsteinschätzung).<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
Spezialisierung von Anwendungsfall 2.<br />
2.1.5.3.4 Anwendungsfall 4: Kompetenzinformationen aus<br />
Bewerbungen strukturiert erfassen<br />
1. Akteure:<br />
Mitarbeiter der Personalabteilung oder Selbsteinschätzer.<br />
2. Kurzbeschreibung:<br />
Ein Mitarbeiter der Personalabteilung gibt die Kompetenzinformationen, die in den Bewerbungsunterlagen<br />
eines Bewerbers oder eines neuen Mitarbeiters enthalten sind (z.B. in seinem<br />
Lebenslauf), in Form von Kompetenzaussagen und Erfahrungen ins System ein.<br />
3. Basisablauf:<br />
Ein Mitarbeiter der Personalabteilung schaut sich die Bewerbungsunterlagen eines Bewerbers
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 333<br />
bzw. eines neuen Mitarbeiters an und gibt die darin enthaltenen Informationen in Form von<br />
Kompetenzaussagen und Erfahrungen ins System ein. Wenn es sich um einen neuen Mitarbeiter<br />
handelt, so hat dieser danach die Möglichkeit, die eingegebenen Informationen zu vervollständigen<br />
und zu korrigieren, so dass das eingegebene Kompetenzprofil danach eine Selbsteinschätzung<br />
widerspiegelt.<br />
4. Alternative Abläufe:<br />
Keine.<br />
5. Trigger:<br />
• Die Personalabteilung hat Bewerbungen für eine Stelle im Unternehmen erhalten.<br />
• Ein neuer Mitarbeiter ist eingestellt worden und reicht seinen Lebenslauf bei der Personalabteilung<br />
ein.<br />
• Die Lebensläufe der bereits vor der Einführung des Kompetenzmanagementsystems eingestellten<br />
Mitarbeiter sollen in das System eingegeben werden, um eine Basis für die<br />
Korrektur und weitere Pflege der Kompetenzprofile (durch die Mitarbeiter selbst) zu haben.<br />
6. Vorbedingungen:<br />
• Die Bewerbungsunterlagen bzw. Lebensläufe liegen der Personalabteilung vor.<br />
• Der neue Mitarbeiter ist damit einverstanden, dass ein Mitarbeiter der Personalabteilung<br />
auf der Basis seiner Unterlagen Informationen über seine Kompetenzen eingibt und ist<br />
bereit dazu, diese Informationen im Anschluss daran zu korrigieren und kontinuierlich zu<br />
pflegen.<br />
7. Nachbedingungen:<br />
Für den Bewerber bzw für den neuen Mitarbeiter gibt es ein Kompetenzprofil.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
Spezialisierung von Anwendungsfall 2.<br />
2.1.5.3.5 Anwendungsfall 5: Kompetenzträger suchen<br />
1. Akteur:<br />
Kompetenzträgersuchender.<br />
2. Kurzbeschreibung:<br />
Der Akteur sucht aus einem bestimmten Grund (z.B. weil er Hilfe bei einem konkreten Problem<br />
benötigt) nach einem anderen Mitarbeiter mit bestimmten Kompetenzen.<br />
3. Basisablauf:<br />
Der Kompetenzträgersuchende hat einen Bedarf an bestimmten Informationen, durch die er<br />
sich z.B. Hilfe bei einem konkreten Problem erhofft. Er sucht mit Hilfe der Kompetenzontologie<br />
nach Begriffen für Kompetenzen, über die der gesuchte Kompetenzträger verfügen soll.<br />
Dabei kann er für die verschiedenen Kompetenzen auch jeweils eine Ausprägung angeben, in<br />
welcher der Kompetenzträger die entsprechende Kompetenz mindestens besitzen soll.<br />
4. Alternativer Ablauf:<br />
Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der alle Anforderungen erfüllt.<br />
Wenn das der Fall ist, soll das Kompetenzmanagementsystem Personen vorschlagen, die den<br />
Anforderungen am nächsten kommen.<br />
5. Trigger:<br />
• Ein Mitarbeiter benötigt in einer bestimmten Situation die Kenntnisse oder Fähigkeiten<br />
eines anderen Mitarbeiters und weiß ohne Hilfe des Kompetenzmanagementsystems<br />
nicht, welcher Mitarbeiter über diese Kompetenzen verfügt.
334 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
6. Vorbedingungen:<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen<br />
Kompetenzen und den Kompetenzausprägungen erfasst.<br />
• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend<br />
erweitert werden (auf Antrag eines Mitarbeiters).<br />
7. Nachbedingungen:<br />
• Der Kompetenzträgersuchende hat Informationen zu mindestens einem Mitarbeiter, der<br />
die von ihm angegebenen Kriterien (möglichst vollständig) erfüllt, oder das Kompetenzmanagementsystem<br />
hat eine entsprechende Meldung ausgegeben.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
beinhaltet den Anwendungsfall 9; ist enthalten in den Anwendungsfällen 6 und 7.<br />
2.1.5.3.6 Anwendungsfall 6: Projektteam bilden<br />
1. Akteur:<br />
Projektteamkonfigurator.<br />
2. Kurzbeschreibung:<br />
Der Akteur ist mit der Bildung eines Projektteams beauftragt und sucht nach den entsprechenden<br />
Mitarbeitern mit den für die Projektbearbeitung erforderlichen Kompetenzen.<br />
3. Basisablauf:<br />
Der Projektteamkonfigurator meldet sich am Kompetenzmanagementsystem an. Er durchsucht<br />
die Kompetenzontologie nach Begriffen für die gewünschten Kompetenzen und gibt<br />
(Kompetenz-) Kriterien ein, durch die er nach einem anderen Mitarbeiter sucht. Er wählt die<br />
Kompetenzarten aus, die benötigt werden, und gibt diejenigen Ausprägungen der Kompetenzarten<br />
ein, die der Mitarbeiter (mindestens) besitzen soll; z.B. „Sprachkenntnisse Polnisch:<br />
mindestens 3 von 4“. Dadurch wird ein Soll-Profil erstellt, mit dem das Kompetenzmanagementsystem<br />
die vorhandenen Kompetenzprofile vergleicht. Das System durchsucht die Datenbank<br />
nach den Mitarbeitern, die die Anforderungen (am besten) erfüllen. Anschließend<br />
gibt das Kompetenzmanagementsystem eine Liste dieser „geeigneten“ Mitarbeiter aus, die<br />
auch den Grad der Übereinstimmung mit den gesuchten Kompetenzen anzeigt. Der Projektteamkonfigurator<br />
kann sich dann das Kompetenzprofil der ausgegebenen Mitarbeiter in detaillierter<br />
Version anzeigen lassen.<br />
4. Alternativer Ablauf:<br />
Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der die Anforderungen erfüllt.<br />
Wenn das der Fall ist, soll das Kompetenzmanagementsystem den Mitarbeiter ausgeben, dessen<br />
Kompetenzprofil den Anforderungen möglichst ähnlich ist.<br />
5. Trigger:<br />
• Für eine bestimmte Projektbearbeitung ist vom F3-Leiter jemand dazu bestimmt worden,<br />
das Projektteam zu bilden. Dies kann, muss aber nicht der zukünftige Projektleiter sein.<br />
6. Vorbedingungen:<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen<br />
Kompetenzen und den Kompetenzausprägungen erfasst.<br />
• Die Ontologie stellt alle erforderlichen Begriffe bereit oder kann entsprechend erweitert<br />
werden (auf Antrag eines Mitarbeiters).<br />
• Der Projektteamkonfigurator besitzt die notwendigen Rechte für den Zugriff auf die<br />
Kompetenzprofile anderer Mitarbeiter.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 335<br />
7. Nachbedingungen:<br />
• Der Projektteamkonfigurator hat Informationen zu mindestens einem Mitarbeiter, der die<br />
von ihm angegebenen Kriterien (möglichst vollständig) erfüllt.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
beinhaltet die Anwendungsfälle 5 und 12.<br />
2.1.5.3.7 Anwendungsfall 7: Stelle besetzen / Personal rekrutieren<br />
1. Akteur:<br />
Personalverantwortlicher.<br />
2. Kurzbeschreibung:<br />
Der Akteur (ein Personalreferent oder ein Mitarbeiter von Personalentwicklung, evtl. auch ein<br />
Abteilungs-, oder Geschäftsfeldleiter) muss eine Stelle aus seinem Zuständigkeitsbereich neu<br />
besetzen und will mit Hilfe des ontologiebasierten Kompetenzmanagementsystems den für<br />
die Anforderungen der Position am besten geeigneten Mitarbeiter finden (Ebene 1: mittel-<br />
/langfristige Personalbeschaffung; Ebene 2: kurzfristige (Projekt-) Personalbeschaffung).<br />
3. Basisablauf:<br />
Der Personalverantwortliche hat in seinem Verantwortungsbereich eine Stelle neu zu besetzen.<br />
Er überlegt sich, welche Kompetenzen ein Mitarbeiter in dieser Position haben soll, und<br />
sucht mit Hilfe der Kompetenzontologie nach Bezeichnungen für die Kompetenzen. Für jeden<br />
ausgewählten Kompetenzbegriff gibt er mit Hilfe einer Skala von Kompetenzausprägungen<br />
an, wie stark die Kompetenz (mindestens) ausgeprägt sein muss und erstellt damit ein „Soll-<br />
Kompetenzprofil“. Das Anforderungsprofil enthält eine detaillierte Aufgaben- und Tätigkeitsbeschreibung<br />
des neuen Mitarbeiters, Angaben über die geforderte formale Qualifikation<br />
(Aus- und Weiterbildungsdaten) sowie Angaben zu weiteren notwendigen fachlichen und<br />
funktionsübergreifenden Kenntnissen und Fertigkeiten. Das Kompetenzmanagementsystem<br />
sucht anhand dieser Anforderungen nach einem (möglichst gut) geeigneten Mitarbeiter oder<br />
Bewerber. Je nachdem, welche Berechtigungen der Personalverantwortliche besitzt (in Bezug<br />
auf jedes einzelne Ergebnis(profil)), werden ihm die entsprechenden Ergebnisse anonymisiert<br />
(z.B. nur Anzeige einer eindeutigen Identifizierungskennung für Nachfrage bei der Personalabteilung)<br />
oder vollständig angezeigt.<br />
4. Alternativer Ablauf:<br />
Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der die Anforderungen erfüllt.<br />
Wenn das der Fall ist, soll das Kompetenzmanagementsystem den Mitarbeiter ausgeben, dessen<br />
Kompetenzprofil den Anforderungen möglichst nahe kommt.<br />
5. Trigger:<br />
• Eine Stelle ist neu zu besetzen, für die noch kein Nachfolger feststeht.<br />
• Ein Projektauftrag kann mit den vorhandenen Personalkapazitäten nicht abgewickelt<br />
werden (unter Einhaltung der Liefer- und Leistungszusagen).<br />
6. Vorbedingungen:<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens sowie eventuelle<br />
Bewerber mit ihren aktuellen Kompetenzen und den Kompetenzausprägungen erfasst.<br />
• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend<br />
erweitert werden (auf Antrag eines Mitarbeiters).<br />
• Für jeden Mitarbeiter ist genau festgelegt, welche Zugriffsrechte er (als Personalverantwortlicher)<br />
auf die Kompetenzprofile anderer Mitarbeiter besitzt (also z.B. vollständige
336 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
Zugriffsrechte für Mitarbeiter aus seinem Zuständigkeitsbereich, ansonsten keine Rechte,<br />
daher Anonymisierung).<br />
7. Nachbedingungen:<br />
• Der Personalverantwortliche hat Informationen zu mindestens einem Mitarbeiter, der die<br />
von ihm angegebenen Kriterien (möglichst vollständig) erfüllt.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
erweitert Anwendungsfall 8 (Anwendungsfall 7 kann Anwendungsfall 8 erweitern, wenn eine<br />
Kompetenzlücke ermittelt wurde, die nicht durch Weiterbildung geschlossen werden kann, so<br />
dass eine Neueinstellung oder Personalumlegung in Betracht gezogen wird); beinhaltet den<br />
Anwendungsfall 5.<br />
2.1.5.3.8 Anwendungsfall 8: Skill-Gaps ermitteln<br />
1. Akteure:<br />
Personalentwickler, Personalverantwortlicher oder Kompetenzauswertender.<br />
2. Kurzbeschreibung:<br />
Das Ziel ist es, die Kompetenzlücken innerhalb der DMT systematisch zu ermitteln, zu dokumentieren<br />
und entsprechend zu analysieren, um geeignete Qualifizierungsmaßnahmen abzuleiten.<br />
Die Ermittlung des Weiterbildungsbedarfs vollzieht sich bei der DMT auf drei unterschiedlichen<br />
Ebenen:<br />
1. Ebene: Ermittlung des zukünftigen, langfristigen Weiterbildungsbedarfs (strategische<br />
Personalentwicklung): Ausgehend von bestimmten Anforderungen (z.B. den strategischen<br />
Zielsetzungen) sollen die Kompetenzlücken des Unternehmens oder<br />
eines Teils (Abteilung/Division/Unit/Tochterunternehmen) ermittelt werden (Ist<br />
versus Soll).<br />
2. Ebene: Ermittlung des aktuellen Weiterbildungsbedarfs im strukturierten Mitarbeitergespräch.<br />
3. Ebene: Kurzfristiger Weiterbildungsbedarf im DMT Projektmanagement: Im Hinblick<br />
auf ein bestimmtes Projekt sollen die Kompetenzlücken der für eine Projektbeteiligung<br />
in Frage kommenden Mitarbeiter ermittelt werden.<br />
3. Basisablauf:<br />
1. Ebene: Die Geschäftsführung der DMT definiert die strategischen Unternehmensziele für<br />
das Unternehmen. Auf der Grundlage der Unternehmensstrategie (strategische<br />
Neuausrichtung der DMT) lassen sich die langfristigen und für die Zukunft zu<br />
entwickelnden Qualifikationsbedarfe der Mitarbeiter der DMT ableiten. Die notwendigen<br />
Qualifikationsbedarfe betreffen die gesamte Belegschaft oder spezielle<br />
Gruppen von Mitarbeitern, wie z.B. Vertriebsverantwortliche, Projektleiter und<br />
Führungskräfte. Der Prozess beginnt mit der Erarbeitung der strategischen Unternehmensziele<br />
und endet mit der Ableitung notwendiger Qualifizierungsmaßnahmen<br />
für die Mitarbeiter.<br />
2. Ebene: Das einmal jährlich stattfindende strukturierte Mitarbeitergespräch zwischen Vorgesetztem<br />
und Mitarbeiter ermittelt die kurzfristig notwendigen Qualifizierungsmaßnahmen<br />
für jeden einzelnen Mitarbeiter. Grundlage sind die konkreten Ziele<br />
und Aufgaben und die für das laufende Jahr anstehenden Projekte und Tätigkeiten.<br />
Der Abgleich mit den vorhandenen Kompetenzen wird gemeinsam vorgenommen.<br />
Der Prozess beginnt mit dem strukturierten Mitarbeitergespräch und en-
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 337<br />
det mit der gemeinsamen Ableitung des konkreten Weiterbildungsbedarfs des jeweiligen<br />
Mitarbeiters.<br />
3. Ebene: Die vorhandenen Mitarbeiterkompetenzen werden mit den definierten Projektanforderungen<br />
abgeglichen. Grundlage eines Abgleichs ist ein klar strukturiertes,<br />
aktuelles und projektbezogenes Anforderungsprofil. Das Anforderungsprofil enthält<br />
eine detaillierte Aufgaben- und Tätigkeitsbeschreibung, Angaben über die geforderte<br />
formale Qualifikation (Aus- und Weiterbildungsdaten) sowie Angaben zu<br />
weiteren notwendigen fachlichen und funktionsübergreifenden Kenntnissen und<br />
Fertigkeiten. Der Prozess beginnt mit Erstellung eines Anforderungsprofils und<br />
endet mit der Analyse und Bewertung des Kompetenzabgleichs.<br />
4. Alternative Abläufe:<br />
Keine.<br />
5. Trigger:<br />
• Planung der strategischen Neuausrichtung (1. Ebene).<br />
• Durchführung des strukturierten Mitarbeitergesprächs (2. Ebene).<br />
• Planung einer Projektteambesetzung: Soll-Ist-Abgleich der Kompetenzen eines bestimmten<br />
Mitarbeiters (3. Ebene).<br />
6. Vorbedingungen:<br />
• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend<br />
erweitert werden (auf Antrag eines Mitarbeiters).<br />
• Soll-Profil ist festgelegt (Ebene 1: Organisationskompetenzen, Ebenen 2 und 3: Mitarbeiter-Kompetenzen).<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen<br />
Kompetenzen und den Kompetenzausprägungen erfasst.<br />
7. Nachbedingungen:<br />
• Die kurzfristigen und langfristigen Qualifikationsbedarfe sind systematisch und strukturiert<br />
ermittelt, dokumentiert und analysiert worden.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
• beinhaltet einen „Extensionspunkt“ für Anwendungsfall 7: Wenn die ermittelten Kompetenzlücken,<br />
besonders auf den Ebenen 1 und 3, eher durch eine Neueinstellung oder Umlegung<br />
von Personal behoben werden können, bildet Anwendungsfall 7 eine Erweiterung<br />
für diesen Anwendungsfall.<br />
• Beinhaltet den Anwendungsfall 10.<br />
• Erweitert den Anwendungsfall 9: Der Anwendungsfall 8 ist ein spezielles Ziel der Analyse<br />
des Informationsnetzes.<br />
2.1.5.3.9 Anwendungsfall 9: Informationsnetz analysieren<br />
1. Akteur:<br />
Kompetenzauswertender.<br />
2. Kurzbeschreibung:<br />
Der Akteur analysiert das Informationsnetz, das u.a. die Kompetenzinformationen (Wissen<br />
über Kompetenzen) enthält, und lässt sich beispielsweise, abhängig von seinen Rechten, die<br />
Kompetenzen des eigenen oder eines fremden Unternehmens oder die Kompetenzen einer<br />
Abteilung oder eines Tochterunternehmens (die sich u.a. aus den Kompetenzen der Mitarbeiter<br />
ableiten lassen) anzeigen.
338 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
3. Basisablauf:<br />
Der Akteur benötigt (aus strategischen Gründen oder für die Planung von Aufträgen oder Projekten)<br />
eine Übersicht über die aktuellen Kompetenzen einer Gruppe von Personen, z.B. des<br />
ganzen Unternehmens oder einer Organisationseinheit. Er lässt sich z.B. die verschiedenen<br />
Organisationseinheiten anzeigen und wählt die entsprechende Organisationseinheit aus. Das<br />
System zeigt ein Kompetenzprofil dieser Organisationseinheit, das sich u.a. aus den Kompetenzprofilen<br />
der jeweiligen Mitarbeiter ergibt, sowie die im System vorhandenen Referenzen<br />
für das Unternehmen oder die entsprechende Organisationseinheit (Referenzdatenbank).<br />
4. Alternative Abläufe:<br />
• Der Akteur will eine Auswertung bezüglich einer bestimmten Kompetenz vornehmen,<br />
sich etwa anzeigen lassen, wie ausgeprägt die Kompetenzen des Unternehmens oder einer<br />
Organisationseinheit in einer bestimmten Kategorie oder in einem Themengebiet sind.<br />
Der Akteur kann auch für verschiedene auszuwählende Kompetenzen eine (statistische)<br />
Auswertung durchführen lassen. Dazu gehört auch, dass eventuell vorhandene Referenzen<br />
(wichtige abgeschlossene Projekte) des Unternehmens oder der Organisationseinheit<br />
zu dem Themengebiet angezeigt werden.<br />
• Über die Kompetenzen des Unternehmens oder der betreffenden Organisationseinheit<br />
liegen dem System keine Informationen vor. Dann wird eine entsprechende Fehlermeldung<br />
ausgegeben oder das Unternehmen bzw. die betreffende Organisationseinheit wird<br />
nicht zur Auswahl angeboten.<br />
5. Trigger:<br />
• Für die Einschätzung der Kompetenzen des Unternehmens oder einer Organisationseinheit<br />
(in Zukunft möglicherweise auch eines anderen Unternehmens) werden keine detaillierten<br />
Informationen über die Kompetenzen der einzelnen Mitarbeiter benötigt, sondern<br />
eine Übersicht über die Organisationskompetenzen, etwa für die strategische Planung<br />
oder um die Chancen für eine bestimmte Auftrags- oder Projektakquisition abzuschätzen.<br />
6. Vorbedingungen:<br />
• Es ist ein Verfahren festgelegt, durch das (für jeden Kompetenzbegriff) aus den Kompetenzen<br />
der Mitarbeiter und anderen Faktoren die Kompetenzen des Unternehmens oder<br />
einer Organisationseinheit ermittelt werden können.<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen<br />
Kompetenzen und den Kompetenzausprägungen sowie die bestehenden Organisationseinheiten<br />
und ihre Strukturen erfasst.<br />
7. Nachbedingungen:<br />
• Der Akteur besitzt Informationen über die aktuellen Kompetenzen des Unternehmens<br />
oder der betreffenden Organisationseinheit oder hat eine entsprechende Fehlermeldung<br />
erhalten.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
• Beinhaltet einen „Extensionspunkt“ für Anwendungsfall 8: Wenn der Akteur im Anschluss<br />
an die Auswertung von aktuellen Kompetenzen (Ist), die im Anwendungsfall 9<br />
erfolgt ist, deren Resultate mit bestimmten Anforderungen (Soll) vergleichen möchte,<br />
bildet der Anwendungsfall 8 eine Erweiterung für diesen Anwendungsfall 9.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 339<br />
2.1.5.3.10 Anwendungsfall 10: Details zu einem Mitarbeiter anzeigen lassen<br />
1. Akteure:<br />
Personalverantwortlicher, Projektteamkonfigurator oder Personalentwickler.<br />
2. Kurzbeschreibung:<br />
Der Akteur lässt sich, abhängig von seinen Rechten, die vorhandenen Informationen zu einem<br />
bestimmten Mitarbeiter anzeigen.<br />
3. Basisablauf:<br />
Der Akteur sucht nach einem bestimmen Mitarbeiter, z.B. über den Namen, eine Identifizierung<br />
(wie z.B. eine Personalnummer) oder auch dessen Kompetenzprofil. Wenn der anfragende<br />
Akteur über die erforderlichen Rechte verfügt, zeigt das Kompetenzmanagementsystem<br />
alle vorhandenen (oder die für die entsprechende Berechtigung möglichen) Informationen<br />
über den Mitarbeiter an, z.B. Lebenslauf, Kompetenzprofil, detaillierten beruflichen Werdegang<br />
und (externe) Ansprechpartner.<br />
4. Alternativer Ablauf:<br />
Über den gesuchten Mitarbeiter liegen keine Informationen (mehr) vor (z.B. weil er inzwischen<br />
das Unternehmen verlassen hat) oder der anfragende Akteur verfügt nicht über ausreichende<br />
Zugriffsrechte. Das Kompetenzmanagementsystem gibt dann eine entsprechende<br />
Meldung aus.<br />
5. Trigger:<br />
Der Akteur benötigt detaillierte Informationen zu einem anderen Mitarbeiter oder möchte sich<br />
ein bestimmtes Kompetenzprofil anzeigen lassen.<br />
6. Vorbedingungen:<br />
• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen<br />
Kompetenzen und den Kompetenzausprägungen erfasst.<br />
• Für jeden Mitarbeiter ist genau festgelegt, welche Zugriffsrechte er auf die Kompetenzprofile<br />
anderer Mitarbeiter besitzt.<br />
7. Nachbedingung:<br />
Abhängig von der Berechtigung des anfragenden Akteurs werden alle verfügbaren oder alle<br />
den Zugriffsrechten entsprechenden Informationen zu dem gesuchten Mitarbeiter angezeigt.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
ist enthalten in den Anwendungsfällen 2, 8 und 9.<br />
2.1.5.3.11 Anwendungsfall 11: Details zu einem Begriff anzeigen lassen<br />
1. Akteure:<br />
Ontologie-Administrator, Personalverantwortlicher, Projektteamkonfigurator oder Personalentwickler.<br />
2. Kurzbeschreibung:<br />
Der Akteur lässt sich die vorhandenen Informationen zu einem bestimmten Begriff anzeigen.<br />
Dazu gehört die Stellung dieses Begriffes in der Ontologie, d.h. die Anzeige der Ober- und<br />
Unterbegriffe sowie der äquivalenten (synonymen) und verwandten Begriffe. Wenn es sich<br />
um einen Kompetenzbegriff handelt, sieht der Akteur darüber hinaus, abhängig von seinen<br />
Rechten, welche Mitarbeiter diese Kompetenz in welcher Ausprägung besitzen und welche<br />
Erfahrungen mit diesem Kompetenzbegriff verbunden sind.<br />
3. Basisablauf:<br />
Der Akteur sucht beispielsweise die Träger einer bestimmten Kompetenz und lässt sich dazu
340 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
die Details des entsprechenden Kompetenzbegriffs anzeigen, zu denen auch die Liste der<br />
Kompetenzträger gehört. Wenn es sich um den Ontologie-Administrator handelt, so schaut<br />
dieser sich das Begriffsportal beispielsweise an, um die Stellung des Begriffs in der Ontologie<br />
zu sehen oder einen neuen Begriff in die Ontologie einzufügen.<br />
4. Alternative Abläufe:<br />
Keine.<br />
5. Trigger:<br />
Der Akteur benötigt alle Details zu einem bestimmten Begriff, z.B. um einen Kompetenzträger<br />
zu finden oder im Rahmen der Ontologiepflege.<br />
6. Vorbedingungen:<br />
Der Begriff, zu dem die Details angezeigt werden sollen, ist bereits als Informationsobjekt im<br />
System vorhanden, d.h., der Begriff wurde vorher eingegeben oder importiert.<br />
7. Nachbedingung:<br />
Der Akteur hat, abhängig von seinen Rechten, die Details des entsprechenden Begriffs (z.B.<br />
die Kompetenzträger, Definition oder Position innerhalb der Ontologie) eingesehen und ist<br />
klüger als vorher.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
ist enthalten in den Anwendungsfällen 1 und 9.<br />
2.1.5.3.12 Anwendungsfall 12: Details zu einem Projekt anzeigen lassen<br />
1. Akteure:<br />
Projektteamkonfigurator oder Personalverantwortlicher.<br />
2. Kurzbeschreibung:<br />
Der Akteur lässt sich, abhängig von seinen Rechten, die vorhandenen Informationen zu einem<br />
bestimmten Projekt anzeigen.<br />
3. Basisablauf:<br />
Der Akteur wählt aus den im Kompetenzmanagementsystem (z.B. aus der Projektdatenbank<br />
übernommenen) vorhandenen Projekten ein bestimmtes aus, über das er genauere Informationen<br />
benötigt oder für das er das Projektteam bilden möchte. Er kann auch, ausgehend von der<br />
Beschreibung eines speziellen anderen Projekts oder der Angabe anderer Suchkriterien, nach<br />
bestimmten abgeschlossenen (ähnlichen) Projekten suchen (um von früher gemachten Erfahrungen<br />
zu profitieren und auf erfahrene Mitarbeiter aufmerksam zu werden). Wenn er über die<br />
dafür notwendigen Rechte verfügt, kann er sich zu dem gefundenen Projekt das Themengebiet,<br />
das genaue Ziel, den Auftraggeber, die beteiligten Mitarbeiter und ihre jeweiligen Funktionen,<br />
eventuelle externe Projektpartner, den Zeitraum der Projektbearbeitung usw. anzeigen<br />
lassen.<br />
4. Alternative Abläufe:<br />
Zu den Suchkriterien wurde kein entsprechendes Projekt gefunden oder über das gefundene<br />
Projekt liegen keine Informationen vor oder der Akteur verfügt nicht über die notwendigen<br />
Zugriffsrechte. Dann gibt das Kompetenzmanagementsystem eine entsprechende Meldung<br />
aus.<br />
5. Trigger:<br />
Der Akteur benötigt genauere Informationen zu einem bestimmten Projekt, z.B. um beurteilen<br />
zu können, ob sich das betreffende Projekt als Referenz für eine neue Projektakquisition eignet<br />
oder um das Projektteam zu bilden.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 341<br />
6. Vorbedingungen:<br />
• Im Kompetenzmanagementsystem oder einem angebundenen externen System sind möglichst<br />
viele abgeschlossene Unternehmensprojekte mit ihren Inhalten, Ergebnissen, beteiligten<br />
Mitarbeitern und weiteren Informationen erfasst.<br />
• Das Projekt, für das das Projektteam gebildet werden soll, wurde im Kompetenzmanagementsystem<br />
bereits als Informationsobjekt angelegt.<br />
• Die Ontologie stellt alle erforderlichen Begriffe für die Beschreibung von und die Suche<br />
nach Projekten bereit oder kann entsprechend erweitert werden (auf Antrag eines Mitarbeiters).<br />
7. Nachbedingungen:<br />
• Der Akteur hat Informationen zu mindestens einem Projekt, das die von ihm angegebenen<br />
Kriterien (möglichst vollständig) erfüllt.<br />
• Abhängig von der Berechtigung des anfragenden Mitarbeiters werden alle verfügbaren<br />
oder alle den Zugriffsrechten entsprechenden Informationen zu dem gesuchten Projekt<br />
angezeigt.<br />
8. Verbindungen zu anderen Anwendungsfällen:<br />
ist enthalten in den Anwendungsfällen 6 und 9.<br />
2.1.6 Anforderungen: Katalog von Gütekriterien<br />
In diesem Kapitel werden die Anforderungen an die Kompetenzontologie aufgezeigt, die beschreiben,<br />
welche Leistungen in welcher Qualität bei der Ontologieentwicklung erbracht werden müssen.<br />
Sie werden in der Form von Gütekriterien dargestellt, die als Richtlinien bei der Konstruktion der<br />
Kompetenzontologie und somit auch als Referenzrahmen für deren abschließende Evaluation dienen<br />
werden. Dafür wird ein Katalog von Gütekriterien aufgestellt, in dem die einzelnen Kriterien<br />
kurz beschrieben werden. Jedem Kriterium wird eine Priorität zugeordnet, die entweder „sehr<br />
hoch“, „hoch“ oder „mittel“ ist und die die Relevanz des Kriteriums für die Kompetenzontologie<br />
der DMT beschreibt. Im Anschluss wird die Wahl der Priorität für jedes Kriterium durch seine konkrete<br />
Bedeutung für die Ontologieentwicklung bei der DMT begründet. Ansätze für Maßnahmen<br />
zur Erfüllung der Kriterien werden genannt. Darüber hinaus werden erste Möglichkeiten zur Operationalisierung<br />
(Maß) der Kriterien diskutiert, um die spätere Bewertung der Kompetenzontologie zu<br />
erleichtern. Abschließend werden kurz die Beziehungen zu den verbleibenden Kriterien, falls vorhanden,<br />
genannt. Im Einzelnen wurden die folgenden Gütekriterien berücksichtigt:<br />
• Klarheit<br />
• Einfachheit<br />
• Erweiterbarkeit<br />
• Funktionale Vollständigkeit<br />
• Wiederverwendbarkeit<br />
• Minimalität<br />
• Konsistenz<br />
• Spracheignung<br />
• Richtigkeit der Sprachanwendung
342 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.6.1 Klarheit<br />
Der Grundsatz der Klarheit bezieht sich hier, wie auch bei Modellen im Allgemeinen 13) , auf die<br />
Eindeutigkeit und Nachvollziehbarkeit der Konstrukte einer Ontologie, und ist erfüllt, wenn die<br />
vorgesehene Bedeutung der Begriffe den Nutzern effektiv übermittelt werden kann. 14) Dieses Kriterium<br />
wird häufig auch als „Objektivität“ 15) einer Ontologie bezeichnet, denn es wird dann erfüllt,<br />
wenn die Definition der Konzepte, Relationen und Regeln für möglichst viele Personen eindeutig<br />
und nachvollziehbar ist. Im Unterschied zur situationsabhängigen Motivation zur Aufnahme eines<br />
bestimmten Konzepts in die Ontologie soll die Definition des Konzepts auch in anderen Kontexten<br />
nachvollziehbar sein. Des Weiteren setzt eine klar spezifizierte Ontologie Präzision, d.h. eine möglichst<br />
geringe Anzahl überlappender Konzept-Mengen, voraus.<br />
• Priorität: sehr hoch<br />
Das Kriterium der Klarheit besitzt eine sehr hohe Priorität, weil die resultierende Ontologie für<br />
alle am Projekt KOWIEN beteiligten Personen und alle betroffenen Mitarbeiter der DMT (insbesondere<br />
die Mitarbeiter der Personalabteilung) eindeutig vorliegen muss. Da sie hauptsächlich<br />
von einer Person entwickelt wird, aber für viele Personen Gültigkeit besitzen soll, müssen<br />
die Definitionen für möglichst viele Beteiligte nachvollziehbar formuliert werden.<br />
• Erfüllung:<br />
Für die Erfüllung (und Überprüfung) der Klarheit spielt vor allem die formale Spezifikation der<br />
Kompetenzontologie eine große Rolle 16) , da eine formale Repräsentation ein geringeres Risiko<br />
der Mehrdeutigkeit als die natürliche Sprache besitzt und leichter (automatisch) überprüfbar ist.<br />
Für die Nachvollziehbarkeit der Konstruktdefinitionen ist es im Kontext des KOWIEN-Projekts<br />
von großem Vorteil, wenn der formalen Repräsentation informale oder semiformale Erläuterungen<br />
hinzugefügt werden.<br />
• Maß:<br />
Nachvollziehbarkeit der Konstruktdefinitionen für verschiedene Personen in verschiedenen<br />
Kontexten (Befragung der Projektbeteiligten: Bedeutung der Konstrukte der Ontologie gleich<br />
ihrer Bedeutung im Arbeitsbereich der Personen?)<br />
• Beziehungen zu anderen Kriterien:<br />
Die Konsistenz und die Wiederverwendbarkeit einer Ontologie sind komplementäre Grundsätze<br />
zur Klarheit; die Konsistenz stellt dabei eine Grundvoraussetzung dar, während die Wiederverwendbarkeit<br />
eher als eine „Folge“ der Klarheit zu sehen ist.<br />
13) Vgl. SCHÜTTE (1997) S. 10.<br />
14) Vgl. GRUBER (1993) S. 200.<br />
15) „Objektivität“ bezieht sich in diesem Zusammenhang lediglich auf die intersubjektive Nachvollziehbarkeit.<br />
16) Hier sei darauf hingewiesen, dass die formale Spezifikation nach der hier verwendeten Definition als notwendige Eigenschaft<br />
einer Ontologie betrachtet wird.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 343<br />
2.1.6.2 Einfachheit<br />
Allgemein bezieht sich der Grundsatz der Einfachheit auf die Größe und Komplexität eines Modells<br />
17) . Für die Kompetenzontologie bedeutet die Erfüllung dieser Anforderung, dass ihr Umfang<br />
nicht größer als tatsächlich erforderlich sein soll und ihr Aufbau für alle beteiligten Personen im<br />
KOWIEN-Projekt und bei der DMT übersichtlich sein muss.<br />
• Priorität: sehr hoch<br />
Dieses Kriterium hat ebenfalls eine sehr hohe Priorität, da die zukünftigen Anwender der Kompetenzontologie<br />
keine Vorkenntnisse auf dem Gebiet Ontologien besitzen. Es ist damit für die<br />
Akzeptanz und damit auch den Nutzen der Ontologie von großer Bedeutung, dass Aufbau und<br />
Darstellung der Ontologie nicht zu komplex gestaltet sind.<br />
• Erfüllung:<br />
Zur Verwirklichung der Einfachheit einer Ontologie ist es hilfreich, nur die tatsächlich relevanten<br />
Konzepte aufzunehmen. 18) Daher besteht ein enger Zusammenhang mit dem Grundsatz der<br />
Minimalität.<br />
• Maß:<br />
Um die Einfachheit einer Ontologie zu messen, können die Anzahlen der Konzepte, der Hierarchieebenen,<br />
der Relationen und der Regeln herangezogen werden. Durch eine repräsentative<br />
Befragung der Anwender wird die Einfachheit erfasst.<br />
• Verbindungen zu anderen Kriterien:<br />
Die Einfachheit wird durch die Minimalität einer Ontologie positiv beeinflusst. Auch die im<br />
Folgenden erläuterte Erweiterbarkeit ist ein zur Einfachheit komplementäres, aber eher „nachgelagertes“<br />
Kriterium (im Sinne einer möglichen Auswirkung).<br />
2.1.6.3 Erweiterbarkeit<br />
Eine Ontologie soll auch darauf ausgerichtet sein, hinsichtlich ihres Umfangs und ihrer Struktur mit<br />
möglichst geringem Aufwand verändert werden zu können. Das Hinzufügen neuer Konzepte, Relationen<br />
oder Regeln beispielsweise soll keine oder möglichst geringfügige Veränderungen der bestehenden<br />
Strukturen erfordern. 19)<br />
• Priorität: sehr hoch<br />
Es ist unwahrscheinlich, wenn nicht unmöglich, dass die Ontologie alle aktuellen und zukünftigen<br />
Anforderungen abdeckt. Aufgrund der Tatsachen, dass nur wenige Personen mit der Ontologieentwicklung<br />
beschäftigt sind und dass die DMT bislang keine Erfahrungen auf dem Gebiet<br />
Wissensmanagement mit Ontologien besitzt, spielt die Erweiterbarkeit eine große Rolle.<br />
17) Vgl. MOODY/SHANKS (1994) S. 102.<br />
18) Vgl. BENJAMINS/FENSEL (1998) S. 3.<br />
19) Vgl. GRUBER (1993) S. 201.
344 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
• Erfüllung:<br />
Eine hohe Erweiterbarkeit kann durch einen modularen Aufbau der Ontologie erreicht werden<br />
20) , bei dem eine starke Kohärenz der Konstrukte innerhalb der Module bestehen kann, aber<br />
nur eine möglichst geringe Kohärenz zwischen den Modulen. Auch die Granularität einer Ontologie,<br />
die Grob- oder Feinkörnigkeit der Konstrukte, die zur Repräsentation auf einer Abstraktionsebene<br />
herangezogen werden, beeinflusst die Möglichkeit, Konzepte auf verschiedenen<br />
Abstraktionsebenen darzustellen. 21) Eine feine Granularität hat grundsätzlich einen positiven<br />
Einfluss auf die Erweiterbarkeit, da das Hinzufügen neuer Konstrukte auf den unteren Hierarchieebenen<br />
meist leichter möglich ist als bei gröberer Granularität.<br />
• Maß:<br />
Aufwand für Erweiterungen (Zeit, Anzahl der zusätzlich zu ändernden bestehenden Konstrukte).<br />
• Verbindungen zu anderen Kriterien:<br />
Die Erweiterbarkeit einer Ontologie beeinflusst in hohem Maße auch ihre Wiederverwendbarkeit<br />
in einem anderen Kontext (siehe Kapitel 2.1.6.5). Ebenfalls komplementäre Grundsätze<br />
sind die Minimalität (siehe Kapitel 2.1.6.6) und die Konsistenz (siehe Kapitel 2.1.6.7), die Voraussetzungen<br />
für die Erweiterbarkeit bilden können.<br />
2.1.6.4 Funktionale Vollständigkeit<br />
Eine Kompetenzontologie ist dann funktional vollständig, wenn sie die für die Erfüllung der Aufgaben<br />
im Kompetenzmanagement erforderlichen Informationen repräsentiert. Der Grad der Erfüllung<br />
dieser Anforderung wird durch die Fähigkeit der Ontologie, Kompetenzfragen beantworten<br />
zu können und somit gewünschte Leistungen zu erbringen, entschieden. 22) Die Kompetenzfragen repräsentieren<br />
die Gesamtheit aller funktionalen Anforderungen an die Ontologie.<br />
• Priorität: sehr hoch<br />
Die funktionale Vollständigkeit der Kompetenzontologie ist wichtig, damit die Ontologie ihren<br />
ursprünglichen Zweck erfüllt und einen Nutzen für die Anwender erbringt. Auch die spätere<br />
Akzeptanz unter den Benutzern wird dadurch entscheidend beeinflusst. Die spezifizierten Konzepte,<br />
Relationen und Regeln müssen daher ausreichend sein, um die Anforderungen zu erfüllen<br />
und die Kompetenzfragen beantworten zu können.<br />
20) Auch BENJAMINS/FENSEL und ARPÍREZ ET AL. nennen Modularität (im Sinne von Erweiterbarkeit) als Anforderung an eine<br />
Ontologie, um sie erweiterbar und wiederverwendbar gestalten zu können; vgl. BENJAMINS/FENSEL (1998) S. 290 f. bzw. AR-<br />
PÍREZ ET AL. (1998) S. 21.<br />
21) Vgl. FOX/GRÜNINGER (1997c) S. 6.<br />
22) Vgl. FOX/GRÜNINGER (1997c) S. 6 sowie die Kapitel 3.2.2.3.3.2 (S. 635 f.) und 3.2.2.3.4.3.2 (S. 638 f.). Die im Rahmen der<br />
Entwicklung der DMT-Kompetenzontologie erstellten Kompetenzfragen (Competency Questions) sind in den Kapiteln<br />
3.2.2.3.5.2 und 3.2.2.3.5.3 (S. 643 ff.) aufgeführt.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 345<br />
• Erfüllung:<br />
Bei der Entwicklung der Kompetenzontologie müssen die aufgestellten Anwendungsfälle und<br />
die Anforderungsspezifikation, insbesondere die erarbeiteten Kompetenzfragen, dazu herangezogen<br />
werden festzustellen, welche Bereiche die Ontologie abdecken soll. Durch eine genaue<br />
Analyse der Kompetenzfragen können bereits erste Design-Entscheidungen bezüglich der benötigten<br />
Konzepte, Relationen oder Regeln abgeleitet werden.<br />
• Maß:<br />
Die funktionale Vollständigkeit der Ontologie wird durch den Grad der Abdeckung der Kompetenzfragen<br />
gemessen, da diese die funktionalen Anforderungen im Rahmen der Konstruktion<br />
der Kompetenzontologie darstellen.<br />
• Verbindungen zu anderen Kriterien:<br />
Als Zusammenfassung aller funktionalen Anforderungen betrachtet dieses Kriterium nur die<br />
von der Ontologie geforderten Leistungen, jedoch nicht, auf welche Art diese Leistungen zu<br />
erbringen sind. Aus diesem Grund existieren wenige direkte Beziehungen zwischen der funktionalen<br />
Vollständigkeit und den anderen (nicht-funktionalen) Kriterien. Es besteht jedoch ein<br />
Zusammenhang zur Minimalität einer Ontologie, der weiter unten erläutert wird.<br />
2.1.6.5 Wiederverwendbarkeit<br />
Die Wiederverwendbarkeit einer Ontologie soll gewährleisten, dass sie auch in anderen Kontexten<br />
als dem ursprünglich geplanten Kontext eingesetzt werden kann. Dies wird durch die Wiederverwendung<br />
von vorhandenem Wissen ermöglicht. Der Aufwand für die Entwicklung weiterer ontologiebasierter<br />
Anwendungssysteme wird verringert. Dieser Grundsatz ist besonders für allgemeine<br />
Commonsense-Ontologien von Bedeutung. Allerdings sollten auch speziellere Ontologien wie Domänen-<br />
oder Aufgaben-Ontologien in anderen Anwendungssituationen nutzbar sein. Beispiele dafür<br />
sind Anwendungen im selben Unternehmen im Rahmen eines anderen Anwendungssystems sowie<br />
Anwendungen in einem anderen Unternehmen in einem ähnlichen Anwendungssystem.<br />
• Priorität: hoch<br />
In der vorliegenden Arbeit wird zwar zunächst „nur“ eine Kompetenzontologie für die DMT<br />
entwickelt. Es ist jedoch von Vorteil hinsichtlich Zeit und Aufwand, wenn die resultierende<br />
Ontologie auch für andere Unternehmen im KOWIEN-Projekt oder auch allgemein für Unternehmen<br />
der entsprechenden Domäne anwendbar ist. Wichtiger ist aber zunächst, dass die Ontologie<br />
bei der DMT eingesetzt werden kann und möglicherweise dort auch für ein anderes Anwendungssystem<br />
als das Kompetenzmanagementsystem angewendet werden kann.<br />
• Erfüllung:<br />
Auch für die Wiederverwendbarkeit spielt die modulare Gestaltung einer Ontologie eine große<br />
Rolle, weil einzelne Module (oder „Sub-Ontologien“) leichter modifiziert oder auch allein in<br />
einer anderen Anwendungssituation eingesetzt werden können. 23) Die Verwirklichung anderer<br />
Grundsätze wie Konsistenz und Minimalität trägt zur Wiederverwendbarkeit einer Ontologie<br />
bei.<br />
23) Vgl. BENJAMINS/FENSEL (1998) S. 290 f.
346 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
• Maß:<br />
Aufwand für einen Einsatz der Ontologie in einem anderen Kontext (z.B. Zeit, Anzahl der zu<br />
ändernden Konstrukte) 24) , Popularität und Erlernbarkeit der gewählten Repräsentationssprache<br />
(gemessen durch Befragung der Projektbeteiligten).<br />
• Verbindungen zu anderen Kriterien:<br />
Voraussetzungen für die Wiederverwendbarkeit einer Ontologie sind ihre Erweiterbarkeit, ihre<br />
Minimalität und ihre Konsistenz.<br />
2.1.6.6 Minimalität<br />
Die Minimalität einer Ontologie wird bestimmt durch die Auswahl der relevanten Konstrukte und<br />
den Ausschluss der nicht-relevanten Konstrukte, so dass kein Informationsobjekt 25) mehr aus der<br />
Ontologie entfernt werden kann, ohne dass ein Informationsverlust für den Benutzer eintritt. 26)<br />
Gleichzeitig ist auf die minimale ontologische Verpflichtung zu achten. 27) Danach sollen die Nutzer<br />
der Ontologie so wenige Verpflichtungen, die sich aus der Anwendung mit den festgelegten Konzepten,<br />
Relationen und Regeln ergeben, wie möglich eingehen müssen, um die Ontologie in ihrer<br />
ursprünglich intendierten Anwendung nutzen zu können. Das bedeutet, dass die Ontologie möglichst<br />
wenige Ansprüche an den repräsentierten Realitätsausschnitt stellen sollte, indem nur die<br />
wirklich notwendigen Konzepte für eine Kommunikation von Agenten in die Ontologie aufgenommen<br />
werden.<br />
• Priorität: hoch<br />
Die zu entwickelnde Kompetenzontologie stellt eine Domänen-Ontologie 28) dar und wird am<br />
speziellen Beispiel der DMT erarbeitet. Sie ist daher nicht darauf ausgerichtet, branchenübergreifende<br />
Anwendbarkeit zu besitzen (das Kriterium der Allgemeingültigkeit wird deshalb hier<br />
nicht betrachtet), doch sie sollte auf andere Unternehmen mit ähnlicher Domäne übertragbar<br />
sein. Für dieses Ziel ist es wichtig, dass von (potenziellen) Nutzern der Ontologie so wenige<br />
Verbindlichkeiten hinsichtlich der Festlegungen wie möglich verlangt werden.<br />
• Erfüllung:<br />
Die Minimalität kann realisiert werden, indem die nicht wesentlichen Konstrukte nicht mit in<br />
die Ontologie aufgenommen werden, also für alle Konzepte, Relationen und Regeln der jeweilige<br />
Nutzen für die Anwender überprüft wird. Dazu gehört auch, dass Redundanzen vermieden<br />
werden.<br />
24) Problematisch an diesem Maß ist allerdings, dass eine „exakte“ Bestimmung nicht erfolgen kann, da nicht vorhergesagt werden<br />
kann, in welchem Zusammenhang die Ontologie einer Wiederverwendung zugeführt wird.<br />
25) Informationsobjekte können dabei sowohl Konzepte, Relationen und Regeln als auch deren Kombinationen sein.<br />
26) Vgl. SCHÜTTE (1997) S. 5. GÓMEZ-PÉREZ bezeichnet dieses Kriterium als Prägnanz einer Ontologie; vgl. GÓMEZ-PÉREZ<br />
(2001) S. 394.<br />
27) Vgl. GRUBER (1993) S. 201.<br />
28) Die Ontologie ist insofern domänenspezifisch, als dass sie auf den Bereich der Technologiedienstleistung und gleichzeitig<br />
auch auf den Bereich des Kompetenzmanagements ausgerichtet ist.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 347<br />
• Maß:<br />
Anzahl oder Anteil der Konstrukte, für die bewiesen werden kann, dass in der Ontologie kein<br />
anderes logisch äquivalentes Konstrukt existiert 29) , und Befragung der Anwender, inwieweit die<br />
Vorgaben der Ontologie die Anwender veranlassen, ihre gewohnten Begriffsverwendungen ändern<br />
zu müssen.<br />
• Verbindungen zu anderen Kriterien:<br />
Die Minimalität steht komplementär zur Einfachheit, Erweiterbarkeit und Wiederverwendbarkeit<br />
einer Ontologie, weil sie grundlegende Einflüsse auf die Realisierung dieser Kriterien ausübt.<br />
Nach der hier gewählten Definition der Kriterien Minimalität und funktionale Vollständigkeit<br />
beeinflussen diese sich positiv, weil Erstes den Ausschluss aller nicht relevanten Konstrukte<br />
und Zweites die Aufnahme aller relevanten Konstrukte verlangt.<br />
2.1.6.7 Konsistenz<br />
Konsistenz ist gleichzusetzen mit der Widerspruchsfreiheit einer Ontologie sowohl im logischen/syntaktischen<br />
Sinne als auch im materiellen/semantischen Sinne. Es wird eine Konsistenz aller<br />
Definitionen untereinander und auch in Bezug zur realen Welt gefordert. Durch mögliche<br />
Schlussfolgerungen sollen keine widersprüchlichen Aussagen entstehen können. 30)<br />
• Priorität: hoch<br />
Für den Nutzen und die Akzeptanz der Ontologie unter ihren Anwendern ist es von Bedeutung,<br />
dass keine widersprüchlichen Aussagen aus der Ontologie oder aus dem Kompetenzmanagementsystem<br />
abgeleitet werden können. Darüber hinaus bildet die Konsistenz einer Ontologie<br />
eine Grundvoraussetzung für andere Grundsätze wie Klarheit, Erweiterbarkeit und Wiederverwendbarkeit<br />
einer Ontologie. 31)<br />
• Erfüllung:<br />
Um dieses Kriterium zu erfüllen, werden Integritätsregeln formuliert, die das Ableiten von widersprüchlichen<br />
Fakten aus der Ontologie verhindern.<br />
• Maß:<br />
Anzahl oder Anteil der bei der Evaluation „gefundenen“ (in den Konstrukten vorhandenen oder<br />
durch Anwendung der Regeln aufzeigbaren) Widersprüche.<br />
• Verbindungen zu anderen Kriterien:<br />
Klarheit, Erweiterbarkeit und Wiederverwendbarkeit einer Ontologie setzen die Konsistenz der<br />
Ontologie voraus.<br />
29) Vgl. FOX/GRÜNINGER (1997c) S. 7.<br />
30) Vgl. GÓMEZ-PÉREZ (2001) S. 395.<br />
31) Eine inkonsistente Ontologie wird leichter zu erweitern sein als eine konsistente Ontologie, weil weniger Rücksicht auf bestehende<br />
Definitionen genommen werden muss.
348 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
2.1.6.8 Spracheignung<br />
Das Kriterium der Spracheignung betrachtet die Angemessenheit einer Ontologierepräsentationssprache<br />
im Hinblick auf eine bestimmte Anwendungssituation. Dabei müssen die semantische<br />
Mächtigkeit, also die Ausdrucksfähigkeit, sowie der erforderliche Grad an Formalität der Sprache<br />
berücksichtigt werden. 32) Unter anderem durch die Ausdrucksfähigkeit wird die bei der Formalisierung<br />
entstehende Kodierungsverzerrung bestimmt, die möglichst gering gehalten werden sollte. 33)<br />
Eine hohe Ausdrucksmächtigkeit ermöglicht dem Ontologieentwickler die Modellierung einer Domäne<br />
mit wenigen Kodierungsverzerrungen, die einer Anpassung der Modellierung an die Modellierungsprimitive<br />
entstammen. Gleichzeitig ist eine Sprache für eine bestimmte Ontologiekonstruktion<br />
geeignet, wenn sie für die Entwickler und die späteren Benutzer verständlich ist und eine entsprechende<br />
Werkzeugunterstützung vorhanden ist. 34) Diese beiden letztgenannten Eigenschaften einer<br />
Repräsentationssprache werden entscheidend beeinflusst durch die Kenntnisse der Beteiligten<br />
und die vorhandene informationstechnische Unterstützung.<br />
• Priorität: hoch<br />
Für die Repräsentation der Kompetenzontologie muss eine Sprache ausgewählt werden, die den<br />
kontextspezifischen Anforderungen und Nebenbedingungen gerecht wird. Besonders die Verständlichkeit<br />
der Sprache spielt im Rahmen des KOWIEN-Projekts eine große Rolle, damit<br />
auch „Nicht-Ontologie-Experten“ an der Entwicklung, Evaluation und Nutzung der Ontologie<br />
mitwirken können.<br />
• Erfüllung:<br />
Da Ontologien nach der hier verwendeten Definition formal spezifiziert sein müssen, sind die<br />
Wahlmöglichkeiten bezüglich der Sprache bereits stark eingeschränkt. Auch das bei der Ontologieentwicklung<br />
einzusetzende Werkzeug OntoEdit ist bei der Auswahl der Sprache(n) zu berücksichtigen.<br />
• Maß:<br />
Verständlichkeit der Sprache für die Projektbeteiligten (abhängig von Kenntnissen und Erfahrungen<br />
Befragung), vorhandene Werkzeugunterstützung, Anzahl der erforderlichen „Kompromisse“<br />
für die Darstellung der Ontologiekonstrukte ( Kodierungsverzerrung).<br />
• Verbindungen zu anderen Kriterien:<br />
Die Wahl einer für den Kontext geeigneten Repräsentationssprache kann eine Auswirkung auf<br />
die Klarheit (da die Eignung der Sprache eventuell die Eindeutigkeit und die Verständlichkeit<br />
der Ontologie beeinflusst) und die Wiederverwendbarkeit (da einige Sprachen wie etwa XML<br />
oder XML-basierte Sprachen weiter verbreitet und leichter erlernbar sind als andere) der Ontologie<br />
haben.<br />
32) Vgl. SCHÜTTE (1997) S. 7.<br />
33) Zur minimalen Kodierungsverzerrung siehe GRUBER (1993) S. 201.<br />
34) Vgl. KROGSTIE (1995) S. 114.
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 349<br />
2.1.6.9 Richtigkeit der Sprachanwendung<br />
Bei einer korrekten Anwendung einer Sprache muss die Ontologie den Vorgaben des Metamodells<br />
(der Grammatik der Sprache) gehorchen, also nach Möglichkeit vollständig und konsistent zum<br />
Metamodell sein. 35) Vollständigkeit gegenüber dem Metamodell bedeutet, dass die Ontologie alle<br />
im Metamodell vorgeschriebenen Konstrukte und Informationen umfasst. 36) Eine Ontologie ist konsistent<br />
zum Metamodell der gewählten Sprache, wenn sie nur die im Metamodell spezifizierten<br />
Konstrukte enthält.<br />
• Priorität: mittel<br />
Die korrekte Anwendung der Sprachsyntax ist eine Voraussetzung für die Klarheit der Ontologie,<br />
daher muss sie bei der Evaluation in die Betrachtung mit aufgenommen werden.<br />
• Erfüllung:<br />
Bei der Formalisierung, also der Transformation des konzeptuellen Modells in die formale Darstellung,<br />
muss die Grammatik der jeweiligen Sprache eingehalten werden. Dabei ist darauf zu<br />
achten, dass die Ontologie keine syntaktisch ungültigen Konstrukte enthält und gleichzeitig<br />
keines der durch die Grammatik vorgeschriebenen Konstrukte fehlt.<br />
• Maß:<br />
Anzahl oder Anteil fehlender und falscher Konstrukte im Vergleich zum Metamodell der Sprache.<br />
• Verbindungen zu anderen Kriterien:<br />
Eine Vorraussetzung für die Richtigkeit der Sprachanwendung bei einer Ontologie kann die<br />
Wahl einer geeigneten Sprache sein, denn der Einsatz einer Sprache mit der erforderlichen<br />
Ausdrucksfähigkeit erhöht die Chancen auf eine zum Metamodell vollständige und konsistente<br />
Darstellung. Die Sprachrichtigkeit stellt wiederum eine Voraussetzung für die Klarheit dar, da<br />
Ontologieentwickler und Anwender das Metamodell der Sprache zum Verständnis der Ontologierepräsentation<br />
heranziehen können.<br />
Tabelle 5 auf der folgenden Seite fasst die genannten Gütekriterien synoptisch zusammen.<br />
35) Vgl. SCHÜTTE (1997) S. 7. Das bedeutet im Umkehrschluss, dass, wenn zur „natürlichen“ Repräsentation einer Domäne nur<br />
2-stellige Prädikate benötigt werden, eine Sprache, die lediglich 2-stellige Prädikate im Metamodell umfasst, einer Sprache<br />
vorgezogen wird, die 5-stellige Prädikate ermöglicht. Der Grund hierfür liegt im Kriterium der „Klarheit“, das als aufbauend<br />
auf dem Kriterium „Richtigkeit der Sprachanwendung“ zu sehen ist.<br />
36) Vgl. KROGSTIE (1995) S. 103.
350 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem<br />
Kriteriumsbezeichnung<br />
Klarheit sehr hoch<br />
Einfachheit sehr hoch<br />
Erweiterbarkeit sehr hoch<br />
funktionale<br />
Vollständigkeit<br />
Priorität Maß Erfüllung durch<br />
sehr hoch<br />
Wiederverwendbarkeit hoch<br />
Minimalität hoch<br />
Konsistenz hoch<br />
Spracheignung hoch<br />
Richtigkeit der<br />
Sprachanwendung<br />
mittel<br />
Nachvollziehbarkeit<br />
für verschiedene<br />
Personen<br />
Anzahl der Konstrukte<br />
und Hierarchieebenen<br />
Aufwand für<br />
Erweiterungen<br />
Grad der Abdeckung<br />
der Kompetenzfragen<br />
Aufwand für Einsatz<br />
in anderem Kontext<br />
Anzahl<br />
„nicht notwendiger“<br />
Konstrukte<br />
Anzahl vorhandener<br />
oder ableitbarer<br />
Widersprüche<br />
notwendige<br />
„Kompromisse“,<br />
Verständlichkeit<br />
Anzahl fehlender oder<br />
falscher Konstrukte<br />
Spezifikation, Präzision, Erläuterung<br />
der formalen Konstruktdefinitionen<br />
Begrenzung der Komplexität des Aufbaus,<br />
Relevanz der Konzepte<br />
modularer Aufbau, Kohärenz (nur)<br />
zwischen den Modulen, Granularität<br />
Evaluation der Erfüllung der<br />
Anforderungsspezifikation und<br />
der Kompetenzfragen<br />
modularer Aufbau, Konsistenz<br />
Vermeidung von Redundanz,<br />
Ausschluss nicht-relevanter Konstrukte<br />
Formulierung von Integritätsregeln<br />
Auswahl der Sprache nach Verständlichkeit,<br />
Ausdrucksfähigkeit, Werkzeugunterstützung<br />
Anwendung der Sprache vollständig und<br />
konsistent zum Metamodell der Sprache<br />
Tabelle 5: Gütekriterien für die Kompetenzontologie (Übersicht)
2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 351<br />
2.1.7 Entwicklungsrahmenbedingungen<br />
Die Dauer der gesamten Ontologiekonstruktion wurde auf maximal sechs Monate begrenzt.<br />
Für eine systematische Ontologieentwicklung sollte das KOWIEN-Vorgehensmodell 37) angewendet<br />
werden. Dieses umfasst die Schritte Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung,<br />
Implementierung, Evaluation und Dokumentation/Projektmanagement. Wichtige Entwicklungsergebnisse<br />
bilden dabei die Dokumente Anforderungsspezifikation, Wissensträgerkarte und<br />
Liste der relevanten Dokumente, Konzeptualisierung, Ontologie sowie die Evaluation der verschiedenen<br />
Repräsentationsformate.<br />
Während der gesamten Ontologieentwicklung werden so weit möglich vorhandene Anwendungen<br />
für eine Computerunterstützung genutzt. Im Mittelpunkt steht dabei das Werkzeug OntoEdit, das<br />
den Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH darstellt. Es stellt<br />
Funktionalitäten für die Konstruktion von Ontologien bereit und unterstützt die Ausgabesprachen<br />
XML, F-Logic, RDF(S) und DAML+OIL.<br />
37) Vgl. APKE/DITTMANN (2003a) und Kapitel 2.3.2 (S. 373 ff.)
2.2 Architektur des KOWIEN-Prototyps<br />
DIPL.-KFM. ADEM ALPARSLAN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-PHYS. ROGER HÜBBERS<br />
Comma Soft AG<br />
2.2.1 Einführung<br />
Für die Koordinierung der Erfüllung von komplexen, insbesondere wissensintensiven Engineering-<br />
Aufgaben ist es erforderlich, diejenigen Kompetenzen zusammenzuführen und aufeinander abzustimmen,<br />
die als handlungsbefähigendes Wissen zur Aufgabenerfüllung benötigt werden. Um das<br />
Management von Kompetenzen zu unterstützen, wurde im Projekt ein Software-Prototyp eines ontologiebasierten<br />
Kompetenzmanagementsystems (KOWIEN-Prototyp) entwickelt.<br />
Die (Gesamt-) Aufgabe des KOWIEN-Prototyps erstreckt sich auf drei Teilaufgaben: Erstens soll er<br />
die Identifizierung derjenigen Kompetenzen, die zur Erfüllung von wissensintensiven Engineering-<br />
Aufgaben erforderlich sind, und die Aggregation der zur Aufgabenerfüllung erforderlichen Kompetenzen<br />
in einem aufgabenspezifischen Kompetenzprofil ermöglichen (Aufgabenperspektive). Zweitens<br />
soll der KOWIEN-Prototyp es gestatten, diejenigen Kompetenzen zu identifizieren, über die<br />
zum aktuellen Zeitpunkt einzelne Akteure als Kompetenzträger verfügen, und die Kompetenzen eines<br />
Akteurs in einem akteursspezifischen Kompetenzprofil zur Weiterverarbeitung vorhalten (Akteursperspektive).<br />
Schließlich und drittens soll es mit dem KOWIEN-Prototyp möglich sein, auf<br />
Basis der akteur- und der aufgabenspezifischen Kompetenzprofile Projektteams zur Bearbeitung bestimmter<br />
Engineering-Aufgaben zu bilden. Neben diesen Teilaufgaben des ontologiebasierten<br />
Kompetenzmanagements lässt sich eine Vielzahl von ergänzenden Aufgaben identifizieren, die in<br />
der betrieblichen Praxis durchaus eine bedeutsame Rolle spielen können.<br />
Der erfolgreiche Einsatz eines computerbasierten Kompetenzmanagementsystems wird in der betrieblichen<br />
Praxis durch mehrere Problemkomplexe erschwert, die als Herausforderungen bei der<br />
Entwicklung des KOWIEN-Prototyps betrachtet wurden.<br />
Erstens leidet der Zugriff auf – implizit vorhandenes oder explizit verfügbares – Wissen über Mitarbeiterkompetenzen<br />
in der betrieblichen Praxis oftmals unter der Verwendung heterogener Begrifflichkeiten<br />
zur Beschreibung gleichartiger Kompetenzen. Diese „Barriere“ des Wissensmanagements<br />
ist in der betrieblichen Praxis nicht nur zwischen verschiedenen Unternehmen (z.B. in Virtuellen<br />
Unternehmen und Supply Webs) von Bedeutung, sondern auch innerhalb eines Unternehmens,<br />
das aus verschiedenen Abteilungen besteht oder auf verschiedene Standorte verteilt ist. Zudem wird<br />
ein professionelles Wissensmanagement in der betrieblichen Praxis oftmals durch die unnötige Heterogenität<br />
der jeweils eingesetzten Formen der Wissensrepräsentation erheblich erschwert: Es werden<br />
unterschiedliche Repräsentationssprachen für die Erfassung desselben Gegenstandsbereichs nebeneinander<br />
verwendet. Aufgrund einer Nutzung unterschiedlicher Repräsentationsformen und<br />
-sprachen können nicht nur Ineffizienzen entstehen. Vielmehr drohen infolge der Redundanz bei der<br />
Aktualisierung von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen.<br />
Darüber hinaus liegt zweitens das Wissen über die Mitarbeiterkompetenzen selten in expliziter<br />
Form vor, wie z.B. in Kompetenzdatenbanken und „Gelben Seiten”. Stattdessen ist es zumeist implizit<br />
in Dokumenten über bestimmte betriebliche Sachverhalte, wie z.B. in Projektberichten, abge-
354 2.2 Architektur des KOWIEN-Prototyps<br />
legt. Dieses implizite Wissen ist für das Wissensmanagement nicht unmittelbar zugänglich, insbesondere<br />
kann es nicht durch konventionelle Datenbankmanagementsysteme erschlossen werden.<br />
2.2.2 Komponenten des KOWIEN-Prototyps<br />
2.2.2.1 Allgemeiner Überblick über die Komponenten<br />
Der Software-Prototyp für ein computerbasiertes Kompetenzmanagementsystem wurde so gestaltet,<br />
dass er die o.a. Gesamtaufgabe eines Kompetenzmanagementsystems erfüllen kann. Bei der Entwicklung<br />
des Kompetenzmanagementsystems wurden außerdem die o.a. Problemkomplexe berücksichtigt.<br />
Abbildung 33 visualisiert den Aufbau des ontologiebasierten Kompetenzmanagementsystems, das<br />
im Projekt KOWIEN entwickelt wurde. Das Kompetenzmanagementsystem besteht aus vier zentralen<br />
Komponenten. Es besitzt neben den Ontologien, der Wissensbasis und infonea® als weitere<br />
Komponenten zwei Schnittstellen: die Benutzerschnittstelle und die XML-Schnittstelle. Die einzelnen<br />
Komponenten werden im Folgenden näher dargestellt.<br />
XML- XML<br />
Schnittstelle<br />
Ontologien<br />
Benutzer-<br />
schnittstelle<br />
infonea ®<br />
Konzepte, Relationen,<br />
Integritäts- Integritäts und Inferenzregeln<br />
Abbildung 33: Architektur des KOWIEN-Prototyps<br />
Wissens-<br />
basis
2.2 Architektur des KOWIEN-Prototyps 355<br />
2.2.2.2 Spezifische Darstellung einzelner Komponenten<br />
2.2.2.2.1 Ontologien<br />
Die Ontologien sind ein zentraler Bestandteil des ontologiebasierten Kompetenzmanagementsystems.<br />
Hierbei lassen sich mehrere Ontologien unterscheiden.<br />
Die Top-Level-Ontologie repräsentiert die allgemeinen, allen anderen übergeordneten Sachverhalte<br />
des Realitätsausschnitts. Die Top-Level-Ontologie besteht aus einer Hierarchie mit der obersten<br />
Klasse Entität und weiteren, darunter angeordneten Klassen.<br />
Die Domänenontologien enthalten die Konzepte jeweils eines spezielleren Realitätsausschnitts. In<br />
den Domänenontologien werden die Konzepte der Top-Level-Ontologie verfeinert. Im Rahmen des<br />
ontologiebasierten Kompetenzmanagementsystems kommt zwei Domänenontologien eine herausragende<br />
Rolle zu.<br />
Hierbei handelt es sich zum einen um die Prozessontologie. Zwar konnte im Rahmen des Projekts<br />
KOWIEN kein Referenzmodell als Grundlage für die Konstruktion einer Prozessontologie herangezogen<br />
werden. Jedoch konnten die an der Projektarbeit orientierten Geschäftsprozesse der KO-<br />
WIEN-Praxispartner für die Konstruktion der Prozessontologie verwendet werden. Bei der Konstruktion<br />
der Prozessontologie wurden die gemeinsamen Merkmale der Geschäftsprozessmodelle<br />
der Praxispartner herausgearbeitet. 1)<br />
Neben der Prozessontologie, die die Geschäftsprozessorientierung des Kompetenzmanagementsystems<br />
sicherstellt, kommt der Kompetenzontologie im Rahmen des ontologiebasierten Kompetenzmanagementsystems<br />
eine zentrale Bedeutung zu. In der Kompetenzontologie werden diejenigen Begriffe<br />
(Konzepte) formalsprachlich spezifiziert, die zur Beschreibung sowohl der vorhandenen als<br />
auch der benötigten Kompetenzen eines Unternehmens erforderlich sind. Diese Kompetenzbegriffe<br />
sind durch verschiedene Relationen miteinander verbunden. Hierzu gehört auch die Is-a-Relation,<br />
die zwischen den Begriffen eine hierarchische Beziehung festlegt. Abbildung 34 auf der nächsten<br />
Seite visualisiert einen Ausschnitt aus der Kompetenzontologie, der im KOWIEN-Prototyp implementiert<br />
wurde. 2)<br />
1) Eine ausführliche Darstellung der Vorgehensweise bei der Herausarbeitung der gemeinsamen Merkmale findet sich in Kapitel<br />
3.1.1.1.1 (S. 571 ff.).<br />
2) Vgl. zur generischen Kompetenzontologie, die im Projekt KOWIEN entwickelt wurde, das Kapitel 2.4 (S. 429 ff., insbesondere<br />
S. 483 ff.).
356 2.2 Architektur des KOWIEN-Prototyps<br />
IT-Kompetenz<br />
Branchenkompetenz<br />
Fremdsprachenkompetenz<br />
Präsentationsmethoden<br />
Fachkompetenz<br />
Lernbereitschaft<br />
Methodenkompetenz<br />
Kompetenz<br />
Selbstkompetenz<br />
Analysemethoden<br />
Sozialkompetenz<br />
Kreativität<br />
Abbildung 34: Ausschnitt aus der Kompetenzontologie<br />
Durchsetzungsfähigkeit<br />
Delegationsfähigkeit<br />
Motivationsfähigkeit<br />
Durch die Kompetenzontologie werden die sprachlichen Ausdrucksmittel für den Austausch von<br />
Wissen über die Kompetenzen eines Unternehmens einheitlich vorgegeben. Durch die Vorgabe einer<br />
einheitlichen terminologischen Basis wird dazu beigetragen, das Problem der terminologischen<br />
Diversität in Unternehmen zu beheben. Außerdem trägt die Kompetenzontologie dazu bei, das zunächst<br />
unstrukturierte Wissen über die Kompetenzen der Akteure so aufzubereiten, dass dieses<br />
Wissen nicht nur auf der syntaktischen, sondern vor allem auch auf der semantischen Ebene explizit<br />
und formalsprachlich strukturiert werden kann.<br />
Die Wissensmanagement-Architektur infonea® der Comma Soft AG stellt die technologische Basis<br />
des KOWIEN-Prototyps dar. Da infonea®-Anwendungen über ein so genanntes Objektmodell verfügen<br />
3) , gibt es neben der Prozess- und der Kompetenzontologie noch eine weitere Ontologie, die<br />
für das Kompetenzmanagementsystem von zentraler Bedeutung ist: das KOWIEN-Objektmodell.<br />
Die Begriffe dieser Ontologie sind die Namen der Objektklassen, die der zugehörigen Attribute und<br />
die der Assoziationen zwischen den Objektklassen. 4) Beispiele für Objektklassen sind die Klassen<br />
„Begriffe“ und „Prozesse“ mit den zugehörigen Attributen „Bezeichnung“, „Domäne“, „Prozessnummer“<br />
und „Kurzname“ sowie den Assoziationen „Begriffshierarchie“, „Kompetenzbezug“,<br />
„Abstraktionsbeziehung“ und „Prozesshierarchie“. Da das KOWIEN-Objektmodell die Basis für<br />
die Definition und die Speicherung der Domänenontologien legt, könnte man es auch als Meta-<br />
Ontologie bezeichnen. Das Objektmodell bestimmt, welche Art von Informationsobjekten das<br />
Kompetenzmanagementsystem kennt und über welche Attribute und Assoziationen sie beschrieben<br />
und recherchiert werden können. Da das Objektmodell die Grundlage für die Erfüllung der Anforderungen<br />
an den KOWIEN-Prototyp darstellt, ist die Erstellung dieser Meta-Ontologie ein wichti-<br />
3) Vgl. Kapitel 3.1.1.1.1 auf S. 572 f.<br />
4) Die Bezeichnungen „Objektklassen“, „Attribute“ und „Assoziationen“ gehören zum infone®-spezifischen Sprachgebrauch.<br />
Sie stellen Synonyme zu den Bezeichnern „Begriffe“ („Konzepte“), „Merkmale“ bzw. „Relationen“ dar, die in früheren Kapiteln<br />
im Kontext von Ontologien eingeführt wurden.
2.2 Architektur des KOWIEN-Prototyps 357<br />
ger Schritt bei der Implementierung des Kompetenzmanagementsystems. In Kapitel 3.1.1.1.1 werden<br />
einige wichtige Zusammenhänge des KOWIEN-Objektmodells beschrieben und graphisch veranschaulicht<br />
(S. 572 f.).<br />
Passend zum KOWIEN-Objektmodell werden neben den Objektklassen, den Attributen und den<br />
Assoziationen auch Integritäts- und Inferenzregeln spezifiziert. 5)<br />
Die Integritätsregeln sorgen dafür, dass keine inkonsistenten Fakten in das Kompetenzmanagementsystem<br />
eingegeben werden können. Bei der Eingabe einer Kompetenzaussage wird beispielsweise<br />
durch eine Integritätsregel sichergestellt, dass solche Aussagen nur zu Begriffen gemacht<br />
werden können, bei denen es sich um Kompetenzbegriffe handelt. Weitere Beispiele für Integritätsregeln<br />
werden im Kapitel 3.1.1.3.1.3 (S. 586 f.) genannt.<br />
Mit Hilfe der Inferenzregeln wird festgelegt, wie aus explizitem Wissen das darin enthaltene implizite<br />
Wissen erschlossen werden kann. Abbildung 35 visualisiert eine Inferenzregel zur Explizierung<br />
impliziten Wissens über Mitarbeiterkompetenzen.<br />
Schulung<br />
Legende:<br />
hat<br />
Schulung<br />
besucht<br />
vermittelt<br />
Kompetenz<br />
Mitarbeiter<br />
explizite Relationen<br />
Inferenz zur Erschließung impliziten Wissens<br />
Kompetenz<br />
Abbildung 35: Inferenzregel zur Explizierung impliziten Wissens<br />
Die Inferenzregel besagt, dass ein Mitarbeiter über eine bestimmte Kompetenz verfügt, wenn er eine<br />
Schulung besucht hat, deren Ziel die Vermittlung dieser Kompetenz war. Das ursprünglich nicht<br />
explizite Wissen über die Kompetenzen eines Mitarbeiters kann durch die Anwendung dieser Inferenzregel<br />
erschlossen werden. Auf diese Weise leisten Inferenzregeln einen wesentlichen Beitrag<br />
zur Schließung der oben erwähnten Explizierungslücke.<br />
5) Vgl. zu Inferenz- und Integritätsregeln das Kapitel 2.4.2.2.1 (S. 434 ff.) bzw. das Kapitel 2.4.2.2.2 (S. 443 ff.). Vgl. darüber<br />
hinaus zur Gegenüberstellung von Inferenz- und Integritätsregeln das Kapitel 2.4.2.2.3 (S. 448 ff.).
358 2.2 Architektur des KOWIEN-Prototyps<br />
Im KOWIEN-Prototyp wird bei der Suche nach Kompetenzträgern kenntlich gemacht, welche Personen<br />
aufgrund von expliziten Kompetenzaussagen gefunden wurden und bei welchen Personen das<br />
System mittels einer Inferenzregel gefolgert hat, es sei plausibel anzunehmen, dass sie über die gesuchten<br />
Kompetenzen verfügen. Eine Möglichkeit der Berücksichtigung von Inferenzregeln besteht<br />
darin, eine externe Inferenzmaschine in das System zu integrieren und die Benutzeranfragen beispielsweise<br />
in Form von F-Logic-Anfragen an diese Inferenzmaschine weiterzuleiten. Im Verlaufe<br />
des Projekts KOWIEN wurde seitens des Software-Partners jedoch entschieden, keine externe Inferenzmaschine<br />
einzubinden und stattdessen die von infonea®-verarbeitbaren Inferenzmechanismen<br />
zu verwenden. Diese infonea® Inferenzmechanismen werden ebenso wie das damit zusammenhängende<br />
Konzept der virtuellen Assoziationen in Kapitel 3.1.1.2.3 beschrieben (S. 582 f.).<br />
2.2.2.2.2 Wissensbasis<br />
Eine weitere Komponente des KOWIEN-Prototyps ist die Wissensbasis, deren Struktur durch das<br />
KOWIEN-Objektmodell bestimmt wird. In ihr werden die Kompetenzprofile der Mitarbeiter auf<br />
Basis der Kompetenzontologie abgelegt. Die Kompetenzprofile eines Mitarbeiters enthalten zwei<br />
verschiedene Arten von Wissen über Kompetenzen.<br />
Zum einen werden im Kompetenzprofil Kompetenzaussagen 6) spezifiziert. Die Kompetenzaussagen<br />
drücken das explizite Wissen über die Kompetenzen eines Mitarbeiters aus. Eine Kompetenzaussage<br />
steht mit der Person und der Kompetenz in Beziehung, auf die sie sich bezieht. Zusätzlich kann<br />
sie in Beziehung zu einem Begriff gesetzt werden, der eine Kompetenzausprägung bezeichnet. Die<br />
entsprechenden Assoziationen tragen folgende Namen:<br />
• Kompetenzbezug („beinhaltet_Kompetenz“),<br />
• Kompetenzangabe („betrifft_Akteur“) und<br />
• Kompetenzausprägung („beinhaltet_Kompetenzauspraegung“).<br />
Zum anderen enthält das Kompetenzprofil auch Aussagen über die Erfahrungen der Mitarbeiter. Bei<br />
den Erfahrungen eines Mitarbeiters kann es sich beispielsweise um Projekt-, Ausbildungs- und Berufserfahrungen<br />
handeln. Die erfassten Erfahrungen besitzen für ein ontologiebasiertes Kompetenzmanagementsystem<br />
eine herausragende Bedeutung, denn durch sie wird implizites Wissen über<br />
Mitarbeiterkompetenzen ausgedrückt. Durch den Einsatz von Inferenzmechanismen kann das in den<br />
Erfahrungsbeschreibungen implizit enthaltene Wissen über Kompetenzen expliziert werden. Bei der<br />
Eingabe der Kompetenzaussagen und der Zuordnung von Kompetenzen zu Erfahrungen kann ausschließlich<br />
der terminologische Apparat, der in der Kompetenzontologie spezifiziert ist, herangezogen<br />
werden.<br />
6) Vgl. zur Konzeptualisierung einer Kompetenzaussage Kapitel 2.4.3.1.2.1 auf S. 496 ff.
2.2 Architektur des KOWIEN-Prototyps 359<br />
2.2.2.2.3 infonea®<br />
Neben der Kompetenzontologie ist infonea®, die Wissensmanagement-Architektur der Comma<br />
Soft AG, die zentrale Komponente des KOWIEN-Prototyps. Die gesamte Funktionalität des KO-<br />
WIEN-Prototyps wurde auf Basis von infonea® umgesetzt. Da die infonea®-Architektur, die infonea®-Modelle<br />
und die infonea®-Inferenzmechanismen ebenso wie die besonderen Merkmale und<br />
Stärken von infonea® ausführlich in Kapitel 3.1.1.2 (S. 579 ff.) beschrieben werden, wird an dieser<br />
Stelle nur kurz auf infonea® eingegangen.<br />
Im Rahmen des KOWIEN-Prototyps übernimmt infonea® u.a. folgende Aufgaben:<br />
• Eingabe, Pflege und Verwendung der Kompetenzontologie,<br />
• Auswertung der Anfragen seitens der Anwender (z.B. Kompetenzträgersuche),<br />
• Integration externer Daten (siehe unten) sowie<br />
• Eingabe und Pflege von Kompetenzprofilen.<br />
Bei einer Anfrage verarbeitet infonea® das Wissen über die Mitarbeiterkompetenzen in der Wissensbasis.<br />
Dabei werden auch die infonea®-Inferenzmechanismen eingesetzt, um aus dem explizit<br />
gespeicherten Wissen neues Wissen über die Mitarbeiterkompetenzen abzuleiten.<br />
2.2.2.2.4 Schnittstellen des KOWIEN-Prototyps<br />
Auf die Wissensbasis, in der u.a. die Kompetenzprofile gespeichert sind, kann über zwei verschiedene<br />
Schnittstellen zugegriffen werden. Über die XML-Schnittstelle können Informationen über<br />
Kompetenzen aus anderen Systemen übernommen werden, indem sie in das XML-basierte infonea®-Content-Exchange-Format<br />
(iCE) 7) transformiert werden. Darüber hinaus ist auch der Import<br />
einer mit einem beliebigen Ontologie-Editor erstellten Kompetenzontologie möglich. Die Pflege der<br />
Kompetenzontologie und der Kompetenzprofile erfolgt über die Benutzerschnittstelle. Als Client<br />
für den Zugriff auf die Benutzerschnittstelle kann jeder aktuelle Internet-Browser verwendet werden,<br />
da die für den Benutzer bestimmten Informationen vom infonea® Knowledge Server in einem<br />
XML-Format an den Web Application Server geschickt werden, der diese auf Basis eines GUI-<br />
Modells 8) in reine HTML-Seiten übersetzt und an die Clients weiterleitet. Details zur infonea® Architektur<br />
werden in Kapitel 3.1.1.2 (S. 579 ff.) beschrieben.<br />
7) Vgl. zum infonea®-Content-Exchange-Format (iCE) die Ausführungen im Kapitel 3.1.1.2.1 auf S. 580.<br />
8) Vgl. dazu Kapitel 3.1.1.2.2 (S. 581).
360 2.2 Architektur des KOWIEN-Prototyps<br />
2.2.3 Wissensquellen des KOWIEN-Prototyps<br />
Das Wissen über die Kompetenzen der Mitarbeiter kann auf zwei verschiedene Weisen ins System<br />
gelangen.<br />
Erstens kann der Mitarbeiter selbst sein Kompetenzprofil bearbeiten und an der Benutzerschnittstelle<br />
via Browser sein Kompetenzprofil mit Fakten füllen. Dabei wird er durch die strukturierte Darstellung<br />
der Kompetenzontologie unterstützt. Diese Aufbereitung der Kompetenzontologie ist insbesondere<br />
für diejenigen Anwender hilfreich, die sich in der jeweiligen Kompetenzdomäne nicht<br />
auskennen. Mit der Unterstützung der Kompetenzontologie kann der Anwender:<br />
• Kompetenzaussagen (z.B. Kenntnisse und Fertigkeiten hinsichtlich einer bestimmten Kompetenz)<br />
oder<br />
• Erfahrungsaussagen (z.B. mehrjährige Tätigkeit bei einem Unternehmen aus dem Anlagenbau<br />
oder Teilnahme an einer Schulung)<br />
eingeben oder modifizieren. Um die Aktualität der Kompetenzprofile sicherzustellen, wird der Mitarbeiter<br />
auf seinem Intranetportal dazu aufgefordert, sein Kompetenzprofil zu aktualisieren, sobald<br />
es Anhaltspunkte dafür gibt, dass sich an seinen Kompetenzen etwas geändert hat (z.B. nach dem<br />
Besuch einer Schulung oder der Teilnahme an einem Projekt).<br />
Zweitens gestattet es das ontologiebasierte Kompetenzmanagementsystem, die vielfältigen Wissensquellen<br />
in Unternehmen für das betriebliche Wissensmanagement nutzbar zu machen. Denn<br />
neben den Mitarbeitern selbst gibt es zahlreiche andere Wissensquellen in Unternehmen, die Wissen<br />
über Mitarbeiterkompetenzen enthalten. Dieses Wissen über Mitarbeiterkompetenzen wird häufig<br />
in unterschiedlichen Informationssystemen oder Dokumenten vorgehalten. Es finden sich zahlreiche<br />
Beispiele für solche Wissensquellen:<br />
• Projektmanagementsysteme,<br />
• Personalinformationssysteme,<br />
• Projektdokumente und<br />
• Mitarbeiter-Homepages.<br />
Diejenigen Wissensquellen, die bereits in strukturierter Form vorliegen, können über einen anwendungsspezifischen<br />
Konnektor in das ontologiebasierte Kompetenzmanagementsystem integriert<br />
werden. Für den Import dieser Fakten über die Mitarbeiterkompetenzen werden die ursprünglichen<br />
Datenformate zuerst in das oben erwähnte iCE-Format transformiert und dann in die Wissensbasis<br />
importiert. Allerdings kann es durchaus vorkommen, dass das importierte Wissen nicht mit den<br />
Begriffen formuliert ist, die in der Kompetenzontologie spezifiziert sind. Daher werden diese neuen<br />
Begriffe beim Import durch infonea® besonders gekennzeichnet. Der Person, die die Aufgabe des<br />
„Ontologie-Administrators“ übernommen hat, kommt dann die Aufgabe zu, diese neuen Begriffe in<br />
die Kompetenzontologie einzuordnen. Entsprechende Inferenzmechanismen sorgen dafür, dass alle<br />
mit diesem neuen Begriff verbundenen Informationen nun auch mit der einheitlichen Kompetenzontologie<br />
verbunden sind. So können durch die manuelle Zuordnung einiger weniger Begriffe umfangreiche<br />
Informationsbestände mit der einheitlichen Kompetenzontologie vernetzt werden.
2.3 Systematisches Vorgehen zur Konstruktion und Nutzung<br />
ontologiebasierter <strong>Kompetenzmanagementsysteme</strong><br />
2.3.1 Vorgehensweisen zur Einführung eines Kompetenzmanagementsystems<br />
in kleinen und mittelgroßen Unternehmen<br />
DR.-ING. HANS MEIER<br />
TEMA GmbH<br />
2.3.1.1 Kompetenzmanagement in kleinen und mittelgroßen Unternehmen<br />
Die TEMA GmbH erstellt mit ca. 25 Mitarbeitern bildverarbeitende Inspektionssysteme für den industriellen<br />
Einsatz. Mit solchen Systemen können z.B. Schraubverschlüsse für Konservengläser<br />
oder Kreditkarten in hohen Stückzahlen optisch auf Oberflächenschäden, Kratzer und andere Qualitätsmängel<br />
inspiziert werden. Die Entwicklung solcher Systeme ist stark vom Markt getrieben, der<br />
für eine Vielzahl von Anwendungsfällen jeweils kundenorientierte Lösungen verlangt. Bei der<br />
TEMA GmbH werden solche Lösungen, wie auch in anderen Betrieben der Softwareentwicklung<br />
oder auch beispielsweise des Maschinen- und Anlagenbaus, überwiegend in Kundenprojekten innerhalb<br />
einer projektorientierten Organisation entwickelt.<br />
Aufgrund der enormen Vielfalt der Anwendungsfälle für derartige Inspektionssysteme und der geringeren<br />
Wiederholhäufigkeit gleicher oder auch nur ähnlicher Anforderungen bei unterschiedlichen<br />
Projekten wird bei den involvierten Mitarbeitern im Laufe der Zeit ein sehr breit gefächertes<br />
Erfahrungswissen gesammelt. Damit gilt für die TEMA GmbH wie auch für andere kleine und mittelgroße<br />
Unternehmen mit hohem Engineeringanteil an der Gesamtwertschöpfung, dass ihre Wettbewerbsfähigkeit<br />
in hohem Maße von den Kompetenzen ihrer Mitarbeiter, speziell der hochqualifizierten<br />
und der erfahrenen Wissensträger, abhängt. Das in solchen Projekten akquirierte Wissen<br />
kann dabei nur unter hohem Aufwand dokumentiert und somit verfügbar gemacht werden, so dass<br />
es letztlich überwiegend „in den Köpfen der Mitarbeiter“ vorliegt. Gerade deshalb ist es von erheblicher<br />
Bedeutung, dass zumindest das Wissen über das Wissen der Mitarbeiter zur Verfügung steht,<br />
um sicherzustellen, dass für wichtige Aufgaben die Mitarbeiter mit den am besten geeigneten Kompetenzen<br />
herangezogen werden.<br />
Eine zentrale und immer wiederkehrende Aufgabe ist es in diesem Umfeld, Projektteams zusammenzustellen,<br />
die durch sich ergänzende Kompetenzen der Teammitglieder in der Lage sind, komplexe<br />
Aufgaben innerhalb des Projektzeit- und -kostenrahmens erfolgreich zu bewältigen. Erschwerend<br />
kommt hinzu, dass die Wissensträger in solchen Unternehmen oftmals in mehrere Projekte<br />
gleichzeitig eingebunden sind und zusätzlich unterstützende Arbeiten für andere Projekte oder Serviceunterstützung<br />
infolge früherer Projekte leisten müssen. Damit genügt es also nicht, bei der<br />
Teambildung nur die Kompetenzen an sich zu berücksichtigen, vielmehr müssen auch die durch das<br />
Multiprojekt-Umfeld bedingten Restriktionen einfließen. Des Weiteren ist es in einer längerfristigen<br />
Betrachtung sehr wichtig, gezielt z.B. durch eine an längerfristigen Kompetenzbedarfen orientierte<br />
Personalakquise oder eine entsprechende Mitarbeiterschulung Kompetenzen aufzubauen und Wissen,<br />
das in Projekten durch den einzelnen Mitarbeiter erarbeitet worden ist, innerhalb des Unternehmens<br />
verfügbar zu machen und zu halten.<br />
Die damit schon skizzierte Komplexität des Umgangs mit den Kompetenzen von Mitarbeitern legt<br />
eigentlich nahe, dass hierzu ein systematischer Umgang mit dem Wissen über das Wissen praktiziert<br />
werden sollte. Ein solches systematisches Kompetenzmanagement stellt sich allerdings als eine
362 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems<br />
komplexe Problematik dar, da in der vom Tagesgeschäft geprägten Praxis kaum auf in irgendeiner<br />
Form erprobte Formalismen zurückgegriffen wird und eine praxistaugliche Softwareunterstützung<br />
hierfür gänzlich fehlt.<br />
In kleinen und mittelgroßen Unternehmen, wie auch bei der TEMA GmbH, wird diese Problematik<br />
meist durch intuitiv erfahrungsgeleitetes Handeln von Entscheidern kompensiert, die häufig selbst<br />
das Wissen über das Wissen „in den Köpfen“ haben. Allerdings stößt dieses intuitive Kompetenzmanagement<br />
an Grenzen, sobald beispielsweise das im Betrieb vorhandene Wissen einen überschaubaren<br />
Umfang übersteigt oder sich auf für den jeweiligen Entscheider fremde Wissensdomänen<br />
bezieht. Ebenso stellt es ein erhebliches Problem dar, bei der allgemein hohen Mitarbeiterfluktuation<br />
speziell die durch neue Mitarbeiter andernorts bereits erworbenen Kompetenzen zu erkennen,<br />
zu erfassen und richtig in den Kategorien des eigenen Unternehmens einzuordnen.<br />
Zudem kann bei der unvermeidlichen Fluktuation auch von Entscheidern deren Kompetenzwissen<br />
kaum weitergegeben werden, sondern geht meist vollständig verloren. Der jeweilige Nachfolger<br />
muss sich dann dieses Wissen über die Kompetenzen entweder mühsam erarbeiten oder begleitend<br />
zu den Projekten gewissermaßen „nebenbei“ aufbauen. Kompetenzen, die in früheren Projekten<br />
zum Tragen kamen, werden hierbei sicherlich selten berücksichtigt. Diese Defizite werden allerdings<br />
oftmals von Entscheidern nicht gesehen oder es wird sogar das exklusive Wissen über Kompetenzen<br />
als persönliches Kapital angesehen, was die Situation tendenziell noch verschärft.<br />
2.3.1.2 Grundsatzentscheidung zur Systematisierung<br />
des Kompetenzmanagements<br />
Aus den Ausführungen des vorherigen Kapitels lässt sich ableiten, dass der erfolgreiche Aufbau und<br />
Einsatz eines systematischen Kompetenzmanagements für kleine und mittelgroße Unternehmen<br />
wirtschaftliche Vorteile bringen und sogar existenzielle Bedeutung haben kann. Deshalb ist es in jedem<br />
Falle sinnvoll zu analysieren, welche Defizite hinsichtlich des Kompetenzmanagements im eigenen<br />
Unternehmen tatsächlich bestehen und inwieweit ein entsprechendes Kompetenzmanagementsystem<br />
hier helfen könnte, verborgene Potenziale nutzbar zu machen.<br />
Zunächst ist dabei zu betrachten, welche Geschäftsprozesse durch ein systematisches Kompetenzmanagement<br />
tangiert werden. Für diese Geschäftsprozesse ist dann jeweils zu untersuchen, ob in<br />
der aktuellen Praxis Probleme bestehen, die durch ein entsprechendes Kompetenzmanagement vermieden<br />
oder abgemildert werden können. Dabei ist auch zu berücksichtigen, ob die aktuelle Praxis<br />
das Risiko birgt, bei ungünstigen Umständen erhebliche Fehlentwicklungen zu generieren. Solche<br />
Risiken wären dann entsprechend gewichtet in die Betrachtung aufzunehmen. Als Beispiel kann<br />
hier wieder die bereits erwähnte Zusammenstellung von Projektteams genannt werden. Hierbei ist<br />
einerseits zu betrachten, dass bei ungünstigen Zusammenstellungen erheblicher Personalmehraufwand<br />
und somit massive Zeit- und Kostenüberschreitungen entstehen können. Andererseits besteht<br />
durchaus auch das Risiko des vollständigen Scheiterns des Projekts, was in Extremfällen und speziell<br />
bei kleineren Unternehmen und bei größeren Projekten sogar ein existenzielles Risiko für das<br />
Unternehmen darstellen kann.<br />
Den Fokus ausschließlich auf die Behebung aktueller, konkreter Defizite zu legen, ist allerdings für<br />
eine vollständige Betrachtung nicht ausreichend. Von der Anwendung eines systematischen Kompetenzmanagements<br />
ist darüber hinaus auch zu erwarten, dass gewissermaßen durch Nebeneffekte<br />
weitere wirtschaftliche Vorteile für das Unternehmen erwachsen können, die nicht unmittelbar an<br />
der Beseitigung bestehender Defizite festgemacht werden können. Als ein Beispiel eines solchen
2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 363<br />
Potenzials wäre z.B. eine mögliche allgemeine Verbesserung der Qualität der unternehmensinternen<br />
Dokumentation bis hin zur Vereinheitlichung und Präzisierung der relevanten, technischen Begrifflichkeiten<br />
zu nennen.<br />
Nun ist durch die relevanten Entscheidungsträger zu entscheiden, ob aufgrund dieser Defizite und<br />
Potenziale unter Berücksichtigung der möglichen wirtschaftlichen Vorteile sowie der vermiedenen<br />
Risiken die Einführung eines Kompetenzmanagementsystems grundsätzlich angegangen werden<br />
soll. Dabei geht es zunächst noch nicht um ein konkretes System, sondern vielmehr um die Frage,<br />
ob zum aktuellen Zeitpunkt weiterer Aufwand in die Anforderungsanalyse und die Spezifikation eines<br />
Kompetenzmanagementsystems investiert werden soll. Vor einer tatsächlichen Einführung<br />
müssen also in jedem Fall noch einige Bewertungsschritte stattfinden, die jeweils auch einen Aufschub<br />
oder sogar einen Abbruch dieses Vorhabens zur Folge haben können.<br />
Bei der Entscheidung, die Einführung eines Kompetenzmanagementsystems anzugehen, ist allerdings<br />
unbedingt darauf zu achten, dass diese Entscheidung von allen Beteiligten auch tatsächlich<br />
getragen wird. Bestehen dagegen grundsätzliche Zweifel an der Sinnhaftigkeit einer solchen Einführung,<br />
besteht ein erhebliches Risiko, dass diese später fortbestehen bleiben. Aufgrund der in jedem<br />
Falle nur schwer zu quantifizierenden oder gar monetär zu bewertenden Vorteile bleibt immer<br />
genug Interpretationsspielraum, um den Nutzen eines solchen Systems auch später weiter anzuzweifeln<br />
und bei dessen Anwendung zurückhaltend zu bleiben. Somit wäre der Erfolg einer Einführung<br />
möglicherweise trotz geeigneter technischer Lösungen gefährdet.<br />
Grundsätzlich kann mittels eines Pilotprojekts versucht werden, die Grundsatzentscheidung zur Einführung<br />
eines Kompetenzmanagementsystems zu unterstützen, indem dessen Vorteile anhand eines<br />
für das Unternehmen relevanten Geschäftsprozesses greifbar gemacht werden. Allerdings ist auch<br />
hierbei zu beachten, dass die Beteiligten dem Pilotprojekt aufgeschlossen gegenüber stehen und Bereitschaft<br />
zu einer fairen Extrapolation der Ergebnisse eines Pilotprojekts auf einen umfassenden<br />
Einsatz zeigen müssen. Andernfalls besteht auch hier das Risiko, dass Skeptiker nicht überzeugt<br />
werden können und somit trotz an sich guter Ergebnisse eines Pilotprojekts die Chancen auf eine erfolgreiche<br />
Einführung eines Kompetenzmanagementsystems gering bleiben.<br />
2.3.1.3 Skizzierung des angestrebten Kompetenzmanagementsystems<br />
Ist die Grundsatzentscheidung zur Weiterverfolgung der Einführung eines Kompetenzmanagementsystems<br />
gefallen, so gilt es nun, detaillierter die Einführung und die Nutzung eines solchen Systems<br />
zu skizzieren und die Herkunft der Daten, mit denen dieses System operieren soll, zu analysieren.<br />
Grundsätzlich ist davon auszugehen, dass es sich bei der heutigen Durchdringung der Arbeitswelt<br />
durch computerbasierte Methoden nur um ein Computerwerkzeug handeln kann.<br />
Bei der hier vorzunehmenden Skizzierung ist es zwar prinzipiell möglich, sich an Anforderungskatalogen<br />
für bestimmte Anwendungsszenarien, wie sie z.B. innerhalb des Projekts KOWIEN entstanden<br />
sind, zu orientieren. In jedem Fall sind diese Anforderungen unternehmensspezifisch und<br />
müssen daher entsprechend auf das eigene Umfeld abgebildet und gegebenenfalls ergänzt werden.<br />
Entscheidend ist dabei insbesondere die Gewichtung der relevanten, zu unterstützenden Geschäftsprozesse.<br />
So sind sicherlich einerseits einige der bereits in KOWIEN selektierten Geschäftsprozesse<br />
in den meisten Unternehmen gleichermaßen von hoher Bedeutung. Dazu gehört z.B. die kompetenzorientierte<br />
Zusammenstellung von Projektteams, die unter der Berücksichtigung der Ressourcenplanung<br />
in einem Multiprojektumfeld erfolgt.
364 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems<br />
Andererseits hängt die Bedeutung anderer Geschäftsprozesse sicher deutlich von den Spezifika des<br />
Unternehmens ab. So ist für die TEMA GmbH beispielsweise auch der Prozess der Angebotserstellung<br />
sehr hoch einzustufen, da hier die Einschätzung der Machbarkeit auf Basis bestehender Lösungen<br />
oder der Aufwand zur Entwicklung neuer Lösungen häufig nur durch Wissensträger mit einer<br />
ganz konkreten und oftmals nicht explizierten Projekterfahrung auf Detailebene korrekt eingeschätzt<br />
werden kann. Dabei kann sich durchaus sogar die Situation einstellen, dass sich für den Bearbeiter<br />
eines Angebots trotz eines umfassenden Überblicks über bereits abgeschlossene Projekte<br />
kaum plausibel erschließen lässt, ob eine bestimmte, für ein Angebot entscheidende Fragestellung<br />
aus dem Erfahrungsschatz eines Mitarbeiters tatsächlich zu beantworten sein könnte. Es erscheint<br />
allerdings gut vorstellbar, dass die hier dargestellte, große Bedeutung des Prozesses der Angebotserstellung<br />
für andere Unternehmen eine weit geringere Priorität hat.<br />
Sind nun die für das Kompetenzmanagementsystem relevanten Geschäftsprozesse ermittelt, sind im<br />
nächsten Schritt die Anwender des Kompetenzmanagementsystems zu identifizieren und es ist festzustellen,<br />
inwieweit bei diesen Anwendern Akzeptanz für ein Kompetenzmanagementsystem bereits<br />
vorhanden ist beziehungsweise ob und wie diese Akzeptanz aufzubauen ist. Dabei spielt nicht<br />
nur die Fragestellung eine Rolle, ob die Anwender für ihre eigenen Aktivitäten das Kompetenzmanagementsystem<br />
nutzen können. Vielmehr ist es hierbei entscheidend, ob von den Anwendern<br />
selbst genügend Informationen in die Datenbasis des Kompetenzmanagementsystems eingebracht<br />
werden, auf deren Basis dann die Arbeit anderer Anwender unterstützt werden kann.<br />
Es stellt sich also konkret die Frage, ob für den einzelnen Anwender erkennbar wird, dass sein Beitrag<br />
zur Pflege des Datenbestands des Kompetenzmanagementsystems ihm tatsächlich einen persönlichen<br />
Vorteil bringt. Am Beispiel der Zusammenstellung von Projektteams lässt sich dies plastisch<br />
erläutern: Es bietet sich an, dass Projektmitarbeiter zumindest teilweise selbst ihre Projekterfahrungen<br />
in das Kompetenzmanagementsystem einpflegen. Da der einzelne Projektmitarbeiter aber<br />
üblicherweise nur selten für eigene Zwecke das Kompetenzmanagementsystem nutzen wird, wird er<br />
zunächst für diese Arbeit nur wenig eigene Motivation aufbringen. Kann er aber erkennen, dass ihm<br />
eine korrekte Darstellung seiner eigenen Projekterfahrungen Vorteile bei seiner Einteilung in künftige<br />
Projekte oder sogar für die eigenen Chancen innerhalb des Unternehmens bringt, wird er hierauf<br />
wesentlich mehr Augenmerk legen. Umgekehrt ist zu beachten, dass die mögliche Vermutung,<br />
es bestünde ein zwangsläufiger Mechanismus zwischen dem Vorhandensein einer Kompetenz und<br />
der Einteilung zu einer damit in Verbindung stehenden Tätigkeit, zum gezielten Verschweigen von<br />
Kompetenzen auf ungeliebten Arbeitsgebieten führen kann. Zudem ist in der Anwendung des<br />
Kompetenzmanagementsystems Rücksicht darauf zu nehmen, dass Mitarbeiter sich auch persönlich<br />
weiterentwickeln wollen und es daher nicht sinnvoll ist, den jeweiligen Wissensträger ausschließlich<br />
für Aufgaben einzusetzen, bei denen sie bereits nachgewiesene Kompetenzen haben. Es ist also<br />
darauf zu achten, dass derartige Vorbehalte frühzeitig und glaubhaft ausgeräumt werden.<br />
Neben der aktiven Pflege des Datenbestands des Kompetenzmanagementsystems ist auch zu ermitteln,<br />
inwieweit der Datenbestand automatisiert aus den bestehenden und den in der täglichen Praxis<br />
laufend entstehenden Dokumenten gespeist werden kann. Insbesondere was die „Rückwärtsakquise“,<br />
also die für ein tatsächliches Funktionieren eines Kompetenzmanagementsystems unabdingbare<br />
initiale Erfassung von Kompetenzdaten aus der Vergangenheit angeht, ist die kompetenzorientierte<br />
Analyse bestehender Daten oftmals die einzige praktikable Lösung, da eine Handeingabe teilweise<br />
längst in Vergessenheit geratenen Kompetenzwissens schlicht nicht praktikabel ist. Als Datenquellen<br />
kommen hierzu im Allgemeinen beispielsweise Projektplanungs- und -controllingdateien, Stellenausschreibungen<br />
und Lebensläufe oder spezifisch für den Bereich der Softwareentwicklung zum<br />
Beispiel Versionshierarchien aus Sourcecode-Versionsverwaltungssystemen in Frage.
2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 365<br />
Abschließend kann in dieser Phase auf Basis der nun detaillierteren Vorstellungen des avisierten<br />
Leistungsumfangs eines Kompetenzmanagementsystems spezifisch für die einzelnen Geschäftsprozesse<br />
versucht werden, die wirtschaftlichen Potenziale des Einsatzes eines solchen Systems grob zu<br />
quantifizieren. Damit kann für die nächsten Schritte abgeschätzt werden, welcher personelle und finanzielle<br />
Aufwand für die Einführung und den Betrieb eines solchen Kompetenzmanagementsystems<br />
in etwa gerechtfertigt wäre. Gemessen an diesem Aufwand sollte dann jeweils entschieden<br />
werden, ob für einzelne zu unterstützende Geschäftsprozesse oder auch für das gesamte System die<br />
Einführung fortgesetzt, aufgeschoben oder auch abgebrochen werden soll.<br />
2.3.1.4 Vergleichende Bewertung verfügbarer<br />
<strong>Kompetenzmanagementsysteme</strong><br />
Nachdem eine konkrete Vorstellung darüber entwickelt wurde, wie ein Kompetenzmanagementsystem<br />
für das eigene Unternehmen aussehen soll und aus welchen Quellen sein Datenbestand gespeist<br />
werden kann, stellt sich nun die Frage, wie ein solches System zu realisieren ist. Wie bereits<br />
festgehalten wurde, kommen dabei nur computerbasierte Systeme in Frage. Dabei ist es offensichtlich,<br />
dass gerade kleine und mittelgroße Unternehmen, wie beispielsweise die TEMA GmbH, keinesfalls<br />
ein solches System selbst entwickeln können.<br />
Es bedarf also einer Lösung, die zwar mit Sicherheit an die bereits skizzierten Vorstellungen für den<br />
Einsatz im eigenen Unternehmen anzupassen sein wird, im Übrigen aber ein kommerzielles Softwareprodukt<br />
sein muss, für das ein professioneller Support existiert und bei dessen Einführung beispielsweise<br />
Werkzeuge zur Analyse bestehender Daten verfügbar sind oder für das seitens des Anbieters<br />
Unterstützung bei der Einführung angeboten wird. Das Fehlen solcher Systeme war eine der<br />
wesentlichen Motivationen des Projekts KOWIEN. Deshalb soll für die weitere Betrachtung davon<br />
ausgegangen werden, dass neben der im Projekt KOWIEN entstandenen prototypischen Implementierung<br />
eines solchen Kompetenzmanagementsystems in Zukunft noch weitere solche Systeme am<br />
Markt verfügbar sein werden.<br />
Eine grundsätzliche Eigenschaft, die durch das Projekt KOWIEN herausgestellt wurde, ist dabei,<br />
dass ein solches Kompetenzmanagementsystem in der Lage sein muss, auch zu Fragestellungen<br />
plausible Antworten zu liefern, für die keine vorher explizit formulierten Zusammenhänge in das<br />
System implementiert wurden. Vielmehr sollte das System in der Lage sein, über nicht vorbestimmte<br />
Folgen von Zusammenhängen hinweg möglichst zutreffende Kompetenzaussagen zu treffen und<br />
diese dann entsprechend der geschäftsprozessspezifischen Fragestellung zusammenzustellen. Erst<br />
durch diese Eigenschaft gewinnt ein solches System einen Nutzwert, der den einer einfachen Kompetenzdatenbank<br />
mit explizit eingetragenen Kompetenzaussagen erheblich übersteigt. Sie ist damit<br />
auch gleichzeitig zwingende Voraussetzung für die Akzeptanz, da ein solches Kompetenzmanagementsystem<br />
gewissermaßen in Konkurrenz zum ausschließlich intuitiven, erfahrungsgeleiteten<br />
Handeln von Trägern des Kompetenzwissens steht. Konkret formuliert heißt das, dass ein Kompetenzmanagementsystem<br />
nur dann akzeptiert werden wird, wenn es dem Anwender Dinge sagen<br />
kann, die nicht vorher exakt so durch einen anderen oder sogar denselben Anwender in das System<br />
eingegeben wurden.<br />
Die Ergebnisse des Projekts KOWIEN legen nun nahe, dass zur Erzielung solcher Eigenschaften<br />
ernsthaft in die engere Auswahl zu nehmende Tools entweder auf Ontologien basieren sollten oder<br />
sich zumindest an den Fähigkeiten ontologiebasierter Tools messen lassen müssen. Für die weiteren
366 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems<br />
Ausführungen soll hier davon ausgegangen werden, dass nur solche Tools in die engere Auswahl<br />
genommen werden.<br />
Im folgenden Schritt steht die vergleichende Bewertung verfügbarer und grundsätzlich in Frage<br />
kommender <strong>Kompetenzmanagementsysteme</strong> an. Da sich ontologiebasierte Systeme insbesondere<br />
durch ihre Flexibilität und Erweiterbarkeit auszeichnen, ist es hier nicht das entscheidende Kriterium,<br />
ob das System bestimmte, konkrete Fragen bereits beantworten kann. Vielmehr ist darauf zu<br />
achten, dass das System in der Lage ist, Fragen zu beantworten, deren Beantwortung auf Basis der<br />
implementierten Inferenzregeln und des vorliegenden Testdatenbestands möglich ist. Selbstverständlich<br />
ist es dabei hilfreich, wenn bereits ein Basisbestand an Inferenzregeln vorliegt, mit dem<br />
ein Standardfunktionsumfang gewährleistet werden kann. Des Weiteren ist zu betrachten, welcher<br />
Aufwand zu leisten ist, um die zugrunde liegenden Ontologien unternehmensspezifisch zu ergänzen.<br />
Entscheidend ist weiterhin die Gestaltung der Benutzerschnittstelle, die übersichtlich und möglichst<br />
intuitiv bedienbar sein sollte, da dem Anwender weder zuzumuten ist, sich aufwendig in die Bedienung<br />
eines solchen Systems einzuarbeiten, noch zu erwarten ist, dass ein komplex zu bedienendes<br />
System Akzeptanz finden wird. Hier muss immer im Auge behalten werden, dass die Anwender des<br />
Systems keine Spezialisten für <strong>Kompetenzmanagementsysteme</strong> und auch keine „Kompetenzmanager“<br />
sein werden, sondern Mitarbeiter aus verschiedenen Unternehmensbereichen, die von einem<br />
solchen System möglichst einfache Hilfestellung bei ihren primären Aufgaben, wie z.B. der Projektleitung<br />
oder der Angebotserstellung, erwarten. Hinsichtlich der Anwendungsfreundlichkeit in<br />
typischen Anwendungsfällen kann es zudem hilfreich sein, wenn für die dabei zu stellenden Anfragen<br />
spezielle Eingabemasken bereits individuell „vorkonfektioniert“ werden können, um speziell<br />
Anwendern, die nur selten und zu wenigen, vorhersehbaren Anlässen auf das System zugreifen, den<br />
Umgang zu erleichtern.<br />
Schließlich muss festgestellt werden, mit welchem Aufwand die Auswertung der bestehenden Datenbestände<br />
zum Aufbau der Datenbasis des Kompetenzmanagementsystems verbunden ist. Hier ist<br />
es hilfreich, wenn durch den Anbieter des Kompetenzmanagementsystems bereits entsprechende<br />
Akquisetools zur Verfügung gestellt werden können, da es in der täglichen Praxis im Unternehmen<br />
wohl kaum möglich sein wird, dazu extra eigene Tools zu entwickeln.<br />
Die Möglichkeit, beim Aufbau des Systems, bei der Einbringung der benötigten Ontologien und der<br />
Auswertung bestehender Datenbestände hinsichtlich darin implizit vorhandener Kompetenzaussagen<br />
Unterstützung durch den Toolhersteller zu erhalten, wird ebenfalls mit ausschlaggebend sein,<br />
da in kleinen und mittelgroßen Unternehmen in der Regel wohl kaum Spielraum besteht, das dazu<br />
notwendige Wissen und die nötige Erfahrung aufzubauen.<br />
Sind diese Fragen geklärt, so ist festzustellen, ob es für das aussichtsreichste Tool einerseits plausibel<br />
erscheint, dass der angestrebte Funktionsumfang technisch wie organisatorisch realisiert werden<br />
kann, und ob es andererseits zu erwarten ist, dass dieses System die notwendige Akzeptanz im<br />
Unternehmensalltag erreichen wird. Sofern dies bejaht werden kann, ist abschließend noch zu klären,<br />
ob die Abschätzung des Einführungs- und des Betriebsaufwands des Kompetenzmanagementsystems<br />
eine sinnvolle Relation zu den bereits ermittelten, wirtschaftlichen Vorteilen ergibt.
2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 367<br />
2.3.1.5 Aufbau und Anpassung des gewählten Kompetenzmanagementsystems<br />
Wird nun in den Aufbau eines entsprechenden Kompetenzmanagementsystems eingestiegen, so ist<br />
es in einem ersten Schritt erforderlich, die relevanten Informationen zur Erstellung der unternehmensspezifischen<br />
Ontologie zu erfassen. Dazu sind zunächst detailliert die Träger des Kompetenzwissens<br />
zu identifizieren. Mit diesen Kompetenzwissensträgern können dann beispielsweise in<br />
Brainstorming-Sitzungen und Interviews die für das Unternehmen relevanten Kompetenzen erfasst<br />
werden. Dabei bietet es sich an, gleich entsprechende Ausprägungen zu formulieren und bekannte<br />
Zuordnungen beispielsweise zu Mitarbeitern oder zu Projekten aufzunehmen. Es erscheint sinnvoll,<br />
sich in diesem Schritt bereits durch Experten des Anbieters der Systemplattform unterstützen zu<br />
lassen, um auf diese Weise eine zielgerichtete Arbeit sicherzustellen.<br />
In diesem Schritt sollten zusätzlich bereits diejenigen Dokumente identifiziert werden, aus denen<br />
sich Kompetenzaussagen ableiten lassen. Von Vorteil ist es, wenn es sich dabei um Dokumente<br />
handelt, die sich für eine automatische Analyse eignen. Beispiele solcher Dokumente wären, wie<br />
bereits erwähnt, Projektplanungs- und -controllingdateien oder im Bereich der Softwareentwicklung<br />
die in Sourcecode-Versionsverwaltungssystemen gespeicherten Änderungshistorien. Im Gegensatz<br />
zu der im Rahmen der Skizzierung des angestrebten Kompetenzmanagementsystems vorgenommenen,<br />
eher oberflächlichen Betrachtung der möglichen Datenquellen kommt es in diesem Schritt nun<br />
sehr genau darauf an, in welcher Form die Kompetenzaussagen in diesen Dateien vorliegen. Zudem<br />
sollte nun auch eine geeignete Terminologie aus den Datenbeständen extrahiert werden, anhand derer<br />
Kompetenzaussagen erkannt und kategorisiert werden können.<br />
Bei der Identifizierung Kompetenzaussagen enthaltender Dokumente ist allerdings mit größter Vorsicht<br />
vorzugehen, um Fehlinterpretationen auszuschließen. Am Beispiel der in einer Sourcecode-<br />
Versionsverwaltung gespeicherten Sourcecodedateien soll dies hier erläutert werden: Aus den Änderungslogs<br />
dieser Dateien geht typischerweise hervor, durch welchen Mitarbeiter welche Änderung<br />
eingepflegt wurde. Besteht ein bekannter Zusammenhang zwischen der Arbeit an bestimmten<br />
Dateien und der zu dieser Arbeit erforderlichen Kompetenzen oder kann dieser Zusammenhang<br />
zum Beispiel aus Schlüsselworten in zugehörigen Kommentaren erschlossen werden, so können aus<br />
dem Sourcecodebestand automatisiert Kompetenzprofile von Mitarbeitern generiert werden.<br />
Hierbei ist allerdings einerseits zu beachten, dass sich selbstverständlich nicht alle relevanten Kompetenzen<br />
von Softwareentwicklern auch erkennbar im Sourcecode niederschlagen. Die Fähigkeit,<br />
systematisch und letztlich erfolgreich einen Softwarefehler zu finden, wäre ein solches Beispiel.<br />
Hier kann es vorkommen, dass ein Mitarbeiter in mühevoller Arbeit einen Fehler lokalisiert und es<br />
dann dem Urheber des Fehlers überlässt, die oft nur eine einzelne, unscheinbare Zeile umfassende<br />
Codeänderung einzupflegen. Somit würde sich die kompetenzintensive Fehlerlokalisierung in keiner<br />
Weise im Sourcecode niederschlagen und könnte folglich zumindest nicht auf diese Weise in<br />
das Kompetenzmanagementsystem einfließen.<br />
Andererseits ist zu überlegen, wie sich in solchen Dateien „kosmetische“ von substanziellen Änderungen<br />
unterscheiden lassen. Im Falle des Sourcecodes lassen sich zumindest kosmetische von<br />
technischen Änderungen verhältnismäßig einfach und auch automatisch unterscheiden, die Unterscheidung<br />
trivialer inhaltlicher von substanziellen Änderungen fällt dagegen schwerer. Insgesamt<br />
kann aber basierend auf Änderungsumfang und Änderungshäufigkeit ein weit gehend zutreffendes<br />
Bild darüber gewonnen werden, durch welche Mitarbeiter die wesentlichen Kompetenzen eingebracht<br />
wurden.<br />
Bei der automatischen Erfassung kompetenzrelevanter Daten ist allerdings immer auch kritisch zu<br />
hinterfragen, ob die Informationen über den Urheber einer bestimmten Passage eines relevanten
368 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems<br />
Dokuments auch überwiegend die Realität widerspiegeln. Beispielsweise kann es in der allgemeinen<br />
Praxis durchaus vorkommen, dass ein bestimmter Mitarbeiter für eine bestimmte Umbauaktion<br />
in der Software zahlreiche Dateien auscheckt, zusammen mit anderen Kollegen den Umbau durchführt<br />
und anschließend gesammelt alle, auch die nicht von ihm selbst stammenden Änderungen, gesammelt<br />
von seinem Account aus wieder eincheckt. In diesem Fall bestünde also das Problem, dass<br />
diesem einen Mitarbeiter automatisch erhebliche und zum Teil eventuell gar nicht vorhandene<br />
Kompetenzen im gesamten Wirkungsbereich des Umbaus zugeordnet würden, während seine Kollegen<br />
„leer ausgehen“. Es muss also die betriebliche Praxis dahingehend beleuchtet werden, ob solche<br />
Fehlinterpretationen in den Datenbeständen gewissermaßen vorprogrammiert sind. Wenn solche<br />
Probleme zu erwarten sind, ist festzustellen, ob solche Problemfälle in den Datenbeständen bei<br />
der Erfassung der Kompetenzdaten erkennbar und eventuell sogar automatisch kompensierbar sind.<br />
Schon bei der Wissensakquisition ist im Übrigen ein positiver Nebeneffekt zu erwarten, da die intensive<br />
Beschäftigung mit den im Unternehmen relevanten Kompetenzen natürlich auch die Schaffung<br />
eines geschärften Bewusstseins für die vorhandenen Kompetenzen bewirkt und auch eventuell<br />
schon in Vergessenheit geratene Kompetenzen wieder ins Bewusstsein ruft.<br />
Im folgenden Schritt der Konzeptualisierung steht die Modellbildung auf Basis der bereits erfassten<br />
Terminologien und Begriffsbeziehungen im Mittelpunkt. Entsprechend den Arbeiten im Projekt<br />
KOWIEN kommen dabei grundsätzlich zwei Ansätze in Frage. Einerseits kann bei einer bereits<br />
vorliegenden, tiefen Strukturierung des Kompetenzwissens ein Top-Down-Ansatz gewählt werden,<br />
wobei beginnend von einer Top-Level-Ontologie Schritt für Schritt bis zu dem erforderlichen Maß<br />
an Detaillierung verfeinert wird. Andererseits kann bei einer eher schwach ausgeprägten Strukturierung<br />
des Kompetenzwissens auf einen so genannten „Middle-Out“-Ansatz, beginnend bei den relevantesten<br />
Terminologieinseln, zurückgegriffen werden. Zumindest für kleine und mittelgroße Unternehmen<br />
ist in der Regel davon auszugehen, dass das Kompetenzwissen nicht sehr strukturiert<br />
vorliegt, folglich also der letztgenannte Ansatz zur Anwendung kommen wird. Dabei sind nun<br />
Schritt für Schritt die Ontologien zu erweitern und zu verfeinern, bis eine ausreichende Basis für<br />
den zuvor skizzierten Funktionsumfang des Kompetenzmanagementsystems vorliegt. Darauf aufbauend<br />
sind schließlich die notwendigen Inferenz- und Integritätsregeln zu formulieren, die später<br />
die Funktion des Kompetenzmanagementsystems sicherstellen werden. Da diese Arbeiten ein erhebliches<br />
Maß an Erfahrung erfordern, beispielsweise um zu erkennen, wann eine solche Basis ausreichend<br />
entwickelt ist, liegt es nahe, dabei massiv auf die Unterstützung durch den Systemanbieter<br />
zurückzugreifen.<br />
Der Konzeptualisierung folgt nun die Implementierung der im Moment noch nicht in formalisierter<br />
Form vorliegenden Ontologien. Zunächst müssen dabei die Ontologien in eine formale Repräsentation<br />
überführt werden. Dies kann und wird in der Praxis wohl durch den Systemanbieter erfolgen,<br />
da hierzu einerseits die durch die Systemplattform bestimmte, formale Sprache der Repräsentation<br />
beherrscht werden muss und andererseits die dazu notwendigen Informationen bereits erfasst wurden,<br />
eine Mitarbeit der künftigen Anwender also bis auf die Klärung einzelner Rückfragen nicht<br />
mehr notwendig sein sollte. Anschließend oder auch schon parallel dazu muss die Systemplattform<br />
installiert werden. Danach sind die inzwischen in einer formalen Repräsentation vorliegenden Ontologien<br />
in die Systemplattform einzubringen. Zudem muss der Basisdatenbestand in das System eingebracht<br />
werden, wobei dies einerseits durch explizite Eingabe erfolgen kann, es andererseits aber<br />
erheblich eleganter ist, dies durch die automatisierte Analyse der als relevant identifizierten, Kompetenzaussagen<br />
enthaltenden Dokumente zu erledigen. Dazu können beim Systemanbieter bereits<br />
vorhandene Analysetools zum Einsatz kommen oder es müssen solche Werkzeuge erst noch entwickelt<br />
werden. Abschließend muss noch die Benutzerschnittstelle des Kompetenzmanagementsys-
2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 369<br />
tems derart angepasst werden, dass die definierten Anwendungsszenarien möglichst optimal unterstützt<br />
werden, um so die Akzeptanz der späteren Anwender sicherzustellen.<br />
Als letzter Schritt der Phase des Aufbaus des Kompetenzmanagementsystems steht nun dessen Evaluation<br />
an, wobei der Schwerpunkt auf die Überprüfung der Anforderungserfüllung zu legen ist. Die<br />
wichtigsten Teilschritte hierbei sind die Verifikation der Ontologien, die Validierung der geforderten<br />
Funktionalität sowie die Bewertung der Anwenderfreundlichkeit.<br />
Die Verifikation der Ontologien dient dabei der Feststellung der grundsätzlichen Korrektheit der<br />
Terminologien sowie der Inferenz- und Integritätsregeln und muss folglich ebenfalls noch intensiv<br />
vom Systemanbieter unterstützt werden. Gegebenenfalls muss hier, wie in allen vorherigen Schritten<br />
selbstverständlich auch, nochmals iterativ korrigiert werden, bis sichergestellt ist, dass das<br />
Kompetenzmanagementsystem mit geeigneten Ontologien operiert.<br />
Die Validierung der Funktionalität des Kompetenzmanagementsystems, bei der überprüft wird, ob<br />
die festgelegten Anwendungsszenarien tatsächlich in zufrieden stellender Weise unterstützt werden,<br />
ist dann zumindest zunächst im engeren Kreis des Projektteams durchzuführen, um eventuelle, gröbere<br />
Mängel abstellen zu können, bevor die späteren Anwender Kontakt mit dem System bekommen.<br />
Sonst bestünde die Gefahr, dass die Akzeptanz des Tools durch ohnehin noch zu behebende<br />
Fehler bereits nachhaltig beschädigt werden könnte.<br />
Abschließend ist noch die Anwenderfreundlichkeit des Kompetenzmanagementsystems zu überprüfen.<br />
Hierbei können bereits interessierte, aber vorher noch nicht involvierte Mitarbeiter herangezogen<br />
werden. Sind die in diesem Teilschritt sicherlich aufgetretenen Unzulänglichkeiten beseitigt,<br />
steht der Überführung des Kompetenzmanagementsystems in die Phase der aktiven Nutzung aus<br />
technischer Sicht nichts mehr im Wege.<br />
2.3.1.6 Überführung des Kompetenzmanagementsystems<br />
in die Nutzungsphase<br />
Bei der Überführung des nun einsatzbereiten Kompetenzmanagementsystems ist es zunächst von<br />
überragender Bedeutung, die Mitarbeiter, die als Anwender des Systems vorgesehen sind, zur Nutzung<br />
des Systems zu motivieren. Dazu ist es notwendig, den Leistungsumfang des Systems in<br />
greifbarer Weise zu kommunizieren, indem den Mitarbeitern anhand der definierten und nun umgesetzten<br />
Anwendungsszenarien die Funktionen des Systems präsentiert werden. Dabei ist darauf zu<br />
achten, dass möglichst jeder der zukünftigen Systemanwender für sich selbst die Nutzung des<br />
Kompetenzmanagementsystems überwiegend als Unterstützung bei der täglichen Arbeit erlebt und<br />
die unumgänglichen Pflichten bei der Eingabe von Daten in das System im Vergleich dazu keine<br />
dominante Rolle einnehmen. Es erscheint dabei durchaus sinnvoll, dass Anwender auch über diejenigen<br />
Anwendungsmöglichkeiten des Systems in Kenntnis gesetzt werden, die für ihre tägliche Arbeit<br />
keine direkte Rolle spielen, um Transparenz darüber zu schaffen, was mit den eingegebenen Informationen<br />
passiert. Somit kann bereits ein erster Beitrag zum Abbau von Vorbehalten der Nutzer<br />
gegenüber dem Kompetenzmanagementsystem geleistet werden.<br />
Ebenso muss den Mitarbeitern, von denen die Eingabe von Kompetenzdaten erwartet wird, transparent<br />
gemacht werden, in welcher Weise sich beispielsweise die Eintragung von Kompetenzaussagen<br />
über sich selbst oder von Informationen, die implizit Kompetenzaussagen über sich selbst enthalten,<br />
auf die eigene Arbeit auswirken. Schließlich ist erst dann eine freiwillige und ausreichende Beteiligung<br />
des einzelnen Mitarbeiters an der Pflege des Datenbestandes des Kompetenzmanagementsys-
370 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems<br />
tems zu erwarten, wenn für ihn die Vorteile dieser Aktivitäten für seine eigenen Ziele offensichtlich<br />
sind.<br />
Ein weiterer, wichtiger Aspekt bei der Sicherstellung der Motivation der Mitarbeiter zur Nutzung<br />
des Kompetenzmanagementsystems ist es, wie eingangs schon erwähnt, eventuelle Vorbehalte der<br />
Nutzer aufzugreifen und plausibel zu entkräften. Besteht also beispielsweise seitens der Anwender<br />
die Befürchtung, durch die Eingabe von Kompetenzen auf unbeliebten oder für das eigene Fortkommen<br />
nicht relevanten Wissensgebieten zwangsläufig zu Arbeiten verpflichtet zu werden, werden<br />
solche Kompetenzen sicherlich bei der Pflege der Kompetenzdaten übergangen. Hier kann nur<br />
seitens der Unternehmensleitung versucht werden, durch ein klares Bekenntnis zur Rücksichtnahme<br />
in solchen Fällen und zur Berücksichtigung persönlicher Fortentwicklungswünsche entgegenzuwirken.<br />
Ist nun alles Notwendige getan, um die Motivation der Mitarbeiter zur Nutzung des Kompetenzmanagementsystems<br />
zu fördern, ist es erforderlich, durch geeignete Schulungsmaßnahmen die Mitarbeiter<br />
in die Lage zu versetzen, mit dem Kompetenzmanagementsystem effizient umzugehen. Dabei<br />
erscheint es im Gegensatz zu den vorherigen Schritten sinnvoll, sich auf die Bedürfnisse der jeweiligen<br />
Nutzergruppen strikt zu fokussieren, um unnötigen Zeitaufwand bei der Schulung und eventuelle<br />
Verwirrung zu vermeiden. Zudem sollte die Schulungsphase auch dazu genutzt werden, das dabei<br />
entstehende Feedback hinsichtlich des Bedienungskomforts und gegebenenfalls auch der Funktionalität<br />
an sich zu nutzen und so zeitnah wie möglich in das Kompetenzmanagementsystem zurückfließen<br />
zu lassen.<br />
Abschließend ist es ratsam, mit den Mitarbeitern konkret zu vereinbaren, in welchen Formen die<br />
Nutzung des Kompetenzmanagementsystems von der Unternehmensleitung gewissermaßen als<br />
Mindestnutzung erwartet wird, so dass auch in dieser Hinsicht Klarheit besteht.<br />
2.3.1.7 Zusammenfassung<br />
Auch für kleine und mittelgroße Unternehmen wie beispielsweise die TEMA GmbH ist Kompetenzmanagement<br />
ein erfolgsentscheidender Faktor. Es liegt daher nahe, die Einführung eines ontologiebasierten<br />
Kompetenzmanagementsystems zu erwägen. Zur Findung einer Grundsatzentscheidung<br />
pro oder contra einer Einführung eines solchen Systems ist dabei zunächst zu analysieren,<br />
welche Defizite eines nicht systematisierten, typischerweise ausschließlich intuitiven Kompetenzmanagements<br />
bestehen, ob und wie sie durch ein Kompetenzmanagementsystem zu beheben wären<br />
und welche zusätzlichen Potenziale durch ein solches System nutzbar gemacht werden können.<br />
Im Falle einer grundsätzlich positiven Entscheidung diesbezüglich ist nun die Funktionalität eines<br />
solches System anhand der relevanten Anwendungsszenarien zu skizzieren und nach einer vergleichenden<br />
Bewertung kommerziell verfügbarer Systemplattformen für <strong>Kompetenzmanagementsysteme</strong><br />
der Aufwand zu dessen Einführung zu ermitteln. Eine Eigenentwicklung einer solchen Systemplattform<br />
kommt dagegen zumindest für kleine oder mittelgroße Unternehmen nicht in Betracht.<br />
Vielmehr sollte darauf geachtet werden, dass durch den Anbieter der kommerziellen Lösung auch<br />
eine intensive Unterstützung bei der Einführung des Kompetenzmanagementsystems angeboten<br />
wird.<br />
Konnte auch angesichts des Aufwandes für die Einführung eines Kompetenzmanagementsystems<br />
eine überzeugende Aufwand-/Nutzenrelation festgestellt werden, so ist mit den eigentlichen Einführungsarbeiten<br />
zu beginnen. Diese umfassen die Wissensakquisition, die Konzeptualisierung, die
2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 371<br />
Implementierung und die Evaluation. Dabei können und sollten die Schritte der Konzeptualisierung<br />
und Implementierung zumindest zu großen Teilen durch den Systemanbieter erfolgen, da sie erhebliche,<br />
spezifische Erfahrungen und eine präzise Kenntnis der Systemplattform erfordern. Die Wissensakquise<br />
als vorgeschalteter Schritt muss dagegen unter Einbeziehung der Kompetenzwissensträger<br />
des Unternehmens erfolgen, während bei der Evaluation mit Bedacht bereits ausgewählte<br />
Anwender hinzugezogen werden können.<br />
Ergänzend sei hier nochmals darauf hingewiesen, dass neben den Kernprozessschritten die projektbegleitenden<br />
Prozesse wie die Dokumentation und das Projektmanagement nicht vernachlässigt<br />
werden dürfen.<br />
Besonderes Augenmerk ist schließlich im Rahmen der Überführung in die Nutzungsphase auf die<br />
Motivierung und Schulung der Anwender und auf die Konkretisierung der erwarteten Nutzung zu<br />
legen, um schließlich eine aktive Nutzung des Kompetenzmanagementsystems zu erreichen. Dabei<br />
ist insbesondere darauf zu achten, dass die vorgesehenen Anwender auch für sich selbst einen Nutzen<br />
aus dem System ziehen können und dies auch erkennen können sowie mögliche Vorbehalte gegenüber<br />
der Nutzung wirksam und plausibel entkräftet werden.
2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
DIPL.-WIRT.-INF. SUSANNE APKE<br />
Deutsche Montan Technologie GmbH<br />
DIPL.-ING. LARS DITTMANN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
2.3.2.1 Konzipierung des generischen Vorgehensmodells<br />
Im Rahmen dieses Kapitels wird ein Vorgehensmodell vorgestellt, mit dessen Hilfe eine strukturierte<br />
und systematische Entwicklung von Kompetenzontologien für betriebliche <strong>Kompetenzmanagementsysteme</strong><br />
ermöglicht wird. Nachdem dafür im Kapitel 2.1 (S. 321 ff.) zunächst die Anforderungen<br />
an ein solches Vorgehensmodell untersucht und bereits existierende Ansätze vorgestellt wurden,<br />
sollen diese Anforderungen und Ansätze als Ausgangsbasis und Entscheidungsgrundlage für<br />
das generische Vorgehensmodell KOWIEN herangezogen werden. Das KOWIEN-Vorgehensmodell<br />
wurde bei der Deutschen Montan Technologie GmbH (DMT) erfolgreich genutzt, um eine<br />
Kompetenzontologie zu entwickeln. 1) Ziel dieses Kapitels ist die Beschreibung eines systematischen<br />
Prozesses zur Konstruktion von Kompetenzontologien (inkl. deren Implementierung) mit Hilfe<br />
eines selbst entwickelten Vorgehensmodells.<br />
Es hat sich herausgestellt, dass das Festlegen eines Designs für und die konkrete Entwicklung von<br />
Ontologien keine trivialen Aufgaben sind, sondern ein systematisches Vorgehen erfordern. 2) Es gibt<br />
zwar in der Literatur zahlreiche Vorschläge für Vorgehensweisen zur Konstruktion von Ontologien,<br />
diese verfolgen jedoch oft sehr unterschiedliche Zielsetzungen oder sind nur für bestimmte Domänen<br />
geeignet. 3) Die Anwendung eines Vorgehensmodells in einem Projekt trägt dazu bei, den Entwicklungsprozess<br />
systematischer und effizienter zu gestalten, weil es die Transparenz des gesamten<br />
Prozesses sowohl für die Ontologieentwickler als auch für die Benutzer erhöht. Abweichungen von<br />
diesem Modell können frühzeitig erkannt und gegebenenfalls korrigiert werden. Aus diesem Grund<br />
sind Vorgehensmodelle von großem Nutzen für die Projektplanung und -steuerung, besonders für<br />
vergleichsweise neuartige Aufgaben wie die Konstruktion von Ontologien für betriebswirtschaftliche<br />
Ziele. Ein solches Vorgehensmodell sollte allerdings auch Qualitätskriterien entsprechen und<br />
für die jeweils gegebene domänen- und projekt-spezifische Situation geeignet sein.<br />
Die existierenden Ansätze für solche Vorgehensmodelle, die in Kapitel 1.4 (S. 277 ff.) erläutert<br />
wurden, erfüllen die zuvor dargestellten Anforderungen nur unvollständig. Sie setzen ihre Schwerpunkte<br />
nicht auf das betriebliche Kompetenzmanagement, sondern betrachten den gesamten Bereich<br />
des Wissensmanagements. Eine Besonderheit, die bei der Entwicklung von <strong>Kompetenzmanagementsysteme</strong>n<br />
beachtet werden muss, ist zum Beispiel die Fokussierung auf Metawissen, also<br />
das Wissen über die Unternehmens- und Mitarbeiterkompetenzen. Weiterhin ist die große Menge<br />
von beteiligten Personen zu berücksichtigen, die etwa für die Erhebung der Anforderungen (die Benutzer)<br />
sowie der vorhandenen oder erforderlichen Kompetenzen (also ein großer Teil der Mitarbeiter)<br />
eine Rolle spielen.<br />
1) Siehe hierzu auch Kapitel 3.2.2, S. 625 ff.<br />
2) Vgl. HOLSAPPLE/JOSHI (2002) S. 42.<br />
3) Siehe hierzu auch Kapitel 1.4.4.4, S. 296 ff.
374 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Das im Rahmen des Projekts entwickelte Vorgehensmodell bezieht unter anderem die genannten<br />
Faktoren ein. Es ist aber dennoch insofern generisch gestaltet, als dass es nicht ausschließlich für<br />
das Projekt KOWIEN konzipiert ist, sondern grundsätzlich für die Konstruktion von Kompetenzontologien<br />
angewendet werden kann. Damit die Ontologien zunächst unabhängig von einer Implementierungssprache<br />
entwickelt werden können, erfolgt das Vorgehen modellorientiert, so dass während<br />
des Entwicklungsprozesses die Modellierung der Problemlösung von ihrer computerbasierten<br />
Umsetzung getrennt wird.<br />
Entsprechend der Vorhabensbeschreibung wurde von Seiten des Universitätspartners vorgeschlagen,<br />
für dieses Arbeitspaket sukzessiv folgendermaßen vorzugehen:<br />
• Unabhängig von den Anwendungsszenarien des Produkt- und des Service-Engineerings und<br />
• unabhängig vom Vorliegen von Referenzmodellen, die das benötigte Domänenwissen zur<br />
Verfügung stellen,<br />
• wird ein generisches Vorgehensmodell für die Konstruktion von ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n entwickelt.<br />
Um die praktische Anwendbarkeit des generischen Vorgehensmodells sicherzustellen, wurden die<br />
Projektpartner bei der Entwicklung schon frühzeitig eingebunden.<br />
Die vorliegende Version 2.0 des generischen Vorgehensmodells KOWIEN zur Konstruktion einer<br />
Kompetenzontologie stellt den derzeitigen Entwicklungsstand dar. Sie entspricht in ihrer Ausgestaltung<br />
dem geplanten Vorgehensmodell, das unabhängig von Referenzmodellen und Anwendungsszenarien<br />
angedacht war.<br />
Zunächst wird die oberste Ebene des Vorgehensmodells textuell und graphisch vorgestellt. Sie wird<br />
anschließend weiter ausgeführt und verfeinert. Das im Folgenden detailliert beschriebene Vorgehensmodell<br />
für die Entwicklung von Ontologien für <strong>Kompetenzmanagementsysteme</strong> baut auf den<br />
bereits existierenden Ansätzen auf. Es berücksichtigt zugleich auch die in Kapitel 1.4.4.2 (S. 292<br />
ff.) dargestellten Anforderungen; auf diesen Umstand wird zum Ende dieses Kapitels noch abschließend<br />
eingegangen. Im Anschluss an die detaillierte Darstellung des KOWIEN-Vorgehensmodells<br />
in der Version 2.0 in Kapitel 2.3.2.3 (S. 386 ff.) wird in Kapitel 2.3.2.4 (S. 407 ff.) auf die<br />
entwickelte Web-Anwendung des Vorgehensmodells eingegangen. Diese Web-Anwendung wurde<br />
entwickelt, um eine verteilte Nutzung des Vorgehensmodells zu ermöglichen; d.h., es reicht aus,<br />
über einen Computer mit Internetanschluss zu verfügen, um das Vorgehensmodell nutzen zu können.<br />
2.3.2.2 Strukturierung des Konstruktionsprozesses<br />
Für den Aufbau eines Vorgehensmodells ist es zunächst wichtig, den Ausgangspunkt für das Projekt<br />
zu kennen oder festzulegen. Im vorliegenden Fall wird davon ausgegangen, dass bereits eine<br />
positive Entscheidung bezüglich der Ontologieentwicklung gefallen ist. Daher ist eine Evaluation<br />
des Nutzens der Ontologie im Rahmen einer Machbarkeitsstudie nicht mehr erforderlich.<br />
Die Ontologieentwicklung selbst soll mit der Spezifizierung der Anforderungen beginnen, die von<br />
der Ontologie erfüllt werden müssen. Dazu gehört nicht nur die Definition von Kriterien, die als<br />
Richtlinien während des Designs sowie als Referenzrahmen bei der Evaluation der erstellten Ontologie<br />
dienen, sondern auch die Festlegung ihrer zukünftigen Anwendungsbereiche und Benutzer.
2.3.2 Das generische KOWIEN-Vorgehensmodell 375<br />
Anschließend muss bei der Wissensakquisition alles relevante (Meta-) Wissen über die Verteilung<br />
des handlungsbefähigenden (Objekt-) Wissens – die im Unternehmen vorhandenen Kompetenzen –<br />
erfasst werden.<br />
Dieses (Meta-) Wissen wird dann im Rahmen der Konzeptualisierung strukturiert und verarbeitet.<br />
Dabei werden zunächst mit Hilfe von Domänenexperten die für ein Kompetenzmanagementsystem<br />
wichtigen Begriffe (Konzepte) identifiziert, beispielsweise in Form einer Taxonomie hierarchisch<br />
gegliedert und durch Attribute und Relationen beschrieben. 4)<br />
Nachdem diese Konzeptualisierung nur informal und modellhaft erfolgt ist, wird bei der Implementierung<br />
eine formale Repräsentationssprache ausgewählt und die Konzeptualisierung in eine formale<br />
Repräsentation transformiert. Die Semantik dieser Spezifikation wird dann einerseits durch Integritätsregeln<br />
zur Einschränkung der Interpretations- und Verknüpfungsmöglichkeiten der begrifflichen<br />
Konzepte und andererseits durch Inferenzregeln, die Schlussfolgerungen aus dem vorhandenen<br />
Wissen ermöglichen, festgelegt.<br />
Vor ihrem Einsatz in den Anwendungsbereichen soll eine gründliche Evaluation der resultierenden<br />
Ontologie erfolgen. Dazu wird zusammen mit den Benutzern die Erfüllung der zuvor aufgestellten<br />
Benutzeranforderungen überprüft und ihre Anwendbarkeit im späteren Systemumfeld getestet.<br />
Während des gesamten Entwicklungsprozesses werden die dabei erzielten Ergebnisse sowie die getroffenen<br />
Entscheidungen und ihre Grundlagen dokumentiert, um sowohl die Konstruktion einer<br />
Ontologie selbst als auch eine spätere Wissenswiederverwendung zu unterstützen.<br />
Weiterhin ist zu beachten, dass zusätzlich zum eigentlichen Entwicklungsprozess Projektplanungs-<br />
und -steuerungsaktivitäten durchzuführen sind, um beispielsweise den Budgetumfang zu bestimmen<br />
und zu kontrollieren. Diese grundsätzlichen Aufgaben des Projektmanagements werden in dem hier<br />
dargestellten Vorgehensmodell berücksichtigt. Sie sind jedoch nicht ontologieentwicklungsspezifisch,<br />
sondern bestehen allgemein bei Softwareentwicklungsprojekten. 5)<br />
Obwohl die ständige Aktualisierung und Weiterentwicklung einer Kompetenzontologie auch von<br />
großer Bedeutung für ihre Nutzbarkeit ist, liegt der Fokus in diesem Beitrag auf der grundlegenden<br />
Konstruktion der Ontologie bis zu ihrem Einsatz in einem Kompetenzmanagementsystem. Aus diesem<br />
Grund wird die Wartung, also die ständige Pflege einer Ontologie während ihrer Anwendung,<br />
hier nur kurz beleuchtet. Die Möglichkeiten zur Integration bestehender Ontologien werden in dem<br />
Vorgehensmodell berücksichtigt.<br />
Abbildung 36 auf der nächsten Seite veranschaulicht die Struktur des Vorgehensmodells. In den folgenden<br />
Kapiteln werden die einzelnen Phasen der Ontologieentwicklung genauer beleuchtet, die<br />
jeweils beteiligten Personen und die entstehenden Ergebnisse aufgezeigt sowie Methoden für die<br />
4) Entsprechend den üblichen Definitionen von Ontologien ist eine Dominanz der taxonomischen Strukturierung keineswegs<br />
zwingend. Es zeigt sich jedoch, dass es aus Gründen der leichteren Nachvollziehbarkeit durch Benutzer aus der betrieblichen<br />
Praxis sinnvoll ist, mit einer taxonomischen Strukturierung zu beginnen, wenn das Vorgehensmodell in der Praxis auf Akzeptanz<br />
stoßen soll.<br />
5) Hierfür wurden bereits Standards, wie etwa der IEEE-Standard 1074-1995, verfasst und auch akzeptiert. Der IEEE-Standard<br />
1074-1995 (vgl. IEEE 1074 (1996)) beschreibt den Softwareentwicklungsprozess (der weiter unterteilt wird in Prozesse des<br />
Softwarelebenszyklusmodells, des Projektmanagements sowie softwareentwicklungs-orientierte und integrale Prozesse), die<br />
dabei durchzuführenden Aktivitäten und mögliche Techniken zur Realisierung; vgl. auch FERNÁNDEZ-LÓPEZ (1999) S. 4.2.
376 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Umsetzung der Phasen genannt. Um diese Beschreibungen klar und anschaulich darzustellen, wird<br />
außerdem der Ablauf jeder Phase in Form einer Ereignisgesteuerten Prozesskette 6) abgebildet.<br />
Anforderungsspezifizierung<br />
Wissensakquisition<br />
Dokumentation<br />
Konzeptualisierung<br />
Projektmanagement<br />
Implementierung<br />
Abbildung 36: Phasen und Unterstützungsleistungen des Vorgehensmodells<br />
2.3.2.2.1 Phasen der Ontologieentwicklung<br />
2.3.2.2.1.1 Anforderungsspezifizierung<br />
Evaluation<br />
Im ersten Schritt der Ontologieentwicklung – der Anforderungsspezifizierung 7) – ist es wichtig, das<br />
Ziel der Ontologie und ihre Anwendungsbereiche festzulegen, um möglichst alle Anforderungen zu<br />
erfassen, die während des Entwicklungsprozesses beachtet werden müssen. Neben dem Projektleiter<br />
und seinem Team sind dabei auch die späteren Benutzer der Ontologie und des Kompetenzmanagementsystems<br />
beteiligt. Ein wichtiges Ziel der Konstruktion von Kompetenzontologien ist zum Beispiel<br />
ein effizienteres Kompetenzmanagement. <strong>Ontologiebasierte</strong> Kompetenzprofile spielen dabei<br />
eine große Rolle, da sie die aktuellen Kompetenzen des Unternehmens darstellen und dadurch<br />
Kompetenzvergleiche, also die Gegenüberstellung der vorhandenen (Ist) und der gewünschten oder<br />
erforderlichen Kompetenzen (Soll), erleichtern. 8) Ontologien erfüllen dabei die Aufgabe, das im<br />
Unternehmen existierende Wissen über Kompetenzen explizit – insbesondere computerverarbeitbar<br />
6) Ereignisgesteuerte Prozessketten (EPK) dienen zur Darstellung zeitlich-logischer Ablauffolgen und setzen dabei den<br />
Schwerpunkt auf die Abbildung von Funktionen und Ereignissen in einem Prozess. Die wichtigsten Elemente dieser semiformalen,<br />
graphischen Beschreibungssprache und ihre Bedeutung werden im Kapitel 2.3.2.3.1 auf Seite 386 f. erläutert.<br />
7) Die Begriffe „Anforderungsspezifizierung“ und „Anforderungserhebung“ werden synonym verwendet.<br />
8) Vgl. ZELEWSKI (2002b) S. 14.
2.3.2 Das generische KOWIEN-Vorgehensmodell 377<br />
– darzustellen und ermöglichen darüber hinaus die Bezugnahme auf ein von mehreren Personen<br />
gemeinsam festgelegtes Begriffssystem.<br />
Nach der Spezifizierung des Hauptziels der Ontologieerstellung müssen diejenigen Anwendungsbereiche<br />
identifiziert werden, in denen die Ontologie zum Einsatz kommen soll. Grundsätzliche<br />
Anwendungsbereiche sind beispielsweise die Abteilungen Personal und Vertrieb, während einzelne<br />
Komponenten eines Kompetenzmanagementsystems eventuell allen Beschäftigten zur Verfügung<br />
stehen sollen.<br />
Sobald das technische und organisatorische Umfeld der Ontologie festgelegt ist, können die zukünftigen<br />
Benutzer identifiziert und in Gruppen eingeteilt werden (zum Beispiel „Vertriebsmitarbeiter“,<br />
„Standardbenutzer – hauptsächlich lesender Zugriff“). Anschließend wird eine Befragung der Benutzer,<br />
gegebenenfalls der Repräsentanten einer Benutzergruppe, vorgenommen, um eine möglichst<br />
vollständige Anforderungsdefinition erstellen zu können. Dafür muss das Projektteam ein Werkzeug<br />
auswählen, beispielsweise strukturierte oder unstrukturierte Interviews, mittels derer dann die<br />
von den Benutzern gewünschten Funktionalitäten der Ontologie erfasst werden.<br />
Durch die Erstellung von Anwendungsfällen (Use Cases) 9) und Szenarien können die verschiedenen<br />
Situationen der Nutzung der Ontologie veranschaulicht und die spezifizierten Anforderungen ergänzt<br />
und verfeinert werden. Mögliche Anforderungen sind etwa „Die Ontologie muss erweiterbar<br />
sein“ oder „Jeder Mitarbeiter soll nach einer Kollegin oder einem Kollegen mit einer bestimmten<br />
Kompetenz suchen können“.<br />
Bei einer sehr großen und unübersichtlichen Menge von Anforderungen ist die Nutzung eines Anforderungsmanagement-Werkzeugs<br />
10) sinnvoll, um eine computerbasierte Verwaltung der Anforderungen,<br />
ihrer Abhängigkeiten und ihrer Änderungen zu erleichtern. Inzwischen ist auch ontologieentwicklungsspezifische<br />
Software verfügbar, die die Erstellung einer Anforderungsspezifizierung<br />
unterstützt, zum Beispiel OntoKick (ein Plug-in für die Werkzeugsammlung des On-To-<br />
Knowledge-Ansatzes 11) ).<br />
Für die Implementierung der Ontologie ist es wichtig, dass zuvor auch das technische Umfeld im<br />
Hinblick auf Kompatibilität und Interoperabilität der Systeme analysiert wurde, dass also einerseits<br />
die verschiedenen Komponenten des Kompetenzmanagementsystems und andererseits alle Schnittstellen<br />
zu anderen Programmen wie SAP 12) oder Inter-/Intranet identifiziert worden sind. Die sich<br />
daraus ergebenden technischen Anforderungen werden als implementierungsspezifische Details bei<br />
der Konzeptualisierung nicht berücksichtigt, sondern erst bei der Implementierung, zum Beispiel<br />
bezüglich der zu verwendenden formalen Sprache.<br />
Die Befragung der Benutzer und die Analyse des Anwendungsbereichs werden so lange fortgeführt,<br />
bis die Anforderungsspezifizierung von Entwicklern und Benutzern als vollständig angesehen wird.<br />
9) Vgl. zum Beispiel JACOBSON ET AL. (1992). Anwendungsfälle sind ein Bestandteil der „Unified Modelling Language” (UML)<br />
und umfassen in der Regel mehrere Szenarien, die durch ein gemeinsames Benutzerziel verbunden sind.<br />
10) Beispiele für bekannte Anforderungsmanagement-Tools sind etwa Requisite Pro von Rational und DOORS von Telelogic.<br />
Aktuelle Informationen können im Internet unter unter den URL „http://www.rational.com/products/reqpro/index.jsp“ bzw.<br />
„http://www.telelogic.com/products/doorsers/doors/index.cfm“ (Zugriffe am 24.10.2004) gefunden werden.<br />
11) Vgl. SURE (2002a) und SURE/STUDER (2002) S. 43 f.<br />
12) Die SAP (Systeme, Anwendungen, Produkte in der Datenverarbeitung) AG wurde 1972 gegründet und ist mittlerweile einer<br />
der weltweit führenden Anbieter für Anwendungssoftware, insbesondere betriebswirtschaftliche „Standard“-Anwendungssoftware;<br />
vgl. die Informationen im Internet unter unter der URL „http://www.sap-ag.de/germany/“ (Zugriff am 21.12.2004).
378 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Allerdings können die Phasen auch „überlappend“ umgesetzt werden, so dass das Projektteam nicht<br />
bis zum Abschluss der Anforderungsspezifizierung warten muss, bevor es mit der Wissensakquisition<br />
beginnt.<br />
2.3.2.2.1.2 Wissensakquisition<br />
In der Phase Wissensakquisition muss das Projektteam das relevante Wissen für die Ontologieerstellung<br />
erfassen, das für ein erstes konzeptionelles Modell des Realitätsausschnitts der Ontologie benötigt<br />
wird. Da die Aktivitäten der Erfassung und der Strukturierung von Wissen eng miteinander<br />
verwoben sind, stehen die Phasen Wissensakquisition und Konzeptualisierung in starkem Zusammenhang<br />
und sind iterativ durchzuführen.<br />
Zunächst sollen diejenigen Mitarbeiter identifiziert werden, die für das Kompetenzmanagement im<br />
Unternehmen allgemein (meist die Personalabteilung) oder in den einzelnen Organisationseinheiten<br />
(so genannte Domänenexperten oder auch die Abteilungsleiter) verantwortlich sind. Durch eine Befragung<br />
dieser Mitarbeiter werden Informationen über vorhandene Kompetenzen des Unternehmens<br />
und der Mitarbeiter oder der jeweiligen Organisationseinheiten, über die Verteilung dieser Kompetenzen<br />
im Unternehmen und über eventuell existierende Dokumente mit Wissen über Kompetenzen<br />
erhoben.<br />
Dabei ist zu beachten, dass es im Rahmen des Aufbaus eines Kompetenzmanagementsystems nicht<br />
allein um das Verwalten von Wissen, sondern von Wissen über Wissen (welches zum Handeln befähigt)<br />
geht und damit die Ebene des Metawissens im Vordergrund steht. Diese Besonderheit kann<br />
einen erhöhten Aufwand gerade bei der Wissensakquisition mit sich bringen, da Wissen über oftmals<br />
nur implizit vorhandenes Wissen wie Kompetenzen schwer zu formulieren und zu erfassen ist.<br />
Der Prozess der Explizierung impliziten Wissens, von NONAKA und TAKEUCHI als „Externalisierung“<br />
bezeichnet, 13) ist essentiell für die Generierung neuen Wissens und kann durch Techniken wie<br />
Metaphern und Analogien unterstützt werden. Wenn Metawissen „externalisiert“ werden soll, ist<br />
auch die Schaffung eines Bewusstseins für das Vorhandensein und die Relevanz dieses Wissens<br />
von Bedeutung.<br />
Im Rahmen der Befragung der Wissensträger sind nicht nur die wichtigsten Kompetenz-Konzepte<br />
und ihre Relationen zu Kompetenzen im Unternehmen zu identifizieren, sondern auch Zuordnungen<br />
von Kompetenzen und ihren Ausprägungen zu den einzelnen Mitarbeitern, etwa in Form von Kompetenzprofilen,<br />
zu erstellen. 14)<br />
Zusätzlich zu den Mitarbeiterbefragungen durch Interviews oder auch „Brainstorming“-Sitzungen<br />
werden alle bereits erstellten Dokumente mit Wissen über Kompetenzen, beispielsweise Stellenbeschreibungen,<br />
Lebensläufe und eventuell sogar vorhandene Kompetenzprofile, vom Projektteam erfasst,<br />
aufgelistet und anschließend hinsichtlich der enthaltenen Konzepte und Relationen zu Kompetenzen<br />
analysiert. Auch das in diesen Dokumenten enthaltene Wissen über die tatsächlichen Aus-<br />
13) Vgl. NONAKA/TAKEUCHI (1997) S. 75 ff.<br />
14) An dieser Stelle ist die Wissensakquisitionsphase besonders eng mit der Konzeptualisierungsphase verknüpft, da für die Zuweisung<br />
von Kompetenzausprägungen zu bestimmten Personen die Festlegungen eindeutiger Kompetenzkonzepte und ihrer<br />
Unterteilungen in Subkonzepte (etwa „Programmiersprachen -> objektorientierte Sprachen -> Java“) sowie eines Stufenrasters<br />
für die Klassifikation ihrer Ausprägungen (z.B. vier Stufen „Anfänger“, Fortgeschrittener“, „Fachmann“, „Experte“) erforderlich<br />
sind. Diese Definitionen sind bereits Teil der Ontologie selbst; aus diesem Grund sollten Wissensakquisitions- und<br />
Konzeptualisierungsaktivitäten iterativ durchgeführt werden.
2.3.2 Das generische KOWIEN-Vorgehensmodell 379<br />
prägungen der Kompetenzen bei den Mitarbeitern dient als Ergänzung der bereits vorgenommenen<br />
Zuordnungen von Kompetenzen, 15) die später den ersten Basisinformationsbestand des Kompetenzmanagementsystems<br />
bilden. Die durch die Experteninterviews und Textanalysen identifizierten<br />
Konzepte bilden den Ausgangspunkt für die Basis-Terminologie, die dann schrittweise durch weitere<br />
Wissensakquisition verfeinert und ergänzt wird. Die Erfassung und Verwaltung des Domänenwissens<br />
16) und der verschiedenen Wissensquellen kann durch die Nutzung computerbasierter Werkzeuge<br />
wie Protégé-2000, einer Software-Umgebung für die Wissensakquisition und Ontologieentwicklung<br />
17) , oder das bereits angesprochene Werkzeug OntoKick erleichtert werden.<br />
2.3.2.2.1.3 Konzeptualisierung<br />
Bei der Konzeptualisierung wird eine modellhafte Darstellung eines Realitätsausschnitts erarbeitet,<br />
die einerseits ein Begriffssystem für die Domäne in Form einer Terminologie und andererseits Regeln<br />
für die Verwendung der Begriffe beinhaltet. Beteiligt sind dabei nicht nur die Mitglieder des<br />
Projektteams, sondern auch die schon bei der Wissensakquisition befragten Domänenexperten, damit<br />
eine realitätsnahe Ontologie aufgebaut werden kann.<br />
Um die Nachvollziehbarkeit der Entwicklung zu gewährleisten, ist eine durchgängige Dokumentation<br />
dieser Phase, insbesondere der konkreten Vorgehensweise und der getroffenen Entscheidungen,<br />
von hoher Bedeutung.<br />
Für die Durchführung der Konzeptualisierung wird in der Literatur meist ein so genannter „Middle-<br />
Out“-Ansatz empfohlen 18) . Bei ihm werden, ausgehend von den relevantesten Konzepten (beispielsweise<br />
den am häufigsten genannten Konzepten), zunächst domänen- oder abteilungsspezifische<br />
Terminologie-„Inseln“ erstellt, aus denen später die gesamte Konzeptualisierung gebildet wird. Eine<br />
andere Möglichkeit ist das „Top-Down“-Vorgehen. Hierbei sind zuerst die grundlegenden Konzepte<br />
als oberste Ebene für die Konzeptualisierung zu identifizieren, um diese dann anschließend zu<br />
verfeinern. Die Anwendung dieser Methode kann sehr tief strukturierte, umfassende Ontologien<br />
hervorbringen, doch sie setzt die Existenz entsprechender Informationen und Schemata zu Umfang<br />
und Reichweite der Domäne voraus sowie Erfahrung der Entwickler im Umgang mit konzeptueller<br />
Modellierung und Ontologien. Aus diesen Gründen wird im Vorgehensmodell die Entscheidung in<br />
Bezug auf die anzuwendende Methode abhängig von den Kenntnissen der Mitarbeiter und der<br />
Strukturierung des Wissens über die Unternehmenskompetenzen vorgenommen.<br />
15) Weitere Techniken zur Erhebung von Kompetenzen – neben der Zuweisung oder Selbstbewertung in Interviews sowie Textanalysen<br />
– sind die Qualifizierung durch Tests oder Prüfungsgespräche und die Ermittlung durch Beobachtung; vgl. dazu GE-<br />
BERT (2001) S. 13 und auch ALAN (2002a) für weiter gehende Informationen.<br />
16) Als Domäne gilt hier das Wissen über Kompetenzen.<br />
17) Protégé-2000 wurde von der Stanford Medical Informatics Group (SMI) an der Stanford Universität entwickelt; aktuelle Informationen<br />
sind unter http://protege.stanford.edu/ (Zugriff am 22.12.2004) zu erreichen. Vgl. auch Kapitel 1.3.1.2, S. 176.<br />
18) Dies ist auch bei den meisten der in APKE/DITTMANN (2003a) S. 34 dargestellten und untersuchten Vorgehensmodelle der<br />
Fall; vgl. daneben auch USCHOLD/KING (1995) S. 9 f.; GRÜNINGER/FOX (1995) S. 5; FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO<br />
(1997) S. 5 f.; SURE/STUDER (2002) S. 48.
380 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Wenn bereits umfassendes und tief strukturiertes Wissen über Kompetenzen vorhanden ist, 19) soll<br />
der „Top-Down“-Ansatz gewählt werden. Die Ontologieentwickler erstellen in Zusammenarbeit mit<br />
Domänenexperten 20) eine „Top-Level“-Konzeptualisierung, indem sie die Konzepte auf der obersten<br />
Abstraktionsebene identifizieren und damit erste Klassen zur Detaillierung vorgeben. Ausgehend<br />
von dieser Grundstruktur wird die Ontologie anschließend erweitert und verfeinert, so dass für die<br />
Organisationseinheiten im Unternehmen eindeutige Konzepte für die verschiedenen Kompetenzen<br />
und zusätzliche Informationen, etwa Synonyme für die Begriffe und Raster für die Einstufung der<br />
jeweiligen Kompetenzausprägungen, festgelegt werden. Parallel zu der Terminologieverfeinerung<br />
formulieren die Ontologieentwickler die semantischen Regeln, die einerseits das implizit enthaltene<br />
Wissen durch explizite Schlussfolgerungen erschließen (Inferenzregeln), die aber auch in Form von<br />
Integritätsregeln die Zulässigkeit von Verknüpfungen der definierten Begriffe einschränken.<br />
Falls das Wissen der Organisationseinheiten über ihre Kompetenzen noch begrenzt und unstrukturiert<br />
ist, sollte die Ontologiekonstruktion nach dem „Middle-Out“-Ansatz durchgeführt werden. Ontologieentwickler<br />
und Abteilungsrepräsentanten identifizieren die relevantesten Konzepte und beschreiben<br />
diese durch Bezeichner, Attribute und Relationen und eventuell Integritätsregeln. Dann<br />
ergänzen sie die Konzepte in Gruppenarbeit (zum Beispiel für jede Organisationseinheit) und ordnen<br />
sie hierarchisch. Auf diese Art werden in jedem Bereich verschiedene Terminologie-„Inseln“<br />
mit zusammenhängenden Begriffen gebildet, die miteinander zu verknüpfen sind. Die Zusammenführung<br />
verursacht oft einen hohen Aufwand, da bei der Verbindung leicht Redundanzen und verwirrende<br />
Strukturen entstehen. 21) Sowohl Redundanzen als auch Verwirrungen sollten zu einer ersten<br />
„ad hoc“-Evaluation herangezogen werden.<br />
Sobald ein Konzept oder eine Relation nicht eindeutig definiert werden kann oder Uneinigkeiten<br />
zwischen den Teilnehmern bestehen, sollen erneut Wissensakquisitionstechniken eingesetzt werden,<br />
um weitere Informationen zu beschaffen oder Fehler zu korrigieren.<br />
Wenn die Konzeptverfeinerung organisationseinheitsspezifisch durchgeführt wurde, existiert für jede<br />
Organisationseinheit ein Baum von Begriffen (etwa je ein „Kompetenzbaum“ für Personalwesen,<br />
Produktion, IT-Abteilung usw.), der mit den anderen Bäumen zu einer unternehmensweiten Konzeptualisierung<br />
der Kompetenzen kombiniert wird. Danach werden, wie auch im Rahmen des „Top-<br />
Down“-Ansatzes, Inferenzregeln und Integritätsregeln formuliert, um die Semantik der Konzeptualisierung<br />
zu spezifizieren. Das Vorgehen bei der Definition dieser Regeln ist schwierig und wegen<br />
der unterschiedlichen Strukturen und Zusammenhänge der Ontologien kaum systematisierbar. Die<br />
Entwickler sollten darauf achten, dass die Menge aller Regeln ausreichend ist, um alle Anforderungen<br />
an die Aussagekraft der Ontologie zu erfüllen. 22)<br />
19) Ein strukturierter Umgang mit den Kompetenzen des Unternehmens zeigt sich nicht nur in der Qualität der Dokumentation<br />
von vorhandenen und gewünschten Kompetenzen, sondern auch in der Verwaltung und gezielten Entwicklung der Mitarbeiterkompetenzen,<br />
beispielsweise durch Weiterbildungsmaßnahmen.<br />
20) An dieser Stelle wird zwischen Domänenexperten und Abteilungsvertretern unterschieden. Erstere sind Spezialisten für den<br />
übergeordneten Anwendungsbereich der Ontologie (hier z.B. Kompetenzmanagement) und können auch als externe Berater<br />
hinzugezogen werden, während die Abteilungsvertreter für die Aufnahme der abteilungsbereichsbezogenen (Kompetenz-)<br />
Begriffe und ihrer Beziehungen und Einschränkungen in der Ontologie zuständig sind.<br />
21) Vgl. LAU/SURE (2002) S. 129.<br />
22) Vgl. GRÜNINGER/FOX (1995) S. 7.
2.3.2 Das generische KOWIEN-Vorgehensmodell 381<br />
Für beide Vorgehensweisen gilt, dass die Terminologie sowie die verschiedenen Inferenz- und Integritätsregeln<br />
der späteren Ontologie zu diesem Zeitpunkt noch informal oder eventuell semiformal<br />
durch textuelle und graphische Repräsentationsarten dargestellt sind und damit die Konzeptualisierung<br />
bilden. Natürlichsprachliche Repräsentationen von Wissen über Kompetenzen stehen<br />
im Vordergrund der Konzeptualisierungsphase.<br />
Bevor diese konzeptuelle Beschreibung in der Implementierungsphase in eine formale Spezifikation<br />
transformiert wird, soll das Ergebnis der bisherigen Ontologieentwicklung beurteilt werden, um<br />
eventuelle Fehler möglichst frühzeitig aufzudecken. Daher sollte das Projektteam durch die Durchführung<br />
von Reviews, an denen auch Vertreter der Benutzer teilnehmen können, die Qualität der<br />
Konzeptualisierung überprüfen. Dabei sind eventuell an die Ontologierepräsentation gestellte Anforderungen<br />
der Benutzer und Entwickler ebenso zu beachten wie generelle Design-Kriterien, etwa<br />
Klarheit (die beispielsweise durch Objektivität und Vollständigkeit erreicht werden kann), Kohärenz<br />
(beispielsweise müssen die Inferenzregeln und Integritätsregeln sowohl untereinander als auch<br />
in Bezug auf die Begriffsdefinitionen konsistent sein), Erweiterbarkeit und minimale ontologische<br />
Verpflichtung (es sind möglichst wenige Forderungen an den modellierten Realitätsausschnitt zu<br />
stellen). 23) Für die Umsetzung der Reviews ist beispielsweise die Delphi-Methode geeignet, 24) bei<br />
der die Konzeptualisierung iterativ immer wieder modifiziert und verbessert wird, bis sie aus Sicht<br />
aller Beteiligten als vollständig anzusehen ist und den Anforderungen entspricht. Wenn eine erneute<br />
Konzeptualisierung nicht ausreichend ist, weil zum Beispiel wichtige Informationen fehlen oder<br />
Widersprüche existieren, findet ein Rücksprung zur Phase der Wissensakquisition statt, um diese<br />
Probleme zu lösen. Sobald zwischen allen Teilnehmern der Reviews eine Übereinstimmung hinsichtlich<br />
des Inhalts und des Designs der Konzeptualisierung erzielt wird, kann mit der Formalisierung<br />
begonnen werden.<br />
Um die Entwicklung, konzeptuelle Modellierung und Dokumentation der Kompetenzontologie zu<br />
unterstützen, können Software-Werkzeuge wie OntoEdit 25) , Protégé-2000 26) , die 1995 vorgestellte<br />
Entwicklungsumgebung Ontolingua 27) oder auch KAON 28) , eine Software-Anwendung für die Konstruktion,<br />
Formalisierung und Verwaltung von Ontologien, eingesetzt werden.<br />
23) Vgl. Kapitel 2.1.6, S. 341 ff.<br />
24) Vgl. HOLSAPPLE/JOSHI (2002) S. 45 ff.<br />
25) OntoEdit ist der Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH. Es stellt Funktionalitäten für die<br />
Konstruktion, insbesondere für die konzeptuelle Modellierung von Ontologien bereit und unterstützt die Ausgabesprachen<br />
XML, F-Logic, RDF(S) und DAML+OIL. Vgl. SURE/STUDER (2002) S. 21 und 50 f. sowie – zu OntoEdit – Kapitel 1.3.1.2,<br />
S. 177 ff., und Kapitel 3.2.2.5.2.1, S. 663 f.<br />
26) Protégé-2000 (vgl. Kapitel 1.3.1.2, S. 176) beinhaltet u.a. Funktionalitäten zur Visualisierung und Bearbeitung von Ontologien<br />
in graphischer Form und ermöglicht die Implementierung in F-Logic, OIL, Ontolingua und RDF(S).<br />
27) Vgl. FARQUHAR/FIKES/RICE (1996) und FARQUHAR/FIKES/RICE (1997). Durch Ontolingua können Ontologien in die gleichnamige<br />
Sprache Ontolingua, aber auch in PROLOG, LOOM und CLIPS übersetzt werden. Vgl. auch Kapitel 1.3.1.2, S. 174 f.<br />
28) KAON steht für „Karlsruhe Ontology and Semantic Web Tool Suite”; vgl. die Informationen im Internet unter der URL<br />
„http://kaon.semanticweb.org/“ (Zugriff am 23.12.2004). Die Software-Anwendung kann zur Entwicklung ontologiebasierter<br />
Anwendungen genutzt werden. Sie wurde, wie auch die On-To-Knowledge-Werkzeuge, am Institut AIFB (Angewandte Informatik<br />
und Formale Beschreibungsverfahren) der Universität Karlsruhe entwickelt, stellt jedoch im Gegensatz zur On-To-<br />
Knowledge-Werkzeugsammlung eine nicht-kommerzielle Werkzeugsammlung dar.
382 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.2.1.4 Implementierung<br />
Ähnlich wie die Phase Kodierung des „Enterprise Model“-Ansatzes 29) umfasst die Implementierung<br />
die Erstellung einer formalen Repräsentation (Spezifikation) des konzeptuellen Modells, das am Ende<br />
der Konzeptualisierungsphase vorliegt, und die Integration in ein laufendes System. Die formale<br />
Repräsentation (Spezifikation) soll insofern getrennt von der Konzeptualisierung durchgeführt werden,<br />
als dass die Konzeptualisierung nicht auf bestimmte formale, computerbasiert verarbeitbare<br />
Sprachen oder andere technische Anforderungen ausgerichtet ist.<br />
Es können bei der Formalisierung Änderungen entstehen oder Mehrdeutigkeiten aufgedeckt werden,<br />
die das konzeptuelle Modell betreffen und eine Überarbeitung der Terminologie oder der Integritäts-<br />
und Inferenzregeln oder sogar eine erneute Wissensakquisition erfordern.<br />
Die Ontologieentwickler müssen zunächst eine formale Sprache auswählen. Dabei müssen sie auf<br />
eventuelle Benutzeranforderungen bezüglich der Funktionalität der Ontologie sowie auf die durch<br />
die technische Systemumgebung gegebenen Nebenbedingungen Rücksicht nehmen.<br />
Die möglicherweise während der Konzeptualisierung genutzte Entwicklungsumgebung kann die<br />
Aktivitäten der Formalisierung erleichtern und sogar zu einem großen Teil automatisieren, schränkt<br />
jedoch auch die Anzahl der zur Verfügung stehenden formalen Sprachen ein.<br />
Nachdem eine Entscheidung hinsichtlich der Auswahl einer Sprache getroffen wurde (für das KO-<br />
WIEN-Projekt sind die nahe liegenden Alternativen – unter anderem wegen der zur Verfügung stehenden<br />
Computer-Werkzeuge – zum Beispiel F-Logic, RDF(S), DAML+OIL und OWL), transformiert<br />
das Projektteam das konzeptuelle Modell in eine formale Darstellung. Dabei sollen die an die<br />
Spezifikation gestellten Anforderungen der Benutzer und Entwickler ebenso beachtet werden wie<br />
die bereits erläuterten generellen Design-Kriterien, insbesondere Klarheit, Objektivität, Formalität,<br />
Kohärenz, Erweiterbarkeit und minimale Verzerrung durch die Kodierung.<br />
Wenn während der Formalisierung Fehler, Widersprüche oder Unklarheiten entdeckt werden, müssen<br />
die Ontologieentwickler diese analysieren und abhängig vom Ursprung des Fehlers entsprechend<br />
reagieren. Bei einem formalen Fehler, zum Beispiel in der Syntax, ist nur die formalsprachliche<br />
Darstellung zu überprüfen und zu verbessern. Falls aber ein inhaltliches (konzeptuelles) Problem<br />
vorliegt oder relevante Informationen fehlen, muss die Konzeptualisierung überarbeitet oder<br />
sogar erneut zusätzliches Wissen akquiriert werden.<br />
Nachdem durch die Transformation die Spezifikation der Konzeptualisierung erstellt wurde, implementiert<br />
das Projektteam die Ontologie im Rahmen einer Computer-Anwendung, damit sie in den<br />
Anwendungsbereichen auch computerbasiert genutzt werden kann. Diese Software dient zur Realisierung<br />
des Kompetenzmanagementsystems, daher gehört dazu unter anderem die Entwicklung von<br />
Oberflächen für die Benutzerinteraktion (beispielsweise für die Visualisierung und Verwaltung von<br />
Kompetenzprofilen) ebenso wie die Programmierung/Verwendung einer Überwachung der Integritäts-<br />
und Inferenzregeln, etwa in Form einer Inferenzmaschine.<br />
Für die Unterstützung bei der formalsprachlichen Repräsentation des konzeptuellen Modells und ihrer<br />
Integration als Teil eines Kompetenzmanagementsystems können die schon in Kapitel<br />
2.3.2.2.1.3 vorgestellten Software-Umgebungen OntoEdit, KAON, Protégé-2000 oder Ontolingua<br />
eingesetzt werden.<br />
29) Vgl. USCHOLD/KING (1995) S. 3.
2.3.2 Das generische KOWIEN-Vorgehensmodell 383<br />
2.3.2.2.1.5 Evaluation<br />
Bevor die Kompetenzontologie eingeführt und benutzt werden kann, muss sie im Hinblick auf die<br />
Erfüllung der Benutzeranforderungen und ihre generelle Anwendbarkeit im IT-Systemumfeld bewertet<br />
werden. In dieser Phase wird daher eine Evaluation der Ontologie vorgenommen, das heißt<br />
eine Beurteilung ihrer Qualität hinsichtlich eines Bezugsrahmens 30) , den die Anforderungsspezifizierung<br />
bildet. Dabei wird zwischen Verifikation und Validation der Ontologie unterschieden: Die<br />
Verifikation untersucht die Frage, ob die Ontologie korrekt aufgebaut wurde und im Sinne der formalen,<br />
insbesondere der nicht-funktionalen Anforderungsspezifizierung korrekt ist, während bei der<br />
Validation geprüft wird, ob das Programm in einer bestimmten Zielumgebung lauffähig ist und insbesondere<br />
die vom Benutzer gewünschten Funktionalitäten liefert. 31)<br />
Wie in der Abbildung 43 auf S. 396 veranschaulicht, wird die Ontologie zunächst verifiziert, also<br />
auf ihre Konsistenz und Korrektheit und auf ihre Konformität zur formalen, insbesondere nichtfunktionalen<br />
Anforderungsspezifizierung überprüft. Daran sind sowohl die Ontologieentwickler als<br />
auch Domänenexperten beteiligt, da einerseits die formale Fehlerfreiheit (die Syntax) der Ontologie,<br />
andererseits auch die inhaltliche Richtigkeit (die Semantik) beurteilt werden muss. Die Verifizierer<br />
analysieren die einzelnen Bestandteile der Ontologie und untersuchen dabei, ob alle Konzepte,<br />
Relationen und Regeln korrekt definiert sind. Außerdem werden die Aussagen aller Integritäts-<br />
und Inferenzregeln auf ihre formale Fehlerfreiheit und auf ihre Konsistenz untereinander sowie zu<br />
den ermittelten Konzepten und Relationen geprüft. Geringere bei der Verifikation festgestellte<br />
Mängel werden direkt verbessert und dokumentiert. Wenn umfangreichere Änderungen erforderlich<br />
sind, sollten die Fehler zunächst in ein Evaluationsdokument eingetragen und die notwendigen Aktionen<br />
später entschieden werden.<br />
Sobald alle Konzepte, Relationen und Regeln auf ihre Erfüllung der Benutzer- und der Entwickleranforderungen<br />
(also auch hinsichtlich der in Kapitel 2.3.2.2.1.3 auf S. 381 genannten allgemeinen<br />
Design-Kriterien für Ontologien: Klarheit, Kohärenz, Erweiterbarkeit und minimale ontologische<br />
Verpflichtung) analysiert sind, beginnt das Projektteam mit der Validation. Dabei bewerten die<br />
Entwickler zusammen mit Vertretern der Benutzer, ob die Ontologie tatsächlich die erforderlichen<br />
sprachlichen Ausdrucksmittel für den betreffenden Realitätsausschnitt bereitstellt, den sie repräsentieren<br />
soll. Von besonderer Bedeutung bei der Validation ist der Vergleich mit dem im Rahmen der<br />
funktionalen Anforderungsspezifizierung definierten Hauptziel, also der ursprünglichen Intention<br />
der Ontologieentwicklung. Die fertig gestellte Ontologie muss das Ziel erfüllen und dafür diejenigen<br />
Leistungen erbringen, die in den Benutzeranforderungen als zu implementierende Funktionalitäten<br />
definiert wurden. Auch an dieser Stelle der Evaluation müssen umfangreichere Änderungsvorschläge<br />
im Evaluationsdokument festgehalten werden. Wenn die Beteiligten alle Bestandteile der<br />
Ontologie daraufhin getestet haben, ob sie ausreichend sind für das festgelegte Ziel, kann die Validation<br />
als abgeschlossen angesehen werden.<br />
Es ist jedoch wichtig, dass auch die Anwendbarkeit der Ontologie in ihren späteren Anwendungsbereichen<br />
gewährleistet ist. Daher sollte, sobald alle Komponenten des gesamten Kompetenzmanagementsystems<br />
implementiert sind, die Ontologie als Teil dieses Systems in den Anwendungsbereichen<br />
getestet werden. Durch eine Simulation der tatsächlichen Nutzung im Unternehmen können<br />
30) Vgl. GÒMEZ-PÉRÉZ (1994) S. 11.<br />
31) Die vermutlich meist zitierte Definition dieser beiden Aktivitäten ist die Formulierung von BOEHM (1988) S. 205. Er<br />
beschreibt Validation mit „are we building the right product?” und Verifikation durch „are we building the product right?”.
384 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
die Entwickler die Erfüllung der technischen Anforderungen, etwa die Interoperabilität und Kooperation<br />
mit anderen Systemen wie SAP, überprüfen. Auf der anderen Seite spielt auch die Benutzerfreundlichkeit<br />
der Bedienung, die unter anderem durch die Performanz und die Zugangsmöglichkeiten<br />
der verschiedenen Benutzer beeinflusst wird, eine große Rolle, da sich der Nutzen der Ontologie<br />
aus der Akzeptanz unter den Benutzern ergibt.<br />
Die Aktivität des Testens in den Anwendungsbereichen wird als Bestandteil der Validation angesehen,<br />
ihre Durchführbarkeit ist jedoch abhängig von der Implementierung des gesamten Kompetenzmanagementsystems,<br />
dessen Fertigstellung nicht mit dem Abschluss der Ontologieimplementierung<br />
zusammenfallen muss. Dennoch sollen auch die Ergebnisse der Anwendungsevaluation in<br />
das Evaluationsdokument einfließen, um anschließend anhand der festgestellten Mängel der Ontologie<br />
die weiteren Schritte zu planen. Geringe Fehler können sofort behoben werden, während gravierende<br />
formale Mängel zu einer erneuten Formalisierung und damit zu einer Modifikation der<br />
Ontologie führen. Wenn schwerwiegende inhaltliche Probleme vorliegen, muss das gesamte konzeptuelle<br />
Modell überarbeitet werden (und auch alle der Konzeptualisierung nachfolgenden Phasen<br />
müssen noch einmal durchlaufen werden). Falls alle Beteiligten darin übereinstimmen, dass die Ontologie<br />
den Zielen und Benutzerwünschen und somit der Anforderungsspezifikation gerecht wird,<br />
kann mit ihrer Einführung im Rahmen des Kompetenzmanagementsystems begonnen werden.<br />
Wie auch in den anderen Phasen der Ontologieentwicklung ist bei der Evaluation die Nutzung von<br />
Software-Werkzeugen zu empfehlen, um das Vorgehen zu erleichtern, möglicherweise (teilweise)<br />
zu automatisieren und den Überblick zu behalten. Bisher existieren jedoch auch in der Literatur nur<br />
wenige explizit für die Ontologieevaluation entwickelte Anwendungen, beispielsweise OCM 32) sowie<br />
OntoAnalyser und OntoGenerator. 33)<br />
2.3.2.2.2 Phasen der Ontologiepflege<br />
Die vorliegende Version 2.0 des KOWIEN-Vorgehensmodells berücksichtigt auch die Pflege von<br />
bereits entwickelten Ontologien, indem generell davon ausgegangen wird, dass nach der Beendigung<br />
der Entwicklung auf den Anfang des Vorgehensmodells gesprungen wird. Anschließend werden<br />
die Phasen aus Kapitel 2.3.2.2.1 (S. 376 ff.) erneut durchlaufen. Dabei wird jedoch während der<br />
Phase der Konzeptualisierung davon ausgegangen, dass der „Top-Down-Ansatz“ verfolgt wird, weil<br />
die angewendeten Ontologien eine Strukturierung des vorhandenen Wissens im Unternehmen bedeuten.<br />
Dieser pragmatische Ansatz sichert aufgrund von Klarheit und Einfachheit eine Verwendung<br />
des Vorgehensmodells in der Praxis.<br />
32) Der „Ontological Constraints Manager“ (OCM) wurde ursprünglich zur Konsistenzprüfung für die Verbesserung der Systemzuverlässigkeit<br />
entwickelt; das Werkzeug hat jedoch vielfältige Anwendungsmöglichkeiten und kann auch für die Evaluation<br />
von Ontologien selbst eingesetzt werden. Vgl. KALFOGLOU/ROBERTSON/TATE (1999) S. 13 ff.<br />
33) „OntoAnalyser“ und „OntoGenerator“ sind zwei Plug-Ins für das bereits erwähnte „OntoEdit“. An dieser Stelle ist besonders<br />
OntoAnalyser von Bedeutung, da die Anwendung zur Überprüfung von Ontologieeigenschaften dient (z.B. sprachliche Konformität<br />
und Konsistenz), während OntoGenerator für die Evaluation ontologiebasierter Anwendungen konstruiert wurde.<br />
Vgl. dazu ANGELE/SURE (2001) S. 3 ff.
2.3.2 Das generische KOWIEN-Vorgehensmodell 385<br />
2.3.2.2.3 Phasenübergreifende Unterstützungsleistungen<br />
Als phasenübergreifende Unterstützungsleistungen, die während der gesamten Entwicklung anzuwenden<br />
sind, werden im KOWIEN-Vorgehensmodell in der Version 2.0 die Unterstützungsleistungen<br />
Dokumentation und Projektmanagement unterschieden.<br />
2.3.2.2.3.1 Dokumentation<br />
Für die jeweils nachfolgenden Aktivitäten im Ontologieentwicklungsprozess, aber auch für spätere<br />
Modifikationen oder Wiederverwendungen der Ontologie ist eine gründliche Dokumentation von<br />
großer Bedeutung. 34) Aus diesem Grund soll das Projektteam parallel zur Ontologiekonstruktion eine<br />
genaue Beschreibung der relevanten Projektentscheidungen und -ergebnisse in digitaler (oder<br />
schriftlicher) Form anfertigen. Unabhängig vom aktuellen Stand der Entwicklung müssen der Prozessablauf<br />
verfolgt und wichtige Ereignisse festgehalten werden. Ein solches Ereignis ist beispielsweise<br />
das Erreichen eines Meilensteins im Projekt, etwa der (vorläufige) Abschluss einer Phase.<br />
Die dabei als Ergebnisse entstandenen Artefakte (Anforderungsspezifikation, Konzeptualisierung,<br />
Ontologie usw.) bilden einen bedeutenden Teil der Dokumentation.<br />
Schwieriger, aber ebenfalls essentiell für die Verbesserung der Nachvollziehbarkeit und der Akzeptanz<br />
der Ontologie ist die digitale (oder schriftliche) Fixierung wichtiger Entscheidungen 35) bezüglich<br />
des Vorgehens bei der Entwicklung. Während des gesamten Entwicklungsprozesses müssen die<br />
Mitglieder des Projektteams für diese Entscheidungen alle in Betracht gezogenen Alternativen, die<br />
letztendlich vorgenommene Auswahl und die dabei relevanten Gründe detailliert dokumentieren,<br />
um das Vorgehen für spätere Revisionen und für Rückfragen durch Personen, die nicht an dem<br />
Entwicklungsprozess beteiligt waren, transparent zu machen.<br />
Parallel zur Durchführung der einzelnen Aktivitäten entstehen Dokumente wie Auflistungen der<br />
Benutzer der Ontologie, der Wissensträger hinsichtlich der im Unternehmen verteilten Kompetenzen<br />
und der bei der Ontologiekonstruktion eingesetzten Wissensakquisitionstechniken.<br />
Die Dokumentation der Ontologieentwicklung ist erst abgeschlossen, wenn auch der Entwicklungsprozess<br />
selbst beendet ist. Auch in dieser phasenübergreifenden Unterstützungsleistung ist die Nutzung<br />
von Computerunterstützung sinnvoll. Der Einsatz einfacher Microsoft-Office-Produkte oder<br />
von Software für kooperatives Arbeiten (Computer Supported Cooperative Work) verringert unter<br />
anderem den Koordinationsaufwand bei der Zusammenarbeit mehrerer Personen. Die meisten Ontologieentwicklungswerkzeuge<br />
bieten eine Hilfestellung für die Dokumentation, indem sie die digitale,<br />
formale und oft auch graphische Darstellung erleichtern und außerdem das Einfügen von<br />
Kommentaren und Erläuterungen im Quellcode erlauben.<br />
34) Vgl. FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997) S. 34.<br />
35) An dieser Stelle ist die Bedeutung von „wichtig“ kontextspezifisch und schwierig zu definieren; besondere Aufmerksamkeit<br />
sollte jedoch solchen Entscheidungen gelten, die die Arbeit mehrerer Personen nachhaltig betreffen.
386 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.2.3.2 Projektmanagement<br />
Die Ausführungen aus dem vorangegangenen Kapitel gelten im Groben auch für den Unterstützungsprozess<br />
Projektmanagement. Unter Projektmanagement wird hier das Planen, Leiten und<br />
Lenken eines Projekts subsumiert. 36) Ein Projekt ist ein einmaliger Prozess, der aus einem Satz von<br />
abgestimmten und gelenkten Tätigkeiten mit Anfangs- und Endtermin besteht und durchgeführt<br />
wird, um ein Ziel zu erreichen, das spezifische Forderungen erfüllt, wobei Zeit-, Kosten- und Ressourcenbeschränkungen<br />
eingeschlossen sind.<br />
Insbesondere die Verfolgung des Projektablaufs wird dem Projektmanagement zugerechnet. Der<br />
Einsatz spezieller Software (beispielsweise MS-Project von Microsoft) kann das Management der<br />
Ontologiekonstruktion erheblich erleichtern und gleichzeitig wiederum die Dokumentation unterstützen,<br />
z.B. bei der automatischen Generierung von Reports.<br />
Im Vorgehensmodell finden sich die Objekte der Dokumentation und des Projektmanagements im<br />
oberen rechten Teil der graphischen Darstellung und zum Ende der Ontologiekonstruktion.<br />
2.3.2.3 Darstellung des generischen Vorgehensmodells<br />
2.3.2.3.1 Elemente Ereignisgesteuerter Prozessketten<br />
Durch Ereignisgesteuerte Prozessketten 37) (EPK) wird eine Folge von Funktionen im Sinne eines<br />
Prozesses dargestellt. Für jede Funktion müssen dabei die Start- und Endereignisse angegeben werden,<br />
wobei Ereignisse entweder Start oder Abschluss von Funktionen sind. Eine „schlanke“ EPK<br />
konstituiert sich dabei lediglich aus Funktionen, Ereignissen und Verknüpfungsoperatoren. 38) Diese<br />
werden mittels Kanten miteinander verbunden. In Abbildung 37 auf S. 388 repräsentieren die abgerundeten<br />
Felder die einzelnen Funktionen oder Aktivitäten der Ontologieentwicklung, während die<br />
Sechsecke die Ereignisse oder Zustände darstellen, die den Start oder Abschluss der jeweiligen Aktivität<br />
markieren.<br />
Die Bedeutung der Kanten ist abhängig von den Elementen, die sie verbinden: Von einem Ereignis<br />
zu einer Funktion verlaufend, repräsentieren sie eine „aktiviert“-Beziehung, in der umgekehrten<br />
Richtung stellen sie dar, dass die Funktion das Ereignis „erzeugt“. Zwischen einer Funktion und einem<br />
Informationsträger haben sie die Bedeutung „erzeugt Output auf“ und „liefert Input für“; durch<br />
die Verbindung eines Akteurs mit einer Funktion wird dagegen eine „führt aus“-Relation dargestellt.<br />
Eine Kante, die zu einer Regel (in Ereignisgesteuerten Prozessketten gibt es UND-, ODER-<br />
und XOR-Regeln für die logische Verknüpfung) verläuft oder von ihr ausgeht, hat die Bedeutung<br />
„führt zu“. Die einzelnen Regeln werden jeweils durch einen Kreis mit dem jeweiligen Symbol ihrer<br />
logischen Verknüpfung dargestellt.<br />
Erweiterte Ereignisgesteuerte Prozessketten (eEPK) bilden sich aus der „schlanken“ Prozesskette<br />
und weiteren Elementen. Als weitere Elemente finden sich Informationsträger und das eigentliche<br />
Kompetenzmanagementsystem als Softwareanwendung im KOWIEN-Vorgehensmodell.<br />
36) Vgl. LEONHARD/NAUMANN (2002) S. 243.<br />
37) Vgl. SCHEER (2001) S. 16 u. 108 f.; SEIDLMEIER (2002) S. 70 ff; vgl. daneben auch APKE/DITTMANN (2003b) S. 76 f.<br />
38) Vgl. SEIDLMEIER (2002) S. 21.
2.3.2 Das generische KOWIEN-Vorgehensmodell 387<br />
Es werden drei Arten von Informationsträgern unterschieden: Dokumente, Akteure und Werkzeuge.<br />
Die während der Ontologiekonstruktion entstehenden Dokumente werden durch grau hinterlegte<br />
Rechtecke, die am unteren Ende geschwungen abgeschnitten werden, dargestellt. In der Regel erfolgt<br />
die Darstellung direkt neben den Funktionen, durch die sie entstehen. Die runden Felder mit<br />
der Skizzierung eines Gesichts, die sich auch jeweils an der Seite der entsprechenden Aktivitäten<br />
befinden, geben die beim Entwicklungsprozess mitwirkenden Akteure (Personen oder Gruppen oder<br />
Organisationseinheiten) an. Dabei wird davon ausgegangen, dass das Projektteam der Ontologieentwickler<br />
in jeder Phase an allen Aktivitäten (meist hauptverantwortlich) beteiligt ist, daher<br />
werden diese Mitarbeiter im Vorgehensmodell nur an den Stellen explizit aufgeführt, wo sie besondere<br />
Bedeutung für den Prozessablauf haben. Durch einen stilisierten Ordnerrücken werden die<br />
Werkzeuge, deren Einsatz für die Durchführung einer Aktivität empfohlen wird, jeweils neben der<br />
zugeordneten Aktivität angegeben. Dabei findet sich links oben von dem Icon der Name des Werkzeugs<br />
und rechts davon (sofern vorhanden) eine Langbeschreibung des Werkzeugs, die in der Anwendung<br />
mittels Mausklicks erreicht werden kann. Darunter findet sich (ebenfalls sofern vorhanden)<br />
ein Beispiel für die Anwendung oder eine Vorlage, die die direkte Anwendung ermöglicht.<br />
Weil die zusammenhängende Darstellung des gesamten Modells auf einer Seite nicht möglich ist,<br />
werden Konnektoren in der Darstellung des Vorgehensmodells eingesetzt. Ein Konnektor wird dabei<br />
jeweils neben die Kante, die zu einem Teil des Modells führt, der nicht mehr abgebildet werden<br />
konnte, als Platzhalter gesetzt. Die einzelnen Konnektoren werden mit einem an einer Ecke abgewinkelten<br />
Rechteck dargestellt und besitzen jeweils eine eindeutige Bezeichnung in Form einer römischen<br />
Zahl.<br />
Abbildung 37 auf der nächsten Seite verdeutlicht die Anwendung von erweiterten Ereignisgesteuerten<br />
Prozessketten für die Repräsentation von Vorgehensmodellen anhand eines Ausschnitts aus dem<br />
KOWIEN-Vorgehensmodell. Die einzelnen Elemente, der Gesamtaufbau und die Komponenten des<br />
KOWIEN-Vorgehensmodells werden in den anschließenden Kapiteln näher erläutert.
388 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Fragebogen<br />
Stakeholder Identifizierung<br />
Personalabteilung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Ontologieentwickler<br />
Benutzer<br />
identifizieren<br />
IT-Abteilung<br />
Konnektor II<br />
Personalabteilung<br />
Competency<br />
Questions<br />
Anwendungsfall-Modellierung<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
IT-Abteilung<br />
Start der Entwicklung<br />
Ziele<br />
festlegen<br />
Ziele sind<br />
definiert<br />
Anwendungsbereiche<br />
identifizieren<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Abbildung 37: Beispiel einer eEPK<br />
Konnektor I<br />
Anforderungsspezifikation<br />
Anforderungsspezifikation<br />
Konnektor III<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage
2.3.2 Das generische KOWIEN-Vorgehensmodell 389<br />
2.3.2.3.2 Elemente im KOWIEN-Vorgehensmodell<br />
Folgende Objekte werden im Einzelnen im KOWIEN-Vorgehensmodell berücksichtigt:<br />
Schriftliche Befragung<br />
Competency<br />
Questions<br />
Symbol Bezeichnung Kurzerläuterung<br />
Langbeschreibung<br />
Personalbogen<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Ontologieentwickler<br />
KMS<br />
Start der Entwicklung<br />
Dokument<br />
Werkzeug<br />
Akteur<br />
Anwendung<br />
Ereignis<br />
Ein Dokument entsteht in der Regel während der Ontologieentwicklung<br />
und dient insbesondere der Dokumentation<br />
der Ergebnisse. Die Langbeschreibung enthält<br />
nähere Erläuterungen zur Art des Dokuments. Unterhalb<br />
der Langbeschreibung kann sich ein Beispiel<br />
oder eine Vorlage zur Arbeitserleichterung befinden.<br />
Ein Dokument gehört zur Gruppe der Informationsträger.<br />
Die zur Arbeitserleichterung und Durchführung der<br />
Prozessschritte notwendigen Werkzeuge werden mittels<br />
eines stilisierten Ordnerrückens dargestellt. Die<br />
Langbeschreibung enthält nähere Erläuterungen zur<br />
Art des Werkzeugs. Unterhalb der Langbeschreibung<br />
kann sich ein Beispiel oder eine Vorlage zur Anwendung<br />
befinden.<br />
Ein Werkzeug gehört zur Gruppe der Informationsträger.<br />
Mittels eines „Gesichts“ werden Akteure kenntlich<br />
gemacht, die bei einer bestimmten Durchführung eines<br />
Prozessschrittes von hervorgehobener Bedeutung sind,<br />
z.B. weil sie als einzige über notwendige Kenntnisse<br />
verfügen oder weil sie besondere Verantwortung tragen.<br />
Als Akteure wurden Ontologieentwickler, IT-<br />
Abteilung, Personalabteilung und Benutzer modelliert.<br />
Ein Akteur gehört zur Gruppe der Informationsträger.<br />
Das Kompetenzmanagementsystem wird als „die“<br />
spezifische Softwareanwendung gesondert, d.h. nicht<br />
als Informationsträger ausgewiesen.<br />
Ein Ereignis ist ein Zustand, der vor dem Start oder<br />
nach dem Ende einer zugehörigen Funktion vorliegt.
390 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Symbol Bezeichnung Kurzerläuterung<br />
Ziele<br />
festlegen<br />
Konnektor I<br />
Funktion<br />
Und-Regel<br />
exklusive<br />
Oder-Regel<br />
inklusive<br />
Oder-Regel<br />
Konnektor<br />
Durchgezogene<br />
Kante<br />
Gestrichelte<br />
Kante<br />
Gepunktete Kante<br />
Eine Funktion ist eine Aufgabe oder Tätigkeit an einem<br />
Objekt zur Unterstützung des Hauptziels des<br />
Vorgehensmodells, der Entwicklung einer Kompetenzontologie.<br />
Sie kann nur ausgeführt werden, wenn<br />
zuvor ein bestimmtes Ereignis eingetreten ist.<br />
Die Und-Regel stellt eine logische Verknüpfung dar.<br />
Sie wird genutzt, um parallele Abläufe darzustellen.<br />
Die exklusive Oder-Regel stellt eine logische Verknüpfung<br />
dar. Sie wird genutzt, um alternative Abläufe<br />
darzustellen.<br />
Die inklusive Oder-Regel stellt eine logische Verknüpfung<br />
dar. Sie wird genutzt, um parallele und alternative<br />
Abläufe darzustellen.<br />
Ein Konnektor verbindet zwei Modelle eindeutig.<br />
Beziehungen werden mittels Pfeilen<br />
zwischen den Elementen dargestellt.<br />
Durchgezogene Kanten verbinden im Sinne einer Reihenfolge<br />
Funktionen und Ereignisse.<br />
Beziehungen werden mittels Pfeilen<br />
zwischen den Elementen dargestellt.<br />
Gestrichelte Kanten verbinden Informationsträger mit<br />
Funktionen.<br />
Beziehungen werden mittels Pfeilen<br />
zwischen den Elementen dargestellt.<br />
Gepunktete Kanten verbinden einzelne Modelle.<br />
Durch die Kombination dieser Elemente zu erweiterten Ereignisgesteuerten Prozessketten können<br />
Prozesse auf abstrakter und anschaulicher Ebene modelliert werden.
2.3.2 Das generische KOWIEN-Vorgehensmodell 391<br />
2.3.2.3.3 Graphische Darstellung<br />
2.3.2.3.3.1 Gesamtdarstellung (Skizze)<br />
Anforderungsspezifizierung<br />
Fragebogen Anforderungsspezifizierung<br />
Wissensakquisition<br />
Konzeptualisierung<br />
Implementierung<br />
Evaluation<br />
Benutzer<br />
Begriffssammlung<br />
Inferenzregeln<br />
aufstellen (iterativ)<br />
gravierende<br />
formale Mängel<br />
festgestellt<br />
Beispiel/Vorlage<br />
Stakeholder Identifizierung Langbeschreibung<br />
Beispiel/Vorlage<br />
Brainstorming Langebeschreibung<br />
Mind Map Langbeschreibung<br />
Strukturierte Befragung Langbeschreibung<br />
Personalabteilung<br />
Benutzer<br />
identifizieren<br />
Benutzer sind<br />
identifiziert<br />
Mitarbeiterbeurteilung Langbeschreibung<br />
Beispiel/Vorlage<br />
Unstrukturierte Befragung Langbeschreibung<br />
Beispiel/Vorlage<br />
Schriftliche Befragung Langbeschreibung<br />
Beispiel/Vorlage<br />
Psychologische Tests Langbeschreibung<br />
Assessment Center Langbeschreibung<br />
Beispiel/Vorlage<br />
Beobachtung Langbeschreibung<br />
Ontologieentwickler<br />
Personalabteilung<br />
Unified Modeling Language Langbeschreibung<br />
ER-Modell Langbeschreibung<br />
Semantische Netze Langbeschreibung<br />
Frames Langbeschreibung<br />
CommonKADS Langbeschreibung<br />
Checkliste<br />
Projektplan<br />
Integrationsplan<br />
Lösungskonzept<br />
Installationsanleitung<br />
Testvorschriften<br />
Kompetenzwissenunstrukturiert<br />
relevante Begriffe<br />
ordnen<br />
Terminologie-<br />
"Inseln" sind<br />
erstellt<br />
"Inseln"<br />
zusammenführen<br />
(iterativ)<br />
Terminologie<br />
ist erstellt<br />
Ontologieentwickler<br />
gravierende<br />
inhaltliche Mängel<br />
festgestellt<br />
Integritätsregeln<br />
aufstellen (iterativ)<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
Anforderungen sind<br />
unvollständig<br />
Terminologie-<br />
"Inseln"<br />
Wissensträger<br />
identifizieren<br />
Wissensträger<br />
sind identifiziert<br />
Wissensträger<br />
befragen<br />
Befragungen<br />
beendet<br />
Befragungen<br />
auswerten<br />
Konzeptualisierung<br />
Ontologieentwickler<br />
IT-Abteilung<br />
Personalabteilung<br />
Langbeschreibung<br />
Competency<br />
Questions<br />
Beispiel/Vorlage<br />
Anwendungsfall-Modellierung Langbeschreibung<br />
Kasseler-Kompetenz-Raster Langbeschreibung<br />
Inferenzregeln<br />
aufstellen (iterativ)<br />
Benutzer<br />
Benutzer<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
IT-Abteilung<br />
IT-Abteilung<br />
Systemarchäologie<br />
PROLOG Langbeschreibung<br />
Konzeptualisierung<br />
Loom Langbeschreibung<br />
F-Logic Langbeschreibung<br />
Ontologie<br />
Begriffssammlung<br />
Evaluationsdokument<br />
Begriffssammlung<br />
Beispiel/Vorlage<br />
Workshop<br />
Feldbeobachtung<br />
Vorbereitung<br />
durchführen<br />
Start der Entwicklung<br />
Ziele<br />
festlegen<br />
Ziele sind<br />
definiert<br />
Anforderungsspezifikation<br />
Anforderungen des<br />
Umfeldes<br />
identifizieren<br />
Anforderungen sind<br />
(vorläufig)<br />
vollständig<br />
IT-Abteilung<br />
Wissensträgerkarte<br />
Langbeschreibung<br />
Dokumentation der<br />
Erhebungstechniken<br />
Ontologieentwickler<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Wissensträgerkarte<br />
Unified Modeling Language Langbeschreibung<br />
KIF Langbeschreibung<br />
Ontolingua Langbeschreibung<br />
DAML+OIL Langbeschreibung<br />
RDF(S) Langbeschreibung<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Benutzerhandbuch<br />
Konzeptualisierung<br />
XML Langbeschreibung<br />
OWL Langbeschreibung<br />
ER-Modell Langbeschreibung<br />
Semantische Netze Langbeschreibung<br />
Frames<br />
Anwendungsbereiche<br />
identifizieren<br />
Anwendungsbereiche<br />
sind identifiziert<br />
Liste der<br />
relevanten<br />
Dokumente<br />
Begriffssammlung<br />
Begriffe,<br />
Relationen<br />
identifiziert<br />
Wissen über<br />
Kompetenzen<br />
analysieren<br />
Kompetenzwissen<br />
strukturiert<br />
Basisbegriffe<br />
strukturieren<br />
Langbeschreibung<br />
Top-Level-<br />
Terminologie<br />
ist erstellt<br />
CommonKADS Langbeschreibung<br />
Anforderungsspezifikation<br />
Ontobroker Langbeschreibung<br />
Ontologie-Evaluationsfragebogen<br />
OntoEdit Langbeschreibung<br />
Protégé Langbeschreibung<br />
Projektprotokoll<br />
IT-Abteilung<br />
Ontologieentwickler<br />
IT-Abteilung<br />
Benutzer<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Benutzeranforderungen<br />
sind<br />
vollständig.<br />
Beispiel/Vorlage<br />
Potentielle<br />
Benutzer identifizieren<br />
Start der<br />
Anforderungserhebung<br />
der Benutzer<br />
Identifizierte<br />
Benutzer<br />
werden befragt.<br />
Befragung wird<br />
abgeschlossen.<br />
Befragungsdaten<br />
werden zusammengetragen<br />
und<br />
analysiert.<br />
Auswertung wird<br />
abgeschlossen.<br />
Prüfung hinsichtlich<br />
Vollständigkeit.<br />
Integritätsregeln<br />
aufstellen (iterativ)<br />
Reviews<br />
Übereinstimmung<br />
zwischen<br />
Beteiligten<br />
formale<br />
Sprache<br />
auswählen<br />
Sprache ist<br />
ausgewählt<br />
Benutzer<br />
Benutzer<br />
Benutzer<br />
Konzeptualisierung<br />
ist<br />
erstellt<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Ontologie in<br />
formale Darst. Ontologie<br />
Langbeschreibung<br />
transformieren<br />
keine<br />
Fehler<br />
entdeckt<br />
Ontologie<br />
implementieren<br />
Ontologie<br />
ist implementiert<br />
KMS<br />
Ontologieentwickler<br />
Projektprotokoll<br />
Ontologie<br />
verifizieren<br />
geringe<br />
formale Mängel<br />
festgestellt<br />
Fehler aus Verifikation<br />
korrigieren<br />
Verifikation<br />
abgeschlossen<br />
Ontologie<br />
validieren<br />
Fehler aus Validation<br />
korrigieren<br />
Validation<br />
abgeschlossen<br />
in Anwendungsbereichen<br />
testen<br />
Fehler aus Verifikation<br />
korrigieren<br />
Beispiel/Vorlage<br />
Ontologieentwicklung<br />
abgeschlossen<br />
Dokumentation<br />
ist beendet<br />
Entwicklung beenden<br />
Langbeschreibung<br />
Ontologie<br />
Evaluationsdokument<br />
Top-Level-<br />
Terminologie<br />
Benutzeranforderungen<br />
sind<br />
nicht vollständig.<br />
Terminologie<br />
verfeinern<br />
und ergänzen<br />
(iterativ)<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Entwicklung<br />
noch nicht<br />
abgeschlossen<br />
relevante Verzeichnisse<br />
identifizieren<br />
Verzeichnisse sind<br />
identifiziert<br />
Verzeichnisse<br />
untersuchen<br />
relevante<br />
Dokumente<br />
identifiziert<br />
Dokumente<br />
analysieren<br />
Glossar<br />
Ontologie<br />
Langbeschreibung<br />
Dokumentation<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
abschließen<br />
Abschlussdokument<br />
Konzeptualisierung<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Start<br />
geringe<br />
inhaltliche Mängel<br />
festgestellt<br />
geringe<br />
Mängel in<br />
Anwendungsbereichen<br />
festgestellt<br />
Ende<br />
Anforderungsspezifikation<br />
Anforderungsspezifikation<br />
Anforderungsspezifikation<br />
Ontologieentwickler<br />
Konzeptualisierung<br />
Ontologieentwickler<br />
IT-Abteilung<br />
IT-Abteilung<br />
Ontologieentwickler<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
gravierende formale<br />
Mängel in<br />
Anwendungsbereichen<br />
festgestellt<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Nebenbedingen<br />
dokumentieren<br />
Begriffssammlung<br />
Verbesserungen<br />
erforderlich<br />
Beginn<br />
Projektmanagement<br />
Prozessablauf,<br />
Entscheidungen<br />
verfolgen<br />
wichtige<br />
Entscheidung<br />
getroffen<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
Annahmen<br />
dokumentieren<br />
Dokumentation der<br />
Erhebungstechniken<br />
Liste von<br />
Meilensteinen<br />
und wichtigen<br />
Entscheidungen<br />
Entscheidung<br />
dokumentiert<br />
Prozessablauf<br />
verfolgen<br />
Projektplan<br />
gravierende inhaltliche<br />
Mängel in<br />
Anwendungsbereichen<br />
festgestellt<br />
Abbildung 38: Phasenmodell – Skizze Gesamtansicht<br />
Phase<br />
abgeschlossen<br />
Ergebnisse<br />
dokumentieren<br />
Ergebnis<br />
dokumentiert<br />
Unklarheiten/<br />
Widersprüche<br />
entdeckt<br />
Fehler<br />
analysieren<br />
relevante<br />
Informationen<br />
fehlen<br />
Begriffssammlung<br />
Konzeptualisierung<br />
Anforderungsspezifikation<br />
Evaluationsdokument<br />
Projektprotokoll<br />
Wissensträgerkarte<br />
syntaktische<br />
Fehler bei<br />
der Formalisierung<br />
Ontologie<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Langbeschreibung<br />
relevante<br />
Informationen<br />
fehlen
392 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.3.3.2 Einzelphasen<br />
2.3.2.3.3.2.1 Anforderungsspezifizierung<br />
Fragebogen Anforderungsspezifizierung<br />
Beispiel/Vorlage<br />
Stakeholder Identifizierung Langbeschreibung<br />
Personalabteilung<br />
Beispiel/Vorlage<br />
Benutzer<br />
identifizieren<br />
Benutzer sind<br />
identifiziert<br />
Anforderungen<br />
sind<br />
unvollständig<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
Ontologieentwickler<br />
Personalabteilung<br />
Competency<br />
Questions<br />
IT-Abteilung<br />
Langbeschreibung<br />
Beispiel/Vorlage<br />
Anwendungsfall-Modellierung Langbeschreibung<br />
Beispiel/Vorlage<br />
IT-Abteilung<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
Workshop<br />
Feldbeobachtung<br />
IT-Abteilung<br />
Ontologieentwickler<br />
Benutzeranforderungen<br />
sind<br />
vollständig.<br />
IT-Abteilung<br />
Systemarchäologie<br />
Vorbereitung<br />
durchführen<br />
Start der<br />
Entwicklung<br />
Ziele<br />
festlegen<br />
Ziele sind<br />
definiert<br />
Anwendungsbereiche<br />
identifizieren<br />
Anwendungsbereiche<br />
sind<br />
identifiziert<br />
Potentielle<br />
Benutzer<br />
identifizieren<br />
Start der<br />
Anforderungserhebung<br />
der Benutzer<br />
Identifizierte<br />
Benutzer<br />
werden befragt.<br />
Befragung wird<br />
abgeschlossen.<br />
Befragungsdaten<br />
werden zusammengetragen<br />
und<br />
analysiert.<br />
Auswertung<br />
wird<br />
abgeschlossen.<br />
Prüfung<br />
hinsichtlich<br />
Vollständigkeit.<br />
Anforderungen<br />
des Umfeldes<br />
identifizieren<br />
Konnektor I<br />
Anforderungen<br />
sind<br />
(vorläufig)<br />
vollständig<br />
Abbildung 39: Phasenmodell – Anforderungsspezifizierung<br />
Start<br />
Benutzeranforderungen<br />
sind nicht<br />
vollständig.<br />
Ontologieentwickler<br />
Konnektor II<br />
Anforderungsspezifikation Langbeschreibung<br />
Benutzer<br />
Beispiel/Vorlage<br />
Anforderungsspezifikation Langbeschreibung<br />
Beispiel/Vorlage<br />
Anforderungsspezifikation Langbeschreibung<br />
Beispiel/Vorlage<br />
Anforderungsspezifikation Langbeschreibung<br />
Beispiel/Vorlage
2.3.2 Das generische KOWIEN-Vorgehensmodell 393<br />
2.3.2.3.3.2.2 Wissensakquisition<br />
Personalabteilung<br />
Mitarbeiterbeurteilung Langbeschreibung<br />
Assessment Center Langbeschreibung<br />
Brainstorming Langebeschreibung<br />
Mind Map Langbeschreibung<br />
Beispiel/Vorlage<br />
Strukturierte Befragung Langbeschreibung<br />
Beispiel/Vorlage<br />
Unstrukturierte Befragung Langbeschreibung<br />
Beispiel/Vorlage<br />
Schriftliche Befragung Langbeschreibung<br />
Beispiel/Vorlage<br />
Psychologische Tests Langbeschreibung<br />
Beobachtung Langbeschreibung<br />
Konnektor VI<br />
W issensträger<br />
identifizieren<br />
W issensträger<br />
sind identifiziert<br />
W issensträger<br />
befragen<br />
Befragungen<br />
beendet<br />
Befragungen<br />
auswerten<br />
Kasseler-Kompetenz-Raster Langbeschreibung<br />
IT-Abteilung<br />
Wissensträgerkarte Langbeschreibung<br />
Dokumentation der<br />
Erhebungstechniken<br />
Ontologieentwickler<br />
Liste der<br />
relevanten<br />
Dokumente<br />
Begriffssammlung<br />
Wissensträgerkarte Langbeschreibung<br />
Begriffe,<br />
Relationen<br />
identifiziert<br />
Konnektor I<br />
Konnektor IV Konnektor V<br />
Abbildung 40: Phasenmodell – Wissensakquisition<br />
relevante<br />
Verzeichnisse<br />
identifizieren<br />
Verzeichnisse<br />
sind identifiziert<br />
Verzeichnisse<br />
untersuchen<br />
relevante<br />
Dokumente<br />
identifiziert<br />
Dokumente<br />
analysieren<br />
Begriffssammlung<br />
Konnektor III
394 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.3.3.2.3 Konzeptualisierung<br />
Benutzer<br />
Ontologieentwickler<br />
KompetenzwissenunstrukturiertBegriffssammlung<br />
Terminologie-<br />
"Inseln"<br />
relevante Begriffe<br />
ordnen<br />
UML Langbeschreibung<br />
ER-Modell Langbeschreibung<br />
Semantische Netze Langbeschreibung<br />
Frames Langbeschreibung<br />
CommonKADS Langbeschreibung<br />
Inferenzregeln<br />
aufstellen (iterativ)<br />
Ontologieentwickler<br />
Terminologie-<br />
"Inseln" sind<br />
erstellt<br />
"Inseln"<br />
zusammenführen<br />
(iterativ)<br />
Terminologie<br />
ist erstellt<br />
Integritätsregeln<br />
aufstellen (iterativ)<br />
Begriffssammlung<br />
UML Langbeschreibung<br />
Semantische Netze Langbeschreibung<br />
Konzeptualisierung<br />
ER-Modell Langbeschreibung<br />
Frames Langbeschreibung<br />
CommonKADS Langbeschreibung<br />
Inferenzregeln<br />
aufstellen (iterativ)<br />
Konnektor IV Konnektor V<br />
Ontologieentwickler<br />
Konzeptualisierung<br />
Wissen über<br />
Kompetenzen<br />
analysieren<br />
Kompetenzwissen<br />
strukturiert<br />
Basisbegriffe<br />
strukturieren<br />
Top-Level-<br />
Terminologie<br />
ist erstellt<br />
Integritätsregeln<br />
aufstellen (iterativ)<br />
Konzeptualisierung<br />
ist<br />
erstellt<br />
Reviews<br />
Übereinstimmung<br />
zwischen<br />
Beteiligten<br />
Ontologieentwickler<br />
Benutzer<br />
Top-Level-<br />
Terminologie<br />
Konzeptualisierung<br />
Terminologie<br />
verfeinern<br />
und ergänzen<br />
(iterativ)<br />
Ontologieentwickler<br />
Benutzer<br />
Abbildung 41: Phasenmodell – Konzeptualisierung<br />
Verbesserungen<br />
erforderlich<br />
relevante<br />
Informationen<br />
fehlen<br />
Konnektor VII Konnektor VIII Konnektor IX Konnektor X
2.3.2 Das generische KOWIEN-Vorgehensmodell 395<br />
2.3.2.3.3.2.4 Implementierung<br />
PROLOG Langbeschreibung<br />
Loom Langbeschreibung<br />
F-Logic Langbeschreibung<br />
KIF Langbeschreibung<br />
Ontolingua Langbeschreibung<br />
DAML+OIL Langbeschreibung<br />
RDF(S) Langbeschreibung<br />
XML Langbeschreibung<br />
OWL Langbeschreibung<br />
Anforderungsspezifikation Langbeschreibung<br />
Konzeptualisierung<br />
Konnektor XII<br />
Beispiel/Vorlage<br />
Ontobroker Langbeschreibung<br />
OntoEdit Langbeschreibung<br />
Protégé Langbeschreibung<br />
formale<br />
Sprache<br />
auswählen<br />
Sprache ist<br />
ausgewählt<br />
Ontologie in<br />
formale Darst.<br />
transformieren<br />
keine<br />
Fehler<br />
entdeckt<br />
Ontologie<br />
implementieren<br />
Ontologie<br />
ist implementiert<br />
Konnektor VII<br />
Konnektor XI<br />
Ontologieentwickler<br />
IT-Abteilung<br />
Ontologieentwickler<br />
Ontologie Langbeschreibung<br />
KMS<br />
Ontologieentwickler<br />
IT-Abteilung<br />
Beispiel/Vorlage<br />
Unklarheiten/<br />
Widersprüche<br />
entdeckt<br />
Fehler<br />
analysieren<br />
relevante<br />
Informationen<br />
fehlen<br />
Abbildung 42: Phasenmodell – Implementierung<br />
Konnektor III<br />
syntaktische<br />
Fehler bei<br />
der Formalisierung<br />
Konnektor X
396 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.3.3.2.5 Evaluation<br />
Konnektor VI Konnektor XII<br />
Ontologieentwickler<br />
Konnektor XI<br />
Konnektor VIII Konnektor II<br />
Checkliste<br />
Testvorschriften<br />
gravierende<br />
formale Mängel<br />
festgestellt<br />
Integrationsplan<br />
Beispiel/Vorlage<br />
gravierende<br />
inhaltliche<br />
Mängel<br />
festgestellt<br />
Lösungskonzept<br />
Installationsanleitung Benutzerhandbuch<br />
Beispiel/Vorlage<br />
Ontologie-Evaluationsfragebogen<br />
Projektprotokoll<br />
Begriffssammlung<br />
Evaluationsdokument<br />
Benutzer<br />
Ontologie Langbeschreibung<br />
Benutzer<br />
Beispiel/Vorlage<br />
Ontologie Langbeschreibung<br />
Konzeptualisierung<br />
IT-Abteilung<br />
Benutzer<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Ontologieentwickler<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Ontologie<br />
verifizieren<br />
geringe<br />
formale Mängel<br />
festgestellt<br />
Fehler aus<br />
Verifikation<br />
Verifikation<br />
abgeschlossen<br />
Ontologie<br />
validieren<br />
Evaluationsdokument<br />
geringe<br />
inhaltliche<br />
Mängel<br />
festgestellt<br />
Fehler aus<br />
Validation<br />
Validation<br />
abgeschlossen<br />
in Anwendungsbereichen<br />
testen<br />
geringe<br />
Mängel in<br />
Anwendungsbereichen<br />
Fehler aus<br />
Verifikation<br />
Ontologieentwicklung<br />
abgeschlossen<br />
Dokumentation<br />
abschließen<br />
Dokumentation<br />
ist beendet<br />
Entwicklung<br />
beenden<br />
Ende<br />
Projektplan<br />
Projektprotokoll<br />
Abbildung 43: Phasenmodell – Evaluation<br />
Ontologie Langbeschreibung<br />
Glossar<br />
Abschlussdokument<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
gravierende<br />
formale Mängel<br />
in Anwendungsbereichen<br />
Beispiel/Vorlage<br />
Konnektor IX<br />
gravierende<br />
inhaltliche Mängel<br />
in Anwendungsbereichen
2.3.2 Das generische KOWIEN-Vorgehensmodell 397<br />
2.3.2.3.3.3 Phasenübergreifende Unterstützungsleistungen<br />
Konnektor II<br />
Entwicklung<br />
noch nicht<br />
abgeschlossen<br />
Nebenbedingen<br />
dokumentieren<br />
Beginn Projektmanagement<br />
Prozessablauf,<br />
Entscheidungen<br />
verfolgen<br />
wichtige<br />
Entscheidung<br />
getroffen<br />
Liste der<br />
Benutzer<br />
(-gruppen)<br />
Dokumentation der<br />
Erhebungstechniken<br />
Liste von<br />
Meilensteinen<br />
und wichtigen<br />
Entscheidungen<br />
Entscheidung<br />
dokumentiert<br />
Prozessablauf<br />
verfolgen<br />
Projektprotokoll<br />
Begriffssammlung<br />
Evaluationsdokument<br />
Annahmen<br />
dokumentieren<br />
Ontologie Langbeschreibung<br />
Konzeptualisierung<br />
Ontologieentwickler<br />
Projektplan<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Phase<br />
abgeschlossen<br />
Ergebnisse<br />
dokumentieren<br />
Ergebnis<br />
dokumentiert<br />
geringe<br />
Mängel in Anwendungsbereichen<br />
festgestellt<br />
Fehler aus<br />
Verifikation<br />
Ontologieentwicklung<br />
abgeschlossen<br />
Dokumentation<br />
abschließen<br />
Dokumentation<br />
ist beendet<br />
Entwicklung<br />
beenden<br />
Ende<br />
Begriffssammlung<br />
Konzeptualisierung<br />
Anforderungsspezifikation Langbeschreibung<br />
Evaluationsdokument<br />
Projektprotokoll<br />
Glossar<br />
Abschlussdokument<br />
Ontologie Langbeschreibung<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Beispiel/Vorlage<br />
Wissensträgerkarte Langbeschreibung<br />
Beispiel/Vorlage<br />
Abbildung 44: Phasenmodell – Phasenübergreifende Unterstützungsleistungen
398 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.3.4 Weiter gehende Erläuterungen<br />
Die weiter gehenden Erläuterungen zu den Elementen des Vorgehensmodells werden im Folgenden<br />
exemplarisch für das Phasenmodell Anforderungsspezifizierung wiedergegeben. Die Auflistung der<br />
einzelnen Elemente erfolgt separat nach Funktionen, Ereignissen und Informationsträgern in alphabetischer<br />
Reihung der jeweiligen Bezeichner. Es werden für jedes Element immer der eindeutige<br />
Identifizierer und eine Definition oder Beschreibung angegeben. Die Informationsträger enthalten<br />
weitere Angaben zu Langbeschreibungen und Beispielen oder Vorlagen, zumeist in einer Quellenangabe.<br />
Diese Quellenangaben sind im webbasierten KOWIEN-Vorgehensmodell hinterlegt und<br />
durch Anwahl des entsprechenden Elements erreichbar.<br />
Auf die nähere Erläuterung weiterer Modellelemente, beispielsweise strukturbildender Verbindungen,<br />
wird an dieser Stelle verzichtet, um den Umfang der Darstellung auf die wesentlichen Modellinhalte<br />
zu beschränken und dem Leser einen ersten Eindruck zu ermöglichen. Zu vertiefenden Erläuterungen<br />
sei an dieser Stelle lediglich auf die Projektberichte APKE/DITTMANN (2003b) und<br />
APKE/DITTMANN (2004) verwiesen.<br />
2.3.2.3.4.1 Funktionen<br />
Anforderungen sind unvollständig<br />
Identifizierer: STD.4511<br />
Beschreibung/Definition:<br />
Anforderungen sind (vorläufig) vollständig<br />
Identifizierer: STD.4567<br />
Beschreibung/Definition:<br />
Anwendungsbereiche sind identifiziert<br />
Identifizierer: STD.4538<br />
Beschreibung/Definition:<br />
Auswertung wird abgeschlossen<br />
Identifizierer: STD.4494<br />
Beschreibung/Definition:<br />
Die zuständigen Mitarbeiter der IT-Abteilung entscheiden, dass die Anforderungen<br />
noch nicht vollständig erhoben worden sind.<br />
Die zuständigen Mitarbeiter der IT-Abteilung entscheiden, dass die Anforderungen<br />
als (vorläufig) vollständig erhoben gelten können.<br />
Nach der Erstellung eines Dokuments, das die ermittelten Anwendungsbereiche<br />
aufzeigt, sind diese identifiziert.<br />
Mit der Erstellung einer Anforderungsspezifikation wird die Auswertung abgeschlossen.
2.3.2 Das generische KOWIEN-Vorgehensmodell 399<br />
Befragung wird abgeschlossen<br />
Identifizierer: STD.4548<br />
Beschreibung/Definition:<br />
Benutzer sind identifiziert<br />
Identifizierer: STD.4498<br />
Beschreibung/Definition:<br />
Benutzeranforderungen sind vollständig<br />
Identifizierer: STD.4489<br />
Wurden alle identifizierten Benutzer umfassend befragt, so wird die Befragung<br />
beendet.<br />
Nach der Erstellung eines Dokuments, das die ermittelten Benutzer aufzeigt, sind<br />
diese identifiziert.<br />
Beschreibung/Definition: Sind die Anforderungen vollständig, so wird der Unterprozess beendet.<br />
Benutzeranforderungen sind nicht vollständig<br />
Identifizierer: STD.4574<br />
Beschreibung/Definition:<br />
Start<br />
Identifizierer: STD.4535<br />
Beschreibung/Definition:<br />
Start der Anforderungserhebung der Benutzer<br />
Identifizierer: STD.4603<br />
Sollte festgestellt werden, dass nicht ausreichend Anforderungen erhoben worden<br />
sind, so wird der Prozess erneut durchlaufen.<br />
Es ist entschieden, dass ein computerbasiertes Kompetenzmanagementsystem<br />
implementiert wird.<br />
Beschreibung/Definition: Es wird begonnen, die Anforderungen der Benutzer zu erheben.<br />
Start der Entwicklung<br />
Identifizierer: STD.4504<br />
Beschreibung/Definition:<br />
Die eigentlichen Phasen der Entwicklung gemäß des Top-Levels des KOWIEN-<br />
Vorgehensmodells werden begonnen.
400 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Ziele sind definiert<br />
Identifizierer: STD.4568<br />
Beschreibung/Definition:<br />
2.3.2.3.4.2 Ereignisse<br />
Anforderungen des Umfeldes identifizieren<br />
Identifizierer: STD.4488<br />
Beschreibung/Definition:<br />
Anwendungsbereiche identifizieren<br />
Identifizierer: STD.4461<br />
Beschreibung/Definition:<br />
Die Ziele, die bei einem Einsatz eines Kompetenzmanagementsystems erreicht<br />
werden sollen, wurden festgelegt.<br />
Die Anforderungen durch das technische und organisatorische Umfeld müssen erhoben<br />
werden. Es muss ermittelt werden, welche IT-Systeme bereits vorhanden<br />
sind, auf welche Applikationen zurückgegriffen werden kann und in welcher Umgebung<br />
das Kompetenzmanagementsystem betrieben werden soll. Weiterhin muss<br />
geklärt werden, wie das System innerhalb der Organisation ausgelegt werden soll<br />
(beispielsweise durch Einbeziehung des Betriebsrats).<br />
Die Anwendungsbereiche für das Kompetenzmanagementsystem werden identifiziert.<br />
Anwendungsbereiche werden bezüglich Organisation und IT-Infrastruktur<br />
unterschieden.<br />
Befragungsdaten werden zusammengetragen und analysiert<br />
Identifizierer: STD.4522<br />
Beschreibung/Definition:<br />
Benutzer identifizieren<br />
Identifizierer: STD.4509<br />
Beschreibung/Definition:<br />
Die von den zukünftigen Benutzern gestellten Anforderungen an das Kompetenzmanagementsystem<br />
werden zentral zusammengestellt und ausgewertet.<br />
Die späteren Benutzer des Kompetenzmanagementsystems werden identifiziert<br />
und festgelegt.
2.3.2 Das generische KOWIEN-Vorgehensmodell 401<br />
Identifizierte Benutzer werden befragt<br />
Identifizierer: STD.4556<br />
Beschreibung/Definition:<br />
Potenzielle Benutzer identifizieren<br />
Identifizierer: STD.4557<br />
Beschreibung/Definition:<br />
Erstellzeitpunkt: 16.06.2004 12:34:56<br />
Prüfung hinsichtlich Vollständigkeit<br />
Identifizierer: STD.4479<br />
Beschreibung/Definition:<br />
Vorbereitung durchführen<br />
Identifizierer: STD.4543<br />
Beschreibung/Definition:<br />
Ziele festlegen<br />
Identifizierer: STD.4545<br />
Beschreibung/Definition:<br />
Mittels qualitativer Interviews, Fragebögen und Use Cases werden die identifizierten<br />
Benutzer hinsichtlich ihrer Anforderungen an ein Kompetenzmanagementsystem<br />
befragt.<br />
Die potenziellen Benutzer des Kompetenzmanagementsystems werden identifiziert.<br />
Mit der Hilfe der potenziellen Benutzer sollen später die Anforderungen<br />
an das Kompetenzmanagementsystem erhoben werden.<br />
Die Daten der Analyse werden auf ihre Vollständigkeit von Ontologieentwickler<br />
und IT-Abteilung überprüft.<br />
Das Team wird zusammengestellt. Ein Zeitplan wird erstellt und das Budget<br />
festgelegt.<br />
Die Ziele, welche bei einem Einsatz eines Kompetenzmanagementsystems<br />
erreicht werden sollen, werden festgelegt. Insbesondere hinsichtlich der<br />
Funktionalität, die mit dem System abgedeckt werden soll, müssen die Ziele<br />
formuliert werden.
402 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.3.4.3 Informationsträger<br />
Anforderungsspezifikation<br />
Identifizierer: STD.4490<br />
Langbezeichnung: KOWIEN Projektbericht 2/2004<br />
Beschreibung/Definition:<br />
Bemerkung/ Beispiel: Anforderungsspezifikation.doc<br />
Titel 1: Beispiel/Vorlage<br />
Titel 2: Langbeschreibung<br />
Verknüpfung:<br />
Anwendungsfall-Modellierung<br />
Identifizierer: STD.4532<br />
Langbezeichnung: KOWIEN-Projektbericht 5/2002<br />
Beschreibung/Definition:<br />
Die Anforderungsspezifikation legt präzise, detailliert und (so weit wie möglich)<br />
nachprüfbar fest, was von dem zu entwickelnden Kompetenzmanagamentsystem<br />
verlangt wird. Im Idealfall stellt sie die ausreichend vollständige und detaillierte<br />
Basis für den Entwurf des Systems dar. Dazu müssen die erwarteten Eigenschaften<br />
des Systems exakt spezifiziert werden. In einem Pflichtenheft (der so genannten<br />
Anforderungsspezifikation) werden die Ergebnisse der Anforderungsspezifizierung<br />
festgehalten. Ein Pflichtenheft sollte folgende Komponenten enthalten:<br />
(1) Ziele des ontologiebasierten Kompetenzmanagementsystems;<br />
(2) Anwendungsfälle, die vom ontologiebasierten Kompetenzmanagementsystem<br />
unterstützt werden sollen (in der Regel in Kombination mit den Geschäftsprozessen<br />
eines Unternehmens);<br />
(3) funktionale und nicht-funktionale Anforderungen an das Kompetenzmanagementsystem<br />
(z.B.: technische Anforderungen sowie Anforderungen hinsichtlich<br />
der Benutzerschnittstelle) einerseits und an die Ontologie (intersubjektive Nachvollziehbarkeit,<br />
Funktionalität) andererseits;<br />
(4) Auflistung der Dokumente, die bei der Anforderungsspezifizierung verwendet<br />
oder generiert worden sind.<br />
http://www.kowien.uni-essen.de/publikationen/ApkeBaeumgenBremerDittmann-<br />
Anforderungsspezifikation.pdf<br />
Durch die Anwendungsfall-Modellierung wird ein Überblick über das zu entwickelnde<br />
Kompetenzmanagementsystem und seine Funktionalität erreicht. Der<br />
Schwerpunkt der Anwendungsfall-Modellierung sind die in einem Kompetenzmanagementsystem<br />
auftretenden Geschäftsprozesse und das resultierende Geschäftsergebnis.<br />
Zwischen dem Geschäftsprozess und dem Geschäftsergebnis
2.3.2 Das generische KOWIEN-Vorgehensmodell 403<br />
Bemerkung/ Beispiel: Beispiel-Anwendungsfälle.doc<br />
Titel 1: Beispiel/Vorlage<br />
Titel 2: Langbeschreibung<br />
steht ein Anwendungsfall (Use Case), dessen Bearbeitung durch das Kompetenzmanagementsystem<br />
unterstützt werden soll. Für die Beschreibung der Anwendungsfälle<br />
bestehen keine klaren Vorgaben. Aufgrund der Vagheit und Mehrdeutigkeit<br />
der natürlichen Sprache ist es jedoch ratsam, die Anwendungsfälle in einer<br />
formalen oder zumindest semi-formalen Sprache (z.B. UML) zu spezifizieren.<br />
Verknüpfung: http://www.kowien.uni-essen.de/publikationen/Anforderungen.pdf<br />
Benutzer<br />
Identifizierer: STD.4464<br />
Beschreibung/Definition:<br />
Als Benutzer des Systems werden Selbsteinschätzer, Fremdeinschätzer, Projektteamkonfigurator,<br />
Expertensuchender und Kompetenzauswertender unterschieden.<br />
Diese Akteursrollen werden später vom System unterschieden, beispielsweise um<br />
Zugriffsrechte festzulegen. Ein Selbsteinschätzer ist ein beliebiger Mitarbeiter des<br />
Unternehmens, der seine Kompetenzen (aus Eigeninitiative oder auf Nachfrage)<br />
selbst einschätzt und dokumentiert. Ein Fremdeinschätzer ist ein Mitarbeiter des<br />
Unternehmens (z.B. ein Projekt- oder Abteilungsleiter), der die Kompetenzen eines<br />
anderen Mitarbeiters einschätzt. Dieser Akteur erfüllt die Aufgabe, basierend auf<br />
den Kompetenzanforderungen eines konkreten Projekts und den Kompetenzen der<br />
verfügbaren Mitarbeiter ein Projektteam zusammenzustellen. Das Projektteam<br />
kann entweder von jemandem zusammengestellt werden, der den Überblick über<br />
das verfügbare Personal hat (z.B. ein Mitarbeiter der Personalabteilung), aber<br />
selbst nicht am Projekt mitarbeiten wird, oder vom zukünftigen Projektleiter.<br />
Ein Expertensuchender stellt zu einem bestimmten Zweck Fragen an das System<br />
bezüglich der Kompetenz eines Mitarbeiters des Unternehmens. Dabei kann es sich<br />
z.B. um einen Mitarbeiter handeln, der zur Lösung eines konkreten Problems nach<br />
einem Kollegen sucht, der über für das Problem relevante Kenntnisse verfügt.<br />
Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der die Weiterbildungsziele<br />
definiert und für die zum Erreichen dieser Ziele notwendigen Weiterbildungsmaßnahmen<br />
verantwortlich zeichnet. Ein Kompetenzauswertender nutzt<br />
das Kompetenzmanagementsystem, um sich zu Auswertungszwecken eine Übersicht<br />
über die Kompetenzen des Unternehmens oder einer Organisationseinheit<br />
anzeigen zu lassen. Er hat die Aufgabe, z.B. für Auftrags- und Projektakquisition,<br />
für den Aufbau und die Betreuung von Kooperationen mit externen Unternehmenspartnern<br />
oder für die Personalplanung Bewertungen der vorhandenen Kompetenzen<br />
vorzunehmen.
404 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Competency Questions<br />
Identifizierer: STD.4569<br />
Langbeschreibung: KOWIEN-Projektbericht 5/2002<br />
Beschreibung/Definition:<br />
Die Methode der Competency Questions (Kompetenzfragen) erlangt im Rahmen<br />
der Konstruktion von Ontologien für ein Kompetenzmanagementsystem eine besondere<br />
Bedeutung. GRÜNINGER und FOX empfehlen, vor der Erstellung einer Ontologie<br />
so genannte Competency Questions zu formulieren, die von der zu erstellenden<br />
Ontologie beantwortet werden sollen, und in einem Fragenkatalog zu strukturieren.<br />
Die Erstellung eines solchen Fragenkataloges kann dazu beitragen, die<br />
funktionale Vollständigkeit der Ontologie zu erreichen. Competency Questions<br />
leisten in zweifacher Weise einen Beitrag zur Entwicklung einer Ontologie, die die<br />
intendierten Anwendungen unterstützt: Erstens kann aus der begrifflichen Struktur<br />
der Fragen abgeleitet werden, welche Begriffe in der Ontologie enthalten sein sollten.<br />
Zweitens kann aus dem semantischen Inhalt einer Frage auf potenzielle Anwendungsfälle<br />
des Kompetenzmanagementsystems (Use Cases) geschlossen werden.<br />
Bei der Gestaltung der Anwendungsfälle kann sich erneut ein Bedarf nach<br />
Begriffstrukturierung ergeben.<br />
Bemerkung/Beispiel: Mustervorlage_Competency_Questions.doc<br />
Titel 1: Beispiel/Vorlage<br />
Titel 2: Langbeschreibung<br />
Verknüpfung: http://www.kowien.uni-essen.de/publikationen/Anforderungen.pdf<br />
Feldbeobachtung<br />
Identifizierer: STD.4582<br />
Langbeschreibung:<br />
Beschreibung/Definition:<br />
RUPP, C.: Requirements-Engineering und -Management – Professionelle, iterative<br />
Anforderungsanalyse für IT-Systeme, 2. Auflage, München – Wien 2002, S. 113 f.<br />
Bei der Feldbeobachtung werden die Anforderungen der Stakeholder durch einen<br />
Analytiker erhoben. Hierbei lernt der Analytiker die Arbeitsabläufe der Stakeholder<br />
beim Nutzen des bereits entwickelten Kompetenzmanagementsystems kennen.<br />
Feldbeobachtungen können im Rahmen der Anforderungsspezifizierung zur Analyse<br />
von komplexen Arbeitsabläufen eingesetzt werden. Zwar kann ein Analytiker<br />
bei der Feldbeobachtung die Tätigkeit der Stakeholder unmittelbar beobachten,<br />
er kann jedoch keine eigenen Erfahrungen bei der Benutzung des Systems sammeln.<br />
Daher ist keine vollständige Erfassung der Anforderungen mittels der Feldbeobachtung<br />
sichergestellt.
2.3.2 Das generische KOWIEN-Vorgehensmodell 405<br />
Fragebogen Anforderungsspezifizierung<br />
Identifizierer: STD.4529<br />
Beschreibung/Definition:<br />
Bemerkung/Beispiel: Beispiel_Fragebogen.doc<br />
Titel 1: Beispiel/Vorlage<br />
IT-Abteilung<br />
Identifizierer: STD.4540<br />
Beschreibung/Definition:<br />
Liste der Benutzer (-gruppen)<br />
Identifizierer: STD.4572<br />
Fragebögen können im Rahmen der Anforderungsspezifizierung eingesetzt werden,<br />
um die Anforderungen der Stakeholder zu erfassen. Dabei können strukturierte und<br />
unstrukturierte Fragebögen eingesetzt werden.<br />
Die IT-Abteilung ist für die bisher vorhandene Informationstechnologie im Unternehmen,<br />
für das ein Kompetenzmanagementsystem entwickelt wird, verantwortlich.<br />
Insbesondere befasst sie sich mit der vorhandenen Infrastruktur und den<br />
Möglichkeiten des Datenaustauschs. Deshalb ist es oftmals notwendig, diese<br />
vorhandene Expertise zu berücksichtigen.<br />
Beschreibung/Definition: Aufstellung aller Benutzer des Kompetenzmanagementsystems (auch Gruppen).<br />
Ontologieentwickler<br />
Identifizierer: STD.4482<br />
Beschreibung/Definition:<br />
Personalentwickler<br />
Identifizierer: STD.4634<br />
Beschreibung/Definition:<br />
Der Ontologieentwickler ist für die Ontologie verantwortlich und entscheidet über<br />
die Aufnahme neuer Konzepte, die von ihm selbst oder von anderen vorgeschlagen<br />
werden, sowie über das Löschen von Begriffen aus der Ontologie und über eine<br />
Änderung in ihrer Struktur. Es ist zu beachten, dass es als konstitutiv für Ontologien<br />
angesehen wird, dass sie das gemeinsame Verständnis mehrerer Personen über<br />
die enthaltenen Begriffe widerspiegeln. An der Bewertung und Aufnahme von<br />
Änderungen sind daher grundsätzlich mehrere Personen beteiligt. Die Funktionen<br />
des Ontologie-Administrators erfordern neben technischen auch linguistische<br />
Fähigkeiten.<br />
Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der die Weiterbildungsziele<br />
definiert und für die zum Erreichen dieser Ziele notwendigen (Weiter-)<br />
Bildungsmaßnahmen verantwortlich ist.
406 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Stakeholder<br />
Identifizierer: STD.4527<br />
Langbeschreibung: Stakeholder Identifikation<br />
Beschreibung/Definition:<br />
Mit dem Kompetenzmanagementsystem sollen die Ziele unterschiedlicher Personen<br />
erfüllt werden. Stakeholder sind alle Personen, die von der Systementwicklung<br />
auf der einen Seite und der Systemanwendung auf der anderen Seite betroffen sind.<br />
Die Stakeholder sind Informationslieferanten für die Ziele und die Anforderungen<br />
an das Kompetenzmanagementsystem. Zu Beginn der Systementwicklung sollten<br />
alle Stakeholder des Kompetenzmanagementsystems identifiziert werden.<br />
Bemerkung/Beispiel: Formblatt_Stakeholder_Identifikation.doc<br />
Titel 1: Beispiel/Vorlage<br />
Titel 2: Langbeschreibung<br />
Verknüpfung: Langbeschreibung_Stakeholder_Ident.doc<br />
Systemarchäologie<br />
Identifizierer: STD.4637<br />
Langbeschreibung:<br />
Beschreibung/Definition:<br />
RUPP, C.: Requirements-Engineering und -Management – Professionelle, iterative<br />
Anforderungsanalyse für IT-Systeme, 2. Auflage, München – Wien 2002, S. 119;<br />
SCHIENMANN, B.: Kontinuierliches Anforderungsmanagement, Prozesse – Techni-<br />
ken – Werkzeuge, München et al. 2001, S. 90.<br />
Die Systemarchäologie ist ein Werkzeug zur Erhebung der Anforderungen an ein<br />
Kompetenzmanagementsystem. Hierbei werden Informationen über das zu entwickelnde<br />
Kompetenzmanagementsystem aus alten Analyse- und Designdokumenten<br />
sowie Quellcodes alter Systeme extrahiert. Anforderungsdokumente des alten Systems<br />
können aber nur dann verwendet werden, wenn diese regelmäßig aktualisiert<br />
wurden. Neben der Systemarchäologie sollten die Anforderungen an das Kompetenzmanagementsystem<br />
auch mittels anderer Methoden erhoben werden. Die Anforderungsdokumente<br />
aus der Systemarchäologie einerseits und aus alternativen<br />
Erhebungsmethoden andererseits sollten anschließend verglichen werden. Enthält<br />
das Anforderungsdokument aus der Systemarchäologie eine Anforderung, die mit<br />
den alternativen Erhebungsmethoden nicht ermittelt wurde, so ist zu prüfen, ob<br />
diese Anforderung relevant ist und daher in die Liste der aktuellen Anforderungen<br />
übernommen werden muss oder ob diese Anforderung veraltet ist und somit nicht<br />
weiter berücksichtigt zu werden braucht. Die Systemarchäologie ist ein sehr aufwendiges<br />
Verfahren, bei dem nur der Funktionsumfang des alten Systems ermittelt<br />
wird. Dieser Funktionsumfang kann jedoch erheblich vom Funktionsumfang des<br />
neuen Kompetenzmanagementsystems abweichen.
2.3.2 Das generische KOWIEN-Vorgehensmodell 407<br />
Workshop<br />
Identifizierer: STD.4495<br />
Beschreibung/Definition:<br />
Umfangreiche Geschäftsprozesse erfordern eine gemeinsame Erarbeitung der Anforderungen<br />
seitens der Stakeholder. Das Ziel eines Workshops ist ein Anforderungsdokument,<br />
das von allen teilnehmenden Stakeholdern akzeptiert wird. Ein<br />
Workshop wird durch einen Moderator begleitet und unterliegt einem fest vorgegebenen<br />
Ablauf und klaren Regeln. Innerhalb eines Workshops können unterschiedliche<br />
Kreativitätstechniken (Brainstorming, Mind Mapping) für die Anforderungsspezifizierung<br />
eingesetzt werden. Die ermittelten Anforderungen werden<br />
dann hinsichtlich ihrer Bedeutung eingestuft, gruppiert und konkretisiert. Die Ergebnisse<br />
werden abschließend bewertet und in einem Anforderungsdokument/<br />
Workshop-Protokoll festgehalten. Durch direkte Kommunikation zwischen Stakeholdern<br />
wird in einem Workshop einerseits das gegenseitige Verständnis für alternative<br />
Standpunkte gefördert und andererseits auch ermöglicht, genaue hinterfragbare<br />
Informationen zu erhalten.<br />
2.3.2.4 Vorgehensmodell KOWIEN als Web-Anwendung<br />
Um die praktische Anwendung des KOWIEN-Vorgehensmodells zu erleichtern, wurde das Modell<br />
in einer webbasierten Software-Anwendung umgesetzt. Der Anwender wird in die Lage versetzt,<br />
das KOWIEN-Vorgehensmodell von jedem beliebigen Computer mit Internet-Anschluss aufzurufen<br />
und zu nutzen. Insbesondere das Aufrufen der zahlreichen hinterlegten Werkzeuge für die einzelnen<br />
Phasen der Ontologieentwicklung bietet einen erheblichen praktischen Nutzen für den Anwender.<br />
Durch die unmittelbare Verfügbarkeit der berücksichtigten Werkzeuge, die teilweise Neuentwicklungen<br />
darstellen, kann der Benutzer des Vorgehensmodells an einem beliebigen Ort eine Ontologie<br />
für ein Kompetenzmanagementsystem entwickeln. Der Benutzer benötigt in der Regel keine weiteren<br />
Quellen, um erfolgreich zu handeln, weil alle notwendigen Hilfsmittel bereits im Vorgehensmodell<br />
berücksichtigt wurden.<br />
Im Folgenden wird näher auf die Web-Anwendung und ihre Möglichkeiten eingegangen. Nach einer<br />
kurzen Einführung ihren den Aufbau wird anhand einiger Screenshots verdeutlicht, wie sich das<br />
Vorgehensmodell Nutzen steigernd bei der Ontologieentwicklung einsetzen lässt. Die Vorstellung<br />
des webbasierten KOWIEN-Vorgehensmodells richtet sich nach den zuvor gemachten Ausführungen.<br />
Beginnend mit der Meta-Ebene (Top-Level) des KOWIEN-Vorgehensmodells, wird anschließend<br />
auf die fünf Hauptphasen Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung,<br />
Implementierung und Evaluation eingegangen. Hierauf folgen Ausführungen zu den phasenübergreifenden<br />
Unterstützungsleistungen Dokumentation und Projektmanagement. Den Schluss<br />
bilden Ausführungen zu einigen Sonderfunktionen (Modellindex, Modellliste, Objektindex und Objektliste),<br />
die sich in der Web-Anwendung als spezifische Elemente wiederfinden.<br />
In den nachfiolgenden Kapiteln wird jeweils ein Screenshot dargestellt und anschließend wird kurz<br />
auf die jeweiligen Inhalte der Web-Anwendung eingegangen.
408 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
Aktuell (Januar 2005) findet sich das KOWIEN-Vorgehensmodell im Internet unter der URL:<br />
http://kowien.uni-essen.de/vorgehensmodell/<br />
Dort kann es von jedem Interessenten eingesehen und experimentell angewendet werden. Anregungen<br />
und Kritik werden ausdrücklich begrüßt und sind bitte an den Universitätspartner des Verbundprojekts<br />
KOWIEN zu richten.<br />
2.3.2.4.1 Aufbau der Web-Anwendung<br />
4<br />
1<br />
Abbildung 45: Startseite der Web-Anwendung für das KOWIEN-Vorgehensmodell – Screenshot<br />
Abbildung 45 zeigt die Startseite der Web-Anwendung für das KOWIEN-Vorgehensmodell beim<br />
ersten Aufruf. Die Darstellung wird mittels vier „Frames“ vorgenommen, die mit den 4 „Blasen“ 1<br />
bis 4 in Abbildung 45 adressiert werden.<br />
Im ersten Frame findet sich eine hierarchische Strukturierung des Gesamtmodells und der einzelnen<br />
Teilmodelle entsprechend den erwähnten Phasen, die zu durchlaufen sind, um eine Kompetenzontologie<br />
zu entwickeln. Der zweite Frame dient zur eigentlichen Modelldarstellung und ist beim ersten<br />
Aufruf noch leer. Der dritte Frame ermöglicht den Aufruf von Sonderfunktionen (wie beispielsweise<br />
einer Modellliste und eines Objektindexes, der wiederum vergleichbar mit einem Glossar ist) und<br />
3<br />
2
2.3.2 Das generische KOWIEN-Vorgehensmodell 409<br />
die Navigation über die gesamte Web-Anwendung (beispielsweise auch den Aufruf der KOWIEN-<br />
Homepage). Der vierte Frame dient zur Darstellung der detaillierten Inhalte einzelner Elemente des<br />
KOWIEN-Vorgehensmodells (wie beispielsweise von Informationsträgern und Akteuren). Auch<br />
dieser Frame bleibt beim ersten Aufruf leer.<br />
2.3.2.4.2 Top-Level des KOWIEN-Vorgehensmodells<br />
Anforderungsspezifizierung<br />
Wissensakquisition<br />
Dokumentation<br />
Konzeptualisierung<br />
Projektmanagement<br />
Implementierung<br />
Evaluation<br />
Abbildung 46: Top-Level des KOWIEN-Vorgehensmodells – Screenshot<br />
Nach Auswahl des Punktes „Top Level KOWIEN Vorgehensmodell“ in Frame 1 erhält der Benutzer<br />
die Darstellung aus Abbildung 46. In Frame 2 findet sich dabei die Darstellung des Vorgehensmodells<br />
in der obersten Ebene (vgl. hierzu auch Abbildung 45). Der Benutzer hat hier die Möglichkeit,<br />
auf die tiefer liegenden Ebenen der detaillierten Darstellung (Anforderungsspezifikation oder –<br />
synonym – Anforderungserhebung, Wissensakquisition, Konzeptualisierung, Implementierung,<br />
Evaluation und Dokumentation 39) als phasenübergreifende Unterstützungsleistung) sowohl über<br />
Frame 1 als auch über Anwählen der einzelnen Phasen in Frame 2 zu gelangen.<br />
39) Neben der Dokumentation kommt ebenso das Projektmanagement als phasenübergreifende Unterstützungsleistung in Betracht.<br />
Es wurde hier in den KOWIEN-Prototyp noch nicht implementiert.
410 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.3 Gesamtansicht des KOWIEN-Vorgehensmodells<br />
Abbildung 47: Gesamtansicht des KOWIEN-Vorgehensmodells – Screenshot 1<br />
Nachdem der Benutzer in Frame 1 die Option „Gesamtansicht“ gewählt hat, wird in Frame 2 das<br />
Gesamtmodell geladen und dargestellt. Frame 4 enthält nach dem Laden eine Zusammenfassung<br />
der Elemente des KOWIEN-Vorgehensmodells, die jeweils angeklickt und detailliert dargestellt<br />
werden können.<br />
In Frame 2 ist zusätzlich (in der linken unteren Ecke) eine skizzenhafte Makrodarstellung des KO-<br />
WIEN-Vorgehensmodells in Form eines Pop-up-Fensters zu sehen, die einen groben Überblick<br />
gibt. Dabei entspricht die rechteckige Umrandung innerhalb der Makrodarstellung dem jeweils<br />
sichtbaren Modellausschnitt in Frame 2.
2.3.2 Das generische KOWIEN-Vorgehensmodell 411<br />
Abbildung 48: Gesamtansicht des KOWIEN-Vorgehensmodells – Screenshot 2<br />
Da das Gesamtmodell in der „normalen“, voreingestellten Auflösung nicht komplett dargestellt<br />
werden kann, bestehen zwei Möglichkeiten zur „Einsicht“. Zum einen kann mittels der Scrollbars<br />
(rechts und unten von Frame 2) die Modelldarstellung verschoben werden. Zum anderen kann<br />
mittels der rechten Maustaste ein Kontextmenü aufgerufen werden, das die Vergrößerung und<br />
Verkleinerung der Skalierung ermöglicht.<br />
Sichtbar für den Benutzer wird in dieser Abbildung 48 ein Ausschnitt aus der Gesamtdarstellung,<br />
der Teile der Phase der Anforderungsspezifizierung wiedergibt. Das Kästchen links oben in Frame 2<br />
mit der Beschriftung „Anforderungsspezifizierung“ markiert hierbei die einzelne Phase in der Gesamtdarstellung<br />
des KOWIEN-Vorgehensmodells.
412 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4 Einzelansichten der Phasen des KOWIEN-Vorgehensmodells<br />
2.3.2.4.4.1 Anforderungsspezifizierung<br />
Abbildung 49: Einzelansicht der Phase Anforderungsspezifizierung – Screenshot 1<br />
In Frame 1 lässt sich durch die Hervorhebung innerhalb der Baumstruktur erkennen, dass die Ansicht<br />
der Einzelphase Anforderungsspezifizierung 40) ausgewählt worden ist. Die Modelldarstellung<br />
lässt sich mittels der Scrollbars oder durch „gedrücktes Halten“ der linken Maustaste verschieben.<br />
40) In den Abbildungen 49 und 50 wird die Bezeichnung „Anforderungserhebung“ anstelle der Bezeichnung „Anforderungsspezifizierung“<br />
verwendet, weil bei der Implementierung des Prototyps zum Teil eine noch nicht vollständig vereinheitlichte<br />
Terminolgie verwendet wurde. Beide Bezeichnungen werden synonym verwendet.
2.3.2 Das generische KOWIEN-Vorgehensmodell 413<br />
Abbildung 50: Einzelansicht der Phase Anforderungsspezifizierung – Screenshot 2<br />
Durch „Zoomen“ mittels der rechten Maustaste (siehe S. 411) wird eine größere Darstellung in<br />
Frame 2 der Einzelansicht Anforderungsspezifizierung erreicht. In Frame 4 findet der Benutzer weiter<br />
gehende Informationen zu Elementen 41) der Modelldarstellung. In diesem Fall wurde die Funktion<br />
„Vorbereitung durchführen“ per Mausklick in Frame 2 angewählt. Als Attribute zu diesem Element<br />
finden sich Name, Identifizierer, Beschreibung/Definition, Typ, Erstellzeitpunkt und Ersteller.<br />
Der Name entspricht der Grobzusammenfassung der Bedeutung (im Sinne eines Verwendungszwecks)<br />
des Elements (hier: Vorbereitung durchführen). Eine nähere Beschreibung dieses Elements<br />
findet sich im Attribut Beschreibung/Definition; hier wird erläutert, was sich hinter der Durchführung<br />
des Phasenelements verbirgt. So soll an dieser Stelle ein Team zur Durchführung zusammengestellt,<br />
ein Zeitplan erstellt und ein Budget festgelegt werden. Die übrigen Attribute (Identifizierer,<br />
Typ, Erstellzeitpunkt und Ersteller) spezifizieren das Element noch näher. Auf diese Attribute wird<br />
in den folgenden Ausführungen noch näher eingegangen.<br />
41) In der Abbildung 50 findet sich für die Bezeichnung „Elemente“ alternativ die Bezeichnung „Objekte“. Beide Bezeichnungen<br />
werden synonym verwendet (vgl. dazu die voranstehende Fußnote).
414 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.2 Wissensakquisition<br />
Abbildung 51: Einzelansicht der Phase Wissensakquisition – Screenshot 1<br />
Sowohl das Vorgehensmodell als auch einzelne Elemente werden einem Typ zugeordnet. Während<br />
in der Abbildung 50 dem Element „Vorbereitung durchführen“ der Typ „Funktion“ zugeordnet ist,<br />
wird in Abbildung 51 dem Modell der Phase „Wissensakquisition“ der Typ „eEPK“ zugeordnet.<br />
Sowohl die einzelnen Modelle als auch alle Elemente der Modelle besitzen einen eindeutigen Identifizierer,<br />
der sich standardmäßig aus dem Präfix „STD.“ und einer zugeordneten Nummer ergibt.<br />
Der Identifizierer erlaubt die Suche und Kontrolle nach bzw. von Elementen/Modellen. Hier ist dem<br />
Phasenmodell „Wissensakquisition“ der Identifizierer „STD.3841“ zugeordnet (zu allen Angaben<br />
siehe Frame 4).<br />
Über die Darstellung von Kanten werden der Funktion „Wissensträger identifizieren“ Beziehungen<br />
zugeordnet. Die Beziehung „erhält Input aus“, die in Standardauflösung gestrichelt dargestellt wird,<br />
verbindet Informationsträger, die zur erfolgreichen Durchführung der Funktion notwendig sind, mit<br />
der Funktion.
2.3.2 Das generische KOWIEN-Vorgehensmodell 415<br />
Abbildung 52: Einzelansicht der Phase Wissensakquisition – Screenshot 2<br />
Hier finden sich in der Abbildung 52 beispielsweise Mitarbeiterbeurteilung, Assessment Center und<br />
Personalabteilung für die Funktion „Wissensträger identifizieren“. Während die ersten beiden Informationsträger<br />
den Werkzeugen („Ordnerrücken“-Darstellung) zugeordnet sind, handelt es sich<br />
bei der Personalabteilung um einen Akteur („Gesicht“-Darstellung). Durch Anwählen des hinterlegten<br />
Links zum jeweiligen Informationsträger in Frame 4 gelangt der Benutzer zur detaillierten Beschreibung.<br />
Im vorliegenden Fall wird eine Langbeschreibung zur Anwendung des Werkzeugs in<br />
dem Frame dargestellt. Eine Vorlage oder ein Beispiel wurde im System nicht hinterlegt. Dies lässt<br />
sich daran erkennen, dass rechts vom „Ordnerrücken“ lediglich ein Symbol für die Langbeschreibung<br />
zu finden ist und kein Symbol für ein Beispiel oder eine Vorlage. Dies liegt in der Regel darin<br />
begründet, dass, wie hier leicht nachvollziehbar, es teilweise nicht sinnvoll oder möglich ist, ein allgemeingültiges<br />
Beispiel bzw. eine generische Vorlage anzubieten. So wird es beispielsweise als<br />
ausreichend erachtet, die Anwendung eines Assessment Centers an dieser Stelle zu empfehlen, ohne<br />
die Ergebnisse eines durchgeführten Assessment Centers wiederzugeben. Schon aus datenschutzrechtlichen<br />
Gründen erscheint dieses Vorgehen als nachvollziehbar.
416 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.3 Konzeptualisierung<br />
Abbildung 53: Einzelansicht der Phase Konzeptualisierung – Screenshot 1<br />
Abbildung 53 zeigt, dass die Einzelansicht der Phase Konzeptualisierung ausgewählt wurde. Deutlich<br />
wird auch, dass die beiden Elemente „Inseln zusammenführen (iterativ)“ und „Basisbegriffe<br />
strukturieren“ durch zahlreiche Werkzeuge unterstützt werden.<br />
Die Anwahl einer bestimmten Einzelansicht lässt sich sowohl über die Baumstruktur in Frame 1 als<br />
auch über das Pull-down-Menü in Frame 3 (oben) durchführen.
2.3.2 Das generische KOWIEN-Vorgehensmodell 417<br />
Abbildung 54: Einzelansicht der Phase Konzeptualisierung – Screenshot 2<br />
Das Element „Kompetenzwissen unstrukturiert“ wurde als Ereignis modelliert und folgend umschrieben:<br />
Falls das Wissen der Organisation über ihre Kompetenzen noch begrenzt und unstrukturiert<br />
ist, sollte die Ontologiekonstruktion nach dem Middle-Out-Ansatz durchgeführt werden. Die<br />
angegebenen Beziehungen („aktiviert“ und „ist abhängig von“) verdeutlichen den Kontext, in dem<br />
das Element steht. Das Element ist Folge einer Entweder-oder-Regel (XOR), die sich rechts oben<br />
außerhalb des Screenshots der Abbildung 54 befindet. Dabei war hier zu entscheiden, ob das Kompetenzwissen<br />
einer Organisation entweder strukturiert oder unstrukturiert vorliegt. Hiervon hängt<br />
der weitere Verlauf der Ontologiekonstruktion ab. Es wird vorgeschlagen, einem Middle-Out-Ansatz<br />
zu folgen, falls das Kompetenzwissen unstrukturiert vorliegt. Dieser Middle-Out-Ansatz zur<br />
Ontologiekonstruktion wird mittels der weiteren Prozesskette durchgeführt, d.h., es wird das nachfolgende<br />
Element (die Funktion) „relevante Begriffe ordnen“ aktiviert. Unter der Kategorie „Objektausprägungen“<br />
wird angegeben, in welchen der zur Verfügung stehenden Modelle dieses einzelne<br />
Element Verwendung findet (hier: in der Gesamtansicht und in der aktuellen Einzelansicht<br />
Konzeptualisierung).
418 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.4 Implementierung<br />
Konnektor<br />
Abbildung 55: Einzelansicht der Phase Implementierung – Screenshot 1<br />
Kompetenzmanagementsystem<br />
In der Abbildung 55 wird die Einzelansicht der Phase Implementierung als Screenshot angezeigt.<br />
Über die Konnektoren wird die Einbindung der Phase in das Gesamtmodell deutlich.<br />
Da die Implementierung die Umsetzung in ein lauffähiges Anwendungssystem vorsieht, wird an<br />
dieser Stelle auch das Kompetenzmanagementsystem als Element („KMS“) Gegenstand der Modellierung.
2.3.2 Das generische KOWIEN-Vorgehensmodell 419<br />
Abbildung 56: Einzelansicht der Phase Implementierung – Screenshot 2<br />
Abbildung 56 verdeutlicht die Vergrößerung und Anwahl des Elements „formale Sprache auswählen“.<br />
Es werden zahlreiche formale Sprachen zur Darstellung von Ontologien als Werkzeuge angeboten,<br />
wie z.B. F-Logic, OWL und DAML+OIL. Die Akteure „Ontologieentwickler“ und „IT-<br />
Abteilung“ müssen bei der Aktivität der Auswahl einer geeigneten Repräsentationssprache zusammenarbeiten.
420 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.5 Evaluation<br />
Abbildung 57: Einzelansicht der Phase Evaluation – Screenshot<br />
Die Phase der Evaluation unterscheidet die Validation und die Verifikation. Alle identifizierten Akteure<br />
nehmen an der Durchführung teil. Es bestehen zahlreiche Verbindungen (Kanten) zu den vorangegangenen<br />
Phasen für den Fall, dass Verbesserungen vorzunehmen sind.<br />
Für den Informationsträger „Checkliste“, der ein Meta-Dokument darstellt, weil er Informationen<br />
zu anderen Dokumenten enthält, wurde im KOWIEN-Vorgehensmodell eine Vorlage hinterlegt.<br />
Diese Vorlage ist über die Kategorie „Attribute“ in Frame 4 über die Verknüpfung 1 per Mausklick<br />
aufrufbar. Nach der Anwahl öffnet sich ein Word-Dokument, sofern die notwendigen Programme<br />
hierfür auf dem verwendeten Computer installiert wurden.
2.3.2 Das generische KOWIEN-Vorgehensmodell 421<br />
2.3.2.4.4.6 Phasenübergreifende Unterstützungsleistungen<br />
Abbildung 58: Phasenübergreifende Unterstützungsleistungen – Screenshot<br />
In diesem Fall wurde die Einzelansicht der Prozesskette für die phasenübergreifenden Unterstützungsleistungen<br />
angewählt. Im Gesamtmodell wurde dieser Teil so modelliert, dass ein nebenläufiger<br />
Ablauf zu den Hauptphasen vorgesehen ist. Die Durchführung soll demnach kontinuierlich über<br />
die gesamte Entwicklungszeit erfolgen.<br />
Die phasenübergreifenden Unterstützungsleistungen umfassen das Projektmanagement, das bei der<br />
Verfolgung von Prozessablauf und Entscheidungen vorsieht, getroffene Entscheidungen und ihre<br />
Begründungen ausreichend zu dokumentieren.
422 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.7 Sonderfunktionen<br />
2.3.2.4.4.7.1 Modellindex<br />
Abbildung 59: Sonderfunktion Modellindex – Screenshot<br />
Das Aufrufen der Sonderfunktion Modellindex über Frame 3 ermöglicht eine Übersicht über die<br />
einzelnen modellierten Komponenten (Modelle) des KOWIEN-Vorgehensmodells.<br />
Die Modellliste stellt eine weitere Möglichkeit des Überblicks über die einzelnen Modelle innerhalb<br />
des KOWIEN-Vorgehensmodells dar. Auch diese Darstellung wird über die Auswahl in Frame 3<br />
erzielt. Auf eine Darstellung wird an dieser Stelle verzichtet.
2.3.2 Das generische KOWIEN-Vorgehensmodell 423<br />
2.3.2.4.4.7.2 Objektindex<br />
Abbildung 60: Sonderfunktion Objektindex – Screenshot<br />
Über die Sonderfunktion Objektindex lassen sich sämtliche Elemente des KOWIEN-Vorgehensmodells<br />
auflisten. Die Wiedergabe erfolgt dabei in alphabetischer Reihenfolge. Es werden jeweils<br />
die Bezeichnungen mit Typ und Kurzbeschreibung/Definition zu jedem Element angegeben. Über<br />
die Suchfunktion (oben in Frame 2) lässt sich gezielt nach einzelnen Elementen textuell suchen.
424 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
2.3.2.4.4.7.3 Objektliste<br />
Abbildung 61: Sonderfunktion Objektliste – Screenshot<br />
Die Sonderfunktion Objektliste bietet eine weitere Darstellung der einzelnen Elemente des KO-<br />
WIEN-Vorgehensmodells in Form einer Liste. Dabei erfolgt eine Gliederung der Elemente anhand<br />
ihres Typs, d.h. eine Unterteilung der Liste in Elemente des Typs Ereignis (wie in Abbildung 61<br />
dargestellt), in Elemente des Typs Funktion sowie in Elemente des Typs Informationsträger.
2.3.2 Das generische KOWIEN-Vorgehensmodell 425<br />
2.3.2.5 Evaluation des Vorgehensmodells<br />
In diesem Kapitel wird das vorgestellte KOWIEN-Vorgehensmodell mit den in Kapitel 1.4.4.2 (S.<br />
292 ff.) aufgestellten Anforderungen verglichen, um seine Anwendbarkeit für die Entwicklung von<br />
Kompetenzontologien zu beurteilen. 42)<br />
• Generizität: Das Vorgehensmodell ist insofern generisch, als dass es eine allgemeine Beschreibung<br />
der Phasen zur Ontologiekonstruktion umfasst und für verschiedene Projekte angewendet<br />
werden kann. Es wird davon ausgegangen, dass die zu entwickelnde Ontologie für den Einsatz<br />
in einem betrieblichen Kompetenzmanagementsystem konzipiert werden soll; das Vorgehensmodell<br />
selbst jedoch ist nicht projekt- (oder KOWIEN-) spezifisch aufgebaut. Dieses Gestaltungsprinzip<br />
ermöglicht eine leichtere Anpassung an die Gegebenheiten eines konkreten Projekts<br />
und an nicht vorhersehbare Einschränkungen; außerdem bildet es die Voraussetzung für<br />
eine spätere Wiederverwendung des Vorgehensmodells in einem anderen Kontext.<br />
• Anwendungsbezogenheit: Zusätzlich zur generischen Beschreibung und Modellierung der Phasen<br />
und ihres Ablaufs wurde eine detaillierte Erläuterung der einzelnen Funktionen und Ereignisse<br />
gegeben. Die Darstellung der Aktivitäten in den verschiedenen Phasen umfasst auch<br />
Empfehlungen für Werkzeuge, die bei der Realisierung eingesetzt werden können. Zusammen<br />
mit einigen konkreten Beispielen oder Vorlagen zur Veranschaulichung sollen diese Empfehlungen<br />
eine Hilfestellung für die Ontologieentwickler bieten und die Anwendbarkeit des Vorgehensmodells<br />
fördern.<br />
• Begründung und Dokumentation: Die Dokumentation bildet eine eigene, phasenübergreifende<br />
Komponente des Vorgehensmodells, damit ihre Bedeutung als Bestandteil des Entwicklungsprozesses<br />
explizit dargestellt wird. Darüber hinaus wird in jeder Phase das Festhalten von Entscheidungen<br />
und deren Begründungen (etwa als Dokumentation der Erhebungstechniken, der<br />
Wissensträger oder der Kompetenzverteilung) sowie der jeweiligen Meilensteine und schriftlichen<br />
Ergebnisse (z.B. Anforderungsspezifikation, Konzeptualisierung und Evaluationsdokument)<br />
berücksichtigt. Dadurch enthält das Vorgehensmodell eine durchgängige Dokumentation<br />
während der gesamten Ontologiekonstruktion und verbessert damit die Nachvollziehbarkeit des<br />
Prozesses sowohl während seiner Durchführung als auch im Nachhinein. Außerdem bilden die<br />
Dokumentation der Entwicklung und die Begründung der wichtigen Entscheidungen eine<br />
„Erweiterung“ des Vorgehensmodells selbst, da die Nutzung der gesammelten Erfahrungen bei<br />
einem später eventuell stattfindenden ähnlichen Projekt von großem Vorteil sein kann.<br />
• Einfachheit: Die Inhalte der Phasen sind detailliert, aber nicht komplex beschrieben und auf<br />
eine nicht-technische Art und Weise formuliert, um grundsätzlich für alle am Projekt mitwirkenden<br />
Personen verständlich zu sein. Diese Eigenschaften machen die Simplizität des Modells<br />
aus; sie sind wichtig, damit die Beteiligten auch zu einer tatsächlichen Anwendung des Vorgehensmodells<br />
motiviert werden. Ein zu komplexes Vorgehensmodell wird möglicherweise nicht<br />
akzeptiert und dadurch nicht eingesetzt; damit verliert es seinen Nutzen.<br />
• Klarheit: Das Vorgehensmodell besitzt eine klare Gliederung und umfasst wenige Phasen, was<br />
insbesondere durch den graphischen Überblick veranschaulicht wird. Auch der Grundsatz der<br />
Klarheit besitzt eine große Bedeutung für die Anwendbarkeit eines Vorgehensmodells, da<br />
Mehrdeutigkeiten zu einer „falschen“ (nicht intendierten) Umsetzung oder sogar zu einer Ab-<br />
42) Vgl. APKE/DITTMANN (2003a) S. 29 ff. Die Anforderung der Vollständigkeit wird hier aufgrund der Argumentation, die auf S.<br />
294 erfolgte, nicht untersucht.
426 2.3.2 Das generische KOWIEN-Vorgehensmodell<br />
lehnung der Anwendung führen können. Aus diesem Grund wurden die Phasenbeschreibungen<br />
möglichst präzise formuliert, wofür besonders die semi-formale Darstellung durch erweiterte<br />
Ereignisgesteuerte Prozessketten eine Rolle spielt. Die Modellierung mit eEPK ermöglicht eine<br />
präzise und anschauliche Abbildung des Phasenablaufs und bildet zugleich eine wichtige Ergänzung<br />
zur informalen textuellen Beschreibung, da die einzelnen Funktionen, Ereignisse, Akteure<br />
und Informationsträger benannt und zueinander in Beziehung gesetzt werden.<br />
• Werkzeugunterstützung: Die Nutzung von Informationstechnologie in einem Entwicklungsprojekt<br />
ist vorteilhaft für eine leichtere und effizientere Prozessdurchführung, weil durch Software<br />
zum Beispiel große Informationsmengen verwaltet und einzelne Aktivitäten sogar automatisiert<br />
werden können. Daher werden im vorgestellten Vorgehensmodell nicht nur mögliche Methoden<br />
und Techniken zur Umsetzung genannt, sondern für jede Phase auch entsprechende Computerwerkzeuge<br />
zur Erleichterung und Automatisierung der Aktivitäten vorgeschlagen. Für die<br />
Konstruktion von (Kompetenz-) Ontologien sind zurzeit noch keine Anwendungen verfügbar,<br />
die alle Phasen des Entwicklungsprozesses gleichermaßen unterstützen, doch es gibt bereits<br />
zahlreiche Ontologieentwicklungsumgebungen zur Erstellung, Änderung, Visualisierung, Annotierung<br />
und auch zur Überprüfung von Ontologien (wie etwa die in den Kapiteln 2.3.2.2.1.3<br />
bis 2.3.2.2.1.5 kurz vorgestellten Produkte OntoEdit, Protégé-2000, Ontolingua, KAON oder<br />
OCM). Diese können im Rahmen der Konzeptualisierung und Formalisierung, eventuell auch<br />
bei der Evaluation und Dokumentation, eingesetzt und durch Computerwerkzeuge aus den Bereichen<br />
Software Engineering und Wissensmanagement (beispielsweise Anforderungsmanagement-<br />
und Dokumentations-Tools) ergänzt werden. Die im Vorgehensmodell beschriebenen<br />
Werkzeuge erleichtern die Ontologiekonstruktion für die Projektbeteiligten und führen damit<br />
zu einer höheren Anwendbarkeit und Akzeptanz des Vorgehensmodells.<br />
2.3.2.6 Zusammenfassung<br />
Ontologien können in Bereichen wie dem betrieblichen Kompetenzmanagement gewinnbringend<br />
eingesetzt werden, doch für ihre Erstellung ist ein systematisches Vorgehen erforderlich, das mit<br />
Hilfe eines Vorgehensmodells beschrieben werden kann.<br />
Ein solches Vorgehensmodell sollte bestimmte Anforderungen erfüllen, um eine Anwendung im<br />
Bereich ontologiebasierter <strong>Kompetenzmanagementsysteme</strong> und das Vorgehen bei der Entwicklung<br />
bestmöglich zu unterstützen. Die wichtigsten dieser Anforderungen wurden untersucht, beschrieben<br />
und anschließend zu einer Evaluation bereits bestehender Ansätze zur Ontologiekonstruktion herangezogen.<br />
Es wurde gezeigt, dass diese Ansätze den zuvor aufgestellten Anforderungen nur teilweise<br />
entsprechen.<br />
Das vorgestellte KOWIEN-Vorgehensmodell baut auf den existierenden Ansätzen auf, berücksichtigt<br />
jedoch zugleich die dargestellten Anforderungen und damit die Besonderheiten im Bereich<br />
Kompetenzontologien (und im Umfeld des KOWIEN-Projekts). Der Prozessablauf ist semi-formal<br />
gestaltet (indem die Konzipierung der Ontologie getrennt von ihrer Formalisierung vorgenommen<br />
wird) und umfasst auch Iterationen, durch die auf eventuelle Schwierigkeiten reagiert werden kann.<br />
Die Anwendung des KOWIEN-Vorgehensmodells im Rahmen eines Projekts zur Erstellung eines<br />
ontologiebasierten Kompetenzmanagementsystems trägt dazu bei, das geplante Vorgehen für das<br />
Projektteam transparent darzustellen, den Entwicklungsprozess strukturierter zu gestalten und damit<br />
auch – mutmaßlich – die Qualität der resultierenden Ontologien zu erhöhen. Gleichzeitig ist das<br />
Vorgehensmodell nicht als Verpflichtung zur Durchführung bestimmter Aktivitäten in einer vorge-
2.3.2 Das generische KOWIEN-Vorgehensmodell 427<br />
schriebenen Reihenfolge anzusehen, sondern als eine Hilfestellung und Richtlinie, die an die projektspezifische<br />
Situation angepasst werden kann.<br />
Weiterer Forschungsbedarf trotzdem beispielsweise noch im Bereich der Wissensakquisition; für<br />
die Erhebung der relevanten Konzepte sowie für die Zuordnung von Kompetenzen zu Mitarbeitern<br />
ist es wichtig, Techniken (unter Berücksichtigung des jeweils verursachten Aufwands) auszuwählen.<br />
Auch für die Spezifizierung einer Ontologie sind noch detaillierte Vorgehensweisen bezüglich<br />
der Identifikation von Integritäts- und Inferenzregeln zu untersuchen.<br />
Das KOWIEN-Vorgehensmodell wurde bereits erfolgreich bei der DMT angewendet, um hier eine<br />
unternehmensspezifische Kompetenzontologie zu entwickeln (siehe hierzu Kapitel 3.2.2, S. 625 ff.).<br />
Dabei wurde das Vorgehensmodell einer gründlichen Evaluation unterzogen (vgl. Kapitel 3.2.2.7,<br />
S. 694 ff.).
2.4 Generische Kompetenzontologie<br />
für computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
UNIV.-PROF. DR. STEPHAN ZELEWSKI, DIPL.-KFM. YILMAZ ALAN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
2.4.1 Einführung<br />
In diesem Beitrag wird die KOWIEN-Ontologie 1) vorgestellt. Sie wurde im Rahmen des B<strong>MB</strong>F-<br />
Verbundprojekts KOWIEN am Institut für Produktion und Industrielles Informationsmanagement<br />
der Universität Duisburg-Essen, Campus Essen, zu Zwecken des ontologiebasierten Managements<br />
von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile konstruiert. Dieser Konstruktion<br />
wurden im Wesentlichen drei Leitlinien zugrunde gelegt. Erstens soll die resultierende<br />
Ontologie theoretisch ausgerichtete Gütekriterien erfüllen, die an anderer Stelle ausführlich dokumentiert<br />
wurden. 2) Zweitens soll die KOWIEN-Ontologie auf jeden Fall solche Konstrukte umfassen,<br />
die sich aus den Anforderungen der Praxispartner des KOWIEN-Projekts ergeben haben. Diese<br />
Konstrukte werden als gemeinsames Sprachhandeln einer Gruppe von – projektbedingt – interagierenden<br />
Akteuren als „gegeben“ vorausgesetzt. Es wird also ausdrücklich darauf verzichtet, dieses<br />
faktische Sprachhandeln aus den Perspektiven anderer – sei es nur denkmöglicher oder auch tatsächlich<br />
praktizierter – „Sprachspiele“ kritisch zu hinterfragen. Drittens wurde Wert darauf gelegt,<br />
die Konstrukte, die aus den Anforderungen der Praxispartner resultieren, durch zusätzliche Konstrukte<br />
so zu einer „systematischen“ Ontologie zu ergänzen, dass sich die KOWIEN-Ontologie<br />
intern als kohärent erweist und bei externer Betrachtungsweise Anschlussfähigkeit gegenüber „etablierten“<br />
Konzeptualisierungen sprachlicher Welterfassung erkennen lässt. 3)<br />
1) Die aktuelle Version der KOWIEN-Ontologie kann im Internet unter der URL „http://www.pim.uni-essen.de/mitarbeiter/<br />
pimyial/Kompetenzontologie.flo“ [Stand: 01.03.2005] abgerufen werden. Gegenüber dieser Version wurden im hier vorgelegten<br />
Beitrag, insbesondere im Kapitel 2.4.3, noch einige kleine Modifizierungen vorgenommen, um geringfügige „Unebenheiten“<br />
der KOWIEN-Ontologie zu glätten. Des Weiteren werden wesentliche Ausschnitte der KOWIEN-Ontologie dokumentiert<br />
und kommentiert in: ALAN (2003a); ALAN (2003b); APKE/BREMER/DITTMANN (2004) S. 3 ff., 82 ff., B-2 ff. und – vor allem – S.<br />
D-1 ff. Vgl. auch als Grundlage zur Entwicklung der KOWIEN-Ontologie die Anforderungsspezifikation für die KOWIEN-<br />
Ontologie aus der Perspektive eines der Praxispartner, der Essener DMT GmbH, in APKE/ BREMER/DITTMANN (2004) S. 10 ff.;<br />
APKE ET AL. (2004) S. 6 ff.<br />
2) Vgl. ALAN/BÄUMGEN (2002) S. 31 ff.; vgl. daneben auch zu Gütekriterien für Ontologien BURGUN ET AL. (2001) S. 99 ff.; CO-<br />
LO<strong>MB</strong> (2002) S. 3 ff.; COLO<strong>MB</strong>/WEBER (1998) S. 208 ff.; DITTMANN/PENZEL (2004) S. 473 ff.; FRANK (1998) S. 10 ff. u. 16 ff.<br />
(zwar explizit auf konzeptuelle Modellierungen bezogen, aber inhaltlich ohne Schwierigkeiten auf Ontologien übertragbar);<br />
GÓMEZ-PÉREZ (1996) S. 519 ff.; GÓMEZ-PÉREZ (2004) S. 251 ff., insbesondere S. 256 ff.; GRUBER (1995) S. 909 f.; GUARINO/<br />
WELTY (2004) S. 151 u. 153 ff.; HEFLIN/VOLZ/DALE (2002) S. 10 ff.; SI-SAID CHERFI/AKOKA/COMYN-WATTIAU (2002) S. 416<br />
ff.; SWARTOUT ET AL. (1997) S. 139; SYCARA ET AL. (2002) S. 175; TERO/BRIGGS (1994) S. 883 ff.; VISSER/BENCH-CAPON<br />
(1998) S. 40 ff.<br />
3) Die Forderungen nach interner Kohärenz und nach externer Anschlussfähigkeit können auch als spezielle Gütekriterien für Ontologien<br />
aufgefasst werden. Aus dieser Sicht stellen sie keine speziellen Leitlinien dar, sondern lassen sich unter die erste Leitlinie<br />
der Ontologiekonstruktion subsumieren. Dieser Sichtweise wurde hier jedoch aus zwei Gründen nicht gefolgt.<br />
Erstens wurde in den ursprünglich aufgestellten Gütekriterien für Ontologien lediglich das Kriterium der Kohärenz erfasst<br />
(nicht aber das Kriterium der Anschlussfähigkeit). Das Kriterium der Kohärenz wurde sogar noch nicht einmal in seiner vollen<br />
inhaltlichen Breite, sondern nur für den Spezialfall der Kohärenz im Sinne der Widerspruchsfreiheit oder – synonym – der<br />
Konsistenz berücksichtigt. Weiterführende Kohärenzauffassungen, die auch die „Verknüpfungsintensität“ und „gegenseitige<br />
Stützung“ der Komponenten eines „kohärenten“ Geflechts aus Konzepten, Argumenten, Wissensteilen o.ä. einschließen, wurden<br />
dagegen unter den vorgenannten Gütekriterien noch nicht thematisiert. In diesem Kapitel wird jedoch das weiter gefasste
430 2.4 Generische Kompetenzontologie<br />
Für die Konstruktion der KOWIEN-Ontologie wurde die Vorentscheidung getroffen, die Ontologie<br />
mit Hilfe der (Wissens-) Repräsentationssprache 4) F-Logic auszugestalten. Daher wird im nächsten<br />
Kapitel zunächst ein kurzer Überblick über diejenigen grundlegenden Ausdrucksmittel (Modellierungsprimitive)<br />
der Repräsentationssprache F-Logic gegeben, die für den vorliegenden Beitrag relevant<br />
sind.<br />
Anschließend wird die KOWIEN-Ontologie vorgestellt. Aufgrund ihres Umfangs kann sie in der<br />
hier gebotenen Kürze nicht vollständig wiedergegeben werden. 5) Stattdessen beschränken sich die<br />
Ausführungen auf wesentliche Konstruktionsaspekte und einige Details, die den Verfassern als besonders<br />
diskussionswürdig erschienen. Dabei wird – entsprechend der taxonomischen Unterteilung<br />
in der KOWIEN-Ontologie – eine Differenzierung zwischen objekt- und metasprachlichen Entitäten<br />
vorgenommen. Nach der Erläuterung von ausgewählten Ontologiekomponenten werden objektsprachliche<br />
Inferenzregeln und Integritätsregeln diskutiert. Diese Inferenz- und Integritätsregeln unterscheiden<br />
sich von den metasprachlichen Inferenzregeln der Logik 6) deutlich. Sie bilden nach Ein-<br />
Kohärenzverständnis zugrunde gelegt. Es wird besonders prominent von RESCHER vertreten, vor allem aus der Perspektive der<br />
so genannten „Kohärenztheorie der Wahrheit“. Vgl. RESCHER (1973); RESCHER (1974) S. 703 ff.; RESCHER (1979) S. 66 ff. (insbesondere<br />
S. 72 ff.) und S. 82 ff.; RESCHER (1987a) S. 17 ff.; vgl. daneben auch BONJOUR (1994) S. 239 ff., insbesondere S. 244<br />
ff. (und mit einer Erörterung des Verhältnisses zur Korrespondenzauffassung der Wahrheit auf S. 260 ff.); COOMANN (1983);<br />
DAVIDSON (1994) S. 271 ff.; KLEIN (1989) S. 90 ff., insbesondere S. 92 ff. (als betriebswirtschaftliche Rezeption des Kohärenzverständnisses<br />
von RESCHER); am Rande auch COLO<strong>MB</strong> (2002) S. 5. Über dieses weit gefasste Kohärenzverständnis hinaus<br />
kommt der Aspekt der Anschlussfähigkeit neu hinzu, der in den ursprünglich aufgestellten Gütekriterien für Ontologien überhaupt<br />
nicht enthalten war.<br />
Zweitens erhält die Forderung nach interner Kohärenz und nach externer Anschlussfähigkeit erst durch die zweite Leitlinie, die<br />
speziellen Anforderungen der Praxispartner an die Konstrukte der KOWIEN-Ontologie als „gegeben“ zu behandeln, ihre besondere<br />
Bedeutung und wird so aus den allgemeinen Gütekriterien der ersten Leitlinie für die Ontologiekonstruktion herausgehoben.<br />
Denn jene Partneranforderungen stellten das Konstruktionsteam vor besondere „Herausforderungen“, sowohl die interne<br />
Kohärenz als auch die externe Anschlussfähigkeit zu wahren. Aufgrund dieses speziellen „situativen“ Konstruktionskontexts<br />
hat sich die besondere Bedeutung der Forderung nach Kohärenz und Anschlussfähigkeit als eigenständige, dritte Konstruktionsleitlinie<br />
herausgeschält. Hiermit wird jedoch nicht bestritten, dass es – alternativ – genauso möglich gewesen wäre, Kohärenz<br />
(als Erweiterung von Widerspruchsfreiheit und Konsistenz) und Anschlussfähigkeit in einen entsprechend überarbeiteten Katalog<br />
von Gütekriterien für die Ontologiekonstruktion aufzunehmen.<br />
4) Da in diesem Werk ausschließlich die Repräsentation von Wissen thematisiert wird, werden die Bezeichnungen „Wissensrepräsentationssprache“<br />
und „Repräsentationssprache“ im Folgenden synonym verwendet.<br />
5) Die KOWIEN-Ontologie ist jedoch im Internet vollständig dokumentiert; vgl. dazu die eingangs angeführte Webadresse.<br />
6) Mit „der“ Logik ist in diesem Werk stets die konventionelle deduktive Logik gemeint, also die Prädikatenlogik 1. Stufe (einschließlich<br />
allgemein üblicher Erweiterungen, wie z.B. der Berücksichtigung des Identitätsprädikats). Die Prädikatenlogik 1.<br />
Stufe zeichnet sich dadurch aus, dass sich Quantoren und Prädikate (oder Relationen/Mengen oder Funktionen) nur über Individuen-Variablen<br />
erstrecken dürfen, also über Variablen, die durch individuelle formale Objekte ersetzt werden können. Prädikatsvariablen<br />
(oder Relations-/Mengen- oder Funktionsvariablen) bleiben dagegen der Prädikatenlogik 2. Stufe oder höherer<br />
Stufen vorbehalten. Wenn von „der“ Prädikatenlogik die Rede ist und kein qualifizierender Zusatz erfolgt, ist jeweils die Prädikatenlogik<br />
1. Stufe gemeint.<br />
Die Prädikatenlogik 1. Stufe wird in diesem Werk als Argumentationsbasis vorausgesetzt. Für diese Basisentscheidung sprechen<br />
im Wesentlichen drei Gründe, die inhaltlich miteinander zusammenhängen. Erstens besitzt die Prädikatenlogik 1. Stufe<br />
sowohl in erkenntnis- und wissenschaftstheoretischen als auch in logischen Diskursen die Qualität einer „lingua franca“, auf die<br />
sich nahezu alle Autoren als gemeinsame formale Sprachbasis einigen können. Daher besitzen prädikatenlogisch basierte Ausführungen<br />
ein hohes Ausmaß an Anschlussfähigkeit an die Fachliteratur. Zweitens stellt die Prädikatenlogik 1. Stufe diejenige<br />
formale Logik dar, deren allgemeingültigen Eigenschaften im Vergleich zu alternativen Logiken am intensivsten erforscht sind.<br />
Drittens zeichnet sich die Prädikatenlogik 1. Stufe durch einen Kompromiss aus möglichst hoher Ausdrucksmächtigkeit und<br />
möglichst zuverlässigem Schlussfolgerungspotenzial aus, der nach Einschätzung der Verfasser von keiner anderen Logik bislang<br />
erreicht werden konnte. Die Aspekte der Ausdrucksmächtigkeit und des Schlussfolgerungspotenzials werden im Folgenden<br />
noch konkretisiert, z.B. anhand mehr als zweistelliger Prädikate und Reifizierungen (im Hinblick auf die Ausdrucksmächtigkeit)<br />
sowie aus dem Blickwinkel der Vollständigkeit und Korrektheit von Inferenzkalkülen (im Hinblick auf das Schlussfolgerungspotenzial).
2.4 Generische Kompetenzontologie 431<br />
schätzung der Verfasser einen wesentlichen Beitrag von Ontologien zur konzeptuellen Modellierung<br />
von Realitätsausschnitten (Domänen) 7) , der über das Leistungsvermögen konventioneller konzeptueller<br />
Modellierungsansätze – wie z.B. der konzeptuellen Datenmodellierung (wie etwa mit Entity-Relationship-Modellen)<br />
– hinausreicht. Der Beitrag endet mit einer exemplarischen Spezifikation<br />
von Wissen über Kompetenzen auf der Grundlage der KOWIEN-Ontologie.<br />
2.4.2 Überblick über die verwendete Repräsentationssprache<br />
2.4.2.1 Motivation der Verwendung von F-Logic<br />
Für die Konstruktion von Ontologien zur Repräsentation von Wissen über Kompetenzen wurde im<br />
Projekt KOWIEN die Repräsentationssprache F-Logic (Frame-Logic) 8) verwendet. F-Logic entstammt<br />
ursprünglich der Forschung zu dem Themengebiet objektorientierter deduktiver Datenbanksysteme.<br />
9) Seit einigen Jahren wird F-Logic darüber hinaus auch für die Konstruktion von Ontologien<br />
diskutiert. 10) Durch die Kombination von Prinzipen objektorientierter Konzeptualisierung<br />
einerseits und prädikatenlogischer Wissensrepräsentation 11) andererseits weist F-Logic eine hohe<br />
Ausdrucksstärke auf. Da in Ontologien oftmals komplexe Sachverhalte aus den jeweils betrachteten<br />
Domänen sprachlich erfasst werden müssen, stellt diese hohe Ausdrucksstärke ein wichtiges Argument<br />
zugunsten der Verwendung von F-Logic für Zwecke der Ontologie-Konstruktion dar.<br />
Darüber hinaus erlaubt die Deduktionskomponente von F-Logic die Anwendung von Inferenzregeln.<br />
Dadurch ermöglicht F-Logic, das mächtige Schlussfolgerungspotenzial der Prädikatenlogik<br />
für das jeweils repräsentierte Wissen fruchtbar zu machen: Inferenzregeln gestatten es, das implizit<br />
vorhandene, aber mittels konventioneller Datenbanksprachen nicht direkt zugreifbare Wissen über<br />
Kompetenzen und Kompetenzträger in einem Unternehmensnetzwerk indirekt zu erschließen. Auf<br />
diese Weise lässt sich das explizit verfügbare Kompetenzwissen erweitern, indem eine Vielzahl<br />
neuer Fakten aus bereits bekannten Fakten abgeleitet wird. Einerseits erweist sich diese Inferenzfähigkeit<br />
aus betriebswirtschaftlicher Perspektive als besonders vorteilhaft, weil sie zur Erhöhung der<br />
Effektivität des Einsatzes ontologiebasierter Software für Zwecke des Managements von Kompe-<br />
7) Die Begriffe „Realitätsausschnitt“ und „Domäne“ werden in diesem Werk synonym verwendet. Wenn von einer „Realitätsrepräsentation“<br />
o.ä. die Rede ist, so ist niemals die „Realität als Ganzes“ gemeint, sondern stets ein zu repräsentierter Ausschnitt<br />
der Realität, also eine repräsentierte Domäne.<br />
8) Vgl. zur Repräsentationssprache F-Logic KIFER/LAUSEN/WU (1993) S. 1 u. 4 ff.; KIFER/LAUSEN/WU (1995) S. 741 ff.; vgl.<br />
daneben auch ANGELE/STAAB/SCHNURR (2003) S. 2 ff.; ANGELE/LAUSEN (2004) S. 30 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/<br />
CORCHO (2004) S. 231 ff.; WEI (1999) S. 30 ff. u. 47 ff. sowie Kapitel 3.2.2.6.3.1 (S. 684 ff.). Vgl. auch zu ähnlichen objektorientierten<br />
Varianten der Prädikatenlogik erster Stufe AMIR (1999) S. 67 ff.<br />
9) Vgl. LAUSEN/VOSSEN (1996) S. 216 ff.<br />
10) Vgl. ANGELE/LAUSEN (2004) S. 29 ff.<br />
11) Die prädikatenlogische Wissensrepräsentation liegt allen deduktiven Datenbanksystemen zugrunde, weil nur aufgrund dieses<br />
prädikatenlogischen Fundaments die leistungsfähigen Inferenzregeln der Prädikatenlogik (1. Stufe) für die Durchführung von<br />
Deduktionen genutzt werden können.
432 2.4 Generische Kompetenzontologie<br />
tenzwissen beiträgt. 12) Andererseits wird diese Inferenzfähigkeit bei den meisten anderen Wissensrepräsentationssprachen<br />
– wie z.B. RDF(S), DAML+OIL sowie OWL 13) – vermisst, die zurzeit zur<br />
Konstruktion von Ontologien lebhaft diskutiert werden. Zwar lassen sich neuerdings verstärkt Bestrebungen<br />
beobachten, Wissensrepräsentationssprachen zur Konstruktion von Ontologien ebenso<br />
mit Inferenzfähigkeiten auszustatten. 14) Aber zu Beginn des KOWIEN-Projekts waren diese alternativen<br />
Wissensrepräsentationssprachen – zumindest hinsichtlich ihrer Inferenzfähigkeiten – bei weitem<br />
noch nicht so weit fortgeschritten wie F-Logic. Da im KOWIEN-Projekt von vornherein großer<br />
Wert darauf gelegt wurde, auch implizites Wissen mittels Inferenzen computerbasiert erschließen<br />
zu können, erfolgte zu Projektbeginn eine wohlbegründete Grundsatzentscheidung zugunsten von<br />
F-Logic.<br />
Des Weiteren wurde die Grundsatzentscheidung pro F-Logic auch dadurch motiviert, dass F-Logic<br />
zu Projektbeginn ein Alleinstellungsmerkmal hinsichtlich seiner Kombination aus hoher Ausdrucksstärke<br />
und mächtigem Schlussfolgerungspotenzial aufwies. In dieser Ausprägung wird die Kombination<br />
aus Ausdrucksstärke und Schlussfolgerungspotenzial auch zurzeit noch von keiner anderen,<br />
allgemein verfügbaren Wissensrepräsentationssprache offeriert. Daher halten es die Verfasser nach<br />
wie vor für gerechtfertigt, im KOWIEN-Projekt die Aufgaben der Wissensrepräsentation und der<br />
Wissenserschließung mit der Hilfe von F-Logic als Wissensrepräsentationssprache 15) zu erfüllen.<br />
Dies schließt jedoch keineswegs aus, dass zu späterer Zeit – z.B. in Folgeprojekten – zu anderen<br />
Wissensrepräsentationssprachen wie den o.a. „Ontologie-affinen“ Sprachen übergegangen wird,<br />
wenn sie die Fähigkeiten von F-Logic hinsichtlich der Kombination aus Ausdrucksstärke und<br />
Schlussfolgerungspotenzial übertreffen.<br />
Schließlich besitzt F-Logic für das Projekt KOWIEN eine projektspezifische Bedeutung, die sich<br />
nicht ohne weiteres auf andere Projekte zur Konstruktion von Ontologien übertragen lässt. Sie resultiert<br />
daraus, dass im Rahmen des Projekts die Ontologie-Entwicklungsumgebung OntoEdit sowie<br />
die Inferenzmaschine OntoBroker eingesetzt wurden. 16) Beide Softwareprodukte der „Onto“-Fami-<br />
12) Die Effektivität von Software für computerbasierte <strong>Kompetenzmanagementsysteme</strong> lässt sich durch die Mächtigkeit der Mengen<br />
von Fakten messen, die ein solches Kompetenzmanagementsystem über die Kompetenzen und Kompetenzträger eines Unternehmensnetzwerks<br />
für seine Benutzter zur Verfügung zu stellen vermag. Je größer diese Faktenmengen ausfallen, desto effektiver<br />
ist das betroffene Kompetenzmanagementsystem. Allerdings handelt es sich nur um einen groben Effektivitätsmaßstab,<br />
der bei genauerem Hinsehen einer Verfeinerung bedarf. Denn allein durch die Art der faktischen Wissensrepräsentation lässt<br />
sich die Anzahl der repräsentierten Fakten „manipulieren“. Beispielsweise können entweder relativ wenige, aber informationsreiche<br />
Fakten oder aber relativ viele, aber informationsarme Fakten verwendet werden, ohne den insgesamt repräsentierten<br />
Wissensinhalt zu ändern. Dies ist dadurch möglich, dass mehrere informationsarme Fakten durch Verknüpfung mittels eines logischen<br />
„und“ (konjunktive Verknüpfung) zu einem entsprechend informationsreicheren Faktum zusammengefasst werden –<br />
oder dass ein informationsreiches Faktum in mehrere entsprechend informationsärmere Teilformeln aufgespalten wird, die ihrerseits<br />
Fakten darstellen.<br />
13) Vgl. dazu die Hinweise im Kapitel 1.3.1.2 (S. 172 f.).<br />
14) Vgl. auch dazu die Erläuterungen im Kapitel 1.3.1.2 (S. 180 ff.).<br />
15) Streng genommen handelt es sich bei F-Logic sowohl um eine Wissensrepräsentations- als auch um eine Wissenserschließungssprache,<br />
da F-Logic – wie oben erläutert – auch über Inferenzfähigkeiten verfügt. In der öffentlichen Wahrnehmung dominiert<br />
jedoch der Aspekt der Wissensrepräsentation, weil die Wissenserschließung mittels Inferenzen oftmals vernachlässigt<br />
wird. Um die Anschlussfähigkeit zum allgemein üblichen Sprachgebrauch zu wahren, wird auch hier F-Logic als eine „Wissensrepräsentationssprache“<br />
bezeichnet.<br />
16) Die Entscheidungen zugunsten der Verwendung von OntoEdit und OntoBroker erfolgten bereits bei der Projektbeantragung –<br />
zu einem Zeitpunkt, als insbesondere OntoBroker zu den am weitesten entwickelten Inferenzmaschinen gehörte, auf die in<br />
einem universitären Forschungsumfeld unter den allgemein bekannten Ressourcenbeschränkungen zugegriffen werden kann.
2.4 Generische Kompetenzontologie 433<br />
lie erweisen sich in ihren derzeitigen Versionen mit F-Logic kompatibel und unterstützten daher die<br />
Konstruktion der KOWIEN-Ontologie mittels dieser Wissensrepräsentationssprache.<br />
2.4.2.2 Exkurs zu den Grundlagen prädikatenlogischer<br />
Wissensrepräsentation und Wissenserschließung<br />
Obwohl Inferenzregeln, die im Kapitel 1.3.1.1.3 kurz erwähnt wurden (S. 163 ff.), in prädikatenlogisch<br />
basierten Wissensrepräsentationen eine herausragende Rolle spielen, werden sie in zahlreichen<br />
Publikationen zum Wissensmanagement unreflektiert verwendet. Daher erfolgt in den nächsten<br />
Kapiteln ein kurzer Exkurs zur Erläuterung dieser wichtigen Begrifflichkeiten – zunächst aus<br />
rein prädikatenlogischer Perspektive. 17) In diesem Exkurs wird ebenso auf Integritätsregeln eingegangen,<br />
weil sie für die Zulässigkeit prädikatenlogischer Wissensrepräsentationen und Schlussfolgerungen<br />
eine wichtige Funktion ausüben können und auch später bei der Konstruktion der KO-<br />
WIEN-Ontologie eingesetzt werden. Solche Integritätsregeln werden zwar im Rahmen der Prädikatenlogik<br />
kaum thematisiert, stellen aber für Datenbankmanagementsysteme ein weit verbreitetes Instrumentarium<br />
dar, um die „Integrität“ von Datenbankzuständen zu gewährleisten (insbesondere im<br />
Rahmen der transaktionsorientierten Datenverarbeitung). 18) Das Konzept integrer Datenbankzustände<br />
wird auf die Integrität – d.h. Zulässigkeit – von wissensrepräsentierenden Formelmengen und<br />
wissenserschließenden Inferenzregelanwendungen übertragen. Schließlich wird auch verdeutlicht<br />
werden, welches spezielle Verständnis von Fakten hier im Kontext von Ontologien und prädikatenlogisch<br />
basierten Wissensrepräsentationen vertreten wird.<br />
Leser, die mit den vorgenannten Aspekten prädikatenlogischer Wissensrepräsentation und Wissenserschließung<br />
vertraut sind, können die nachfolgenden Ausführungen des Kapitels 2.4.2.2 ohne Informationsverlust<br />
überspringen.<br />
17) Daher werden im Exkurs rein prädikatenlogische Notationen verwendet, um Leser, die mit den Konzepten der Prädikatenlogik<br />
noch nicht vertraut sind, zunächst in die Grundlagen der Prädikatenlogik so weit einzuführen, wie es für das Verständnis der<br />
später vorgestellten KOWIEN-Ontologie hilfreich erscheint. Da die KOWIEN-Ontologie jedoch nicht in „reiner“ Prädikatenlogik,<br />
sondern mittels der Wissensrepräsentationssprache F-Logic formuliert wurde, werden die zunächst „hilfsweise“ verwendeten<br />
prädikatenlogischen Notationen später durch Notationen in F-Logic ersetzt werden.<br />
18) Vgl. zur Verwendung von Integritätsregeln (Integritätsbedingungen, „integrity constraints“, Konsistenzbedingungen u.ä), vor<br />
allem im Kontext von Datenbanksystemen, ALAGIC (1986) S. 1 ff. u. 173 ff.; BOMAN ET AL. (1997) S. 67 ff.; DAS (1992) S. 275<br />
ff.; EHRICH/DROSTEN/GOGOLLA (1988) S. 132 f.; JARKE ET AL. (1994) S. 185 f. u. 189 f.; JABLONSKI (1990) S. 96 ff., insbesondere<br />
S. 100 f.; JEUSFELD/KRÜGER (1990) S. 2 ff., insbesondere S. 6 u. 10; LIPECK (1989) S. 1 f., 5 ff. u. 60 ff.; MEYER/WEI-<br />
GAND/WIERINGA (1989) S. 348 ff.; MOERKOTTE (1990) S. 2 ff. u. 18 ff.; PREIß (1989) S. 42 ff.; RAMIREZ/DE ANTONIO (1998) S 1<br />
f. (in Bezug auf Wissensbasierte Systeme); RAUH/STICKEL (1997) S. 69 ff.; VOSSEN (1994) S. 510 ff.; WIERINGA/MEYER/WEI-<br />
GAND (1989) S. 157 u. 160 ff.; WINTER (1991) S. 253 ff.<br />
Vgl. darüber hinaus zu konkreten Beispielen einzelner Integritätsregeln, die nicht speziell auf Datenbanksysteme bezogen sind,<br />
FOX/GRÜNINGER (1997b) S. 28 ff. (im Rahmen der TOVE-Ontologie); FOX/GRUNINGER (1993) S. 12 f. (im Rahmen der TOVE-<br />
Ontologie); PREIß (1989) S. 48 f. (für Produktionsplanungen); REIMER (1989) S. 83 ff. (für Wissensbasierte Systeme); REIMER<br />
(1997) S. 90.
434 2.4 Generische Kompetenzontologie<br />
2.4.2.2.1 Inferenzregeln<br />
Inferenzregeln im engeren Sinn 19) , wie sie in der formalen Semantik der Prädikatenlogik definiert<br />
sind, gestatten es, aus vorliegenden prädikatenlogischen Formeln 20) (Antezedenz-Formeln) 21) neue<br />
Formeln (Konklusions-Formeln) 22) abzuleiten 23) , die in den Antezedenz-Formeln noch nicht explizit<br />
19) Als Inferenzregeln im engeren Sinn gelten hier alle Inferenzregeln der konventionellen Prädikatenlogik. Vgl. zu Übersichten<br />
über diese Inferenzregeln BUCHER (1987) S. 87 ff. und Faltblatt im Anhang; HERMES (1991) S. 30 f., 86 ff. u. 97 ff.; SOWA<br />
(2000) S. 472 f.<br />
Die prädikatenlogischen Inferenzregeln werden aus Gründen, die im Folgenden erläutert werden, auch als „metasprachliche“<br />
Inferenzregeln bezeichnet. Daneben treten Subjugat-Formeln aus objektsprachlichen Formelsystemen, die – in einem speziellen,<br />
ebenso nachfolgend erläuterten Verständnis – als „Enabler“ von Inferenzregeln betrachtet werden können. Solche Subjugat-Formeln<br />
werden vereinfacht als „objektsprachliche“ Inferenzregeln angesprochen. Inferenzregeln im weiteren Sinn umfassen<br />
sowohl die meta- als auch die objektsprachlichen Inferenzregeln.<br />
20) Prädikatenlogische Formeln werden des Öfteren auch als „Prädikate“ oder „Sätze“ bezeichnet. Sie umfassen als Grenzfall die<br />
„Aussagen“ der einfachen Aussagenlogik, die sich als nullstellige Prädikate auffassen lassen. Im Folgenden wird der Einfachheit<br />
halber kurz von „Formeln“ geredet, wenn aus dem Kontext ersichtlich ist, dass Formeln der Prädikatenlogik gemeint sind.<br />
Insbesondere wird die Bezeichnung „Formeln“ bevorzugt, wenn es sich um (atomare oder zusammengesetzte) Formeln mit beliebiger<br />
Bedeutung handelt. Atomare Formeln, denen im Argumentationskontext eine bestimmte Bedeutung zugewiesen ist,<br />
werden dagegen oftmals als „Prädikate“ bezeichnet, um die Assoziation anklingen lassen, dass ihren Argumenten ein bestimmter<br />
Inhalt „prädiziert“ wird.<br />
21) Die Formeln, die bei der Anwendung einer Inferenzregel bereits vorliegen müssen, werden oftmals – in synonymer Verwendung<br />
– als „Axiome“, „Prämissen“ oder „Antezedenz-Formeln“ bezeichnet. Die Redeweise „Axiome“ wird hier nicht praktiziert,<br />
weil der Begriff „Axiome“ für solche prädikatenlogische Formeln reserviert bleiben soll, die sich – in Bezug auf ein jeweils<br />
betrachtetes prädikatenlogisches Formelsystem – aus keinen anderen Formeln des Formelsystems mittels prädikatenlogischer<br />
Inferenzregeln ableiten lassen. Diese Anforderung der Nichtableitbarkeit aus anderen Formeln braucht von den Formeln,<br />
auf die eine Inferenzregel angewendet wird, keineswegs erfüllt zu werden. Beispielsweise wird diese Anforderung in mehrstufigen<br />
Beweisführungen von zahlreichen Formeln nicht erfüllt, die ab der 2. Stufe in die „beweisende“ Anwendung einer Inferenzregel<br />
eingehen und auf vorangehenden Beweisstufen aus anderen Formeln mittels Inferenzregeln abgeleitet wurden.<br />
22) Die Formeln, die aus der Anwendung einer Inferenzregel hervorgehen, werden oftmals – in synonymer Verwendung – als<br />
„Theoreme“, „Konklusionen“ oder „Konklusions-Formeln“ bezeichnet. Auf die Bezeichnung als „Theoreme“ wird im Folgenden<br />
verzichtet, solange lediglich davon die Rede ist, dass eine Formel aus der Anwendung einer Inferenzregel hervorgegangen<br />
ist. Stattdessen wird die Bezeichnung „Theorem“ für solche Formeln reserviert, die aus einer vorliegenden Formelmenge mittels<br />
Inferenzregeln abgeleitet worden sind und in der ursprünglich vorliegenden Formelmenge noch nicht explizit enthalten waren.<br />
Dieses Theoremverständnis im engeren Sinn wird es an späterer Stelle erleichtern, die Schlussfolgerungsmächtigkeit von<br />
Formelmengen zu definieren.<br />
23) Der Prozess, eine Formel aus einer Menge vorliegender Formeln abzuleiten, in der die abgeleitete Formel noch nicht enthalten<br />
war („neue“ Formel), wird als (syntaktische) „Inferenz“ bezeichnet, wenn die Formelableitung ausschließlich auf die Form der<br />
involvierten Formeln, aber nicht auf deren Bedeutung Bezug nimmt. Inferenzen stellen daher rein formalsprachlich – oder syntaktisch<br />
– definierte Formelableitungen dar. Der Bereich der Prädikatenlogik, der sich mit Formelableitungen und den zugrunde<br />
liegenden Inferenzregeln befasst, wird als Inferenz-Semantik bezeichnet. Es handelt sich um einen Teil der formalen Semantik<br />
der Prädikatenlogik. Einerseits liegt es auf der Hand, dass dieser Teil über die Syntax der Prädikatenlogik hinaus weist, weil es<br />
nicht um die Formierungsregeln syntaktisch zulässiger Formeln geht, sondern darum, wie aus (als syntaktisch zulässig vorausgesetzten)<br />
Formeln andere (ebenso syntaktisch zulässige) Formeln abgeleitet werden können. Andererseits ist die Zugehörigkeit<br />
zur formalen Semantik der Prädikatenlogik nicht unmittelbar evident, weil sich Inferenzen gerade nicht auf die Bedeutung, sondern<br />
nur auf die Form von Formeln beziehen. Trotzdem handelt es sich um eine besondere Variante der formalen Semantik,<br />
weil aufgezeigt werden kann, dass Inferenzen unter speziellen Voraussetzungen (der Vollständigkeit und Korrektheit) zu den<br />
gleichen Resultaten führen wie eine andere Variante der formalen Semantik, die sich unmittelbar auf die (formalen) Bedeutungen<br />
von Formeln bezieht.
2.4 Generische Kompetenzontologie 435<br />
enthalten waren. Diese prädikatenlogischen Inferenzregeln zeichnen sich durch zwei charakteristische<br />
Eigenschaften aus. Erstens führen sie per definitionem zu einer Erweiterung der Menge der<br />
Antezedenz-Formeln, die schon vor der Regelanwendung vorlagen, um die Konklusions-Formeln,<br />
die erst nach der Regelanwendung als Schlussfolgerungen vorliegen. Zweitens besitzen Inferenz-<br />
Bei der zweiten Variante der formalen Semantik der Prädikatenlogik handelt es sich um die so genannte Modell-Semantik. Um<br />
Missverständnissen vorzubeugen, wird von vornherein darauf hingewiesen, dass der hierin involvierte prädikatenlogische Modellbegriff<br />
nichts mit dem wirtschaftswissenschaftlichen Modellbegriff gemeinsam hat. Da beide Modellbegriffe in den jeweils<br />
betroffenen Disziplinen zu den etablierten Termini technici gehören, werden sie in dem hier vorgelegten Werk beibehalten, um<br />
die Anschlussfähigkeit zur jeweils einschlägigen Fachliteratur zu wahren. Die Bezeichnung „Modell“ wird also homonym verwendet.<br />
In der Regel ist aus dem jeweils aktuellen Argumentationskontext ersichtlich, ob entweder der prädikatenlogische oder<br />
aber der wirtschaftswissenschaftliche Modellbegriff gemeint ist. Sollte eine Verwechslungsgefahr bestehen, wird der tatsächlich<br />
adressierte Modellbegriff durch ein erläuterndes Attribut verdeutlicht. Die prädikatenlogische Modell-Semantik beruht auf den<br />
metasprachlichen Ausdrücken der Gültigkeit (als Pendant zur aussagenlogischen Wahrheit) und der Ungültigkeit (als Pendant<br />
zur aussagenlogischen Falschheit), mit denen sich die „Bedeutung“ wahrheitsdefiniter prädikatenlogischer Formeln (oder Formelmengen)<br />
als „gültige“ bzw. „ungültige“ Formeln (oder Formelmengen) festlegen lässt. Wird aus der – semantisch definierten<br />
– Gültigkeit einer Formelmenge auf die Gültigkeit einer Formel geschlossen, die in der vorgenannten Formelmenge noch<br />
nicht explizit enthalten war, so wird von einem (semantischen) „Beweis“ gesprochen. Der prädikatenlogische Terminus technicus<br />
„Schlussfolgerung“ dient hier als Oberbegriff zu syntaktischen Inferenzen und semantischen Beweisen.<br />
Die wechselseitigen Beziehungen zwischen syntaktischen Inferenzen und semantischen Beweisen spielen in der Prädikatenlogik<br />
eine herausragende Rolle. Sie werden z.B. unter den o.a. Schlagworten „Inferenz-“ versus „Modell-Semantik“ diskutiert.<br />
Von diesen tiefgründigen Fundamenten der Prädikatenlogik wird im Folgenden der Übersichtlichkeit halber abgesehen, weil es<br />
für die hier diskutierten Aspekte der Konstruktion und Anwendung prädikatenlogisch fundierter Ontologien ausreicht, sich auf<br />
rein syntaktisch definierte Inferenzen zu beschränken. Diese Beschränkung ist zulässig, weil die Vollständigkeit und Korrektheit<br />
prädikatenlogischer Inferenzkalküle (Systeme aus Inferenzregeln) nachgewiesen wurde. Vgl. z.B. HERMES (1991) S. 85, 93<br />
ff. u. 126 ff.; SOWA (2000) S. 298. Die beiden Eigenschaften der Vollständigkeit und Korrektheit stellen sicher, dass durch die<br />
Inferenzregeln eines Inferenzkalküls alle Schlussfolgerungen generiert werden können, die gemäß einer prädikatenlogischen<br />
Modell-Semantik zulässige Beweise darstellen (Vollständigkeit), und nur solche Schlussfolgerungen generiert werden können,<br />
die gemäß einer prädikatenlogischen Modellsemantik zulässige Beweise darstellen (Korrektheit). Bei den Inferenzregeln, die<br />
im Folgenden erwähnt oder konkret angewendet werden, handelt es sich jeweils um Regeln aus Inferenzkalkülen, deren Vollständigkeit<br />
und Korrektheit nachgewiesen ist. Da in diesem Werk ausschließlich syntaktische Inferenzen – aber keine semantischen<br />
Beweise – verwendet werden, wird der Schlussfolgerungsbegriff fortan auf den Inferenzbegriff eingeengt (sofern keine<br />
ausdrücklich abweichenden Festlegungen erfolgen). Daher werden die Bezeichnungen „Inferenz“ und „Schlussfolgerung“ synonym<br />
verwendet.<br />
Eine Inferenzregel ist ein allgemeines Schema (Schlussfolgerungsschema), in das sich beliebige prädikatenlogische Formeln als<br />
Antezedenz-Formeln einsetzen lassen – sofern sie die formalen (syntaktischen) Anforderungen an die Antezedenz-Formeln aus<br />
der Inferenzregel erfüllen. Eine solche formale Anforderung kann z.B. darin bestehen, dass eine der Antezedenz-Formeln die<br />
syntaktische Form einer Subjugat-Formel aufweist. Auf diesen Subjugatsaspekt wird in Kürze noch ausführlicher zurückgekommen.<br />
Das Ergebnis der Anwendung einer Inferenzregel ist eine neue Formel (Konklusions-Formel), die in der Formelmenge,<br />
auf welche die Inferenzregel angewendet wurde (Antezedenz-Formeln), noch nicht enthalten war. Dieses Ergebnis der Inferenzregelanwendung<br />
wird oftmals als „Theorem“ oder – ebenso wie der Prozess der Ableitung einer Formel – als „Schlussfolgerung“<br />
bezeichnet. Die Bezeichnung „Schlussfolgerung“ wird also in äquivoker Weise auf zwei unterschiedliche Sachverhalte<br />
angewendet: einerseits auf den Prozess der Ableitung einer neuen Formel aus einer vorliegenden Formelmenge (Inferenz) und<br />
andererseits auf das Ergebnis dieser Ableitung in Gestalt der „gefolgerten“ neuen Formel (Konklusion). Falls aus dem jeweils<br />
aktuellen Argumentationskontext ersichtlich ist, ob die Bezeichnung „Schlussfolgerung“ entweder prozess- oder aber ergebnisbezogen<br />
verwendet wird, wird diese allgemein übliche Bezeichnung benutzt. Andernfalls wird zur Klarstellung des jeweils gemeinten<br />
Sachverhalts von einer Inferenzregelanwendung (im Prozesskontext) bzw. von einer Konklusion (im Ergebniskontext)<br />
gesprochen.
436 2.4 Generische Kompetenzontologie<br />
regeln die Eigenschaft der Wahrheitserhaltung 24) , d.h., aus gültigen Antezedenz-Formeln werden<br />
immer „nur“ gültige Konklusions-Formeln abgeleitet. 25)<br />
Zu den Inferenzregeln der Prädikatenlogik gehören z.B. der Modus ponens 26) und der Modus tollens<br />
27) , die zumeist in „anschaulichen“, von menschlichen Akteuren vorgetragenen Schlussfolgerungen<br />
verwendet werden. Prädikatenlogische Inferenzregeln umfassen aber auch die Resolutions-<br />
und die Unifizierungsregel, die vor allem in maschinellen „Theorembeweisern“ sowie seitens der<br />
(prädikaten-) „logischen“ Programmiersprache Prolog Einsatz finden. 28)<br />
Die Inferenzregeln der Prädikatenlogik zeichnen sich gemeinsam dadurch aus, dass sie auf alle –<br />
syntaktisch korrekt formulierten – prädikatenlogischen Formeln angewendet werden können, und<br />
zwar vollkommen unabhängig von der Bedeutung („Semantik“) jener Formeln. Jede prädikatenlogische<br />
Inferenzregel gibt in ihrem regelspezifischen Schlussfolgerungsschema vor, wie aus einer<br />
gegebenen Menge objektsprachlicher Antezedenz-Formeln eine neue objektsprachliche Konklusi-<br />
24) Die Eigenschaft der Wahrheitserhaltung reicht über den rein syntaktisch definierten Aspekt der Erweiterung von Formelmengen<br />
hinaus in den Bereich der formalen (Modell-) Semantik, zu dem die „Gültigkeit“ oder (im aussagenlogischen Kontext) „Wahrheit“<br />
von Formeln gehört. Die Gültigkeit von Formeln – und damit die semantische Ebene der Prädikatenlogik – wird in Kürze<br />
eine wichtige Rolle spielen, um die Rolle von Fakten bei der prädikatenlogischen Wissensrepräsentation zu präzisieren.<br />
25) Inferenzregeln sind zunächst rein syntaktisch definiert, d.h. ohne Bezug auf Kategorien der formalen Semantik wie „Wahrheitswerte“<br />
und „Gültigkeit“ von Formeln. Denn das Schlussfolgerungsschema einer Inferenzregel gibt vor, wie eine (rein syntaktisch<br />
definierte) Konklusions-Formel aus einer Menge von (ebenso rein syntaktisch definierten) Antezedenz-Formeln abgeleitet<br />
werden kann. Bei dieser rein syntaktisch definierten Ableitung von Formeln aus Formeln durch Inferenzregelanwendungen<br />
wird an keiner Stelle ein „Wahrheitswert“ oder die „Gültigkeit“ einer Formel vorausgesetzt. Daher kommt die Eigenschaft<br />
der Wahrheitserhaltung nicht Inferenzregeln „an sich“ zu, sondern resultiert erst aus einer Verknüpfung zwischen Inferenzregeln<br />
und formaler (Modell-) Semantik der Prädikatenlogik (1. Stufe): Durch metasprachliche Beweisführungen kann gezeigt<br />
werden, dass sich die üblichen Inferenzkalküle der Prädikatenlogik – d.h. Systeme aus gemeinsam angewendeten Inferenzregeln<br />
– durch die semantischen Eigenschaften der Vollständigkeit und Korrektheit auszeichnen. Diese beiden Eigenschaften, die<br />
bereits in einer der voranstehenden Fußnoten kurz erläutert wurden, stellen sicher, dass Formelableitungen, die durch Anwendung<br />
von Inferenzregeln rein syntaktisch durchgeführt werden, zu denselben Ergebnissen führen wie Formelbeweise, die mit<br />
Instrumenten der formalen Semantik durch Bezugnahme auf die Gültigkeit von Formeln geführt werden (Modell-Semantik).<br />
Nur aufgrund dieser Vollständigkeits- und Korrektheitseigenschaften der Inferenzkalküle der Prädikatenlogik ist es zulässig,<br />
trotz der rein syntaktischen Definition von Inferenzregeln im Kontext von Inferenzregeln auch die Gültigkeit von Formeln zu<br />
adressieren (wie es hier hinsichtlich der Eigenschaft der Wahrheitserhaltung der Fall ist). Wenn Inferenzregeln auf eine Formelmenge<br />
angewendet werden, dann wird aus formal-semantischer Perspektive stets von der impliziten Voraussetzung ausgegangen,<br />
dass jede einzelne Formel aus dieser Formelmenge gültig ist (andernfalls wäre es widersinnig, von einer Wahrheits-<br />
„Erhaltung“ zu reden). Da die Formeln aus einer Formelmenge immer implizit als Konjunktiv verknüpft behandelt werden und<br />
ein Konjugat genau dann gültig ist, wenn jede seiner Teilformeln gültig ist, lässt sich die voranstehende Voraussetzung auch so<br />
paraphrasieren: Wenn Inferenzregeln auf eine Formelmenge angewendet werden, dann wird stets davon ausgegangen, dass diese<br />
Formelmenge als Ganzes gültig ist.<br />
26) Für die Formulierung von Inferenzregeln wird die metasprachliche Notation „FM F“ verwendet. Sie drückt die Inferenzbeziehung<br />
„Die Formel F ist ableitbar aus der Formelmenge FM.“ oder – mit anderen, aber äquivalenten Worten – die Schlussfolgerungsbeziehung<br />
„Aus den Antezedenz-Formeln der Menge FM lässt sich die Konklusions-Formel F ableiten.“ aus. Mithilfe<br />
dieser Notation kann die Inferenzregel des Modus ponens mit beliebigen prädikatenlogischen Formeln A und B durch folgendes<br />
Schlussfolgerungsschema ausgedrückt werden: {A;A→B} B . Vgl. zum Modus ponens LORENZ (2004e) S. 917; WOLTERS<br />
(2004a) S. 154.<br />
27) Die Inferenzregel des Modus tollens geht aus Inferenzregel des Modus ponens durch die so genannte „Kontraposition“ für Subjugate<br />
hervor. Das Schlussfolgerungsschema für den Modus tollens lautet mit beliebigen prädikatenlogischen Formeln A und B:<br />
{A→B;¬B} ¬A . Vgl. zum Modus ponens LORENZ (2004f) S. 917 f.; WOLTERS (2004a) S. 154 f.<br />
28) Vgl. CLOCKSIN/MELLISH (1987) S. 232 ff.; NILSSON/MALUSZYNSKI (1990) S. 37 ff.
2.4 Generische Kompetenzontologie 437<br />
ons-Formel abgeleitet werden kann. 29) Daher handelt es sich bei diesen Inferenzregeln um metasprachliche<br />
Ausdrücke. Aus diesem Grund werden die prädikatenlogischen Inferenzregeln hier auch<br />
als metasprachliche Inferenzregeln bezeichnet. Jede erfolgreiche Anwendung des Schlussfolgerungsschemas<br />
einer prädikatenlogischen Inferenzregel auf konkret vorgegebene, objektsprachliche<br />
Formeln stellt eine metasprachliche Schlussfolgerung (Inferenz) dar und bringt eine neue, in den<br />
Antezedenz-Formeln noch nicht explizit enthaltene Konklusions-Formel hervor (dies ist der bereits<br />
o.a. Erweiterungsaspekt). 30)<br />
Sofern Wissen über einen Realitätsausschnitt mit Hilfe prädikatenlogischer Ausdrucksmittel repräsentiert<br />
wird, besteht das aktuell verfügbare, explizit repräsentierte Wissen aus der Gesamtheit der<br />
vorliegenden – und jeweils als plausibel unterstellten – prädikatenlogischen Formeln. 31) Unter dieser<br />
Repräsentationsvoraussetzung zeichnen sich Inferenzregeln dadurch aus, neues explizites Wissen in<br />
der Gestalt von Konklusions-Formeln aus vorhandenem expliziten Wissen erschließen zu können,<br />
wenn das vorhandene explizite Wissen die Antezedenz-Formeln der angewendeten Inferenzregeln<br />
umfasst. Sämtliches Wissen, das in einer gegebenen prädikatenlogischen Formelmenge noch nicht<br />
explizit enthalten ist, jedoch daraus mittels prädikatenlogischer Inferenzregeln erschlossen werden<br />
kann, wird in Bezug auf diese Formelmenge und die eingesetzten Inferenzregeln als implizites Wissen<br />
bezeichnet. 32) Aus dieser Perspektive dienen die Inferenzregeln der Prädikatenlogik dazu, be-<br />
29) Die Menge der Antezedenz-Formeln umfasst in der Regel mehrere Formeln, kann aber auch aus nur einer Formel bestehen und<br />
– als Grenzfall – auch die leere Menge darstellen. Im allgemeinen Fall kann durch Anwendung einer Inferenzregel genau eine<br />
Konklusions-Formel abgeleitet werden.<br />
30) Dieser Erweiterungsaspekt braucht auf Formelmengen, auf die eine Inferenzregel angewendet wird und die mehr Formeln als<br />
nur die Anzedenz-Formeln aus der Inferenzregel enthalten, nicht zuzutreffen. Denn es kann durchaus der Fall sein, dass mittels<br />
einer Inferenzregel eine Konklusionsformel abgeleitet wird, die in der zugrunde liegenden Formelmenge bereits explizit enthalten<br />
war. In diesem Fall hat die Anwendung der Inferenzregel zu keinem Erkenntnisfortschritt in der Form einer neu abgeleiteten<br />
Konklusions-Formel geführt, sondern lediglich eine Formel „reproduziert“, die in der zugrunde liegenden Formelmenge bereits<br />
explizit enthalten (und als gültig vorausgesetzt) war. Der Erweiterungseffekt von Inferenzregeln trifft also nicht auf beliebige<br />
Formelmengen zu, sondern im strengen Sinn nur auf diejenigen Formel(teil)mengen, die genau diejenigen Antezedenz-Formeln<br />
umfassen, die in das Schlussfolgerungsschema einer Inferenzregel eingesetzt werden. Allerdings stellt die so genannte „Monotonie“<br />
der Prädikatenlogik sicher, dass durch die Anwendung von Inferenzregeln auf Formelmengen diese Formelmengen niemals<br />
„schrumpfen“ können, sondern entweder – durch die Ableitung neuer Konklusions-Formeln – anwachsen oder – in dem<br />
Grenzfall, dass die Konklusions-Formeln in den jeweils betroffenen Formelmengen bereits explizit enthalten waren, – unverändert<br />
bleiben.<br />
31) Eine Gesamtheit aus prädikatenlogischen (Teil-) Formeln F 1, ..., F N mit N∈N + und N≥2 lässt sich in der Regel in zwei alternativen,<br />
jedoch äquivalenten Weisen darstellen: Entweder als Formelmenge {F 1;...;F N} oder als Formelsystem, in dem die Formeln<br />
im Allgemeinen zeilenweise notiert werden. Sowohl für die Elemente (Formeln) einer Formelmenge als auch für die Zeilen<br />
(Formeln) eines Formelsystems wird unterstellt, dass ihre Formeln implizit mittels eines logischen „und“, also konjunktiv<br />
miteinander verknüpft sind. Sowohl die Formelmenge als auch das Formelsystem sind daher äquivalent zu einer einzigen Konjugat-Formel<br />
F 1 ∧ ... ∧ F N. Aufgrund dieser Äquivalenz werden die Bezeichnungen „Formelmenge“ und „Formelsystem“ im<br />
Folgenden synonym verwendet. Wegen dieser impliziten konjunktiven Verknüpfung aller Formeln aus einer Formelmenge oder<br />
einem Formelsystem gilt darüber hinaus: Eine Formelmenge oder ein Formelsystem, das als Ganzes das explizit verfügbare<br />
Wissen über einen Realitätsausschnitt repräsentiert, ist genau dann gültig, wenn alle seine Teilformeln gültig sind.<br />
32) Die Implizitheit von Wissen in dem hier vertretenen „inferenziellen“ Sinne stellt also eine „relationale“ Eigenschaft dar, die einem<br />
expliziten Wissensbestand nicht „an sich“ zukommt. Vielmehr hängt das Wissen, das in jenem expliziten Wissensbestand<br />
implizit „enthalten“ ist, auch von den Regeln jenes Inferenzkalküls ab, das zur Ableitung und somit Explizierung des impliziten<br />
Wissens angewendet wird. Daher kann ein Wechsel des Inferenzkalküls dazu führen, dass trotz eines unverändert vorgegebenen<br />
expliziten Wissensbestands unterschiedliches implizites Wissen daraus abgeleitet werden kann. Das implizite Wissen ist daher<br />
streng genommen nicht allein im vorgegebenen expliziten Wissensbestand „enthalten“, sondern kommt nur der Gesamtheit aus<br />
vorgegebenem expliziten Wissensbestand und darauf angewandtem Inferenzkalkül zu. Im Rahmen der Prädikatenlogik 1. Stufe<br />
bereitet diese Inferenzkalkülabhängigkeit impliziten Wissens keine Schwierigkeiten, da alle Inferenzkalküle dieser Prädikatenlogik,<br />
angewendet auf denselben expliziten Wissensbestand, dasselbe implizite Wissen abzuleiten gestatten – sofern man sich<br />
auf vollständige und korrekte Inferenzkalküle beschränkt. Diese wichtige und „weise“ Beschränkung wird jedoch im Rahmen
438 2.4 Generische Kompetenzontologie<br />
reits implizit in anderem Wissen enthaltenes, aber noch nicht explizit repräsentiertes und somit<br />
nicht unmittelbar zugreifbares Wissen zu „erschließen“ und dabei in explizites, mittels prädikatenlogischer<br />
Formeln repräsentiertes Wissen zu transformieren. Der hier verwendete Begriff impliziten<br />
Wissens ist daher deutlich von dem äquivoken Begriff zu unterscheiden, der oftmals im Rahmen<br />
des Wissensmanagements in Anlehnung an POLANYI benutzt wird. 33) Um Missverständnissen vorzubeugen,<br />
wird jenes anders aufgefasste „implizite“ Wissen, das „in den Köpfen“ von Menschen<br />
„eingeschlossen“ ist, hier als tazites Wissen bezeichnet.<br />
Neben den metasprachlichen Inferenzregeln, die für die Prädikatenlogik im Allgemeinen gelten,<br />
spielen bei der Konstruktion von Ontologien speziell die objektsprachlichen Inferenzregeln eine<br />
bedeutsame Rolle. 34) Objektsprachliche Inferenzregeln stellen keine Inferenzregeln im prädikatenlogischen<br />
Sinn dar. Sie unterscheiden sich von prädikatenlogischen Inferenzregeln in zweifacher<br />
Hinsicht. Erstens erweisen sich objektsprachliche Inferenzregeln – im Gegensatz zu prädikatenlogischen<br />
Inferenzregeln – nicht als allgemeingültig. Vielmehr drücken objektsprachliche Inferenzregeln<br />
domänenspezifisches Wissen über Schlussfolgerungsmöglichkeiten aus, die nur in einem konzeptualisierten<br />
Realitätsausschnitt als plausibel anerkannt werden. 35) Zweitens erfüllen objektsprachliche<br />
Inferenzregeln streng genommen nicht das allgemeine Schema von Inferenzregeln<br />
(Schlussfolgerungsschema), wie es aus der Prädikatenlogik vertraut ist. 36) Stattdessen handelt es<br />
sich bei objektsprachlichen Inferenzregeln lediglich um Subjugat-Formeln, also nur um echte Bestandteile<br />
eines Schlussfolgerungsschemas. Diese Subjugat-Formeln können als objektsprachliche<br />
Antezedenz-Formeln an prädikatenlogischen Schlussfolgerungen teilhaben. Die Subjugat-Formeln<br />
besitzen eine epistemische „Enabler“-Qualität, d.h., sie ermöglichen prädikatenlogische Schlussfolgerungen,<br />
die mittels einer metasprachlichen Inferenzregel allein nicht hätten durchgeführt werden<br />
können. Diese „Enabler“-Qualität objektsprachlicher Subjugat-Formeln beruht auf dem Sach-<br />
des Wissensmanagements des Öfteren aufgegeben. Dies kann entweder daran liegen, dass man zwecks „Umgehung“ der fundamentalen<br />
Unentscheidbarkeit der Prädikatenlogik 1. Stufe zusätzliche Inferenzregeln oder Inferenzprämissen einführt, die<br />
alle prädikatenlogisch formulierbaren Entscheidungsprobleme zu „lösen“ gestatten. Dazu gehören vor allem die „negation as<br />
failure“-Inferenzregel und die „closed world“-Inferenzprämisse, die im Inferenzkalkül der (prädikaten-) „logischen“ Programmiersprache<br />
Prolog eng miteinander verwoben sind. Oder man verwendet „aus pragmatischen Erwägungen“ Prädikatenlogiken<br />
höherer Stufe oder Nonstandard-Logiken, die von der Prädikatenlogik grundsätzlich abweichen. Im erstgenannten Fall wird in<br />
der Regel die Prädikatenlogik 2. Stufe verwendet, wie etwa bei der „Reifizierung“ von Klassen, Relationen oder Prädikaten. Zu<br />
den Nonstandard-Logiken des zweitgenannten Falls gehören vor allem so genannte non-monotone Logiken. In ihnen ist die<br />
Monotonie-Eigenschaft der Prädikatenlogik, dass eine einmal als gültig nachgewiesene Formel unabhängig von allen später angewendeten<br />
Inferenzregeln stets weiterhin gültig bleibt, verletzt. Alle solche Abweichungen von der Prädikatenlogik 1. Stufe<br />
können zum Verlust der Vollständigkeit und Korrektheit der jeweils angewandten Inferenzkalküle führen – und infolgedessen<br />
auch zu unterschiedlichem impliziten Wissen trotz unverändert vorgegebenem expliziten Wissensbestand. Um Missverständnissen<br />
vorzubeugen, wird darauf hingewiesen, dass Abweichungen von der Prädikatenlogik 1. Stufe für Zwecke des Wissensmanagements<br />
durchaus gerechtfertigt sein können – und in der Praxis des computerbasierten Wissensmanagements sogar den Regelfall<br />
darstellen. Die voranstehenden Erläuterungen zielten lediglich darauf ab, dafür zu sensibilisieren, den Begriff impliziten<br />
Wissens nicht „naiv“ zu verwenden und auf ein „bloßes Enthaltensein“ in explizitem Wissen zu reduzieren, sondern sich seiner<br />
Abhängigkeit vom jeweils verwendeten Inferenzkalkül bewusst zu sein.<br />
33) Vgl. dazu die Ausführungen im Kapitel 1.1.2 (S. 40 ff.) – einschließlich der Quellenhinweise und Anmerkungen in der Fußnote<br />
21 (S. 40) – zu implizitem Wissen im Sinne von tazitem Wissen.<br />
34) Vgl. zu solchen objektsprachlichen Inferenzregeln JARKE ET AL. (1994) S. 173 ff. u. 184 f. (im Kontext von deduktiven Datenbanksystemen);<br />
NOY/HAFNER (1998) S. 615 u. 619 f. (im Kontext von Ontologien). Vgl. auch die Kapitel 2.4.2.2.3 (S. 453 ff. u.<br />
457 ff.) und 2.4.4 (S. 524 ff.).<br />
35) Beispielsweise sprechen JARKE ET AL. (1994) S. 173 in Bezug auf Inferenzregeln von „application-specific deduction rules“.<br />
36) Vgl. zu diesem Inferenzregel- oder Schlussfolgerungsschema die Hinweise in den voranstehenden Fußnoten 23, 25 und 26 sowie<br />
in der nachfolgenden Erläuterung zur Inferenzregel des Modus ponens.
2.4 Generische Kompetenzontologie 439<br />
verhalt, dass metasprachliche Inferenzregeln wie der Modus ponens und der Modus tollens nur dann<br />
auf objektsprachliche Antezedenz-Formeln angewendet werden können, wenn jene Antezedenz-<br />
Formeln mindestens eine Subjugat-Formel umfassen.<br />
Die „Enabler“-Qualität von objektsprachlichen Inferenzregeln sei anhand der metasprachlichen Inferenzregel<br />
des Modus ponens exemplarisch verdeutlicht: FM F dient als metasprachliche Notation<br />
für die Inferenzbeziehung: „Die Formel F lässt sich aus der Formelmenge FM ableiten.“ 37) Mit<br />
Hilfe dieser Notation kann die Inferenzregel des Modus ponens mit beliebigen prädikatenlogischen<br />
Formeln A und B durch folgendes Schlussfolgerungsschema ausgedrückt werden: {A;A→B} B .<br />
Ohne die objektsprachliche Antezedenz-Formel A→B wäre es nicht möglich gewesen, mit Hilfe<br />
der Inferenzregel des Modus ponens die Konklusions-Formel B abzuleiten.<br />
Die Antezedenz-Formel A→B ist für die Ableitbarkeit der Konklusions-Formel B zwar nicht hinreichend<br />
(denn es muss die zweite Antezedenz-Formel A hinzu kommen), aber notwendig. In diesem<br />
speziellen Verständnis, notwendige Bedingungen für die Anwendbarkeit metasprachlicher Inferenzregeln<br />
– wie z.B. der des Modus ponens (oder Modus tollens) – darzustellen, werden hier objektsprachliche<br />
Subjugat-Formeln der Kürze halber als „objektsprachliche Inferenzregeln“ bezeichnet.<br />
Die Verfasser sind sich bewusst, dass sie eine „metaphorische“ und simplifizierende Diktion<br />
verwenden, weil tatsächlich keine Inferenzregeln im prädikatenlogischen Sinn vorliegen. Vielmehr<br />
handelt es sich „nur“ um objektsprachliche, aber immerhin notwendige Bestandteile aus der Antezedenz-Komponente<br />
des Schlussfolgerungsschemas einer prädikatenlogischen Inferenzregel.<br />
Für einen Wissensbestand, der mittels einer objektsprachlichen Formelmenge prädikatenlogisch<br />
repräsentiert wird, kann es erheblich von den darin enthaltenen objektsprachlichen Inferenzregeln in<br />
Subjugat-Form abhängen, in welchem Umfang sich Schlussfolgerungen zur Explizierung impliziten<br />
Wissens ziehen lassen. 38) Zur Erläuterung dieses Relevanzurteils wird im Folgenden davon ausgegangen,<br />
dass die Schlussfolgerungsmächtigkeit einer Formelmenge durch das Verhältnis zwischen<br />
der Anzahl aller Formeln, die in der Formelmenge zwar nicht explizit enthalten sind, sich aber aus<br />
der Formelmenge mittels Inferenzregeln ableiten lassen (Theoreme), und der Anzahl aller Formeln,<br />
die von Anfang an explizite Elemente der Formelmenge darstellen, gemessen wird. Der Einfachheit<br />
halber wird angenommen, dass die Anzahl der ableitbaren Theoreme endlich ist. 39) Um die Argumentation<br />
übersichtlicher zu gestalten, wird des Weiteren vereinfachend davon ausgegangen, dass<br />
lediglich der Modus ponens, der Modus tollens und das Transitivitätsgesetz 40) als prädikatenlogische<br />
Inferenzregeln angewendet werden. Schließlich wird der Übersichtlichkeit halber unterstellt,<br />
37) In einer Inferenzregel der Form FM F stellt die Formelmenge FM die Konklusions-Komponente und die Formel F die Konklusions-Komponente<br />
der Inferenzregel dar. Alle Formeln aus der Formelmenge FM sind die Antezedenz-Formeln der Inferenzregel,<br />
während die Konklusions-Formel der Inferenzregel mit ihrer Konklusions-Komponente F zusammenfällt.<br />
38) Im Folgenden wird stets von einem fest vorgegebenen (vollständigen und korrekten) Inferenzkalkül ausgegangen. Die metasprachlichen<br />
Inferenzregeln der Prädikatenlogik liegen also konstant vor, so dass Veränderungen des Umfangs zulässiger<br />
Schlussfolgerungen nicht durch jene metasprachlichen Inferenzregeln bedingt sein können, sondern in den objektsprachlichen<br />
Formeln des zugrunde liegenden Wissensbestands angelegt sein müssen.<br />
39) Sofern diese vereinfachende Annahme nicht erfüllt ist, lassen sich die Schlussfolgerungsmächtigkeiten zweier Formelmengen<br />
miteinander vergleichen, falls die Theoreme-Mengen für beide Formelmengen in einem Teilmengen- oder Obermengen-Verhältnis<br />
zueinander stehen. Von solchen Komplikationen wird hier abgesehen. Ebenso wird nicht näher darauf eingegangen, ob<br />
die ursprünglich vorgegebene Formelmenge in axiomatischer Form vorliegt – also keine aus der Formelmenge ableitbaren Theoreme<br />
enthält. Denn dieser Axiomatisierungsaspekt besitzt keine Bedeutung für die nachfolgende Argumentation.<br />
40) Das Transitivitätsgesetz muss hier neben Modus ponens und Modus tollens in die Argumentation einbezogen werden, weil andernfalls<br />
nachfolgend der Fall redundanter Subjugat-Formeln nicht ausgeschlossen werden könnte.
440 2.4 Generische Kompetenzontologie<br />
dass die ursprünglich vorliegende objektsprachliche Formelmenge keine redundanten Subjugat-<br />
Formeln umfasst, d.h., keine objektsprachliche Subjugat-Formel kann mit Hilfe von beliebigen Inferenzregeln<br />
– wie etwa transitiver Verkettung – aus anderen Subjugat-Formeln abgeleitet werden.<br />
41) Unter diesen Voraussetzungen lässt sich zeigen, dass die Anzahl der Formeln, die als Theoreme<br />
aus einer gegebenen objektsprachlichen Formelmenge abgeleitet werden können (Schlussfolgerungsmächtigkeit)<br />
42) , bei gleicher Anzahl von Formeln in der vorgegebenen Formelmenge tendenziell<br />
umso größer ausfällt, je mehr Subjugat-Formeln in dieser Formelmenge enthalten sind: 43)<br />
Es wird der Fall betrachtet, dass die Anzahl der Formeln in einer Formelmenge nicht verändert<br />
wird, aber eine Formel, die vorher kein Subjugat darstellte, durch eine Subjugat-Formel ersetzt<br />
wird; der Anteil der Subjugat-Formeln an der Formelmenge nimmt also zu, aber die Anzahl der<br />
Formeln der Formelmenge bleibt konstant. 44) In diesem Fall können zusätzliche Schlussfolgerungen<br />
41) Ohne diesen Ausschluss redundanter Subjugat-Formeln würde die nachfolgende Argumentation an Stringenz verlieren. Zur<br />
Verdeutlichung seien die zwei Formelmengen FM 1 = {A;A→B;B→C;A→C} und FM 2 = {A;A→B;B→C;D} betrachtet. Obwohl<br />
die erste Formelmenge FM 1 bei gleicher Formelanzahl eine Subjugat-Formel mehr als die zweite Formelmenge FM 2 umfasst,<br />
besitzen beide Formelmengen mit der Theoreme-Menge {B;C} dieselbe Schlussfolgerungsmächtigkeit. Denn die eine<br />
Subjugat-Formel A→C, die zwar in der ersten, aber nicht in der zweiten Formelmenge enthalten ist, trägt nicht zur Schlussfolgerungsmächtigkeit<br />
der ersten Formelmenge bei, weil diese Subjugat-Formel A→C durch Anwendung des Transitivitätsgesetzes<br />
aus den beiden anderen Subjugat-Formeln A→B und B→C der ersten (und auch der zweiten) Formelmenge abgeleitet werden<br />
kann – also in den beiden anderen Subjugat-Formeln der ersten (und auch der zweiten) Formelmenge bereits implizit enthalten<br />
ist.<br />
42) Die Menge der Formeln, die als Theoreme aus einer gegebenen objektsprachlichen Formelmenge abgeleitet werden können und<br />
in dieser Formelmenge nicht explizit enthalten sind, stellt das Schlussfolgerungspotenzial jener Formelmenge dar (in Bezug auf<br />
ein ebenso vorgegebenes Inferenzkalkül). Die Anzahl der Elemente dieser Theoreme-Menge wird als Schlussfolgerungsmächtigkeit<br />
der objektsprachlichen Formelmenge (in Bezug auf das Inferenzkalkül) bezeichnet.<br />
43) In dem Grenzfall, dass die vorgegebene Formelmenge überhaupt keine Subjugat-Formel enthält, sondern z.B. nur atomare<br />
Formeln oder – unter Umständen zusätzlich – Konjugate oder Adjugate aus jeweils (nicht-negierten) atomaren Formeln umfasst,<br />
lässt sich aus einer solchen Formelmenge mittels des Modus ponens, des Modus tollens und des Transitivitätsgesetzes<br />
überhaupt keine Schlussfolgerung ziehen. Dies gilt unabhängig davon, wie groß diese Formelmenge ist.<br />
44) Die Fallkonstruktion erfolgte hier aus dem Blickwinkel, die tendenzielle Zunahme der Schlussfolgerungsmächtigkeit einer<br />
Formelmenge möglichst präzise erfassen zu können. Dies setzt streng genommen voraus, dass Formelmengen mit gleicher<br />
Mächtigkeit (Elementeanzahl) miteinander verglichen werden, wie es im oben konstruierten Fall geschieht. Andernfalls – wenn<br />
Formelmengen mit unterschiedlichen Elementeanzahlen miteinander verglichen würden – könnte die Zunahme der Schlussfolgerungsmächtigkeit<br />
beim Übergang von einer zu einer anderen Formelmenge nicht eindeutig auf den Anteil enthaltener Subjugat-Formeln<br />
zurückgeführt werden. Vielmehr könnte die Zunahme der Schlussfolgerungsmächtigkeit auch dadurch verursacht<br />
werden, dass bereits die zugrunde liegende Formelmenge, aus der jeweils Schlussfolgerungen gezogen werden, beim Übergang<br />
von einer zu einer anderen Formelmenge vergrößert wurde.<br />
Bei der Konstruktion von Ontologien spielt der voranstehende Fall – der nur für die möglichst präzise Herausarbeitung des Effekts<br />
einer tendenziell vergrößerten Schlussfolgerungsmächtigkeit betrachtet wurde – jedoch allenfalls eine untergeordnete Rolle.<br />
Denn bei der Ontologiekonstruktion geht es im Allgemeinen nicht darum, ob der Anteil von Subjugat-Formeln an einer<br />
Formelmenge konstanter Elementeanzahl vergrößert werden soll. Vielmehr eröffnet sich die Gestaltungsoption, eine konstante<br />
Menge atomarer Formeln (unter Umständen einschließlich Negaten von atomaren Formeln), auf die weiter unten aus dem<br />
Blickwinkel der Faktenbasis zurückgekommen wird, entweder um objektsprachliche Inferenzregeln in Subjugat-Form zu erweitern<br />
– oder aber darauf zu verzichten. In diesem Standardfall der Ontologiekonstruktion wird also die Formelmenge, auf die<br />
sich metasprachliche Inferenzregeln der Prädikatenlogik anwenden lassen, durch das Hinzufügen von objektsprachlichen Inferenzregeln<br />
in Subjugat-Form vergrößert, so dass sich der oben diskutierte Effekt einer tendenziell vergrößerten Schlussfolgerungsmächtigkeit<br />
nicht mehr eindeutig auf die hinzugefügten objektsprachlichen Inferenzregeln (bei konstanter Formelanzahl)<br />
zurückführen lässt. Aber diese eindeutige Effektlokalisierbarkeit ist kein primäres Anliegen der Ontologiekonstruktion. Stattdessen<br />
geht es bei der Ontologiekonstruktion darum, ob das Potenzial zulässiger Schlussfolgerungen, die sich aus der Faktenbasis<br />
ableiten lassen, durch das Hinzufügen von objektsprachlichen Inferenzregeln vergrößert werden kann. Diese Vergrößerung<br />
des Potenzials zulässiger Schlussfolgerungen trifft unter drei Voraussetzungen zu. Erstens darf es sich bei einer objektsprachlichen<br />
Inferenzregel nicht um eine Subjugat-Formel handeln, die im vorgegebenen Wissensbestand bereits implizit enthalten ist.<br />
Letztes wäre z.B. der Fall, wenn sich eine Subjugat-Formel mittels des Transitivitätsgesetzes aus bereits vorhandenen objektsprachlichen<br />
Inferenzregeln ableiten lässt (daher wurde in der o.a. Argumentation der Fall redundanter Subjugat-Formeln aus-
2.4 Generische Kompetenzontologie 441<br />
mittels des Modus ponens, des Modus tollens oder des Transitivitätsgesetzes ermöglicht werden,<br />
die vorher noch nicht möglich waren. Dieses zusätzliche Schlussfolgerungspotenzial resultiert,<br />
wenn die Antezedenz-Komponente des Schlussfolgerungsschemas von Modus ponens, Modus tollens<br />
oder Transitivitätsgesetz in der ursprünglichen Formelmenge durch keine Subjugat-Formel erfüllt<br />
wurde, durch die neu hinzu gekommene Subjugat-Formel jedoch erfüllt wird. Aufgrund dieser<br />
charakteristischen Eigenschaft, zusätzliche Schlussfolgerungen aus Formelmengen tendenziell zu<br />
ermöglichen 45) , werden objektsprachliche Subjugat-Formeln hier metaphorisch als „objektsprachliche<br />
Inferenzregeln“ bezeichnet.<br />
drücklich ausgeschlossen). Zweitens muss die hinzugefügte Subjugat-Formel dazu führen, dass sich mindestens eine metasprachliche<br />
Inferenzregel anwenden lässt, die vor dem Hinzufügen der Subjugat-Formel wegen Nichterfüllung ihrer Antezedenz-Komponente<br />
nicht angewendet werden konnte. Drittens muss mindestens eine metasprachliche Inferenzregel die Ableitung<br />
eines Theorems ermöglichen, das vor dem Hinzufügen der Subjugat-Formel durch keine anderen Inferenzregeln abgeleitet<br />
werden konnte. Da die drei vorgenannten Voraussetzungen keineswegs immer zutreffen müssen, führt das Hinzufügen von objektsprachlichen<br />
Inferenzregeln zu einer konstanten Menge atomarer Formeln (unter Umständen einschließlich Negaten von atomaren<br />
Formeln) nicht notwendig zur Vergrößerung des Potenzials zulässiger Schlussfolgerungen und damit zur Zunahme der<br />
Schlussfolgerungsmächtigkeit. Aber dieses Hinzufügen von objektsprachlichen Inferenzregeln kann das Potenzial zulässiger<br />
Schlussfolgerungen vergrößern – nämlich genau dann, wenn die vorgenannten drei Voraussetzungen erfüllt sind. Darüber hinaus<br />
kann das Hinzufügen von objektsprachlichen Inferenzregeln das Potenzial zulässiger Schlussfolgerungen niemals verringern,<br />
weil aufgrund der Monotonie der Prädikatenlogik Schlussfolgerungen, die sich aus einer Formelmenge ableiten lassen,<br />
niemals dadurch unzulässig werden können, dass die ursprüngliche Formelmenge vergrößert wird, wie hier im Falle zusätzlicher<br />
Subjugat-Formeln. Beide Effekte zusammen genommen – mögliche Vergrößerung und unmögliche Verkleinerung des Potenzials<br />
zulässiger Schlussfolgerungen – führen dazu, dass das Hinzufügen von objektsprachlichen Inferenzregeln zu einer<br />
Formelmenge die Schlussfolgerungsmächtigkeit tendenziell ansteigen lässt. Dies bestätigt im Ergebnis den oben konstruierten<br />
Fall. Nur lässt sich die tendenzielle Zunahme der Schlussfolgerungsmächtigkeit wegen der Vergrößerung der Formelmenge um<br />
die hinzugefügten Subjugat-Formeln der objektsprachlichen Inferenzregeln nicht mehr eindeutig auf die Subjugat-Form der objektsprachlichen<br />
Inferenzregeln zurückführen (sondern kann ebenso durch die Vergrößerung der zugrunde liegenden Formelmenge<br />
verursacht sein).<br />
45) Die voranstehenden Überlegungen stellen nur Tendenzargumente dar, weil die Antezedenz-Komponente des Schlussfolgerungsschemas<br />
von Modus ponens und Modus tollens als zweiten notwendigen Bestandteil für die Zulässigkeit einer Schlussfolgerung<br />
auch eine atomare Formel bzw. das Negat einer atomaren Formel umfasst. Daher können z.B. aus einer Formelmenge,<br />
die ausschließlich Subjugat-Formeln enthält, mittels Modus ponens und Modus tollens überhaupt keine Theoreme abgeleitet<br />
werden. Ebenso ist es möglich, dass sich in einzelnen Fällen Theoreme, die aus einer Formelmenge (die sowohl atomare Formeln<br />
als auch Subjugat-Formeln umfasst) ursprünglich mithilfe des Modus ponens oder des Modus tollens abgeleitet werden<br />
konnten, nicht mehr ableiten lassen, weil in dieser Formelmenge eine atomare Formel bzw. das Negat einer atomaren Formel,<br />
die an der Ableitung der Theoreme beteiligt waren, durch eine Subjugat-Formel ersetzt wurden. In den vorgenannten Fällen<br />
führt die Erhöhung des Anteils von Subjugat-Formeln an einer Formelmenge nicht zu einer Vergrößerung der Anzahl möglicher<br />
Schlussfolgerungen, sondern kann diese sogar in Einzelfällen sinken lassen. Trotz dieser denkmöglichen Ausnahmefälle<br />
zeigt aber die Erfahrung mit Formelmengen aus der prädikatenlogischen Repräsentation des Wissens über reale Sachverhalte,<br />
dass die Schlussfolgerungsmächtigkeit von wissensrepräsentierenden Formelmengen tendenziell zunimmt, wenn ihr Anteil an<br />
Subjugat-Formeln ansteigt.
442 2.4 Generische Kompetenzontologie<br />
Ein einfaches, aber instruktives Beispiel verdeutlicht die Ermöglichung zusätzlicher Schlussfolgerungen<br />
durch objektsprachliche Inferenzregeln in Subjugat-Form: Als Ausgangspunkt wird die<br />
Formelmenge FM1 mit FM1 = {A;B;A→C} betrachtet. Aus ihr lässt sich mittels prädikatenlogischer<br />
Inferenzregeln – hier: mit Hilfe des Modus ponens – nur die Formel C als Theorem ableiten,<br />
d.h. die Theoreme-Menge Th(FM1) besteht nur aus einem Element: Th(FM1) = {C}. Ersetzt man<br />
nun in der Formelmenge FM1 die atomare Formel B durch die Subjugat-Formel A→D, so kann aus<br />
der gleich mächtigen Formelmenge FM2 mit FM2 = {A;A→D;A→C} die zweielementige Theoreme-Menge<br />
Th(FM2) = {C;D} abgeleitet werden. Die Schlussfolgerungsmächtigkeit ist beim Übergang<br />
von der Formelmenge FM1 auf die Formelmenge FM2 also um den Faktor 2 angestiegen, obwohl<br />
sich der Umfang der jeweils zugrunde liegenden Formelmenge FM1 bzw. FM2 nicht verändert<br />
hat. Lediglich die Vergrößerung des Anteils von objektsprachlichen Subjugat-Formeln beim Übergang<br />
von der Formelmenge FM1 auf die Formelmenge FM2 hat dazu geführt, dass die Schlussfolgerungsmächtigkeit<br />
zugenommen hat. 46) In dieser Hinsicht, die Anzahl prädikatenlogisch ableitbarer<br />
Theoreme tendenziell zu steigern, werden objektsprachliche Subjugat-Formeln – wie im hier betrachteten<br />
Fall (u.a.) die Formel A→D – als „objektsprachliche Inferenzregeln“ bezeichnet.<br />
Allerdings wird die Bezeichnung „objektsprachliche Inferenzregel“ nicht auf jede Subjugat-Formel<br />
aus einer objektsprachlichen Formelmenge angewendet. Stattdessen bleibt diese Bezeichnung solchen<br />
Subjugat-Formeln vorbehalten, die vom Konstrukteur einer Ontologie in der Absicht eingeführt<br />
werden, im Zusammenwirken mit den metasprachlichen Inferenzregeln der Prädikatenlogik<br />
zusätzliche Schlussfolgerungen zu ermöglichen. Diese restriktive Verwendung der Bezeichnung<br />
„objektsprachliche Inferenzregel“ erweitert die bisherigen Betrachtungen um die semiotische Dimension<br />
der Pragmatik, die sich mit den Zwecken beschäftigt, zu deren Erfüllung bestimmte Konstrukte<br />
verwendet (oder verboten) werden. Die pragmatisch erweiterte Sicht auf objektsprachliche<br />
Inferenzregeln ist notwendig, weil nicht alle Subjugat-Formeln, die in einer objektsprachlichen<br />
Formelmenge enthalten sind, mit der Absicht formuliert worden sein müssen, zusätzliche Schlussfolgerungen<br />
zu ermöglichen. Stattdessen können objektsprachliche Subjugat-Formeln auch in einer<br />
anderen als einer schlussfolgernden Absicht verwendet werden. Dies trifft z.B. auf Integritätsregeln<br />
zu, die im folgenden Kapitel erläutert werden.<br />
46) Das voranstehende Beispiel verdeutlicht auch, dass es sich bei der Aussage, objektsprachliche Subjugat-Formeln würden die<br />
Schlussfolgerungsmächtigkeit einer Formelmenge ansteigen lassen, lediglich um eine Tendenzaussage handelt. Beispielsweise<br />
wird die geringfügig modifizierte Formelmenge FM 3 mit FM 3 = {A;B→D;A→C} betrachtet. Aus dieser Formelmenge kann<br />
mittels der Inferenzregel des Modus ponens als einzige Formel, die in der Formelmenge FM 3 noch nicht enthalten war, das<br />
Theorem C abgeleitet werden. Die Theoreme-Menge Th(FM 3) = {C} der Formelmenge FM 3 = {A;B→D;A→C} fällt also mit<br />
der Theoreme-Menge Th(FM 1) = {C} der o.a. Formelmenge FM 1 = {A;B;A→C} zusammen; die Schlussfolgerungsmächtigkeit<br />
ist trotz der Vergrößerung des Anteils objektsprachlicher Subjugat-Formeln beim Übergang von der Formelmenge FM 1 zur<br />
Formelmenge FM 3 nicht angestiegen (aber auch nicht zurückgegangen).
2.4 Generische Kompetenzontologie 443<br />
2.4.2.2.2 Integritätsregeln<br />
Integritätsregeln 47) stellen auf der syntaktischen Ebene – genau so, wie es für Inferenzregeln der<br />
Fall ist – Subjugat-Formeln dar. 48) Allerdings werden Integritätsregeln in einer anderen Absicht als<br />
Inferenzregeln benutzt: Integritätsregeln dienen dazu, mittels Integritätstests die Zulässigkeit von<br />
wissensrepräsentierenden Formelmengen und von wissenserschließenden Inferenzregelanwendungen<br />
zu prüfen und erforderlichenfalls erkannte Unzulässigkeiten zu beseitigen.<br />
Im ersten Fall, in dem die Zulässigkeit einer wissensrepräsentierenden Formelmenge überprüft<br />
wird, liegt eine statische Integritätsprüfung vor. Im zweiten Fall, in dem überprüft wird, ob die Anwendung<br />
einer Inferenzregel zur Wissenserschließung zulässig ist, wird von einer dynamischen Integritätsprüfung<br />
gesprochen.<br />
Wenn der Integritätstest positiv ausfällt, d.h. kein regelverletzender Sachverhalt in der geprüften<br />
Formelmenge bzw. hinsichtlich der geprüften Inferenzregelanwendung festgestellt wird, ist die geprüfte<br />
Formelmenge bzw. Inferenzregelanwendung in Bezug auf das jeweils untersuchte Integritätsmerkmal<br />
49) zulässig. 50) Andernfalls – wenn der Integritätstest negativ ausfällt und so eine Integritätsverletzung<br />
oder Inkonsistenz 51) festgestellt wird – wird versucht, die geprüfte Formelmenge in<br />
eine zulässige Formelmenge zu überführen (Integritätsherstellung) bzw. die geprüfte Inferenzregelanwendung<br />
zu verhindern oder rückgängig zu machen (Integritätswahrung). Im einfachsten Fall<br />
wird auf das negative Resultat eines Integritätstests nur mit dem Aussenden eines Inkonsistenzsignals<br />
reagiert, 52) so dass Versuche zur Integritätsherstellung oder -wahrung nicht mehr im Rah-<br />
47) Vgl. zu Integritätsregeln die Quellenhinweise, die bereits in der Fußnote 18 (S. 433) erfolgten.<br />
Integritätsregeln stellen nur einen Spezialfall von Integritätsbedingungen („integrity constraints“) dar. Integritätsbedingungen<br />
sind an keine bestimmte sprachliche Form gebunden, während Integritätsregeln stets als Subjugat-Formeln ausgedrückt werden.<br />
Da Integritätsbedingungen häufig die Form von Integritätsregeln annehmen, wird hier (zunächst) von Integritätsregeln gesprochen.<br />
Außerdem erleichtert es diese Redeweise, die pragmatischen Unterschiede gegenüber Inferenzregeln besonders deutlich<br />
herauszuarbeiten, weil sich Integritäts- und Inferenzregeln als Subjugat-Formeln hinsichtlich ihrer syntaktischen Erscheinungsweise<br />
nicht unterscheiden. Vgl. sowohl zur allgemeinen Formulierung von Integritätsbedingungen als auch zu ihrer Übersetzung<br />
in eine Regelform BOLEY/TABET/WAGNER (2001) S. 384 f. bzw. S. 385. Vgl. auch JEUSFELD/KRÜGER (1990) S. 6 zur alternativen<br />
Formulierung von Integritätsbedingungen entweder als existenzquantifizierte Konjugat- oder als allquantifizierte<br />
Subjugat-Formeln.<br />
48) Besonders klar wird die Subjugat-Form von Integritätsregeln bei PREIß (1989) S. 44.<br />
49) Das Integritätsmerkmal, das durch einen Integritätstest überprüft wird, ist durch die jeweils benutzte Integritätsregel inhaltlich<br />
festgelegt.<br />
50) Es ist wichtig festzuhalten, dass weder ein einzelner Integritätstest noch eine beliebig große – endliche – Anzahl von Integritätstests<br />
die Zulässigkeit von Formelmengen bzw. Inferenzregelanwendungen nachweisen können. Denn die Zulässigkeit beruht,<br />
wie im Folgenden näher erläutert wird, auf „außerlogischen“ Anforderungen an die Integrität von Formelmengen bzw. Inferenzregelanwendungen.<br />
Diese Anforderungen können inhaltlich im Prinzip „beliebig“ gefüllt werden. Daher können die positiven<br />
Ergebnisse beliebig vieler Integritätstests niemals sicherstellen, dass ein weiterer Integritätstest hinsichtlich einer zusätzlichen,<br />
bislang noch nicht überprüften Anforderung an die Integrität doch noch zur Feststellung einer Integritätsverletzung führt.<br />
Daher können Integritätstests streng genommen niemals die Zulässigkeit von Formelmengen bzw. Inferenzregelanwendungen<br />
„an sich“ nachweisen, sondern stets nur in Bezug auf die jeweils überprüften, für die Integritätsregel spezifischen Integritätsmerkmale.<br />
Wenn im Folgenden der Einfachheit halber nur von „zulässigen“ Formelmengen bzw. Inferenzregelanwendungen<br />
die Rede ist, so ist damit jeweils nur die Zulässigkeit auf das jeweils überprüfte Integritätsmerkmal gemeint. Dagegen kann mit<br />
nur einem Integritätstest die Unzulässigkeit einer Formelmenge bzw. Inferenzregelanwendung nachgewiesen werden. Denn eine<br />
Formelmenge bzw. Inferenzregelanwendung ist schon dann unzulässig, wenn sie mindestens ein Integritätsmerkmal verletzt.<br />
51) Beide Bezeichnungen werden synonym verwendet.<br />
52) Vgl. BOLEY/TABET/WAGNER (2001) S. 384 f.
444 2.4 Generische Kompetenzontologie<br />
men der Integritätsregeln selbst erfolgen, sondern im Zweifelsfall auf „manuelle“ Eingriffe verschoben<br />
werden.<br />
Integritätsprüfung, Integritätsherstellung und Integritätswahrung stellen Prozesse der Anwendung<br />
von Integritätsregeln dar, die etwas komplizierter ausfallen, als es oben im Hinblick auf Schlussfolgerungsprozesse<br />
mit der Hilfe von Inferenzregeln erläutert wurde. 53) Daher wird im Folgenden auf<br />
die Besonderheiten der Anwendung von Integritätsregeln auf prädikatenlogisch repräsentiertes Wissen<br />
näher eingegangen.<br />
Im Fall der statischen Integritätsprüfung wird von einer Formelmenge ausgegangen. Für diese<br />
Formelmenge existieren zusätzliche Vorstellungen darüber, unter welchen Bedingungen die Formelmenge<br />
als zulässig 54) erachtet wird. Die Zulässigkeit einer Formelmenge stellt zwar einen Aspekt<br />
dar, der sich mit objektsprachlichen Formeln der Prädikatenlogik ausdrücken lässt. Das wird<br />
weiter unten exemplarisch demonstriert. Aber die inhaltliche Qualifizierung dessen, was die Zulässigkeit<br />
einer Formelmenge bestimmt, weist über die Prädikatenlogik hinaus. 55) Insbesondere hat die<br />
Zulässigkeit einer Formel oder Formelmenge nichts mit der prädikatenlogisch wohldefinierten Gültigkeit<br />
einer Formel oder Formelmenge gemeinsam. 56) Die Qualifizierung der Zulässigkeit erfolgt<br />
53) Diese Kompliziertheit mag einen Grund für den bemerkenswerten Sachverhalt darstellen, dass das Verhältnis zwischen Inferenz-<br />
und Integritätsregeln kaum explizit thematisiert wird. Jedenfalls ist den Verfassern keine Quelle bekannt, die dieses Verhältnis<br />
auch nur ansatzweise diskutiert – geschweige denn erschöpfend behandelt.<br />
54) Alternativ können auch Bedingungen für die Unzulässigkeit der Formelmenge formuliert werden. Da sich die Bedingungen<br />
entweder für die Zulässigkeit oder aber für die Unzulässigkeit einer Formelmenge jeweils durch Negation äquivalent ineinander<br />
transformieren lassen, reicht es aus, nur einen von beiden Fällen explizit zu betrachten. Hier wird die Formulierung von Integritätsregeln<br />
in Bezug auf die Zulässigkeit von Formelmengen aus zwei Gründen bevorzugt. Erstens entspricht der „positive“ Inhalt<br />
von Zulässigkeit der ebenso „positiven“ Regelcharakteristik, die im Präfix „Integrität-“ ausgedrückt wird. Zweitens korrespondiert<br />
die Bezugnahme auf die „positive“ Eigenschaft der Zulässigkeit (von Formelmengen) in Integritätsregeln mit der Bezugnahme<br />
auf die ebenso „positive“ Eigenschaft der Gültigkeit (von Formeln) in Inferenzregeln.<br />
55) Für die Bestimmung der Zulässigkeit einer Formelmenge kommen sowohl „innerlogische“ als auch „außerlogische“ Quellen in<br />
Betracht. Eine „innerlogische“ Quelle ist z.B. die Anforderung, dass eine Formelmenge konsistent sein soll, d.h., dass sie keine<br />
logischen Widersprüche enthalten darf. Eine weitere „innerlogische“ Quelle stellt das „tertium non datur“ der „klassischen“<br />
Logik dar. Diese beiden Anforderungen sind keineswegs „immanente“ Eigenschaften der Prädikatenlogik, weil sich sehr wohl<br />
prädikatenlogische Formelmengen und Inferenzkalküle vorstellen lassen, in denen diese Anforderungen nicht erfüllt sind. Die<br />
Konsistenzforderung wird durch „Logiken der Inkonsistenz“ verletzt. Auf das „tertium non datur“ verzichtet die intuitionistische<br />
Logik. Als „außerlogische“ Quelle für die Bestimmung der Zulässigkeit einer Formelmenge dienen im Allgemeinen Vorstellungen<br />
über einen sprachlich zu repräsentierenden Realitätsausschnitt. Wenn man z.B. der Ansicht ist, dass sich in der Realität<br />
Informationen niemals mit einer größeren Geschwindigkeit als der Lichtgeschwindigkeit übertragen lassen, dann werden<br />
alle Repräsentationen von Realitätsausschnitten als unzulässig erachtet, in denen sich Informationen überlichtschnell ausbreiten<br />
können.<br />
56) Der qualitative Unterschied zwischen der Zulässigkeit und der Gültigkeit von Formeln und Formelmengen lässt sich anhand eines<br />
einfachen Beispiels verdeutlichen: Auf der syntaktischen Ebene wird zunächst die zusammengesetzte prädikatenlogische<br />
Formel N(X) ∧ Z(W,X) ∧ L(W)>0 gebildet. Ihre atomaren Prädikate werden wie folgt interpretiert: N(X) bedeutet, dass das<br />
formale Objekt X ein Netzplan ist. Z(W,X) drückt aus, dass das formale Objekt W im Netzplan X einen zyklischen Weg darstellt.<br />
L(W)>0 schließlich gibt an, dass der Weg W eine positive Weglänge besitzt (die Weglänge lässt sich in einem Netzplan<br />
anhand der Summe aller rationalzahligen Anschriften an denjenigen Kanten messen, die einen Weg bilden). Die zusammengesetzte<br />
prädikatenlogische Formel N(X) ∧ Z(W,X) ∧ L(W)>0 bedeutet dann durch (konjunktive) Zusammenfassung der Interpretationen<br />
für ihre atomaren Bestandteile: Der Netzplan X umfasst einen zyklischen Weg W mit positiver Weglänge. Mittels<br />
der formalen Semantik der Prädikatenlogik lässt sich nun jeder der drei voranstehenden atomaren Formeln jeweils der Wahrheitswert<br />
„gültig“ zuordnen. Nach den elementaren Regeln der formalen Semantik für die Ermittlung der Wahrheitswerte zusammengesetzter<br />
Formeln ist in diesem Fall auch die Konjugat-Formel N(X) ∧ Z(W,X) ∧ L(W)>0 als Ganzes gültig. Mehr<br />
lässt sich mithilfe der formalen Semantik der Prädikatenlogik über die Gültigkeit der atomaren Formeln und aus der daraus zusammengesetzten<br />
Konjugat-Formel nicht aussagen. Dessen ungeachtet kann außerhalb der prädikatenlogischen Formalisierung<br />
zusätzliches Wissen über die „strukturellen Eigenarten“ von Netzplänen vorliegen, dass in Netzplänen zyklische Wege nur die<br />
Länge Null oder eine negative Weglänge aufweisen dürfen. Andernfalls käme es zu unzulässigen Zyklen, in denen die einzuhal-
2.4 Generische Kompetenzontologie 445<br />
durch besondere inhaltliche Anforderungen, die jede zulässige Formelmenge erfüllen muss. Die inhaltlichen<br />
Anforderungen werden im Allgemeinen als „Integritätsbedingungen“ bezeichnet. Sie<br />
können im Prinzip eine beliebige sprachliche Form annehmen. Wenn sie in der Form von Subjugaten<br />
formuliert werden, dann handelt es sich um Integritätsregeln. Solche Integritätsregeln werden<br />
hier – hinsichtlich der Abgrenzung von Inferenzregeln – zunächst zugrunde gelegt. 57)<br />
Jede Integritätsregel spezifiziert in ihrer Konklusionskomponente einen Sachverhalt, der von allen<br />
zulässigen Formelmengen erfüllt werden muss, sofern auf diese Formelmengen auch die Antezedenz-Komponente<br />
der Integritätsregel zutrifft. Wenn nun eine Formelmenge vorliegt, welche die<br />
Antezedenz-Komponente (mindestens) einer Integritätsregel erfüllt und zugleich die Konklusionskomponente<br />
dieser Integritätsregel nicht erfüllt, so wird die Integritätsregel verletzt. A fortiori liegt<br />
eine unzulässige Formelmenge vor. In diesem Sinne wird von einer (formelbedingten) Integritätsverletzung<br />
gesprochen.<br />
Mit einer Integritätsregel kann jedoch mehr geleistet werden, als „nur“ die Unzulässigkeit einer<br />
Formelmenge in Bezug auf vorgegebene Anforderungen festzustellen. Darüber hinaus bietet eine<br />
Integritätsregel zumeist auch die Möglichkeit zu erkennen, wodurch die Unzulässigkeit einer Formelmenge<br />
verursacht wurde und wie sich diese Unzulässigkeit beheben lässt. Wird dieses Erkenntnispotenzial<br />
ausgeschöpft, so wird die ursprüngliche Formelmenge in eine neue, zulässige Formelmenge<br />
transformiert. Diese Transformation wird als Integritätsherstellung bezeichnet.<br />
Bei der Integritätsherstellung gilt es mehrere Besonderheiten im Vergleich mit Inferenzregeln zu<br />
beachten. Erstens existieren im Gegensatz zu den Schlussfolgerungsschemata von Inferenzregeln<br />
keine mit Ausdrucksmitteln der Prädikatenlogik spezifizierten Vorgehensschemata („Mechanismen“),<br />
die beschreiben, wie die ursprüngliche, unzulässige Formelmenge in eine neue, zulässige<br />
Formelmenge transformiert werden kann. Vielmehr müssen für die Integritätsherstellung besondere,<br />
jeweils regelspezifische Vorgehensschemata entwickelt werden, welche das Ausdrucksvermögen<br />
der Prädikatenlogik übersteigen. Wenn beispielsweise die Unzulässigkeit einer Formelmenge aufgrund<br />
eines in ihr enthaltenen logischen Widerspruchs festgestellt wurde, muss eine Integritätsregel<br />
angeben, wie sich dieser Widerspruch beseitigen lässt. Im Allgemeinen wird die Integritätsherstellung<br />
darauf hinauslaufen, einen Algorithmus anzuwenden, der zunächst Formeln identifiziert, die<br />
sich gegenseitig logisch ausschließen, und alsdann aus diesen Formeln alle bis auf eine eliminiert.<br />
tenden Minimal- größer als die einzuhaltenden Maximalfristen wären. Daher wird in Netzplänen, die sowohl Minimal- als auch<br />
Maximalfristen erlauben und als positive bzw. negative Kantenanschriften ausdrücken, zuweilen die Integritätsbedingung formuliert,<br />
dass zyklische Wege in einem Netzplan genau dann zulässig (unzulässig) sind, wenn sie eine nicht-positive (positive)<br />
Weglänge aufweisen. Im voranstehenden Beispiel zeigt sich im Hinblick auf diese Integritätsbedingung, dass die Konjugat-<br />
Formel N(X) ∧ Z(W,X) ∧ L(W)>0 zwar als Ganzes gültig ist, aber die äquivalente Formelmenge {N(X);Z(W,X);L(W)>0}<br />
dennoch unzulässig ist. Die Unzulässigkeit der Formelmenge FM wird durch die positive Länge des Wegs W – also die Gültigkeit<br />
der Teilformel L(W)>0 – verursacht. Bereits an diesem einfachen Beispiel wird deutlich, dass die Gültigkeit und die Zulässigkeit<br />
von Formeln und Formelmengen inhaltlich verschiedene Qualitäten sprachlicher Konstrukte darstellen. Aufgabe von Integritätsregeln<br />
ist es, das zusätzliche, zunächst natürlichsprachlich ausgedrückte und somit außerhalb der Prädikatenlogik eingebrachte<br />
Wissen über die Anforderung an die Länge zulässiger zyklischer Wege formalsprachlich so aufzubereiten, dass sich<br />
dieses Wissen über die Zulässigkeit von Netzplänen mit zyklischen Wegen innerhalb eines prädikatenlogischen Formelsystems<br />
ausdrücken lässt.<br />
57) Später wird aber anhand einer Integritätsregel zur Konsistenzwahrung exemplarisch aufgezeigt, dass sich Integritätsregeln auch<br />
in anderer, nicht-subjunktiver Form ausdrücken lassen. Darüber hinaus existiert ein weites Gebiet formalsprachlicher Konstrukte,<br />
in denen Integritätsregeln grundsätzlich nicht als Subjugat-Formeln, sondern (vornehmlich) als Gleichungen ausgedrückt<br />
werden. Es handelt sich um die so genannten algebraischen Spezifikationen, die hinsichtlich ihrer Ausdrucksmächtigkeit und<br />
ihres Inferenzpotenzials mit prädikatenlogischen Formelmengen eng verwandt sind, denen jedoch ein anderer formalsprachlicher<br />
Ansatz zugrunde liegt.
446 2.4 Generische Kompetenzontologie<br />
Aus diesem Beispiel wird zugleich eine zweite Eigenart von Integritätsregeln deutlich: Bei der Anwendung<br />
einer Integritätsregel zwecks Integritätsherstellung fällt die neue, zulässige Formelmenge<br />
im Allgemeinen kleiner aus als die ursprünglich vorliegende, aber unzulässige Formelmenge. 58)<br />
Durch die Anwendung der Integritätsregel kommt es also nicht wie bei Inferenzregeln tendenziell<br />
zu einer Vergrößerung, sondern zu einer Verkleinerung der Formelmenge (in Bezug auf die ursprünglich<br />
vorliegende Formelmenge). Drittens verhalten sich Integritätsregeln hinsichtlich des Ergebnisses<br />
der Integritätsherstellung im Allgemeinen nicht-deterministisch. Dies lässt sich abermals<br />
am voranstehenden Beispiel der Integritätsverletzung infolge eines logischen Widerspruchs verdeutlichen:<br />
Wenn der Widerspruch der ursprünglich vorliegenden Formelmenge im einfachsten Fall<br />
durch zwei kontradiktorische Formeln – wie etwa die Formeln A und ¬A – verursacht wurde, so<br />
kann die Zulässigkeit der Formelmenge durch mindestens 59) drei Maßnahmen herbeigeführt werden:<br />
entweder die Formel A wird aus der ursprünglichen Formelmenge eliminiert, oder die Formel<br />
¬A wird aus der ursprünglichen Formelmenge eliminiert, oder es werden beide Formeln A und ¬A<br />
gemeinsam aus der ursprünglichen Formelmenge eliminiert. Daher fällt die zulässige Formelmenge<br />
nach Integritätsherstellung zwar auf jeden Fall kleiner aus als die ursprüngliche, unzulässige Formelmenge.<br />
Aber es kann nicht deterministisch „vorhergesagt“ werden, welche dieser drei zulässigen<br />
Formelmengen aus der Integritätsherstellung hervorgehen wird – alle drei Optionen sind hinsichtlich<br />
des Zwecks der Integritätsherstellung pragmatisch gleichwertig. Auch durch diese Mehrdeutigkeit<br />
des Ergebnisses einer Integritätsherstellung 60) unterscheiden sich Integritätsregeln von Inferenzregeln.<br />
Denn die Anwendung einer Inferenzregel bringt gemäß ihrem Schlussfolgerungsschema<br />
immer eine eindeutig bestimmte Konklusions-Formel als Schlussfolgerungsergebnis hervor.<br />
Der alternative Fall der dynamischen Integritätsprüfung bezieht sich abermals auf Vorstellungen<br />
darüber, unter welchen Bedingungen Formelmengen als zulässig erachtet werden. Allerdings wird<br />
in diesem Fall davon ausgegangen, dass die ursprünglich vorliegende Formelmenge alle Integritäts-<br />
58) Zwar könnte es grundsätzlich möglich sein, dass die Zulässigkeit einer Formelmenge herbeigeführt wird, indem die ursprünglich<br />
gegebene, jedoch unzulässige Formelmenge durch zusätzliche Formeln erweitert wird. Aber den Verfassern ist kein integritätsherstellender<br />
Mechanismus bekannt, der nicht zu einer Eliminierung von Formeln und somit zu einer Verkleinerung der betroffenen<br />
Formelmenge führt. Außerdem erscheint es auf den ersten Blick schwer vorstellbar, wie die Unzulässigkeit einer<br />
Formelmenge lediglich durch Ergänzen – und nicht etwa durch Modifizieren oder Eliminieren – mindestens einer weiteren<br />
Formel behoben werden könnte. Es liegt aber außerhalb des Erkenntnishorizonts dieses Beitrags, diesen Aspekt zu klären.<br />
59) Weitere integritätsherstellende Maßnahmen lassen sich vorstellen, indem zusätzliche, dritte Formeln aus der ursprünglichen<br />
Formelmenge eliminiert werden. Da diese zusätzlichen Formeln jedoch an der Verursachung der Integritätsverletzung nicht beteiligt<br />
waren, würde es dem Prinzip „kognitiver Sparsamkeit“ widersprechen, sie in den Eliminierungsprozess einzubeziehen.<br />
Daher werden Maßnahmen solcher Art nicht weiter berücksichtigt.<br />
60) Streng genommen wurde die Mehrdeutigkeit des Ergebnisses einer Integritätsregelanwendung hinsichtlich der Integritätsherstellung<br />
nur anhand eines Beispiels demonstriert. Allein daraus die Ergebnismehrdeutigkeit zu folgern, würde eine unzulässige<br />
Generalisierung darstellen. In der Tat kennen die Verfasser kein allgemeingültiges Argument für die Ergebnismehrdeutigkeit<br />
von integritätsherstellenden Integritätsregelanwendungen. Aber alle Integritätsregeln, die von den Verfassern bislang analysiert<br />
wurden (nicht nur in Bezug auf prädikatenlogische Formelmengen, sondern z.B. auch im Hinblick auf algebraische Spezifikationen<br />
und auf PETRI-Netze), haben immer wieder zu derselben Einsicht geführt, dass das Ergebnis der Integritätsherstellung<br />
von den jeweils betroffenen Integritätsregeln nicht eindeutig determiniert wird. Diese Erfahrung ist zumindest ein Indiz für die<br />
Plausibilität der oben ausgesprochenen Generalisierung – bis zum Beweis des Gegenteils.
2.4 Generische Kompetenzontologie 447<br />
bedingungen erfüllt, also zulässig ist. 61) Objekt der Integritätsprüfung ist daher nicht die ursprünglich<br />
vorliegende Formelmenge. Vielmehr wird geprüft, ob die Anwendung einer „an sich“ – d.h. im<br />
Rahmen der Prädikatenlogik – zulässigen Inferenzregel zu einer neuen, im Sinne der Integritätsbedingungen<br />
unzulässigen Formelmenge führen würde. Durch „Rückübertragung“ der Unzulässigkeit<br />
der resultierenden Formelmenge wird dann auch die Anwendung der Inferenzregel als unzulässig<br />
qualifiziert. 62) Im Fall der dynamischen Integritätsprüfung gestatten es Integritätsregeln also, die<br />
Unzulässigkeit von Inferenzregelanwendungen festzustellen. Wird eine solche unzulässige Inferenzregelanwendung<br />
erkannt, liegt eine (inferenzbedingte) Integritätsverletzung vor.<br />
Analog zum statischen Fall bieten Integritätsregeln auch im Fall der dynamischen Integritätsprüfung<br />
die Möglichkeit, gegen Integritätsverletzungen vorzugehen. Allerdings unterscheidet sich die<br />
Art der Behandlung von Integritätsverletzungen in beiden Fällen: Wenn bei einer statischen Integritätsprüfung<br />
die Unzulässigkeit einer vorgegebenen Formelmenge erkannt wird, so lässt sie sich mittels<br />
einer Integritätsregel in eine zulässige Formelmenge transformieren. Die ursprünglich verletzte<br />
Integrität wird also durch den Übergang zur neuen, zulässigen Formelmenge hergestellt. Im Gegensatz<br />
dazu wirkt die Anwendung einer Integritätsregel bei der dynamischen Integritätsprüfung so,<br />
dass die Integrität der ursprünglichen, zulässigen Formelmenge bewahrt wird. Diese Integritätswahrung<br />
greift immer dann, wenn im Verlauf einer dynamischen Integritätsprüfung festgestellt wird,<br />
dass die Anwendung einer Inferenzregel unzulässig wäre, weil sie zu einer neuen, unzulässigen<br />
Formelmenge führen würde. In diesem Fall wird entweder die Anwendung der unzulässigen Inferenzregel<br />
von vornherein unterbunden. Oder die Anwendung der unzulässigen Inferenzregel wird<br />
nachträglich „neutralisiert“, indem durch eine Umkehrtransformation zu der ursprünglich gegebenen,<br />
noch zulässigen Formelmenge zurückgekehrt wird. In beiden Varianten ist das Ergebnis der Integritätsregelanwendung<br />
dasselbe und eindeutig: Nach der Integritätsregelanwendung liegt immer<br />
noch bzw. wieder diejenige zulässige Formelmenge vor, die vor dem Versuch der unzulässigen Inferenzregelanwendung<br />
gegeben war.<br />
61) In dieser Hinsicht besteht eine auffällige Analogie zu Inferenzregeln: Bei der Anwendung von Inferenzregeln auf Formelmengen<br />
wird vorausgesetzt, dass die vorgegebenen Formelmengen jeweils gültig sind. Bei der Anwendung von Integritätsregeln<br />
wird im dynamischen Fall lediglich die Gültigkeit der ursprünglich vorliegenden Formelmenge durch deren Zulässigkeit ersetzt.<br />
Dieser Unterschied ist allerdings wesentlich. Denn die Gültigkeit einer Formelmenge ist innerhalb der formalen Semantik<br />
der Prädikatenlogik vollständig definiert. Dagegen lässt sich die Zulässigkeit einer Formelmenge innerhalb dieser formalen<br />
Semantik nicht vollständig definieren, sondern beruht auf inhaltlichen Anforderungen an die Zulässigkeit einer Formelmenge,<br />
die über die Prädikatenlogik hinaus weisen.<br />
62) Man beachte die Nuancierung: Nicht die Inferenzregel „an sich“ ist unzulässig, sondern nur deren Anwendung auf eine bestimmte<br />
(zulässige) Formelmenge, weil die Regelanwendung zu einer unzulässigen Formelmenge führen würde. Darüber hinaus<br />
ist zu beachten, dass der Zulässigkeitsbegriff hier in zwei unterschiedlichen Bedeutungen verwendet wird, die nicht miteinander<br />
vermengt werden dürfen. Einerseits handelt es sich um die Zulässigkeit von Inferenzregeln im Rahmen der formalen Semantik<br />
der Prädikatenlogik. In diesem Kontext werden Inferenzregeln auf jeden Fall dann als zulässig angesehen, wenn sie zu<br />
einem vollständigen und korrekten Inferenzkalkül gehören. Andererseits ist die Zulässigkeit von Formelmengen betroffen, die –<br />
wie bereits mehrfach festgestellt – auf inhaltliche Anforderungen verweist, die außerhalb der Prädikatenlogik liegen.
448 2.4 Generische Kompetenzontologie<br />
2.4.2.2.3 Gegenüberstellung von Inferenz- und Integritätsregeln<br />
Integritätsregeln verhalten sich aus der Perspektive der Pragmatik wie ein „Spiegelbild“ zu Inferenzregeln.<br />
Aufgrund der Erläuterungen in den beiden voranstehenden Kapiteln lässt sich diese<br />
Spiegelbildlichkeit von Inferenz- und Integritätsregeln wie folgt charakterisieren: 63)<br />
• Inferenzregeln dienen dazu, aus einer ursprünglich gegebenen Formelmenge neue, in der Formelmenge<br />
noch nicht explizit enthaltene Formeln als Theoreme ableiten zu können. Inferenzregeln<br />
erlauben daher die Gewinnung „positiver“ Erkenntnisse durch die Ableitung von neuen<br />
Theoremen. Inferenzregeln führen deshalb – tendenziell – zu einer Vergrößerung der Formelmengen<br />
64) , auf die sie angewendet werden. Wenn die ursprüngliche Formelmenge ausschließlich<br />
gültige Formeln umfasste und durch die Anwendung einer Inferenzregel ein Theorem abgeleitet<br />
werden konnte, dann ist dieses Theorem wegen der charakteristischen Inferenzeigenschaft<br />
der Wahrheitserhaltung seinerseits eine gültige Formel. Dadurch ist auch die Menge der gültigen<br />
Formeln vergrößert worden, weil sie neben der ursprünglichen Formelmenge auch noch das<br />
abgeleitete Theorem umfasst. Für die Spezifizierung und die Anwendung von Inferenzregeln<br />
reichen die Ausdrucksmittel der Prädikatenlogik vollkommen aus.<br />
• Integritätsregeln werden dazu benutzt, entweder eine gegebene Formelmenge (statische Integritätsprüfung)<br />
oder die Anwendung einer Inferenzregel (dynamische Integritätsprüfung) auf Zulässigkeit<br />
zu prüfen. Integritätsregeln gestatten daher die Gewinnung „negativer“ Erkenntnisse<br />
durch das Aufzeigen der Unzulässigkeit von Formelmengen bzw. Inferenzregelanwendungen.<br />
Integritätsregeln bewirken – tendenziell – eine Verkleinerung von Formelmengen 65) , wenn die<br />
Inferenzregeln nicht nur zur Feststellung der Unzulässigkeit, sondern auch zur Wiederherstellung<br />
einer zulässigen Formelmenge angewendet wird. Integritätsregeln lassen sich zwar mit den<br />
Ausdrucksmitteln der Prädikatenlogik spezifizieren. Aber ihre integritätsherstellende oder integritätswahrende<br />
Anwendung erfordert zusätzliche Mechanismen, die in der Prädikatenlogik<br />
nicht vorgesehen sind.<br />
Zum Abschluss der Erläuterung von Inferenz- und Integritätsregeln werden drei kleine Beispiele<br />
angeführt, um die Gemeinsamkeiten und Unterschiede dieser beiden Regelarten zu verdeutlichen.<br />
Das erste Beispiel ist dem Bereich formaler Sprachen entnommen. Da es keinen Bezug auf bestimmte<br />
Eigenschaften von speziellen Realitätsausschnitten nimmt, besitzt es einen „hochgradig<br />
63) Vgl. zu den Schwierigkeiten, Inferenz- und Integritätsregeln voneinander abzugrenzen, MOERKOTE (1990) S. 18 ff.; PREIß<br />
(1989) S. 44 ff.<br />
64) Es wurde weiter oben schon erläutert, dass die Anwendung von Inferenzregeln nur tendenziell zu einer Vergrößerung von Formelmengen<br />
durch Ableitung neuer, in den ursprünglichen Formelmengen noch nicht explizit enthaltener Formeln (Theoreme)<br />
führt. Denn in Sonderfällen können die Formeln, die sich mittels einer Inferenzregel ableiten lassen, bereits in der ursprünglichen<br />
Formelmenge explizit enthalten gewesen sein. Um die Diktion zu vereinfachen, wird im Folgenden von solchen Sonderfällen<br />
abstrahiert, sofern sie im jeweils aktuellen Kontext keine nennenswerte Rolle spielen. Generell gilt, dass die Anwendung<br />
von Inferenzregeln den Umfang einer Formelmenge vergrößern kann oder unverändert lässt, aber niemals zu verringern vermag.<br />
65) Analog zu Inferenzregeln liegt auch hier im Hinblick auf Integritätsregeln nur eine Tendenzaussage vor. Denn die Verringerung<br />
des Umfangs einer Formelmenge tritt nur dann ein, wenn die Anwendung einer Integritätsregel die Zulässigkeit einer Formelmenge<br />
oder einer Inferenzregelanwendung aufgezeigt hat. Fällt hingegen die Zulässigkeitsprüfung positiv aus, führt die Anwendung<br />
einer Integritätsregel zu keiner Verringerung des Umfangs der betroffenen Formelmenge. Generell gilt, dass die Anwendung<br />
von Integritätsregeln den Umfang einer Formelmenge verringern kann oder unverändert lässt, aber niemals zu vergrößern<br />
vermag.
2.4 Generische Kompetenzontologie 449<br />
generischen“ Charakter. 66) Die beiden anderen Beispiele stammen aus speziellen Realitätsausschnitten<br />
und besitzen daher nur Geltung für diese Anwendungsbereiche formalsprachlicher Wissensrepräsentationen.<br />
An zulässige Wissensrepräsentationen wird – von extremen Ausnahmen abgesehen 67) – im Allgemeinen<br />
die Mindestanforderung gestellt, dass sie konsistent sein sollen. Der Konsistenzbegriff lässt<br />
sich natürlichsprachlich vieldeutig interpretieren, etwa im Sinn der logischen Widerspruchsfreiheit,<br />
der Freiheit von performativen Selbstwidersprüchen 68) oder auch „nur“ der begrifflichen Konsistenz<br />
69) . Im Folgenden wird ausschließlich die Konsistenz im engsten Sinn der (formal-) logischen<br />
Widerspruchsfreiheit betrachtet, weil Ontologien als formalsprachliche Konstrukte im Fokus des Interesses<br />
stehen.<br />
Logische Widerspruchsfreiheit bedeutet auf jeden Fall 70) , dass eine wissensrepräsentierende Formelmenge<br />
nicht sowohl eine Formel F als auch deren Negat ¬F enthalten darf (die Formel F kann<br />
dabei atomar oder auch beliebig komplex zusammengesetzt sein). Diese Anforderung der logischen<br />
Widerspruchsfreiheit an formalsprachliche Formelsysteme lässt sich mit Inferenzregeln nicht ausdrücken.<br />
Denn Inferenzregeln können stets nur in „positiver“ Weise bestimmen, welche Formeln<br />
sich aus einer gegebenen Formelmenge als Theoreme ableiten lassen. Das „negative“ Verbot der<br />
simultanen Existenz zweier Formeln F und ¬F in derselben Formelmenge übersteigt hingegen das<br />
Ausdrucksvermögen von Inferenzregeln. Beispielsweise sei die Formelmenge<br />
FM = {F1;F3;F1→F2;F3→F4;F2→(¬F4)}<br />
betrachtet. Aus ihr lässt sich mit Hilfe der Inferenzregel des Modus ponens {A;A→B} B als Theoreme-Menge<br />
Th(FM) = {F2;F4;¬F4} ableiten. Diese Theoreme-Menge enthält mit den Formeln F4<br />
und ¬F4 offensichtlich einen logischen Widerspruch. Die Anwendung der Inferenzregel des Modus<br />
ponens hat diesen logischen Widerspruch nicht verhindern können. 71) Es wird sich sogar keine Infe-<br />
66) Allerdings wagen die Verfasser die „mutige“ These, dass keine formalsprachliche Festlegung im strengen Sinn „allgemeingültig“<br />
(„generisch“ im „absoluten“ Sinn) ist. Vielmehr trifft sie nur auf jene Anwender eines formalsprachlichen Kalküls zu, die<br />
gemeinsame Überzeugungen über die „nützlichen“ oder „adäquaten“ Eigenschaften eines solchen Kalküls teilen. Der Ausschluss<br />
logischer Widersprüche, der im ersten Beispiel thematisiert wird, erweist sich beispielsweise nicht als denknotwendig,<br />
sondern lässt sich in anderen formalsprachlichen Kalkülen – wie der „Logik der Inkonsistenz“ – suspendieren. Dabei wird unter<br />
einem formalsprachlichen Kalkül ein System verstanden, das einerseits aus Vorschriften zur Generierung formalsprachlicher<br />
Formeln (Syntax) und andererseits zur formalen Interpretation dieser Formeln (formale Semantik) besteht.<br />
67) Vgl. dazu Beiträge zur „Akzeptanz von Inkonsistenz“ oder gar „Logik der Inkonsistenz“ und ähnlichen Ansätzen, die logische<br />
Widersprüche bewusst in Kauf nehmen, u.a. bei RESCHER (1979) S. 174 ff.; RESCHER (1980b), z.B. S. 24 ff., 43 ff., 56 ff. u. 136<br />
ff.; RESCHER (1987a) S. 28 ff. u. 41 ff.; RESCHER (1988) S. 79 ff. u. 83 ff.<br />
68) Vgl. APEL (1988) S. 8, 94 f., 114 f., 117, 150, 271, 354, 435 f., 445 u. 471.<br />
69) Begriffliche Konsistenz liegt genau dann vor, wenn derselbe Denkinhalt (Begriff) nur durch genau eine Bezeichnung referenziert<br />
wird – oder allenfalls durch Bezeichnungen, die explizit als Synonyme eingeführt worden sind, – und mit einer Bezeichnung<br />
nur genau ein Denkinhalt (Begriff) assoziiert wird. Es erfolgt also ein Ausschluss homonymer Bezeichnungen.<br />
70) Später wird aufgezeigt, dass die hier formulierte Integritätsbedingung nur eine notwendige, aber keine hinreichende Bedingung<br />
für logische Widerspruchsfreiheit darstellt. Diese notwendige Bedingung muss „auf jeden Fall“ erfüllt sein, damit eine Wissensrepräsentation<br />
logisch widerspruchsfrei sein kann (andernfalls enthielte die Wissensrepräsentation mindestens einen logischen<br />
Widerspruch). Allerdings reicht die Erfüllung der hier zunächst vorgestellten Integritätsbedingung noch nicht aus, um die<br />
logische Widerspruchsfreiheit einer Wissensrepräsentation sicherzustellen. Dies wird in Kürze anhand eines konkreten Beispiels<br />
verdeutlicht.<br />
71) Es wäre aber voreilig zu behaupten, die Inferenzregel des Modus ponens hätte den logischen Widerspruch der Formeln F 4 und<br />
¬F 4 verursacht. Denn dieser logische Widerspruch ist bereits – aber weniger offensichtlich – in der ursprünglichen Formelmenge<br />
FM = {F 1;F 3;F 1→F 2;F 3→F 4;F 2→(¬F 4)} enthalten. Zwar umfasst sie nicht explizit eine Formel und deren Negat. Aber dies –<br />
das simultane Vorliegen einer Formel und ihres Negats – ist für einen logischen Widerspruch auch nicht notwendig, sondern
450 2.4 Generische Kompetenzontologie<br />
renzregel finden lassen, die in der Lage wäre auszuschließen, dass die Theoreme-Menge Th(FM) =<br />
{F2;F4;¬F4} aus der Formelmenge FM abgeleitet werden kann. Denn Inferenzregeln können immer<br />
nur im „positiven“ Sinn aufzeigen, welche Formeln sich aus einer Formelmenge ableiten lassen, –<br />
aber nicht im „negativen“ Sinn die Ableitbarkeit einer Formel oder einer Formelmenge verhindern.<br />
Um die logische Widerspruchsfreiheit der Formelmengen einer prädikatenlogischen Wissensrepräsentation<br />
zu gewährleisten, kommen „also“ 72) nur Integritätsregeln – oder ohne Beschränkung der<br />
formalsprachlichen Formulierungsweise auf Subjugat-Formeln: nur Integritätsbedingungen – in Betracht.<br />
Dabei dienen die Integritätsregeln oder -bedingungen dazu, alle Formelmengen als unzuläs-<br />
lediglich hinreichend. Denn die logische Widersprüchlichkeit ist im Rahmen der formalen Semantik der Prädikatenlogik umfassender<br />
definiert: Eine Formelmenge ist genau dann logisch widersprüchlich (oder synonym: inkonsistent, unerfüllbar), wenn<br />
keine Interpretation für alle atomaren Formeln dieser Formelmenge existiert, unter der die betroffene Formelmenge als Ganzes<br />
gültig ist. Da eine Interpretation, unter der eine Formelmenge gültig ist, in der formalen Semantik der Prädikatenlogik – wenn<br />
vom Unterschied zwischen Interpretationen und interpretierenden Objekt-Tupeln vereinfachend abgesehen wird – als ein „Modell“<br />
jener Formelmenge bezeichnet werden kann (daher heißt diese Art der formalen Semantik auch „Modell-Semantik“ der<br />
Prädikatenlogik), lässt sich das Vorliegen eines logischen Widerspruchs auch wie folgt paraphrasieren: Eine Formelmenge ist<br />
genau dann logisch widersprüchlich, wenn kein Modell dieser Formelmenge existiert. In dem hier betrachteten einfachen Fall,<br />
in dem die Formeln entweder variablenfrei definiert sind oder es sich um geschlossene Formeln handelt, deren Variablen vollständig<br />
durch Quantoren gebunden sind, entspricht die prädikatenlogische Interpretation einer Formel der Zuordnung von genau<br />
einem der beiden Wahrheitswerte „gültig“ oder „ungültig“ zu dieser Formel. Bei 4 atomaren Formeln F 1, F 2, F 3 und F 4 gibt<br />
es genau 2 4 = 16 unterschiedliche Interpretationen dieser atomaren Formeln. Über die Wahrheitswerte der Formelmenge FM<br />
unter diesen 16 Interpretationen gibt die nachfolgende „Wahrheitswertetafel“ Auskunft, in der die metasprachlichen Symbole<br />
„w“ für die Gültigkeit sowie „f“ für die Ungültigkeit oder Formelmenge stehen:<br />
Interpretationen F1 F2 F3 F4 ¬F4 F1→F2 F3→F4 F2→(¬F4) FM<br />
Nr. 1 w w w w f w w f f<br />
Nr. 2 w w w f w w f w f<br />
Nr. 3 w w f w f w w f f<br />
Nr. 4 w w f f w w w w f<br />
Nr. 5 w f w w f f w w f<br />
Nr. 6 w f w f w f f w f<br />
Nr. 7 w f f w f f w w f<br />
Nr. 8 w f f f w f w w f<br />
Nr. 9 f w w w f w w f f<br />
Nr. 10 f w w f w w f w f<br />
Nr. 11 f w f w f w w f f<br />
Nr. 12 f w f f w w w w f<br />
Nr. 13 f f w w f w w w f<br />
Nr. 14 f f w f w w f w f<br />
Nr. 15 f f f w f w w w f<br />
Nr. 16 f f f f w w w w f<br />
Aus der voranstehenden „Wahrheitswertetafel“ lässt sich in der rechten Spalte unmittelbar erkennen, dass keine der 16 denkmöglichen<br />
Interpretationen ein Modell der Formelmenge FM = {F 1;F 3;F 1→F 2;F 3→F 4;F 2→(¬F 4)} ist, weil unter jeder der 16<br />
denkmöglichen Interpretationen die Formelmenge FM – oder äquivalent: die Konjugat-Formel F 1 ∧ F 3 ∧ (F 1→F 2) ∧ (F 3→F 4)<br />
∧ (F 2→(¬F 4)) – ungültig ist. Folglich existiert für die Formelmenge FM kein Modell im Sinne der formalen Semantik der Prädikatenlogik;<br />
die Formelmenge FM ist also logisch widersprüchlich.<br />
72) Streng genommen liegt keine Schlussfolgerung aus dem vorher Gesagten vor. Denn aus dem Versagen von Inferenzregeln, die<br />
logische Widerspruchsfreiheit einer Formelmenge zu gewährleisten, kann nicht gefolgert werden, dass Integritätsregeln dies<br />
leisten könnten. Erstens wäre es möglich, dass nur ein Drittes – neben Inferenz- und Integritätsregeln – zu dieser Gewährleistung<br />
imstande wäre. Zweitens ließe sich ebenso vorstellen, dass es grundsätzlich unmöglich ist, die logische Widerspruchsfreiheit<br />
einer Formelmenge zu gewährleisten. Von diesen beiden Optionen wird in der oben angeführten, vereinfachten Argumentation<br />
abgesehen, dass Integritätsregeln tatsächlich in der Lage sind, die logische Widerspruchsfreiheit einer Formelmenge zu<br />
gewährleisten. Dabei wird unter „Gewährleistung“ logischer Widerspruchsfreiheit auch der Fall subsumiert, dass eine Formelmenge<br />
als in sich widersprüchlich erkannt und zugleich aufgezeigt wird, wie sich die logische Widerspruchsfreiheit der betroffenen<br />
Formelmenge herbeiführen lässt.
2.4 Generische Kompetenzontologie 451<br />
sig auszugrenzen, die sich als logisch widersprüchlich erweisen. Formelmengen sind im Sinne dieser<br />
Integritätsregeln oder -bedingungen also nur dann zulässig, wenn sie keinen logischen Widerspruch<br />
enthalten. Die konkrete Konstruktion solcher Integritätsregeln oder -bedingungen erweist<br />
sich jedoch als keineswegs trivial. Die auftretenden Schwierigkeiten können in der hier gebotenen<br />
Kürze nur angedeutet werden.<br />
Als erste, vermutlich am nächsten liegende Möglichkeit kann erwogen werden, eine Integritätsregel<br />
oder -bedingung zu formulieren, die zur Vermeidung logischer Widersprüche vorschreibt, dass zulässige<br />
Formelmengen FM niemals eine Formel F und zugleich deren Negat ¬F enthalten dürfen.<br />
Dadurch würde im o.a. Beispiel die Theoreme-Menge Th(FM) = {F2;F4;¬F4} als logisch widersprüchlich<br />
und somit unzulässig verboten. Die Formulierung dieser Anforderung lässt sich nicht als<br />
„Regel“, also nicht als Subjugat-Formel ausdrücken. Darüber hinaus übersteigt die Formulierung<br />
dieser Anforderung das Ausdrucksvermögen der Prädikatenlogik 1. Stufe, weil eine metasprachliche<br />
Aussage über alle objektsprachlichen Formeln erforderlich ist. Die oben natürlichsprachlich<br />
umschriebene Anforderung zur Vermeidung logischer Widersprüche lässt sich daher nur im Rahmen<br />
der Prädikatenlogik 2. Stufe 73) mit folgender Integritätsbedingung formalsprachlich präzisieren:<br />
∀ FM : ¬ F∈FM ∧ ¬ F∈ FM<br />
( ( ) ( ) )<br />
Diese Integritätsbedingung kann sowohl in statischen als auch in dynamischen Integritätstests erfolgreich<br />
angewendet werden. So lassen sich mit ihr Formelmengen wie die o.a. Formelmenge<br />
{F2;F4;¬F4} wegen der logischen Widersprüchlichkeit der beiden Formeln F4 und ¬F4 von vornherein<br />
als unzulässig zurückzuweisen (statischer Integritätstest). Ebenso ist es möglich, die Anwendung<br />
von Inferenzregeln als unzulässig zu verhindern, wenn sie – wie im o.a. Beispiel – auf die<br />
Formelmenge FM angewendet und dabei die Theoreme-Menge Th(FM) = {F2;F4;¬F4} mit den logisch<br />
widersprüchlichen Formeln F4 und ¬F4 erzeugen würden (dynamischer Integritätstest).<br />
Aber die o.a. erste Integritätsbedingung stellt nur eine unzureichende Lösung des Problems dar, die<br />
logische Widerspruchsfreiheit von Formelmengen zu gewährleisten. Denn im o.a. Beispiel enthält<br />
bereits die ursprünglich vorgegebene Formelmenge FM = {F1;F3;F1→F2;F3→F4;F2→(¬F4)} einen<br />
logischen Widerspruch, der nur nicht offensichtlich war, weil die Formelmenge FM nicht zugleich<br />
eine Formel und deren Negat umfasst. Die logische Widersprüchlichkeit der Formelmenge FM liegt<br />
darin begründet, dass im Rahmen der formalen Semantik der Prädikatenlogik keine Interpretation<br />
ihrer atomaren Formeln existiert, welche die Formelmenge als Ganzes erfüllen, d.h. zu einer gültigen<br />
Formelmenge führen und daher ein Modell der Formelmenge darstellen würde. 74) Die Vorschrift<br />
der ersten Integritätsbedingung, dass zulässige Formelmengen niemals eine Formel und zugleich<br />
deren Negat enthalten dürfen, greift also zu kurz. Sie drückt nur eine notwendige, aber keine<br />
hinreichende Bedingung für die logische Widerspruchsfreiheit einer Formelmenge aus.<br />
Notwendig und hinreichend für die logische Widerspruchsfreiheit einer Formelmenge ist vielmehr<br />
die Bedingung, dass für diese Formelmenge in der formalen Semantik der Prädikatenlogik mindestens<br />
eine Interpretation existieren muss, unter der die Formelmenge gültig ist; es muss also mindestens<br />
ein prädikatenlogisches Modell dieser Formelmenge existieren. Diese zweite Integritätsbedin-<br />
73) Bei der nachstehenden Formel handelt es sich um einen prädikatenlogischen Ausdruck 2. Stufe, weil sich der Allquantor nicht<br />
über eine Individuen-, sondern über eine Mengen-Variable erstreckt: die Variable FM steht für eine beliebige Formelmenge.<br />
74) Die logische Widersprüchlichkeit der Formelmenge FM wurde bereits in der voranstehenden Fußnote 71 auf S. 449 f. mithilfe<br />
der Modell-Semantik der Prädikatenlogik aufgezeigt.
452 2.4 Generische Kompetenzontologie<br />
gung löst zwar das Problem, die logische Widerspruchsfreiheit von Formelmengen zu gewährleisten.<br />
Aber sie lässt sich – im Gegensatz zum oben vorgestellten ersten Versuch – nicht mehr mit objektsprachlichen<br />
Ausdrucksmitteln der Prädikatenlogik (auch nicht im Rahmen der Prädikatenlogik<br />
2. Stufe) ausdrücken. Stattdessen müsste auf den aufwendigeren und oftmals als intransparent empfundenen<br />
formalsprachlichen Apparat der formalen Modell-Semantik der Prädikatenlogik 1. Stufe<br />
zurückgegriffen werden, um die zweite Integritätsbedingung formalsprachlich korrekt wiederzugeben.<br />
75)<br />
F-Logic als Repräsentationssprache für Ontologien verfügt jedoch nicht über dieses Ausdrucksvermögen.<br />
Da in diesem Werk lediglich diejenigen formalsprachlichen Ausdrucksmittel thematisiert<br />
werden, die im Rahmen von F-Logic für die Konstruktion von Ontologien Einsatz finden können,<br />
wird darauf verzichtet, die zweite Integritätsbedingung formalsprachlich auszuformulieren. Ihr Beispiel<br />
mag aber ausreichen, um zu verdeutlichen, dass die Formalisierung von Integritätsregeln – und<br />
allgemeiner: von Integritätsbedingungen – keine triviale Aufgabe darstellt. Daher sollte es auch<br />
nicht verwundern, dass es im Rahmen des KOWIEN-Projekts zwar gelang, eine größere Anzahl<br />
neuer, objektsprachlicher Inferenzregeln zu gewinnen, aber die Ausbeute formalsprachlicher Integritätsregeln<br />
eher „dürftig“ blieb.<br />
Das zweite Beispiel entstammt dem Bereich der Netzplantechnik. 76) Es zielt zunächst darauf ab zu<br />
verdeutlichen, dass „gewöhnliche“ Integritätsbedingungen – im Gegensatz zum voranstehenden,<br />
besonders anspruchsvollen Fall der Sicherstellung der logischen Widerspruchsfreiheit – durchaus<br />
mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik formuliert werden können und dabei<br />
noch nicht einmal der Bereich der Prädikatenlogik 1. Stufe verlassen werden muss. Zugleich wird<br />
gezeigt, dass sich die betroffene Integritätsbedingung als Integritätsregel in Subjugat-Form darstellen<br />
lässt. Somit gibt das Beispiel den „Standardfall“ einer prädikatenlogisch darstellbaren Integritätsregel<br />
wieder. Darüber hinaus dient das Beispiel dazu, für die unterschiedliche „pragmatische<br />
Qualität“ von Inferenz- und Integritätsregeln zu sensibilisieren. Es wird gezeigt werden, dass dieselbe<br />
objektsprachliche Subjugat-Formel sowohl als eine (objektsprachliche) Inferenzregel als auch<br />
als eine Integritätsregel verwendet werden kann. Daher muss der Konstrukteur einer Ontologie jeweils<br />
festlegen, in welcher Absicht er eine solche Formel in eine Ontologie aufnimmt: entweder zu<br />
dem Zweck, zusätzliche Schlussfolgerungen ziehen zu können (im Fall einer Inferenzregel), oder zu<br />
dem Zweck, die Zulässigkeit der wissensrepräsentierenden Formelmengen sicherzustellen (im Fall<br />
einer Integritätsregel). Da sich dieser verfolgte Zweck der äußeren Form einer Formel nicht ansehen<br />
75) Stattdessen wäre es ebenso möglich, sich auf den – ebenso als intransparent geltenden, formalsprachlichen – Apparat der formalen<br />
Inferenz-Semantik der Prädikatenlogik 1. Stufe zu stützen: Aus diesem Blickwinkel ist eine Formelmenge genau dann<br />
widerspruchsfrei, wenn sich aus ihr die kontradiktorische Formel f (vgl. S. 244, 1 Induktionsregel, nicht zu verwechseln mit<br />
dem metasprachlichen Symbol f für die Gültigkeit einer Formel im Rahmen der Modell-Semantik) nicht ableiten lässt. Auf diese<br />
notwendige und hinreichende Bedingung für die Widerspruchsfreiheit einer Formelmenge aus der prädikatenlogischen Inferenz-Semantik<br />
greift z.B. die Resolutionsregel zurück, die neben der Unifizierungsregel dem Inferenzkalkül der prädikatenlogischen<br />
Programmiersprachen Prolog zugrunde liegt.<br />
76) Das Beispiel wurde bereits in der Fußnote 56 auf S. 444 f. verwendet. Es wird hier noch einmal aufgegriffen und ausführlicher<br />
diskutiert, um die unterschiedliche pragmatische Qualität von Inferenz- und Integritätsregeln zu verdeutlichen. Für die Leser,<br />
welche die frühere Fußnote nicht mehr in Erinnerung haben, werden die wesentlichen Aspekte des Netzplanbeispiels an dieser<br />
Stelle wiederholt, damit die Ausführungen hier „in sich“ verständlich erscheinen und somit ein Verweis auf zuvor Gesagtes<br />
überflüssig ist (Redundanzen werden daher bewusst in Kauf genommen).
2.4 Generische Kompetenzontologie 453<br />
lässt, muss der Konstrukteur einer Ontologie den pragmatischen Status von Formeln, die entweder<br />
Inferenz- oder aber Integritätsregeln darstellen sollen, selbst explizit festlegen. 77)<br />
Ein Netzplan lässt sich formalsprachlich als ein gerichteter Graph darstellen, dessen Knoten jeweils<br />
eine Aktivität und dessen Kanten jeweils eine Präzedenzbeziehung zwischen je zwei Aktivitäten<br />
darstellen. 78) Die Kanten können mit nicht-negativen (nicht-positiven) Rationalzahlen für Minimalfristen<br />
(Maximalfristen) beschriftet sein, die jeweils zwischen Anfangs- oder Endzeitpunkten zweier<br />
Aktivitätsausführungen einzuhalten sind. Falls Präzedenzbeziehungen mit Maximalfristen in der<br />
umgekehrten Richtung wie Präzedenzbeziehungen mit Minimalfristen dargestellt werden, können in<br />
einem netzplanrepräsentierenden Graphen zyklische Wege auftreten, die von jedem Knoten des<br />
Zyklus ohne Wechsel der Kantenrichtung zu diesem Knoten zurückführen. Durch elementare Überlegungen<br />
lässt sich zeigen, dass ein Netzplan nur dann zulässig sein kann, wenn der netzplanrepräsentierende<br />
Graph keinen zyklischen Weg mit positiver Länge 79) aufweist. Denn würde ein solcher<br />
Weg im Graph existieren, dann wären zwischen zwei Aktivitätsausführungen die (nicht-negativen,<br />
in der Regel sogar positiven) Minimalfristen insgesamt größer als die (nicht-positiven, in der Regel<br />
sogar negativen) Maximalfristen. Es kann aber in der Realität niemals zutreffen, dass die Summe<br />
der Minimalabstände zwischen zwei Referenzzeitpunkten größer als die Summe der Maximalabstände<br />
zwischen denselben Referenzzeitpunkten ist. Daher lässt sich als inhaltliche Anforderung an<br />
zulässige Netzpläne die (notwendige) Integritätsbedingung formulieren, dass jeder zyklische Weg<br />
W, der in der graphischen Repräsentation eines beliebigen Netzplans X vorkommt, eine nichtpositive<br />
Weglänge L(W) aufweisen muss. Mit N(X) als Prädikat für den Sachverhalt, dass das formale<br />
Objekt X die graphische Repräsentation eines Netzplans ist, und Z(W,X) als Prädikat für den<br />
Sachverhalt, dass das formale Objekt W in der graphischen Netzplanrepräsentation X einen zyklischen<br />
Weg darstellt, kann die vorgenannte Integritätsbedingung als folgende Integritätsregel in Subjugat-Form<br />
ausgedrückt werden:<br />
∀X∀W : ( N(X) ∧Z(W,X) ) →L(W) ≤0<br />
Diese Integritätsregel für (graphisch repräsentierte) Netzpläne wird nur mit objektsprachlichen<br />
Ausdrucksmitteln der Prädikatenlogik 1. Stufe formuliert. Die beiden Allquantoren und die atomaren<br />
Prädikate N(X), Z(W,X) sowie L(W) ≤ 0 erstrecken sich in der o.a. Subjugat-Formel jeweils nur<br />
über die Individuen-Variablen X und W für die formalen Objekte der (netzplanrepräsentierenden)<br />
Graphen bzw. der Wege in Graphen.<br />
Die Subjugat-Formel ( )<br />
∀X∀W: N(X) ∧Z(W, X) → L(W) ≤ 0 könnte jedoch ebenso als eine objektsprachliche<br />
Inferenzregel aufgefasst werden. Sie lässt sich mit der metasprachlichen Inferenzre-<br />
77) Daher plädieren die Verfasser dafür, in Ontologien durch eine strukturierte Darstellungsweise jeweils Sektionen vorzusehen, in<br />
denen mittels natürlichsprachlicher Ergänzungen explizit festgelegt wird, ob die dort aufgeführten Formeln den pragmatischen<br />
Status von entweder Inferenz- oder aber Integritätsregeln besitzen.<br />
78) Da die Netzplantechnik in diesem Werk nicht im Fokus des Interesses steht, wird auf die vielfältigen Varianten der Netzplantechnik<br />
und deren Details nicht näher eingegangen. Stattdessen beschränken sich die Ausführungen auf das „Notwendigste“,<br />
um die Zweideutigkeit objektsprachlicher Subjugat-Formeln demonstrieren zu können. Dabei wird der „vorherrschende“ Typ<br />
der Vorgangs- oder Aktivitätsknoten-Netzpläne zugrunde gelegt, die z.B. in der MPM- und der VKN-Variante der Netzplantechnik<br />
Anwendung finden.<br />
79) Die Länge eines Wegs lässt sich in der graphischen Repräsentation eines Netzplans anhand der Summe aller rationalzahligen<br />
Anschriften an denjenigen (gleich gerichteten) Kanten messen, die gemeinsam mit den Knoten zwischen den Kanten den jeweils<br />
betrachteten Weg bilden.
454 2.4 Generische Kompetenzontologie<br />
gel des ARISTOTELISCHEN Syllogismus 80) kombinieren, die den Schluss vom Allgemeinen auf das<br />
Besondere ermöglicht. Diese Inferenzregel lautet zunächst in ihrer generischen Form mit „ob“ als<br />
Konstante für ein beliebiges formales Objekt und X als Individuen-Variable:<br />
{ A(ob); ∀X :A(X) →B(X) } B(ob)<br />
Diese metasprachliche Inferenzregel lässt sich nicht unmittelbar mit der o.a. objektsprachlichen<br />
Subjugat-Formel ( )<br />
∀X∀W: N(X) ∧Z(W, X) →L(W) ≤ 0 kombinieren, weil das Schlussfolge-<br />
rungsschema der generischen Inferenzregel des ARISTOTELISCHEN Syllogismus mit seiner objektsprachlichen<br />
Subjugat-Formel A(X) → B(X) lediglich für einstellige Prädikate A(X) und B(X) definiert<br />
ist. Die objektsprachliche Subjugat-Formel für Netzpläne weist dagegen aufgrund des zweistelligen<br />
Prädikats Z(W,X) eine etwas komplexere Struktur auf.<br />
Die strukturellen Analogien zwischen erstens dem atomaren Prädikat A(·) und dem zusammengesetzten<br />
Prädikat N(·) ∧ Z(·) sowie zweitens zwischen dem atomaren Prädikat B(·) und dem ebenso<br />
atomaren Prädikat L(·)≤0 sind jedoch offensichtlich. Daher ist es möglich, die objektsprachliche<br />
Subjugat-Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0 in das Schlussfolgerungsschema der<br />
generischen Inferenzregel des ARISTOTELISCHEN Syllogismus als objektsprachliche Inferenzregel<br />
wie folgt einzubetten:<br />
⎧ ⎫<br />
⎪ ⎪<br />
⎨N(ob ) ∧Z(ob ,ob ); ∀X∀W : ( N(X) ∧Z(W,X) ) →L(W) ≤0⎬ L(ob ) ≤0<br />
<br />
1 2 1 2<br />
⎪⎩ objektsprachliche Inferenzregel ⎪⎭<br />
Diese spezielle metasprachliche Inferenzregel, die nur auf die Domäne der Netzplantechnik bezogen<br />
ist (domänenspezifische Inferenzregel), drückt aus: Wenn ob2 ein zyklischer Weg in einem<br />
netzplanrepräsentierenden Graph ob1 ist, dann hat der zyklische Weg eine nicht-positive Weglänge.<br />
Die Notation der metasprachlichen Inferenzregel verdeutlicht auch, dass die objektsprachlichen Inferenzregeln<br />
keine eigenständigen Inferenzregeln darstellen, sondern nur als objektsprachliche Subjugat-Formeln<br />
an der Formulierung von metasprachlichen Inferenzregeln teilhaben. Dies wurde an<br />
früherer Stelle bereits ausführlicher erläutert.<br />
Die Behandlung der Subjugat-Formel ( )<br />
∀X∀W: N(X) ∧Z(W,X) →L(W) ≤ 0 als eine objektsprachliche<br />
Inferenzregel würde jedoch zu falschen Resultaten führen, die sich letztlich in logischen<br />
Widersprüchen niederschlagen. Dies betrifft alle Graphen, die „syntaktisch korrekt“ konstruierte<br />
Netzpläne repräsentieren, aber hinsichtlich ihrer „temporalen Semantik“ unzulässig sind, weil sie<br />
mindestens einen zyklischen Weg (syntaktisch korrekt) mit positiver Weglänge (semantisch unzulässig)<br />
enthalten. Denn für jeden netzplanrepräsentierenden Graph ob1, der mindestens einen zyklischen<br />
Weg ob2 enthält, erzeugt die Anwendung der o.a. domänenspezifischen Inferenzregel das<br />
Theorem, dass dieser zyklische Weg ob2 wegen L(ob2) ≤ 0 eine nicht-positive Länge besitzt. Dies<br />
ist offensichtlich falsch, weil der zyklische Weg ob2 laut Voraussetzung eine positive Weglänge<br />
aufweist. Wenn die tatsächliche Weglänge des zyklischen Wegs ob2 als Faktum – z.B. L(ob2) = 8<br />
für die Weglänge von 8 Längeneinheiten – in einer Wissensbasis repräsentiert wird, dann enthält<br />
diese Wissensbasis nach Anwendung der domänenspezifischen Inferenzregel für Netzpläne ebenso<br />
80) Vgl. BUCHER (1987) S. 145. Streng genommen handelt es sich bei der o.a. Inferenzregel nur um eine „individuen-bezogene“<br />
Variante aus der Familie von Syllogismen, die auf ARISTOTELES zurückgehen. Vgl. zu den – je nach Zählweise – insgesamt 15<br />
bis 19 Syllogismen (wenn von „unnötig „schwachen“ Inferenzregeln abgesehen wird) aus der ARISTOTELISCHEN Logik die systematischen<br />
Darstellungen bei BUCHER (1987) S. 138 ff. und WOLTERS (2004b) S. 156 ff.
2.4 Generische Kompetenzontologie 455<br />
das Faktum L(ob2) ≤ 0. Die beiden faktischen Formeln L(ob2) = 8 und L(ob2) ≤ 0 stellen einen logischen<br />
Widerspruch dar.<br />
Die objektsprachliche Subjugat-Formel lässt sich, wie das voranstehende Beispiel zeigte, sowohl in<br />
der Absicht benutzen, eine Integritätsregel auszudrücken, als auch in der Absicht verwenden, eine<br />
domänenspezifische Inferenzregel zu formulieren. Da der objektsprachlichen Subjugat-Formel nicht<br />
angesehen werden kann, in welcher Absicht sie in einer Ontologie aufgeführt wird, muss ihr der intendierte<br />
pragmatische Status – also ihr Charakter entweder als Inferenz- oder aber als Integritätsregel<br />
– explizit zugewiesen werden. In dem hier diskutierten Beispiel kommt nur ihre Verwendung<br />
zur Formulierung einer Integritätsregel in Betracht, da sie als Bestandteil einer domänenspezifischen<br />
Inferenzregel zu falschen Schlussfolgerungen und letztlich zu (unzulässigen) logischen Widersprüchen<br />
führen würde.<br />
Im Folgenden stellt die Subjugat-Formel ( )<br />
∀X ∀W: N(X) ∧Z(W,X) →L(W) ≤ 0 eine Integritätsregel<br />
dar. Dann bleibt aber zu klären, wie in einer prädikatenlogisch basierten Wissensrepräsentation<br />
ein Integritätstest mit Hilfe dieser Integritätsregel realisiert werden kann. Darüber hinaus ist festzulegen,<br />
wie sich bei einem statischen Integritätstest im Fall einer festgestellten Integritätsverletzung<br />
die Integrität der betroffenen Formelmenge herstellen lässt und wie sich bei einem dynamischen Integritätstest<br />
im Fall einer festgestellten Integritätsverletzung die Integrität einer Formelmenge durch<br />
Verhinderung oder Rücksetzung der Anwendung einer integritätsverletzenden Inferenzregel wahren<br />
lässt. Weder die Durchführung des Integritätstests noch die Integritätsherstellung bzw. Integritätswahrung<br />
im Falle einer festgestellten Integritätsverletzung werden durch die objektsprachliche Subjugat-Formel<br />
∀X∀W: ( N(X) ∧Z(W,X) ) →L(W) ≤ 0 ausgedrückt. Stattdessen müssen in der prädikatenlogisch<br />
basierten Wissensrepräsentation zusätzliche Vorgehensschemata („Mechanismen“)<br />
verankert sein.<br />
Die Durchführung des Integritätstests lässt sich durch die prädikatenlogisch realisierbare Abfrage<br />
verwirklichen, ob in der Wissensbasis die Formel N(X) ∧ Z(W, X) ∧ L(W) > 0 durch mindestens<br />
einen netzplanrepräsentierenden Graph ob1 (d.h. N(ob1)) und mindestens einen zyklischen Weg ob2<br />
in diesem Graph (d.h. Z(ob2,ob1)) erfüllt wird, indem diese Abfrage mit der Anweisung verknüpft<br />
wird, alle Paare (ob1,ob2) aus Graphen ob1 und zyklischen Wegen ob2 auszugeben, welche die voranstehende<br />
Formel erfüllen. 81) Wenn die Abfrage mit einem „nein“ beantwortet wird, ist die Integritätsregel,<br />
die durch die objektsprachliche Subjugat-Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0<br />
ausgedrückt wird, eingehalten; die betroffenen Netzpläne sind zulässig – zumindest im Hinblick auf<br />
die Längen ihrer zyklischen Wege. 82) Andernfalls liefert die Abfrage im Falle mindestens einer Integritätsverletzung<br />
nicht nur ein schlichtes „ja“, sondern auch eine Auflistung aller Netzpläne und<br />
81) Eine solche Anweisung lässt sich z.B. in der (prädikaten-) logischen Programmiersprache Prolog mithilfe des metasprachlichen<br />
Findall-Operators verwirklichen. Vgl. CLOCKSIN/MELLISH (1987) S. 156 f.; O.V. (2001) S. 174 f.; SPENCER-SMITH (1991) S. 257<br />
f. Vgl. darüber hinaus O.V. (2002) S. 6 ff. zu einem Findall-analogen Operator im PAL-Plug-in der Ontologie-Software Protégé-2000.<br />
82) Ein Netzplan – oder im hier thematisierten Kontext genauer: ein netzplanrepräsentierender Graph – kann aus verschiedenen<br />
Gründen unzulässig sein. Daher ist die Abwesenheit zyklischer Wege mit positiver Weglänge keineswegs hinreichend dafür,<br />
dass ein Netzplan zulässig ist. Vielmehr handelt es sich nur um eine notwendige (Integritäts-) Bedingung für die Netzplanzulässigkeit:<br />
Wenn sie verletzt ist, wenn also mindestens ein zyklischer Weg mit positiver Weglänge in einem Netzplan existiert,<br />
dann ist dieser Netzplan unzulässig.
456 2.4 Generische Kompetenzontologie<br />
ihrer zyklischen Wege, welche die Integritätsregel jeweils verletzen. Der Integritätstest kann also<br />
mit prädikatenlogischen Hilfsmitteln „im Prinzip“ 83) realisiert werden.<br />
Größere Probleme bereitet hingegen die Integritätsherstellung 84) für den Fall, in dem eine Integritätsverletzung<br />
durch mindestens einen zyklischen Weg mit positiver Weglänge festgestellt wurde.<br />
Als pars pro toto sei einer dieser zyklischen Wege mit positiver Weglänge betrachtet. Um einen<br />
Zyklus bilden zu können, muss er mindestens zwei Kanten umfassen. Aus der prädikatenlogischen<br />
Wissensrepräsentation lässt sich nur schlussfolgern, dass die Gesamtheit aller – also mindestens<br />
zwei – Kanten des zyklischen Weges dessen positive Weglänge und damit die Unzulässigkeit desjenigen<br />
(netzplanrepräsentierenden) Graphen verursacht hat, zu dem der zyklische Weg gehört.<br />
Analog zur Gemeinkosten- oder Gemeinerlösproblematik der Betriebswirtschaftslehre gibt es keinen<br />
logisch zwingenden Grund, eine einzelne Kante oder echte Teilmenge der Menge aller Kanten<br />
des zyklischen Weges als Verursacher der positiven Weglänge auszuzeichnen. Daher kann es im<br />
Rahmen der Prädikatenlogik auch keine Hilfestellung geben, wie sich die Integrität des unzulässigen<br />
Graphen herstellen lässt, wie sich also sein zyklischer Weg so modifizieren lässt, dass ein neuer<br />
zyklischer Weg mit nicht-positiver Weglänge (oder sogar ein nicht-zyklischer Weg) resultiert.<br />
Stattdessen ist für solche integritätsherstellenden Operationen „außerlogisches“ Zusatzwissen erforderlich.<br />
Es kann z.B. heuristisches Wissen darüber enthalten, wie sich zyklische Wege positiver<br />
Weglänge mit einem „Minimum“ an Veränderungen des betroffenen Graphen eliminieren lassen. Je<br />
nachdem, wie dieses Veränderungsminimum operational definiert wird, können unterschiedliche<br />
Heurismen für die integritätsherstellende „Reparatur“ des betroffenen Graphen resultieren.<br />
Da in dem hier vorgelegten Werk Netzpläne und ihre Repräsentation durch Graphen nicht näher interessieren,<br />
braucht auf die Details solcher heuristischer „Reparaturmechanismen“ nicht eingegangen<br />
zu werden. Stattdessen reicht das Beispiel der netzplanrepräsentierenden Graphen aus, um zu<br />
veranschaulichen, dass die Formulierung von Integritätsregeln eine anspruchsvolle Aufgabe darstellt:<br />
Selbst wenn sich der „inhaltliche Kern“ 85) einer Integritätsregel noch mit objektsprachlichen<br />
83) Der „im Prinzip“-Zusatz verweist darauf, dass die Erfüllbarkeit prädikatenlogischer Formeln gewöhnlich nur auf nicht-konstruktive<br />
Weise überprüft werden kann. Denn die Abfrage nach Erfüllbarkeit der zugrunde liegenden Formel wird mittels einer<br />
zweiten Formel realisiert, deren Variablen jeweils durch einen Existenzquantor gebunden sind. Wenn es gelingt, die Gültigkeit<br />
dieser zweiten Formel zu beweisen, so weiß man zwar, dass die zugrunde liegende Formel durch mindestens ein Tupel aus<br />
formalen Objekten erfüllt wird, das ein „Modell“ der zugrunde liegenden Formel darstellt. Aber das Abfrage-Ergebnis lautet<br />
schlicht „ja“ in dem Sinne, dass die zugrunde liegende Formel erfüllbar ist. Aus diesem „ja“ ist jedoch nicht ersichtlich, welche<br />
konkreten Tupel aus formalen Objekten die zugrunde liegende Formel jeweils erfüllen: die formelerfüllenden Tupel werden<br />
nicht „konstruktiv“ angegeben. Vielmehr bedarf es zusätzlicher Mechanismen, die über die „reine“ Prädikatenlogik hinausgehen,<br />
um alle formelerfüllenden Tupel aus formalen Objekten, d.h. alle „Modelle“ der Formel, auflisten zu können. Ein solcher<br />
Mechanismus ist in der (prädikaten-) logischen Programmiersprache Prolog in der Gestalt des metasprachlichen Findall-Operators<br />
implementiert, der aus den Inferenzprozessen, welche die Erfüllbarkeit einer Formel abzuleiten gestatten, die formelerfüllenden<br />
Tupel „abgreift“.<br />
84) Hier wird nur die Integritätsherstellung für einen statischen Integritätstest betrachtet, der negativ verlaufen ist, d.h. eine Integritätsverletzung<br />
aufgezeigt hat. Die Integritätswahrung für einen dynamischen Integritätstest bleibt dagegen außer Acht, weil im<br />
hier diskutierten Beispiel keine „sinnvolle“ Inferenzregel vorkommt, deren Anwendung zu einer Integritätsverletzung führen<br />
könnte und daher zwecks Integritätswahrung zu verhindern oder rückgängig zu machen wäre. Als einzige Kandidatin für eine<br />
solche Inferenzregel käme die o.a. domänenspezifische Inferenzregel in Betracht, die aus der objektsprachlichen Subjugat-<br />
Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0 gewonnen wurde. Aber es wurde schon oben gezeigt, dass diese Inferenzregel<br />
zu falschen Resultaten und letztlich zu logischen Widersprüchen führen würde. Daher wurde sie als „sinnlose“ – d.h. logisch<br />
widersprüchliche – Inferenzregel ausgegrenzt.<br />
85) Als „inhaltlicher Kern“ einer Integritätsregel wird hier diejenige Regelkomponente verstanden, mit deren Hilfe sich der regelspezifische<br />
Integritätstest formulieren lässt. Nicht zu diesem Kern gehören die Vorgehensschemata oder „Mechanismen“, die<br />
im Falle der Feststellung einer Integritätsverletzung angewendet werden können, um die Integritätsverletzung zu beseitigen.
2.4 Generische Kompetenzontologie 457<br />
Ausdrucksmitteln der Prädikatenlogik 1. Stufe formulieren lässt, so betrifft dies in der Regel – wenn<br />
überhaupt 86) – nur die Formulierung des Integritätstests. Dies wurde hier im zweiten Beispiel mittels<br />
der objektsprachlichen Subjugat-Formel ∀X ∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤0exemplarisch<br />
aufgezeigt. Allerdings sind für den Fall, dass aus dem Integritätstest die Feststellung einer Integritätsverletzung<br />
resultiert, zusätzliche Mechanismen erforderlich, um nach einem negativ ausgefallenen<br />
statischen Integritätstest die Integrität der überprüften Formelmenge herzustellen und nach einem<br />
negativ ausgefallenen dynamischen Integritätstest die Integrität der ursprünglich vorliegenden<br />
Formelmenge durch Verhinderung oder Rücknahme der integritätsverletzenden Anwendung einer<br />
Inferenzregel zu wahren. Diese zusätzlichen Mechanismen lassen sich im Rahmen der konventionellen<br />
Prädikatenlogik nicht mehr ausdrücken. Ebenso stehen in F-Logic keine Ausdrucksmittel zur<br />
Verfügung, um solche integritätsherstellenden bzw. -wahrenden Mechanismen zu spezifizieren.<br />
Dies stellt einen erheblichen Mangel von Ontologien dar, die mittels prädikatenlogisch basierter<br />
Wissensrepräsentationssprachen konstruiert werden. Dieser Mangel betrifft alle Ontologien, die in<br />
diesem Werk vorgestellt werden, weil eine (frühe) Basisentscheidung zugunsten der prädikatenlogisch<br />
basierten Wissensrepräsentationssprache F-Logic getroffen wurde. 87)<br />
Mit dem dritten und letzten Beispiel wird das komplizierte Feld der Integritätsregeln verlassen, um<br />
sich einer Regel zuzuwenden, die von vornherein nur als objektsprachliche Inferenzregel in Betracht<br />
kommt. Sie dient dazu, die Formulierung objektsprachlicher Inferenzregeln und ihre Einbettung<br />
in die metasprachlichen Inferenzregeln der Prädikatenlogik exemplarisch zu verdeutlichen. In<br />
späteren Ausführungen zur KOWIEN-Ontologie werden diese Erläuterungen als bekannt vorausgesetzt,<br />
so dass die Ausführungen dort wesentlich kompakter ausfallen können.<br />
Objektsprachliche Inferenzregeln zeichnen sich dadurch aus, dass sie keine eigenständigen Inferenzregeln<br />
darstellen, sondern nur objektsprachliche Subjugat-Formeln, die in metasprachliche Inferenzregeln<br />
der Prädikatenlogik eingebettet werden können. Darauf wurde bereits an früherer Stelle<br />
eingegangen. Darüber hinaus sind objektsprachliche Inferenzregeln stets auf einen speziellen Realitätsausschnitt<br />
– die so genannte „Domäne“ – bezogen, innerhalb dessen sie „inhaltliche“ 88) , die materiellen<br />
89) Eigenarten des Realitätsausschnitts berücksichtigende Schlussfolgerungen ermöglichen.<br />
Daher werden die objektsprachlichen Inferenzregeln auch als domänenspezifische Inferenzregeln<br />
86) Im ersten Beispiel wurde anhand der Integritätsbedingung für die logische Widerspruchsfreiheit aufgezeigt, dass sich noch nicht<br />
einmal der Integritätstest mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik 1. Stufe formulieren lässt. Stattdessen<br />
konnte nur eine notwendige, aber keine hinreichende Integritätsbedingung für die logische Widerspruchsfreiheit einer Formelmenge<br />
mit objektsprachlichen Ausdrucksmitteln formuliert werden. Darüber hinaus reichten für diese eingeschränkte – da nur<br />
notwendige – Integritätsbedingung die Ausdrucksmittel der Prädikatenlogik 1. Stufe nicht aus, sondern sie erforderte einen<br />
Übergang zur Prädikatenlogik 2. Stufe.<br />
87) Aufgrund dieses grundsätzlichen Mangels, Mechanismen zur Integritätsherstellung oder -wahrung nach Feststellung einer Integritätsverletzung<br />
mittels einer prädikatenlogisch basierten Wissensrepräsentationssprache nicht ausdrücken zu können, wird<br />
im Folgenden darauf verzichtet, Integritätsherstellung bzw. Integritätswahrung als Komponenten von Integritätsregeln zu thematisieren.<br />
Stattdessen wird nur noch der „inhaltliche Kern“ von Integritätsregeln diskutiert, der zur Formulierung des regelspezifischen<br />
Integritätstests dient.<br />
88) Mit dem Attribut „inhaltliche“ erfolgt eine Abgrenzung von den metasprachlichen Inferenzregeln der Prädikatenlogik, die in ihren<br />
Schlussfolgerungsschemata ausschließlich auf die Form der involvierten Formeln, nicht aber auf deren Bedeutungen („Inhalte“)<br />
Bezug nehmen.<br />
89) Die Attribute „inhaltlich“ und „materiell“ werden in diesem Werk synonym verwendet.
458 2.4 Generische Kompetenzontologie<br />
bezeichnet. 90) Die metasprachlichen Inferenzregeln der Prädikatenlogik nehmen dagegen keinen<br />
Bezug auf die Inhalte derjenigen Formeln, die in ihren Schlussfolgerungsschemata aufgeführt werden.<br />
Stattdessen ist für diese metasprachlichen Inferenzregeln nur die (prädikaten-) logische Form<br />
der involvierten Formeln maßgeblich. Daher gelten die metasprachlichen Inferenzregeln unabhängig<br />
von den besonderen materiellen Eigenarten eines Realitätsausschnitts; sie besitzen universelle,<br />
d.h. domänenunabhängige Geltung.<br />
Innerhalb der Domäne des KOWIEN-Projekts, des Managements von Wissen über Kompetenzen,<br />
Kompetenzträger und Kompetenzprofile, spielen Schlussfolgerungen eine große Rolle, mit denen<br />
auf die Kompetenz eines Akteurs geschlossen werden kann. Sie betreffen Situationen, in denen die<br />
Kompetenzen eines Akteurs nicht vollständig bekannt sind, aber aus anderem Wissen über den betroffenen<br />
Akteur mit „praktischer Plausibilität“ gefolgert werden kann, dass der Akteur über eine<br />
bestimmte, bislang nicht explizit bekannte Kompetenz verfügt. Diese objektsprachlichen, domänenspezifischen<br />
Inferenzregeln werden im Folgenden kurz als Kompetenzregeln 91) bezeichnet. Für die<br />
Verwendung von Kompetenzregeln bei der Konstruktion von Ontologien gilt es, zwei Besonderheiten<br />
zu beachten.<br />
Erstens ermöglichen objektsprachliche, domänenspezifische Inferenzregeln, zu denen die Kompetenzregeln<br />
gehören, in der Regel nur plausible Schlussfolgerungen. Solche Schlussfolgerungen besitzen<br />
eine besondere epistemische Qualität. Denn Plausibilitätsschlüsse erweisen sich zwar kraft<br />
praktischer, zeitlich rückwärts gerichteter Erfahrungen als oftmals zutreffend, aber lassen – sowohl<br />
in der Vergangenheit als auch in der Zukunft – plausibilitätsverletzende Ausnahmen zu. Daher kann<br />
dem Ergebnis eines Plausibilitätsschlusses niemals der „zwingende Gültigkeitsanspruch“ einer<br />
Konklusion zukommen, die mittels der metasprachlichen, allgemeingültigen Inferenzregeln der Prädikatenlogik<br />
aus einer gültigen Formelmenge abgeleitet wurde. Vielmehr besitzt das Ergebnis eines<br />
90) Es kann nicht ausgeschlossen werden, dass eine objektsprachliche, domänenspezifische Inferenzregel auch dann noch mit korrekten<br />
Resultaten angewendet werden kann, wenn sie innerhalb eines anderen Realitätsausschnitts (Transfer-Domäne) benutzt<br />
wird, als für den sie ursprünglich formuliert wurde (Ursprungs-Domäne). Ein solcher Inferenzregel-Transfer auf einen anderen<br />
Realitätsausschnitt wird aber nur dann weiterhin zu korrekten Resultaten führen, wenn die Transfer-Domäne der Ursprungs-<br />
Domäne zumindest hinsichtlich derjenigen inhaltlichen Merkmale hinreichend ähnelt, die für die Korrektheit der betrachteten<br />
Inferenzregel ausschlaggebend sind. Wenn dieser Inferenzregel-Transfer gelingt, stellt dies einen bemerkenswerten Beitrag zur<br />
Realisierung des Konzepts des „knowledge reuse“ dar, das im Wissensmanagement immer wieder herausgestellt wird. Allerdings<br />
stellen sich dem Versuch des Inferenzregel-Transfers erhebliche praktische Schwierigkeiten entgegen. Erstens gilt es, die<br />
korrektheitsrelevanten inhaltlichen Merkmale zu identifizieren. Zweitens muss die „hinreichende Ähnlichkeit“ von Realitätsausschnitten<br />
hinsichtlich solcher Merkmale operational spezifiziert werden. Beide Anforderungen stellen derart hohe Hürden<br />
für den angestrebten Inferenzregel-Transfer dar, dass von den Verfassern derzeit (noch) keine nennenswerte Perspektive gesehen<br />
wird, diesen Transfer praktisch leisten zu können. Daher wird auf diesen Aspekt hier nicht weiter eingegangen.<br />
91) Die Bezeichnung „Kompetenzregel“ ist von der ähnlichen Bezeichnung „Kompetenzfrage“ abzugrenzen, die im Kontext von<br />
Ontologien des Öfteren Verwendung findet. Während Erstgenanntes dafür reserviert ist, solche objektsprachlichen Inferenzregeln<br />
zu denotieren, mittels derer auf Kompetenzen und Kompetenzausprägungen in Bezug auf Akteure geschlossen werden<br />
kann, wird Zweitgenanntes dafür verwendet, die Ausdrucksmächtigkeit einer Ontologie zu operationalisieren (vgl. SURE (2003)<br />
S. 83 ff.). Die Ausdrucksmächtigkeit einer Ontologie wird in diesen Fällen danach bemessen, welche „Kompetenzfragen“ potenziell<br />
durch eine ontologiebasierte Wissensbasis beantwortet werden können. Mit Kompetenzfragen wird somit nicht auf die<br />
Kompetenz von Akteuren geschlossen, sondern auf die „Kompetenz einer Ontologie“. Sie erlangen ihre besondere Bedeutung<br />
im Rahmen von Vorgehensmodellen zur Konstruktion von Ontologien. Trotz der Unterschiede in der Auslegung von „Kompetenzregel“<br />
und „Kompetenzfrage“ haben die beiden Bezeichnungen auch eine wesentliche Gemeinsamkeit. Durch beide Bezeichnungen<br />
werden nämlich Ausdrücke denotiert, die mit den objektsprachlichen Ausdrucksmitteln einer Ontologie konstruiert<br />
werden. Wie im Fall von Kompetenzregeln, so werden auch Kompetenzfragen als Formeln über einer – noch zu konstruierenden<br />
– Ontologie spezifiziert.
2.4 Generische Kompetenzontologie 459<br />
Plausibilitätsschlusses nur „vorläufige Gültigkeit“ im Sinne eines „Faute-de-mieux-Arguments“ 92) :<br />
Das Ergebnis wird als gültig akzeptiert, weil es kraft Erfahrung als plausibel erscheint, jedoch nur<br />
so lange, bis zusätzliches Wissen erworben wird, das dem bisher als gültig akzeptierten Schlussfolgerungsergebnis<br />
widerspricht. Tritt ein solcher Widerspruch durch Akquisition neuen Wissens auf,<br />
so wird das ursprünglich plausibel erscheinende Schlussfolgerungsergebnis ungültig – und die Inferenzregelanwendung,<br />
die zu diesem Schlussfolgerungsergebnis geführt hatte, muss zurückgenommen<br />
werden. 93) Dies führt dazu, dass die Monotonie 94) der metasprachlichen Inferenzregeln der Prädikatenlogik<br />
auf die objektsprachlichen, domänenspezifischen Inferenzregeln nicht zutrifft. Denn<br />
Formeln, deren Gültigkeit mit der Hilfe solcher objektsprachlicher Inferenzregeln abgeleitet wurde,<br />
können nachträglich durch die Akquisition neuen Wissens ungültig werden. Daher unterliegen prädikatenlogisch<br />
basierte Wissensrepräsentationen, die mit objektsprachlichen Inferenzregeln arbeiten,<br />
nur den komplizierten Regeln 95) einer non-monotonen Logik 96) , falls die objektsprachlichen Inferenzregeln<br />
„lediglich“ die epistemische Qualität von Plausibilitätsschlüssen aufweisen. Da objektsprachliche<br />
Inferenzregeln – zumindest in der kompetenzbezogenen Wissensmanagement-Domäne<br />
des KOWIEN-Projekts – tatsächlich nur plausible Schlussfolgerungen gestatten, stellt die Eigenschaft<br />
der Non-Monotonie bezüglich (plausibler) Schlussfolgerungen eine charakteristische Eigenschaft<br />
der hier konstruierten und analysierten Wissensrepräsentationen dar.<br />
92) Ein Faute-de-mieux-Schluss gilt in Ermangelung anderer, besserer Gründe vorläufig, bis bessere Gründe bekannt werden. Die<br />
Argumentationsfigur der Faute-de-mieux-Schlüsse geht auf RESCHER zurück; vgl. insbesondere RESCHER (1987b) S. 70, 73 ff.,<br />
83, 89, 101 f., 135, 137 f. u. 146 ff.; vgl. daneben auch RESCHER (1977) S. 34 u. 296; RESCHER (1980a) S. 129; RESCHER (1982)<br />
S. 259; RESCHER (1988) S. 36. RESCHER hat diese Argumentationsfigur vornehmlich zur Rechtfertigung induktiver Argumentationen<br />
verwendet. Ein Faute-de-mieux-Schluss besagt zwar, dass eine Alternative so lange als „beste“ Wahl rational gerechtfertigt<br />
werden kann, wie sich keine besser stellende Alternative präsentieren lässt („faute de mieux“). Hierdurch wird jedoch<br />
nichts über die theoretische Existenzmöglichkeit – bislang unbekannter – besserer Alternative ausgesagt. Vgl. auch ARNI (1989)<br />
S. 171 u. 174 f.; COOMANN (1983) S. 154; GETHMANN/SIEGWART (2004) S. 595; ZELEWSKI (1995) Band 4, S. 71.<br />
93) Für die nachträgliche Rücknahme von Anwendungen objektsprachlicher Inferenzregelanwendungen existieren elaborierte formalsprachliche<br />
Konzepte. Zu den viel versprechendsten gehört nach Einschätzung der Verfasser das Konzept der Assumptionbased<br />
Truth Maintenance Systems (ATMS). Dieses ATMS-Konzept wurde maßgeblich von DE KLEER in den achtziger Jahren<br />
entwickelt. In der hier gebotenen Kürze können die Feinheiten des ATMS-Konzepts nicht näher erläutert werden. Es muss die<br />
Andeutung reichen, dass die objektsprachlichen Inferenzregeln, die „gewöhnliche“ Subjugat-Formel darstellen, ohne Schwierigkeiten<br />
als Elemente der „assumption sets“ des ATMS-Konzepts dargestellt werden können. Das ATMS-Konzept stellt dann<br />
die Mechanismen zur Verfügung, die erforderlich sind, um alle Schlussfolgerungsprozesse und deren Ergebnisse zurückzunehmen,<br />
welche die Geltung einer objektsprachlichen Inferenzregel vorausgesetzt haben, von der nachträglich bekannt wurde, dass<br />
sie tatsächlich nicht zutrifft. Vgl. zu ausführlichen Beschreibungen und praktischen Anwendungen des ATMS-Konzepts BECK-<br />
STEIN (1996) S. 169 ff., 229 ff. u. 259 ff.; DE KLEER (1984) S. 81 ff.; DE KLEER (1986a) S. 128 ff.; DE KLEER (1986b) S. 163 ff.;<br />
DE KLEER (1986c) S. 197 ff.; DE KLEER (1988) S. 188 ff.; DE KLEER/WILLIAMS (1986) S. 910 ff.; NILSSON (1998) S. 279 f. u.<br />
298; SHOHAM (1994) S. 125 ff.; ZELEWSKI (1994b) S. 490 ff.<br />
94) Die Monotonie der Prädikatenlogik besagt, dass Formeln, die durch die Anwendung von (metasprachlichen) Inferenzregeln aus<br />
einer gültigen Formelmenge einmal abgeleitet wurden, ihre Gültigkeit „bis in Ewigkeit“ behalten, unabhängig davon, welche<br />
weiteren Inferenzregelanwendungen in Zukunft auf die Formelmenge (und die daraus ableitbaren Theoreme) noch erfolgen. Eine<br />
einmal als gültig abgeleitete Formel bleibt also für immer gültig.<br />
95) Solche Regeln können beispielsweise die „wahrheitsverwaltenden Mechanismen“ des ATMS-Konzepts sein, das kurz zuvor<br />
erwähnt wurde.<br />
96) Vgl. SOWA (2000) S. 373 ff.
460 2.4 Generische Kompetenzontologie<br />
Zweitens nehmen Kompetenzregeln im Allgemeinen auf zwei unterschiedliche Kompetenzaspekte<br />
Bezug: einerseits die Kompetenzart 97) , hinsichtlich derer jeweils eine Schlussfolgerung getroffen<br />
wird, und andererseits die Kompetenzausprägung, d.h. die Ausprägung dieser Kompetenzart bei<br />
dem betroffenen Akteur, die als Ergebnis der Schlussfolgerung resultiert. Darüber hinaus ist der<br />
Kompetenzträger, d.h. der Akteur als Träger einer Kompetenz (einer bestimmten Art in einer bestimmten<br />
Ausprägung) wesentlich, weil dieselbe Kompetenz dem einen Akteur zukommen kann,<br />
während ein anderer Akteur nicht darüber verfügt. Folglich erfordern Inferenzregeln zur Repräsentation<br />
von Wissen, welche plausible Schlussfolgerungen über Kompetenzen von Kompetenzträgern<br />
ziehen lassen, im Allgemeinen dreistellige prädikatenlogische Formeln. Darüber hinaus können sogar<br />
vierstellige Formeln erforderlich werden, wenn die Kompetenzgeltungsdauer, d.h. die zeitliche<br />
Spanne der Gültigkeit von Aussagen über die Kompetenzen von Akteuren, ausgedrückt werden soll.<br />
Dies liegt z.B. nahe, um den Kompetenzerwerb durch Schulungen und den Kompetenzverlust durch<br />
mangelnde Praxis oder schlichtes Vergessen mittels prädikatenlogischer Formeln repräsentieren zu<br />
können. Diese Anforderung drei- oder sogar vierstelliger Formeln stellt für die Prädikatenlogik generell<br />
kein Problem dar, da prädikatenlogische Formeln für Argumente mit beliebiger (sofern endlicher)<br />
Stellenzahl definiert werden können. Aber die hier gewählte Variante der prädikatenlogisch<br />
basierten Wissensrepräsentation, F-Logic, lässt sich nur auf zweistellige Formeln problemlos anwenden.<br />
Diese Beschränkung auf höchstens zweistellige Formeln gilt auch für eine Vielzahl anderer<br />
Wissensrepräsentationssprachen, die zurzeit für Zwecke des computerbasierten Wissensmanagements<br />
– insbesondere im Kontext des „Semantic Web“ – diskutiert oder sogar schon praktisch eingesetzt<br />
werden. Auf die speziellen Probleme, die aus dieser Beschränkung resultieren, wird an späterer<br />
Stelle ausführlicher eingegangen.<br />
Eine typische Kompetenzregel lautet (unter Vernachlässigung der zeitlichen Kompetenzgeltungsdauer):<br />
Wenn ein Akteur X an einer Weiterbildungsveranstaltung Y zur Thematik Z erfolgreich<br />
teilgenommen hat, dann verfügt er über die Kompetenz der Art Z in der Ausprägung „Anfaenger“.<br />
Um diese Kompetenzregel mit objektsprachlichen Ausdrucksmitteln formulieren zu können, werden<br />
folgende Prädikate eingeführt: WB(Y,Z) drückt den Sachverhalt aus, dass die Weiterbildungsveranstaltung<br />
Y die Thematik Z behandelt. TN(X,Y) trifft genau dann zu, wenn der Akteur X an der<br />
Weiterbildungsveranstaltung Y teilgenommen hat. ET(X,Y) repräsentiert die erfolgreiche Teilnahme<br />
des Akteurs X an der Weiterbildungsveranstaltung Y. 98) Schließlich wird mit dem dreistelligen<br />
97) Solange keine Missverständnisse zu befürchten sind, wird die jeweils betroffene Kompetenzart der Kürze halber oftmals nur als<br />
„Kompetenz“ bezeichnet. Dies ist zwar inhaltlich etwas unscharf, weil „Kompetenz“ streng genommen den Oberbegriff zu<br />
Kompetenzart und Kompetenzausprägung (sowie Kompetenzträger und – unter Umständen – Kompetenzgeltungsdauer) darstellt.<br />
Aber diese Sprachregelung, Kompetenzarten kurz als „Kompetenzen“ zu bezeichnen, wurde schon zu Beginn des Verbundprojekts<br />
KOWIEN auf mehrheitlichen Wunsch der Praxispartner getroffen, so dass sie hier aufrecht erhalten wird, um die<br />
Anschlussfähigkeit zu einer Vielzahl von Projektdokumenten zu wahren.<br />
98) Es lässt sich trefflich darüber streiten, ob das Prädikat ET(X,Y) für die erfolgreiche Veranstaltungsteilnahme neben dem Prädikat<br />
TN(X,Y) für die Veranstaltungsteilnahme eingeführt werden soll. Denn es ist ebenso möglich, das Prädikat TN(X,Y) von<br />
vornherein für den Sachverhalt zu verwenden, dass der Akteur X an der Weiterbildungsveranstaltung Y erfolgreich teilgenommen<br />
hat. Dann wäre das zusätzliche Prädikat ET(X,Y) überflüssig. Dennoch wurde dieser Gestaltungsalternative nicht gefolgt.<br />
Zwar erscheint die Verwendung der zwei Prädikate ET(X,Y) und TN(X,Y) auf den ersten Blick aufwendiger als die Verwendung<br />
von nur einem, aber anders definierten Prädikat TN(X,Y). Die zwei Prädikate schaffen jedoch die Flexibilität, in anderen<br />
Kontexten formalsprachlich zwischen einer „schlichten“ und einer „erfolgreichen“ Teilnahme an einer Weiterbildungsveranstaltung<br />
differenzieren zu können. Um eine solche Flexibilität der sprachlichen Ausdrucksmittel nicht „vorschnell“ dem Effizienzargument<br />
der Vermeidung „unnötigen“ Aufwands zu „opfern“, wird hier die Verwendung zweier Prädikate bevorzugt.<br />
Anhand dieses Beispiels wird deutlich, dass es sich bei der sprachlichen Erfassung („Wortung“) von Sachverhalten, die in einem<br />
Realitätsausschnitt für relevant erachtet werden, um keine „objektive“ Tätigkeit der sprachlichen „Widerspiegelung“ von<br />
Realitätsstrukturen handelt. Vielmehr stellt diese sprachliche Erfassung eine konstruktive Leistung dar – man könnte auch von
2.4 Generische Kompetenzontologie 461<br />
Prädikat KMP(X,Z,A) ausgedrückt, dass der Akteur X die Kompetenz der Art Z in der Ausprägung<br />
A besitzt. In dieser Formulierung stellen die Symbole X, Y, Z und A jeweils Variablen dar, die<br />
durch beliebige prädikatenlogische Individuen – d.h. formale Objekte oder Individuen-Konstanten –<br />
ersetzt werden können, die ihrerseits jeweils einen Akteur (für X), eine Weiterbildungsveranstaltung<br />
(für Y), eine Kompetenzart oder eine Weiterbildungsthematik (für Z) bzw. eine Kompetenzausprägung<br />
(für A) repräsentieren.<br />
Es fällt auf, dass unter diesen objektsprachlichen Ausdrucksmitteln die eingangs angeführte Kompetenzausprägung<br />
„Anfänger“ noch nicht enthalten ist. Dieser „Mangel“ offenbart eine Eigenart<br />
von Kompetenzregeln, die im Verlauf der Konstruktion der KOWIEN-Ontologie „überrascht“ hat.<br />
Denn bei der Befassung mit Ontologien herrscht die Überzeugung vor, in Ontologien solle nur generisches,<br />
d.h. vom Einzelfall unabhängiges Wissen über die allgemeinen, sprachlich ausdrückbaren<br />
und vermittelten Strukturen eines Realitätsausschnitts (der Domäne) repräsentiert werden. Hinzu<br />
kommt die weithin geteilte Überzeugung, dass sich derart generisches Wissen auf der Ausdrucksebene<br />
von Prädikaten, Mengen und Relationen (mit Variablen in ihren Argumenten) 99) – auf<br />
der so genannten Konzeptebene 100) – vollständig repräsentieren lässt. Spezielles, auf Einzelfälle be-<br />
einer „kreativen“ oder „künstlerischen“ Leistung sprechen. Während des Konstruktionsprozesses der sprachlichen Realitätserfassung<br />
wird eine Vielzahl von Konstruktionsentscheidungen getroffen, die nicht allein von „der“ erfassten Realität bestimmt<br />
werden, sondern ebenso von einer Vielzahl von außer-realen Einflussgrößen, die zur Disposition des Subjekts stehen, das den<br />
Konstruktionsprozess durchführt (oder die Richtlinien für diesen Konstruktionsprozess vorgibt). Zu diesen Einflussgrößen gehören<br />
u.a. epistemische Repräsentationspräferenzen, wie im hier diskutierten Beispiel Präferenzen zugunsten der Ziele Repräsentationseffizienz<br />
versus Repräsentationsflexibilität.<br />
99) Im aktuellen Argumentationskontext reicht zur Verdeutlichung der Schwierigkeiten mit Kompetenzregeln eine „vergröberte“<br />
Darstellungsweise aus, die von formalsprachlichen Feinheiten der Prädikatenlogik abstrahiert, um sich auf den inhaltlichen<br />
Kern der Schwierigkeiten fokussieren zu können. So wird z.B. davon abgesehen, dass es sich bei Prädikaten, Mengen und Relationen<br />
nicht um streng voneinander getrennte Konstrukte handelt, sondern dass diese ineinander überführt werden können. So<br />
lassen sich z.B. Mengen als einstellige Relationen darstellen. Ebenso können Prädikate und Relationen wechselseitig ineinander<br />
transformiert werden, weil sich die Extension eines Prädikats als diejenige Relation auffassen lässt, die genau alle prädikatserfüllenden<br />
Individuen-Tupel umfasst. Daher hängt es von formalsprachlichen Repräsentationspräferenzen der Konstrukteure<br />
einer Ontologie ab, welche Konstrukte sie in Bezug auf Prädikate, Mengen und Relationen bevorzugen oder ob sie mehrere dieser<br />
Konstrukte zugleich verwenden möchten. Des Weiteren wird davon abgesehen, dass sich differenzieren lässt zwischen einerseits<br />
nicht-interpretierten Prädikats-, Mengen- und Relationssymbolen auf der Ebene generischer Wissensrepräsentation<br />
(Konzeptebene) sowie andererseits Prädikaten, Mengen und Relationen, denen durch formalsprachliche Interpretationen jeweils<br />
konkret spezifizierte Extensionen – d.h. Mengen zugehöriger prädikatenlogischer Individuen – zugeordnet sind (Instanzenebene).<br />
Diese Unterscheidung trägt zwar wesentlich zu einer Präzisierung der formalsprachlichen Wissensrepräsentation auf<br />
unterschiedlichen Abstraktionsebenen bei, würde aber hier hinsichtlich der Formulierungsschwierigkeiten von Kompetenzregeln<br />
durch Bezugnahme auf prädikatenlogische Interpretationen vermutlich eher verwirren, als zur Klarheit der Argumentation<br />
beitragen. Immerhin wird – unter Vernachlässigung des Aspekts prädikatenlogischer Interpretationen – die Unterscheidung<br />
zwischen Konzept- und Instanzenebene aufgegriffen, um die o.a. Abweichung von der „Wissensmanagement-Folklore“, generisches<br />
Wissen lasse sich ausschließlich auf der Konzeptebene repräsentieren, zu verdeutlichen.<br />
100) Die Konzeptebene wird des Öfteren auch als Klassen-, Typ- oder Schemaebene bezeichnet. Die Bezeichnung „Klassenebene“<br />
bezieht sich darauf, dass die Extensionen von Konzepten als Klassen (oder synonym im prädikatenlogischen Sinn: Mengen) definiert<br />
sind. Die Bezeichnung „Typebene“ verweist darauf, dass Konzepte (oder Klassen) als Mengen gleichartiger Objekte<br />
aufgefasst werden können und somit den „Typ“ (die Art) der Objekte festlegen. Die Bezeichnung „Schemaebene“ orientiert<br />
sich hingegen an terminologischen Usancen der Datenmodellierung. Dort werden Konzepte (im Sinne der objektorientierten<br />
Systemkonzeptualisierung) zumeist als abstrakte Datentypen oder Schemata (für konkrete Daten) bezeichnet.<br />
Die Bezeichnung „Konzeptebene“ und ebenso die nachfolgend angeführte Bezeichnung „Instanzenebene“ entstammen nicht<br />
der Prädikatenlogik, sondern herrschen in objektorientierten Systemkonzeptualisierungen vor. Sie genießen zurzeit eine weite<br />
Verbreitung sowohl im Bereich der Ontologiekonstruktion als auch im Bereich der konzeptuellen Datenmodellierung. Darüber<br />
hinaus sind sie auch im Rahmen der Wissensrepräsentationssprache F-Logic üblich, auf die später ausführlich zurückgegriffen<br />
wird. Daher wird die Redeweise von einer „Konzept-“ und einer „Instanzenebene“ bereits hier im Vorgriff auf spätere Ausführungen<br />
verwendet, zumal sich auf dem Gebiet der Prädikatenlogik keine ähnlich „griffige“ und zugleich breit akzeptierte begriffliche<br />
Unterscheidung zwischen den beiden adressierten Ausdrucksebenen herausgebildet hat.
462 2.4 Generische Kompetenzontologie<br />
zogenes Wissen sei hingegen auf der Ausdrucksebene von prädikatenlogischen Individuen – auf der<br />
so genannten Instanzenebene 101) – zu erfassen, indem die Prädikate, Mengen und Relationen in ihren<br />
Argumenten mit den jeweils betroffenen Individuen einzelfallspezifisch „instanziiert“ 102) werden.<br />
Beide Überzeugungen zusammen 103) implizieren, dass Individuen auf der Instanzenebene in<br />
Ontologien nicht vorkommen sollten. Diese normative Vorstellung über Ontologien lässt sich jedoch<br />
– wider Erwarten – bei der prädikatenlogischen Repräsentation von Kompetenzregeln nicht<br />
aufrechterhalten. 104) Denn die o.a. einfache Kompetenzregel lässt sich nur dann ausdrücken, wenn<br />
in ihre Formulierung die Kompetenzausprägung „Anfänger“ aufgenommen wird. Diese Kompetenzausprägung<br />
ist eine Individuen-Konstante, die hier mit der natürlichsprachlichen Zeichenfolge<br />
(„string“) „Anfänger“ notiert wird. 105)<br />
Ein erster Versuch, die Kompetenzregel „Wenn ein Akteur X an einer Weiterbildungsveranstaltung<br />
Y zur Thematik Z erfolgreich teilgenommen hat, dann verfügt er über Kompetenz der Art Z in der<br />
Ausprägung ‚Anfänger’.“ mit den zuvor eingeführten objektsprachlichen Ausdrucksmitteln zu formulieren,<br />
könnte wie folgt lauten:<br />
∀X∀Y∀Z∀A : ( WB(Y,Z) ∧TN(X,Y) ∧ET(X,Y) ) →( KMP(X,Z,A) ∧ A = "Anfänger" )<br />
Es lässt sich darüber streiten, ob die Allquantifizierung der Variablen A für die Kompetenzausprägung<br />
erforderlich ist, da in der Kompetenzregel die Kompetenzausprägung ohnehin durch die Individuen-Konstante<br />
„Anfänger“ festgelegt ist. Daher kann die Kompetenzregel auf äquivalente Weise<br />
ebenso formuliert werden als:<br />
∀X∀Y∀Z: ( WB(Y, Z) ∧TN(X,Y) ∧ET(X,Y) ) → KMP(X, Z,"Anfänger")<br />
Dieser erste Versuch (in zwei äquivalenten Varianten) vermag jedoch aus zwei Gründen noch nicht<br />
zu überzeugen. Zunächst irritiert, dass die Variable Z in der zweiten Argumentstelle des Prädikats<br />
WB(Y,Z) und in der zweiten Argumentstelle des Prädikats KMP(X,Z,A) streng genommen für zwei<br />
unterschiedliche Sachverhalte verwendet wird: einerseits im Prädikat WB(Y,Z) für die Thematik Z<br />
101) Die Instanzenebene wird zuweilen auch als Individuenebene bezeichnet, weil die Instanzen aus objektorientierten Systemkonzeptualisierungen<br />
den Individuen (formalen Objekten) der Prädikatenlogik entsprechen.<br />
102) Die Schreibweisen „instanziieren“ versus „instantiieren“ variieren von Autor zu Autor. Die letztgenannte Schreibweise findet<br />
sich z.B. bei BONJOUR (1994) S. 252 u. 256. In diesem Beitrag wird die erstgenannte Schreibweise bevorzugt, weil sie sich unmittelbar<br />
an die Schreibweise des zugrunde liegenden Substantivs „Instanz“ anlehnt.<br />
103) Die beiden o.a. Überzeugungen werden in der Praxis des Wissensmanagements zumeist miteinander vermengt, so dass die<br />
Konstruktion von Ontologien von vornherein auf die Konzeptebene beschränkt wird. Die o.a. Argumentation hat jedoch verdeutlicht,<br />
dass diese Beschränkung streng genommen erst aus der Kombination zweier Überzeugungen zustande kommt, die im<br />
Prinzip unabhängig voneinander sind.<br />
104) Eine weitere seltene Ausnahme, in der Individuen („instances“) ausdrücklich zu den Bestandteilen von Ontologien gezählt werden,<br />
stellen die Ausführungen von TAMMA/BENCH-CAPON (2002) S. 47 dar.<br />
105) Diese Notationsweise entspricht dem Anliegen, in dieser Einführung in die Grundlagen einer prädikatenlogischen Wissensrepräsentation<br />
möglichst mit „selbstsprechenden“ Notationen zu arbeiten, ohne Rücksicht auf eventuell entgegen stehende Implementierungsrestriktionen<br />
zu nehmen. In späteren Kapiteln, in denen die KOWIEN-Ontologie vorgestellt wird, müssen hingegen<br />
die Restriktionen eingehalten werden, die einerseits durch die Wissensrepräsentationssprache F-Logic und andererseits<br />
durch Implementierungsumgebungen wie die Softwaretools OntoEdit und OntoBroker vorgegeben werden. Daher werden in<br />
jenen späteren Kapiteln die Notationen, die hier zunächst „rücksichtslos“ und „selbstsprechend“ verwendet werden, erforderlichenfalls<br />
an die vorgenannten Restriktionen angepasst werden. Dies betrifft z.B. die Groß- oder Kleinschreibung von Bezeichnern<br />
sowie die Unterlassung von Umlauten in Bezeichnern. Außerdem werden später (S. 490 ff.) die Kompetenzausprägungen<br />
nicht mehr als beliebige Zeichenfolgen („strings“), sondern als symbolische Konstanten verwendet. Dies bedeutet, dass dann<br />
Kompetenzausprägungen als Instanzen des Konzepts Kompetenzauspraegung behandelt werden und nicht mehr in Anführungszeichen<br />
eingeschlossen werden.
2.4 Generische Kompetenzontologie 463<br />
einer Weiterbildungsveranstaltung und andererseits im Prädikat KMP(X,Z,A) für die Art Z der erworbenen<br />
Kompetenz. Bei dieser Formulierung der Kompetenzregel wird implizit unterstellt, dass<br />
zwischen der Veranstaltungsthematik und der Kompetenzart keine Unterschiede bestehen, deren<br />
Berücksichtigung sich in einer Ontologie für das Kompetenzmanagement als relevant herausstellen<br />
könnte.<br />
Eine solche Unterstellung erscheint jedoch insbesondere im Kontext von Ontologien als verfehlt,<br />
die u.a. aus dem Anlass diskutiert werden, Probleme der sprachlichen Diversität in der betrieblichen<br />
Praxis mittels Computerunterstützung beherrschen zu können. Daher sollte in einer Kompetenzregel<br />
von vornherein dem Umstand Rechnung getragen werden, dass sich die tatsächlich verwendeten<br />
Bezeichnungen von Veranstaltungsthemen und Kompetenzarten unterscheiden können, obwohl die<br />
unterschiedlich bezeichneten Veranstaltungsthemen und Kompetenzarten inhaltlich in einem engen<br />
(Vermittlungs-) Zusammenhang zueinander stehen. Um den inhaltlichen Zusammenhang auszudrücken,<br />
dass Weiterbildungsveranstaltungen zum Thema Z die Kompetenz der Art K vermitteln, wird<br />
das zusätzliche Prädikat KV(Z,K) eingeführt. Mit seiner Hilfe lautet der zweite Versuch, die o.a.<br />
Kompetenzregel – in ihrer 2. Variante – formalsprachlich zu repräsentieren:<br />
∀X∀Y∀Z∀K : ( WB(Y,Z) ∧KV(Z,K) ∧TN(X,Y) ∧ET(X,Y) ) → KMP(X,K,"Anfaenger")<br />
Gegen diesen zweiten Versuch zur Formalisierung der Kompetenzregel „Wenn ein Akteur X an<br />
einer Weiterbildungsveranstaltung Y zur Thematik Z erfolgreich teilgenommen hat, dann verfügt er<br />
über Kompetenz der Art K in der Ausprägung ‚Anfänger’.“ lassen sich aber weitere Bedenken ins<br />
Feld führen. Sie beruhen darauf, dass die natürlichsprachliche Regelformulierung einen Interpretationsspielraum<br />
offen lässt, der in natürlichsprachlichen Spezifikationen immer droht, wenn der unbestimmte<br />
Artikel „ein“ verwendet wird: 106) Es kann entweder gemeint sein, dass die Kompetenz<br />
der Art K in der Ausprägung „Anfänger“ erworben wird, wenn mindestens eine Weiterbildungsveranstaltung<br />
mit der Thematik Z erfolgreich absolviert wurde. Oder es kann auch gemeint sein, dass<br />
für den Kompetenzerwerb in der Ausprägung „Anfänger“ genau eine Weiterbildungsveranstaltung<br />
mit der Thematik Z erfolgreich absolviert worden sein muss. Für beide Interpretationen lassen sich<br />
gute Gründe anführen. Hier wird der zweiten Variante gefolgt, die sich auf genau eine Weiterbildungsveranstaltung<br />
bezieht. Für diese Festlegung spricht, dass durch die erfolgreiche Absolvierung<br />
von mehr als einer Weiterbildungsveranstaltung zur Thematik Z ein höheres Kompetenzniveau 107)<br />
106) Anhand dieses Beispiels wird verdeutlicht, dass die Verfasser formalsprachliche gegenüber natürlichsprachlichen Konzeptualisierungen<br />
bevorzugen, weil durch die Formalisierung ein Gewinn an Präzision und Explizitheit derjenigen Inhalte erzielt wird,<br />
die jeweils gemeint sind. Dabei wird jedoch nicht die naive Auffassung vertreten, dass mittels Formalisierung nur diejenigen<br />
Inhalte „aufgedeckt“ werden, die von vornherein gemeint waren. Vielmehr stellt die Formalisierung einen Konstruktionsprozess<br />
formalsprachlicher Repräsentationen dar, innerhalb dessen Verlaufs zuweilen die Klärung von Verständnisproblemen angestoßen<br />
wird, die vorher unter der Mehrdeutigkeit und Vagheit natürlichsprachlicher Formulierungen verborgen blieben.<br />
Wenn solche Klärungen angestoßen werden, dann wird mittels der Formalisierung nicht nur von Anfang an schon vorhandener,<br />
natürlichsprachlich ausgedrückter Inhalt „rekonstruiert“, sondern auch neuer Inhalt hinzugefügt, der im natürlichsprachlich<br />
Ausgesagten zunächst nicht enthalten war. Im o.a. Beispiel war es in der natürlichsprachlich vorgegebenen Formulierung der<br />
Kompetenzregel offen gelassen, ob sie sich auf entweder genau oder aber mindestens eine erfolgreich absolvierte Weiterbildungsveranstaltung<br />
bezog. Die Eigenart natürlichsprachlicher Interpretationsspielräume überlässt es dem jeweiligen Rezipienten,<br />
in welchem Sinne er die Kompetenzregel auslegt. Erst die formalsprachliche Regel-„Rekonstruktion“ erfordert die präzise<br />
und explizite Repräsentation dessen, was tatsächlich gemeint ist.<br />
107) Der Begriff „Kompetenzniveau“ wird hier als eine Spezialisierung des Oberbegriffs „Kompetenzausprägung“ verwendet: Eine<br />
Kompetenzausprägung lässt sich immer dann als ein Kompetenzniveau ansprechen, wenn für die zugrunde liegende Kompetenzart<br />
unterschiedliche Ausprägungen existieren und für diese Kompetenzausprägungen eine vollständige Ordnungsrelation<br />
definiert ist, die mindestens ordinales Skalenniveau erfüllt. Unter diesen Voraussetzungen bilden die Kompetenzausprägungen<br />
eine lineare Rangfolge, anhand derer sich zwischen Kompetenzniveaus „höherer“ und „niedrigerer“ (Rang-) Stufe unterscheiden<br />
lässt.
464 2.4 Generische Kompetenzontologie<br />
als die Ausprägung „Anfänger“ erworben wird, das sich beispielsweise in den Kompetenzausprägungen<br />
„Problemlöser“ oder „Erfahrener“ niederschlagen kann. 108)<br />
Um dieser Festlegung Genüge zu leisten, muss die Antezedenz-Komponente der bislang verwendeten<br />
Subjugat-Formel für die Kompetenzregel überarbeitet werden, weil diese Antezedenz-<br />
Komponente auch dann erfüllt wäre, wenn ein Akteur mehrere Weiterbildungsveranstaltungen zur<br />
selben Thematik erfolgreich absolviert hätte. „Folglich“ müsste auch in diesem Fall mehrerer Weiterbildungsveranstaltungen<br />
dem Akteur die Kompetenzausprägung „Anfänger“ zugewiesen werden.<br />
Um diese nicht-intendierte Folgerung auszuschließen, muss eine Art „Zähler“ für die besuchten und<br />
erfolgreich absolvierten Weiterbildungsveranstaltungen eingeführt werden. 109) Im hier betrachteten<br />
„einfachen“ Fall, in dem nur die erfolgreiche Absolvierung mehrerer Weiterbildungsveranstaltungen<br />
zur selben Thematik ausgeschlossen werden muss, reicht es im dritten Versuch aus, die präzisierte<br />
Kompetenzregel „Wenn ein Akteur X an genau einer Weiterbildungsveranstaltung Y zur<br />
108) Für den Erwerb dieser Kompetenzausprägungen sind weitere Kompetenzregeln zu formulieren, die jeweils diejenigen Bedingungen<br />
spezifizieren, unter denen die „höheren“ Ausprägungen (Kompetenzniveaus) für die betroffene Kompetenzart erlangt<br />
werden. Es wird darauf verzichtet, dies hier konkret zu unternehmen, da lediglich auf exemplarische Weise in die Grundlagen<br />
der prädikatenlogisch basierten Wissensrepräsentation eingeführt werden soll. In der KOWIEN-Ontologie sind dagegen die erforderlichen<br />
Kompetenzregeln vollständig spezifiziert.<br />
109) Die Formalisierung solcher Zähler-Konstrukte bereitet erhebliche Schwierigkeiten, solange man sich auf die Ausdrucksmöglichkeiten<br />
der „reinen“ Prädikatenlogik beschränkt. Denn die Syntax und die formale Semantik der Prädikatenlogik gestatten<br />
zunächst nur, Aussagen darüber zu treffen, ob Sachverhalte (Prädikate) für mindestens ein Objekt (prädikatenlogisches Individuum)<br />
oder für alle Objekte gelten. Zur formalsprachlichen Erfassung dieser Quantitäten „mindestens ein“ und „alle“ dienen<br />
auf der syntaktischen Ebene der Existenz- bzw. der Allquantor sowie auf der semantischen Ebene die metasprachlichen Relationen<br />
der Erfüllbarkeit bzw. der Allgemeingültigkeit. Für die „dazwischen“ liegenden Quantitäten wie „genau ein“ oder – verallgemeinert<br />
– „genau n“ (mit n∈N +) sieht die „reine“ Prädikatenlogik jedoch weder auf der syntaktischen noch auf der semantischen<br />
Ebene eigenständige Ausdrucksmittel vor. Zwar existieren Erweiterungen der Prädikatenlogik, in denen der Existenzquantor<br />
∃ mit einem numerischen Parameter versehen wird, durch den angegeben werden kann, auf wie viele voneinander unterschiedliche<br />
formale Objekte sich die Quantifizierung bezieht. Den „populärsten“ Fall stellt der so genannte Einsquantor ∃ 1<br />
dar, mit dem ausgedrückt wird, dass genau ein formales Objekt existieren muss, auf das die Formel im Anschluss an den Einsquantor<br />
zutrifft. Der Einsquantor ist ein Einzelfall „numerisch definiter Quantoren“ (vgl. QUINE (1969) S. 295), für die numerische<br />
Parameter zugelassen sind. Numerisch definite (Existenz-) Quantoren werden mithilfe eines Induktionsschemas auf den<br />
konventionellen Existenzquantor ∃ zurückgeführt. Demnach ist eine Formel ∃ 1X: R(X) äquivalent mit der Formel ∃X: (R(X) ∧<br />
∃ 0Y: (R(Y) ∧ Y≠X)). ∃ 0X: R(X) ist äquivalent mit ¬∃X:R(X). Alle weiteren numerischen (Existenz) Quantoren ∃ 2,∃ 3,...,∃ N<br />
können gemäß dem Induktionsschema für n∈N + und n ≥ 2:<br />
∃ nX: R(X) ⇔ ∃X: (R(X) ∧ ∃ n-1Y: (R(Y) ∧ Y≠X))<br />
auf den konventionellen Existenzquantor ∃ zurückgeführt werden. Mit dem Symbol „⇔“ wird die Äquivalenz – d.h. die Austauschbarkeit<br />
ohne „Bedeutungsverschiebungen“ – prädikatenlogischer Formeln ausgedrückt. Aber solche Varianten der Prädikatenlogik<br />
haben sich nicht durchzusetzen vermocht, zumal oftmals im Dunkeln bleibt, ob die maßgeblichen Vorzüge der „reinen“<br />
Prädikatenlogik – wie etwa die Vollständigkeit und Korrektheit ihrer Inferenzregeln – bei diesen Erweiterungen erhalten<br />
bleiben. Daher werden Erweiterungen dieser Art hier nicht weiter verfolgt. Stattdessen wird die Funktionalität von „Zählern“ in<br />
Implementierungen von prädikatenlogisch basierten Wissensrepräsentations- und Programmiersprachen realisiert. Dies trifft<br />
z.B. auf den Findall-Operator der (prädikaten-) logischen Programmiersprache Prolog zu, der bereits in der Fußnote 81 (S. 455)<br />
angesprochen wurde. Er gestattet es, zunächst alle Individuen-Tupel aufzulisten, die ein Prädikat erfüllen, und alsdann mittels<br />
eines Zähl-Operators die Anzahl aller Elemente zu bestimmen, die sich in dieser Liste befinden. Auf die Eigenarten dieser Zähler-Konstrukte<br />
in prädikatenlogisch basierten Wissensrepräsentations- und Programmiersprachen braucht an dieser Selle nicht<br />
näher eingegangen zu werden, weil „zufällig“ nicht der komplizierte Fall mit n Weiterbildungsveranstaltungen und n≥2 betrachtet<br />
wird. Stattdessen beleuchtet das o.a. Beispiel nur den einfachen Fall mit n=1 Weiterbildungsveranstaltungen, der sich<br />
noch im Rahmen der „reinen“ Prädikatenlogik ohne Rückgriff auf spezielle Zähler-Konstrukte erfassen lässt. Vgl. zu solchen<br />
Zähl-Operatoren wie „length_of“, „length“ und „listlen“ in der (prädikaten-) logischen Programmiersprache Prolog CLOCKSIN/<br />
MELLISH (1987) S. 62 f.; O.V. (2001) S. 163 ff.; SPENCER-SMITH (1991) S. 253.
2.4 Generische Kompetenzontologie 465<br />
Thematik Z erfolgreich teilgenommen hat, dann verfügt er über Kompetenz der Art K in der Ausprägung<br />
‚Anfänger’.“ wie folgt formalsprachlich auszudrücken: 110)<br />
⎛WB(Y,Z) ∧KV(Z,K) ∧TN(X,Y) ∧ET(X,Y)<br />
⎞<br />
∀X∀Y∀Z∀K: ⎜ ( Y´ Z´: ( WB(Y´, Z´) KV(Z´, K) TN(X, Y´) ET(X, Y´) ) Y´ Y)<br />
⎟<br />
⎝<br />
∧∀ ∀ ∧ ∧ ∧ → =<br />
⎠<br />
→ KMP(X,K,"Anfänger")<br />
Diese Kompetenzregel-Formalisierung drückt im dritten „Anlauf“ das formalsprachlich aus, was<br />
mit der ursprünglich natürlichsprachlich spezifizierten und schließlich präzisierten Kompetenzregel<br />
gemeint ist. Sie verdeutlicht mehrere derjenigen Aspekte, die zuvor „abstrakt“, d.h. ohne Bezug auf<br />
ein konkretes Beispiel ausführlicher diskutiert wurden: Erstens wird die Kompetenzregel ausschließlich<br />
mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik (1. Stufe) formalisiert.<br />
Zweitens nimmt die Kompetenzregel die typische Gestalt einer Subjugat-Formel an. 111) Drittens erlaubt<br />
die Kompetenzregel das Ziehen von Schlussfolgerungen hinsichtlich der Kompetenzarten und<br />
-ausprägungen, die Akteure durch erfolgreiche Absolvierung von Weiterbildungsveranstaltungen<br />
erwerben. Sie besitzt daher die epistemische Qualität einer Inferenzregel. Aus der Kombination von<br />
erstem und drittem Aspekt folgt unmittelbar, dass die Kompetenzregel eine objektsprachliche Inferenzregel<br />
darstellt. Viertens besitzt die Kompetenzregel keinen formalen, d.h. nur von der Form der<br />
involvierten Formeln abhängigen Charakter, wie es bei den metasprachlichen Inferenzregeln der<br />
Prädikatenlogik der Fall ist. Stattdessen ist die Kompetenzregel eine materielle und zugleich domänenspezifische<br />
Inferenzregel. Denn die Kompetenzregel darf nur auf die Prädikate WB(Y,Z),<br />
KV(Z,K), TN(X,Y), ET(X,Y) und KMP(X,Z,A) mit den oben erläuterten Bedeutungen angewendet<br />
werden (Materialität 112) ). Darüber hinaus wird für die Inferenzregel kein universeller Geltungsanspruch<br />
erhoben, sondern ihre Geltung wird nur innerhalb der Domäne des Managements von Kompetenzwissen<br />
(Domänenspezifität) beansprucht. Fünftens handelt es sich um keine Inferenzregel,<br />
110) Der „Trick“ der hier gewählten Formalisierung liegt in der ergänzten Teilformel:<br />
∀Y´ ∀Z´: ( WB(Y´, Z´) ∧ KV(Z´, K) ∧ TN(X, Y´) ∧ ET(X, Y´) ) → Y´= Y.<br />
Sie drückt aus, dass alle „anderen“ Weiterbildungsveranstaltungen Y´ zu beliebigen (anderen oder auch gleichen) Themen Z´,<br />
an denen der Akteur X „ebenso“ erfolgreich teilgenommen hat, mit der einen Weiterbildungsveranstaltung Y identisch sind, sofern<br />
sie die Kompetenz der Art K vermitteln. Folglich hat der Akteur nur an genau einer Weiterbildungsveranstaltung teilgenommen,<br />
die für die Kompetenz der Art K relevant ist. Dieser „Trick“ lässt sich allerdings nicht verallgemeinern, sondern kann<br />
nur auf den Fall von n=1 Weiterbildungsveranstaltungen angewendet werden. Darüber hinaus wird am Rande darauf aufmerksam<br />
gemacht, dass diese Formulierung der Kompetenzregel u.a. gestattet, dass der jeweils betrachtete Akteur X an mehreren<br />
Weiterbildungsveranstaltungen Y lediglich teilgenommen – aber nur eine von ihnen erfolgreich absolviert – hat. Das Prädikat<br />
TN(X,Y) kann also durch mehrere Individuen-Konstanten für unterschiedliche Weiterbildungsveranstaltungen erfüllt sein. Dies<br />
bleibt für die Erreichung der Kompetenzausprägung „Anfaenger“ unbeachtlich, weil laut Kompetenzregel nicht die Anzahl der<br />
Veranstaltungsteilnahmen zählt, sondern ausschließlich die Anzahl der Weiterbildungsveranstaltungen, die erfolgreich absolviert<br />
wurden. An dieser Stelle manifestiert sich bereits die Flexibilität, die mithilfe der früheren Gestaltungsentscheidung erlangt<br />
wurde, die Teilnahme an Weiterbildungsveranstaltungen mittels der zwei Prädikate TN(X,Y) sowie ET(X,Y) formalsprachlich<br />
differenziert zu erfassen je nachdem, ob „nur“ teilgenommen oder auch „erfolgreich“ teilgenommen wurde.<br />
111) Die o.a. formalsprachliche Kompetenzregel enthält sogar zwei – ineinander verschachtelte – Subjugat-Formeln. Die „innere“<br />
Subjugat-Formel ∀Y´ ∀Z´: ( WB(Y´, Z´) ∧ KV(Z´, K) ∧ TN(X, Y´) ∧ ET(X, Y´) ) → Y´= Y ist aber für die Formulierung von<br />
Inferenzregeln in Subjugat-Form unbeachtlich. Denn sie dient einem anderen Zweck: der Beschränkung der erfolgreich absolvierten<br />
Weiterbildungsveranstaltungen zur Kompetenz der Art K auf genau ein Exemplar. Die „charakteristische“ Subjugat-<br />
Formel der Kompetenzregel besteht daher aus den beiden ersten Formelzeilen (ohne die Quantoren, die sich über die gesamte<br />
Subjugat-Formel erstrecken) als Antezedenz-Komponente einerseits und aus der dritten Formelzeile (ohne den Junktor für das<br />
Subjugat) als Konklusions-Komponente andererseits.<br />
112) Von einer „materialen“ – im Gegensatz zur „formalen“ – Verwendung von Prädikaten (oder allgemein: Formeln) wird gesprochen,<br />
wenn nicht (nur) ein Bezug auf die Form, sondern (auch) auf die „inhaltlichen“ Bedeutungen von Prädikaten erfolgt.
466 2.4 Generische Kompetenzontologie<br />
die wie die metasprachlichen Inferenzregeln der Prädikatenlogik allgemeingültige Schlussfolgerungen<br />
gestattet. Vielmehr gestattet sie nur plausible Schlussfolgerungen, die sich im Licht nachträglich<br />
akquirierten Wissens als unzutreffend herausstellen können und dementsprechend zurückgenommen<br />
werden müssen. Beispielsweise kann nachträglich bekannt werden, dass der betroffene<br />
Akteur schon vor dem Besuch einer erfolgreich absolvierten Weiterbildungsveranstaltung hinsichtlich<br />
der betrachteten Kompetenzart die Ausprägung „Experte“ aufwies, so dass die Schlussfolgerung<br />
der Kompetenzausprägung „Anfaenger“ zwar plausibel erschienen sein mag, aber dennoch<br />
falsch war. 113) Oder ein später durchgeführter Kompetenztest zur Überprüfung der Weiterbildungseffektivität<br />
lässt erkennen, dass der betroffene Akteur zwar ein Zertifikat über die „erfolgreiche“<br />
Veranstaltungsteilnahme erhalten hat, aber zum Zeitpunkt der Testdurchführung das „zertifizierte“<br />
Kompetenzniveau eines Anfängers nicht erreicht, sondern nur mit der „untersten“ Kompetenzausprägung<br />
„Neuling“ eingestuft wird. 114)<br />
Abschließend wird noch einmal auf Integritätsregeln zurückgekommen. Denn anhand der voranstehenden<br />
objektsprachlichen Inferenzregel lässt sich demonstrieren, wie Inferenz- und Integritätsregeln<br />
in einer prädikatenlogisch basierten Wissensrepräsentation zusammenwirken können.<br />
Eine erste Integritätsregel stellt sicher, dass für jede zulässige Formelmenge gilt: Ein Akteur X kann<br />
eine Weiterbildungsveranstaltung Y nur dann erfolgreich absolviert haben, wenn er an dieser Weiterbildungsveranstaltung<br />
auch teilgenommen hat. Die Integritätsregel für den entsprechenden – statischen<br />
oder dynamischen – Integritätstest nimmt die typische Form eines Subjugats an: 115)<br />
∀X∀Y:ET(X,Y) → TN(X,Y)<br />
Durch diese Integritätsregel werden Integritätsverletzungen derart, dass ein Akteur X eine Weiterbildungsveranstaltung<br />
Y erfolgreich absolviert hat, an der er nicht teilgenommen hat, ausgeschlossen.<br />
116) Solche Integritätsverletzungen würden durch die Instanziierung der Formel ET(X,Y) ∧<br />
113) Es lassen sich vielerlei Gründe vorstellen, warum der „Experte“ trotz seines hohen Kompetenzniveaus die Weiterbildungsveranstaltung<br />
besucht (und erfolgreich abgeschlossen) hat. Beispielsweise kann ihm die Veranstaltungsteilnahme als betrieblicher<br />
„incentive“ ermöglicht worden sein, ohne dass die Personalabteilung über das bereits erreichte Kompetenzniveau des Mitarbeiters<br />
Bescheid wusste. Vielleicht hat der Mitarbeiter trotz seines hohen Kompetenzniveaus gern teilgenommen, weil ihm vielleicht<br />
ein besonderer „Erlebniswert“ der Weiterbildungsveranstaltung bekannt war (dieses Phänomen soll in der betrieblichen<br />
Praxis – etwa bei einigen Weiterbildungsveranstaltungen für praktizierende Mediziner – nicht vollkommen von der Hand zu<br />
weisen sein) oder weil er die Hoffnung trug, eine ihm „emotional nahe stehende“ Mitarbeiterin während der Weiterbildungsveranstaltung<br />
intensiver kennen lernen zu können. Die vorstellbaren Gründe ließen sich beliebig vermehren.<br />
114) Auch hierfür lassen sich unterschiedliche Gründe vorstellen. Z.B. kann der Akteur zunächst durch die Teilnahme an der Weiterbildungsveranstaltung<br />
durchaus die Kompetenzausprägung „Anfänger“ erworben haben; aber durch zwischenzeitliches Verlernen<br />
ist seine Beherrschung der betroffenen Kompetenzart bis zur Durchführung des Kompetenztests auf die Ausprägung<br />
„Neuling“ gesunken. An dieser Erklärungsoption wird deutlich, dass Aussagen über Kompetenzausprägungen möglichst nicht<br />
„zeitlos“ formuliert werden sollten, wie es in den hier bewusst vereinfachten, einführenden Beispielen der Fall war, sondern<br />
auch eine Angabe zur Kompetenzgeltungsdauer umfassen sollten. Stattdessen lässt sich aber auch vorstellen, dass alle Teilnehmer<br />
an der Weiterbildungsveranstaltung ohne Überprüfung ihres Lernforschritts ein Zertifikat über die „erfolgreiche“ Veranstaltungsteilnahme<br />
erhalten haben, um zur Teilnahme an weiteren Veranstaltungen desselben Anbieters zu „motivieren“, der<br />
betroffene Akteur als „Neuling“ an der Weiterbildungsveranstaltung teilgenommen hat und aus der Veranstaltungsteilnahme für<br />
sich keinen persönlichen Kompetenzzuwachs erzielen konnte.<br />
115) Die Umkehrung der Subjugat-Formel aus der Integritätsregel – also die Formel ∀X∀Y : TN(X, Y) → ET(X, Y) – trifft jedoch<br />
nicht zu. Denn es wäre verfehlt, aus der Teilnahme an einer Weiterbildungsveranstaltung auch deren erfolgreiche Absolvierung<br />
folgern zu wollen (sofern die Subjugat-Formel als objektsprachliche Inferenzregel aufgefasst würde) oder für alle zulässigen<br />
Formelmengen zu fordern, dass ein Akteur, der an einer Weiterbildungsveranstaltung teilgenommen hat, diese auch erfolgreich<br />
absolviert haben muss (sofern die Subjugat-Formel als eine Integritätsregel aufgefasst würde).<br />
116) Würde die o.a. Regel hingegen als Inferenzregel ausgezeichnet werden, hätte sie eine alternative materiale Bedeutung. In diesem<br />
Fall müsste stets darauf geschlossen werden, dass ein Akteur X auch an einer Weiterbildungsveranstaltung Y teilgenommen<br />
hat, wenn angegeben ist, dass ein Akteur X die Weiterbildungsveranstaltung Y erfolgreich abgeschlossen hat. Dadurch,<br />
dass es sich bei der Regel um eine Integritätsregel handelt, kann jedoch nicht „automatisch“ auf die Teilnahme eines Akteurs X
2.4 Generische Kompetenzontologie 467<br />
(¬TN(X,Y)) mit konkreten Individuen für die Variablen X und Y ausgedrückt werden. Sobald eine<br />
Integritätsverletzung dieser Art festgestellt worden ist, gilt es festzulegen, wie die Integrität der<br />
Wissensrepräsentation im Falle eines statischen Integritätstests herzustellen oder im Falle eines dynamischen<br />
Integritätstests zu wahren ist. Eine Möglichkeit besteht darin, im erstgenannten Fall die<br />
Unzulässigkeit der betroffenen Formelmenge dadurch zu beseitigen, dass alle instanziierten Vorkommnisse<br />
des Prädikats ET(X,Y) aus der Wissensbasis entfernt werden, für die identisch instanziierte<br />
Vorkommnisse des Prädikats ¬TN(X,Y) in der Wissensbasis existieren. 117) Im zweiten Fall<br />
eines dynamischen Integritätstests liegt es hingegen nahe, diejenige Inferenzregel, deren Anwendung<br />
in der Wissensbasis zu einer Instanziierung der Formel ET(X,Y) ∧ (¬TN(X,Y)) mit konkreten<br />
Individuen führen würde, entweder von vornherein nicht anzuwenden oder – wenn ihre Anwendung<br />
bereits erfolgt ist – zurückzunehmen.<br />
Eine zweite Integritätsregel dient dazu festzulegen, dass in allen zulässigen Formelmengen und<br />
nach allen zulässigen Inferenzregelanwendungen einem Akteur hinsichtlich derselben Kompetenzart<br />
nur genau 118) eine Kompetenzausprägung zugewiesen werden darf. Denn es wäre in sich wider-<br />
an einer Weiterbildungsveranstaltung Y geschlossen werden, wenn ein Faktum existiert, demzufolge ein Akteur X die Weiterbildungsveranstaltung<br />
Y erfolgreich abgeschlossen hat. Eine solche Schlussfolgerung entspricht zwar dem intuitiven Verständnis,<br />
wird jedoch durch die o.a. Integritätsregel nicht impliziert. Auf einen denkmöglichen Fall, der der voranstehenden Schlussfolgerung<br />
widerspricht, wird in der nächsten Fußnoten eingegangen. Es kann lediglich die Unzulässigkeit einer Wissensbasis<br />
bezüglich der o.a. Integritätsregel angegeben werden, wenn in der Wissensbasis neben einem Faktum ET(a,b) auch ein Faktum<br />
¬TN(a,b) mit X=a und Y=b existiert. In diesem Fall steht die Gesamtheit aller Formeln aus der Wissensbasis im Widerspruch<br />
zu der o.a. Integritätsregel und ist somit bezüglich dieser Integritätsregel unzulässig. Existiert hingegen lediglich das Faktum<br />
ET(a,b), liegt keine Unzulässigkeit vor. Es kann auch nicht auf das Faktum TN(a,b) geschlossen werden. Eine solche Schlussfolgerung<br />
würde nur eine Inferenzregel erlauben.<br />
117) Anhand dieses Beispiels wird ein denkmöglicher – aber keineswegs denknotwendiger – Ansatz zur Lösung des oben erläuterten<br />
Problems aufgezeigt, dass sich im Falle einer Integritätsverletzung mithilfe der Prädikatenlogik allein nicht festlegen lässt, wie<br />
die Integritätsverletzung beseitigt werden soll. Im hier betrachteten Beispiel wird von der „epistemischen Präferenz“ ausgegangen,<br />
dass es bei Vorliegen der instanziierten Prädikate ET(c,d) und ¬TN(c,d) mit Individuen-Konstanten für jeweils einen<br />
wohlbestimmten Akteur c und eine ebenso wohlbestimmte Weiterbildungsveranstaltung d plausibler ist, auf das angebliche<br />
Wissen über die erfolgreiche Absolvierung der Weiterbildungsveranstaltung zu verzichten (also die instanziierten Prädikate<br />
ET(c,d) aus der Wissensbasis zu entfernen), als das mutmaßliche Wissen über die Nichtteilnahme an den Weiterbildungsveranstaltungen<br />
durch sein kontradiktorisches Gegenteil – also die Teilnahme an den Weiterbildungsveranstaltungen – zu ersetzen,<br />
um die erfolgreiche Absolvierung der betroffenen Weiterbildungsveranstaltungen zu „heilen“ (also die instanziierten Prädikate<br />
¬TN(c,d) aus der Wissensbasis zu entfernen und durch die identisch instanziierten Prädikate TN(c,d) zu ersetzen). Für diese<br />
Plausibilitätsannahme spricht z.B. die Alltagserfahrung, dass Zertifikate über die erfolgreiche Absolvierung einer Weiterbildungsveranstaltung<br />
gefälscht sein können. Allerdings handelt es sich um eine „fallible“ Plausibilitätsannahme, die durch Akquisition<br />
neuen Wissens widerlegt werden kann. Diesbezüglich gilt das Gleiche, das schon weiter oben zu plausiblen Schlussfolgerungen<br />
und der Möglichkeit ihrer nachträglichen Widerlegung erläutert wurde.<br />
118) Es lässt sich darüber streiten, ob in der Integritätsregel entweder auf „höchstens eine“ oder aber auf „genau eine“ Kompetenzausprägung<br />
Bezug genommen werden sollte. Prima facie kann eine Kompetenzart für denselben Akteur (zur selben Zeit) immer<br />
nur genau eine Ausprägung aufweisen. Dies spricht zugunsten der zweitgenannten Alternative. Zugunsten der erstgenannten<br />
Alternative lässt sich dagegen auf die Denkmöglichkeit verweisen, dass über die Ausprägung einer Kompetenzart für einen Akteur<br />
(in einem Zeitpunkt) unter Umständen kein Wissen vorliegt. Dann wäre die Kompetenzausprägung unbekannt, so dass nur<br />
davon die Rede sein könnte, dass jeweils „höchstens eine“ Kompetenzausprägung zuzuweisen ist. Allerdings kann der letztgenannte<br />
Fall auch auf den erstgenannten Fall von „genau einer“ Kompetenzausprägung zurückgeführt werden, indem für Situationen,<br />
in denen die Kompetenzausprägung unbekannt ist, die Individuen-Konstante „unbekannt“ als so genannter Default-Wert<br />
verwendet wird. Von dieser Möglichkeit wird aus zwei Gründen auch hier Gebrach gemacht. Erstens ist die Verwendung von<br />
Default-Werten bei der Gestaltung von sowohl Datenbanksystemen als auch Wissensbasierten Systemen weit verbreitet (Argument<br />
der Anschlussfähigkeit). Zweitens stellt die explizite Repräsentation des Nichtwissens, d.h. der Kompetenzausprägung<br />
„unbekannt“, eine präzisere Information als das schlichte Nichtanführen eines Prädikats hinsichtlich der betroffenen Kompetenzausprägung<br />
dar (Argument der Explizitheit). Denn aus dem Fehlen eines solchen Prädikats kann gar nichts geschlossen<br />
werden, weil das Fehlen aus vielerlei Gründen resultieren kann. Dafür kommt nicht nur das schlichte Nichtwissen hinsichtlich<br />
der Kompetenzausprägung in Betracht. Vielmehr könnte die Kompetenzausprägung auch „an sich“ bekannt sein, aber das Wissen<br />
über diese Kompetenzausprägung durch einen Fehler bei der Eingabe in eine Wissensbank verloren gegangen sein. Oder<br />
das Wissen über diese Kompetenzausprägung wurde durch die Anwendung einer objektsprachlichen Inferenzregel des plausiblen<br />
Schließens gelöscht, weil es aufgrund dieser Inferenzregel als „implausibel“ erschien, dem betroffenen Akteur die zunächst
468 2.4 Generische Kompetenzontologie<br />
sprüchlich, dass ein Akteur hinsichtlich derselben Kompetenzart – zur selben Zeit 119) – unterschiedliche<br />
Kompetenzausprägungen aufweist. Diese Integritätsregel lässt sich wie folgt ausdrücken: 120)<br />
∀X∀K∀A : ( KMP(X,K,A) ∧K(X,K,A´) ) → A´ = A<br />
Eine Integritätsverletzung würde genau dann eintreten, wenn demselben Akteur X hinsichtlich derselben<br />
Kompetenzart K mindestens zwei unterschiedliche Kompetenzausprägungen A und A´ zugewiesen<br />
wären. Die betroffene Formelmenge (statischer Integritätstest) oder die betroffene Inferenzregelanwendung<br />
(dynamischer Integritätstest) wären unzulässig.<br />
Im Falle eines dynamischen Integritätstests lässt sich die betroffene Inferenzregelanwendung, die zu<br />
der unzulässigen Formelmenge führen würde, von vornherein verhindern oder nachträglich zurücknehmen.<br />
121) Anders liegen die Verhältnisse, falls ein statischer Integritätstest negativ ausfallen, also<br />
die vorliegende Formelmenge als unzulässig aufzeigen sollte. In diesem Fall ist nur offensichtlich,<br />
dass es in sich widersprüchlich ist, demselben Akteur hinsichtlich derselben Kompetenzart (zur selben<br />
Zeit) unterschiedliche Kompetenzausprägungen zuzuschreiben. Aber es ist nicht offensichtlich,<br />
welche der integritätsverletzenden Kompetenzausprägungen – bis auf eine – zu eliminieren ist, um<br />
eine zulässige Formelmenge herzustellen. Diese Frage kann nicht allgemein beantwortet werden.<br />
Entweder müssen zusätzliche Konfliktregeln spezifiziert werden, die im Falle einer solchen Integritätsverletzung<br />
automatisch aufgerufen werden und „selbstständig“ alle integritätsverletzenden<br />
Kompetenzausprägungen bis auf eine für den betroffenen Akteur und die betroffene Kompetenzart<br />
eliminieren. Oder das computerbasierte Kompetenzmanagementsystem, das die prädikatenlogisch<br />
basierte Wissensrepräsentation verwaltet, muss einen Dialog mit seinem Benutzer initiieren, in dem<br />
es zunächst die aufgetretene Integritätsverletzung anzeigt und alsdann den Benutzer auffordert, diejenige<br />
Kompetenzausprägung zu spezifizieren, die seiner Ansicht nach auf den Akteur und die<br />
Kompetenzart (im relevanten Zeitraum) tatsächlich zutrifft. Beide Möglichkeiten übersteigen jedoch<br />
das Ausdrucksvermögen der Prädikatenlogik und sind nur mit Hilfe zusätzlicher „Integritätsmechanismen“<br />
in computerbasierten <strong>Kompetenzmanagementsysteme</strong>n zu realisieren. Daher wird<br />
darauf an dieser Stelle nicht näher eingegangen.<br />
bekannte Kompetenzausprägung hinsichtlich der betroffenen Kompetenzart zuzuerkennen. Aus den vorgenannten Gründen ziehen<br />
es die Verfasser vor, jeder Kompetenzart genau eine Kompetenzausprägung zuzuordnen – und im Falle fehlenden Wissens<br />
den expliziten Default-Wert „unbekannt“ für die Kompetenzausprägung zu verwenden.<br />
119) An dieser Stelle wird abermals deutlich, dass eine vollständige Repräsentation des Wissens über die Kompetenzen (in Bezug<br />
sowohl auf die Kompetenzarten als auch die Kompetenzausprägungen) von Akteuren einer Angabe hinsichtlich der jeweils betroffenen<br />
Kompetenzgeltungsdauer bedarf. Denn es ist keineswegs widersinnig, dass ein Akteur im Zeitverlauf die Ausprägung<br />
seiner Kompetenz auf ein höheres Kompetenzniveau entwickelt (Lernprozesse) oder auch auf ein tieferes Kompetenzniveau fallen<br />
lässt (Verlernprozesse). Da hier in der Einführung zur prädikatenlogisch basierten Wissensrepräsentation noch keine Kompetenzgeltungsdauern<br />
erfasst werden, lässt sich diese Denkmöglichkeit zeitlich variierender Kompetenzausprägungen noch<br />
nicht formalsprachlich berücksichtigen.<br />
120) Dabei wird auf den gleichen formalsprachlichen „Trick“ zurückgegriffen, der beim dritten Versuch zur Formalisierung der o.a.<br />
Kompetenzregel hilfreich war, um den erfolgreichen Abschluss von genau einer Weiterbildungsveranstaltung zu repräsentieren.<br />
121) Wie schon in den voranstehenden Beispielen deutlich wurde, lassen sich dynamische Integritätstests einschließlich der Maßnahmen<br />
zur Integritätswahrung im Falle eines negativen Testresultats relativ einfach realisieren. Denn die integritätswahrenden<br />
Maßnahmen sind unmittelbar ersichtlich: Es braucht nur dafür Sorge getragen zu werden, die Inferenzregelanwendung, die zu<br />
einer unzulässigen Formelmenge führen würde, zu unterbinden oder zurückzunehmen. Beide Maßnahmen führen zum selben<br />
Resultat, nämlich der Formelmenge, die vor der Inferenzregelanwendung vorgelegen hat. Dies gilt jedoch nicht für statische Integritätstests.<br />
Wenn diese negativ ausfallen, ist nicht mehr so klar bestimmt, welche Maßnahmen zu ergreifen sind, um eine zulässige<br />
Formelmenge herzustellen. Die Schwierigkeiten, die hierbei auftreten, wurden bereits oben anlässlich der Integritätsregel<br />
für netzplanrepräsentierende Graphen und darin enthaltene zyklische Wege erläutert.
2.4 Generische Kompetenzontologie 469<br />
2.4.2.2.4 Fakten<br />
Für die Konstruktion von Ontologien mittels prädikatenlogischer Ausdrucksmittel spielen neben<br />
den meta- und den objektsprachlichen Inferenzregeln sowie den Integritätsregeln, die zuvor ausführlicher<br />
erläutert wurden, die so genannten Fakten eine weitere wichtige Rolle. Unter einem Faktum<br />
– oder synonym: einer faktischen Formel – wird eine prädikatenlogische Formel verstanden,<br />
die erstens Wissen über einen Realitätsausschnitt repräsentiert (Aspekt der denotationalen Semantik)<br />
und zweitens diese Wissensrepräsentation in der Form leistet, dass die prädikatenlogische Formel<br />
in der sprachlichen Repräsentation des betroffenen Realitätsausschnitts – also innerhalb eines<br />
prädikatenlogischen Formelsystems – eine gültige Formel darstellt 122) (Aspekt der formalen Semantik).<br />
Der zweite Aspekt, dass Fakten stets gültige prädikatenlogische Formeln darstellen, wird oftmals<br />
ausgeblendet, wenn man sich damit begnügt, Formelsysteme auf der Ebene der rein syntaktisch<br />
definierten Formeln zu betrachten. Diese rein syntaktische Betrachtungsweise reicht für zahlreiche<br />
Zwecke der Wissensrepräsentation und Wissensanwendung vollkommen aus. 123) Dennoch<br />
wird hier der Aspekt der formalen Semantik, dass es sich bei Fakten stets um gültige prädikatenlogische<br />
Formeln handelt, aus zwei Gründen hervorgehoben.<br />
Erstens hilft der Aspekt der formalen Semantik zu verstehen, dass Fakten zwar ein weites Spektrum<br />
prädikatenlogischer Formeln überdecken, aber keineswegs jede syntaktisch zulässige Formel ein<br />
Faktum darstellen kann. Fakten lassen sich sowohl durch atomare als auch durch zusammengesetzte<br />
prädikatenlogische Formeln ausdrücken. 124) Allerdings kommt nicht jede prädikatenlogische Formel<br />
für ein Faktum in Betracht. Denn eine prädikatenlogische Formel kann nur dann ein Faktum sein,<br />
d.h. innerhalb eines wissensrepräsentierenden Formelsystems eine gültige Formel darstellen, wenn<br />
es sich um eine wahrheitsdefinite Formel handelt. Eine prädikatenlogische Formel ist genau dann<br />
wahrheitsdefinit, wenn ihr aufgrund ihrer formalen Gestalt genau ein wohldefinierter Wahrheitswert<br />
– in der Prädikatenlogik entweder „gültig“ (entsprechend dem „wahr“ der konventionellen Aussagenlogik)<br />
oder „ungültig“ (entsprechend dem „falsch“ der konventionellen Aussagenlogik) – zugeordnet<br />
werden kann. Dies ist keineswegs für alle syntaktisch zulässigen Formeln der Prädikatenlogik<br />
der Fall. Beispielsweise ist es möglich, dass die Formel A(X) in manchen Fällen gültig und in<br />
anderen Fällen ungültig ist, und zwar je nachdem, auf welches (formale) Objekt oder Individuum ob<br />
das einstellige Prädikat A(⋅) nach einer Substitution seiner Variable X (durch eine prädikatenlogische<br />
Interpretation) angewendet wird. Die allquantifizierte Formel ∀X: A(X) kann hingegen in allen<br />
Fällen nur entweder gültig oder aber ungültig sein. Generell kommen als wahrheitsdefinite prädikatenlogische<br />
Formeln – und somit Fakten – nur zwei Klassen von Formeln in Betracht: Entweder<br />
handelt es sich um variablenfreie Formeln (so genannte Grundterm-Formeln). Oder die Formeln<br />
enthalten zwar Variablen, aber alle Variablen sind jeweils durch einen All- oder einen Existenz-<br />
122) Die Auffassung, Fakten stellten gültige Formeln (oder wahre Gedanken) dar, geht auf FREGE zurück; vgl. SOMMERS (1996) S.<br />
134 („For Frege a ‚fact’ was just a true proposition.“).<br />
123) Beispielsweise wird diese rein syntaktische Ebene vom weiten und fruchtbaren Gebiet prädikatenlogischer Schlussfolgerungen<br />
nicht verlassen, solange ausschließlich mit Inferenzregeln gearbeitet wird. Da die Vollständigkeit und Korrektheit syntaktischer<br />
Inferenzregeln hinsichtlich der prädikatenlogischen (Modell-) Semantik nachgewiesen ist, bedeutet die Einschränkung auf syntaktisch<br />
definierte Inferenzregeln weder einen Verzicht auf zulässige Schlussfolgerungen (wegen der inferenziellen Vollständigkeit)<br />
noch die Gefahr unzulässiger Schlussfolgerungen (wegen der inferenziellen Korrektheit).<br />
124) Wenn mehrere Fakten F 1,...,F N mit N∈N und N2 verwendet werden, um Wissen über einen Realitätsausschnitt zu repräsentieren,<br />
so gelten diese als implizit mittels eines logischen „und“ (also „konjunktiv“) untereinander verknüpft. Stattdessen kann<br />
derselbe Wissensinhalt auch durch eine zusammengesetzte prädikatenlogische Formel repräsentiert werden, in der alle vorgenannten<br />
Fakten durch explizite Konjugatbildung zu einem „Super-Faktum“ F ⇔ F 1 ∧ ... ∧ FN zusammengefasst sind.
470 2.4 Generische Kompetenzontologie<br />
quantor gebunden (so genannte geschlossene Formeln). Durch diese beiden Anforderungen sind<br />
Fakten – über den Aspekt der formalen Semantik – auf eine echte Teilklasse aller Formeln eingeschränkt,<br />
die sich in der Prädikatenlogik syntaktisch zulässig „formen“ lassen.<br />
Zweitens erlaubt der Aspekt der formalen Semantik, die Anschlussfähigkeit des hier verwendeten<br />
Faktenbegriffs zum Wissensbegriff der Analytischen Philosophie zu wahren. Ohne hier auf die vielfältigen<br />
„Abgründe“ von Bemühungen einzugehen, die inhaltliche Tiefe des Wissensbegriffs auszuloten,<br />
sei nur am Rande angedeutet, dass sich Wissen aus der Perspektive der Analytischen Philosophie<br />
als wahre, epistemisch gerechtfertigte 125) Meinung oder Überzeugung 126) („true, justified belief“)<br />
qualifizieren lässt. 127) Wenn mit Fakten Wissen über einen Realitätsausschnitt repräsentiert<br />
werden soll und Wissen als wahre (...) Überzeugung gilt und die wissensausdrückenden Überzeugungen<br />
mittels prädikatenlogischer Formeln repräsentiert werden, so folgt daraus, dass die prädikatenlogischen<br />
Formeln zur Wissensrepräsentation als gültige („wahre“) 128) Formeln behandelt werden<br />
müssen.<br />
2.4.2.3 Einführung in die Verwendung von F-Logic<br />
zur Ontologiekonstruktion<br />
In diesem Kapitel werden Konstrukte aus der Wissensrepräsentationssprache F-Logic erläutert, die<br />
den Verfassern notwendig erscheinen, um die KOWIEN-Ontologie zumindest hinsichtlich ihrer wesentlichen<br />
Eigenschaften – je nach eingenommener Perspektive – erläutern oder nachvollziehen zu<br />
können. Dabei wird von vornherein auf exemplarische Fragmente der KOWIEN-Ontologie zurückgegriffen.<br />
Auf diese Weise wird beabsichtigt, die F-Logic-Konstrukte nicht in einem abstrakten<br />
„Raum sprachlicher Ausdrucksmöglichkeiten“ stehen zu lassen, sondern ihre Verwendung zur Ontologiekonstruktion<br />
an konkreten Beispielen zu verdeutlichen.<br />
Die folgende Abbildung 62 zeigt ein Screenshot der Ontologie-Entwicklungsumgebung OntoEdit.<br />
Sie vermittelt einen ersten groben, intuitiven und nur fragmentarischen Eindruck von der Ontologie,<br />
125) Mit epistemischer Rechtfertigung ist gemeint, dass eine Meinung als gerechtfertigt gilt, wenn ihre Wahrheit mit „guten Gründen“<br />
angenommen werden kann. Durch den Verweis auf „gute Gründe“ lässt sich eine Meinung nur dann als epistemisch gerechtfertigt<br />
qualifizieren, wenn sie in einen umfassenderen Argumentationszusammenhang eingebettet ist und andere Argumente<br />
als die Meinung selbst die betroffene Meinung im Sinne von „guten Gründen“ stützen. Daher besteht ein enger inhaltlicher<br />
Zusammenhang zwischen dem hier zugrunde gelegten Konzept epistemischer Rechtfertigung einerseits und der Kohärenzauffassung<br />
der Wahrheit andererseits. Auf die kohärentistische Wahrheitsauffassung wurde bereits in Fußnote 3 auf S. 429 f. eingegangen.<br />
Vgl. zum Konzept epistemischer Rechtfertigung als Grundlage des Wissensbegriffs BIERI (1994a) S. 39 f. u. 58; BIE-<br />
RI (1994b) S. 80 f. u. 177 ff. Vgl. darüber hinaus zur Verknüpfung zwischen kohärentistischer Wahrheitsauffassung und epistemischer<br />
Rechtfertigung BIERI (1994b) S. 183 ff.; BONJOUR (1994) S. 239 ff.; DAVIDSON (1994) S. 273 ff.<br />
126) Meinungen und Überzeugungen werden hier synonym aufgefasst. Vgl. zu einer abweichenden Auffassung, die Überzeugungen<br />
als spezialisierte Meinungen behandelt, z.B. BIERI (1994a) S. 40.<br />
127) Vgl. ALSTON (1994) S. 217 u. 230 f.; BIERI (1994a) S. 39 sowie – erläuternd – S. 39 ff. u. 48 ff.; BIERI (1994b) S. 77 f. u. 80 ff.;<br />
GETTIER (1994) S. 91; BONJOUR (1994) S. 240 ff.; DAVIDSON (1994) S. 273; LEHRER/PAXSON (1994) S. 94 f., 99, 102 u. 105;<br />
HARMAN (1994) S. 108 u. 118 (mit Diskussion von Vorbehalten). Diese Wissensauffassung wird sogar außerhalb der Analytischen<br />
Philosophie zuweilen im Bereich des Wissensmanagements reflektiert; vgl. NEWELL (1982) S. 122; NONAKA/REIN-<br />
MOELLER/SENOO (1998) S. 673 („Knowlede is defined as justified true beliefs“, allerdings nur als die eine Seite des expliziten<br />
Wissens neben der anderen Seite des taziten Wissens als „bodily acquired skills“); NONAKA/TOYAMA/KONNO (2000) S. 7<br />
(„knowlede as ‚justified true belief’ “). Vgl. auch – allerdings distanziert – RESCHER (1974) S. 701 f.; RESCHER (1979) S. 75 f.<br />
128) Die Wahrheitswerte „gültig“ („ungültig“) und „wahr“ („falsch“) werden hier synonym verwendet. Es wird lediglich dem etablierten<br />
Sprachgebrauch gefolgt, im Fall von prädikatenlogischen Formeln bevorzugt von gültigen (ungültigen) Formeln zu sprechen,<br />
während im Fall von aussagenlogischen Formeln vornehmlich von wahren (falschen) Formeln die Rede ist.
2.4 Generische Kompetenzontologie 471<br />
die im Verbundprojekt KOWIEN entwickelt wurde. In der linken Spalte der Abbildung ist ein Auszug<br />
aus der Taxonomie der KOWIEN-Ontologie wiedergegeben. In dieser Taxonomie werden einerseits<br />
die Konzepte spezifiziert, mit denen sich der Realitätsausschnitt des KOWIEN-Projekts<br />
modellieren lässt. Andererseits umfasst sie taxonomische Über- und Unterordnungsbeziehungen<br />
zwischen den Konzepten. Die Gesamtheit aus Konzepten und ihren vorgenannten Beziehungen untereinander<br />
bildet die taxonomische Struktur der Ontologie. Die rechte Spalte enthält nichttaxonomische<br />
Relationen, die zwischen den Konzepten der Ontologie zusätzlich definiert sind. Auf<br />
beide Aspekte der KOWIEN-Ontologie – ihre Taxonomie und ihre nicht-taxonomischen Relationen<br />
– wird in den folgenden Kapiteln näher eingegangen.<br />
Abbildung 62: Screenshot der Ontologie-Entwicklungsumgebung OntoEdit<br />
Die taxonomische Struktur einer Ontologie besteht einerseits aus objektsprachlichen Konstrukten<br />
als Elementen der Ontologiestruktur und andererseits aus einer zweistelligen partiellen Ordnungsrelation,<br />
die es gestattet, metasprachliche Über- und Unterordnungsbeziehungen zwischen den objektsprachlichen<br />
Konstrukten zu spezifizieren. Die Repräsentationssprache F-Logic unterstützt von den<br />
objektsprachlichen Konstrukten, für die sich eine partielle Ordnung grundsätzlich vorstellen lässt,<br />
lediglich die Spezifikation einer partiellen Ordnung auf der Menge 129) der Konzepte. 130) Als partielle<br />
129) Abweichend von ihrer üblichen Verwendung in der Informatik und Wirtschaftsinformatik werden die Bezeichner „Menge“ und<br />
„Klasse“ im Folgenden synonym verwendet. Dies entspricht der gängigen Vorgehensweise in der Logik (vgl. FRANK (2003) S.<br />
15). Streng genommen ist diese synonyme Verwendungsweise nur statthaft, solange keine Komplikationen wie die Antinomie<br />
von RUSSEL („die Menge aller Mengen, die sich nicht selbst als Element enthalten“) zu befürchten sind. Da in diesem Beitrag<br />
keine metasprachlichen Aussagen dieser Art über Gesamtheiten von Mengen getroffen werden, besteht keine Gefahr von Anti-
472 2.4 Generische Kompetenzontologie<br />
Ordnungsrelation wird nur die metasprachliche „is a“-Relation zugelassen, die begriffliche Über-<br />
und Unterordnungsbeziehungen zwischen Konzepten wiedergibt 131) . Diese „is a“-Relation wird<br />
oftmals auch als taxonomische Relation bezeichnet. 132) Als formalsprachlicher Bezeichner für diese<br />
Relation werden zwei hintereinander aufgeführte Doppelpunkte („::“) verwendet. 133) Der „einfache“<br />
Doppelpunkt („:“) ist in F-Logic hingegen dafür reserviert, die Zugehörigkeitsbeziehungen von Instanzen<br />
zu Konzepten zu spezifizieren. 134)<br />
nomien. Folglich können die Bezeichner „Menge“ und „Klasse“ komplikationsfrei synonym verwendet werden. Für diese Verwendungsweise<br />
spricht, dass sie die Anschlussfähigkeit der Ausführungen an unterschiedliche „vorherrschende Diktionen“ unterstützt.<br />
So wird im Folgenden – in Übereinstimmung mit dem vorherrschenden Sprachgebrauch – der Bezeichner „Klasse“<br />
bevorzugt, wenn die Extensionen von Konzepten gemeint sind (obwohl die Extensionen aus logisch-mathematischer Sicht als<br />
„gewöhnliche“ Mengen definiert sind). Dagegen wird der Bezeichner „Menge“ bevorzugt, wenn die Zusammenfassung gleichartiger,<br />
aber paarweise wohlunterscheidbarer Objekte zu einer Gesamtheit gemeint ist und kein inhaltlicher Bezug auf Extensionen<br />
von Konzepten erfolgt (obwohl Konzeptextensionen nichts anderes als solche Zusammenfassungen darstellen).<br />
130) Die zweite Menge der objektsprachlichen Konstrukte einer Ontologie umfasst alle Relationen, die ihrerseits über den Konzepten<br />
definiert sind. Für eine unmittelbare Spezifikation einer partiellen Ordnung auf der Menge aller Relationen ist in F-Logic<br />
jedoch kein metasprachliches Ausdrucksmittel vorgesehen. Dieses Defizit lässt sich allerdings durch objektsprachliche Inferenzregeln<br />
heilen. Auf diese Möglichkeit, Ordnungen auf der Menge aller Relationen zu spezifizieren, wird später anhand exemplarischer<br />
Spezifikationen eingegangen.<br />
131) Ein Konzept k 1 steht zu einem anderen Konzept k 2 genau dann in einer begrifflichen Unterordnungsbeziehung (oder kurz: das<br />
Konzept k 1 ist ein Unterbegriff oder Subkonzept zum Konzept k 2), wenn die Extension E 1 des Konzepts k 1 immer eine Subklasse<br />
zur (oder synonym: Teilmenge der) Extension E 2 des Konzepts k 2 ist. Die Extension E 1 des untergeordneten Konzepts k 1 ist<br />
also in der Extension E 2 des übergeordneten Konzepts k 2 enthalten; es besteht die Inklusionsbeziehung E 1 ⊆ E 2 zwischen den<br />
Extensionen E 1 und E 2 der beiden Konzepte k 1 bzw. k 2. Ein Konzept k 1 steht hingegen zu einem anderen Konzept k 2 genau<br />
dann in einer begrifflichen Überordnungsbeziehung (oder kurz: das Konzept k 1 ist ein Oberbegriff oder ein Superkonzept zum<br />
Konzept k 2), wenn die Extension des Konzepts k 1 eine Superklasse zur (oder synonym: Obermenge der) Extension des Konzepts<br />
k 2 ist. In diesem Fall besteht die die Inklusionsbeziehung E 2 ⊆ E 1 zwischen den Extensionen E 1 und E 2 der beiden Konzepte<br />
k 1 bzw. k 2 in umgekehrter Richtung.<br />
Unter der Extension eines Konzepts wird – zunächst innerhalb einer formalen Semantik – die Klasse (oder synonym: die Menge)<br />
aller formalen Objekte verstanden, die „Aktualisierungen“ oder „Instanziierungen“ dieses Konzepts darstellen. Die Extension<br />
eines Konzepts wird daher auch synonym als Instanzenmenge des Konzepts bezeichnet. Falls diesen formalen Objekten – in<br />
einer nachgelagerten materiellen Semantik – mittels Korrespondenzregeln bestimmte Entitäten in dem jeweils betrachteten<br />
Realitätsausschnitt zugeordnet sind, lässt sich die Extension eines Konzepts auch als Menge aller realen Entitäten auffassen, die<br />
sich unter das jeweils betroffene Konzept subsumieren lassen.<br />
132) Als zweite taxonomische Relation kommt die Relation ist_Instanz_von in Betracht – allerdings nur dann, wenn eine Ontologie<br />
im weiteren Sinn unter Einschluss der Instanzenebene betrachtet wird.<br />
133) Im Folgenden wird zwischen der natürlichsprachlichen („is a“) und der formalsprachlichen („::“) Bezeichnung der taxonomischen<br />
Ordnungsrelation nicht weiter unterschieden, sofern dies im aktuellen Argumentationskontext nicht erforderlich erscheint.<br />
Außerdem wird die „is a“-Relation mitunter – nach Einschätzung der Verfasser präziser – als Relation ist_Subkonzept<br />
_von bezeichnet. Diese Bezeichnung nimmt unmittelbar auf den Sachverhalt Bezug, dass von zwei Konzepten, welche die<br />
„is a“-Relation erfüllen, das erste zum zweiten im Verhältnis eines Subkonzepts steht. In diesem Beitrag werden alle drei Bezeichnungen<br />
– „is a“-Relation, „::“ und „ist_Subkonzept_von“-Relation – synonym verwendet.<br />
134) Ein formales Objekt i gehört zu einem Konzept k n genau dann, wenn i ein Element aus der Extension E n des Konzepts k n ist,<br />
wenn also i ∈ E n gilt. In diesem Fall wird i als Instanz von k n bezeichnet. Im Folgenden werden die beiden formalsprachlichen<br />
Notationen „i : k n“ und „i ∈ E n“ äquivalent verwendet. Die Notation „i : k n“ wird im Kontext von F-Logic bevorzugt, während<br />
die Notation „i ∈ E n“ zugrunde liegt, wenn F-Logic-Konstrukte mittels mengentheoretischer und prädikatenlogischer Erläuterungen<br />
rekonstruiert werden. Da die Notation „i : k n“ die Instanziierung einer Klasse durch ein Individuum ausdrückt, wird die<br />
Relation „i : k n“ auch als „ist_Instanz_von“-Relation bezeichnet. In diesem Beitrag werden beide Bezeichnungen – „:“ und<br />
„ist_Instanz_von“-Relation – synonym verwendet.
2.4 Generische Kompetenzontologie 473<br />
Über der Menge K aller Konzepte einer Ontologie wird durch die metasprachliche „is a“-Relation<br />
eine partielle Ordnung eingeführt. Die partielle Ordnung auf der Menge K aller Konzepte wird<br />
durch folgende Eigenschaften der „is a“-Relation ausgezeichnet: 135)<br />
• Reflexivität ∀k∈K: k :: k<br />
• Antisymmetrie ∀k1,k2∈K: (k1 :: k2 ∧ k2 :: k1) → k1 = k2<br />
• Transitivität ∀k1,k2,k3∈K: (k1 :: k2 ∧ k2 :: k3) → k1 :: k3.<br />
Stehen zwei Konzepte k1 und k2 in der „is a“-Relation zueinander (k1 :: k2), 136) ist das Konzept k1<br />
dem Konzept k2 untergeordnet; das Konzept k1 wird dann als Sub- oder Unterkonzept des Konzepts<br />
k2 bezeichnet. Das Konzept k2 ist in diesem Fall dem Konzept k1 übergeordnet und heißt ein Super-<br />
oder Oberkonzept des Konzepts k1. Die „is a“-Relation stellt daher eine Subkonzeptrelation dar und<br />
wird deswegen auch als Relation ist_Subkonzept_von bezeichnet. 137) Aufgrund der Transitivität dieser<br />
Subkonzeptrelation müssen zwei Konzepte k1 und k2 nicht in einem unmittelbaren Ordnungsverhältnis<br />
zueinander stehen, können aber dennoch über eine Verkettung von mehreren (gleichartigen<br />
138) ) unmittelbaren Ordnungsverhältnissen in einer mittelbaren Über- oder Unterordnungsbeziehung<br />
zueinander stehen.<br />
Die Inklusionsbeziehung zwischen den Instanzenmengen von zwei Konzepten k1 und k2, die zueinander<br />
in einem durch die „is a“-Relation geordneten Verhältnis stehen, wird durch ein metasprachliches<br />
„Gesetz“ oder „Axiom“ 139) gewährleistet. Mit I als Menge aller Instanzen (formalen Objekte),<br />
die für eine Ontologie definiert sind 140) , wird dieses Inklusionsgesetz wie folgt ausgedrückt:<br />
135) Zur kompakten Notation prädikatenlogischer Formeln wird in diesem Beitrag zuweilen darauf zurückgegriffen, dass die Prämisse<br />
eines Subjugats, mit der die Zugehörigkeit eines Individuums zu einer Menge ausgedrückt wird, auch „unter einen Quantor<br />
gezogen“ werden kann und dass sich mehrere gleichartige Quantoren zu einem Quantor zusammenfassen lassen, hinter dem<br />
die quantifizierten Variablen aufgezählt werden. Es gelten also folgende vereinfachte Notationen mit ihren jeweils äquivalenten<br />
„Bedeutungen“:<br />
∀k ∈K:F(k) ⇔ ∀k:k∈K→ F(k)<br />
∀k ,k ∈K : F(k ,k ) ⇔ ∀k∀k : (k ∈K∧ k ∈K) → F(k ,k )<br />
1 2 1 2 1 2 1 2 1 2<br />
136) Streng genommen gilt: Wenn zwei Konzepte k1 und k 2 die taxonomische Unterordnungsbeziehung k 1 :: k 2 erfüllen, dann handelt<br />
es sich bei dieser Beziehung um ein Element der „is a“-Relation. Die „is a“-Relation selbst ist die Menge aller Paare<br />
(k 1 :: k 2) solcher Beziehungen zwischen je zwei Konzepten. Wenn keine Verwechslungsgefahr zwischen der Beziehung<br />
(k 1 :: k 2) als Element der „is a“-Relation und dieser „is a“-Relation selbst besteht, wird der Einfachheit halber auch davon gesprochen,<br />
dass zwei Konzepte k 1 und k 2 in der „is a“-Relation zueinander stehen, wenn für sie k 1 :: k 2 gilt.<br />
137) Wenn zwei Konzepte k 1 und k 2 in der taxonomischen Beziehung k 1 :: k 2 zueinander stehen und deshalb das Konzept k 1 ein<br />
Subkonzept des Konzepts k 2 darstellt, trifft auf die Extensionen E 1 bzw. E 2 der beiden Konzepte die Inklusionsbeziehung<br />
E 1 ⊆ E 2 zu. Infolgedessen kann die Subkonzeptrelation „::“ im Hinblick auf die Extensionen der involvierten Klassen auch als<br />
eine Subklassenrelation bezeichnet werden. Vgl. dazu Fußnote 131 auf S. 472.<br />
138) Eine mittelbare Beziehung vermittels transitiver Verkettung besteht nur dann, wenn alle „Kettenglieder“ entweder eine Unter-<br />
oder eine Überordnungsbeziehung zwischen den jeweils zwei miteinander verknüpften Konzepten darstellen.<br />
139) Aufgrund der allquantifizierten Subjugat-Formel, die in Kürze folgt, liegt die sprachliche Form einer gesetzesartigen Aussage<br />
vor. Für den Gesetzescharakter spricht ebenso, dass die Inklusionsbeziehung zwischen Instanzen in allgemeingültiger Weise,<br />
d.h. mit Geltungsanspruch für alle Konzepte und alle Instanzen einer Ontologie ausgedrückt wird. Da es sich um keine empirische,<br />
auf die Realwelt bezogene Behauptung, sondern um eine „innersprachliche“ Festlegung handelt, entfällt sogar – im Gegensatz<br />
zu nomischen Hypothesen der Realwissenschaften – die inhaltliche Differenzierung zwischen gesetzesartiger Aussage<br />
(als rein sprachliches Konstrukt) einerseits und ihrer empirischen Überprüfung als Gesetz mit universellem Geltungsanspruch in<br />
der Realität andererseits. Daher kann die allquantifizierte Subjugat-Formel für die Gewährleistung der Inklusionsbeziehung in<br />
der Tat als ein innersprachliches, ontologie-immanent definiertes Gesetz aufgefasst werden. Zugleich handelt es sich um eine<br />
Setzung, weil die Inklusionsbeziehung keineswegs denknotwendig ist, sondern sich lediglich als zweckmäßig erweist. Insofern
474 2.4 Generische Kompetenzontologie<br />
∀k1,k2∈K ∀i∈I: (k1:: k2 ∧ i : k1) → i : k2<br />
Wenn das Konzept k1 einem anderen Konzept k2 untergeordnet ist und ein formales Objekt i Instanz<br />
des Konzepts k1 ist, dann ist das formale Objekt i auch eine Instanz des Konzepts k2.<br />
Für die Spezifikation von zusätzlichen, objektsprachlichen Relationen r zwischen Konzepten neben<br />
der „is a“-Relation – also von nicht-taxonomischen objektsprachlichen Relationen – wird von F-<br />
Logic eine Vielzahl metasprachlicher Relationen zur Verfügung gestellt. In der KOWIEN-Ontologie<br />
werden vornehmlich die metasprachlichen Relationen „=>“, „=>>“, „->“ und „->>“ verwendet.<br />
Die metasprachlichen Relationen „=>“ und „=>>“ sind jeweils als dreistellige 141) , rechtseindeutige<br />
Relationen über dem kartesischen Produkt:<br />
K × R × K<br />
definiert. 142) Dabei umfasst die Menge K weiterhin alle Konzepte in einer Ontologie. Die Menge R<br />
umfasst alle nicht-taxonomischen und zugleich objektsprachlichen Relationen, die in einer Ontologie<br />
über deren Konzepten definiert sind. Da sich die metasprachlichen Relationen „=>“ und „=>>“<br />
in ihrer ersten und letzten Stelle jeweils auf Konzepte beziehen, werden sie auch als konzeptbezogene<br />
Relationen bezeichnet (im Gegensatz zu den komplementären metasprachlichen Relationen<br />
„->“ und „->>“, auf die in Kürze zurückgekommen wird).<br />
Wenn ein 3-Tupel (k1,r,k2) Element einer der metasprachlichen Relationen „=>“ oder „=>>“ ist,<br />
dann können Instanzen des Konzepts k1 in der Relation r zu Instanzen des Konzepts k2 stehen. Dieser<br />
Sachverhalt wird in F-Logic als k1[r => k2] bzw. k1[r =>> k2] notiert. Mit der einfachen Pfeilspitze<br />
(„=>“) wird die Einwertigkeit der Relation r ausgedrückt, d.h., dass jede Instanz des Kon-<br />
könnte auch von einem Axiom die Rede sein. Allerdings ist dieses Axiom nicht unabhängig, sondern folgt aus den früheren<br />
Festlegungen hinsichtlich der Zugehörigkeit von Instanzen zu Konzepten (Enthaltensein der Instanzen in den Extensionen der<br />
Konzepte) und hinsichtlich der Subklassenbeziehungen zwischen den Extensionen von Konzepten, die in der Subkonzeptrelation<br />
zueinander stehen. Wegen dieses „derivativen“ Charakters der Inklusionsbeziehung wird hier der – durchaus zulässige –<br />
Axiombegriff nicht verwendet, um ihn für „originäre“ Festlegungen vorzubehalten, die nicht aus anderen Festlegungen gefolgert<br />
werden können. Vgl. dagegen zu umfangreichen Auflistungen und Diskussionen von „Axiomen“ für Ontologien BENJAMIN<br />
ET AL. (1994) S. 127 f., 131 f., 136 f., 139 ff., 143 ff. u. 148; STAAB ET AL. (2000a) S. 47 ff.; STAAB/MAEDCHE (2000) S. 8.2 ff.<br />
140) Diese allumfassende oder „universelle“ Instanzenmenge I wird auch als das „Universum“ einer Ontologie oder als „universe of<br />
discourse“ bezeichnet. Vgl. dazu Kapitel 1.3.2.3.1 (S. 246).<br />
141) Aufgrund dieser Festlegung werden in F-Logic lediglich zweistellige objektsprachliche Relationen zugelassen. Auf Design-<br />
Entscheidungen, die sich aus dieser Beschränkung ergeben, wird in Kapitel 2.4.3.1.2.1 anlässlich der Erläuterung des abstrakten<br />
Konzepts Aussage auf S. 493 ff. näher eingegangen.<br />
142) Die Rechtseindeutigkeit der metasprachlichen Relationen „=>“ und „=>>“ äußert sich darin, dass jedes Tupel (k 1,r) ∈ (K×R)<br />
durch eine der metasprachlichen Relationen „=>“ und „=>>“ zu höchstens einem Konzept k 2∈K in Beziehung gesetzt werden<br />
kann. Somit dürfen in einer Ontologie, die auf F-Logic basiert, keine Spezifikationen der Art k 1[r => k 2] und k 1[r => k 3] mit unterschiedlichen<br />
Konzepten k 2 und k 3 (k 2≠k 3) existieren, die jeweils durch einzelne formale Objekte instanziiert werden (skalare<br />
Konzepte). Analog gilt für die metasprachliche Relation „=>>“, dass in einer Ontologie keine Spezifikationen der Art<br />
k 1[r =>> k 2] und k 1[r = >>k 3] mit unterschiedlichen Konzepten k 2 und k 3 (k 2≠k 3) existieren dürfen, die jeweils durch nicht-leere<br />
Mengen formaler Objekte instanziiert werden (mengenartige Konzepte).<br />
Ebenso könnte angenommen werden, dass es in einer Ontologie kein Tupel (k 1,r,k 2) mit sowohl ein- als auch mengenwertiger<br />
Spezifikation geben darf, für das also sowohl k 1[r => k 2] als auch k 1[r =>> k 3] mit k 2 als skalarem und k 3 als mengenartigem<br />
Konzept gilt. Denn die objektsprachliche Relation r zwischen zwei Konzepten k 1 und k 2 sollte entweder nur ein- oder aber nur<br />
mengenwertig sein, um die Eindeutigkeit der Relationsspezifikationen zu gewährleisten (Monomorphismus). KIFER, LAUSEN<br />
und WU betonen allerdings explizit, dass solche polymorphen Spezifikationen in F-Logic erlaubt sind; vgl. KIFER/LAUSEN/WU<br />
(1995) S. 753 u. 758.
2.4 Generische Kompetenzontologie 475<br />
zepts k1 mit höchstens 143) einer Instanz des Konzepts k2 in der Relation r stehen kann. Dagegen wird<br />
mit der doppelten Pfeilspitze („=>>“) die Mengenwertigkeit der Relation r ausgedrückt, d.h., dass<br />
jede Instanz des Konzepts k1 mit höchstens einer nicht-leeren Menge von Instanzen des Konzepts k2<br />
in der Relation r stehen kann. 144) In beiden Fällen – sowohl der Ein- als auch der Mengenwertigkeit<br />
einer Relation r – muss für sie keine Linkstotalität gelten. 145)<br />
143) Die Möglichkeit, jeder Instanz des Konzepts k 1 höchstens eine Instanz des Konzepts k 2 zuordnen zu können, folgt bereits aus<br />
der Rechtseindeutigkeit – also dem „funktionalen“ Charakter – der metasprachlichen Relation „=>“. Allerdings kann durchaus<br />
der Fall eintreten, dass einer Instanz des Konzepts k 1 keine Instanz des Konzepts k 2 zugeordnet ist. Dieser letztgenannte Fall<br />
wird in Kürze als fehlende Linkstotalität der metasprachlichen Relation „=>“ angesprochen. Für diesen „degenerierten“ Fall,<br />
dass einer Instanz des Konzepts k 1 keine Instanz des Konzepts k 2 zugeordnet ist, bestehen streng genommen zwei Ausdrucksmöglichkeiten.<br />
Einerseits ist es möglich, die metasprachliche Relation „=>>“ als linkstotale (oder vollständige) Relation zu<br />
qualifizieren und für den „degenerierten“ Fall zu vereinbaren, dass der betroffenen Instanz des Konzepts k 1 die leere Menge<br />
von Instanzen des Konzepts k 2 zugeordnet ist. Andererseits ist es ebenso möglich, die metasprachliche Relation „=>>“ als nicht<br />
linkstotale (oder partielle) Relation zu qualifizieren und für den „degenerierten“ Fall zu vereinbaren, dass der betroffenen Instanz<br />
des Konzepts k 1 keine nicht-leere Menge von Instanzen des Konzepts k 2 zugeordnet ist. In der einschlägigen Fachliteratur<br />
– wie beispielsweise in KIFER/LAUSEN/WU (1995) – wird dieser definitorische Freiheitsgrad nicht explizit thematisiert. Die Verfasser<br />
haben sich – letztlich willkürlich – für die zweite Definitionsvariante entschieden, weil es auf diese Weise möglich war,<br />
die beiden metasprachlichen Relationen „=>“ und „=>>“ in derselben Weise als zwar rechtseindeutige, jedoch nicht linkstotale<br />
Relationen zu charakterisieren.<br />
144) Es wird darauf hingewiesen, dass die Bezeichnungen „rechtseindeutig“ und „rechtsmehrdeutig“ – in Unterschied zu manchen<br />
anderen Autoren – bewusst nicht synonym zu den Bezeichnungen „einwertig“ bzw. „mehrwertig“ verwendet werden. Mit den<br />
erstgenannten Bezeichnungen erfolgt eine Differenzierung zwischen einerseits rechtseindeutigen Relationen, die Objekten aus<br />
dem Vorbereich jeweils höchstens ein Objekt aus dem Nachbereich zuordnen (Funktionen), und andererseits rechtsmehrdeutigen<br />
Relationen, die Objekten aus dem Vorbereich jeweils auch mehrere Objekte aus dem Nachbereich zuordnen können. Dagegen<br />
wird mit den letztgenannten Bezeichnungen eine Differenzierung zwischen einerseits einwertigen Relationen, die Objekten<br />
aus dem Vorbereich einzelne Objekte (Skalare) zuordnen, und andererseits mehrwertigen Relationen, die Objekten aus dem<br />
Vorbereich nicht-leere Mengen von Objekten zuordnen, vorgenommen. Demnach können auch rechtseindeutige Relationen<br />
mengenwertig sein. Dies ist genau dann der Fall, wenn die betroffene Relation erstens funktionalen Charakter hat, also jedem<br />
Objekt aus ihrem Vorbereich höchstens ein Objekt zuordnen kann, und wenn es sich zweitens bei dem zugeordneten Objekt um<br />
eine nicht-leere Menge von Objekten handelt.<br />
Die o.a. Differenzierung zwischen Rechtsein- und Rechtsmehrdeutigkeit einerseits sowie Ein- und Mehrwertigkeit andererseits<br />
wird in dieser Form in F-Logic nicht vorgenommen. Trotzdem erscheint den Verfassern die vorgenannte Differenzierung aus<br />
zwei Gründen wichtig. Erstens führt sie zu einer präziseren, „aufgeklärten“ Verwendung der Begriffspaare „Rechtsein- und<br />
Rechtsmehrdeutigkeit“ versus „Ein- und Mehrwertigkeit“, die in Argumentationen zu F-Logic – und auch anderen Wissensrepräsentationssprachen<br />
– oftmals vermisst wird. Gerade in Ontologien sollte jedoch nach Überzeugung der Verfasser sprachliche<br />
Präzision zu den vorrangigen Gestaltungszielen gehören. Zweitens schafft die Differenzierung Gestaltungsspielräume für<br />
Ontologien (und andere formalsprachliche Spezifikationen), die in anderen Domänen als dem hier betrachteten Kompetenzmanagement<br />
davon profitieren können, zwischen einerseits „Rechtsein- und Rechtsmehrdeutigkeit“ sowie andererseits „Ein- und<br />
Mehrwertigkeit“ unterscheiden zu können. Beispielsweise erweist es sich bei der Prozessmodellierung mit der Hilfe von Höheren<br />
PETRI-Netzen, die auf prädikatenlogischen oder algebraischen Kalkülen basieren, durchaus als hilfreich, für die Markierung<br />
von Stellen und die Gewichtung von Kanten zwar rechtseindeutige, aber dennoch mengenwertige Funktionen als Markierungs-<br />
bzw. Gewichtungsfunktionen verwenden zu können; vgl. ZELEWSKI (1995) Band 5.1: S. 68 f., 76 u. 78 f. (streng genommen<br />
werden dort als Funktionsbilder nicht konventionelle Mengen, sondern Multimengen verwendet; aber diese Nuancierung interessiert<br />
hier nicht näher, weil sich Multimengen als Verallgemeinerungen „gewöhnlicher“ Mengen auffassen lassen).<br />
145) Vgl. KIFER/LAUSEN/WU (1995) S. 758. Sowohl die Relationen „=>“ und „=>>“ als auch die Relationen „->“ und „->>“ werden<br />
nämlich in der prädikatenlogischen Semantik auf partielle Relationen abgebildet. Daher können sie durchaus alle formalen Objekte<br />
aus ihrem Vorbereich auf formale Objekte aus ihrem Nachbereich abbilden, müssen es aber nicht. Wenn die vorgenannten<br />
Relationen wegen ihrer Rechtseindeutigkeit (s.o.) als Funktionen aufgefasst werden, so handelt es sich also wegen ihrer fehlenden<br />
Linkstotalität um partielle Funktionen.<br />
Aus der Perspektive der konzeptuellen Datenmodellierung kommen den metasprachlichen Relationen „=>“ und „=>>“ (sowie<br />
ebenso den metasprachlichen Relationen „->“ und „->>“) die „(Min,Max)-Kardinalitäten“ (0,1) bzw. (0,n) mit beliebig großem<br />
n∈N + zu. Vgl. KIFER/LAUSEN/WU (1995) S. 755 speziell zum Wert „0“ für die minimale Kardinalität für die Relationen „=>“<br />
und „=>>“ bzw. „->“ und „->>“. Diese Festlegung hat den Vorteil, mittels der metasprachlichen Relation „=>“ (Analoges gilt<br />
für die Relation „->“) sowohl vollständig definierte als auch nur partiell definierte Funktionen (jeweils als rechtseindeutige Re-
476 2.4 Generische Kompetenzontologie<br />
Mittels einer so genannten Typrestriktion kann auf der metasprachlichen Ebene ausgedrückt werden,<br />
dass eine objektsprachliche Relation r, die zwischen zwei Konzepten k1 und k2 besteht, als<br />
„Beziehungstyp“ auch für ein drittes Konzept k3 erhalten bleibt, sofern es sich hierbei um ein Subkonzept<br />
des Konzepts k1 handelt:<br />
∀k1,k2,k3∈K ∀r∈R: (k1[r =>> k2] ∧ k3 :: k1) → k3[r =>> k2]<br />
Diese „Typerhaltung“ für objektsprachliche Relationen berücksichtigt explizit die taxonomische<br />
Struktur der Ontologie, die sich in der Relation „::“ niederschlägt. Die Typrestriktion gewährleistet,<br />
dass für alle Instanzen eines Konzepts k3, das einem Konzept k1 untergeordnet ist, diejenigen Relationen<br />
(wieder)verwendet werden können, die für das Konzept k1 und ein jeweils – relationsspezifisch<br />
– komplementäres Konzept k2 definiert sind.<br />
Zwar erweist sich die Typrestriktion auf der Instanzenebene als abundant. Denn der gleiche Sachverhalt<br />
ergibt sich wegen des o.a. Inklusionsgesetzes bereits daraus, dass Instanzen eines Konzepts<br />
(hier k3) immer auch Instanzen seines Superkonzepts (hier k1) sind. Somit stehen für diese Instanzen<br />
(von Konzept k3) wegen ihrer Eigenschaft, zugleich auch Instanzen des Superkonzepts (hier k1)<br />
darzustellen, alle objektsprachlichen Relationen (hier r) zur Verfügung, die für das Superkonzept<br />
definiert sind. Wenn allerdings die Betrachtung der Ontologie lediglich auf der Konzeptebene – also<br />
ohne Instanziierungen der Konzepte – von Interesse ist, wird die o.a. Typrestriktion benötigt. Durch<br />
diese Restriktion wird dann das „Gesetz“ ausgedrückt, dass alle Relationen, die für ein Konzept definiert<br />
sind, an die Subkonzepte des Konzepts „vererbt“ werden.<br />
Die metasprachlichen Relationen „=>“ und „=>>“ sind dafür reserviert, Konzepte und Relationen<br />
als objektsprachliche Ausdrucksmittel in „sinnvolle“ Beziehungen 146) zueinander zu setzen. Sie dienen<br />
somit dazu, die „Semantik“ der objektsprachlichen Ausdrucksmittel festzulegen, die von einer<br />
Ontologie zur Modellierung eines Realitätsausschnitts zur Verfügung gestellt werden. Dabei handelt<br />
es sich um eine Semantik besonderer Art. 147) Erstens gehört sie zum Typ der formalen Semantiken,<br />
weil sie auf rein formalsprachliche Ausdrucksmittel – die metasprachlichen Relationen „=>“<br />
lationen) spezifizieren zu können. Mittels der metasprachlichen Relation „=>>“ (Analoges gilt für die Relation „->>“) lässt sich<br />
das gesamte Spektrum mengentheoretischer Ausdrucksmittel ausschöpfen. Aufgrund dieser Festlegungen stellen die beiden metasprachlichen<br />
Relationen „=>“ und „=>>“ keine Gegensätze dar. Vielmehr handelt es sich bei der Relation „=>“ um einen<br />
Spezialfall der Relation „=>>“ für die maximale Kardinalität n=1. Daher können Ontologien im Prinzip ausschließlich mit der<br />
allgemeinen Relation „=>>“ konstruiert werden. Allerdings ziehen es die Verfasser vor, die spezielle Relation „=>“ immer<br />
dann zu verwenden, wenn bekannt ist oder festgelegt werden soll, dass einem Objekt aus dem Vorbereich einer objektsprachlichen<br />
Relation niemals mehr als ein Objekt aus dem Nachbereich der Relation zugeordnet sein kann bzw. darf. Die spezielle Relation<br />
„=>“ lässt sich also benutzen, um zusätzliches Wissen über eine charakteristische Eigenschaft einer objektsprachlichen<br />
Relation formalsprachlich präzise und zugleich kompakt auszudrücken.<br />
146) In Ontologien existiert kein Kriterium dafür, was als eine „sinnvolle“ Beziehung zwischen einer Relation und zwei Konzepten<br />
angesehen werden kann. Vielmehr erfolgt die „Sinnstiftung“ außerhalb der Ontologie durch den Ontologiedesigner, der festlegt,<br />
welche zwei Konzepte k 1 und k 2 durch eine objektsprachliche Relation r miteinander in einer Beziehung stehen. Innerhalb der<br />
Ontologie wird dann diese „ontologie-exogene“ Sinnstiftung mittels der metasprachlichen Relationen „=>“ oder „=>>“ ausgedrückt,<br />
indem das Tripel (k 1,r,k 2) als Element einer der beiden voranstehenden Relationen spezifiziert wird.<br />
147) An dieser Stelle wird nur kurz darauf hingewiesen, dass der Begriff „Semantik“ zu den „schillerndsten“, facettenreichsten Begriffen<br />
gehört, die in wissenschaftlichen Diskursen verwendet werden. Daher wird von vornherein vor Missverständnissen gewarnt,<br />
die aus der Präsupposition eines bestimmten Semantikverständnisses resultieren können, das von dem hier vertretenen<br />
Semantikverständnis abweicht, aber als „natürlich“, „selbstverständlich“ o.ä. vorausgesetzt wird. Die Verfasser nehmen eine<br />
solche Qualifizierung für ihr Semantikverständnis in keiner Weise in Anspruch. Stattdessen explizieren sie lediglich dasjenige<br />
(Vor-) Verständnis von Semantik, das ihrem Wissen nach allen formalsprachlichen Ontologien zugrunde liegt – zumindest<br />
dann, wenn es sich um Ontologien mit prädikatenlogischer Fundierung handelt. Denn das hier vertretene Semantikverständnis<br />
lehnt sich weit gehend an die formale Semantik prädikatenlogischer Kalküle an.
2.4 Generische Kompetenzontologie 477<br />
und „=>>“ sowie die objektsprachlichen Konzepte und Relationen einer Ontologie – zurückgreift.<br />
Zweitens liegt eine „innersprachliche“ Semantik vor, weil die Bedeutung sprachlicher Artefakte<br />
(der objektsprachlichen Konzepte und Relationen) mittels anderer sprachlicher Artefakte (der metasprachlichen<br />
Relationen „=>“ und „=>>“) ausgedrückt wird. Es erfolgt also keine Referenz auf außersprachliche,<br />
„realweltliche“ Entitäten, die von den Konzepten und Relationen als deren (materielle)<br />
Bedeutungen „gemeint“ sein könnten. Für solche materiellen Bedeutungszuweisungen fehlen<br />
(noch) Korrespondenzregeln o.ä. Instrumente, die „bedeutungskonstituierende“ Beziehungen zwischen<br />
den sprachlichen Artefakten einerseits und den referenzierten „realweltlichen“ Entitäten andererseits<br />
herstellen könnten. Drittens werden die „Bedeutungen“ der objektsprachlichen Konzepte<br />
und Relationen nicht durch einzelne, separierbare Bedeutungszuschreibungen festgelegt, sondern<br />
„entstehen“ erst aus der Gesamtheit der ein- oder wechselseitigen Abhängigkeiten, die mittels der<br />
metasprachlichen Relationen „=>“ und „=>>“ zwischen den objektsprachlichen Konzepten und Relationen<br />
hergestellt werden. 148) Die Bedeutungen erschließen sich also erst durch den Gesamtzusammenhang<br />
des (formal)sprachlichen Netzwerks einer Ontologie. In dieser Hinsicht besteht eine<br />
bemerkenswerte Analogie zur Kohärenzauffassung für Wahrheit (im Gegensatz zur Korrespondenzauffassung).<br />
149)<br />
Mit Hilfe der metasprachlichen Relationen „=>“ und „=>>“ lässt sich nur bestimmen, welche Beziehungen<br />
(als Elemente objektsprachlicher Relationen) zwischen den Instanzen von Konzepten<br />
grundsätzlich bestehen können. Diese metasprachlichen Relationen gehören damit zur Konzeptebene,<br />
auf der „nur“ die objektsprachlichen Ausdrucksmittel zur Verfügung gestellt werden, mit denen<br />
sich Realitätsausschnitte auf der nachgelagerten Instanzenebene modellieren – d.h. objektsprachlich<br />
rekonstruieren – lassen. Auf dieser Konzeptebene werden also noch keine objektsprachlichen Modelle<br />
bestimmter Realitätsausschnitte formuliert. Stattdessen wird nur das Potenzial aller mit diesen<br />
Ausdrucksmitteln objektsprachlich formulierbaren Modelle festgelegt. Dies entspricht genau dem<br />
eingangs diskutierten Ontologieverständnis, dem zufolge Ontologien keine Konzeptualisierungen<br />
(„konzeptuellen Modelle“) von Realitätsausschnitten sind, sondern nur die sprachlichen Ausdrucksmittel<br />
spezifizieren, mit deren Hilfe sich solche Konzeptualisierungen formulieren lassen.<br />
148) Am Rande wird darauf aufmerksam gemacht, dass sich diese Argumentation auf die metasprachlichen Relationen „=>“ und<br />
„=>>“ nicht übertragen lässt. Diese Relationen werden zwar benutzt, um in einer formalen Semantik die Bedeutungen der objektsprachlichen<br />
Konzepte und Relationen in einer Ontologie festzulegen. Aber die Bedeutungen dieser metasprachlichen Relationen<br />
„=>“ und „=>>“ lassen sich selbst nicht mehr innerhalb einer Ontologie bestimmen, sondern werden als „gegeben“ vorausgesetzt.<br />
Entweder wird auf „außerontologische“ formalsprachliche Kalküle – wie etwa die Mengen- und Relationentheorie –<br />
zurückgegriffen, um die Bedeutungen der metasprachlichen Relationen „=>“ und „=>>“ durch spezielle Relationseigenschaften<br />
zu definieren. Auf diesen Ansatz wurde weiter oben zurückgegriffen, als die Rechtsein- oder Rechtsmehrdeutigkeit, die Ein-<br />
oder Mehrwertigkeit sowie die „(Min,Max)-Kardinalitäten“ dieser metasprachlichen Relationen diskutiert wurden. Oder es wird<br />
ein formalsprachliches Metamodell der Repräsentationssprache F-Logic erstellt, innerhalb dessen die „Bedeutungen“ der metasprachlichen<br />
Relationen „=>“ und „=>>“ präzise definiert sind. Dies geschieht wiederum im Rahmen einer formalen Semantik,<br />
jetzt aber auf einer meta-metasprachlichen Diskursebene (weil über meta-sprachliche Relationen verhandelt wird). Die oben<br />
angeführte Typrestriktion kann als ein Element aus einem solchen Metamodell aufgefasst werden. In der hier gebotenen Kürze<br />
– und im Rahmen eines (auch) praxisorientierten Einführungswerks in ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> –<br />
können die zuvor skizzierten Aspekte der Bedeutungsfestlegung metasprachlicher Ausdrucksmittel nicht weiter vertieft werden.<br />
Interessierte Leser werden stattdessen exemplarisch auf die subtilen Ausführungen von FRANK verwiesen, die sich ausführlich<br />
mit der Metamodellierung von formalen (Repräsentations-) Sprachen auseinandergesetzt haben; vgl. z.B. FRANK (2000c) S. 345<br />
ff.<br />
149) Vgl. zur Kohärenzauffassung der Wahrheit die Quellen, die zu Beginn dieses Beitrags in der Fußnote 3 (S. 429 f.) zum Kohärenzkriterium<br />
angeführt wurden.
478 2.4 Generische Kompetenzontologie<br />
Allerdings hat es sich im Verlauf des KOWIEN-Projekts herausgestellt, dass es bei der konkreten<br />
Ausgestaltung von Ontologien ausgesprochen große Schwierigkeiten bereiten kann, Ontologien auf<br />
die Konzeptebene zu beschränken. Insbesondere Inferenz- und Integritätsregeln ließen sich im Allgemeinen<br />
nicht ohne „Zuflucht“ auf die Instanzenebene formulieren. 150) Dieser Instanzenbezug von<br />
Inferenz- und Integritätsregeln manifestiert sich bereits in ihrer formalen Gestalt, da sie oftmals<br />
nicht mit den konzeptbezogenen Relationen „=>“ und „=>>“, sondern mit den instanzbezogenen<br />
Relationen „->“ und „->>“ 151) formuliert werden. Darauf wird später im Kapitel 2.4.4 zurückgekommen.<br />
152) An dieser Stelle mag es ausreichen, dass praktische Gestaltungsprobleme bei der Konstruktion<br />
von Ontologien des Öfteren nahe legen, ebenso ausdrücken zu können, welche Beziehungen<br />
zwischen den Instanzen von Konzepten tatsächlich („faktisch“) bestehen. Daher verwundert es<br />
nicht, dass in allen untersuchten Repräsentationssprachen für die Konstruktion von Ontologien auch<br />
metasprachliche Ausdrucksmittel angeboten werden, um solche faktischen Beziehungen zwischen<br />
den Instanzen von Konzepten darstellen zu können. 153)<br />
Darüber hinaus wird sogar in allen untersuchten Repräsentationssprachen noch nicht einmal zwischen<br />
metasprachlichen Ausdrucksmitteln für die Konzeptebene einerseits und die Instanzenebene<br />
andererseits expressis verbis unterschieden, sondern die Ausdrucksmittel werden „gleichrangig“<br />
nebeneinander verwendet. 154) Dieser undifferenzierten Verwendung metasprachlicher Ausdrucksmittel<br />
wird im KOWIEN-Projekt jedoch nicht gefolgt. Stattdessen erfolgt eine deutliche Grenzziehung<br />
zwischen drei Gestaltungsebenen:<br />
• Ontologien im engeren Sinn sind ausschließlich auf der Konzeptebene angesiedelt. Diese Ontologien<br />
i.e.S. enthalten keine Aussagen über Instanzen aus „logischen“ Modellen 155) oder aus<br />
konkreten Realitätsausschnitten.<br />
• Ontologieerweiterungen umfassen auch Ausdrücke auf der Instanzenebene. Solche „Erweiterungen“<br />
gelten nur für Modelle oder Realitätsausschnitte, in denen die Instanzen tatsächlich<br />
vorkommen oder zumindest für realisierbar gehalten werden. Allerdings erstrecken sich solche<br />
Ontologieerweiterungen nur so weit, wie eine Wissensrepräsentation noch keine vollständig instanziierte<br />
Formel als Faktum enthält. Denn solche Fakten stellen kontingente Aussagen über<br />
den jeweils betrachteten Realitätsausschnitt dar, so dass sie nichts mehr mit dem ontologietypischen<br />
Potenzial der sprachlichen Ausdrucksmittel für die Konzeptualisierung dieses Realitätsausschnitts<br />
zu tun haben, sondern dieses Potenzial bereits zur Repräsentation des Wissens über<br />
den Realitätsausschnitt realisieren.<br />
150) Vgl. dazu auch die Ausführungen auf S. 461 ff.<br />
151) Die beiden instanzbezogenen Relationen „->“ und „->>“ werden in Kürze ausführlich erläutert.<br />
152) Vgl. S. 526 und die konkreten Kompetenzregeln auf S. 528 ff.<br />
153) Dazu gehören vor allem die beiden metasprachlichen Relationen „->“ und „->>“, die in Kürze näher erläutert werden.<br />
154) Die „gleichrangige“ Verwendungsmöglichkeit beruht im Allgemeinen auf einer Reifizierung der metasprachlichen Ausdrucksmittel.<br />
Vgl. dazu die Ausführungen auf S. 494 ff. Für einen Überblick über Vor- und Nachteile der Reifizierung von Ausdrucksmitteln<br />
vgl. WELTY/FERRUCCI (1999) S. 18 ff.<br />
155) In diesem Kontext sind ausschließlich die „Modelle“ gemeint, wie sie in der formalen (Prädikaten-) Logik definiert sind. Grob<br />
gesprochen handelt es sich bei solchen Modellen um komplexe formale Objekte, die aus formalen Objekten der Extensionen für<br />
die Konzepte einer Ontologie zusammengesetzt sind und die Eigenschaft aufweisen, dass sie alle formalsprachlich spezifizierten<br />
Anforderungen der jeweils betroffenen Ontologie erfüllen. Solche Anforderungen können z.B. als Integritätsbedingungen<br />
für eine Ontologie definiert sein. Ein solches (prädikaten-) „logisches“ Modell einer Ontologie stellt also ein rein formalsprachlich<br />
definiertes Artefakt ohne Bezug zu einer außersprachlichen Realität dar und darf daher nicht mit dem „üblichen“ ökonomischen<br />
Modellbegriff verwechselt werden.
2.4 Generische Kompetenzontologie 479<br />
• Wissensbasen liegen vor, sobald eine Wissensrepräsentation mindestens eine vollständig instanziierte<br />
Formel als faktische Aussage über den repräsentierten Realitätsausschnitt enthält. In<br />
der Regel umfassen solche Wissensbasen eine Fülle von Fakten. Der Klarheit halber werden<br />
hier Wissensbasen nur auf die Gesamtheit aller vollständig instanziierten Formeln (Fakten) bezogen,<br />
die Wissen über einen Realitätsausschnitt repräsentieren.<br />
Von einer Ontologie im weiteren Sinn wird fortan gesprochen, wenn ein ontologisches Gesamtsystem<br />
gemeint ist, das sowohl aus einer Ontologie im engeren Sinn als auch aus einer Ontologieerweiterung<br />
besteht. In Anlehnung an die formale Semantik der Prädikatenlogik ist dann auch von einer<br />
„partiell interpretierten“ Ontologie die Rede, weil die Konzepte und Relationen der Ontologie<br />
i.e.S. durch Instanzen aus der Ontologieerweiterung zumindest teilweise „interpretiert“ werden. Ein<br />
Wissensbasiertes System liegt hingegen vor, wenn eine Ontologie (im engeren oder im weiteren<br />
Sinn) mit einer Wissensbasis kombiniert wird. 156)<br />
Charakteristisch für eine Ontologie im engeren Sinn sind die beiden metasprachlichen Relationen<br />
„=>“ und „=>>“, auf die zuvor ausführlicher eingegangen wurde. Sie sind ausschließlich auf der<br />
Konzeptebene definiert, und zwar für die Konzepte einer Ontologie und die objektsprachlichen Relationen,<br />
die sich zwischen diesen Konzepten erstrecken. Zu den Ontologieerweiterungen, die einen<br />
Übergang zu einer partiell interpretierten Ontologie und somit zur Instanzenebene ermöglichen, gehören<br />
dagegen die beiden metasprachlichen Relationen „->“ und „->>“. Sie erlauben es, innerhalb<br />
der Repräsentationssprache F-Logic auszudrücken, dass eine objektsprachliche Beziehung (als Element<br />
einer objektsprachlichen Relation) zwischen zwei Instanzen faktisch besteht. 157) Daher werden<br />
sie auch als instanzbezogene Relationen bezeichnet.<br />
156) Über diese definitorische Festlegung lässt sich trefflich streiten. Denn zwischen einer Ontologie als Spezifikation der sprachlichen<br />
Ausdrucksmittel, die für die Repräsentation des Wissens über einen Realitätsausschnitt benutzt werden können, und einer<br />
Wissensbasis als „Container“ für die Gesamtheit aller kontingenten und vollständig instanziierten Aussagen über den betroffenen<br />
Realitätsausschnitt klafft eine „nomische Lücke“. Diese „nomische Lücke“ betrifft alle gesetzesartigen Aussagen über den<br />
Realitätsausschnitt, die nicht rein sprachlicher Art sind, sondern einen substanziellen – empirisch widerlegbaren – Inhalt über<br />
den repräsentierten Realitätsausschnitt ausdrücken, aber auch nicht kontingenter Art sind, weil sie mit „gesetzesartiger Notwendigkeit“<br />
etwas über die materielle Struktur des repräsentierten Realitätsausschnitts aussagen, das nicht in der Beliebigkeit situativer<br />
Umstände („Kontingenz“) liegt. Bei der Gestaltung von Ontologien bereitet es erhebliche systematische Schwierigkeiten<br />
zu entscheiden, welchem Bereich solche gesetzesartigen Aussagen über den jeweils betrachteten Realitätsausschnitt zuzuordnen<br />
sind. Eine Option besteht darin, alle gesetzesartigen Aussagen zur Ontologie im engeren Sinn zu rechnen, falls sich die gesetzesartigen<br />
Aussagen ohne Bezugnahme auf Instanzen formulieren lassen, und andernfalls die verbleibenden gesetzesartigen<br />
Aussagen in die Ontologieerweiterung einer partiell interpretierten Ontologie einzufügen. Eine alternative Option bietet der<br />
„non statement view“ mit seinem strukturalistischen Theorienkonzept. In diesem Theorienkonzept werden (neben weiteren<br />
Komponenten) drei Theoriekomponenten unterschieden, die sich den hier thematisierten Komponenten von Wissensbasierten<br />
Systemen zuordnen lassen: erstens die Menge der potenziellen Modelle einer Theorie oder der terminologische Apparat der<br />
Theorie (entsprechend einer Ontologie im engeren Sinne), zweitens die Menge der Modelle einer Theorie, die aus der Ergänzung<br />
des terminologischen Apparats um die gesetzesartigen Aussagen der Theorie hervorgehen (entsprechend einer Ontologieerweiterung),<br />
und drittens die Menge aller intendierten Theorieanwendungen (entsprechend einer Wissensbasis als einer Menge<br />
von Fakten, die einen konkreten Realitätsausschnitt beschreiben). Das strukturalistische Theorienkonzept bietet also für die gesetzesartigen<br />
Aussagen einen wohldefinierten Platz: die Spezifikation der Menge der Modelle der betroffenen Theorie. Daher<br />
erweist sich der „non statement view“ nach Einschätzung der Verfasser als eine attraktive Ergänzung zu Ontologien. Umgekehrt<br />
bereichern auch Ontologien den „non statement view“, weil dort die Spezifikation der Menge der potenziellen Modelle<br />
einer Theorie – ihr terminologischer Apparat – eher „stiefmütterlich“ behandelt wird. Vgl. dazu die Ausführungen im Kapitel<br />
1.3.1.1.1 auf S. 128 ff. sowie die Literaturhinweise zum strukturalistischen Theorienkonzept oder „non statement view“, die im<br />
Kapitel 1.3.1.1.1 in den Fußnoten 62 und 63 (beide S. 128) aufgeführt sind.<br />
157) Bezeichnend für die mangelnde Trennschärfe von F-Logic ist es, dass die metasprachlichen Relationen „=>“ und „=>>“ einerseits<br />
sowie „->“ und „->>“ andererseits „gleichberechtigt“ nebeneinander verwendet werden. Ihre Zugehörigkeit zur Konzept-<br />
bzw. zur Instanzenebene wird in F-Logic nirgendwo formalsprachlich oder strukturell reflektiert.
480 2.4 Generische Kompetenzontologie<br />
Die beiden metasprachlichen Relationen „->“ und „->>“ sind über den kartesischen Produkten:<br />
I × R × I<br />
bzw. I × R × pot+(I)<br />
mit I als Menge aller Instanzen und R als Menge aller nicht-taxonomischen, objektsprachlichen Relationen<br />
einer Ontologie definiert. Jedes Element (i1,r,i2) aus der metasprachlichen Relation „->“<br />
drückt aus, dass die objektsprachliche Relation r von den beiden Instanzen i1 und i2 tatsächlich erfüllt<br />
wird. Durch ein Element (i,r,{i1,...,in}) aus der metasprachlichen Relation „->>“ wird hingegen<br />
ausgedrückt, dass die Instanz i in der Beziehung r zu allen Instanzen aus der nicht-leeren Menge<br />
{i1,...,in} steht.<br />
Analog zu der Ausdrucksweise für die ein- oder mengenwertigen Relationen „=>“ bzw. „=>>“ auf<br />
der Konzeptebene wird auch auf der Instanzenebene für die Relationen „->“ bzw. „->>“ mit der<br />
Gestalt der Pfeilspitze ausgedrückt, welcher Art die jeweils betroffene Relation ist. Sowohl bei der<br />
Relation „->“ als auch bei der Relation „->>“ handelt es sich um rechtseindeutige Relationen. Somit<br />
lassen sich beide Relationen als Funktionen charakterisieren: Wenn für ein formales Objekt i1 mit<br />
i1:k1 auf der Konzeptebene die Beziehung k1[r => k2] gilt, dann kann es höchstens einmal an der<br />
ersten Argumentstelle einer Formel i1[r -> i2] vorkommen. Das formale Objekt i2 ist dabei stets eine<br />
einzelne Instanz des Konzepts k2. Die metasprachliche Relation „->>“ stellt zwar auch eine Funktion<br />
dar. Allerdings bildet sie Instanzen nicht auf jeweils eine Instanz, sondern auf eine nicht-leere<br />
Menge von Instanzen ab. Daher kann ein formales Objekt i1 mit i1:k1 und k1[r =>> k2] nur höchstens<br />
einmal an der ersten Argumentstelle einer Formel i1[r ->> {i2,...,in}] vorkommen. Wenn hingegen<br />
die skalare Schreibweise i1[r ->> i2], ... , i1[r ->> in] als vereinfachte, aber äquivalente Notation für<br />
die mengenbezogene Schreibweise i1[r ->> {i2,...,in}] zugelassen wird, 158) dann kann i1 beliebig oft<br />
158) Vgl. KIFER/LAUSEN/WU (1995) S. 755, allerdings explizit nur auf den Fall einelementiger Instanzenmengen bezogen. Zu den<br />
Fällen, in denen die Instanzenmengen aus Formeln der Art i 1[r ->> {i 2,...,i n}] auch mehrere Instanzen umfassen dürfen, äußern<br />
sich die Autoren der vorgenannten Quelle nicht explizit. Auch in zahlreichen anderen Quellen zu F-Logic haben die Verfasser<br />
keine eindeutigen Stellungnahmen zu diesem Aspekt vorgefunden. Eine der seltenen Ausnahmen stellen die Ausführungen in<br />
ONTOPRISE (2001) S. 5 zur Implementierung von F-Logic in der Inferenzmaschine OntoBroker dar. Dort wird anhand einer<br />
zweielementigen Instanzenmenge explizit festgelegt, dass die Formel i 1[r ->> {i 2,i 3}] äquivalent in den beiden skalaren<br />
Schreibweisen i 1[r ->> i 2] und i 1[r ->> i 3] wiedergegeben werden kann. In Anlehnung an diese Vorgehensweise haben die Verfasser<br />
die Behandlung einelementiger Instanzenmengen oben auf alle Fälle mehrelementiger Instanzenmengen konsistent übertragen.<br />
Darüber hinaus wird in ONTOPRISE (2001) S. 5 als zweite äquivalente Notationsweise für die Formel i 1[r ->> {i 2,i 3}] sogar<br />
deren Zerlegung in zwei mengenartige Schreibweisen i 1[r ->> {i 2}] und i 1[r ->> {i 3}] mit jeweils einelementiger Instanzenmenge<br />
zugelassen. Die Inferenzmaschine OntoBroker zeichnet sich daher durch eine „maximal liberale“ Notation für Formeln<br />
aus, in denen die mengenwertige Relation „->>“ verwendet wird.<br />
Am Rande sei erwähnt, dass nur die Schreibweise i 1[r ->> {i 2,...,i n}] in dem Sinne exakt ist, dass der Instanz i 1 mittels der<br />
rechtseindeutigen und mehrwertigen objektsprachlichen Relation r höchstens eine Instanzenmenge {i 2,...,i n} zugeordnet werden<br />
kann. Sowohl die äquivalente Schreibweise i 1[r ->> i 2], ... , i 1[r ->> i n] als auch die äquivalente Schreibweise i 1[r ->> {i 2}], ... ,<br />
i 1[r ->> {i n}] suggerieren hingegen, der Instanz i 1 würden auf rechtsmehrdeutige Weise mehrere unterschiedliche Instanzen<br />
bzw. mehrere unterschiedliche Instanzenmengen zugeordnet. Während die erstgenannte Alternative mehrerer unterschiedlicher<br />
Instanzen zumindest noch „mit geistigen Klimmzügen“ auf die Mengenwertigkeit der Relation r zurückgeführt werden kann,<br />
scheint die zweitgenannte Alternative mehrerer unterschiedlicher Instanzenmengen der Rechtseindeutigkeit der Relation r zu<br />
widersprechen. Diese Eigentümlich- oder gar scheinbaren Widersprüchlichkeiten lassen sich zwar mittels entsprechender expliziter<br />
Festlegungen, dass es sich um äquivalente Schreibweisen handelt, beseitigen. Aber es bleibt der Eindruck einer zumindest<br />
missverständlichen Schreibweise, die mit der Rechtseindeutigkeit der Relation r nicht unmittelbar harmoniert. Daher bevorzugen<br />
die Verfasser die rechtseindeutige und explizit mengenwertige Schreibweise i 1[r ->> {i 2,...,i n}], wenn von den Argumenten<br />
in der nächsten Fußnote abgesehen wird. Da diese Schreibweise jedoch in der einschlägigen Fachliteratur kaum praktiziert<br />
wird, haben sie sich im Interesse der Anschlussfähigkeit ihrer Darstellungen an etablierte Notationen dazu entschlossen, im<br />
Verbundprojekt KOWIEN die äquivalente Schreibweise i 1[r ->> i2], ... , i1[r ->> in] zu benutzen.
2.4 Generische Kompetenzontologie 481<br />
– d.h. kein Mal, einmal oder auch mehrere Male – an der ersten Argumentstelle einer Formel mit<br />
der objektsprachlichen Relation r vorkommen. 159)<br />
Die Implementierung der voranstehend erläuterten Spezifikationen und Notationen der Wissensrepräsentationssprache<br />
F-Logic erfolgt in der Inferenzmaschine OntoBroker durch Zuweisungen, die<br />
in der nachfolgenden Tabelle 6 dargestellt sind. 160) F-Logic-Formeln werden bei ihrer Implementie-<br />
159) Eine solche Vereinfachung der Schreibweise hat weit reichende Konsequenzen, die oftmals nicht berücksichtigt werden. Dies<br />
wird anhand eines Beispiels diskutiert. Eine (objektsprachliche) Inferenzregel soll ausdrücken: „Wenn ein Mann Y den Vater X<br />
hat, dann hat X den Sohn Y“; vgl. ANGELE/LAUSEN (2004) S. 31. Unter der o.a. Prämisse der vereinfachten Schreibweise für<br />
Formeln, in denen die mengenwertige Relation „->>“ verwendet wird, kann diese Inferenzregel wie folgt formuliert werden:<br />
∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> Y]<br />
mit person[hat_vater => mann] und person[hat_sohn =>> mann].<br />
Angewendet auf konkrete Instanzen, müsste die Variable Y im Rumpf (Antezedenz-Komponente) der Inferenzregel mit einer<br />
einzelnen Instanz des Konzepts „mann“ und im Regelkopf (Konklusions-Komponente) durch eine nicht-leere Menge aus Instanzen<br />
des Konzepts „mann“ substituiert werden. Denn im Regelrumpf wird die Relation „hat_vater“ durch die metasprachliche<br />
Relation „->“ als einwertige Relation ausgezeichnet, während die Relation „hat_sohn“ im Regelkopf durch die metasprachliche<br />
Relation „->>“ als mengenwertige Relation charakterisiert wird. Während die Relation „hat_vater“ Instanzen des Konzepts<br />
„person“ auf einzelne Instanzen des Konzepts „mann“ abbildet, ordnet die Relation „hat_sohn“ den Instanzen des Konzepts<br />
„person“ entweder jeweils eine nicht-leere Menge von Instanzen des Konzepts „mann“ oder – infolge fehlender Linkstotalität<br />
– keine Instanz des Konzepts „mann“ zu. Würde die vereinfachte Schreibweise nicht zugelassen werden, könnte die o.a.<br />
Inferenzregel lediglich in der Form:<br />
∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> {...,Y,...}]<br />
formuliert werden. Allerdings lässt sich diese Formulierungsweise nicht computerbasiert implementieren. Denn die Notation<br />
„{...,Y,...}“ ist wegen der Unbestimmtheit der „Pünktchen-Schreibweise“ vor und nach dem Element Y aus der Instanzenmenge<br />
nicht computerverarbeitbar. Dadurch offenbart sich eine besondere Problematik der o.a. objektsprachlichen Inferenzregel, die<br />
aus der eingangs benutzten vereinfachten Schreibweise nicht deutlich wurde: Wenn diese objektsprachliche Inferenzregel als<br />
Bestandteil der metasprachlichen Inferenzregel des Modus ponens angewendet wird, dann kann aus der Gültigkeit der Antezedenz-Komponente<br />
„Y:mann[hat_vater -> X]“ mithilfe der Konklusions-Komponente „X:mann[hat_sohn ->> {...,Y,...}]“ nur<br />
geschlussfolgert werden, dass für jede Variablenbelegung gilt: Die Instanz, mit der die Variable Y belegt wird, ist ein Element<br />
aus der Menge der Söhne derjenigen Instanz, mit der die Variable X belegt wird. Es fehlt jedoch bei dieser „isolierten“ Anwendung<br />
von objekt- und metasprachlicher Inferenzregel, bei der kein zusätzliches Wissen aus der zugrunde liegenden Wissensbasis<br />
ausgewertet wird, das Wissen darüber, ob die Instanz für die Variable Y entweder das einzige Element aus der Menge der<br />
Söhne der Instanz für die Variable X ist – oder ob die Menge der Söhne der Instanz für die Variable X neben der Instanz für die<br />
Variable Y noch weitere Elemente („Söhne“) umfasst. Dieses Unwissen bei Anwendung der beiden (objekt- und metasprachlichen)<br />
Inferenzregeln lässt sich umgehen, indem auf die zweite äquivalente Notationsweise für die Formeln der Art<br />
i1[r ->> {i 2,...,i n}] zurückgegriffen wird, die bereits in der voranstehenden Fußnote angesprochen wurde. In der OntoBroker-<br />
Implementierung von F-Logic kann gemäß ONTOPRISE (2001) S. 5 die voranstehende Formel mit mengenwertiger Relation r in<br />
äquivalente mengenartige Schreibweisen i 1[r ->> {i 2}], ... , i 1[r ->> {i n}] zerlegt werden, die jeweils nur eine einlementige Instanzenmenge<br />
verwenden. Mittels dieser speziellen Schreibweise kann die o.a. Inferenzregel mit expliziter Berücksichtigung<br />
der Mengenwertigkeit der Relation „hat_sohn“ so formuliert werden, dass die o.a. Unbestimmtheit der Menge {...,Y,...} vermieden<br />
wird:<br />
∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> {Y}]<br />
Nach Kenntnis der Verfasser erlaubt nur diese Schreibweise, zwei Anforderungen zugleich zu erfüllen: einerseits die „computertaugliche“<br />
Formulierung objektsprachlicher Inferenzregeln und andererseits die explizite formalsprachliche Berücksichtigung<br />
der Ein- oder Mengenwertigkeit von Relationen durch die Verwendung von Skalaren bzw. Mengen. Leider ist diese<br />
Schreibweise in der Fachliteratur zu F-Logic jedoch kaum anzutreffen. Daher haben sich die Verfasser trotz ihrer persönlichen<br />
Präferenz für diese Schreibweise im Interesse der Anschlussfähigkeit an die etablierte Fachliteratur dafür entschieden, dass im<br />
Verbundprojekt KOWIEN die oben angeführte vereinfachte Schreibweise „∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_<br />
sohn ->> Y]“ verwendet wird, bei der nicht explizit durch die Verwendung von Skalaren bzw. Mengen zwischen ein- und mengenwertigen<br />
Relationen differenziert wird, sondern diese Differenzierung nur implizit aus der formalen „Semantik“ der metasprachlichen<br />
Relationen „->“ bzw. „->>“ hervorgeht.<br />
160) Vgl. ANGELE/LAUSEN (2004) S. 45. Bemerkenswert erscheint, dass in der OntoBroker-Implementierung von F-Logic rechtsmehrdeutige<br />
Relationen mit mengenwertigen Relationen („setatttype“ und „setatt“) gleichgesetzt werden. Es wurde schon oben<br />
darauf hingewiesen, dass diese Gleichsetzung keineswegs denknotwendig ist und auf einer mangelhaften Differenzierung zwischen<br />
zwei unterschiedlichen Disjunktionen – Rechtsein- versus Rechtsmehrdeutigkeit einerseits sowie Ein- versus Mengenwertigkeit<br />
andererseits – beruht. Darüber hinaus fällt auf, dass in der OntoBroker-Implementierung die Zugehörigkeit einer Instanz<br />
zu einem Konzept mit „isa“ (nahezu) äquivok zur „is a“-Relation zwischen Konzepten notiert wird.
482 2.4 Generische Kompetenzontologie<br />
rung durch die Inferenzmaschine OntoBroker in Formeln der Art transformiert, wie sie aus der<br />
(prädikaten-) logischen Programmiersprache Prolog bekannt sind. Entsprechend den Zuweisungen<br />
in der Tabelle 6 werden dabei F-Logic-Formeln in einer äquivalenten Infix-Notation verwendet.<br />
F-Logic-Ausdruck<br />
OntoBroker-<br />
Implementierung<br />
k1 :: k2<br />
sub_(k1,k2)<br />
i : k isa_(i,k)<br />
k1 [r =>> k2] setatttype_(k1,r,k2)<br />
k1 [r => k2] atttype_(k1,r,k2)<br />
i1 [r ->> i2] setatt_(i1,r,i2)<br />
i1 [r -> i2] att_(i1,r,i2)<br />
Tabelle 6: Implementierung metasprachlicher Ausdrücke im OntoBroker<br />
Weil die metasprachlichen Relationen „=>“ und „=>>“ einerseits sowie „->“ und „->>“ andererseits<br />
über den kartesischen Produkten K×R×K bzw. I×R×I und I×R×pot+(I) definiert sind, lassen sich in<br />
F-Logic unmittelbar nur zweistellige objektsprachliche Relationen definieren. Um mittelbar auch nstellige<br />
objektsprachliche Relationen mit n ≥ 3 ausdrücken zu können, müssen bei der Konstruktion<br />
von Ontologien einige Besonderheiten berücksichtigt werden. Auf diese Besonderheiten wird später<br />
in Kapitel 2.4.3.1.2.1 hinsichtlich des abstrakten Konzepts Aussage näher eingegangen.<br />
Schließlich gilt es zu beachten, dass in der vorliegenden Ausarbeitung eine F-Logic-Notation verwendet<br />
wird, die sowohl von der F-Logic-Spezifikation 161) als auch von bekannten F-Logic-Implementierungen<br />
162) abweicht.<br />
Hinsichtlich der F-Logic-Spezifikation liegt eine Abweichung bei der expliziten Aufführung aller<br />
Quantoren vor. Während in der F-Logic-Spezifikation des Öfteren 163) die implizite Allquantifizierung<br />
164) aller Variablen in Formeln angenommen wird, wird für die vorliegende Ausarbeitung die<br />
explizite Aufführung aller benötigten Quantoren bevorzugt. Dabei werden die üblichen Zeichen<br />
„∀“ und „∃“ für den Allquantor bzw. der Existenzquantor verwendet. In diesem Punkt weicht die<br />
verwendete Notation von der Notation ab, die von F-Logic-Implementierungen unterstützt wird. In<br />
der Notation von F-Logic-Implementierungen werden nämlich statt der Quantoren „∀“ und „∃“ die<br />
Quantoren „FORALL“ bzw. „EXISTS“ verwendet. Im Gegensatz zu den Unterschieden gegenüber<br />
der F-Logic-Spezifikation betrifft dieser Punkt allerdings eher unwichtige Aspekte.<br />
161) Zur Syntax von F-Logic entsprechend der F-Logic-Spezifikation vgl. KIFER/LAUSEN/WU (1995) S. 753 ff.; UPHOFF (1997) S. 23<br />
ff.<br />
162) Zur Syntax von F-Logic entsprechend der F-Logic-Implementierung in der Inferenzmaschine OntoBroker vgl. ANGELE/LAUSEN<br />
(2004) S. 45 f.; ONTOPRISE (2001) S. 2 ff.<br />
163) Hinsichtlich dieses Punkts weist die F-Logic-Spezifikation Inkonsistenzen auf. Obwohl in der Grammatik zur Konstruktion von<br />
F-Logic-Formeln („molecular F-Formulas“; KIFER/LAUSEN/WU (1995) S. 754) sowohl der Allquantor „∀“ als auch der Existenzquantor<br />
„∃“ eingeführt werden, finden sie in den vorgelegten Beispielen keine Verwendung; vgl. z.B. KIFER/LAUSEN/WU<br />
(1995) S. 748.<br />
164) Die implizite Allquantifizierung von Variablen in prädikatenlogischen Formeln ist in der Informatik auch aus anderen Teilbereichen<br />
bekannt. Beispielsweise werden in der algebraischen Gleichungslogik und in damit konstruierten abstrakten Datentypen<br />
des Öfteren Variablen ohne Allquantifizierung aufgeführt; vgl. LOECKX/EHRICH/WOLF (1996) S. 115 ff.; EHRICH/GOGOLLA/<br />
LIPECK (1989) S. 20.
2.4 Generische Kompetenzontologie 483<br />
Darüber hinaus werden in diesem Beitrag Subjugat-Formeln nicht in der Reihenfolge „Konklusion<br />
(Regelkopf) vor Antezedenz (Regelrumpf)“ aufgeführt, sondern in der (formal-) logisch vertrauten<br />
Reihenfolge „Antezedenz (Regelrumpf) vor Konklusion (Regelkopf)“. Für die letztgenannte Reihenfolge<br />
sprechen sowohl die Anschlussfähigkeit an die etablierte prädikatenlogische Notation als<br />
auch Gründe der „kognitiven Ergonomie“. Die erstgenannte Reihenfolge ist dagegen nicht nur in F-<br />
Logic, sondern auch im Kontext der logischen Programmierung und bei deduktiven Datenbanken<br />
vorwiegend anzutreffen. Allerdings erschwert sie nach Ansicht der Verfasser die „natürliche“<br />
Nachvollziehbarkeit von Subjugat-Formeln. Daher wird sie hier nicht verwendet. Außerdem kann<br />
die Schreibweise von Subjugat-Formeln, die hier bevorzugt wird, mühelos in eine implementierungsnahe<br />
Form überführt werden, indem die Reihenfolge von Konklusion und Antezedenz in Subjugat-Formeln<br />
vertauscht wird.<br />
2.4.3 Vorstellung ausgewählter Ontologiekomponenten<br />
2.4.3.1 Objektsprachliche Entitäten<br />
2.4.3.1.1 Überblick<br />
Das Maximalkonzept 165) in der KOWIEN-Ontologie ist das Konzept Entitaet 166) . Alle weiteren<br />
Konzepte in der KOWIEN-Ontologie sind Subkonzepte des Konzepts Entitaet. Auf der ersten Gliederungsstufe<br />
wird das Konzept Entitaet entsprechend der folgenden Spezifikation unterteilt:<br />
objektsprachliche_Entitaet :: Entitaet.<br />
metasprachliche_Entitaet :: Entitaet.<br />
Das Konzept objektsprachliche_Entitaet umfasst als Subkonzepte alle Konzepte, die für die Repräsentation<br />
des Objektwissens über einen Realitätsausschnitt benötigt werden. Das Konzept metasprachliche_Entitaet<br />
umfasst hingegen solche Subkonzepte, mit denen Metawissen über objektsprachliche<br />
Ausdrucksmittel ausgedrückt werden kann. Auf diese Besonderheit der KOWIEN-<br />
Ontologie, die aus formaler Perspektive interessante Eigenarten aufweist, wird in einem späteren<br />
Kapitel vertieft eingegangen.<br />
Untersuchungsgegenstand des aktuellen Kapitels sind die Subkonzepte des Konzepts objektsprachliche_Entitaet.<br />
Dabei wird ein grundsätzlich „objektorientierter“ Ansatz gewählt, d.h., alle Entitäten<br />
werden zunächst als Objekte konzeptualisiert. 167) Zunächst wird das Konzept objektsprachliche_Entitaet<br />
in die Subkonzepte Denkobjekt und Erfahrungsobjekt ausdifferenziert: 168)<br />
165) Unter einem Maximalkonzept wird ein „oberstes“ Konzept einer taxonomischen Struktur verstanden, das gemäß der „is a“-<br />
Relation kein Subkonzept zu irgendeinem anderen Konzept derselben Ontologie darstellt. Eine Ontologie kann im Prinzip auch<br />
mehrere Maximalkonzepte umfassen. In der Regel wird jedoch eine eindeutige „Spitze der Konzepte-Hierarchie“ geschaffen.<br />
166) Aus implementierungstechnischen Gründen werden Ausdrücke (objektsprachliche Konzepte, Relationen und Instanzen), die in<br />
der KOWIEN-Ontologie verwendet werden, ohne Umlaute und ohne „ß“ geschrieben, weil diese Zeichen von den meist englischsprachig<br />
erstellten Softwaretools oftmals nicht oder fehlerhaft verarbeitet werden. Darüber hinaus werden im Folgenden<br />
Ausdrücke (Konzepte, Relationen, Instanzen) aus der KOWIEN-Ontologie der Deutlichkeit halber im Fließtext durch kursive<br />
Formatierung hervorgehoben.<br />
167) Um Missverständnissen vorzubeugen, wird betont, dass die Bezeichnung „Objekt“ an dieser Stelle keinen unmittelbaren Bezug<br />
zu den – komplexer und spezieller – aufgefassten Objekten aus den eng miteinander verwandten Bereichen der objektorientierten<br />
Systemgestaltung und der objektorientierten Programmierung besitzt. Vielmehr resultiert der Objektbegriff hier aus der be-
484 2.4 Generische Kompetenzontologie<br />
Denkobjekt :: objektsprachliche_Entitaet.<br />
Erfahrungsobjekt :: objektsprachliche_Entitaet.<br />
Instanzen des Konzepts Denkobjekt sind Inhalte von Denkprozessen, d.h. Objekte der „inneren<br />
Wahrnehmung“. Diese Denkobjekte 169) werden von Subjekten „vor ihrem geistigen Auge“ vorgestellt<br />
– unabhängig davon, ob diese Objekte in der Realität tatsächlich existieren oder ob sie in der<br />
Realität überhaupt existieren könnten. Bei Instanzen des Konzepts Erfahrungsobjekt handelt es sich<br />
dagegen um Inhalte von Erfahrungsprozessen, d.h. Objekte der „äußeren Wahrnehmung“. Diese Erfahrungsobjekte<br />
existieren – zumindest „im Prinzip“ – in dem jeweils konzeptualisierten Realitätsausschnitt<br />
und können dort von Subjekten mittels ihrer realitätsbezogenen Sinne beobachtet werden.<br />
Die Dichotomie zwischen „denkbaren“ und „erfahrbaren“ Objekten erweist sich insofern als „epistemisch<br />
naiv“, als sie suggeriert, Denkprozesse seien grundsätzlich von Erfahrungen unabhängig<br />
und Erfahrungsprozesse könnten unabhängig vom Denken erfolgen. Die Verfasser räumen ein, dass<br />
beide Suggestionen verfehlt sind. Beispielsweise sei auf die „Naturalisierung der Erkenntnistheorie“<br />
und die „evolutionäre Erkenntnistheorie“ (beide widersprechen der Vorstellung erfahrungsunabhängigen<br />
Denkens) sowie die „Sprachbedingtheit von Erfahrungen“ und die „Scheinwerfertheorie der<br />
Beobachtung“ (beide widersprechen der Vorstellung denkunabhängiger Erfahrungen) verwiesen. In<br />
diesen vorgenannten Argumentationskontexten, die in der hier gebotenen Kürze nur stichwortartig<br />
erwähnt, aber nicht näher erläutert werden können, werden jeweils die (Inter-) Dependenzen zwischen<br />
Denken und Erfahren tiefgründig reflektiert. Der Anspruch, diese Abhängigkeiten in der Systematisierung<br />
der KOWIEN-Ontologie zu berücksichtigen, hätte jedoch zu einer kaum noch bewältigbaren<br />
Komplexität geführt. Zumindest wäre sie für den hier verfolgten Zweck, die sprachlichen<br />
Ausdrucksmittel für den Realitätsausschnitt „betriebliche <strong>Kompetenzmanagementsysteme</strong>“ zu konzeptualisieren,<br />
nicht angemessen gewesen. Denn im „Mesokosmos“ der Realität von Unternehmen<br />
spielen die oben angerissenen Probleme der Verschränkungen zwischen Denken und Erfahren keine<br />
Rolle. Daher wurde im Interesse einer zweckadäquaten Komplexität davon abgesehen, die KO-<br />
WIEN-Ontologie mit solchen Verschränkungsproblemen zu belasten. Dies entspricht dem Bedürfnis<br />
der betrieblichen Praxis für möglichst klar strukturierte, trennscharf erscheinende Systematisierungen.<br />
Trotzdem möchten die Verfasser nicht verkennen, dass in einer Überarbeitung der KOWI-<br />
EN-Ontologie, die auf solche Bedürfnisse der Praxis keine Rücksicht zu nehmen braucht, die zuvor<br />
wussten Konfrontation mit dem denkenden und erfahrenden Subjekt, das der nachfolgenden Ausdifferenzierung in Denk- bzw.<br />
Erfahrungsobjekte implizit zugrunde liegt. Allerdings wird sich später zeigen, dass die hier konzeptualisierten Objekte durchaus<br />
Ähnlichkeiten zu den Objekten der objektorientierten Systemgestaltung und Programmierung aufweisen. So werden auch hier<br />
in der KOWIEN-Ontologie die Objekte, die als Konzepte und deren Instanzen erfasst werden, mit der Hilfe von zweistelligen<br />
Relationen konzeptualisiert, wie sie auch bei der objektorientierten Systemgestaltung und Programmierung üblich sind. Darüber<br />
hinaus wird bei der Konstruktion der KOWIEN-Ontologie zur Wissensrepräsentation die Repräsentationssprache F-Logic verwendet,<br />
die aus dem Bereich der objektorientierten Systemspezifizierung (als Teilbereich der objektorientierten Systemgestaltung)<br />
stammt. Folglich existieren mehrere inhaltliche „Querbezüge“ zur objektorientierten Systemgestaltung und Programmierung,<br />
so dass oben die Bezeichnung „Objekte“ Assoziationen mit objektorientierter Systemgestaltung und Programmierung bewusst<br />
„in Kauf genommen hat“.<br />
168) Vgl. zur Disjunktion zwischen Erfahrungs- und Denkobjekten die analoge Unterscheidung zwischen Erfahrungs- und Erkenntnisobjekten<br />
als empirischen bzw. theoretischen Konstrukten bei HAASE (1997) S. 27.<br />
169) Um die Diktion zu vereinfachen, wird in diesem Beitrag des Öfteren als Konvention vorausgesetzt, die Instanzen eines Konzepts,<br />
dessen Bezeichnung im Singular formuliert und kursiv formatiert ist, mit der Bezeichnung des Konzepts anzusprechen,<br />
diese Bezeichnung aber zur Unterscheidung vom Konzept im Plural zu verwenden und nicht kursiv zu formatieren. Beispielsweise<br />
werden hier Instanzen des Konzepts Denkobjekt (Bezeichnung im Singular und kursiv) als Denkobjekte (Bezeichnung im<br />
Plural und nicht kursiv) angesprochen.
2.4 Generische Kompetenzontologie 485<br />
skizzierten Bedenken in die Konzeptualisierung von Denk- und Erfahrungsobjekten einfließen sollten.<br />
Daraus könnte unter Umständen eine vollkommen anders strukturierte Ausdifferenzierung des<br />
Maximalkonzepts Entitaet resultieren.<br />
In der KOWIEN-Ontologie wird – nach Rückstellung der zuvor geäußerten „fundamentalen Selbstzweifel“<br />
– das Konzept Denkobjekt in Subkonzepte für konkrete und abstrakte Denkobjekte ausdifferenziert.<br />
Ein Denkobjekt wird als konkret aufgefasst, wenn sich jede seiner Instanzen so vorstellen<br />
lässt, dass sie im konzeptualisierten Realitätsausschnitt eigenständig existieren könnte. 170) Da reale<br />
Existenz immer an ein materielles Substrat gebunden ist (zumindest in der hier erfolgenden Konzeptualisierung<br />
von Realität), zeichnen sich konkrete Denkobjekte durch ihre materielle Beschaffenheit<br />
aus. Ein Denkobjekt wird hingegen als abstrakt klassifiziert, wenn für seine Instanzen nicht<br />
angenommen wird, sie könnten im konzeptualisierten Realitätsausschnitt eigenständig existieren.<br />
Abstrakte Denkobjekte sind immaterieller Art. Sie können Eigenschaften von oder Beziehungen<br />
zwischen anderen – sowohl abstrakten oder auch konkreten – Denkobjekten ausdrücken.<br />
abstraktes_Denkobjekt :: Denkobjekt.<br />
konkretes_Denkobjekt :: Denkobjekt.<br />
Die Eigenarten einerseits abstrakter und andererseits konkreter Denkobjekte werden in den beiden<br />
anschließenden Kapiteln näher erläutert. Im dritten nachfolgenden Kapitel werden schließlich die<br />
Besonderheiten von Erfahrungsobjekten – als Pendants zu Denkobjekten – entfaltet.<br />
2.4.3.1.2 Denkobjekte<br />
2.4.3.1.2.1 Abstrakte Denkobjekte<br />
Das Konzept abstraktes_Denkobjekt umfasst in seiner Instanzenmenge alle formalen Objekte, die<br />
Objekte des Denkens (Denkobjekte) ohne eine materielle Beschaffenheit repräsentieren. Als Subkonzepte<br />
zu dem Konzept abstraktes_Denkobjekt werden in der KOWIEN-Ontologie Attribute,<br />
Quantitäten, Aussagen, prozessuale Denkobjekte und Stellen unterschieden: 172)<br />
170) Es kommt hier nicht darauf an, ob eine betroffene Instanz im Realitätsausschnitt „hic et nunc“ auch tatsächlich existiert. Beispielsweise<br />
können die Instanzen als „historische“ Objekte im Realitätsausschnitt existiert haben, zwischenzeitlich aber untergegangen<br />
sein. Ebenso ist es möglich, dass für eine Instanz angenommen wird, dass sie grundsätzlich existieren könnte, aber<br />
bislang noch keine reale Existenz dieser Instanz festgestellt werden konnte.<br />
171) Als Zugeständnis an eine „übersichtliche“ Gliederung wurde darauf verzichtet, die beiden Kapitel zu abstrakten und konkreten<br />
Denkobjekten als Unterkapitel einem gemeinsamen Kapitel „Denkobjekte“ unterzuordnen, das dem Kapitel „Erfahrungsobjekte“<br />
in strenger Systematik gegenüber stehen müsste.<br />
172) Die Differenzierung zwischen den fünf Subkonzepten erweist sich hinsichtlich ihrer Systematisierungsqualität als unbefriedigend.<br />
So wird zum Subkonzept Quantitaet ein explizit aufgeführtes, komplementäres Subkonzept Qualitaet vermisst. Zwar<br />
kann das Subkonzept Attribut als ein solches komplementäres Subkonzept Qualitaet interpretiert werden, aber dann bleibt im<br />
Dunkeln, warum es nicht von vornherein so benannt wurde. Die Bezeichnung des Subkonzepts prozessuales_Denkobjekt überzeugt<br />
nicht vollauf, weil es als weitere Subkonzepte nicht nur Prozesse, sondern auch Zustände und Ereignisse umfasst (vgl. S.<br />
505 ff). Ereignisse, vor allem aber Zustände als Subkonzepte des Subkonzepts prozessuales_Denkobjekt aufzufassen, läuft der<br />
„natürlichen“ Konzeptualisierung von Zuständen als statischen, infolgedessen nicht prozessualen Phänomenen zuwider. Daher<br />
hätte es näher gelegen, die Subkonzepte Zustand, Ereignis und Prozess unter das Konzept zeitartiges_Denkobjekt zu subsumieren:<br />
Zustände stellen in Zeitintervallen invariante Phänomene dar, Ereignisse geschehen jeweils in einem Zeitpunkt, Prozesse<br />
laufen in Zeitintervallen ab und führen hierbei zu Veränderungen (z.B. von Systemzuständen oder von Objekteigenschaften).<br />
Diesem Konzept hätte ein komplementäres Konzept raumartiges_Denkobjekt gegenübergestellt werden können (analog zur
486 2.4 Generische Kompetenzontologie<br />
Attribut :: abstraktes_Denkobjekt.<br />
Quantitaet :: abstraktes_Denkobjekt.<br />
Aussage :: abstraktes_Denkobjekt.<br />
prozessuales_Denkobjekt :: abstraktes_Denkobjekt.<br />
Stelle :: abstraktes_Denkobjekt.<br />
Das Konzept Attribut, mit dem Merkmale als Subkonzepte spezifiziert werden können, wird zunächst<br />
in die Subkonzepte objektives_Attribut und subjektives_Attribut unterteilt.<br />
objektives_Attribut :: Attribut.<br />
subjektives_Attribut :: Attribut.<br />
Das Konzept objektives_Attribut umfasst als Subkonzepte alle Attribute, die so konzeptualisiert<br />
werden, als ob die Feststellung ihrer Ausprägungen von keinen subjektiven Einschätzungen abhängen<br />
würde. Zwar wird aus erkenntnistheoretischer Perspektive eingeräumt, dass sich subjektunabhängige<br />
Feststellungen („Beobachtungen“) von Attributausprägungen kaum vorstellen lassen, im<br />
Zweifelsfall sogar unmöglich sind. Der Einfluss des „beobachtenden“ Subjekts auf das Ergebnis der<br />
Feststellung kann sich in vielerlei Hinsicht manifestieren, z.B. in der Auswahl des Messverfahrens,<br />
in der Vorgabe eines Skalenniveaus für die Messwerte – oder auch in der generellen „Theorieimprägniertheit“<br />
jedes Beobachtungsakts. Die Verfasser vertreten daher keineswegs die naive Auffassung,<br />
es könnten „unbezweifelbare“ Beobachtungs- oder Protokollsätze über die „tatsächlichen“<br />
Ausprägungen objektiver Attribute informieren.<br />
In der hier gebotenen Kürze kann auf die vielfachen Quellen möglicher, vom beobachtenden Akteur<br />
(„Subjekt“) ausgehender Verzerrungen der Realitätserfahrung nicht näher eingegangen werden.<br />
Stattdessen wird lediglich die Ansicht vertreten, dass im alltäglichen Sprachgebrauch – auch im<br />
Diskurs der betrieblichen Praxis über Kompetenzen – Realitätserfahrung oftmals so konzeptualisiert<br />
wird, als ob sie vom jeweils beobachtenden Akteur nicht verzerrt würde. Beispielsweise können die<br />
mutmaßlich vorhandenen Verzerrungen als so geringfügig erachtet werden, dass sie im aktuellen<br />
Diskurskontext unerheblich erscheinen. In der Konzeptualisierung wird dann von sämtlichen subjektabhängigen<br />
Einflüssen auf die Feststellung der Attributausprägungen abstrahiert. Nur in diesem<br />
„aufgeklärten“, keineswegs naiv realistischen Verständnis wird in der KOWIEN-Ontologie davon<br />
ausgegangen, dass es sprachliche Ausdrucksmittel geben muss, um Attributausprägungen für Attribute<br />
artikulieren zu können, die für „objektiv“ gehalten werden. Die Verfasser fühlen sich in dieser<br />
Hinsicht in Übereinstimmung mit der Sprachpraxis betrieblicher Diskurse.<br />
Differenzierung zwischen den Konzepten zeitartiges_Erfahrungsobjekt und raumartiges_Erfahrungsobjekt als Subkonzepten<br />
zum Konzept Erfahrungsobjekt). Für das Subkonzeptepaar Attribut/Qualität und Quantitaet sowie die drei weiteren Subkonzepte<br />
Aussage, prozessuales_Denkobjekt und Stelle lässt sich nicht erkennen, zu welchem gemeinsamen Systematisierungskriterium<br />
sie alternative Ausprägungen darstellen könnten. Vielmehr erwecken sie den Anschein, ad hoc als Subkonzepte zum<br />
Konzept abstraktes_Denkobjekt eingeführt worden zu sein, um als wichtig empfundene Aspekte des Realitätsausschnitts<br />
„<strong>Kompetenzmanagementsysteme</strong>“ sprachlich konzeptualisieren zu können. Dies wird besonders deutlich anhand des Subkonzepts<br />
Stelle, das neben den übrigen vier Subkonzepten wie ein Fremdkörper wirkt, aber zur Spezifizierung der Kompetenzen<br />
und Kompetenzausprägungen des Inhabers einer (organisatorischen) Stelle erforderlich erscheint.<br />
Die vorgenannten Systematisierungsmängel wurden in der KOWIEN-Ontologie jedoch nicht behoben, weil im Vordergrund der<br />
Projektdurchführung stand, den Sprachgebrauch der Praxispartner so aufzubereiten, wie er in ihrer täglichen Praxis beim Management<br />
von Kompetenzwissen tatsächlich stattfindet. In einer späteren Überarbeitung der KOWIEN-Ontologie erscheint es<br />
jedoch angezeigt, die Subkonzepte des Konzepts abstraktes_Denkobjekt strenger zu systematisieren.
2.4 Generische Kompetenzontologie 487<br />
Das Konzept subjektives_Attribut umfasst als Subkonzepte alle Attribute, die von vornherein so<br />
konzeptualisiert werden, dass die Feststellung ihrer Ausprägungen von der subjektiven Einschätzung<br />
eines Akteurs abhängt – und somit von Akteur zu Akteur variieren kann. In der KOWIEN-<br />
Ontologie werden drei Konzepte als subjektive Attribute ausgedrückt:<br />
Kompetenz :: subjektives_Attribut.<br />
Intensitaet :: subjektives_Attribut.<br />
Kompetenzprofil :: subjektives_Attribut.<br />
Das Konzept Kompetenz 173) ist ein charakteristisches Beispiel für subjektive Attribute, weil die Einschätzung<br />
der Kompetenz eines Akteurs wesentlich von subjektiven Urteilen der jeweils befragten<br />
Akteure abhängt. Darüber hinaus werden in die KOWIEN-Ontologie Intensitäten und Kompetenzprofile<br />
als weitere subjektive Attribute zugelassen. Auf die beiden letztgenannten Konzepte Intensitaet<br />
und Kompetenzprofil wird weiter unten zurückgekommen. Auf der ersten Stufe wird das Konzept<br />
Kompetenz in die Subkonzepte Fachkompetenz, Selbstkompetenz, Methodenkompetenz und Sozialkompetenz<br />
unterschieden:<br />
Fachkompetenz :: Kompetenz.<br />
Methodenkompetenz :: Kompetenz.<br />
Selbstkompetenz :: Kompetenz.<br />
Sozialkompetenz :: Kompetenz.<br />
Bei den Instanzen des Konzepts Kompetenz handelt es sich um formale Objekte, mit denen handlungsbefähigendes<br />
Wissen repräsentiert wird. Entsprechend der Unterteilung des Konzepts Kompetenz<br />
in die Subkonzepte Fachkompetenz, Methodenkompetenz, Sozialkompetenz und Selbstkompetenz<br />
wird die konzeptspezifische Instanzenmenge zum Konzept Kompetenz in vier zueinander disjunkte<br />
und jeweils subkonzeptspezifische Teilmengen unterteilt.<br />
Fachkompetenzen entsprechen der Fähigkeit eines Akteurs, seine fachspezifischen Kenntnisse und<br />
Fertigkeiten zu Handlungszwecken einzusetzen. Die Kenntnisse und Fertigkeiten können sich auf<br />
z.B. technische und kaufmännische Bereiche erstrecken. Somit werden beispielsweise Branchen-,<br />
Sprach- und IT-Kompetenzen als Subkonzepte von dem Konzept Fachkompetenz umfasst.<br />
Branchenkompetenz :: Fachkompetenz.<br />
Sprachkompetenz :: Fachkompetenz.<br />
IT-Kompetenz :: Fachkompetenz.<br />
juristische_Kompetenz :: Fachkompetenz.<br />
Produktkompetenz :: Fachkompetenz.<br />
Mandantenkompetenz :: Fachkompetenz.<br />
Methodenkompetenzen entsprechen der Fähigkeit eines Akteurs, seine instrumentellen Kenntnisse<br />
und Fertigkeiten zu Handlungszwecken einzusetzen. Enthalten sind hierin sowohl die Fähigkeit,<br />
motorische Verfahren durchzuführen, als auch Fähigkeiten zur Strukturierung und Darstellung von<br />
Informationen.<br />
173) Beim Konzept Kompetenz handelt es sich streng genommen um eine Kompetenzart; vgl. dazu die Anmerkungen in der Fußnote<br />
19 des Kapitels 1.1.2 auf S. 39 sowie in der Fußnote 97 des Kapitels 2.4.2.2.3 auf S. 460. Auf Wunsch mehrerer Praxispartner<br />
des Verbundprojekts KOWIEN, denen diese Bezeichnung als zu umständlich erschien, wurde die einfacher anmutende Bezeichnung<br />
„Kompetenz“ gewählt.
488 2.4 Generische Kompetenzontologie<br />
Analysemethodenkompetenz :: Methodenkompetenz.<br />
Unternehmensbewertungskompetenz :: Methodenkompetenz.<br />
Wirtschaftsprüfungskompetenz :: Methodenkompetenz.<br />
Präsentationskompetenz :: Methodenkompetenz.<br />
Kreativitätsmethodenkompetenz :: Methodenkompetenz.<br />
Planungsmethodenkompetenz :: Methodenkompetenz.<br />
Investitionsmethodenkompetenz :: Methodenkompetenz.<br />
In Einzelfällen ist es äußerst schwierig, zwischen konkreten Methoden- und Fachkompetenzen zu<br />
differenzieren. Oftmals überschneiden sich die beiden Kompetenzbereiche. Beispielsweise kann die<br />
Kompetenz, das Ertragswertverfahren zu Zwecken der Unternehmensbewertung anwenden zu können,<br />
sowohl zu den Fach- als auch zu den Methodenkompetenzen gezählt werden. In solchen Fällen<br />
wurde in der KOWIEN-Wissensbasis die Möglichkeit der multiplen Instanziierung in Anspruch genommen.<br />
Dabei handelt es sich um eine Zuweisung desselben formalen Objektes als Instanz zu<br />
zwei (oder mehr) verschiedenen Konzepten. Formalsprachlich bereitet dies keine Probleme, da es<br />
der Vorgehensweise bei der „Weitergabe“ von Instanzen an Superkonzepte entspricht. 174)<br />
174) Eine Instanz „ob“ aus der Extension E 2 eines Konzepts k 2 wird an die Extension E 1 eines Konzepts k 1 „weiter gegeben“ , wenn<br />
das Konzept k 1 ein Superkonzept zum Konzept k 2 darstellt, wenn also k 2 :: k 1 gilt. Denn bei dieser Subkonzeptbeziehung<br />
k 2 :: k 1 mit dem Konzept k 1 als Superkonzept gilt – wie schon an früherer Stelle erläutert wurde – notwendig die Inklusionsbeziehung<br />
E 2 ⊆ E 1 zwischen den Extensionen der beiden involvierten Konzepte k 2 und k 1. Daher folgt aus ob ∈ E 2 unmittelbar<br />
auch ob ∈ E 1 als „Weitergabe“ der Instanz „ob“ vom untergeordneten Konzept k 2 an sein Superkonzept k 1.<br />
Im Fall der multiplen Instanziierung wird ein formales Objekt „ob“ beispielsweise sowohl der Extension E 2 des Konzepts k 2 als<br />
auch mindestens einer weiteren Extension E 1 eines anderen Konzepts k 1 zugeordnet. Dann kann das formale Objekt „ob“ als<br />
Komponente in Beziehungen aus Relationen enthalten sein, die auf unterschiedlichen Trägermengen definiert sind. Die beiden<br />
Konzepte k 1 und k 2 brauchen keineswegs in einer Sub- oder Superkonzeptbeziehung zueinander zu stehen, sondern können<br />
auch – direkte oder indirekte – Subkonzepte zu einem gemeinsam übergeordneten Subkonzept darstellen. Lediglich zur Vereinfachung<br />
der Argumentation wird im Folgenden davon ausgegangen, dass im Fall der multiplen Instanziierung der Konzepte k 1<br />
und k 2 durch das formale Objekt „ob“ das Konzept k 1 ein Superkonzept zum Konzept k 2 ist. Unter dieser Voraussetzung gilt<br />
zweierlei. Zunächst kann das formale Objekt „ob“ in seiner „Rolle“ als Instanz von Konzept k 2 „direkt“ als Komponente in Beziehungen<br />
(ob,obx) ∈ r a mit r a ⊆ E 2×E x enthalten sein, wobei k x ein beliebiges drittes Konzept mit der Extension E x ist. Wegen<br />
der Subkonzeptbeziehung k 2 :: k 1 kann das formale Objekt „ob“ in seiner „Rolle“ als Instanz des Superkonzepts k 1 aber auch<br />
„indirekt“ als Komponente in Beziehungen (ob,ob y) ∈ r b mit r b ⊆ E 1×E y und x≠y vorkommen. Denn aufgrund der Subkonzeptbeziehung<br />
k 2 :: k 1 trifft die Inklusionsbeziehung E 2 ⊆ E 1 zu. Würde das formale Objekt „ob“ lediglich in seiner „Rolle“ als Instanz<br />
des Konzepts k 2 und ohne die Inklusionsbeziehung E 2 ⊆ E 1 zwischen den beiden konzeptspezifischen Extensionen E 2 und<br />
E 1 betrachtet werden, wäre ein solches Objekttupel (ob,ob y) ∈ r b ausgeschlossen, da die Extension E 2 mit ob ∈ E 2 überhaupt<br />
nicht als Trägermenge der Relation r b mit r b ⊆ E 1×E y definiert wäre. Die multiple Instanziierung von Konzepten ist insbesondere<br />
dann notwendig, wenn in einer Ontologie solche Konzepte spezifiziert sind, die zwar unterschiedliche „Denkeinheiten“ repräsentieren,<br />
sich aber in ihrer denotationalen Semantik dennoch auf dieselben (realen) Objekte beziehen. Ein anschauliches Beispiel<br />
wurde bereits von FREGE durch die unterschiedlich zu interpretierenden Konzepte Morgenstern und Abendstern vorgelegt.<br />
Sie weisen in ihren Extensionen beide nur (dieselbe formalsprachliche Repräsentation für) den Planeten Venus als einzige Instanz<br />
auf. Solche „äquivalenten Konzepte“ mussten zwar in der KOWIEN-Ontologie nicht berücksichtigt werden, da in den betrachteten<br />
Realitätsausschnitten kein solcher Fall beobachtet werden konnte. Jedoch wurde die multiple Instanziierung von<br />
Konzepten nicht ausgeschlossen, um die hier vorgelegte Konzeption zur Konstruktion von Ontologien von vornherein so flexibel<br />
zu gestalten, dass sie mit Sonderfällen der vorgenannten Art umzugehen vermag.<br />
Auch aus der konzeptuellen Datenmodellierung sind bislang wenige Fälle bekannt, in denen äquivalente Strukturierungseinheiten<br />
für die Modellierung betriebswirtschaftlich interessanter Realitätsausschnitte vorliegen. Einer der wenigen Hinweise auf<br />
solche Äquivalenzen findet sich in ORTNER (1997) S. 31 ff. unter der Bezeichnung „Äquipollenzen“. Beispielhaft werden dort<br />
die Konzepte Warenbestand und Lagerkonto aufgeführt. Während mit dem Konzept Warenbestand der Artikelbestand eines<br />
Unternehmens wertmäßig erfasst wird, ist das Konzept Lagerkonto auf die rein mengenmäßige Erfassung des Artikelbestands<br />
ausgerichtet. Das Beispiel ORTNERS leidet allerdings unter dem Umstand, dass z.B. das Lagerkonto von dem Warenbestand abweichen<br />
kann, wenn Fehlbuchungen, Schwund u.ä. vorliegen. Die Extensionen von Warenbestand und Lagerkonto brauchen<br />
nicht in allen „möglichen Welten“ miteinander übereinzustimmen. Für die Äquivalenz von Konzepten ist es dagegen notwendig,<br />
dass es keinen Zustand geben kann, in dem ihre Extensionen voneinander abweichen. Daher stellt das Beispiel von ORTNER<br />
streng genommen keinen Anwendungsfall äquivalenter Konzepte dar.
2.4 Generische Kompetenzontologie 489<br />
Selbstkompetenzen entsprechen den reflexiven Persönlichkeitsmerkmalen eines Akteurs, die er zu<br />
Handlungszwecken einsetzen kann. Reflexiv handelt ein Akteur dann, wenn er ein Bewusstsein über<br />
seine eigene Person aufbaut. Hierzu gehören Selbstvertrauen, -bewusstsein und -wertgefühl. Sozialkompetenzen<br />
entsprechen den kommunikativen, kooperativen und kompetitiven Persönlichkeitsmerkmalen<br />
eines Akteurs, die er zu Handlungszwecken einsetzen kann. Teamfähigkeit, Einfühlungsvermögen<br />
und Konfliktlösungsbereitschaft sind Beispiele hierfür.<br />
Analog zu der Überschneidung von Fach- und Methodenkompetenzen liegen auch oftmals zwischen<br />
Selbst- und Sozialkompetenzen Überschneidungen vor. Dies ist in der Regel dann der Fall,<br />
wenn eine bestimmte Kompetenz sowohl im intrapersonellen als auch im interpersonellen Bereich<br />
Bedeutung hat. Selbstbewusstsein ist beispielsweise ein Persönlichkeitsmerkmal, das sich oftmals<br />
auch in den zwischenmenschlichen Handlungsmustern eines Akteurs widerspiegelt.<br />
Das Konzept Intensitaet dient dazu, die Messskala festzulegen 175) , auf der sich unterschiedliche<br />
Ausprägungen einer Kompetenz feststellen und hinsichtlich ihrer Ausprägungsstärke („Intensität“)<br />
miteinander vergleichen lassen. Die Eigenarten einer solchen Messskala bestimmen den Informationsgehalt,<br />
d.h. die „Granularität“ oder die „Differenziertheit“ des Vergleichs zwischen Kompetenzausprägungen.<br />
Für den Anwendungskontext des Verbundprojekts KOWIEN reicht es aus, in relativ<br />
grober Weise nur zwischen nominalen, ordinalen und kardinalen Messskalen zu unterscheiden. 176)<br />
nominal_skalierte_Intensitaet :: Intensitaet.<br />
ordinal_skalierte_Intensitaet :: Intensitaet.<br />
kardinal_skalierte_Intensitaet :: Intensitaet.<br />
Mit dem Konzept nominal_skalierte_Intensitaet werden solche Kompetenzausprägungen als Instanzen<br />
177) erfasst, die sich lediglich hinsichtlich ihrer Übereinstimmung (oder Nichtübereinstimmung)<br />
miteinander vergleichen lassen. Dazu gehören z.B. Instanzen wie „Kompetenz vorhanden“ und<br />
„Kompetenz nicht vorhanden“. Eine Rangfolge von Kompetenzausprägungen lässt sich damit nicht<br />
begründen, wenn von der trivialen Ausnahme abgesehen wird, dass eine vorhandene Kompetenz<br />
eine „höhere“ Kompetenzausprägung als eine nicht vorhandene Kompetenz aufweist.<br />
175) Dabei wird der Begriff „Intensität“ in einem weiteren Verständnis verwendet, als es sonst üblich ist. In der Regel werden nämlich<br />
Intensitäten mit mindestens ordinal skalierten Merkmalsausprägungen assoziiert. Stattdessen wird hier das Konzept Intensitaet<br />
als Superkonzept zu allen Konzepten verwendet, die Messskalen ausdrücken, also z.B. auch für das Konzept von lediglich<br />
nominal skalierten Merkmalsausprägungen.<br />
176) Das vielfältigere Differenzierungspotenzial der Messtheorie, das z.B. auch noch zwischen Absolut-, Verhältnis- und Intervallskalen<br />
unterscheidet, wird somit nicht ausgeschöpft. Auf solche Differenzierungen konnte im Projektkontext verzichtet werden,<br />
weil weder im Produkt- noch im Service-Engineering-Szenario ein praktisch relevanter Anwendungsfall für diese differenziertere<br />
Betrachtungsweise identifiziert werden konnte.<br />
177) Spätestens an dieser Stelle der KOWIEN-Ontologie tritt der „Sündenfall“ ein, durch den die Ebene einer Ontologie im engeren<br />
Sinne verlassen wird. Denn Instanzen gehören aufgrund der o.a. Festlegungen nicht mehr zu einer Ontologie im engeren Sinn,<br />
die nur Konzepte und Relationen über diesen Konzepten umfasst, sondern zu einer Ontologieerweiterung und somit zu einer<br />
Ontologie im weiteren Sinn oder – synonym – einer partiell interpretierten Ontologie. Daher spielt die Bezugnahme auf Kompetenzausprägungen<br />
– zumindest im Rahmen der KOWIEN-Ontologie – eine zentrale Rolle für die Demarkation zwischen einer<br />
Ontologie im engeren Sinne und einer partiell interpretierten Ontologie. Alle Inferenzregeln (oder auch Integritätsregeln),<br />
die sich auf Kompetenzausprägungen beziehen, müssen folglich den Geltungsbereich einer Ontologie im engeren Sinne übersteigen<br />
und zu einer partiell interpretierten Ontologie gehören. Dies erklärt, warum oben (vgl. S. 460 ff.) anlässlich der Erläuterung<br />
prädikatenlogischer Grundlagen in der einen Inferenzregel, die auf die Kompetenzausprägung „Anfänger“ Bezug nahm,<br />
der Rahmen einer Ontologie im engeren Sinne „gesprengt“ wurde (vgl. insbesondere S. 462).
490 2.4 Generische Kompetenzontologie<br />
Das Konzept ordinal_skalierte_Intensitaet umfasst solche Instanzen, die paarweise zueinander in<br />
einem Ordnungsverhältnis stehen. Die jeweiligen Instanzen lassen sich demnach nicht nur hinsichtlich<br />
ihrer Gleichheit, sondern auch hinsichtlich ihrer Anordnung miteinander vergleichen. Dadurch<br />
ist es möglich, eine Rangfolge der Kompetenzausprägungen aufzustellen, und zwar auch dann,<br />
wenn es zu einer Kompetenz mehr als nur zwei Kompetenzausprägungen gibt. 178)<br />
Das Konzept kardinal_skalierte_Intensitaet betrifft schließlich solche Instanzen, die nicht nur in einem<br />
paarweisen Ordnungsverhältnis zueinander stehen, sondern auch einen wohldefinierten Abstand<br />
der Kompetenzausprägungen aufweisen. Damit wird es im Fall kardinal skalierter Intensitäten<br />
möglich, auch Differenzen zwischen jeweils zwei Kompetenzausprägungen miteinander zu vergleichen.<br />
Für die KOWIEN-Ontologie ist nur das Konzept ordinal_skalierte_Intensitaet von Bedeutung. Es<br />
umfasst alle Instanzen, die zur Erfassung von Kompetenzausprägungen für ein Kompetenzmanagementsystem<br />
benötigt werden. Es handelt sich dabei zum einen um die Instanzen Neuling, Anfaenger,<br />
Problemloeser, Erfahrener und Experte. 179) Diese Kompetenzausprägungen sind allerdings<br />
dann nicht geeignet, wenn die Kompetenzausprägung eines Akteurs bezüglich einer Selbst- oder<br />
Sozialkompetenz spezifiziert werden soll. Beispielsweise würde es eigentümlich anmuten, einen<br />
Akteur als „Experten“ hinsichtlich der Kompetenzart „Flexibilität“ zu einzustufen. Um „natürlicher“<br />
anmutende Kompetenzaussagen spezifizieren zu können, wurden daher zum anderen auch die<br />
Instanzen sehr_niedrig, niedrig, mittel, hoch und sehr_hoch in die Wissensbasis aufgenommen.<br />
Darüber hinaus wird die Instanz unbekannt ergänzt, um über ein sprachliches Ausdrucksmittel zu<br />
verfügen, auch das Nichtwissen hinsichtlich der Ausprägung einer Kompetenz bei einem Akteur<br />
formalsprachlich explizit darstellen zu können.<br />
Kompetenzauspraegung :: ordinal_skalierte_Intensitaet.<br />
unbekannt : Kompetenzauspraegung.<br />
Neuling : Kompetenzauspraegung.<br />
Anfaenger : Kompetenzauspraegung.<br />
Problemloeser : Kompetenzauspraegung.<br />
Erfahrener : Kompetenzauspraegung.<br />
Experte : Kompetenzauspraegung.<br />
sehr_niedrig : Kompetenzauspraegung.<br />
niedrig : Kompetenzauspraegung.<br />
mittel : Kompetenzauspraegung.<br />
hoch : Kompetenzauspraegung.<br />
sehr_hoch : Kompetenzauspraegung.<br />
178) Der triviale Fall von nur zwei Kompetenzausprägungen ist bereits bei nominal skalierten Kompetenzausprägungen gegeben, da<br />
sich dort – wie oben ausgeführt – zwischen vorhandenen und nicht vorhandenen Kompetenzen unterscheiden lässt.<br />
179) Die fünf Instanzen für Stufen unterschiedlicher Kompetenzausprägung wurden „praxisnah“ in Abstimmung mit den Praxispartnern<br />
des Verbundprojekts KOWIEN gebildet. Für diese Ausprägungsstufen spricht, dass sie von Unternehmensmitgliedern unmittelbar<br />
intuitiv nachvollzogen werden können. Vgl. zu ähnlichen Ausprägungsstufen für Kompetenzen beispielsweise<br />
STOCKMANN (2004) S. 25 (mit nur drei Ausprägungsstufen „Kenner“, „Könner“ und „Experte“). Allerdings wird eingeräumt,<br />
dass die nachfolgenden Charakterisierungen der fünf Kompetenzausprägungen (vgl. S. 492 f.) „diskussionswürdig“ sind, weil<br />
die jeweils charakterisierungsrelevanten Merkmale von Stufe zu Stufe variieren und daher keine strenge Systematik für die Stufenabgrenzungen<br />
zur Verfügung stellen können. Vgl. dagegen zu Konzepten für eine streng systematische Messung von Kompetenzausprägungen<br />
auf unterschiedlichen Skalenniveaus GÜTTLER/VON BELOW/ZÜLCH (1979) S. 11 ff.
2.4 Generische Kompetenzontologie 491<br />
Die Instanzen der Kompetenzausprägungen sind in der voranstehenden Reihenfolge entsprechend<br />
ihrer intuitiven Bedeutung zueinander angeordnet. 180) Jeder der oben angeführten natürlichsprachlichen<br />
Instanzen zur Erfassung von Kompetenzausprägungen kann mittels zweier Funktionen genau<br />
ein numerischer Wert als äquivalente Instanz zugeordnet werden. 181) Dadurch ist es möglich, die<br />
„numerisch übersetzten“ Kompetenzausprägungen auch für arithmetische Operationen zugänglich<br />
zu machen. Beispielsweise werden dadurch Matching-Operationen ermöglicht, die den Eignungs-<br />
180) Mit zunehmender Kompetenzausprägung nimmt beispielsweise der Anteil an tazitem Wissen tendenziell zu, auf das ein Akteur<br />
bei seinen Handlungen zurückgreift.<br />
181) Beispielsweise lassen sich als Zuordnungen realisieren:<br />
unbekannt → 0<br />
Neuling → 1 ← sehr_niedrig<br />
Anfaenger → 2 ← niedrig<br />
Problemloeser → 3 ← mittel<br />
Erfahrener → 4 ← hoch<br />
Experte → 5 ← sehr_hoch<br />
Für jede Zuordnung zwischen einer numerischen Kompetenzausprägung und den entsprechenden natürlichsprachlichen Kompetenzausprägungen<br />
sind eine Inferenz- und drei Integritätsregeln notwendig. Die Inferenzregel sorgt dafür, dass aus Kompetenzaussagen,<br />
die einer Kompetenz und einem Akteur eine natürlichsprachliche Kompetenzausprägung zuweisen, auf die entsprechende<br />
numerische Kompetenzausprägung (Kompetenzwert) für dieselbe Kompetenz und denselben Akteur geschlossen<br />
werden kann. Die Integritätsregeln stellen hingegen sicher, dass in jeder zulässigen Wissensrepräsentation nur solche Kompetenzaussagen<br />
vorkommen, in denen die o.a. Zuordnungen zwischen numerischen Kompetenzausprägungen einerseits und alternativen<br />
natürlichsprachlichen Kompetenzausprägungen andererseits nicht verletzt werden. Dies wird exemplarisch anhand der<br />
natürlichsprachlichen Kompetenzausprägungen Anfaenger und niedrig aufgezeigt, denen als äquivalente numerische Kompetenzausprägung<br />
(Kompetenzwert) die Zahl 2 zugeordnet ist. Hierfür lauten:<br />
a) die Inferenzregel zur Ableitung der entsprechenden numerischen Kompetenzausprägung:<br />
∀X 1,X 2,X 3: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2;<br />
betrifft_Akteur -> X 3;<br />
beinhaltet_Kompetenzauspraegung ->> Anfaenger] OR<br />
X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2;<br />
betrifft_Akteur -> X 3;<br />
beinhaltet_Kompetenzauspraegung ->> niedrig]<br />
→ X 1:Kompetenzaussage [beinhaltet_Kompetenzauspraegung ->> 2].<br />
b) die Integritätsregeln zur Sicherstellung der Entsprechung zwischen den natürlichsprachlichen und den<br />
numerischen Kompetenzausprägungen:<br />
b.1) ∀X 1,...,X 4: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2;<br />
betrifft_Akteur -> X 3;<br />
beinhaltet_Kompetenzauspraegung ->> {Anfaenger,X 4}]<br />
→ X 4=niedrig OR X 4=2.<br />
b.2) ∀X 1,...,X 4: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2;<br />
betrifft_Akteur -> X 3;<br />
beinhaltet_Kompetenzauspraegung ->> {niedrig,X 4}]<br />
→ X 4=Anfaenger OR X 4=2.<br />
b.3) ∀X 1,...,X 4: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2;<br />
betrifft_Akteur -> X 3;<br />
beinhaltet_Kompetenzauspraegung ->> {2,X 4}]<br />
→ X 4=Anfaenger OR X 4=niedrig.<br />
Für den Fall der natürlichsprachlichen Kompetenzausprägung „unbekannt“ und den zugehörigen numerischen Kompetenzwert<br />
0 kann die Inferenzregel unter a) als Bijugat formuliert werden.
492 2.4 Generische Kompetenzontologie<br />
wert eines Akteurs mit einem bestimmten Ist-Kompetenzprofil für eine Stelle hinsichtlich ihres<br />
Soll-Kompetenzprofils ermitteln. 182)<br />
Die erste Stufe der Kompetenzausprägungen ist der Neuling. Der Neuling zerlegt ein ihm gestelltes<br />
Problem in kontextfreie Teile. Dadurch, dass er wenige allgemeine Regeln beherrscht, ist er in seinem<br />
Handeln sehr langsam. Das Wissen, das ein Neuling für die Bewältigung eines Problems benötigt,<br />
ist in der Regel durchgehend explizit vorhanden. Dadurch lässt sich die Handlungsweise eines<br />
Neulings mit der algorithmischen Funktionsweise eines informationsverarbeitenden Systems vergleichen.<br />
Der Anfänger weist die Fähigkeit auf, situative Aspekte in sein Handeln einzubinden. Er lernt aus<br />
realen Situationen und kann seine Kompetenzen ausbauen. Die Umstände, unter denen ein Problem<br />
gegeben ist, das der Anfänger zu lösen hat, fließen im Gegensatz zum Neuling in die Lösungsansätze<br />
des Anfängers ein.<br />
Der Problemlöser ist flexibel in seinem Handeln, da er die Gesamtsituation überblickt und Strategien<br />
zur Problemlösung entwickeln kann. Die Handlungen eines Problemlösers sind insbesondere<br />
dadurch gekennzeichnet, dass er ein komplexes Problem situationsabhängig in Teilprobleme zu<br />
unterteilen vermag, bevor er die Lösung des Gesamtproblems angeht. Somit ist die Fähigkeit zur<br />
Komplexitätsreduktion ein wesentliches Merkmal dieser Kompetenzausprägung.<br />
182) Auf diese Matching-Möglichkeit zwischen Ist- und Soll-Kompetenzprofilen in <strong>Kompetenzmanagementsysteme</strong>n wird in einem<br />
weiteren Beitrag näher eingegangen; vgl. dazu Kapitel 2.5 auf S. 537 ff., insbesondere S. 553 ff.<br />
Allerdings lässt sich darüber streiten, ob die Zuordnung numerischer Kompetenzausprägungen zu natürlichsprachlichen Kompetenzausprägungen<br />
in einer (partiell interpretierten) Ontologie erstrebenswert ist. Für diese Vorgehensweise spricht, dass sich<br />
mittels der numerischen Kompetenzausprägungen später – an anderen Stellen außerhalb der Ontologie – leicht rechnen lässt,<br />
wie z.B. im Fall der oben angesprochenen Matching-Operationen. Jedoch erweist sich als fraglich, ob solche nachgelagerten<br />
Verwertungsoptionen überzeugende Argumente für die formalsprachliche Erfassung von Kompetenzausprägungen innerhalb<br />
einer (partiell interpretierten) Ontologie darstellen. Zumindest zwei Gründe sprechen gegen diese Vorgehensweise. Erstens<br />
suggerieren numerische Kompetenzausprägungen ein kardinales Skalenniveau, das von Kompetenzausprägungen im Allgemeinen<br />
nicht erfüllt wird. Die numerischen Kompetenzausprägungen sind daher zumindest missverständlich, wenn nicht gar unangemessen<br />
formuliert. Zweitens sollten in einer Ontologie aufgrund des Prinzips „minimaler ontologischer Commitments“ (hier<br />
übertragen auf eine partiell interpretierte Ontologie) keine Festlegungen über das hinaus erfolgen, was an sprachlichen Ausdrucksmitteln<br />
zur Repräsentation eines Realitätsausschnitts als unbedingt erforderlich erscheint. Für die ordinale Abstufung von<br />
Kompetenzausprägungen reichen die o.a. natürlichsprachlichen Instanzen vollkommen aus. Ob diesen Instanzen jedoch die<br />
numerischen Kompetenzausprägungen „0“ (für unbekannt) und „1“ bis „5“ zugeordnet werden, ist letztlich eine willkürliche<br />
und seitens des repräsentierten Realitätsausschnitts in keiner Weise determinierte Entscheidung. Beispielsweise würde die<br />
Rangfolge zwischen den natürlichsprachlichen Instanzen ebenso durch die Zuordnung der numerischen Kompetenzausprägungen<br />
„0“ (für unbekannt) und „100“ bis „1.000“ oder auch „-1“ (für unbekannt) und „1/5“ bis „1“ wiedergegeben werden können.<br />
Aufgrund dieser willkürlichen Ermessensspielräume halten es die Verfasser für angezeigt, auf solche „artifiziellen“ numerischen<br />
Kompetenzausprägungen in einer (partiell interpretierten) Ontologie grundsätzlich zu verzichten. Stattdessen reicht es<br />
vollkommen aus, die Rangfolge der natürlichsprachlichen Kompetenzausprägungen mittels einer zweistelligen Ordnungsrelation<br />
anzugeben, wie etwa derart, dass die Instanz Neuling eine niedrigere Kompetenzausprägung als die Instanz Anfaenger darstellt.<br />
Diese Ordnungsrelation könnte dann später in nachgelagerten Berechnungen, wie etwa den o.a. Matching-Operationen, in<br />
berechnungsspezifisch gültige, numerische Kompetenzausprägungen „übersetzt“ werden. Dies ließe den Spielraum, für jeden<br />
Berechnungszweck eine zweckentsprechende numerische Übersetzung der natürlichsprachlichen Kompetenzausprägungen<br />
wählen zu können, und würde zugleich verhindern, die (partiell interpretierte) Ontologie mit nicht-notwendigen numerischen<br />
Commitments zu belasten.<br />
Trotz der vorgenannten Vorbehalte wurde im Verbundprojekt KOWIEN aufgrund eines Wunsches der Praxispartner der Weg<br />
eingeschlagen, bereits in der Ontologie selbst mit numerischen Kompetenzausprägungen zu arbeiten. Dies musste im Interesse<br />
einer breiten Akzeptanz der KOWIEN-Ontologie unter den Praxispartnern akzeptiert werden, obwohl dadurch das Prinzip „minimaler<br />
ontologischer Commitments“ verletzt wurde.
2.4 Generische Kompetenzontologie 493<br />
Der Erfahrene kann auf – für die Problemlösung relevantes – Wissen zurückgreifen und seine Entscheidungen<br />
dementsprechend konsolidieren. Dadurch, dass er Analogien zwischen dem aktuellen<br />
Problem und Problemen, mit denen er in der Vergangenheit konfrontiert wurde, erkennen kann, hat<br />
er mögliche Lösungsmuster vor Augen. Diese Lösungsmuster erleichtern dem Erfahrenen den Umgang<br />
mit Problemen, da er nicht bei jeder neuen Problemstellung von neuem beginnen muss, einen<br />
Lösungsansatz zu entwickeln.<br />
Der Experte handelt zielbewusst, ohne einen rationalen Entscheidungsprozess zu durchlaufen. Sein<br />
Handeln erfolgt „instinktiv“. Das Wissen, das der Experte für die Lösung eines Problems heranzieht,<br />
ist oftmals zu einem Großteil taziter Natur. Der Experte führt oftmals Handlungen durch, die<br />
keinem von außen unmittelbar ersichtlichen Handlungsprofil folgen.<br />
Neben dem Konzept Kompetenz stellt das Konzept Aussage das zweite zentrale Konzept dar, das im<br />
Verbundprojekt KOWIEN für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> spezifiziert wurde.<br />
Das Konzept Aussage wird in der KOWIEN-Ontologie als „artifizielle Krücke“ benötigt, weil die<br />
Repräsentationssprache F-Logic aufgrund interner Beschränkungen nur in der Lage ist, (höchstens<br />
183) ) zweistellige prädikatenlogische 184) Formeln darzustellen. 185) Dieselbe Beschränkung auf<br />
zweistellige Formeln gilt auch für die Inferenzmaschine OntoBroker, die es ermöglicht, aus Wissen,<br />
das in F-Logic repräsentiert ist, Schlussfolgerungen mittels prädikatenlogischer Inferenzregeln zu<br />
ziehen. 186)<br />
183) Im Normalfall werden in F-Logic und zahlreichen anderen Repräsentationssprachen zweistellige Formeln – oder deren Äquivalente<br />
(wie die Relationen, die in der übernächsten Fußnote angesprochen werden) – zur objektsprachlichen Wissensrepräsentation<br />
verwendet. Dies schließt jedoch nicht aus, auch einstellige Formeln zu benutzen. Sie werden in F-Logic weniger offensichtlich,<br />
als es für zweistellige Formeln mittels Relationen der Fall ist, aber im Ergebnis ebenso äquivalent durch Konzepte<br />
repräsentiert. Denn jede einstellige prädikatenlogische Formel F(x) lässt sich in eine äquivalente F-Logic-Aussage der Form<br />
x : X transformieren (und umgekehrt), indem für alle Individuen x aus der Instanzenmenge I vereinbart wird: das Individuum x<br />
ist eine Instanz des Konzepts X F – also x : X F – genau dann, wenn F(x) eine gültige Formel ist. Da die Extension E X/F des Konzepts<br />
X F genau alle Individuen x umfasst, die Instanzen des Konzepts X F sind, lässt sich die voranstehende Äquivalenz auch so<br />
wiedergeben: das Individuum x ist eine Instanz des Konzepts X F – also x ∈ E X/F – genau dann, wenn F(x) eine gültige Formel<br />
darstellt. Folglich sind die Extensionen des Konzepts X F und der einstelligen prädikatenlogischen Formel F dieselbe Menge von<br />
Instanzen aus der Trägermenge I.<br />
184) Im hier erörterten Kontext sind stets objektsprachliche Formeln gemeint.<br />
185) Streng genommen werden in F-Logic unmittelbar überhaupt keine Formeln in der üblichen prädikatenlogischen Notation dargestellt.<br />
Vielmehr greift F-Logic auf zweistellige Relationen als grundlegendes Ausdrucksmittel (neben Konzepten) zurück. Allerdings<br />
lässt sich jede zweistellige prädikatenlogische Formel F(X 1,X 2) in eine äquivalente zweistellige Relation r F ⊆ I × I<br />
transformieren (und umgekehrt), indem für alle Individuen X 1,X 2 aus der Instanzenmenge I vereinbart wird: (X 1,X 2) ∈ r F trifft<br />
genau dann zu, wenn F(X 1,X 2) eine gültige Formel ist, d.h. die Extensionen der Relation r F und der Formel F sind dieselbe<br />
Menge von Paaren (X 1,X 2) aus dem kartesischen Produkt I × I der Trägermenge I. Daher bereitet es keine Schwierigkeiten, jede<br />
zweistellige prädikatenlogische Formel durch eine äquivalente zweistellige Relation in F-Logic zu „rekonstruieren“.<br />
186) Die Inferenzmaschine OntoBroker ist bei genauer Betrachtung ihres Inferenzvermögens nicht in allen Fällen auf (höchstens)<br />
zweistellige prädikatenlogische Formeln (oder deren Äquivalente, wie in der voranstehenden Fußnote erläutert) beschränkt.<br />
Stattdessen ist es möglich, mittels eines so genannten „Parameters“ („@“) auch prädikatenlogische Formeln mit mehr als zwei<br />
Stellen zu verarbeiten. Dies betrifft nicht nur dreistellige, sondern beliebige n-stellige Formeln mit n ≥ 3. Vgl. zu dieser „parametrischen“<br />
Erweiterungsmöglichkeit von zweistelligen auf Formeln mit mehr als zwei Stellen ANGELE/LAUSEN (2004) S. 38 in<br />
Verbindung mit S. 33 f.; ANGELE/STAAB/SCHNURR (2003) S. 4 f.; ONTOPRISE (2001) S. 3 f.; ONTOPRISE (2003c) S. 4 f. u. 10.<br />
Allerdings ließ sich diese Option im Verbundprojekt KOWIEN aus zwei Gründen nicht auf benutzerfreundliche Weise nutzen.<br />
Erstens stellt die Verwendung des „Parameters“ eine formalsprachliche „Krücke“ dar. Sie erlaubt z.B. nicht, die drei Stellen<br />
einer dreistelligen Formel gleichartig zu repräsentieren, sondern zwingt den Ontologiedesigner dazu, für eine dieser drei Stellen<br />
eine artifiziell anmutende, kontraintuitive Darstellungsweise zu benutzen. Zweitens – und das war für das KOWIEN-Team ausschlaggebend<br />
– wird das „Parameter“-Konstrukt zwar von der Inferenzmaschine OntoBroker, allerdings nicht von dem Ontologie-Editierwerkzeug<br />
OntoEdit unterstützt. Daher ist für die Konstruktion von „parametrischen“ F-Logic-Formeln die „manuel-
494 2.4 Generische Kompetenzontologie<br />
Dieses Defizit von F-Logic – und der (u.a.) darauf aufbauenden Inferenzmaschine OntoBroker –<br />
wird dadurch bereinigt, dass prädikatenlogische Formeln, die in ihrer „natürlichen“ Form drei –<br />
oder mehr 187) – Stellen im Argument aufweisen müssten, reifiziert („verdinglicht“) 188) werden. Reifizierung<br />
bedeutet, dass ein sprachliches Konstrukt, das „eigentlich“ zur Konzeptebene gehört, formalsprachlich<br />
so behandelt wird, als ob es sich um ein einzelnes formales Objekt (ein „Ding“) und<br />
somit um ein prädikatenlogisches Individuum auf der Instanzenebene handeln würde. Aus einem<br />
sprachlichen Konstrukt, das auf der Konzeptebene eine mengenwertige Extension besitzen würde,<br />
189) wird so auf der Instanzenebene ein schlichtes Element aus der Menge aller Instanzen. Durch<br />
Reifizierung erfolgt also ein „Downsizing“ der Sprachebenen von der Konzept- auf die Instanzenebene.<br />
Dadurch wird die Konzeptebene in metaphorischer Redeweise „platt gedrückt“, d.h. auf die<br />
Ebene der Instanzen reduziert. 190)<br />
Der „Vorzug“ 191) der Reifizierung besteht im Allgemeinen darin, metasprachliche Ausdrücke zu<br />
vermeiden und sie „bedeutungserhaltend“ 192) auf die Ebene objektsprachlicher Ausdrücke zu transformieren.<br />
Metasprachliche Ausdrücke werden beispielsweise in der Prädikatenlogik 2. Stufe ver-<br />
le“ Spezifikation mithilfe eines konventionellen Text-Editors notwendig. Solche Formeln lassen sich zwar in der Regel durch<br />
den OntoBroker korrekt verarbeiten, können aber in OntoEdit nicht editiert werden. Wegen dieser erheblichen Editierungsmängel<br />
in Softwareprodukten der „Onto“-Familie wurde im Verbundprojekt KOWIEN auf die Verwendung von Formeln mit drei<br />
oder mehr Stellen verzichtet.<br />
Vgl. zu weiteren Ansätzen, die ebenso eine Spezifizierung von n-stelligen Formeln mit n ≥ 3 gestatten, BENJAMIN ET AL. (1994)<br />
S. 72 f. (in Bezug auf IDEF5); ERDMANN (2002) S. 14 (bezüglich der OntoEdit-spezifischen Ontologiesprache OXML); MEL-<br />
NIK/DECKER (2000) S. 10 (u.a. in Bezug auf das Ontologie-Werkzeug SHOE); ONTOPRISE (2001) S. 7; ONTOPRISE (2003c) S.<br />
10; O.V. (o.J.) S. 9 (nur andeutungsweise).<br />
187) Die nachfolgend skizzierte Reifizierungstechnik wurde so ausgelegt, dass sie sich auf prädikatenlogische Formeln beliebiger<br />
Stelligkeit anwenden lässt. Reifizierungsrelevant sind allerdings nur Formeln mit mehr als zwei Stellen, weil sich ein- und<br />
zweistellige Formeln in F-Logic unmittelbar repräsentieren und auch mittels der Inferenzmaschine OntoBroker unmittelbar verarbeiten<br />
lassen, um Schlussfolgerungen durchzuführen.<br />
188) Vgl. zu Reifizierungen AKINMUNMI (2000) S. 298 ff. (im Rahmen prädikatenlogischer Wissensrepräsentationen); BADEA (1997)<br />
S. 142 ff.; CHAMPIN (2001) S. 12 f.; CONEN/KLAPSING/KÖPPEN (2002) S. 1 ff. (mit einer ausführlichen Diskussion und „genesteten“<br />
Ersatzkonstruktion für Reifizierungen in RDF); HUNT (1994) S. 228 f. („Reification implies treating an abstraction as<br />
having a real existence in the same sense that a thing exists ... it is ... the fallacy of taking abstractions and regarding them as<br />
actual existing entities ...“); KENT (2000) S. 155 ff.; KLAPSING (2003) S. 73 f. u. 145; MCBRIDE (2004) S. 62; MELNIK/DECKER<br />
(2000) S. 8 f.; NOY/HAFNER (1997) S. 72; O.V. (o.J.) S. 20 (mit den Wortspielen „framify“ und „thingify“); WELTY/FERRUCI<br />
(1999) S. 18 ff.<br />
189) Dazu gehören Konzepte, Relationen und Prädikate (Formeln).<br />
190) Aus „sprachästhetischer“ Perspektive stellt die Reifizierung eine höchst problematische Vorgehensweise dar, weil sie zwei<br />
wohlunterschiedene Sprachebenen miteinander vermengt. Darauf wird später zurückgekommen. Zunächst wird motiviert, warum<br />
Reifizierungen in prädikatenlogisch basierten (und objektorientierten) Wissensrepräsentationen oftmals Einsatz finden.<br />
191) Die Gründe, die hier zur distanzierenden Verwendung von Anführungszeichen veranlassen, werden in Kürze näher erläutert.<br />
192) Es ist ein schwieriges Unterfangen, inhaltlich präzise diejenigen Bedingungen festlegen zu wollen, die erfüllt sein müssten, um<br />
von einer Bedeutungserhaltung gerechtfertigt sprechen zu dürfen. Einer der Verfasser hat sich an anderer Stelle mit den<br />
Schwierigkeiten, den Begriff der Bedeutungserhaltung zu operationalisieren, im Kontext des empirischen Gehalts realwissenschaftlicher<br />
Theorien ausführlicher befasst; vgl. ZELEWSKI (1993a) S. 404 ff. Vgl. auch in diesem Werk die Ausführungen des<br />
Kapitels 1.3.1.1.2 auf S. 134 ff. zu der Problematik, bedeutungserhaltende Übersetzungen zwischen Wissensbeständen oder<br />
Theorien zu leisten. Die dort aufgezeigten Operationalisierungsprobleme lassen es als aussichtslos erscheinen, die Frage der<br />
Bedeutungserhaltung im hier vorgelegten Beitrag zufrieden stellend zu beantworten. Daher begnügen sich die Verfasser hier<br />
damit, in einer sehr groben, intuitiven Weise von der Bedeutungserhaltung eines Formelsystems zu sprechen, wenn die Schlussfolgerungen,<br />
die sich aus diesem Formelsystem mittels prädikatenlogischer Inferenzen ziehen lassen, durch ein anderes, „äquivalentes“<br />
Formelsystem nicht verändert werden. Bedeutungserhaltung in Bezug auf ein Formelsystem wird also auf die Invarianz<br />
seiner deduktiven Hülle zurückgeführt.
2.4 Generische Kompetenzontologie 495<br />
wendet, um Aussagen über Eigenschaften von objektsprachlichen Relationen und Aussagen über<br />
Eigenschaften von objektsprachlichen Prädikaten (Formeln) zu treffen. 193) Zu solchen metasprachlichen<br />
Aussagen über Relationseigenschaften gehören z.B. Feststellungen, dass sich objektsprachliche<br />
Relationen transitiv oder symmetrisch verhalten. Eine metasprachliche Aussage über Prädikate<br />
kann z.B. dazu benutzt werden, um die Zuverlässigkeit auszudrücken, mit der das betroffene Prädikat<br />
für gültig erachtet wird. 194) Solche metasprachlichen Ausdrücke gelten jedoch als kompliziert –<br />
und die Prädikatenlogik 2. Stufe führt in ihrer formalen Semantik zu Komplikationen, 195) die sich<br />
durch eine Beschränkung auf die objektsprachlichen Ausdrücke der Prädikatenlogik 1. Stufe vermeiden<br />
lassen. Daher besteht der „epistemische Trick“ der Reifizierung darin, Ausdrücke der Konzeptebene<br />
(wie Konzepte, Relationen und Prädikate/Formeln) als prädikatenlogische Individuen auf<br />
der Instanzenebene zu behandeln. Diesen Individuen können dann mittels objektsprachlicher Aussagen<br />
Eigenschaften zugeschrieben werden; oder es können mittels objektsprachlicher Aussagen<br />
Beziehungen zwischen diesen Individuen ausgedrückt werden. Auf diese Weise wird es möglich,<br />
metasprachliche Aussagen der Konzeptebene über Eigenschaften von Relationen und Prädikaten<br />
durch objektsprachliche Aussagen für „relations-“ bzw. „prädikatsartige“ Individuen auf der Instanzenebene<br />
zu ersetzen.<br />
Aus den vorgenannten Gründen mag es nicht überraschen, dass in prädikatenlogisch basierten Wissensrepräsentationssprachen,<br />
wie sie für die Konstruktion von Ontologien (und auch andere Formen<br />
Wissensbasierter Systeme) verwendet werden, nach Kenntnis der Verfasser die Spezifikation metasprachlicher<br />
Ausdrücke weit gehend vermieden wird. Abgesehen von einigen „voreingestellten“<br />
metasprachlichen Konstrukten, wie etwa den metasprachlichen Relationen „=>“, „=>>“, „->“ und<br />
„->>“ in F-Logic, werden keine frei definierbaren metasprachlichen Ausdrücke zugelassen. Stattdessen<br />
wird mittels ausdrücklicher oder – sogar überwiegend – impliziter Reifizierung metasprachlicher<br />
Ausdrücke erreicht, dass das relevante Wissen nahezu umfassend 196) mit objektsprachlichen<br />
Ausdrücken repräsentiert wird. Dadurch wird das „Handling“ des repräsentierten Wissens erheblich<br />
vereinfacht, weil sich auf alle objektsprachlichen Ausdrücke sowohl Inferenz- als auch Integritätsregeln<br />
– sowie andere, hier nicht näher thematisierte Analysetechniken 197) – in derselben Weise anwenden<br />
lassen. Der „epistemische Preis“ dieser Vereinfachungen besteht jedoch darin, dass der<br />
193) In dieser Argumentation wird expressis verbis nur noch auf Relationen und Prädikate (Formeln) Bezug genommen, weil für sie<br />
Reifizierungen am häufigsten verwendet werden. Ebenso möglich, aber in praxi selten anzutreffen sind Reifizierungen von<br />
Konzepten. Daher wird im Folgenden auf Konzepte nicht mehr explizit eingegangen.<br />
194) Am Rande sei erwähnt, dass sich auch alle prädikatenlogischen Inferenzregeln als metasprachliche Ausdrücke aus einer Prädikatenlogik<br />
2. Stufe auffassen lassen. Denn in den Inferenzregeln wird über alle objektsprachlichen Formeln der Prädikatenlogik<br />
1. Stufe „quantifiziert“ und festgelegt, welche Konklusions-Formeln sich aus welchen Antezedenz-Formeln ableiten lassen. Das<br />
„Ableitbarkeitsprädikat“ stellt daher einen metasprachlichen Ausdruck 2. Stufe dar, das sich in seinen Argumenten auf objektsprachliche<br />
Formeln als Ausdrücke 1. Stufe bezieht.<br />
Wie an dem voranstehenden Beispiel verdeutlicht, sind metasprachliche Aussagen nicht auf Eigenschaften von Relationen und<br />
Prädikaten (oder auch Konzepte, die hier nicht explizit thematisiert wurden) beschränkt. Vielmehr können sich metasprachliche<br />
Aussagen auch auf Beziehungen zwischen Relationen oder zwischen Prädikaten erstrecken, wie es etwa für die o.a. Ableitbarkeitsbeziehung<br />
zwischen Formeln der Fall ist. Nur der Übsichtlichkeit halber wird die Erläuterung der Reifizierung auf den besonders<br />
anschaulichen Fall metasprachlicher Eigenschaften von Relationen und Prädikaten beschränkt.<br />
195) Vgl. zu solchen Komplikationen der Prädikatenlogik 2. Stufe EBBINGHAUS/FLUM/THOMAS (1992) S. 157 ff.<br />
196) Ausgenommen bleiben die zuvor erwähnten „voreingestellten“ metasprachlichen Konstrukte.<br />
197) In diesem Zusammenhang lassen sich z.B. Implementierungen des ATMS-Konzepts vorstellen, um die „Wahrheitsverwaltung“<br />
von Formelsystemen zu unterstützen, die auf kontingenten Prämissen beruhen. Das ATMS-Konzept wurde bereits kurz in der<br />
Fußnote 93 auf S. 459 angesprochen.
496 2.4 Generische Kompetenzontologie<br />
mehrstufige Aufbau sprachlicher (Formel-) Systeme verloren geht. Darauf wird in Kürze zurückgekommen.<br />
Zunächst gilt es, die besondere Art der Reifizierung 198) zu erläutern, die der KOWIEN-Ontologie<br />
zugrunde liegt. Denn die Reifizierung erfolgte im Verbundprojekt KOWIEN keineswegs in der Absicht,<br />
grundsätzlich metasprachliche in objektsprachliche Ausdrücke zu transformieren. Vielmehr<br />
wurde kein anderer Ausweg gesehen, als auf das Hilfsmittel der Reifizierung zurückzugreifen, um<br />
folgende domänenspezifische Diskrepanz zu überwinden:<br />
• Objektsprachliche (Kompetenz-) Aussagen darüber, dass ein Akteur (als Kompetenzträger) eine<br />
Kompetenz(art) in einer bestimmten Ausprägung (Kompetenzausprägung) aufweist, 199) stellen<br />
bei „natürlicher“ formalsprachlicher Rekonstruktion der Domäne „Kompetenzmanagement“<br />
dreistellige objektsprachliche Formeln dar.<br />
• Die Wissensrepräsentationssprache F-Logic gestattet jedoch nur die Formulierung von (höchstens<br />
200) ) zweistelligen objektsprachlichen Formeln.<br />
„Eigentlich“ stellen Kompetenzaussagen der o.a. Art dreistellige objektsprachliche 201) Formeln auf<br />
der sprachlichen Konzeptebene dar. 202) Ihre drei Argumentstellen erstrecken sich auf die Konzepte<br />
198) Eine besondere Vorgehensweise oder Art der Reifizierung wird im Folgenden als Reifizierungstechnik angesprochen. Sie hebt<br />
spezielle Prozesse hervor, durch deren situationsabhängige Ausführung metasprachliche in objektsprachliche Ausdrücke transformiert<br />
werden, während der Begriff „Reifizierung“ hier als generischer Begriff für alle Ansätze verwendet wird, metasprachliche<br />
in objektsprachliche Ausdrücke zu transformieren. Die Situationsabhängigkeit der hier betrachteten Reifizierungstechnik<br />
kommt dadurch zustande, dass sie speziell für den Zweck eingesetzt wird, dreistellige Kompetenzaussagen mittels zweistelliger<br />
Hilfsrelationen „bedeutungserhaltend“ repräsentieren zu können.<br />
199) Aussagen dieser Art werden als „eigentliche“ oder „ursprüngliche“ Kompetenzaussagen bezeichnet, weil sie vor ihrer Transformation<br />
mittels Reifizierung vorliegen. Wenn ihre genuine Dreistelligkeit betont werden soll, ist auch davon die Rede, dass<br />
mit diesen Kompetenzaussagen Urteile über Kompetenzen, Akteure und Kompetenzausprägungen getroffen werden (der Begriff<br />
„Urteil“ assoziiert hier objektsprachliche prädikatenlogische Formeln – kurz: Prädikate – in ihrer Rolle, Urteile über die<br />
Individuen in ihren Argumentstellen auszudrücken).<br />
200) Einstellige objektsprachliche Formeln werden in F-Logic – etwas intransparent – mittels der Instanziierungsnotation „:“ ausgedrückt.<br />
Denn die Instanziierung eines Konzepts durch ein formales Objekt ist äquivalent zu der Gültigkeit einer einstelligen<br />
Formel, welche die Zugehörigkeit des formalen Objekts zu jenem Konzept ausdrückt. Auf den Fall einstelliger Formeln wird<br />
im Folgenden nicht weiter eingegangen, weil er im hier diskutierten Zusammenhang nicht problematisch ist. Stattdessen interessiert<br />
nur die Schnittstelle zwischen zweistelligen Formeln (in F-Logic) und dreistelligen Formeln (für „eigentliche“ Kompetenzaussagen).<br />
Daher wird fortan auf den Zusatz „höchstens“ der Kürze halber verzichtet, wenn aus dem Argumentationskontext<br />
ersichtlich ist, dass nur die Diskrepanz zwischen zwei- und dreistelligen Formeln von Interesse ist.<br />
201) An dieser Stelle sollte deutlich werden, dass Reifizierungen in der KOWIEN-Ontologie nicht zwecks Vermeidung metasprachlicher<br />
Ausdrücke benutzt werden. Vielmehr werden Reifizierungen auf objektsprachliche Formeln angewendet. Ziel der Reifizierungen<br />
ist es hier, dreistellige Ausdrücke (Formeln) in eine Gruppe von zweistelligen Ausdrücken (Hilfsrelationen) zu transformieren.<br />
Reifizierungen werden daher in der KOWIEN-Ontologie „atypisch“ benutzt, führen aber zu dem erwünschten Ergebnis,<br />
drei- und mehrstellige objektsprachliche Formeln vermeiden zu können.<br />
202) Streng genommen existiert auf der Konzeptebene nur genau eine dreistellige objektsprachliche Formel, deren drei Argumentstellen<br />
von den drei nachfolgend genannten, kompetenzbezogenen Konzepten gebildet werden. Erst eine „vollständige Instanziierung“<br />
dieser Formel durch genau eine Instanz jedes der drei Konzepte aus den Argumentstellen der Formel führt auf der Instanzenebene<br />
zu beliebig vielen Exemplaren der einen Formel, die auf der Konzeptebene eingeführt worden ist. Um diesen Unterschied<br />
zu verdeutlichen, werden die vollständig instanziierten Formeln auf der Instanzenebene auch als „Vorkommnisse“ der<br />
einen Formel auf der Konzeptebene – oder kurz: als „Formelvorkommnisse“ – bezeichnet. Wenn diese präzise Differenzierung<br />
zwischen einer Formel auf der Konzeptebene und ihren beliebig vielen Formelvorkommnissen auf der Instanzenebene im aktuellen<br />
Argumentationskontext keine Rolle spielt, wird zwecks Vereinfachung der Diktion schlicht von „Formeln“ geredet.<br />
In anderen Kontexten heißen die vollständig instanziierten Formelvorkommnisse auch „interpretierte“ Formeln, weil die Zuweisung<br />
von Instanzen – oder synonym: Individuen oder formalen Objekten – zu den Argumentstellen einer prädikatenlogischen<br />
Formel im Rahmen der formalen Semantik der Prädikatenlogik durch eine so genannte Formel-Interpretation geschieht.
2.4 Generische Kompetenzontologie 497<br />
Kompetenz (im Sinne einer Kompetenzart), Akteur (als Kompetenzträger) und Kompetenzauspraegung<br />
(für die jeweils betroffene Kompetenzart). Die Extension einer solchen Formel, die Kompetenzwissen<br />
repräsentiert, ist die Menge aller 3-Tupel, für welche die dreistellige prädikatenlogische<br />
Formel gültig ist. Jedes dieser 3-Tupel besteht aus drei prädikatenlogischen Individuen (formalen<br />
Objekten), die als „Formelinstanziierungen“ eine konkrete Kompetenz, einen konkreten Akteur und<br />
eine konkrete Kompetenzausprägung repräsentieren. Jede vollständige Instanziierung der dreistelligen<br />
Formel für Kompetenzaussagen mit einem dieser 3-Tupel aus der Extension der Formel liefert<br />
auf der Instanzenebene ein Formelvorkommnis, 203) das – in Anlehnung an die Terminologie Wissensbasierter<br />
Systeme – auch als „Faktum“ bezeichnet wird. Die folgende Abbildung verdeutlicht<br />
die dreistellige Formel hat_Kompetenz für Kompetenzaussagen:<br />
Kompetenz<br />
Akteur<br />
1. 2. Argument<br />
hat_Kompetenz<br />
2. 1. Argument 3. Argument<br />
Abbildung 63: Dreistellige Formel hat_Kompetenz<br />
Kompetenzauspraegung<br />
Eine Kompetenzaussage kann jedoch in F-Logic nicht als dreistellige Formel hat_Kompetenz ausgedrückt<br />
werden, weil diese Repräsentationssprache auf zweistellige Formeln beschränkt ist. Daher<br />
erfolgt ein „Kunstgriff“ mittels einer dreistufigen Reifizierungstechnik. Sie ist speziell darauf zugeschnitten,<br />
die Stelligkeit „n“ prädikatenlogischer Formeln (mit n∈N+) in Fällen n ≥ 3 auf nur noch<br />
zweistellige Formeln zu reduzieren: 204)<br />
Zunächst wird die dreistellige Formel für Urteile über Kompetenzen, Akteure und Kompetenzausprägungen<br />
auf das einstellige 205) Konzept Kompetenzaussage reduziert.<br />
Formeln, deren Argumentstellen auf der Konzeptebene aus nicht-instanziierten Konzepten bestehen, werden auch als Prädikatssymbole<br />
bezeichnet. In einer „sortierten“ Prädikatenlogik entsprechen den Konzepten, die im vorliegenden Beitrag aus der Perspektive<br />
objektorientierter Wissensrepräsentationssprachen verwendet werden, den so genannten „Sorten“.<br />
203) Jedes solche Formelvorkommnis ist eine konkrete Kompetenzaussage, die ausdrückt, dass ein konkreter Akteur über eine konkrete<br />
Kompetenz in einer konkreten Ausprägung verfügt. Zugleich handelt es sich jeweils um ein gültiges Formelvorkommnis,<br />
weil alle Instanziierungen einer Formel mit Elementen aus ihrer Extension per definitionem gültige Formeln (Fakten) – oder in<br />
der hier bevorzugten Diktion – gültige Formelvorkommnisse darstellen.<br />
204) Vgl. zu einer ähnlichen, im Ergebnis gleichen, jedoch wesentlich „kompakter“ dargestellten Vorgehensweise MELNIK/DECKER<br />
(2000) S. 10.<br />
205) Konzepte entsprechen einstelligen Formeln. Darauf wurde bereits kurz zuvor hingewiesen.
498 2.4 Generische Kompetenzontologie<br />
Alsdann wird jedes vollständig instanziierte Vorkommnis der Formel – also jedes Faktum über<br />
eine Kompetenz, die einem Akteur in einer bestimmten Ausprägung zukommt, – auf ein formales<br />
Objekt reduziert, das eine Instanz des Konzepts Kompetenzaussage ist. Aus dieser Reduzierung<br />
jedes faktischen Formelvorkommnisses auf die Instanz eines Konzepts besteht die Reifizierung<br />
im engeren Sinn, weil eine kompetenzrepräsentierende Formel, die zunächst ein sprachliches<br />
Urteil über Individuen (Kompetenzen, Akteure und Kompetenzausprägungen) ausdrückt<br />
und im Allgemeinen zur Konzeptebene gerechnet wird, nach dem zweiten Transformationsschritt<br />
hinsichtlich jedes ihrer Vorkommnisse 206) in einer Wissensbasis selbst zu einem prädikatenlogischen<br />
Individuum – also aus prädikatenlogischer Perspektive zu einem „Ding“ auf der<br />
Instanzenebene – geworden ist. Über dieses Individuum, eine Instanz des Konzepts Kompetenzaussage,<br />
lassen sich mittels anderer Formeln – oder in F-Logic: Relationen – objektsprachliche<br />
Aussagen tätigen, 207) die diesem Individuum andere Individuen als Instanzen anderer<br />
Konzepte zuordnen. Nach dieser Reifizierung im engeren Sinn liegt in der Wissensbasis kein<br />
Formelvorkommnis der ursprünglich betrachteten, dreistelligen Kompetenzaussagen mehr vor.<br />
Stattdessen ist das Wissen hinsichtlich der Kompetenz, die einem Akteur in einer bestimmten<br />
Ausprägung zukommt, in dem unstrukturierten, atomaren Individuum, das eine Instanz des<br />
Konzepts Kompetenzaussage darstellt, scheinbar verloren gegangen.<br />
Um diesen Wissensverlust, der auf der 2. Stufe scheinbar eingetreten ist, nachträglich zu heilen,<br />
wird schließlich die Instanz des Konzepts Kompetenzaussage in die jeweils erste Argumentstelle<br />
von drei charakteristischen, jeweils nur noch zweistelligen Hilfsrelationen aufgenommen. Es<br />
handelt sich um die objektsprachlichen Hilfsrelationen beinhaltet_Kompetenz, betrifft_Akteur<br />
sowie beinhaltet_Kompetenzauspraegung. Jede dieser drei Hilfsrelationen entspricht genau einer<br />
Argumentstelle aus der ursprünglichen dreistelligen Formel hat_Kompetenz für Urteile über<br />
Kompetenzen, Akteure und Kompetenzausprägungen. Mittels dieser drei Hilfsrelationen werden<br />
der einen Instanz des Konzepts Kompetenzaussage insgesamt drei Instanzen der Konzepte<br />
Kompetenz, Akteur und Kompetenzauspraegung zugeordnet. 208) Dabei handelt es sich exakt um<br />
jene Instanzen, welche die drei Argumentstellen in der ursprünglich dreistelligen Formel hat_<br />
Kompetenz für Urteile über Kompetenzen, Akteure und Kompetenzausprägungen von vornherein<br />
eingenommen („instanziiert“) hatten. Die Reifizierung führt aufgrund dieser Wissensreproduktion<br />
am Ende ihrer Anwendung also zu korrekten Resultaten.<br />
206) An dieser Stelle ist auf eine Besonderheit der hier eingesetzten Reifizierungstechnik hinzuweisen: Es werden nicht – wie vielleicht<br />
aufgrund der einleitenden Erläuterungen zur Reifizierung hätte erwartet werden können – metasprachliche Formeln in<br />
objektsprachliche Ausdrücke transformiert. Vielmehr werden dreistellige objektsprachliche Formelvorkommnisse – also vollständig<br />
mit prädikatenlogischen Individuen (formalen Objekten) instanziierte objektsprachliche Formeln – in zweistellige objektsprachliche<br />
Ausdrücke (Hilfsrelationen) transformiert. Aufgrund dieser Abweichungen erfolgt keine „gewöhnliche“ Reifizierung,<br />
sondern eine Reifizierung besonderer Art, die auf den speziellen Zweck zugeschnitten ist, die Stelligkeit objektsprachlicher<br />
Ausdrücke (mit mindestens drei Stellen) auf (höchstens) zwei Stellen zu reduzieren.<br />
207) In dieser Hinsicht, objektsprachliche Aussagen für ein Individuum zu ermöglichen, das aus der Reifizierung einer Relation oder<br />
eines Prädikats (hier: eines Formelvorkommnisses) hervorgegangen ist, stimmt die hier vorgestellte Reifizierungstechnik der<br />
KOWIEN-Ontologie wieder mit der „gewöhnlichen“ Reifizierung metasprachlicher Ausdrücke überein.<br />
208) In dieser Zuordnung liegt ein besonderer „Trick“ der hier verwendeten Reifizierungstechnik. Denn die Verwendung zweistelliger<br />
Hilfsrelationen hätte – ohne besondere Vorkehrungen – keineswegs sicherstellen können, dass sich diese Hilfsrelationen in<br />
einer Wissensbasis jeweils auf denselben Sachverhalt genau einer Kompetenzaussage bezogen hätten. Den inhaltlichen Zusammenhang<br />
zwischen den drei Hilfsrelationen stiftet erst die Instanz des Konzepts Kompetenzaussage, die in allen drei Hilfsrelationen<br />
jeweils die erste Argumentstelle einnimmt und dadurch anzeigt, dass sich die drei Instanzen der Konzepte Kompetenz,<br />
Akteur und Kompetenzauspraegung jeweils auf dieselbe Kompetenzaussage beziehen, also inhaltlich genau einen Sachverhalt<br />
repräsentieren.
2.4 Generische Kompetenzontologie 499<br />
Auf diese Weise „reproduzieren“ die drei Hilfsrelationen nach Abschluss der o.a. drei Stufen der<br />
Reifizierungstechnik dasjenige Wissen, das als Kompetenzaussage mit der ursprünglich betrachteten,<br />
dreistelligen objektsprachlichen Formel hat_Kompetenz von vornherein hätte ausgedrückt werden<br />
können. 209) Wegen ihrer Dreistelligkeit konnte diese „eigentliche“ Kompetenzaussage aber in<br />
F-Logic nicht ausgedrückt werden, sondern musste reifiziert werden. Das Resultat der Reifikation<br />
wird in der folgenden Abbildung verdeutlicht:<br />
1. Argument<br />
beinhaltet_Kompetenz<br />
Kompetenz<br />
Kompetenzaussage<br />
2. Argument 3. Argument<br />
betrifft_Akteur<br />
beinhaltet_Kompetenzauspraegung<br />
Akteur Kompetenzauspraegung<br />
Abbildung 64: Reifikation der dreistelligen Relation hat_Kompetenz<br />
Als Zusammenfassung der voranstehenden Erläuterungen auf S. 496 ff. einschließlich der Abbildungen<br />
63 und 64 lässt sich die spezielle Reifizierungstechnik für Kompetenzaussagen durch folgendes<br />
Beispiel verdeutlichen:<br />
• Ursprünglich liegt die Kompetenzaussage vor, dass der Akteur mueller4711 über die Kompetenz,<br />
Programme in der Sprache Java zu verfassen, in der Ausprägung Problemloeser verfügt.<br />
Diese Kompetenzaussage vor Reifizierung lässt sich durch die dreistellige atomare objektsprachliche<br />
Formel hat_Kompetenz, die für die drei Konzepte Akteur, Kompetenz und Kompetenzauspraegung<br />
definiert ist (vgl. Abbildung 63), mit Hilfe der Instanzen mueller4711, Java<br />
bzw. Problemloeser für die vorgenannten Konzepte wie folgt als vollständig instanziiertes Formelvorkommnis<br />
ausdrücken:<br />
hat_Kompetenz(mueller4711,Java,Problemloeser).<br />
• Die dreistellige objektsprachliche Formel hat_Kompetenz wird auf das einstellige Konzept<br />
Kompetenzaussage reduziert.<br />
• Das vollständig instanzierte Formelvorkommnis<br />
hat_Kompetenz(mueller4711,Java,Problemloeser)<br />
wird auf die Instanz KA_1 des Konzepts Kompetenzaussage reduziert.<br />
209) In diesem Sinne, dass das ursprünglich zu repräsentierende Wissen über die drei Instanzen aus einer vollständig instanziierten<br />
Kompetenzaussage („Formelvorkommnis“) nach Durchführung der dreistufigen Reifizierung in dem resultierenden objektsprachlichen<br />
Ausdruck mit drei Hilfsrelationen erhalten bleibt, kann von einer „bedeutungserhaltenden“ Reifizierung gesprochen<br />
werden. Sie stellt einen Spezialfall der früher dargelegten Auffassung dar, Bedeutungserhaltung als Invarianz der deduktiven<br />
Hülle eines Formelsystems zu betrachten. Denn die Schlussfolgerungen, die aus einem Formelsystem gezogen werden<br />
können, bleiben angesichts dieser speziellen Transformation einer dreistelligen Formel (Kompetenzaussage) über drei Instanzen<br />
in drei zusammenhängende, jeweils zweistellige Relationen über denselben Instanzen (sowie einer zusätzlichen, zusammenhangsstiftenden<br />
Instanz des Konzepts Kompetenzaussage) unverändert.
500 2.4 Generische Kompetenzontologie<br />
• Es werden drei jeweils zweistellige Hilfsrelationen beinhaltet_Kompetenz, betrifft_Akteur und<br />
beinhaltet_Kompetenzauspraegung eingeführt, die in F-Logic auf der Konzeptebene wie folgt<br />
spezifiziert sind (vgl. Abbildung 64):<br />
Kompetenzaussage [beinhaltet_Kompetenz => Kompetenz;<br />
betrifft_Akteur => Akteur;<br />
beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung].<br />
• Der Inhalt der ursprünglich vorliegenden Kompetenzaussage, die mit Hilfe der dreistelligen<br />
atomaren objektsprachlichen Formel hat_Kompetenz formuliert war, wird jetzt nach Reifizierung<br />
bedeutungsgleich auf der Instanzenebene in F-Logic durch folgende komplexe Formel repräsentiert,<br />
die nur noch zweistellige Formeln in der Gestalt von zweistelligen Relationen umfasst:<br />
KA_1:Kompetenzaussage [beinhaltet_Kompetenz -> Java;<br />
betrifft_Akteur -> mueller4711;<br />
beinhaltet_Kompetenzauspraegung -> Problemloeser].<br />
Reifizierungen, wie sie zuvor anhand der Formel hat_Kompetenz exemplarisch verdeutlich wurden,<br />
finden sowohl in prädikatenlogisch basierten als auch in objektorientierten Wissensrepräsentationen<br />
oftmals statt – auch wenn dies in den meisten Fällen nicht offen gelegt wird. Die weite Verbreitung<br />
der Reifizierung erklärt sich daraus, dass sie ein „bewährtes“ formalsprachliches Hilfsmittel darstellt,<br />
um Einschränkungen einer Repräsentationssprache – wie im hier diskutierten Kontext die<br />
Limitierung auf höchstens zweistellige Formeln (oder Relationen) – „elegant“ zu umgehen.<br />
Darüber hinaus gestattet es die Reifizierung einer Formel hat_Kompetenz für Kompetenzaussagen<br />
auch, solche Konstrukte zu spezifizieren, die explizit auf den metasprachlichen Charakter von Kompetenzaussagen<br />
Bezug nehmen. Zwar wird bei den Hilfsrelationen beinhaltet_Kompetenz, betrifft_<br />
Akteur und beinhaltet_Kompetenzauspraegung der metasprachliche Charakter einer Kompetenzaussage<br />
noch nicht unmittelbar deutlich. Aber dieser Charakter wird bei einer vierten Hilfsrelation<br />
hat_Plausibilitaetskoeffizienten, mittels derer reelle Zahlen zu Kompetenzaussagen zugeordnet<br />
werden können, offensichtlich. 210) Mit einer solchen reellen Zahl kann beispielsweise angegeben<br />
werden, mit welchem Plausibilitätsgrad 211) die betroffene Kompetenzaussage „gültig“ ist. 212)<br />
210) Eine solche Hilfsrelation ist in früheren Versionen der KOWIEN-Ontologie eingebaut gewesen, wurde allerdings auf Wunsch<br />
der Praxispartner wieder entfernt, da ihrer Ansicht nach Plausibilitätsgrade – oder auch Wahrscheinlichkeitsgrade – für Kompetenzaussagen<br />
in der Praxis kaum Akzeptanz finden würden. Insbesondere aus arbeitsrechtlichen Hintergründen heraus seien<br />
solche Plausibilitäts- oder Wahrscheinlichkeitsgrade für Kompetenzaussagen äußerst umstritten. In wissenschaftlich ausgerichteten<br />
Ausarbeitungen erfreuen sich dagegen Verfahren, die mit Plausibilitäts- oder Wahrscheinlichkeitsgraden arbeiten, hoher<br />
Resonanz; vgl. beispielsweise BLANCHARD/HARZALLAH (2004) S. 12 ff.<br />
211) Plausibilitätsgrade lassen sich zu theoretisch fundierten Evidenzwerten ausbauen, mit denen sich sogar zwischen „positiven“<br />
und „negativen“ Evidenzen für bzw. wider die Plausibilität einer Aussage unterscheiden lässt. Einer der Verfasser hat dieses<br />
Konzept zweistelliger Evidenzwerte an anderer Stelle ausführlicher beschrieben; vgl. ZELEWSKI (1993a) S. 198 ff.<br />
212) Dadurch wird der „selbstreferenzielle“ Charakter von Kompetenzaussagen offensichtlicht. Mit objektsprachlichen Ausdrucksmitteln<br />
aus einer Ontologie werden nämlich Aussagen über den Gültigkeitswert von objektsprachlichen Kompetenzaussagen<br />
gemacht. Solche Phänomene sind in der Logik – in Anlehnung an die EPIMENIDES-Antinomie – als „Lügner-Paradoxien“ seit<br />
längerem bekannt. Die Konstruktion von Kompetenzaussagen entgeht allerdings solchen Paradoxien, indem Gültigkeitswerte<br />
auf zwei unterschiedlichen Ebenen verwendet werden. Der „eigentliche“ Gültigkeitswert einer (Kompetenz-) Aussage wird erst<br />
modelltheoretisch bezüglich einer SIG-Struktur festgelegt. Dabei erfolgt die Festlegung der Gültigkeit eines objektsprachlichen<br />
Ausdrucks grundsätzlich mit den Ausdrucksmitteln einer Metasprache.
2.4 Generische Kompetenzontologie 501<br />
Hierbei ist allerdings zu beachten, dass es sich bei einem Plausibilitätsgrad nicht um den Gültigkeitsbegriff<br />
handelt, der für die Auswertung prädikatenlogischer Formeln herangezogen wird. In der<br />
zweiwertigen Prädikatenlogik werden nämlich nur die „Gültigkeitswerte“ (Wahrheitswerte) gültig<br />
und ungültig zugelassen. Alternativ hierzu existieren unter dem Schlagwort der „Fuzzy-Logik“ Varianten<br />
der konventionellen Prädikatenlogik, in denen Gültigkeitswerte aus dem Intervall [1,0] zulässig<br />
sind. 213) Auch solche Ansätze haben allerdings nichts mit dem gemeinsam, was mit der o.a.<br />
Hilfsrelation hat_Plausibilitaetskoeffizienten ausgedrückt werden soll. Dies wird anhand eines Beispiels<br />
verdeutlicht:<br />
Die prädikatenlogische 214) Formelmenge:<br />
beinhaltet_Kompetenz(KA1,K1)<br />
betrifft_Akteur(KA1,A1)<br />
beinhaltet_Kompetenzauspraegung(KA1,Experte)<br />
hat_Plausbilitaetskoeffizienten(KA1,0.5)<br />
lässt sich beispielsweise benutzen, um auszudrücken, dass eine Kompetenzaussage KA1, die einen<br />
Akteur A1 und die Kompetenzausprägung „Experte“ betrifft, eine Plausibilität mit dem Koeffizienten<br />
0,5 aufweist. Die o.a. Formelmenge ist in einer SIG-Struktur 215) entweder gültig oder ungültig.<br />
Sie ist genau dann gültig, wenn die entsprechenden Extensionen der Relationen in der SIG-Struktur<br />
vorliegen. Andernfalls ist sie ungültig. Demnach kann eine Formelmenge, in der anstelle der vierten<br />
Formel die „Ungültigkeit“ einer Kompetenzaussage KA1 mit Hilfe der Formel:<br />
hat_Plausbilitätskoeffizienten(KA1,0)<br />
ausgedrückt wird, in einer SIG-Struktur gültig sein.<br />
Analog verhält es sich bei der Fuzzy-Logik. So könnte für die o.a. Formeln in einer Fuzzy-Logik<br />
ausgedrückt werden, dass sie in der SIG-Struktur mit einem Möglichkeitswert (Possibilitätsmaß)<br />
von 0.2 gültig sind.<br />
Die Vergabe objektsprachlicher Gültigkeitswerte für reifizierte Aussagen ist ein „Bonus“, den Reifikationen<br />
bei der Konstruktion von Ontologien ermöglichen. Die Verfasser vermögen sich allerdings<br />
dieser positiven Einschätzung von Reifizierungen – oder zumindest ihrer unreflektierten Anwendung<br />
– nicht vollkommen anzuschließen. Denn Reifizierungen stellen aus ihrer Sicht einen obskuren<br />
„Reparaturmechanismus“ dar, der lediglich dazu dient, unnötige Einschränkungen der Ausdrucksmächtigkeit<br />
216) von Wissensrepräsentationssprachen nachträglich zu „heilen“. 217) Wegen die-<br />
213) Vgl. NILSSON (1998) S. 318 ff.<br />
214) Um die Diktion zu vereinfachen, wird kurzzeitig von der F-Logic-Notation abgesehen. Ansonsten könnte der Eindruck entstehen,<br />
auf der Instanzenebene würden beliebige Relationen verwendet, die für die entsprechenden Konzepte in der Ontologie<br />
nicht spezifiziert sind.<br />
215) SIG-Strukturen wurden in diesem Werk im Kapitel 1.3.2.3.1 (S. 245 ff.) eingeführt und ausführlicher behandelt.<br />
216) Im Allgemeinen betreffen Reifizierungen Einschränkungen der Ausdrucksmächtigkeit hinsichtlich metasprachlicher Ausdrücke,<br />
die zu objektsprachlichen Ausdrücken „verdinglicht“ werden. Im hier diskutierten Fall der KOWIEN-Ontologie stand jedoch<br />
nicht dieser Aspekt im Vordergrund, sondern die Reduzierung von mindestens dreistelligen (objektsprachlichen) Ausdrücken<br />
auf ebenso objektsprachliche Ausdrücke mit nur zwei Argumentstellen.
502 2.4 Generische Kompetenzontologie<br />
ser „Reparaturfähigkeit“ lassen Reifizierungen auf der Seite der Entwickler von Wissensrepräsentationssprachen<br />
den Antrieb erschlaffen, von vornherein Sprachkonzepte zu erschaffen, die ohne artifizielle<br />
Einschränkungen, wie z.B. auf nur höchstens zwei Formel- oder Relationsstellen, auskommen.<br />
Dies ist sehr zu bedauern. Stattdessen wäre es erstrebenswert, in Wissensrepräsentationssprachen<br />
von Anfang an die ungeschmälerte Ausdrucksmächtigkeit der Prädikatenlogik (1. Stufe) zur<br />
Verfügung zu stellen – dann wären nachträgliche „PROKRUSTES-Bett-Operationen“ 218) wie mit Hilfe<br />
der Reifizierungstechnik überhaupt nicht nötig.<br />
Zwar führt die Reifizierungstechnik am Ende ihrer Anwendung zu korrekten Resultaten. Dies ändert<br />
jedoch nichts daran, dass der Reifizierungsprozess selbst – wie zuvor skizziert – aufwendig ist<br />
und zahlreichen Wissensingenieuren als intransparent erscheint. Darüber hinaus verkomplizieren<br />
Reifizierungen die Wissensrepräsentation erheblich. 219) Dies wäre alles überflüssig, wenn eine Wissensrepräsentationssprache<br />
– im Hinblick auf die hier thematisierte Problematik von Kompetenzaussagen<br />
– die unmittelbare Darstellung (mindestens) dreistelliger objektsprachlicher Formeln gestatten<br />
(und auch deren Anwendung in prädikatenlogischen Inferenzen ermöglichen) würde. 220)<br />
Trotz dieser erheblichen Vorbehalte ließ sich im Verbundprojekt KOWIEN die Anwendung der<br />
Reifizierungstechnik nicht vermeiden. Denn zur Zeit des Entwurfs und der Implementierung der<br />
KOWIEN-Ontologie war keine prädikatenlogisch basierte und an F-Logic angelehnte Wissensre-<br />
217) In bildhafter und bewusst pointierter Diktion lässt sich dieser „Heilungsprozess“ mit der Metapher des PROKRUSTES-Betts umschreiben:<br />
Zunächst werden Formeln der Wissensrepräsentation durch eine „Schere im Kopf“ der Ontologiegestalter oder Wissensingenieure<br />
„gewaltsam“ auf die Maße eines PROKRUSTES-Betts zurecht gestutzt, das nur (höchstens) zweistellige Formeln<br />
gestattet. In dem Bewusstsein, dass den dadurch zu repräsentierenden Sachverhalten Gewalt zugefügt wird, hält man nach einer<br />
nachträglichen „Heilung“ Ausschau, die dafür Sorge trägt, dass Anwendungen des repräsentierten Wissens zu „richtigen“ Resultaten<br />
führen. In der Tat vermag die oben erläuterte spezielle Reifizierungstechnik die ursprüngliche Reduzierung auf (höchstens)<br />
zweistellige Formeln zu „heilen“. Aber die Anwender dieser Technik fragen sich zumeist nicht, ob dieser Heilungsprozess<br />
überflüssig gewesen wäre, wenn man vornherein davon Abstand genommen hätte, Formeln mit mehr als drei Stellen in ein repräsentationssprachlich<br />
provoziertes „Bett des PROKRUSTES“ zu zwängen.<br />
218) Vgl. zu dieser Metapher die pointierten Erläuterungen in der voranstehenden Fußnote.<br />
219) Aufwand, Intransparenz und Komplexität der Reifizierungen resultieren daraus, dass nur eine atomare dreistellige prädikatenlogische<br />
Formel, die zur „natürlichen“ Formulierung von Kompetenzaussagen dient, durch ein „artifizielles“, zusammengesetztes<br />
formales Objekt ersetzt wird, das aus drei jeweils zweistelligen Hilfsrelationen besteht und dessen inhaltlicher Zusammenhang<br />
obendrein durch eine „trickreiche“ Verschränkung der drei Hilfsrelationen über die gemeinsam geteilte Instanz des Konzepts<br />
Kompetenzaussage in ihrer jeweils ersten Argumentstelle hergestellt werden muss.<br />
220) In dieser Hinsicht teilen die Verfasser nicht die Einschätzung von MELNIK/DECKER (2000) S. 10: „ ... n-ary relationships are<br />
used fairly seldom compared to binary relationships ... “, sofern mit dieser Äußerung die geringe praktische Relevanz von mindestens<br />
dreistelligen objektsprachlichen Formeln (oder Relationen) artikuliert werden sollte. Denn im Verbundprojekt KO-<br />
WIEN stellte sich im Hinblick auf Kompetenzaussagen immer wieder heraus, wie groß die Bedeutung von drei- oder sogar<br />
vierstelligen objektsprachlichen Formeln ist, um das praktisch vorhandene Wissen über Kompetenzen und Kompetenzträger auf<br />
eine „natürlich“ anmutende Weise formalsprachlich repräsentieren zu können (vgl. dazu die Beispiele in diesem Kapitel). Die<br />
praktische Relevanz von (mindestens) dreistelligen Prädikaten manifestiert sich auch bei der Formalisierung anderer Wissensbereiche<br />
als dem Kompetenzmanagement, das dem Verbundprojekt KOWIEN zugrunde lag. Vgl. dazu beispielsweise die Verwendung<br />
dreistelliger Prädikate bei POLOS/HANNAN/CARROLL (1999) S. 7, 11, 14, 17 f., 20 f. u. 24. Vgl. auch die rege Diskussion<br />
über n-stellige Relationen und Prädikate (gemeint war insbesondere n ≥ 3), die im Zeitraum vom Februar bis zum Juli 2003<br />
in der Newsgroup zum Ontologie-Werkzeug Protégé-2000 im Internet unter der URL „http://protege.stanford.edu/lists.html“<br />
geführt wurde.<br />
Aus den vorgenannten Gründen sollte nach Meinung der Verfasser die faktische Seltenheit mindestens dreistelliger objektsprachlicher<br />
Formeln keineswegs mit einem geringen Bedarf hierfür in Ontologien – und auch in anderen Anwendungen von<br />
computerbasierten Wissensmanagementsystemen – gesehen werden. Vielmehr resultiert die Seltenheit dieser Formeln aus dem<br />
mangelhaften Angebot an Repräsentationssprachen und Inferenzmaschinen für Wissen, die mit mindestens dreistelligen objektsprachlichen<br />
Formeln direkt, also ohne „formale Krücken“ wie die oben erläuterte Reifizierungstechnik, umzugehen vermögen.
2.4 Generische Kompetenzontologie 503<br />
präsentationssprache zugänglich, die es gestattet hätte, sowohl prädikatenlogische Formeln mit drei<br />
– oder sogar mehr – Argumentstellen zu darzustellen als auch prädikatenlogische Inferenzen auf<br />
diesen Formeln auszuführen. Daher musste im Sinne eines „faute de mieux“ auf die o.a. Reifizierungstechnik<br />
zurückgegriffen werden, um ursprünglich dreistellige objektsprachliche Formeln zur<br />
Repräsentation von Wissen über Kompetenzen, Kompetenzträger und Kompetenzausprägungen in<br />
F-Logic handhaben zu können. Im Folgenden werden die voranstehenden generellen Erläuterungen<br />
anhand konkreter Beispiele verdeutlicht.<br />
Durch Anwendung der Reifizierungstechnik können objektsprachliche prädikatenlogische Formeln<br />
mit drei oder mehr Argumentstellen als Instanzen des Konzepts Aussage ausgewiesen werden. Entsprechend<br />
der Stelligkeit der Formeln vor ihrer Reifizierung wird das Konzept in die Subkonzepte<br />
dreistellige_Aussage, vierstellige_Aussage usw. ausdifferenziert. Das zentrale Konstrukt, das für<br />
die Implementierung ontologiebasierter <strong>Kompetenzmanagementsysteme</strong> benötigt wird, sind Kompetenzaussagen.<br />
Sie werden in der KOWIEN-Ontologie mittels Reifizierung als Instanzen des Konzepts<br />
Kompetenzaussage eingeführt, das seinerseits ein Subkonzept zum Konzept dreistellige_Aussage<br />
221) darstellt.<br />
dreistellige_Aussage :: Aussage.<br />
vierstellige_Aussage :: Aussage.<br />
Kompetenzaussage :: dreistellige_Aussage.<br />
Kompetenzaussage [beinhaltet_Kompetenz => Kompetenz;<br />
betrifft_Akteur => Akteur;<br />
beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung].<br />
Jede Instanz des Konzepts Kompetenzaussage ist ein formales Objekt, also ein prädikatenlogisches<br />
Individuum, 222) dem mittels der drei Relationen beinhaltet_Kompetenz, betrifft_Akteur und beinhaltet_Kompetenzauspraegung<br />
jeweils eine Instanz des Konzepts Kompetenz, eine Instanz des Konzepts<br />
Akteur bzw. eine nicht-leere Menge von Instanzen des Konzepts Kompetenzauspraegung zugeordnet<br />
wird. Die Relation beinhaltet_Kompetenzauspraegung muss mengenwertig spezifiziert<br />
werden, da es ansonsten nicht möglich wäre, in einer Kompetenzaussage derselben Kompetenz desselben<br />
Akteurs mehrere äquivalente Kompetenzausprägungen zuzuordnen. Die Verwendung äquivalenter<br />
Kompetenzausprägungen ist jedoch wünschenswert, um sowohl natürlichsprachliche als<br />
auch numerische Kompetenzausprägungen angeben zu können. 223) Beispielsweise lautet eine konkrete,<br />
„reifizierte“ Kompetenzaussage KA_3, die – auf der Instanzenebene – ausdrückt, dass der<br />
Akteur Maier über die Kompetenz Java in der Ausprägung Experte verfügt, in F-Logic-Notation:<br />
221) Kompetenzaussagen können mittels Reifizierung auch als Instanzen eines alternativen Konzepts Kompetenzaussage eingeführt<br />
werden, das seinerseits ein Subkonzept zum Konzept vierstellige_Aussage darstellt. In diesem Fall wird das Konzept Kompetenzaussage<br />
zusätzlich mit einer vierten Relation enthalten_in_Kompetenzprofil in Bezug auf dasjenige akteursspezifische<br />
Kompetenzprofil charakterisiert, in dem die betroffene Kompetenzaussage enthalten ist:<br />
Kompetenzaussage [beinhaltet_Kompetenz => Kompetenz;<br />
betrifft_Akteur => Akteur;<br />
beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung<br />
enthalten_in_Kompetenzprofil => Kompetenzprofil].<br />
Vgl. zu dieser erweiterten, vierstelligen Variante des Konzepts Kompetenzaussage HÜGENS (2004) S. 61.<br />
222) An dieser Stelle ist die Reifizierung im engeren Sinn erfolgt.<br />
223) Vgl. dazu Fußnote 181 auf S. 491.
504 2.4 Generische Kompetenzontologie<br />
KA_3: Kompetenzaussage [beinhaltet_Kompetenz -> Java;<br />
betrifft_Akteur -> Maier;<br />
beinhaltet_Kompetenzauspraegung ->> Experte].<br />
Mittels dieser Reifizierungstechnik lassen sich im Prinzip prädikatenlogische Formeln mit beliebig<br />
vielen – mindestens drei und höchstens endlich vielen – Argumentstellen auf „Aussage-Objekte“<br />
der voranstehenden Form reduzieren, in denen jede Argumentstelle der zugrunde liegenden Formel<br />
durch genau eine zweistellige Hilfsrelation ersetzt wird. Auf diese Weise wird im allgemeinen Fall<br />
eine n-stellige prädikatenlogische Formel (mit n ≥ 3) durch ein „Aussage-Objekt“ mit n jeweils<br />
zweistelligen Hilfsrelationen ersetzt. 224)<br />
Für die Repräsentation von Kompetenzwissen spielt in der KOWIEN-Ontologie ein weiteres Konzept<br />
– neben Kompetenzaussagen – eine bedeutsame Rolle. Es handelt sich um das Konzept Kompetenzprofil.<br />
Mit seiner Hilfe werden alle Kompetenzaussagen aggregiert, die entweder denselben<br />
Akteur oder aber dieselbe Stelle 225) innerhalb einer Organisation betreffen. Entsprechend wird das<br />
Konzept Kompetenzprofil in die Subkonzepte Akteur_Profil und Stellen_Profil unterteilt.<br />
Kompetenzprofil [beinhaltet_Kompetenzaussage =>> Kompetenzaussage].<br />
Akteur_Profil :: Kompetenzprofil.<br />
Stellen_Profil :: Kompetenzprofil.<br />
Akteur_Profil [gehoert_zu_Akteur => Akteur].<br />
Stellen_Profil [gehoert_zu_Stelle => Stelle].<br />
Mit dem Akteursprofil wird die Gesamtheit der Kompetenzen mit ihren zugehörigen Kompetenzausprägungen<br />
ausgewiesen, über die ein Akteur – in einem Zeitpunkt – tatsächlich verfügt (akteursbezogenes<br />
Ist-Profil). Mit dem Stellenprofil werden hingegen diejenigen Kompetenzen und Kompetenzausprägungen<br />
ausgedrückt, die für eine Stelle erforderlich sind (stellenbezogenes Soll-Profil).<br />
Da sowohl zu einem Akteur als auch zu einer Stelle mehrere Kompetenzen mit zugehörigen Kompetenzausprägungen<br />
gehören können, wird mit der metasprachlichen Notation „=>>“ ausgedrückt,<br />
dass es sich um eine mengenwertige Relation beinhaltet_Kompetenzaussage handelt. Dadurch ist es<br />
möglich, dass mehrere Kompetenzaussagen denselben Akteur bzw. dieselbe Stelle betreffen. 226)<br />
Bei den Instanzen des Konzepts Akteur_Profil handelt es sich um formale Objekte, die in der Relation<br />
gehoert_zu_Akteur zu Instanzen des Konzepts Akteur stehen können. Somit ist jedes Akteursprofil<br />
genau einem Akteur zugeordnet. Dies wird durch die metasprachliche Relation „=>“ ausgedrückt,<br />
227) die wegen ihrer Einwertigkeit für eindeutige Beziehungen zwischen Instanzen verwendet<br />
224) Vgl. dazu die übereinstimmende Transformation n-stelliger Relationen (mit n ≥ 3) mittels Reifizierung in n jeweils zweistellige<br />
Hilfsrelationen bei MELNIK/DECKER (2000) S. 10.<br />
225) Der organisationswissenschaftliche Stellenbegriff wird hier als bekannt vorausgesetzt. Vgl. dazu z.B. JOST (2000) S. 290 ff.<br />
226) Die Mengenwertigkeit (oder – wie oben ausgeführt wurde – die fehlende Linkstotalität) einer Relation lässt aufgrund der oben<br />
festgelegten (Min,Max)-Kardinalitäten daneben auch zu, dass auf einen Akteur bzw. eine Stelle keine Kompetenzaussage zutrifft.<br />
Dann sind in der Wissensbasis für den Akteur bzw. die Stelle keine verfügbaren bzw. erforderlichen Kompetenzen (mit<br />
ihren zugehörigen Kompetenzausprägungen) bekannt.<br />
227) Streng genommen besteht diesbezüglich eine Unschärfe der Wissensrepräsentationssprache F-Logic (zumindest dann, wenn die<br />
oben eingeführten (Min,Max)-Kardinalitäten als Konkretisierungen von F-Logic akzeptiert werden). Denn die Rechtseindeutigkeit<br />
der Relationen gehoert_zu_Akteur und gehoert_zu_Stelle stellt jeweils nur sicher, dass jedes Akteursprofil höchstens einem<br />
Akteur und jedes Stellenprofil höchstens einer Stelle zugeordnet ist. Die Rechtseindeutigkeit vermag aber nicht zu gewährleis-
2.4 Generische Kompetenzontologie 505<br />
wird. Analog werden Stellenprofile mit der Relation gehoert_zu_Stelle immer jeweils genau einer<br />
Stelle zugewiesen.<br />
Mit den Konzepten Kompetenz, Akteur und Kompetenzprofil stehen – einschließlich der zugehörigen<br />
Subkonzepte und Relationen – die wesentlichen sprachlichen Konstrukte in der KOWIEN-<br />
Ontologie zur Verfügung, um in ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n betriebliches<br />
Kompetenzwissen erfassen, verwalten und auswerten zu können. Darüber hinaus enthält die KO-<br />
WIEN-Ontologie weitere Konzepte, die sich im Zusammenhang mit dem Management von Kompetenzwissen<br />
als nützlich erwiesen haben. Dazu gehören beispielsweise Konzepte zur (sprachlichen)<br />
Strukturierung von wissensintensiven Geschäftsprozessen, weil in solchen Prozessen handlungsbefähigendes<br />
Wissen, d.h. Kompetenzen, qua definitione in einem – verglichen mit anderen betrieblichen<br />
Prozessen – relativ bedeutsamen Umfang eingesetzt oder erzeugt wird. Auf diese ergänzenden<br />
Konzepte und die zugehörigen Relationen wird im Folgenden nur noch exemplarisch eingegangen,<br />
weil sie nicht mehr zum kompetenzbezogenen Kern der KOWIEN-Ontologie gehören. 228)<br />
Das Konzept prozessuales_Denkobjekt umfasst die Gesamtheit aller untergeordneten Konzepte, mit<br />
denen Wissen über Prozesse repräsentiert werden kann. Zu diesem Zweck wird es in die Subkonzepte<br />
Zustand, Ereignis und Prozess ausdifferenziert:<br />
Zustand :: prozessuales_Denkobjekt.<br />
Ereignis :: prozessuales_Denkobjekt.<br />
Prozess :: prozessuales_Denkobjekt.<br />
Zustand [bezieht_sich_auf => objektsprachliche_Entitaet;<br />
erfordert_Ereignis =>> Ereignis;<br />
ermoeglicht_Ereignis =>> Ereignis].<br />
Ereignis [erfordert_Zustand =>> Zustand;<br />
fuehrt_zu_Zustand =>> Zustand].<br />
Prozess [beinhaltet_Zustand =>> Zustand;<br />
beinhaltet_Ereignis =>> Ereignis].<br />
ten, dass ein Akteursprofil ebenso mindestens einem Akteur und ein Stellenprofil mindestens einer Stelle zugeordnet ist. Daher<br />
lassen die rechtseindeutigen Relationen gehoert_zu_Akteur und gehoert_zu_Stelle auch die „entarteten“ Fälle zu, dass in einer<br />
Wissensbasis Akteurs- oder Stellenprofile enthalten sind, die keinem Akteur bzw. keiner Stelle zugeordnet sind. Sofern dies im<br />
Rahmen des betrieblichen Kompetenzmanagements als „widersinnig“ empfunden wird, müsste mittels zusätzlicher Integritätsregeln<br />
sicher gestellt werden, dass in einer Wissensbasis nur Akteurs- und Stellenprofile enthalten sein dürfen, die jeweils genau<br />
einem Akteur bzw. genau einer Stelle zugeordnet sind. Diese Integritätsregeln könnten folgende Form annehmen:<br />
∀X: X:Akteur_Profil → ∃Y: Y:Akteur ∧ X[gehoert_zu_Akteur -> Y].<br />
∀X: X:Akteur_Profil → ∃Y: Y:Stelle ∧ X[gehoert_zu_Stelle -> Y].<br />
Die metasprachliche Relation „->“ schließt bereits aufgrund ihrer Einwertigkeit aus, dass mehrere Akteurs- oder mehrere Stelleninstanzen<br />
an der rechten Stelle derjenigen 2-Tupel stehen, welche die Relation gehoert_zu_Akteur bzw. gehoert_zu_Stelle<br />
erfüllen (vgl. KIFER/LAUSEN/WU (1995) S. 758). Daher ist der Existenzquantor in den Subjugaten der o.a. Formeln als Einsquantor<br />
zu interpretieren. Bei Einsquantoren handelt es sich um solche Existenzquantoren, mit denen die Existenz genau eines<br />
formalen Objektes ausgesagt werden kann, für das die Formel zutrifft, auf die der Einsquantor bezogen ist. Auf Einsquantoren<br />
wird in einem anderen Kontext später näher eingegangen werden. Mit der oben verwendeten Kombination aus einem Existenzquantor<br />
und der einwertigen Relation „->“ wird eine zur Verwendung des Einsquantors äquivalente Formulierung gewählt.<br />
228) Stattdessen können die ergänzenden Konzepte und Relationen in der vollständigen KOWIEN-Ontologie eingesehen werden, die<br />
im Internet frei zugänglich ist. Vgl. dazu die Fußnote 1 zu diesem Beitrag auf S. 429.
506 2.4 Generische Kompetenzontologie<br />
Das Konzept Zustand einer objektsprachlichen Entität wird hier als Gesamtheit aller Eigenschaftsausprägungen<br />
verstanden, die der betroffenen Entität zu einem bestimmten Zeitpunkt oder während<br />
eines Zeitintervalls zukommen. Somit geben Zustände Momentaufnahmen temporär invarianter<br />
Darstellungen von objektsprachlichen Entitäten wieder. Die konkreten Merkmale variieren von Entität<br />
zu Entität. Daher lassen sie sich nicht unmittelbar als Relationen zum Konzept Zustand festlegen,<br />
sondern müssen über „Merkmalsaussagen“ jeder Entität spezifisch zugeordnet werden. Da jede<br />
solche Merkmalsaussage eine objektsprachliche Entität, jeweils eines ihrer charakteristischen<br />
Merkmale, den adressierten Zustand und die zustandsspezifische Merkmalsausprägung umfasst,<br />
handelt es sich um eine vierstellige objektsprachliche Formel. Sie muss zwecks Wissensrepräsentation<br />
in F-Logic mit derselben Reifizierungstechnik, die oben für die dreistelligen objektsprachlichen<br />
Formeln für Kompetenzaussagen ausführlich erläutert wurde, in ein „Aussage-Objekt“ mit vier jeweils<br />
zweistelligen Hilfsrelationen transformiert werden. Da die detaillierte Darstellung der Vorgehensweise<br />
hier zu keinen neuartigen Erkenntnissen führen würde, werden die Merkmalsaussagen<br />
um der Kürze des Beitrags willen nicht näher vorgestellt.<br />
Darüber hinaus ist es möglich, die „Dynamik“ des jeweils repräsentierten Realitätsausschnitts durch<br />
die Konzepte Ereignis und Prozess zu erfassen. Sie sind mit dem Konzept Zustand inhaltlich verknüpft.<br />
229)<br />
Jeder Zustandswechsel besteht aus einem Übergang von einem vorangehenden Zustand zu einem<br />
anderen, (unmittelbar) nachfolgenden Zustand. Dieser Zustandsübergang wird durch den Eintritt 230)<br />
229) Die nachfolgenden Erläuterungen zur „Dynamik“ erfolgen sehr kompakt, da sie im Rahmen der KOWIEN-Ontologie für <strong>Kompetenzmanagementsysteme</strong><br />
nur einen Nebenaspekt darstellen. Daher werden mehrere Aspekte, die bei der Konzeptualisierung<br />
von „dynamischen“ Realitätsausschnitten durchaus eine bedeutsame Rolle spielen können und sich oftmals durch eine erhebliche<br />
epistemische Komplexität auszeichnen, hier lediglich angedeutet. Den Argumentationshintergrund bilden PETRI-Netze, die<br />
ein formalsprachlich anspruchsvolles, prädikatenlogisch und algebraisch basiertes, infolgedessen ausdruckstarkes und inhaltlich<br />
„tiefes“ Instrumentarium zur Konzeptualisierung (und auch konkreten Modellierung) dynamischer Systeme zur Verfügung stellen.<br />
In den nachfolgenden Fußnoten bemühen sich die Verfasser, für interessierte Leser einige „Brücken“ zu PETRI-Netzen zu<br />
schlagen, können dies aber in der hier gebotenen Kürze nur jeweils andeutungsweise leisten. Eine ausführlichere Konzeptualisierung<br />
dynamischer Systeme (dort speziell: Flexibler Fertigungssysteme) mit der Hilfe von PETRI-Netzen hat einer der beiden<br />
Verfasser an anderer Stelle vorgelegt; vgl. ZELEWSKI (1995), insbesondere die Bände 3, 5.1, 5.2 und 7.<br />
Zugleich verdeutlicht der voranstehende Hinweis auf den PETRI-Netz-Hintergrund der hier vorgenommenen Konzeptualisierung,<br />
dass Konzeptualisierungen von Realitätsausschnitten stets Resultate von aktiven Konstruktionsleistungen darstellen, also<br />
keineswegs „die“ Realität passiv „widerspiegeln“. Vielmehr umfassen die Konstruktionsprozesse eine Vielzahl subjektiver und<br />
somit willkürlicher Designentscheidungen, wie etwa hier die Orientierung an den dynamischen Eigenarten von PETRI-Netzen.<br />
Darüber hinaus kann es sich bei Konzeptualisierungen sogar um kreative Leistungen handeln (manche Ontologiegestalter mögen<br />
vielleicht sogar „künstlerische“ Leistungen für sich in Anspruch nehmen wollen), wenn die Designentscheidungen nicht<br />
nur etablierte Gestaltungsroutinen betreffen, sondern auch innovative Gestaltungsaspekte umgreifen.<br />
230) Streng genommen muss in der Konzeptualisierung dynamischer Systeme, die sich an PETRI-Netzen orientiert, zwischen einem<br />
Ereignis (in einem PETRI-Netz: einer Transition) und dem Eintreten dieses Ereignisses (in einem PETRI-Netz: dem Schaltakt der<br />
betroffenen Transition) unterschieden werden. Denn dasselbe Ereignis kann in unterschiedlichen Zuständen (in einem PETRI-<br />
Netz: unter unterschiedlichen Netzmarkierungen) eintreten, und ein System kann auch denselben Zustand mehrfach durchlaufen<br />
und dabei kann dasselbe Ereignis in jedem Zustandsdurchlauf einmal, also insgesamt mehrfach eintreten. Auf diese Differenzierung<br />
zwischen Ereignissen einerseits und Ereigniseintritten andererseits wurde jedoch in der KOWIEN-Ontologie verzichtet,<br />
weil sie für <strong>Kompetenzmanagementsysteme</strong> im Allgemeinen keine substanzielle Rolle spielt, so dass ihre Berücksichtigung nur<br />
zu einer ökonomisch nicht rechtfertigbaren Verkomplizierung der Ontologie geführt hätte. Aufgrund dieser vereinfachten<br />
Sichtweise in der KOWIEN-Ontologie wird auch in den folgenden Ausführungen nicht streng zwischen Ereignissen und Ereigniseintritten<br />
unterschieden.
2.4 Generische Kompetenzontologie 507<br />
von einem Ereignis oder von einer Gruppe mehrerer nebenläufiger Ereignisse hervorgerufen. 231)<br />
Daher werden Zustände hier so konzeptualisiert, dass jeder Zustand ein Ereignis oder eine Gruppe<br />
nebenläufiger Ereignisse erfordert, das bzw. die ihm kausal (oder zeitlich) 232) vorangeht, und jeder<br />
Zustand ein Ereignis oder eine Gruppe nebenläufiger Ereignisse ermöglicht, die ihm kausal (oder<br />
zeitlich) folgen. 233) Komplementär dazu werden Ereignisse so konzeptualisiert, dass jedes Ereignis<br />
einen Zustand oder eine Gruppe von Zuständen erfordert, der bzw. die dem Ereigniseintritt kausal<br />
(oder zeitlich) vorangeht, und jedes Ereignis einen Zustand oder eine Gruppe von Zuständen ermöglicht,<br />
der bzw. die dem Ereigniseintritt kausal (oder zeitlich) folgen. 234)<br />
231) Eine besondere Stärke von PETRI-Netzen besteht darin, neben Zustandsübergängen durch jeweils einzelne Ereignisse auch berücksichtigen<br />
zu können, dass Zustandsübergänge durch mehrere Ereignisse „gleichzeitig“ bewirkt werden, die kausal voneinander<br />
unabhängig, d.h. „nebenläufig“ oder „concurrent“, stattfinden. Die zeitliche Reihenfolge, das zeitliche Überlappen und<br />
das gleichzeitige Eintreten solcher nebenläufiger Ereignisse sind streng genommen in PETRI-Netzen nicht definiert, da dort nur<br />
die kausale Abhängigkeit zwischen Zuständen und Ereigniseintritten konzeptualisiert wird, nicht aber deren zeitliche Verhältnisse.<br />
232) Wie bereits in der voranstehenden Fußnote angedeutet, wird in „puren“ PETRI-Netzen nur die kausale Struktur von Prozessen<br />
erfasst, nicht aber deren zeitliche Struktur. In der betrieblichen Praxis spielt aber die Unterscheidung zwischen rein kausalen<br />
und zeitlichen Prozesskonzeptualisierungen keine Rolle. Stattdessen lässt sich eine (auch) temporale Prozesskonzeptualisierung<br />
im Allgemeinen gar nicht vermeiden, da für Geschäftsprozesse (und auch andere betriebswirtschaftlich relevante Prozesse) sehr<br />
oft zeitliche Determinanten – wie etwa Ausführungsdauern und Liefertermine – eine erhebliche ökonomische Relevanz besitzen.<br />
Daher wird hier in der KOWIEN-Ontologie zwischen kausaler und zeitlicher Prozesskonzeptualisierung nicht näher unterschieden.<br />
Im Gegenteil wird sogar von einer primär zeitlichen Prozesskonzeptualisierung ausgegangen, um der zeitlich geprägten<br />
betrieblichen Realität zu entsprechen. Dies wird in nachfolgend präsentierten Konstrukten der KOWIEN-Ontologie noch<br />
deutlicher werden. Außerdem wurde mittlerweile auch eine Vielzahl von PETRI-Netz-Varianten entwickelt, die zwecks Annäherung<br />
an die primär zeitlich ausgerichtete Konzeptualisierung realer – z.B. betrieblicher – Prozesse die explizite Erfassung der<br />
Anschauungsform „Zeit“ in PETRI-Netzen gestatten. Vgl. zu solchen Zeit-PETRI-Netzen ZELEWSKI (1995), Band 6, S. 118 ff.<br />
und die dort angeführte vertiefende Literatur.<br />
233) Im o.a. Ausschnitt aus der KOWIEN-Ontologie wird bei der Spezifikation des Konzepts Zustand durch die metasprachliche Relation<br />
„=>>“ die frühere Festlegung ausgenutzt, dass die Mengenwertigkeit dieser Relation einer (Min,Max)-Kardinalität des<br />
Typs (0,n) entspricht. Deswegen kann es im Sinne der Minimalkardinalität Null auch Zustände geben, die kein vorangehendes<br />
Ereignis (oder keine vorangehende Ereignisgruppe) erfordern, und ebenso Zustände, die kein nachfolgendes Ereignis (oder keine<br />
nachfolgende Ereignisgruppe) ermöglichen. Es handelt sich dabei um die Anfangs- bzw. um die Endzustände eines dynamischen<br />
Systems.<br />
234) Die Präzision der KOWIEN-Ontologie erweist sich an dieser Stelle als unzureichend. Denn trotz analoger Spezifikation des<br />
Konzepts Ereignis zur Spezifikation des Konzepts Zustand ist hier – bei der Ereignisspezifikation – mit der Gruppe von Zuständen<br />
etwas anderes gemeint, als oben bei der Spezifikation von Zuständen mit der Gruppe von (nebenläufigen) Ereignissen<br />
gemeint war. Hier bei der Ereignisspezifikation kann einem Ereigniseintritt immer nur ein einzelner Zustand vorangehen und<br />
ebenso nur ein einzelner Zustand (unmittelbar) nachfolgen. Mit der Gruppe von Zuständen ist hier gemeint, dass dasselbe Ereignis<br />
in unterschiedlichen Zuständen eintreten kann (und dann auch unterschiedliche Ereigniseintritte vorliegen) und auch zu<br />
unterschiedlichen nachfolgenden Zuständen führen kann je nachdem, in welchem vorangehenden Zustand das Ereignis eingetreten<br />
ist. Es müsste also streng genommen zwischen Ereignissen einerseits und Ereigniseintritten andererseits differenziert<br />
werden. Da dies in der KOWIEN-Ontologie nicht geschieht, wie bereits kurz zuvor erläutert wurde, kann der zuvor skizzierte<br />
Unterschied auch sprachlich nicht präzise erfasst werden. Auf jeden Fall wäre es ein Konzeptualisierungsfehler (im Hinblick<br />
auf den Konzeptualisierungshintergrund der PETRI-Netze), davon zu sprechen, dass ein Ereignis eine Gruppe von vorangehenden<br />
Zuständen erfordern oder eine Gruppe von nachfolgenden Zuständen ermöglichen würde. Darauf wird im nachstehenden<br />
Absatz durch Unterlassen der Option „Gruppe“ Rücksicht genommen.<br />
Die Spezifikation des Konzepts Ereignis im o.a. Ausschnitt aus der KOWIEN-Ontologie durch die metasprachliche Relation<br />
„=>>“ lässt wegen ihrer (Min,Max)-Kardinalität des Typs (0,n) zu, dass es im Sinne der Minimalkardinalität Null auch Ereignisse<br />
gibt, die keinen vorangehenden Zustand erfordern, und ebenso Ereignisse, die keinen nachfolgenden Zustand ermöglichen.<br />
Dabei würde es sich um Ereignisse „aus dem Nichts“ handeln bzw. um Ereignisse, die „ins Nichts“ führen. Solche „seltsamen“<br />
Ereignisse können in dynamischen Systemen nicht vorkommen – zumindest dann nicht, wenn die Systemdynamik mittels<br />
PETRI-Netzen konzeptualisiert wird. Daher müsste in einer vollständig ausgearbeiteten Prozess-Ontologie eine Integritätsregel<br />
ergänzt werden, welche die inhaltliche Anforderung an zulässige Wissensrepräsentationen ausdrückt, dass jedes Ereignis<br />
(mindestens) einen unmittelbar vorangehenden und (mindestens) einen unmittelbar nachfolgenden Zustand erfordert.
508 2.4 Generische Kompetenzontologie<br />
Prozesse werden schließlich als Gesamtheiten aus Zuständen und zustandstransformierenden Ereignissen<br />
oder Ereignisgruppen konzeptualisiert. Insbesondere wird von zwei Prämissen ausgegangen,<br />
die „wohlgeformte“ Prozesse definieren. Einerseits wird gefordert, dass jeder Prozess in einem<br />
wohldefinierten Zustand startet und in einem ebenso wohldefinierten Zustand endet (Prämisse der<br />
Zustandsartigkeit der Prozessgrenzen). Andererseits wird vorausgesetzt, dass jeder Prozess aus<br />
einer alternierenden Abfolge von Zuständen und Ereignissen besteht (Prämisse der Zustands-/<br />
Ereignis-Verkettung). Diese beiden zusätzlichen inhaltlichen Anforderungen an die „dynamische“<br />
Struktur wohlgeformter Prozesse werden allerdings durch die o.a. Spezifikation des Konzepts Prozess<br />
nicht erfasst. Für die Spezifikation dieser Anforderungen wären stattdessen zusätzliche Integritätsregeln<br />
erforderlich, die von allen zulässigen Prozessdarstellungen in einer Wissensbasis erfüllt<br />
werden müssen. In der hier gebotenen Kürze wird auf die Explizierung dieser Integritätsregeln verzichtet.<br />
Bei der Konstruktion der KOWIEN-Ontologie war es von besonderem Interesse, solche Prozesse<br />
sprachlich erfassen zu können, die bei den Projektpartnern in der betrieblichen Praxis vorzufinden<br />
sind. 235) Zur Strukturierung der Vielzahl von Prozessen und Prozessebenen, die von den Praxispartnern<br />
als ökonomisch relevant eingestuft wurden, diente ein hierarchisches Prozessmodell mit einer<br />
schrittweisen Verfeinerung der Prozessdarstellung. Auf der obersten Stufe der Prozesshierarchie<br />
wurden fünf Top-Level-Prozesse identifiziert, die durch folgende Subkonzepte des allgemeinen<br />
Konzepts Prozess erfasst werden: 236)<br />
Vor-Angebot :: Prozess.<br />
Angebot :: Prozess.<br />
Auftrag_durchfuehren :: Prozess.<br />
Projekt_nachbearbeiten :: Prozess.<br />
Projekte_unterstuetzen :: Prozess.<br />
Bei den Instanzen der voranstehenden Subkonzepte zum Konzept Prozess handelt es sich um formale<br />
Objekte, mit denen konkrete Prozesse repräsentiert werden. Dabei kann es sich sowohl um<br />
Prozesse aus der Vergangenheit handeln, die dokumentiert werden (Ist-Prozesse), als auch um Prozesse,<br />
die für die Zukunft geplant sind (Plan-Prozesse). Darüber hinaus kommen auch Prozesse in<br />
Betracht, die in normativer Weise als erstrebenswert ausgezeichnet werden (Soll-Prozesse) – unabhängig<br />
davon, ob sie bereits in der Vergangenheit realisiert wurden, für die Zukunft geplant werden<br />
235) Hierzu wurde von den Partnern des Verbundprojektes KOWIEN am 05.04.2002 ein Workshop zur Erhebung der gemeinsamen<br />
Top-Level-Prozesse durchgeführt. Die Ergebnisse des Workshops fanden zum einen in der Anforderungsanalyse für den KO-<br />
WIEN-Prototyp Berücksichtigung. Zum anderen wurden die Begriffe, mit denen die Prozesse beschrieben werden können, in<br />
der KOWIEN-Ontologie spezifiziert. Zu einem Vergleich der KOWIEN-Top-Level-Prozesse mit Referenzmodellen vgl. AL-<br />
PARSLAN (2002) S. 62 ff. Auf den Begriff „Referenzmodell“ wird in den folgenden Erläuterungen eingegangen. Vgl. auch die<br />
Ausführungen zu Referenzmodellen im Kapitel 1.3.1.3 (S. 199 ff.).<br />
236) Aus der Sicht des Universitätspartners liegt der nachfolgenden Auflistung von Subkonzepten keine überzeugende Systematik<br />
zugrunde. Beispielsweise bleibt die Abgrenzung zwischen „Auftrag“ und „Projekt“ unklar. Ebenso bleibt im Dunkeln, warum<br />
eine Vor-Angebotsphase erfasst wird, aber keine Nach-Angebotsphase. Schließlich stellen „Vor-Angebot“ und „Angebot“<br />
streng genommen keine Prozesse, sondern Resultate von Prozessen dar. Es fehlt in beiden Fällen ein „tätigkeitssignalisierendes“<br />
Verb wie in „Angebot_erstellen“. Gleiches gilt für die Instanzen „Vertrieb“ und „Rechnungswesen“ für das Subkonzept<br />
Projekte_unterstuetzten. Von solchen Systematisierungsmängeln wurde jedoch in der KOWIEN-Ontologie abgesehen, weil im<br />
Vordergrund der Projektdurchführung stand, den Sprachgebrauch der Praxispartner so aufzubereiten, wie er in ihrer täglichen<br />
Praxis beim Management von Kompetenzwissen und – im hier betrachteten Kontext – beim Management wissensintensiver<br />
Geschäftsprozesse tatsächlich stattfindet. In einer späteren Überarbeitung der KOWIEN-Ontologie erscheint es jedoch angezeigt,<br />
die Prozesshierarchie strenger zu systematisieren.
2.4 Generische Kompetenzontologie 509<br />
oder nichts von beidem zutrifft. 237) Bei der dritten Alternative wird die Wissensrepräsentation um<br />
eine normative Komponente bereichert, wie sie z.B. aus Referenzmodellen bekannt ist.<br />
Als konkrete Prozesse zur Instanziierung der o.a. Subkonzepte des Konzepts Prozess sind für Wissensbasen,<br />
die mit Hilfe der KOWIEN-Ontologie gebildet werden, folgende Instanzen vorgesehen:<br />
238)<br />
Markt_beobachten : Vor-Angebot.<br />
Projekt_identifizieren : Vor-Angebot.<br />
Machbarkeit_pruefen : Vor-Angebot.<br />
Interessenbekundung : Vor-Angebot.<br />
Follow_up_des_PQ_LOI 239) : Vor-Angebot.<br />
Kundenproblem_analysieren : Angebot.<br />
Loesungsansaetze_finden : Angebot.<br />
Angebot_kalkulieren : Angebot.<br />
Risiken_abschaetzen : Angebot.<br />
Verhandlung_und_Angebotsabschluss : Angebot.<br />
Start_und_Inception_Phase 240) : Auftrag_durchfuehren.<br />
Einzelauftrag_bearbeiten : Auftrag_durchfuehren.<br />
Projekt_managen_und_controllen : Auftrag_durchfuehren.<br />
Auftrag_abschliessen : Auftrag_durchfuehren.<br />
Projektbeurteilung_durchfuehren : Projekt_nachbearbeiten.<br />
Projekt_abschliessen : Projekt_nachbearbeiten.<br />
Kontaktpflege_zum_Kunden_einleiten : Projekt_nachbearbeiten.<br />
Wartung_und_Service_durchfuehren : Projekt_nachbearbeiten.<br />
237) Die Charakterisierung von Prozessen als Ist-, Plan- oder Soll-Prozesse kann durch die Konzepte Ist_Prozess, Plan_Prozess<br />
bzw. Soll_Prozess erfolgen, die jeweils ein Subkonzept zum Konzept Prozess darstellen. Ein einzelner, konkreter Prozess wäre<br />
dann zugleich eine Instanz von genau einem der o.a. Subkonzepte (Vor_Angebot bis Projekte_unterstuetzen) zum Konzept Prozess<br />
als auch eine Instanz von genau einem der hier eingeführten Subkonzepte Ist_Prozess, Plan_Prozess und Soll_Prozess.<br />
Derselbe Prozess wäre somit Instanz von zwei verschiedenartigen (Sub-) Konzepten. In diesem Fall liegt (unter Einschluss der<br />
Instanzenebene) eine taxonomische Heterarchie vor, die nicht mehr baum-, sondern netzartig strukturiert ist. Zugleich erfolgt<br />
eine multiple Instanzierung von jeweils zwei unterschiedlichen Subkonzepten des Konzepts Prozess durch denselben konkreten<br />
Prozess; vgl. dazu Fußnote 174 auf S. 488.<br />
238) Die angeführten Instanzen geben wiederum die Auffassung der Praxispartner wieder, welche (wissensintensiven) Prozesse aus<br />
ihrer Sicht besonders relevant sind und daher in einem ontologiebasierten Kompetenzmanagementsystem auf jeden Fall erfasst<br />
werden sollten. Bei anderen – vielleicht auch im Zeitablauf wechselnden – Relevanzurteilen sowie bei anderen Unternehmen<br />
können unterschiedliche Mengen von Prozess-Instanzen resultieren. Außerdem ist zu beachten, dass gemäß dem hier entfalteten<br />
Ontologieverständnis eine Instanzenmenge niemals Bestandteil einer Ontologie im engeren Sinn ist, sondern entweder eine Ontologieerweiterung<br />
darstellt (z.B. um Inferenzregeln formulieren zu können) oder zur Spezifizierung von Fakten in einer Wissensbasis<br />
dient, die „unter“ einer Ontologie eingerichtet wird.<br />
239) Die Bezeichnungen „PQ“ und „LOI“ werden für „Pre Qualification“ bzw. „Letter of Intent“ verwendet. Beide Bezeichnungen<br />
werden vorwiegend in der Domäne des Maschinen- und Anlagenbaus verwendet, der auch der Großteil der Praxispartner des<br />
KOWIEN-Projekts entstammen. Bei einer „Pre Qualification“ handelt es sich um ein Ausschreibungsverfahren, in dem nur eine<br />
„geschlossene“ Gruppe von potenziellen Anbietern berücksichtigt wird, die aus einer Vorauswahl hervorgegangen sind. Ein<br />
„Letter of Intent“ ist hingegen die Absichtserklärung eines Anbieters.<br />
240) Die Bezeichnungen „Start“ und „Inception“ werden im Kontext des Projektmanagements im Maschinen- und Anlagenbau synonym<br />
verwendet. Sie wurden in der KOWIEN-Ontologie in ihrer konjunktiven Verknüpfung aufgeführt, da einerseits die Bezeichnung<br />
„Start“ oftmals eine homonyme Verwendung findet und andererseits die Bezeichnung „Inception“ oft unverständlich<br />
bleibt.
510 2.4 Generische Kompetenzontologie<br />
Strategie_entwickeln : Projekte_unterstuetzen.<br />
Marketingprogramm_entwickeln : Projekte_unterstuetzen.<br />
Vertrieb : Projekte_unterstuetzen.<br />
Rechtsberatung : Projekte_unterstuetzen.<br />
Personal_managen : Projekte_unterstuetzen.<br />
Infrastruktur_bereitstellen : Projekte_unterstuetzen.<br />
Rechnungswesen : Projekte_unterstuetzen.<br />
Das Konzept Stelle wird dazu verwendet, solche Aufgabenkomplexe zu erfassen, die für ein Organisationsmitglied<br />
unabhängig von einer bestimmten Person vorgesehen sind. Stellen sind neben<br />
Abteilungen, Teams u.ä. organisatorische Einheiten, in denen Rechte und Pflichten eines Organisationsmitglieds<br />
institutionell geregelt werden.<br />
2.4.3.1.2.2 Konkrete Denkobjekte<br />
Bei dem zweiten Subkonzept des Konzepts Denkobjekt handelt es sich um das Konzept konkretes_Denkobjekt.<br />
Es umfasst in seiner Instanzenmenge alle formalen Objekte, die Objekte des Denkens<br />
(Denkobjekte) mit einer materiellen Beschaffenheit repräsentieren. Diese materiellen Objekte<br />
können entweder zu eigenständigem Handeln befähigt sein oder aber unfähig sein, eigenständig zu<br />
handeln. Im ersten Fall liegen Instanzen des Konzepts Akteur vor, im zweiten Fall Instanzen des<br />
Konzepts handlungsunfaehiges_Denkobjekt. Die weitere Ausdifferenzierung dieser beiden Konzepte<br />
in Subkonzepte, die zur sprachlichen Konzeptualisierung des Realitätsausschnitts „<strong>Kompetenzmanagementsysteme</strong>“<br />
benötigt werden, lassen sich dem nachfolgenden Ausschnitt aus der KO-<br />
WIEN-Ontologie entnehmen:<br />
handlungsunfaehiges_Denkobjekt :: konkretes_Denkobjekt.<br />
Akteur :: konkretes_Denkobjekt.<br />
Gebiet :: handlungsunfaehiges_Denkobjekt.<br />
Gegenstand :: handlungsunfaehiges_Denkobjekt.<br />
Akteur [hat_Kompetenzaussage =>> Kompetenzaussage;<br />
hat_Kompetenzprofil => Akteur_Profil].<br />
Individualakteur :: Akteur.<br />
Kollektivakteur :: Akteur.<br />
menschliches_Kollektiv :: Kollektivakteur.<br />
maschinelles_Kollektiv :: Kollektivakteur.<br />
einzelner_Mensch :: Individualakteur.<br />
einzelne_Maschine :: Individualakteur.<br />
Team :: menschliches_Kollektiv.<br />
Unternehmen :: menschliches_Kollektiv.<br />
Unternehmensnetzwerk :: menschliches_Kollektiv.<br />
Als Subkonzepte des Konzepts handlungsunfaehiges_Denkobjekt werden in der KOWIEN-Ontologie<br />
einerseits das Konzept Gebiet und andererseits das Konzept Gegenstand zugelassen. Das<br />
Konzept Akteur wird in die Subkonzepte Individualakteur und Kollektivakteur unterteilt. Das erstgenannte<br />
Subkonzept umfasst einzelne Menschen und einzelne Maschinen als untergeordnete Kon-
2.4 Generische Kompetenzontologie 511<br />
zepte, das letztgenannte Subkonzept umfasst einerseits menschliche und andererseits maschinelle<br />
Kollektive als untergeordnete Konzepte.<br />
Den Instanzen des Konzepts Akteur könnten Instanzen des Konzepts Kompetenzaussage und somit<br />
auch Instanzen des Konzepts Kompetenzprofil zugewiesen werden. Dies geschieht durch die Relationen<br />
hat_Kompetenzaussage und hat_Kompetenzprofil. Während die Relation hat_Kompetenzaussage<br />
wegen ihrer Mengenwertigkeit auf der Instanzenebene einem Akteur mehrere Kompetenzaussagen<br />
zuzuordnen vermag, kann durch die einwertige Relation hat_Kompetenzprofil auf der<br />
Instanzenebene jedem Akteur nur höchstens ein Kompetenzprofil zugewiesen werden. 241)<br />
Aufgrund der Unterteilung des Konzepts Akteur in die Subkonzepte Individualakteur und Kollektivakteur<br />
und der Vererbung von Konzeptmerkmalen (hier: Relationen) auf alle ihre Subkonzepte<br />
können auf der Instanzenebene sowohl Individual- als auch Kollektivakteuren jeweils Kompetenzaussagen<br />
und ein Kompetenzprofil zugewiesen werden. Während die Zuweisung von Kompetenzaussagen<br />
an Individualakteure dem intuitiven Verständnis kompetenter Akteure entspricht, bereitet<br />
die Zuweisung von Kompetenzaussagen an Kollektivakteure möglicherweise einigen Rezipienten<br />
Verständnisprobleme. Motiv für eine solche Spezifikation war der Wunsch, Bündeln von Individualakteuren<br />
– wie etwa Projektteams oder ganzen Unternehmen – genau so Kompetenzaussagen zuweisen<br />
zu können, wie es für Individualakteure selbstverständlich erscheint. Dadurch wird es möglich,<br />
Phänomene wie Projekt- bzw. Unternehmenskulturen hinsichtlich ihrer Ausstrahlung auf<br />
Kompetenzen (und Kompetenzausprägungen) zu erfassen. Beispielsweise wird einigen Unternehmen<br />
attestiert, 242) aufgrund ihrer besonderen Unternehmenskultur über eine exzellente Innovationskompetenz<br />
auf Unternehmensebene zu verfügen. 243) Zwar sind in der KOWIEN-Ontologie zurzeit<br />
noch keine objektsprachlichen Inferenzregeln spezifiziert, die es ermöglichen würden, von den<br />
Kompetenzen der beteiligten Individualakteure auf die Kompetenzen eines Kollektivakteurs zu<br />
schließen. Allerdings kann bereits jetzt eine Eingabe von Kompetenzen für einen Kollektivakteur<br />
„manuell“ erfolgen.<br />
241) Da die beiden metasprachlichen Relationen „=>>“ und „=>“ die (Min,Max)-Kardinalitäten vom Typ (0,1) bzw. (0,n) besitzen,<br />
kann hinsichtlich der Minimalkardinalität Null auch der Fall eintreten, dass einem Akteur auf der Instanzenebene überhaupt<br />
keine Kompetenzaussage oder überhaupt kein Akteursprofil zugeordnet ist.<br />
242) Häufig wurden (früher) in dieser Hinsicht u.a. Hewlett Packard und Sony erwähnt.<br />
243) Die Betonung der Unternehmensebene verdeutlicht, dass keineswegs jeder einzelne Mitarbeiter eines solchen Unternehmens<br />
eine exzellente Innovationskompetenz besitzen müsse. Vielmehr kann ein solches Unternehmen auch Mitarbeiter beschäftigen,<br />
die ihre Stärken nur in Routinearbeiten zu entfalten vermögen (wie z.B. die stigmatisierten „Erbsenzähler“). Gemeint ist also<br />
nur, dass das Unternehmen als Ganzes – als gedachte Einheit – über eine exzellente Innovationskompetenz verfügt.
512 2.4 Generische Kompetenzontologie<br />
2.4.3.1.3 Erfahrungsobjekte<br />
Das Konzept Erfahrungsobjekt dient neben dem Konzept Denkobjekt, das zuvor ausführlicher thematisiert<br />
wurde, zur Ausdifferenzierung des übergeordneten Konzepts objektsprachliche_Entitaet.<br />
Mit dem Konzept Erfahrungsobjekt werden alle Instanzen konzeptualisiert, die sich in den Anschauungsformen<br />
Raum und Zeit erfahren lassen. 244) Je nachdem, welche Anschauungsform bei der<br />
Konzeptualisierung überwiegt, wird die betroffene Instanz entweder dem Subkonzept zeitartiges_Erfahrungsobjekt<br />
oder dem Subkonzept raumartiges_Erfahrungsobjekt zugeordnet. 245) Die<br />
beiden Subkonzepte mit ihren weiterführenden Ausdifferenzierungen werden in dem nachfolgenden<br />
Ausschnitt aus der KOWIEN-Ontologie dargestellt:<br />
zeitartiges_Erfahrungsobjekt :: Erfahrungsobjekt.<br />
raumartiges_Erfahrungsobjekt :: Erfahrungsobjekt.<br />
Zeitpunkt :: zeitartiges_Erfahrungsobjekt.<br />
Zeitspanne :: zeitartiges_Erfahrungsobjekt.<br />
Zeitpunkt [liegt_in_Zeitspanne =>> Zeitspanne].<br />
Zeitspanne [hat_Beginn => Zeitpunkt;<br />
hat_Ende => Zeitpunkt;<br />
beginnt_am_Beginn_von_Zeitspanne =>> Zeitspanne;<br />
beginnt_am_Ende_von_Zeitspanne =>> Zeitspanne;<br />
endet_am_Beginn_von_Zeitspanne =>> Zeitspanne;<br />
endet_zum_Ende_von_Zeitspanne =>> Zeitspanne;<br />
beinhaltet_Zeitspanne =>> Zeitspanne;<br />
waehrend_Zeitspanne =>> Zeitspanne;<br />
vor_Zeitspanne =>> Zeitspanne;<br />
nach_Zeitspanne =>> Zeitspanne;<br />
ueberlappt_mit_Zeitspanne =>> Zeitspanne;<br />
gleiche_Zeitspanne_wie =>> Zeitspanne].<br />
Um zeitartige Erfahrungsobjekte mit einer Ontologie spezifizieren zu können, bedarf es einer Entscheidung<br />
zwischen entweder diskreten oder aber kontinuierlichen Zeitkonzepten. Während bei der<br />
Modellierung mittels eines kontinuierlichen Zeitkonzepts zeitliche Abstände als nicht-negative 246)<br />
reelle Zahlen dargestellt werden 247) , werden bei der Modellierung mittels eines diskreten Zeitkon-<br />
244) Die Anschauungsformen Raum und Zeit werden hier in Anlehnung an KANT verwendet. Vgl. KANT (1981) S. 69 ff. u. 204 ff.,<br />
insbesondere S. 71 („ ... , daß es zwei reine Formen sinnlicher Anschauung, als Prinzipien der Erkenntnis a priori gebe, nämlich<br />
Raum und Zeit, ... “), sowie S. 71 ff. speziell zur Anschauungsform „Raum“ und S. 78 ff. speziell zur Anschauungsform „Zeit“.<br />
245) Es lässt sich durchaus vorstellen, dass bei der Konzeptualisierung von Instanzen (oder auch Subkonzepten) keine der beiden<br />
Anschauungsformen dominiert. In diesem Fall müssen die betroffenen Instanzen (Subkonzepte) beiden Konzepten zeitartiges_Erfahrungsobjekt<br />
und raumartiges_Erfahrungsobjekt zugleich untergeordnet werden. Daraus resultiert eine taxonomische<br />
Heterarchie. In der KOWIEN-Ontologie stellte sich ein solcher Fall jedoch nicht ein, so dass er hier nicht weiter berücksichtigt<br />
wird.<br />
246) „Normale“ Zeitabstände werden als positive reelle Zahlen dargestellt. Die Zahl Null wird ebenso zugelassen, um den „degenerierten“<br />
Abstand ohne zeitliche Ausdehnung, also die Gleichzeitigkeit von Ereignissen (oder Prozessen) ausdrücken zu können.<br />
247) Durch den Einsatz reeller Zahlen können in kontinuierlichen Zeitmodellen stets neue Zeitpunkte zwischen allen Zeitpunkt-<br />
Paaren bestimmt werden; vgl. RITTGEN (1998) S. 176. Kontinuierliche Zeitkonzepte liegen beispielsweise zumeist stochastischen<br />
Modellen, wie z.B. MARKOV-Ketten, zugrunde; vgl. RITTGEN (1998) S. 43.
2.4 Generische Kompetenzontologie 513<br />
zepts meist natürliche Zahlen verwendet. Für die KOWIEN-Ontologie erfolgte eine Entscheidung<br />
zugunsten des diskreten Zeitkonzepts, weil betriebliche Informationsverarbeitungssysteme – insbesondere<br />
das Rechnungswesen, aber z.B. auch Projekt- und Personalinformationssysteme – im Allgemeinen<br />
mit diskreten, zumeist ganzzahligen Zeitangaben für Termine, Fristen, Ausführungsdauern<br />
u.ä. arbeiten. 248)<br />
Zur Konzeptualisierung der Anschauungsform Zeit wird in der KOWIEN-Ontologie eine Unterscheidung<br />
zwischen Zeitpunkten und Zeitspannen 249) vorgenommen. Bei dieser Unterscheidung<br />
wird davon ausgegangen, dass jede Entität zu jedem Zeitpunkt für jede ihrer Eigenschaften eine<br />
konkrete Ausprägung aufweist – und zwar unabhängig davon, ob die Entität zu einem Zeitpunkt gerade<br />
beobachtet wird oder nicht. 250) Für das temporale Verhältnis, in dem zwei Zeitspannen zueinander<br />
stehen können, wurden im o.a. Ausschnitt aus der KOWIEN-Ontologie bereits mehrere Relationen<br />
spezifiziert. Die nachfolgende Tabelle 7 veranschaulicht diese Relationen zwischen zwei<br />
Zeitspannen.<br />
In der Tabelle 7 sind 10 zweistellige Relationen aufgeführt, die zur Spezifikation von Beziehungen<br />
zwischen Zeitspannen herangezogen werden können. Die grauen Balken in der rechten Spalte der<br />
Tabelle repräsentieren jeweils das erste Argument derjenigen Relation, die in der linken Spalte zuerst<br />
aufgeführt ist. Die weißen Balken repräsentieren entsprechend das zweite Argument der ersten<br />
Relation aus der linken Spalte der Tabelle.<br />
Die inhaltlichen Beziehungen zwischen den Relationen, die in der Tabelle 7 aufgeführt sind, können<br />
aus zwei unterschiedlichen Perspektiven strukturiert werden. Es handelt sich dabei um eine horizontale<br />
und eine vertikale Sicht auf die Relationen, die zu entsprechenden Relationenanordnungen<br />
führen.<br />
248) Vgl. zu weiteren Rechtfertigungen der Verwendung diskreter Zeitkonzepte in Automatischen Informationsverarbeitungssystemen<br />
OBERWEIS (1990) S. 8.<br />
249) Zeitspannen werden synonym auch als Zeitintervalle oder als Zeiträume bezeichnet.<br />
250) Diese Annahme entspricht einem naiv-realistischen Standpunkt (als ontologisches Commitment!). Ihm zufolge besitzt eine Entität<br />
Eigenschaften mit wohldefinierten Ausprägungen unabhängig von ihrer Beobachtung durch wahrnehmende Subjekte. Die<br />
alternative Denkmöglichkeit, dass Eigenschaftsausprägungen erst durch Beobachtungsakte eines Subjekts „erschaffen“ werden,<br />
wie sie etwa seitens (vor allem „radikal“) konstruktivistischer Erkenntnispositionen vertreten wird, findet in der KOWIEN-<br />
Ontologie also keine Berücksichtigung. Ebenso wird von quantenphysikalischen Phänomenen abstrahiert, die bei Beobachtungen<br />
von Messquanten in der Größenordnung von HEISENBERGS Unschärferelation dazu führen, dass sich die „klassische“ Unterscheidung<br />
zwischen beobachtendem Subjekt und beobachtetem Objekt (Entität) nicht mehr aufrechterhalten lässt. Als pars pro<br />
toto sei an das makabre, aber nichtsdestoweniger illustrative Gedankenexperiment von „SCHRÖDINGERS Katze“ verwiesen. Die<br />
Verfasser verkennen keineswegs die gravierenden epistemischen Komplikationen der realistischen Erkenntnisposition, wie sie<br />
zuvor anhand zweier Beispiele skizziert wurden. Ganz im Gegenteil: sie akzeptieren die grundsätzliche Berechtigung solcher<br />
Einwände gegen einen naiven Realismus. Allerdings wirken sich Komplikationen der vorgenannten Art nach Überzeugung der<br />
Verfasser im „Mesokosmos“ des betrieblichen Alltags nicht so aus, dass sie zu irgendeiner „signifikanten“ Differenz gegenüber<br />
einer realistischen Position führen würden. Stattdessen entspricht die realistische Position sogar dem „gesunden Menschenverstand“<br />
der alltäglichen betrieblichen Praxis. Hinzu kommt, dass mit Ontologien angestrebt wird, diejenigen sprachlichen Ausdrucksmittel<br />
zur Verfügung zu stellen, die von einer Gruppe von Akteuren für ihre Konzeptualisierungen eines Realitätsausschnitts<br />
tatsächlich verwendet oder benötigt werden. Daher gehen die Verfasser von dem Primat derjenigen Erkenntnisposition<br />
aus, die von der Zielgruppe der KOWIEN-Ontologie, also den Anwendern eines Kompetenzmanagementsystems in der betrieblichen<br />
Praxis, entweder tatsächlich eingenommen wird oder aber dieser Zielgruppe zumindest mit Plausibilitätsargumenten zugeschrieben<br />
werden kann. Alle Erfahrungen der Verfasser mit Akteuren aus der vorgenannten Zielgruppe haben zu der Einsicht<br />
geführt, dass Komplikationen der oben skizzierten Art in der betrieblichen Praxis auf „fassungsloses Unverständnis“ stoßen.<br />
Stattdessen herrscht eine (zumeist unreflektierte) naiv-realistische Grundhaltung vor. Aus den vorgenannten Gründen wird der<br />
KOWIEN-Ontologie – als zielgruppengerechtes ontologisches Commitment – eine naiv-realistische Erkenntnisposition<br />
zugrunde gelegt.
514 2.4 Generische Kompetenzontologie<br />
Relation (inverse Relation)<br />
beginnt_am_Beginn_von_Zeitspanne<br />
beginnt_am_Ende_von_Zeitspanne<br />
(endet_am_Beginn_von_Zeitspanne)<br />
endet_zum_Ende_von_Zeitspanne<br />
beinhaltet_Zeitspanne<br />
(waehrend_Zeitspanne)<br />
vor_Zeitspanne<br />
(nach_Zeitspanne)<br />
ueberlappt_mit_Zeitspanne<br />
gleiche_Zeitspanne_wie<br />
Zeitstrahl<br />
Tabelle 7: Relationen zwischen Zeitspannen<br />
Die horizontale Anordnung von Relationen in der Tabelle 7 bezieht sich darauf, zu einer jeweils betrachteten<br />
Relation deren inverse Relation zu definieren. Zu drei Relationen in der o.a. Tabelle sind<br />
jeweils in Klammern diejenigen Relationen aufgeführt, die sich zu der jeweils voranstehenden Relation<br />
(Bezugsrelation) invers verhalten. Die inversen Relationen sind für ein zweistelliges Argument<br />
genau dann gültig, wenn die Bezugsrelation nach Vertauschung der beiden Terme im Argument<br />
gültig ist.<br />
Zwischen den Relationen, die in der Tabelle 7 aufgeführt sind, existiert beispielsweise eine vertikale<br />
Anordnung zwischen der Relation beginnt_am_Ende_von_Zeitspanne als Subrelation und der<br />
Relation nach_Zeitspanne als Superrelation. Diese vertikale Anordnung wird in der KOWIEN-<br />
Ontologie durch folgende Regel 251) spezifiziert: 252)<br />
251) Im Prinzip handelt es sich um eine Integritätsregel. Denn der temporale Zusammenhang zwischen den Zeitspannen eines Realitätsausschnitts<br />
wäre unzulässig, wenn es mindestens zwei Zeitspannen gäbe, die der o.a. inhaltlichen Anforderung an das Verhältnis<br />
zwischen den Relationen beginnt_am_Ende_von_Zeitspanne und nach_Zeitspanne nicht gerecht werden. An dem Beispiel<br />
dieser Integritätsregel zeigt sich erneut, dass Ontologien im engeren Sinn, die nur auf der Konzeptebene definiert sind, für<br />
die vollständige Spezifikation von sprachlichen Ausdrucksmitteln nicht ausreichen. Denn die Integritätsregel für die Zulässigkeit<br />
von Zeitspannen, die sowohl zu einer Sub- als auch ihrer Superrelation gehören, lässt sich nur auf der Instanzenebene formulieren.<br />
Folglich gehört die Integritätsregel nicht mehr zur KOWIEN-Ontologie im engeren Sinn, sondern zur instanzenbezogenen<br />
Ontologieerweiterung.<br />
252) Da die KOWIEN-Ontologie mit der Wissensrepräsentationssprache F-Logic formuliert wurde, müssen bei der Regelformulierung<br />
in der KOWIEN-Ontologie einige Eigenarten von F-Logic berücksichtigt werden. Sie führen zu Abweichungen von der<br />
prädikatenlogischen Notationsweise, die bisher aufgrund ihrer Anschlussfähigkeit zu einer großen Zahl anderer formalsprachlicher<br />
Darstellungen bevorzugt wurde. Beispielsweise ist hinsichtlich der Quantifizierung von Variablen in F-Logic zu beachten,<br />
dass der prädikatenlogische Allquantor „∀“ üblicherweise in F-Logic durch die Notation „FORALL“ ersetzt wird. Eine entsprechende<br />
Ersetzung betrifft auch den Existenzquantor „∃“ durch die Zeichenkette „EXISTS“; dies braucht aber hier nicht erörtert<br />
zu werden, weil die nachfolgend dargestellten Formeln keine Existenzquantifizierungen enthalten. Außerdem wird in F-<br />
Logic die Reihenfolge von Antezedenz- und von Kunklusions-Komponente in Subjugat-Formeln „umgedreht“ (mit entsprechender<br />
Umkehrung der Richtung des „Subjugatpfeils“). In einer früheren Anmerkung wurde allerdings darauf hingewiesen,<br />
dass in der vorliegenden Ausarbeitung – u.a. zwecks Anschlussfähigkeit an die „vorherrschende“ wissenschaftliche Literatur –<br />
eine Notation verwendet wird, die sich möglichst eng an die Prädikatenlogik anlehnt. Daher wird von den vorgenannten Eigenarten<br />
von F-Logic, die bei der Implementierung der KOWIEN-Ontologie berücksichtigt werden mussten, im Folgenden – wie<br />
auch schon in den voranstehenden Ausführungen – abstrahiert. Stattdessen wird die bereits eingeführte prädikatenlogische Notationsweise<br />
fortgesetzt, um innerhalb dieses Beitrags eine in sich konsistente Notation zu verwenden.
2.4 Generische Kompetenzontologie 515<br />
∀ X,Y: X:Zeitspanne [beginnt_am_Ende_von_Zeitspanne ->> Y] →<br />
X:Zeitspanne [nach_Zeitspanne ->> Y].<br />
Wenn für ein beliebiges Paar (X,Y) von Zeitspannen ausgedrückt ist, dass die Zeitspanne X am<br />
Ende von der Zeitspanne Y beginnt, muss auch gelten, dass die Zeitspanne X nach der Zeitspanne Y<br />
beginnt. Die Relation beginnt_am_Ende_von_Zeitspanne ist demnach eine Subrelation der Superrelation<br />
nach_Zeitspanne. Die Relation beginnt_am_Ende_von_Zeitspanne ist in der Relation nach_<br />
Zeitspanne bereits implizit enthalten. Im Vergleich zu der Subrelation beginnt_am_Ende_von_Zeitspanne<br />
kann mit der Superrelation nach_Zeitspanne weniger ausgedrückt werden. Denn mit der<br />
Relation beginnt_am_Ende_von_Zeitspanne wird ausgedrückt, dass die Zeitspanne X unmittelbar<br />
nach Y beginnt, d.h. zwischen den beiden Zeitspannen besteht der zeitliche Abstand Null. Dagegen<br />
geht diese präzise zeitliche Abstandsinformation bei Verwendung der Relation nach_Zeitspanne<br />
verloren. Die letztgenannte Relation lässt es unbestimmt, ob die Zeitspanne X unmittelbar nach der<br />
Zeitspanne Y beginnt oder ob eine dritte Zeitspanne Z (größer Null) zwischen den Zeitspannen X<br />
und Y liegt. Folglich stellt die Superrelation nach_Zeitspanne eine Vergröberung der Subrelation<br />
beginnt_ am_Ende_von_Zeitspanne dar.<br />
Zur Konzeptualisierung raumartiger Erfahrungsobjekte wird in der KOWIEN-Ontologie zwischen<br />
Punkten, Strecken, Flächen und Räumen 253) unterschieden:<br />
Punkt :: raumartiges_Erfahrungsobjekt.<br />
Strecke :: raumartiges_Erfahrungsobjekt.<br />
Fläche :: raumartiges_Erfahrungsobjekt.<br />
Raum :: raumartiges_Erfahrungsobjekt.<br />
Im Gegensatz zu zeitartigen Erfahrungsobjekten, die nicht nur für betriebswirtschaftliche Realitätsausschnitte<br />
im Allgemeinen, sondern auch für <strong>Kompetenzmanagementsysteme</strong> im Speziellen eine<br />
große Rolle spielen, besitzen raumartige Erfahrungsobjekte für die KOWIEN-Ontologie nur eine<br />
untergeordnete Rolle. Sie werden beispielsweise benötigt, um die Adressen von Akteuren als Kompetenzträgern<br />
spezifizieren zu können. Wegen dieser Randrolle wurde auf eine subtile Konzeptualisierung<br />
raumartiger Erfahrungsobjekte verzichtet. Stattdessen kommt die KOWIEN-Ontologie mit<br />
einer relativ groben Konzeptualisierung der Anschauungsform Raum aus.<br />
Punkte werden durch die Koordinaten spezifiziert, mit denen sie in einem geographischen Informationssystem<br />
lokalisiert werden können. Strecken sind raumartige Erfahrungsobjekte mit jeweils<br />
einem Anfangs- und einem Endpunkt. Dies erfordert keinen linearen Verlauf zwischen den beiden<br />
Punkten. Im Falle der Nichtlinearität erfordert die Spezifikation einer Strecke allerdings neben<br />
ihrem Anfangs- und ihrem Endpunkt auch weitere Angaben zur Art des nichtlinearen Streckenverlaufs.<br />
Flächen werden durch die Koordinaten ihrer Eckpunkte beschrieben. 254) Räume werden<br />
253) Räume werden hier im Sinne raumerfüllender Körper verstanden. Sie sind daher nicht mit dem Raum als Anschauungsform<br />
oder dem Raum eines dreidimensionalen Koordinatensystems zu verwechseln.<br />
254) Dies bedeutet eine erhebliche Abstrahierung von realen Flächen, deren Ränder beliebig – insbesondere auch „kurvig“ – geformt<br />
sein können. In der KOWIEN-Ontologie erfolgte jedoch eine Einschränkung auf Flächen, die Polygone darstellen, also Vielecke<br />
mit jeweils geraden Randstrecken zwischen je zwei Eckpunkten. Reale Flächen können durch Polygone beliebig nahe approximiert<br />
werden, indem die Anzahl der Eckpunkte vergrößert wird und eine zweckmäßige Auswahl der Längen der randbildenden<br />
Strecken erfolgt.
516 2.4 Generische Kompetenzontologie<br />
ebenso durch die Koordinaten ihrer Eckpunkte spezifiziert, 255) allerdings in einem dreidimensionalen<br />
Koordinatensystem.<br />
2.4.3.2 Metasprachliche Entitäten<br />
Die beiden Top-Level-Konzepte objektsprachliche_Entitaet und metasprachliche_Entitaet hängen<br />
eng inhaltlich miteinander zusammen. Dieser komplexe Zusammenhang wird sowohl durch Konzepte<br />
„an sich“ als auch durch Relationen zwischen Konzepten gestiftet und im Folgenden näher erläutert.<br />
Das Top-Level-Konzept objektsprachliche_Entitaet und alle seine objektsprachlichen Subkonzepte<br />
stellen nach ihrer Reifizierung jeweils Instanzen des metasprachlichen Konzepts Konzept dar, das<br />
seinerseits ein Subkonzept des Konzepts metasprachliche_Entitaet ist. Diese Reifizierung von objektsprachlichen<br />
Konzepten wird immer dann nötig, wenn (metasprachliche) Aussagen über die objektsprachlichen<br />
Konzepte getroffen werden sollen. In der KOWIEN-Ontologie kommen solche<br />
Aussagen in der Form vor, dass einem objektsprachlichen Konzept mittels der (metasprachlichen)<br />
Relation hat_Bezeichner eine objektsprachliche Bezeichnung oder mittels der (metasprachlichen)<br />
Relation ist_definiert_als eine objektsprachliche Definition zugeordnet wird. Wenn beispielsweise<br />
dem Konzept Akteur die natürlich- und objektsprachliche Bezeichnung „Akteur“ sowie eine ebenso<br />
natürlich- und objektsprachliche Definition „Akteure sind definiert als ... “ zugeordnet sind, so lässt<br />
sich dies in der F-Logic-Notation der KOWIEN-Ontologie wie folgt ausdrücken: 256)<br />
255) Räume werden durch eine Abstrahierung von realen Räumen konzeptualisiert, die analog zu Flächen geschieht: Räume werden<br />
grundsätzlich als Polyeder aufgefasst, also als räumliche Gebilde, deren „Hülle“ aus beliebig geformten Polygonen gebildet<br />
wird. Reale (dreidimensionale) Räume können durch Polyeder beliebig nahe approximiert werden, indem die Anzahl hüllenbildender<br />
Polygone vergrößert wird und eine zweckmäßige Auswahl der Polygonform(en) erfolgt.<br />
256) In der nachfolgenden F-Logic-Formel ist zu beachten, dass der Ausdruck Akteur (ohne „“) auf der jeweils linken Seite der<br />
Infix-Notation für die Relationen hat_Bezeichnung und hat_Definition das reifizierte objektsprachliche Konzept Akteur und<br />
somit eine Instanz des metasprachlichen Konzepts Konzept darstellt. Auf der rechten Seite der Infix-Notation für die Relation<br />
hat_Bezeichnung steht hingegen der Ausdruck „Akteur“ (mit „“), der eine Instanz des objektsprachlichen Konzepts String darstellt.<br />
Dieses objektsprachliche Konzept String wird allgemein dazu benutzt, mit seinen Instanzen beliebige natürlichsprachliche<br />
Zeichenketten („strings“) formulieren zu können, die in den meisten Wissensrepräsentationssprachen (und auch Programmiersprachen<br />
wie Prolog) in Anführungszeichen eingeschlossen werden. Dieselbe Zeichenfolge „A-k-t-e-u-r“ steht hier<br />
also einmal für das reifizierte objektsprachliche Konzept Akteur und somit eine Instanz des metasprachlichen Konzepts Konzept<br />
(auf der linken Relationsseite) und das andere Mal für eine Instanz des objektsprachlichen Konzepts String. Es handelt sich also<br />
links und rechts von der Relation in Infix-Notation um verschiedenartige sprachliche Konstrukte trotz ihrer identischen<br />
Zeichenfolgen (sofern von den String-charakterisierenden Anführungszeichen abgesehen wird). Noch deutlicher wird der<br />
Unterschied, wenn natürlichsprachliche Bezeichner für Konzepte mit anderen Zeichenfolgen notiert werden als die<br />
formalsprachliche Konzeptbezeichnung. So kann beispielsweise dem reifizierten objektsprachlichen Konzept Intensitaet (hier<br />
in formalsprachlicher Notation ohne Umlaut) mittels der Relation hat_Bezeichnung die natürlichsprachliche Bezeichnung<br />
„Intensität“ (mit „“) als eine Instanz des objektsprachlichen Konzepts String zugeordnet werden.<br />
Schließlich ist zwecks Vermeidung von Missverständnissen darauf hinzuweisen, dass in den voranstehenden Erläuterungen für<br />
ein Konzept jeweils zwei Bezeichner verwendet wurden. Beispielsweise wurde das reifizierte Konzept Intensitaet sowohl in<br />
formalsprachlicher Notation (ohne Umlaut) mit der Zeichenkette „Intensitaet“ als auch in natürlichsprachlicher Notation (mit<br />
Umlaut) mit der Zeichenkette „Intensität“ bezeichnet. Die beiden Bezeichner „Intensitaet“ und „Intensität“ verhalten sich synonym<br />
zueinander, weil sie dasselbe zugrunde liegende Konzept Intensitaet bezeichnen. Die Rede über Konzepte und deren Bezeichnungen<br />
fällt so kompliziert aus, weil ein Konzept „an sich“ – also ohne seine Bezeichnung – gar nicht angesprochen werden<br />
kann. Daher wird in der Formulierung „Konzept Intensitaet“ bereits ein Bezeichner verwendet, obwohl „eigentlich“ nur das<br />
Konzept „an sich“ adressiert werden sollte. An dieser Stelle manifestiert sich die generelle Einsicht, dass über sprachliche Konstrukte<br />
nicht „außerhalb“ einer Sprache geredet werden kann, sondern sich Erörterungen sprachlicher Konstrukte immer als<br />
selbstreferenziell erweisen.
2.4 Generische Kompetenzontologie 517<br />
Akteur [hat_Bezeichnung ->> „Akteur“;<br />
hat_Definition -> „Akteure sind definiert als ... “].<br />
In dieser – vielleicht „banal“ erscheinenden – Formel aus der KOWIEN-Ontologie manifestiert sich<br />
eine erhebliche Komplizierung von Ontologien, wenn in solchen Ontologien auf ihre eigenen Konzepte<br />
(und Relationen) mit Bezeichnungen und Definitionen Bezug genommen wird. Die Komplikationen<br />
betreffen das Verhältnis zwischen Konzept- und Instanzenebene. In der o.a. Formel werden<br />
die metasprachlichen Relationen „->>“ und „->“ verwendet, die nur zwischen Instanzen definiert<br />
sind. Die Ausdrücke auf den rechten Seiten der beiden Relationen (in Infix-Notation)<br />
hat_Bezeichnung und hat_Definition bereiten keine Schwierigkeiten, weil es sich von vornherein<br />
um Instanzen des Konzepts String handelt. Probleme entstehen jedoch auf der linken Relationenseite,<br />
weil der dort angeführte „Akteur“ eigentlich das objektsprachliche Konzept Akteur sein müsste. Dies<br />
wäre jedoch formalsprachlich unzulässig, weil die metasprachlichen Relationen „->>“ und „->“ nur<br />
zwischen Instanzen definiert ist. Um diesen „Ebenenkonflikt“ zwischen Konzept- und Instanzenebene<br />
aufzulösen, muss auf der linken Relationenseite das Konzept Akteur in eine Instanz transformiert<br />
werden.<br />
Zu diesem Zweck wird auf das Hilfsmittel der Reifizierung zurückgegriffen, das bereits an früherer<br />
Stelle in Bezug auf dreistellige Prädikate ausführlicher erläutert wurde. 257) Das Konzept Akteur wird<br />
reifiziert, indem es als Instanz zu einem neuen Konzept behandelt wird: dem metasprachlichen<br />
Konzept Konzept. Dieses metasprachliche Konzept umfasst als Instanzen alle objektsprachlichen<br />
Konzepte der KOWIEN-Ontologie, die als Konzept objektsprachliche_Entitaet oder dessen Subkonzepte<br />
definiert sind. 258) Auf diese Weise wird es möglich, innerhalb der Ontologie allen objektsprachlichen<br />
Konzepten beliebige – insbesondere natürlichsprachliche – Bezeichnungen und ebenso<br />
beliebige Definitionen zuzuordnen. In dieser Hinsicht leistet die KOWIEN-Ontologie eine Innovation,<br />
die nach Kenntnisstand der Verfasser bislang in keiner Ontologie für ökonomisch relevante<br />
Realitätsausschnitte diskutiert – geschweige denn konkret ausformuliert und implementiert – worden<br />
wäre.<br />
257) Hier kann die Reifizierung sogar in einer einfacheren Variante angewendet werden, als es oben für die Transformation nstelliger<br />
Prädikate (mit n ≥ 3) in „Aussage-Objekte“ mit n zusammenhängenden und jeweils zweistelligen Relationen der Fall<br />
war. Denn hier reicht es aus, ein Konzept als Ganzes in die Instanz eines anderen Konzepts – des metasprachlichen Konzepts<br />
Konzept – zu transformieren. Mehr ist an dieser Stelle nicht nötig.<br />
258) Qua Reifizierung werden also objektsprachliche Konzepte in metasprachliche Instanzen transformiert. Dadurch wird es möglich,<br />
ehemals metasprachliche Aussagen über Eigenschaften von und Relationen zwischen den objektsprachlichen Konzepten<br />
nach der Reifizierung als objektsprachliche Aussagen über Eigenschaften von und Relationen zwischen den Instanzen (als reifizierten<br />
Konzepten) zu treffen. Durch dieses „Downsizing“ ursprünglich metasprachlicher Aussagen geht die Differenzierung<br />
zwischen metasprachlichen Aussagen einerseits und den objektsprachlichen Konzepten andererseits, über die Aussagen gemacht<br />
werden, verloren. So werden in F-Logic sowohl Instanzen von objektsprachlichen Konzepten als auch Instanzen, die reifizierte<br />
objektsprachliche Konzepte darstellen, unterschiedslos behandelt. Um der fehlenden formalsprachlichen Differenzierung<br />
zwischen den beiden Konstrukttypen – einerseits „normale“ Instanzen von objektsprachlichen Konzepten und andererseits<br />
Instanzen als reifizierte objektsprachliche Konzepte – entgegenwirken zu können, wurde in der KOWIEN-Ontologie das Konzept<br />
metasprachliche_Entitaet eingeführt. Mit seiner Hilfe und der Hilfe seiner Subkonzepte ist es möglich, dieses Konzept, alle<br />
seine Subkonzepte und alle zugehörigen Instanzen trotz seiner bzw. ihrer formalsprachlichen Behandlung in F-Logic als objektsprachliche<br />
Konstrukte so zu verwenden, dass aufgrund ihrer Zugehörigkeit zum linken, „metasprachlichen Ast“ der KO-<br />
WIEN-Taxonomie stets deutlich wird, dass es sich inhaltlich um metasprachliche Aussagen über objektsprachliche Konstrukte<br />
aus dem rechten, „objektsprachlichen Ast“ der KOWIEN-Taxonomie handelt.
518 2.4 Generische Kompetenzontologie<br />
Über die voranstehenden Erläuterungen hinaus, die sich nur auf Konzepte „an sich“ bezogen, können<br />
das Top-Level-Konzept objektsprachliche_Entitaet und alle seine objektsprachlichen Subkonzepte<br />
auch in beliebigen objektsprachlichen Relationen zueinander stehen. Auch für diese Relationen<br />
stellt sich das Problem, wie sie sich in der KOWIEN-Ontologie mit objektsprachlichen – und in<br />
der Regel natürlichsprachlichen – Bezeichnungen sowie Definitionen verknüpfen lassen. Da sich<br />
dieses Problem nicht grundsätzlich von den Schwierigkeiten unterscheidet, Konzepte mit objekt-<br />
und natürlichsprachlichen Bezeichnungen sowie Definitionen zu verknüpfen, kann auf die voranstehenden<br />
Erläuterungen verwiesen werden. Analog zu den dort vorgetragenen Argumenten wird<br />
auch im Hinblick auf alle objektsprachlichen Relationen der KOWIEN-Ontologie festgelegt, dass<br />
sie – nach Reifizierung – Instanzen des metasprachlichen Konzepts Relation darstellen.<br />
Als metasprachliche Entitäten, d.h. als sprachliche Ausdrucksmittel für Aussagen über objektsprachliche<br />
Konzepte und Relationen, werden in der KOWIEN-Ontologie zunächst die Konzepte<br />
Konzept und Relation verwendet. Sie umfassen als Instanzen reifizierte objektsprachliche Konzepte<br />
bzw. Relationen. Da diese Instanzen mittels Reifizierung aus anderen, objektsprachlichen Konzepten<br />
und Relationen abgeleitet sind, werden die Konzepte Konzept bzw. Relation, deren Instanzen<br />
die reifizierten objektsprachlichen Konzepte bzw. Relationen darstellen, als abgeleitete oder derivative<br />
Konzepte bezeichnet. Dementsprechend stellen die Konzepte Konzept und Relation jeweils ein<br />
Subkonzept zum Konzept derivative_metasprachliche_Entitaet dar. Darüber hinaus umfasst die Extension<br />
des Konzepts metasprachliche_Entitaet auch solche Instanzen, die objektsprachlichen Entitäten<br />
entweder als Definitionen oder als Bezeichnungen zugeordnet sind. Diese Instanzen der Konzepte<br />
Definition und Bezeichnung sind eigenständige („originäre“), nicht aus anderen sprachlichen<br />
Entitäten abgeleitete Konstrukte. Daher werden die beiden vorgenannten Konzepte als Subkonzepte<br />
zum Konzept originäre_metasprachliche_Entitaet behandelt. Aus den voranstehenden Festlegungen<br />
ergibt sich folgender Ausschnitt aus der KOWIEN-Ontologie:<br />
1. derivative_metasprachliche_Entitaet :: metasprachliche_Entitaet.<br />
originaere_metasprachliche_Entitaet :: metasprachliche_Entitaet.<br />
2. Konzept :: derivative_metasprachliche_Entitaet.<br />
Relation :: derivative_metasprachliche_Entitaet.<br />
3. derivative_metasprachliche_Entitaet [hat_Bezeichnung =>> Bezeichnung;<br />
hat_Definition => Definition].<br />
4. Definition :: originaere_metasprachliche_Entitaet.<br />
Bezeichnung :: originaere_metasprachliche_Entitaet.<br />
5. Definition [definiert => derivative_metasprachliche_Entitaet].<br />
Bezeichnung [bezeichnet =>> derivative_metasprachliche_Entitaet;<br />
ist_synonym_zu =>> Bezeichnung;<br />
ist_homonym => BOOLEAN].<br />
6. ∀ X,Y: X:Bezeichnung [bezeichnet ->> Y] ↔<br />
Y:derivative_metasprachliche_Entitaet[hat_Bezeichnung ->> X].<br />
∀ X,Y: X:Definition [definiert -> Y] ↔<br />
Y:derivative_metasprachliche_Entitaet[hat_Definition -> X].<br />
Mit den Spezifikationen 1 und 2 werden die Subkonzepte der Konzepte metasprachliche_Entitaet<br />
bzw. derivative_metasprachliche_Entitaet festgelegt. Als metasprachliche Entitäten werden Kon-
2.4 Generische Kompetenzontologie 519<br />
zept und Relation als Subkonzepte des Konzepts derivative_metasprachliche_Entitaet spezifiziert.<br />
Sowohl für Konzepte als auch für Relationen können im Anschluss an ihre Reifizierung jeweils Bezeichnungen<br />
und Definitionen angegeben werden. Bei den Konzepten Bezeichnung und Definition<br />
handelt es sich jeweils um originäre metasprachliche Entitäten.<br />
Die Spezifikationen 3 bis 5 dienen dazu, das komplexe Verhältnis zwischen dem Konzept derivative_metasprachliche_Entitaet<br />
und den beiden Subkonzepten Definition und Bezeichnung des Konzepts<br />
originaere_metasprachliche_Entitaet zu strukturieren. Zu diesem Zweck verbinden die beiden<br />
metasprachlichen Relationen definiert und bezeichnet die Konzepte Definition bzw. Bezeichnung<br />
jeweils mit dem Konzept derivative_metasprachliche_Entitaet. Hinzu kommen die zwei metasprachlichen<br />
Relationen ist_synonym_zu und ist_homonym. Sie erlauben es, die Synonymie zwischen<br />
Bezeichnungen und die Homonymie von Bezeichnungen formalsprachlich präzise zu spezifizieren.<br />
Auf diese Aspekte von Definitionen und Bezeichnungen wird in Kürze ausführlicher zurückgekommen.<br />
Mit den beiden Integritätsregeln, die in der Spezifikation 6 enthalten sind, werden die inversen Beziehungen<br />
zwischen den Relationen bezeichnet und hat_Bezeichnung einerseits sowie definiert und<br />
hat_Definition andererseits festgelegt. Eine Bezeichnung steht demnach genau dann für eine derivative<br />
metasprachliche Entität, wenn diese Entität durch die Bezeichnung bezeichnet wird. Analog<br />
steht eine Definition genau dann für eine derivative metasprachliche Entität, wenn diese Entität<br />
durch die Definition definiert wird. In allen anderen Fällen liegt eine unzulässige Verwendung der<br />
vorgenannten jeweils zwei Bezeichnungs- und Definitionsrelationen vor.<br />
Die Instanziierung der Konzepte Konzept und Relation erfolgt mit zwei Inferenzregeln: 259)<br />
∀ x: x :: objektsprachliche_Entitaet → x : Konzept. 260)<br />
∀ x,y,r: x[r =>> y] OR x[r => y] → r : Relation. 261)<br />
259) In F-Logic wird der prädikatenlogische Junktor „∨“ durch die Notation „OR“ wiedergegeben. Zu beachten ist ferner, dass es<br />
sich bei beiden Inferenzregeln um Formeln der Prädikatenlogik 2. Stufe handelt, weil sich die Allquantoren nicht mehr über Individuen-Variablen<br />
(Ausdrücke 1. Stufe), sondern über Konzepte und Relationen als Ausdrücke 2. Stufe erstrecken. Diese Besonderheit<br />
wird in der F-Logic-Notation jedoch nicht deutlich, weil die Wissensrepräsentationssprache F-Logic zwischen Ausdrücken<br />
1. und 2. Stufe nicht differenziert, sondern sie unterschiedslos wie Ausdrücke 1. Stufe behandelt. Dies steht im Zusammenhang<br />
mit den früher erläuterten Reifizierungen, die zu einem „Downsizing“ von Ausdrücken 2. Stufe, die auf der Konzeptebene<br />
angesiedelt sind, zu Ausdrücken 1. Stufe führt, die zur Instanzenebene gehören.<br />
260) In einer früheren Version der KOWIEN-Ontologie erfolgte die Reifizierung von Konzepten durch die Inferenzregel:<br />
∀ X,Y: (X :: Y) → X : Konzept AND Y : Konzept.<br />
Allerdings führte diese Regel dazu, dass auch die metasprachlichen Konzepte Konzept, Relation, Bezeichnung und Definition<br />
jeweils als Instanzen des Konzepts Konzept ausgewiesen wurden. Dies hätte erhebliche Komplikationen bedeutet, weil z.B. das<br />
Konzept Konzept als eine Instanz seiner selbst, also des Konzepts Konzept, ausgewiesen worden wäre. Um solche Zirkelschlüsse<br />
zu vermeiden, wurde in der neueren, oben im laufenden Text angeführten Regelversion die Konzept-Variable Y im Regelrumpf<br />
durch das Konzept objektsprachliche_Entitaet ersetzt. Da es sich bei der metasprachlichen Subkonzeptrelation „::“ um<br />
eine reflexive Relation handelt, wird auch das Konzept objektsprachliche_Entitaet selbst der Extension des metasprachlichen<br />
Konzepts Konzept als dessen Instanz zugewiesen.<br />
261) Entsprechend der Unterscheidung zwischen ein- und mengenwertigen Relationen auf der objektsprachlichen Ebene könnte auch<br />
das metasprachliche Konzept Relation in die Subkonzepte einwertige_Relation und mengenwertige_Relation ausdifferenziert<br />
werden. Die o.a. Regel würde in diesem Fall in zwei Regeln aufgespaltet werden, die jeweils entweder die Ein- oder aber die<br />
Mengenwertigkeit der betroffenen Relationen berücksichtigen. Von dieser Alternative wurde allerdings in der KOWIEN-Ontologie<br />
abgesehen, da hiervon kein nennenswerter Wissenszuwachs zu erwarten war.
520 2.4 Generische Kompetenzontologie<br />
Mit den beiden Regeln werden sowohl objektsprachliche Konzepte als auch objektsprachliche Relationen<br />
reifiziert und als Instanzen der metasprachlichen Konzepte Konzept bzw. Relation ausgewiesen.<br />
Für die Reifizierung von Relationen ist der Rückgriff auf Spezifikationen notwendig, in denen<br />
die Relationen neben beliebigen Konzepten – hier die Konzepte x und y für die zweistelligen Relationen<br />
r – vorkommen. Im Regelrumpf werden zwei adjunktiv miteinander verbundene Möglichkeiten<br />
der Spezifikation von Relationen erfasst. Bei dem ersten Adjunktionsglied handelt es sich um<br />
die Spezifikation einer mengenwertigen Relation. Das zweite Adjunktionsglied betrifft die Spezifikation<br />
einer einwertigen Relation.<br />
Für die metasprachlichen Konzepte Konzept und Relation gelten folgende Spezifikationen: 262)<br />
Konzept [ist_Argumentkonzept_von =>> Relation;<br />
ist_Zielkonzept_von =>> Relation].<br />
Relation [hat_Argumentkonzept => Konzept;<br />
hat_Zielkonzept => Konzept].<br />
∀ x,y,r: (x[r =>> y] OR x[r => y]) →<br />
(r[hat_Argumentkonzept -> x] AND<br />
r[hat_Zielkonzept -> y] AND<br />
x[ist_Argumentkonzept_von ->> r] AND<br />
y[ist_Zielkonzept_von ->> r]).<br />
Zusätzlich lassen sich für objektsprachliche Relationen allgemeine Relationseigenschaften mittels<br />
metasprachlicher Aussagen über Instanzen von Subkonzepten des Konzepts Relation feststellen.<br />
Dies wird nachfolgend in exemplarischer Weise nur für die Relationseigenschaft der Transitivität<br />
demonstriert 263) . Sie wird mit Hilfe des Subkonzepts transitive_Relation des Konzepts Relation und<br />
beliebigen Instanzen x, y, z aus dem Argument- und Zielkonzepten einer objektsprachlichen Relation<br />
r wie folgt spezifiziert:<br />
∀ r: r : transitive_Relation ↔ (∀x,y,z : (x[r ->> y] AND y[r ->> z]) → x[r ->> z]).<br />
Mittels dieser Spezifikation lässt sich die Transitivität einer beliebigen objektsprachlichen Relation<br />
r sehr kompakt ausdrücken, nämlich mittels der simplen metasprachlichen Aussage „r : transitive_<br />
Relation“. 264)<br />
Das Konzept originaeres_metasprachliches_Konzept wird in die beiden Subkonzepte Bezeichnung<br />
und Definition unterteilt. Sowohl bei den Instanzen des Konzepts Bezeichnung als auch bei den Instanzen<br />
des Konzepts Definition handelt es sich um Zeichenketten („strings“). Diese Zeichenketten<br />
262) In F-Logic wird der prädikatenlogische Junktor „∧“ durch die Notation „AND“ wiedergegeben. Die 3. Spezifikation stellt<br />
abermals eine Formel der Prädikatenlogik 2. Stufe dar, weil sich ihr Allquantor über Konzepte und Relationen erstreckt.<br />
263) In analoger Weise könnten auch die Relationseigenschaften z.B. der Symmetrie, Antisymmetrie und Reflexivität spezifiziert<br />
werden. Im Kontext der Spezifikation objektsprachlicher Inferenz- und Integritätsregeln werden hierzu im nächsten Kapitel<br />
weitere Beispiele aufgeführt.<br />
264) In F-Logic wird der metasprachliche Charakter dieser Aussage allerdings nicht deutlich. Vielmehr werden in F-Logic infolge<br />
der bereits mehrfach angesprochenen Reifizierung alle metasprachlichen Ausdrücke als objektsprachliche Ausdrücke behandelt.
2.4 Generische Kompetenzontologie 521<br />
werden in F-Logic in Anführungszeichen notiert und stellen Instanzen des „reservierten“ 265) Konzepts<br />
String dar. Die Instanzen des Konzepts Bezeichnung lassen sich in der Regel als einzelne natürlichsprachliche<br />
Wörter auffassen, die Instanzen des Konzepts Definition hingegen als einzelne<br />
natürlichsprachliche Texte 266) . Ungeachtet dieser „natürlichen“ Interpretation stellen die Instanzen<br />
der Konzepte Bezeichnung und Definition innerhalb der KOWIEN-Ontologie weiterhin rein formale<br />
Objekte – uninterpretierte Zeichenketten – dar. Ihre natürlichsprachliche Bedeutung als Wort oder<br />
Text erhalten sie erst durch den (menschlichen) Anwender eines ontologiebasierten Kompetenzmanagementsystems.<br />
267)<br />
Bei den Instanzen des Konzepts Bezeichnung handelt es sich um formale Objekte, die eine natürlichsprachliche<br />
Bezeichnung von objektsprachlichen Konzepten und Relationen erlauben. Dies erhöht<br />
die Transparenz einer Ontologie für menschliche Rezipienten und erleichtert auch die Kommunikation<br />
menschlicher Rezipienten über eine Ontologie. Darüber hinaus lassen sich typische Eigenschaften<br />
von Bezeichnungen formalsprachlich präzise erfassen. Dabei handelt es sich vornehmlich<br />
um die Eigenschaften der Synonymie und Homonymie, die in praxisnahen sprachlichen Konzeptualisierungen<br />
von Realitätsausschnitten oftmals eine große Rolle spielen. Wenn für dasselbe<br />
Konzept zwei unterschiedliche Bezeichnungen verwendet werden, stehen die beiden Bezeichnungen<br />
im Verhältnis der Synonymie zueinander. Der umgekehrte Fall betrifft die Homonymie: Wenn<br />
dieselbe Bezeichnung für zwei unterschiedliche Konzepte verwendet wird, dann stellt die Bezeichnung<br />
ein Homonym dar. Synonymie und Homonymie werden durch die beiden folgenden Regeln<br />
spezifiziert: 268)<br />
265) Unter einem „reservierten“ Konzept wird ein Konzept verstanden, das nicht in einer Ontologie zwecks Repräsentation von Aspekten<br />
eines Realitätsausschnitts eingeführt wird, sondern aus anderen formalsprachlichen Kontexten in einer standardisierten,<br />
weithin akzeptierten Verwendungsweise übernommen wird. So handelt es sich beim Konzept String um ein Konstrukt, das in<br />
zahlreichen Wissensrepräsentations- und Programmiersprachen in derselben Weise verwendet wird, beliebige Zeichenketten<br />
aus einem natürlichsprachlichen Alphabet zu definieren.<br />
266) Ein natürlichsprachlicher Text wird hier als einzelner Satz oder als konjunktiver Zusammenhang mehrerer Sätze verstanden.<br />
Die kleinste Einheit eines Textes ist also ein Satz. Ein Satz ist die kleinste natürlichsprachliche Einheit, der ein Wahrheitswert<br />
zugeordnet werden kann, und entspricht deshalb einer aussagen- oder prädikatenlogischen Formel.<br />
267) Zur Verdeutlichung: Wenn die Zeichenkette „Akteur“ eine Instanz des Konzepts Bezeichnung ist, dann handelt es sich bei „Akteur“<br />
(mit Anführungszeichen) zunächst um ein formales Objekt ohne jegliche natürlichsprachliche „Bedeutung“. Es stellt nicht<br />
mehr als eine „sinnlose“ Aneinanderreihung von Zeichen aus einem formalsprachlichen Alphabet dar. Wenn dieses formalsprachliche<br />
Alphabet jedoch mit einem natürlichsprachlichen Alphabet übereinstimmt (oder zumindest weit gehend übereinstimmt,<br />
weil z.B. Umlaute und ähnliche Sonderzeichen in formalsprachlichen Alphabeten oftmals fehlen) und die Zeichenkette<br />
„Akteur“ von einem menschlichen Rezipienten als ein Akteur (ohne Anführungszeichen) im Sinne eines handlungsfähigen Subjekts<br />
interpretiert wird, dann wird die die Zeichenkette „Akteur“ vom Rezipienten als ein sinnvolles Wort aus seiner Alltagssprache<br />
aufgefasst.<br />
268) Es handelt sich jeweils um „objektsprachliche“ Inferenzregeln, weil sie es gestatten, die Synonymie und die Homonymie zwischen<br />
bzw. für Bezeichnungen abzuleiten. Die beiden Inferenzregeln besitzen die gleiche Subjugat-Form wie die objektsprachlichen<br />
Inferenzregeln, die früher aus prädikatenlogischer Perspektive ausführlicher erläutert wurden. Allerdings ist hier die Besonderheit<br />
zu beachten, dass sich die Inferenzregeln jetzt „eigentlich“ auch auf allquantifizierte Konzept-Variablen, also Ausdrücke<br />
2. Stufe beziehen (neben den Individuen-Variablen für Instanzen des Konzepts Bezeichnung als Ausdrücken 1. Stufe).<br />
Die Inferenzregeln sagen hier also etwas über Konzepte (und Instanzen) aus und besitzen daher „eigentlich“ metasprachliche<br />
Qualität. Daher wurde zu Beginn dieser Fußnote das Attribut „objektsprachlich“ in distanzierenden Anführungszeichen verwendet.<br />
Allerdings wäre es aus zwei Gründen verfehlt, die hier vorgestellten Inferenzregeln für Synonymie und Homonymie als<br />
metasprachliche Inferenzregeln zu bezeichnen. Erstens fallen die Inferenzregeln für Synonymie und Homonymie in keiner<br />
Weise mit den „echten“ metasprachlichen Inferenzregeln der Prädikatenlogik zusammen, die an früherer Stelle z.B. als Modus<br />
ponens thematisiert wurden. Zweitens beruhen die Inferenzregeln für Synonymie und Homonymie auf der vorangehenden Reifizierung<br />
der involvierten objektsprachlichen Konzepte, so dass sie nach Reifizierung nur noch Instanzen des metasprachlichen<br />
Konzepts Konzept darstellen. Somit beziehen sich die Inferenzregeln für Synonymie und Homonymie nach Reifizierung in der
522 2.4 Generische Kompetenzontologie<br />
∀ x,a,b: (x:Konzept [hat_Bezeichnung ->> a] AND<br />
x:Konzept [hat_Bezeichnung ->> b] AND<br />
a≠b)<br />
→ a:Bezeichnung [ist_synonym_zu ->> b].<br />
∀ x,y,a: (x:Konzept [hat_Bezeichnung ->> a] AND<br />
y:Konzept [hat_Bezeichnung ->> a] AND<br />
x≠y)<br />
→ a:Bezeichnung [ist_homonym -> true].<br />
Bei den Instanzen des Konzepts Definition handelt es sich um formale Objekte, die eine natürlichsprachliche<br />
Definition von objektsprachlichen Konzepten und Relationen erlauben. Dadurch lässt<br />
sich eine intensionale Semantik 269) objektsprachlicher Entitäten in eine Ontologie integrieren. Zu<br />
diesem Zweck wird einer objektsprachlichen Entität mittels der Relation hat_Definition eine Instanz<br />
des Konzepts String zugeordnet, die sich als natürlichsprachlicher Text interpretieren lässt und unter<br />
dieser Interpretation die Intension („Bedeutung“) der betroffenen Entität erläutert. Auf diese<br />
Weise können reifizierte Konzepte und Relationen aus dem objektsprachlichen Bereich der Ontologie<br />
„intensional“ definiert werden.<br />
Die nachstehende Abbildung 65 gibt den Zusammenhang zwischen objekt- und metasprachlichen<br />
Konzepten der KOWIEN-Ontologie noch einmal überblicksartig wieder. Dabei beschränkt sich die<br />
Darstellung im Interesse ihrer Übersichtlichkeit auf diejenigen Konzepte, die in der taxonomischen<br />
Struktur der Ontologie relativ „hoch“ angesiedelt sind. Hinzu kommen die taxonomischen Relationen<br />
ist_Subkonzept_von und ist_Instanz_von sowie einige wenige nicht-taxonomische Relationen,<br />
um den Zusammenhang zwischen den abgebildeten Konzepten zu verdeutlichen.<br />
Tat nur noch auf prädikatenlogische Individuen (Instanzen), so dass sich auch die Allquantifizierungen nur auf Individuen-<br />
Variablen erstrecken. Daher handelt es sich bei den Inferenzregeln für Synonymie und Homonymie nach Reifizierung tatsächlich<br />
um objektsprachliche Inferenzregeln auf der Instanzenebene im früher erläuterten Verständnis.<br />
269) Die intensionale Semantik – oder kurz: Intension – eines objektsprachlichen Ausdrucks ist die Menge aller Merkmale, die auf<br />
alle Objekte in der Extension des Ausdrucks zutreffen. Die extensionale Semantik – oder kurz: Extension – eines objektsprachlichen<br />
Ausdrucks ist dagegen die Menge aller Objekte („Referenzen“), die mit einem objektsprachlichen Ausdruck angesprochen<br />
(„referenziert“) werden. Bei den referenzierten Objekte kann es sich insbesondere entweder um formalsprachliche Objekte<br />
oder aber um reale Objekte aus einem repräsentierten Realitätsausschnitt handeln. Im erstgenannten Fall stellt die extensionale<br />
eine formalsprachliche oder kurz formale Semantik dar; im zweiten Fall wird im Allgemeinen von einer denotationalen Semantik<br />
gesprochen.<br />
Während die extensionale Semantik einen wesentlichen Baustein der formalen Semantik (Modell-Semantik) der konventionellen<br />
Prädikatenlogik darstellt, werden intensionale Semantiken seitens der konventionellen Prädikatenlogik nicht unterstützt. Allerdings<br />
sind „Spielarten“ der konventionellen Prädikatenlogik entstanden, in denen die Modell-Semantik durch eine Mögliche-<br />
Welten-Semantik ergänzt wird; vgl. FRIEDRICHSDORF (1992) S. 259 ff.; LORENZ (2004h) S. 257; VON KUTSCHERA (1976) S. 22<br />
ff. Die intensionale Semantik objektsprachlicher Ausdrücke wird in diesen Ansätzen über die Notwendigkeit und Möglichkeit<br />
der Beschaffenheit ihrer Extensionen formuliert. Hiermit ist unweigerlich eine Verkomplizierung des prädikatenlogischen Kalküls<br />
verbunden. Dies widerstrebt dem Vorhaben, Ontologien auch als praxistaugliche Instrumente der Wissensstrukturierung<br />
und -repräsentation zu entwickeln.<br />
Im Interesse der Praxistauglichkeit von Ontologien sollten zusätzliche formal-logische Komplizierungen – über das ohnehin<br />
schon nicht trivial erscheinende Kalkül der Prädikatenlogik hinaus – unterlassen werden. Daher wird der Ansatz einer Prädikatenlogik<br />
mit intensionaler Semantik für Ontologien nur sehr selten verfolgt und wurde auch im Verbundprojekt KOWIEN nicht<br />
vertieft. Allerdings stellt dieser Ansatz aus theoretischer Perspektive eine herausfordernde, hochinteressante Gestaltungsoption<br />
dar. Eine Vorreiterrolle auf diesem Forschungsfeld, Varianten der Prädikatenlogik mit intensionaler Semantik und Ontologien<br />
zusammenzuführen, nehmen Arbeiten aus dem Umfeld von GUARINO ein; vgl. GUARINO (1998a) S. 4 ff.; GUARINO/GIARETTA<br />
(1995) S. 26 ff.
2.4 Generische Kompetenzontologie 523<br />
Die gestrichelte Linie („Demarkationslinie“) in der Abbildung 65 markiert den Übergang zwischen<br />
der KOWIEN-Ontologie im engeren Sinn, die sich nur auf die Konzeptebene erstreckt, und der Erweiterung<br />
der KOWIEN-Ontologie um Instanzen zu den Konzepten. Die Abbildung 65 stellt insgesamt<br />
einen Ausschnitt aus der KOWIEN-Ontologie im weiteren Sinn dar, die Konzept- und Instanzenebene<br />
gemeinsam umfasst. Oberhalb der Demarkationslinie sind Konzepte bis zur fünften Stufe<br />
aus der taxonomischen Struktur der KOWIEN-Ontologie aufgeführt. Unterhalb der Demarkationslinie<br />
befinden sich Instanzen zu den Konzepten. Beispielsweise gehört zum Konzept Akteur entsprechend<br />
der Abbildung eine Instanz „mueller4711“.<br />
derivative<br />
metasprachliche<br />
Entitaet<br />
bezeichnet<br />
Instanzenebene<br />
metasprachliche<br />
Entitaet<br />
originaere<br />
metasprachliche<br />
Entitaet<br />
definiert<br />
hat_Bezeichnung<br />
hat_Bezeichner<br />
Entitaet<br />
Konzept Relation Bezeichnung Definition abstraktes<br />
Denkobjekt<br />
hat_Kompetenzprofil „Akteur“ „Akteure sind definiert als ... “<br />
hat_Definition<br />
ist_definiert_als<br />
objektsprachliche<br />
Entitaet<br />
Konzeptebene<br />
Denkobjekt Erfahrungsobjekt<br />
als<br />
Subkonzept<br />
Akteur<br />
als Instanz<br />
konkretes<br />
Denkobjekt<br />
zeitartiges<br />
Erfahrungsobjekt<br />
mueller4711<br />
Abbildung 65: Ausschnitt aus der KOWIEN-Ontologie<br />
handlungsunfähiges<br />
konkretes<br />
Denkobjekt<br />
raumartiges<br />
Erfahrungsobjekt<br />
„Demarkationslinie“<br />
zwischen Konzept- und<br />
Instanzenebene<br />
ist_Instanz_von<br />
ist_Subkonzept_von<br />
nicht-taxonomische<br />
Relationen<br />
Die Erweiterung der KOWIEN-Ontologie im engeren Sinn um die Instanzenebene gestattet es, innerhalb<br />
der KOWIEN-Ontologie (im weiteren Sinn) reifizierte objektsprachliche Konzepte als Instanzen<br />
metasprachlicher Konzepte aufzuführen. In der Abbildung 65 handelt es sich z.B. bei der<br />
Instanz Akteur des metasprachlichen Konzepts Konzept um die Reifizierung des objektsprachlichen<br />
Konzepts Akteur. Dadurch ist es möglich, der Instanz Akteur sowohl mindestens eine Bezeichnung<br />
als auch genau eine Definition zuzuweisen. Zugleich führt diese Unterordnung von Akteur sowohl<br />
unter das metasprachliche Konzept Konzept (mittels der Relation ist_Instanz_von) als auch unter<br />
das objektsprachliche Konzept konkretes_Denkobjekt (mittels der Relation ist_Subkonzept_von) zu<br />
einer taxonomischen Heterarchie. Denn der Ausdruck Akteur ist nicht mehr eindeutig genau einem<br />
übergeordneten Ausdruck untergeordnet, wie es für eine hierarchische Taxonomie der Fall sein<br />
müsste, sondern ist – je nachdem, ob der Ausdruck entweder als Instanz oder aber als Subkonzept<br />
konzeptualisiert wird – zwei verschiedenen Ausdrücken – einerseits dem metasprachlichen Konzept<br />
Konzept und andererseits dem objektsprachlichen Konzept konkretes_Denkobjekt – untergeordnet.
524 2.4 Generische Kompetenzontologie<br />
2.4.4 Inferenz- und Integritätsregeln in der KOWIEN-Ontologie<br />
Die Möglichkeit zur Definition objektsprachlicher 270) Inferenz- und Integritätsregeln ist ein charakteristisches<br />
Merkmal von Ontologien. Diese beiden Regelarten bereichern ontologiebasierte <strong>Kompetenzmanagementsysteme</strong>,<br />
die neben einer Ontologie (im weiteren Sinn) auch eine inhaltlich gefüllte<br />
Wissensbasis umfassen, um Erkenntnispotenziale, die für die praktische Anwendbarkeit von<br />
<strong>Kompetenzmanagementsysteme</strong>n im betrieblichen Alltag eine wesentliche Bedeutung besitzen.<br />
Mit Inferenzregeln kann Wissen, das in einer Wissensbasis noch nicht explizit zur Verfügung steht,<br />
aber in den Formeln dieser Wissensbasis – und den darauf angewendeten Inferenzregeln – bereits<br />
implizit enthalten ist, erschlossen und dabei in explizit verfügbares Wissen transformiert werden.<br />
Dadurch wird die Wissensmenge, die in der Wissensbasis explizit enthalten und somit unmittelbar<br />
verfügbar ist, um jenes Wissen angereichert, dass mittels Inferenzregeln als neues explizites Wissen<br />
abgeleitet wird. Integritätsregeln stellen hingegen sicher, dass die Formeln einer Wissensbasis stets<br />
eine zulässige Repräsentation des jeweils erfassten Realitätsausschnitts darstellen (Integritätswahrung).<br />
Oder die Integritätsregeln sorgen zumindest dafür, dass unzulässige Repräsentationen als solche<br />
identifiziert und Maßnahmen zur Rückkehr in einen zulässigen Repräsentationszustand eingeleitet<br />
werden können (Integritätsherstellung). Im Übrigen wird auf die ausführlicheren Erläuterungen<br />
von Inferenz- und Integritätsregeln verwiesen, die in früheren Kapiteln dieses Beitrags aus prädikatenlogischer<br />
Perspektive vorgetragen wurden.<br />
Von den Inferenzregeln, die in der KOWIEN-Ontologie spezifiziert sind, wurden in den vorherigen<br />
Kapiteln bereits einige vorgestellt. Es handelt sich einerseits um Inferenzregeln, die ohne konkretes<br />
Domänenwissen formuliert werden können (domänenunspezifische Inferenzregeln). Andererseits<br />
enthält die KOWIEN-Ontologie auch eine größere Anzahl von Inferenzregeln, die durch eine tiefer<br />
gehende Analyse der Domäne eruiert wurden (domänenspezifische Inferenzregeln).<br />
Eine erste Teilmenge der domänenunspezifischen Inferenzregeln umfasst Regeln, mit denen der<br />
Ordnungscharakter von Relationen formuliert werden kann. In erster Linie handelt es sich hierbei<br />
um Regeln, mit denen sich die Reflexivität, Symmetrie und Transitivität von Relationen festlegen<br />
lässt. Bereits im vorherigen Kapitel wurde im Kontext der Reifikation von Relationen aufgezeigt,<br />
wie Relationen als Instanzen von Subkonzepten des metasprachlichen Konzepts Relation spezifiziert<br />
und für das entsprechende metasprachliche Konzept „generische Inferenzregeln“ definiert werden<br />
können. Im Gegensatz hierzu wird in den folgenden Inferenzregeln jeweils auf bestimmte Relationen<br />
Bezug genommen, deren Ordnungseigenschaften nicht generisch, sondern spezifisch formuliert<br />
werden. Dabei wird jeweils eine beliebige Relation r aus der Menge R aller nicht-taxonomischen,<br />
objektsprachlichen Relationen 271) für die zugrunde gelegte Ontologie betrachtet.<br />
Im Folgenden wird ohne Einschränkung der Allgemeingültigkeit von objektsprachlichen Relationen<br />
r ausgegangen, die durch Spezifikationen der Art k1[r =>> k2] als zweistellige und mengenwertige<br />
Relationen zwischen zwei Konzepten k1 und k2 definiert sind. Die Konzepte k1 und k2 können,<br />
müssen aber nicht verschieden sein. Der komplementäre Fall von zwar zweistelligen, jedoch einwertigen<br />
Relationen r mit k1[r => k2] wird nicht näher betrachtet. Denn er lässt sich – soweit nicht<br />
270) Auf das Attribut „objektsprachlich“ wird im Folgenden verzichtet, da ausschließlich objektsprachliche Inferenz- und Integritätsregeln<br />
thematisiert werden.<br />
271) Da alle Relationen r aus der Menge R sowohl objektsprachlicher als auch nicht-taxonomischer Art sind, wird im Folgenden der<br />
Kürze halber oftmals nur von objektsprachlichen Relationen die Rede sein. Es wird dann als bekannt unterstellt, dass es sich<br />
ebenso um nicht-taxonomische Relationen handelt.
2.4 Generische Kompetenzontologie 525<br />
ausdrücklich auf Besonderheiten (wie im Fall der Transitivität) hingewiesen wird – ohne substanziellen<br />
Erkenntnisgewinn aus den nachfolgenden Regelspezifikationen für den Fall mengenwertiger<br />
Relationen dadurch ableiten, dass in den Regeln die metasprachliche, mengenwertige Relation<br />
„->>“ durch die komplementäre metasprachliche, jedoch einwertige Relation „->“ ersetzt wird.<br />
Bei der Spezifikation einer reflexiven Relation r mit k1[r =>> k1] wird z.B. der folgende Regeltyp 272)<br />
verwendet:<br />
∀x: (x : k1) → x[r ->> x]<br />
Wenn ein formales Objekt x eine Instanz des Konzepts k1 ist (x : k1), für das die Relation r in der<br />
Form k1[r =>> k1] definiert ist, dann steht dieses formale Objekt in der Relation r zu sich selbst. Zu<br />
beachten ist dabei, dass die Reflexivität von Relationen nur in Bezug auf jene formalen Objekte definiert<br />
werden sollte, welche die Relation auch erfüllen. Würde die Inferenzregel dagegen in der<br />
„unbedingten“ Form ∀x: x[r ->> x] spezifiziert werden, so hätte dies zur Folge, dass alle formalen<br />
Objekte aus der Instanzenmenge I („universe of discourse“) für die Variable x zu sich selbst in der<br />
Relation r stehen müssten. Dies würde auch solche formalen Objekte betreffen, welche die Relation<br />
r überhaupt nicht erfüllen können, weil sie nicht in der Instanzenmenge E1 des Konzepts k1 enthalten<br />
sind, die als Trägermenge der Relation r ⊆ E1 x E1 definiert ist. Um diesen in sich widersprüchlichen<br />
Sachverhalt auszuschließen, wird in der Antezedenz-Komponente der o.a. Subjugat-Formel<br />
die Reflexivität der Relation r auf jene formalen Objekte eingeschränkt, die Instanzen des Konzepts<br />
272) Es wird hier von einem „Regeltyp“ gesprochen, da die Relation, deren Ordnungseigenschaft ausgewiesen werden soll, zunächst<br />
unbestimmt bleibt. Sie wird lediglich mittels der Relationsvariable r und der zugehörigen Konzeptvariable k 1 notiert. Der Regeltyp<br />
lässt sich synonym auch als ein Regelschema bezeichnen. In einem Kalkül der Prädikatenlogik 2. Stufe könnten die Relationsvariable<br />
r und die zugehörige Konzeptvariable k 1 jeweils durch einen Allquantor gebunden werden, so dass der o.a. Regeltyp<br />
für alle nicht-taxonomischen, objektsprachlichen Relationen r∈R und Konzepte k 1∈K definiert wäre. Der Übergang zur<br />
Prädikatenlogik 2. Stufe würde jedoch aus formalsprachlicher Perspektive zu erheblichen Komplikationen führen, insbesondere<br />
im Hinblick auf Inferenzmaschinen, die auch auf Ontologien Anwendung finden sollen. Zu diesen Komplikationen gehört vor<br />
allem der Nachweis, dass Inferenzsysteme zur Prädikatenlogik 2. Stufe prinzipiell unvollständig sind, dass also kein System<br />
von Inferenzregeln existieren kann, mit dessen Hilfe alle im Sinne der Modell-Semantik gültigen Formeln rein syntaktisch abgeleitet<br />
werden können. Vgl. zu dieser prinzipiellen Unvollständigkeit der Prädikatenlogik 2. Stufe HERMES (1991) S. 155 ff.;<br />
SOWA (2000) S. 298. Daher wurde im Verbundprojekt KOWIEN von vornherein darauf verzichtet, sich auf das Terrain der Prädikatenlogik<br />
2. Stufe „vorzuwagen“. Stattdessen bleiben alle formalsprachlichen Spezifizierungen auf die Prädikatenlogik 1.<br />
Stufe beschränkt, für die – wie bereits oben ausgeführt wurde – mehrere jeweils vollständige und korrekte Inferenzsysteme bekannt<br />
sind. Unter der Prämisse dieser Einschränkung auf die Prädikatenlogik 1. Stufe muss daher für jede objektsprachliche Relation<br />
r∈R (mit zugehöriger Konzeptvariable k 1) eine relationsspezifische Subjugat-Formel definiert werden, die dem o.a. Regeltyp<br />
entspricht. Die relationsspezifische Subjugat-Formel geht aus dem Regeltyp schlicht dadurch hervor, dass die Relationsvariable<br />
r durch die eine konkrete Relation aus der Relationenmenge R und die zugehörige Konzeptvariable k 1 durch ein konkretes<br />
Konzept aus der Konzeptmenge K substituiert wird.<br />
Die voranstehenden Überlegungen treffen ebenso auf die nachfolgenden domänenunspezifischen Inferenzregeln zu, ohne dass<br />
jeweils ausdrücklich darauf hingewiesen wird. In allen Fällen wird jeweils keine „eigentliche“ Inferenzregel, sondern „nur“ ein<br />
Regeltyp für eine beliebige, durch die Relationsvariable r vertretene, objektsprachliche Relation vorgestellt. Wenn es im aktuellen<br />
Argumentationskontext unerheblich ist, zwischen einerseits dem Regeltyp und andererseits einer daraus hervorgehenden Inferenzregel<br />
für eine konkrete objektsprachliche Relation zu differenzieren, wird der Regeltyp der Einfachheit halber auch – inhaltlich<br />
verkürzt – als „Inferenzregel“ angesprochen.
526 2.4 Generische Kompetenzontologie<br />
k1 darstellen, für das die Relation r definiert ist. Auf diese Weise erfolgt eine „typgerechte“ Instanziierung<br />
des Konzepts k1. 273)<br />
Bereits anhand dieses – aus formaler Sicht sehr einfach strukturierten – Regeltyps wird eine charakteristische<br />
Eigenschaft von Inferenzregeln offensichtlich: Die Inferenzregeln, die aus dem o.a. Regeltyp<br />
durch Einsetzen konkreter nicht-taxonomischer, objektsprachlicher Relationen hervorgehen,<br />
lassen sich nicht ohne Zugriff auf die Instanzenebene formulieren: Zwar handelt es sich beim Konzept<br />
k1 und der Relation r (nach Ersetzen der Relationsvariable) um Ausdrücke der Konzeptebene,<br />
auf die sich die Ausdrucksmittel von Ontologien prima facie beschränken. Jedoch erstreckt sich jede<br />
Inferenzregel, die aus dem Regeltyp durch Ersetzen der Relationsvariable hervorgeht, notwendig<br />
auf Instanzen des Konzepts k1. Denn die Quantifizierung aus der o.a. Subjugat-Formel erstreckt sich<br />
mit der Variable x über einen Ausdruck der Instanzenebene (Individuen- oder Instanzenvariable).<br />
Hinzu kommt die metasprachliche Relation ist_Instanz_von, deren Elemente (z.B. die Beziehung<br />
(x : k1)) jeweils einen Ausdruck der Instanzenebene (die Instanzenvariable x) mit einem Ausdruck<br />
der Konzeptebene (dem Konzept k1) in Beziehung setzen. Diese eigentümliche Verknüpfung zwischen<br />
Konzept- und Instanzenebene findet sich auch in den nachfolgenden Inferenz- und Integritätsregeln<br />
wieder, wird dort aber nicht nochmals hervorgehoben.<br />
Aufgrund dieser Verknüpfung zwischen Konzept- und Instanzenebene durch Inferenz- und Integritätsregeln<br />
kann an dem „Dogma“ der Trennung zwischen Ontologien, die nur auf der Konzeptebene<br />
angesiedelt sind, und Wissensbasen, die sich auf die Instanzenebene erstrecken, nicht festgehalten<br />
werden. Dies gilt zumindest dann, wenn Inferenz- und Integritätsregeln als Bestandteile von<br />
Ontologien behandelt werden. Um der Verknüpfung zwischen Konzept- und Instanzenebene im<br />
Kontext von Ontologien gerecht zu werden, wurde im Kapitel 2.4.2.3 auf S. 478 f. der Vorschlag<br />
einer differenzierten Betrachtung von drei Gestaltungsebenen unterbreitetet: Sie erstrecken sich auf<br />
die Ebene der Ontologien im engeren Sinn, die auf die reine Konzeptebene beschränkt bleiben, auf<br />
die Ebene der Ontologien im weiteren Sinn, die unter Einbeziehung von Inferenz- und Integritätsregeln<br />
als Ontologieerweiterungen auch die Instanzenebene umfassen, sowie auf die Ebene der<br />
Wissensbasen, die nur auf der Instanzenebene definiert sind.<br />
Für eine symmetrische Relation r mit k1[r =>> k2] gilt stets folgender Regeltyp:<br />
∀x1,x2: x1:k1[r ->> x2] ↔ x2:k2[r ->> x1].<br />
Durch die Symmetrie einer Relation r wird ausgedrückt, dass zu jedem Tupel (i1,i2) aus Instanzen i1<br />
und i2, das in der Extension der Relation r enthalten ist, auch das inverse Tupel (i2,i1) ein Element<br />
der Extension der Relation r sein muss (vice versa).<br />
273) Die „typgerechte“ Instanziierung des Konzepts k 1 stellt eine Besonderheit des Regeltyps für reflexive Relationen dar. Sie lässt<br />
sich als „Einbettung“ eines Integritätsaspekts in eine Inferenzregel auffassen. Denn durch die Antezedenz-Komponente der o.a.<br />
Subjugat-Formel werden unzulässige – „integritätsverletzende“ – Zustände eines Formelsystems ausgeschlossen, in denen formale<br />
Objekte aus der Instanzenmenge I zu sich selbst in der Relation r stehen, obwohl sie diese Relation nicht erfüllen können,<br />
weil sie nicht in der Trägermenge enthalten sind, über der die Relation r definiert ist. Wird dieser Auffassung gefolgt, so liegt<br />
der eigentümliche Fall vor, dass dieselbe Regel – streng genommen: dieselben Regeln, die aus dem o.a. Regeltyp für jede objektsprachliche<br />
Relation gewonnen werden können, – sowohl eine Integritäts- als auch eine Inferenzregel darstellt. Diese Einsicht<br />
ergänzt die Erkenntnis aus dem Kapitel 2.4.2.2.3, dass sich Inferenz- und Integritätsregeln nicht streng voneinander unterscheiden<br />
lassen – zumindest nicht aus der syntaktischen Perspektive der Art der Regelformulierung.
2.4 Generische Kompetenzontologie 527<br />
Die Spezifikation einer transitiven Relation r mit k1[r =>> k2] erfolgt durch folgenden Regeltyp:<br />
∀ x1,x2,x3: (x1[r ->> x2] AND x2[r ->> x3]) → x1[r ->> x3].<br />
Transitive Relationen müssen stets als mengenwertige Relationen spezifiziert sein, da sie per definitionem<br />
zulassen, dass ein formales Objekt zu mindestens zwei weiteren formalen Objekten in Beziehung<br />
gesetzt werden kann. Dies wird in der o.a. Regel durch die metasprachliche Relation „->>“<br />
ausgedrückt. Aufgrund der Mengenwertigkeit der Relation „->>“ lässt sich darstellen, dass ein formales<br />
Objekt i1, das mit einem anderen formalen Objekt i2 mittels der Beziehung i1[r ->> i2] direkt<br />
und mit einem weiteren formalen Objekt i3 mittels der Beziehung i1[r ->> i3] bei Transitivität der<br />
Relation r indirekt verknüpft ist, die mengenwertige Beziehung i1[r ->> {i2,i3}] erfüllt. Diese mengenwertige<br />
Beziehung lässt sich – wie an früherer Stelle erläutert wurde – auch in der äquivalenten,<br />
jedoch einwertigen Schreibweise i1[r ->> i2] und i1[r ->> i3] darstellen. Davon wird in dem o.a. Regeltyp<br />
für transitive Relationen Gebrauch gemacht.<br />
Zu den domänenspezifischen Inferenzregeln gehören insbesondere Inferenzregeln, die es gestatten,<br />
auf Kompetenzen und Kompetenzausprägungen von Akteuren zu schließen, wenn die Akteure bestimmte<br />
„kompetenzverdächtige“ Eigenschaften aufweisen. Solche Inferenzregeln wurden bereits<br />
an früheren Stellen vorgestellt und zum Teil ausführlicher diskutiert. 274) Daher reicht es im Folgenden,<br />
einige wenige Inferenzregeln dieser „kompetenzerschließenden“ Art – oder kurz: Kompetenzregeln<br />
– exemplarisch aufzulisten.<br />
Darüber hinaus wird auf eine grundsätzliche Schwierigkeit der softwaretechnischen Implementierung<br />
solcher domänenspezifischer Inferenzregeln in der KOWIEN-Ontologie aufmerksam gemacht.<br />
Diese Schwierigkeit liegt nicht in der Prädikatenlogik oder der F-Logic „an sich“ begründet,<br />
sondern in der Notwendigkeit, wegen der Einschränkung auf höchstens zweistellige Formeln (Prädikate<br />
oder Relationen) zum Hilfsmittel der Reifizierung zu greifen. Es führt zu nicht-intendierten,<br />
aber nichtsdestoweniger gravierenden „Nebenwirkungen“, die sich metaphorisch und bewusst pointiert<br />
als „Kollateralschäden artifizieller Reifizierung“ stigmatisieren lassen.<br />
Die Implementierungsschwierigkeiten von Kompetenzregeln beruhen darauf, dass die „eigentlich“<br />
dreistellige Aussage, ein Akteur verfüge über eine Kompetenz in einer bestimmten Ausprägung, in<br />
der KOWIEN-Ontologie lediglich auf reifizierte Weise getätigt werden kann. Es wurde bereits an<br />
früherer Stelle ausführlich erläutert, dass die Reifizierung der dreistelligen Urteile über Akteure,<br />
Kompetenzen und Kompetenzausprägungen zu einem komplexen „Aussage-Objekt“ führt, das eine<br />
Instanz des Konzepts Kompetenzaussage darstellt und aus drei miteinander zusammenhängenden,<br />
jeweils zweistelligen Relationen besteht. Sobald eine Kompetenzregel auf ein Tripel aus solchen<br />
zweistelligen Relationen als faktischen Formeln in der Wissensbasis eines ontologiebasierten Kompetenzmanagementsystems<br />
angewendet werden kann und eine neue Kompetenzaussage abzuleiten<br />
gestattet, müsste automatisch eine neue Instanz des Konzepts Kompetenzaussage generiert werden.<br />
274) Vgl. Kapitel 1.3.1.1.3, S. 165 ff., insbesondere Abbildung 16, sowie Kapitel 2.4.2.2.3, S. 458 ff.
528 2.4 Generische Kompetenzontologie<br />
Diese „dynamische“ Generierung von Instanzen 275) lässt sich allerdings mit den derzeit verfügbaren<br />
Softwareinstrumenten zur Implementierung von Ontologien – wie etwa OntoEdit – nicht realisieren.<br />
Ein Lösungsvorschlag für diese Implementierungsschwierigkeiten von (Kompetenz-) Regeln wurde<br />
im KOWIEN-Projekt mit der Integration von Ontologien in Höhere PETRI-Netze unterbreitet, kann<br />
in der hier gebotenen Kürze jedoch nicht näher ausgeführt werden. 276)<br />
Um jedoch das Wissen über plausible Schlussfolgerungsmöglichkeiten hinsichtlich der Kompetenzen<br />
und Kompetenzausprägungen von Akteuren, die im KOWIEN Projekt erarbeiten wurden, nicht<br />
undokumentiert zu lassen, folgt eine Aufstellung „semiformaler“ Kompetenzregeln, in deren Formulierung<br />
die o.a. Implementierungsschwierigkeiten nicht verleugnet, aber in den Hintergrund gerückt<br />
werden. Auf diese Weise wird es möglich, den „inhaltlichen Kern“ der Kompetenzregeln –<br />
die Ableitbarkeit plausiblen Wissens über Akteure, deren Kompetenzen und die zugehörigen Kompetenzausprägungen<br />
– herauszuarbeiten.<br />
Beispielsweise wird mit der folgenden Regel ausgedrückt, dass ein Mitarbeiter eine bestimmte<br />
Kompetenz in der Ausprägung Problemloeser aufweist, wenn er an einer Schulung teilgenommen<br />
hat, die als Gegenstandsbereich unter anderem diese Kompetenz umfasste:<br />
∀ Schulung1, Kompetenz1, Mitarbeiter1:<br />
Schulung1:Weiterbildungskurs [hat_Gegenstandsbereich ->> Kompetenz1;<br />
hat_Teilnehmer ->> Mitarbeiter1]<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Kompetenz1;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> Problemloeser].<br />
Mit dem Ausdruck KA_erz(KID) in der Konklusions-Formel der Inferenzregel wird darauf hingewiesen,<br />
dass für die Instanz des Konzepts Kompetenzaussage ein eindeutiger Identifikator – eine<br />
„ID“ – generiert werden muss, mit der sich die aktuell generierte Kompetenzaussage von allen bereits<br />
in der Wissensbasis vorhandenen und auch von allen zukünftig noch generierten Kompetenzaussagen<br />
eindeutig unterscheiden lässt. Andernfalls wären die Instanzen des Konzepts Kompetenzaussage<br />
nicht mehr voneinander wohlunterschieden. Dann könnten inkonsistente Zustände der Wissensbasis<br />
derart eintreten, dass sich „dieselbe“ Instanz des Konzepts Kompetenzaussage in ihren<br />
Argumentstellen auf unterschiedliche Instanzen der Konzepte Kompetenz, Akteur oder Kompetenzauspraegung<br />
bezieht. Folglich ist es erforderlich, jede neu generierte Instanz des Konzepts Kompetenzaussage<br />
mit einer eindeutigen „ID“ zu versehen. Diese Funktionalität steht jedoch in derzeit angebotenen<br />
Editoren für die softwaretechnische Implementierung von Ontologien – wie etwa Onto-<br />
Edit – nicht zur Verfügung. Sie ließe sich zukünftig beispielsweise durch eine prozedurale Funktionalität<br />
realisieren, mittels derer die bereits vergebenen IDs in der Wissensbasis überprüft werden<br />
275) Die Generierung der Instanzen wird als „dynamisch“ bezeichnet, weil sie erst zur „run time“ der Anwendung eines Kompetenzmanagementsystems<br />
erfolgt. Dies bereitet außerordentlich große Schwierigkeiten, weil in Software zur Implementierung<br />
von Ontologien im Allgemeinen unterstellt wird, dass die formalen Objekte, die zur Instanziierung eines Konzepts in Betracht<br />
kommen, von vornherein – also „statisch“ in Bezug auf die „run time“ der Anwendung eines Kompetenzmanagementsystems –<br />
bekannt sind. Genau diese Implementierungsprämisse wird von Kompetenzaussagen, die durch die Anwendung von Kompetenzregeln<br />
während der „run time“ generiert werden, verletzt. In diesem Sachverhalt liegt die oben angesprochene Implementierungsproblematik<br />
von Kompetenzregeln begründet, die auf reifizierte Kompetenzaussagen angewendet werden.<br />
276) Vgl. stattdessen die detaillierten Erläuterungen von einem der Verfasser in ALAN (2004) S. 84 ff. Vgl. darüber hinaus zur dynamischen<br />
Generierung von Instanzen die Andeutungen in NOY/HAFNER (1998) S. 617 f.
2.4 Generische Kompetenzontologie 529<br />
und die jeder neu erzeugten Kompetenzaussage eine individuelle, in der Wissensbasis noch nicht<br />
vergebene ID zuordnet.<br />
Darüber hinaus wurde in der KOWIEN-Ontologie eine größere Anzahl kompetenzerschließender<br />
Inferenzregeln spezifiziert. 277) Hiervon werden im Folgenden nur einige beispielhaft aufgeführt und<br />
lediglich kurz kommentiert, da sich ihre Bedeutungen jeweils intuitiv erschließen lassen. 278)<br />
Beispielsweise wird in der zweiten Inferenzregel:<br />
∀ Mitarbeiter1, Qualifikation1, Kompetenz1:<br />
Mitarbeiter1:Mitarbeiter [hat_Berufsausbildung ->> Qualifikation1]<br />
AND Qualifikation1:Ausbildung [erfordert_Kompetenzen ->> Kompetenz1]<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Kompetenz1;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> hoch].<br />
das Alltagswissen formal spezifiziert, dass mit Plausibilität auf eine hohe Kompetenz eines Mitarbeiters<br />
geschlossen werden kann, wenn bekannt ist, dass dieser Mitarbeiter eine Berufsausbildung<br />
genossen hat, welche jene Kompetenz erfordert.<br />
Mit der dritten Inferenzregel:<br />
∀ Mitarbeiter1, Jahre1:<br />
KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Lernbereitschaft;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> sehr_hoch]<br />
AND Mitarbeiter1:Mitarbeiter [hat_Alter -> Jahre1]<br />
AND less_or_equal(Jahre1,50)<br />
→ Mitarbeiter1:Mitarbeiter [ist_Schulungskandidat -> true].<br />
kann darauf geschlossen werden, dass ein Mitarbeiter ein Schulungskandidat ist, wenn er eine sehr<br />
hohe Lernbereitschaft aufweist und zudem sein Alter höchstens 50 Jahre beträgt.<br />
Mit der vierten Inferenzregel:<br />
∀ Mitarbeiter1, Anzahl1:<br />
Mitarbeiter1:Mitarbeiter[hat_Kinderzahl -> Anzahl1]<br />
AND greater_or_equal(Anzahl1,1)<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Flexibilität;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> gering].<br />
277) Eine ausführliche Darstellung der Inferenzregeln, die im Verbundprojekt KOWIEN für den Bereich des Managements von<br />
Wissen über Kompetenzen erarbeitet wurden, findet sich in HÜGENS (2004) S. 21 ff. u. 64 ff. (auf den letztgenannten Seiten<br />
eingebettet in die KOWIEN-Ontologie für Zwecke des Kompetenzmanagements, die auf S. 55 ff. dokumentiert ist). Allerdings<br />
wird in der vorgenannten Quelle noch nicht die Technik verwendet, mit dem Ausdruck „KA_erz(KID)“ anzudeuten, dass jeweils<br />
ein eindeutiger Identifikator für Instanzen des Konzepts Kompetenzaussage dynamisch erzeugt werden muss.<br />
278) Zwar werden in den Inferenzregeln gelegentlich Ausdrücke verwendet, die in den vorherigen Kapiteln nicht im Einzelnen vorgestellt<br />
wurden. Aber auch diesbezüglich bedarf es keiner ausführlichen Kommentierung, weil die Bedeutungen jener Ausdrücke<br />
ebenso intuitiv erschlossen werden können.
530 2.4 Generische Kompetenzontologie<br />
kann auf eine geringe Flexibilität eines Mitarbeiters geschlossen werden, wenn er mindestens ein<br />
Kind besitzt.<br />
Mit der fünften Regel:<br />
∀ Mitarbeiter1, Verein1:<br />
Mitarbeiter1:Mitarbeiter [hat_Ehrenamt_im_Verein ->> Verein1]<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Engagement;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> hoch].<br />
lässt sich auf ein hohes Engagement eines Mitarbeiters schließen, wenn bekannt ist, dass er in mindestens<br />
einem Verein ehrenamtlich tätig ist.<br />
Mit der sechsten Regel:<br />
∀ Mitarbeiter1, Maschine1, Maschine2, Maschine3, Maschinenart1<br />
Jahr1, Jahr2, Jahr3, Maschinenalter1, Maschinenalter2, Maschinenalter3:<br />
Mitarbeiter1:Mitarbeiter[hat_gebaut_Maschine ->> {Maschine1,Maschine2,Maschine3}]<br />
AND ( NOT equal(Maschine1,Maschine2) )<br />
AND ( NOT equal(Maschine1,Maschine3) )<br />
AND ( NOT equal(Maschine2,Maschine3) )<br />
AND Maschine1:Maschine [ist_vom_Typ ->> Maschinenart1;<br />
wurde_hergestellt_im_Jahr -> Jahr1]<br />
AND equal(Maschinenalter1,(aktuelles_Jahr - Jahr1))<br />
AND less_or_equal(Maschinenalter1,5)<br />
AND Maschine2:Maschine [ist_vom_Typ ->> Maschinenart1;<br />
wurde_hergestellt_im_Jahr -> Jahr2]<br />
AND equal(Maschinenalter2,(aktuelles_Jahr - Jahr2))<br />
AND less_or_equal(Maschinenalter2,5)<br />
AND Maschine3:Maschine [ist_vom_Typ ->> Maschinenart1;<br />
wurde_hergestellt_im_Jahr -> Jahr3]<br />
AND equal(Maschinenalter3,(aktuelles_Jahr - Jahr3))<br />
AND less_or_equal(Maschinenalter3,5)<br />
AND Maschnenart1:Maschinenart[erfordert_Herstellungskompetenzen ->> Kompetenz1]<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Kompetenz1;<br />
betrifft_Akteur -> Mitarbeiter1;<br />
beinhaltet_Kompetenzauspraegung ->> sehr_hoch].<br />
kann darauf geschlossen werden, dass ein Mitarbeiter eine sehr hohe Kompetenz bezüglich der Herstellung<br />
einer Maschinenart besitzt, wenn er in den zurückliegenden 5 Jahren mindestens 3 Exemplare<br />
dieser Maschinenart gebaut hat.
2.4 Generische Kompetenzontologie 531<br />
Schließlich kann mit der siebten Inferenzregel:<br />
∀ Mitarbeiter1, Projekt1, Projekt2:<br />
Mitarbeiter1:Mitarbeiter [hat_geleitet_Projekt ->> Projekt1;<br />
hat_geleitet_Projekt ->> Projekt2]<br />
AND ( NOT equal(Projekt1,Projekt2) )<br />
AND Projekt1:Projekt[hat_bewertung -> erfolgreich]<br />
AND Projekt2:Projekt[hat_bewertung -> erfolgreich]<br />
→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Fuehrungsfaehigkeit;<br />
betrifft_Akteur -> Mitarbeiter1<br />
beinhaltet_Kompetenzauspraegung ->> hoch].<br />
darauf geschlossen werden, dass ein Mitarbeiter hohe Führungsfähigkeiten besitzt, wenn er mindestens<br />
zwei voneinander unterschiedliche Projekte geleitet hat, die beide als „erfolgreich“ bewertet<br />
wurden.<br />
Bei allen voranstehenden Inferenzregeln kann trefflich darüber gestritten werden, ob es „angemessen“<br />
ist, die jeweils ausgewiesenen Schlussfolgerungen zu ziehen. Beispielsweise lässt sich beliebig<br />
lange und beliebig intensiv darüber debattieren, aus welchen Gründen es gerechtfertigt sein könnte,<br />
einem Mitarbeiter eine sehr hohe Kompetenz zur Herstellung einer Maschinenart „schon“ oder<br />
„erst“ dann zu bescheinigen, wenn er in den zurückliegenden 5 Jahren mindestens 3 Exemplare dieser<br />
Maschinenart gebaut hat. So könnte angezweifelt werden, ob nicht etwa ein Zeitraum von 2 Jahren<br />
oder eine Mindestanzahl von 5 hergestellten Maschinenexemplaren „plausibler“ wäre. In diesen<br />
Streit möchten sich die Verfasser jedoch nicht einmischen. Denn es geht ihnen hier nicht um die inhaltliche<br />
Angemessenheit der voranstehenden Inferenzregeln. Stattdessen wird von vornherein eingeräumt,<br />
dass es für objektsprachliche Inferenzregeln charakteristisch ist, im Gegensatz zu den metasprachlichen<br />
Inferenzregeln der Prädikatenlogik keine Allgemeingültigkeit zu besitzen.<br />
Objektsprachliche Inferenzregeln weisen nur Plausibilitätscharakter auf und können im Einzelfall<br />
durchaus zu Fehlschlüssen verleiten. Insbesondere erlangen sie ihre Plausibilitätskraft nicht situations-<br />
und subjektunabhängig. Vielmehr werden solche Inferenzregeln nur unter bestimmten situativen<br />
Randbedingungen und nur von bestimmten Akteuren als plausibel anerkannt, wie z.B. von<br />
Mitarbeitern eines Unternehmens, die über einen gemeinsamen Erfahrungshintergrund verfügen.<br />
Daher kann die Plausibilität einer jeden objektsprachlichen Inferenzregel jederzeit – und mit guten<br />
Gründen – in Zweifel gezogen werden, indem die jeweils relevante Akteursgruppe und der ebenso<br />
relevante situative Kontext gewechselt werden. Daher spielt es für die Aufstellung von objektsprachlichen<br />
Inferenzregeln keine Rolle, ob sie von allen Rezipienten und für alle Situationen anerkannt<br />
werden. Vielmehr kommt es „nur“ darauf an, dass sich eine Gruppe von Akteuren für einen<br />
situativen Kontext – wie etwa die arbeitsteilige Erfüllung einer gemeinsam übernommenen Aufgabe<br />
– auf die Anerkennung der Plausibilität einer objektsprachlichen Inferenzregel zu einigen vermag.<br />
Dies entspricht unmittelbar dem Verständnis von Ontologien, das im Kapitel 1.3.1.1.3 (S. 141 ff.)<br />
dieses Werks entfaltet wurde. In Anspielung auf eine Redeweise, die für Ontologien weit verbreitet<br />
ist, kann eine Gruppe von Akteuren, die sich auf die Akzeptanz der Plausibilität einer objektsprachlichen<br />
Inferenzregel für einen gemeinsam geteilten situativen Kontext verständigt hat, als eine<br />
Ontogroup bezeichnet werden.
532 2.4 Generische Kompetenzontologie<br />
Neben Inferenzregeln spielen auch Integritätsregeln für Ontologien eine wichtige Rolle, um die Zulässigkeit<br />
der Repräsentation von Wissen über einen Realitätsausschnitt zu wahren oder herzustellen.<br />
Von den wichtigsten Integritätsregeln, die in der KOWIEN-Ontologie enthalten sind, werden<br />
nachfolgend einige Exemplare zur Verdeutlichung aufgelistet. Auf einzelne Exemplare wurde bereits<br />
an früherer Stelle ausführlicher eingegangen, 279) so dass an dieser Stelle knappe Kommentare<br />
zu den Integritätsregeln ausreichen.<br />
Mit der ersten Integritätsregel:<br />
∀ Mitarbeiter1, Mitarbeiter2:<br />
Mitarbeiter1:Mitarbeiter [hat_Vorgesetzte ->> Mitarbeiter2]<br />
→ NOT equal(Mitarbeiter1,Mitarbeiter2).<br />
wird die Irreflexivität der Relation hat_Vorgesetzte ausgedrückt. Demnach ist eine Formel in der<br />
Wissensbasis bezüglich der o.a. Integritätsregel unzulässig, wenn in der Formel ausgedrückt wird,<br />
dass ein Mitarbeiter in der Relation hat_Vorgesetzte zu sich selbst steht.<br />
Mit der zweiten Integritätsregel:<br />
∀ Mitarbeiter1, Jahr1:<br />
Mitarbeiter1:Mitarbeiter [hat_Geburtsjahr -> Jahr1]<br />
→ greater_or_equal(Jahr1,1900).<br />
können alle Formeln in der Wissensbasis als unzulässig ausgezeichnet werden, nach denen ein Mitarbeiter<br />
früher als im Jahr 1900 geboren wäre.<br />
Mit der dritten Integritätsregel:<br />
∀ Mitarbeiter1, Mitarbeiter2, Zahl1, Zahl2:<br />
Mitarbeiter1:Mitarbeiter [hat_Personalnummer -> Zahl1]<br />
AND Mitarbeiter2:Mitarbeiter [hat_Personalnummer -> Zahl2]<br />
AND NOT equal(Mitarbeiter1,Mitarbeiter2)<br />
→ NOT equal(Zahl1,Zahl2).<br />
werden alle Formelmengen als unzulässig ausgezeichnet, in denen zwei unterschiedlichen Mitarbeitern<br />
dieselbe Personalnummer zugeordnet ist. Hierdurch wird die Linkseindeutigkeit der Relation<br />
hat_Personalnummer gewährleistet. Auf diese Relationseigenschaft kann im betrieblichen Alltag<br />
nicht verzichtet werden.<br />
Mit der vierten Integritätsregel:<br />
∀ Mitarbeiter1:<br />
Mitarbeiter1:Mitarbeiter<br />
→ (∃ Abteilung1: Abteilung1:Abteilung<br />
AND Mitarbeiter1 [arbeitet_in_Abteilung ->> Abteilung1]).<br />
279) Vgl. Kapitel 2.4.2.2.3, S. 466 ff.
2.4 Generische Kompetenzontologie 533<br />
wird jede Instanziierung des Konzepts Mitarbeiter mit einer Instanz Mitarbeiter als unzulässig ausgezeichnet,<br />
wenn keine Abteilung existiert, in welcher der Mitarbeiter arbeitet. Dadurch wird die<br />
Linkstotalität der Relation arbeitet_in_Abteilung gewährleistet.<br />
Schließlich wird mit der fünften Integritätsregel:<br />
∀ Abteilung1:<br />
Abteilung1:Abteilung<br />
→ (∃ Mitarbeiter1: Mitarbeiter1:Mitarbeiter<br />
AND Mitarbeiter1[arbeitet_in_Abteilung ->> Abteilung1]).<br />
jede Instanz (Abteilung) des Konzepts Abteilung als unzulässig ausgezeichnet, wenn kein Mitarbeiter<br />
existiert, der in dieser Abteilung arbeitet. Dadurch wird die Rechtstotalität der Relation arbeitet_<br />
in_Abteilung sichergestellt.<br />
2.4.5 Anschlussfähigkeit der Kompetenzontologie<br />
an Kompetenz-Wissensbasen – eine exemplarische Betrachtung<br />
auf der Instanzenebene<br />
Im Folgenden wird anhand eines Beispiels verdeutlicht, wie sich die Repräsentation von Wissen<br />
über Kompetenzen, Wissensträger und Kompetenzprofile in der Wissensbasis eines ontologiebasierten<br />
Kompetenzmanagementsystems auf der Basis der KOWIEN-Ontologie realisieren lässt. Als<br />
Grundlage hierfür dient die Spezifikation:<br />
mueller4711 : Individualakteur.<br />
mueller4711 [hat_Kompetenzprofil -> KP_mueller4711].<br />
KP_mueller_4711: Kompetenzprofil [beinhaltet_Kompetenzaussage ->> {KA_1,KA_2}].<br />
KA_1:Kompetenzaussage [beinhaltet_Kompetenz -> Java;<br />
betrifft_Akteur -> mueller4711;<br />
beinhaltet_Kompetenzauspraegung ->> Problemloeser].<br />
KA_2:Kompetenzaussage [beinhaltet_Kompetenz -> C++;<br />
betrifft_Akteur -> mueller4711;<br />
beinhaltet_Kompetenzauspraegung ->> Anfaenger].<br />
Mit dieser Spezifikation wird eine Instanz mueller4711 des Konzepts Individualakteur eingeführt.<br />
Dem Akteur mueller4711 wird die Instanz KP_mueller_4711 des Konzepts Kompetenzprofil durch<br />
die Relation hat_Kompetenzprofil zugewiesen. Das Kompetenzprofil KP_mueller4711 ist über die<br />
mengenwertige Relation beinhaltet_Kompetenzaussage mit den beiden Instanzen KA_1 und KA_2<br />
des Konzepts Kompetenzaussage verbunden. In der Kompetenzaussage KA_1 wird ausgedrückt,<br />
dass der Akteur mueller4711 die Kompetenz Java in der Ausprägung Problemloeser besitzt. Die<br />
Kompetenzaussage KA_2 drückt hingen aus, dass derselbe Akteur mueller4711 über die Kompetenz<br />
C++ nur in der Ausprägung Anfaenger verfügt.
534 2.4 Generische Kompetenzontologie<br />
Mit der o.a. Spezifikation wird der Zusammenhang formal erfasst, der in der Abbildung 66 graphisch<br />
illustriert ist. In dieser wird die KOWIEN-Ontologie, die mit der Wissensrepräsentationssprache<br />
F-Logic verfasst wurde, als ein semantisches Netz 280) rekonstruiert. Semantische Netze bieten<br />
sich dann als Metasprache zur Repräsentation von Wissen an, wenn eine anwenderfreundliche,<br />
graphisch basierte Syntax benötigt wird. Die Semantik bleibt hingegen unverändert, wenn die Modellierungsprimitive<br />
des semantischen Netzes eindeutig auf die Modellierungsprimitive aus der F-<br />
Logic-Notation abgebildet werden können.<br />
Java<br />
C++<br />
beinhaltet<br />
Kompetenz<br />
beinhaltet<br />
Kompetenz<br />
Problemloeser<br />
beinhaltet<br />
Kompetenzauspraegung<br />
KA_1<br />
betrifft<br />
Akteur<br />
mueller4711 hat_Kompetenzprofil KP_mueller4711<br />
betrifft<br />
Akteur<br />
KA_2<br />
beinhaltet<br />
Kompetenzauspraegung<br />
Anfaenger<br />
beinhaltet_Kompetenzaussage<br />
beinhaltet_Kompetenzaussage<br />
Abbildung 66: Beispiel zur Repräsentation von Wissen über<br />
Kompetenzen, Kompetenzträger und Kompetenzprofile in der KOWIEN-Ontologie<br />
Da in der KOWIEN-Ontologie lediglich zweistellige Relationen spezifiziert sind, lässt sich das entsprechende<br />
semantische Netz unmittelbar intuitiv nachvollziehen. Das semantische Netz setzt sich<br />
aus Knoten und gerichteten Kanten zusammen. Die Knoten des Netzes entsprechen jeweils Instanzen<br />
281) aus der KOWIEN-Ontologie. Die gerichteten Kanten stellen Beziehungen zwischen Instanzen<br />
dar und entsprechen auf diese Weise jeweils einem Element aus den zweistelligen Relationen<br />
der KOWIEN-Ontologie zwischen ihren Konzepten. Der Knoten im Kantenursprung repräsentiert<br />
280) Zur Spezifikation von Ontologien mittels semantischer Netze vgl. CORBY/DIENG/HÉBERT (2000) S. 470 ff.; vgl. darüber hinaus<br />
– allerdings ohne expliziten Bezug zu Ontologien – zu semantischen Netzen BIBEL (1992) S. 82; SOWA (1984) S. 69 ff.; SOWA<br />
(2000) S. 23 ff.<br />
281) In dem hier betrachteten semantischen Netz sind lediglich Instanzen und Beziehungen zwischen Instanzen dargestellt. Sollen<br />
auch Konzepte und Relationen zwischen Konzepten dargestellt werden, ist es erforderlich, zusätzliche Hervorhebungsmittel im<br />
Netz aufzunehmen. Beispielsweise könnten Konzepte als Kreise und Instanzen als Rechtecke dargestellt werden. Entsprechend<br />
müssten auch unterschiedliche Kantentypen berücksichtigt werden für einerseits Beziehungen zwischen Instanzen und andererseits<br />
Beziehungen zwischen Konzepten. Hinzu käme ein dritter Kantentyp, der von einer Instanz zu einem Konzept führen kann<br />
und einem Element aus der Relation ist_Instanz_von entsprechen würde.
2.4 Generische Kompetenzontologie 535<br />
die erste Argumentstelle der jeweils betroffenen Relation, während die zweite Argumentstelle der<br />
Relation durch den Knoten im Kantenziel wiedergegeben wird.<br />
Die netzartige Darstellung von Ontologien und ontologiebasierten Wissensbasen wird seit kurzem<br />
von verschiedenen Softwareprodukten unterstützt. Das Softwaretool OntoEdit, das im Verbundprojekt<br />
KOWIEN eingesetzt wurde, verfügt beispielsweise über eine „Visualizer“-Komponente. Sie erlaubt<br />
nicht nur die passive Rekonstruktion von Ontologien in der Form von semantischen Netzen,<br />
sondern unterstützt darüber hinaus auch die aktive Konstruktion von Ontologien. Ein Screenshot<br />
dieser Komponente zeigt die Abbildung 67 auf der nächsten Seite.<br />
Abbildung 67: „Visualizer“-Komponente des Softwaretools OntoEdit<br />
mit einem Ausschnitt der KOWIEN-Ontologie
2.5 Unterstützung für computerbasierte <strong>Kompetenzmanagementsysteme</strong><br />
durch Techniken des Operations Research<br />
DIPL.-KFM. MALTE L. PETERS, UNIV.-PROF. DR. STEPHAN ZELEWSKI<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
2.5.1 Problemstellung<br />
In der betriebswirtschaftlichen Praxis finden sich zahlreiche Softwaresysteme, die Funktionen zur<br />
Dokumentation von Mitarbeiter-Kompetenzen bereitstellen. Solche Softwaresysteme finden sich<br />
insbesondere im Bereich der Personalverwaltung und Personalentwicklung oder – in „moderner“<br />
Begrifflichkeit – des Human Resources Managements. Hinzu kommen fortschrittliche <strong>Kompetenzmanagementsysteme</strong><br />
der Art, wie sie im Rahmen des hier vorgestellten Verbundprojekts KOWIEN<br />
entwickelt wurden. Sie gestatten es, nicht nur Mitarbeiter-Kompetenzen explizit zu dokumentieren,<br />
sondern auch implizit vorhandenes Wissen über Mitarbeiter-Kompetenzen computerbasiert zu erschließen.<br />
Die vorgenannten Softwaresysteme im Allgemeinen und <strong>Kompetenzmanagementsysteme</strong> im Besonderen<br />
ermöglichen zwar einem Anwender, Mitarbeiter mit bestimmten, für die Erfüllung einer<br />
Aufgabe benötigten Kompetenzen schnell aufzufinden. Aber sie leisten keine unmittelbare Unterstützung<br />
hinsichtlich des Problems, Mitarbeiter nach Maßgabe der verfügbaren oder benötigten<br />
Kompetenzen so zu Arbeitsplätzen zuzuordnen, dass für die Gesamtheit aller Mitarbeiter und Arbeitsplätze<br />
ein – hinsichtlich der zugrunde liegenden Optimierungskriterien noch zu konkretisierendes<br />
– „optimales“ Zuordnungsergebnis erzielt wird. Dieses Problem der optimalen Zuordnung zwischen<br />
Kompetenzträgern (Mitarbeitern) und Kompetenzanforderungen (Arbeitsplätzen) stellt aus<br />
betriebswirtschaftlicher Perspektive ein Kernproblem der kompetenzbasierten Personaleinsatzplanung<br />
dar. Für seine Lösung stehen mehrere Ansätze zur Verfügung. 1) Sie werden jedoch in der betrieblichen<br />
Praxis oftmals nicht konkret genutzt. 2) Insbesondere mangelt es an transparenten Entscheidungsmodellen<br />
für die optimale Planung des Personaleinsatzes, die speziell auf die Belange<br />
einer kompetenzbasierten Personaleinsatzplanung zugeschnitten sind. Daher bedürfen <strong>Kompetenzmanagementsysteme</strong><br />
einer Erweiterung um entsprechende Entscheidungsmodelle.<br />
Die Berücksichtigung von Kompetenzaspekten bei der modellgestützten Zuordnung zwischen Mitarbeitern<br />
und Arbeitsplätzen erweist sich aus mindestens zwei Gründen als wünschenswert. Einerseits<br />
sollen Mitarbeiter so eingesetzt werden, dass sie die Kompetenzanforderungen ihres Arbeitsplatzes<br />
erfüllen können und somit ihren dortigen Aufgaben gewachsen sind. Dies stellt für die Effektivität<br />
der Mitarbeiter und die Qualität ihrer Arbeitsergebnisse eine conditio sine qua non dar.<br />
Andererseits entsprechen die Kompetenzanforderungen eines Arbeitsplatzes nicht notwendig den<br />
Präferenzen der Mitarbeiter, die sie hinsichtlich des Einsatzes ihrer Kompetenzen und hinsichtlich<br />
1) Ein breiter Überblick über Ansätze zur kompetenzbasierten Personaleinsatzplanung findet sich in MAIER/GOLLITSCHER (2000)<br />
S. 1 ff., insbesondere S. 5 ff.; vgl. am Rande auch AGRAWAL/BERRYMAN/RICHARDS (2003) S. 74. Vgl. des Weiteren zu speziellen<br />
Anwendungsbereichen der kompetenzbasierten Personaleinsatzplanung BOON/SIERKSMA (2003) S. 278 ff. (Teamkonfiguration<br />
im Sportbereich); HENDRIKS/VOETEN/KROEP (1999) S. 182 ff. (Multi-Projekt-Planung).<br />
2) Vgl. AGRAWAL/BERRYMAN/RICHARDS (2003) S. 70 f.: „ ... must companies abandon the attempt to make rational choices and<br />
instead merely guess how best to assign employees to jobs.” (S. 79) „ ... As a result, human capital – the skills and knowledge<br />
of employees – too often remains an untapped performance lever.“ (S. 72).
538 2.5 Techniken des Operations Research<br />
der Eigenschaften ihres Arbeitsplatzes hegen. Die Berücksichtung dieser Mitarbeiterpräferenzen bei<br />
der Personaleinsatzplanung kann wesentlich zu einer höheren Motivation der Mitarbeiter beitragen.<br />
Denn Mitarbeiter sind in der Regel umso motivierter, je mehr sie mit Aufgaben konfrontiert werden,<br />
die in ihren Interessensgebieten liegen. Wenn beispielsweise ein Mitarbeiter lieber englisch als<br />
spanisch spricht, wird er ceteris paribus einen Arbeitsplatz präferieren, für den die Kompetenz<br />
„englische Sprachkenntnisse“ bedeutender ist als die Kompetenz „spanische Sprachkenntnisse“.<br />
Ebenso wie die Berücksichtigung der Mitarbeiterpräferenzen hinsichtlich der Kompetenzen führt<br />
auch die Berücksichtigung ihrer Präferenzen hinsichtlich der Eigenschaften eines Arbeitsplatzes zu<br />
einer höheren Motivation. So präferiert eine Alleinerziehende gegebenenfalls einen Arbeitsplatz,<br />
bei dem eine Teilzeitbeschäftigung möglich ist, gegenüber einem Arbeitsplatz, der nur im Rahmen<br />
einer Vollzeitbeschäftigung besetzt werden kann.<br />
In diesem Beitrag wird das so genannte „Goal Programming“ als Technik 3) des Operations Research<br />
zur Lösung des oben skizzierten Zuordnungsproblems der kompetenzbasierten Personaleinsatzplanung<br />
von Mitarbeitern zu Arbeitsplätzen vorgestellt. Die Technik des Goal Programmings<br />
eignet sich vor allem aus zwei Gründen zur Lösung dieses Zuordnungsproblems: Erstens können<br />
beim Goal Programming mehrere Ziele als Entscheidungskriterien simultan berücksichtigt werden.<br />
Diese Ziele bestehen hier sowohl in der Beachtung der „objektiven“ Übereinstimmung zwischen<br />
Kompetenzanforderungen von Arbeitsplätzen und Kompetenzangeboten durch Mitarbeiter als auch<br />
in der Rücksichtnahme auf „subjektive“ Mitarbeiterpräferenzen. Zweitens dient das Goal Programming<br />
der Minimierung von Abweichungen zwischen Sollwerten und Istwerten. Diese Abweichungen<br />
erstrecken sich beim vorliegenden Problem der Personaleinsatzplanung zum einen auf Diskrepanzen,<br />
die zwischen den Kompetenzanforderungen der Arbeitsplätze (Sollwerte) und den tatsächlichen<br />
Kompetenzen der Mitarbeiter (Istwerte) bestehen. Zum anderen wird erfasst, inwieweit die<br />
Mitarbeiterpräferenzen für Kompetenzen und für Arbeitsplatzeigenschaften (jeweils Sollwerte) von<br />
den Bedeutungen dieser Kompetenzen für Arbeitsplätze bzw. den tatsächlichen Eigenschaften der<br />
betroffenen Arbeitsplätze (jeweils Istwerte) abweichen.<br />
Kein anderer Modellierungsansatz des Operations Research gestattet eine derart differenzierte und<br />
zugleich präzise Erfassung der Abweichungen zwischen Soll- und Istwerten für eine beliebig große<br />
Anzahl entscheidungsrelevanter Ziele, wie es seitens der Technik des Goal Programmings der Fall<br />
ist. Durch die Anwendung dieser Modellierungstechnik lassen sich Entscheidungsmodelle für die<br />
kompetenzbasierte Personaleinsatzplanung konstruieren und auch effizient lösen, in denen das zunächst<br />
nur vage umschriebene (Meta-) Ziel der optimalen Zuordnung von Mitarbeitern zu Arbeits-<br />
3) Als Technik wird hier eine Sammlung aus Methoden zur Konstruktion von Modellen mit einer bestimmten, für die Technik<br />
spezifischen Modellstruktur, aus Methoden zur Lösung der Modelle und aus unterstützenden Werkzeugen für die Modellkonstruktion<br />
und -lösung verstanden. Des Öfteren wird eine Technik explizit nur durch die Spezifizierung einer bestimmten Modellstruktur<br />
definiert. Die Methoden zur Modellkonstruktion und zur Modelllösung gelten in diesem Fall als „trivial“ (worüber<br />
sich trefflich streiten lässt). Sie werden als implizit „vereinbart“ betrachtet in dem Sinne, dass alle Konstruktionsmethoden zugelassen<br />
werden, deren Anwendung zu der technikspezifischen Modellstruktur führt, sowie alle Lösungsmethoden, die sich auf<br />
die technikspezifische Modellstruktur anwenden lassen. Wenn die Modelle, welche die technikspezifische Modellstruktur aufweisen,<br />
in pragmatischer Hinsicht speziell für die Bearbeitung von Entscheidungs- oder Optimierungsproblemen angewendet<br />
werden, wird die zugrunde liegende Technik auch als Entscheidungs- bzw. Optimierungstechnik bezeichnet. Bei den Werkzeugen,<br />
die zur Unterstützung von Modellkonstruktion und -lösung dienen, handelt es sich in der Regel um Software für die computerbasierte<br />
Anwendung einer Technik. Software für die Modellkonstruktion wird oftmals als Modelleditor, Software für die Modelllösung<br />
dagegen als Solver-Komponente bezeichnet. Oftmals sind Modelleditor und Solver-Komponente in einer integrierten<br />
Software gemeinsam vorhanden.
2.5 Techniken des Operations Research 539<br />
plätzen „handfest“ und praxisnah konkretisiert wird: Es gilt diejenige(n) Lösung(en) 4) des Zuordnungsproblems<br />
zu finden, in der (denen) die Gesamtheit der Abweichungen zwischen Soll- und<br />
Istwerten aller entscheidungsrelevanten (Objekt-) Ziele minimal ausfällt.<br />
2.5.2 Grundlagen<br />
2.5.2.1 Terminologische Grundlagen<br />
Ein Beispiel für eine Kompetenz im Sinne handlungsbefähigenden Wissens 5) ist die Fähigkeit eines<br />
Mitarbeiters, seine Fremdsprachenkenntnisse zu nutzen, um mit einem ausländischen Geschäftspartner<br />
zu verhandeln. Kompetenzen können qualitativ unterschiedlich ausgeprägt sein. Beispielsweise<br />
ist die Fähigkeit eines Mitarbeiters, in einer Fremdsprache zu verhandeln, niedrig ausgeprägt,<br />
wenn er nur über Grundkenntnisse in der jeweiligen Fremdsprache verfügt. Die Ausprägung dieser<br />
Kompetenz fällt hingegen hoch aus, wenn der Mitarbeiter umfassende Fremdsprachenkenntnisse<br />
besitzt und sie in jüngerer Zeit auch hinreichend oft in Verhandlungssituationen erfolgreich praktiziert<br />
hat. Solche qualitativen Ausprägungen von Kompetenzen werden als Kompetenzniveaus bezeichnet.<br />
Darüber hinaus können Kompetenzen in so genannten Kompetenzhierarchien strukturiert werden.<br />
In derartigen Kompetenzhierarchien werden ähnliche Kompetenzen unter jeweils einem „Knoten“<br />
zu einem „Kompetenz-Cluster“ gruppiert. Beispielsweise können – wie in Abbildung 68 auf der<br />
nächsten Seite dargestellt ist – die Kompetenzen „englische Sprachkenntnisse“ und „französische<br />
Sprachkenntnisse” unter einem Knoten „Fremdsprachenkenntnisse“ gruppiert werden.<br />
4) Wie alle Entscheidungsmodelle können auch die hier betrachteten Entscheidungsmodelle zur Bearbeitung des Zuordnungsproblems<br />
der kompetenzbasierten Personaleinsatzplanung mehrere optimale Lösungen besitzen. Dies ist genau dann der Fall, wenn<br />
mehrere Lösungen des Zuordnungsproblems mit derselben minimalen Gesamtabweichung zwischen Soll- und Istwerten aller<br />
entscheidungsrelevanten Ziele existieren. Tritt dieser Fall einer Mehrdeutigkeit des Optimums auf, so kann der Entscheidungsträger<br />
eine von den optimalen Lösungen willkürlich auswählen: z.B. Mithilfe eines Zufallsverfahrens oder durch eine lexikographische<br />
Anordnung aller Entscheidungsalternativen, aus denen entweder die ranghöchste oder die rangtiefste selektiert wird.<br />
5) Vgl. Vorwort, S. 3.
540 2.5 Techniken des Operations Research<br />
Kompetenzen<br />
Fremdsprachenkenntnisse Softwarekenntnisse Rechnungslegungskenntnisse<br />
englische<br />
Sprachkenntnisse<br />
französische<br />
Sprachkenntnisse<br />
italienische<br />
Sprachkenntnisse<br />
portugiesische<br />
Sprachkenntnisse<br />
spanische<br />
Sprachkenntnisse<br />
Microsoft Access<br />
Microsoft Excel<br />
Microsoft Outlook<br />
Microsoft PowerPoint<br />
Microsoft Word<br />
Handelsgesetzbuch (HGB)<br />
United States-<br />
Generally Accepted Accounting<br />
Principles (US-GAAP)<br />
International<br />
Accounting Standards<br />
(IAS)<br />
Abbildung 68: Exemplarische Darstellung einer Kompetenzhierarchie<br />
Kompetenzhierarchien bilden eine zentrale konzeptionelle Schnittstelle – oder treffender: Nahtstelle<br />
– zwischen den hier vorgestellten Techniken der Operations Research einerseits und den ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n des Verbundprojekts KOWIEN andererseits. Denn<br />
Kompetenzhierarchien lassen sich zum einen nutzen, um den Arbeitsaufwand für die Konstruktion<br />
und die Lösung von Entscheidungsmodellen der kompetenzbasierten Personaleinsatzplanung zu reduzieren.<br />
Dies wird im nachstehenden Kapitel zum Analytic Hierarchy Process verdeutlicht werden.<br />
Zum anderen können Kompetenzhierarchien unmittelbar aus einer Kompetenzontologie gewonnen<br />
werden, weil die taxonomische Struktur einer Ontologie von vornherein hierarchische<br />
Über- und Unterordnungsbeziehungen zwischen den erfassten Kompetenzen definiert. 6) Daher lassen<br />
sich die Kompetenzontologien, die <strong>Kompetenzmanagementsysteme</strong>n zugrunde liegen, verwenden,<br />
um mit Hilfe ihrer taxonomischen Strukturen Kompetenzhierarchien zu bilden, die ihrerseits<br />
den Arbeitsaufwand von Entscheidungsmodellen der kompetenzbasierten Personaleinsatzplanung<br />
6) Zwar muss die taxonomische Struktur einer Ontologie nicht notwendig eine hierarchische Struktur darstellen. Vielmehr kann<br />
eine Kompetenzontologie aufgrund von „Mehrfachzuordnungen“ einer Kompetenz zu mehreren übergeordneten Kompetenzen<br />
auch eine (taxonomische) Netzstruktur aufweisen. Dieser Sonderfall tritt jedoch in der betrieblichen Praxis nach Erfahrung der<br />
Verfasser nur sehr selten auf. Darüber hinaus lässt sich die Goal-Programming-Technik für Entscheidungsmodelle zur kompetenzbasierten<br />
Personaleinsatzplanung sogar auch auf diesen Sonderfall übertragen. Zu diesem Zweck braucht lediglich der Analytic<br />
Hierarchy Process (AHP), der im anschließenden Kapitel als eine Basis der Entscheidungsmodelle entfaltet wird, durch die<br />
Variante des Analytic Network Process (ANP) ersetzt zu werden. Aufgrund seines komplexeren Aufbaus wird der ANP im hier<br />
vorgelegten Beitrag nicht näher betrachtet. Er kann aber prinzipiell zur Weiterentwicklung der hier präsentierten Entscheidungsmodelle<br />
verwendet werden. Vgl. zu Einführungen in den Analytic Network Process: SAATY (2001a) S. 227 f.; SAATY<br />
(2001c) S. 83 ff.
2.5 Techniken des Operations Research 541<br />
verringern können. Kompetenzontologien tragen über diese Wirkungskette mittelbar zur Aufwandsreduzierung<br />
bei der kompetenzbasierten Personaleinsatzplanung bei. Aus der Perspektive der betrieblichen<br />
Praxis spielt der Arbeitsaufwand, der für die Anwendung einer Planungstechnik anfällt,<br />
eine herausragende Rolle für die faktische Akzeptanz von Planungstechniken. Aus diesem Grund<br />
stellt der aufwandsreduzierende Effekt von Kompetenzontologien bei der kompetenzbasierten Personaleinsatzplanung<br />
ein wesentliches Argument für die betriebliche Praxis dar, fortschrittliche<br />
<strong>Kompetenzmanagementsysteme</strong> einzusetzen, die auf Ontologien basieren. 7) Diese <strong>Kompetenzmanagementsysteme</strong><br />
sollten entweder über wohldefinierte Schnittstellen zur Personaleinsatzplanung<br />
verfügen oder aber selbst die Funktionalität aufweisen, kompetenzbasierte Personaleinsatzplanungen<br />
zu unterstützen, um den vorgenannten aufwandsreduzierenden Effekt von Kompetenzontologien<br />
auch tatsächlich nutzen zu können.<br />
Des Weiteren sind in der betrieblichen Praxis zwei Arten von Kompetenzprofilen zur Dokumentation<br />
von Kompetenzen erforderlich. Zum einen können Kompetenzprofile für Mitarbeiter angelegt<br />
werden. Ein solches Mitarbeiter-Kompetenzprofil enthält die faktischen Kompetenzniveaus eines<br />
Mitarbeiters für alle berücksichtigten Kompetenzen. Zum anderen finden Arbeitsplatz-Kompetenzprofile<br />
Verwendung, um für jede betrachtete Kompetenz dasjenige Kompetenzniveau festzulegen,<br />
das zur erfolgreichen Erfüllung der Aufgaben an einem Arbeitsplatz mindestens erforderlich ist.<br />
Neben dieser arbeitsplatzspezifischen Höhenpräferenz lassen sich in einem Arbeitsplatz-Kompetenzprofil<br />
ebenso Artenpräferenzen bezüglich der Kompetenzen berücksichtigen, indem festgelegt<br />
wird, wie bedeutend die einzelnen Kompetenzen für den jeweiligen Arbeitsplatz sind.<br />
Arbeitsplatzattribute, wie beispielsweise die Arbeitsstunden pro Tag, die Anzahl der Arbeitstage<br />
pro Woche, Anzahl der Urlaubstage pro Jahr, der Grad der Arbeitssicherheit und die Bürogröße,<br />
dienen der Beschreibung der Eigenschaften eines Arbeitsplatzes. Analog zu Kompetenzen können<br />
Arbeitsplatzattribute in einer Hierarchie strukturiert werden. Beispielsweise lassen sich die Arbeitsplatzattribute<br />
„Arbeitsstunden pro Tag“ und „Anzahl der Arbeitstage pro Woche“ einem Knoten<br />
„Arbeitszeit“ als Cluster von Arbeitszeitaspekten unterordnen.<br />
7) Da im Verbundprojekt KOWIEN von vornherein ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> im Zentrum der Forschungs-,<br />
Entwicklungs- und Transferarbeiten standen, zeigt sich spätestens hier im Anwendungskontext der kompetenzbasierten<br />
Personaleinsatzplanung die unmittelbare Praxisrelevanz der Grundsatzentscheidung, für das Management von Wissen über<br />
Kompetenzen auf Ontologien zurückzugreifen. Die Verfasser möchten diese Einsicht insbesondere allen jenen Skeptikern zu<br />
bedenken geben, die – wie z.B. Vertreter von Projektträgern und des B<strong>MB</strong>F – die Ansicht vertreten oder auch nur das Gefühl<br />
hegen, bei Ontologien handele es sich um „praxisferne“ Konstrukte aus einer „reinen Theorie“, die keinen unmittelbar ersichtlichen<br />
Nutzen für die betriebliche Praxis stiften könne.
542 2.5 Techniken des Operations Research<br />
2.5.2.2 Methodische Grundlagen<br />
2.5.2.2.1 Analytic Hierarchy Process<br />
Im Rahmen der Goal-Programming-Technik sind verschiedenartige Bewertungen erforderlich. Zum<br />
einen gehören hierzu die Bewertungen der Bedeutungen der Kompetenzen für die einzelnen Arbeitsplätze,<br />
die Bewertungen der Bedeutungen der Arbeitsplatzattribute für die einzelnen Mitarbeiter<br />
sowie die Bewertungen der Bedeutungen der Erfüllung von Zielen für die kompetenzbasierte<br />
Personaleinsatzplanung. Zum anderen erfolgen Bewertungen der Kompetenzniveaus der Mitarbeiter<br />
sowie der Kompetenzniveauanforderungen der Arbeitsplätze. Beide Arten der Bewertung können<br />
mit Hilfe des – von SAATY entwickelten – Analytic Hierarchy Process (AHP) 8) durchgeführt werden.<br />
Für die erste Art, die Bewertung von Bedeutungen, wird die so genannte relative Bewertung<br />
(„relative measurement“) des AHP verwendet, während die zweite Art, die Bewertung von Kompetenzniveaus,<br />
mit Hilfe der so genannten absoluten Bewertung („absolute measurement“) des AHP<br />
erfolgt. 9)<br />
Die Bewertung der Bedeutungen wird mit der relativen Bewertung vorgenommen, da die Bedeutungsurteile<br />
voneinander abhängen; daher wird in diesem Zusammenhang auch oftmals von relativen<br />
Bedeutungen gesprochen. Beispielsweise führt die Erhöhung der Bedeutung eines Ziels zu einer<br />
geringeren relativen Bedeutung eines anderen Ziels. Kompetenzniveaus verschiedener Mitarbeiter<br />
und Arbeitsplätze sind dagegen in der Regel unabhängig voneinander. So führt die Erhöhung des<br />
Kompetenzniveaus eines Mitarbeiters hinsichtlich einer bestimmten Kompetenz nicht zur Reduktion<br />
des Kompetenzniveaus eines anderen Mitarbeiters. Ebenso verhält es sich im Allgemeinen mit<br />
den Kompetenzniveauanforderungen der Arbeitsplätze. Zwar lässt es sich vorstellen, dass die Kompetenzniveauanforderungen<br />
von Arbeitsplätzen etwas geringer ausfallen, wenn „benachbarte“ Arbeitsplätze<br />
mit hochkompetenten Mitarbeitern besetzt sind, die bei Problemen „kollegial“ aushelfen<br />
können. Jedoch sollte angestrebt werden, dass Mitarbeiter von vornherein die Kompetenzniveauanforderungen<br />
ihrer Arbeitsplätze erfüllen und nicht auf solche „Aushilfen“ Dritter angewiesen sind.<br />
Denn kollegiale Hilfe zur Lösung eines Problems bindet die Arbeitskraft zweier Mitarbeiter, so dass<br />
es kosteneffizienter ist, wenn jeder Mitarbeiter die Probleme an seinem eigenen Arbeitsplatz selbst<br />
zu lösen vermag.<br />
Die relative Bewertung im Rahmen des AHP erfordert Paarvergleichsurteile, um für jedes Bewertungsobjekt<br />
– nach Durchführung mehrerer, jeweils normierter Bewertungsschritte – ein methodisch<br />
fundiertes Bedeutungsurteil zu erhalten. Zur Operationalisierung dieser Paarvergleichsurteile<br />
wird oftmals auf eine AHP-spezifische Skala 10) zurückgegriffen, die in der nachstehenden<br />
Abbildung 69 aufgeführt ist. Auf dieser Skala wird die Überlegenheit („Dominanz“) eines Bewertungsobjekts<br />
– wie beispielsweise der Bedeutung einer Kompetenz für einen Arbeitsplatz – gegenüber<br />
einem anderen Bewertungsobjekt in Bezug auf ein jeweils unmittelbar übergeordnetes Bewertungskriterium<br />
in qualitativer Weise erfasst.<br />
8) Vgl. GÖTZE/BLOECH (2004) S. 188 ff.; PETERS/ZELEWSKI (2004b); SAATY (1980); SAATY (1994); SAATY (2001b); WEBER<br />
(1993) S. 73 ff.; WEBER (1995); WIND/SAATY (1980); ZELEWSKI/PETERS (2003).<br />
9) Vgl. zu „absoluter“ und „relativer“ Bewertung: PETERS/ZELEWSKI (2004b) S. 303 ff.; SAATY (2001b) S. 136 ff.; ZELEWSKI/<br />
PETERS (2003) S. 1214 ff.<br />
10) Vgl. z.B. SAATY (1994) S. 26; SAATY (2001a) S. 215; SAATY (2001b) S. 73; SAATY (2001c) S. 26.
2.5 Techniken des Operations Research 543<br />
mögliche Werte für<br />
Paarvergleichsurteile<br />
a<br />
1<br />
ij<br />
Bedeutung der möglichen Werte für Paarvergleichsurteile a ij<br />
Bewertung der relativen Bedeutungen von Bewertungsobjekten<br />
gleiche Bedeutung der beiden Bewertungsobjekte i und j<br />
(Indifferenz)<br />
3 etwas höhere Bedeutung des Bewertungsobjekts i<br />
5 deutlich höhere Bedeutung des Bewertungsobjekts i<br />
7 viel höhere Bedeutung des Bewertungsobjekts i<br />
9 sehr viel höhere Bedeutung des Bewertungsobjekts i<br />
2 , 4,<br />
6,<br />
8<br />
Zwischenwerte<br />
1<br />
2<br />
,<br />
1 1 1 1 1 1 1<br />
, , , , , ,<br />
3 4 5 6 7 8 9<br />
Reziprokwerte für „inverse“ Präferenzen, bei denen das Bewertungsobjekt<br />
j gegenüber dem Bewertungsobjekt i bevorzugt wird<br />
[Die Reziprokwerte werden im Allgemeinen in der unteren (oberen) Dreiecksmatrix<br />
der quadratischen Evaluationsmatrix mit allen Paarvergleichsurteilen “automatisch“<br />
generiert, indem jedem Paarvergleichsurteil a ij in der oberen (unteren)<br />
Dreiecksmatrix durch Spiegelung der Evaluationsmatrix entlang ihrer Hauptdiagonale<br />
das inverse Paarvergleichsurteil a ji = 1 aij<br />
in der unteren (oberen) Dreiecksmatrix<br />
zugeordnet wird.]<br />
Abbildung 69: AHP-Skala für Paarvergleichsurteile<br />
Die Paarvergleichsurteile werden in eine quadratische Evaluationsmatrix A eingetragen (vgl.<br />
Abbildung 70). Wenn beispielsweise eine Kompetenz i im Vergleich zu einer anderen Kompetenz<br />
j als “etwas bedeutender” für die Aufgabenerfüllung an einem bestimmten Arbeitsplatz bewertet<br />
wird, muss für das Paarvergleichsurteil a ij eine 3 in die Evaluationsmatrix A eingetragen werden,<br />
während der Reziprokwert 1 3 auf das Paarvergleichsurteil a ji zutrifft.<br />
A<br />
⎛a 11<br />
⎜<br />
⎜ ...<br />
⎜ a<br />
...<br />
...<br />
...<br />
a 1 j<br />
...<br />
a<br />
...<br />
...<br />
...<br />
a1m<br />
⎞<br />
⎟<br />
... ⎟<br />
a ⎟<br />
⎜ ...<br />
⎜ ⎜a ...<br />
...<br />
...<br />
a<br />
...<br />
...<br />
... ⎟<br />
⎟<br />
a ⎟<br />
= i1 ij im<br />
⎜ ⎟<br />
⎝ m1 mj mm ⎠<br />
mit<br />
aij > 0 ∀ i = 1,...,m ∀ j = 1,...,m<br />
aij = 1 ∀ i = j<br />
a a −<br />
= ∀ i = 1,...,m ∀ j = 1,...,m<br />
1<br />
ij ji<br />
m ∈ +<br />
Abbildung 70: Formale Darstellung einer Evaluationsmatrix
544 2.5 Techniken des Operations Research<br />
Die Bedeutungsurteile für die Bewertungsobjekte lassen sich aus der Evaluationsmatrix berechnen,<br />
indem die Paarvergleichsurteile der Evaluationsmatrix A in normierte Indizes nor v i überführt werden,<br />
die in der AHP-Literatur oftmals auch als „Prioritäten“ bezeichnet werden 11) . Diese Indizes<br />
(„Bedeutungsurteile“) werden ermittelt, indem für jede Evaluationsmatrix deren normalisierter Eigenvektor<br />
berechnet wird. 12)<br />
Der – noch nicht normalisierte, vom Nullvektor verschiedene – Eigenvektor v zu einer Evaluationsmatrix<br />
A lässt sich ermitteln, indem zunächst die Eigenwerte λ der Evaluationsmatrix A durch<br />
Lösung der folgenden Matrixgleichung mit E als Einheitsmatrix bestimmt werden: 13)<br />
det( A −λ E ) = 0<br />
Anschließend benutzt die AHP-Technik den maximalen Eigenwert λ max der bereits ermittelten Eigenwerte<br />
λ , um den Eigenvektor v zu bestimmen. Dieser ergibt sich für die vorgegebene Evaluationsmatrix<br />
A in Bezug auf den maximalen Eigenwert λ max als Lösung der folgenden Matrixgleichung<br />
mit 0 als Nullvektor:<br />
(A−λ maxE)*v=<br />
0<br />
Da diese Matrixgleichung durch unendlich viele verschiedene, linear abhängige Eigenvektoren v<br />
erfüllt werden kann, erfolgt eine zweite Normierung: Es wird zunächst ein beliebiger der linear abhängigen<br />
Eigenvektoren v ausgewählt. 14) Dann erfolgt eine Normalisierung durch die Normierung<br />
der Komponentensumme des Eigenvektors auf den Wert 1 . Sie wird dadurch erreicht, dass jede<br />
Komponente des Eigenvektors durch die Summe aller seiner Komponenten dividiert wird. Im Er-<br />
nor<br />
gebnis resultiert ein eindeutig bestimmter, (zweifach) normierter Eigenvektor v . Die Summe aller<br />
Elemente dieses Eigenvektors beträgt 1 :<br />
m<br />
∑ v = 1<br />
i= 1<br />
i<br />
Darüber hinaus besteht beim AHP die Möglichkeit, die Konsistenz der Paarvergleichsurteile, die in<br />
einer Evaluationsmatrix A in Bezug auf die Bewertungsobjekte ausgedrückt sind, mit Hilfe eines<br />
Konsistenzindex ( C . I.<br />
: Consistency Index) und eines darauf aufbauenden Konsistenzwerts ( C . R.<br />
:<br />
Consistency Ratio) zu überprüfen: 15)<br />
max -m λ<br />
C.I.=<br />
m-1<br />
C.<br />
I.<br />
C . R.<br />
=<br />
R.<br />
I.<br />
11) Vgl. z.B. GÖTZE/BLOECH (2004) S. 188; SAATY (1994) S. 27 ff.; SAATY (2001b) S. 70 ff.<br />
12) Neben der in diesem Beitrag erörterten exakten Bestimmung des Eigenvektors existieren weitere Verfahren sowohl zur exakten<br />
als auch zur approximativen Bestimmung des Eigenvektors. Vgl. z.B. SAATY (1980) S. 19 und 179.<br />
13) Zur Ermittlung der Elemente eines Eigenvektors gibt es grundsätzlich zwei denkmögliche Lösungen: Zum einen ist dieses die<br />
triviale Linearkombination, bei der die Zeilen und Spalten der Matrix (A− λ E) linear unabhängig sind. Das bedeutet, dass alle<br />
Elemente des Eigenvektors gleich Null sein müssten. Die triviale Linearkombination ist jedoch per definitionem ausgeschlossen,<br />
da der Eigenvektor ein von Null verschiedener Vektor ist. Zum anderen besteht eine denkmögliche Lösung in der<br />
nicht-trivialen Linearkombination, bei der die Zeilen- und Spaltenvektoren der Matrix (A− λ E) linear abhängig sind. Das<br />
führt dazu, dass wenigstens ein Element des Eigenvektors ungleich Null ist. Bei linearer Abhängigkeit der Zeilen- und Spaltenvektoren<br />
der Matrix (A−λ E) gilt: det( A −λ E ) = 0 . Vgl. KARMANN (2000) S. 98.<br />
14) Vgl. zu einem Anwendungsbeispiel ZELEWSKI/PETERS (2004) S. 781.<br />
15) Vgl. z.B. SAATY (1980) S. 21; SAATY (1994) S. 41 f.; SAATY (2001b) S. 83; WEBER (1995) S. 188.
2.5 Techniken des Operations Research 545<br />
Zunächst wird der Konsistenzindex auf Basis des – bereits ermittelten – maximalen Eigenwerts<br />
λ max und der Dimension m der jeweils betroffenen Evaluationsmatrix A gebildet. Der Ermittlung<br />
des Konsistenzindex liegt die folgende Beziehung zugrunde: Der maximale Eigenwert λ max einer<br />
Evaluationsmatrix ist bei vollkommener Konsistenz der Evaluationsmatrix notwendig gleich ihrer<br />
Dimension m . 16) Eine Evaluationsmatrix gilt hierbei als vollkommen konsistent, wenn die folgende<br />
so genannte Konsistenzbedingung erfüllt ist: 17)<br />
a * a = a mit<br />
ik<br />
kj<br />
ij<br />
∀ i = 1,...,m<br />
∀ j = 1,...,m<br />
∀ k = 1,...,m<br />
m ∈ +<br />
Diese Konsistenzbedingung sichert nicht nur die Transitivität von Paarvergleichsurteilen bei rein<br />
ordinaler Beurteilungsskala, sondern darüber hinaus auch die „Konsistenz“ der numerischen Werte<br />
für Paarvergleichsurteile bei transitiver Urteilsverkettung. Sie stellt somit ein Spezifikum des AHP<br />
für Bewertungsskalen dar, die die Resultate der Paarvergleichsurteile über rein ordinale Rangfolgen<br />
hinaus auf numerische Werte abbilden.<br />
Des Weiteren wird zur Konsistenzbeurteilung der so genannte Random Index R . I.<br />
hinzugezogen.<br />
Dieser Random Index ist ein durchschnittlicher Konsistenzindex, der aus einer „großen“ Anzahl zufällig<br />
generierter, reziproker Evaluationsmatrizen berechnet wird. 18) Für jede Matrixdimension m<br />
lassen sich die zugehörigen Werte des Random Index aus einer einschlägigen – wie der in<br />
Abbildung 71 auf der folgenden Seite dargestellten – Wertetabelle des AHP übernehmen. 19) Mit<br />
Hilfe des Konsistenzindex C . I.<br />
sowie des Random Index R . I.<br />
wird der Konsistenzwert C . R.<br />
gemäß<br />
der oben angegebenen Quotientenformel C.R = C.I/R.I. bestimmt. Der Konsistenzwert C . R.<br />
wird im Rahmen des AHP als ein Indikator für oder wider die „hinreichende“ Konsistenz der Paarvergleichsurteile<br />
in der jeweils betrachteten Evaluationsmatrix interpretiert. 20) Diese Interpretation<br />
erfolgt „pragmatisch“, d.h. ohne explizierte „Hintergrundtheorie“: SAATY gibt als heuristische Empfehlung<br />
an, dass eine Überarbeitung einer Evaluationsmatrix wegen „unzureichender“ Konsistenz<br />
erfolgen sollte, wenn der Konsistenzwert C . R.<br />
über 0 , 05 bei einer Dimension der Evaluationsmatrix<br />
von m= 3,<br />
über 0 , 09 bei m=4 und über 0 , 1 bei m> 4 liegt. 21)<br />
16) Vgl. SAATY (1994) S. 41.<br />
17) Vgl. z.B. WIND/SAATY (1980) S. 645.<br />
18) Vgl. z.B. SAATY (2001c) S. 57.<br />
19) Vgl. für Wertetabellen des Random Index z.B. SAATY (2001b) S. 83; SAATY (2001c) S. 57.<br />
20) Vgl. SAATY (2001b) S. 80 ff.<br />
21) Vgl. z.B. SAATY (2001b) S. 81.
546 2.5 Techniken des Operations Research<br />
m 2 3 4 5 6 7 8 9 10<br />
R . I.<br />
0 , 00 0 , 52 0 , 89 1 , 11 1 , 25 1 , 35 1 , 40 1 , 45 1 , 49<br />
Abbildung 71: Wertetabelle für den Random Index<br />
Um eine Evaluationsmatrix vollständig auszufüllen, müssen insgesamt m*(m-1) 2 Paarvergleichsurteile<br />
gefällt werden. Denn alle Elemente auf der Hauptdiagonale der Evaluationsmatrix<br />
nehmen per constructionem den Wert 1 an. Darüber hinaus weist jedes Element oberhalb (unterhalb)<br />
der Hauptdiagonale den Reziprokwert des Werts für dasjenige Element der Evaluationsmatrix<br />
auf, das aus dem betrachteten Element oberhalb (unterhalb) der Hauptdiagonale bei einer Spiegelung<br />
entlang der Hauptdiagonale unterhalb (oberhalb) der Hauptdiagonale hervorgeht (vice versa).<br />
22) Voraussetzung ist allerdings, dass von vornherein mit Reziprokwerten gearbeitet wird und<br />
daher eine originäre Erhebung von Paarvergleichsurteilen nur für eine Dreiecksmatrix (ohne die<br />
Hauptdiagonale) durchgeführt wird. Diese Vorgehensweise ist für die praktische Anwendung des<br />
AHP typisch, aber keineswegs notwendig. Stattdessen könnte auch in Betracht gezogen werden, für<br />
alle Elemente der Evaluationsmatrix (mit Ausnahme ihrer Hauptdiagonale) Paarvergleichsurteile<br />
originär durchzuführen, um z.B. die Urteilskonsistenz in Bezug auf Paarvergleiche mit permutierter<br />
Reihenfolge der jeweils beurteilten Objekte zu überprüfen. Von dieser Option wird im Folgenden<br />
zugunsten der vorherrschenden AHP-Variante abgesehen, von vornherein mit den oben definierten<br />
Reziprokwerten zu arbeiten und daher den Erhebungsaufwand für Paarvergleichsurteile auf eine<br />
Dreiecksmatrix (ohne die Hauptdiagonale) zu beschränken.<br />
Je größer die Dimension m einer Evaluationsmatrix A ausfällt, umso mehr Paarvergleichsurteile<br />
müssen gefällt werden. Da die Goal-Programming-Modelle, die in diesem Beitrag vorgestellt werden,<br />
jeweils höchstens drei Ziele berücksichtigen, müssen maximal 3 ( =3*(3-1) 2 ) Paarvergleichsurteile<br />
zur Bewertung der Bedeutungen der Erfüllung von Zielen gefällt werden. Daher ist<br />
hierfür nur ein geringer Zeitaufwand erforderlich. Demgegenüber entsteht ein höherer Zeitaufwand<br />
für die Bewertung der Bedeutungen der Kompetenzen für die einzelnen Arbeitsplätze, die Bewertung<br />
der Präferenzen der Mitarbeiter hinsichtlich der Kompetenzen sowie für die Bewertung der<br />
Bedeutungen der Arbeitsplatzattribute für die einzelnen Mitarbeiter, da gegebenenfalls eine Vielzahl<br />
an Kompetenzen und Arbeitsplatzattributen in einem Modell berücksichtigt werden muss. Beispielweise<br />
erfordert die Berücksichtigung aller 13 Kompetenzen, die in der Abbildung 68 auf der<br />
untersten Stufe der Kompetenzhierarchie erfasst sind, dass in einer Evaluationsmatrix insgesamt 78<br />
( = 13* ( 13 − 1)<br />
2 ) Paarvergleichsurteile durchgeführt werden. Diese 78 Paarvergleichsurteile müssen<br />
pro Arbeitsplatz erneut gefällt werden, wenn die Bedeutungen der Kompetenzen arbeitsplatzspezifisch<br />
bewertet werden sollen.<br />
Die Anzahl der Paarvergleichsurteile lässt sich jedoch erheblich reduzieren, wenn für jeden Knoten<br />
der Kompetenzhierarchie, der keinen „untersten“ Knoten darstellt und somit die Qualität eines<br />
„Kompetenz-Clusters“ besitzt, eine knotenspezifische Evaluationsmatrix erstellt wird. Für die exemplarische<br />
Kompetenzhierarchie in Abbildung 68 müssten vier Evaluationsmatrizen ausgefüllt<br />
werden: Drei Evaluationsmatrizen sind zur Bewertung der Bedeutungen der Kompetenzen auf der<br />
22) Vgl. z.B. WEBER (1993) S. 84 f.
2.5 Techniken des Operations Research 547<br />
untersten Ebene der Kompetenzhierarchie innerhalb der „Kompetenz-Cluster“ für Fremdsprachen-,<br />
Software- und Rechnungslegungskenntnisse erforderlich. Eine zusätzliche, vierte Evaluationsmatrix<br />
wird benötigt, um die Bedeutungen der Knoten „Fremdsprachenkenntnisse“, „Softwarekenntnisse“<br />
und „Rechnungslegungskenntnisse“ zu bewerten. Zur Bewertung der Bedeutungen dieser drei Knoten<br />
ist eine Evaluationsmatrix der Dimension m= 3 erforderlich, die durch drei Paarvergleichsurteile<br />
ausgefüllt werden kann. Auf der untersten Ebene ist eine Evaluationsmatrix der Dimension<br />
m= 5 für die Kompetenzen unterhalb des Knotens „Fremdsprachenkenntnisse“ erforderlich. Ebenso<br />
verhält es sich mit den Kompetenzen unterhalb des Knotens „Softwarekenntnisse“. Für jede dieser<br />
beiden Evaluationsmatrizen müssen 10 ( = 5*(5 − 1) 2) Paarvergleichsurteile gefällt werden.<br />
Hinzu kommen 3=3*(3-1)2 ( ) Paarvergleichsurteile für die Kompetenzen unterhalb des Knotens<br />
„Rechnungslegungskenntnisse“. Insgesamt sind also nur 26 ( = 3 + 10 + 10 + 3 ) Paarvergleichsurteile<br />
notwendig. Somit kann eine wesentliche Reduktion des Arbeitsaufwands gegenüber der Bewertung<br />
der Bedeutungen aller Kompetenzen in nur einer Evaluationsmatrix erreicht werden, die insgesamt<br />
78 Paarvergleichsurteile erforderte.<br />
Jedoch verursacht die Ermittlung der – im vorliegenden Beispiel 26 – Bedeutungsurteile aus den<br />
vier separaten Evaluationsmatrizen einen höheren Arbeitsaufwand zur Eigenvektorermittlung, als er<br />
bei der Bewertung der Bedeutungen aller Kompetenzen in nur einer monolithischen Evaluationsmatrix<br />
anfallen würde. Denn bei der Verwendung von nur einer monolithischen Evaluationsmatrix<br />
braucht lediglich der normierte Eigenvektor dieser einen Evaluationsmatrix bestimmt zu werden,<br />
der die relativen Bedeutungsurteile für alle Kompetenzen enthält. Hingegen muss bei der Verwendung<br />
von mehreren separaten, jeweils knotenspezifischen Evaluationsmatrizen für jede dieser Evaluationsmatrizen<br />
ein normierter Eigenvektor ermittelt werden. Im hier betrachteten Beispiel ist es<br />
also erforderlich, insgesamt viermal einen normierten Eigenvektor zu berechnen. Darüber hinaus<br />
müssen die relativen Bedeutungsurteile für die Kompetenzen noch aggregiert werden, indem die<br />
Bedeutungsurteile für jede Kompetenz auf der untersten Ebene der Kompetenzhierarchie mit den<br />
Bedeutungsurteilen entlang der „Pfade“ bis zur obersten Ebene der Kompetenzhierarchie multipliziert<br />
werden (pfadspezifische Aggregation von Bedeutungsurteilen). In der exemplarischen Darstellung<br />
in Abbildung 68 müssten also die Bedeutungsurteile für „englische Sprachkenntnisse“, „französische<br />
Sprachkenntnisse“, „italienische Sprachkenntnisse“, „portugiesische Sprachkenntnisse“<br />
und „spanische Sprachkenntnisse“ jeweils mit dem Bedeutungsurteil für den Knoten „Fremdsprachenkenntnisse“<br />
multipliziert werden. Die fünf resultierenden Produkte ergeben die (aggregierten)<br />
Bedeutungsurteile für die einzelnen Kompetenzen, die sich bei der Bewertung der Bedeutungen der<br />
Kompetenzen in einer monolithischen Evaluationsmatrix unmittelbar als 5 der 13 Elemente des<br />
normierten Eigenvektors für diese Matrix ermitteln ließen.<br />
Aufgrund der voranstehenden Überlegungen besteht bei der Ermittlung der Bedeutungen von Kompetenzen<br />
ein Trade-off zwischen der Durchführung von Paarvergleichsurteilen einerseits sowie der<br />
Berechnung von Eigenvektoren zur Ermittlung von Bedeutungsurteilen und der – unter Umständen<br />
erforderlichen –Aggregation von Bedeutungsurteilen entlang eines Pfads in einer Kompetenzhierarchie<br />
andererseits. Denn die Verwendung separater, jeweils knotenspezifischer Evaluationsmatrizen<br />
führt im Vergleich zur Benutzung nur einer monolithischen Evaluationsmatrix zu einer Verringerung<br />
der Anzahl erforderlicher Paarvergleichsurteile, dafür jedoch zu einer Vergrößerung der Anzahl<br />
notwendiger Eigenvektorberechnungen und der Anzahl pfadspezifischer Aggregationen von<br />
Bedeutungsurteilen. Im Allgemeinen ist keine Aussage darüber möglich, welche dieser beiden alternativen<br />
Vorgehensweisen für die Ermittlung relativer Bedeutungsurteile einen insgesamt geringeren<br />
Arbeitsaufwand verursacht. Daher ist es durchaus möglich, dass der Arbeitsaufwand für die<br />
Berechnungen mehrerer normierter Eigenvektoren zu separaten, knotenspezifischen Evaluations-
548 2.5 Techniken des Operations Research<br />
matrizen sowie für die pfadspezifische Aggregation der Bedeutungsurteile diejenige Arbeitsaufwandsersparnis<br />
überwiegt, die aufgrund der reduzierten Anzahl an Paarvergleichsurteilen gegenüber<br />
der Bewertung in einer monolithischen Evaluationsmatrix erzielt werden kann.<br />
Allerdings gilt es zu beachten, dass sich sowohl die normierten Eigenvektoren als auch die aggregierten<br />
Bedeutungsurteile durch einschlägige AHP-Software computerbasiert berechnen lassen,<br />
während die Paarvergleichsurteile durch Befragungen von Mitarbeitern originär erhoben werden<br />
müssen. Bei der kompetenzbasierten Personaleinsatzplanung sollte in der betrieblichen Praxis diejenige<br />
Vorgehensweise bevorzugt werden, die mit einer möglichst geringen Anzahl personalintensiver<br />
Paarvergleichsurteile auskommt, während das Ausmaß computerbasierter Berechnungen angesichts<br />
der kostengünstigen Verfügbarkeit von Rechnerleistung in der Regel weit gehend vernachlässigt<br />
werden kann. 23) Daher empfiehlt sich die Bewertung der Bedeutungen von Kompetenzen mit<br />
mehreren separaten Evaluationsmatrizen auf der Basis einer Kompetenzhierarchie. Darüber hinaus<br />
empfiehlt es sich, mit den Arbeitsplatzattributen analog zu verfahren, sofern eine große Anzahl von<br />
Arbeitsplatzattributen (in mindestens zweistelliger Größenordnung) berücksichtigt werden soll.<br />
Die Bewertung der Kompetenzniveaus der Mitarbeiter sowie die Bewertung der Kompetenzniveaus,<br />
die an den Arbeitsplätzen mindestens erforderlich sind (Kompetenzniveauanforderungen),<br />
können grundsätzlich mit Hilfe von Ordinalskalen erfolgen. Beispielsweise lässt sich eine Ordinalskala<br />
mit den Rangstufen von 1 bis 5 anwenden, auf der die Ausprägung 1 („Anfänger“) ein<br />
niedriges Kompetenzniveau und die Ausprägung 5 („Erfahrungsträger“) ein hohes Kompetenzniveau<br />
repräsentiert. In marktübliche <strong>Kompetenzmanagementsysteme</strong> 24) , Enterprise-Resource-Planning-Systeme<br />
und Projektmanagementsysteme sind entsprechende Funktionen zur Bewertung von<br />
Kompetenzniveaus implementiert worden. 25) Im vorliegenden Beitrag wird jedoch die absolute Bewertung<br />
des AHP als elaborierte Alternative zur Bewertung von Kompetenzniveaus 26) vorgestellt.<br />
Diese absolute Bewertung bietet gegenüber herkömmlichen Ordinalskalen den Vorteil, dass Bewertungen<br />
von Kompetenzniveaus nicht nur eine Rangfolge wiedergeben, sondern zusätzlich das Ausmaß,<br />
um wie viel ein Kompetenzniveau gegenüber anderen Kompetenzniveaus präferiert wird. 27)<br />
23) Dies gilt zumindest für die hier betrachteten Entscheidungsmodelle der kompetenzbasierten Personaleinsatzplanung, welche die<br />
Kapazitätsgrenzen realistisch verfügbarer Rechnerleistung in der betrieblichen Praxis kaum auszuschöpfen vermögen. Das trifft<br />
nicht nur im Hinblick auf Großunternehmen mit entsprechend ambitiöser ADV-Infrastruktur, sondern ebenso auf KMU zu, weil<br />
die hier vorgestellten Entscheidungsmodelle noch nicht einmal das Leistungsvermögen von Personalcomputern der Pentium-<br />
Klasse übersteigen.<br />
24) Vgl. zu computerbasierten <strong>Kompetenzmanagementsysteme</strong>n Kapitel 1.2.1 auf S. 77 ff.<br />
25) Beispiele sind SAP R/3 als Enterprise-Resource-Planning-System sowie Primavera Enterprise als Projektmanagementsystem.<br />
26) Vgl. zu einer exemplarischen Anwendung der absoluten Bewertung des AHP zur Bewertung von Kompetenzniveaus: SAATY<br />
(1994) S. 33 ff.<br />
27) Voraussetzung dieser Vorgehensweise ist allerdings, dass die befragten Personen „valide“ Aussagen über das Ausmaß treffen<br />
können, in dem sie ein Kompetenzniveau gegenüber alternativen Kompetenzniveaus präferieren. Die Personen müssen in diesem<br />
Fall ihre Präferenzen für Kompetenzniveaus auf einer Kardinalskala artikulieren können. Dies stellt eine hohe Anforderung<br />
an das Artikulationsvermögen für Präferenzen dar. Ist sie nicht erfüllt, muss auf die sonst übliche Bewertung von Kompetenzniveaus<br />
auf Ordinalskalen übergegangen werden.
2.5 Techniken des Operations Research 549<br />
Zur absoluten Bewertung 28) von Kompetenzniveaus wird zunächst auf eine Evaluationsmatrix der<br />
Art zurückgegriffen, wie sie im Rahmen der relativen Bewertung erläutert wurde. Die zu bewertenden<br />
Objekte sind die Rangstufen einer herkömmlichen Ordinalskala. Wenn beispielsweise eine Ordinalskala<br />
für Kompetenzniveaus in der oben skizzierten Form mit Rangstufen von 1 bis 5 gewählt<br />
wird, erfolgt in einer Evaluationsmatrix A der Dimension m= 5 die Bewertung der relativen<br />
Präferenzen für die einzelnen Kompetenzniveaus vom „Anfänger“ bis zum „Erfahrungsträger“.<br />
Analog zur relativen Bewertung kann wiederum die Konsistenz dieser Evaluationsmatrix A überprüft<br />
werden, um die Evaluationsmatrix erforderlichenfalls zu überarbeiten. Die Elemente des normierten<br />
Eigenvektors zur – ursprünglichen oder auch korrigierten – Evaluationsmatrix A repräsentieren<br />
schließlich die Bewertungen der Kompetenzniveaus auf der neu abgeleiteten, nun jedoch kardinalen<br />
Bewertungsskala.<br />
28) Vgl. zur Vorgehensweise bei der absoluten Bewertung im Rahmen des AHP auch die ausführliche Darstellung in PETERS/<br />
ZELEWSKI (2004b) S. 303 ff. mit einem konkreten Anwendungsbeispiel auf S. 306 ff.
550 2.5 Techniken des Operations Research<br />
2.5.2.2.2 Goal Programming<br />
Das von CHARNES/COOPER 29) eingeführte Goal Programming ist eine mathematische Optimierungstechnik,<br />
die mehrere Ziele („objectives“) simultan berücksichtigen kann. Die simultane Berücksichtigung<br />
mehrerer Ziele erfolgt in einem zweistufigen Verfahren: Zunächst wird für jedes Ziel ein erstrebenswerter<br />
Sollwert („goal“) festgelegt. Alsdann werden die Istwerte der Zielerreichung, die<br />
von den Entscheidungsalternativen verursacht werden, erfasst und die Abweichungen jener Istwerte<br />
von den vorgegebenen Sollwerten minimiert. So genannte Abweichungsvariablen („deviational variables“)<br />
geben für jedes Ziel das Ausmaß an, in dem die faktische Zielerreichung (Istwert) durch<br />
eine Entscheidungsalternative 30) von der erstrebten Zielerreichung (Sollwert) abweicht.<br />
Die Technik des Goal Programmings transformiert die Vielfalt der Ziele, die auf der Objektebene<br />
als „objectives“ problemspezifisch vorgegeben sind und daher auch als Objektziele bezeichnet werden,<br />
auf nur noch ein generisches, von speziellen Problemausprägungen unabhängiges Metaziel, die<br />
Gesamtheit der Abweichungen zwischen Soll- und Istwerten für alle Objektziele zu minimieren.<br />
Varianten des Goal Programmings unterscheiden sich im Prinzip nur in zweierlei Hinsicht: Einerseits<br />
kann auf unterschiedliche Weise festgelegt werden, wie die Abweichungen zwischen Soll- und<br />
Istwerten für die Objektziele gemessen werden (Aspekt der Abweichungsmessung). Andererseits<br />
bestehen Freiheitsgrade, wie diese Abweichungen in Bezug auf Objektziele innerhalb des Metaziels<br />
„Minimierung der Gesamtabweichung“ aggregiert werden (Aspekt der Abweichungsaggregation).<br />
Hinsichtlich des Aspekts der Abweichungsmessung kann ein Entscheider zunächst zwischen einseitig<br />
und zweiseitig angestrebten Zielen auswählen. 31) Aus entscheidungstheoretischer Sicht beruhen<br />
einseitig angestrebte Ziele auf einer Höhenpräferenz in der Gestalt eines Satisfizierungsziels, während<br />
zweiseitig angestrebte Ziele einer Höhenpräferenz in der Gestalt eines Fixpunktziels entsprechen.<br />
Einseitig angestrebte Ziele lassen sich darüber hinaus in untere einseitig angestrebte Ziele<br />
(„lower one-sided goals“) und obere einseitig angestrebte Ziele („upper one-sided goals“) differenzieren.<br />
32) Bei einem unteren einseitig angestrebten Ziel soll ein Sollwert erreicht oder überschritten<br />
werden 33) , während bei einem oberen einseitig angestrebten Ziel ein Sollwert erreicht oder unterschritten<br />
werden soll. 34) Bei einem zweiseitig angestrebten Ziel („two-sided goal“) soll ein Sollwert<br />
möglichst genau getroffen werden. 35)<br />
29) Vgl. CHARNES/COOPER (1961) S. 215 ff.<br />
30) Eine Entscheidungsalternative ist in einem Goal-Programming-Modell dadurch bestimmt, dass jeder Entscheidungsvariable genau<br />
ein Wert zugewiesen ist. Jede Entscheidungsalternative stellt daher eine mögliche Modelllösung dar, so dass die Bezeichnungen<br />
„Entscheidungsalternative“ und „Lösung“ eines (Entscheidungs-) Modells synonym verwenden werden können, sofern<br />
mit der „Lösung“ nicht der Prozess, sondern das Ergebnis der Ermittlung einer Modelllösung gemeint ist. Eine Entscheidungsalternative<br />
(Lösung) ist genau dann zulässig, wenn jeder Entscheidungsvariable genau ein zulässiger Wert aus dem Definitionsbereich<br />
der jeweils betroffenen Entscheidungsvariable zugewiesen ist. Eine optimale Entscheidungsalternative (Lösung) kann<br />
immer nur ein Element aus der Menge aller zulässigen Entscheidungsalternativen (Lösungen) sein.<br />
In den hier betrachteten Modellvarianten sind Entscheidungsvariablen xnj mit n=1,...,N und j=1,...,J für N Mitarbeiter und J Arbeitsplätze<br />
definiert. Eine zulässige Entscheidungsalternative (Lösung) stellt somit ein NxJ-Tupel ( xˆ ,...., x ˆ ) dar, in dem je-<br />
11 NJ<br />
de Komponente x ˆ einen zulässigen Wert aus dem Definitionsbereich der Entscheidungsvariable x darstellt.<br />
nj<br />
nj<br />
31) Vgl. HILLIER/LIEBERMAN (2001) S. 333 ff.<br />
32) Vgl. HILLIER/LIEBERMAN (2001) S. 332 f.<br />
33) Vgl. HILLIER/LIEBERMAN (2001) S. 332.<br />
34) Vgl. HILLIER/LIEBERMAN (2001) S. 333.<br />
35) Vgl. HILLIER/LIEBERMAN (2001) S. 333.
2.5 Techniken des Operations Research 551<br />
Für ein unteres einseitig angestrebtes Ziel i enthält die Zielfunktion eines Goal-Programming-Entscheidungsmodells<br />
eine nicht-negative untere Abweichungsvariable i d − . 36) Sie erfasst das Ausmaß,<br />
in dem der Istwert der Zielerreichung für das untere einseitig angestrebte Ziel i unter dessen Sollwert<br />
bleibt und somit die intendierte Erreichung oder Überschreitung des Sollwerts verfehlt. Wenn<br />
ein oberes einseitig angestrebtes Ziel berücksichtigt wird, enthält die Zielfunktion für das jeweilige<br />
Ziel eine nicht-negative obere Abweichungsvariable i d + . 37) Sie erfasst das Ausmaß, in dem der Istwert<br />
der Zielerreichung für das obere einseitig angestrebte Ziel i über dessen Sollwert bleibt und<br />
somit die intendierte Erreichung oder Unterschreitung des Sollwerts verfehlt. Sofern ein zweiseitig<br />
angestrebtes Ziel berücksichtigt wird, enthält die Zielfunktion eines Goal-Programming-<br />
Entscheidungsmodells sowohl eine nicht-negative untere Abweichungsvariable di − als auch eine<br />
nicht-negative obere Abweichungsvariable i d + für dieses Ziel.<br />
Hinsichtlich des Aspekts der Abweichungsaggregation kann die Zielfunktion eines Goal-Programming-Entscheidungsmodells<br />
um relative Bedeutungen der Ziele erweitert werden. 38) Die relativen<br />
Zielbedeutungen besitzen aus entscheidungstheoretischer Perspektive die Qualität von Artenpräferenzen.<br />
Sie werden in der Regel in der formalen Gestalt von Zielgewichten w i ausgedrückt. Die<br />
Zielgewichte werden im Allgemeinen normiert durch die Anforderungen:<br />
i<br />
I<br />
i=<br />
[ ] für und<br />
w ∈ 0;1 i = 1,...,I I ∈<br />
∑ 1<br />
w = 1<br />
i<br />
+<br />
Die relativen Zielbedeutungen bilden eine „natürliche“ Nahtstelle zwischen den Techniken des<br />
Analytic Hierarchy Process und des Goal Programmings. Denn der AHP lässt sich nutzen, um mittels<br />
seiner charakteristischen Paarvergleichsurteile die relativen Zielbedeutungen für das Goal Programming<br />
systematisch zu ermitteln. Darüber hinaus kann das zunächst „flache“ Zielsystem des<br />
Goal Programmings mit Hilfe des Strukturierungsansatzes des AHP in ein hierarchisches Zielsystem<br />
aus Ober- und Unterzielen transformiert werden. Auf dieses hierarchische Zielsystem lassen<br />
sich dann die zusätzlichen Bewertungstechniken des AHP für knotenspezifische Evaluationsmatrizen<br />
und die pfadspezifische Aggregation von Bedeutungsurteilen anwenden, die im Kapitel<br />
2.5.2.2.1 erläutert wurden. Dabei sind die Ziele des Goal Programmings als Bewertungsobjekte im<br />
Sinne des AHP zu verwenden.<br />
Aufgrund der voranstehenden Erläuterungen lässt sich die charakteristische Zielfunktion für jedes<br />
Goal-Programming-Entscheidungsmodell und beliebige Ziele i=1,...,I mit I∈N+ in generischer<br />
Form wie folgt darstellen:<br />
36) Vgl. KWAK/LEE (1997) S. 131.<br />
37) Vgl. KWAK/LEE (1997) S. 131.<br />
38) Wenn diese Option nicht explizit genutzt wird, gelten alle I Ziele als implizit gleich gewichtet. Diese implizite Annahme lässt<br />
sich durch die Zielgewichte gi=1/I für alle Ziele i mit i=1,...,I auch explizit wiedergeben.
552 2.5 Techniken des Operations Research<br />
− +<br />
Z = MIN w *( α * d +β * d )<br />
mit:<br />
I<br />
∑<br />
i=<br />
1<br />
i i i i i<br />
α i = 1∧β i = 0,<br />
falls Ziel i ein unteres einseitig angestrebtes Ziel darstellt<br />
α i = 0∧β i = 1,<br />
falls Ziel i ein oberes einseitig angestrebtes Ziel darstellt<br />
α i = 1∧ β i = 1,<br />
falls Ziel i ein zweiseitig angestrebtes<br />
Ziel darstellt<br />
− +<br />
di , di ≥ 0 für i = 1,...,I<br />
w ∈ 0;1 für i = 1,...,I und I ∈<br />
i<br />
I<br />
∑<br />
i=<br />
1<br />
[ ]<br />
w = 1<br />
i<br />
Aus dieser generischen Zielfunktion lässt sich eine beliebig große Anzahl spezieller Zielfunktionen<br />
ableiten, die auf das jeweils betrachtete, konkrete Entscheidungsproblem zugeschnitten sind. Dieses<br />
„Customizing“ der generischen Zielfunktion erfolgt einerseits durch die inhaltliche Spezifizierung<br />
der konkret verfolgten Ziele i=1,...,I (einschließlich der Festlegung der Anzahl I der Ziele mit<br />
I∈N+) und durch die Determination der binären Parameter αi und βi, mit denen für jedes Ziel i festgelegt<br />
wird, ob es sich entweder um ein oberes einseitig angestrebtes oder um ein unteres einseitig<br />
angestrebtes oder um ein zweiseitig angestrebtes Ziel handelt.<br />
Charakteristisch für die Technik des Goal Programmings ist es, dass die Modellstruktur für Entscheidungs-<br />
oder Optimierungsmodelle in der oben vorgestellten Weise nur hinsichtlich der formalen<br />
Gestalt der Zielfunktion spezifiziert wird. Die Modellstruktur bleibt hingegen hinsichtlich des<br />
Entscheidungsfelds, d.h. der Einschränkungen des Entscheiders durch Restriktionen, weit gehend<br />
unbestimmt. Lediglich die Vereinbarungen für die Abweichungsvariablen di − und i d + sowie die<br />
Zielgewichte w i , die oben im Zusammenhang mit der generischen Zielfunktion aufgeführt wurden,<br />
gehören streng genommen zur Festlegung des Entscheidungsfelds und stellen somit Restriktionen<br />
dar, die für die Technik des Goal Programmings spezifisch sind. Ansonsten lassen sich Entscheidungs-<br />
oder Optimierungsmodelle des Goal Programmings mit beliebig formulierten Restriktionen<br />
vereinbaren, so dass Goal-Programming-Modelle sehr flexibel an unterschiedliche Problemstrukturen<br />
angepasst werden können.<br />
Hinsichtlich des Aspekts der Abweichungsaggregation lassen sich über die vorgenannten Zielgewichte<br />
hinaus zwei Strukturvarianten von Goal-Programming-Modellen unterscheiden: die präemptive<br />
(„preemptive”) und die non-präemptive („non-preemptive”) Variante. 39)<br />
Bei der präemptiven Variante 40) des Goal Programmings werden Ziele gemäß ihrer Zugehörigkeit<br />
zu verschiedenen Zielebenen S priorisiert, so dass Ziele erster Priorität ( s = 1 ), Ziele zweiter Priorität<br />
( s = 2 ), Ziele dritter Priorität ( s = 3 ) usw. resultieren. Im ersten Schritt zur Lösung eines präemptiven<br />
Goal-Programming-Modells werden im Rahmen eines Teilmodells nur die Ziele erster<br />
Priorität berücksichtigt. Wenn die Ausführung dieses ersten Lösungsschritts zu mehr als einer opti-<br />
39) Vgl. HILLIER/LIEBERMAN (2001) S. 333 ff.<br />
40) Vgl. zu einem Anwendungsbeispiel der präemptiven Variante des Goal Programmings: BRUSCO/JOHNS (1995) S. 746 ff.<br />
+
2.5 Techniken des Operations Research 553<br />
malen Lösung führt, wird ein zweites Teilmodell gelöst, in welchem nur die Ziele zweiter Priorität<br />
explizit berücksichtigt werden. In diesem zweiten Teilmodell werden die optimalen Werte für die<br />
Ziele erster Priorität, die im ersten Teilmodell ermittelt wurden, als zusätzliche Restriktionen konstant<br />
vorgegeben, so dass die Ziele erster Priorität auch im zweiten Teilmodell Berücksichtigung<br />
finden, allerdings in impliziter Form durch restriktive Vorgaben optimaler Zielwerte. Solange die<br />
Lösung eines Teilmodells zu mehr als einer optimalen Lösung führt und Ziele niedrigerer Priorität<br />
definiert sind, wird ein weiteres Teilmodell zur Berücksichtigung dieser Ziele gelöst. Ziele mit<br />
niedrigerer Priorität werden also nur dann berücksichtigt, wenn für die Ziele höherer Priorität mehrere<br />
optimale Lösungen existieren. Dieses Vorgehen ist in nachfolgenden Abbildung 72 in der Form<br />
eines Struktogramms dargestellt.<br />
Ermittle die Anzahl der Zielebenen S<br />
Setze s := 1<br />
Lösung des Teilmodells der Zielebene s<br />
s < S ?<br />
Stopp<br />
nein<br />
ja<br />
Setze s:= s + 1<br />
Existieren mehrere<br />
optimale Lösungen für das Teilmodell<br />
der Zielebene s?<br />
Abbildung 72: Vorgehen zur Lösung der Teilmodelle beim präemptiven Goal Programming<br />
Im Gegensatz zur mehrstufigen Priorisierung von Zielen beim präemptiven Goal Programming<br />
werden beim non-präemptiven Goal Programming alle Ziele simultan in einer Zielfunktion berücksichtigt.<br />
Das non-präemptive Goal Programming entspricht daher der Basisversion des Goal Programmings,<br />
die zu Beginn dieses Kapitels vorgestellt wurde.<br />
Das präemptive Goal Programming gestattet aus entscheidungstheoretischer Sicht, eine neuartige<br />
Variante von Artenpräferenzen zu berücksichtigen. Die Prioritäten der verschiedenen Zielebenen<br />
entsprechen so genannten lexikographischen (nicht-additiven) Artenpräferenzen. Sie zeichnen sich<br />
dadurch aus, dass Ziele auf einer Zielebene mit höherer Priorität ein „unendlich“ größeres Gewicht<br />
als alle Ziele auf Zielebenen mit geringerer Priorität besitzen. Denn die Ziele auf Zielebenen mit geringerer<br />
Priorität werden nur dann berücksichtigt, wenn die Ziele auf einer Zielebene mit höherer<br />
Priorität zu mehreren optimalen Modelllösungen führen, die sich per definitionem als gleichwertig<br />
erweisen. Dadurch ist es möglich, in präemptiven Goal-Programming-Modellen auszuschließen,<br />
dass sich Auswirkungen auf Ziele höherer Priorität und entgegengesetzt gerichtete Auswirkungen<br />
ja<br />
nein
554 2.5 Techniken des Operations Research<br />
auf Ziele niedrigerer Priorität gegenseitig kompensieren können. Dagegen lassen sich beim nonpräemptiven<br />
Goal Programming solche Kompensationseffekte zwischen Zielwirkungen nicht<br />
grundsätzlich ausschließen. Zwar können in non-präemptiven Goal-Programming-Modellen die<br />
Ziele unterschiedlich gewichtet werden. Aber die additive Verknüpfung der gewichteten Zielwirkungen<br />
in der generischen Zielfunktion kann aufgrund ihrer Addition von Zielwirkungen niemals<br />
verhindern, dass „beliebig“ große Abweichungen in Bezug auf ein Ziel durch Abweichungen auf<br />
andere Ziele kompensiert werden, wenn diese anderen Zielabweichungen hinreichend groß sind<br />
oder die Gewichte der anderen Ziele hinreichend groß gewählt werden.<br />
2.5.3 Modelle für die kompetenzbasierte Personaleinsatzplanung<br />
2.5.3.1 Das Basismodell<br />
Beim Basismodell 41) wird nur das eine (Meta-) Ziel verfolgt, Mitarbeiter gemäß ihren Kompetenzniveaus<br />
bestmöglich 42) den vorhandenen Arbeitsplätzen zuzuordnen. Allerdings lässt sich das<br />
Bestreben, für jede einzelne Kompetenz eine möglichst kompetenzgerechte Zuordnung zwischen<br />
Mitarbeitern und Arbeitsplätzen vorzunehmen, als ein kompetenzspezifisches (Objekt-) Ziel auffassen.<br />
Daher weicht das Basismodell der kompetenzbasierten Personaleinsatzplanung im Prinzip nicht<br />
von der allgemeinen Modellstruktur des Goal Programmings mit einer beliebig großen Anzahl I von<br />
Zielen i ab. Es muss lediglich beachtet werden, dass die gewöhnlichen (Objekt-) Ziele i des Goal<br />
Programmings hier im Basismodell in der besonderen inhaltlichen Interpretation von Kompetenzen<br />
i verwendet werden. Da diese Kompetenzen simultan betrachtet werden, also keine Priorisierung<br />
zwischen unterschiedlichen Kompetenz-Clustern erfolgt, gehört das Basismodell zum non-präemptiven<br />
Goal Programming.<br />
Für den Anwender des Basismodells gilt es zunächst, die Werte für diejenigen Variablen zu bestimmen,<br />
die in der nachfolgenden Abbildung 73 als modellexogene Variablen deklariert sind. Demnach<br />
muss er entscheiden, welche I Kompetenzen, welche J Arbeitsplätze und welche N Mitarbeiter<br />
bei der Anwendung des Modells berücksichtigt werden sollen. Darüber hinaus müssen Kompetenzprofile<br />
sowohl für alle J Arbeitsplätze als auch für alle N Mitarbeiter spezifiziert werden. Ein<br />
Kompetenzprofil für einen Arbeitsplatz j besteht aus den Bedeutungsurteilen w ij für alle Kompetenzen<br />
i mit i = 1,...,I sowie der Angabe eines mindestens erforderlichen Kompetenzniveaus g ij<br />
für jede Kompetenz i. Die Kompetenzniveauanforderungen g ij besitzen die Qualität von Sollwerten<br />
(„goals“) für die Kompetenzen i aus der Perspektive eines Arbeitsplatzes j. Sie geben jeweils an,<br />
welches Kompetenzniveau hinsichtlich der Kompetenz i für einen Arbeitsplatz j als erforderlich betrachtet<br />
wird. Ein Kompetenzprofil für einen Mitarbeiter n besteht dagegen aus den Kompetenzniveaus<br />
a in für alle Kompetenzen i = 1,...,I . Die Kompetenzniveaus a in besitzen die Qualität von<br />
Istwerten für die Kompetenzen i aus der Perspektive des Mitarbeiters n. Sie geben jeweils an, über<br />
welches Kompetenzniveau hinsichtlich der Kompetenz i ein Mitarbeiter n tatsächlich verfügt.<br />
41) Das hier vorgestellte Basismodell geht auf das Modell zurück, das in PETERS/ZELEWSKI (2003) S. 278 f. erstmals vorgestellt<br />
wurde.<br />
42) Was unter „bestmöglich“ in diesem Anwendungsfall des Goal Programmings konkret zu verstehen ist, wird im Folgenden noch<br />
präzisiert.
2.5 Techniken des Operations Research 555<br />
Variablen, deren Werte vom Anwender modellexogen vorzugeben sind („Parameter“):<br />
I Anzahl der Kompetenzen<br />
J Anzahl der Arbeitsplätze<br />
N Anzahl der Mitarbeiter<br />
g ij erforderliches Kompetenzniveau für Kompetenz i am Arbeitsplatz j<br />
w ij Bedeutung der Kompetenz i am Arbeitsplatz j<br />
a in tatsächliches Kompetenzniveau von Mitarbeiter n hinsichtlich der Kompetenz i<br />
Variablen, deren Werte modellendogen bestimmt werden:<br />
+<br />
d ij obere Abweichungsvariable für das Kompetenzniveau,<br />
das von Kompetenz i am Arbeitsplatz j benötigt wird<br />
−<br />
d ij untere Abweichungsvariable für das Kompetenzniveau,<br />
das von Kompetenz i am Arbeitsplatz j benötigt wird<br />
x nj Entscheidungsvariable mit folgender Interpretation:<br />
xnj = 0 : Mitarbeiter n wird Arbeitsplatz j nicht zugeordnet<br />
xnj = 1 : Mitarbeiter n wird Arbeitsplatz j zugeordnet<br />
Abbildung 73: Variablen des Basismodells<br />
In Abbildung 74 auf der nächsten Seite wird das vollständige Basismodell für die kompetenzbasierte<br />
Personaleinsatzplanung dargestellt, das nach Maßgabe der Goal-Programming-Technik konstruiert<br />
wurde. Mit seiner Hilfe kann die Zuordnung von Mitarbeitern zu Arbeitsplätzen ermittelt<br />
werden, die am ehesten sicherstellt, dass die Kompetenzniveauanforderungen der Arbeitsplätze<br />
durch die zugeordneten Mitarbeiter mit ihren tatsächlichen Kompetenzniveaus zumindest erfüllt<br />
werden.
556 2.5 Techniken des Operations Research<br />
Zielfunktion:<br />
I J<br />
[Z 1] Z1 MIN wij * dij i 1 j 1<br />
−<br />
= ∑∑<br />
= =<br />
unter den Restriktionen:<br />
N<br />
[R 1.1] a * x + + d − − d = g ∀ i = 1,...,I ∀ j = 1,...,J<br />
∑<br />
n= 1<br />
in nj ij ij ij<br />
[R 1.2] + d , d − ≥0∀ i = 1,...,I ∀ j = 1,...,J<br />
ij ij<br />
[R 1.3] { }<br />
[R 1.4]<br />
[R 1.5]<br />
x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N<br />
nj<br />
N<br />
∑<br />
n= 1<br />
J<br />
∑<br />
j= 1<br />
[R 1.6] [ ]<br />
[R 1.7]<br />
ij<br />
x = 1 ∀ j = 1,...,J<br />
nj<br />
x ≤1∀ n = 1,...,N<br />
nj<br />
w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J<br />
I J<br />
∑∑<br />
i= 1 j= 1<br />
w = 1<br />
ij<br />
Abbildung 74: Das Basismodell der kompetenzbasierten Personaleinsatzplanung<br />
Das (Meta-) Ziel des Basismodells besteht darin, die Kompetenzniveauanforderungen – d.h. die angestrebten<br />
Kompetenzniveaus – an allen Arbeitsplätzen zu erreichen oder sogar zu überschreiten.<br />
Übererfüllungen der Kompetenzniveauanforderungen beeinflussen daher im Basismodell die Güte<br />
einer Entscheidungsalternative nicht, sondern werden als genauso gut wie die exakte Erreichung<br />
von Kompetenzniveauanforderungen beurteilt. 43) Deswegen enthält die Zielfunktion nur eine untere<br />
43) Diese Unbeachtlichkeit der Übererfüllung von Kompetenzniveauanforderungen ist keineswegs denknotwendig, sondern stellt<br />
eine kontingente Eigenart der hier – exemplarisch – vorgestellten Anwendung der Technik des Goal Programmings dar. Die<br />
Übererfüllung von Kompetenzniveauanforderungen erweist sich in der betrieblichen Praxis vor allem dann als nicht entscheidungsrelevant,<br />
wenn „normale“ Mitarbeiter zu Arbeitsplätzen zuzuordnen sind. Dabei werden Mitarbeiter als „normal“ qualifiziert,<br />
wenn sie erstens für das betrachtete Unternehmen hinsichtlich seines Bedarfs an kompetenten Mitarbeitern nicht knapp<br />
sind, sondern auf dem Arbeitsmarkt ohne Schwierigkeiten beschafft werden können, und wenn sie sich nicht dadurch demotiviert<br />
fühlen, dass ihre tatsächlichen Kompetenzniveaus von den Kompetenzniveauanforderungen ihres Arbeitsplatzes unterfordert<br />
werden. Die beiden vorgenannten Voraussetzungen brauchen in der betrieblichen Praxis keineswegs erfüllt zu sein. Sobald<br />
mindestens eine von ihnen verletzt ist, erweist sich die oben vorgestellte Modellformulierung nicht mehr als realitätsadäquat.<br />
Beispielsweise wird für die Zuordnung von hochqualifizierten Spezialisten zu Arbeitsplätzen mitunter empfohlen, dass ihre tatsächlichen<br />
Kompetenzniveaus den Kompetenzniveauanforderungen ihrer Arbeitsplätze möglichst genau entsprechen sollen.<br />
Vgl. SURE/MAEDCHE/STAAB (2000) S. 224. Für diese Auffassung spricht, dass sich hochqualifizierte Spezialisten durch die Unterforderung<br />
ihrer Kompetenzen tendenziell schnell demotiviert fühlen und darüber hinaus solche Spezialisten am Arbeitsmarkt<br />
im Allgemeinen knapp sind, so dass ihr Einsatz auf Arbeitsplätzen mit zu geringen Kompetenzniveauanforderungen eine unwirtschaftliche<br />
„Verschwendung“ der tatsächlichen Kompetenzniveaus der Spezialisten bedeuten würde. In solchen Fällen
2.5 Techniken des Operations Research 557<br />
Abweichungsvariable<br />
−<br />
ij<br />
d , jedoch keine obere Abweichungsvariable<br />
+<br />
d ij für jede Kompetenz i und<br />
jeden Arbeitsplatz j . Für die Beurteilung der Lösungsgüte einer Entscheidungsalternative spielt es<br />
nur eine Rolle, ob – und wenn dieser Fall eintritt – in welchem Ausmaß die erforderlichen Kompetenzniveaus<br />
an den Arbeitsplätzen von den tatsächlichen Kompetenzniveaus der zugeordneten Mit-<br />
arbeiter unterschritten werden. Dieses entscheidungsrelevante Unterschreiten der Kompetenzni-<br />
−<br />
veauanforderungen wird durch die unteren Abweichungsvariablen d ij in der Zielfunktion des Basismodells<br />
erfasst. Darüber hinaus gehen in die Zielfunktion des Basismodells die arbeitsplatzspezifischen<br />
Bedeutungsurteile über die Kompetenzen als Gewichte w ij ein. Sie lassen sich – wie bereits<br />
oben erläutert wurde – mit Hilfe der relativen Bewertung des AHP ermitteln.<br />
Die unteren Abweichungsvariablen<br />
−<br />
ij<br />
d und die oberen Abweichungsvariablen<br />
+<br />
d ij für jede Kompe-<br />
tenz i und für jeden Arbeitsplatz j gewährleisten, dass die Restriktion [R 1.1] immer erfüllt werden<br />
kann. Die Nichtnegativitätsrestriktion [R 1.2] verhindert, dass diese Abweichungsvariablen negative<br />
Werte annehmen, die von einem „problemblinden“ Lösungsverfahren aufgrund der zu minimierenden<br />
Zielfunktion erzeugt werden könnten, jedoch unzulässig sind, weil sie der Definition der<br />
Abweichungsvariablen inhaltlich widersprechen würden. Durch die Restriktion [R 1.3] werden die<br />
Entscheidungsvariablen x nj als Binärvariablen definiert, mit deren Hilfe die Zuordnung des n -ten<br />
Mitarbeiters zum j -ten Arbeitsplatz repräsentiert wird. Durch die Restriktion [R 1.4] ist sichergestellt,<br />
dass jedem Arbeitsplatz j genau ein Mitarbeiter zugeordnet wird, während durch die Restriktion<br />
[R 1.5] gewährleistet wird, dass jeder Mitarbeiter n maximal einem Arbeitsplatz zugeordnet<br />
wird. Sofern die Anzahl der Mitarbeiter die Anzahl der Arbeitsplätze übersteigt ( N > J ), werden<br />
N − J Mitarbeiter keinem Arbeitsplatz zugeordnet. Der Fall, dass mehr Arbeitsplätze zu besetzen<br />
sind, als Mitarbeiter zugeordnet werden können ( J > N ), wird im Rahmen dieses Basismodells<br />
nicht behandelt, d.h., es wird N ≥ J als Normalfall für das Basismodell vorausgesetzt. 44) Die<br />
Restriktionen [R 1.6] und [R 1.7] dienen lediglich dazu, die arbeitsplatzspezifischen Bedeutungen<br />
w ij der Kompetenzen zu normieren, und erfüllen daher nur eine „modellästhetische“ Funktion.<br />
Wenn eine solche Normierung für nicht erstrebenswert gehalten wird, können die Restriktionen<br />
[R 1.6] und [R 1.7] ohne Einfluss auf die Werte der Entscheidungsvariablen für die optimalen Modelllösungen<br />
gestrichen werden.<br />
Durch die Lösung des Basismodells werden diejenigen Entscheidungsalternativen als optimale Modelllösungen<br />
ermittelt, welche die gewichtete Summe der negativen Abweichungen der tatsächli-<br />
chen Kompetenzniveaus (Istwerte) von den erforderlichen Kompetenzniveaus (Sollwerte) – gemessen<br />
durch die unteren Abweichungsvariablen d – minimieren. Es können mehrere optimale Mo-<br />
−<br />
ij<br />
empfiehlt es sich, neben den unteren Abweichungsvariablen ij d − ebenso obere Abweichungsvariablen ij d + zu verwenden und ein<br />
zweiseitig angestrebtes Ziel für die kompetenzgerechte Personaleinsatzplanung – zumindest im Hinblick auf Mitarbeiter, die<br />
hochqualifizierte Spezialisten darstellen, – zu formulieren. Wie eine solche Zielformulierung mit unteren und oberen Abweichungsvariablen<br />
konkret erfolgen kann, wird später im Kapitel 2.5.3.2.2 (S. 560 ff.) anhand der dort ergänzten zweiten und dritten<br />
Ziele für die präemptive Variante des erweiterten Goal-Programming-Modells demonstriert.<br />
44) Der Sonderfall J > N lässt sich jedoch durch eine einfache Modifizierung des Basismodells ebenso erfassen. Zu diesem<br />
Zweck braucht lediglich die Restriktion [R 1.4] zur Restriktion [R 1.4´]:<br />
∑<br />
= 1<br />
N<br />
n<br />
x ≤ 1 ∀ j = 1,..., J<br />
jn<br />
abgeschwächt zu werden. Dann ist es zulässig, dass einzelnen Arbeitsplätzen j keine Mitarbeiter zugeordnet werden. Die negative<br />
Kompetenzabweichung fällt in diesem Fall für den betroffenen Arbeitsplatz j gemäß der Restriktion [R 1.1] maximal aus,<br />
d.h. es gilt d− ij = gij<br />
. Die untere Abweichungsvariable ij d − geht mit ihrem maximal möglichen Wert g ij in die Zielfunktion<br />
[Z 1] ein, so dass die Erfüllung der zu minimierenden Zielfunktion entsprechend stark verschlechtert wird.
558 2.5 Techniken des Operations Research<br />
delllösungen existieren, die das (Meta-) Ziel der Minimierung der gewichteten negativen Kompetenzniveauabweichungen<br />
gleich gut erfüllen. Wenn mehrere gleichwertige, jeweils optimale Lösungen<br />
existieren, kann aus ihnen eine beliebige ausgewählt werden. Hierfür kommen z.B. ein Zufallsverfahren<br />
und das Verfahren lexikographischer Anordnung (sofern die Lösungen des Basismodells<br />
durch einen eindeutig identifizierenden Index geordnet sind) in Betracht.<br />
2.5.3.2 Erweiterungen des Basismodells<br />
2.5.3.2.1 Ziele und Variablen der Modellerweiterungen<br />
Durch Erweiterungen des Basismodells 45) für die kompetenzbasierte Personaleinsatzplanung lassen<br />
sich die folgenden drei (Meta-) Ziele berücksichtigen:<br />
• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung 46) zwischen<br />
tatsächlichen und erforderlichen Kompetenzniveaus größtmöglich ausfällt;<br />
• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung zwischen<br />
den Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und den relativen Bedeutungen<br />
der Kompetenzen für die Arbeitsplätze größtmöglich ausfällt;<br />
• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung zwischen<br />
den Mitarbeiterpräferenzen hinsichtlich der Arbeitsplatzeigenschaften und den tatsächlichen<br />
Eigenschaften der Arbeitsplätze größtmöglich ausfällt.<br />
In der präemptiven Variante des erweiterten Goal-Programming-Modells wird das erste von den<br />
drei voranstehenden Zielen als einziges Ziel erster Priorität behandelt, während das zweite und dritte<br />
Ziel als Ziele zweiter Priorität berücksichtigt werden. Das zweite und das dritte Ziel befinden sich<br />
also auf einer gemeinsamen, dem ersten Ziel untergeordneten Zielebene. Aufgrund dieser Modellkonstruktion<br />
braucht der Anwender des erweiterten Modells nur die relativen Bedeutungen v 2 und<br />
v 3 des zweiten Ziels bzw. des dritten Ziels zu bewerten. 47) Denn durch die Priorisierung des ersten<br />
Ziels auf der übergeordneten Zielebene ist bereits implizit festgelegt, dass das erste Ziel im Sinne<br />
einer lexikographischen Anordnung eine „unendlich“ größere relative Bedeutung als das zweite und<br />
das dritte Ziel besitzt. Zur Ermittlung der relativen Bedeutungen v 2 und v 3 muss der Modellanwender<br />
nur ein Paarvergleichsurteil in einer Evaluationsmatrix A der Dimension m = 2 fällen.<br />
45) Die folgenden Modellerweiterungen basieren auf den Modellen in PETERS/ZELEWSKI (2004a) S. 36 ff.<br />
46) Im Basismodell wurde das Meta-Ziel verfolgt, die Gesamtheit der Abweichungen zwischen Soll- und Istwerten für die jeweils<br />
betrachteten Kompetenzen (Objekt-Ziele) zu minimieren. Im erweiterten Modell wird hingegen das (erste) Meta-Ziel zugrunde<br />
gelegt, die Übereinstimmung zwischen tatsächlichen und erforderlichen Kompetenzniveaus zu maximieren. Beide Meta-Ziel-<br />
Formulierungen verhalten sich äquivalent zueinander und lassen sich deswegen bei der Formulierung von Goal-Programming-<br />
Modellen gegeneinander austauschen. Die Äquivalenz der Zielformulierungen beruht darauf, dass tatsächliche Kompetenzniveaus<br />
den Istwerten und erforderliche Kompetenzniveaus den Sollwerten der jeweils betroffenen Kompetenzen entsprechen.<br />
Unter dieser Voraussetzung erweisen sich die Minimierung von Abweichungen und die Maximierung der (komplementär definierten)<br />
Übereinstimmung zwischen den vorgenannten Größen als äquivalente (Meta-) Ziele.<br />
47) Die relativen Bedeutungen v 2 und v 3 des zweiten bzw. dritten Ziels im erweiterten Modell sind von den arbeitsplatzspezifischen<br />
Bedeutungen w ij der Kompetenzen, die im Basismodell verwendet wurden, deutlich zu unterscheiden. Die relativen Bedeutungen<br />
v 2 und v 3 beziehen sich jetzt auf die Meta-Ziele, bei der Zuordnung von Mitarbeitern auf Arbeitsplätze über die Gesamtheit<br />
aller Mitarbeiter und Arbeitsplätze unterschiedliche Übereinstimmungsvorstellungen bestmöglich zu erfüllen. Im Basismodell<br />
wurden dagegen die arbeitsplatzspezifischen Bedeutungen w ij der Kompetenzen verwendet, um die relativen Bedeutungen jeder<br />
Kompetenz i (im Sinne eines Objekt-Ziels) für jeden Arbeitsplatz j einzeln auszudrücken.
2.5 Techniken des Operations Research 559<br />
In der non-präemptiven Variante des erweiterten Goal-Programming-Modells werden alle drei Ziele<br />
auf einer Zielebene als Ziele erster Priorität behandelt, so dass eine Bewertung der relativen Bedeutungen<br />
1 v , 2 v und v 3 aller drei Ziele erfolgen muss. Die non-präemptive Variante erfordert folglich<br />
drei Paarvergleichsurteile, da eine Evaluationsmatrix A der Dimension m = 3ausgefüllt<br />
werden<br />
muss.<br />
Sofern eines der drei Ziele nicht berücksichtigt werden soll, muss der Anwender der relativen Bedeutung<br />
1 v , 2 v oder v 3 des betroffenen Ziels den Wert 0 zuweisen und nur noch eine Evaluationsmatrix<br />
der Dimension m = 2 ausfüllen. In der präemptiven Modellvariante ist es nicht möglich,<br />
das erste Ziel nicht zu berücksichtigen. Im vorliegenden Anwendungsfall erscheint es jedoch ohnehin<br />
realitätsfern, das erste Ziel nicht zu berücksichtigen, da durch eine Zuordnung der Mitarbeiter<br />
zu Arbeitsplätzen anhand ihrer Präferenzen für Kompetenzen nicht gewährleistet ist, dass die Mitarbeiter<br />
den Kompetenzniveauanforderungen an ihren Arbeitsplätzen gewachsen sind. Aus diesem<br />
Grund sollte bei der Verwendung der non-präemptiven Variante dem ersten Ziel die höchste Bedeutung<br />
beigemessen werden, so dass das Bedeutungsurteil v 1 einen höheren Wert als die Bedeutungsurteile<br />
v 2 und v 3 annehmen müsste.<br />
Neben diesen Bedeutungsurteilen sind sämtliche Variablenwerte, die für das Basismodell benötigt<br />
werden, auch bei den beiden Varianten des erweiterten Modells erforderlich. Diese Variablenwerte<br />
werden in der nachfolgenden Abbildung 75 zusammengefasst.<br />
Variablen, deren Werte vom Anwender modellexogen vorzugeben sind („Parameter“):<br />
K Anzahl der Arbeitsplatzattribute<br />
b kj tatsächliche Ausprägung des Arbeitsplatzattributs k am Arbeitsplatz j<br />
h kn präferierte Ausprägung des Arbeitsplatzattributs k für Mitarbeiter n<br />
p in Präferenz des Mitarbeiters n hinsichtlich der Kompetenz i<br />
v 1 Bedeutungsurteil über die Erfüllung des ersten Ziels: Übereinstimmung<br />
zwischen tatsächlichen und erforderlichen Kompetenzniveaus 48)<br />
v 2 Bedeutungsurteil über die Erfüllung des zweiten Ziels: Übereinstimmung<br />
zwischen den Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und<br />
den relativen Bedeutungen der Kompetenzen für die Arbeitsplätze<br />
v 3 Bedeutungsurteil über die Erfüllung des dritten Ziels: Übereinstimmung<br />
zwischen den Mitarbeiterpräferenzen hinsichtlich der Ausprägungen von<br />
Arbeitsplatzattributen und den tatsächlichen Ausprägungen der<br />
Arbeitsplatzattribute<br />
w kn Bedeutung des Arbeitsplatzattributs k für den Mitarbeiter n<br />
Abbildung 75: Zusätzliche Variablen des erweiterten Goal-Programming-Modells<br />
48) Diese Variable wird nur in der non-präemptiven Variante des erweiterten Modells benötigt.
560 2.5 Techniken des Operations Research<br />
Darüber hinaus müssen zur Berücksichtigung des zweiten und des dritten Ziels Werte für zusätzliche,<br />
in Abbildung 75 auf der nächsten Seite angeführte exogene Variablen („Parameter“) erhoben<br />
werden. Für das zweite Ziel ist es erforderlich, für jeden Mitarbeiter n mit Hilfe der relativen Bewertung<br />
des AHP seine Präferenz p in hinsichtlich jeder Kompetenz i zu ermitteln. Im Hinblick auf<br />
das dritte Ziel muss der Anwender zunächst entscheiden, welche K Arbeitsplatzattribute k mit<br />
k = 1,...,K bei der Modellanwendung berücksichtigt werden sollen. Alsdann muss er für jedes Arbeitsplatzattribut<br />
k seine tatsächliche Ausprägung b kj am Arbeitsplatz j bestimmen. Die tatsächlichen<br />
Attributausprägungen b kj stellen arbeitsplatzspezifische Istwerte für die zuordnungsrelevanten<br />
Eigenschaften der betroffenen Arbeitsplätze dar. 49) Jeder Mitarbeiter n muss für jedes Arbeitsplatz-<br />
attribut k die von ihm präferierte Ausprägung h kn angeben. Die präferierten Attributausprägungen<br />
h kn besitzen die Qualität von Sollwerten für die zuordnungsrelevanten Eigenschaften der betroffenen<br />
Arbeitsplätze. Zusätzlich muss jeder Mitarbeiter n für jedes Arbeitsplatzattribut k mit Bedeutungsurteilen<br />
w kn bewerten, wie wichtig ihm die einzelnen Arbeitsplatzattribute sind. Diese Bedeutungsurteile<br />
können die Mitarbeiter durch das Ausfüllen von Evaluationsmatrizen im Rahmen der<br />
relativen Bewertung des AHP fällen.<br />
2.5.3.2.2 Präemptive Variante des erweiterten Goal-Programming-Modells<br />
Die präemptive Variante des erweiterten Goal-Programming-Modells besteht aus zwei Teilmodellen,<br />
da eine Aufteilung in Ziele erster Priorität und Ziele zweiter Priorität erfolgt. Wenn die Lösung<br />
des ersten Teilmodells der präemptiven Variante des erweiterten Goal-Programming-Modells in<br />
Abbildung 76 zu mehr als einer optimalen Lösung führt, wird das zweite Teilmodell in Abbildung<br />
77 angewendet. Für das zweite und das dritte Ziel in diesem zweiten Teilmodell muss der Anwender<br />
Bedeutungsurteile v 2 bzw. v 3 angeben.<br />
Durch die Zielfunktion [Z 2.1] wird nur das erste Ziel abgedeckt, eine möglichst große Übereinstimmung<br />
zwischen tatsächlichen und erforderlichen Kompetenzniveaus an allen Arbeitsplätzen zu<br />
erreichen, indem die Abweichungen zwischen den tatsächlichen Kompetenzniveaus der Arbeitskräfte<br />
und den Kompetenzniveauanforderungen der Arbeitsplätze minimiert werden. Es stellt das<br />
einzige Ziel erster Priorität dar. Dieses Übereinstimmungsziel wird – wie es schon im Basismodell<br />
der Fall war – als unteres einseitig angestrebtes Ziel konkretisiert. Es besteht darin, die an den Arbeitsplätzen<br />
erforderlichen Kompetenzniveaus durch entsprechende Mitarbeiterzuordnungen zu erreichen<br />
oder zu überschreiten. Die Zielfunktion enthält daher nur die unteren Abweichungsvariab-<br />
−<br />
len d ij für die Kompetenzen i und Arbeitsplätze j , die mit den kompetenz- und arbeitsplatzspezifischen<br />
Bedeutungsurteilen w ij individuell gewichtet sind. Denn die Lösungsgüte von Entscheidungsalternativen<br />
wird bei dieser Art der Konkretisierung des Übereinstimmungsziels nur dadurch<br />
(negativ) beeinflusst, dass die tatsächlichen Kompetenzniveaus der zugeordneten Mitarbeiter die<br />
Kompetenzniveauanforderungen der Arbeitsplätze unterschreiten. Dagegen werden die komplemen-<br />
+<br />
tären oberen Abweichungsvariablen d ij in der Zielfunktion nicht berücksichtigt, weil Überschreitungen<br />
der Kompetenzniveauanforderungen bei einem unteren einseitig angestrebten Ziel keine<br />
Rolle spielen.<br />
49) Die Bezeichnung „Arbeitsplatzeigenschaft“ lässt nicht genau erkennen, ob eine Eigenschaft „an sich“ oder deren spezielle Ausprägung<br />
für einen bestimmten Arbeitsplatz gemeint ist. Daher wird im Folgenden zwischen einerseits Attributen k „an sich“<br />
(oder Merkmalen) und ihren speziellen, arbeitsplatzspezifischen Ausprägungen bkj (Merkmalsausprägungen) differenziert.
2.5 Techniken des Operations Research 561<br />
Zielfunktion (erste Priorität):<br />
I J<br />
[Z 2.1] Z2.1 MIN wij * dij i 1 j 1<br />
−<br />
= ∑∑<br />
= =<br />
unter den Restriktionen:<br />
N<br />
[R 2.1] a * x + + d − − d = g ∀ i = 1,...,I ∀ j = 1,...,J<br />
∑<br />
n= 1<br />
+ −<br />
dij ij<br />
in nj ij ij ij<br />
[R 2.2] , d ≥ 0 ∀i<br />
= 1,...,<br />
I ∀ j = 1,...,<br />
J<br />
[R 2.3] { }<br />
[R 2.4]<br />
[R 2.5]<br />
[R 2.6] [ ]<br />
[R 2.7]<br />
x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N<br />
nj<br />
N<br />
∑<br />
J ≤ N → x = 1 ∀ j = 1,...,J<br />
n= 1<br />
N<br />
∑<br />
n= 1<br />
nj<br />
J > N → x ≤1∀ j = 1,...,J<br />
J<br />
∑<br />
j= 1<br />
nj<br />
N ≤ J → x = 1 ∀ n = 1,...,N<br />
J<br />
∑<br />
j= 1<br />
nj<br />
N > J → x ≤1∀ n = 1,...,N<br />
ij<br />
I J<br />
nj<br />
w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J<br />
∑∑<br />
i= 1 j= 1<br />
w = 1<br />
ij<br />
Abbildung 76: Erstes Teilmodell des erweiterten Goal-Programming-Modells<br />
Die Restriktionen [R 2.1], [R 2.2], [R 2.3], [R 2.6] und [R 2.7] entsprechen den Restriktionen<br />
[R 1.1], [R 1.2], [R 1.3], [R 1.6] bzw. [R 1.7] des Basismodells. Durch die Restriktion [R 2.4] wird<br />
sichergestellt, dass jedem Arbeitsplatz nur höchstens ein Mitarbeiter zugeordnet wird, während<br />
durch die Restriktion [R 2.5] gewährleistet ist, dass jeder Mitarbeiter nur höchstens einem Arbeitsplatz<br />
zugeordnet wird. Die Restriktionen [R 2.4] und [R 2.5] entsprechen also den Restriktionen<br />
[R 1.4] bzw. [R 1.5] des Basismodells. Im Gegensatz zu diesen Restriktionen des Basismodells<br />
wird jedoch durch die Restriktionen [R 2.4] und [R 2.5] im erweiterten Modell zusätzlich berücksichtigt,<br />
dass die Anzahl J der Arbeitsplätze nicht mit der Anzahl N der Mitarbeiter übereinzustimmen<br />
braucht, sondern sowohl mehr Arbeitsplätze als Mitarbeiter ( J > N ) als auch mehr Mitarbeiter<br />
als Arbeitsplätze ( N > J ) vorhanden sein können.
562 2.5 Techniken des Operations Research<br />
Wenn das in Abbildung 76 dargestellte Teilmodell zu mehr als einer optimalen Lösung führt, muss<br />
das zweite – in Abbildung 77 ab der übernächsten Seite dargestellte – Teilmodell gelöst werden.<br />
Durch den Ausdruck in der ersten Zeile der Zielfunktion [Z 2.2] des zweiten Teilmodells wird das<br />
zweite Ziel berücksichtigt, eine möglichst große Übereinstimmung zwischen den Mitarbeiterpräferenzen<br />
hinsichtlich der Kompetenzen und den relativen Bedeutungen der Kompetenzen für die Arbeitsplätze<br />
herbeizuführen. Dieses Ziel wird als ein zweiseitig angestrebtes Ziel konkretisiert, so<br />
dass die Präferenzen p in der Mitarbeiter n bezüglich der Kompetenzen i durch die Bedeutungen w ij<br />
der Kompetenzen i für die Arbeitsplätze j möglichst genau getroffen, d.h. nach Möglichkeit weder<br />
unter- noch überschritten werden sollen. Die Erreichung dieses zweiseitig angestrebten Übereinstimmungsziels<br />
wird gemäß dem Standardansatz des Goal Programmings, Abweichungen zwischen<br />
Soll- und Istwerten für vorgegebene Ziele zu minimieren, in das äquivalente Ziel transformiert, die<br />
Gesamtheit der Abweichungen zwischen den Präferenzen p in der Mitarbeiter n bezüglich der<br />
Kompetenzen i als Sollwerten einerseits und den tatsächlichen Bedeutungen w ij der Kompetenzen i<br />
für die Arbeitsplätze j als Istwerten andererseits zu minimieren. Die Abweichungen zwischen Sollund<br />
Istwerten werden beim zweiten Ziel je Kompetenz i und Mitarbeiter n nicht unterschiedlich<br />
gewichtet, so dass in der ersten Zeile der Zielfunktion [Z 2.2] auf die Verwendung expliziter Gewichte<br />
win für die kompetenz- und mitarbeiterspezifischen Abweichungen verzichtet wird. 50) Um<br />
sowohl Unter- als auch Überschreitungen der Soll- durch die Istwerte zu erfassen, werden im Fall<br />
−<br />
des zweiseitig angestrebten zweiten Ziels sowohl die unteren Abweichungsvariablen d in als auch<br />
+<br />
die oberen Abweichungsvariablen d in verwendet. Die konkreten Werte dieser Abweichungsvariablen<br />
werden in der Gleichungsfamilie der Restriktion [2.8] modellendogen festgelegt.<br />
In der zweiten Zeile der Zielfunktion [Z 2.2] wird das dritte Ziel berücksichtigt, eine möglichst große<br />
Übereinstimmung zwischen den Mitarbeiterpräferenzen hinsichtlich der Ausprägungen von Arbeitsplatzattributen<br />
und den tatsächlichen Ausprägungen der Arbeitsplatzattribute herbeizuführen.<br />
Dieses Ziel wird abermals als ein zweiseitig angestrebtes Ziel konkretisiert. Daher gilt es, dass die<br />
Ausprägungen h kn für Arbeitsplatzattribute k , die von Mitarbeitern n präferiert werden, von den<br />
tatsächlichen Attributausprägungen b kj der Arbeitsplätze j möglichst genau getroffen, d.h. nach<br />
Möglichkeit weder unter- noch überschritten werden. Die Erreichung dieses zweiseitig angestrebten<br />
Übereinstimmungsziels wird – analog zur Vorgehensweise beim zweiten Ziel – in das äquivalente<br />
Ziel transformiert, die Gesamtheit der Abweichungen zwischen den aus Mitarbeitersicht präferierten<br />
Attributausprägungen h kn (als Sollwerten) und den an den Arbeitsplätzen realisierten Attributausprägungen<br />
b kj (als Istwerten) zu minimieren. Die Abweichungen zwischen Soll- und Istwerten<br />
werden beim dritten Ziel unterschiedlich gewichtet je nachdem, wie hoch die Bedeutung w kn des<br />
Arbeitsplatzattributs k für den Mitarbeiter n ist. Um sowohl Unter- als auch Überschreitungen der<br />
Soll- durch die Zielwerte zu erfassen, werden im Fall des zweiseitig angestrebten dritten Ziels abermals<br />
sowohl die unteren Abweichungsvariablen dkn − als auch die oberen Abweichungsvariablen d kn<br />
+<br />
verwendet. Die konkreten Werte dieser Abweichungsvariablen werden in der Gleichungsfamilie der<br />
Restriktion [2.9] modellendogen festgelegt.<br />
50) Stattdessen können auch explizite, gleich große Gewichte w in verwendet werden. Die erste Zeile der Zielfunktion [Z 2.2] würde<br />
dann – äquivalent – lauten:<br />
v<br />
2<br />
I N<br />
⎛ + ⎞<br />
⎜∑∑ ( ) ⎟<br />
⎝ i= 1 n= 1<br />
⎠<br />
1<br />
* w * −<br />
in din + din mit win = ∀ i = 1..., I ∀ n = 1,..., N<br />
I * N
2.5 Techniken des Operations Research 563<br />
Mit einer derartigen Formulierung des dritten Ziels können Arbeitsplatzattribute wie beispielsweise<br />
Arbeitsstunden pro Tag und Arbeitstage pro Woche in das erweiterte Goal-Programming-Modell<br />
einbezogen werden, die aus der Perspektive der Mitarbeiter an ihren Arbeitsplätzen möglichst genau<br />
erfüllt werden sollen (zweiseitig angestrebte Ziele). Es ist jedoch zum einen ebenso vorstellbar,<br />
dass Arbeitsplatzattribute berücksichtigt werden sollen, für die eine bestimmte Ausprägung mindestens<br />
erreicht werden soll (unteres einseitig angestrebtes Ziel). Beispiele für derartige Arbeitsplatzattribute<br />
sind der Grad der Arbeitssicherheit und die Bürogröße. Zum anderen kann bei Arbeitsplatzattributen,<br />
wie beispielsweise der Lärmbelästigung, eine Formulierung als oberes einseitig angestrebtes<br />
Ziel erfolgen. Alle vorgenannten Zielvarianten lassen sich ohne Schwierigkeiten berücksichtigen,<br />
indem die Einbeziehung unterer und oberer Abweichungsvariablen in der Zielfunktion so<br />
an die Art der Zielanstrebung angepasst wird, wie es im Kapitel 2.5.2.2.2 (S. 551 f.) für die generische<br />
Zielfunktion des Goal Programmings skizziert wurde.<br />
Zielfunktion (zweite Priorität):<br />
[Z 2.2]<br />
unter den Restriktionen:<br />
I N<br />
⎡ ⎛ ⎞ ⎤<br />
+<br />
⎢ v *<br />
−<br />
2 ⎜∑∑din + din⎟<br />
⎥<br />
⎢ ⎝ i= 1 n= 1 ⎠ ⎥<br />
Z2.2 = MIN ⎢ K N<br />
⎥<br />
⎢ ⎛ ⎞<br />
+<br />
+ v * *( − + ) ⎥<br />
3 ⎢<br />
⎜∑∑wkn dkn dkn<br />
⎟<br />
⎥<br />
⎣ ⎝ k= 1 n= 1<br />
⎠⎦<br />
I J<br />
[R 2.1] Z *<br />
2.1 wij* dij i 1 j 1<br />
−<br />
= ∑∑<br />
= =<br />
+ −<br />
dij ij<br />
[R 2.2] , d ≥ 0 ∀i<br />
= 1,...,<br />
I ∀ j = 1,...,<br />
J<br />
[R 2.3] { }<br />
[R 2.4]<br />
[R 2.5]<br />
[R 2.6] [ ]<br />
[R 2.7]<br />
x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N<br />
nj<br />
N<br />
∑<br />
J ≤ N → x = 1 ∀ j = 1,...,J<br />
n= 1<br />
N<br />
∑<br />
n= 1<br />
nj<br />
J > N → x ≤1∀ j = 1,...,J<br />
J<br />
∑<br />
j= 1<br />
nj<br />
N ≤ J → x = 1 ∀ n = 1,...,N<br />
J<br />
∑<br />
j= 1<br />
nj<br />
N > J → x ≤1∀ n = 1,...,N<br />
ij<br />
nj<br />
w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J<br />
I J<br />
∑∑<br />
i= 1 j= 1<br />
w = 1<br />
ij
564 2.5 Techniken des Operations Research<br />
J<br />
− +<br />
∑ wij jn in in in<br />
j=<br />
1<br />
[R 2.8] * x + d − d = p ∀i<br />
= 1,...,<br />
I ∀ n = 1,...,<br />
N<br />
J<br />
[R 2.9] nor b * x + d − + − d nor = h = 1 ∀ k = 1,...,K ∀ n = 1,...,N<br />
[R 2.10]<br />
∑<br />
j= 1<br />
kjn jn kn kn kn<br />
b<br />
nor kj<br />
bkjn = ∀ j = 1,...,J ∀ k = 1,...,K ∀ n = 1,...,N<br />
hkn<br />
h nor kn<br />
[R 2.11] hkn = = 1 ∀ k = 1,...,K ∀ n = 1,...,N<br />
h<br />
+ −<br />
din in<br />
kn<br />
[R 2.12] , d ≥ 0 ∀i<br />
= 1,...,<br />
I ∀n<br />
= n,...,<br />
N<br />
+ −<br />
dkn kn<br />
[R 2.13] , d ≥ 0 ∀k<br />
= 1,...,<br />
K ∀n<br />
= 1,...,<br />
N<br />
[R 2.14] [ ]<br />
[R 2.15]<br />
w ∈ 0;1 ∀ k = 1,...,K ∀ n = 1,...,N<br />
kn<br />
K N<br />
∑∑<br />
k= 1 n= 1<br />
w = 1<br />
[R 2.16] [ ]<br />
kn<br />
v , v ∈ 0;1 und v + v = 1<br />
2 3 2 3<br />
Abbildung 77: Zweites Teilmodell des erweiterten Goal-Programming-Modells<br />
Die erste Restriktion [R 2.1] stellt sicher, dass die bestmögliche – d.h. hier: minimale – Erfüllung<br />
*<br />
Z des ersten Ziels, die durch mehrere optimale Lösungen (Entscheidungsalternativen) des ersten<br />
2.<br />
1<br />
Teilmodells erreicht wird, durch jede zulässige Lösung des zweiten Teilmodells ebenso erreicht<br />
wird. Dadurch kann die Erreichung des Ziels hoher Priorität (erstes Ziel in der Zielfunktion Z2.1),<br />
das dem ersten Teilmodell ausschließlich zugrunde lag, bei der Analyse der Erreichungen der beiden<br />
Ziele niedriger Priorität (zweites und drittes Ziel in den beiden Zeilen der Zielfunktion Z2.2) im<br />
zweiten Modell nicht verschlechtert – aber auch nicht verbessert – werden.<br />
Die Restriktionen [R 2.2], [R. 2.3], [R. 2.4], [R 2.5], [R 2.6] und [R 2.7] des ersten und des zweiten<br />
Teilmodells in Abbildung 76 gelten auch für das zweite Teilmodell und werden daher in Abbildung<br />
77 unverändert übernommen.<br />
Durch die Restriktionen [R 2.8] und [R 2.9] wird sichergestellt, dass die Werte für die unteren und<br />
oberen Abweichungsvariablen −<br />
d in und +<br />
d in bzw. −<br />
d kn und +<br />
d kn modellendogen bestimmt werden.<br />
Dies entspricht der Restriktion [R 2.1] des ersten Teilmodells. Zudem gewährleisten die Nichtnegativitätsrestriktionen<br />
[R 2.12] und [R 2.13] analog zur Restriktion [R 2.2] des ersten und des zweiten<br />
− + −<br />
+<br />
Teilmodells, dass die Abweichungsvariablen d in , d in , d kn und d kn bei ihrer modellendogenen Bestimmung<br />
keine negativen Werte annehmen.
2.5 Techniken des Operations Research 565<br />
In die Formulierung der Restriktion [R 2.9] ist in Verknüpfung mit den Restriktionen [R 2.10] und<br />
[R 2.11] noch ein besonderer Modellierungsaspekt eingeflossen: Durch die Restriktionen [R 2.10]<br />
und [R 2.11] erfolgt eine Normierung der Ausprägungen der Arbeitsplatzattribute. 51) Entsprechend<br />
werden in der Restriktion [R 2.9] normierte Attributausprägungen verwendet, und zwar sowohl<br />
normierte Attributausprägungen nor h kn , die vom Mitarbeiter n für Arbeitsplatzattribute k präferiert<br />
werden (Sollwerte), als auch normierte Attributausprägungen nor b kjn , die Arbeitsplätze j für Arbeitsplatzattribute<br />
k tatsächlich aufweisen (Istwerte) und im Hinblick auf die Präferenzen h kn von Mitarbeiter<br />
n relativiert wurden. Eine derartige „doppelte“ Normierung empfiehlt sich, da es durch unterschiedliche<br />
Größenordnungen (Maßeinheiten) der Ausprägungen der Arbeitsplatzattribute zu Ergebnisverzerrungen<br />
kommen kann, wenn unterschiedlich skalierte Arbeitsplatzattribute berücksichtigt<br />
werden. 52) Beispielsweise ist es plausibel, dass sich Bürogrößenabweichungen in einer Größenordnung<br />
von bis zu ca. 30 [m 2 ] bewegen, während Abweichungen bei der Anzahl der Arbeitstage<br />
pro Woche maximal 6 [Tage] betragen können. Ohne eine Normierung beider Skalen bestünde daher<br />
die Gefahr, dass sich Bürogrößenabweichungen in der Zielfunktion entsprechend dem Verhältnis<br />
30:6 etwa 5-mal so stark wie Abweichungen hinsichtlich der Anzahl der Arbeitstage pro Woche<br />
auswirken. Es käme somit zu einer impliziten und ungewollten Gewichtung von Abweichungsarten<br />
aufgrund von Skaleneffekten, die nichts mit der expliziten Gewichtung für die Abweichungsarten<br />
durch die Bedeutungen w kn der Arbeitsplatzattribute k für Mitarbeiter n gemeinsam hat. Diese Verzerrungen<br />
werden verhindert, indem alle Abweichungsarten mit Hilfe der normierten Attributaus-<br />
nor<br />
h (Sollwerte) und b (Istwerte) auf derselben Größenskala gemessen werden.<br />
prägungen nor<br />
kn<br />
kjn<br />
Die normierten Attributausprägungen resultieren gemäß den Restriktionen [R 2.10] und [R 2.11]<br />
daraus, dass die ursprünglich aus der Perspektive der Mitarbeiter n präferierten Attributausprägungen<br />
kn h und die ursprünglich an den Arbeitsplätzen j realisierte Attributausprägung b kj durch die<br />
präferierte Attributausprägung h kn für das jeweils betroffene Arbeitsplatzattribut k dividiert werden.<br />
Daher nimmt die normierte realisierte Attributausprägung nor b kjn für ein Arbeitsplatzattribut k und<br />
einen Arbeitsplatz j genau dann den Wert 1 an, wenn die realisierte Attributausprägung b kj mit der<br />
präferierten Attributausprägung h kn aus der Sicht des Mitarbeiters n übereinstimmt. Die normierte<br />
nor<br />
präferierte Attributausprägung h kn beträgt dagegen per constructionem immer 1 , weil die aus Mitarbeitersicht<br />
präferierte Attributausprägung h kn stets durch sich selbst dividiert wird. Allerdings<br />
kommt erschwerend hinzu, dass sich die präferierten Attributausprägungen h kn für dasselbe Arbeitsplatzattribut<br />
k von Mitarbeiter n zu Mitarbeiter n´ unterscheiden können. Daher ist die nor-<br />
nor<br />
mierte realisierte Attributausprägung b kjn für ein Arbeitsplatzattribut k und für einen Arbeitsplatz j<br />
im Allgemeinen nicht eindeutig bestimmt. Denn bei der Aufstellung des Goal-Programming-<br />
Modells ist dessen Lösung noch nicht bekannt, so dass a priori nicht feststeht, welcher Mitarbeiter<br />
n mit welcher präferierten Attributausprägung h kn für das Arbeitsplatzattribut k einem Arbeitsplatz<br />
j zugeordnet wird. Daher müssen in Bezug auf unterschiedliche Mitarbeiter n in den Re-<br />
nor<br />
striktionen [R 2.9] und [R 2.10] auch verschiedene normierte realisierte Attributausprägungen b kjn<br />
für denselben Arbeitsplatz j verwendet werden.<br />
51) Vgl. SCHNIEDERJANS (1995) S. 38 f.<br />
52) Vgl. zur Illustration dieser Problematik anhand eines Beispiels: SCHNIEDERJANS (1995) S. 38 f.
566 2.5 Techniken des Operations Research<br />
Die Restriktionen [R 2.14], [R 2.15] und [R 2.16] dienen der Normierung der Bedeutungsurteile<br />
wkn, mit denen die Arbeitsplatzattribute k aus der Perspektive der Mitarbeiter n bewertet werden<br />
([R 2.14] und [R 2.15]), sowie der Bedeutungsurteile v2 und v3 des Entscheiders hinsichtlich seiner<br />
Wertschätzung des zweiten bzw. dritten Ziels ([R 2.16]). Eine „Verletzung“ dieser Restriktionen<br />
kann ausgeschlossen werden, sofern die Bedeutungsurteile im Rahmen der relativen Bewertung des<br />
AHP bestimmt werden, da diese Bedeutungsurteile dann stets positive Werte annehmen und auf den<br />
Gesamtwert 1 je Beurteilungsgruppe normiert sind.<br />
2.5.3.2.3 Non-präemptive Variante<br />
des erweiterten Goal-Programming-Modells<br />
Die nachfolgende Abbildung 78 repräsentiert die non-präemptive Variante des erweiterten Goal-<br />
Programming-Modells. Um die wesentlichen Unterschiede gegenüber der präemptiven Modellvariante<br />
aus der Abbildung 77 hervorzuheben, werden in der nur diejenigen Komponenten der non-präemptiven<br />
Modellvariante explizit formuliert, die sich von der präemptiven Modellvariante unterscheiden.<br />
Zielfunktion:<br />
[Z 3]<br />
unter den Restriktionen:<br />
I J<br />
⎡ ⎛ ⎞ ⎤<br />
⎢ v1* wij * d−<br />
⎜∑∑ ij ⎟ ⎥<br />
⎢ ⎝ i= 1 j= 1 ⎠ ⎥<br />
⎢ I N<br />
⎥<br />
⎛ ⎞<br />
+<br />
Z3= MIN ⎢+ v2* d− in + d ⎥<br />
in<br />
⎢<br />
⎜∑∑ ⎟<br />
⎥<br />
i= 1 n= 1<br />
⎢<br />
⎝ ⎠<br />
⎥<br />
K N<br />
⎢ ⎛ ⎞⎥<br />
+<br />
⎢+ v3* wkn*( d− ⎜∑∑ kn + dkn)<br />
⎟⎥<br />
⎢⎣ ⎝ k= 1 n= 1<br />
⎠⎥⎦<br />
[R 2.2] bis [R 2.15] aus Abbildung 77<br />
[R 3.16] [ ]<br />
v , v , v ∈ 0;1 und v + v + v = 1<br />
1 2 3 1 2 3<br />
Abbildung 78: Non-präemptive Variante des erweiterten Goal-Programming-Modells
2.5 Techniken des Operations Research 567<br />
Bei dieser non-präemptiven Modellvariante werden alle drei Ziele in der Zielfunktion [Z 3] simultan<br />
berücksichtigt. Im Gegensatz zur präemptiven Variante sind bei der non-präemptiven Variante<br />
Kompensationseffekte zwischen allen drei Zielen möglich. Jede Zeile der Zielfunktion [Z 3] in repräsentiert<br />
eines dieser drei Ziele. Wie in der präemptiven Variante stellt das erste Ziel ein unteres<br />
einseitig angestrebtes Ziel dar, während sowohl das zweite als auch das dritte Ziel als zweiseitig angestrebte<br />
Ziele modelliert werden. Das erste Ziel – die kompetenzbasierte Zuordnung der Mitarbeiter<br />
zu Arbeitsplätzen – wird in der ersten Zeile der Zielfunktion berücksichtigt und mit dem Bedeutungsurteil<br />
v 1 gewichtet. Das zweite und das dritte Ziel werden mit den Bedeutungsurteilen v 2 bzw.<br />
v gewichtet.<br />
3<br />
Es ist möglich, dass mehrere optimale Lösungen (Entscheidungsalternativen) für die non-präemptive<br />
Variante des erweiterten Goal-Programming-Modells existieren. Diese optimalen Modelllösungen<br />
erfüllen alle drei Ziele des Goal-Programming-Modells insgesamt gleich gut, d.h., sie führen<br />
zum selben minimalen Zielfunktionswert der Zielfunktion [Z 3]. Die optimalen Modelllösungen unterscheiden<br />
sich in der Regel dadurch, dass sie Mitarbeiter n zu Arbeitsplätzen j auf unterschiedliche<br />
Weise zuordnen. Insbesondere Kompensationseffekte zwischen den Erreichungen der drei<br />
Ziele können zu mehreren optimalen Lösungen der non-präemptiven Variante des erweiterten Goal-<br />
Programming-Modells führen. Da die additive Verknüpfung aller drei Ziele in der Zielfunktion<br />
[Z 3] über die additive Verknüpfung von nur zwei Zielen in der Zielfunktion [Z 2.2] hinausgeht, besteht<br />
in der non-präemptiven Variante des erweiterten Goal-Programming-Modells mit der Zielfunktion<br />
[Z 3] – im Vergleich zur präemptiven Variante mit den Zielfunktionen [Z 2.1] und [Z 2.2]<br />
– eine höhere Wahrscheinlichkeit für die Existenz mehrdeutiger optimaler Modelllösungen.<br />
Die Restriktionen [R 2.2] bis [R 2.15] aus dem zweiten Teilmodell der präemptiven Variante des<br />
erweiterten Goal-Programming-Modells gelten auch in der non-präemptiven Modellvariante. Die<br />
Restriktion [R 2.1] aus dem zweiten Teilmodell der präemptiven Modellvariante entfällt, weil an ihre<br />
Stelle in der non-präemptiven Modellvariante die neue erste Zeile der Zielfunktion [Z 3] tritt. Die<br />
Restriktion [R 2.16] aus dem zweiten Teilmodell der präemptiven Modellvariante wird in der nonpräemptiven<br />
Modellvariante nur geringfügig zur Restriktion [R 3.16] modifiziert. Sie unterscheidet<br />
sich von der Restriktion [R 2.16] lediglich dadurch, dass in die Normierung der Zielgewichte auch<br />
das Bedeutungsurteil v1 für das erste Ziel einbezogen wird.
568 2.5 Techniken des Operations Research<br />
2.5.4 Schwierigkeiten bei der Anwendung der Modelle<br />
Anwendungen der voranstehenden Modelle können sich als problematisch erweisen, wenn die modellexogen<br />
vorzugebenden Variablenwerte nicht vollständig bekannt oder nicht aktuell sind. Beides<br />
kann gegebenenfalls irreführende Modelllösungen zur Folge haben.<br />
Hinsichtlich der Kompetenzen lässt sich der Unvollständigkeit und der mangelnden Aktualität der<br />
Variablenwerte mit einem ontologiebasierten Kompetenzmanagementsystem entgegenwirken, das<br />
die Kompetenzniveaus („Variablenwerte“) regelmäßig automatisch erhebt. 53) Ebenso ist die Entwicklung<br />
von Softwaresystemen denkmöglich, welche die Präferenzen der Mitarbeiter mit Hilfe<br />
von Ontologien erheben. Zurzeit existieren derartige Softwaresysteme jedoch noch nicht.<br />
In der betrieblichen Praxis tritt jedoch häufiger das Problem auf, dass benötigte Variablenwerte<br />
zwar nicht vollkommen unbekannt sind, jedoch unter erheblichen Informationsunschärfen leiden.<br />
Für diesen Fall unscharfer Informationen liegen bereits fortentwickelte Goal-Programming-Modelle<br />
vor, die unter Einbeziehung des Konzepts unscharfer Mengen („fuzzy sets“) ein so genanntes Fuzzy<br />
Goal Programming erlauben. 54)<br />
Ein weiteres Problem kann sich daraus ergeben, dass aufgrund der Modellanwendung Mitarbeiter<br />
den Arbeitsplatz wechseln müssen, die mit ihrem Arbeitsplatz bisher zufrieden waren und daher<br />
einen Wechsel vermeiden möchten. Ein derartiges Problem lässt sich umgehen, indem vor der Modellanwendung<br />
untersucht wird, ob die Mitarbeiter mit einem Arbeitsplatzwechsel einverstanden<br />
sind oder nicht. Sofern ein Mitarbeiter einem Arbeitsplatzwechsel nicht zustimmt, müssen eventuell<br />
vorhandene Kompetenzlücken am aktuell eingenommenen Arbeitsplatz, die sich aus Diskrepanzen<br />
zwischen den Kompetenzniveauanforderungen des Arbeitsplatzes und den tatsächlichen Kompetenzniveaus<br />
des betroffenen Mitarbeiters ergeben, gegebenenfalls durch Qualifizierungsmaßnahmen<br />
für den Mitarbeiter im Rahmen der Personalentwicklung geschlossen werden. Ebenso ist es möglich,<br />
Präferenzlücken zwischen präferierten Ausprägungen von Arbeitsplatzattributen und am Arbeitsplatz<br />
realisierten Attributausprägungen durch Veränderungen des Arbeitsplatzes zu schließen.<br />
Sowohl Personalentwicklungsmaßnahmen als auch Maßnahmen der Arbeitsplatzgestaltung weisen<br />
über den Dispositionsbereich der (kompetenzbasierten) Personaleinsatzplanung hinaus, die in diesem<br />
Beitrag untersucht wurde.<br />
53) Ein Beispiel für ein derartiges ontologiebasiertes Kompetenzmanagementsystem ist der KOWIEN-Prototyp, der im Kapitel<br />
3.1.1 (S. 571 ff.) ausführlicher behandelt wird.<br />
54) Vgl. LEE/WEN (1997) S. 182 ff.; MARTEL/AOUNI (1998) S. 129 ff.; PAL/MOITRA (2003) S. 481 ff.
2.5 Techniken des Operations Research 569<br />
2.5.5 Abschließende Bemerkungen<br />
In diesem Beitrag wurden mehrere Goal-Programming-Modelle zur Lösung des Realproblems der<br />
kompetenzbasierten Zuordnung von Mitarbeitern zu Arbeitsplätzen vorgestellt. Diese Modelle gestatten<br />
es, eine möglichst große Übereinstimmung zwischen Kompetenzniveauanforderungen der<br />
Arbeitsplätze, Bedeutungen der Kompetenzen für die Arbeitsplätze und tatsächlichen Ausprägungen<br />
von Arbeitsplatzattributen auf der einen Seite sowie tatsächlichen Kompetenzniveaus der Mitarbeiter,<br />
Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und seitens der Mitarbeiter präferierten<br />
Ausprägungen von Arbeitsplatzattributen auf der anderen Seite zu erzielen.<br />
Als optimale Lösung(en) liefert das Basismodell des Goal Programmings wenigstens eine Option<br />
für die Zuordnung von Mitarbeitern zu Arbeitsplätzen, die die Summe der gewichteten Abweichungen<br />
zwischen den Kompetenzniveauanforderungen der Arbeitsplätze und den tatsächlichen Kompetenzniveaus<br />
der Mitarbeiter minimiert. Die beiden Varianten des erweiterten Goal-Programming-<br />
Modells berücksichtigen zudem die Abweichungen zwischen den Bedeutungen der Kompetenzen<br />
für die Arbeitsplätze und den Präferenzen der Mitarbeiter hinsichtlich dieser Kompetenzen sowie<br />
die Abweichungen zwischen realisierten Ausprägungen von Arbeitsplatzattributen und von Mitarbeitern<br />
präferierten Attributausprägungen.<br />
Die in diesem Beitrag vorgestellten Goal-Programming-Modelle lassen sich mit Hilfe von professioneller<br />
Software zur Konstruktion und Lösung von Optimierungsproblemen ohne Schwierigkeiten<br />
computerbasiert implementieren. Zu solchen integrierten Modell-Editoren und -Solvern gehören<br />
beispielsweise die Softwarepakete LINGO 55) und CPLEX 56) .<br />
55) Vgl. LINGO (2004).<br />
56) Vgl. ILOG (2004).
3 Anwendungen<br />
3.1 Informationstechnische Implementierung der Konzepte<br />
für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong><br />
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-PHYS. ROGER HÜBBERS<br />
Comma Soft AG, Bonn<br />
3.1.1.1 Vorgehensweise<br />
Nachdem in den ersten zwei Teilen dieses Werks die Grundlagen und Konzepte thematisiert wurden,<br />
die für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong> von Bedeutung sind, wird in diesem<br />
Beitrag beschrieben, wie auf der Basis von infonea®, der Wissensmanagement-Architektur der<br />
Comma Soft AG, ein solches Kompetenzmanagementsystem schrittweise entwickelt worden ist und<br />
auf welche Weise es die iterativ erarbeiteten Anforderungen an ein solches Kompetenzmanagementsystem<br />
erfüllt.<br />
Der Rahmenplan des KOWIEN-Projekts sah vor, dass der KOWIEN-Prototyp in der Implementierungsphase<br />
ab Oktober 2003 entwickelt wird. Es hat sich jedoch als sinnvoll erwiesen, die Arbeitsergebnisse<br />
der ersten beiden Projektphasen, der Analyse- und der Entwicklungsphase, direkt strukturiert<br />
elektronisch zu erfassen und dadurch eine inhaltliche Basis für den Prototyp zu legen. Um<br />
einerseits die Literaturarbeit während der Analysephase zu unterstützen und andererseits die Ergebnisse<br />
der ersten beiden Projektjahre bei den anschließenden öffentlichen KOWIEN-Workshops mit<br />
Hilfe von infonea® präsentieren zu können, wurde bereits 2002 mit der Entwicklung einer infonea®<br />
Anwendung begonnen, die auf einem speziellen Server, dem KOWIEN-Server, installiert<br />
worden ist, damit die Projektmitarbeiter die Anwendung nutzen und evaluieren können.<br />
Die Vorgehensweise bei der Entwicklung dieser infonea® Anwendung, die im dritten Projektjahr<br />
zum KOWIEN-Prototyp weiterentwickelt wurde, wird in diesem Kapitel beschrieben. Besondere<br />
Aufmerksamkeit wird dabei der prozessorientierten Herangehensweise und der schrittweisen Erarbeitung<br />
der Anforderungen an den KOWIEN-Prototyp gewidmet.<br />
3.1.1.1.1 Erarbeitung des KOWIEN-Geschäftsprozessmodells<br />
Die Daseinsberechtigung eines Kompetenzmanagementsystems besteht unserer Ansicht nach darin,<br />
die Geschäftsprozesse des entsprechenden Unternehmens zu unterstützen. Bei der Erarbeitung der<br />
Anforderungen an ein solches System müssen daher als erstes die Geschäftsprozesse identifiziert<br />
werden, die durch das Kompetenzmanagementsystem unterstützt werden sollen. Da das KOWIEN-<br />
Projektteam neben dem Universitätspartner und dem Softwarepartner aus vier Praxispartnern bestand,<br />
bei denen es sich um recht unterschiedlich strukturierte Unternehmen handelt, die schwerpunktmäßig<br />
entweder hochtechnologische Produkte oder komplexe Dienstleistungen oder beides<br />
anbieten, mussten in einem ersten Schritt die Geschäftsprozesse identifiziert werden, die bei allen<br />
vier Unternehmen in irgendeiner Weise wieder zu finden sind. Dazu wurde zu Beginn der Analysephase<br />
zunächst nach einem Referenzmodell für Geschäftsprozesse gesucht, d.h. nach einem bereits<br />
existierenden Geschäftsprozessmodell, das sich auf die KOWIEN-Praxispartner übertragen lässt. Es<br />
wurden mehrere Referenzmodelle gefunden und auf ihre Tauglichkeit hin untersucht, aber es wurde
572 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
keines gefunden, das die Prozesse aller vier Praxispartner gleichermaßen gut widerspiegelt. Daher<br />
wurde beschlossen, ein eigenes KOWIEN-Geschäftsprozessmodell zu erarbeiten. Dabei sollte sich<br />
dieses auf Geschäftsprozesse fokussieren, die von einem ontologiebasierten Kompetenzmanagementsystem<br />
besonders profitieren würden. Da alle vier KOWIEN-Praxispartner (wie wahrscheinlich<br />
viele andere Unternehmen auch) projektorientiert arbeiten, kristallisierte sich schnell die Projektarbeit<br />
als Kern-Geschäftsprozess heraus. Um die Prozesse zu strukturieren, die für die Projektarbeit<br />
von Bedeutung sind, wurden vier Projektphasen definiert: die Vor-Angebotsphase, die Angebotsphase,<br />
die Durchführungsphase und die Nachbearbeitungsphase. Zu jeder dieser vier Projektphasen<br />
wurde dann u.a. in Workshops mit Hilfe der Metaplan-Methode eine Prozesshierarchie erarbeitet,<br />
wobei die Namen der Prozesse so gewählt wurden, dass sich alle vier Praxispartner in dieser<br />
projektorientierten Prozesshierarchie wieder fanden. Dabei wurde auch eine fünfte Gruppe phasenübergreifender<br />
Prozesse definiert, deren Aufgabe es ist, Projekte zu unterstützen. Zu dieser Gruppe<br />
gehören beispielsweise die Top-Level-Prozesse „Unternehmensstrategie entwickeln“ und „Personal<br />
managen“, die für ein Kompetenzmanagementsystem von besonderer Bedeutung sind, was die Unterprozesse<br />
„Position im Wettbewerb definieren“, „Qualifizierungsmaßnahmen planen“ und „Kompetenzprofile<br />
pflegen“ verdeutlichen.<br />
Nach der Erarbeitung der Prozesshierarchie erfolgte eine Einigung auf die Rollen, die Bestandteil<br />
des KOWIEN-Geschäftsprozessmodells sind: starten, informieren, beraten, mitwirken, ausführen,<br />
verantworten und genehmigen. Welche Rollen es gibt und welche Funktionen diese Rollen in den<br />
verschiedenen Prozessen übernehmen, ist selbstverständlich von Unternehmen zu Unternehmen<br />
verschieden. Unternehmensspezifisch sind auch die Ein- und Ausgaben der Prozesse, die eingesetzten<br />
Hilfsmittel und die Kompetenzen, die aus Sicht des Unternehmens für die Durchführung eines<br />
bestimmten Prozesses erforderlich sind. Dies sind entscheidende Informationen für die Kopplung<br />
eines Kompetenzmanagementsystems an die konkreten Geschäftsprozesse eines Unternehmens, d.h.<br />
für die bedarfsorientierte Ausrichtung eines Kompetenzmanagementsystems.<br />
Um diese unternehmensspezifischen Inhalte des KOWIEN-Geschäftsprozessmodells von den vier<br />
KOWIEN-Praxispartnern direkt in strukturierter Form elektronisch zu erfassen, haben wir ein infonea®<br />
Objektmodell für das KOWIEN-Geschäftsprozessmodell erstellt, das neben den bereits genannten<br />
Komponenten (Prozesse und Prozesshierarchie, Rollen und Rollenfunktionen, Hilfsmittel,<br />
eine „Artefakte“ genannte Objektklasse zur Modellierung der Prozessein- und -ausgaben sowie<br />
Kompetenzbegriffe) auch Abstraktionsebenen beinhaltet. Abbildung 79 zeigt einen Ausschnitt aus<br />
dem KOWIEN-Objektmodell, der u.a. die gerade genannten Objektklassen und Assoziationen 1)<br />
enthält. Darüber hinaus veranschaulicht diese Abbildung auch, wie der KOWIEN-Prototyp bestimmte<br />
Anwendungsfälle wie die Bildung von Projektteams und die Rekrutierung von Personal<br />
unterstützt. 2)<br />
Das Konzept der Abstraktionsebenen wurde eingeführt, um die unternehmensübergreifenden Inhalte<br />
des KOWIEN-Geschäftsprozessmodells zu den unternehmensspezifischen Inhalten in Beziehung<br />
setzen zu können. Die oberste Abstraktionsebene des KOWIEN-Geschäftsprozessmodells, das generische<br />
KOWIEN-Geschäftsprozessmodell mit den unternehmensübergreifenden Inhalten, wird im<br />
Folgenden als das KOWIEN-Referenzmodell bezeichnet, da es für die KOWIEN-Praxispartner die<br />
Funktion eines Referenzmodells erfüllte. Die Ebene darunter mit den unternehmensspezifischen Inhalten<br />
wird (KOWIEN-) Unternehmensmodell genannt. Das Konzept der Abstraktionsebenen er-<br />
1) Die Beziehungen zwischen den Objektklassen werden im infonea® Objektmodell Assoziationen genannt.<br />
2) Worin diese Unterstützung konkret besteht, wird in Kapitel 3.1.1.3 zur Funktionsweise des KOWIEN-Prototyps beschrieben.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 573<br />
möglicht es, dass die Unternehmensmodelle die generische Benennung der Prozesse im KOWIEN-<br />
Referenzmodell entweder übernehmen oder teilweise durch unternehmensspezifische Prozessnamen<br />
ersetzen. Ebenso ist es möglich, den Prozessen bereits im KOWIEN-Referenzmodell unternehmensübergreifende<br />
Hilfsmittel (wie beispielsweise Normen, Standards, Literaturhinweise und best<br />
practises) zuzuweisen, damit alle Unternehmensmodelle, die darauf basieren, auf diese allgemeinen<br />
Hilfsmittel zurückgreifen können.<br />
Abbildung 79: Ausschnitt aus dem KOWIEN-Objektmodell 3)<br />
Der Prozess „Marktanalyse durchführen“ umfasst im Unternehmensmodell der Deutsche Montan<br />
Technologie (DMT) GmbH beispielsweise die informierenden Rollen „Geschäftsfeldmitarbeiter“<br />
und „Kunde“, die zugleich ausführende und verantwortende Rolle „Produktmanager“, die Prozesseingaben<br />
„Internetrecherche“, „Investitionsanalyse“, „Kundenanalyse“, „Patentrecherche“ und „Wettbewerberanalyse“<br />
sowie die Prozessausgabe „Marktanalyse“ (in Form eines Word-Dokuments). Die<br />
Kompetenzen, die für diesen Prozess erforderlich sind, umfassen neben Sozial- und Selbstkompetenzen<br />
wie Kontaktfreudigkeit, didaktische Fähigkeit und selbstständiges Arbeiten auch Branchen-,<br />
Produkt- und Marketing-Kenntnisse. Neben der Erfassung der Kompetenzanforderungen der Prozesse<br />
unterstützt der Prototyp auch die Erfassung von Kompetenzanforderungen, die an eine bestimmte<br />
Rolle gestellt werden. Dabei wird zwischen Projektrollen und Unternehmensrollen unterschieden.<br />
Die Anforderungen an die Rollen werden bei der softwaretechnischen Unterstützung der<br />
Projektteambildung und der Personalrekrutierung auf zu besetzende Stellen (Projekt- bzw. Unternehmensstellen)<br />
übertragen, so dass der Benutzer anhand der Kompetenzanforderungen und der<br />
3) In Kapitel 3.1.1.2.2 werden die verschiedenen Modelle beschrieben, aus denen eine infonea® Anwendung besteht.
574 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Kompetenzprofile der Personen gezielt nach Kandidaten für diese Stellen suchen und diese schließlich<br />
besetzen kann.<br />
Die Begriffe, die zur Beschreibung der für einen Prozess erforderlichen Kompetenzen verwendet<br />
wurden, sind, wie das Beispiel „Branchenkenntnisse“ zeigt, teilweise recht unspezifisch, was daran<br />
liegt, dass es zum Zeitpunkt der Erfassung der unternehmensspezifischen Prozessangaben noch keine<br />
detaillierten Kompetenzontologien gab. Inzwischen ist jedoch eine detaillierte Kompetenzontologie<br />
für die DMT GmbH erarbeitet worden 4) , bei deren Integration in den KOWIEN-Prototyp mit<br />
den DMT-spezifischen Inhalten darauf geachtet wurde, dass die Schnittmenge der zur Beschreibung<br />
der Prozesse verwendeten Begriffe und der in der Kompetenzontologie enthaltenen Begriffe möglichst<br />
groß ist. Dem Begriff „Branchenkenntnisse“ sind in der Kompetenzontologie der DMT beispielsweise<br />
die Bezeichnungen derjenigen Branchen untergeordnet, die für die DMT von Bedeutung<br />
sind, wie z.B. die Automobilindustrie, der Bergbau und die Energiewirtschaft.<br />
3.1.1.1.2 Auswahl von relevanten wissensintensiven Prozessen<br />
Da einerseits nicht alle Geschäftsprozesse eines Unternehmens etwas mit Kompetenzmanagement<br />
zu tun haben und da andererseits im Rahmen eines Prototyps nur eine begrenzte Anzahl relevanter<br />
Prozesse unterstützt werden kann, war es erforderlich, aus dem erarbeiteten Geschäftsprozessmodell<br />
eine überschaubare Anzahl von Prozessen auszuwählen. 5)<br />
Dazu wurden die Prozesse in vier Gruppen eingeteilt, indem die Wissensintensität der Prozessein-<br />
und -ausgaben beurteilt wurde. Mit Wissensintensität ist in diesem Zusammenhang gemeint, wie<br />
wichtig das von dem entsprechenden Prozess benötigte Wissen bzw. das von diesem Prozess erzeugte<br />
Wissen für ein Kompetenzmanagementsystem ist. Dem Prozess „Projektbeurteilung durchführen“<br />
wurde beispielsweise eine hohe Wissensintensität bei Ein- und Ausgabe zugeordnet, während<br />
der Prozess „Verhandlungen und Angebot abschließen“ vom KOWIEN-Projektteam als kaum<br />
wissensintensiv eingeschätzt und somit aussortiert worden ist. Andere Prozesse wie beispielsweise<br />
der Prozess „Machbarkeit prüfen“ benötigen zwar viel Wissen über im Unternehmen vorhandene<br />
Kompetenzen als Eingabe, liefern aber als Ausgabe nicht viel Wissen für das Kompetenzmanagementsystem<br />
zurück. Abbildung 80 zeigt das Diagramm, in das die Top-Level-Prozesse der vier Projektphasen<br />
entsprechend ihrer geschätzten Wissensintensität eingeordnet worden sind. Die Gruppe<br />
der projektunterstützenden Prozesse ist bei dieser Auswahl nicht berücksichtigt worden.<br />
4) Die Kompetenzontologie der DMT GmbH wurde von SUSANNE APKE im Rahmen ihrer Diplomarbeit erstellt (vgl. APKE<br />
(2003)), wobei sie das KOWIEN-Vorgehensmodell angewandt und die einzelnen Schritte ausführlich dokumentiert hat.<br />
5) Der Projektrahmenplan sah nur vor, dass der KOWIEN-Prototyp den Aufbau und die Pflege einer Kompetenzontologie sowie<br />
den Aufbau, die Pflege und die Recherche von Kompetenzprofilen unterstützt. Im Projektverlauf wurde jedoch vereinbart,<br />
dass auch die Unterstützung ausgewählter Geschäftsprozesse angestrebt werden soll, da die Pflege von Kompetenzprofilen<br />
nur dann wirklich Sinn macht, wenn zumindest einige der Geschäftsprozesse des Unternehmens von der Verfügbarkeit dieser<br />
Profile profitieren.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 575<br />
hoch<br />
Input<br />
niedrig<br />
1.3 Machbarkeit prüfen (grob)<br />
1.4 Interessensbekundung<br />
(Letter of Intent,<br />
Projektqualifikation)<br />
1.2 Projekt identifizieren<br />
2.5 Verhandlungen und<br />
Angebot abschließen<br />
weniger<br />
intensiv<br />
kaum intensiv<br />
1.5 Follow-up des PQ/LOI<br />
2.3 Angebot kalkulieren<br />
2.2 Lösungsansätze<br />
finden<br />
2.4 Risiken abschätzen<br />
3.3 Projekt managen<br />
und controllen<br />
4.4 Wartung und Service<br />
durchführen<br />
3.4 Auftrag abschließen<br />
sehr intensiv<br />
intensiv<br />
1.1 Markt<br />
beobachten<br />
3.2 Einzelauftrag<br />
bearbeiten<br />
2.1 Kundenproblem<br />
analysieren<br />
4.2 Projekt abschließen<br />
3.1 Start- und<br />
Inceptionphase<br />
4.3 Kontaktpflege zum<br />
Kunden einleiten<br />
niedrig hoch<br />
Output<br />
4.1 Projektbeurteilung<br />
durchführen<br />
weniger<br />
intensiv<br />
Abbildung 80: Einschätzung der Wissensintensität der Top-Level-Prozesse der vier Projektphasen<br />
Im Anschluss daran wurden die projektunterstützenden Prozesse und die Prozesse, die bei der Abschätzung<br />
der Wissensintensität hoch bewertet worden sind, mit dem Ziel genauer analysiert, daraus<br />
eine überschaubare Anzahl von Unterprozessen auszuwählen, um für diese Unterprozesse eine detaillierte<br />
Anforderungsanalyse durchzuführen. Die vier Praxispartner hatten dabei die Aufgabe, die<br />
Prozesse in Bezug auf zwei Kriterien zu bewerten, die Verbesserungspotenzial und Business-<br />
Relevanz genannt wurden. Die Praxispartner sollten also abschätzen, inwieweit der entsprechende<br />
Prozess in ihrem Unternehmen durch den KOWIEN-Prototyp noch verbessert werden könnte bzw.<br />
wie wichtig der Prozess für die Geschäftsziele ihres Unternehmens ist. Die Schätzung wurde auf einer<br />
Skala von 0 bis 3 vorgenommen, wobei der Wert 3 ein hohes Verbesserungspotenzial bzw. eine<br />
große Business-Relevanz bedeutete. Der Universitätspartner hatte zur gleichen Zeit die Aufgabe,<br />
auf der gleichen Skala die Relevanz der Prozesse für das KOWIEN-Projekt zu beurteilen, wobei das<br />
wissenschaftliche Interesse der Berücksichtigung des entsprechenden Prozesses im Rahmen eines<br />
ontologiebasierten Kompetenzmanagementsystems ausschlaggebend war. In der folgenden Übersicht<br />
werden einige der am höchsten bewerteten Unterprozesse zusammen mit den entsprechenden<br />
Oberprozessen und den Phasen aufgeführt. 6) Dahinter stehen in Klammern die aufsummierten Bewertungen.<br />
Bei den ersten beiden Kriterien Verbesserungspotenzial (V) und Business-Relevanz (B)<br />
war die Maximalpunktzahl 12, weil die von den vier Praxispartnern vergebenen Punkte aufsummiert<br />
wurden, während beim Kriterium der Relevanz (R) für das KOWIEN-Projekt maximal 3<br />
Punkte möglich waren, weil diese Bewertung nur vom Universitätspartner vorgenommen worden<br />
ist.<br />
6) Die „Unvollständigkeit“ der numerischen Kennzeichner für Unterprozesse, Oberprozesse und Phasen resultiert daraus, dass<br />
nur einige ausgewählte Prozesse bzw. Phasen mit jeweils hoher Relevanz für das KOWIEN-Projekt in die nachfolgende Darstellung<br />
aufgenommen wurden.
576 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
1. Vor-Angebotsphase<br />
1.3 Machbarkeit prüfen (grob)<br />
1.3.5 Angebot auf capability-fit untersuchen (4V / 7B / 3R)<br />
2. Angebotsphase<br />
2.2 Lösungsansätze finden<br />
2.2.1 Machbarkeit detailliert prüfen (6V / 12B / 2R)<br />
2.2.2 (Anlagen-) Konzept erstellen (6V / 12B / 3R)<br />
2.3 Angebot kalkulieren<br />
2.3.2 Projekt mit bereits durchgeführten Projekten vergleichen (5V / 8B / 3R)<br />
2.3.5 Staffing (intern/ extern) durchführen<br />
2.3.5.1 Projektteam bilden (6V / 9B / 3R)<br />
4. Nachbearbeitungsphase<br />
4.2 Projektbeurteilung durchführen<br />
4.2.1 Lessons learned dokumentieren (6V / 7B / 3R)<br />
4.2.2 Mitarbeiter bewerten (9V / 8B / 3R)<br />
5. Projektunterstützende Prozesse<br />
5.1 Strategie entwickeln/ ausrichten<br />
5.1.3 Position im Wettbewerb definieren (7V / 8B / 2R)<br />
5.5 Personal managen<br />
5.5.1 Personalentwicklung durchführen<br />
5.5.1.1 Kompetenzlücken ermitteln (9V / 9B / 3R)<br />
5.5.1.2 Qualifizierungsmaßnahmen planen (10V / 8B / 3R)<br />
5.5.2 Personal rekrutieren (9V / 9B / 2R)<br />
5.5.4 Kompetenzprofile pflegen (9V / 9B / 3R)<br />
5.5.7 Personalmanagementinstrumente pflegen<br />
5.5.7.5 Kompetenzontologie pflegen (8V / 7B / 3R)<br />
Legende:<br />
V = Verbesserungspotenzial<br />
B = Business-Relevanz<br />
R = Relevanz für KOWIEN<br />
3.1.1.1.3 Ist/Soll-Analyse mittels Fragebogen<br />
Für den nächsten Schritt in Richtung KOWIEN-Prototyp wurden Fragebögen erstellt, um zu den<br />
ausgewählten Prozessen die Ist- und die Soll-Situation zu erfassen, d.h. die Praxispartner wurden<br />
gebeten zu beschreiben, wie diese Prozesse momentan in ihrem Unternehmen ablaufen und welche<br />
Verbesserungen sie sich durch die Software-Unterstützung erhoffen.<br />
Im Fragebogenteil mit den Fragen zur Ist-Situation wurden die Praxispartner zunächst dazu aufgefordert<br />
zu definieren, was sie unter dem entsprechenden Prozess verstehen. Die Beantwortung dieser<br />
Frage bildet die Grundlage für ein gemeinsames Verständnis der KOWIEN-Geschäftsprozesse.<br />
Dann wurde danach gefragt, welche Ziele mit dem Prozess verfolgt werden und welche Personengruppen<br />
an diesem Prozess beteiligt sind. Diese Personengruppen stellen eine wichtige Information<br />
für die anschließende Anwendungsfallanalyse dar, da sie in Beziehung zu den Akteuren des Anwendungsfalls<br />
gesetzt werden müssen, der dem unterstützten Prozess entspricht. Ebenso wichtig ist<br />
die Beantwortung der letzten drei Fragen des ersten Teils, weil daraus hervorgeht, in welche Ar-
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 577<br />
beitsschritte der Prozess in der bestehenden Unternehmenspraxis eingeteilt ist, welche Personengruppen<br />
an den einzelnen Arbeitsschritten beteiligt sind und welche generellen Stärken und Schwächen<br />
das bisherige Vorgehen hat. Zu jedem der angegebenen Arbeitsschritte wurden im Anschluss<br />
daran eine Reihe von Detailfragen gestellt, um in Erfahrung zu bringen, welche Ein- und Ausgaben<br />
der entsprechende Arbeitsschritt hat, wie er abläuft und welche Hilfsmittel dafür eingesetzt werden.<br />
Abgeschlossen wird der erste Teil durch einen Anhang, der aus zwei Tabellen besteht, in denen die<br />
zuvor benannten Hilfsmittel und Artefakte (Prozessein- und -ausgaben) kurz beschrieben werden.<br />
Der Fragebogenteil mit den Fragen zur Soll-Situation beginnt mit Überblicksfragen zur gewünschten<br />
Situation. Dazu gehört die Frage nach den Zielen der Änderungen, nach den Personengruppen,<br />
die in Zukunft in den Prozess involviert werden sollen, nach den Arbeitsschritten, in die der Prozess<br />
in Zukunft untergliedert werden soll, und nach den Chancen und Risiken, die im gewünschten Vorgehen<br />
gesehen werden. Daran schließen sich wieder einige Detailfragen zu den zuvor angegebenen<br />
Arbeitsschritten an, bei denen es u.a. darum geht zu erfahren, wie der KOWIEN-Prototyp den entsprechenden<br />
Arbeitsschritt unterstützen soll, welche Informationen das Kompetenzmanagementsystem<br />
den Benutzern zur Verfügung stellen und welche Fragen es beantworten können soll. Die an<br />
dieser Stelle formulierten Fragen sind für die Erstellung der Kompetenzontologien, auf denen der<br />
KOWIEN-Prototyp basiert, von großer Bedeutung, da mit ihrer Hilfe die Konzepte identifiziert<br />
werden können, die in die Ontologie aufgenommen werden müssen, um die Fragen beantworten zu<br />
können. 7)<br />
3.1.1.1.4 Integriertes Anforderungsmanagement<br />
Die Auswahl bestimmter Prozesse und die anschließende Ist/Soll-Analyse mit Hilfe eines Fragebogens<br />
bildete die Grundlage für eine weitere Detaillierung der Anforderungen an den Prototyp. Wie<br />
wichtig eine gründliche Anforderungsanalyse für ein erfolgreiches Softwareprojekt ist, kann gar<br />
nicht überbewertet werden, denn die anfangs getroffenen Entscheidungen in Bezug auf die Architektur<br />
und die angestrebte Funktionalität eines Informationssystems sind entscheidend für den weiteren<br />
Projektverlauf. Beim Anforderungsmanagement muss jedoch auch berücksichtigt werden,<br />
dass sich die Anforderungen an ein System im Laufe der Systementwicklung noch ändern können,<br />
z.B. weil den zukünftigen Benutzern nicht von Anfang an klar war, was sie vom System erwarten.<br />
Daher ist es erforderlich, Änderungen der Anforderungen in die weitere Systementwicklung einfließen<br />
zu lassen, d.h. das Management der Anforderungen in die Systementwicklung zu integrieren,<br />
denn nur so kann ein System entstehen, mit dem die zukünftigen Anwender zufrieden sind.<br />
Vor Beginn des dritten Projektjahres wurde bei einem KOWIEN-Projekttreffen die Reihenfolge<br />
festgelegt, in der die ausgewählten Prozesse bei der Systementwicklung zu berücksichtigen sind. Da<br />
die Unterstützung der folgenden drei Prozesse laut Projektrahmenplan den Kern des KOWIEN-<br />
Prototyps ausmacht, wurde mit ihrer Umsetzung als erstes begonnen:<br />
1. Kompetenzontologie pflegen,<br />
2. Kompetenzprofile pflegen,<br />
3. Kompetenzträger suchen.<br />
7) In der englischsprachigen Forschungsliteratur werden solche Fragen, die zur Beschreibung der Anforderungen an eine Ontologie<br />
formuliert werden, als competency questions bezeichnet; vgl. dazu auch die Kapitel 2.1.6.4 (S. 344 f.), 3.2.2.3.3.2 (S.<br />
635 f.), 3.2.2.3.5.2 und 3.2.2.3.5.3 (S. 643 ff.).
578 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Danach sollten als nächstes die folgenden drei Prozesse des KOWIEN-Geschäftsprozessmodells angegangen<br />
werden:<br />
4. Projektteam bilden,<br />
5. Kompetenzlücken ermitteln,<br />
6. Personal rekrutieren.<br />
Da der Prozess „Qualifizierungsmaßnahmen planen“ auf den Ergebnissen des Prozesses „Kompetenzlücken<br />
ermitteln“ aufbaut, wurde auch eine Unterstützung dieses Prozesses in Angriff genommen.<br />
In Kapitel 3.1.1.3 wird auf die Art der Unterstützung dieser Prozesse durch den KOWIEN-<br />
Prototyp näher eingegangen.<br />
Für die oben aufgeführten Prozesse wurde basierend auf Methoden der Unified Modeling Language<br />
eine detaillierte Anwendungsfallanalyse durchgeführt, deren Ergebnisse direkt in strukturierter<br />
Form erfasst worden sind. 8) Dazu wurde das KOWIEN-Objektmodell um die Objektklassen „Anwendungsfälle“,<br />
„Anforderungen“, „Akteure“ und „Projektziele“ erweitert. Um direktes Feedback<br />
zu den Zwischenständen des KOWIEN-Prototyps einholen zu können, wurde eine weitere Objektklasse<br />
„Rückmeldungen“ eingeführt und den Praxispartnern die Möglichkeit gegeben, über in den<br />
Prototyp integrierte Feedback-Links und ein entsprechendes Formular Verbesserungsvorschläge zu<br />
den verschiedenen HTML-Seiten der Anwendung zu machen, wobei die Referenz auf die entsprechende<br />
Seite automatisch abgespeichert wurde.<br />
3.1.1.1.5 Iterative Anwendungsentwicklung<br />
Das Forschungsgebiet Software Engineering hat verschiedene Vorgehensmodelle hervorgebracht,<br />
zu denen das Wasserfallmodell 9) gehört. Dieses Modell sieht vor, dass ein Softwareprojekt aus verschiedenen<br />
Phasen besteht, die sequentiell hintereinander ablaufen. In der Praxis hat sich jedoch gezeigt,<br />
dass es besser ist, iterativ vorzugehen 10) , d.h. die verschiedenen Phasen eines Softwareprojekts<br />
von der Anforderungsanalyse bis zur Implementierung und Evaluierung mehrmals hintereinander<br />
zu durchlaufen. Bei einem solchen Vorgehen gibt es verschiedene Entwicklungsstände des<br />
Systems, die evaluiert werden, um das System als Reaktion auf die Rückmeldungen der Anwender<br />
schrittweise zu verbessern. Dahinter steht auch die Erfahrung, dass die verschiedenen Anwender<br />
erst dann ihre Anforderungen an das System präzise beschreiben können, wenn sie etwas haben, das<br />
sie sich anschauen und zu dem sie Verbesserungsvorschläge machen können.<br />
Vor der zweimonatigen Abschlussevaluation im November und Dezember 2004 wurden im April<br />
und im August 2004 mit Hilfe des KOWIEN-Servers und der oben beschriebenen Feedback-<br />
Funktionalität zwei Zwischenstände des KOWIEN-Prototyps evaluiert. Dies hat ebenso wie die individuellen<br />
Evaluationstreffen mit den verschiedenen Praxispartnern im September und die Rückmeldungen<br />
bei der öffentlichen Abschlusspräsentation des KOWIEN-Projekts Anfang Oktober dazu<br />
geführt, dass der Prototyp schrittweise verbessert worden ist.<br />
8) Hilfreich waren dabei insbesondere die beiden Bücher RUPP (2002) und HAHN ET AL. (2003).<br />
9) Vgl. Kapitel 1.4.2.2.2, S. 281 f.<br />
10) Vgl. Kapitel 1.4.2.2.3 und 1.4.2.2.4, S. 282 ff.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 579<br />
Der Ansatz der iterativen Anwendungsentwicklung wird von infonea® optimal unterstützt, da infonea®<br />
Anwendungen modelliert werden und die verschiedenen Modelle schrittweise erweitert werden<br />
können.<br />
3.1.1.2 Technologische Basis infonea®<br />
Der KOWIEN-Prototyp wurde auf der technologischen Basis von infonea® (information network<br />
architecture) realisiert und konnte aufgrund der Tatsache, dass Ontologien und Kompetenzen viel<br />
mit vernetzten Informationen zu tun haben, sehr von dieser Architektur profitieren. Daher wird im<br />
folgenden Kapitel ein Überblick über die infonea® Architektur gegeben. Darüber hinaus werden<br />
die wichtigsten Funktionen der verschiedenen infonea® Modelle sowie einige der besonderen<br />
Merkmale und Stärken von infonea® beschrieben.<br />
3.1.1.2.1 Architektur<br />
Die zentrale Komponente der infonea® Architektur ist der infonea® Knowledge Server. Er verarbeitet<br />
die Benutzeranfragen, die über den Web Application Server an ihn weitergeleitet werden, und<br />
berechnet die Ergebnisse auf der Grundlage der verschiedenen Modelle der infonea® Anwendung.<br />
Der infonea® Knowledge Server schickt die nachgefragten Informationen in einem XML-Format<br />
an den Web Application Server, der diese auf Basis des GUI-Modells in reine HTML-Seiten übersetzt<br />
und an die Clients weiterleitet, d.h., die Benutzer können mit einem Internet-Browser ihrer<br />
Wahl auf die infonea® Anwendung zugreifen und müssen nicht den Umgang mit einem speziellen<br />
Client-Programm erlernen. Der Hauptvorteil der Beschränkung auf HTML ist, dass es sicher ist und<br />
dass auf den Client-Rechnern keine Installation zusätzlicher Programme notwendig ist. Daher ist es<br />
sehr einfach, einer beliebig großen Anzahl von Benutzern über ein Intranet oder das Internet den<br />
Zugang zu einem auf infonea® basierenden Informationsnetzwerk zu ermöglichen.<br />
Die Funktionalität einer infonea® Anwendung wird zum überwiegenden Teil durch die verschiedenen<br />
Modelle beschrieben (Anwendungsmodell, Sicherheitsmodell etc.), kann aber auch durch Server-AddOns<br />
um spezielle Funktionen erweitert werden. Für den KOWIEN-Prototyp wurden verschiedene<br />
AddOns erstellt, von denen eins beispielsweise beim Anlegen eines neuen Ontologiebegriffs<br />
die eindeutige Begriffs-ID automatisch aus der Begriffsbezeichnung und der Domäne zusammensetzt.<br />
Durch das Workflow Package und das Versioning Package können Arbeitsabläufe<br />
und die Möglichkeit der Versionierung in infonea® Anwendungen integriert werden.<br />
Zur Entwicklung und zum Betrieb einer infonea® Anwendung gibt es verschiedene Programm-<br />
Module: die Model Suite, die Development Suite, die Content Suite und die Connection Suite (siehe<br />
Abbildung 81). Mit den Werkzeugen der Model Suite können die verschiedenen infonea® Modelle<br />
entwickelt werden, deren Funktionen im Folgenden beschrieben werden. Der in der Content Suite<br />
enthaltene Content Editor ermöglicht den für den Inhalt einer infonea® Anwendung verantwortlichen<br />
Administratoren, die Inhalte einer infonea® Datenbank über eine generische 32-Bit-Benutzerschnittstelle<br />
11) auf direktem Weg zu editieren, wobei zum Beispiel auch die Integritätsbedingungen<br />
11) Der Content Editor ist ein Windows-Programm (daher 32-Bit), das sich über das DCOM- oder das HTTP(S)-Protokoll mit<br />
einer beliebigen infonea® Datenbank verbinden kann und für diese eine Benutzerschnittstelle generiert, die dem enthaltenen<br />
Objektmodell entspricht. Als zugrunde liegende Datenbanktechnologie unterstützt infonea® u.a. den Microsoft SQL-Server®<br />
und Oracle®.
580 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
(Constraints) der infonea® Anwendung berücksichtigt werden. Die Inhalte anderer Systeme (z.B.<br />
SAP-Systeme) können über ein spezielles XML-basiertes Datenaustauschformat (infonea® Content<br />
Exchange – iCE) mit Hilfe des Content Exchange Managers in die infonea® Anwendung importiert<br />
und daraus exportiert werden. Eine derartige iCE-Datei enthält nicht nur die eigentlichen Daten,<br />
sondern auch die Information, was mit diesen Daten beim Import geschehen soll (create, update<br />
oder delete). Diese XML-Schnittstelle wurde im Rahmen des KOWIEN-Projekts intensiv genutzt,<br />
um bereits in strukturierter Form vorliegende Inhalte in den Prototyp zu importieren. Von großem<br />
Nutzen für die Zusammenarbeit mit den Projektpartnern war auch die Möglichkeit, im iCE-Format<br />
vorliegende Informationen in ein entsprechend strukturiertes Excel-Format zu konvertieren und<br />
umgekehrt. Zuletzt sei noch erwähnt, dass das Smart Tag Integration Kit im Rahmen des KO-<br />
WIEN-Projekts genutzt wurde, um über die Ontologiebegriffe den Zugriff aus Microsoft Office<br />
Anwendungen heraus (wie z.B. Word XP und höher) auf das entsprechende Begriffsportal im KO-<br />
WIEN-Prototyp zu ermöglichen.<br />
Abbildung 81: Überblick über die infonea® Module
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 581<br />
3.1.1.2.2 Modelle<br />
Der erste Schritt bei der Modellierung einer infonea® Anwendung ist die Erstellung eines infonea®<br />
Objektmodells, das aus Objektklassen, Attributen und Assoziationen zwischen den Objektklassen<br />
besteht. Das Objektmodell des KOWIEN-Prototyps umfasst über 60 Objektklassen (z.B. Begriffe<br />
und Prozesse), über 400 Attribute und über 80 Assoziationen (z.B. die Assoziation „Kompetenzangabe“<br />
zwischen einer Person, einem Team, einer Organisationseinheit oder einem Unternehmen einerseits<br />
und einer Kompetenzaussage, einer Erfahrung oder einer Zuständigkeit andererseits, Abbildung<br />
79, S. 573). Das Objektmodell enthält u.a. auch Integritätsbedingungen, wie z.B. die maximale<br />
Länge von String-Attributen (Zeichenketten) und die Kardinalitäten der Assoziationen (die Assoziation<br />
zwischen einem Deskriptor und den dazu synonymen Nicht-Deskriptoren ist z.B. eine 1:n-<br />
Assoziation).<br />
Eine besondere Art von String-Attributen sind hierarchische Attribute, bei denen sich die Zeichenkette<br />
aus mehreren Teilen zusammensetzt, die durch ein konfigurierbares Separatorzeichen (standardmäßig<br />
ein Punkt) getrennt werden. Im KOWIEN-Objektmodell ist beispielsweise die Erfahrungsart<br />
ein hierarchisches Attribut. Neben der für den Benutzer intuitiven Erfassbarkeit von Wertehierarchien<br />
(im Beispiel gibt es verschiedene Arten von Ausbildungserfahrungen) haben hierarchische<br />
Attribute auch den Vorteil, dass dazu in der infonea® Anwendung eine hierarchische Ansicht<br />
zur Auswahl von Informationsobjekten aufgebaut werden kann, wie sie von der Verzeichnisbaumstruktur<br />
des Windows Explorers bekannt ist. Für größere Hierarchien ist es jedoch sinnvoller,<br />
die ebenso verfügbare Hierarchie-Assoziation zu verwenden, die dann auch Polyhierarchien unterstützt.<br />
Wie in Kapitel 3.1.1.2.1 bereits erwähnt wurde, wird die Funktionalität einer infonea® Web-Anwendung<br />
zum größten Teil durch das Anwendungsmodell (Application Model) beschrieben. Eine<br />
Webseite der Anwendung entspricht in der Regel einer Teilanwendung und die verschiedenen<br />
Komponenten der Seite werden im Anwendungsmodell durch Anwendungseinheiten beschrieben,<br />
die auf verschiedenen Seiten eingesetzt werden können. Eng mit dem Anwendungsmodell verbunden<br />
ist das GUI-Modell 12) (GUI Model), das das Aussehen der infonea® Anwendung bestimmt. Die<br />
zahlreichen Anwendungseinheiten können damit über eine große Anzahl von GUI-Parametern individuell<br />
konfiguriert werden. Aber durch den Einsatz von Vererbungsmechanismen und globaler<br />
Werte lässt sich das Aussehen der Anwendung auch durch wenige zentrale Änderungen auf komfortable<br />
Art und Weise anpassen.<br />
Die Integritätsbedingungen der Anwendung werden im Constraints-Modell beschrieben. Darin lässt<br />
sich beispielsweise ausdrücken, dass der eingegebene Beginn einer Erfahrung vor dem eingegebenen<br />
Ende liegen muss. Das Sicherheitsmodell (Security Model) ermöglicht durch die Unterstützung<br />
von Sicherheitsregeln die Implementierung eines komplexen Rechtesystems. Die Festlegung von<br />
Lese- und Schreibrechten für verschiedene Benutzerrollen ist nur eine von vielen Anwendungsmöglichkeiten.<br />
Im Hierarchiemodell (Hierarchy Model) kann für jedes Attribut des Objektmodells je<br />
nach Attributtyp eine bestimmte Hierarchie aus einer Reihe von Hierarchien ausgewählt werden,<br />
die für diesen Attributtyp verfügbar sind. Neben den expliziten Hierarchien (hierarchische Strings,<br />
Hierarchie-Assoziationen) können je Datentyp auch verschiedene Algorithmen zur Berechnung von<br />
dynamischen Hierarchien ausgewählt und konfiguriert werden (relative Datumshierarchien „letzte<br />
Woche“, „gestern“ etc.). Die ausgewählten Hierarchien werden bei der Generierung der Attribut-<br />
12) GUI steht für Graphical User Interface (graphische Benutzerschnittstelle).
582 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
wertebäume verwendet, mithilfe derer eine bestimmte Menge von Informationsobjekten ausgewählt<br />
werden kann (z.B. alle Kompetenzaussagen, die dieses Jahr eingegeben worden sind).<br />
3.1.1.2.3 Inferenzmechanismen<br />
Ein Informationssystem lebt von aktuellen Inhalten und vom Nutzen für die Mitarbeiter. Wenn das<br />
System den Benutzern keine oder zu wenig verlässliche Information liefert, die sie bei ihrer alltäglichen<br />
Arbeit unterstützt, dann machen sich die Mitarbeiter auch nicht die Mühe, ihren Beitrag zur<br />
ständigen Aktualisierung der Inhalte zu leisten, und dadurch verliert das System noch mehr an<br />
Nützlichkeit und Akzeptanz. Inferenzmechanismen helfen dabei, diesen Teufelskreis zu durchbrechen<br />
und den Akquisitionsflaschenhals (acquisition bottleneck) in den Griff zu bekommen. Mit Akquisitionsflaschenhals<br />
ist gemeint, dass die Informationseingabe und -pflege so aufwendig ist, dass<br />
sie einen limitierenden Faktor darstellt. Ein Informationssystem kann nur die Informationen zur<br />
Verfügung stellen, die auf irgendeine Art und Weise akquiriert worden sind – aber, wenn es Inferenzmechanismen<br />
unterstützt, auch die, die von den akquirierten Informationen abgeleitet werden<br />
können.<br />
infonea® unterstützt Inferenzmechanismen in Form virtueller Assoziationen. Eine virtuelle Assoziation<br />
ist eine Beziehung zwischen Objektklassen, die nicht explizit gepflegt wird, sondern von anderen<br />
Assoziationen abgeleitet wird, die physikalisch oder auch virtuell sein können. 13) Im KO-<br />
WIEN-Prototyp gibt es beispielsweise eine virtuelle Assoziation zwischen Personen und Kompetenzbegriffen,<br />
die ausdrückt, dass es Anhaltspunkte dafür gibt, dass eine Person bestimmte Kompetenzen<br />
hat. Diese virtuelle Assoziation wird von drei anderen virtuellen Assoziationen abgeleitet,<br />
die ihrerseits von verschiedenen physikalischen Assoziationen abgeleitet werden und folgende Namen<br />
tragen: Kompetenzzuweisung über Kompetenzaussage, Kompetenzzuweisung über Schulungserfahrung<br />
und Kompetenzzuweisung über Projekterfahrung. Letztere wird von den drei physikalischen<br />
Assoziationen Kompetenzangabe (zwischen Personen und Erfahrungen), Projektbezug (zwischen<br />
Erfahrungen und Projekten) und Verschlagwortung (zwischen Projekten und Begriffen) abgeleitet.<br />
Auf diese Weise findet der KOWIEN-Prototyp zu einem Kompetenzbegriff alle Personen, die<br />
möglicherweise diese Kompetenz haben, weil sie entweder eine Kompetenzaussage über sich selbst<br />
gemacht haben oder weil sie an einer Schulung teilgenommen haben, bei der diese Kompetenz<br />
vermittelt werden sollte oder weil sie bei einem Projekt mitgearbeitet haben, bei dem diese Kompetenz<br />
wichtig war. Die Verschlagwortung eines Projekts mit Kompetenzbegriffen kann also dazu<br />
führen, dass ein Benutzer potenzielle Kompetenzträger findet, auf die er sonst nicht gestoßen wäre.<br />
Die integrierten Inferenzmechanismen helfen daher dabei, die Benutzer zu motivieren, ihren Beitrag<br />
zur Aktualisierung der Inhalte des Kompetenzmanagementsystems zu leisten, indem die eingegebenen<br />
Informationen bei vielen Fragen an das System zur Berechnung der Ergebnismenge genutzt<br />
werden.<br />
Die Definition der von infonea® unterstützten virtuellen Assoziationen basiert auf einer eigenen<br />
Sprache zur Erstellung gespeicherter Suchanfragen, der infonea® SavedQuery-Language. Diese in<br />
einem XML-Format formulierten Suchanfragen unterstützen neben den logischen Operatoren AND,<br />
OR und NOT u.a. auch verschiedene Vergleichsoperatoren (z.B. EQUAL, LESS und GREATER)<br />
und Volltextsuchoperatoren (z.B. FREETEXT, CONTAINS und FULLTEXT mit Konjunktion, Dis-<br />
13) Natürlich darf sich die Schlange nicht selbst „in den Schwanz beißen“, d.h., jede virtuelle Assoziation muss durch eine Verkettung<br />
physikalischer (d.h. explizit gepflegter) Assoziationen berechnet werden können.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 583<br />
junktion, Negation, Rechtstrunkierung und Phrasensuche). Darüber hinaus können durch den<br />
LOOKUP-Operator Assoziationen in beide Richtungen verfolgt und bei Bedarf sogar iteriert werden,<br />
so dass die transitive Hülle einer Assoziation gebildet werden kann. Auf diese Weise können<br />
sehr komplexe Suchanfragen und virtuelle Assoziationen definiert werden. Über das Favoritenkonzept<br />
kann sogar jeder Benutzer komplexe Suchanfragen definieren, ohne die Query-Syntax lernen<br />
zu müssen. Dazu wählt er die Ergebnismenge mithilfe der Möglichkeiten, die infonea® ihm bietet<br />
(u.a. Volltextsuche, Tabellenfilter, Visual Search und Kontextnavigation), schrittweise aus und<br />
speichert die Query-Anfrage, die ohne sein Wissen im Hintergrund von infonea® passend zu seinen<br />
Auswahlschritten generiert worden ist, als Favorit ab, indem er der Ergebnismenge einen Namen<br />
gibt (z.B. „Kollegen meines Teams, die in den letzten beiden Jahren bei einem infonea® Pilot-Projekt<br />
die Aufgabe der Erstellung des Sicherheitsmodells übernommen haben“). Diese Suchfavoriten<br />
werden auf seinem persönlichen Startportal als Link angezeigt, so dass er sich über die dahinter verborgene<br />
SavedQuery jederzeit das Ergebnis der Suchanfrage anzeigen lassen kann, das basierend<br />
auf dem aktuellen Datenbestand und dem aktuellen Datum berechnet wird und sich somit im Laufe<br />
der Zeit verändert.<br />
3.1.1.2.4 Visual Search und Kontextnavigation<br />
Die Visual Search TM und die Kontextnavigation gehören zu den besonderen Merkmalen und Stärken<br />
von infonea®, von denen auch der KOWIEN-Prototyp intensiv Gebrauch macht. Am einfachsten<br />
lassen sich diese beiden Suchmöglichkeiten an einem Beispiel verdeutlichen.<br />
Abbildung 82: Kontextnavigation und Visual Search TM am Beispiel der Erfahrungsanalyse
584 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Abbildung 82 zeigt, dass die 13 im Prototyp erfassten Personen, die am Institut für Produktion und<br />
Industrielles Informationsmanagement arbeiten, insgesamt 58 Erfahrungen in das System eingegeben<br />
haben, von denen die Auslands-, Berufs- und Ausbildungserfahrungen die überwiegende Mehrheit<br />
(zusammen 43 von 58) bilden. Diese Menge an Erfahrungen könnte noch weiter eingeschränkt<br />
werden, indem die Erfahrungen nach bestimmten Attributen gefiltert werden. Mittels Visual Search<br />
sieht der Benutzer zu einer gegebenen Menge von Informationsobjekten auf einen Blick, über welche<br />
Attribute die Menge weiter eingeschränkt werden kann und wie viele Informationsobjekte einen<br />
Wert für ein bestimmtes Attribut haben. Zu 38 der 43 Erfahrungen gibt es beispielsweise die Angabe,<br />
an welcher Institution die entsprechende Erfahrung gemacht worden ist, und zu 31 der 43 Erfahrungen<br />
wurde das Ende der Erfahrung erfasst, so dass die Menge dieser 43 Erfahrungen durch die<br />
Auswahl eines Zeitraums (z.B. die dieses Jahr abgeschlossenen Erfahrungen) weiter eingeschränkt<br />
werden kann. Wenn sich die Menge der Informationsobjekte ändert, wird die Verteilung der Attributwerte<br />
dynamisch neu berechnet.<br />
Die Kontextnavigation ermöglicht es, über eine Assoziation von einer Menge von Informationsobjekten<br />
zu einer anderen Menge von Informationsobjekten zu navigieren. Im Beispiel kann von<br />
der Menge der ausgewählten Erfahrungen zur Menge der zugehörigen Kompetenzbegriffe navigiert<br />
werden. Ebenso ist es möglich, von einer Menge von Personen zu der zugehörigen Menge von<br />
Kompetenzaussagen oder Publikationen zu wechseln. In der Suchhistorie wird beschrieben, wie die<br />
aktuell dargestellte Menge von Informationsobjekten ausgewählt worden ist. Dahinter verbirgt sich<br />
eine SavedQuery, die passend zu den Auswahlschritten des Benutzers generiert worden ist und als<br />
Suchfavorit zur späteren Wiederverwendung abgespeichert werden kann (vgl. Kapitel 3.1.1.2.3).<br />
3.1.1.3 Funktionsweise<br />
Nachdem in den voranstehenden Kapiteln die Vorgehensweise bei der Erstellung des KOWIEN-<br />
Prototyps und die technologische Basis infonea® ausführlich beschrieben worden sind, wird in den<br />
nachfolgenden Kapiteln näher auf die genaue Funktionsweise des prototypischen Kompetenzmanagementsystems<br />
eingegangen. Der Aufbau dieses Kapitels orientiert sich an den Prozessen, die in<br />
Kapitel 3.1.1.1.4 priorisiert worden sind.<br />
3.1.1.3.1 Aufbau und Pflege einer Kompetenzontologie<br />
Dem Prozess „Kompetenzontologie pflegen“, unter dem hier sowohl der Aufbau als auch die Pflege<br />
einer Kompetenzontologie verstanden wird, wurde im KOWIEN-Projekt die meiste Aufmerksamkeit<br />
gewidmet. Das KOWIEN-Vorgehensmodell beschreibt nur, wie man bei der Erstellung einer<br />
Kompetenzontologie vorgehen kann. 14) Das Vorgehen bei den anderen Prozessen, die – wie beispielsweise<br />
der Prozess „Projektteam bilden“ – ebenfalls vom KOWIEN-Prototyp unterstützt werden,<br />
wird durch das Vorgehensmodell in Übereinstimmung mit dem Projektrahmenplan nicht beschrieben.<br />
Andererseits können die im Vorgehensmodell beschriebenen Arbeitsschritte, die den<br />
Aufbau und die Pflege einer Kompetenzontologie betreffen, selbstverständlich nicht alle softwaretechnisch<br />
unterstützt werden, da beispielsweise das Zusammentragen wichtiger Unterlagen und die<br />
zwischenmenschliche Kommunikation in Form von strukturierten Interviews auch Teil des Vorge-<br />
14) Vgl. zum KOWIEN-Vorgehensmodell das Kapitel 2.3.2 auf S. 373 ff.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 585<br />
hens sind. Dieses Kapitel beschreibt also nicht das gesamte Vorgehensmodell, sondern nur, wie der<br />
KOWIEN-Prototyp den Aufbau und die Pflege einer Kompetenzontologie unterstützt.<br />
3.1.1.3.1.1 Erarbeitung einer Taxonomie vor der Inbetriebnahme<br />
Nach der Definition der Ziele eines Kompetenzmanagementsystems und der Identifikation der Anwendungsbereiche<br />
und der Benutzer sieht das KOWIEN-Vorgehensmodell zunächst die Erhebung<br />
der Anforderungen an die zu erstellende Ontologie vor. Der nächste Arbeitsschritt ist die Identifikation<br />
der wesentlichen Wissensträger und Dokumente, um mit ihrer Hilfe eine erste Begriffssammlung<br />
zu erstellen. Die erste Befragung der Wissensträger sollte nicht per Software erfolgen, da der<br />
zwischenmenschliche Dialog bei diesem Arbeitsschritt eine große Rolle spielt. Die dabei und bei<br />
der Analyse der wesentlichen Dokumente identifizierten Kompetenzbegriffe und Relationen zwischen<br />
den Begriffen sollten aber direkt in strukturierter Form elektronisch erfasst werden. Im KO-<br />
WIEN-Projekt wurde der Ontologie-Editor OntoEdit® dafür verwendet. 15) OntoEdit® ermöglicht<br />
u.a. den Aufbau einer Begriffshierarchie. In einem frühen Stadium der Ontologie-Entwicklung ist<br />
die Drag-and-Drop-Funktionalität von Vorteil, die es ermöglicht, mit der Maus Änderungen an der<br />
Taxonomie der Kompetenzbegriffe vorzunehmen. Die Erstellung dieser anfänglichen Taxonomie ist<br />
ein zeitintensiver Prozess, an dem alle betroffenen Personen und Domänenexperten beteiligt werden<br />
müssen, damit diese Konzeptualisierung am Ende einen Konsens darstellt und man von einer Kompetenzontologie<br />
reden kann. Die Diplomarbeit von SUSANNE APKE dokumentiert ausführlich die Erstellung<br />
der Kompetenzontologie für die DMT GmbH. 16) Im Anschluss an ihre Arbeit wurde die<br />
DMT-Ontologie in den KOWIEN-Prototyp importiert, indem die im pro-prietären OXML-Format<br />
von OntoEdit® vorliegende Begriffshierarchie in das XML-Datenaus-tauschformat von infonea®<br />
(iCE) transformiert worden ist.<br />
Neben OntoEdit® gibt es auch noch andere, zum Teil sogar frei erhältliche Software-Werkzeuge,<br />
mit denen eine anfängliche Begriffshierarchie erstellt werden kann. Eine Freeware, die sich dafür<br />
sehr gut eignet, ist beispielsweise die Mind Mapping Software FreeMind. 17) Dieses Programm speichert<br />
die hierarchisch strukturierten MindMaps in einem XML-Format ab, das sich leicht in das infonea®<br />
iCE-Format transformieren lässt. Natürlich ist es auch möglich, eine Kompetenzontologie<br />
vom ersten Begriff an mit dem KOWIEN-Prototyp zu erstellen, indem die Begriffe über das Web-<br />
Frontend eingegeben und mit den anderen Begriffen vernetzt werden. Dabei muss man jedoch bedenken,<br />
dass eine Stärke von infonea® darin besteht, dass die Anwender mit einem beliebigen,<br />
halbwegs aktuellen Browser auf die infonea® Anwendungen zugreifen können. Das hat zur Folge,<br />
dass man ohne Drag-and-Drop-Funktionalität auskommen muss, da ein reines HTML-Frontend<br />
diese Möglichkeit nicht bieten kann.<br />
Der große Vorteil der webbasierten Architektur des KOWIEN-Prototyps kommt bei der kontinuierlichen<br />
Erweiterung und Pflege der Kompetenzontologie zum Tragen, denn diese ermöglicht es, alle<br />
Benutzer des KOWIEN-Prototyps an der Erweiterung der Ontologie zu beteiligen und bestimmte<br />
15) OntoEdit® wurde ursprünglich im Rahmen eines B<strong>MB</strong>F-Projekts entwickelt, an dem die Universität Karlsruhe beteiligt war,<br />
und wird inzwischen von der Ontoprise GmbH, einem Spin-off der Universität Karlsruhe, vermarktet. Anfang 2005 wird die<br />
Version 2.7 von OntoEdit® durch die Version 1.0 von OntoStudio® abgelöst, einer Neuimplementierung auf Basis von Eclipse,<br />
die u.a. die Performanzprobleme von OntoEdit® bei der Bearbeitung umfangreicher Ontologien beseitigen soll.<br />
16) Siehe APKE (2003).<br />
17) Siehe http://freemind.sourceforge.net/.
586 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Aufgaben der Ontologiepflege (wie z.B. die Suche nach neu aufzunehmenden Begriffen) zu dezentralisieren.<br />
3.1.1.3.1.2 Kontinuierliche Erweiterung und Pflege im Betrieb<br />
Nach der Erarbeitung einer anfänglichen Hierarchie von Kompetenzbegriffen und dem Import eines<br />
Grundstocks an weiteren Inhalten, zu denen auch die Kontaktinformationen der Mitarbeiter des Unternehmens<br />
gehören, kann das Kompetenzmanagementsystem in Betrieb genommen werden. Beim<br />
Aufbau und der Pflege von Kompetenzprofilen kann sich aber herausstellen, dass bestimmte Kompetenzbegriffe<br />
in der Ontologie noch fehlen. Dazu kommt, dass sich die Kompetenzen, die für die<br />
Erreichung der strategischen Ziele des Unternehmens von Bedeutung sind, im Laufe der Zeit ändern,<br />
so dass die Kompetenzontologie im laufenden Betrieb überarbeitet und erweitert werden<br />
muss.<br />
Für die konsistente Erweiterung und Pflege der Kompetenzontologie ist im KOWIEN-Prototyp die<br />
Person verantwortlich, die die Rolle des Ontologie-Administrators übernimmt. Diese Rolle ist mit<br />
speziellen Rechten ausgestattet. Sie kann sowohl einzelne Begriffe löschen und hinzufügen als auch<br />
die Beziehungen zwischen den Begriffen verändern, was z.B. die hierarchische Begriffsstruktur betrifft.<br />
Vorschläge für die Aufnahme eines neuen Kompetenzbegriffs können alle Benutzer machen,<br />
die Kompetenzaussagen und Erfahrungen eingeben können. Wie dies genau funktioniert, das wird<br />
weiter unten beschrieben. Die neu vorgeschlagenen Begriffe werden dem Ontologie-Administrator<br />
angezeigt und das System unterstützt ihn dabei, diese Begriffe entweder in die Ontologie aufzunehmen<br />
und mit den anderen Begriffen zu vernetzen oder eine Aufnahme in die Ontologie abzulehnen<br />
bzw. die neu vorgeschlagenen Begriffe einem bereits in der Ontologie enthaltenen Begriff als<br />
Synonym zuzuordnen.<br />
Wenn größere Änderungen an der hierarchischen Begriffsstruktur vorgenommen werden müssen,<br />
besteht die Möglichkeit, die Kompetenzontologie aus dem KOWIEN-Prototyp zu exportieren, mit<br />
einem externen Ontologie-Editor unter Einsatz von Drag-and-Drop-Mechanismen zu editieren und<br />
danach wieder in den KOWIEN-Prototyp zu importieren. Begriffe, die in Zukunft nicht mehr zur<br />
Beschreibung von Kompetenzen eingesetzt werden sollen, weil es inzwischen einen neuen Begriff<br />
für die entsprechende Kompetenz gibt, sollten bei der Überarbeitung der Ontologie nicht ganz aus<br />
der Ontologie entfernt, sondern dem neuen Begriff als Synonym zugeordnet werden, denn dann ist<br />
die entsprechende Kompetenz danach sowohl unter dem neuen als auch unter dem alten Begriff zu<br />
finden. Dies ist möglich, da der KOWIEN-Prototyp zwischen Deskriptoren und Nicht-Deskriptoren<br />
unterscheidet und neben der Hierarchierelation auch die anderen beiden Begriffsrelationen unterstützt<br />
(Äquivalenz- und Assoziationsrelation), die in der Deutschen Industrienorm 1463 zur Erstellung<br />
und Weiterentwicklung von Thesauri beschrieben werden (vgl. DIN 1463 (1987)).<br />
3.1.1.3.1.3 Berücksichtigung von Integritäts- und Inferenzregeln<br />
Der KOWIEN-Prototyp beinhaltet eine Reihe von Integritätsregeln, die dafür sorgen, dass keine inkonsistenten<br />
Inhalte ins System eingegeben werden können. Bei der Eingabe einer Erfahrung wird<br />
beispielsweise überprüft, ob der eingegebene Beginn der Erfahrung zeitlich vor dem eingegebenen<br />
Ende der Erfahrung liegt, und bei der Eingabe einer Kompetenzaussage wird sichergestellt, dass<br />
solche Aussagen nur zu Begriffen gemacht werden können, bei denen es sich um Kompetenzbegriffe<br />
handelt. Des Weiteren wurden sowohl Pflichtattribute als auch Pflichtassoziationen implemen-
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 587<br />
tiert. Bei der Eingabe einer Erfahrung muss beispielsweise für das Attribut „Erfahrungsart“ auf jeden<br />
Fall ein Wert eingegeben werden, weil es sich dabei um ein Pflichtattribut handelt, und die Erfahrung<br />
muss in Beziehung zu einer Person gesetzt werden, weil es sich dabei um eine Pflichtassoziation<br />
handelt. Für verschiedene Attribute wurde eine Liste von Vorgabewerten definiert, die die<br />
Menge der zulässigen Werte für diese Attribute auf die Werte der entsprechenden Liste einschränkt.<br />
Diese und weitere Integritätsregeln sind im infonea® Constraints-Modell für den KOWIEN-<br />
Prototyp enthalten und werden sowohl bei der Dateneingabe über das Web-Frontend des KOWIEN-<br />
Prototyps als auch bei der Verwendung des 32-Bit-Frontends des generischen infonea® Content<br />
Editors ausgewertet und überwacht.<br />
Mithilfe der im KOWIEN-Prototyp integrierten Inferenzmechanismen ist das System dazu in der<br />
Lage, einfach formulierte Fragen des Benutzers differenziert zu beantworten. Wenn der Benutzer<br />
beispielsweise nach Personen sucht, die über eine bestimmte Kompetenz verfügen, die er vorher aus<br />
der Kompetenzontologie ausgewählt oder einfach eingegeben hat, liefert das System ihm dank der<br />
integrierten Inferenzmechanismen alle Personen zurück, die in irgendeiner Beziehung zu dieser<br />
Kompetenz stehen, d.h., es werden sowohl die Personen angezeigt, über die es eine explizite Kompetenzaussage<br />
zu dieser Kompetenz gibt, als auch die Personen, die an einer Schulung teilgenommen<br />
haben, bei der diese Kompetenz vermittelt werden sollte, und die Personen, die bei einem Projekt<br />
eine Aufgabe übernommen haben, für deren Erfüllung diese Kompetenz erforderlich war. Darüber<br />
hinaus werden auch die Beziehungen zwischen den Begriffen der Kompetenzontologie berücksichtigt,<br />
indem die Suche auf Wunsch hin auf verwandte Begriffe ausgeweitet werden kann.<br />
Die Ergebnismenge wird dem Benutzer dabei so angezeigt, dass er erkennen kann, weshalb eine bestimmte<br />
Person vom System gefunden worden ist. Auf weitere Einzelheiten wird weiter unten eingegangen.<br />
3.1.1.3.2 Aufbau und Pflege von Kompetenzprofilen<br />
So, wie das Vorhandensein einer Kompetenzontologie die Grundlage für den Aufbau und die Pflege<br />
von Kompetenzprofilen darstellt, ist das Vorhandensein von Kompetenzprofilen die Grundlage für<br />
geschäftsprozessorientierte Funktionen des KOWIEN-Kompetenzmanagementsystems, wie beispielsweise<br />
für die Unterstützung der Projektarbeit.<br />
In Kapitel 2.2.2.2.2 (S. 358) wurde darauf eingegangen, wie die Erfahrungen und Kompetenzaussagen<br />
modelliert worden sind, aus denen sich ein Kompetenzprofil im KOWIEN-Prototyp zusammensetzt.<br />
Im Folgenden wird beschrieben, wie sich diese Art der Modellierung von Kompetenzprofilen<br />
auf die Eingabe von Lebensläufen auswirkt und welche Rolle in diesem Zusammenhang die Erfassung<br />
von Maßnahmen und Projekten spielt. Außerdem wird darauf eingegangen, wie durch die Integration<br />
der Kompetenzprofilpflege in die Geschäftsprozesse dazu beigetragen wird, dass die<br />
Kompetenzprofile während der Geschäftstätigkeit laufend aktualisiert werden. Dies ist die Voraussetzung<br />
dafür, dass das Kompetenzmanagementsystem von den Benutzern konsultiert und akzeptiert<br />
wird.<br />
3.1.1.3.2.1 Eingabe von Lebensläufen<br />
Die Mitarbeiter, für die ein Kompetenzprofil erstellt werden soll, müssen im KOWIEN-Prototyp<br />
zunächst als Personen angelegt werden. Dabei können neben Angaben zur Erreichbarkeit (Adresse,<br />
E-Mail, Telefon- und Faxnummer) auch Angaben zur organisatorischen Einbindung in verschiede-
588 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
ne Teams gemacht werden. Danach ist zu überlegen, welche Informationen das Kompetenzprofil<br />
der Mitarbeiter bei Inbetriebnahme des Kompetenzmanagementsystems enthalten soll. Eine gute<br />
Ausgangsbasis dafür bilden die Lebensläufe der Mitarbeiter, die diese für ihre Bewerbungen angefertigt<br />
haben. Nachdem mit dem Betriebsrat geklärt worden ist, welche Informationen aus den Lebensläufen<br />
im Kompetenzmanagementsystem gespeichert werden und von wem diese Informationen<br />
eingesehen werden dürfen, können entweder die Personalabteilung oder die verschiedenen Mitarbeiter<br />
selbst die Aufgabe übernehmen, die entsprechenden Informationen mithilfe des Prototyps<br />
strukturiert zu erfassen. Der Grundgedanke besteht darin, die Lebensläufe in einzelne Kompetenzaussagen<br />
und Erfahrungen zu zerlegen, um aus diesen atomaren Einheiten Kompetenzprofile zusammenzusetzen,<br />
die auf vielfältige Art und Weise recherchiert und analysiert werden können.<br />
Abbildung 83: Auswahl der Erfahrungsart beim Erfassen einer neuen Erfahrung<br />
Ein Lebenslauf enthält Informationen über verschiedene Arten von Erfahrungen. Bei einem Bewerber,<br />
der sich direkt nach seiner Ausbildung um einen Arbeitsplatz bewirbt, stehen die Ausbildungserfahrungen<br />
im Vordergrund, von denen es verschiedene Unterarten gibt, die im Prototyp in einem<br />
hierarchischen Attribut gespeichert werden, für das es eine Liste von Vorgabewerten gibt, aus denen<br />
der Benutzer auswählen kann (vgl. Abbildung 83).<br />
Im Fall eines Hochschulstudiums wählt der Benutzer das Studienfach aus der Kompetenzontologie<br />
aus und ordnet diesen Kompetenzbegriff der Ausbildungserfahrung zu. Wenn es sich bei dem Bewerber<br />
um einen Hochschulabsolventen handelt, der auch ein oder zwei Semester im Ausland studiert<br />
hat, würde man eine Auslandserfahrung eingeben und diese Erfahrung mit dem entsprechen-
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 589<br />
den Begriff für das Land (z.B. „Frankreich“) verknüpfen. Bei Mitarbeitern, die vorher schon in<br />
einem anderen Unternehmen gearbeitet haben, würde man eine Berufserfahrung erfassen und diese<br />
mit Begriffen verknüpfen, die ihre frühere Berufstätigkeit charakterisieren.<br />
Es besteht auch die Möglichkeit, Informationen über Erfahrungen und Kompetenzen, die in tabellarischer<br />
Form vorliegen, über das infonea® Datenaustauschformat iCE in den KOWIEN-Prototyp zu<br />
importieren. Beispiele für transformierbare tabellarische Informationen sind Daten aus SAP-Systemen<br />
oder Auswertungen von Stundenerfassungssystemen.<br />
Ein Beispiel für Kompetenzaussagen, die typischerweise in einem Lebenslauf enthalten sind, stellen<br />
die Angaben zu den Sprachkenntnissen dar. Darüber hinaus werden oft auch Aussagen zu Fachkompetenzen<br />
gemacht. Bei der Eingabe einer Kompetenzaussage erkennt der KOWIEN-Prototyp<br />
durch die Auswahl des entsprechenden Kompetenzbegriffs (z.B. „Englisch“ oder „MS Word 2003“)<br />
automatisch, auf Basis welcher Skala die Kompetenzausprägung bewertet werden muss, und bietet<br />
im Formular die entsprechenden Vorgabewerte zur Auswahl an. Zur Beurteilung von Sprachkenntnissen<br />
kann beispielsweise die Ausprägung „verhandlungssicher“ verwendet werden, während die<br />
Ausprägung „Experte“ ein möglicher Wert der Skala für Fachkompetenzen ist. Welche Werte die<br />
verschiedenen Skalen haben, ist von Unternehmen zu Unternehmen verschieden. Beispielsweise<br />
können zur Beurteilung von Sprachkenntnissen auch zwei verschiedene Skalen nebeneinander verwendet<br />
werden, wenn die Umstände es erfordern. 18)<br />
Normalerweise wählt der Benutzer bei der Eingabe einer Erfahrung oder einer Kompetenzaussage<br />
über eine spezielle Begriffsauswahlseite einen Begriff aus der Kompetenzontologie aus. Dabei wird<br />
es jedoch auch vorkommen, dass der Benutzer den Begriff, zu dem er eine Kompetenzaussage machen<br />
möchte oder den er einer Erfahrung zuordnen möchte, in der Kompetenzontologie nicht findet,<br />
weil diese Kompetenz bei der Erstellung der Kompetenzontologie nicht berücksichtigt worden ist.<br />
In diesem Fall hat der Benutzer die Möglichkeit, seinen neuen Begriff direkt in ein entsprechendes<br />
Feld einzugeben und die Eingabe der Erfahrung oder Kompetenzaussage abzuschließen. Die Person,<br />
die die Rolle des Ontologie-Administrators besitzt, hat die Aufgabe, die von den Benutzern bei<br />
der Erfassung einer Erfahrung oder einer Kompetenzaussage neu eingegebenen Begriffe in regelmäßigen<br />
Abständen zu überprüfen und zu entscheiden, ob die neuen Begriffe als Deskriptoren oder<br />
als Nicht-Deskriptoren in die Ontologie aufgenommen werden sollen. 19) Begriffe, die als Deskriptoren<br />
in die Kompetenzontologie aufgenommen werden, können u.a. über die Hierarchierelation und<br />
die Assoziationsrelation mit anderen Deskriptoren in Beziehung gesetzt und bei der Eingabe einer<br />
Erfahrung oder einer Kompetenzaussage als Kompetenzbegriff benutzt werden. Begriffe, die als<br />
Nicht-Deskriptoren in die Kompetenzontologie aufgenommen werden, werden über die Äquivalenzrelation<br />
einem Deskriptor als Synonym zugewiesen, können darüber hinaus aber nicht mit anderen<br />
Begriffen in Beziehung gesetzt werden. Die Äquivalenzrelation sorgt dafür, dass der entsprechende<br />
Deskriptor und die damit verbundenen Kompetenzaussagen und Erfahrungen auch dann gefunden<br />
werden, wenn der Benutzer bei der Suche nicht den Deskriptor, sondern einen dazu synonymen<br />
Nicht-Deskriptor eingibt.<br />
18) Die parallele Verwendung zweier verschiedener Skalen zur Beurteilung von Sprachkenntnissen war beispielsweise bei der<br />
DMT GmbH erforderlich, weil in den einheitlich strukturierten Lebensläufen der DMT-Mitarbeiter, die für die Bewerbung<br />
um EU-Projekte erstellt worden sind, eine andere Skala verwendet wurde als in der unternehmensweiten Datenbank mit Informationen<br />
aus Personalgesprächen und Mitarbeiterbefragungen.<br />
19) Die Begriffe „Deskriptor“ und „Nicht-Deskriptor“ sind geläufige Begriffe im Kontext der Erstellung von Thesauri und werden<br />
im Dokument DIN 1463 (1987) definiert.
590 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Wenn beispielsweise ein Benutzer eine Aussage über sich selbst zur Kompetenz „Unified Modeling<br />
Language“ machen möchte und es diesen Begriff zu diesem Zeitpunkt in der Kompetenzontologie<br />
noch nicht gibt, dann könnte der Ontologie-Administrator entscheiden, ob er diesen neuen Kompetenzbegriff<br />
als Deskriptor oder als Nicht-Deskriptor in die Ontologie aufnimmt. Wenn er als Deskriptoren<br />
lieber Akronyme (und Abkürzungen) als ausgeschriebene Bezeichnungen verwendet,<br />
dann würde er in diesem Fall den Begriff „UML“ als neuen Deskriptor in die Kompetenzontologie<br />
aufnehmen und den vom Benutzer vorgeschlagenen Begriff „Unified Modeling Language“ als zum<br />
Begriff „UML“ synonymen Nicht-Deskriptor akzeptieren. Den Deskriptor „UML“ könnte er dabei<br />
dem vielleicht schon in der Ontologie enthaltenen Begriff „Modellierungssprachen“ unterordnen.<br />
Wenn danach jemand mit dem Begriff „Unified Modeling Language“ nach Kompetenzträgern<br />
sucht, dann wird nicht nur die Person gefunden, die diesen Begriff vorgeschlagen und die erste<br />
Kompetenzaussage dazu gemacht hat, sondern auch diejenigen, die im Anschluss daran eine Kompetenzaussage<br />
über sich selbst zum Begriff „UML“ gemacht haben.<br />
3.1.1.3.2.2 Erfassung von Weiterbildungsmaßnahmen und Projekten<br />
Es ist sinnvoll, sowohl Weiterbildungsmaßnahmen als auch Projekte zentral zu erfassen, um bei der<br />
Eingabe einer Erfahrung darauf verweisen zu können. Wenn beispielsweise mehrere Mitarbeiter an<br />
einer Weiterbildungsmaßnahme teilnehmen, sollte sich das danach in ihren Kompetenzprofilen widerspiegeln,<br />
d.h. zu jedem dieser Mitarbeiter sollte eine Erfahrung der Art „Ausbildungserfahrung.<br />
Weiterbildung“ eingegeben werden, die mit der zentral eingegebenen Weiterbildungsmaßnahme<br />
verknüpft wird. Dies hat den Vorteil, dass die Personalabteilung die Aufgabe übernehmen kann, alle<br />
Weiterbildungsmaßnahmen als Informationsobjekte im System anzulegen, zu beschreiben und zu<br />
verschlagworten, und dass die einzelnen Schulungsteilnehmer bei der Eingabe ihrer Weiterbildungserfahrungen<br />
einfach auf diese Informationsobjekte verweisen können.<br />
Bei der Zuordnung von Kompetenzbegriffen zu einer Weitebildungsmaßnahme besteht die Möglichkeit,<br />
zu jeder Kompetenz auch eine Ausprägung anzugeben. Ebenso können die Teilnahmevoraussetzungen<br />
beschrieben werden. Bei einer Weiterbildung mit dem Titel „Crashkurs C# und Visual<br />
Studio.NET“ könnte beispielsweise angegeben werden, dass bei den Teilnehmern Expertenkenntnisse<br />
in C++ und Grundkenntnisse in der Vorgängerversion Visual Studio 6 vorhanden sein<br />
müssen. Das Weiterbildungsziel könnte lauten, Expertenkenntnisse in C# und Grundkenntnisse im<br />
Umgang mit Visual Studio.NET zu vermitteln. Ein Mitarbeiter der Personalabteilung ordnet im<br />
Rahmen der zentralen Maßnahmenerfassung einer Weiterbildungsmaßnahme sowohl die entsprechenden<br />
Kompetenzbegriffe (inklusive ihrer Ausprägungen) als auch die Schulungsteilnehmer zu.<br />
Für jeden Schulungsteilnehmer legt das System dann automatisch eine entsprechende Weiterbildungserfahrung<br />
an, die mit der Maßnahme verknüpft wird und im Anschluss daran von den Teilnehmern<br />
editiert und kommentiert werden kann. Wie zu einer Weiterbildungserfahrung Kompetenzaussagen<br />
eingegeben werden können, die den individuellen Schulungserfolg eines Teilnehmers<br />
beschreiben, wird im folgenden Kapitel erläutert.<br />
Projekte werden ebenfalls zentral erfasst und beschrieben, wobei es zwei Möglichkeiten gibt, ein<br />
Projekt ins System einzugeben. Zum einen ist es möglich, das Projekt unabhängig vom KOWIEN-<br />
Geschäftsprozessmodell einzugeben und mit Begriffen zu verschlagworten, welche die für das Projekt<br />
erforderlichen Kompetenzen beschreiben. Zum anderen kann ein Projekt direkt an das entsprechende<br />
Unternehmensmodell gekoppelt werden. Dies geschieht, indem dem Projekt eine bestimmte<br />
Projektart zugewiesen wird, die mit einer Folge von Prozessen des Unternehmensmodells verknüpft<br />
ist. Aus den Projektrollen, die in mindestens einem dieser Prozesse eine Funktion übernehmen (star-
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 591<br />
ten, informieren, beraten, mitwirken, ausführen, verantworten oder genehmigen), ergeben sich die<br />
Projektstellen, die zu besetzen sind. Dabei werden die Kompetenzanforderungen an die Projektrollen<br />
auf die automatisch generierten Projektstellen übertragen, so dass danach direkt mit der Suche<br />
nach geeigneten Kandidaten für diese Stellen begonnen werden kann. Darüber hinaus bringt die<br />
Kopplung an das Unternehmensmodell noch weitere Vorteile mit sich, die im folgenden Kapitel beschrieben<br />
werden.<br />
3.1.1.3.2.3 Integration in die Geschäftsprozesse<br />
Eine Integration in die Geschäftsprozesse ist für die Einführung eines Kompetenzmanagementsystems<br />
erfolgsentscheidend, weil der Wert eines Informationssystems von der Qualität der enthaltenen<br />
Informationen abhängt und brauchbare Informationen nur dann eingegeben und gepflegt werden,<br />
wenn der damit verbundene Aufwand gering und der Nutzen auch für den erkennbar ist, der sich<br />
zusätzlich zur Erledigung seiner Arbeit die Mühe macht, die Informationen einzugeben und zu pflegen.<br />
Während bestimmte Aufgaben, wie z.B. die Erstellung einer anfänglichen Begriffshierarchie<br />
und die zentrale Erfassung von Maßnahmen und Projekten, von Mitarbeitern der Personalabteilung<br />
oder von Projektleitern übernommen werden können, ist man bei der Pflege der Kompetenzprofile<br />
auf die Mitarbeit jedes einzelnen Mitarbeiters angewiesen. Daher sollte man sich darum bemühen,<br />
die Kompetenzprofilpflege in den Arbeitsalltag der Mitarbeiter zu integrieren und sie zu motivieren,<br />
durch ihre aktive Mitarbeit zu einer hohen Qualität und Aktualität der Informationsbasis beizutragen.<br />
Die Basis für die Integration des KOWIEN-Prototyps in die Geschäftsprozesse eines Unternehmens<br />
legt das KOWIEN-Geschäftsprozessmodell. Ein wichtiger Schritt ist daher die Erarbeitung des Unternehmensmodells<br />
mit den unternehmensspezifischen Angaben zu den Geschäftsprozessen. Wenn<br />
ein solches Unternehmensmodell erarbeitet worden ist, das die Informationen enthält, welche Projektrollen<br />
in welchen Prozessen welche Funktionen übernehmen und welche Kompetenzanforderungen<br />
an diese Projektrollen gestellt werden, dann kann beispielsweise die Projektarbeit eng damit<br />
verknüpft werden. Am Beispiel der infonea® Projektarbeit lässt sich gut verdeutlichen, wie das<br />
funktioniert und welche Vorteile damit verbunden sind.<br />
Basierend auf dem KOWIEN-Referenzmodell wurde eine Abstraktionsebene tiefer zuerst ein Unternehmensmodell<br />
für die Comma Soft AG erstellt. 20) Eine weitere Abstraktionsebene tiefer wurde,<br />
basierend auf dem Comma Soft Unternehmensmodell, das infonea® Projektvorgehen beschrieben,<br />
d.h., es wurden die Prozesse entsprechend benannt und beschrieben, die bei einem infonea® Projekt<br />
durchlaufen werden. Dabei wurden die infonea® Prozesse mit den entsprechenden Prozessen des<br />
Comma Soft Unternehmensmodells in Beziehung gesetzt. Darüber hinaus wurde erfasst, welche<br />
Projektrollen es in einem infonea® Projekt gibt (z.B. Entwickler, Kundenbetreuer und Projektleiter)<br />
und welche Funktionen diese in den verschiedenen Prozessen übernehmen. Außerdem wurden den<br />
Prozessen Hilfsmittel sowie Prozessein- und -ausgaben zugeordnet. Ein konkretes infonea® Projekt<br />
(wie beispielsweise die Erstellung des KOWIEN-Prototyps) kann nun an das infonea® Projektvorgehen<br />
gekoppelt werden, indem diesem Projekt eine bestimmte Projektart zugewiesen wird, die mit<br />
einer Folge von Prozessen des infonea® Projektvorgehens verknüpft ist. Bei Projekten der Art<br />
„Machbarkeitsstudie“ gestaltet sich die Prozesskette beispielsweise anders als bei der Erstellung<br />
20) Das Konzept der Abstraktionsebenen ist in Kapitel 3.1.1.1.1 (S. 572 f.) beschrieben worden.
592 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
von Prototypen oder Pilotsystemen. In Kapitel 3.1.1.3.4 wird beschrieben, wie der KOWIEN-<br />
Prototyp bei dieser Form der Projektanlage den Prozess der Projektteambildung unterstützt.<br />
Die prozessorientierte Organisation und Durchführung von Projekten bringt mehrere Vorteile mit<br />
sich. Ein Mitarbeiter, der in einem Projekt eine bestimmte Projektrolle übernommen hat, die in den<br />
verschiedenen Prozessen bestimmte Funktionen erfüllt, kann auf alle Hilfsmittel zugreifen, die den<br />
entsprechenden Prozessen auf den darüber liegenden Abstraktionsebenen (im geschilderten Beispiel<br />
das infonea® Projektvorgehen, das Comma Soft Unternehmensmodell und das KOWIEN-Referenzmodell)<br />
zugeordnet worden sind. Außerdem unterstützt ihn der Prototyp bei der Suche nach Kolleginnen<br />
oder Kollegen, die in einem anderen Projekt die gleiche Projektrolle übernommen haben, die<br />
er jetzt zugeteilt bekommen hat, so dass er bei Problemen eine ganze Reihe von Ansprechpartnern<br />
angezeigt bekommt, die er um Hilfe bitten kann. Auf die gleiche Weise kann er später von anderen<br />
Kollegen gefunden werden, da die Kompetenzanforderungen an die Projektrolle, die ein Mitarbeiter<br />
in einem Projekt übernommen hat, Aufschluss geben über die Kompetenzen, die dieser Mitarbeiter<br />
in das Projekt eingebracht hat. Auf diese Weise trägt die Unterstützung der Projektarbeit dazu bei,<br />
laufend Wissen über Kompetenzen zu akquirieren.<br />
Wie in Kapitel 3.1.1.3.2.2 beschrieben wurde, legt das System für Mitarbeiter, die an einer Weiterbildungsmaßnahme<br />
teilgenommen haben, automatisch eine entsprechende Erfahrung an, die mit den<br />
Kompetenzbegriffen verknüpft wird, mit denen die Maßnahme verschlagwortet worden ist. Eine<br />
Beurteilung, was die Weiterbildungsmaßnahme den einzelnen Teilnehmern gebracht hat, d.h. welche<br />
neuen Kompetenzen sie in welcher Ausprägung durch die Schulung erworben haben, kann natürlich<br />
nicht automatisch erfolgen. 21) Daher fordert das System die Teilnehmer im Anschluss an eine<br />
Weiterbildungsmaßnahme durch einen entsprechenden Link auf ihrem persönlichen Startportal<br />
dazu auf, einen Fragebogen auszufüllen, um zu den Schulungsthemen Kompetenzaussagen zu machen,<br />
bei denen es sich um eine persönliche Einschätzung ihres Kenntnisstands nach der Weiterbildungsmaßnahme<br />
handelt.<br />
An dieser Stelle muss darauf hingewiesen werden, dass es für ein funktionierendes Kompetenzmanagementsystem<br />
wichtig ist, dass die Mitarbeiter ihre Kompetenzen möglichst zutreffend und<br />
ehrlich selbst einschätzen. Dies liegt auch im Interesse jedes einzelnen Mitarbeiters, denn wenn er<br />
sein Licht „unter den Scheffel“ stellt, werden seine Kompetenzen nicht wahrgenommen und berücksichtigt.<br />
Wenn er jedoch zu viel von sich behauptet, fällt dies spätestens beim nächsten Projekt<br />
auf, bei dem er aufgrund seiner Kompetenzaussagen eine Aufgabe zugeteilt bekommen hat, der er<br />
nicht gewachsen ist.<br />
Selbsteinschätzungen stellen auf jeden Fall eine verlässlichere Informationsquelle dar als automatische<br />
Schlussfolgerungen der folgenden Art: „Jeder, der an einer Schulung teilgenommen hat, die<br />
Expertenkenntnisse in der Programmiersprache C# vermitteln sollte, ist danach ein C#-Experte.“<br />
Jemand, der vorher schon Experte in C++ war, kann nach der Teilnahme an einem C#-Crashkurs<br />
vielleicht von sich behaupten, dass er nun auch Expertenkenntnisse in C# hat. Aber ein anderer<br />
Teilnehmer der gleichen Schulung würde danach vielleicht eher sagen, dass er jetzt erweiterte<br />
Grundkenntnisse in C# hat, weil es schon länger her ist, seitdem er das letzte Mal in C++ program-<br />
21) Wenn durch eine abschließende Prüfung festgestellt wurde, ob die Teilnahme an der Weiterbildungsmaßnahme für die einzelnen<br />
Teilnehmer erfolgreich war oder nicht, kann dies natürlich (u.U. zusammen mit einer Bewertung und einem erlangten<br />
Titel) in den generierten Erfahrungen gespeichert werden. Aber selbst in diesem Fall kann nicht mit Sicherheit automatisch<br />
gefolgert werden, welche neuen Kompetenzen die Teilnehmer in welchen Ausprägungen nach der Schulung haben.
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 593<br />
miert hat, so dass er noch mehr Einarbeitungszeit benötigt, bevor er in einem Projekt als C#-Experte<br />
eingesetzt werden kann.<br />
Die Aufforderung des Systems zur Selbsteinschätzung im Anschluss an eine Weiterbildungsmaßnahme<br />
trägt also dazu bei, die Qualität und die Aktualität der Informationen über Kompetenzen zu<br />
gewährleisten. Sie ist ein weiteres Beispiel dafür, wie bei der Implementierung des KOWIEN-<br />
Prototyps versucht wurde, die Kompetenzprofilpflege in die vorhandenen Arbeitsabläufe zu integrieren.<br />
3.1.1.3.3 Suche nach Kompetenzträgern<br />
Die Beziehungen zwischen den Personen, Kompetenzaussagen, Erfahrungen, Kompetenzbegriffen,<br />
Weiterbildungsmaßnahmen, Projekten, Rollen und Prozessen werden bei richtiger Nutzung des Prototyps<br />
im Laufe der Zeit immer zahlreicher, so dass ein komplexes Informationsnetzwerk entsteht.<br />
Da infonea® für den Aufbau, die Analyse und die Navigation komplexer Informationsnetzwerke<br />
konzipiert wurde, ist die technologische Basis des KOWIEN-Prototyps ideal dafür geeignet, diese<br />
vielfältigen Informationszusammenhänge eines prozess- und ontologiebasierten Kompetenzmanagementsystems<br />
transparent zu machen. Die Suche nach Kompetenzträgern profitiert von infonea®<br />
ebenso wie die Analyse der Kompetenzlücken und die Planung von Weiterbildungsmaßnahmen.<br />
Da schon in Kapitel 3.1.1.2 die herausragenden Fähigkeiten von infonea® (wie beispielsweise<br />
die Visual Search auf S. 583 f.) beschrieben worden sind, beschränkt sich dieses Kapitel auf die besondere<br />
Unterstützung der Suche nach Kompetenzträgern.<br />
In Kapitel 3.1.1.2.3 (S. 582 f.) wurde bereits darauf hingewiesen, dass im Prototyp Inferenzmechanismen<br />
dafür eingesetzt werden, um bei der Suche nach Kompetenzträgern nicht nur die Personen<br />
als Ergebnis zurückzuliefern, über die es Kompetenzaussagen zu den gesuchten Kompetenzen gibt,<br />
sondern auch die Personen, die an einer Schulung teilgenommen haben, bei der diese Kompetenz<br />
vermittelt werden sollte, und die Personen, die bei einem Projekt eine Aufgabe übernommen haben,<br />
für deren Erfüllung diese Kompetenz erforderlich war. Da eine explizite Selbsteinschätzung nicht<br />
den gleichen Stellenwert hat wie die Vermutung, dass jemand eine Kompetenz besitzt, weil er an<br />
einer Schulung teilgenommen oder bei einem Projekt mitgearbeitet hat, zeigt der KOWIEN-<br />
Prototyp dem Fragesteller die Ergebnismenge der gefundenen Kompetenzträger so an, dass erkennbar<br />
ist, warum eine bestimmte Person vom System gefunden worden ist. Jeder Benutzer kann dann<br />
auf Basis dieser Information und seiner eigenen Auswahlkriterien entscheiden, in welcher Reihenfolge<br />
er die gefundenen Kompetenzträger ansprechen möchte, um sie beispielsweise um Rat zu fragen<br />
oder als Mitarbeiter in einem Projekt einzuplanen.<br />
Die Kompetenzbegriffe, zu denen das System Kompetenzträger sucht, kann der Benutzer entweder<br />
direkt eintippen und mit logischen Operatoren verknüpfen oder aus der hierarchischen Struktur der<br />
Kompetenzontologie auswählen. Wenn die Begriffe direkt eingegeben werden und einige der eingegebenen<br />
Begriffe in der Kompetenzontologie nicht vorkommen, dann weist das System den Benutzer<br />
darauf hin und bietet ihm verschiedene Optionen zur Fortsetzung der Suche an. Die verschiedenen<br />
Begriffsrelationen (Hierarchierelation, Assoziationsrelation und Äquivalenzrelation)<br />
werden benutzt, um die Suche auf verwandte Kompetenzbegriffe auszuweiten, wenn zu den gesuchten<br />
Kompetenzen keine oder zu wenige Kompetenzträger gefunden wurden.
594 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
3.1.1.3.4 Unterstützung der Projektarbeit<br />
Die Projektarbeit ist das Kerngeschäft der KOWIEN-Praxispartner. Der KOWIEN-Prototyp unterstützt<br />
diesen Kern-Geschäftsprozess, indem er die Möglichkeit bietet, konkrete Projekte an das<br />
KOWIEN-Geschäftsprozessmodell zu koppeln. Die folgenden Ergänzungen konzentrieren sich daher<br />
auf den Prozess der Projektteambildung.<br />
Wenn ein Unternehmen mit der Durchführung eines Projekts beauftragt wird, ist der erste Schritt<br />
nach der Projektakquisition in der Regel die Bestimmung eines Projektleiters. Eine dafür geeignete<br />
Person muss zum einen über ausreichend Projekterfahrung und über allgemeine Projektleiterkompetenzen<br />
verfügen, zu denen auch soziale Kompetenzen gehören. Zum anderen stellt jedes Projekt<br />
auch spezifische fachliche Kompetenzanforderungen an die Projektmitarbeiter und an den Projektleiter.<br />
Um einen geeigneten Projektleiter zu finden, der beiden Kriterien genügt, können die in Kapitel<br />
3.1.1.3.3 beschriebenen Möglichkeiten der Suche nach Kompetenzträgern genutzt werden. Natürlich<br />
sind neben der fachlichen Eignung auch die organisatorischen Rahmenbedingungen (z.B. die<br />
Zeitplanung und der Standort, an dem das Projekt durchgeführt werden soll) zu berücksichtigen.<br />
Eine integrierte Auslastungs- und Zeitplanung war jedoch kein Ziel bei der Erstellung des ontologiebasierten<br />
Kompetenzmanagementsystems.<br />
Wenn ein geeigneter Projektleiter gefunden worden ist, kann er damit beauftragt werden, das Projektteam<br />
zu bilden, d.h. Mitarbeiter zu suchen, die zusammen mit ihm die Kompetenzanforderungen<br />
des Projekts erfüllen. Wie in Kapitel 3.1.1.3.2.3 beschrieben wurde, muss dem Projekt dafür bei einer<br />
Kopplung an das entsprechende Unternehmensmodell eine Projektart zugewiesen werden, die<br />
mit einer Folge von Prozessen des Unternehmensmodells verknüpft ist (vgl. Abbildung 79). Aus der<br />
ausgewählten Prozesskette ergeben sich dann die Projektrollen, die in diesen Prozessen bestimmte<br />
Funktionen erfüllen und von konkreten Personen übernommen werden müssen. Ein spezielles Server-AddOn<br />
des KOWIEN-Prototyps (vgl. Kapitel 3.1.1.2.1, S. 579) generiert zu jeder Projektrolle,<br />
die in mindestens einem der Prozesse, die im Projekt zu durchlaufen sind, irgendeine Funktion übernimmt,<br />
eine Projektstelle, die zu besetzen ist. Dabei werden die Kompetenzanforderungen an die<br />
Projektrolle auf die Projektstelle übertragen. Derjenige, der die Aufgabe hat, das Projektteam zu<br />
bilden (das muss nicht unbedingt der zukünftige Projektleiter sein), kann den Projektstellen noch<br />
weitere projektspezifische Kompetenzanforderungen zuordnen oder einige automatisch übernommene<br />
Kompetenzanforderungen entfernen, bevor er sich auf die Suche nach Kandidaten für die verschiedenen<br />
Projektstellen macht. Bei dieser Suche auf Basis der im System enthaltenen Kompetenzprofile<br />
unterstützt ihn der KOWIEN-Prototyp mit allen Analysemöglichkeiten, die infonea® zu<br />
bieten hat (vgl. Kapitel 3.1.1.2.4, S. 583 f.), was durch eine speziell für KOWIEN entwickelte infonea®<br />
Funktionalität ermöglicht worden ist (eine neue Anwendungseinheit). Nachdem alle Projektstellen<br />
besetzt sind, d.h. nachdem das Projektteam gebildet worden ist, indem entschieden worden<br />
ist, welche Mitarbeiter welche Projektrollen übernehmen, unterstützt der KOWIEN-Prototyp die<br />
verschiedenen Projektmitarbeiter, indem er ihnen die Informationen und Hilfsmittel zur Verfügung<br />
stellt, die sie für die Erledigung ihrer Aufgaben benötigen, und indem er ihnen hilft, bei auftretenden<br />
Problemen geeignete Ansprechpartner zu finden (vgl. Kapitel 3.1.1.3.2.3, S. 592).
3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 595<br />
3.1.1.3.5 Unterstützung der Unternehmensentwicklung<br />
Die Prozesse „Kompetenzlücken ermitteln“, „Qualifizierungsmaßnahmen planen“ und „Personal rekrutieren“<br />
hängen eng miteinander zusammen. Sie spielen eine wichtige Rolle für die Unternehmensentwicklung.<br />
Um im harten Wettbewerb bestehen zu können, muss sich jedes Unternehmen<br />
auf seine Kernkompetenzen konzentrieren und sich darum bemühen, diese weiter auszubauen. Da<br />
sich Märkte sehr schnell ändern können, muss auch ein Unternehmen schnell darauf reagieren, indem<br />
die Unternehmensziele den Marktgegebenheiten angepasst werden und die für die Erreichung<br />
dieser Ziele erforderlichen Kompetenzen entweder durch bedarfsorientierte Weiterbildungsmaßnahmen<br />
für die Mitarbeiter entwickelt oder durch gezielte Neueinstellungen hinzugewonnen werden.<br />
Beides setzt voraus, dass die Kompetenzlücken bekannt sind, die durch diese Maßnahmen geschlossen<br />
werden sollen.<br />
Die Ermittlung von Kompetenzlücken ist notwendig für die Ermittlung des mittel- bis langfristigen<br />
Weiterbildungsbedarfs, bei dem es darum geht, die Personalentwicklung an den strategischen Unternehmenszielen<br />
auszurichten. Wenn sich beispielsweise ein Telekommunikationsunternehmen im<br />
neuen UMTS-Markt positionieren möchte, dann sollte analysiert werden, welche Kompetenzen dafür<br />
erforderlich sind, wie viele Experten mit welchen Kompetenzen benötigt werden und wie viele<br />
Experten bereits im Unternehmen arbeiten, die durch entsprechende Weiterbildungsmaßnahmen in<br />
einem überschaubaren Zeitrahmen auf die neuen Aufgabenfelder vorbereitet werden können. Die<br />
Ermittlung von Kompetenzlücken ist aber auch notwendig für die Ermittlung des kurzfristigen projektgetriebenen<br />
Weiterbildungsbedarfs, der entsteht, wenn den Kompetenzanforderungen der akquirierten<br />
Projekte nicht genügend Experten mit den entsprechenden Kompetenzen gegenüberstehen.<br />
In diesem Fall ist es wichtig, durch kurzfristigen Know-how-Transfer den bestehenden Engpass zu<br />
überbrücken, indem die vorhandenen Experten als Multiplikatoren eingesetzt werden. In beiden<br />
Fällen hilft der KOWIEN-Prototyp dabei, die im Unternehmen vorhandenen Kompetenzen transparent<br />
zu machen und Kompetenzlücken aufzudecken.<br />
In Kapitel 3.1.1.3.2.2 wurde beschrieben, wie die Weiterbildungsziele und die Teilnahmevoraussetzungen<br />
von Weiterbildungsmaßnahmen zentral erfasst werden können. Diese detaillierten Informationen<br />
über Weiterbildungsmaßnahmen sind zusammen mit den Analysemöglichkeiten zur Aufdeckung<br />
von Kompetenzlücken eine ideale Basis für die Beantwortung der Frage, welche Mitarbeiter<br />
an welchen Weiterbildungsmaßnahmen teilnehmen sollten. Der KOWIEN-Prototyp unterstützt<br />
jeden einzelnen Mitarbeiter dabei, diese Frage für sich selbst zu beantworten und sich aus<br />
dem Pool von Weiterbildungsmaßnahmen, die ihm sein Unternehmen anbietet, die Kurse herauszusuchen,<br />
die für ihn geeignet sind und ihn auf die Übernahme einer bestimmten Projekt- oder Unternehmensrolle<br />
vorbereiten. Ermöglicht wird die Beantwortung dieser Frage durch die Erfassung der<br />
Kompetenzanforderungen an Projekt- und Unternehmensrollen, die Bestandteil der Funktionalität<br />
des KOWIEN-Prototyps ist, d.h., neben den Ist-Kompetenzprofilen für Mitarbeiter können mit dem<br />
KOWIEN-Prototyp auch Soll-Kompetenzprofile für Projekt- und Unternehmensrollen gepflegt<br />
werden. Durch eine spezielle Analysefunktion wird die Planung von Weiterbildungsmaßnahmen<br />
unterstützt, indem transparent gemacht wird, welche Weiterbildungsmaßnahmen für welche Unternehmensrollen<br />
wichtig sind. Diese Funktionalität ist besonders für Unternehmen interessant, die<br />
auch selbst ausbilden (z.B. im Rahmen von Trainee-Programmen oder einer Corporate University),<br />
da damit auch die Mitarbeiter, die das Weiterbildungsangebot planen, eine gute Entscheidungsgrundlage<br />
haben, um die Inhalte und die Häufigkeit der Durchführung von Weiterbildungsmaßnahmen<br />
bedarfsgerecht festzulegen.
596 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®<br />
Wenn in einer bestimmten Unternehmensabteilung ein Personalbedarf offensichtlich wird, weil das<br />
vorhandene Abteilungspersonal die übertragenen Aufgaben nicht alleine bewältigen kann, dann hat<br />
der Abteilungsleiter die Möglichkeit, über das Kompetenzmanagementsystem eine Personalbedarfsmeldung<br />
einzugeben. Die Personalabteilung kann die abgegebenen Personalbedarfsmeldungen mithilfe<br />
des Kompetenzmanagementsystems analysieren und entsprechende Stellenausschreibungen<br />
vorbereiten, die zunächst nur unternehmensintern bekannt gemacht werden. Wenn sich ein Mitarbeiter<br />
einer anderen Abteilung auf eine solche unternehmensinterne Stellenausschreibung hin meldet,<br />
kann ein Gespräch zwischen diesem Mitarbeiter, dem Einsteller der Personalbedarfsmeldung<br />
und Vertretern der Personalabteilung vereinbart werden, bei dem u.a. mithilfe des ontologiebasierten<br />
Kompetenzmanagementsystems besprochen werden kann, ob sich der interne Bewerber<br />
grundsätzlich für die ausgeschriebene Stelle eignet und ob es sinnvoll und zeitlich möglich ist, dass<br />
er zur Vorbereitung auf seine zukünftigen Aufgaben vorher noch an einer Weiterbildungsmaßnahme<br />
teilnimmt. Wenn sich kein interner Mitarbeiter auf die Stelle bewirbt, wird die Ausschreibung<br />
öffentlich gemacht, um zusätzliches Personal zu rekrutieren. Die Lebensläufe der eintreffenden Bewerbungen<br />
könnten dann nach einer Vorauswahl, wie in Kapitel 3.1.1.3.2.1 (S. 587 ff.) beschrieben,<br />
ins Kompetenzmanagementsystem eingegeben werden, um eine Entscheidungsgrundlage für die<br />
Einstellungsgespräche zu schaffen.<br />
Die Visual Search und die Kontextnavigation von infonea® (vgl. Kapitel 3.1.1.2.4, S. 583 f.) machen<br />
das hier beschriebene Kompetenzmanagementsystem auch zu einer Art Cockpit, das es ermöglicht,<br />
die Kompetenzen des ganzen Unternehmens zu analysieren und die Unternehmensentwicklung<br />
durch gezielte Kompetenzentwicklung zu steuern. So kann die Personalabteilung mit einer Visual<br />
Search über alle Kompetenzaussagen und Erfahrungen sofort sehen, wie sich z.B. zu bestimmten<br />
Fachgebieten die Kompetenzen und Erfahrungen auf Abteilungen und Standorte verteilen oder<br />
wie für eine Auswahl von Abteilungen die Verteilung der Kompetenzen zu einen Fachgebiet aussieht.<br />
Zu guter letzt sei noch erwähnt, dass der KOWIEN-Prototyp neben der Pflege von Kompetenzprofilen<br />
für einzelne Personen auch die Möglichkeit bietet, Kompetenzprofile für Teams zu erstellen und<br />
zu pflegen. Teams können durch ihre optimale Zusammenstellung und eine gute Zusammenarbeit,<br />
die sich in konkreten Projekten bewährt hat, Fähigkeiten für das Unternehmen entwickeln, die weit<br />
über die „Summe“ der Fähigkeiten der einzelnen Teammitglieder hinausgehen. Daher sind neben<br />
den Kompetenzen der Mitarbeiter auch die Kompetenzen von Teams wichtige Bausteine des Unternehmenswertes,<br />
deren Management sich lohnt.<br />
Das ontologiebasierte und prozessorientierte Kompetenzmanagementsystem, das im Rahmen des<br />
KOWIEN-Projekts entwickelt worden ist, versetzt die Mitarbeiter in leitenden Funktionen in die<br />
Lage, die Entwicklung der Unternehmenskompetenzen zielorientiert zu steuern, und hilft allen Mitarbeitern<br />
des Unternehmens, sich beruflich weiterzuentwickeln und die eigenen Kompetenzen ins<br />
Unternehmen einzubringen.
3.1.2 Die KOWIEN-E-Learning-Anwendung<br />
DIPL.-WIRT.-INF. THOMAS WEICHELT<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
3.1.2.1 Begriffsabgrenzung<br />
Ein immer wichtiger werdendes Thema – vor allem vor dem Hintergrund der aktuellen Veränderungen<br />
der Arbeitswelt und der damit verbundenen steigenden Anforderungen insbesondere auch an<br />
die Arbeitnehmer – ist die berufliche Weiterbildung. So wird es in Zukunft immer weniger möglich<br />
sein, sich auf einmal im Rahmen der Schul- oder Berufsausbildung erlangtem Wissen „auszuruhen“,<br />
denn dessen Gültigkeit nimmt mit fortschreitender Zeit stetig ab. 1) Vielmehr wird für Arbeitnehmer<br />
die Bereitschaft und die Fähigkeit zur kontinuierlichen Weiterbildung, oft auch als Lifelong<br />
Learning 2) bezeichnet, immer wichtiger. Im Zusammenhang mit lebenslangem Lernen gewinnt auch<br />
das so genannte Just-in-time-Lernen zunehmend an Bedeutung. Neues Wissen wird demnach nicht<br />
„auf Vorrat“ erworben, sondern Personen lernen erst bei entsprechendem Bedarf. Eine effektive<br />
Möglichkeit dazu stellt E-Learning dar. Es ermöglicht den Nutzern zeit- und ortsunabhängiges Lernen<br />
sowie das Lernen „nach Bedarf“.<br />
Die E-Learning-Anwendung, die im Rahmen des Projekts KOWIEN vom Universitätspartner entwickelt<br />
wurde, stellt einen Beitrag dar, um das komplexe Thema „ontologie- und kompetenzprofilbasiertes<br />
Wissensmanagement“ einer breiten – sowohl wissenschaftlichen als auch nicht-wissenschaftlichen<br />
– Öffentlichkeit zugänglich zu machen. Zielgruppe sind vor allem die Nutzer des KO-<br />
WIEN-Prototyps 3) der Comma Soft AG, aber auch diejenigen, die selbst ein ontologiebasiertes<br />
Kompetenzmanagementsystem konstruieren wollen. Weiterhin wird mit der E-Learning-Anwendung<br />
interessierten Arbeitnehmern die Möglichkeit gegeben, sich in den genannten Bereichen weiterzubilden<br />
oder bereits vorhandene Kenntnisse aufzufrischen.<br />
Auch wenn sich der Begriff E-Learning großer Beliebtheit erfreut und häufig verwendet wird, ist<br />
nicht immer eindeutig, was damit genau gemeint ist. So kann beispielsweise das „E“ auf ganz verschiedene<br />
Arten interpretiert werden: 4)<br />
• Easy Learning<br />
• Effective Learning<br />
• Entertaining Learning<br />
• Elaborated Learning<br />
• Electronic Learning<br />
In den meisten Fällen und auch in den nachfolgenden Betrachtungen wird die letzte Variante – also<br />
Electronic Learning – gewählt. Dementsprechend wird E-Learning oft als „ ... Lernen mit Hilfe<br />
1) Vgl. BAUER/PHILIPPI (2001) S. 134 ff.<br />
2) Vgl. KRETSCHMER (2002) S. 14.<br />
3) Vgl. Kapitel 3.1.1, S. 571 ff., insbesondere S. 579 ff.<br />
4) Vgl. DICHANZ/ERNST (2002) S. 46.
598 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
elektronischer Medien ...“ 5) verstanden. Auch wenn diese Sichtweise nicht falsch ist, greift sie aufgrund<br />
ihres sehr allgemeinen Charakters zu weit. Falls allein die Nutzung elektronischer Medien zur<br />
Unterstützung von Lernvorgängen ein hinreichendes Kriterium für E-Learning wäre, dann müsste<br />
z.B. auch die Präsentation von Lerninhalten mittels eines Overhead-Projektors konsequenterweise<br />
ebenfalls schon dieser Lernform zugerechnet werden. Deshalb wird im Folgenden die Reihe der<br />
elektronischen Medien auf den Computer eingeschränkt, so dass E-Learning als computerunterstütztes<br />
Lernen (CUL) verstanden werden kann. 6)<br />
Von besonderer Bedeutung in diesem Zusammenhang ist zudem der Begriff der computerunterstützten<br />
Lernumgebung (CULU). Damit sind rechnergestützte Systeme gemeint, mit denen die Realisierung<br />
und Anwendung des CUL erfolgt.<br />
Eine Ausprägung computerunterstützter Lernumgebungen ist das so genannte Computer-Based-<br />
Training (CBT), welches auch die derzeit meistgenutzte Form des E-Learnings darstellt. Im Vordergrund<br />
steht beim CBT der lernerzentrierte Zugang zu Wissen. CBT-Programme ermöglichen es<br />
dem Anwender, die Lerninhalte zeit- und ortsunabhängig zu nutzen und das Lerntempo seinen<br />
eigenen Bedürfnissen anzupassen. Die Inhalte sind dabei auf einem Datenträger gespeichert, so dass<br />
sie offline verwendet und zudem beliebig oft wiederholt werden können.<br />
CBT war ursprünglich vor allem auf den Bereich so genannter Drill-and-Practice-Programme beschränkt.<br />
Dieser Programmtyp zeichnet sich durch eine starke Systemsteuerung des Lernprozesses<br />
ohne wesentliche Einflussmöglichkeiten des Anwenders aus und bietet sich vor allem zur Vermittlung<br />
von strukturiertem Faktenwissen an. Neben diesen Drill-and-Practice-Programmen gehören<br />
zum Bereich der CBT-Anwendungen u.a. auch: 7)<br />
• tutorielle Programme (Schritt für Schritt-Anleitung),<br />
• Lernspiele (Wissenserwerb durch Spielhandlungen),<br />
• Simulationsprogramme (Durchspielen konkreter Anwendungssituationen) und<br />
• Hypermedia-Programme (freies Navigieren durch das Programm).<br />
Eine besondere Ausprägung des CBT ist das Web-Based-Training (WBT). Entsprechende Anwendungen<br />
können als eine Weiterentwicklung des CBT angesehen werden. 8) Bei diesen Programmen<br />
erfolgt die Distribution der Lerninhalte nicht auf Datenträgern, sondern netzbasiert. Dies kann im<br />
lokalen Netzwerk, im Extranet oder auch im Internet erfolgen, wobei im letzten Fall vor allem das<br />
World Wide Web (WWW) genutzt wird. Die Inhalte werden – bei Abruf durch den Anwender –<br />
über das Netz auf dessen Computer geladen und können dort in einem Webbrowser dargestellt und<br />
genutzt werden.<br />
5) DOWNLING/EBERSPÄCHER/PICOT (2003) S. 3.<br />
6) Vgl. PAWLOWSKI (2001) S. 6.<br />
7) Vgl. KRETSCHMER (2002) S. 29.<br />
8) Vgl. LANG/PÄTZOLD (2002) S. 27.
3.1.2 Die KOWIEN E-Learning-Anwendung 599<br />
3.1.2.2 Aufbau und Gestaltung der E-Learning-Anwendung<br />
Die KOWIEN-E-Learning-Anwendung wurde in Form einer webbasierten Applikation realisiert.<br />
Im Folgenden steht allerdings nicht die technische Umsetzung im Vordergrund, vielmehr werden<br />
der Aufbau sowie die inhaltliche Gestaltung der E-Learning-Anwendung betrachtet.<br />
Bei der Entwicklung der KOWIEN-E-Learning-Anwendung wurde insbesondere auf den Aspekt<br />
des selbst gesteuerten Lernens Wert gelegt. Die Bedeutung dieses Aspekts lässt sich aus den Anforderungen<br />
des lebenslangen Lernens ableiten, welches die Fähigkeit zum selbst gesteuerten Lernen<br />
erfordert. 9) Dementsprechend ist die E-Learning-Anwendung auch derart gestaltet, dass sie ein<br />
exploratives Vorgehen des Anwenders ermöglicht und unterstützt. Dazu trägt auch ihr Aufbau, bestehend<br />
aus einem Portal und den drei Modulen Grundlagen, Vorgehensmodell und Prototyp, bei<br />
(siehe Abbildung 84).<br />
KOWIEN -E-Learning-Anwendung<br />
P<br />
o<br />
rr<br />
tt<br />
a<br />
ll<br />
Modul Modul 1: 1:<br />
Grundlagen Grundlagen<br />
Modul Modul 2: 2:<br />
Vorgehensmodell<br />
Vorgehensmodell<br />
Modul Modul 3: 3:<br />
Prototyp Prototyp<br />
Abbildung 84: Aufbau der KOWIEN-E-Learning-Anwendung<br />
Das Portal dient vor allem dazu, die Anwender über den Aufbau und den Inhalt der KOWIEN-E-<br />
Learning-Anwendung zu informieren. Neben der Erläuterung der technischen Voraussetzungen für<br />
eine optimale Nutzung werden auch Hinweise zur Bedienung des Systems gegeben. Darüber hinaus<br />
9) Vgl. ARNOLD (2001) S. 42.
600 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
können die Anwender vom Portal aus mittels entsprechender Links die drei einzelnen Module der<br />
E-Learning-Anwendung aufrufen.<br />
Das Modul Grundlagen gibt dem Anwender einen Überblick über das Thema „ontologiebasiertes<br />
Wissensmanagement“ zum Zwecke des Managements von Wissen über Kompetenzen. Hierbei<br />
werden nicht nur die zentralen Begriffe geklärt, sondern es wird auch der Nutzen von Ontologien<br />
im Rahmen des Wissensmanagements verdeutlicht.<br />
Im Modul Vorgehensmodell wird erläutert, wie ein ontologiebasiertes Kompetenzmanagementsystem<br />
erstellt werden kann. Im Wesentlichen werden dabei verschiedene Werkzeuge zur Durchführung<br />
oder Unterstützung der einzelnen Phasen des KOWIEN-Vorgehensmodells vorgestellt.<br />
Das Modul Prototyp gibt dem Anwender einen Überblick über die Funktionalitäten des prototypischen<br />
Software-Tools der Comma Soft AG für ein ontologiebasiertes Kompetenzmanagementsystem<br />
(KOWIEN-Prototyp). Der Anwender kann sich mit den Möglichkeiten der Software vertraut<br />
machen und sie anschließend selbstständig bedienen.<br />
Bei der Entwicklung einer computerunterstützten Lernumgebung sind insbesondere die Gestaltung<br />
der Navigation und der Benutzerführung von Relevanz. Dabei hat sich allerdings bislang kein Konzept<br />
als eindeutig überlegen gezeigt. Als vorteilhaft erweisen sich jedoch die Wahlmöglichkeit zwischen<br />
freier Navigation und vorgeschlagenen Lernpfaden sowie Standortangaben innerhalb der<br />
Lernumgebung zur besseren Orientierung des Anwenders. 10) Um diesen Aspekten Rechnung zu tragen<br />
und um dem Anwender eine übersichtliche und einfache Navigation zu ermöglichen, gliedert<br />
sich die Benutzeroberfläche der E-Learning-Anwendung in drei Funktionsbereiche (siehe<br />
Abbildung 85):<br />
10) Vgl. ARNOLD (2001) S. 123.
3.1.2 Die KOWIEN E-Learning-Anwendung 601<br />
Abbildung 85: Benutzeroberfläche der KOWIEN-E-Learning-Anwendung<br />
• Navigationsleiste: Unter Verwendung der Pfeile in der Navigationsleiste im oberen Bildschirmbereich<br />
kann der vorgegebene Lernpfad eines Moduls durchlaufen werden. Zusätzlich zeigt dieser<br />
Bildschirmbereich an, in welcher Lerneinheit eines Moduls sich der Anwender gerade befindet.<br />
• Navigationsbaum: Der Navigationsbaum im linken Bildschirmbereich enthält alle Lerneinheiten,<br />
die in dem Modul zur Verfügung stehen, in einer hierarchischen Struktur. Von hier aus<br />
können die einzelnen Lerneinheiten direkt aufgerufen werden.<br />
• Hauptfenster: Das Hauptfenster nimmt den größten Bereich der Benutzeroberfläche ein und<br />
dient der Anzeige der ausgewählten Lerneinheit.<br />
Neben der Gestaltung der Benutzeroberfläche ist vor allem die didaktisch sinnvolle Aufbereitung<br />
und adäquate mediale Umsetzung der Lerninhalte von Bedeutung. Allerdings gibt es auch hier kein<br />
eindeutig überlegenes Konzept oder allgemein gültige Empfehlungen bezüglich des Einsatzes verschiedener<br />
Medientypen (Text, Bild, Video, Ton etc.). Festhalten lässt sich aber, dass Texte die<br />
wichtigste Grundlage zur Vermittlung von Wissen darstellen; denn auch in computerunterstützten<br />
Lernumgebungen erfolgt der Wissenserwerb zu einem erheblichen Teil durch die Beschäftigung mit<br />
Texten. 11) Dabei muss allerdings beachten werden, dass das Lesen von Text am Computer-<br />
Bildschirm anstrengender ist und dass ca. 20 bis 30 Prozent langsamer gelesen wird als auf Papier.<br />
11) Vgl. LANG/PÄTZOLD (2002) S. 67.
602 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
Weiterhin sollte – sofern möglich – pro Bildschirmseite nur ein einzelner Aspekt eines Themas<br />
vermittelt werden. Daher bietet es sich an, einen komplexen Zusammenhang in Bildschirmfolgen zu<br />
zerlegen. Darüber hinaus sollte auch das Mittel des Scrollens so sparsam wie möglich eingesetzt<br />
werden, da gescrollter Text langsamer gelesen wird und zudem Probleme bei der mentalen Organisation<br />
des Inhalts bereitet. 12)<br />
Um den Anteil von Text in einer computerunterstützten Lernumgebung zu reduzieren, bietet sich<br />
der Einsatz von bildlichen Darstellungen, wie z.B. Graphiken oder Diagrammen, an. Dies ist insbesondere<br />
deshalb von Bedeutung, weil bildliche Informationen in der Regel schneller aufgenommen<br />
und auch leichter erinnert werden als Wörter. Ausgehend von diesen Vorteilen darf allerdings nicht<br />
der Fehler gemacht werden, alle Informationen einer Lernumgebung in einer bildhaften Darstellung<br />
vermitteln zu wollen. Vielmehr sollten die Inhalte aus kurzen Texten bestehen, die durch graphische<br />
Elemente und weiterführende Links aufgelockert werden. 13)<br />
Bei der Entwicklung der KOWIEN-E-Learning-Anwendung wurden insbesondere folgende Aspekte<br />
berücksichtigt:<br />
• viele graphische Elemente: Die drei Module enthalten nicht nur textbasierte Informationen,<br />
sondern auch vielfältige graphische Elemente. Weiterhin ist nach Möglichkeit jede Bildschirmseite<br />
auf die Darstellungsfläche eines handelsüblichen Monitors beschränkt, um möglichst wenig<br />
zum Scrollen zu veranlassen. Darüber hinaus wird intensiver Gebrauch von den immanenten<br />
Strukturierungsmöglichkeiten des Mediums (Hypertextstruktur mit vielfachen Verlinkungen)<br />
gemacht, um so dem intendierten explorativen Charakter der Anwendung Rechnung zu tragen.<br />
• viele Beispiele: Um die meist abstrakten Konzepte dem Anwender zu verdeutlichen, enthalten<br />
die Module zahlreiche Beispiele. Diese wurden in Zusammenarbeit mit den Praxispartnern des<br />
KOWIEN-Projekts gewonnen.<br />
• Literatur und Links: Um Anwendern die Möglichkeit zu geben, sich intensiver in die jeweils<br />
behandelte Thematik einzuarbeiten, enthalten die Module Angaben zu weiterführender Literatur<br />
sowie zu themenbezogenen Links.<br />
Die KOWIEN-E-Learning-Anwendung ist modular aufgebaut. Jedes der drei Module setzt sich aus<br />
einzelnen Lerneinheiten zusammen, die wiederum weitere (Unter-) Lerneinheiten enthalten können.<br />
Die Beschäftigung mit den Modulen kann auf verschiedene Arten erfolgen:<br />
• Wer sich noch gar nicht mit dem Thema „ontologie- und kompetenzprofilbasiertes Wissensmanagement“<br />
befasst hat, kann durch lineares „Blättern“ den Lernpfad eines Moduls durchlaufen<br />
und so die einzelnen Lerneinheiten nacheinander bearbeiten.<br />
• Anwender, die bereits über entsprechende Vorkenntnisse verfügen, können mittels des Navigationsbereichs<br />
gezielt auf die gewünschten Lerneinheiten des jeweiligen Moduls zugreifen.<br />
Damit wird insbesondere dem Aspekt des selbst gesteuerten Lernens Rechnung getragen.<br />
• Diejenigen Anwender, die ihren eigenen Kenntnisstand überprüfen oder gezielt Wissenslücken<br />
schließen möchten, können direkt die Übungsfragen zum Selbsttest zu den einzelnen Lerneinheiten<br />
aufrufen.<br />
12) Vgl. BALLSTAEDT (1997) S. 91.<br />
13) Vgl. DOWNLING/EBERSPÄCHER/PICOT (2003) S. 96.
3.1.2 Die KOWIEN E-Learning-Anwendung 603<br />
Die Lerneinheiten sind so gestaltet, dass sie sowohl bei der sequentiellen Betrachtung entlang des<br />
Lernpfads eines Moduls als auch unabhängig von anderen Lerneinheiten bearbeitet werden können.<br />
Zusammenhänge zwischen oder Verweise auf andere Lerneinheiten werden durch Hyperlinks realisiert.<br />
3.1.2.3 Lernszenario: Ontologien im Rahmen des Wissensmanagements<br />
Nachfolgend wird anhand eines Lernszenarios zum Modul Grundlagen exemplarisch beschrieben,<br />
wie Anwender mit der KOWIEN-E-Learning-Anwendung arbeiten und lernen können. Das Modul<br />
Grundlagen dient dazu, den Anwendern einen Überblick über die und grundlegende Informationen<br />
zur Thematik „ontologiebasiertes Wissensmanagement“ zum Zwecke des Managements von Wissen<br />
über Kompetenzen zu vermitteln. Im Einzelnen enthält es Inhalte zu folgenden Themenbereichen:<br />
• Wissensmanagement,<br />
• Ontologien,<br />
• Kompetenzen/Kompetenzprofile und<br />
• <strong>Kompetenzmanagementsysteme</strong>.<br />
Ein Anwender, der über keine Vorkenntnisse verfügt und der mehr über Ontologien und deren Einsatz<br />
im Rahmen des Wissensmanagements erfahren möchte, kann durch Anklicken von Ontologien<br />
die entsprechende Lerneinheit aufrufen (siehe Abbildung 86).<br />
Abbildung 86: Screenshot Modul Grundlagen: Inhalte und Lernziele der Lerneinheit Ontologien
604 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
Am Anfang jeder Lerneinheit werden deren Inhalte sowie die damit verfolgten Lernziele vorgestellt.<br />
Die Lerneinheit Ontologien beginnt mit der Definition dieses Begriffs (siehe Abbildung 87).<br />
Abbildung 87: Screenshot Modul Grundlagen: Ontologien – Definition
3.1.2 Die KOWIEN E-Learning-Anwendung 605<br />
Anschließend folgt ein Anwendungsbeispiel, in dem gezeigt wird, wie Ontologien zur Lösung der<br />
praktischen Probleme des Wissensmanagements eingesetzt werden können (siehe Abbildung 88).<br />
Abbildung 88: Screenshot Modul Grundlagen: Ontologien – Anwendungsbeispiel
606 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
Ist sich der Anwender nicht sicher, welche Probleme dies sind, oder möchte er mehr über diese<br />
Probleme erfahren, so kann er zur entsprechenden Lerneinheit verzweigen. Hier wird u.a. erläutert,<br />
dass wesentliche Problembereiche beim Wissensmanagement die Explikation von implizitem Erfahrungswissen<br />
und die Identifikation von Wissensträgern sind (siehe Abbildung 89).<br />
Abbildung 89: Screenshot Modul Grundlagen:<br />
Wissensmanagement – Praktische Probleme des Wissensmanagements<br />
Kehrt der Anwender zum Anwendungsbeispiel zurück, so erfährt er, wie es mithilfe von Inferenzregeln<br />
möglich ist, implizites Erfahrungswissen zu explizieren und somit Wissensträger zu identifizieren<br />
(siehe Abbildung 88).
3.1.2 Die KOWIEN E-Learning-Anwendung 607<br />
Möchte der Anwender nun wissen, was Inferenzregeln genau sind, so gelangt er durch Anklicken<br />
des entsprechenden Links zur zugehörigen Lerneinheit. In dieser wird erklärt, dass Inferenzregeln<br />
neben Begriffen, Relationen und Integritätsregeln zu den Bestandteilen von Ontologien gehören<br />
und es sich dabei um logische Formeln handelt, mittels derer implizites Wissen expliziert werden<br />
kann (siehe Abbildung 90).<br />
Abbildung 90: Screenshot Modul Grundlagen: Ontologien – Bestandteile von Ontologien
608 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
Fährt der Anwender entlang des Lernpfads zur nächsten Lerneinheit fort, so gelangt er zu den Repräsentationssprachen<br />
für Ontologien. Eine dieser Sprachen ist F-Logic (siehe Abbildung 91). Der<br />
Anwender erfährt etwas über die Herkunft und die einzelnen Ausdrucksmittel der Sprache. Zusätzlich<br />
wird in dieser Lerneinheit auf die Nutzung von F-Logic im Rahmen des Projekts KOWIEN zur<br />
formalsprachlichen Repräsentation von Kompetenzen verwiesen. Möchte der Anwender mehr Informationen<br />
zu diesem Thema erhalten, so kann er durch Anklicken des entsprechenden Links zur<br />
zugehörigen Lerneinheit verzweigen.<br />
Abbildung 91: Screenshot Modul Grundlagen: Repräsentationssprachen – F-Logic
3.1.2 Die KOWIEN E-Learning-Anwendung 609<br />
Die nächste Lerneinheit entlang des Lernpfads im Bereich Ontologien befasst sich mit Tools zur<br />
Ontologie-Erstellung. Eines der vorgestellten Tools ist OntoEdit der Ontoprise GmbH 14) . In der zugehörigen<br />
Lerneinheit erfährt der Anwender mehr über u.a. Modellierungsfähigkeiten und -beschränkungen,<br />
unterstützte Import- und Export-Formate sowie weitere Eigenschaften dieser Software<br />
(siehe Abbildung 92). Jede der Lerneinheiten zu den betrachteten Tools enthält zudem einen<br />
Link auf die Homepage des Herstellers/Anbieters der Software, so dass von dort weitere Informationen<br />
bezogen werden können.<br />
Abbildung 92: Screenshot Modul Grundlagen: Tools zur Ontologie-Erstellung – OntoEdit<br />
14) Siehe http://www.ontoprise.de/.
610 3.1.2 Die KOWIEN E-Learning-Anwendung<br />
Hat der Anwender die einzelnen Lerninhalte durchgearbeitet, so kann er zur Überprüfung seines<br />
Lernerfolgs die zugehörigen Fragen zur Selbstkontrolle aufrufen (siehe Abbildung 93).<br />
Abbildung 93: Screenshot Modul Grundlagen: Ontologien – Fragen zur Selbstkontrolle
3.1.2 Die KOWIEN E-Learning-Anwendung 611<br />
Möchte der Anwender darüber hinaus noch zusätzliche Informationen zum Thema Ontologien erhalten,<br />
so kann er dies beispielsweise mit den Tipps zu weiterführender Literatur tun (siehe<br />
Abbildung 94).<br />
Abbildung 94: Screenshot Modul Grundlagen: Ontologien – Literaturtipps<br />
Damit hat der Anwender die Lerneinheit Ontologien erfolgreich abgeschlossen. Nun weiß er,<br />
• was Ontologien sind,<br />
• welche Bestandteile Ontologien haben,<br />
• wie Ontologien zur Lösung von praktischen Problemen des Wissensmanagements<br />
eingesetzt werden können,<br />
• welche Sprachen zur formalen Repräsentation von Ontologien existieren,<br />
• welche Software-Tools es zur Erstellung und Bearbeitung von Ontologien gibt und<br />
• wo weitere Informationen zu einer vertiefenden Betrachtung des Themas verfügbar sind.
3.2 Exemplarische Umsetzungen der Konzepte<br />
für ontologiebasierte <strong>Kompetenzmanagementsysteme</strong><br />
3.2.1 Szenario “Product Engineering” –<br />
Praktischer Einsatz des KOWIEN-Vorgehensmodells<br />
bei der Karl Schumacher Maschinenbau GmbH<br />
DIPL.-KFM. MARIANNE SCHUMACHER, DIPL.-KFM. STEFAN ZUG<br />
Karl Schumacher Maschinenbau GmbH<br />
3.2.1.1 Nutzung von ontologiebasierten <strong>Kompetenzmanagementsysteme</strong>n<br />
bei der Karl Schumacher Maschinenbau GmbH<br />
Die Wettbewerbsposition eines Unternehmens innerhalb einer Branche hängt von der jeweiligen<br />
Unternehmenspolitik ab. Positionsbedingte Wettbewerbsvorteile können durch den Einsatz moderner<br />
betriebswirtschaftlicher Instrumente erzielt werden. Daher wird dem „Product Engineering“ bei<br />
der Karl Schumacher Maschinenbau GmbH (KSM) in Köln, einem Unternehmen des Anlagen- und<br />
Maschinenbaus, eine ganzheitliche Betrachtung geschenkt. Das „Product Engineering“ umfasst bei<br />
KSM Maßnahmen, die sich mit Prozessen zur Verbesserung der Produktion auseinander setzen:<br />
• Verfahren zur Prozessverbesserung in der Konstruktion,<br />
• mechanische Fertigung der Einzelteile,<br />
• Oberflächenbehandlung,<br />
• Montage von Einzelteilen und kompletten Baugruppen sowie<br />
• Inbetriebnahme von Maschinen bis hin zur Vorortmontage und Schulungen der Kunden.<br />
<strong>Ontologiebasierte</strong> <strong>Kompetenzmanagementsysteme</strong> sollen eine Plattform für die Realisierung der<br />
positionsbedingten Wettbewerbsvorteile bilden. Diesbezüglich wird in diesem Beitrag modellhaft<br />
die Entwicklung einer Ontologie unter dem praktischen Einsatz des KOWIEN-Vorgehensmodells 1)<br />
beschrieben.<br />
Bei der Entwicklung von neuen Maßnahmen zur prozessorientierten Gestaltung eines Unternehmens<br />
werden die Verantwortlichen oft mit den Problemen der Planungssicherheit, Kostenreduzierung<br />
und Komplexität der Problemfelder konfrontiert. Eine Hilfestellung für die Bewältigung<br />
dieser Probleme können generische Vorgehensmodelle bieten. Die Konstruktion der KSM-Ontologie<br />
und die Implementierung dieser Ontologie in die Unternehmensprozesse des Maschinenbaus<br />
sollen aus Sicht der Geschäftsleitung bei der Erfüllung projektbezogener Aufgaben behilflich sein.<br />
Die KSM-Ontologie basiert auf den Entwicklungs- und Forschungsarbeiten des KOWIEN-Projekts.<br />
1) Vgl. Kapitel 2.3.2, S. 373 ff.
614 3.2.1 Szenario „Product Engineering“<br />
3.2.1.2 Ontologieentwicklung im Product-Engineering-Szenario<br />
3.2.1.2.1 Anforderungsspezifizierung<br />
Die Phase der Anforderungsspezifizierung bei der Entwicklung der KSM-Ontologie dient in erster<br />
Linie der Festlegung von Zielen und Anwendungsbereichen der zu entwickelnden Ontologie. Die<br />
Festlegung dieser Ziele und Anwendungsbereiche soll dem Entwickler der Ontologie bei der Erfassung<br />
aller Anforderungen Hilfestellungen liefern, die während des Entstehungsprozesses beachtet<br />
werden müssen.<br />
Die Anforderungsspezifizierung legt ein besonderes Augenmerk auf die Berücksichtigung der<br />
Sichtweisen und Wünsche des endgültigen Anwenders der Ontologie. Dabei kann es sich nicht nur<br />
um einzelne Mitarbeiter oder Verantwortliche des Unternehmens handeln, sondern auch um komplette<br />
Abteilungen oder Projektteams. Die einzelnen Personen bzw. Gruppen – als potenzielle Anwender<br />
der Ontologie – haben unterschiedliche Erwartungen an die inhaltliche und benutzerfreundliche<br />
Qualität eines ontologiebasierten Kompetenzmanagementsystems. In diesem Sinne erwarten<br />
die Mitarbeiter der ingenieurmäßigen Konstruktions-, Einzelfertigungs- und Montageabteilungen<br />
von der Ontologie, dass sie in die Lage versetzt, das vorhandene Wissen der Mitarbeiter über Qualifikationen<br />
in Bezug auf die in der Vergangenheit konstruierten und hergestellten Maschinen in den<br />
derzeitigen Produktionsprozessen wieder zu verwenden.<br />
Diese Konstellation erfordert von der KSM-Ontologie einerseits eine dezentrale Gestaltung des<br />
Kompetenzmanagementsystems und andererseits eine detaillierte Erfassung aller bisher erbrachten<br />
internen Tätigkeiten der Mitarbeiter. Dabei können die Herstellungsprozesse der Mitarbeiter nicht<br />
nur qualitativ betrachtet werden, sondern auch quantitativ, wie z.B. die zeitliche Erfassung einzelner<br />
Arbeiten.<br />
Die explizite Formulierung aller Anforderungen an die Kompetenzontologie ist in der ersten Phase<br />
des Vorgehensmodells eine bedeutende und feste Säule für die weitere Vorgehensweise. Die kaufmännische<br />
Geschäftsleitung erhofft sich von der Ontologie Unterstützung bei der Bewältigung der<br />
Aufgaben in Bezug auf die langfristige Planung des Mitarbeiterstammes, insbesondere bei der Rekrutierung<br />
neuer Mitarbeiter. Das Kompetenzmanagementsystem soll in der Lage sein, Informationen<br />
über deklarative und prozedurale Wissenskomponenten von ausscheidenden Mitarbeitern zu<br />
liefern, so dass die technischen bzw. kaufmännischen Anforderungen an das neue Personal konstruiert<br />
werden können. Des Weiteren verlangt die Geschäftsleitung von der KSM-Ontologie Hilfestellungen<br />
bei der Suche nach geeigneten Mitarbeitern für den Kundenservice. Die meisten Kunden<br />
erwarten von Maschinenherstellern einen relativ schnellen Reparaturservice für die hergestellten<br />
Maschinen. Das Kompetenzmanagementsystem soll innerhalb kurzer Zeit den kompetenten Mitarbeiter<br />
für eine bestimmte Reparaturmaßnahme ermitteln können. Eine weitere Anforderung an das<br />
System ist die Unterstützung bei Prozessen zur Teambildung für neu akquirierte Projekte.<br />
3.2.1.2.2 Wissensakquisition<br />
Das Ziel der Wissensakquisition ist die Erfassung von Informationen, die für die Erstellung der<br />
KSM-Ontologie benötigt werden. Hierzu wurden durch die Projektverantwortlichen und die Mitarbeiter<br />
der Personalabteilung Maßnahmen ergriffen, die das vorhandene Wissen im Unternehmen<br />
identifizieren, lokalisieren und analysieren. Dabei handelte es sich zum einen um die Identifizierung<br />
der handlungsbefähigenden Kenntnisse und Fertigkeiten der einzelnen Mitarbeiter und zum anderen<br />
um die Lokalisierung und Verwendung interner Dokumente, die Informationen über mögliche
3.2.1 Szenario „Product Engineering“ 615<br />
Kompetenzen enthalten (z.B. Lebensläufe, Stellenausschreibungen, Softwaresysteme und Daten des<br />
Projektcontrollings).<br />
Ferner ist zu beachten, dass Erfassungen dieser Art des persönlichen Wissens der Mitarbeiter einer<br />
Zustimmung des Betriebrates benötigen. Daher wurden im Vorfeld der Befragung die Mitglieder<br />
des Betriebsrates über alle geplanten Maßnahmen informiert. Ebenfalls wurde dem Betriebsrat die<br />
Struktur der Befragung erläutert sowie die Gesamtheit der verwendeten Formulare und Fragebögen<br />
für die Genehmigung zur Verfügung gestellt.<br />
Bei der Identifizierung der handlungsbefähigenden Kenntnisse und Fertigkeiten der einzelnen Mitarbeiter<br />
konnte sich die Geschäftsführung zwischen einem unstrukturierten und einem strukturierten<br />
Interview entscheiden. 2) Um die Erfüllung der festgelegten Anforderungen an die KSM-Ontologie<br />
gewährleisten zu können, hier insbesondere die Sicherstellung des einheitlichen Vokabulars der Ontologie,<br />
wird für die Erfassung der relevanten Informationen ein strukturiertes Interview verwendet,<br />
das in Form eines Fragebogens durchgeführt wird. Der Fragebogen 3) ist so gestaltet, dass er überwiegend<br />
Fragen zum Ankreuzen und so wenig wie möglich frei ausfüllbare Fragestellungen beinhaltet.<br />
Dieses soll dazu führen, dass die KSM-Ontologie sehr übersichtlich und mit einem einheitlichen<br />
Vokabular für alle beteiligten Mitarbeiter konstruiert werden kann.<br />
Der erste Teil des Fragebogens beinhaltet allgemeine Fragen zu der befragten Person sowie Informationen<br />
für die Mitarbeiter der Personalabteilung und der Lohnbuchhaltung. Diese Art der Informationserhebung<br />
soll dazu führen, dass die KSM-Ontologie nicht nur für die Ermittlung der Mitarbeiterkompetenzen<br />
genutzt werden kann, sondern auch einen allgemeinen Beitrag für alle bedeutsamen<br />
Mitarbeiterinformationen der Personalabteilung leistet. Damit wird versucht, die zurzeit sich<br />
an verschiedenen Stellen befindenden Informationen zentral in einer computerbasierten Software zu<br />
integrieren.<br />
Im nächsten Schritt werden alle Informationen bezüglich der Schulausbildung der befragten Mitarbeiter<br />
erhoben. Die Angaben erstrecken sich über besuchte Schulen, Fachschulen, Berufsausbildung<br />
und Universitätsstudium. Neben den allgemeinen Fragen zur Art der besuchten Institutionen werden<br />
auch Angaben bezüglich der Dauer und des erreichten Abschlusses gemacht. Bei fachspezifischen<br />
Ausbildungen, wie z.B. an Fachhochschulen und Universitäten, können Daten über die jeweiligen<br />
Fachrichtungen und Schwerpunkte des Studiums gemacht werden.<br />
Ein wichtiger Aspekt der Befragung sind die Angaben zu den bisherigen beruflichen Tätigkeiten<br />
der Mitarbeiter. Hier können anhand der besetzten Positionen und geleisteten Aufgaben die wichtigsten<br />
Wissenspotenziale der Mitarbeiter bezüglich der Kompetenzen in anderen Gebieten ermittelt<br />
werden. Neben den Angaben zu externen Beschäftigungsverhältnissen werden Informationen bezüglich<br />
Zusatzqualifikationen, Weiterbildungen und Schulungen erhoben, die im Laufe der Beschäftigung<br />
bei KSM erworben bzw. absolviert wurden. Hierbei handelt es sich vor allem um interne<br />
Schulungsmaßnahmen, wie z.B. interne Schulungen der Einzelteilfertigung, Inbetriebnahmeschulungen,<br />
KSM-interne Kurzanweisungen der Messelektronik, Schraubtechnik, Seminare der<br />
CAD-Technik, Hydraulik-, Pneumatik- und Elektriksteuerung.<br />
2) Vgl. ALAN (2002a) S. 31 ff.<br />
3) Bei der Konstruktion der KSM-Ontologie wurde ein Fragebogen verwendet, der auf der Grundlage eines Fragebogens anderer<br />
Projektpartner basiert. Hierbei wurden die Inhalte dieses Fragebogens an die Anforderungen der Maschinenbauindustrie angepasst.
616 3.2.1 Szenario „Product Engineering“<br />
Anschließend wurden Fragen gestellt, die den Wissensstand und die aktuelle Ausprägung des Wissens<br />
bezüglich der sprachlichen, technischen und sonstigen Kenntnisse der Wissensträger ermitteln<br />
sollen. Hierbei handelt es sich in erster Linie um die Erfassung des Ausprägungsniveaus der beherrschten<br />
Fremdsprachen mit den Ausprägungen Grund- bzw. Schulkenntnisse bis hin zur Muttersprache.<br />
Des Weiteren werden technische Kenntnisse und Fertigkeiten erfragt, die im Rahmen des<br />
Aufgabenspektrums bei Maschinenbauunternehmen verlangt werden. Dazu gehören Kenntnisse und<br />
Fertigkeiten des Schweißens, Fügens, Drehens mit den Ausprägungen „keine Kenntnisse“ bis hin zu<br />
„Experte“. Ferner wurden Erfahrungen der Wissensträger gesammelt, die einen Überblick über methodische<br />
Kompetenzen (z.B. Anlernen von Mitarbeitern, zielorientiertes Führen und Kreativität),<br />
soziale Kompetenzen (z.B. Zuverlässigkeit und Kontaktfreudigkeit) und psychische Kompetenzen<br />
(z.B. Belastbarkeit, Stressbewältigung und Lernfähigkeit) mit den Ausprägungen „gering“ bis „sehr<br />
gut“ geben. Zusätzlich wurde bei diesen Fragen die Option „keine Angabe“ als eine Antwortalternative<br />
in den Fragebogen eingebaut.<br />
Ergänzend zu dem strukturierten Interview wurden alle relevanten Dokumente auf explizit vorliegendes<br />
Wissen im Unternehmen analysiert. Hier wurde dem Projektverantwortlichen eine Reihe<br />
von internen Berichten und Statistiken zur Verfügung gestellt. Die Datenbank der KSM enthält wesentliche<br />
Bestandteile des explizit vorhandenen Wissens. Einige Dokumente gaben eine detaillierte<br />
Auskunft über alle bei KSM durchgeführten Projekte mit sämtlichen Angaben über die ausgeführten<br />
Tätigkeiten. Alle diese Dokumente wurden für die Erstellung der KSM-Ontologie über die<br />
Kompetenzen der Mitarbeiter als sehr wichtig angesehen und als unvermeidlich für die weiteren<br />
Arbeiten am Vorgehensmodell empfunden.<br />
3.2.1.2.3 Konzeptualisierung<br />
In der Phase der Konzeptualisierung wurde eine erste realitätsnahe KSM-Ontologie gebildet. Hier<br />
wurde durch die KOWIEN-Projektmitarbeiter in einer engen Zusammenarbeit mit den verantwortlichen<br />
Kompetenzträgern und anderen befragten Mitarbeitern das vorhandene Wissen im Unternehmen<br />
spezifiziert. Bei dieser Gelegenheit wurden die zuvor im Rahmen der Wissensakquisition<br />
erfassten Kenntnisse und Fertigkeiten der Mitarbeiter tiefgründiger analysiert. Dabei sollten die erfassten<br />
Informationen so in die KSM-Ontologie eingebunden werden, dass die Ontologie zum einen<br />
ein Begriffsystem für die Domäne und zum anderen Inferenz- und Integritätsregeln für die verwendeten<br />
Begriffe beinhaltet. Ein nicht zu unterschätzender Aspekt bei der Konstruktion der Ontologie<br />
war die Erfüllung der in der ersten Phase des Vorgehensmodells festgelegten Anforderungen.<br />
Im Laufe des KOWIEN-Forschungsprojekts wurde durch die Universitätsmitarbeiter für die Ontologieentwicklung<br />
eine Reihe von möglichen computerbasierten Werkzeugen analysiert. An einem<br />
der regelmäßig stattfindenden Projekttreffen, an denen alle Projektpartner über die aktuellen Fortschritte<br />
und Schwierigkeiten des Projekts berichtet haben, wurde die Entscheidung getroffen, die<br />
Software OntoEdit und OntoBroker aus dem Hause „Ontoprise“ 4) für die Konzeptualisierungsphase<br />
zu verwenden. Daher wurde die KSM-Ontologie ebenfalls mithilfe dieser Software konstruiert.<br />
Diese computerbasierten Werkzeuge ermöglichten die Konstruktion von Ontologien mit sämtlichen<br />
dazugehörigen Konzepten, Relationen, Regeln und Instanzen, die für die verwendeten Anwendungsfälle<br />
benötigt wurden.<br />
4) Weitere Informationen finden sich im Internet unter der URL „www.ontoprise.de“.
3.2.1 Szenario „Product Engineering“ 617<br />
Bevor mit der Konstruktion der KSM-Ontologie begonnen wurde, gelangten die Projektmitarbeiter<br />
zu der Einschätzung, dass das Wissen im Unternehmen zwar in ausreichender Menge (z.B. Dokumente,<br />
Datenbanken, Projektberichte) vorhanden war, aber sehr unstrukturiert vorlag. Die relevanten<br />
Informationen über die Kompetenzen der Mitarbeiter bezüglich Projekterfahrungen und ausgeübten<br />
Tätigkeiten bei KSM befanden sich an verschiedenen Stellen und in unterschiedlicher Form.<br />
Das KOWIEN-Vorgehensmodell empfiehlt bei noch unstrukturiert vorliegendem Wissen in Organisationseinheiten<br />
die Verwendung des „Middle-Out“-Ansatzes. Bei dem „Middle-Out“-Ansatz werden<br />
die relevanten Konzepte identifiziert und dann mit Relationen, Inferenz- und Integritätsregeln<br />
beschrieben. Diesbezüglich wurden in erster Linie alle Informationen, die an verschiedenen Stellen<br />
abgelegt wurden, in einer einzigen Excel-Tabelle zusammengefasst.<br />
Die Excel-Tabelle beinhaltet zuerst Informationen bezüglich aller KSM-Mitarbeiter mit Vornamen,<br />
Nachnamen, Anschriften und Telefonnummern. Auf der Grundlage des Vor- und Nachnamens<br />
konnten für die spätere Ontologie relevante ID-Attribute der beschäftigten Mitarbeiter erstellt werden.<br />
Des Weiteren wurden Begriffe erstellt, die alle derzeitigen und in der Vergangenheit abgewickelten<br />
KSM-Projekte umfassen. Zu den Begriffen wurden Zusatzinformationen erhoben, wie z.B.<br />
Definition des Projekts, englische Bezeichnungen, Deskriptoren, Einsatzzweck usw. Der größte Teil<br />
der Darstellung beinhaltet Informationen zu den Erfahrungen und Kompetenzen der Mitarbeiter.<br />
Hier wurden alle KSM-Projekte und Dokumente der Personalabteilung der letzten 10 Jahre analysiert<br />
und in der Excel-Tabelle erfasst. In dem Verzeichnis zu den Erfahrungen der Mitarbeiter wurden<br />
in der Excel-Tabelle zusätzliche Informationen erfasst, wie z.B. interne Kommissionsnummer,<br />
interne Kostenstelle, Zeitvolumen, Erfahrungsart, Kompetenzbegriff, Projektname und Kurztitel der<br />
Erfahrung. Der Kurztitel gibt Auskunft darüber, welcher Mitarbeiter an welchem KSM-Projekt wie<br />
lange tätig war. Darüber hinaus wird der Kurztitel in verschiedene Erfahrungskategorien unterteilt.<br />
KSM unterscheidet folgende Erfahrungskategorien: 5)<br />
• Berufserfahrung.Projekterfahrung,<br />
• Ausbildungserfahrung.Lehre,<br />
• Ausbildungserfahrung.Hochschulstudium und<br />
• Ausbildungserfahrung.Weiterbildung.<br />
Abbildung 95 auf der nächsten Seite zeigt einen Ausschnitt aus der Excel-Tabelle der Kompetenzen<br />
der KSM-Mitarbeiter.<br />
5) Vgl. dazu die Erläuterungen zu hierarchischen Attributen mit den charakteristischen Separatorzeichen (standardmäßig ein<br />
Punkt) auf S. 581.
618 3.2.1 Szenario „Product Engineering“<br />
Abbildung 95: Kompetenzen der KSM-Mitarbeiter – Excel-Screenshot<br />
Nachdem die Informationen den Projektmitarbeitern strukturiert vorlagen, wurde mit der Konstruktion<br />
der KSM-Ontologie begonnen. Der Universitätspartner hat den Projektpartnern eine umfangreiche<br />
Musterontologie zur Verfügung gestellt. Nach intensiven Überlegungen der Projektmitarbeiter<br />
und der kaufmännischen Geschäftsleitung der KSM wurde festgestellt, dass auf Grund der Unternehmensgröße<br />
– zur Zeit der Ontologieerstellung ca. 30 Mitarbeiter – die Musterontologie des Universitätspartners<br />
für die KSM viel zu tief griff. Daher wurde für die KSM eine neue Ontologie konstruiert,<br />
die an die zuvor definierten Anforderungen angepasst war. Um die Übersichtlichkeit und Vereinfachung<br />
für die potenziellen Benutzer der Ontologie gewährleisten zu können, besitzt die Ontologie<br />
in der ersten Ebene nur vier unerlässliche Konzepte, die dann auf höchstens fünf weitere<br />
Ebenen ausgebaut werden können (zur Veranschaulichung siehe den Ausschnitt aus der KSM-Ontologie<br />
in Abbildung 96). Die wesentlichen Konzepte der ersten Ebene sind:<br />
• Akteur,<br />
• Aktivität,<br />
• Kompetenz und<br />
• Qualifikation.
3.2.1 Szenario „Product Engineering“ 619<br />
Abbildung 96: KSM-Ontologie – Screenshot OntoEdit<br />
Das Konzept „Akteur“ wird in einer weiteren Ebene in die Konzepte „Person“ und „Unternehmen“<br />
unterteilt. Hier werden alle Miterbeiter des Unternehmens erfasst und zusätzlich, um den Nutzungskreis<br />
der Ontologie zu erweitern, auch alle wichtigen Lieferanten und Unterlieferanten der KSM mit<br />
den jeweiligen Kompetenzprofilen. Das Konzept „Aktivität“ beinhaltet sämtliche zurzeit ausgeführte<br />
und in der Vergangenheit abgeschlossene Projekte. Alle diese Projekte werden durch Instanzen<br />
repräsentiert, die Informationen in Bezug auf Dauer, Inhalte, interne Bezeichnungen und Status des<br />
Projekts beinhalten. Hier konnten die Projektmitarbeiter sehr hilfreich auf die strukturierten Daten<br />
der Excel-Tabelle zugreifen. Das am tiefsten ausdifferenzierte Konzept in der KSM-Ontologie sind
620 3.2.1 Szenario „Product Engineering“<br />
die Kompetenzen der Mitarbeiter. Die Kompetenzen werden hier in Sozial-, Methoden- und Fachkompetenzen<br />
gegliedert, wobei die Fachkompetenzen in weitere Branchen-Kompetenzen mit allen<br />
für KSM relevanten Branchen aufgegliedert werden können. Des Weiteren werden in dieser Ebene<br />
Informationen zu den fremdsprachlichen Kompetenzen der Mitarbeiter gesammelt. Ebenfalls können<br />
in dieser Ebene Kompetenzausprägungen der sprachlichen, technischen und betriebswirtschaftlichen<br />
Kenntnisse festgelegt werden. Das letzte Konzept „Qualifikation“ auf der ersten Ebene wurde<br />
für die Erfassung des Bildungsgangs der befragten Mitarbeiter erstellt. Neben den allgemeinen<br />
Informationen zur Schulausbildung, zur Berufsausbildung und zum Studium können hier alle Hinweise<br />
zu den besuchten Weiterbildungsmaßnahmen oder Schulungen der Mitarbeiter abgelegt werden,<br />
selbstverständlich mit den dazugehörigen Ausprägungsmerkmalen.<br />
3.2.1.2.4 Implementierung<br />
Im Rahmen der Implementierung wird einerseits die zuvor konstruierte Ontologie für die im Unternehmen<br />
vorhandenen Kompetenzen formalsprachlich repräsentiert. Andererseits findet in dieser<br />
Phase des Vorgehensmodells eine Integration dieser Ontologie in eine computerbasierte Software<br />
statt. Um die Ontologie ohne größere Verluste an Informationen formalsprachlich zu repräsentieren<br />
und in eine Software integrieren zu können, werden zuerst geeignete Sprachen ausgewählt. 6) Im<br />
Laufe des Projekts hat der Universitätspartner die möglichen Sprachen analysiert und sich für die<br />
Implementierung der Ontologie in F-Logic und DAML+OIL entschieden.<br />
Die F-Logic-Ontologiesprache wurde bereits bei der Konstruktion der KSM-Ontologie mittels OntoEdit<br />
und OntoBroker eingesetzt. Dadurch eignet sie sich hervorragend für die Implementierung<br />
der Daten aus der OntoEdit-Software in den KOWIEN-Prototyp.<br />
DAML+OIL basiert auf der Sprache RDF(S) und ermöglicht eine Darstellung von Domänen in<br />
Form von Klassen mit deren Attributen.<br />
6) Mögliche Ontologiesprachen sind z.B. F-Logic, RDF, DAML+OIL, OWL oder OXML. In diesem Beitrag wird auf diese<br />
Sprachen zur Ontologierepräsentation nicht detailliert eingegangen. Vgl. stattdessen die Ausführungen in den Kapiteln 1.3.1.2<br />
(S. 173 f. u. 180 f.), 2.4.2.3 (S. 470 ff.), 3.2.2.6.2.1 (S. 681 ff.) und 3.2.2.6.3 (S. 684 ff.).
3.2.1 Szenario „Product Engineering“ 621<br />
Abbildung 97: KSM-Ontologie-Screenshot des KOWIEN-Prototyps<br />
Nachdem die KSM-Ontologie in F-Logic und DAML+OIL exportiert wurde, haben die Projektmitarbeiter<br />
der Comma Soft AG die Ontologie in den KOWIEN-Prototyp eingebaut. Ein Ausschnitt<br />
des Prototyps mit der Ontologie der KSM ist in Abbildung 97 dargestellt.<br />
3.2.1.2.5 Evaluation<br />
Im Rahmen der Evaluation wurde die Ontologie hinsichtlich der Korrektheit, Einfachheit und<br />
gleichzeitig Vollständigkeit überprüft. Diese Evaluationsphase sollte dazu dienen, dass die Ontologie<br />
von späteren Anwendern anerkannt und in vollem Umfang genutzt wird. Neben der Erfüllung<br />
der Benutzeranforderungen wurde die Ontologie hinsichtlich der festgelegten Anwendungsbereiche<br />
aus der Phase der Anforderungsspezifizierung geprüft. Um möglichst alle Fehler in der Phase der<br />
Evaluation ausfindig zu machen, führten die Projektmitarbeiter diese Arbeiten immer direkt an dem<br />
KOWIEN-Prototyp (siehe Abbildung 98) durch. Dieses hat dazu beigetragen, dass die Benutzer des<br />
Systems einerseits Informationen über die ständige Weiterentwicklung des Prototyps besaßen und<br />
anderseits durch die Nutzung des Prototyps die Ontologie schon in der Evaluationsphase weiterentwickelt<br />
und verbessert werden konnte.
622 3.2.1 Szenario „Product Engineering“<br />
Abbildung 98: KOWIEN-Prototyp – Screenshot<br />
In der Weiterentwicklung und Verbesserung der KSM-Ontologie wurde die Ontologie um neue<br />
Ebenen mit dazugehörigen Instanzen erweitert. Gleichzeitig wurden in das Kompetenzmanagementsystem<br />
neue Mitarbeiterprofile mit sämtlichen Mitarbeiterinformationen und Kompetenzen eingefügt.<br />
Diese Arbeiten haben dazu beigetragen, dass die potenziellen Benutzer des Prototyps durch<br />
die Eingabe von neuen Begriffen die Funktionalität des Systems besser kennen lernten. Darüber<br />
hinaus wurde den Softwareentwicklern Feedback zu möglichen Verbesserungen des ontologiebasierten<br />
Kompetenzmanagementsystems weitergeleitet, die dann sofort durch die Mitarbeiter des<br />
Softwarepartners umgesetzt wurden.<br />
Im Zuge der Evaluation wurden durch die Mitarbeiter einige fehlerhafte Konstellationen der KSM-<br />
Ontologie entdeckt. Überwiegend lagen diese Fehler in den Variationen einiger Begriffe, die durch<br />
unterschiedliche Schreibweisen entstanden. Zum Beispiel tauchte der Begriff „AutoCAD“ mehrmals<br />
in der Ontologie auf, einmal mit der Schreibweise „AutoCAD“ und an einer anderen Stelle mit<br />
der Schreibweise „Auto-CAD“. Alle diese fehlerhaften Darstellungen wurden in der KSM-<br />
Ontologie lokalisiert und behoben.
3.2.1 Szenario „Product Engineering“ 623<br />
3.2.1.3 Fazit und Ausblick<br />
Im Rahmen des Forschungsprojekts konnten die Projektmitarbeiter die im Unternehmen vorhandene<br />
Kompetenzen in Form von Kenntnissen und Fertigkeiten der Beschäftigten mittels der KSM-Ontologie<br />
erfassen. Die Ontologie zeigte nicht nur die benötigten Konzepte, sondern auch noch darüber<br />
hinaus Relationen zwischen den jeweiligen Konzepten auf. Nach der Implementierung der Ontologie<br />
im KOWIEN-Prototyp, der vom Softwarepartner – der Comma Soft AG – entwickelt wurde,<br />
gelang es, den Umfang der im Unternehmen vorhandenen Kompetenzen sichtbar zu machen.<br />
Die Karl Schumacher Maschinenbau GmbH kann von einem ontologiebasierten Kompetenzmanagementsystem<br />
nur profitieren, vor allem im Bereich der Akquisition von neuen Aufträgen, bei<br />
Aktivitäten zur Teambildung sowie während der Konstruktions-, Fertigungs- und Montagearbeiten.<br />
Einen sehr hohen Nutzen bietet dieses System bei Arbeiten im Rahmen des Kundenservices insbesondere<br />
dann, wenn es sich um Maschinen handelt, die vor Jahren produziert wurden.<br />
Das Kompetenzmanagementsystem kann nie als abgeschlossen betrachtet werden, sondern muss<br />
kontinuierlich an die sich ändernden Strukturen des Unternehmens angepasst werden. Wenn alle<br />
diese Punkte beachtet und realisiert werden, kann das Kompetenzmanagementsystem nicht nur in<br />
kleinen und mittelgroßen Unternehmen zur erheblichen Verbesserung der Wettbewerbsposition führen.
3.2.2 Szenario “Service Engineering” –<br />
Konstruktion einer Kompetenzontologie für die<br />
Deutsche Montan Technologie GmbH<br />
DIPL.-WIRT.-INF. SUSANNE APKE , DIPL.-VOLKS. ANNA BREMER<br />
Deutsche Montan Technologie GmbH<br />
DIPL.-ING. LARS DITTMANN<br />
Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen, Campus Essen<br />
3.2.2.1 Ausgangssituation der Ontologieentwicklung<br />
Dieser Beitrag dokumentiert die Ergebnisse, die bei der Konstruktion der Kompetenzontologie für<br />
die Deutsche Montan Technologie GmbH (DMT) im Rahmen des Verbundprojekts KOWIEN erzielt<br />
werden konnten. Der Aufbau des Kapitels orientiert sich an der obersten Ebene des generischen<br />
KOWIEN-Vorgehensmodells aus Kapitel 2.3.2 (S. 373 ff.). Dabei entspricht dieser Aufbau<br />
dem Ablauf bei der Entwicklung der DMT-Ontologie mithilfe des KOWIEN-Vorgehensmodells.<br />
Im folgenden Kapitel wird kurz auf die Ausgangssituation bei der DMT eingegangen. Hieran<br />
schließen sich die Kapitel zu den phasenübergreifenden Unterstützungsleistungen (Dokumentation<br />
und Projektmanagement) an. Die einzelnen Phasen des Vorgehensmodells – Anforderungsspezifizierung,<br />
Wissensakquisition, Konzeptualisierung, Implementierung sowie Evaluation – werden<br />
jeweils hinsichtlich ihrer Ziele, die erreicht werden sollen, ihrer Problemstellungen und ihrer<br />
Lösungsansätze, die bei der Durchführung auftraten bzw. ergriffen wurden, ihrer Methoden, die bei<br />
der Durchführung zum Einsatz kamen, ihres Vorgehens und ihrer Ergebnisse, die erzielt werden<br />
konnten, gegliedert und vorgestellt. Zum Schluss wird noch rückblickend ein Fazit hinsichtlich der<br />
Zielstellung des Projekts und der erreichten Ergebnisse gezogen.<br />
3.2.2.1.1 Kurzdarstellung der DMT<br />
Die DMT ist ein internationales Technologie-Dienstleistungsunternehmen, das in den Bereichen<br />
Bergbau, Infrastruktur, Bauwesen, Fahrzeug- und Verkehrstechnik, Maschinenbau und Anlagentechnik<br />
tätig ist. 1990 ging die DMT aus einem Zusammenschluss des Steinkohlenbergbauvereins<br />
mit der Bergbau-Forschung GmbH und der Westfälischen Berggewerkschaftskasse (WBK) einschließlich<br />
der Bergbau-Versuchsstrecke und der Versuchsgrubengesellschaft mbH hervor. Die<br />
operativen Organisationseinheiten der DMT sind in fünf verschiedene Divisions (Car Synergies,<br />
Engine Logic, Gas & Fire, Mines & More und Safe Ground) und zwei Units (Modern Fuels und<br />
Smart Drilling) unterteilt. Die nicht-operativen Organisationseinheiten, hauptsächlich die kaufmännischen<br />
Einheiten (Finanz- und Rechnungswesen, Einkauf, Controlling u.a.), aber auch das Personalwesen,<br />
das Informations- und Telekommunikationsmanagement sowie das Projektmanagement<br />
sind direkt der Geschäftsführung zugeordnet.<br />
Die Kompetenzontologie wurde in erster Linie bei der Abteilung Innovations- und Projektmanagement<br />
(IPM), aber auch in Abstimmung mit der Personalentwicklung (PS/E) erarbeitet. Letztere bildet<br />
eine Abteilung des Bereichs Personal- und Sozialwesen und trägt die Verantwortung für die Erfassung<br />
der aktuell vorhandenen Mitarbeiterkompetenzen und deren Erweiterung z.B. durch die Organisation<br />
entsprechender Weiterbildungsmaßnahmen. Da das betriebliche Kompetenzmanagement<br />
eine zentrale Aufgabe der Personalentwicklung darstellt, sind die Mitarbeiter dieser Abteilung als
626 3.2.2 Szenario „Service-Engineering“<br />
wichtige Ansprechpartner sowohl für die Erhebung der Anforderungen an die Kompetenzontologie<br />
als auch für die Erfassung des für die Ontologieentwicklung relevanten Wissens und für die spätere<br />
Evaluation der Ontologie anzusehen. Auch die Mitarbeiter der Abteilung Innovations- und Projektmanagement<br />
bilden wegen ihrer Kenntnisse im Bereich des Projektmanagements eine wichtige Unterstützung<br />
für die Konstruktion der Kompetenzontologie.<br />
Einige der IT-Systeme der DMT spielen ebenfalls eine große Rolle für das Vorgehen bei der Ontologieentwicklung.<br />
Insbesondere der Wissensmanager, der von den Mitarbeitern der Abteilung Personalentwicklung<br />
genutzt wird, beinhaltet für die Erstellung der Ontologie relevantes Wissen. Der<br />
Wissensmanager ist eine Datenbank zur Erfassung und Darstellung der aktuellen Mitarbeiterkompetenzen.<br />
Darin sind für jeden Mitarbeiter der DMT bestimmte aus SAP übernommene Informationen<br />
(z.B. Name, Geburtstag und Kostenstelle) sowie Ausbildung, Zusatzqualifikationen, Berufserfahrungen<br />
und soziale, methodische und Selbstkompetenzen abgespeichert. 1) Diese Informationen lassen<br />
sich beispielsweise bei der Zusammenstellung von Projektteams nutzen. Allerdings können ausschließlich<br />
die Mitarbeiter der Abteilung Personalentwicklung auf die Datenbank zugreifen und die<br />
Daten pflegen, wodurch für diese Mitarbeiter erheblicher Aufwand entsteht und die Aktualität der<br />
Daten nicht gesichert ist. Darüber hinaus ist die Aussagekraft der gespeicherten Profile begrenzt, da<br />
beispielsweise fachliche Kompetenzen in den Fragebögen nur in Form von Erfahrungen aus dem<br />
beruflichen Werdegang erfragt wurden und daher die jeweiligen Ausprägungen nicht vorliegen.<br />
Auch die Suche nach Mitarbeitern mit bestimmten Kompetenzen gestaltet sich häufig schwierig, da<br />
kein einheitliches Vokabular zur Beschreibung der Kompetenzen verwendet wurde. Aus diesen<br />
Gründen wird der Wissensmanager weniger oft und weniger intensiv genutzt, als es bei seiner Einführung<br />
gewünscht wurde.<br />
Weitere wichtige IT-Systeme für die Einarbeitung bei der DMT und für die Erfassung des vorhandenen<br />
Wissens über Kompetenzen sind das DMT-Intranet DINKS, das den Mitarbeitern aktuelle Informationen<br />
zu ihrem Arbeitsumfeld im Unternehmen zur Verfügung stellt, sowie mehrere Datenbanken,<br />
die Informationen über bereits abgeschlossene Projekte der DMT enthalten (so etwa die<br />
Projektpartner- und die Referenzdatenbank, siehe auch Kapitel 3.2.2.3.4.4, S. 640).<br />
3.2.2.1.2 KOWIEN-Ontologie<br />
Im Rahmen des Verbundprojekts KOWIEN sollten für die Praxispartner mehrere auf die verschiedenen<br />
Unternehmen zugeschnittene Kompetenzontologien konstruiert werden, die entweder unternehmensspezifisch<br />
oder zumindest branchenspezifisch sind, also zwischen Sachgüter- und Dienstleistungsunternehmen<br />
differenzieren. Um die Entwicklung dieser Ontologien zu vereinfachen und<br />
ihre Interoperabilität zu gewährleisten, wurde vom Universitätspartner eine „Commonsense“-Ontologie<br />
konstruiert. Diese KOWIEN-Ontologie ist in F-Logic 2) formuliert und umfasst die zur detaillierten<br />
Beschreibung von Kompetenzen notwendigen allgemeinen Konzepte, Attribute, Relationen<br />
und Inferenz- sowie Integritätsregeln. Bei der Erstellung und Weiterentwicklung der KOWIEN-On-<br />
1) Abgesehen von den SAP-Informationen wurden diese Informationen alle bei der Einführung des Systems durch Fragebögen<br />
erhoben. Dabei mussten die Mitarbeiter der DMT ihre Kompetenzen selbst einschätzen; auch die Begriffe für die Kompetenzen<br />
waren größtenteils nicht vorgegeben.<br />
2) F-Logic (Frame-Logic) ist eine an die Prädikatenlogik angelehnte formale Sprache, die zur Spezifikation von Ontologien<br />
verwendet werden kann. Kapitel 2.4.2.3 (S. 470 ff.), 3.2.2.6.3.1 (S. 684 ff.). und 3.2.2.6.5.1 (S. 691) umfassen kurze Einführungen<br />
in und Anwendungen von F-Logic.
3.2.2 Szenario „Service-Engineering“ 627<br />
tologie wurden, wie auch bei der Konstruktion der Kompetenzontologie für die DMT, die Ontologieentwicklungsumgebung<br />
OntoEdit und die Inferenzmaschine OntoBroker eingesetzt. 3)<br />
Die oberste Ebene der Ontologie wird durch das Konzept Entitaet gebildet, so dass alle weiteren<br />
Konzepte Subkonzepte von Entitaet darstellen. 4) In der aktuellen Version der KOWIEN-Ontologie<br />
wird das oberste Konzept unterteilt in objekt- und metasprachliche Entitäten (siehe Abbildung 99) 5) .<br />
Das Konzept der objektsprachlichen Entitäten umfasst alle sprachlichen Ausdrucksmittel, die zur<br />
Repräsentation des Wissens einer Domäne notwendig sind. 6) Mit dem Konzept der metasprachlichen<br />
Entitäten hingegen werden die Ausdrucksmittel beschrieben, die benötigt werden, um Aussagen<br />
über objektsprachliche Entitäten zu machen. Die folgende Abbildung veranschaulicht die obersten<br />
vier Ebenen der aktuellen KOWIEN-Ontologie.<br />
Abbildung 99: Obere Ebenen der KOWIEN-Ontologie – Screenshot OntoEdit<br />
Für die zu entwickelnde Kompetenzontologie der DMT sind besonders diejenigen Konzepte aus der<br />
KOWIEN-Ontologie von Bedeutung, die die Beschreibung von Kompetenzen und deren Zuordnung<br />
zu Personen oder Stellen ermöglichen. Dafür wird das Konzept Kompetenzaussage bereitgestellt,<br />
das Relationen zu den Konzepten Akteur, Kompetenz und Kompetenzauspraegung besitzt.<br />
Die Aussage, dass eine Person Michael Kompetenz in der Programmiersprache Java mit der Ausprägung<br />
Experte besitzt, wird durch folgende Relationen beschrieben: 7)<br />
3) Aktuelle Informationen zu den Produkten OntoEdit und OntoBroker sind im Internet unter den URL „http://www.ontoprise.<br />
de/products/ontoedit/“ bzw. „http://www.ontoprise.de/products/ontobroker/“ zu finden (Zugriffe am 03.07.2004). Eine kurze<br />
Erläuterung zu OntoEdit wird außerdem in den Kapiteln 1.3.1.2 (S. 178 ff.) und 3.2.2.5.2.1 (S. 663 f.) gegeben. OntoBroker<br />
ist ein Software-Tool zur Verarbeitung von (Ontologie-) Regeln, wie etwa Inferenzregeln. OntoBroker wird ebenfalls zur Unterstützung<br />
der Konstruktion der Kompetenzontologie herangezogen.<br />
4) In anderen Kontexten wird das (einzige) Konzept auf der obersten Obtologieebene auch als Root Concept bezeichnet.<br />
5) Vgl. auch Kapitel 2.4.3, S. 483 ff.<br />
6) Vgl. ALAN (2003b) S. 35.<br />
7) Vgl. S. 498 ff.
628 3.2.2 Szenario „Service-Engineering“<br />
Kompetenzaussage_1_Michael[<br />
beinhaltet_Kompetenz -> Java;<br />
betrifft_Akteur -> Individualakteur_Michael;<br />
beinhaltet_Kompetenzauspraegung ->> Experte].<br />
Eine weitere wichtige Ausgangsbasis für die Erstellung der Kompetenzontologie der DMT sind die<br />
bereits vorhandenen Mechanismen zur Explikation zuvor impliziter Fakten. 8) Dafür wird beispielsweise<br />
in OntoEdit die Möglichkeit gegeben, formale Eigenschaften von Relationen zu spezifizieren.<br />
Solche Eigenschaften sind etwa Transitivität (z.B. Vorgesetzter_von), Symmetrie (z.B. arbeitet_mit)<br />
und Inverse (z.B. arbeitet_fuer und hat_Mitarbeiter). Durch die Formulierung einer Inferenzregel<br />
für die Transitivität der Relation Vorgesetzter_von zum Beispiel können implizit vorhandene Fakten<br />
auch automatisch abgeleitet werden, so dass der Vorgesetzte Z einer Person X, die Vorgesetzter von<br />
Person Y ist, auch als Vorgesetzter der Person Y erkannt wird. Auch objektsprachliche Inferenzregeln,<br />
die Plausibilitäts-Schlussfolgerungen ermöglichen 9) , sind in der KOWIEN-Ontologie spezifiziert<br />
und können in der Kompetenzontologie für die DMT weiterverwendet werden.<br />
Eine detaillierte Darstellung der KOWIEN-Ontologie sowie ihrer Entstehung und ihrer Modifikationen<br />
ist im Kapitel 2.4 (S. 429 ff.) sowie in ALAN (2003a) S. 23 ff. und in ALAN (2003b) S. 10 ff.<br />
zu finden.<br />
3.2.2.1.3 Vorgehen bei der Ontologieentwicklung<br />
Ein weiteres Artefakt im Zusammenhang mit dem KOWIEN-Projekt stellt das generische Vorgehensmodell<br />
KOWIEN dar. 10) Das KOWIEN-Vorgehensmodell beschreibt für die Konstruktion von<br />
Kompetenzontologien generisch die im Ontologieentwicklungsprozess durchzuführenden Aktivitäten<br />
und ihre Ergebnisse, um eine systematische Gestaltung des Entwicklungsprozesses zu ermöglichen.<br />
Es wurde unter Berücksichtigung der im KOWIEN-Projekt erhobenen Anforderungen an das<br />
Vorgehensmodell 11) konzipiert und durch die Umsetzung bei den Praxispartnern evaluiert. Die verschiedenen<br />
Aktivitäten und Ergebnisse bei der Ontologieentwicklung werden, entsprechend der<br />
obersten Gliederungsstufe des KOWIEN-Vorgehensmodells, den folgenden fünf Phasen zugeordnet:<br />
Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung, Implementierung, Evaluation.<br />
Hinzu kommen die phasenübergreifenden Unterstützungsleistungen Dokumentation und Projektmanagement<br />
(siehe auch Abbildung 100 auf der nächsten Seite).<br />
Bei der Anforderungsspezifizierung werden die zukünftigen Anwendungsbereiche und Benutzer der<br />
Ontologie festgelegt, damit anschließend in Zusammenarbeit mit den Benutzern die Anforderungen,<br />
die durch die Kompetenzontologie zu erfüllen sind, erhoben werden können. Im Rahmen der Wissensakquisition<br />
müssen dann die für die Kompetenzontologie relevanten Informationen beschafft<br />
8) Vgl. ALAN (2003b) S. 21 ff. sowie Kapitel 2.4.4 (S. 524 ff.).<br />
9) Im Gegensatz zu metasprachlichen Inferenzregeln wird durch objektsprachliche Inferenzregeln kein sicheres Wissen generiert,<br />
da sie nicht über die wahrheitserhaltende Stringenz der deduktiven Logik verfügen; vgl. ALPARSLAN ET AL. (2002) S. 47<br />
sowie Kapitel 2.4.2.2.3 (458 f.).<br />
10) Vgl. Kapitel 2.3.2 (S. 373 ff.).<br />
11) Diese Anforderungen (Generizität, Anwendungsbezogenheit, Vollständigkeit, Dokumentation, Einfachheit, Klarheit, Werkzeugunterstützung)<br />
werden im Kapitel 1.4.4.2 (S. 292 ff.) sowie in APKE/DITTMANN (2003a) S. 29 ff. erläutert.
3.2.2 Szenario „Service-Engineering“ 629<br />
werden, indem Personen, IT-Systeme und betriebliche Dokumente mit Wissen über Kompetenzen<br />
identifiziert werden. Durch eine Analyse der IT-Systeme und der Dokumente und eine Befragung<br />
der Personen (als Domänenexperten) werden bei der Konzeptualisierung die für die Kompetenzontologie<br />
relevanten Konzepte identifiziert und in Form einer Taxonomie hierarchisch gegliedert. Zusammen<br />
mit den Domänenexperten werden die Taxonomie verfeinert und nicht-taxonomische Relationen<br />
sowie Integritäts- und Inferenzregeln formuliert. Diese zunächst meist textuell und graphisch<br />
repräsentierten Konstrukte werden anschließend in eine formale Darstellung transformiert und implementiert<br />
(Implementierung). Bei der abschließenden Evaluation überprüfen die Ontologieentwickler<br />
zusammen mit den zukünftigen Benutzern, inwieweit die Ontologie die zuvor aufgestellten<br />
Anforderungen erfüllt.<br />
Während des gesamten Entwicklungsprozesses werden die dabei erzielten Ergebnisse sowie die getroffenen<br />
Entscheidungen und ihre Grundlagen im Rahmen der Dokumentation schriftlich festgehalten,<br />
um die Nachvollziehbarkeit zu erleichtern und die spätere Wissenswiederverwendung zu unterstützen.<br />
Zusätzlich zur Dokumentation stellt das Projektmanagement eine weitere phasenübergreifende<br />
Unterstützungsleistung dar. Es umfasst vor allem die Planung der Ontologieentwicklung vor<br />
dem Projektstart, die Überwachung und Lenkung während der Projektdurchführung sowie die Prüfung<br />
und Bewertung der Ergebnisse nach dem Abschluss der Ontologieentwicklung.<br />
Anforderungsspezifizierung<br />
Wissensakquisition<br />
Dokumentation<br />
Konzeptualisierung<br />
Projektmanagement<br />
Implementierung<br />
Evaluation<br />
Abbildung 100: Überblick über Phasen und Unterstützungsleistungen des KOWIEN-Vorgehensmodells<br />
Abbildung 100 veranschaulicht die Struktur des Vorgehensmodells. Eine detaillierte Darstellung,<br />
sowohl textuell als auch mittels Ereignisgesteuerter Prozessketten (EPK) 12) , ist dem Kapitel<br />
2.3.2.2.1 (S. 376 ff.) zu entnehmen.<br />
Das generische Vorgehensmodell KOWIEN wurde für die in diesem Kapitel beschriebene Ontologieentwicklung<br />
eingesetzt. Dadurch sollte einerseits ein systematisches Vorgehen bei der Entwick-<br />
12) Ereignisgesteuerte Prozessketten (EPK) dienen zur graphischen Darstellung des Ablaufs von Funktionen im Sinne eines Geschäftsprozesses.<br />
Wichtigste Elemente dieses Modellierungskonzepts sind neben Funktionen die Ereignisse (oft auch im Sinne<br />
von Zuständen verwendet), die Auslöser und Ergebnisse von Funktionen sein können. Für eine detailliertere Beschreibung<br />
der Elemente von Ereignisgesteuerten Prozessketten siehe auch Kapitel 2.3.2.3.1, S. 386 ff.
630 3.2.2 Szenario „Service-Engineering“<br />
lung der Kompetenzontologie gefördert werden. Andererseits wurden auch eine Bewertung des<br />
Vorgehensmodells hinsichtlich seiner Anwendbarkeit in der Praxis sowie eventuelle Verbesserungen<br />
und Ergänzungen ermöglicht. Im Laufe der Entwicklung der DMT-Ontologie wurde das KO-<br />
WIEN-Vorgehensmodell von der Version 1.0 mithilfe gemachter Erfahrungen und Evaluationsergebnisse<br />
zur Version 2.0 weiterentwickelt.<br />
3.2.2.2 Phasenübergreifende Unterstützungsleistungen<br />
3.2.2.2.1 Dokumentation<br />
Aus Gründen der Nachvollziehbarkeit und der Akzeptanz der Ontologie ist es wichtig, dass die einzelnen<br />
Aktivitäten und ihre Ergebnisse, aber auch die während der Ontologieentwicklung getroffenen<br />
Entscheidungen dokumentiert werden. Im generischen KOWIEN-Vorgehensmodell ist daher<br />
die Beschreibung des Ablaufs der Ontologieentwicklung und der relevanten Projektentscheidungen<br />
und -ergebnisse parallel zum gesamten Entwicklungsprozess vorgesehen.<br />
Das vorliegende Kapitel stellt die Realisierung der Dokumentation für die bei der DMT durchgeführte<br />
Ontologiekonstruktion dar. Dabei werden gemäß dem Vorgehensmodell die einzelnen Phasen<br />
und ihre Aktivitäten, die getroffenen Entscheidungen sowie die Ergebnisse der Phasen schriftlich<br />
festgehalten.<br />
Die folgenden Kapitel sind daher ähnlich dem Aufbau des Vorgehensmodells gegliedert: Für jede<br />
Phase wird dargestellt, welche Ziele verfolgt werden, welche Problemstellungen sich bei der Durchführung<br />
ergeben haben (z.B. durch besondere Gegebenheiten bei der DMT) und welche Methoden<br />
13) angewendet wurden, um die Ziele zu erreichen und die Probleme zu lösen. Darüber hinaus<br />
wird das genaue Vorgehen in der jeweiligen Phase erläutert, indem – angelehnt an den Aufbau des<br />
Vorgehensmodells – eine strukturierte Beschreibung der einzelnen Aktivitäten gegeben wird. Um<br />
die Bedeutung der Phase für die gesamte Ontologieentwicklung und die Ausgangsbasis für die<br />
„nächste“ Phase 14) zu verdeutlichen, werden abschließend für jede Phase die wichtigsten Ergebnisse<br />
aufgeführt.<br />
3.2.2.2.2 Projektmanagement<br />
Die für die Ontologieentwicklung erforderlichen Aktivitäten des Projektmanagements sind im Vorgehensmodell<br />
in seiner aktuellen Version (2.0) spezifiziert. 15) Hierzu wird an dieser Stelle kurz die<br />
Projektsituation dargestellt, wie sie aufgrund der Umsetzung im Rahmen des Verbundprojekts gegeben<br />
war.<br />
13) Der Begriff „Methode“ wird dabei im weiteren Sinne verwendet; an dieser Stelle werden darunter nicht nur abstrakte Vorgehensweisen,<br />
sondern auch konkrete Techniken, Werkzeuge und Ontologiesprachen verstanden.<br />
14) Die Darstellung aufeinander folgender einzelner Phasen ist nicht so zu interpretieren, dass diese tatsächlich sequentiell „abgearbeitet“<br />
werden müssen. Anders als aus der Gliederung dieser Arbeit ersichtlich, sind die einzelnen Phasen und Aktivitäten<br />
teilweise eng miteinander verknüpft und iterativ zu durchlaufen. Vgl. dazu auch die Kapitel 1.4.2.2.3 und 1.4.2.2.4 auf S. 282<br />
ff.<br />
15) Die meisten Projektmanagementaktivitäten sind implizit in der Beschreibung anderer Phasen, insbesondere der Dokumentation,<br />
enthalten; vgl. dazu die Kapitel 2.3.2.2.3.1 und 2.3.2.2.3.2 (S. 385 f.). Noch für die Version 1.0 vgl. APKE/DITTMANN<br />
(2003b) S. 20 f. und S. 75.
3.2.2 Szenario „Service-Engineering“ 631<br />
Es war vorgesehen, dass die Entwicklung der Kompetenzontologie innerhalb eines Zeitrahmens von<br />
sechs Monaten durchgeführt werden sollte. Da die Konstruktion der Kompetenzontologie im Rahmen<br />
der Forschungs-, Entwicklungs- und Transferbemühungen des KOWIEN-Verbundprojekts umgesetzt<br />
wurde, konnten die Aufgaben der Kostenplanung vernachlässigt werden. Die Koordination<br />
mehrerer Projektmitarbeiter war nicht erforderlich, weil die Konstruktion der DMT-Ontologie maßgeblich<br />
von nur einer Person und Verfasserin dieses Beitrags (APKE) geleistet wurde. Eine regelmäßige<br />
Abstimmung mit den Ansprechpartnern bei der DMT, beim Univeritätspartner und bei den anderen<br />
Praxispartnern war dagegen nötig, um die parallel erfolgenden Arbeiten im Bereich ontologiebasierter<br />
<strong>Kompetenzmanagementsysteme</strong> untereinander zu koordinieren. Da die Ontologieentwicklung<br />
zu großen Teilen bei der DMT durchgeführt wurde und hier auch die Federführung diesbezüglich<br />
lag, fanden regelmäßige Gespräche mit den Ansprechpartnern bei der DMT statt. Mit den<br />
Mitarbeitern des Universitätspartners und der anderen Praxispartner wurde eine solche Abstimmung<br />
durch Projekttreffen und zusätzliche persönliche Treffen vorgenommen.<br />
3.2.2.3 Anforderungsspezifizierung<br />
3.2.2.3.1 Ziele<br />
Das Hauptziel der Anforderungsspezifizierung ist eine möglichst vollständige Erhebung der Anforderungen<br />
an die DMT-Ontologie. Dabei sind insbesondere die Anforderungen der späteren Benutzer<br />
der Ontologie zu berücksichtigen. Daher ist es erforderlich, diese Anforderungen in einer Form<br />
zu repräsentieren, die möglichst für alle anderen betroffenen Mitarbeiter der DMT (also die entsprechenden<br />
Mitarbeiter der Personalabteilung, aber auch grundsätzlich für alle Mitarbeiter des Unternehmens)<br />
und alle Beteiligten des KOWIEN-Projekts verständlich ist. In dieser Phase der Ontologieentwicklung<br />
sollen nicht nur die funktionalen Anforderungen an die Ontologie, die die vom System<br />
bereitzustellenden Funktionen 16) und das durch die Ontologie abzubildende Wissen spezifizieren,<br />
sondern auch die nicht-funktionalen Anforderungen erhoben werden. Diese beschreiben, in<br />
welcher Qualität die funktionalen Leistungen erbracht werden müssen 17) , und spielen eine große<br />
Rolle für das Vorgehen und die Design-Entscheidungen während der Ontologieentwicklung. Aus<br />
diesem Grund ist die zusammenfassende Darstellung aller Anforderungen ein weiteres Ziel der Anforderungsspezifizierung.<br />
Daraus wird ein Katalog von Gütekriterien gebildet, der als Richtlinie bei<br />
der Entwicklung der Ontologie und auch als Referenzrahmen bei der Evaluation der Ontologie zu<br />
benutzen ist.<br />
Das aus dieser Phase resultierende Dokument der Anforderungsspezifikation 18) soll gewährleisten,<br />
dass die zu entwickelnde Ontologie auch tatsächlich den von den Projektbeteiligten und den Mitarbeitern<br />
der DMT gewünschten Umfang besitzt und den Anforderungen der Benutzer entspricht.<br />
16) Vgl. SOMMERVILLE (2001) S. 100.<br />
17) Vgl. SCHIENMANN (2002) S. 132.<br />
18) Zur Abgrenzung werden die Phase und die darin enthaltenen Aktivitäten hier als Anforderungsspezifizierung, das daraus resultierende<br />
Dokument als Anforderungsspezifikation bezeichnet. Das Dokument Anforderungsspezifikation findet sich in dieser<br />
Publikation redaktionell überarbeitet als Kapitel 2.1 (S. 321 ff.) wieder.
632 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.3.2 Problemstellungen und Lösungsansätze<br />
Bei der Spezifizierung der Anforderungen an die Kompetenzontologie wurden die Problemstellungen<br />
Abgrenzung der Anforderungen, Erwartungen der Benutzer, Formulierung der Anforderungen<br />
an die Ontologie, Festlegung der Schnittstellen zu anderen Systemen und Operationalisierung der<br />
Gütekriterien beachtet. In den folgenden Kapiteln werden diese Problemstellungen mit den hierfür<br />
gefundenen Lösungsansätzen kurz skizziert.<br />
3.2.2.3.2.1 Abgrenzung der Anforderungen<br />
Die Ontologie ist von vornherein auf eine Anwendung im Rahmen eines computerbasierten Kompetenzmanagementsystems<br />
(KOWIEN-Prototyp) ausgerichtet. Deshalb ist eine Unterscheidung zwischen<br />
den Anforderungen an die Ontologie und den Anforderungen an das Kompetenzmanagementsystem<br />
schwierig. So wird im Rahmen der Anforderungsanalyse mit Use Cases die Interaktion<br />
der Benutzer mit dem System untersucht, das in diesem Fall das Kompetenzmanagementsystem mit<br />
der Kompetenzontologie als Subsystem ist. Daher beschreiben die identifizierten Anwendungsfälle<br />
19) meist nur eine indirekte Interaktion der Benutzer mit der Ontologie, denn das Kompetenzmanagementsystem<br />
muss die Benutzerschnittstelle mit der entsprechenden Funktionalität bereitstellen.<br />
Um dennoch bei der Spezifizierung der funktionalen Anforderungen den Bezug zur Ontologie zu<br />
erhalten, werden diese in Form von Competency Questions an die Ontologie formuliert. Der gesamte<br />
Katalog von Gütekriterien ist durch eine Analyse der vorliegenden Situation sowie der in der Literatur<br />
erwähnten Kriterien für die Bewertung von Ontologien und Modellen entstanden und im Unterschied<br />
zu den Anwendungsfällen speziell auf die Kompetenzontologie ausgerichtet.<br />
3.2.2.3.2.2 Erwartungen der Benutzer<br />
Bei den zukünftigen Benutzern der Ontologie existieren unterschiedliche Vorstellungen in Bezug<br />
auf die in der Ontologie enthaltenen Konzepte. So wünschen beispielsweise die Mitarbeiter der Personalabteilung,<br />
dass das vorhandene Wissen über Kompetenzen möglichst umfangreich repräsentiert<br />
und allgemein zugänglich gemacht wird, damit das betriebliche Kompetenzmanagement dezentraler<br />
gestaltet werden kann. Aus Sicht der Mitarbeiter der Abteilung Innovations- und Projektmanagement<br />
wäre es jedoch auch sinnvoll, Wissen über abgeschlossene und aktuelle Projekte, deren<br />
technische Lösungen und Ausschreibungen abzubilden, um bereits gemachte Erfahrungen nutzen zu<br />
können und so beispielsweise die Wiederverwendung von Wissen zu fördern. Eine genaue Abgrenzung<br />
des „sinnvollen“, also des erforderlichen und gleichzeitig ausreichenden Umfangs der Kompetenzontologie<br />
ist deshalb notwendig. Eine klare Spezifikation der funktionalen Anforderungen mittels<br />
der Formalisierung von Competency Questions spielt für die Lösung des Abgrenzungsproblems<br />
eine große Rolle.<br />
19) Die Begriffe „Use Case“ und „Anwendungsfall“ werden hier synonym verwendet.
3.2.2 Szenario „Service-Engineering“ 633<br />
3.2.2.3.2.3 Formulierung der Anforderungen an die Ontologie<br />
Die Anforderungen an die Kompetenzontologie müssen möglichst präzise und gleichzeitig für die<br />
Anwender 20) verständlich formuliert werden. Dabei ist auch zu berücksichtigen, dass die Ontologie<br />
selbst nicht als eigenständiges Anwendungssystem gesehen wird, sondern als Subsystem oder<br />
Grundgerüst des Kompetenzmanagementsystems. Anstelle der Aktionen, die bestimmte Eingaben<br />
in bestimmte Ausgaben transformieren sollen, beschreiben die funktionalen Anforderungen hier den<br />
erforderlichen Umfang des Wissens, das mithilfe der sprachlichen Ausdrucksmittel der DMT-Ontologie<br />
erfasst werden soll. In der Software-Entwicklung werden die funktionalen Anforderungen<br />
häufig als Beschreibung der vom System erwarteten Aktionen in Form von „Muss“-, „Soll“- und<br />
„Kann“-Sätzen spezifiziert 21) , um die unterschiedliche Dringlichkeit der Anforderungen zu verdeutlichen.<br />
An dieser Stelle werden Competency Questions mit Priorisierung, also mit einer Abstufung<br />
nach sehr hoher, hoher und mittlerer Priorität, bevorzugt. Competency Questions beschreiben den<br />
Umfang des bereitzustellenden Wissens. 22) Sie sind anwendungsnah und intuitiv verständlich, da sie<br />
wie eine Anfrage eines Benutzers an die Ontologie formuliert sind.<br />
3.2.2.3.2.4 Festlegung der Schnittstellen zu anderen Systemen<br />
Die Ontologie ist zunächst nur über das auf sie aufsetzende Kompetenzmanagementsystem in die<br />
IT-Systemlandschaft des Unternehmens eingebettet. Daher ist die Ontologie nur indirekt über das<br />
Kompetenzmanagementsystem mit anderen Softwaresystemen verbunden. Diese Systeme und die<br />
Art ihrer Schnittstellen zum Kompetenzmanagementsystem stehen zum Zeitpunkt der Ontologiekonstruktion<br />
noch nicht vollständig fest; weitere Überlegungen zu diesem Aspekt müssen bei der<br />
Entwicklung des KOWIEN-Prototyps angestellt werden. Die Analyse der technischen Rahmenbedingungen,<br />
durch die sich konkrete Anforderungen an die Ontologie ableiten lassen, beschränkt sich<br />
daher an dieser Stelle auf die durch den KOWIEN-Prototyp gegebenen Bedingungen. Z.B. sollte ein<br />
Export der Konstruktdefinitionen nach XML und Excel möglich sein. Die bei der DMT vorhandenen<br />
IT-Systeme spielen eine große Rolle für die Wissensakquisition, die Erstellung der Ontologie<br />
und für die spätere regelmäßige Aktualisierung der Ontologie. Sie müssen aus diesem Grund hinsichtlich<br />
der für das betriebliche Kompetenzmanagement relevanten Informationen untersucht werden.<br />
3.2.2.3.2.5 Operationalisierung der Gütekriterien<br />
Für eine systematische Evaluation müssen möglichst frühzeitig Indikatoren festgelegt werden, anhand<br />
derer eine Ontologie hinsichtlich der meist impliziten, nicht direkt beobachtbaren Gütekriterien<br />
bewertet werden kann. Ein Indikator deutet im Gegensatz zu dem Gütekriterium, dem er zugeordnet<br />
wird, als eine direkt messbare Größe auf die Erfüllung eines Gütekriteriums hin, setzt sie<br />
20) Die Begriffe „Anwender“ und „Benutzer“ werden in diesem Beitrag synonym verwendet.<br />
21) Durch solche Schlüsselwörter kann die Verbindlichkeit der Anforderungen dargestellt werden, d.h., ob eine Anforderung eine<br />
Pflicht („muss“), ein Wunsch („soll“), eine Absicht („wird“) oder ein Vorschlag („kann“) ist; vgl. RUPP (2002) S. 160 ff. u.<br />
165 (mit zwei zusätzlichen Varianten der Absicht und des Kommentars).<br />
22) Siehe dazu auch Kapitel 2.1.6.4 (S. 344 f.).
634 3.2.2 Szenario „Service-Engineering“<br />
aber nicht voraus. 23) Die Identifikation solcher Indikatoren ist keine triviale Aufgabe, da ihre Wahl<br />
für die bei der Evaluation beteiligten Personen nachvollziehbar sein muss und eine für alle Beteiligten<br />
verständliche und umsetzbare Art der Bewertung festzulegen ist. Die für die hier festgelegten<br />
Gütekriterien gewählten Indikatoren werden nach einer Analyse der Vorschläge aus der Literatur<br />
und aufbauend auf den bisherigen KOWIEN-Arbeiten erarbeitet. 24)<br />
3.2.2.3.3 Methoden<br />
Bei der Durchführung der Anforderungsspezifizierung werden Anwendungsfälle (Use Cases) und<br />
Competency Questions eingesetzt, um die Erhebung und Formulierung der Anforderungen zu unterstützen.<br />
Im Folgenden werden diese beiden Methoden kurz erläutert und ihre Anwendung im<br />
Rahmen der Ontologieentwicklung wird beschrieben.<br />
3.2.2.3.3.1 Use Cases<br />
Anwendungsfälle sind ein Bestandteil der „Unified Modeling Language” (UML), die in den neunziger<br />
Jahren durch die Zusammenarbeit von JACOBSON, BOOCH und RU<strong>MB</strong>AUGH entwickelt und<br />
1997 von der Object Management Group (OMG) standardisiert wurde. 25) JACOBSON ET AL. definieren<br />
einen Use Case als Spezifikation einer Sequenz von Aktionen, die ein System durchführen kann<br />
und die erkennbare, für einen bestimmten Akteur nützliche Ergebnisse erbringen. 26) Ein Anwendungsfall<br />
beschreibt Interaktionen eines Benutzers mit dem System, das entwickelt werden soll. Im<br />
Allgemeinen wird ein Use Case durch einen Akteur angestoßen, der entweder einen menschlichen<br />
Benutzer oder auch ein anderes Programm oder externe Hardware repräsentiert und der mit dem<br />
System interagiert.<br />
Bei der Modellierung mit Use Cases wird empfohlen 27) , zusätzlich zum Basisablauf, also dem<br />
„normalen“, vom Akteur erwarteten Ablauf eines Anwendungsfalls, noch weitere wichtige Eigenschaften<br />
eines Use Cases zu beschreiben. Dazu gehören mögliche alternative Abläufe sowie Vor-<br />
und Nachbedingungen, die wichtige Merkmale des Systems vor und nach dem dargestellten Ablauf<br />
umfassen.<br />
Alle Akteure und Use Cases eines Systems werden in einem so genannten Anwendungsfallmodell<br />
graphisch zusammengefasst. 28) Dabei müssen nicht alle Use Cases unabhängig voneinander existie-<br />
23) Dies gilt unter dem Vorbehalt, dass von Problemen der Konstruktvalidität abgesehen werden kann. Im Allgemeinen hofft man<br />
auf eine positive Korrelation zwischen Indikator und „indizierter“ Größe. Nach dem kausalanalytischen Ansatz wird davon<br />
ausgegangen, dass latente Variablen Phänomene verursachen, die durch Indikatoren erfasst werden können. Diese „Wirkungs“-Indikatoren<br />
werden also als kausale Folgen der latenten Variablen aufgefasst; vgl. SCHNELL/HILL/ESSER (1995) S.<br />
123. Problematisch erscheint hierbei oftmals, den behaupteten kausalanalytischen Zusammenhang „belastbar“ zu belegen.<br />
24) Vgl. beispielsweise ALAN/ALPARSLAN/DITTMANN (2003) S. 57 f.<br />
25) Die OMG ist ein offenes, nicht-kommerzielles Konsortium aus zahlreichen Großunternehmen der Computer-Industrie, das<br />
Standards für objektorientierte Techniken entwickelt. Aktuelle Informationen sind im Internet unter der URL „http://www.<br />
omg.org/“ zu finden (Zugriff am 09.09.2004).<br />
26) Vgl. JACOBSON/BOOCH/RU<strong>MB</strong>AUGH (1999) S. 41.<br />
27) Vgl. JACOBSON/BOOCH/RU<strong>MB</strong>AUGH (1999) S. 155 ff.<br />
28) Für weitere Informationen zu Anwendungsfallmodellen siehe SCHIENMANN (2002) S. 227 f.
3.2.2 Szenario „Service-Engineering“ 635<br />
ren. In der aktuellen Version der UML sind drei verschiedene Beziehungen zwischen Use Cases<br />
standardmäßig vorgesehen: 29)<br />
• Generalisierung: Ein Anwendungsfall kann durch einen oder mehrere konkretere Anwendungsfälle<br />
spezialisiert werden. Der erstgenannte Anwendungsfall stellt dann eine Generalisierung<br />
der letztgenannten Anwendungsfälle dar.<br />
• Erweiterung: Ein Anwendungsfall kann unter bestimmten Bedingungen an einer festzulegenden<br />
Stelle durch einen anderen Use Case erweitert werden.<br />
• „Include“-Beziehungen: Ein Anwendungsfall kann einen anderen Anwendungsfall umfassen<br />
und enthält in diesem Fall auch die in dem anderen Use Case spezifizierten Aktionen.<br />
Der Einsatz von Use Cases bei der Anforderungserhebung ist insofern vorteilhaft, als dass der<br />
Schwerpunkt auf den Anforderungen aus Benutzersicht liegt und damit auch die Akzeptanz des<br />
Systems bei den Benutzern gesteigert werden kann.<br />
Darüber hinaus sind Use Cases hilfreich bei der systematischen Abgrenzung eines Systems von seiner<br />
Außenwelt. Es ist jedoch zu beachten, dass Anwendungsfälle in erster Linie die funktionalen<br />
Anforderungen an das System abbilden. Aus diesem Grund bilden die mithilfe der Use Cases abgeleiteten<br />
Competency Questions nur einen Bestandteil des Gütekriterien-Katalogs, der durch eine<br />
Analyse der in der Literatur genannten allgemeinen Anforderungen an Ontologien und deren Abgleich<br />
mit den speziellen Bedingungen der Ontologieentwicklung bei der DMT erstellt wurde.<br />
3.2.2.3.3.2 Competency Questions<br />
Die funktionalen Anforderungen, also die von der Ontologie erwarteten Leistungen für die Benutzer,<br />
werden im Projekt KOWIEN durch Competency Questions 30) repräsentiert. Diese stellen potenzielle<br />
Anfragen der zukünftigen Benutzer an die Ontologie dar und betreffen die in der Ontologie<br />
abzubildenden Aufgaben. 31) Darüber hinaus sind aus diesen Competency Questions später erste Informationen<br />
bezüglich der erforderlichen Bestandteile der Ontologie, also der benötigten Konzepte,<br />
Attribute und Relationen sowie der Inferenz- und Integritätsregeln, zu erhalten. Sie ermöglichen<br />
später bei der Evaluation eine einfachere Messung und eine „objektive“ Beurteilung der Funktionalität<br />
der Ontologie.<br />
Es wird hier zwischen informalen und formalen Competency Questions unterschieden. Informale<br />
Competency Questions sind in natürlicher Sprache oder einer beliebigen anderen Darstellungsform,<br />
die nicht unmittelbar computerverarbeitbar ist, verfasst. Hingegen sind formale Competency<br />
Questions direkt computerverarbeitbar, d.h. sie sind oftmals in einer höheren Programmiersprache<br />
abgefasst.<br />
29) Vgl. die genaue Spezifikation in OBJECT MANAGEMENT GROUP (2003).<br />
30) Um begrifflich „sauber“ zu bleiben, wird an dieser Stelle auf eine Übersetzung (etwa zu Kompetenzfragen) verzichtet. Zum<br />
einen gilt der Begriff Competency Questions als eingeführt und zum anderen würde die Bedeutung nicht der Verwendung des<br />
Begriffs Kompetenz innerhalb von <strong>Kompetenzmanagementsysteme</strong>n entsprechen.<br />
31) Vgl. GRÜNINGER/FOX (1994b) S. 5.
636 3.2.2 Szenario „Service-Engineering“<br />
Die Fragen können aus den zuvor erwähnten Anwendungsfällen abgeleitet werden oder auch in direkter<br />
Zusammenarbeit mit den Benutzern erhoben werden. 32) Um eine systematische und den Benutzeranforderungen<br />
gerechte Ontologieerstellung und -evaluation zu fördern, wird jeder Competency<br />
Question eine Priorität zugeordnet, die sich aus der Bedeutung der jeweiligen Funktionalität<br />
für die Benutzer (menschliche und technische, d.h. hauptsächlich das Kompetenzmanagementsystem<br />
betreffend) ergibt.<br />
3.2.2.3.4 Vorgehen<br />
Um die Nachvollziehbarkeit der erarbeiteten Ergebnisse zu erhöhen und einen Vergleich mit dem<br />
im generischen Vorgehensmodell definierten Ablauf zu ermöglichen, wird im Folgenden das genaue<br />
Vorgehen bei der Anforderungsspezifizierung, wie es auch durch die einzelnen Funktionen<br />
des generischen Vorgehensmodells KOWIEN festgelegt ist, erläutert. 33)<br />
Zu Beginn wurde das Dokument „Anforderungsspezifikation“ erstellt, das als Pflichtenheft für die<br />
Konstruktion der Kompetenzontologie dient und in dem alle Ergebnisse dieser Phase festgehalten<br />
werden. Gliederung und Inhalt dieses Dokuments wurden angelehnt an den IEEE 34) Standard für<br />
Software-Anforderungsspezifikationen, die von SCHIENMANN (2002) vorgeschlagene Struktur eines<br />
Pflichtenhefts und existierende Beispiele für „Ontologie-Anforderungsspezifikationen“. 35) Im weiteren<br />
Verlauf der Anforderungsspezifizierung wurde dieses Dokument Schritt für Schritt erweitert,<br />
überprüft und korrigiert.<br />
3.2.2.3.4.1 Ziele festlegen<br />
Wie im Vorgehensmodell vorgesehen, wurden zunächst der Zweck der Kompetenzontologie und<br />
die Hauptziele der Ontologieentwicklung formuliert. Dabei war zu beachten, welche Ziele sich speziell<br />
auf die Konstruktion der Kompetenzontologie beziehen und welche mit der Entwicklung des<br />
Gesamtsystems, also des ontologiebasierten Kompetenzmanagementsystems, verfolgt werden. So<br />
sind die Sichtbarmachung des Wissens über Kompetenzen, seine computerverarbeitbare Darstellung<br />
und die Bereitstellung eines einheitlichen Vokabulars zur Beschreibung von Kompetenzen Ziele der<br />
Ontologieentwicklung an sich, während beispielsweise die Unterstützung der Personalentwicklung,<br />
der Projektteambildung und der Suche nach Experten Ziele des gesamten Kompetenzmanagement-<br />
32) Zwischen Anwendungsfällen, funktionalen Anforderungen und Competency Questions existieren folgende Abhängigkeiten:<br />
Zunächst werden Anwendungsfälle erstellt, die als Grundlage für die Diskussion mit den Anwendern dienen. Aus diesen Anwendungsfällen<br />
können „klassische“ funktionale Anforderungen (z.B.: die Ontologie soll die sprachlichen Ausdrucksmittel<br />
bereitstellen, mit denen die Weiterbildungsaktivitäten eines Mitarbeiters festgehalten werden können) abgeleitet werden. Für<br />
die Ontologieentwicklung werden die funktionalen Anforderungen als Competency Questions formuliert. Diese Competency<br />
Questions werden somit aus den Anwendungsfällen abgeleitet und repräsentieren die funktionalen Anforderungen an die Ontologie.<br />
33) Funktionen sind ein wichtiges Modellelement von Ereignisgesteuerten Prozessketten und repräsentieren im Vorgehensmodell<br />
KOWIEN die einzelnen abgrenzbaren Aktivitäten bei der Ontologieentwicklung. Die hier übernommenen Bezeichnungen für<br />
die Funktionen der Anforderungsspezifizierung sind auch in Kapitel 2.1 zu finden.<br />
34) IEEE (Institute of Electrical and Electronics Engineers) ist eine international tätige Organisation, die 1963 in den USA gegründet<br />
wurde und sich um die Entwicklung von Standards für Elektrik und Elektronik kümmert; aktuelle Informationen sind<br />
im Internet unter der URL „http://www.ieee.org“ (Zugriff am 10.07.2003) zu finden.<br />
35) Vgl. IEEE 833 (1998) S. 10 ff.; SCHIENMANN (2002) S. 145 ff. und SURE/STUDER (2002) S. 38 ff.
3.2.2 Szenario „Service-Engineering“ 637<br />
systems (mit der Kompetenzontologie als „Subsystem“) sind. Die Formulierung dieser Ziele wurde<br />
später zusammen mit Vertretern der Personalabteilung überprüft und erweitert. So wurde beispielsweise<br />
das Ziel „Dezentralisierung des betrieblichen Kompetenzmanagements bei der DMT“ auf<br />
Wunsch der Personalentwicklung hinzugefügt.<br />
3.2.2.3.4.2 Anwendungsbereiche und Benutzer identifizieren<br />
Anschließend wurde das zukünftige Umfeld der Ontologie beschrieben, indem die Anwendungsbereiche<br />
und Benutzer identifiziert und die Schnittstellen zu anderen Systemen untersucht wurden. Es<br />
lassen sich drei Benutzergruppen der Kompetenzontologie identifizieren: Da ihr Anwendungsbereich<br />
im betrieblichen Kompetenzmanagement der DMT liegt, gehören die Mitarbeiter der Personalabteilung,<br />
insbesondere Personalentwickler und Personalreferenten 36) , zu den Hauptnutzern der<br />
Ontologie. Auch Projektleiter, Vertriebsleiter und andere Personalverantwortliche werden durch die<br />
Kompetenzontologie in ihrer Arbeit unterstützt, insbesondere bei der Personalführung, der Teambildung<br />
und der Projektakquisition. Grundsätzlich zählen jedoch auch die übrigen Mitarbeiter der<br />
DMT zu den potenziellen Benutzern der Ontologie, da beispielsweise das Auffinden von „Experten“<br />
eine wichtige Hilfe bei Problemen im betrieblichen Alltag sein kann.<br />
3.2.2.3.4.3 Benutzeranforderungen erheben<br />
3.2.2.3.4.3.1 Anwendungsfälle entwickeln<br />
Für die Erhebung der Anforderungen an die Kompetenzontologie wurden zunächst die für das<br />
KOWIEN-Projekt bereits erarbeiteten Anwendungsfälle und Anforderungen analysiert. Auf Basis<br />
der bestehenden Anwendungsfälle wurden neue Anwendungsfälle entwickelt, die speziell auf die<br />
Kompetenzontologie für die DMT ausgerichtet waren und dadurch eine Konkretisierung und<br />
gleichzeitig eine Erweiterung der bestehenden Anwendungsfälle bildeten. Dafür wurden die verschiedenen<br />
Akteure 37) , die mit der Ontologie (meist indirekt über das Kompetenzmanagementsystem)<br />
interagieren, identifiziert und zusammen mit den Anwendungsfällen detailliert beschrieben.<br />
Dabei ist eine grobe Unterscheidung der Akteure in Benutzer (auch KMS-Anwender) und Ontologieentwickler<br />
(auch Ontologie-Administrator) möglich.<br />
Die Benutzer können weiter unterteilt werden in die Rollen Selbsteinschätzer, Fremdeinschätzer,<br />
Projektteamkonfigurator, Expertensuchender, Personalentwickler, Kompetenzauswertender und<br />
Personalverantwortlicher. Die bereits für KOWIEN spezifizierten Anwendungsfälle wurden untersucht<br />
und zu einem großen Teil detailliert und auf die Situation bei der DMT spezialisiert (so etwa<br />
die Use Cases 1, 3 bis 6, 11 und 12 aus Kapitel 2.1.5.3 auf S. 330 ff.). Einige wurden stark verändert<br />
in die neue Menge von Anwendungsfällen aufgenommen (Use Cases 2 und 8), während andere<br />
ganz weggelassen werden konnten, da sie aus Sicht der Entwickler und der zukünftigen Benutzer<br />
für die Erstellung der Kompetenzontologie nicht erforderlich waren (Use Cases 7, 9 und 10).<br />
36) Personalentwickler bei der DMT haben die Aufgabe, die aktuell vorhandenen Mitarbeiterkompetenzen zu erfassen, Weiterbildungsbedarf<br />
zu ermitteln und entsprechende Weiterbildungsmaßnahmen zu organisieren. Personalreferenten sind in erster<br />
Linie für Personalrekrutierung und -abrechnung zuständig.<br />
37) Ein Akteur definiert eine Menge von Rollen, die ein Benutzer einer Entität (z.B. eines Anwendungssystems) während der Interaktion<br />
mit der Entität einnehmen kann; vgl. OBJECT MANAGEMENT GROUP (2003) S. 3.97.
638 3.2.2 Szenario „Service-Engineering“<br />
Stellvertretend für die späteren Benutzer der Ontologie erklärten sich je ein Mitarbeiter der Abteilung<br />
Personalentwicklung sowie der Abteilung Innovations- und Projektmanagement dazu bereit,<br />
die Akteure und Anwendungsfälle zu überprüfen und zu korrigieren. Ein Beispiel für eine dabei<br />
vorgenommene Modifikation der Use-Case-Beschreibungen ist die Konzentration auf die Selbsteinschätzung<br />
durch die DMT-Mitarbeiter. In Gesprächen mit den Benutzervertretern wurde deutlich,<br />
dass aufgrund von Missbrauchsrisiken, dadurch entstehenden Akzeptanzschwierigkeiten und bereits<br />
existierenden Betriebsratsvereinbarungen die Beschreibung von Kompetenzen durch andere Personen<br />
als den Kompetenzträger selbst nur als Ausnahme möglich ist. 38)<br />
Parallel zu dieser ersten iterativ durchgeführten Validierung der Anwendungsfälle wurden die Use<br />
Cases weiter detailliert und ihre Beziehungen und Abhängigkeiten untereinander untersucht. So<br />
konnte zum Beispiel der allgemeine Use Case „Kompetenzprofile pflegen“ durch die detaillierten<br />
Anwendungsfälle „eigene Kompetenzen beschreiben“, „Kompetenzen anderer Mitarbeiter beschreiben“<br />
und „Kompetenzprofil automatisch pflegen“ spezialisiert werden, um die Ableitung konkreter<br />
Anforderungen zu vereinfachen. Da die Anwendungsfälle „Projektteam bilden“, „Stelle besetzen/Personal<br />
rekrutieren“, „Kompetenzträger suchen“ und „Skill-Gaps ermitteln“ auf einer gemeinsamen<br />
Aktionsfolge aufbauen, wurde diese als eigener Anwendungsfall („Kompetenzprofil<br />
‘matchen’“) formuliert und mit den anderen durch eine „include“-Beziehung verknüpft. Darüber<br />
hinaus wurden „extend“-Beziehungen identifiziert, durch die beispielsweise der Anwendungsfall<br />
„Stelle besetzen/Personal rekrutieren“ eine potenzielle Erweiterung zu „Skill-Gaps ermitteln“ bildet.<br />
Schließlich wurde der Anwendungsfall „Kompetenztäger suchen“ auf den neuen Anwendungsfall<br />
„Experte suchen“ spezialisiert, weil aus Sicht der DMT-Mitarbeiter nur der letztgenannte Spezialfall<br />
von großem praktischen Interesse ist. Daraus resultierte eine Struktur der Anwendungsfälle,<br />
die vom Anwendungsfallmodell in Kapitel 2.1.5.1 (vgl. Abbildung 32, S. 328) geringfügig abweicht.<br />
3.2.2.3.4.3.2 Competency Questions formulieren<br />
Die aus diesen Anwendungsfällen ableitbaren funktionalen Anforderungen wurden in Form von<br />
Competency Questions formuliert, um die durch die Ontologie bereitzustellenden sprachlichen Ausdrucksmittel<br />
möglichst vollständig und verständlich zu spezifizieren. Auch dafür existierten bereits<br />
Dokumente, in denen die verschiedenen Praxispartner im KOWIEN-Projekt „Competency Questions“<br />
an die Ontologie und das ontologiebasierte Kompetenzmanagementsystem aufgestellt haben. 39)<br />
Diese Competency Questions wurden analysiert und anschließend dahingehend überarbeitet, dass<br />
sie die funktionalen Anforderungen an die Kompetenzontologie der DMT möglichst vollständig<br />
repräsentierten. Dabei wurden die bereits aufgestellten Anwendungsfälle für die Prüfung herangezogen,<br />
ob die Competency Questions richtig formuliert waren oder ob einige Fragen irrelevant waren<br />
oder fehlten. Dadurch konnten Verbindungen zwischen Anwendungsfällen und Competency<br />
Questions identifiziert werden, die für die Nachvollziehbarkeit der Anforderungen sowie für spätere<br />
Änderungen und ihre Auswirkungen eine Rolle spielen.<br />
38) Diese Personalpolitik zielt darauf ab, dass die permanente Verfügbarkeit und die hohe Eigenverantwortung bei einem Kompetenzmanagementsystem<br />
auf Basis von Selbsteinschätzungen für die Mitarbeiter der DMT genug Motivation hervorrufen, ihre<br />
eigenen Kompetenzen ehrlich einzuschätzen und ihr Profil regelmäßig zu aktualisieren.<br />
39) Vgl. ALAN/BÄUMGEN (2002) S. 18.
3.2.2 Szenario „Service-Engineering“ 639<br />
Die resultierenden Competency Questions, die unter den Ergebnissen der Phase Anforderungsspezifikation<br />
in Kapitel 3.2.2.3.5 auf S. 642 ff. aufgeführt sind, decken alle in ALAN/BÄUMGEN (2002)<br />
beschriebenen Fragen ab, wobei ihre Formulierung auf den Kontext der DMT angepasst ist. Zusätzlich<br />
wurden aus dem durch die Mitarbeiter der DMT erstellten Dokument „Competency Questions“,<br />
aus einer Befragung von zukünftigen Anwendern und aus der Analyse der Anwendungsfälle weitere<br />
Competency Questions identifiziert (Fragen 1, 2, 11, 13). Die Repräsentanten der Abteilungen Personalentwicklung<br />
sowie Innovations- und Projektmanagement untersuchten dann erneut die Ergebnisse<br />
auf ihre Richtigkeit und Vollständigkeit. Ebenfalls gemeinsam mit den Vertretern der Endnutzer<br />
wurde eine Priorisierung der Competency Questions vorgenommen, bei der die Dringlichkeit<br />
der „Umsetzung“ der einzelnen Fragen bei der Ontologieentwicklung bewertet wurde. Die Priorität<br />
einer Competency Question ergab sich in erster Linie aus der Bedeutung der darin angesprochenen<br />
Funktionalität für die Mitarbeiter. Darüber hinaus wurden auch die Dringlichkeit einer Frage für das<br />
darauf aufsetzende Kompetenzmanagementsystem (als nicht-menschlicher Akteur) sowie eine grobe,<br />
im Rahmen eines KOWIEN-Projekttreffens vereinbarte (Bearbeitungs-) Reihenfolge 40) der mit<br />
der Frage verknüpften Anwendungsfälle berücksichtigt.<br />
Die Competency Questions wurden dann formalisiert, um sie bei der Evaluation der Ontologie<br />
überprüfen zu können. Diese Aktivität wurde iterativ und über einen längeren Zeitraum durchgeführt,<br />
da die Formulierung der Fragen von der Ontologie abhängig ist, besonders von den Bezeichnungen<br />
der Konzepte, Attribute und Relationen. Aus diesem Grund konnten nicht sofort alle Fragen<br />
formal dargestellt werden; einige mussten nach Änderungen der Ontologie neu formuliert werden.<br />
Als Repräsentationssprache für die formalen Competency Questions wurde F-Logic ausgewählt, da<br />
auch schon die KOWIEN-Ontologie in diesem Format vorlag.<br />
3.2.2.3.4.3.3 Gütekriterien-Katalog erstellen<br />
Da die Competency Questions nur die funktionalen Anforderungen an die Kompetenzontologie repräsentieren,<br />
wurde ein Katalog von Gütekriterien erstellt, der die Gesamtheit aller Anforderungen<br />
an die Kompetenzontologie repräsentiert. Dabei wurde ein Schwerpunkt auch auf die Beschreibung<br />
der nicht-funktionalen Anforderungen gelegt, mit denen die erforderlichen Qualitätsmerkmale für<br />
die funktionalen Leistungen spezifiziert werden. Die bislang im Rahmen des KOWIEN-Projekts erarbeiteten<br />
Anforderungen an Ontologien 41) und die in der Literatur vorgeschlagenen Design-Kriterien<br />
42) wurden analysiert. Auf dieser Basis wurde ein eigener Katalog von Gütekriterien für die<br />
Kompetenzontologie der DMT erstellt. Insbesondere situative Rahmenbedingungen wie die geringen<br />
Erfahrungen mit Ontologien auf der Seite vieler Projektbeteiligter und der meisten zukünftigen<br />
40) So wurde im Rahmen eines Projekttreffens des Universitätspartners mit allen Praxispartnern am 03.06.2003 folgende grobe<br />
Priorisierung der Anwendungsfälle vorgenommen: Die Use Cases Kompetenzontologie pflegen und Kompetenzprofile pflegen<br />
sollten mit der höchsten Priorität behandelt werden (hier: Anwendungsfälle 1 bzw. 2 gemäß Abbildung 32, S. 328), während<br />
den Use Cases Kompetenzträger suchen, Projektteam bilden, Stelle bestzen/Personal rekrutieren und Skill-Gaps ermitteln<br />
eine weniger hohe Priorität zugewiesen wurde (hier: Anwendungsfälle 5 bis 8 gemäß Abbildung 32). Alle weiteren Anwendungsfälle<br />
im KOWIEN-Projekt, wie etwa Lessons learned dokumentieren und (Anlagen-)Konzept erstellen (nicht in Abbildung<br />
32 enthalten), werden mit der niedrigsten Priorität behandelt; ihre Realisierung war also vom zeitlichen Verlauf des Projekts<br />
abhängig.<br />
41) Siehe ALAN/BÄUMGEN (2002) S. 31 ff.<br />
42) Wichtige Design-Kriterien und Grundsätze für die Entwicklung von Ontologien oder Modellen im Allgemeinen sind in GRU-<br />
BER (1995); in FOX/GRÜNINGER (1997c) S. 5 ff., in BENJAMINS/FENSEL (1998) S. 290 f., in ARPÍREZ ET AL. (1998) S. 21 und in<br />
SCHÜTTE (1998) S. 111 ff. zu finden.
640 3.2.2 Szenario „Service-Engineering“<br />
Benutzer waren durch entsprechende Grundsätze wie Einfachheit und Erweiterbarkeit der Kompetenzontologie<br />
zu berücksichtigen. Auch bei einer ersten Priorisierung der Gütekriterien musste die<br />
spezielle Situiertheit dieser Ontologiekonstruktion beachtet werden, so dass etwa die Klarheit als<br />
sehr wichtig bewertet wurde, damit die Ontologie trotz der geringen Anzahl ihrer Entwickler für<br />
möglichst viele Personen (und Programme) bei der DMT eindeutig und nachvollziehbar ist.<br />
Der daraus entstandene Kriterienkatalog wurde iterativ überarbeitet und ergänzt. Dabei war es auch<br />
erforderlich, die Beziehungen der Kriterien untereinander zu analysieren, da einige Kriterien nicht<br />
unabhängig von den anderen bestehen. So wird beispielsweise die Wiederverwendbarkeit einer Ontologie<br />
stark (positiv) beeinflusst von ihrer Konsistenz, ihrer Minimalität und ihrer Erweiterbarkeit.<br />
Außerdem wurden Möglichkeiten zur Erfüllung und zur Messung der Gütekriterien untersucht, um<br />
eine konkrete Hilfestellung für die Berücksichtigung der Kriterien bei der Konstruktion und Evaluation<br />
der Kompetenzontologie zu geben. Dabei wurden die Vorschläge aus der Literatur 43) für die<br />
konkrete Entwicklungssituation im KOWIEN-Projekt spezialisiert, erweitert und mit Beiträgen des<br />
Universitätspartners 44) abgeglichen.<br />
Der resultierende Katalog von Gütekriterien ist in der Anforderungsspezifikation (siehe Kapitel<br />
2.1.6 auf S. 341 ff.) sowie der Übersichtlichkeit halber verdichtet in Kapitel 3.2.2.3.5.4 (S. 647)<br />
aufgeführt.<br />
3.2.2.3.4.4 Anforderungen des Umfelds identifizieren<br />
Obwohl die genauen Schnittstellen des Kompetenzmanagementsystems zu den IT-Systemen der<br />
DMT noch im Zuge der Entwicklung des KOWIEN-Prototyps zu spezifizieren waren, musste für<br />
die Konstruktion der DMT-Ontologie bereits frühzeitig eine Identifikation der Systeme, die für das<br />
weitere Umfeld der Ontologie wichtig sind oder die für die Erstellung der Ontologie relevante Daten<br />
umfassen, erfolgen. Folgende Systeme spielen für die Entwicklung und Nutzung der Ontologie<br />
im Rahmen des Kompetenzmanagementsystems eine große Rolle:<br />
• Der Wissensmanager ist eine Datenbank zur Darstellung von Mitarbeiterkompetenzen. Diese<br />
Datenbank soll durch das ontologiebasierte Kompetenzmanagementsystem (vorläufig) nicht<br />
abgelöst, jedoch erweitert und verbessert werden.<br />
• Die Referenzdatenbank umfasst Namen, Beschreibungen, DMT-Aufgaben, Partner, Kunden<br />
und Auftragswerte von bereits durchgeführten Projekten, so dass etwa bei einer Angebotsabgabe<br />
auf entsprechende Referenzen zugegriffen werden kann.<br />
• In der Projektpartnerdatenbank sind Namen, Schlüsselwörter, Budgets und beteiligte Unternehmen<br />
von abgeschlossenen Projekten abgelegt, um Informationen zu Projekten mit bestimmten<br />
Partnern bereitzustellen.<br />
Diese Systeme beinhalten relevante Daten sowohl für die Erstellung als auch für die regelmäßige<br />
Aktualisierung der Kompetenzontologie. Da jedoch eine eventuelle dauerhafte Verbindung zur Ontologie<br />
über das Kompetenzmanagementsystem zu realisieren ist und die Schnittstellen zwischen<br />
dem Kompetenzmanagementsystem und den genannten Datenbanken zu Beginn der Konstruktion<br />
43) Erste Ansätze zur Operationalisierung von Gütekriterien für Ontologien werden beispielsweise in FOX/GRÜNINGER (1997c) S.<br />
6 f., in GRUBER (1995) und in GÓMEZ-PÉREZ (2001) S. 394 ff. genannt.<br />
44) Siehe ALPARSLAN/DITTMANN (2002) und ALAN/ALPARSLAN/DITTMANN (2003) S. 44 f.
3.2.2 Szenario „Service-Engineering“ 641<br />
der DMT-Ontologie noch nicht feststanden, konnten konkrete technische Anforderungen an die Ontologie<br />
(wie etwa benötigte Austauschformate) noch nicht spezifiziert werden. Die Analyse der in<br />
den Datenbanken enthaltenen Informationen war jedoch bereits für die Wissensakquisition und die<br />
Konzeptualisierung von Bedeutung, um z.B. Informationen über die im Projektgeschäft der DMT<br />
verwendeten Begriffe zu erhalten.<br />
Nach der Analyse des technischen Umfelds wurden die Rahmenbedingungen der Ontologiekonstruktion,<br />
also der Zeitrahmen, die einzelnen Entwicklungsschritte und -ergebnisse sowie die zu<br />
verwendenden Werkzeuge, in der Anforderungsspezifikation erläutert. Diese Nebenbedingungen<br />
waren in erster Linie durch die organisatorischen Vorgaben des KOWIEN-Projekts bestimmt, so<br />
dass die Dauer der gesamten Ontologiekonstruktion auf maximal sechs Monate (Mai bis Oktober<br />
2003) begrenzt war und das Vorgehen bei der Entwicklung an dem zuvor entwickelten Vorgehensmodell<br />
auszurichten war. Als verfügbare Software-Unterstützung spielte vor allem das Entwicklungswerkzeug<br />
OntoEdit, das den Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise<br />
GmbH darstellt, eine große Rolle. Eine kurze Darstellung der Funktionalitäten und der Anwendung<br />
von OntoEdit wird in Kaptitel 3.2.2.5.2.1 gegeben (S. 663 f.).<br />
Abschließend wurde das Dokument der Anforderungsspezifikation von den Repräsentanten der Abteilungen<br />
Personalentwicklung sowei Innovations- und Projektmanagement sowie von Mitarbeitern<br />
des Universitätspartners überprüft und akzeptiert. Entscheidend war dabei, dass die darin spezifizierten<br />
Anforderungen von allen Beteiligten als richtig und vollständig für die Entwicklung der<br />
Kompetenzontologie der DMT angesehen wurden. 45)<br />
3.2.2.3.5 Ergebnisse<br />
Die Anforderungsspezifikation fasst die wesentlichen Ergebnisse dieser Phase zusammen. In diesem<br />
Artefakt werden die Ziele der Ontologieentwicklung, das zukünftige Umfeld der Ontologie, die<br />
identifizierten Anwendungsfälle, die funktionalen und nicht-funktionalen Anforderungen in Form<br />
des Gütekriterien-Katalogs sowie die Entwicklungsrahmenbedingungen spezifiziert. Um einen<br />
Überblick über diese Grundlage für die nachfolgenden Entwicklungsaktivitäten zu geben, werden<br />
im Folgenden die wichtigsten Bestandteile der Anforderungsspezifikation – die Anwendungsfälle,<br />
die Competency Questions sowie die Gütekriterien – kurz aufgeführt.<br />
45) Dennoch ist immer damit zu rechnen, dass im weiteren Verlauf der Ontologieentwicklung neue Anforderungen an die Kompetenzontologie<br />
entstehen oder Änderungen an den existierenden Anforderungen erforderlich werden. Aus diesem Grund<br />
muss die Anforderungsspezifikation regelmäßig überarbeitet und aktualisiert werden.
642 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.3.5.1 Anwendungsfälle<br />
Im Zuge der Anforderungsspezifikation wurden 13 Anwendungsfälle identifiziert, beschrieben und<br />
zueinander in Beziehung gesetzt. Die Anwendungsfälle und ihre Beziehungen lehnen sich an das<br />
Anwendungsfallmodell an, das in Kapitel 2.1.5.1 (S. 327 f.) vorgestellt und in Kapitel 2.1.5.3 (S.<br />
330 ff.) mit konkreten Anwendungsfällen ausgefüllt wurde (vgl. auch Abbildung 32 auf S. 328). Allerdings<br />
zeigte sich im Verlauf der Konstruktion der DMT-Ontologie, dass vom o.a. Anwendungsfallmodell<br />
hinsichtlich einiger Nuancen abgewichen werden musste, um die Einsichten zu berücksichtigen,<br />
die aus der Validierung der ursprünglich vorgesehenen Anwendungsfälle durch Mitarbeiter<br />
der DMT gewonnen wurden. 46) Daher weichen die Anwendungsfälle und ihre Beziehungen, die<br />
während der Ontologiekonstruktion bei der DMT schließlich verwendet wurden, geringfügig vom<br />
ursprünglich aufgestellten Anwendungsfallmodell und der Abbildung 32 auf S. 328 ab. Die nachfolgende<br />
Auflistung enthält die – neu nummerierten – Anwendungsfälle (AF) für die Konstruktion<br />
der DMT-Ontologie:<br />
1. Kompetenzprofile pflegen<br />
2. Eigene Kompetenzen beschreiben<br />
3. Kompetenzen anderer Mitarbeiter beschreiben<br />
4. Kompetenzprofil automatisch aktualisieren<br />
5. Kompetenzontologie pflegen<br />
6. Projektteam bilden<br />
7. Stelle besetzen / Personal rekrutieren<br />
8. Experten suchen<br />
9. Skill-Gaps ermitteln<br />
10. Kompetenzprofil „matchen“<br />
11. Informationsnetz analysieren<br />
12. Details zu einem Mitarbeiter anzeigen lassen<br />
13. Details zu einem Projekt anzeigen lassen<br />
Bezüglich der Akteure wird aus Übersichtlichkeitsgründen nur zwischen dem Ontologie-Administrator<br />
und dem KMS-Anwender, der alle potenziellen Anwender des Kompetenzmanagementsystems<br />
(mit der Ontologie als Subsystem) repräsentiert, unterschieden. Auch hinsichtlich der Anwendungsfälle<br />
selbst stellt das (modifizierte) Anwendungsfallmodell nur eine Grobsicht dar. Use Case 5<br />
„Kompetenzontologie pflegen“ kann beispielsweise weiter detailliert werden, da bei der Pflege einer<br />
Ontologie meist mehrere Interaktionen mit dem Kompetenzmanagementsystem erforderlich<br />
sind. So muss beispielsweise zunächst ein Vorschlag für eine Änderung gemacht und dazu eine<br />
Entscheidung getroffen werden, was auch durch das Kompetenzmanagementsystem unterstützt<br />
werden sollte. Dieser Aspekt ist nicht mehr Gegenstand dieses Kapitels, sollte aber bei einer späteren<br />
Implementierung des Kompetenzmanagementsystems beachtet werden.<br />
46) Vgl. dazu die Ausführungen in Kapitel 3.2.2.3.4.3.1 auf S. 638 sowie den allgemeinen „Änderungsvorbehalt“ in der voranstehenden<br />
Fußnote.
3.2.2 Szenario „Service-Engineering“ 643<br />
3.2.2.3.5.2 Informale Competency Questions<br />
Aufbauend auf den zuvor dargestellten Anwendungsfällen wurden die funktionalen Anforderungen<br />
an die Kompetenzontologie der DMT identifiziert. Diese wurden in Form von priorisierten Competency<br />
Questions spezifiziert (mit den Prioritäten sehr hoch, hoch und mittel), die nachfolgend aufgeführt<br />
sind.<br />
1. Wie sieht mein eigenes aktuell gespeichertes Kompetenzprofil aus? (AF: 2)<br />
Priorität: sehr hoch<br />
2. Welche Begriffe bezeichnen die Kompetenzen in einem bestimmten Themengebiet?<br />
Welche Ausprägungen gibt es für diese Kompetenzen? (AF: 2, 3, 5)<br />
Priorität: sehr hoch<br />
3. Wer hat erforderliches Expertenwissen auf einem bestimmten Level? (AF: 8)<br />
Priorität: sehr hoch<br />
4. Welcher Mitarbeiter hat das geforderte Kompetenzprofil? (AF: 6,7)<br />
Priorität: sehr hoch<br />
5. Wie sieht der Lebenslauf 47) des Mitarbeiters aus? (AF: 6, 7, 12)<br />
Priorität: sehr hoch<br />
6. Wo sind im Hinblick auf ein bestimmtes Projekt Skill-Gaps bei Mitarbeitern?<br />
Wie groß sind diese? (AF: 9)<br />
Priorität: sehr hoch<br />
7. Welche Referenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens<br />
zu einem bestimmten oder ähnlichen Themengebiet? 48) (AF: 11, 13)<br />
Priorität: sehr hoch<br />
8. Welche Referenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens<br />
zu einem bestimmten Kunden oder Projektpartner? (AF: 11, 13)<br />
Priorität: sehr hoch<br />
9. Welche Kompetenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens?<br />
(AF: 11)<br />
Priorität: sehr hoch<br />
10. Welcher Mitarbeiter hat in einem ähnlichen Projekt früher in welcher Funktion mitgearbeitet?<br />
(AF: 12, 13)<br />
Priorität: hoch<br />
47) Zur Abgrenzung der Competency Questions 1 und 5 sind an dieser Stelle kurz die Begriffe „Kompetenzprofil“ und „Lebenslauf“<br />
zu erläutern. Der Lebenslauf eines Mitarbeiters umfasst seinen beruflichen Werdegang (in erster Linie Abschlüsse und<br />
bisherige Positionen) sowie Angaben zu Alter, Familienstand, Wohnort sowie zu Sprach- und EDV-Kenntnissen. Das Kompetenzprofil<br />
enthält darüber hinaus beispielsweise Informationen über die Selbst- und Sozialkompetenzen des Mitarbeiters<br />
und die konkreten Ausprägungen aller Kompetenzen. Es unterliegt daher noch stärkeren Sicherheitsvorschriften.<br />
48) Referenzen werden durch bereits abgeschlossene Projekte gebildet. Hier muss beachtet werden, dass bei der DMT Wissen<br />
über solche Projekte momentan nicht einheitlich in einem Software-System abgelegt wird; es gibt stattdessen eine Datenbank<br />
für abgeschlossene Projekte der Lieferung und Leistung (Referenz-Datenbank) und eine andere für abgeschlossene Forschungs-<br />
und Entwicklungsprojekte.
644 3.2.2 Szenario „Service-Engineering“<br />
11. Welcher Mitarbeiter hat an welchen Weiterbildungsaktivitäten mit welchen Ergebnissen<br />
teilgenommen? (AF: 4)<br />
Priorität: hoch<br />
12. Welche Organisationseinheit ist für eine bestimmte betriebliche Aufgabe<br />
(z.B. Service-Leistungen für Akquisition / Abrechnung) zuständig? (AF: 8)<br />
Priorität: mittel<br />
13. Welche Projekte sind ausgeschrieben worden? Welche Projekte werden gerade akquiriert 49) ?<br />
Welche Projekte sind schon in Auftrag gegeben worden? (AF: 13)<br />
Priorität: mittel<br />
14. Welcher externe Projektpartner kommt für eine bestimmte Projektbearbeitung in Frage,<br />
weil er in ähnlichen Projekten bereits Erfahrungen hat? (AF: 13)<br />
Priorität: mittel<br />
15. Welcher Mitarbeiter hat Kontakt zu einem bestimmten Unternehmen? (AF: 12)<br />
Priorität: mittel<br />
3.2.2.3.5.3 Formale Competency Questions<br />
Aus den Competency Questions können später bei der Konzeptualisierung direkt erste elementare<br />
Design-Entscheidungen getroffen werden, wie z.B. bezüglich der Bestandteile der Ontologie, also<br />
der benötigten Konzepte, Attribute und Relationen sowie der Inferenz- und Integritätsregeln.<br />
Um die Competency Questions für die spätere Evaluation zu operationalisieren, müssen sie aus der<br />
informalen Darstellung in eine formale Darstellung transformiert werden. Die Auswahl der formalen<br />
Sprachen für die Implementierung der Ontologie war zu dem Zeitpunkt, in dem mit der Konstruktion<br />
der DMT-Ontologie begonnen wurde, noch nicht getroffen worden. Da F-Logic eine im<br />
KOWIEN-Projekt mehrfach verwendete Sprache darstellte – so ist die KOWIEN-Ontologie in F-<br />
Logic erstellt worden 50) – wurde diese Sprache auch für die Formalisierung der Competency<br />
Questions benutzt. Im Folgenden wird also jede Competency Question in F-Logic repräsentiert. 51)<br />
49) „Akquiriert werden“ bedeutet hier für Forschungs- und Entwicklungsprojekte, dass die Antragsstellung schon erfolgt ist; für<br />
Projekte aus Lieferung und Leistung bedeutet diese Formulierung, dass bereits ein Angebot abgegeben wurde.<br />
50) Vgl. ALAN (2003a) und ALAN (2003b) und das Kapitel 2.4.2 auf S. 431 ff.<br />
51) Die informalen Fragen aus Kapitel 3.2.2.3.5.2 sind allgemein formuliert, weshalb hier bei der formalen Darstellung für jede<br />
Frage eine Beispiel-Ausprägung aufgeführt wird (so wird etwa Frage 1 für den Benutzer „MA_H_Mueller“ formuliert). Bei<br />
der Evaluation der Ontologie sollen jedoch zu jeder Competency Question mehrere Ausprägungen getestet werden.
3.2.2 Szenario „Service-Engineering“ 645<br />
Formale Competency Questions:<br />
(1)<br />
FORALL KProfil,KAuss,Komp,KAusp >KAuss] AND<br />
KAuss:Kompetenzaussage[betrifft_Akteur->MA_H_Mueller;<br />
beinhaltet_Kompetenz->Komp;<br />
beinhaltet_Kompetenzauspraegung->>KAusp].<br />
(2)<br />
FORALL Subkomp Englisch;<br />
beinhaltet_Kompetenzauspraegung->><br />
KAusp:Kompetenzauspraegung[hat_numerischen_Wert->>Var]]]<br />
AND greaterorequal(Var,2).<br />
(5)<br />
FORALL IA,Geb,Adr,Fam,Rel,Staat,AusA, Ausb,Note,Inst,Var Var; hat_Geburtstag->Geb;<br />
hat_Adresse->>Adr; hat_Familienstand->Fam;<br />
hat_Religion->>Rel; hat_Staatszugehoerigkeit->>Staat]<br />
AND AusA:Ausbildungsaussage[betrifft_Person->MA_H_Mueller;<br />
beinhaltet_Ausbildung->Ausb;<br />
beinhaltet_Abschlussnote->>Note; beinhaltet_Institution->>Inst]<br />
AND equal(Var,"Hans_Mueller").<br />
(6)<br />
FORALL MA,Komp,Var Bez;<br />
erfordert_Kompetenz->>Kooperationsfaehigkeit;<br />
wird_bearbeitet_von_DMT_Einheit->>Organisationsentwicklung].
646 3.2.2 Szenario „Service-Engineering“<br />
(8)<br />
FORALL OE,Proj,Bez >Bez;<br />
wird_bearbeitet_von_DMT_Einheit->> Organisationsentwicklung;<br />
wird_bearbeitet_mit_Projektpartner->>Phoenics;<br />
hat_Auftragsstatus->beendet].<br />
(9)<br />
FORALL KAuss,Komp,KAusp Innovations-_und_Projektmanagement;<br />
beinhaltet_Kompetenz->Komp;<br />
beinhaltet_Kompetenzauspraegung->>KAusp].<br />
(10)<br />
FORALL MA,Proj,PMitA,Fkt >Waermetechnik;<br />
hat_Auftragsstatus->beendet]<br />
AND PMitA:Projektmitarbeit[betrifft_Projekt->>Proj;<br />
betrifft_Mitarbeiter->>MA;<br />
beinhaltet_Funktion->>Fkt].<br />
(11)<br />
FORALL MA,Nam Nam;<br />
hat_teilgenommen_an_Weiterbildung->>Konfliktmanagement].<br />
(12)<br />
FORALL OE >Vertragsentwuerfe].<br />
(13)<br />
FORALL Proj,Bez >Bez;<br />
hat_Auftragsstatus->ausgeschrieben]<br />
OR Proj:F_und_E_Projekt[hat_Projekttitel->>Bez;<br />
hat_F_und_E_Projektstatus->ausgeschrieben].<br />
(14)<br />
FORALL Org,Proj,Bez >Bez;<br />
wird_bearbeitet_mit_Projektpartner->>Org;<br />
erfordert_Kompetenz->>Kooperationsfaehigkeit].
3.2.2 Szenario „Service-Engineering“ 647<br />
(15)<br />
FORALL MA,Nam Nam;<br />
hat_Kontakt_zu_Unternehmen->>Roland_Berger].<br />
An dieser Stelle sei darauf hingewiesen, dass Projektreferenzen der DMT entweder nach einer bestimmten<br />
Branche oder nach den dabei relevanten Kompetenzen gesucht werden können. Aus diesem<br />
Grund sind bei den Fragen 7, 10 und 14 mehrere Formulierungen als die hier dargestellten<br />
möglich. Z.B. kann die Teilformel betrifft_Branche ->> Gewinnung_von_Erdöl_und_Erdgas statt<br />
der Teilformel erfordert_Kompetenz ->> Erdöl-_und_Erdgasgewinnung verwendet werden.<br />
3.2.2.3.5.4 Katalog von Gütekriterien<br />
Die Menge aller funktionalen und nicht-funktionalen Anforderungen an die Kompetenzontologie<br />
wird durch Gütekriterien repräsentiert. Ein Katalog von Gütekriterien stellt ein weiteres Ergebnis<br />
dieser Phase des KOWIEN-Vorgehensmodells dar. Die folgende Aufzählung fasst die im Katalog<br />
enthaltenen Gütekriterien zusammen. Nähere Erläuterungen zu diesem Katalog sind dem Kapitel<br />
2.1.6 (S. 341 ff.) zu entnehmen:<br />
1. Klarheit,<br />
2. Einfachheit,<br />
3. Erweiterbarkeit,<br />
4. funktionale Vollständigkeit,<br />
5. Wiederverwendbarkeit,<br />
6. Minimalität,<br />
7. Konsistenz,<br />
8. Spracheignung und<br />
9. Richtigkeit der Sprachanwendung.
648 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.4 Wissensakquisition<br />
3.2.2.4.1 Ziele<br />
Ziele der Wissensakquisition sind in erster Linie die möglichst vollständige Identifizierung, Lokalisierung<br />
und Analyse des vorhandenen Wissens über die Kompetenzen der DMT. 52) Durch die Befragung<br />
von Mitarbeitern soll festgestellt werden, welche vorhandenen betrieblichen Dokumente<br />
und Softwaresysteme für die Ontologiekonstruktion relevant sind, über welche relevanten Informationen<br />
(z.B. in Form erster Konzeptbezeichnungen und Relationen) diese Mitarbeiter verfügen und<br />
welche weiteren Mitarbeiter befragt werden sollten. Die sorgfältige Analyse dieser Informationen<br />
sowie Interviews mit den entsprechenden Mitarbeitern der DMT dienen dazu, die Informationen für<br />
die Entwicklung der Kompetenzontologie zu erfassen, die für ein erstes konzeptuelles Modell und<br />
die nachfolgenden Schritte benötigt werden. Es ist jedoch zu beachten, dass die Aktivitäten der<br />
Identifizierung und der Strukturierung von Wissen eng miteinander verwoben sind. Damit hängen<br />
die Phasen Wissensakquisition 53) und Konzeptualisierung stark miteinander zusammen. Die Ergebnisse<br />
der Wissensakquisition bilden den Ausgangspunkt für die konzeptuelle Modellierung des betrachteten<br />
Realitätsausschnitts, also für die Vorstufe der Ontologiespezifikation.<br />
3.2.2.4.2 Problemstellungen und Lösungsansätze<br />
Aus der Größe des Unternehmens und den besonderen Eigenschaften des Bereichs Kompetenzmanagement<br />
ergeben sich Schwierigkeiten hinsichtlich der Verteilung des Wissens über Kompetenzen.<br />
Sie beruhen auf dem impliziten Charakter von Wissen über Kompetenzen und auf der begrenzten<br />
Gültigkeit des erhobenen Wissens.<br />
3.2.2.4.2.1 Verteilung des Wissens über Kompetenzen<br />
Bei der DMT existiert zwar bereits eine Datenbank Wissensmanager, in der Mitarbeiterprofile abgelegt<br />
und abrufbar sind; die darin enthaltenen Informationen über die Kompetenzen der Mitarbeiter<br />
wurden jedoch durch Fragebögen mit frei ausfüllbaren Textfeldern erhoben. Daher sind die dabei<br />
verwendeten Kompetenzbegriffe durch jeden Mitarbeiter neu formuliert worden und bauen<br />
nicht auf einem einheitlichen Vokabular auf. Auch die Zusammenhänge zwischen den verschiedenen<br />
Kompetenzen sind in dem System nicht abgelegt und müssen dem Benutzer bekannt sein, wenn<br />
er aus den Fakten der Wissensbasis weitere Schlüsse ziehen will. Das Wissen über diese Zusammenhänge<br />
ist verteilt auf verschiedene betriebliche Dokumente, Softwaresysteme und vor allem die<br />
52) Dabei ist anzumerken, dass im Rahmen dieses Beitrag „lediglich“ Wissen über die zur Beschreibung von Kompetenzen benötigten<br />
Begriffe und über die bei der DMT geltenden Zusammenhänge und Einschränkungen erhoben werden soll, nicht aber<br />
über die tatsächlich bei den Mitarbeitern vorhandenen Kompetenzen und deren Ausprägungen.<br />
53) Im Unterschied zu anderen Definitionen, in denen der Begriff „Wissensakquisition“ die Erhebung, Analyse, Modellierung<br />
(vgl. FRICK (1998) S. 97 sowie GREENWELL (1988) S. 11) und teilweise auch die Formalisierung von Wissen (vgl. BUCHA-<br />
NAN/SHORTCLIFFE (1984) S. 149) beschreibt, liegt hier eine starke Betonung auf der Identifizierung und Erhebung des relevanten<br />
Wissens. Die Wissensakquisition umfasst auch bereits eine Analyse und Strukturierung des Wissens, da die befragten<br />
Experten bei der Formulierung ihres Wissens dieses bereits implizit strukturieren. Die eigentliche Modellierung durch den<br />
Wissensingenieur findet jedoch erst im Rahmen der Konzeptualisierung statt, Wissensakquisition und Konzeptualisierung<br />
sind daher eng miteinander verwoben.
3.2.2 Szenario „Service-Engineering“ 649<br />
einzelnen Mitarbeiter der DMT. Bei einem Großunternehmen wie der DMT stellen die Identifizierung<br />
dieser verschiedenen Wissensträger und insbesondere auch die Befragung der Personen<br />
schwierige Aufgaben dar. Um bei der Wissensakquisition ein breites Spektrum an Kompetenzbereichen<br />
abzudecken, werden bei den Experteninterviews Mitarbeiter aus möglichst vielen unterschiedlichen<br />
Unternehmensbereichen befragt.<br />
3.2.2.4.2.2 Implizitheit von Wissen über Kompetenzen<br />
Erschwert wird die Wissensakquisition dadurch, dass ein großer Teil des für die Ontologie benötigten<br />
Wissens über Kompetenzen nicht explizit vorliegt, sondern den Mitarbeitern nur als „Hintergrundwissen“<br />
implizit bekannt ist. Insbesondere das Wissen, das die Mitarbeiter dazu befähigt, beispielsweise<br />
aus neuen Fakten weiteres Wissen abzuleiten, und das in einer Ontologie durch Inferenzregeln<br />
explizit repräsentiert werden soll, ist selten explizit formuliert und für Neulinge im Unternehmen<br />
oft schwer zu erfassen. Aus diesen Gründen besitzen nicht alle Mitarbeiter der DMT dieses<br />
Wissen in gleichem Umfang, so dass die Wahl der „Experten“ im Rahmen der Mitarbeiterbefragung<br />
eine große Rolle spielt. Da sich implizites Wissen einem direkten Zugriff durch Computer<br />
entzieht 54) , sind bei einer solchen Befragung besondere Denkschritte seitens der Experten erforderlich,<br />
damit der Wissensingenieur das Wissen erfassen und explizit festhalten kann. Durch die Veranschaulichung<br />
der Bestandteile einer Ontologie mittels Beispielen und Einführung der KOWIEN-<br />
Ontologie als Ausgangspunkt für die Wissensakquisition soll das Bewusstsein der Experten für das<br />
hier relevante Wissen geschärft und dessen Explikation erleichtert werden.<br />
3.2.2.4.2.3 Begrenzte Gültigkeit des erhobenen Wissens<br />
Ein weiteres Problem für die Akquisition des Wissens über Kompetenzen besteht in der strategischen<br />
Neuausrichtung der DMT. Aufgrund der geringen positiven Zukunftsaussichten im Bergbau<br />
55) und in verwandten Branchen werden auch bei der DMT Kompetenzen verlagert und Organisationsstrukturen<br />
verändert. Darüber hinaus ist es für Unternehmen im Technologie-Dienstleistungsbereich<br />
allgemein von großer Bedeutung, flexibel agieren und sich auf neue Geschäftsfelder<br />
ausrichten zu können. Das bei der Wissensakquisition erhobene und für die Konzeptualisierung<br />
verwendete Wissen ist daher unter der Einschränkung zu betrachten, dass etwa Begriffe für fachliche<br />
Kompetenzen sowie Strukturen und Zuständigkeiten bestimmter Organisationseinheiten möglicherweise<br />
in wenigen Monaten nicht mehr zutreffen oder unvollständig sind. Im weiteren Verlauf<br />
der Ontologieentwicklung wurde vom (damals) aktuellen Stand der DMT im Zeitraum Juni/Juli/<br />
August 2003 ausgegangen. Da die Nutzbarkeit einer Ontologie wesentlich von der Gültigkeit des<br />
darin spezifizierten Wissens abhängt, muss ihre regelmäßige Aktualisierung sichergestellt werden.<br />
54) Vgl. NEUWEG (1999) S. 5 f. Häufig wird auch die These vertreten, dass implizites Wissen nicht nur schwer verbalisierbar ist,<br />
sondern auch grundsätzlich nicht formalisiert, also durch Regeln abgebildet werden kann; vgl. NEUWEG (1999) S. 16 ff. Die<br />
Verfasser gehen jedoch davon aus, dass zumindest ein Teil des implizit vorhandenen Wissens auch explizit und formalsprachlich<br />
dargestellt werden kann.<br />
55) Überblicke über die aktuelle Situation und die Aussichten für die Bergbaubranche werden in Internet zum Beispiel unter den<br />
URL „http://www.wdr.de/themen/politik/nrw/steinkohle/hintergrund.jhtml?rubrikenstyle=politik“ und „http://www.nrw.de/01<br />
_land_nrw/11_land_und_leute/113_nrw_lexikon/lexbergbau.htm“ (Zugriffe am 14.09.2004) gegeben.
650 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.4.3 Methoden<br />
Zunächst werden die bereits durch die Einarbeitung bei der DMT und durch Hinweise der Mitarbeiter<br />
der Abteilung Innovations- und Projektmanagement erfassten Informationen über relevante<br />
Dokumente, IT-Systeme und Personen in Form einer Wissensträgerkarte festgehalten. Diese ist als<br />
eine tabellarische Übersicht über die Bezeichnungen der Wissensträger, ihre Lokalisierung im Unternehmen<br />
und über ihren jeweiligen „Kompetenzbereich“ (im Sinne des erwarteten zu akquirierenden<br />
Wissens) formuliert. Im weiteren Verlauf der Wissensakquisition wird die Wissensträgerkarte<br />
um weitere Informationen erweitert.<br />
Für diese Erweiterungen werden strukturierte sowie unstrukturierte Interviews bei der Befragung<br />
von Experten durchgeführt. Zur Unterstützung und Ergänzung der Interviews wird die Textanalyse<br />
eingesetzt, bei der die betrieblichen Dokumente und IT-Systeme 56) auf relevante Informationen untersucht<br />
werden.<br />
Damit wird die Wissensakquisition ausschließlich indirekt durchgeführt. 57) Weitere Methoden zur<br />
Akquisition von Wissen über Kompetenzen sind in ALAN (2002a) S. 26 ff. zu finden. Die dort genannten<br />
Methoden sind jedoch teilweise darauf ausgerichtet, die tatsächlich vorhandenen Kompetenzen<br />
der Mitarbeiter mit den entsprechenden Kompetenzausprägungen zu erheben. Aus diesem<br />
Grund wird ein Teil dieser Methoden (beispielsweise die Beurteilung durch Mitarbeiter) an dieser<br />
Stelle nicht berücksichtigt.<br />
3.2.2.4.3.1 Expertenbefragung<br />
Ein Experte ist ein Mensch, der sich durch spezialisierte Problemlösungsfähigkeiten in einem bestimmten<br />
Anwendungsgebiet (Domäne) von anderen Menschen unterscheidet. Er zeichnet sich damit<br />
durch „besonderes“ Wissen über eine Domäne aus, nicht nur in quantitativer (Umfang des Wissens),<br />
sondern auch in qualitativer Hinsicht (Art der Wissensorganisation und Problemlösungsstrategien).<br />
58) Er muss in die Wissensakquisition einbezogen werden, weil ein Wissensingenieur, der<br />
sich in die Domäne einarbeitet, nur mit einem „Neuling“ in diesem Bereich verglichen werden<br />
kann. Der Wissensingenieur kann seinerseits jedoch als „Experte“ auf dem Gebiet des Knowledge<br />
Engineerings betrachtet werden.<br />
Die Befragung 59) , ein häufig eingesetztes Verfahren, stellt eine indirekte Wissensakquisitionsmethode<br />
dar, weil der Wissensingenieur als „Vermittler“ zwischen den Experten und der Wissensbasis<br />
tätig ist. Er erfragt das jeweils erforderliche Wissen der Experten und ist selbst für die Analyse und<br />
Formalisierung des Wissens verantwortlich. Während des Interviews versucht der Wissensingenieur,<br />
im direkten Dialog mit dem Experten die Objekte, Beziehungen und Einschränkungen der be-<br />
56) Die beiden Begriffe „Dokumente“ und „IT-Systeme“ sind insofern voneinander abzugrenzen, als dass sich Letztere auf Computerprogramme<br />
für einen bestimmten betrieblichen Zweck beziehen, z.B. die Datenbank „Wissensmanager“, während unter<br />
Dokumenten die im Unternehmen vorhandenen Schriftstücke und einzelne Text-Dateien, z.B. Word- und PDF-Dateien, verstanden<br />
werden.<br />
57) Im Gegensatz dazu sind es bei der direkten Wissensakquisition die Experten selbst, die ihr Wissen formulieren und dafür häufig<br />
mit einem Wissensakquisitionswerkzeug, meist einem speziellen Editor, interagieren. Weitere Informationen dazu werden<br />
in FRICK (1998) S. 100 f. gegeben.<br />
58) Vgl. SCHMIDT (1995) S. 43.<br />
59) Die Begriffe „Befragung“ und „Interview“ werden hier synonym verwendet.
3.2.2 Szenario „Service-Engineering“ 651<br />
trachteten Domäne offen zu legen und zu erklären. Da sich eine Einflussnahme des Wissensingenieurs<br />
generell nicht vollständig vermeiden lässt, müssen die Ergebnisse des Interviews immer vor<br />
diesem Hintergrund bewertet werden. In Abhängigkeit von der vorher festzulegenden Strukturierung<br />
der Befragung wird zwischen unstrukturierten und strukturierten Interviews unterschieden:<br />
a) Unstrukturiertes (oder wenig strukturiertes) Interview: Bei der unstrukturierten Befragung wird<br />
ohne Fragebogen gearbeitet, und es bleibt dem Interviewer (dem Wissensingenieur) überlassen,<br />
die Inhalte und Reihenfolge seiner Fragen den Wünschen des Befragten anzupassen. 60) Es ist<br />
daher ein offenes Interviewverfahren, mit dem der Wissensingenieur versucht, einen Überblick<br />
über das Anwendungsgebiet zu erhalten. Es wird hier vor der strukturierten Befragung eingesetzt,<br />
um ein erstes Verständnis für das Expertenwissen zu erwerben.<br />
b) Strukturiertes Interview: Wird das Gespräch zwischen Wissensingenieur und Experten auf der<br />
Grundlage eines Fragebogens durchgeführt, so dass für alle Befragten die gleichen Fragen in<br />
gleicher Formulierung und Reihenfolge vorliegen, wird dies als strukturiertes Interview bezeichnet.<br />
61) Die Vorgabe einer Agenda und festgelegter Fragen soll eine Gleichheit der Interviewsituation<br />
bewirken und damit die Vergleichbarkeit der Befragungen erhöhen. Durch die<br />
Strukturierung des Gesprächs wird außerdem eine systematische Durchdringung der Domäne<br />
erleichtert und ein Schwerpunkt auf die Beseitigung von Lücken im bisher erhobenen Wissen<br />
gelegt. 62) Der Interviewer spielt dabei eine aktivere Rolle als bei der unstrukturierten Befragung<br />
und sollte daher auch höhere Anforderungen bezüglich seiner Vorkenntnisse der Domäne und<br />
seiner Neutralität gegenüber Thema und Befragtem erfüllen. 63)<br />
3.2.2.4.3.2 Textanalyse<br />
Ergänzend zur Befragung der Experten wird durch die Textanalyse das bereits explizit vorliegende<br />
Wissen über die Kompetenzen der DMT erhoben. Dabei werden für die Ontologieentwicklung alle<br />
betrieblichen Dokumente und IT-Systeme analysiert, die für die Wissensakquisition als relevant<br />
identifiziert wurden. Die Textanalyse dient einerseits zu Beginn der Wissensakquisition zur Einarbeitung<br />
des Wissensingenieurs in den betrachteten Problembereich, aber andererseits auch nach der<br />
Durchführung der Experteninterviews als Ergänzung. Die Untersuchung von Dokumenten kann bereits<br />
eine Menge von relevanten Konzepten liefern, in dieser Arbeit beispielsweise Bezeichnungen<br />
für Kompetenzen. Diese Bezeichnungen werden anschließend strukturiert.<br />
60) Vgl. SCHNELL/HILL/ESSER (1995) S. 300 f.<br />
61) Vgl. CORDINGLEY (1989) S. 103 f. Nach der dort vorgenommenen Unterscheidung zwischen hoch-strukturierten und semistrukturierten<br />
Befragungen ist die hier angewendete Methode als semi-strukturiert zu bezeichnen, da die Fragen sehr offen<br />
formuliert sind und ihre Menge eher als Agenda der Interviews anstatt als strikt festgelegter Fragebogen betrachtet wird.<br />
62) Bei strukturierten Interviews kann es jedoch dazu kommen, dass Lücken nicht erschlossen werden, weil nicht nach dem<br />
betreffenden Wissen gefragt wird und auch per Zufall nicht darauf gestoßen wird. Dieser Gefahr muss beim Design des Fragebogens<br />
Rechnung getragen werden.<br />
63) Vgl. SCHNELL/HILL/ESSER (1995) S. 302.
652 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.4.4 Vorgehen<br />
Die hier der Wissensakquisition zugeordneten Aktivitäten sind eng mit der Phase der Konzeptualisierung<br />
verbunden, weil die Experten bei der Befragung bereits ihr Wissen formulieren (und damit<br />
konzeptualisieren) müssen. Auch das in Dokumenten und IT-Systemen enthaltene Wissen über<br />
Kompetenzen ist zuvor durch einen menschlichen Wissensträger formuliert worden. Die Aufgabe<br />
des Wissensingenieurs ist es daher, dieses Wissen zusammenzutragen, zu überprüfen, gegebenenfalls<br />
zu ergänzen und dann im Rahmen der nächsten Phase zu einer einheitlichen Konzeptualisierung<br />
zusammenzuführen. Da nicht sichergestellt werden kann, dass das erhobene Wissen für die Erstellung<br />
der Ontologie ausreichen wird, ist die Wissensakquisition iterativ durchzuführen und eventuell<br />
später ein erneutes Durchlaufen dieser Phase erforderlich. Die folgende Unterteilung der Wissensakquisition<br />
nach einzelnen Aktivitäten entspricht, wie schon die Vorgehensbeschreibung der<br />
Anforderungsspezifizierung, den im generischen Vorgehensmodell KOWIEN spezifizierten Funktionen.<br />
Auch die Wissensakquisition wird aufbauend auf den bisherigen Ergebnissen des KOWIEN-Projekts,<br />
insbesondere der Projektberichte 2/2002 und 6/2002 64) , vorgenommen.<br />
3.2.2.4.4.1 Relevante Verzeichnisse und Wissensträger identifizieren<br />
Ein erster Schritt für die Wissensakquisition ist die Identifizierung der relevanten Verzeichnisse, in<br />
denen Informationen über die Wissensträger bei der DMT zu finden sind. Wissensträger sind hier<br />
alle betrieblichen Dokumente und IT-Systeme, die Wissen über die Kompetenzen der DMT enthalten,<br />
sowie alle Mitarbeiter des Unternehmens, die über solches Wissen verfügen.<br />
Um diese Wissensträger zu identifizieren, wurden das DMT-Intranet (DINKS 65) ) sowie die digitalen<br />
Ordnerstrukturen des IPM-Laufwerks analysiert und zusätzlich die Mitarbeiter der Abteilungen Innovations-<br />
und Projektmanagement, Personalentwicklung sowie Informationstechnologie befragt.<br />
Im Intranet und in den IPM-Ordnern sind wichtige Informationen zu Mitarbeitern, Dokumenten und<br />
Datenbanken der DMT mit Wissen über Kompetenzen abgelegt. Außerdem bietet DINKS viele<br />
Möglichkeiten, die einzelnen Bereiche der DMT und besonders ihre unterschiedlichen Aufgaben<br />
kennen zu lernen.<br />
Anhand dieser Verzeichnisse und in Zusammenarbeit mit der Abteilung Innovations- und<br />
Projektmanagement wurden verschiedene Mitarbeiter der DMT so ausgewählt, dass sie ein breites<br />
Spektrum der fachlichen und organisatorischen Einheiten abdecken. Diese Mitarbeiter wurden in<br />
einer Tabelle (Wissensträgerkarte) festgehalten und angesprochen, ob sie mit einer Befragung zum<br />
Thema Wissensmanagement und Kompetenzen bei der DMT einverstanden wären.<br />
64) Vgl. ALAN (2002a) bzw. ALPARSLAN (2002).<br />
65) DINKS steht für DMT Informations- und Kommunikationssystem. Das Intranet stellt unter anderem Zugriffsmöglichkeiten<br />
auf Datenbanken der DMT, ein Unternehmenstelefonbuch, Informationen zu den einzelnen Organisationseinheiten, Diskussionsforen<br />
sowie wichtige Formulare und Richtlinien für die Mitarbeiter bereit.
3.2.2 Szenario „Service-Engineering“ 653<br />
3.2.2.4.4.2 Verzeichnisse untersuchen, Wissensträger befragen<br />
Um Informationen über die zu befragenden Mitarbeiter zu gewinnen und die Interviews besser vorbereiten<br />
zu können, wurden die Verzeichnisse frühzeitig untersucht. 66) Die dabei identifizierten weiteren<br />
Systeme und Dokumente wurden zusammen mit den zu befragenden Mitarbeitern in der Wissensträgerkarte<br />
gespeichert. Dazu gehören beispielsweise die bereits bei der Anforderungsspezifizierung<br />
erwähnten Systeme Referenz- und Projektpartnerdatenbank, die Wissen über abgeschlossene<br />
Projekte der DMT enthalten.<br />
Für die Durchführung der Interviews wurde zunächst eine Agenda erstellt, die zur Strukturierung<br />
der Interviews dienen sollte (siehe auch Kapitel 3.2.2.4.5.2, S. 657 f.). Diese Agenda umfasst eine<br />
Beschreibung des groben Ablaufs der Befragung sowie eine detaillierte Darstellung des Vorgehens.<br />
Der letztere Teil enthält auch die den Experten zu stellenden Fragen und einzelne Beispiele, die die<br />
Intentionen der Fragen verdeutlichen sollen. Die Vorbereitung von Beispielen ist vorteilhaft, weil<br />
bei der Erstellung der Agenda offene Fragestellungen verwendet werden 67) und sich ein großer Teil<br />
der Fragen mit einem sehr abstrakten Themengebiet beschäftigt.<br />
Aus dem bereits aus Verzeichnissen, Dokumenten und IT-Systemen gewonnenen Wissen konnte<br />
man darauf schließen, dass die Mitarbeiter der Abteilungen Personalentwicklung sowie Innovations-<br />
und Projektmanagement im Vergleich zu den Mitarbeitern anderer Bereiche grundsätzliches<br />
Wissen für die Erstellung der Ontologie besitzen. Aufgrund ihrer Aufgabengebiete (Personal- bzw.<br />
Innovations- und Projektmanagement) werden diese Mitarbeiter als Ansprechpartner für die erste<br />
Verfeinerung der KOWIEN-Ontologie bezüglich der Konzepte wie Kompetenz, Kompetenzausprägung,<br />
Akteur und Prozess angesehen. Die Reihenfolge der Interviews wurde daher so gewählt, dass<br />
mit der Befragung von Vertretern der Abteilungen Personalentwicklung sowie Innovations- und<br />
Projektmanagement begonnen wurde. Diese Interviews wurden unstrukturiert durchgeführt, da die<br />
beteiligten Experten bereits mit Gegenstand und Ziel der Befragung (Erfassung des für die Kompetenzontologie<br />
relevanten Wissens, um dieses Wissen in Form von Konzepten, Attributen, Relationen<br />
und Regeln zu formulieren) vertraut waren. Außerdem wurde dem Wissensingenieur dadurch<br />
eine weitere Einarbeitung in den Sprachgebrauch bei der DMT und eine Verbesserung der Agenda<br />
für die strukturierten Interviews ermöglicht.<br />
Bei den weiteren Befragungen wurde diese Agenda eingesetzt, damit die verschiedenen für die Arbeit<br />
der DMT relevanten Kompetenzen systematisch erfasst und beschrieben werden konnten. Dabei<br />
wurde aus jedem operativen Bereich, also jeder Division und Unit, mindestens ein Mitarbeiter<br />
befragt. Auch für die meisten der administrativen Einheiten der DMT wurden Interviews mit einem<br />
oder mehreren Repräsentanten geführt. 68)<br />
66) Im generischen Vorgehensmodell KOWIEN war ursprünglich vorgesehen, dass die Identifizierung der Verzeichnisse und die<br />
Identifizierung der Wissensträger „parallel“ durchgeführt werden. Die Analyse der Dokumente und Systeme wird danach erst<br />
am Schluss der Wissensakquisition vorgenommen, um dabei die Hinweise aus den Interviews auf weitere Dokumente und<br />
Systeme berücksichtigen zu können; vgl. APKE/DITTMANN (2003b) S. 21. Aufgrund knapper Ressourcen bei der Umsetzung<br />
des Vorgehensmodells bei der DMT wurden die Verzeichnisse direkt zu Beginn der Wissensakquisition identifiziert und untersucht.<br />
Auch mit der Analyse der Dokumente und Systeme wurde schon vor den Expertenbefragungen begonnen, damit aus<br />
den Textanalysen gewonnenes Wissen für die Vorbereitung und Durchführung der Befragungen verwendet werden konnte.<br />
67) Die Fragen wurden hier offen formuliert, weil dadurch – im Gegensatz zu geschlossenen (ja-/nein-) Fragen – dem Interviewpartner<br />
eine größere Freiheit bei seiner Antwort gegeben und der Ergebnisraum damit nicht unnötig eingeschränkt wird.<br />
68) Im Einzelnen siehe hierzu die Wissensträgerkarte in Kapitel 3.2.2.4.5.1, S. 655 ff.
654 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.4.4.3 Befragungen auswerten<br />
Die Befragungen und ihre Auswertung wurden so durchgeführt, dass während jedes Interviews die<br />
Antworten der Experten durch den Wissensingenieur dokumentiert und im Nachhinein zusammengefasst<br />
wurden. Anschließend wurden diese Ergebnisse in einem konzeptuellen (Teil-) Modell beschrieben,<br />
um sie später in die Ontologie integrieren zu können. Bei den folgenden Interviews kamen<br />
die Ergebnisse bereits zum Einsatz, da sie einen Teil der Ausgangsbasis für die Befragung,<br />
wenn auch eher im Sinne eines Vorschlags, bildeten. Auf diese Weise ist es schon sehr früh in der<br />
Ontologieentwicklung möglich gewesen, das bei der Wissensakquisition erhobene Wissen zu evaluieren<br />
und gegebenenfalls zu vervollständigen.<br />
Die Ergebnisse der Befragungen wurden zusammen mit den Ergebnissen der Textanalysen in das<br />
Dokument „Wissensträger-Details“ aufgenommen. Darin ist zu jedem Interview festgehalten, wann<br />
es mit welchen DMT-Mitarbeitern durchgeführt wurde und welches Wissen über die Kompetenzen<br />
des jeweiligen Bereichs erfasst wurde. 69) Eine Zusammenfassung der Interviewergebnisse wird in<br />
Kapitel 3.2.2.4.5.3 (S. 659 f.) gegeben.<br />
3.2.2.4.4.4 Dokumente und Systeme analysieren<br />
Bereits während der Einarbeitung bei der DMT wurde deutlich, dass die Datenbank Wissensmanager,<br />
die von der Abteilung Personalentwicklung genutzte Kompetenzdatenbank, einen wesentlichen<br />
Teil des bereits explizit vorhandenen Wissens über Kompetenzen umfasst. Auch die mit dem Wissensmanager<br />
zusammenhängenden Dokumente, z.B. die Fragebögen und Informationsbroschüren,<br />
die die Mitarbeiter bei ihrer Einführung erhielten, beinhalten für die Kompetenzontologie wichtige<br />
Begriffe.<br />
Da ausschließlich die Mitarbeiter der Abteilung Personalentwicklung auf den Wissensmanager zugreifen<br />
dürfen, erklärte sich ein Vertreter der Abteilung dazu bereit, die Funktionalitäten des<br />
Systems und die der Datenbank zugrunde liegenden Strukturen vorzuführen. Das daraus gewonnene<br />
Wissen über das aktuelle Kompetenzmanagement der DMT gab wichtige Hinweise für notwendige<br />
Spezialisierungen und Erweiterungen einiger Konzepte der Kompetenzontologie, beispielsweise<br />
Kompetenz, Intensitaet und Kompetenzprofil. So wurde etwa deutlich, dass ein Kompetenzprofil im<br />
Sinne der Personalabteilung der DMT nicht nur die Kompetenzen eines Mitarbeiters mit den<br />
jeweiligen Ausprägungen umfasst, sondern auch damit zusammenhängende Informationen wie<br />
Ausbildung, Weiterbildung und berufliche Erfahrungen.<br />
Einige der Dokumente und Systeme wurden erst durch die Befragungen als relevant identifiziert,<br />
wie beispielsweise die Kostenstellenstruktur und das Materialverzeichnis aus SAP. Diese Dokumente<br />
enthalten die für die Zuordnung von Kosten erforderlichen bereichsspezifischen Kategorien,<br />
die als Aufgabenfelder der Bereiche formuliert sind. Auch einige Präsentationen und Broschüren,<br />
die von einzelnen Bereichen zur Analyse zur Verfügung gestellt wurden, umfassten relevante Kompetenzbegriffe<br />
und Wissen über die verschiedenen Aufgabenfelder des Unternehmens.<br />
Im Rahmen der Textanalyse wurden allerdings nicht nur DMT-interne Dokumente und IT-Systeme<br />
untersucht, sondern auch externe Quellen, die Wissen über Kompetenzen in Gebieten wie Bergbau,<br />
Bauwesen, Fahrzeugtechnik, Maschinenbau und Anlagentechnik enthalten. Dazu gehörte zum Bei-<br />
69) Das vollständige Dokument ist in APKE/BREMER/DITTMANN (2004) S. A-1 ff. zu finden.
3.2.2 Szenario „Service-Engineering“ 655<br />
spiel der FIZ-Technik-Thesaurus, der dem Universitätspartner zur Verfügung stand. 70) Auch die<br />
Ontologie PHYSSYS wurde auf für die Kompetenzontologie relevantes Wissen untersucht. 71)<br />
Zusätzlich zu einer ausführlichen Darstellung der Ergebnisse der Textanalysen im Projektbericht<br />
6/2002 72) werden in Kapitel 3.2.2.4.5.4 (S. 660 f.) beispielhaft einige der analysierten Dokumente<br />
und Systeme beschrieben.<br />
3.2.2.4.5 Ergebnisse<br />
Die folgenden Kapitel geben einen Überblick über die Ergebnisse der Wissensakquisition. Dazu<br />
gehört neben einer kurzen Auflistung aller Wissensträger (also der befragten Personen und der analysierten<br />
Dokumente und Systeme) in Tabellenform (siehe Kapitel 3.2.2.4.5.1) auch die Agenda für<br />
die strukturierten Interviews (Kapitel 3.2.2.4.5.2).<br />
Die Ergebnisse der Befragungen und der Textanalysen sind im Dokument „Wissensträger-Details“<br />
zusammengefasst. Darin wird für jedes Interview festgehalten, welcher Experte (oder welche Experten)<br />
befragt wurde(n), wann das Interview stattgefunden hat, ob es eher ein strukturiertes oder<br />
ein unstrukturiertes Interview war und welche Kompetenzen für den jeweiligen Bereich als relevant<br />
identifiziert wurden. Einige der Ergebnisse werden beispielhaft dargestellt; siehe Kapitel 3.2.2.4.5.3<br />
und 3.2.2.4.5.4). Die vollständigen Ergebnisse finden sich in Projektbericht 6/2004. 73)<br />
3.2.2.4.5.1 Wissensträgerkarte<br />
Die folgende Tabelle umfasst eine grobe Übersicht über die während der Wissensakquisition analysierten<br />
betrieblichen Dokumente und IT-Systeme der DMT und über den für die Kompetenzontologie<br />
relevanten Themenbereich. Außerdem werden die einzelnen Personen, die im Zuge der Experteninterviews<br />
befragt wurden, sowie ihre „Kompetenzbereiche“ im Hinblick auf die Kompetenzontologie<br />
dargestellt.<br />
Wissensträger<br />
zugehörige/<br />
verantwortliche<br />
Abteilung<br />
Typ des<br />
Wissensträgers<br />
Wissensmanager PS Personalentwicklung System<br />
(Oracle-DB)<br />
Referenzdatenbank Innovations- und<br />
Projektmanagement<br />
Projektpartner-DB Innovations- und<br />
Projektmanagement<br />
70) Vgl. Kapitel 3.2.2.4.5.4, S. 660.<br />
71) Vgl. Kapitel 3.2.2.4.5.4, S. 660 f.<br />
72) Vgl. ALPARSLAN (2002) S. 37 f.<br />
73) Vgl. APKE/BREMER/DITTMANN (2004).<br />
System<br />
(Access-DB)<br />
System<br />
(Access-DB)<br />
Kompetenzbereich<br />
Kompetenzmanagement,<br />
insbesondere Kompetenzbegriffe<br />
Projekte aus Lieferung und Leistung<br />
abgeschlossene Projekte<br />
und jeweilige Partner
656 3.2.2 Szenario „Service-Engineering“<br />
Wissensträger<br />
zugehörige/<br />
verantwortliche<br />
Abteilung<br />
Ausschreibungs-DB Marketing und<br />
Vertrieb<br />
(Vertrieb)<br />
FIZ-Technik-<br />
Thesaurus<br />
Kompetenzbegriffe Personalentwicklung,<br />
eigene Ordner<br />
Typ des<br />
Wissensträgers<br />
System<br />
(Access-DB)<br />
Kompetenzbereich<br />
ausgeschriebene Projekte<br />
(Forschung und Entwicklung sowie<br />
Lieferung und Leistung)<br />
extern System (DB) hierarchische Einordnung von Begriffen<br />
zu Technik und Management, deutsche<br />
und englische Synonyme<br />
Dokument<br />
(Excel-Datei)<br />
Leistungsbegriffe IT, eigene Ordner Dokument<br />
(Excel-Datei)<br />
Leitfaden<br />
Großprojektmanagement<br />
Fragebögen<br />
Wissensmanager<br />
Präsentation<br />
Mines&More<br />
Innovations- und<br />
Projektmanagement<br />
Dokument<br />
(PowerPoint-Datei)<br />
Personalentwicklung Dokument<br />
(Fragebögen)<br />
Mines & More Dokument<br />
(PowerPoint-Datei)<br />
Kostenstellenstruktur Controlling Dokument<br />
(aus SAP)<br />
Bibliothekssystematiken <br />
Wirtschaftszweigklassifikation<br />
extern Dokument<br />
(HTML-Datei)<br />
extern Dokument<br />
(PDF-Datei)<br />
Kompetenzbegriffe zu Projekterfahrungen,<br />
Mitgliedschaften,<br />
Tätigkeitsschwerpunkten<br />
Leistungen der DMT (2800 Begriffe)<br />
standardisierter Projektablauf mit Phasen,<br />
Aktivitäten, Verantwortlichkeiten, ...<br />
Kompetenz-Begriffe<br />
Kompetenz- und<br />
Aufgabenbeschreibung Mines&More<br />
Aufgabenfelder der Abteilungen<br />
naturwissenschaftlich-technische<br />
Kategorien und Verfeinerungen<br />
Brancheneinteilung<br />
Hr. Rehage Personalentwicklung Person Kompetenzmanagement im Allgemeinen,<br />
Wissensmanager<br />
Hr. Dannapfel Personalentwicklung Person Kompetenz-Begriffe<br />
Fr. Bremer<br />
Hr. Dr. Sowa<br />
Innovations- und<br />
Projektmanagement<br />
Personen Projektmanagement, Kompetenzen<br />
bei Forschung und Entwicklung und<br />
Projekten, Review<br />
Fr. Flöte Engine Logic Person Kompetenzen Engine Logic, Review<br />
Hr. Dr. Clostermann Safe Ground Person Kompetenzen Safe Ground<br />
Hr. Dr. Apel Gas & Fire Person Kompetenzen Gas&Fire<br />
Hr. Dr. M. Schmid Mines & More Person Kompetenzen Mines&More<br />
Hr. Dr. C. Schmid Modern Fuels Person Modern Fuels Kompetenzen
3.2.2 Szenario „Service-Engineering“ 657<br />
Wissensträger<br />
Hr. Dr. von den<br />
Driesch<br />
zugehörige/<br />
verantwortliche<br />
Abteilung<br />
Hr. Dr. Beyer Marketing<br />
und Vertrieb<br />
Typ des<br />
Wissensträgers<br />
Kompetenzbereich<br />
Smart Drilling Person Smart Drilling Kompetenzen<br />
Person Marketing und Vertrieb,<br />
Strategische Kompetenzen der DMT<br />
Fr. Koch, Hr. Bott IT Personen IT-Kompetenzen<br />
Fr. Brütt Buchhaltung Person Kompetenzen bei Finanzen,<br />
Steuern, Buchhaltung<br />
Hr. Strukelj Einkauf und Material Person Kompetenzen Einkauf<br />
Hr. Rochel Controlling Person Controlling<br />
Hr. Dr. Scharmann Recht Person juristische Kompetenzen<br />
Hr. Bolz Car Synergies Person Kompetenzen Car Synergies, Review<br />
Hr. Dr. Clostermann Safe Ground Person Kompetenzen Safe Ground, Review<br />
Tabelle 8: Wissensträgerkarte<br />
3.2.2.4.5.2 Agenda der strukturierten Interviews<br />
1. Vorstellung, Einführung in den Themenbereich<br />
Zunächst gibt der Wissensingenieur dem Experten eine Einführung zu Inhalt und Zweck des Interviews.<br />
Nach einer kurzen Vorstellung seiner Person erläutert der Wissensingenieur den Begriff<br />
„Ontologie“ und den Zusammenhang mit betrieblichem Kompetenzmanagement. Außerdem geht er<br />
auf die Zielsetzung der Kompetenzontologie und auf den KOWIEN-Prototypen, also das auf die<br />
Ontologie aufsetzende Kompetenzmanagementsystem, ein.<br />
2. Kurze Beschreibung der KOWIEN-Ontologie<br />
Um den Ausgangspunkt für das Gespräch zu verdeutlichen, werden Aufbau und Inhalt der KO-<br />
WIEN-Ontologie erläutert. Insbesondere die Konzepte, die für den im Interview zu behandelnden<br />
Kompetenzbereich relevant sind (falls in der Ontologie bereits vorhanden), und die möglichen<br />
übergeordneten „Super-Konzepte“ werden näher dargestellt. Dabei werden auch eventuelle Ergebnisse<br />
aus bisherigen Interviews aufgegriffen.
658 3.2.2 Szenario „Service-Engineering“<br />
3. Fragen an die Experten 74)<br />
a) Welche betrieblichen Dokumente (Schriftstücke, Dateien) und IT-Systeme (z.B. Datenbanken),<br />
die Wissen über die Kompetenzen der DMT enthalten (z.B. Kompetenzbegriffe, -strukturen),<br />
sind Ihnen bekannt?<br />
b) In welchem/n Themengebiet/-en (innerhalb Ihrer Division/Unit/Abteilung) kennen Sie sich so<br />
weit aus, um die zur Erfüllung einer bestimmten Aufgabe notwendigen Kompetenzen nennen zu<br />
können? Besonders die fachlichen Kompetenzen sind dabei wichtig. Dies betrift die „oberste“<br />
Ebene oder den „Konzeptbaum“ in der KOWIEN-Ontologie.<br />
c) Gehen Sie von einem Beispiel-Projekt oder -Auftrag aus (real oder hypothetisch). Welche (vor<br />
allem fachliche) Kompetenzen sind von den beteiligten Mitarbeitern gefordert? Dies betrift die<br />
erste Liste von Kompetenz-Konzepten. 75)<br />
d) Nach welchen Oberbegriffen würden Sie die unter c) genannten Kompetenzen gruppieren? Je<br />
nach dem Detaillierungsgrad der vorgenannten Kompetenzbegriffe sind eventuell mehrere Ebenen<br />
sinnvoll? Dies betrift die Hierarchie „nach oben“; ein Abgleich mit der KOWIEN-Ontologie<br />
gemeinsam mit Experten kann erforderlich werden.<br />
e) In welche Unterbegriffe würden Sie die unter c) genannten Kompetenzen verfeinern? Falls grobe<br />
„Kategorien“ genannt wurden, sind eventuell mehrere Verfeinerungen sinnvoll?<br />
f) Welche verschiedenen Ausprägungsstufen würden Sie bei den Kompetenzen jeweils vorsehen,<br />
also wie viele verschiedene Abstufungen mit welchen Bezeichnungen? Dies betrift den Abgleich<br />
mit der KOWIEN-Ontologie und mit bisherigen Interview-Ergebnissen. Unterschiede<br />
sind gemeinsam mit Experten auf einen Nenner zu bringen.<br />
g) Welche Zusammenhänge in Form von Beziehungen bestehen zwischen den verschiedenen<br />
Kompetenzen? Dies betrift die Relationen.<br />
Beispiel: „Kompetenz Lufthygiene setzt Kompetenz Thermodynamik voraus.“<br />
h) Welche Einschränkungen (Nebenbedingungen) gelten in diesem Bereich? => Integritätsregeln<br />
Beispiele: „Einem Projekt ist immer genau ein Projektleiter zugewiesen.“ „Ein Mitarbeiter kann<br />
an maximal zwei Projekten gleichzeitig mitarbeiten.“<br />
i) Welche Regeln (Schlussfolgerungen) gelten in diesem Bereich? Dies betrift die Inferenzregeln.<br />
Beispiel: „Wenn ein Mitarbeiter eine Schulung zu Brandschutz erfolgreich absolviert hat, dann<br />
besitzt er die Kompetenz Brandschutz mindestens mit der Ausprägung ‘Neuling’.“<br />
74) Die Fragen sind hier nicht als ausschließlicher Inhalt des Interviews aufzufassen (neben den Antworten des Experten), sondern<br />
eher als eine Gliederung. Es kann zum gegenseitigen Verständnis sehr förderlich sein, wenn der Wissensingenieur seine<br />
Fragen um zusätzliche Erklärungen ergänzt (wenn der Experte sie möglicherweise nicht verstanden hat) und seinerseits bei<br />
den Antworten des Experten gegebenenfalls nachhakt.<br />
75) Besonders bei den Fragen zu Konzepten, Attributen, Relationen und Regeln ist zu berücksichtigen, dass die Antworten nur<br />
potenzielle Bestandteile der Kompetenzontologie sind. Sie bilden erste Anhaltspunkte, anhand derer im Rahmen der Konzeptualisierung<br />
eine „Vor-Ontologie“ entwickelt werden kann.
3.2.2 Szenario „Service-Engineering“ 659<br />
3.2.2.4.5.3 Ergebnisse der strukturierten Interviews<br />
Neben der Ergänzung der in Kapitel 3.2.2.4.5.1 aufgeführten Wissensträgerkarte wurden bei den Interviews<br />
vor allem Begriffe zur Beschreibung von Kompetenzen gesucht und hierarchisch strukturiert.<br />
Dadurch entstanden Begriffslisten und -bäume, die eine wichtige Ausgangsbasis für die Konzeptualisierung<br />
der Kompetenzontologie für die DMT bildeten. Um dem Leser einen Eindruck von<br />
den Ergebnissen der Befragungen zu geben, wird im Folgenden eine Zusammenfassung der Antworten<br />
aus Interviews mit Repräsentanten der Abteilung IT dargestellt.<br />
a) Es sind keine Dokumente/IT-Systeme bekannt, die speziell Wissen über die Kompetenzen der<br />
IT-Abteilung beinhalten, aber über das Intranet können einige Kompetenzbegriffe identifiziert<br />
werden. Darüber hinaus existiert in der IT-Abteilung eine Excel-Liste, in der ca. 2.800 Begriffe<br />
für technische Leistungen der DMT den einzelnen zuständigen Divisions und Units zugeordnet<br />
sind.<br />
b) Kompetenzen im Bereich Informations- und Telekommunikationsmanagement sind vorhanden.<br />
Diese Kompetenzen sind allerdings nicht sehr hoch ausgeprägt, da ein Teil der spezielleren<br />
IT-Kompetenzen der DMT in den einzelnen operativen Bereichen vorhanden ist. Die<br />
meisten Aufgaben zur Hardware-Versorgung und zur Netzwerkbetreuung werden von einem<br />
externen Dienstleister übernommen.<br />
c) Wichtige IT-Kompetenzen sind Programmiersprachen- und Betriebssystemkenntnisse sowie<br />
Kompetenzen in MS-Office, SAP, MS-Project, Datenbanken und Hardware.<br />
Anhand der Fragen c) bis e) aus Kapitel 3.2.2.4.5.2 (S. 658) sowie der bereits vorhandenen Konzepte<br />
der KOWIEN-Ontologie konnte folgende Begriffsliste erstellt werden:<br />
Programmiersprachen: C, C++, Pascal, Delphi, Java, VisualBasic, HTML, ASP, PHP.<br />
Betriebssysteme: Windows, Linux.<br />
Anwendungsprogramme: SAP (Versionen: R/2, R/3, MySAP; Module: CO, MM, HR, FI, SD,<br />
AA), Graphikprogramme (AutoCAD, AutoSketch, CorelDesigner, Micrografx Designer),<br />
Büroanwendungen (MS-Office: Word, Excel, PowerPoint, Outlook; weitere Büroanwendungen:<br />
Visio, Frontpage, MS-Project).<br />
Entwicklungstools: VisualStudio, MagumoStudio.<br />
Datenbanken: Access, Oracle.<br />
Internet: Webdesign, Webprogrammierung.<br />
Netzwerktechnologie: Netzwerkkomponenten, Netzwerkdienste, Netzwerkprotokolle.<br />
Hardware und Peripherie: Computerhardware, Peripheriegeräte.<br />
d) Als Ausprägungsstufen wäre eine Einteilung in geringe, durchschnittliche und gute Kompetenzausprägung<br />
wahrscheinlich ausreichend. Eventuell kann es sinnvoll sein, zusätzlich zwischen<br />
geringer und gar keiner Kompetenzausprägung zu unterscheiden.<br />
e) Beziehungen bestehen insbesondere zwischen den programmiersprachlichen Kompetenzen.<br />
Die Sprache Pascal ist beispielsweise schwach verwandt mit der Sprache Delphi, während<br />
zwischen C und C++ sogar eine starke Verwandtschaftsbeziehung besteht.
660 3.2.2 Szenario „Service-Engineering“<br />
f) Es sind keine Einschränkungen im Bereich IT-Kompetenzen bekannt, die sich zur Spezifizierung<br />
von Integritätsregeln eignen würden.<br />
g) Inferenzregeln könnten z.B. aufbauend auf der Verwandtschaftsbeziehung zwischen IT-<br />
Kompetenzen formuliert werden. Ein Mitarbeiter, der Experte ist auf einem Gebiet, hat mindestens<br />
Grundkenntnisse in einem verwandten Gebiet und mindestens durchschnittliche<br />
Kompetenzen in einem stark verwandten Gebiet. Siehe hierzu die Verwandschaftsbeziehungen,<br />
die exemplarisch im Hinblick auf Programmiersprachen im Abschnitt e) skizziert wurden.<br />
3.2.2.4.5.4 Ergebnisse der Textanalysen<br />
• Fragebögen Wissensmanager: Im Jahr 2002 wurde in einer zweiten Erhebung eine erneute<br />
Befragung der DMT-Mitarbeiter zu ihren Kompetenzen und ihren Berufserfahrungen durchgeführt.<br />
Durch eine Analyse dieser neueren Version der Fragebögen konnten folgende für die<br />
Kompetenzontologie wichtige Konzepte und Subkonzepte identifiziert werden: Ausbildung<br />
(Schulabschluss, Fachschule, Lehre, Studium), Weiterbildung (DMT-intern, extern) und Erfahrung<br />
(Auslandserfahrung, Berufserfahrung, Projekterfahrung). Neben diesen Lebenslaufkategorien<br />
konnten den Fragebögen auch Subkonzepte und entsprechende Instanzen für das<br />
zentrale Konzept Kompetenz entnommen werden. Dazu gehören die Konzepte methodische<br />
Kompetenz (mit Instanzen wie Zeitmanagement, systematische Problemlösungs- und Organisationsfähigkeit),<br />
soziale Kompetenz (unter anderem mit Kommunikationsfähigkeit und Zuverlässigkeit)<br />
und psychische (oder Selbst-) Kompetenz (wie etwa Flexibilität und Lernbereitschaft).<br />
• FIZ-Technik-Thesaurus 76) : Dieser Thesaurus ist ein hierarchisch strukturiertes Fachwortverzeichnis<br />
für die Bereiche Technik und Management, das vom Fachinformationszentrum (FIZ)<br />
für Technik erstellt und gepflegt wird. Die hier verwendete Ausgabe (2003, 4. Auflage) enthält<br />
51.400 deutsche und 50.900 englische Fachwörter, die in 34.900 Begriffsfamilien gegliedert<br />
sind. Zu jedem gespeicherten Begriff können deutsche und englische Synonyme sowie<br />
Ober- und Unterbegriffe angezeigt werden. Um nach einem Begriff zu suchen, kann der Benutzer<br />
entweder die alphabetische Wortliste oder auch die Wortstammsuche verwenden. Für<br />
die Entwicklung der Kompetenzontologie kommt der Thesaurus als Hilfsmittel in Betracht,<br />
weil die darin enthaltenen Begriffe aus Branchen wie Maschinen- und Anlagenbau, Elektrotechnik,<br />
Elektronik, Informationstechnik, Werkstoff- und Medizintechnik für fachfremde Personen<br />
schwierig zu verstehen und zu strukturieren sind.<br />
• PHYSSYS 77) : PHYSSYS ist eine Ingenieur-Ontologie für die Modellierung, Simulation und das<br />
Design physikalischer Systeme. Sie wurde von BORST an der Universität Twente (Enschede)<br />
entwickelt und bildet die Basis für das Olmeco-System, eine Modellkomponenten-Bibliothek<br />
für physikalische Systeme. In der PHYSSYS-Ontologie werden drei verschiedene Sichten auf<br />
ein physikalisches System abgebildet:<br />
a) den Systemaufbau;<br />
b) das den physikalischen Prozessen zugrunde liegende Verhalten und<br />
76) Vgl. FIZ TECHNIK (2002).<br />
77) Vgl. BORST (1997).
3.2.2 Szenario „Service-Engineering“ 661<br />
c) deskriptive mathematische Relationen. 78)<br />
Diese drei Sichten auf das System werden durch drei (Sub-) Ontologien in PHYSSYS repräsentiert<br />
(eine Komponenten-, eine Prozess- und die EngMath-Ontologie 79) ), die ihrerseits auf<br />
kleineren abstrakten Ontologien beruhen. Dies sind die Mereological Ontology, die die formale<br />
Darstellung der Teile und ihrer Relationen repräsentiert, die Topological Ontology, die<br />
Konzepte zur Beschreibung von Komponenten, ihrem Verhalten und ihren Interaktionen umfasst,<br />
und die Systems Theory Ontology, in der systemspezifische Konzepte wie Systemgrenzen<br />
und Systemumgebungen definiert sind.<br />
Um diese Ontologien für PHYSSYS miteinander zu verknüpfen und zu vereinheitlichen, wurden<br />
ihre Interdependenzen formalisiert. Dabei wurde jeweils eine Ontologie importiert und<br />
entweder durch neue Konzepte und Relationen erweitert, durch konkretere Konzepte spezialisiert<br />
oder mit einer anderen Ontologie verbunden. 80) Die PHYSSYS-Ontologie wird in diesem<br />
Beitrag nicht weiter berücksichtigt, da der größte Teil der darin definierten Konzepte spezifisch<br />
für die adressierte Domäne der physikalischen Systeme ist. Für die hier zu entwickelnde<br />
Kompetenzontologie wird kein Wissen über mathematische oder technische Details benötigt,<br />
sondern Wissen über Bezeichnungen für Kompetenzen und über die in einem techniknahen<br />
Unternehmen geltenden Zusammenhänge zwischen den Kompetenzen. Die in die PHYSSYS-<br />
Ontologie integrierten Regeln zu Transitivität und Asymmetrie sind auch für die Kompetenzontologie<br />
relevant, wurden jedoch bereits in der KOWIEN-Ontologie spezifiziert.<br />
3.2.2.5 Konzeptualisierung<br />
3.2.2.5.1 Ziele<br />
Im Rahmen der Konzeptualisierung wird ein konzeptuelles Modell 81) erstellt, das den für das Kompetenzmanagement<br />
bei der DMT relevanten Realitätsausschnitt strukturiert. Es umfasst die natürlichsprachliche<br />
(informale) und/oder semiformale Darstellung eines Begriffssystems für die Domäne<br />
und der darin geltenden Zusammenhänge und Einschränkungen (also Inferenz- und Integritätsregeln).<br />
Das wichtigste Ziel dieser Phase ist die Erfüllung der zuvor spezifizierten Anforderungen, so<br />
dass alle erforderlichen Aspekte der Realität in der Konzeptualisierung abgedeckt sind. Daneben<br />
müssen auch die nicht-funktionalen Anforderungen wie Einfachheit, Klarheit und Erweiterbarkeit<br />
berücksichtigt werden. Dabei ist darauf zu achten, dass die konzeptuelle Modellierung eine abstrakte<br />
Beschreibung von Realitätsstrukturen intendiert, wobei implementierungsspezifische Details vernachlässigt<br />
werden. 82)<br />
78) Vgl. BORST (1997) S. 26.<br />
79) Die EngMath-Ontologie wurde zur Darstellung mathematischer Grundlagen im Ingenieur-Bereich entwickelt und umfasst<br />
Konzepte wie physical-quantity, physical-dimension und unit-of-measure; für weitere Informationen siehe GRUBER (1995).<br />
80) Vgl. BORST (1997) S. 53 f.<br />
81) Unter einem konzeptuellen Modell wird die Strukturierung eines Teils der Realität (hier: der Kompetenzen der DMT und ihrer<br />
Mitarbeiter) durch ontologische Konstrukte, also Konzepte, Attribute, Relationen und Regeln, verstanden. Das konzeptuelle<br />
Modell ist als „Vorstufe“ einer Ontologie zu sehen, da die Konstrukte „nur“ informal oder semiformal repräsentiert werden.<br />
Vgl. auch die Ausführungen in Kapitel 1.3.1.3 zur inhaltlichen Abgrenzung zwischen konzeptuellen Modellen und Ontologien<br />
(S. 204 ff.).<br />
82) Vgl. BRODIE/MYLOPOULOS/SCHMIDT (1984) S. V.
662 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.5.2 Problemstellungen und Lösungsansätze<br />
Bei der Konzeptualisierung ergaben sich auch mehrere Probleme, die sich nicht auf das allgemeine<br />
Vorgehen in dieser Phase bezogen (wie die in den nachfolgenden Kapiteln 3.2.2.5.2.1 und<br />
3.2.2.5.2.2 dargestellten Probleme), sondern auf konkrete Aspekte des Designs der DMT-Ontologie.<br />
Diese Probleme und die daraufhin getroffenen Entscheidungen werden hier nur beispielhaft aufgeführt,<br />
siehe Kapitel 3.2.2.5.2.3 (S. 665 f.). Eine ausführlichere Beschreibung dieser DMT-spezifischen<br />
Aspekte ist in Projektbericht 6/2004 83) zu finden.<br />
3.2.2.5.2.1 Werkzeugunterstützung<br />
Eine sehr wichtige Frage bei der Ontologieentwicklung ist die der computerbasierten Werkzeugunterstützung.<br />
Im Rahmen dieser Phase soll der relevante Realitätsausschnitt konzeptuell modelliert,<br />
also unter Vernachlässigung einzelfallspezifischer Aspekte strukturiert werden. Dafür wurden verschiedene<br />
computerbasierte Werkzeuge untersucht, die für die Unterstützung der Konzeptualisierung<br />
eingesetzt werden könnten:<br />
Rational Rose 84) : Die graphische Modellierungssprache „Unified Modeling Language“ (UML)<br />
umfasst nicht nur die bereits in Kapitel 3.2.2.3.3.1 (S. 634 f.) erwähnten Use Cases, sondern<br />
auch Diagramme zur Beschreibung von statischen Strukturen. Für diesen Zweck sieht UML die<br />
Anwendung von Klassen- und Objektdiagrammen vor, in denen statische Strukturen mittels<br />
Klassen, deren Attributen und Relationen zwischen den Klassen sowie mittels Objekten (als Instanzen<br />
der Klassen) repräsentiert werden. 85) Die Motivation einer Nutzung von UML für die<br />
Konzeptualisierung 86) besteht darin, dass UML eine standardisierte graphische Repräsentation<br />
von Strukturen ermöglicht. Damit werden das Verstehen bestehender Konzepte, Attribute und<br />
Relationen sowie das Erarbeiten neuer ontologischer Konstrukte erleichtert, insbesondere für<br />
Personen ohne Vorkenntnisse im Bereich Ontologien. Darüber hinaus hat UML den Vorteil,<br />
dass es ein allgemein anerkannter und vielfach verwendeter Standard ist und zahlreiche computerbasierte<br />
Werkzeuge die Modellierung mit UML unterstützen. Ein Beispiel dafür ist Rational<br />
Rose, eine Modellierungs- und Entwicklungsumgebung der IBM Rational. Mithilfe dieses<br />
Werkzeugs und den damit zu erstellenden Klassen- und Objektdiagrammen könnte die Konzeptualisierung,<br />
vor allem die Zusammenarbeit mit den „Experten“ bei der DMT, erleichtert werden.<br />
83) Vgl. APKE/BREMER/DITTMANN (2004) S. 46 ff.<br />
84) Aktuelle Informationen zu Rational Rose und seinen Anwendungsmöglichkeiten sind im Internet unter der URL „http://www.<br />
ibm.com/software/rational/“ zu finden (Zugriff am 15.09.2004).<br />
85) Vgl. die UML-Spezifikation in OBJECT MANAGEMENT GROUP (2003) S. 3.34 ff.<br />
86) Auch Ansätze aus der Literatur propagieren den Einsatz von UML-Diagrammen für die Modellierung bei der Entwicklung<br />
von Ontologien; vgl. CRANEFIELD/PURVIS (1999) S. 2 ff.
3.2.2 Szenario „Service-Engineering“ 663<br />
Generic Modeling Environment (GME) 87) : Eine weitere Möglichkeit zur computerbasierten<br />
konzeptuellen Modellierung ist das an der Vanderbilt University entwickelte Generic Modeling<br />
Environment (GME). Dieses Tool stellt eine graphische Modellierungsumgebung dar und kann<br />
für verschiedenste Modellierungsziele konfiguriert werden. 88) Dies wird erreicht, indem die<br />
Anwender ein Metamodell erstellen, das die zu verwendenden Konstrukte und deren Repräsentation<br />
spezifiziert. Die Anwender können damit die durch das Tool zu unterstützende Modellierungssprache<br />
selbst bestimmen. Für die Konzeptualisierung der Kompetenzontologie könnte<br />
mithilfe von GME ein Metamodell erstellt werden, das die bei der konzeptuellen Modellierung<br />
zu verwendenden Konstrukte spezifiziert. Damit könnten speziell auf die Ontologieentwicklung<br />
ausgerichtete Modelle konstruiert werden.<br />
OntoEdit: Das bereits erwähnte Werkzeug OntoEdit ist eine Ontologie-Entwicklungsumgebung,<br />
die das Erstellen, Bearbeiten, Formalisieren und Visualisieren von Ontologien unterstützt.<br />
OntoEdit ist der Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH. 89) Es<br />
ermöglicht die Spezifikation von Konzepten, die sofort in einer Hierarchie geordnet sind, sowie<br />
ihrer Instanzen, Attribute, Relationen und Regeln. 90) Zunächst werden diese Konstrukte im<br />
Tool-spezifischen OXML-Format formalisiert und gespeichert; OntoEdit unterstützt jedoch<br />
auch die Ausgabesprachen XML, F-Logic, RDF(S) und DAML+OIL. Die im KOWIEN-Projekt<br />
verwendete Version von OntoEdit stellt neben der hierarchisch sortierten Auflistung der Konzepte<br />
auch eine graphische Ansicht bereit: Mithilfe der Plug-ins Visualizer kann der Anwender<br />
durch die Konzepte der Ontologie „navigieren“ und die Konzepte auch bearbeiten. Im Visualizer<br />
werden die Konzepte in Form von Knoten, die Relationen zwischen den Konzepten durch<br />
Kanten dargestellt, wobei kein Unterschied zwischen taxonomischen und nicht-taxonomischen<br />
Relationen deutlich wird. Auch Attribute und Regeln können mit diesem Werkzeug nicht visualisiert<br />
werden. Abbildung 101 auf der nächsten Seite zeigt ein Beispiel für einen im Visualizer<br />
dargestellten „Ontologie-Graph“ (mit dem Konzept Organisationseinheit im Mittelpunkt).<br />
87) Eine Übersicht über die Ziele und die Funktionen von GME sowie Links zu weiteren Dokumentationen werden im Internet<br />
unter der URL „http://www.isis.vanderbilt.edu/Projects/gme/default.html“ gegeben (Zugriff am 16.09.2004).<br />
88) Vgl. LEDECZI ET AL. (2001) S. 1.<br />
89) Aktuelle Informationen sind im Internet unter der URL „http://www.ontoprise.de/“ zu finden (Zugriff am 20.09.2004).<br />
90) Für eine ausführlichere Darstellung der Ontologiekonstruktion mit OntoEdit siehe ALAN (2003a) S. 6 ff.
664 3.2.2 Szenario „Service-Engineering“<br />
Abbildung 101: Darstellung eines Ausschnitts aus der DMT-Ontologie<br />
durch das OntoEdit Plug-in Visualizer – Screenshot<br />
Nach einer Analyse der Alternativen wurde die Entscheidung getroffen, OntoEdit für die Konzeptualisierung<br />
einzusetzen. Die beiden Werkzeuge OntoEdit und OntoBroker stehen im KOWIEN-<br />
Projekt zur Verfügung und wurden bereits für die Erstellung der KOWIEN-Ontologie benutzt (siehe<br />
Kapitel 3.2.2.1.2, S. 626 ff.); sie sollen auch bei der Implementierung der DMT-Kompetenzontologie<br />
eingesetzt werden. Es ist jedoch zu beachten, dass OntoEdit eine Entwicklungsumgebung<br />
zur Erstellung von Ontologien und kein auf konzeptuelle Modellierung ausgerichtetes Werkzeug<br />
darstellt. Durch die Benutzung von OntoEdit in dieser Phase könnte schon früh eine Festlegung auf<br />
bestimmte Design-Entscheidungen erforderlich werden. Die Anwendung eines speziell auf die konzeptuelle<br />
Modellierung ausgerichteten Computerwerkzeugs kann daher Vorteile für die Strukturierung<br />
des relevanten Wissens bei der DMT bringen, insbesondere im Hinblick auf die Zusammenarbeit<br />
mit den Mitarbeitern des Unternehmens. Streng genommen widerspricht die Verwendung von<br />
OntoEdit der Forderung nach Implementierungsunabhängigkeit der Konzeptualisierung. Jedoch<br />
verursacht die Anschaffung und Nutzung eines weiteren Computerwerkzeugs, z.B. Rose oder GME,<br />
einen großen Zusatzaufwand. Dieser Aufwand bezieht sich nicht nur auf zusätzliche Anschaffungskosten<br />
und die erforderliche Zeit für Installation und Einarbeitung, sondern auch auf die Anbindung<br />
an OntoEdit. Es konnte nicht sichergestellt werden, dass die im Modellierungstool geschaffenen<br />
Modelle anschließend in ein für OntoEdit und OntoBroker lesbares Format exportiert werden können.<br />
Daher wurde bereits bei der Konzeptualisierung OntoEdit eingesetzt. Die Hauptgrundlage für<br />
die Gespräche mit den Experten und die Entwicklung eines konzeptuellen Modells bildeten allerdings<br />
manuelle Zeichnungen, Begriffslisten und textuelle Beschreibungen, deren Inhalte dann durch<br />
den Ontologieentwickler in OntoEdit zu erfassen waren.
3.2.2 Szenario „Service-Engineering“ 665<br />
3.2.2.5.2.2 Identifizierung und Formulierung von Regeln<br />
Zusammenhänge und Einschränkungen, die in einem bestimmten Realitätsausschnitt gelten, können<br />
in einer Ontologie als Integritäts- und Inferenzregeln formuliert werden. Sie besitzen eine große<br />
Bedeutung für die Generierung neuen Wissens und für die Wahrung der Konsistenz einer Ontologie.<br />
Für die Erfassung solcher Zusammenhänge und Einschränkungen sind allerdings Hintergrundwissen<br />
über die Domäne sowie eine intensive Zusammenarbeit mit den Experten erforderlich. Bereits<br />
bei den Befragungen der Wissensakquisition hat es sich als sehr schwierig herausgestellt, den<br />
befragten Mitarbeitern die Bedeutung und den Sinn dieser Regeln verständlich zu machen. Wissen<br />
über Zusammenhänge und Einschränkungen ist oft als Hintergrundwissen der länger in einem Bereich<br />
tätigen, „erfahreneren“ Mitarbeiter vorhanden. Den Mitarbeitern fällt die Formulierung dieses<br />
Wissens meist schwer, weil sie es unbewusst anwenden.<br />
Die Erfassung solcher Regeln kann erleichtert werden, indem im Gespräch mit den Experten jeweils<br />
Beispiele für Integritäts- und Inferenzregeln vorgestellt werden. Mithilfe dieser Beispiele können<br />
die Experten besser verstehen, worauf der Ontologieentwickler hinaus will, und bekommen Anregungen,<br />
wie sie selbst die Regeln formulieren können.<br />
3.2.2.5.2.3 Konzepte versus Instanzen<br />
Insbesondere im Bereich Kompetenzmanagement stellt es oftmals eine schwierige Aufgabe dar,<br />
einen Begriff entweder als ein Konzept oder als eine Instanz zu definieren. Bei Kompetenzen ist es<br />
meist nur eine Frage des Detaillierungsgrads, wo die letzte, „unterste“ Ebene der Begriffshierarchie<br />
liegt. Es ist schwierig, zwischen Kategorien (Konzepten) und realen Objekten (Instanzen) zu unterscheiden,<br />
weil auch die Begriffe der untersten Ebene Kategorien darstellen oder als solche interpretiert<br />
werden können. Generell gilt für die DMT, dass die Kompetenzen des Unternehmens und der<br />
Mitarbeiter auf verschiedenen Gebieten unterschiedlich stark ausgeprägt sind. Damit ist auch das<br />
Begriffssystem zur Abbildung dieser Kompetenzen (also der Begriffsbaum unter dem Konzept<br />
„Kompetenz“) uneinheitlich tief strukturiert. An einigen Stellen befinden sich die Instanzen schon<br />
auf der dritten Ebene, bei den naturwissenschaftlich-technischen Kompetenzen zum Teil erst auf<br />
der siebten Ebene.<br />
Außerdem wird von den Wissensträgern und den zukünftigen Benutzern der Kompetenzontologie<br />
häufig gewünscht, dass sowohl die allgemeinere Kategorie (z.B. „Microsoft Office“) als auch die<br />
spezifischeren Begriffe („Excel“ oder sogar „Excel 2000“) als Kompetenzen angegeben werden<br />
können. Um dies zu ermöglichen, könnte einer der folgenden Lösungsansätze verfolgt werden:<br />
• Für das Konzept „Office-Kompetenz“ könnte „Office allgemein“ als Instanz neben der Instanzen<br />
„Excel“, „Word“, „PowerPoint“, „Access“ und „Outlook“ definiert werden.<br />
• Unter dem Konzept „Office-Kompetenz“ könnte man die Subkonzepte „Generalistenkompetenz<br />
Office“ und „Spezialistenkompetenz Office“ mit den entsprechenden Instanzen „Office<br />
allgemein“ bzw. „Excel“, „Word“, „PowerPoint“, „Access“ und „Outlook“ definieren.<br />
• Auf der ersten Ebene der KOWIEN-Ontologie wird zwischen objektsprachlicher und metasprachlicher<br />
Entität unterschieden. Metasprachliche Entitäten sind die Konzepte „Konzept“,<br />
„Relation“, „Regel“ und „Definition“. 91) Darüber hinaus wird eine Regel definiert, nach der<br />
91) Dieser dritte Lösungsansatz wurde nicht vollständig, aber zu großen Teilen in der generischen KOWIEN-Ontologie verwirklicht;<br />
vgl. Kapitel 2.4.3.2 (S. 516 ff.), insbesondere Abbildung 65 auf S. 523.
666 3.2.2 Szenario „Service-Engineering“<br />
alle Konzepte der Ontologie Instanzen von „Konzept“ sind. Dadurch ist bereits ein Mechanismus<br />
geschaffen worden, durch den (bei entsprechender Unterstützung durch das Kompetenzmanagementsystem)<br />
die Benutzer der Kompetenzontologie auch Kompetenz-Konzepte als<br />
Bestandteile ihrer Kompetenzaussagen (als „Instanzen“) heranziehen können.<br />
Der erste Ansatz stellt keine „saubere“ Konzeptualisierung dar, weil beispielsweise die Instanzen<br />
„Office allgemein“ und „Excel“ in ihrer Bedeutung unterschiedliche Generizität besitzen und daher<br />
nicht als Instanzen desselben Konzepts definiert sein sollten. Nach dem zweiten Lösungsansatz sind<br />
sie zwar ebenfalls Instanzen derselben Ebene des Begriffssystems, aber nicht demselben Konzept<br />
zugeordnet. Der letztgenannte Ansatz erweist sich im Hinblick auf die Formulierung von Kompetenzaussagen<br />
als einziger „systematisch korrekter“ Ansatz, kann jedoch zu einer unübersichtlichen<br />
Struktur der Konzeptualisierung führen und wird von einigen Ontologiesprachen (z.B. OWL, siehe<br />
Kapitel 3.2.2.6.3.3, S. 688 f.) auch nicht unterstützt. Daher wurde für die DMT-Ontologie der zweite<br />
Lösungsansatz gewählt. Er stellt einen Kompromiss zwischen systematischer Konzeptualisierung<br />
einerseits und Benutzerfreundlichkeit des Begriffssystems andererseits dar.<br />
3.2.2.5.3 Methoden<br />
Im Rahmen der Wissensakquisition wurden die für die Ontologieentwicklung relevanten Wissensträger<br />
identifiziert und erste Kompetenzbegriffe gesammelt. Das dadurch erhobene Wissen wurde<br />
bei der Konzeptualisierung in Zusammenarbeit mit einigen der (menschlichen) Wissensträger erweitert<br />
und zu einem konzeptuellen Modell integriert. Um in diesen Gesprächen möglichst offen für<br />
die Vorschläge der Experten zu sein und gleichzeitig die bei der Konzeptualisierung intendierten<br />
Ergebnisse erzielen zu können, wurden die Resultate aus den Befragungen der Wissensakquisition<br />
als Ausgangsbasis benutzt und mithilfe der Brainstorming-Methode (siehe Kapitel 3.2.2.5.3.1) erweitert.<br />
Dadurch entstanden Bäume von Kompetenzbegriffen (siehe Kapitel 3.2.2.5.3.2), mit deren<br />
Hilfe schließlich ein umfassendes konzeptuelles Modell erstellt wurde.<br />
3.2.2.5.3.1 Brainstorming<br />
Brainstorming 92) ist eine „klassische“ Kreativitätstechnik, die der Ideenfindung zur Lösung bestimmter<br />
Probleme dient. Sie wurde 1941 von ALEX OSBORN entwickelt, um die teilweise wenig<br />
ergebnisreichen „konventionellen“ Konferenzen zu verbessern. Beim Brainstorming setzen sich<br />
mehrere Teilnehmer mit meist unterschiedlichem fachlichen Hintergrund zusammen und sammeln<br />
Ideen zu einer konkreten Fragestellung. Ein Moderator hält dabei die von den Teilnehmern geäußerten<br />
Gedanken schriftlich fest. Während des Brainstormings sollten nach OSBORN vier grundsätzliche<br />
Regeln berücksichtigt werden: 93)<br />
1. (Negative) Kritik der Ideen findet erst im Nachhinein statt.<br />
2. Ungewöhnliche Ideen sind willkommen.<br />
3. Es sollen möglichst viele Ideen geäußert werden.<br />
92) Details zur Methode Brainstorming im Allgemeinen und zu verschiedenen Ausprägungen des Brainstormings sind in CLARK<br />
(1972) S. 37 ff. sowie. in ALAN (2002a) S. 51 ff. zu finden.<br />
93) Vgl. CLARK (1972) S. 54.
3.2.2 Szenario „Service-Engineering“ 667<br />
4. Es ist erwünscht, die Ideen der anderen Teilnehmer aufzugreifen und zu erweitern oder miteinander<br />
zu kombinieren.<br />
Diese Regeln sollen einen möglichst hohen Anreiz für die Teilnehmer schaffen, zahlreiche Vorschläge<br />
bezüglich der Fragestellung vorzubringen, unabhängig von der Umsetzbarkeit dieser Vorschläge.<br />
Im Rahmen der Konzeptualisierung wurde Brainstorming eingesetzt, um gemeinsam mit den Repräsentanten<br />
der verschiedenen Organisationseinheiten das Wissen über die Kompetenzen der DMT<br />
zu erfassen. Eine der bei diesen Gesprächen diskutierten Fragestellungen lautete zum Beispiel: Wie<br />
lassen sich die Kompetenzen Ihrer Organisationseinheit und Ihrer Mitarbeiter am besten in einem<br />
hierarchischen Begriffssystem darstellen? 94)<br />
3.2.2.5.3.2 Begriffsbäume<br />
Das bisher erhobene Wissen über Kompetenzkonzepte und ihre hierarchischen Beziehungen sollte<br />
in einer Form repräsentiert werden, die keine zeitaufwendige Einarbeitung der bei der Konzeptualisierung<br />
beteiligten Abteilungsvertreter erfordert. Aus diesem Grund wurden textuelle und teilweise<br />
auch graphische, baumartige Darstellungen dieser Konzeptstrukturen – im Folgenden als Begriffsbäume<br />
95) bezeichnet – verwendet, um das erhobene Wissen in eine einheitliche Struktur zu bringen<br />
und gemeinsam mit den Abteilungsvertretern zu erweitern. Diese Vorgehensweise hat den Vorteil,<br />
dass die dabei entstehenden Modelle leicht verständlich sind und für ihre Erstellung keine zusätzliche<br />
Software-Unterstützung außerhalb des Office-Umfeldes (inkl. MS-Visio) nötig ist. Die Entwicklung<br />
einer Ontologie in der Praxis (wie hier in einem Unternehmen) wird dadurch deutlich erleichtert.<br />
Die folgende Abbildung 102 zeigt als Beispiel den textuell dargestellten Begriffsbaum der IT-Kompetenzen,<br />
der die in Kapitel 3.2.2.4.5.3 vorgestellte Begriffsliste (vgl. S. 659) erweitert und mit den<br />
entsprechenden Konzepten der KOWIEN-Ontologie abgeglichen ist. Dabei wird deutlich, dass nur<br />
einigen Konzepten Instanzen (im Begriffsbaum jeweils kursiv hervorgehoben) zugeordnet sind. 96)<br />
Dieser Begriffsbaum wurde im Zuge der Konzeptualisierung durch weitere Gespräche mit Abteilungsvertretern<br />
überprüft und um zusätzliche Instanzen und Konzepte erweitert.<br />
94) Nach CLARK (1972) S. 56 sind auf Aktionen ausgerichtete Fragen für Brainstorming vorteilhaft.<br />
95) Die Konzepte werden dabei durch Begriffe aus dem jeweils relevanten Kompetenzbereich repräsentiert, ihre hierarchischen<br />
Beziehungen durch die Baumstruktur.<br />
96) Es ist außerdem anzumerken, dass ab der zweiten Ebene des Begriffsbaums der Zusatz „Kompetenz“ aus Gründen der Übersichtlichkeit<br />
weggelassen wurde. Dennoch ist z.B. mit der Bezeichnung „Windows“ die Kompetenz und nicht das Produkt<br />
gemeint.
668 3.2.2 Szenario „Service-Engineering“<br />
IT-Kompetenzen<br />
Anwendungsprogramme Kompetenz<br />
– SAP<br />
• Version: R/2, R/3, MySAP<br />
• Modul: CO, MM, HR, FI, SD, AA<br />
– Fachspezifische Anwendungsprogramme<br />
• Automatisierungssoftware<br />
• Bau-Software<br />
• Geowissenschaften-Software<br />
• Seismik-Software<br />
– Grafikprogramme: AutoCAD, AutoSketch, CorelDesigner, MicrografxDesigner<br />
– Büroanwendungen<br />
• Office: Word, Excel, PowerPoint, Outlook<br />
• andere Büroanwendungen: Visio, Frontpage, MS-Project<br />
Betriebssysteme Kompetenz: Windows, Linux<br />
Computersprachen Kompetenz<br />
– Auszeichnungssprachen: HTML, XML<br />
– Modellierungssprachen: UML, EPK, Petrinetze<br />
– Programmiersprachen: C/C++, Pascal/Delphi, Java, VisualBasic, Assembler<br />
Datenbanken Kompetenz: Access, Oracle<br />
Entwicklungstools Kompetenz: VisualStudio, MagumoStudio<br />
Hardware und Peripherie Kompetenz: Peripheriegeräte, Computerhardware<br />
Internet Kompetenz<br />
– Webdesign<br />
– Webprogrammierung: HTML, ASP, PHP, JavaScript<br />
Netzwerktechnologie Kompetenz: Netzwerkkomponenten, Netzwerkdienste,<br />
Netzwerkprotokolle, Netzwerktopologien, Netzwerkarchitekturen<br />
3.2.2.5.4 Vorgehen<br />
Abbildung 102: Begriffsbaum für IT-Kompetenzen<br />
Nach dem generischen Vorgehensmodell KOWIEN verzweigt sich der Prozessablauf in der Phase<br />
Konzeptualisierung in Abhängigkeit von der Strukturiertheit des Wissens über Kompetenzen. Die<br />
folgenden Kapitel sind, wie auch die Vorgehensbeschreibungen der vorangegangenen Phasen, nach<br />
den einzelnen Funktionen des Vorgehensmodells gegliedert. Diese Funktionen werden zur Übersicht<br />
für das weitere Vorgehen in der nachfolgenden Abbildung 103 dargestellt. Dabei ist zu beachten,<br />
dass nur der hier relevante Pfad der Prozesskette gezeigt wird. Es wird von Kompetenzwissen,<br />
das strukturiert vorliegt, ausgegangen.
3.2.2 Szenario „Service-Engineering“ 669<br />
(Wissensakquisition)<br />
Begriffssammlung<br />
Top-Level-Terminologie<br />
Konzeptualisierung<br />
Inferenz- und<br />
Integritätsregeln<br />
aufstellen<br />
(iterativ)<br />
Relevante<br />
Informationen<br />
fehlen<br />
Wissen über<br />
Kompetenzen<br />
analysieren<br />
Kompetenzwissen<br />
strukturiert<br />
Basisbegriffe<br />
strukturieren<br />
Top-Level-<br />
Terminologie<br />
ist erstellt<br />
Konzeptualisierung<br />
ist<br />
erstellt<br />
Reviews<br />
Übereinstimmung<br />
zw.<br />
Beteiligten<br />
Terminologie<br />
verfeinern und<br />
ergänzen<br />
(iterativ)<br />
Verbesserungen<br />
erforderlich<br />
Abbildung 103: Vorgehen bei der Konzeptualisierung<br />
3.2.2.5.4.1 Wissen über Kompetenzen analysieren<br />
Domänenexperten<br />
Abteilungsvertreter<br />
Vertreter<br />
der<br />
Benutzer<br />
Zu Beginn wurde das bei der DMT und im KOWIEN-Projekt vorhandene Wissen über Kompetenzen<br />
analysiert. In der Personalabteilung der DMT ist bereits das Wissensmanagementsystem Wissensmanager<br />
mit Mitarbeiterprofilen im Einsatz. Aufgrund der Angaben der Mitarbeiter existierten<br />
zu diesen Profilen bereits Listen von Kompetenzbegriffen, so dass das Wissen über Kompetenzen<br />
zum Teil in strukturierter Form vorlag. 97) Außerdem war mit der KOWIEN-Ontologie schon eine<br />
Commonsense-Ontologie entwickelt worden, die als Ausgangspunkt für eine Verfeinerung dienen<br />
konnte. Somit lag die Anwendung eines „Top-Down-Ansatzes“ nahe. Beim Top-Down-Ansatz wer-<br />
97) Neben der Existenz konkreter Kompetenzbegriffe und der Erfassung von Mitarbeiterprofilen ist auch die gezielte Weiterentwicklung<br />
der Mitarbeiterkompetenzen durch Weiterbildungsmaßnahmen ein Aspekt für die Strukturierung des Wissens über<br />
Kompetenzen. Bei der DMT wird dies einerseits durch interne und externe Schulungsangebote, andererseits auch durch das<br />
Online-Schulungsprogramm „FutureZone“, das über das DMT-Intranet zugänglich ist, realisiert.
670 3.2.2 Szenario „Service-Engineering“<br />
den zunächst die grundlegenden Konzepte des Realitätsausschnitts identifiziert, um diese dann als<br />
Grundstruktur zu benutzen und durch speziellere Konzepte zu verfeinern. 98)<br />
Da die KOWIEN-Ontologie und auch die bisherige Struktur der Mitarbeiterprofile im Wissensmanager<br />
für eine solche Grundstruktur herangezogen werden konnten, wurde bei den weiteren Aktivitäten<br />
der Konzeptualisierung der Pfad des Top-Down-Ansatzes verfolgt.<br />
3.2.2.5.4.2 Basisbegriffe strukturieren<br />
Aufgrund der Wahl des Top-Down-Ansatzes müssen für die Erstellung eines konzeptuellen Modells<br />
zunächst sehr abstrakte Konzepte identifiziert werden, die dann später die oberste Ebene der<br />
Ontologie bilden. Die KOWIEN-Ontologie stellt bereits eine Konzeptstruktur mit generischen und<br />
gleichzeitig auf Kompetenzmanagement ausgerichteten Konzepten bereit und wird hier als Basis für<br />
die weitere Konzeptualisierung verwendet. Aus diesem Grund ist es nicht erforderlich, die grundlegenden<br />
Konzepte zu identifizieren und zu strukturieren; stattdessen muss die Konzeptstruktur der<br />
KOWIEN-Ontologie untersucht und gegebenenfalls angepasst werden.<br />
Die obersten vier Ebenen der KOWIEN-Ontologie, die in Kapitel 3.2.2.1.2 (S. 626 ff.) bereits vorgestellt<br />
wurden, wurden für die Kompetenzontologie der DMT vollständig übernommen. Besonders<br />
relevant für die Kompetenzontologie war das Konzept Denkobjekt, weil ihm alle weiteren Konzepte<br />
zur Beschreibung von Kompetenzen als Subkonzepte zuzuordnen waren. Auch die Unterteilung in<br />
abstrakte und konkrete_Denkobjekte wurde übernommen, um zwischen konkreten Konzepten „des<br />
täglichen Lebens“ (im Unternehmen) und ihren abstrakten Beschreibungen zu unterscheiden. Innerhalb<br />
dieser Kategorien 99) wurden die ersten Modifikationen vorgenommen. So wurde etwa die Verfeinerung<br />
des Konzepts Unternehmen in verschiedene Branchen gelöscht und stattdessen ein neues<br />
Konzept Branche, mit den einzelnen Branchen 100) als Subkonzepten, unter objektives_Attribut (das<br />
ein Subkonzept von abstraktes_Denkobjekt ist) eingefügt. Weitere Modifikationen der Konzeptstruktur<br />
der KOWIEN-Ontologie werden in den folgenden Kapiteln beispielhaft dargestellt. Eine<br />
ausführlichere Beschreibung ist im Dokument „Design-Entscheidungen“ zu finden, das dem Projektbericht<br />
6/2004 zu entnehmen ist. 101)<br />
98) Eine Alternative wäre der „Middle-Out-Ansatz“, bei dem zunächst die relevantesten (z.B. die bei der Wissensakquisition am<br />
häufigsten genannten) Konzepte identifiziert werden. Diese Konzepte werden verfeinert, so dass sich einzelne „Inseln“ von<br />
hierarchischen Begriffssystemen bilden, die dann später in einem konzeptuellen Gesamtmodell zu integrieren sind. Vgl. Kapitel<br />
2.3.2.2.1.3 (S. 379 f.) und APKE/DITTMANN (2003b) S. 12 f.<br />
99) Mit „Kategorien“ werden hier diejenigen Konzepte bezeichnet, die noch weitere Subkonzepte besitzen.<br />
100) Die Branchenbezeichnungen und ihre hierarchische Struktur wurden an die Wirtschaftszweigklassifikation des Statistischen<br />
Bundesamtes angelehnt; vgl. STATISTISCHES BUNDESAMT (2003).<br />
101) Vgl. APKE/BREMER/DITTMANN (2004) S. B-1 ff.
3.2.2 Szenario „Service-Engineering“ 671<br />
3.2.2.5.4.3 Terminologie verfeinern und ergänzen<br />
Verfeinerung der KOWIEN-Ontologie<br />
Ausgehend von den oberen Begriffsebenen der KOWIEN-Ontologie wurden anhand des bei der<br />
Wissensakquisition erhobenen Wissens weitere grundlegende Konzepte identifiziert und in das<br />
Begriffssystem eingeordnet. Wenn möglich, wurden diese neuen Konzepte und die dadurch hinzukommenden<br />
Begriffsbäume zusammen mit verschiedenen Mitarbeitern der DMT, insbesondere der<br />
Abteilungen Innovations- und Projektmanagement sowie Personalentwicklung, erarbeitet und überprüft.<br />
Unter dem Konzept konkretes_Denkobjekt wurden auf diese Weise zum Beispiel Organisationskonzept<br />
und Projekt als neue Subkonzepte definiert, die die Begrifflichkeiten der Organisationsstrukturen<br />
und der Projektbearbeitung bei der DMT umfassen. Beim Konzept Individualakteur (das als<br />
Subkonzept von Akteur ein weiteres Konzept unter konkretes_Denkobjekt ist) wurde zusätzlich zwischen<br />
den Subkonzepten Mitarbeiter (der DMT) und externer_Akteur unterschieden, um die Sichtweise<br />
eines Unternehmens wie der DMT zu berücksichtigen.<br />
Allgemeine Konstrukte zur Beschreibung von Kompetenzen<br />
Für die weiteren im Kompetenzmanagement zentralen Konzepte wie Kompetenz, Kompetenzauspraegung<br />
und Kompetenzprofil waren besonders die Analyseergebnisse der Fragebögen zum Wissensmanager<br />
sowie mehrere Gespräche mit Vertretern der Personalabteilung von Bedeutung. Bei<br />
den Kompetenzausprägungen beispielsweise wurden die bereits im Wissensmanager vorhandenen<br />
Abstufungsraster 102) in das Begriffssystem aufgenommen. An dieser Stelle ergab sich erneut das<br />
Problem der Abgrenzung zwischen Konzepten und Instanzen (siehe auch Kapitel 3.2.2.5.2.3, S. 665<br />
f.). In der KOWIEN-Ontologie war ursprünglich vorgesehen, die verschiedenen Kompetenzausprägungen<br />
(z.B. Anfänger, Fortgeschrittener, Experte) als Subkonzepte des Konzepts Kompetenzauspraegung<br />
zu definieren. Diese Konzepte besaßen jeweils nur eine Instanz, die mit dem numerischen<br />
Wert der Ausprägung bezeichnet wurde. Für die Kompetenzontologie der DMT wurde entschieden,<br />
auf Konzeptebene zwischen verschiedenen Skalen zu unterscheiden (z.B. Kompetenzauspraegung_Sprache<br />
versus Kompetenzauspraegung_allgemein) und die Kompetenzausprägungen als<br />
Instanzen (und nicht als Subkonzepte) der jeweiligen Skala zu erfassen. Auf diese Weise wurden<br />
zwar die Begriffe für die Kompetenzausprägungen nicht in die Konzeptmenge aufgenommen. Dafür<br />
konnten aber mehrere Skalen berücksichtigt werden, ohne dass die Gefahr bestand, dieselben Instanzen<br />
mit unterschiedlichen Bedeutungen zu verwenden. Nach der Systematik der KOWIEN-<br />
Ontologie müsste es beispielsweise für die sprachlichen Kompetenzen der DMT die Ausprägungskonzepte<br />
Grundkenntnisse, weitergehende_Kenntnisse, verhandlungssicher und Muttersprache mit<br />
den entsprechenden Instanzen 1, 2, 3 und 4 geben und für die IT-Kompetenzen entsprechend die<br />
Konzepte geringe_Kenntnisse, durchschnittliche_Kenntnisse und gute_Kenntnisse mit den Instanzen<br />
1, 2 und 3. Die Instanzen 1, 2 und 3 wären damit Instanzen mehrerer Konzepte, aber jeweils mit un-<br />
102) Die Abstufung von Kompetenzausprägungen ist im Wissensmanager zurzeit nicht einheitlich: So basieren die Kompetenzausprägungen<br />
bei Sprachen auf einer Skala von 1 bis 4 (mit 4=Muttersprache) und bei IT-Kompetenzen auf einer Skala mit<br />
den Werten 1 (gering), 2 (durchschnittlich) und 3 (gut). Bei methodischen und sozialen Kompetenzen sind dagegen Ausprägungen<br />
von 0 (keine Angabe) bis 4 (sehr gut) vorgesehen. Für die Kompetenzontologie wurden diese Skalenvariablen auf<br />
zwei verschiedene Skalen reduziert: eine 4-stufige Skala für Ausprägungen der sprachlichen Kompetenzen (die der Skala aus<br />
dem Wissensmanager entsprach) und eine 5-stufige Skala für allgemeine Kompetenzausprägungen („keine Angaben, -1“ bis<br />
„Experte, 3“).
672 3.2.2 Szenario „Service-Engineering“<br />
terschiedlicher Bedeutung. Aus diesem Grund sprechen die Anforderungen der Klarheit und der<br />
Einfachheit, aber auch der Minimalität dafür, die Kompetenzausprägungen nicht in die Menge der<br />
Konzepte aufzunehmen, sondern als Instanzen zu erfassen. Die Realisierung dieser Entscheidung<br />
wird in Abbildung 104 veranschaulicht.<br />
Um mit den Ausprägungen auf Instanzenebene numerische Berechnungen durchführen zu können<br />
(damit z.B. die Übereinstimmung eines Ist- mit einem Soll-Kompetenzprofil ermittelt werden<br />
kann), wurde ein Attribut hat_numerischen_Wert eingeführt. Dieses gibt mit einem Integer-Wert<br />
an, mit welcher Rangfolge auf einer Ordinalskala die Kompetenzausprägung zu verknüpfen ist (siehe<br />
auch Abbildung 104).<br />
Abbildung 104: Konzepte und Instanzen für Kompetenzausprägungen – partieller Screenshot OntoEdit<br />
Als ein weiteres zentrales Konzept für das betriebliche Kompetenzmanagement wurde das Konzept<br />
Kompetenzaussage (siehe Kapitel 2.4.3.1.2.1 und 3.2.2.1.2, S. 497 ff. bzw. 627 f.) aus dem Begriffssystem<br />
der KOWIEN-Ontologie übernommen. Mit diesem Konzept wird eine dreistellige<br />
Aussage ermöglicht, durch die einem Akteur (oder auch einer Stelle) eine Kompetenz mit einer bestimmten<br />
Kompetenzausprägung zugeordnet wird. 103) Diese Zuordnung wird mithilfe von drei verschiedenen<br />
Relationen, beinhaltet_Kompetenz, beinhaltet_Kompetenzauspraegung und betrifft_<br />
Akteur, realisiert. Um alle Merkmale eines Akteurs, die sich auf seine Kompetenzen beziehen oder<br />
diese beeinflussen, in einem Profil ablegen und abrufen zu können, wurden die Instanzen des Konzepts<br />
Kompetenzprofil mittels der Relation beinhaltet_Kompetenzaussage mit den vorhandenen<br />
Kompetenzaussagen zu einem Akteur (oder einer Stelle) verknüpft. Ähnliche Relationen wurden<br />
eingefügt, damit in einem Kompetenzprofil für einen Akteur auch Aus- und Weiterbildungsaktivitäten<br />
sowie gesammelte Erfahrungen (wie z.B. Berufs- und Auslandserfahrungen) abgelegt werden<br />
können.<br />
103) Vgl. dazu auch das Kapitel 2.4.3.1.2.1 auf S. 496 ff.
3.2.2 Szenario „Service-Engineering“ 673<br />
Spezielle Strukturierung der Begriffe für Fachkompetenzen<br />
Neben diesen eher allgemeinen Aspekten des Kompetenzmanagements, die im Begriffssystem zu<br />
spezifizieren waren, musste die Menge der fachlichen Kompetenzbegriffe untersucht und strukturiert<br />
werden. Dafür wurden, aufbauend auf den Ergebnissen der Wissensakquisition, mehrere Begriffsbäume<br />
für die verschiedenen Gebiete von Fachkompetenzen erstellt. Zunächst wurde unterschieden<br />
zwischen Branchenkompetenz, fremdsprachlicher_Kompetenz, IT-Kompetenz, juristischer,<br />
betriebswirtschaftlicher, naturwissenschaftlich-technischer und kommunikativer_Kompetenz. Diese<br />
Konzepte wurden in Zusammenarbeit mit den Abteilungsrepräsentanten der DMT bis auf Instanzenebene<br />
verfeinert. Da die DMT als Technologie-Dienstleister über zum Teil sehr spezielle Kompetenzen<br />
auf vielen verschiedenen technischen und naturwissenschaftlichen Gebieten verfügt, existierte<br />
aus der Wissensakquisition bereits eine große Menge von Begriffen für diese Gebiete. Um eine<br />
Strukturierung dieser Begriffe zu erleichtern, wurde nach Recherchen im Internet 104) und weiteren<br />
Analysen der Wissensträgerdokumente eine grobe Strukturierung für die naturwissenschaftlichtechnischen<br />
Kompetenzen erstellt. Die ersten Subkonzepte von naturwissenschaftlich-technischer<br />
Kompetenz waren daher – in Anlehnung an die Benennung der Studiengänge und Fachbereiche an<br />
Hochschulen – Bauingenieurwesen, Bergbau, Biologie, Chemie, Elektrotechnik, Energietechnik,<br />
Geowissenschaft, Maschinenbau, Physik, Sicherheitstechnik, Umweltschutz und Verfahrenstechnik.<br />
Diese Konzepte wurden weiter verfeinert, bis das Begriffssystem aus Sicht der Abteilungsrepräsentanten<br />
dazu ausreichte, die Kompetenzen der Mitarbeiter und der Abteilungen zu beschreiben. Auf<br />
die gleiche Weise wurden Begriffsbäume für IT-Kompetenz, juristische und betriebswirtschaftliche<br />
Kompetenz entwickelt und in die Konzeptualisierung 105) eingefügt.<br />
Für Konzepte stellt OntoEdit Möglichkeiten zur Angabe von Synonymen und Erläuterungen bereit.<br />
Damit die Benutzer auch auf Instanzenebene Synonyme suchen und eingeben können, wurde für alle<br />
Instanzen des Konzepts Kompetenz ein Attribut hat_Synonym eingefügt. Dieses Attribut wurde<br />
jedoch anhand der Ergebnisse der Wissensakquisition nur für einige Instanzen beispielhaft genutzt.<br />
Im laufenden Betrieb des Kompetenzmanagementsystems sollte die Ontologie in dieser Hinsicht<br />
weiter „gefüllt“ werden, z.B. durch Vorschläge der Benutzer. Zu einem ähnlichen Zweck wurde für<br />
das Konzept Kompetenzauspraegung ein Attribut wird_erlaeutert_durch definiert, um textuelle Erläuterungen<br />
zu den Instanzen der Kompetenzausprägungen hinterlegen zu können. 106)<br />
104) Wichtige Quellen für den Aufbau eines solchen Schemas waren die online zugänglichen Bibliothekssystematiken der Technischen<br />
Universität München, der Universität Duisburg-Essen (Campus Duisburg) und der Fern-Universität Hagen. Diese sind<br />
im Internet unter den URL „http://www.ub.tum.de/bib/html_sys/syst_tit.html“, „http://www.ub.uni-duisburg.de/ghb/index.<br />
html“ sowie „http://ub-doc2.fernuni-hagen.de/systematik/index.htm“ (Zugriffe am 14.09.2004) zu finden.<br />
105) Als Konzeptualisierung werden an dieser Stelle das Begriffssystem (mit den Konzepten und ihrer hierarchischen Struktur)<br />
und die bisher erarbeiteten (nicht-hierarchischen) Relationen (einschließlich Attributen) bezeichnet.<br />
106) Siehe hierzu auch das Screenshot der Abbildung 104 auf S. 672.
674 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.5.4.4 Inferenz- und Integritätsregeln aufstellen<br />
Wie bereits in Kapitel 3.2.2.5.2.2 auf S. 664 beschrieben, stellte die Identifizierung und Formulierung<br />
von Inferenz- und Integritätsregeln für eine Kompetenzontologie eine schwierige Aufgabe dar.<br />
Einige Regeln wurden daher zunächst ohne die Mitwirkung der DMT-Mitarbeiter erarbeitet und<br />
spezifizierten die Eigenschaften der schon formulierten Relationen zwischen Konzepten. Dabei<br />
wurden die in der KOWIEN-Ontologie schon enthaltenen Regeln aufgegriffen 107) und durch neue<br />
Inferenzregeln für die zusätzlichen Relationen ergänzt. Die Relationen wurden zunächst daraufhin<br />
untersucht, ob sie transitiv oder symmetrisch sind oder sich invers zu einer anderen Relation verhalten:<br />
• Bei transitiven Relationen, wie etwa bei der Relation hat_Vorgesetzten zwischen zwei Mitarbeitern,<br />
kann im Fall zweier spezifizierter Beziehungen auf die Existenz einer dritten Beziehung<br />
geschlossen werden (falls die „Ziel“-Instanz der einen Beziehung identisch ist mit der<br />
„Ausgangs“-Instanz der anderen Beziehung). Wenn beispielsweise Mitarbeiter X Vorgesetzter<br />
von Mitarbeiter Y ist und dieser wiederum Vorgesetzter von Mitarbeiter Z ist, dann ist X auch<br />
Vorgesetzter von Z.<br />
• Symmetrie einer Relation bedeutet, dass zu jeder Bziehung zwischen zwei Instanzen auch die<br />
Umkehrung gilt. Ein Beispiel dafür ist die Relation verwandt_mit zwischen zwei Fachkompetenzen.<br />
Wenn für die Kompetenz Hydrogeologie spezifiziert ist, dass sie verwandt ist mit der<br />
Kompetenz Grundwassermanagement, kann daraus (automatisch) darauf geschlossen werden,<br />
dass die Grundwassermanagement-Kompetenz auch mit der Hydrogeologie-Kompetenz verwandt<br />
ist.<br />
• Zueinander inverse Relationen haben die Eigenschaft, dass sie sich „gegensätzlich“ zueinander<br />
verhalten. Die zuvor bereits erwähnte Relation beinhaltet_Kompetenz zwischen den<br />
Konzepten Kompetenzaussage und Kompetenz beispielsweise ist invers zur Relation enthalten_in_Kompetenzaussage<br />
(zwischen Kompetenz und Kompetenzaussage). Wenn also für das<br />
Konzept Kompetenzaussage die Instanz KA_1 spezifiziert ist mit der Beziehung beinhaltet_Kompetenz<br />
Englisch, dann ist auch die Beziehung Englisch ist_enthalten_in_Kompetenzaussage<br />
KA_1 gültig.<br />
Im Unterschied zu den gerade genannten Inferenzregeln, die für Schlussfolgerungen nur die inhaltsunabhängige<br />
(syntaktische) Struktur des spezifizierten Wissens benutzen, berücksichtigen objektsprachliche<br />
Inferenzregeln auch die enthaltene Semantik. 108) Mithilfe dieser Regeln kann das oft<br />
domänen- oder sogar unternehmensspezifische Wissen über alltägliche Zusammenhänge expliziert<br />
werden. So wurde bei Gesprächen mit Vertretern der IT-Abteilung deutlich, dass einige fachliche<br />
Kompetenzen, insbesondere auf dem Gebiet der Computersprachen, miteinander verwandt oder sogar<br />
stark verwandt sind und daher bestimmte Kompetenzen eines Mitarbeiters auf weitere bei ihm<br />
vorhandene Kompetenzen hinweisen. So konnte eine objektsprachliche Inferenzregel für folgende<br />
Schlussfolgerung formuliert werden:<br />
107) Vgl. ALAN (2003b) S. 21 ff.<br />
108) Vgl. ALPARSLAN ET AL. (2002) S. 47 sowie Kapitel 2.4.2.2.1 (S. 438 ff.).
3.2.2 Szenario „Service-Engineering“ 675<br />
Wenn ein Mitarbeiter eine Kompetenz X in der Ausprägung sehr_gut 109) besitzt und diese Kompetenz<br />
verwandt ist mit Kompetenz Y, dann besitzt der Mitarbeiter auch Kompetenz Y mindestens mit<br />
der Ausprägung gering.<br />
Eine Eigenschaft objektsprachlicher Inferenzregeln ist, dass durch ihre Anwendung kein sicheres<br />
Wissen generiert wird. So ist es auch im Fall des oben erläuterten Zusammenhangs keine gesicherte<br />
Tatsache, dass der Mitarbeiter die Kompetenz Y in der Ausprägung gering besitzt. Aus diesem<br />
Grund wurde dem Konzept Kompetenzaussage ein Attribut hat_Wahrscheinlichkeit 110) zugeordnet<br />
111) . Dieses Attribut war hier weniger dafür gedacht, Unsicherheiten bei der Beurteilung von<br />
Mitarbeiterkompetenzen durch andere Personen zu berücksichtigen, sondern in erster Linie für die<br />
Spezifizierung von Unsicherheit bei der automatischen Wissensgenerierung. 112)<br />
Neben den Inferenzregeln wurden Integritätsregeln formuliert, die später die Konsistenz der Ontologie<br />
und der (mithilfe der Inferenzregeln ableitbaren) Fakten sichern sollen. So darf es zum Beispiel<br />
nicht möglich sein, dass ein Mitarbeiter als sein eigener Vorgesetzter angegeben wird. Um<br />
diesen Fall auszuschließen, wurde eine Integritätsregel aufgestellt, nach der die Ziel-Instanz in keiner<br />
Beziehung aus der Relation hat_Vorgesetzten identisch sein darf mit der Ausgangs-Instanz aus<br />
derselben Beziehung.<br />
3.2.2.5.4.5 Reviews<br />
Die textuelle und teilweise auch graphische Darstellung der erarbeiteten Konzepte, Attribute, Relationen<br />
und Regeln wurde zusammen mit einigen Abteilungsvertretern der DMT überprüft. Dabei<br />
wurde untersucht, ob die Konzeptualisierung aus Sicht der Mitarbeiter umfangreich genug war und<br />
die Realität bezüglich der Kompetenzen der DMT repräsentierte, also ob die Konzeptualisierung als<br />
funktional vollständig betrachtet werden konnte. Auch weitere im Rahmen der Anforderungsspezifizierung<br />
festgelegte Anforderungen an die Ontologie – Klarheit, Einfachheit, Erweiterbarkeit,<br />
Wiederverwendbarkeit, Minimalität und Konsistenz – wurden bereits bei der Konzeptualisierung<br />
überprüft. Damit war es möglich, eventuelle Fehler früh zu bemerken und zu korrigieren. Einige<br />
„Lücken“ im Begriffsbaum der naturwissenschaftlich-technischen Kompetenzen beispielsweise, die<br />
von den Review-Teilnehmern zwar entdeckt, aber nicht gefüllt werden konnten, wurden durch<br />
Nachfragen bei den entsprechenden (menschlichen) Wissensträgern der DMT und durch weitere Internet-Recherchen<br />
beseitigt.<br />
Die Spracheignung sowie die Richtigkeit der Sprachanwendung konnten an dieser Stelle im Ontologieentwicklungsprozess<br />
noch nicht überprüft werden. Diese Anforderungen waren bei der Implementierung<br />
und bei der Evaluation zu berücksichtigen.<br />
109) Dabei wurde von einer Abstufung in geringe (1), durchschnittliche (2), gute (3) und sehr gute (4) Kenntnisse ausgegangen.<br />
110) In OntoEdit ist eine zusätzliche Relation zwischen Kompetenzaussage und dem Datentyp Double zu wählen.<br />
111) Vgl. ALAN (2003b) S. 11.<br />
112) Bei der DMT ist es nach Meinung der Personalabteilung nicht denkbar, dass die Kompetenzen eines Mitarbeiters durch eine<br />
andere Person beschrieben werden. Aus dieser Sicht ist damit die Zuweisung einer Wahrscheinlichkeit zu einer Kompetenzaussage<br />
nur für den Fall von automatischen Schlussfolgerungen zu verwenden. In einem Kompetenzmanagementsystem<br />
könnte das so realisiert werden, dass der Mitarbeiter durch das System über einen „Änderungsvorschlag“ bezüglich der ihn<br />
betreffenden Kompetenzaussagen informiert wird und dann selbst über die Korrektheit dieser Änderung entscheidet. Für andere<br />
Unternehmen (oder auch langfristig für die DMT) könnte das Attribut der Wahrscheinlichkeit auch für Kompetenzaussagen,<br />
die durch andere Personen getätigt wurden, von Bedeutung sein.
676 3.2.2 Szenario „Service-Engineering“<br />
Die Reviews und damit die Phase der Konzeptualisierung wurden als abgeschlossen betrachtet,<br />
nachdem zwischen den beteiligten Personen Übereinstimmung hinsichtlich des Inhalts und des Designs<br />
der erarbeiteten Konzeptualisierung bestand.<br />
3.2.2.5.4.6 Ergebnisse<br />
Da bereits für die Konzeptualisierung das Werkzeug OntoEdit genutzt wurde, das die eingegebenen<br />
Konzepte, Attribute, Relationen und Regeln in einer Werkzeug-spezifischen formalen Sprache<br />
(OXML) ablegt, existiert kein graphisches konzeptuelles Gesamtmodell zu den Ergebnissen der<br />
Konzeptualisierung. Stattdessen werden in den folgenden Kapiteln Beispiele für die erarbeiteten<br />
Begriffsbäume sowie einige exemplarische Attribute, Relationen und Regeln in textueller Form vorgestellt.<br />
3.2.2.5.4.6.1 Begriffsbäume<br />
3.2.2.5.4.6.1.1 Begriffsbaum für Kompetenzarten<br />
Ein zentrales Konzept der Konzeptualisierung ist Kompetenz. Die Unterteilung in Subkonzepte von<br />
Kompetenz entspricht der Unterteilung der KOWIEN-Ontologie. 113) Bei der Bedeutung der Subkonzepte<br />
und den ihnen zugeordneten Instanzen wurde die Sichtweise der Mitarbeiter der DMT berücksichtigt.<br />
Im Folgenden wird diese Unterteilung in einer graphischen Übersicht dargestellt (siehe<br />
Abbildung 105) sowie eine genauere Erläuterung der Bedeutung der Konzepte aus Sicht der Personalentwickler<br />
der DMT gegeben.<br />
Fachkompetenz<br />
Sozialkompetenz<br />
Kompetenz<br />
Selbstkompetenz<br />
Abbildung 105: Subkonzepte von Kompetenz<br />
Methodenkompetenz<br />
113) Ähnliche Gliederungen der obersten Stufe finden sich auch in der einschlägigen Literatur; vgl. z.B. ERPENBECK/HEYSE (1999)<br />
S. 155 ff. und LEHMANN/NIEKE (2000) S. 2.
3.2.2 Szenario „Service-Engineering“ 677<br />
• Fachkompetenz: Fachkompetenz beschreibt die Kenntnisse und Fertigkeiten einer Person im<br />
Hinblick auf einen Tätigkeitsbereich. Hierzu gehören die Kenntnisse über Zusammenhänge<br />
und Hintergründe in diesem Bereich sowie die Fertigkeiten, dieses Wissen zu verknüpfen und<br />
zu sachbezogenen Urteilen heranzuziehen.<br />
• Sozialkompetenz: Sozialkompetenz umfasst Kenntnisse und Fertigkeiten, die das Verhalten<br />
einer Person gegenüber anderen Personen, z.B. Kollegen, Vorgesetzten oder Kunden, charakterisieren.<br />
Unter anderem sind neben Kommunikations- und Kontaktverhalten, Einfühlungsvermögen<br />
und Kooperationsbereitschaft dafür auch die Fähigkeit, konstruktive Kritik zu üben<br />
oder darauf konstruktiv zu reagieren, und Kenntnisse über sozial „angemessene“ Verhaltensweisen<br />
von Bedeutung.<br />
• Selbstkompetenz: Diese Kompetenzart entspricht den reflexiven Persönlichkeitsmerkmalen<br />
einer Person, also den Merkmalen, die das Bewusstsein über die eigene Person und den Umgang<br />
hiermit betreffen. 114) Dazu gehören die Kenntnisse und Fertigkeiten, die dazu beitragen,<br />
sich selbst zu motivieren und konstruktive Kritik auf eigenes Verhalten zu übertragen, aber<br />
auch Merkmale wie Selbstständigkeit und Zielstrebigkeit. 115)<br />
• Methodenkompetenz: Unter Methodenkompetenz werden die Kenntnisse und Fertigkeiten<br />
verstanden, Instrumente und Vorgehensweisen anwenden zu können, die in einem Tätigkeitsbereich<br />
erforderlich sind. Methodenkompetenzen sind zum Beispiel Informationsbeschaffung<br />
und -strukturierung, Präsentieren komplexer Sachverhalte sowie das Erkennen, Analysieren<br />
und Lösen von Problemen.<br />
3.2.2.5.4.6.1.2 Begriffsbaum für Projekte<br />
Der folgende Begriffsbaum in Abbildung 106 zeigt ein weiteres Beispiel für die Bestandteile der<br />
Konzepthierarchie aus der DMT-Ontologie. Um noch mehr Informationen darstellen zu können,<br />
wird dieser Begriffsbaum nicht, wie der Begriffsbaum für Kompetenzarten in Abbildung 105, graphisch<br />
veranschaulicht, sondern in einer strukturierten textuellen Form. In dieser Abbildung 106<br />
werden neben dem hierarchischen Zusammenhang und der Bedeutung der Konzepte auch einige<br />
diesen Konzepten zugeordnete Projekte (als Instanzen) aufgeführt.<br />
Generell gilt für die Konstruktion der DMT-Kompetenzontologie, dass die in der Wissensbasis abzulegenden<br />
Instanzen nur beispielhaft erhoben wurden. Insbesondere außerhalb des Bereichs der<br />
fachlichen Kompetenzen, der hier auch auf Instanzenebene bereits sehr umfangreich gestaltet wurde,<br />
ist die Wissensbasis vor einem Einsatz der Ontologie noch durch weitere Erhebungen oder Import<br />
aus anderen IT-Systemen (zum Beispiel dem Wissensmanager) zu vervollständigen.<br />
114) Vgl. ALAN (2003a) S. 42.<br />
115) Vgl. LEHMANN/NIEKE (2000) S. 6.
678 3.2.2 Szenario „Service-Engineering“<br />
Projekte<br />
Projekt<br />
Bedeutung: einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem<br />
definierten Ziel, das die Zusammenarbeit mehrerer Personen unter einer Leitung<br />
erfordert<br />
- Auftrag<br />
Bedeutung: Kundenauftrag, der in Form eines Projekts bearbeitet wird<br />
• Großprojekt<br />
Bedeutung: Auftrag mit mindestens einer Million Euro Umsatz<br />
Archivierungssystem für Kartenwerke, Exploration der nördlichen<br />
Anschlussfelder, geologische Kartierung Rheinland-Pfalz<br />
• normales Projekt<br />
Bedeutung: Auftrag mit weniger als einer Million Euro Umsatz<br />
Geländeerfassung mit Luftbildern, geologisches Übersichtskartenwerk,<br />
Greenhouse Gas Mitigation Technologien<br />
- F&E-Projekt<br />
Bedeutung: Projekt für Forschung und Entwicklung mit öffentlichem<br />
Zuschussgeber<br />
KOWIEN<br />
- internes Projekt<br />
Bedeutung: Projekt ohne externen Auftrag- oder Zuschussgeber, das intern<br />
initiiert und verrechnet wird<br />
3.2.2.5.4.6.2 Attribute und Relationen<br />
Abbildung 106: Begriffsbaum für Projekte<br />
Das in Kapitel 3.2.2.5.4.6.1.2 erläuterte Konzept Projekt dient hier weiterhin als Beispiel, um einige<br />
der den Konzepten zugeordneten Attribute zu nennen. Die folgende Auflistung umfasst die Attribute<br />
und Relationen von Projekt in der DMT-Ontologie: 116)<br />
Projekt<br />
• hat_Projekttitel (String)<br />
• hat_Kurzbeschreibung (String)<br />
• hat_Budget_in_Euro (Integer)<br />
116) Attribute und Relationen lassen sich nicht streng voneinander unterscheiden (vgl. Fußnote 151 auf S. 157). Daher stellen die<br />
nachfolgend aufgelisteten Konstrukte sowohl Attribute des Konzepts Projekt als auch zweistellige Relationen zwischen dem<br />
Konzept Projekt und demjenigen Konzept (oder Datentyp) dar, das (der) in der nachfolgenden Auflistung jeweils am Zeilenende<br />
in Klammern aufgeführt ist. Allerdings lassen sich Attribute als ein Spezialfall von zweistelligen Relationen für vordefinierte<br />
Datentypen auffassen. Darauf wird in Kürze zurückgekommen.
3.2.2 Szenario „Service-Engineering“ 679<br />
• hat_Auftraggeber (Organisation)<br />
• wird_bearbeitet_mit_Projektpartner (Organisation)<br />
• hat_Starttermin (Datum)<br />
• hat_Endtermin (Datum)<br />
• wird_bearbeitet_von_Mitarbeiter (Mitarbeiter)<br />
• wird_geleitet_von_Projektleiter (Mitarbeiter)<br />
• wird_bearbeitet_von_DMT-Einheit (Organisationsteil)<br />
• betrifft_Branche (Branche)<br />
• erfordert_Kompetenz (Kompetenz)<br />
• hat_hauptverantwortliche_Organisation (Akteur)<br />
• wird_bearbeitet_in_Ort (Ort)<br />
• wird_bearbeitet_in_Land (Staat)<br />
Für die Konzeptualisierung der Kompetenzontologie wird das von den OntoEdit-Entwicklern verwendete<br />
Verständnis von Relationen und Attributen aufgegriffen, wonach Relationen Konzepte<br />
miteinander verknüpfen. Attribute werden ebenfalls als Verknüpfungen gesehen, die jedoch nicht<br />
unter den Konzepten der Ontologie, sondern zwischen den Konzepten und vordefinierten Datentypen<br />
(z.B. String, Integer, Boolean) bestehen. 117) Demnach stellen hat_Projekttitel, hat_Kurzbeschreibung<br />
und hat_Budget_in_Euro die Attribute des Konzepts Projekt und die restlichen aufgeführten<br />
Verknüpfungen die diesem Konzept zugehörigen Relationen dar.<br />
3.2.2.5.4.6.3 Regeln<br />
Integritätsregeln<br />
Bei der Relation „Mitarbeiter X ist_Vorgesetzter_von Mitarbeiter Y“ kann X nicht identisch sein mit<br />
Y. Obwohl bei dieser Relation Ausgangs- und Ziel-Instanz demselben Konzept angehören, dürfen<br />
die Instanzen nicht identisch sein. Gleiches gilt für die inverse Relation hat_Vorgesetzten.<br />
Inferenzregeln<br />
Insbesondere bei naturwissenschaftlich-technischen Kompetenzen und bei IT-Kompetenzen gibt es<br />
zahlreiche Kompetenzkonzepte, die sich inhaltlich überschneiden. Aus diesem Grund wurden Inferenzregeln<br />
formuliert, die einem (menschlichen) Akteur mit einer bestimmten fachlichen Kompetenz<br />
auch die mit dieser Kompetenz verwandten Fachkompetenzen zuweisen: „Wenn Akteur X die<br />
Kompetenz A in einer bestimmten Ausprägung (z.B. Experte) besitzt und die Kompetenz A stark<br />
verwandt ist mit der Kompetenz B, dann besitzt X auch die Kompetenz B, allerdings in einer geringeren<br />
Ausprägung (z.B. Anfänger).“ Zuvor muss jedoch sichergestellt werden, dass es noch keine<br />
Kompetenzaussage für den Akteur X bezüglich der Kompetenz B gibt (Einsatz einer Integritätsregel,<br />
s.o.).<br />
117) Vgl. ONTOPRISE (2003a) S. 4.
680 3.2.2 Szenario „Service-Engineering“<br />
Aufgrund von Anregungen mehrerer Interviewpartner sollte ein Mechanismus bereitgestellt werden,<br />
der die zeitliche Variabilität von Kompetenzaussagen, besonders bei fachlichen Kompetenzen, berücksichtigt:<br />
Wenn eine Kompetenzaussage, die einen menschlichen Akteur betrifft, zwei Jahre<br />
oder länger nicht verändert worden ist, dann wird die Wahrscheinlichkeit für die Gültigkeit der<br />
Kompetenzaussage auf höchstens 40 Prozent herabgesetzt. Hierdurch wird berücksichtigt, dass<br />
Kompetenzaussagen über Akteure und ihre Kompetenzen, die über „längere Zeit“ nicht aktualisiert<br />
wurden, nicht als zuverlässig gelten können, weil die Gefahr besteht, dass Kompetenzen durch längeren<br />
Nichtgebrauch nachlassen.<br />
Um die Aktualität der Kompetenzprofile nicht nur durch manuelle Eingaben der Akteure, sondern<br />
auch durch automatisch generiertes Wissen fördern zu können, werden Regeln formuliert, die aufgrund<br />
bestimmter Fakten neue Kompetenzaussagen generieren. Ein Beispiel ist das Schließen auf<br />
Mitarbeiterkompetenzen durch Weiterbildungsaktivitäten: „Wenn Akteur X an der Weiterbildung Y<br />
teilgenommen hat und die Weiterbildung Y die Kompetenz A vermittelt, dann besitzt der Akteur X<br />
mindestens Anfängerkenntnisse hinsichtlich der Kompetenz A.“ Die neuen Kompetenzaussagen<br />
werden zunächst mit einer vergleichsweise geringen Wahrscheinlichkeit belegt, damit die Unsicherheit<br />
dieser Aussagen abgebildet wird. Der KOWIEN-Prototyp könnte diese Unsicherheit berücksichtigen,<br />
indem das Kompetenzmanagementsystem die Mitarbeiter über eventuell generierte<br />
Kompetenzaussagen informiert und nachfragt, ob die Aussagen zutreffen.<br />
3.2.2.6 Implementierung<br />
3.2.2.6.1 Ziele<br />
Die Ziele der Implementierung sind die formalsprachliche Repräsentation des konzeptuellen Modells<br />
und die Integration dieser Repräsentation in ein computerbasiertes Kompetenzmanagementsystem.<br />
118) Dafür ist es wichtig, eine geeignete Implementierungssprache auszuwählen, damit bei<br />
der Formalisierung des konzeptuellen Modells möglichst geringe Informationsverluste oder andere<br />
Abweichungen entstehen. Für die hier angestrebte Ontologieentwicklung werden mehrere Sprachen<br />
ausgewählt, um die damit implementierten Ontologien miteinander vergleichen und bewerten zu<br />
können.<br />
3.2.2.6.2 Problemstellungen und Lösungsansätze<br />
Die im Folgenden dargestellten Problemstellungen sind während unterschiedlicher Aktivitäten bei<br />
der Implementierung aufgetreten. Um die einzelnen Hintergründe der getroffenen Entscheidungen<br />
verdeutlichen zu können, werden diese Problemstellungen (wie auch in den vorangegangenen Kapiteln)<br />
bereits vor der Beschreibung des Vorgehens erläutert.<br />
118) Vgl. APKE/DITTMANN (2003b) S. 15.
3.2.2 Szenario „Service-Engineering“ 681<br />
3.2.2.6.2.1 Auswahl der Sprachen<br />
Die Auswahl von Ontologiesprachen gestaltet sich insofern als schwierig, als in der Literatur eine<br />
große Anzahl formaler Sprachen zur Spezifikation und Implementierung von Ontologien vorgeschlagen<br />
wird. 119) Diese Sprachen weisen jedoch zum Teil große Ähnlichkeit untereinander auf,<br />
weil sie z.B. die gleichen Wurzeln besitzen oder sogar aufeinander aufbauen. Beispiele dafür sind<br />
die Beziehungen zwischen RDF(S) und DAML+OIL sowie zwischen KIF und Ontolingua. Für<br />
DAML+OIL und Ontolingua wurden RDF(S) bzw. KIF als Ausgangsbasis zur Entwicklung einer<br />
ausdrucksmächtigeren Sprache genutzt, indem diese Sprachen um neue Konstrukte erweitert wurden.<br />
120) Bei einer Auswahl von stark verwandten Ontologiesprachen wäre der Gewinn von Informationen,<br />
die die Vorteile und Nachteile der Sprachen im Hinblick auf die Kompetenzontologie der<br />
DMT betreffen, begrenzt. Aus diesem Grund wurden Sprachen aus eher unterschiedlichen Forschungsansätzen<br />
miteinander verglichen. Die folgende Aufzählung enthält Sprachen, die für die Implementierung<br />
der Kompetenzontologie in Frage kommen:<br />
• F-Logic: Da die KOWIEN-Ontologie (siehe auch Kapitel 3.2.2.1.2, S. 626 ff.) bereits in F-<br />
Logic spezifiziert ist und darüber hinaus die im KOWIEN-Projekt genutzten Tools OntoEdit<br />
und OntoBroker F-Logic verwenden, war diese Frame- und Prädikatenlogik-basierte Sprache<br />
„vorgegeben“ (für eine ausführlichere Darstellung siehe Kapitel 3.2.2.6.3.1, S. 684 ff.).<br />
• RDF: Neben F-Logic lag die Auswahl einer Sprache aus dem „Semantic Web“-Umfeld nahe.<br />
Die Zielsetzung des Semantic-Web-Ansatzes besteht vor allem in der Anreicherung von Web-<br />
Seiten mit formaler Semantik, damit ihre Inhalte auch computerbasiert ausgewertet werden<br />
können. 121) Da zu diesem Zweck Spezifikationsmittel für die formale Darstellung und die<br />
Vergleichbarkeit allgemeiner Zusammenhänge benötigt werden, ist das Semantic Web ein<br />
sehr wichtiges Anwendungsfeld für Ontologien. Aus diesem Grund ist es für eine möglichst<br />
breite Nutzbarkeit und Werkzeugunterstützung der Kompetenzontologie von Vorteil, wenn<br />
sie in einer Sprache vorliegt, die auch im Semantic-Web-Umfeld eingesetzt wird. Eine bekannte<br />
Sprache, die in diesem Kontext entstanden ist, stellt das Resource Description Framework<br />
(RDF) dar. 122) RDF baut auf der XML-Syntax auf 123) und ist entwickelt worden, um das<br />
Hinzufügen von Metadaten zu Web-Seiten zu ermöglichen. Diese Metadaten beschreiben die<br />
Inhalte von Web-Seiten und können von verschiedenen Software-Anwendungen verarbeitet<br />
werden. Eine semantische Erweiterung zu RDF stellt das RDF Schema (RDFS) 124) dar, das<br />
119) Für eine umfassende Übersicht über verschiedene Ontologiesprachen und ihre Herkunft siehe FENSEL ET AL. (2003) S. 28 ff.;<br />
GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2002) S. 73 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 199 ff. Ein<br />
Vergleich und eine Bewertung mehrerer Sprachen finden sich sowohl in CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2003) S.<br />
54 ff. als auch in RIBIÈRE/CHARLTON (2000) S. 3 ff.<br />
120) Vgl. zu DAML+OIL und seiner Herkunft die Informationen im Internet unter der URL „http://www.w3.org/TR/daml+oilreference“<br />
(Zugriff am 05.09.2004) bzw. zu Ontolingua GRUBER (1993) S. 204 ff.<br />
121) Für eine Einführung in die Idee des Semantic Web siehe BERNERS-LEE/HENDLER/LASSILA (2001) und FENSEL ET AL. (2003).<br />
122) RDF wird seit 1997 vom World Wide Web Consortium (W3C) entwickelt und besitzt den Status einer W3C „Recommendation“.<br />
Aktuelle Informationen zu RDF werden im Internet unter der „URL http://www.w3.org/RDF/“, die detaillierte Spezifikation<br />
unter der URL „http://www.w3.org/TR/rdf-syntax-grammar/“ (Zugriffe am 16.09.2004) bereitgestellt.<br />
123) Die Extensible Markup Language (XML) ist ein Datenaustauschformat und eine Möglichkeit zur Strukturierung der Inhalte<br />
von Internet-Seiten; weitere Informationen sind im Internet unter der „URL http://www.w3.org/XML“ (Zugriff am 17.09.<br />
2004) zu finden.<br />
124) Die aktuelle Spezifikation von RDFS ist im Internet unter der URL „http://www.w3.org/TR/rdf-schema/“ (Zugriff am 14.09.<br />
2004) zu finden.
682 3.2.2 Szenario „Service-Engineering“<br />
gleichzeitig das von RDF verwendete Vokabular definiert. Mithilfe von RDFS können die<br />
Elemente von RDF und ihre Zusammenhänge genauer beschrieben werden, z.B. durch eine<br />
Klassenhierarchie. Die Kombination von RDF und RDFS (RDF(S)) bildet eine wichtige<br />
Grundlage für die Formulierung, den Austausch und die computerbasierte Nutzung strukturierter<br />
Metadaten und für die Spezifikation von Ontologien.<br />
• DAML+OIL: Eine aktuellere Entwicklung, die ebenfalls aus dem Forschungsansatz des Semantic<br />
Web hervorgegangen ist, stellt DAML+OIL dar. Diese Spezifikationssprache erweitert<br />
RDF(S) um einige Modellierungskonzepte, um zusätzliche Möglichkeiten zur formalsprachlichen<br />
Beschreibung von Metainformationen (z.B. Kardinalitätseinschränkungen) bereitzustellen.<br />
• OWL: Die aktuellste Entwicklung aus dem Semantic-Web-Umfeld für eine Ontologiesprache<br />
ist die Web Ontology Language (OWL). OWL stellt eine Weiterentwicklung von DAML+<br />
OIL dar und besitzt seit Februar 2004 den Status einer „Recommendation“ des W3C. 125)<br />
• OXML: Das hier verwendete Ontologieentwicklungswerkzeug OntoEdit benutzt als eigenes<br />
Ontologie-Repräsentationsformat OXML (XML basierte Ontologiesprache). Diese Sprache<br />
baut auf XML auf und wurde von den Mitarbeitern der Ontoprise GmbH speziell dafür entwickelt,<br />
die Komponenten (Konzepte, Attribute, Relationen und Regeln) und Metadaten einer<br />
Ontologie darzustellen. 126)<br />
• Ontolingua: Die Repräsentationssprache Ontolingua, die auf dem Knowledge Interchange<br />
Format (KIF) basiert, stellt Mittel für die Definition von Klassen, Relationen, Funktionen,<br />
Objekten und Regeln bereit. 127) Die Zielsetzung ihrer Entwicklung lag vor allem darin, eine<br />
Ausgangsbasis für die Übersetzung von Ontologien in zahlreiche andere Sprachen zu schaffen.<br />
Aufgrund seiner Herkunft – KIF besitzt ebenso wie F-Logic „Wurzeln“ in der Prädikatenlogik<br />
– weist Ontolingua Ähnlichkeiten mit F-Logic auf.<br />
Für die Implementierung der Kompetenzontologie der DMT wurden F-Logic und DAML+OIL ausgewählt.<br />
F-Logic wird bereits im KOWIEN-Projekt verwendet und ist hier als Repräsentant der<br />
prädikatenlogischen Sprachen zu sehen. 128) DAML+OIL stellt ein Beispiel für die Sprachen aus<br />
dem Semantic-Web-Umfeld dar und ist aufgrund seiner Ausdrucksfähigkeit besser für die Spezifikation<br />
von Ontologien geeignet als RDF(S). F-Logic und DAML+OIL stammen aus unterschiedlichen<br />
Forschungsrichtungen und bilden daher einen interessanten Gegensatz für die Evaluation (für<br />
eine detaillierte Beschreibung der Sprachen siehe die Kapitel 3.2.2.6.3.1 und 3.2.2.6.3.2 auf S. 683<br />
ff.).<br />
Die Sprache Ontolingua wird wegen der fehlenden Werkzeugunterstützung durch OntoEdit und OntoBroker<br />
bei der Implementierung der DMT-Ontologie nicht berücksichtigt. Auch OXML wird<br />
nicht weiter betrachtet, weil es außerhalb der Anwendungen der Ontoprise GmbH (noch) keine Bedeutung<br />
besitzt. OWL ist noch nicht weit verbreitet und wird aufgrund seiner Neuheit von vielen<br />
Werkzeugen noch nicht unterstützt, insbesondere nicht von OntoEdit und OntoBroker (zum Zeit-<br />
125) Vgl. die aktuelle Spezifikation zu OWL im Internet unter der URL „http://www.w3.org/TR/owl-ref/“ (Zugriff am 16.09.<br />
2004).<br />
126) Ausführlichere Informationen zu OXML (in der aktuellen Version 2.0) werden in einem von der Ontoprise GmbH im Internet<br />
veröffentlichten Tutorial (URL „http://www.ontoprise.de/customercenter/support/tutorials“; Zugriff am 14.09.2004) gegeben.<br />
127) Vgl. GRUBER (1993) S. 204.<br />
128) Zur Auswahl einer geeigneten Repräsentationssprache siehe auch Kapitel 3.2.2.6.3 (S. 684 ff).
3.2.2 Szenario „Service-Engineering“ 683<br />
punkt der DMT-Ontologieentwicklung). Aus diesem Grund wird OWL bei der Implementierung<br />
und Evaluation der Kompetenzontologie ebenfalls nicht berücksichtigt. Um jedoch eventuelle (theoretische)<br />
Vorteile gegenüber dem „Vorgänger“ DAML+OIL zu untersuchen, wird in Kapitel<br />
3.2.2.6.3.3 (S. 688 f.) ein kurzer Ausblick auf OWL gegeben.<br />
3.2.2.6.2.2 Implementierung der Regeln<br />
Bei der Implementierung der Regeln wird das Problem deutlich, dass einige Integritätsregeln sich<br />
zwar sinngetreu in der von OntoEdit und OntoBroker für Regeln genutzten Sprache F-Logic darstellen,<br />
aber beispielsweise von dem Werkzeug OntoBroker nicht verarbeiten lassen. Ein Beispiel<br />
dafür ist die in Kapitel 3.2.2.5.4.6.3 beschriebene Integritätsregel für die Relation ist_Vorgesetzter_<br />
von, nach der Ausgangs- und Ziel-Instanz dieser Relation nicht identisch sein dürfen. Eine Formalisierung<br />
dieser Integritätsregel ist nur mittels einer Negation im Kopf der Regel möglich, beispielsweise<br />
in der Form:<br />
FORALL MA1,MA2 (NOT equal(MA1,MA2)) >MA2].<br />
Eine solche Regel, die den Ausschluss eines unzulässigen Faktums spezifiziert, kann zwar als Hornformel<br />
formuliert werden 129) , ist aber dennoch nicht in OntoBroker verarbeitbar. Eine ähnliche<br />
Problemstellung, die Spezifizierung von Antisymmetrie, wird in ALAN (2003a) 130) beschrieben. In<br />
Anlehnung an die dort genannten Lösungsmöglichkeiten kommen hier folgende Vorgehensweisen<br />
in Frage:<br />
• Durch die Einführung aussagenlogischer Konstrukte könnte eine Regel formuliert werden, die<br />
eine Inkonsistenz in der Wissensbasis feststellt, falls die beiden an der Relation beteiligten Instanzen<br />
identisch sind:<br />
FORALL MA1,MA2 (inkonsistent) >MA2] AND equal(MA1,MA2).<br />
Wenn dieser Fall eintritt, kann zwar die Aussage getroffen werden, dass die Wissensbasis eine<br />
Inkonsistenz enthält; diese kann jedoch nicht „zurückverfolgt“ und daher nur schwer behoben<br />
werden.<br />
• Eine zweite Möglichkeit ist, eine solche Inkonsistenz im Vorhinein zu vermeiden und die<br />
eventuellen Ursachen für die Inkonsistenz zu finden. Eine Fehlerquelle für die falsche Zuordnung<br />
einer Zielinstanz (range) zu der Relation einer anderen Instanz (domain) ist die falsche<br />
Eingabe durch den Benutzer der Ontologie. Dies lässt sich kaum verhindern; möglicherweise<br />
könnte aber der KOWIEN-Prototyp den Benutzer an dieser Stelle entsprechend unterstützen.<br />
129) Eine Hornformel enthält nur Hornklauseln, also Klauseln mit jeweils höchstens einem positiven Literal (vgl. EHRIG ET AL.<br />
(1999) S. 297). Die oben genannte Regel entspricht aus abstrakter Sicht der folgenden Aussage: A -> ¬B (wenn A, dann nicht<br />
B). In disjunktiver Normalform lautet sie: ¬A V ¬B. Somit enthält diese Formel kein positives Literal und stellt eine Hornklausel<br />
dar. Viele Inferenzmaschinen sind auf die Verarbeitung von Hornformeln beschränkt, weil das so genannte Resolutionsverfahren,<br />
durch das die Unerfüllbarkeit einer Formel nachgewiesen werden kann, bei Hornformeln eine deutliche geringere<br />
Laufzeit in Anspruch nimmt. Vgl. EHRIG ET AL. (1999) S. 299 ff.<br />
130) Vgl. ALAN (2003a) S. 31 ff.
684 3.2.2 Szenario „Service-Engineering“<br />
• Eine andere Fehlerquelle ist das nicht manuell eingegebene Wissen, das beispielsweise durch<br />
die Anwendung der Transitivitätsregel für die Relation ist_Vorgesetzter_von generiert wird.<br />
Eine falsche Verarbeitung der Transitivitätsregel kann verhindert werden, indem definiert<br />
wird:<br />
FORALL MA1,MA2,MA3 MA1[hat_Vorgesetzten->>MA3] >MA2] AND<br />
MA2[hat_Vorgesetzten->>MA3] AND<br />
NOT equal(MA1,MA3).<br />
Da die erste Möglichkeit das Problem der Inkonsistenz nicht löst, sondern nur explizit macht, und<br />
die „Inkonsistenz-Aussage“ bei mehr als einer Integritätsregel nicht mehr der auslösenden Inkonsistenz<br />
zugeordnet werden kann, wird diese Vorgehensweise hier nicht umgesetzt. Die zweite Möglichkeit<br />
bezieht sich nicht direkt auf die Ontologieentwicklung und wird deshalb hier nicht weiter<br />
betrachtet. Stattdessen wird die dritte Möglichkeit gewählt, um die Konsistenz der Ontologie hinsichtlich<br />
des automatisch generierten Wissens zu sichern.<br />
3.2.2.6.3 Ontologiesprachen<br />
Die folgenden Kapitel geben eine Einführung in die verwendeten Sprachen F-Logic und DAML+<br />
OIL (sowie OWL), um den Ausgangspunkt für die Implementierung und die Evaluation zu verdeutlichen.<br />
131)<br />
3.2.2.6.3.1 F-Logic<br />
F-Logic 132) , eine Abkürzung für Frame Logic, wurde erstmals 1995 von den Autoren KIFER, LAU-<br />
SEN und WU vorgestellt. Wie die Bezeichnung andeutet, stellt diese Sprache eine Integration framebasierter<br />
Sprachen 133) mit der Prädikatenlogik 1. Stufe dar. F-Logic berücksichtigt die strukturellen<br />
Aspekte objektorientierter und framebasierter Sprachen und setzt Konzepte um wie Objektidentität,<br />
Vererbung, polymorphe Typen, Kapselung und Abfragemechanismen. 134) Dabei wird von der Annahme<br />
ausgegangen, dass die Repräsentation der Realität aus Objekten besteht, die eine Identität<br />
besitzen. Diese Objekte sind Instanzen von Klassen (die hier den Konzepten einer Ontologie entsprechen)<br />
und können an Relationen zu anderen Objekten teilnehmen. Diese Relationen werden<br />
durch Methoden spezifiziert und sind entweder funktional (einwertig, wie z.B. die Relation hat_<br />
Vater) oder mengenwertig (mehrwertig, wenn es mehrere Ziel-Objekte geben kann, etwa bei der<br />
Relation hat_Sohn).<br />
131) Detaillierte Erläuterungen zu diesen Sprachen sind in KIFER/LAUSEN/WU (1995) und in HORROCKS (2002) zu finden.<br />
132) Zu F-Logic vgl. auch die Kapitel 2.4.2.1 und 2.4.2.3 (S. 431 ff. bzw. 470 ff.).<br />
133) Für detaillierte Informationen zum Frame-Konzept vgl. MINSKY (1975). Obwohl der Name F-Logic an dieses Konzept aus<br />
dem Bereich der Künstlichen Intelligenz angelehnt ist, wurde die Terminologie für F-Logic eher aus dem Ansatz der objektorientierten<br />
Programmierung übernommen. Der objektorientierte Ansatz besitzt große Ähnlichkeit mit dem Frame-Konzept.<br />
134) Vgl. KIFER/LAUSEN/WU (1995) S. 741.
3.2.2 Szenario „Service-Engineering“ 685<br />
Einen großen Vorteil für die Strukturierung von Konzeptmengen einer Ontologie bietet die in F-<br />
Logic vorgesehene Einordnung von Klassen in eine Generalisierungshierarchie. Dabei werden<br />
Klassen durch die „is-a“-Relation, in der F-Logic-Syntax durch „::“ dargestellt (z.B.: Fachkompetenz::Kompetenz),<br />
als Subklassen anderer Klassen definiert und erben die Eigenschaften dieser Superklassen.<br />
Die Attribute und Methoden einer Klasse, die Ergebnisse der Methoden (d.h. die Instanzen aus den<br />
Ziel-Klassen) und eventuelle Parameter (flache Datentypen, wie z.B. String oder Integer) werden<br />
durch die Signatur einer Klasse definiert. 135) Die Klasse Akteur der Kompetenzontologie zum Beispiel<br />
besitzt die folgende Signatur:<br />
Akteur[hat_Name => String;<br />
ist_betroffen_von_Kompetenzaussage =>> Kompetenzaussage;<br />
hat_Kompetenzprofil => Akteurs_Profil;<br />
hat_Adresse =>> Ort].<br />
Durch diese Signatur wird festgelegt, dass allen Objekten vom Typ Akteur ein Attribut hat_Name<br />
vom Typ String zugewiesen wird. Darüber hinaus definiert sie für alle Instanzen von Akteur die<br />
Methoden ist_betroffen_von_Kompetenzaussage, hat_Kompetenzprofil und hat_Adresse, wobei die<br />
Ergebnisse auf die Klassen Kompetenzaussage, Akteurs_Profil bzw. Ort eingeschränkt werden.<br />
Die Signatur einer Klasse wird in F-Logic benutzt, um Informationen über Instanzen dieser Klasse<br />
in so genannten F-Molekülen 136) zu spezifizieren. Einer Instanz der Klasse Akteur können anhand<br />
der oben genannten Signatur folgende Eigenschaften zugewiesen werden:<br />
MA_H_Mueller:Akteur<br />
MA_H_Mueller[hat_Name -> "Hans_Mueller";<br />
ist_betroffen_von_Kompetenzaussage ->> KA_1_H_Mueller;<br />
hat_Kompetenzprofil -> Profil_H_Mueller;<br />
hat_Adresse ->> Schützenbahn_70_in_45141_Essen].<br />
Dieses F-Molekül beinhaltet mehrere Fakten über das Objekt Mitarbeiter Hans Müller. Eine Sammlung<br />
solcher Fakten bildet in F-Logic einen Teil der Object Base, die zusammen mit der Deklaration<br />
der Generalisierungshierarchie und der Signaturendeklaration ein F-Logic-Programm (und damit<br />
die Ontologie) bildet. Zur Object Base gehören neben den Fakten auch Regeln für zusätzliche Informationen<br />
(Inferenz- und Integritätsregeln). 137) Diese Regeln beschreiben Wissen über allgemeine<br />
Merkmale der Klassen oder der Methoden und sind durch einen Regelkopf (die Konklusion) und<br />
einen Regelkörper (die Bedingung) aufgebaut.<br />
Das auf S. 674 erwähnte Beispiel der inversen Relationen enthalten_in_Kompetenzaussage und beinhaltet_Kompetenz<br />
wird in F-Logic folgendermaßen formuliert:<br />
FORALL X,Y X[beinhaltet_Kompetenz->Y] <br />
Y[enthalten_in_Kompetenzaussage->X].<br />
135) Vgl. KIFER/LAUSEN/WU (1995) S. 748.<br />
136) F-Molekül ist eine Kurzform für molekulare F(rame)-Formel; vgl. KIFER/LAUSEN/WU (1995) S. 754.<br />
137) Damit können durch F-Logic sowohl extensionale Fakten (alle einem Begriff zugeordneten Objekte der realen Welt) als auch<br />
intensionale Informationen (alle Attribute, die den diesem Begriff zugeordneten Objekten gemeinsam sind) spezifiziert werden.
686 3.2.2 Szenario „Service-Engineering“<br />
Die Object Base kann durch Queries nach bestimmten Informationen durchsucht werden. Die Form<br />
einer Query ist der einer Regel sehr ähnlich; sie enthält jedoch keinen Kopf, also keine Konklusion.<br />
In der unten genannten Query wird beispielsweise an die Faktenbasis die Anfrage gestellt, welcher<br />
Mitarbeiter an einer Weiterbildungsaktivität zum Konfliktmanagement teilgenommen hat (siehe<br />
auch Competency Question 11, S. 644 u. 646).<br />
FORALL MA,Nam Nam;<br />
hat_teilgenommen_an_Weiterbildung ->> Konfliktmanagement].<br />
Aufgrund der genannten Fähigkeiten bezüglich der Repräsentation von Wissen, die durch die Kombination<br />
objektorientierter Paradigmen mit dem deduktiven Ansatz der Prädikatenlogik ermöglicht<br />
werden, bildet F-Logic eine ausdrucksmächtige formale Sprache, insbesondere auch zur Spezifikation<br />
von Ontologien. Relationseigenschaften wie Transitivität und Inverse können jedoch nicht „direkt“<br />
spezifiziert werden, sondern sind, wie in dem oben genannten Beispiel, als Inferenzregeln zu<br />
formulieren.<br />
3.2.2.6.3.2 DAML+OIL<br />
Die Ontologiesprache DAML+OIL ist aus einer Zusammenführung der beiden Projekte DAML und<br />
OIL entstanden. Das US-amerikanische Programm DAML (DARPA Agent Markup Language)<br />
wurde im Jahr 2000 mit der Zielsetzung initiiert, eine Sprache und Werkzeuge zur Förderung des<br />
Semantic-Web-Konzepts zu schaffen. 138) Etwa zur gleichen Zeit begann eine Gruppe von Forschern<br />
in Europa mit der Erarbeitung eines (ebenfalls webbasierten) Standards zur Spezifikation und zum<br />
Austausch von Ontologien, den sie OIL (Ontology Inference Layer) nannten. 139) Die an den beiden<br />
Projekten beteiligten Forscher waren der Meinung, dass eine Zusammenarbeit Erfolg versprechender<br />
wäre, so dass die bereits entwickelten Sprachen DAML-ONT und OIL zu DAML+OIL zusammengeführt<br />
wurden.<br />
DAML+OIL ist, wie auch die beiden Ausgangsentwicklungen, eine RDF(S)-basierte Sprache, die<br />
um ausdrucksfähige Modellierungskonzepte erweitert wurde. So wird der objektorientierte Ansatz<br />
aufgegriffen, um die Struktur einer Domäne in Form von Klassen und deren Eigenschaften zu beschreiben.<br />
Gleichzeitig ist DAML+OIL aus formaler Sicht verwandt mit Beschreibungslogiken, da<br />
z.B. Klassen nicht nur durch eindeutige Namen (URIs: Unified Resource Identifiers) definiert werden<br />
können, sondern auch durch Klassen-Ausdrücke wie Aufzählungen oder Eigenschaftsrestriktionen.<br />
140) Obwohl die Syntax der Beschreibungslogiken kompakter als die RDF-Syntax ist, wurde<br />
DAML+OIL in dieser Hinsicht an RDF angelehnt, um Kompatibilität zu den Sprachen im Semantic-Web-Umfeld<br />
zu erreichen. Daher übernimmt DAML+OIL die sprachlichen Konstrukte aus<br />
RDF, wie etwa resource, property, type, subClassOf, range und domain. Einige Konstrukte werden<br />
jedoch durch DAML+OIL anders als in RDF (z.B. Class) oder ganz neu definiert, beispielsweise<br />
cardinality, TransitiveProperty und inverseOf.<br />
Besondere Bedeutung hat das Konstrukt Datatype, weil die zu repräsentierende Realität bei<br />
DAML+OIL in zwei Gruppen unterteilt wird: einen Teil, der die zu den XML-Schema-Datentypen<br />
138) Vgl. http://www.daml.org (Zugriff am 16.09.2004).<br />
139) Für weitere Informationen zum Projekt OIL vgl. FENSEL ET AL. (2000) S. 1 ff.<br />
140) Vgl. HORROCKS (2002) S. 5.
3.2.2 Szenario „Service-Engineering“ 687<br />
gehörenden Werte umfasst (die Datatype-Domäne), und einen anderen Teil mit allen Objekten, die<br />
als Mitglieder der DAML+OIL-Klassen betrachtet werden. 141)<br />
Die DAML+OIL-Spezifikation einer Ontologie besteht aus null oder mehr Köpfen, in denen Informationen<br />
zur aktuellen Version und zu importierten Ontologien abgelegt werden können, sowie aus<br />
null oder mehr Klassenelementen, Eigenschaftselementen und Instanzen:<br />
• Ein Klassenelement (daml:Class) enthält den Namen und die Definition einer Klasse und<br />
kann z.B. subClassOf-Elemente (die die Superklasse der Klasse benennen) und disjointWith-<br />
Elemente (deren Klassen keine gemeinsamen Instanzen mit der zu definierenden Klasse haben<br />
dürfen) umfassen. Gegebenenfalls können in einem Klassenelement auch boolsche Kombinationen<br />
von Klassenausdrücken (wie intersectionOf) sowie Aufzählungselemente (oneOf)<br />
angegeben werden.<br />
• Bei Eigenschaftselementen (rdf:Property) wird zwischen ObjectProperty und DatatypeProperty<br />
unterschieden; erstgenannte beschreibt die Relation zwischen Objekten (Instanzen von<br />
Klassen), während DatatypeProperty Objekte mit Datentypen verknüpft (in Form von Attributen).<br />
Neben dem Namen der Eigenschaft beinhaltet ein Eigenschaftselement u.a. domain-<br />
Elemente, die die Klasse(n) spezifizieren, für deren Instanzen die Eigenschaft gilt, range-<br />
Elemente, die die Klasse(n) der Ziel-Instanzen spezifizieren, und inverseOf-Elemente für die<br />
Spezifikation der zu dieser Eigenschaft inversen Eigenschaft.<br />
• Instanzen der Klassen und der Eigenschaften werden gemäß der RDF(S)-Syntax formuliert;<br />
die genaue Notation kann dabei unterschiedlich aussehen. Der Name einer Instanz wird entweder<br />
mittels ID oder durch about spezifiziert. Zusätzlich besteht die Möglichkeit, identische<br />
(sameIndividualAs) und unterschiedliche Objekte (differentIndividualFrom) zu definieren.<br />
Das folgende Beispiel zeigt die DAML+OIL-Spezifikation einer Klasse Fremdsprachliche_Kompetenz,<br />
die Subklasse von Fachkompetenz ist und eine Relation verwandt_mit besitzt. Zielobjekte<br />
der Relation sind wiederum Instanzen der Klasse Fremdsprachliche_Kompetenz. Anschließend<br />
wird die Instanz Schwedisch spezifiziert, die mit der Instanz Norwegisch verwandt ist.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
#Schwedisch<br />
<br />
<br />
141) Vgl. HORROCKS (2002) S. 8 ff. Die klare Trennung zwischen Instanzen von (Objekt-) Klassen und Instanzen von Datentypen<br />
wird u.a. damit motiviert, dass dadurch das System der Datentypen ohne Auswirkungen auf die Ontologiesprache erweitert<br />
werden kann und umgekehrt.
688 3.2.2 Szenario „Service-Engineering“<br />
Aufgrund der Möglichkeiten zur Festlegung von Restriktionen (bezüglich Klassen und Eigenschaften,<br />
z.B. Kardinalitäten) und allgemeiner Zusammenhänge (wie etwa Transitivität und inverse Relationen)<br />
142) stellt DAML+OIL eine ausdrucksmächtige Weiterentwicklung der Verbindung von<br />
RDF(S) mit Beschreibungslogiken dar. Im Gegensatz zu F-Logic ist jedoch in der aktuellen Version<br />
von DAML+OIL (März 2001 143) ) keine Spezifikation und Verarbeitung von Inferenzregeln möglich.<br />
Es gibt allerdings seit Ende 2000 eine Initiative zur Definition einer einheitlichen Rule Markup<br />
Language (RuleML) 144) und ihrer Einbindung in webbasierte Ontologiesprachen. Mit ihrer Hilfe<br />
sollen auf der Basis von XML Regeln (z.B. Transformations- und Inferenzregeln) ermöglicht und<br />
ein entsprechender Standard entwickelt werden.<br />
3.2.2.6.3.3 OWL<br />
OWL, die Web Ontology Language, wird vom World-Wide-Web-Konsortium als möglicher Standard<br />
zur Definition von Web-Ontologien für das Semantic Web entwickelt. Diese Web-Ontologien<br />
sollen dazu dienen, ein Vokabular zur Beschreibung von Web-Seiten bereitzustellen und die Bedeutungen<br />
und die Zusammenhänge der dafür relevanten Begriffe zu spezifizieren. OWL basiert auf<br />
RDF(S) und wird als Weiterentwicklung von DAML+OIL gesehen. Es umfasst drei „Subsprachen“,<br />
die auf unterschiedliche Zielgruppen und Anwendungssituationen zugeschnitten sind:<br />
• OWL-Lite unterstützt in erster Linie die Spezifikation einer Klassenhierarchie und einfache Einschränkungsmechanismen<br />
wie Kardinalitäten. Dabei wird auf die Reduzierung von Komplexität<br />
geachtet, indem nur eine Teilmenge der OWL-Sprachkonstrukte zur Verfügung gestellt wird.<br />
• OWL-DL (in Anlehnung an Description Logics) beinhaltet dagegen das vollständige OWL-<br />
Vokabular. Dieses kann jedoch nur unter bestimmten Restriktionen verwendet werden. So wird<br />
beispielsweise eine strikte Trennung zwischen Klassen, Instanzen und Eigenschaften vorgeschrieben.<br />
OWL-DL richtet sich damit vor allem an Benutzer, die eine ausdrucksmächtige<br />
Sprache wünschen, aber gleichzeitig Wert auf operationale Vollständigkeit legen.<br />
• OWL-Full umfasst dasselbe Vokabular wie OWL-DL, die Konstrukte können dabei jedoch ohne<br />
Einschränkungen verwendet werden. Damit stellt OWL-Full eine Erweiterung von RDF dar,<br />
bei der die größtmögliche Ausdrucksmächtigkeit im Vordergrund steht.<br />
142) Allerdings stellt DAML+OIL keine Konstrukte zur Spezifizierung von Symmetrie bereit.<br />
143) Die aktuelle Referenzbeschreibung zu DAML+OIL, die dem World Wide Web Konsortium vorgelegt wurde, ist im Internet<br />
unter der URL „http://www.w3.org/TR/daml+oil-reference“ (Zugriff am 15.09.2004) zu finden. Dort werden auch weitere<br />
ausführliche Informationen zu den Sprachkonstrukten von DAML+OIL zur Verfügung gestellt.<br />
144) Aktuelle Informationen zu RuleML sind im Internet unter der URL „http://www.dfki.uni-kl.de/ruleml/“ (Zugriff am 16.09.<br />
2004) zu finden. Die Sprache wird in ihrem derzeitigen Entwicklungsstand (Stand Version 0.87, September 2004) auch die<br />
besonderen Modellierungsprimitive von F-Logic berücksichtigen, so dass ein zufrieden stellender Austausch zwischen den<br />
beiden hier vorgestellten Sprachen möglich sein wird. Darüber hinaus existieren zurzeit Entwicklungsbestrebungen, die eine<br />
Einbettung der RuleML in OWL (vgl. Kapitel 3.2.2.6.3.3) vorsehen, so dass in Zukunft mit einer mächtigen Sprache für die<br />
Ontologiekonstruktion im Semantic-Web-Umfeld zu rechnen ist. Siehe hierzu die Informationen im Internet unter der URL<br />
„http://www.w3.org/Submission/2004/SUBM-SWRL-20040521/“ (Zugriff am 16.09.2004).
3.2.2 Szenario „Service-Engineering“ 689<br />
Die aktuelle Version von OWL (vom 10.02.2004) besitzt den Status einer „Recommendation“. 145)<br />
Zurzeit werden erste Erfahrungen mit Implementierungen in der Praxis geprüft. OWL ist somit eine<br />
sehr neue, wenig erprobte Sprache und wird aufgrund der fehlenden Werkunterstützung (zum Zeitpunkt<br />
der Ontologieentwicklung für die DMT) nicht weiter betrachtet.<br />
3.2.2.6.4 Vorgehen<br />
Bei der Implementierung sollte berücksichtigt werden, dass in dieser Phase für die Kompetenzen<br />
der DMT nicht eine, sondern zwei Ontologien erstellt wurden: eine F-Logic-Ontologie sowie eine<br />
DAML+OIL-Ontologie. Dies ist im generischen Vorgehensmodell KOWIEN nicht explizit vorgesehen.<br />
Dennoch können die darin enthaltenen Aktivitäten gemäß ihren Spezifikationen durchgeführt<br />
werden, weil jede der beiden Ontologien auf die gleiche Art und Weise, wie im Vorgehensmodell<br />
beschrieben, implementiert wird.<br />
3.2.2.6.4.1 Formale Sprachen auswählen<br />
Das Problem der Auswahl mehrerer formaler Sprachen wurde bereits in Kapitel 3.2.2.6.2.1 (S. 681<br />
ff.) dargestellt. Die Entscheidung, F-Logic und DAML+OIL zu verwenden, wurde insbesondere<br />
durch die gegebene Werkzeugunterstützung (OntoEdit und OntoBroker) beeinflusst. Des Weiteren<br />
war es aus Gründen der Wiederverwendbarkeit der Ontologie(n) wichtig, Sprachen zu wählen, die<br />
dokumentiert und auch allgemein bekannt sind. Für die Wiederverwendbarkeit spielt auch die<br />
Werkzeugunterstützung außerhalb des KOWIEN-Projekts eine Rolle. Für F-Logic wurden nicht nur<br />
in OntoEdit und OntoBroker, sondern auch in den Werkzeugen Protégé-2000 und in WebODE 146)<br />
Schnittstellen implementiert. DAML+OIL wird zum Beispiel von OilEd 147) , WebODE und Protégé-<br />
2000 unterstützt. Daher können die Ontologien, die in F-Logic und DAML+OIL implementiert<br />
wurden, später auch mithilfe anderer Werkzeuge bearbeitet und leicht in einem anderen Kontext<br />
wieder verwendet werden.<br />
3.2.2.6.4.2 Ontologien in formale Darstellungen transformieren<br />
Da für die Entwicklung der Kompetenzontologie das Werkzeug OntoEdit genutzt wurde, konnten<br />
die im Rahmen der Konzeptualisierung identifizierten Konzepte, Attribute, Relationen und Instanzen<br />
in OntoEdit eingegeben werden (sofern sie nicht schon vorher darin erfasst worden waren).<br />
Auch diejenigen Inferenzregeln, die die Eigenschaften bestimmter Relationen spezifizieren (beispielsweise<br />
Transitivität), konnten mithilfe von OntoEdit leicht formuliert werden. Für alle weiteren<br />
145) Die vollständige Spezifikation von OWL ist im Internet unter der URL „http://www.w3.org/TR/owl-ref/“ zu finden; ein<br />
Überblick über die Eigenschaften der Sprache wird im OWL Language Guide unter der URL „http://www.w3.org/TR/owlfeatures/“<br />
gegeben (Zugriff am 15.09.2004).<br />
146) Aktuelle Informationen zu Protégé-2000 sind im Internet unter der URL „http://protege.stanford.edu/index.html“ (Zugriff am<br />
08.09.2004) zu finden. Eine ausführlichere Darstellung zu WebODE wird in ARPÍREZ ET AL. (2001) S. 6 ff. gegeben. Problematisch<br />
bei WebODE ist, dass auf der Homepage, im Gegensatz zur vorgenannten Quelle, nicht von einer Unterstützung von<br />
F-Logic berichtet wird; vgl. „http://delicias.dia.fi.upm.es/webODE/“ (Zugriff am 16.09.2004).<br />
147) Weitere Informationen zum Ontologie-Editor OilEd werden im Internet unter der URL „http://oiled.man.ac.uk/“ (Zugriff am<br />
08.09.2004) zur Verfügung gestellt.
690 3.2.2 Szenario „Service-Engineering“<br />
Inferenz- und Integritätsregeln war es jedoch notwendig, sie bereits in formaler Schreibweise (in F-<br />
Logic-Format) in das Werkzeug einzugeben.<br />
Dabei ergaben sich, zusätzlich zu den bereits erwähnten Schwierigkeiten bei der Formulierung einiger<br />
Integritätsregeln, Probleme mit der Abfrage von Variablen aus der Systemumgebung. Beispielsweise<br />
wird für die Inferenzregel, nach der die Wahrscheinlichkeit einer mindestens 2 Jahre alten<br />
Kompetenzaussage auf 40 Prozent herabgesetzt wird (siehe Kapitel 3.2.2.5.4.6.3, S. 680), die<br />
aktuelle Zeit benötigt. Da diese zurzeit nicht über OntoEdit oder OntoBroker ermittelt werden kann,<br />
wird die Regel zunächst „statisch“ formuliert. Alle Kompetenzaussagen, die zuletzt im Jahr 2001<br />
oder früher geändert wurden, werden als nicht aktuell eingestuft, damit das System ihre Wahrscheinlichkeit<br />
auf 40 Prozent setzt, falls diese nicht vorher schon 40 Prozent oder weniger betrug.<br />
Es ist wünschenswert, dass durch den KOWIEN-Prototyp eine entsprechende Variable mit dem jeweils<br />
aktuellen Datum gesetzt werden kann, um diese Inferenzregel „dynamisch“ formulieren zu<br />
können.<br />
Bei der Formalisierung wurden einige syntaktische Fehler entdeckt, die bei der Formulierung der<br />
Regeln entstanden. Gemäß dem generischen KOWIEN-Vorgehensmodell wurde daraufhin die Ontologie<br />
überprüft und entsprechend verbessert.<br />
3.2.2.6.4.3 Ontologien implementieren<br />
Sobald die Konzeptualisierung vollständig in OntoEdit übertragen war und auch die Integritäts- und<br />
Inferenzregeln in OntoEdit formal spezifiziert waren, konnte die dadurch entstandene (OXML-)<br />
Ontologie in die beiden Formate F-Logic und DAML+OIL exportiert werden. Die daraufhin durch<br />
OntoEdit generierten Ontologien wurden jedoch noch manuell nachbearbeitet, weil das Werkzeug<br />
beispielsweise die Eigenschaften der Relationen (wie etwa Transitivität, siehe Kapitel 3.2.2.5.4.4, S.<br />
674) in der DAML+OIL-Ontologie nicht spezifiziert hatte. Diese Eigenschaften wurden nachträglich<br />
in die Ontologie eingefügt, ebenso wie einige Kommentare und Erläuterungen, die nach dem<br />
Export durch OntoEdit in der mittels F-Logic repräsentierten Ontologie fehlten. Die Implementierung<br />
der Kompetenzontologien konnte anschließend als beendet angesehen werden.<br />
3.2.2.6.5 Ergebnisse<br />
Um einen Eindruck von den Ergebnissen der Implementierung zu vermitteln, werden in den folgenden<br />
beiden Kapiteln Ausschnitte aus den zwei resultierenden Ontologien dargestellt. Für jede der<br />
Ontologien werden als Beispiele die Spezifikationen des gleichen Realitätsausschnitts gezeigt, damit<br />
diese Spezifikationen direkt miteinander verglichen werden können. Die unten aufgeführten<br />
Ontologie-Ausschnitte umfassen die formalen Spezifikationen derjenigen Konzepte, Attribute, Relationen<br />
und Regeln, die während der Konzeptualisierung für den Realitätsausschnitt Projekte erarbeitet<br />
wurden. Ein Teil dieser Konstrukte ist bereits bei den Ergebnissen der Konzeptualisierung in<br />
informaler und semiformaler Form vorgestellt worden (siehe Kapitel 3.2.2.5.4.6, S. 676 ff.).<br />
Auffallende Unterschiede, die in den folgenden Ausschnitten deutlich werden, liegen beispielsweise<br />
im Umfang der Repräsentation. Während der Ausschnitt der F-Logic-Ontologie nur wenige Zeilen<br />
umfasst, ist der inhaltlich vergleichbare Teil der DAML+OIL-Ontologie aufgrund der zahlreichen<br />
erforderlichen Tags knapp zwei Seiten lang. Ein weiterer Nachteil von DAML+OIL, der an dieser<br />
Stelle jedoch nicht sichtbar wird, ist die fehlende Möglichkeit zur Spezifikation von Regeln. Bis auf<br />
wenige Ausnahmen, wie etwa Kardinalitäten und Transitivität, können in DAML+OIL keine In-
3.2.2 Szenario „Service-Engineering“ 691<br />
tegritäts- oder Inferenzregeln formuliert werden. Andererseits stellt DAML+OIL im Gegensatz zu<br />
F-Logic Konstrukte zur Spezifikation von Synonymen und disjunkten Konzepten sowie zur Angabe<br />
zusätzlicher Erläuterungen (comment) bereit.<br />
3.2.2.6.5.1 F-Logic-Ontologie (Ausschnitt)<br />
Projekt::konkretes_Denkobjekt.<br />
// einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem definierten Ziel, das die<br />
Zusammenarbeit mehrerer Personen unter einer Leitung erfordert<br />
Auftrag::Projekt. // externer Kundenauftrag<br />
F_und_E_Projekt::Projekt.<br />
// Projekt fuer Forschung und Entwicklung mit oeffentlichem Zuschussgeber<br />
Internes_Projekt::Projekt.<br />
Grossprojekt::Auftrag. // Auftrag mit mindestens einer Million Euro Umsatz<br />
Normales_Projekt::Auftrag. // Auftrag mit weniger als einer Million Euro Umsatz<br />
Projekt[hat_Projekttitel => xsdSTRING;<br />
hat_Kurzbeschreibung =>> xsdSTRING;<br />
wird_bearbeitet_von_DMT_Einheit =>> Organisationsteil;<br />
wird_geleitet_von_Projektleiter => Mitarbeiter;<br />
wird_bearbeitet_von_MA =>> Mitarbeiter;<br />
hat_Auftraggeber =>> Organisation;<br />
wird_bearbeitet_mit_Projektpartner =>> Organisation;<br />
hat_Budget_in_Euro => xsdINTEGER;<br />
hat_Starttermin => Datum;<br />
hat_Endtermin => Datum;<br />
erfordert_Kompetenz =>> Kompetenz;<br />
hat_Projektstatus => Projektstatus].<br />
KOWIEN:F_und_E_Projekt.<br />
KOWIEN[hat_Projekttitel ->> "Kooperatives Wissensmanagement in Engineering-Netzwerken";<br />
wird_bearbeitet_von_DMT_Einheit ->> IPM;<br />
wird_geleitet_von_Projektleiter -> MA_F_Sowa;<br />
wird_bearbeitet_von_MA ->> MA_A_Bremer;<br />
wird_bearbeitet_von_MA ->> MA_F_Sowa;<br />
wird_bearbeitet_mit_Projektpartner ->> Universitaet_Duisburg_Essen;<br />
wird_bearbeitet_mit_Projektpartner ->> Comma_Soft;<br />
wird_bearbeitet_mit_Projektpartner ->> KSM_Koeln;<br />
wird_bearbeitet_mit_Projektpartner ->> Roland_Berger;<br />
hat_Starttermin -> "01_10_2001";<br />
hat_Endtermin -> "31_12_2004";<br />
erfordert_Kompetenz ->> Einsatzbereitschaft;<br />
erfordert_Kompetenz ->> Kooperationsfaehigkeit;<br />
erfordert_Kompetenz ->> Wissensmanagement_Organisationales_Lernen;<br />
hat_Projektstatus -> in_Bearbeitung].
692 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.6.5.2 DAML+OIL-Ontologie (Ausschnitt)<br />
<br />
einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem<br />
definierten Ziel, das die Zusammenarbeit mehrerer Personen unter einer Leitung erfodert<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
externer Kundenauftrag<br />
<br />
<br />
<br />
Projekt fuer Forschung und Entwicklung mit<br />
oeffentlichem Zuschussgeber<br />
<br />
<br />
<br />
<br />
<br />
<br />
Auftrag mit mindestens einer Million Euro<br />
Umsatz<br />
<br />
<br />
<br />
<br />
Auftrag mit weniger als einer Million Euro<br />
Umsatz<br />
<br />
<br />
<br />
<br />
3.2.2 Szenario „Service-Engineering“ 693<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
Projekte erfordern vor allem Fachkompetenz,<br />
es koennen aber auch andere Kompetenzarten benoetigt werden<br />
<br />
<br />
<br />
<br />
<br />
<br />
Kooperatives Wissensmanagement in Engineering-<br />
Netzwerken<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
694 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.7 Evaluation<br />
3.2.2.7.1 Ziele<br />
Die Evaluation dient dazu, die Ontologie (hier: die beiden Ontologien) hinsichtlich eines Referenzrahmens<br />
zu beurteilen 148) , der durch die Anforderungsspezifikation konstituiert wird. Mit diesem<br />
muss die Ontologie verglichen werden, um anschließend eine Bewertung und gegebenenfalls eine<br />
Verbesserung der Ontologie vorzunehmen. Dieses Vorgehen soll sicherstellen, dass die Ontologie<br />
die Anforderungen erfüllt und später von den Anwendern akzeptiert wird. Bei der Entwicklung der<br />
DMT-Kompetenzontologie wurden zwei Ontologien implementiert und evaluiert. Damit wurden<br />
auch die beiden Sprachen F-Logic und DAML+OIL miteinander verglichen. Das Ziel dieser Vorgehensweise<br />
war die möglichst genaue Evaluation verschiedener Sprachen nicht nur vor ihrer Anwendung<br />
bei der Implementierung, sondern auch darüber hinaus. Dadurch konnten zwei fertig gestellte<br />
Ontologien bewertet und daraus die im Sinne der Anforderungen „beste“ ausgewählt werden.<br />
3.2.2.7.2 Problemstellungen und Lösungsansätze<br />
3.2.2.7.2.1 Auswahl der Evaluatoren<br />
Für die Durchführung der Evaluation in einer Ontologieentwicklung ist es einerseits erforderlich,<br />
Experten im Bereich Ontologien und Wissensrepräsentation hinzuzuziehen. Andererseits ist aber<br />
auch die Befragung der zukünftigen Anwender notwendig, um die Funktionalität der Ontologie zu<br />
beurteilen. Die Auswahl von Personen für die Evaluation der beiden Kompetenzontologien gestaltete<br />
sich schwierig, weil die Mitarbeiter der DMT keine Erfahrung in der Entwicklung oder der Beurteilung<br />
von Ontologien besaßen. Es war jedoch von großer Bedeutung, dass bei der Evaluation besonders<br />
die beiden zur Repräsentation verwendeten Sprachen berücksichtigt werden, damit anschließend<br />
die hinsichtlich der Anforderungen am besten geeignete Ontologie bestimmt werden<br />
konnte. Aus diesem Grund wurden im Rahmen der Evaluation nicht nur Mitarbeiter der DMT, sondern<br />
darüber hinaus auch Mitarbeiter des Universitätspartners und des Softwarepartners befragt. Bei<br />
dieser Befragung, die in den Kapiteln 3.2.2.7.3.1 und 3.2.2.7.3.2 erläutert wird, wurden unterschiedliche<br />
Schwerpunkte gesetzt: Bei der Befragung von Vertretern der DMT stand die Beurteilung der<br />
Funktionalität und des grundsätzlichen Aufbaus der Ontologien im Mittelpunkt. Bei den weiteren<br />
Befragungen war es ebenso wichtig, die auf die unterschiedlichen Sprachen zurückzuführenden<br />
Qualitätsunterschiede zu identifizieren, um diese dann für die Auswahl der „besseren“ Ontologie<br />
heranzuziehen.<br />
3.2.2.7.2.2 Ermittlung und Auswertung der Ergebnisse<br />
In der Anforderungsspezifikation wurden bereits erste Überlegungen zur Operationalisierung der<br />
Gütekriterien dargestellt. Diese reichen jedoch nicht aus, um die Erfüllung der Anforderungen<br />
durch die Ontologien ermitteln und bewerten zu können, weil sie noch nicht vollständig operationalisiert<br />
worden sind. Daher wurden anhand der schon identifizierten Indikatoren (siehe dazu auch<br />
148) Vgl. GÓMEZ-PÉREZ (2001) S. 393.
3.2.2 Szenario „Service-Engineering“ 695<br />
Kapitel 3.2.2.3.2.5, S. 633 f.) und aufbauend auf weiteren Ergebnissen des KOWIEN-Projekts 149)<br />
Messgrößen für die Berechnung von Kennzahlen festgelegt.<br />
Für das Kriterium der Klarheit ist beispielsweise der Indikator Anzahl der intersubjektiv nicht nachvollziehbaren<br />
Konstrukte (NniN) bestimmt worden, der in der Messgröße αNniN = NniN / NK (mit<br />
NK = Anzahl aller Konstrukte in der Ontologie) zur Berechnung einer Kennzahl für die Klarheit<br />
benutzt wird. Zur einfacheren und intersubjektiv nachvollziehbaren Bewertung wurden Schwellenwerte<br />
festgelegt, anhand derer sich eine Kennzahl immer genau einem Wert auf einer Ordinalskala<br />
zuordnen lässt. So wurde zum Beispiel die Klarheit einer Ontologie mit 0,01 ≥ αNniN ≥ 0 als sehr gut<br />
bewertet. Die Festlegung dieser Schwellenwerte orientierte sich an den Sollwerten, die die Mitarbeiter<br />
der DMT durch das Ausfüllen des Fragebogens „Erhebung des Soll-Ontologie-Profils“ bestimmt<br />
haben. Die Kennzahl wurde anschließend auf einer Ordinalskala eingeordnet, indem man ihr<br />
einen der Werte 0 bis 4 (hier: keine, geringe, durchschnittliche, gute oder sehr gute Klarheit) zuordnete.<br />
Diese Art der Bewertung soll dazu beitragen, das Ausfüllen des Fragebogens für die Evaluatoren zu<br />
vereinfachen und die Ergebnisse vergleichbarer zu machen. Dabei ist zu beachten, dass zur Beurteilung<br />
der Ontologien nicht mit einer Kardinalskala gearbeitet wird, die erforderlich wäre, um anschließend<br />
etwa einen Nutzwert für jede Ontologie zu berechnen. Die für die Erfüllung der Anforderungen<br />
vergebenen „Punkte“ sind stattdessen als ordinale Bewertung zu sehen, die später für die<br />
Visualisierung der Ergebnisse in Polarprofilen und für die Auswahl der „besten“ Ontologie verwendet<br />
wird (siehe Kapitel 3.2.2.7.5.2, S. 704 f.).<br />
3.2.2.7.3 Methoden<br />
3.2.2.7.3.1 Strukturiertes Interview<br />
Ähnlich wie bereits in der Phase der Wissensakquisition wurde für die Evaluation eine Befragung<br />
vorgenommen, um Informationen über die subjektiv wahrgenommene Qualität der Ontologien zu<br />
erheben. Im Unterschied zur Wissensakquisition wurde hier jedoch nicht nur eine Agenda für den<br />
groben Ablauf erstellt, sondern ein detaillierter Fragebogen, in dem die einzelnen bei der Anforderungsspezifizierung<br />
festgelegten Kriterien noch einmal erläutert und operationalisiert werden. Dafür<br />
wurde ein bereits vom Universitätspartner erarbeiteter Fragebogen („Erhebung des Ist-Ontologie-<br />
Profils“) 150) als Ausgangsbasis verwendet, und die darin enthaltenen Kriterien wurden an die Kriterien<br />
der Anforderungsspezifikation angepasst. Durch strukturierte Interviews, die bereits früher ausführlich<br />
dargestellt worden sind (siehe Kapitel 3.2.2.4.3.1, S. 650 f.), wurde der Fragebogen anschließend<br />
mit verschiedenen Repräsentanten der DMT ausgefüllt. Die Befragung der Mitarbeiter<br />
der DMT wurde persönlich durchgeführt, besonders um eventuelle Fragen bezüglich der „Handhabung“<br />
der Ontologien beantworten zu können.<br />
149) Vgl. dazu die Ausführungen von ALPARSLAN in ALAN/ALPARSLAN/DITTMANN (2003) S. 57 f.<br />
150) Vgl. zu diesem Fragebogen die Ausführungen von ALPARSLAN in ALAN/ALPARSLAN/DITTMANN (2003) S. 159 ff. und AL-<br />
PARSLAN (2003).
696 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.7.3.2 Schriftliche Befragung<br />
Wie bereits erwähnt, wurden neben den Mitarbeitern der DMT weitere am Projekt KOWIEN beteiligte<br />
Personen für die Evaluation der Kompetenzontologien befragt. Um zusätzliche Bewertungen<br />
der Ontologien, insbesondere der verwendeten Sprachen, zu erheben, haben einige Mitarbeiter des<br />
Universitäts- und des Softwarepartners ebenfalls den Evaluationsfragebogen erhalten. Diese Personen<br />
wurden auf schriftlichem Wege befragt, indem die Zusendung des Fragebogens und der Ontologien<br />
sowie das Zurückschicken des ausgefüllten Fragebogens via Email durchgeführt wurden. 151)<br />
Vorteile dieser „postalischen“ Befragung liegen neben dem reduzierten (zeitlichen und organisatorischen)<br />
Aufwand für den Interviewer vor allem darin, dass die Befragten sich mehr Zeit zum Ausfüllen<br />
des Fragebogens nehmen können und möglicherweise ehrlicher und konzentrierter antworten als<br />
in Anwesenheit eines Interviewers.<br />
Einige Ausschnitte aus dem Fragebogen, der sowohl bei den Interviews als auch bei der schriftlichen<br />
Befragung verwendet wurde, werden in Kapitel 3.2.2.7.5.1 (S. 700 ff.) dargestellt. 152)<br />
3.2.2.7.4 Vorgehen<br />
Auch für den Ablauf der Evaluation ist zu beachten, dass die im Vorgehensmodell spezifizierten<br />
Aktivitäten für zwei Ontologien durchgeführt werden mussten. Darüber hinaus ist es wichtig, dass<br />
die Ontologieentwicklung mit der Evaluation oft nicht abgeschlossen ist. In Abhängigkeit von den<br />
Ergebnissen der Evaluation kann es notwendig sein, noch einmal zur Implementierung „zurückzugehen“<br />
oder sogar das konzeptuelle Modell zu überarbeiten. Die Evaluation einer Ontologie umfasst<br />
einerseits ihre Validation und andererseits ihre Verifikation. Bei der Validation wird überprüft,<br />
ob eine Ontologie ihre Anforderungsspezifikation erfüllt. Dabei wird im Allgemeinen davon ausgegangen,<br />
dass die Überprüfung mittels informaler Methoden erfolgt. Bei der Verifikation geht es<br />
hingegen darum, die Korrektheit einer Ontologie in Bezug auf eine formalsprachliche Spezifikation<br />
mittels formaler Methoden zu überprüfen. 153) Die zu verifizierende Korrektheit entspricht weit gehend<br />
dem Kriterium der Konsistenz, das in Kapitel 2.1.6.7 (S. 347) erläutert wurde.<br />
Die beiden im generischen Vorgehensmodell KOWIEN zusätzlich enthaltenen Evaluationsaktivitäten,<br />
die das Testen der Ontologie in ihren zukünftigen Anwendungsbereichen und die Korrektur<br />
der dabei entdeckten Fehler beschreiben, wurden bei der DMT-Ontologieentwicklung nicht berücksichtigt.<br />
Die Umsetzung dieser Funktionen war nicht möglich, weil zum Zeitpunkt der Entwicklung<br />
noch kein Kompetenzmanagementsystem zur Verfügung stand, in dessen Rahmen die gewählte Ontologie<br />
eingesetzt werden konnte. Der von der Comma Soft AG zu entwickelnde KOWIEN-Prototyp<br />
soll ein solches Kompetenzmanagementsystem bereitstellen, das einen benutzerfreundlichen<br />
Zugriff auf die Konstrukte der Ontologie und auf die Wissensbasis ermöglicht. 154)<br />
151) Für weitere Informationen zur Methode der schriftlichen Befragung siehe SCHNELL/HILL/ESSER (1995) S. 333.<br />
152) Der vollständige Fragebogen ist in APKE/BREMER/DITTMANN (2004) S. C-1 ff. zu finden.<br />
153) Ähnliche Definitionen für den Begriff Verifikation werden in GÓMEZ-PÉREZ (2001) S. 393 (speziell für Ontologien) und in<br />
BALZERT (1998) S. 446 (für Software allgemein) gegeben.<br />
154) Vgl. dazu Kapitel 3.1.1, S. 571 ff., insbesondere S. 579 ff.
3.2.2 Szenario „Service-Engineering“ 697<br />
3.2.2.7.4.1 Ontologien verifizieren<br />
Da für die Kompetenzontologien der DMT keine formalsprachliche Spezifikation existierte, wie sie<br />
das Wissen über Kompetenzen zu repräsentieren hatten, war ein Beweis ihrer semantischen Korrektheit<br />
nicht möglich.<br />
Der zweite Bestandteil der Verifikation ist der Beweis der syntaktischen Korrektheit, wobei die Definitionen<br />
aller Konzepte, Attribute, Relationen und Regeln der Ontologien zu untersuchen sind.<br />
Aufgrund der Nutzung des Werkzeugs OntoEdit wurde die Codierung der Ontologien mit Ausnahme<br />
einiger Regeln und Kommentare hier nicht manuell, sondern durch den Computer vorgenommen.<br />
Aus diesem Grund konnte man, zumindest für die hier geltenden Ansprüche, von einer korrekten<br />
Definition dieser Konstrukte ausgehen. 155)<br />
Eine weitere Verifikation der Ontologien wurde wegen des fehlenden formalen Referenzrahmens<br />
nicht durchgeführt; stattdessen wurde die syntaktische und semantische Korrektheit der Ontologien<br />
durch Tests (in Form von Abfragen) mit OntoEdit und OntoBroker überprüft.<br />
3.2.2.7.4.2 Fehler aus der Verifikation korrigieren<br />
Ähnlich wie bereits bei der Formalisierung und Implementierung (siehe Kapitel 3.2.2.6.4.2 bzw.<br />
3.2.2.6.4.3, beide S. 690) wurden im Zuge der Verifikation einige syntaktische Fehler in den manuell<br />
formulierten Inferenzregeln der F-Logic-Ontologie festgestellt und daraufhin behoben. Da in der<br />
DAML+OIL-Ontologie diese Regeln nicht spezifiziert werden konnten und sie daher nur aus den<br />
aus OntoEdit exportierten Daten bestand, mussten darin keine syntaktischen Fehler korrigiert werden.<br />
Nachdem auch die Verarbeitun und 3,2.6.4.3g der F-Logic-Ontologie durch OntoEdit und OntoBroker<br />
fehlerfrei war, galt diese ebenfalls als syntaktisch korrekt.<br />
3.2.2.7.4.3 Ontologien validieren<br />
3.2.2.7.4.3.1 Befragung der Projektbeteiligten<br />
Bei der Validation einer Ontologie wird überprüft und bewertet, inwieweit die Ontologie dem Realitätsausschnitt<br />
entspricht, den sie abbilden soll. 156) Als Referenzrahmen für die Validation wurde<br />
hier die Anforderungsspezifikation verwendet, insbesondere die darin festgelegten Gütekriterien<br />
und Competency Questions. Anhand dieses Referenzrahmens mussten die Evaluatoren, also die<br />
Mitarbeiter der DMT sowie des Software- und des Universitätspartners, einschätzen, welche der<br />
beiden Kompetenzontologien am besten die gestellten Anforderungen erfüllt. Der zu diesem Zweck<br />
erstellte Fragebogen umfasste für jedes Kriterium aus der Anforderungsspezifikation Orientierungsfragen<br />
und/oder Algorithmen zur Berechnung von Kennzahlen, die die Bewertung der Ontologien<br />
erleichtern sollten. Da die Evaluatoren den Fragebogen für beide Ontologien ausfüllten, wurde jede<br />
der Ontologien nicht nur mit dem Referenzrahmen, der Anforderungsspezifikation, sondern indirekt<br />
auch mit der anderen Ontologie verglichen. Auf diese Weise war es schließlich möglich, die für<br />
155) Diese Annahme setzt ein „blindes“ Vertrauen in die Korrektheit von Computern voraus, auf das an dieser Stelle nicht weiter<br />
eingegangen werden kann. Einstweilen soll der Verweis, dass eine Fokussierung auf die Praktikabilität des Vorgehens erfolgte,<br />
als Begründung für diese Annahme reichen.<br />
156) Vgl. GÓMEZ-PÉREZ (2001) S. 393.
698 3.2.2 Szenario „Service-Engineering“<br />
eine Anwendung bei der DMT und im KOWIEN-Projekt am besten geeignete Ontologie auszuwählen.<br />
3.2.2.7.4.3.2 Auswertung der Befragungsergebnisse<br />
Anhand der Antworten der Befragten und der berechneten Kennzahlen wurde für jede der beiden<br />
Ontologien zu jedem Kriterium ein Durchschnittswert gebildet, der sich aus der Gesamtheit der<br />
ausgefüllten Fragebögen ergab. Diese Durchschnittswerte wurden mithilfe von MS-Excel in ein<br />
Netzdiagramm übertragen und damit graphisch visualisiert. Neben den „Profilen“ der beiden Ontologien<br />
enthält das Netzdiagramm auch eine Darstellung der jeweils höchstmöglichen Werte für alle<br />
Kriterien, die damit das „Idealprofil“ repräsentiert. Diese Ontologieprofile ermöglichen einen qualitativen<br />
Vergleich der F-Logic- mit der DAML+OIL-Ontologie (siehe Kapitel 3.2.2.7.5.2, S. 704 f.).<br />
Unterschiede in der Bewertung der beiden Ontologien ergaben sich in erster Linie nur beim Kriterium<br />
der Spracheignung. Für die Wiederverwendbarkeit wurden den Ontologien von einigen Evaluatoren<br />
ebenfalls unterschiedliche Bewertungen vergeben, alle weiteren Kriterien wurden nach Ansicht<br />
der Befragten von beiden Ontologien gleich gut erfüllt.<br />
Anhand der Ergebnisse zu diesen letztgenannten Kriterien konnte daher eine allgemeine Überprüfung<br />
der nicht durch die Sprache beeinflussten, „inhaltlichen Qualität“ der beiden Ontologien vorgenommen<br />
werden. Wie aus den Netzdiagrammen der Ontologien deutlich wird, erhielten beide<br />
Ontologien hohe Bewertungen für die Kriterien Klarheit, funktionale Vollständigkeit, Konsistenz<br />
und Richtigkeit der Sprachanwendung. Besonders bei der Klarheit und der funktionalen Vollständigkeit<br />
war dieses Ergebnis überaus wichtig, da für diese Kriterien im Rahmen der Anforderungsspezifizierung<br />
eine sehr hohe Priorität festgelegt worden war. Die Einfachheit der Ontologien<br />
sowie ihre Erweiterbarkeit und auch ihre Minimalität bewerteten die Evaluatoren etwas schlechter,<br />
aber immer noch deutlich überdurchschnittlich. Die einzelnen Kritikpunkte der Evaluatoren waren<br />
sehr ähnlich und bezogen sich meist auf die oberen Ebenen der Ontologien, die von der KOWIEN-<br />
Ontologie übernommen worden waren. Hier wünschten sich die befragten Personen eine weiter gehende<br />
Vereinfachung der Konzepthierarchie und eine stärkere Fokussierung auf die für die DMT<br />
relevanten und verständlichen Konzepte. Diese Anregungen wurden dann durch weitere Überarbeitungen<br />
und Verbesserungen umgesetzt (siehe dazu das folgende Kapitel 3.2.2.7.4.4).<br />
Bezüglich der Wiederverwendbarkeit sahen einige der Evaluatoren Vorteile in der Wahl der<br />
DAML+OIL-Ontologie. Aufgrund ihrer großen Bedeutung für den Forschungsansatz des Semantic<br />
Web ist es wahrscheinlich, dass die Sprache DAML+OIL auch später noch zahlreichen Personen<br />
bekannt ist und sie von vielen Werkzeugen unterstützt wird. F-Logic ist ebenfalls weit verbreitet,<br />
daher wurde die Wiederverwendbarkeit der F-Logic-Ontologie nur geringfügig schlechter beurteilt.<br />
Beim Kriterium der Spracheignung bewerteten die Evaluatoren die F-Logic-Ontologie dagegen<br />
deutlich besser als die DAML+OIL-Ontologie, was auch aus der Übersicht der Netzdiagramme ersichtlich<br />
ist (siehe Kapitel 3.2.2.7.5.2, S. 705). Hauptursache für diese Bewertung war die größere<br />
Ausdrucksfähigkeit von F-Logic. In der aktuellen Version von DAML+OIL ist zwar die Spezifikation<br />
und Verarbeitung von Relationseigenschaften wie Transitivität möglich, die Formulierung von<br />
Integritätsregeln und objektsprachlichen Inferenzregeln jedoch nicht. Die im Rahmen der Konzeptualisierung<br />
identifizierten Regeln (siehe Kapitel 3.2.2.5.4.4 und 3.2.2.5.4.6.3, S. 674 f. bzw. 679 f.)<br />
konnten daher nicht in die DAML+OIL-Ontologie aufgenommen werden.
3.2.2 Szenario „Service-Engineering“ 699<br />
Aus diesem Grund stellt die F-Logic-Ontologie die hinsichtlich der aufgestellten Anforderungen<br />
besser geeignete Ontologie dar. Sie wurde für die weitere Verwendung im Kontext des KOWIEN-<br />
Projekts ausgewählt und zu diesem Zweck noch geringfügig überarbeitet.<br />
3.2.2.7.4.4 Fehler aus der Validation korrigieren<br />
Nachdem anhand der unterschiedlichen Bewertungen der beiden Ontologien durch die Evaluatoren<br />
die in diesem Zusammenhang „beste“ Ontologie bestimmt worden war, wurden die bei der Validation<br />
angeregten Verbesserungsvorschläge überprüft und umgesetzt. Bei dieser weiteren Überarbeitung<br />
wurde jedoch nur noch die F-Logic-Ontologie berücksichtigt, da sie die bei der DMT und im<br />
KOWIEN-Projekt einzusetzende Ontologie darstellt.<br />
Ein großer Teil der von den Evaluatoren angesprochenen Kritikpunkte bezog sich auf die oberen<br />
Ebenen der Kompetenzontologien. Diese waren aus der KOWIEN-Ontologie übernommen worden,<br />
stellten sich jedoch im Nachhinein als nicht notwendig für die Kompetenzontologien der DMT heraus.<br />
Daher wurden einige Konzepte der oberen Ebenen entfernt, um die Konzepttiefe der DMT-Ontologie<br />
zu verringern und ihre Einfachheit und Minimalität zu verbessern. Das Konzept metasprachliche_Entitaet<br />
beispielsweise wurde zusammen mit seinen Subkonzepten gelöscht, da es für<br />
die Beschreibung der Kompetenzen der DMT nicht benötigt wurde. Um weiterhin textuelle Erläuterungen<br />
zu Instanzen hinterlegen zu können, wie es vorher durch Instanzen des Konzepts Definition<br />
realisiert wurde, wurde ein zusätzliches Attribut wird_erläutert_durch vom Typ STRING spezifiziert.<br />
Darüber hinaus wurden einige der Konzeptbezeichnungen vereinfacht (konkretes_Denkobjekt<br />
wurde z.B. ersetzt durch konkretes_Objekt) oder verallgemeinert (von DMT-interne_Weiterbildung<br />
zu interne_Weiterbildung), damit die Einfachheit und die Wiederverwendbarkeit der Ontologie verbessert<br />
wurden.<br />
Diese und weitere Überarbeitungen wurden (da sie einen „Rücksprung“ zur Phase der Konzeptualisierung<br />
darstellten) zur Erhöhung der Nachvollziehbarkeit in das Dokument der Design-Entscheidungen<br />
eingefügt. 157) Sie hatten zur Folge, dass die (F-Logic-) Kompetenzontologie nur noch<br />
eine maximale Konzepttiefe von 9 und eine durchschnittliche Konzepttiefe von 6,48 besaß. Nach<br />
der Implementierung, aber noch vor der Validation lagen diese Werte noch bei 12 bzw. 9,02, so<br />
dass die Ontologie stark vereinfacht und ihr Umfang reduziert wurde. Diese Überarbeitungen trugen<br />
dazu bei, die Qualität der Ontologie zu verbessern und dadurch ihre Akzeptanz bei den zukünftigen<br />
Benutzern zu erhöhen.<br />
3.2.2.7.5 Ergebnisse<br />
Zu den Ergebnissen der Evaluationsphase zählt zum einen der Fragebogen, der für die Erhebung der<br />
Ist-Profile der beiden Ontologien verwendet wurde. Er baut auf einem bereits vom Universitätspartner<br />
entwickelten Fragebogen („Erhebung des Ist-Ontologie-Profils“) auf und erweitert die in der<br />
Anforderungsspezifizierung vorgeschlagenen Ansätze zur Messung und Bewertung der Qualität<br />
von Ontologien hinsichtlich der Gütekriterien.<br />
Die durch die Auswertung der ausgefüllten Fragebögen gewonnenen Profile stellen ein weiteres bedeutendes<br />
Ergebnis dar, weil sie die Grundlage für eine Entscheidung für eine der beiden Ontolo-<br />
157) Vgl. APKE/BREMER/DITTMANN (2004) S. B-1 ff.
700 3.2.2 Szenario „Service-Engineering“<br />
gien bilden. Diese Profile werden in Kapitel 3.2.2.7.5.2 in graphischer Form als Netzdiagramm zusammengefasst<br />
aufgeführt (Abbildung 108, S. 705).<br />
3.2.2.7.5.1 Evaluationsfragebogen<br />
Der Fragebogen umfasste für jedes in der Anforderungsspezifikation festgelegte Kriterium Fragen<br />
an die Evaluatoren, die eine Orientierung für die Bewertung der Ontologien darstellten. Im Vordergrund<br />
der Evaluation stand die Anwendbarkeit in der Praxis (im Sinne des Forschungsvorhabens).<br />
Deshalb wurde bei der Entwicklung des Fragebogens darauf geachtet, die Krierien möglichst plausibel<br />
und „einfach“ zu erfassen. Dieses Vorgehen wurde bewusst einem wissenschaftlichen Ansprüchen<br />
genügenden Ansatz vorgezogen, um eine Anwendbarkeit in der Praxis zu ermöglichen. 158) Die<br />
folgende Abbildung zeigt noch einmal eine Übersicht über die Kriterien für die Evaluation der Ontologiegüte.<br />
1. Klarheit<br />
Evaluationsfragebogen<br />
Klarheit<br />
Einfachheit<br />
Erweiterbarkeit<br />
funktionale Vollständigkeit<br />
Wiederverwendbarkeit<br />
Minimalität<br />
Konsistenz<br />
Spracheignung<br />
Richtigkeit der Sprachanwendung<br />
Abbildung 107: Kriterien für die Evaluation der Ontologiegüte<br />
Frage: Ist die Bedeutung der Konstrukte der Ontologie (so, wie sie in der Dokumentation beschrieben<br />
ist oder wie sie durch Verbindungen zu anderen Konstrukten deutlich wird) anders als die Bedeutung<br />
in Ihrem Arbeitsbereich? Falls ja, welchen Konstrukten werden von Ihnen oder Ihrer Abteilung<br />
andere Bedeutungen zugeschrieben?<br />
Berechnung: Anteil der Konstrukte in der Ontologie, die intersubjektiv nicht nachvollziehbar sind:<br />
NniN<br />
α NniN = mit NK ≠ 0 und 1 ≥ αNniN ≥ 0<br />
NK<br />
158) Es gilt hierbei die Regel: so viel Wissenschaft wie möglich und so viel Praxis wie nötig.
3.2.2 Szenario „Service-Engineering“ 701<br />
mit αNniN = Anteil der Konstrukte in der Ontologie, die intersubjektiv nicht nachvollziehbar sind,<br />
NK = Anzahl aller Konstrukte, NniN = Anzahl der nicht intersubjektiv nachvollziehbaren Konstrukte.<br />
Bewertung: keine Klarheit (0): 1≥ αNniN > 0,1; geringe Klarheit (1): 0,1 ≥ αNniN > 0,06; durchschnittliche<br />
Klarheit (2): 0,06 ≥ αNniN > 0,03; gute Klarheit (3): 0,03 ≥ αNniN > 0,01; sehr gute Klarheit<br />
(4): 0,01 ≥ αNniN ≥ 0.<br />
2. Einfachheit<br />
Frage: Wie würden Sie die Einfachheit der Kompetenzontologie hinsichtlich der Tiefe der Begriffshierarchie<br />
bewerten?<br />
Berechnung: Messgröße zur Bestimmung der Komplexität einer Ontologie hinsichtlich ihrer Kon-<br />
NC<br />
strukte: NSI =<br />
NC + NR + NA<br />
mit NC = Anzahl der Konzepte in der Ontologie, NR = Anzahl der nicht-taxonomischen Relationen<br />
in der Ontologie, NA = Anzahl der Regeln (Axiome) in der Ontologie;<br />
zusätzlich subjektive Einschätzung der Komplexität der Konzepttiefe durch die Evaluatoren (Bewertung<br />
von 0, große Komplexität, bis 4, hohe Simplizität).<br />
Bewertung: Zunächst wird die Komplexität der Ontologie hinsichtlich ihrer Konstrukte bewertet:<br />
sehr geringe Konstruktkomplexität (4): 0,8 ≤ NSI ≤ 1; geringe Konstruktkomplexität (3): 0,6 ≤ NSI<br />
< 0,8; durchschnittliche Konstruktkomplexität (2): 0,3 ≤ NSI < 0,6; hohe Konstruktkomplexität (1):<br />
0,15 ≤ NSI < 0,3; sehr hohe Konstruktkomplexität (0): 0 ≤ NSI < 0,15. Anschließend erfolgt die<br />
gleichgewichtete Kombination der Komplexität der Konzepttiefe und der Konstruktkomplexität zu<br />
einem „Durchschnittswert“ zwischen 0 (keine Einfachheit) und 4 (sehr hohe Einfachheit) durch die<br />
Evaluatoren.<br />
3. Erweiterbarkeit<br />
Frage: Wie würden Sie den Aufwand für Erweiterungen der DMT-Ontologie (hinsichtlich der dafür<br />
benötigten Zeit und der zusätzlich erforderlichen Änderungen an bestehenden Konstrukten) einschätzen?<br />
Berechnung: Es erfolgt eine subjektive Einschätzung der Erweiterbarkeit durch die Evaluatoren.<br />
Bewertung: Bewertung der Erweiterbarkeit der Ontologie von 0, keine Erweiterbarkeit, bis 4, sehr<br />
gute Erweiterbarkeit.<br />
4. Funktionale Vollständigkeit<br />
Frage: Werden alle Competency Questions der Anforderungsspezifikation von der Kompetenzontologie<br />
beantwortet? Falls nein, welche Fragen werden nicht beantwortet? Bitte ordnen Sie unter<br />
„Gruppe“ die jeweiligen Fragen entsprechend ihrer Relevanz in die Gruppen A (sehr wichtig), B<br />
(wichtig) oder C (weniger wichtig) ein, sofern Ihre Einschätzung nicht mit der Priorisierung aus der<br />
Anforderungsspezifikation übereinstimmt. Es ist äußerst wichtig, dass alle Fragen subsumiert werden,<br />
da sonst das Kriterium bei der Bewertung nicht korrekt genutzt wird.
702 3.2.2 Szenario „Service-Engineering“<br />
Berechnung: Messgröße zur Bestimmung der funktionalen Vollständigkeit:<br />
MNF = (3*NbA + 2*NbB + NbC) / (3*A + 2*B + C)<br />
mit NbA = Anzahl der nicht beantworteten Fragen der Kategorie A, NbB der Kategorie B und NbC<br />
der Kategorie C, A = Anzahl der Fragen der Kategorie A (B und C entsprechend).<br />
Bewertung: 159) keine funktionale Vollständigkeit (0): 1 ≥ MNF > 0,4; geringe funktionale Vollständigkeit<br />
(1): 0,4 ≥ MNF > 0,2; durchschnittliche funktionale Vollständigkeit (2): 0,2 ≥ MNF > 0,08;<br />
gute funktionale Vollständigkeit (3): 0,08 ≥ MNF > 0,04; sehr gute funktionale Vollständigkeit (4):<br />
0,04 ≥ MNF ≥ 0.<br />
5. Wiederverwendbarkeit<br />
Frage: Wie würden Sie die Wiederverwendbarkeit der Kompetenzontologie in Bezug auf den zu<br />
erwartenden Aufwand für Änderungen und die Verbreitung der verwendeten Sprache einschätzen?<br />
Berechnung: subjektive Einschätzung der Wiederverwendbarkeit durch die Evaluatoren.<br />
Bewertung: Bewertung der Wiederverwendbarkeit der Ontologie in vier Stufen von 0, keine Wiederverwendbarkeit,<br />
bis 4, sehr gute Wiederverwendbarkeit.<br />
6. Minimalität<br />
Frage: Enthält die Kompetenzontologie „überflüssige“ Konstrukte, die ohne den Verlust von Informationen<br />
entfernt werden können (redundante Konstrukte) oder die keine Relevanz für den intendierten<br />
Anwendungsbereich besitzen (abundante Konstrukte)? Falls ja, welche sind das?<br />
NrK<br />
Berechnung: Messgröße zur Bestimmung der Minimalität der Ontologie: α NRF = 1− NK<br />
mit NrK = Anzahl nicht relevanter Konstrukte, NK = Anzahl aller Konstrukte.<br />
Bewertung: keine Minimalität (0): 0 ≤ αNRF < 0,6; geringe Minimalität (1): 0,6 ≤ αNRF < 0,8; durchschnittliche<br />
Minimalität (2): 0,8 ≤ αNRF < 0,95; gute Minimalität (3): 0,95 ≤ αNRF < 0,98; sehr gute<br />
Minimalität (4): 0,98 ≤ αNRF ≤ 1.<br />
7. Konsistenz<br />
Fragen: Wurden in der Ontologie Widersprüche zwischen den vorhandenen Konstrukten gefunden?<br />
Wurde durch die Anwendung von Inferenzregeln neues Wissen erschlossen, das im Widerspruch zu<br />
dem expliziten Wissen in der Wissensbasis steht? Bitte beschreiben Sie die festgestellten Inkonsistenzen.<br />
Wie würden Sie die Anzahl und Qualität der Inkonsistenzen einschätzen?<br />
Berechnung: subjektive Einschätzung der Konsistenz durch die Evaluatoren.<br />
Bewertung: Bewertung der Konsistenz der Ontologie von 0, sehr geringe Konsistenz, bis 4, sehr gute<br />
Konsistenz.<br />
159) Um eine größere Aussagefähigkeit zu erhalten, wäre bei Bedarf auch eine logarithmische Aufteilung der Bewertungsskala<br />
möglich (z. B. in 0; 2; 4; 8; 16).
3.2.2 Szenario „Service-Engineering“ 703<br />
8. Spracheignung<br />
Frage: Wie würden Sie die Eignung der ausgewählten Sprache (F-Logic oder DAML+OIL) hinsichtlich<br />
der Verständlichkeit der Sprache für die Projektbeteiligten, der vorhandenen Werkzeugunterstützung<br />
und der erforderlichen Ausdrucksfähigkeit für diese Ontologieentwicklung bewerten?<br />
Berechnung: subjektive Einschätzung der Spracheignung durch die Evaluatoren.<br />
Bewertung: Bewertung der Eignung der Ontologiesprache von 0, sehr geringe Spracheignung, bis 4,<br />
sehr gute Spracheignung.<br />
9. Richtigkeit der Sprachanwendung<br />
Fragen: Wird für die Spezifikation der Konstrukte der Kompetenzontologie nur diejenige Notation<br />
benutzt, die in dem Metamodell der gewählten Repräsentationssprache definiert ist? Falls nein, welche<br />
sind die im Vergleich zum Metamodell der Sprache fehlenden oder falschen Konstrukte? Wie<br />
würden Sie die Anzahl und Qualität der Abweichungen vom Metamodell einschätzen?<br />
Berechnung: subjektive Einschätzung der Richtigkeit der Sprachanwendung durch die Evaluatoren.<br />
Bewertung: Bewertung der Richtigkeit der Sprachanwendung von 0, kaum richtige Sprachanwendung,<br />
bis 4, sehr hohe Richtigkeit der Sprachanwendung.
704 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.7.5.2 Befragungsergebnis<br />
Die einzelnen Werte, die sich aus den Antworten der Evaluatoren und aus den berechneten Kennzahlen<br />
ergaben, werden in der folgenden Tabelle 9 auf der folgenden Seite zusammengefasst. Die<br />
sechs befragten Personen, die durch die Buchstaben A bis F repräsentiert werden, gaben jeweils<br />
zwei verschiedene Bewertungen ab. Eine Bewertung bezog sich auf die F-Logic-Ontologie (in der<br />
Tabelle durch FL gekennzeichnet), die andere auf die DAML+OIL-Ontologie (DO). Wie bereits<br />
erwähnt, war die schlechtest mögliche Bewertung eine „0“ (sehr geringe Ausprägung des Krieriums)<br />
und die bestmögliche Bewertung eine „4“ (sehr hohe Ausprägung des Kriteriums). Der Fall,<br />
dass ein Evaluator zu einem Kriterium keine Bewertung abgab, wird in der nachfolgenden Tabelle 9<br />
mit einem „-“ angezeigt.<br />
Evaluatoren A B C D E F<br />
Kriterien Ontologien FL DO FL DO FL DO FL DO FL DO FL DO<br />
Klarheit 4 4 4 4 4 4 4 4 3 3 4 4<br />
Einfachheit 3 3 2 2 3 3 3 3 2 2 3 3<br />
Erweiterbarkeit 2 2 3 3 4 4 2 2 3 3 3 3<br />
funktionale Vollständigkeit 3 3 4 4 3 3 4 4 3 3 4 4<br />
Wiederverwendbarkeit 3 3 4 4 2 3 3 3 3 3 4 4<br />
Minimalität 4 4 4 4 3 3 3 3 4 4 3 3<br />
Konsistenz 4 4 4 4 3 3 4 4 2 2 4 4<br />
Spracheignung - - 4 2 3 2 3 2 3 2 2 3<br />
Richtigkeit der Sprachanwendung - - 4 4 4 4 3 3 4 4 4 4<br />
Tabelle 9: Bewertung der Ontologien durch die Evaluatoren<br />
Aus den von den Evaluatoren vergebenen Werten wurde für jedes gleichgewichtete Kriterium und<br />
für jede der beiden Ontologien ein Durchschnittswert berechnet, der zwischen 0 (sehr geringe Ausprägung<br />
des Kriteriums) und 4 (sehr hohe Ausprägung des Kriteriums) liegt. Diese Durchschnittswerte<br />
wurden dann mithilfe von Excel in einem Netzdiagramm graphisch dargestellt. Das Netzdiagramm<br />
umfasst die Polarprofile der zwei Ontologien und stellt zusätzlich mit den jeweils höchstmöglichen<br />
Werten zu allen Kriterien ein „Ideal-Profil“ dar (siehe Abbildung 108 auf der nächsten<br />
Seite).
3.2.2 Szenario „Service-Engineering“ 705<br />
Polarprofile<br />
Richtigkeit der<br />
Sprachanwendung<br />
Spracheignung<br />
Konsistenz<br />
Minimalität<br />
Klarheit<br />
4<br />
2<br />
0<br />
'Ideal-Profil'<br />
Durchschnitt F-Logic<br />
Durchschnitt DAML+OIL<br />
Einfachheit<br />
Erweiterbarkeit<br />
funktionale Vollständigkeit<br />
Wiederverwendbarkeit<br />
Abbildung 108: Polarprofile für die Evaluation der beiden DMT-Ontologien<br />
Diese Profile ermöglichen einen qualitativen Vergleich der Evaluationsergebnisse zu den beiden<br />
Ontologien und darüber hinaus auch eine Validation der Ontologien hinsichtlich der festgelegten<br />
Anforderungen. An den Stellen, bei denen die Linien der Ontologieprofile dem Idealprofil „nahe<br />
kommen“, erfüllen die Ontologien das jeweilige Kriterium in hohem Ausmaß. Je weiter die Profillinie<br />
in Richtung des Mittelpunkts kommt, desto weniger wird das Kriterium durch die betreffende<br />
Ontologie erfüllt.<br />
Die Abbildung 108 macht deutlich, dass die Profile der beiden Ontologien sehr ähnlich sind. Bei<br />
der Spracheignung wird jedoch ein starker Unterschied ersichtlich; die F-Logic-Ontologie wurde<br />
von den Evaluatoren hinsichtlich dieses Kriteriums offensichtlich besser bewertet.
706 3.2.2 Szenario „Service-Engineering“<br />
3.2.2.8 Fazit<br />
Im Kapitel 3.2.2 wurde die Konstruktion einer Kompetenzontologie für die DMT detailliert erläutert.<br />
Neben einem Überblick über bereits entstandene Ontologien und über die Ausgangssituation<br />
der Ontologieentwicklung bei der DMT liefert dieses Kapitel eine Dokumentation des gesamten<br />
Entwicklungsprozesses. Dafür wurden in den vorangegangenen Kapiteln die Aktivitäten, die Problemstellungen<br />
und die getroffenen Entscheidungen zu jeder Entwicklungsphase beschrieben und die<br />
einzelnen Ergebnisse beispielhaft aufgeführt.<br />
Zu diesen Ergebnissen, die in ausführlicher Form im Projektbericht 6/2004 160) zu finden sind, gehören:<br />
• ein Katalog von Gütekriterien als Richtlinien für die Entwicklung einer Kompetenzontologie<br />
sowie als Referenzrahmen bei ihrer Überprüfung,<br />
• eine Auflistung und Beschreibung aller identifizierten Wissensträger bei der DMT,<br />
• eine Strukturierung des relevanten Realitätsausschnitts auf konzeptueller Ebene unter Nutzung<br />
von OntoEdit und von Begriffsbäumen,<br />
• die Auswahl zweier formaler Sprachen zur Ontologiekonstruktion (F-Logic und DAML+OIL)<br />
und ihre praktische Anwendung,<br />
• die Transformation der Konzeptualisierung in zwei formalsprachliche Ontologien mittels Exports<br />
aus OntoEdit und manueller Nachbearbeitung,<br />
• eine Evaluation der beiden Ontologien anhand der zuvor festgelegten Gütekriterien mithilfe<br />
der Mitarbeiter der DMT sowie des Software- und des Universitätspartners,<br />
• die Auswahl der F-Logic-Ontologie als „DMT-Kompetenzontologie“ aufgrund der besseren<br />
Bewertung im Rahmen der Evaluation und<br />
• eine weitere Verbesserung der F-Logic-Ontologie anhand der Antworten und Anmerkungen<br />
der Evaluatoren.<br />
Die ausführliche Dokumentation der Erarbeitung dieser Ergebnisse ermöglicht nicht nur eine leichtere<br />
Nachvollziehbarkeit der entstandenen Artefakte, insbesondere der DMT-Kompetenzontologie,<br />
sondern auch die Überprüfung und Bewertung des angewendeten generischen KOWIEN-Vorgehensmodells.<br />
Aus der Umsetzung des Vorgehensmodells im Rahmen der Ontologieentwicklung bei<br />
der DMT und der Dokumentation dieser Entwicklung konnten Rückschlüsse für eine Verbesserung<br />
des Vorgehensmodells gezogen werden. So wurde beispielsweise deutlich, dass einige der im Vorgehensmodell<br />
enthaltenen Aktivitäten ausführlicher beschrieben werden sollten, um seine Anwendungsbezogenheit<br />
zu erhöhen. 161)<br />
Die entstandene DMT-Kompetenzontologie umfasst alle sprachlichen Ausdrucksmittel, die zur Repräsentation<br />
des Wissens über die Kompetenzen der DMT erforderlich sind, in Form von Konzepten,<br />
Attributen, Relationen und Regeln. Damit stellt sie nicht nur den Mitarbeitern des Unternehmens<br />
ein gemeinsames Vokabular zur Beschreibung ihrer Kompetenzen bereit, sondern ermöglicht<br />
160) Vgl. APKE/BREMER/DITTMANN (2004).<br />
161) Hierbei ist allerdings darauf zu achten, dass die Inhalte des Vorgehensmodells nicht zu spezifisch sind, um die Generizität des<br />
KOWIEN-Vorgehensmodells nicht zu verringern.
3.2.2 Szenario „Service-Engineering“ 707<br />
auch die computerverarbeitbare Explikation vorhandener Zusammenhänge und Einschränkungen,<br />
die zum Teil zuvor nur implizit bekannt waren.<br />
Von einem Einsatz der Ontologie im Rahmen eines Kompetenzmanagementsystems, wie etwa des<br />
KOWIEN-Prototyps, kann die DMT insofern profitieren, als zum Beispiel Mitarbeitern im Vertrieb<br />
und in der Personalabteilung eine detaillierte und aktuelle Übersicht über die Kompetenzen des Unternehmens<br />
und der Mitarbeiter bereitgestellt wird. Aufgrund der Wiederverwendbarkeit und Erweiterbarkeit<br />
der Ontologie kann sie auch in anderen Unternehmen, beispielsweise bei den anderen<br />
Praxispartnern des KOWIEN-Projekts, genutzt werden. Zu diesem Zweck müssen in einem nächsten<br />
Schritt die in der Wissensbasis abzulegenden Fakten, die während der Ontologieentwicklung<br />
beispielhaft als Instanzen in die Ontologie eingefügt wurden, neu erhoben oder aus anderen IT-<br />
Systemen wie dem Wissensmanager übernommen werden.<br />
Für einen Einsatz in der Praxis ist zu berücksichtigen, dass eine Domänen-Ontologie grundsätzlich<br />
nicht als endgültig fertig gestellt betrachtet werden kann, da sich auch die betreffende Domäne stetig<br />
verändert. Die Kompetenzen eines Unternehmens entwickeln sich weiter oder werden neu ausgerichtet,<br />
so dass sich auch die Ausdrucksmittel, die zur Beschreibung der Kompetenzen geeignet erscheinen,<br />
ändern können. Aus diesem Grund ist eine stetige Anpassung der DMT-Kompetenzontologie<br />
erforderlich, um ihren Nutzen zu erhalten und zu fördern.
Autorenverzeichnis<br />
Dipl.-Kfm. Yilmaz Alan Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen), Tätigkeitsschwerpunkte: Konzeptionelle Modellierung,<br />
Ontologien, Petri-Netze.<br />
Dipl.-Kfm. Adem Alparslan Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen), Tätigkeitsschwerpunkte: strukturalistische Rekonstruktion<br />
von Theorien der Allgemeinen Betriebswirtschaftslehre,<br />
insbesondere der Prinzipal-Agenten-Theorie, sowie die Gestaltung<br />
von Ontologien und <strong>Kompetenzmanagementsysteme</strong>n.<br />
Dipl.-Wirt.-Inf. Susanne Apke Beraterin und Softwareentwicklerin im Bereich SAP Business Intelligence<br />
bei der Itellium Systems & Services AG (Essen); sie beschäftigt<br />
sich dabei in erster Linie mit dem Aufbau und der Nutzung<br />
von Data Warehouses bei Kunden wie der Karstadt Warenhaus<br />
AG.<br />
Dipl.-Inf. Christof Bäumgen Mitarbeiter im infonea® Team, Comma Soft AG, Tätigkeitsschwerpunkte:<br />
Konzeption und Entwicklung von infonea® Anwendungen;<br />
Studium der Informatik, Mathematik, Kommunikationsforschung<br />
und Phonetik, Französisch und Spanisch an den<br />
Universitäten Bonn und Toulouse, Doktorand am Institut für Informatik<br />
der Universität Bonn, Forschungsschwerpunkte: knowledge<br />
acquisition, knowledge representation, semantic web technologies,<br />
ontology engineering, skill management.<br />
Dipl.-Volks. Anna Bremer Studium der Wirtschaftswissenschaften, Schwerpunkt Volkswirtschaftslehre,<br />
an der (ehemaligen) Universität – Gesamthochschule<br />
Essen; langjährige Mitarbeiterin der Deutschen Montan Technologie<br />
GmbH, verantwortlich für das Projekt- und Qualitätsmanagement.<br />
Dipl.-Ing. Lars Dittmann Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen), Teilprojektleiter im Verbundprojekt KOWIEN<br />
für das Institut, Tätigkeitsschwerpunkte: computerbasiertes Wissensmanagement,<br />
Instrumente des Qualitätsmanagements und die<br />
Gestaltung von Ontologien.<br />
Kai Engelmann Roland Berger Strategy Consultants, Coordinator des Bereichs<br />
Business Intelligence, Staabsfunktionen im Hause Roland Berger<br />
im Bereich bits (business research and technology services),<br />
Tätigkeitsschwerpunkte: Führungskräfteinformation, Wissensmanagement<br />
und Research.<br />
Dipl.-Phys. Roger Hübbers Director Vision & Development infonea®, Comma Soft AG.
710 Autorenverzeichnis<br />
Dr.-Ing. Hans Meier Dr.-Ing. Hans Meier hat an der Technischen Universität München<br />
Maschinenbau studiert und wurde danach am Institut für Werkzeugmaschinen<br />
und Betriebswissenschaften der Technischen Universität<br />
München auf dem Gebiet der Steuerungstechnik promoviert.<br />
Seit 2000 ist Herr Dr. Meier in der Steuerungstechnik des<br />
auf Produktionsausrüstungen für Smart Cards sowie für das Halbleiter-Backend<br />
spezialisierten Sondermaschinenherstellers Mühlbauer<br />
AG tätig. Nach der Übernahme der TEMA GmbH, einem<br />
Anbieter von bildverarbeitenden Informationssystemen für den<br />
industriellen Einsatz, durch die Mühlbauer AG wurde Herr Dr.<br />
Meier mit der Leitung des Informationsmanagements der TEMA<br />
GmbH betraut.<br />
Dipl.-Kfm. Malte L. Peters Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen), Tätigkeitsschwerpunkte: Operations Research,<br />
erweiterte Wirtschaftlichkeitsanalyse, Wissensmanagement und<br />
Vertrauen in Unternehmenskooperationen.<br />
Dipl.-Kfm.<br />
Marianne Schumacher<br />
Dipl.-Wirt.-Inf.<br />
Thomas Weichelt<br />
Univ.-Prof. Dr.<br />
Stephan Zelewski<br />
Geschäftsführende Gesellschafterin (kaufmännischer Bereich) bei<br />
der Karl Schumacher Maschinenbau GmbH.<br />
Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen), Tätigkeitsschwerpunkte: Wissensmanagement,<br />
webbasierte Informationssysteme, E-Learning.<br />
Direktor des Instituts für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen (Campus Essen),<br />
Hauptarbeitsgebiete: Produktionstheorie und Produktionsmanagement,<br />
PPS-Systeme, Künstliche Intelligenz und ihre betriebswirtschaftlichen<br />
Anwendungen, insbesondere wissensbasierte Systeme<br />
und Multi-Agenten-Systeme, Operations Research sowie Wissenschaftstheorie.<br />
Dipl.-Kfm. Stefan Zug Projekt- und Qualitätsmanagement, Karl Schumacher Maschinenbau<br />
GmbH.
Literaturverzeichnis<br />
ABECKER ET AL. (1998a)<br />
Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Toward a Technology for Organizational<br />
Memories. In: IEEE Intelligent Systems & their Applications, Vol. 13 (1998), No. May/June, S. 40-48.<br />
ABECKER ET AL. (1998b)<br />
Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Techniques for Organizational Memory<br />
Information Systems. Document D-98-02, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH.<br />
Kaiserslautern – Saarbrücken 1998.<br />
ABECKER ET AL. (2000)<br />
Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Context-Aware, Proactive Delivery of<br />
Task-Specific Information: The KnowMore Project. In: Information Systems Frontiers, Vol. 2 (2000), No.<br />
3/4, S. 253-276.<br />
ABECKER/DECKER (1999)<br />
Abecker, A.; Decker, S.: Organizational Memory: Knowledge Acquisition, Integration, and Retrieval Issues.<br />
In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future Directions. 5th Biannual<br />
German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, Proceedings. Berlin et al.<br />
1999, S. 113-124.<br />
ADAMS (2002)<br />
Adams, K.: The Semantic Web – Differentiating Between Taxonomies and Ontologies. In: Online, Vol.<br />
2002, No. July/August, S. 20-23. Online-Dokument, im Internet unter der URL: „www.onlinemag.net“<br />
(Zugriff am 09.11.2002).<br />
ADHIKARI (2004)<br />
Adhikari, R.: Web Services and the Mainframe. In: Application Development Trends, Vol. 2004, No. June,<br />
S. 27-31.<br />
AGIRRE ET AL. (2000)<br />
Agirre, E.; Ansa, O.; Hovy, E.; Martinez, D.: Enriching very large ontologies using the WWW. In: o.V.:<br />
Proceedings of the ECAI 2000 Workshop on Ontology Learning. O.O. 2000, o.S. (S. 1-6).<br />
AGRAWAL/BERRYMAN/RICHARDS (2003)<br />
Agrawal, V.; Berryman, K.; Richards, J.E.: Matching people and jobs. In: The McKinsey Quarterly, 2003<br />
Special Edition. New York 2003, S. 70-79.<br />
AIER/SCHÖNHERR (2004)<br />
Aier, S.; Schönherr, M.: Enterprise Application Integration als Enabler flexibler Unternehmensarchitekturen.<br />
In: Hasselbring, W.; Richert, M.: (Hrsg.): EAI-Workshop 2004 – Enterprise Application Integration, Proceedings.<br />
Berlin 2004, S. 69-78.<br />
AJDUKIEWICZ (1934)<br />
Ajdukiewicz, K.: Das Weltbild und die Begriffsapparatur. In: Erkenntnis, Bd. 4 (1934), S. 259-287.<br />
AKINKUNMI (2000)<br />
Akinkunmi, B.O.: On the Expressive Limits of Reified Theories. In: Journal of Logic and Computation, 10.<br />
Jg. (2000), Nr. 2, S. 297-313.<br />
ALAGIC (1986)<br />
Alagic, S.: Relational Database Technology. New York et al. 1986.<br />
ALAN (2002a)<br />
Alan, Y.: Methoden zur Akquisition von Wissen über Kompetenzen. Projektbericht 2/2002, Projekt KO-<br />
WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002.
712 Literaturverzeichnis<br />
ALAN (2002b)<br />
Alan, Y.: Evaluation der KOWIEN-Zwischenergebnisse. Projektbericht 7/2002, Projekt KOWIEN, Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002.<br />
ALAN (2003a)<br />
Alan, Y.: Konstruktion der KOWIEN-Ontologie. Projektbericht 2/2003, Projekt KOWIEN, Institut für Produktion<br />
und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2003.<br />
ALAN (2003b)<br />
Alan, Y.: Modifikation der KOWIEN-Ontologie. Projektbericht 5/2003, Projekt KOWIEN, Institut für Produktion<br />
und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2003.<br />
ALAN (2004)<br />
Alan, Y.: Erweiterung von Ontologien um dynamische Aspekte. Projektbericht 4/2004, Projekt KOWIEN,<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus<br />
Essen). Essen 2004.<br />
ALAN/ALPARSLAN/DITTMANN (2003)<br />
Alan, Y.; Alparslan, A.; Dittmann, L.: Werkzeuge zur Sicherstellung der Adaptibilität des KOWIEN-Vorgehensmodells.<br />
Projektbericht 6/2003, Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen (Campus Essen). Essen 2003.<br />
ALAN/BÄUMGEN (2002)<br />
Alan, Y.; Bäumgen, C.: Anforderungen an den KOWIEN-Prototypen. Projektbericht 5/2002, Projekt KO-<br />
WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002.<br />
ALAN ET AL. (2005)<br />
Alan, Y.; Alparslan, A.; Dittmann, L., Weichelt, W.; Zelewski, S.: Intelligentes Kompetenzmanagement –<br />
Forschungsergebnisse des Verbundprojekts „Kooperatives Wissensmanagement in Engineering-Netzwerken“.<br />
In: wt Werkstattstechnik online, 95. Jg. (2005), Heft 1/2, S. 35-37. Online-Dokument, im Internet unter<br />
der URL: „http://www.werkstattstechnik.de/wt/2005/01/08.htm“ (Zugriff am 04.01.2005).<br />
ALAN/ZELEWSKI (2003)<br />
Alan, Y.; Zelewski, S.: <strong>Ontologiebasierte</strong> Wissensräume. In: Sure, Y.; Schnurr, H.-P. (Hrsg.): WOW 2003:<br />
Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in Luzern, CEUR Workshop<br />
Proceedings, Vol. 68. Karlsruhe 2003, 6. Beitrag, o.S. (S. 1-12). Online-Dokument, im Internet unter<br />
der URL: „http://CEUR-WS.org und http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-<br />
68/“ (Zugriff am 04.01.2005).<br />
ALAN/ZELEWSKI/SCHÜTTE (2003)<br />
Alan, Y.; Zelewski, S.; Schütte, R.: Implementation of Knowledge Spaces in Ontologies. In: Callaos, N.;<br />
Lesso, W.; Sánchez, P.; Hansen, E. (Hrsg.): The 7th World Multiconference on Systemics, Cybernetics and<br />
Informatics (SCI 2003), 27.-30.07.2003 in Orlando, Proceedings, Vol. VI – Information Systems, Technologies<br />
and Applications: I. O.O. (Orlando) 2003, S. 183-188.<br />
ALBERT (1964)<br />
Albert, H.: Probleme der Theoriebildung – Entwicklung, Struktur und Anwendung sozialwissenschaftlicher<br />
Theorien. In: Albert, H. (Hrsg.): Theorie und Realität – Ausgewählte Aufsätze zur Wissenschaftslehre der<br />
Sozialwissenschaften. Tübingen 1964, S. 3-70.<br />
ALBERT (1982)<br />
Albert, H.: Die Wissenschaft und die Fehlbarkeit der Vernunft, Tübingen 1982.<br />
ALBERT (1987)<br />
Albert, H.: Kritik der reinen Erkenntnislehre. Tübingen 1987.<br />
ALBERT (1991)<br />
Albert, H.: Traktat über kritische Vernunft. 5. Auflage, Tübingen 1991.
Literaturverzeichnis 713<br />
ALBERTAZZI (1996)<br />
Albertazzi, L.: Formal and Material Ontology. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht<br />
– Boston – London 1996, S. 199-232.<br />
ALBRECHT/LE<strong>MB</strong>KE (2002)<br />
Albrecht, S.; Lembke, G.: Über die Verteilung von Wissen in Organisationen. In: Wissensmanagement – Das<br />
Magazin für Führungskräfte, 4. Jg. (2002), Heft 1, S. 53-55.<br />
ALEXANDER ET AL. (1986)<br />
Alexander, J.H.; Freiling, M.J.; Shulman, S.J.; Staley, J.L.; Rehfuss, S.; Messick, S.L.: Knowledge Level<br />
Engineering: Ontological Analysis. In: American Association for Artificial Intelligence (Hrsg.): Proceedings<br />
of the National Conference on Artificial Intelligence (AAAI-86). Menlo Park 1986, S. 963-968.<br />
AL-LAHAM (2003)<br />
Al-Laham, A.: Organisationales Wissensmanagement – Eine strategische Perspektive. München 2003.<br />
ALLEN (2001)<br />
Allen, C.: Competencies 1.0 (Measurable Characteristics), Recommendation 2001-Oct-16. Paper, HR-XML<br />
Consortium. Online-Dokument, im Internet unter der URL: „http://www.hr-xml.org“ (Zugriff am 16.02.<br />
2002).<br />
ALPARSLAN (2002)<br />
Alparslan, A.: Wissensanalyse und Wissensstrukturierung. Projektbericht 6/2002, Projekt KOWIEN, Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2002.<br />
ALPARSLAN (2003)<br />
Alparslan, A.: Ontologie-Evaluationsbogen. Laptop-Präsentation anlässlich: Projekttreffen der Verbundprojekts<br />
KOWIEN, 06.08.2004 in Düsseldorf.<br />
ALPARSLAN (2004)<br />
Alparslan, A.: Evaluation des KOWIEN-Vorgehensmodells. Projektbericht 1/2004, Projekt KOWIEN, Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen).<br />
Essen 2004.<br />
ALPARSLAN ET AL. (2002)<br />
Alparslan, A.; Dittmann, L.; Ilgen, A.; Zelewski, S.: Wissensmanagement im Anlagenbau: Computergestütztes<br />
Management von Wissen über Mitarbeiterkompetenzen. In: Industrie Management, 18. Jg. (2002), Nr. 6,<br />
S. 45-48.<br />
ALPARSLAN/DITTMANN (2002)<br />
Alparslan, A.; Dittmann, L.: Gütekriterien für ontologiegestützte <strong>Kompetenzmanagementsysteme</strong>. In: Hofmann,<br />
G.R.; Alm, W. (Hrsg.): Management der Mitarbeiter-Expertise in IT-Beratungsbetrieben – Grundlagen,<br />
Methoden und Werkzeuge. Tagungsband zur MultiKonferenz Wirtschaftsinformatik 2002, 09.-11.09.<br />
2002. Nürnberg 2002, S. 66-79.<br />
ALSTON (1994)<br />
Alston, W.P.: Zwei Arten von Fundamentalismus. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis.<br />
3. Auflage, Weinheim 1994, S. 217-238.<br />
ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004)<br />
Alvarado, M.; Romero-Salcedo, M.; Sheremetov, L.: A corporative memory based on the user profiles. In:<br />
Expert Systems with Applications, Vol. 26 (2004), No. 1, S. 87-94.<br />
AMIR (1999)<br />
Amir. E.: Object-Oriented First-Order Logic. In: Electronic Transactions on Artificial Intelligence, Vol. 3<br />
(1999), Section C, S. 63-84.<br />
ANDERSON (1988)<br />
Anderson, P.F.: Relativism Revidivus: In Defense of Critical Relativism. In: The Journal of Consumer Research,<br />
Vol. 15 (1988), S. 403-406.
714 Literaturverzeichnis<br />
ANGELE (2003)<br />
Angele, J.: Einsatz von Ontologien zur intelligenten Verarbeitung von Informationen. Ontoprise GmbH.<br />
Online-Dokument, im Internet unter der URL: „http://www.ontoprise.de/intelligente_verarbeitung_von_<br />
Informationen_2003_06“ (Zugriff am 11.07.2003).<br />
ANGELE et al. (1998)<br />
Angele, J.; Fensel, D.; Landes, D.; Studer, R.: Developing Knowledge-Based Systems with MIKE. In: Journal<br />
of Automated Software Engineering, Vol. 5 (1998), Nr. 4, S. 389-418.<br />
ANGELE/LAUSEN (2004)<br />
Angele, J.; Lausen, G.: Ontologies in F-Logic. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies.<br />
Berlin – Heidelberg 2004, S. 29-50.<br />
ANGELE/STAAB/SCHNURR (2003)<br />
Angele, J.; Staab, S.; Schnurr, H.-P.: Object Oriented Logics for Ontologies. Whitepaper Series, Ontoprise<br />
GmbH. Karlsruhe 2003.<br />
ANGELE/SURE (2001)<br />
Angele, J.; Sure, Y.: Whitepaper: Evaluation of Ontology-based Tools. Paper IST-2001-29243, Ontoprise<br />
GmbH und Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität<br />
Karlsruhe. Karlsruhe 2001.<br />
ANTONIOU/VAN HARMELEN (2004a)<br />
Antoniou, G.; van Harmelen, F.: A Semantic Web Primer. Cambridge 2004.<br />
ANTONIOU/VAN HARMELEN (2004b)<br />
Antoniou, G.; van Harmelen, F.: Web Ontology Language: OWL. In: Staab, S.; Studer, R. (Hrsg.): Handbook<br />
on Ontologies. Berlin – Heidelberg 2004, S. 67-92.<br />
APARICIO/VARELA/SILVA (2002)<br />
Aparicio, J.N.; Varela, L.R.; Silva, S.C.: Share Your (Scheduling) Problems. Paper, Department of Computer<br />
Science, New University of Lisbon and Department of Production and Systems, University of Minho. Lisbon<br />
– Minho o.J. (2002).<br />
APEL (1988)<br />
Apel, K.-O.: Diskurs und Verantwortung – Das Problem des Übergangs zur postkonventionellen Moral.<br />
Frankfurt/Main 1988.<br />
APKE (2003)<br />
Apke, S.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der Deutschen Montan Technologie<br />
GmbH (DMT). Diplomarbeit, Fachbereich Wirtschaftswissenschaften der Universität Duisburg-Essen<br />
(Campus Essen). Essen 2003.<br />
APKE ET AL. (2004)<br />
Apke, S.; Bäumgen, C.; Bremer, A.; Dittmann, L.: Anforderungsspezifikation für die Entwicklung einer<br />
Kompetenz-Ontologie für die Deutsche Montan Technologie GmbH. Projektbericht 2/2004, Projekt KO-<br />
WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen<br />
(Campus Essen). Essen 2004.<br />
APKE/BREMER/DITTMANN (2004)<br />
Apke, S; Bremer, A.; Dittmann, L.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der<br />
Deutschen Montan Technologie GmbH (DMT). Projektbericht 6/2004, Projekt KOWIEN, Institut für<br />
Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2004.<br />
APKE/DITTMANN (2003a)<br />
Apke, S.; Dittmann, L.: Analyse von Vorgehensmodellen aus dem Software, Knowledge und Ontologies<br />
Engineering. Projektbericht 1/2003. Projekt KOWIEN. Institut für Produktion und Industrielles Informationsmanagement.<br />
Universität Duisburg-Essen (Campus Essen). Essen 2003.
Literaturverzeichnis 715<br />
APKE/DITTMANN (2003b)<br />
Apke, S.; Dittmann, L.: Generisches Vorgehensmodell KOWIEN Version 1.0. Projektbericht 4/2003. Projekt<br />
KOWIEN. Institut für Produktion und Industrielles Informationsmanagement. Universität Duisburg-Essen<br />
(Campus Essen). Essen 2003.<br />
APKE/DITTMANN (2004)<br />
Apke, S.; Dittmann, L.: Generisches Vorgehensmodell KOWIEN Version 2.0. Projektbericht 7/2004. Projekt<br />
KOWIEN. Institut für Produktion und Industrielles Informationsmanagement. Universität Duisburg-Essen<br />
(Campus Essen). Essen 2004.<br />
ARNI (1989)<br />
Arni, J.-L.: Die Kontroverse um die Realitätsnähe der Annahmen in der Ökonomie. Dissertation, Universität<br />
Zürich. Grüsch 1989.<br />
ARNOLD (2001)<br />
Arnold, P.: Didaktik und Methodik telematischen Lehrens und Lernens: Lernräume – Lernszenarien – Lernmedien<br />
– State-of-the-Art und Handreichung. Münster et al. 2001.<br />
ARPÍREZ ET AL. (1998)<br />
Arpírez, J.; Gómez-Pérez, A.; Lozano, A.; Pinto, S.: (ONTO) 2 Agent: An ontology-based WWW broker to<br />
select ontologies. In: o.V.: Proceedings of the Workshop on Applications of Ontologies and Problem-Solving<br />
Methods. Brighton 1998, S. 16-24.<br />
ARPIREZ ET AL. (2000)<br />
Arpirez, J.C.; Gómez-Pérez, A.; Lozano-Tello, A.; Pinto, H.S.: Reference Ontology and (ONTO) 2 Agent: The<br />
Ontology Yellow Pages. In: Knowledge and Information Systems, Vol. 2 (2000), S. 387-412.<br />
ARPÍREZ ET AL. (2001)<br />
Arpírez, J.; Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: WebODE: a Scalable Workbench for Ontological<br />
Engineering. In: Gil, Y.; Musen, M.; Shavlik, J. (Hrsg.): Proceedings of the International Conference<br />
on Knowledge Capture – KCAP-01, Victoria 2001, S. 6-13.<br />
BAADER/HORROCKS/SATTLER (2004)<br />
Baader, F.; Horrocks, I.; Sattler, U.: Description Logics. In: Staab, S.; Studer, R. (Hrsg.): Handbook on<br />
Ontologies. Berlin – Heidelberg 2004, S. 3-28.<br />
BAADER/NUTT (2002)<br />
Baader, F.; Nutt, W.: Basic Description Logics. In: Baader, F.; Calvanese, D.; McGuiness, D.L.; Nardi, D.;<br />
Patel-Schneider, P.F. (Hrsg.): The Description Logic Handbook. Cambridge 2002, S. 47-100.<br />
BACLAWSKI ET AL. (2002)<br />
Baclawski, K.; Kokar, M.K.; Kogut, P.A.; Hart, L.; Smith, J.; Letkowski, J.; Emery, P.: Extending the Unified<br />
Modeling Language for Ontology Development. In: Software and Systems Modeling, Vol. 1 (2002), No.<br />
2, S. 142-156.<br />
BADA ET AL. (2004)<br />
Bada, M.; Stevens, R.; Goble, C.; Gil, Y.; Ashburner, M.; Blake, J.A.; Cherry, J.M.; Harris, M.; Lewis, S.: A<br />
short study on the success of the Gene Ontology. In: Web Semantics: Science, Services and Agents on the<br />
World Wide Web, Vol. 1 (2004), S. 235-240.<br />
BADEA (1997)<br />
Badea, L.: Reifying Concepts in Description Logics. In: Pollack, M.E. (Hrsg.): IJCAI-97, Proceedings of the<br />
Fifteenth International Joint Conference on Artificial Intelligence, 23.-29.08.1997 in Nagoya, Vol. 1. San<br />
Francisco 1997, S. 142-150.<br />
BÄUMGEN/HÜBBERS (2004)<br />
Bäumgen, C.; Hübbers, R.: <strong>Ontologiebasierte</strong>s Kompetenzmanagementsystem auf Basis von infonea®. In:<br />
Zelewski, S.; Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung,<br />
Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GI-<br />
NA, KoEffizient und KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 161-173.
716 Literaturverzeichnis<br />
BAILER-JONES (2002)<br />
Bailer-Jones, D.M.: Naturwissenschaftliche Modelle: Von Epistemologie zu Ontologie. In: Beckermann, A.;<br />
Nimtz, C. (Hrsg.): Argument & Analyse – Sektionsvorträge, Vor-Veröffentlichung des e-Bandes. O.O. o.J.<br />
(2002).<br />
BALA ET AL. (2002)<br />
Bala, J.; Baik, S.; Hadjarian, A.; Pachowicz, P.: Cognitive Support Of Imagery Exploitation Through Incorporation<br />
Of Naive Geographical Reasoning. In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World<br />
Multiconference on Systemics, Cybernetics and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings.<br />
Orlando 2002, o.S. (S. 1-5).<br />
BALLSTAEDT (1997)<br />
Ballstaedt, S.P.: Wissensvermittlung – Die Gestaltung von Lernmaterialien. Weinheim 1997.<br />
BALZER (1989)<br />
Balzer, W.: On Incommensurability. In: Gavroglu, K.; Goudaroulis, Y.; Nicolacopoulos, P. (Hrsg.): Imre<br />
Lakatos and Theories of Scientific Change. Contributions from the International Conference in Epistemology,<br />
August 1986 in Thessaloniki. Dordrecht – Boston – London 1989, S. 287-304.<br />
BALZER/MOULINES (1996)<br />
Balzer, W.; Moulines, C.U. (Hrsg.): Structuralist Theory of Science – Focal Issues, New Results. Berlin –<br />
New York 1996.<br />
BALZER/MOULINES (2000)<br />
Balzer, W.; Moulines, C.U.: Introduction. In: Balzer, W.; Sneed, J.; Moulines, C.U. (Hrsg.): Structuralist<br />
Knowledge Representation – Paradigmatic Examples. Amsterdam – Atlanta 2000, S. 5-18.<br />
BALZER/MOULINES/SNEED (1987)<br />
Balzer, W.; Moulines, C.U.; Sneed, J.D.: An Architectonic for Science. The Structuralist Program. Dordrecht<br />
et al. 1987.<br />
BALZER/SNEED/MOULINES (2000)<br />
Balzer, W.; Sneed, J.; Moulines, C.U. (Hrsg.): Structuralist Knowledge Representation – Paradigmatic Examples.<br />
Amsterdam – Atlanta 2000.<br />
BALZERT (1998)<br />
Balzert, H.: Lehrbuch der Software-Technik. Band 2, Heidelberg 1998.<br />
BA<strong>MB</strong>ERGER/WRONA (2002)<br />
Bamberger, I.; Wrona, T.: Konzeption der strategischen Unternehmensberatung. In: Bamberger, I. (Hrsg.):<br />
Strategische Unternehmensberatung – Konzeptionen, Prozesse, Methoden. 3. Auflage, Wiesbaden 2002, S.<br />
1-38.<br />
BARBUCEANU/FOX (1994)<br />
Barbuceanu, M.; Fox, M.S.: The Information Agent: An Infrastructure Agent Supporting Collaborative Enterprise<br />
Architectures. Paper, Enterprise Integration Laboratory, Department of Industrial Engineering, University<br />
of Toronto. Toronto o.J. (1994).<br />
BARSON ET AL. (2000)<br />
Barson, R.J.; Foster, G.; Struck, T.; Ratchev, S.; Pawar, K.; Weber, F.; Wunram, M.: CORMA – Inter- and<br />
Intra-Organisational Barriers to Sharing Knowledge in the Extended Supply-Chain. In: Stanford-Smith, B.;<br />
Kidd, P.T. (Hrsg.): E-Business – Key Issues, Applications, Technologies. Amsterdam et al. 2000, S. 367-<br />
373.<br />
BATEMAN (1992)<br />
Bateman, J.A.: The Theoretical Status of Ontologies in Natural Language Processing. Report cmplg/9704010,<br />
Gesellschaft für Mathematik und Datenverarbeitung mbH (GMD), 05.03.1992. O.O. (Darmstadt)<br />
1992.<br />
BAUER/PHILIPPI (2001)<br />
Bauer, B.; Philippi, T.: Einstieg ins E-Learning: Die Zukunftschance für beruflichen und privaten Erfolg.<br />
Nürnberg 2001.
Literaturverzeichnis 717<br />
BAYARDO ET AL. (1997)<br />
Bayardo, R.J.; Bohrer, W.; Brice, R.; Cichocki, A.; Fowler, J.; Helal, A.; Kashyap, V.; Ksiezyk, T.; Martin,<br />
G.; Nodine, M.; Rashid, M.; Rusinkiewicz, M.; Shea, R.; Unnikrishnan, C.; Unruh, A.; Woelk, D.: Info-<br />
Sleuth: Agent-Based Semantic Integration of Information in Open and Dynamic Environments. In: o.V.:<br />
Proceedings of the ACM SIGMOD International Conference on Management of Data, 1997 in Tucson. New<br />
York 1997, S. 195-206.<br />
BECHHOFER ET AL. (2004)<br />
Bechhofer, S.; van Harmelen, F.; Hendler, J.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.; Stein,<br />
L.A.: OWL Web Ontology Language Reference – W3C Recommendation 10 February 2004. Online-<br />
Dokument, im Internet unter der URL: „http://www.w3.org/TR/owl-ref/“ (Zugriff am 04.01.2005).<br />
BECKER ET AL. (2000)<br />
Becker, J.; Holten, R.; Knackstedt, R.; Schütte, R.: Referenz-Informationsmodellierung. In: Bodendorf, F.;<br />
Grauer, M. (Hrsg.): Verbundtagung Wirtschaftsinformatik 2000. Aachen 2000, S. 86-109.<br />
BECKER/NEUMANN (2003)<br />
Becker, J.; Neumann, S.: Referenzmodelle für Workflow-Applikationen in technischen Dienstleistungen. In:<br />
Bullinger, H.-J.; Scheer, A.-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer<br />
Dienstleistungen. Berlin – Heidelberg 2003, S. 619-645.<br />
BECKSTEIN (1996)<br />
Beckstein, C.: Begründungsverwaltung – Grundlagen, Systeme und Algorithmen. Stuttgart – Leipzig 1996.<br />
BEIERLE/KERN-ISBERNER (2000)<br />
Beierle, C.; Kern-Isberner, G.: Methoden wissensbasierter Systeme – Grundlagen, Algorithmen, Anwendungen.<br />
Braunschweig – Wiesbaden 2000.<br />
BENCH-CAPON/MALCOLM (1999)<br />
Bench-Capon, T.; Malcolm, G.: Formalising Ontologies and Their Relations. In: Bench-Capon, T.; Soda, G.;<br />
Min Tjoa, A. (Hrsg.): Database and Expert Systems Applications. 10th International Conference, DEXA '99,<br />
Florence, Italy, August 30 – September 3, 1999, Proceedings. Berlin et al. 1999, S. 250-259.<br />
BENCH-CAPON/MALCOLM/SHARE (2003)<br />
Bench-Capon, T.; Malcolm, G.; Shave, M.: Semantics for Interoperability: Relating Ontologies and Schemata.<br />
In: Marík, V.; Retschitzegger, W.; Stepánková, O. (Hrsg.): Database and Expert Systems Applications.<br />
14th International Conference, DEXA 2003, Prague, Czech Republic, September 1-5, 2003, Proceedings.<br />
Berlin et al. 2003, S. 703-712.<br />
BENCH-CAPON/VISSER (1997)<br />
Bench-Capon, T.J.M.; Visser, P.R.S.: Ontologies in Legal Information Systems. The Need for Explicit<br />
Specifications of Domain Conceptualisations. In: o.V.: ICAIL’97, Proceedings of the Sixth International<br />
Conference on Artificial Intelligence and Law, 1997 in Melbourne. o.O. 1997, S. 132-144.<br />
BENJAMIN ET AL. (1994)<br />
Benjamin, P.C.; Menzel, C.P.; Mayer, R.J.; Fillion, F.; Futrell, M.T.; de Witte, P.S.; Lingineni, M.: IDEF5<br />
Method Report, Revision Date: September 21, 1994. Knowledge Based Systems, Inc. College Station 1994.<br />
BENJAMIN ET AL. (1996)<br />
Benjamin, J.; Borst, P.; Akkermans, H.; Wielinga, B.: Ontology Construction for Technical Domans. In:<br />
Shadbolt, N.; O’Hara, K.; Schreiber, G. (Hrsg.): Advances in Knowledge Acquisition, 9th European Knowledge<br />
Acquisition Workshop, EKAW’96, 14.-17.05.1996 in Nottingham, Proceedings. Berlin – Heidelberg –<br />
New York 1996, S. 98-114.<br />
BENJAMINS/FENSEL (1998)<br />
Benjamins, V.R.; Fensel, D.: The Ontological Engineering Initiative (KA) 2 . In: Guarino, N. (Hrsg.): Formal<br />
Ontology in Information Systems, Proceedings of the First International Conference (FOIS’98), 06.-08.08.<br />
1998 in Trento. Amsterdam et al. 1998, S. 287-301.
718 Literaturverzeichnis<br />
BENJAMINS/FENSEL/GOMEZ-PEREZ (1998)<br />
Benjamins, R.; Fensel, D.; Gomez-Perez, A.: Knowledge Management through Ontologies. In: Reimer, U.<br />
(Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge Management<br />
(PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 5-1 – 5-12.<br />
BENSLIMANE ET AL. (2000)<br />
Benslimane, D.; Leclercq, E.; Savonnet, M.; Terrasse, M.-N.; Yetongnon, K.: On the definition of generic<br />
multi-layered ontologies for urban policies. In: Computers, Environment and Urban Systems, Vol. 24 (2000),<br />
No. 3, S. 191-214.<br />
BERGHOFF/DROBNIK (1998)<br />
Berghoff, J.; Drobnik, O.: Aufbau und Erweiterung domänenspezifischer Ontologien am Beispiel einer<br />
CSCW-Ontologie. Paper, Fachbereich Informatik, Universität Frankfurt/Main. Frankfurt/Main o.J. (1998).<br />
BERGMANN (2001)<br />
Bergmann, K.: Wissenslandkarten. In: Antoni, C.H.; Sommerlatte, T. (Hrsg.): Spezialreport Wissensmanagement<br />
– Wie deutsche Firmen ihr Wissen profitabel machen. Düsseldorf 2001, S. 109-110.<br />
BERNERS-LEE/HENDLER/LASSILA (2001)<br />
Berners-Lee, T.; Hendler, J.; Lassila, O.: The Semantic Web – A new form of Web content that is meaningful<br />
to computers will unleash a revolution of new possibilities. In: Scientific American, Vol. 284 (2001), No.<br />
5, S. 28-37.<br />
BERTOLAZZI/KRUSICH/MISSIKOFF (2001)<br />
Bertolazzi, P.; Krusich, C.; Missikoff, M.: An Approach to the Definition of a Core Enterprise Ontology:<br />
CEO. Paper, LEKS, IASI-CNR. Rom o.J. (2001).<br />
BIBEL (1992)<br />
Bibel, W.: Deduktion. München – Wien 1992.<br />
BIBEL/HÖLLDOBLER/SCHAUB (1993)<br />
Bibel, W.; Hölldobler, S.; Schaub, T.: Wissensrepräsentation und Inferenz – Eine grundlegende Einführung.<br />
Wiesbaden 1993.<br />
BICK (2004)<br />
Bick, M.: Knowledge Management Support System – Nachhaltige Einführung organisationsspezifischen<br />
Wissensmanagements. Dissertation, Universität Duisburg-Essen (Campus Essen). Essen 2004.<br />
BIERI (1994a)<br />
Bieri, P.: Generelle Einführung. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 3. Auflage,<br />
Weinheim 1994, S. 9-72.<br />
BIERI (1994b)<br />
Bieri, P.: Einleitung. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 3. Auflage, Weinheim<br />
1994, S. 75-84, 177-188, 293-308 u. 409-421.<br />
BIETHAHN/MUKSCH/RUF (2000)<br />
Biethahn, J.; Muksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 1: Grundlagen. 5. Auflage,<br />
München 2000.<br />
BIZER ET AL. (2004)<br />
Bizer, C.; Heese, R.; Mochol, M.; Oldakowski, R.; Tolksdorf, R.; Eckstein, R.: The Impact of Semantic Web<br />
Technologies on Job Recruitment Processes. Paper, Freie Universität Berlin und Humboldt Universität<br />
Berlin. Berlin o.J. (2004).<br />
BLAKE (2000)<br />
Blake, M.B.: KOJAC: Implementing KQML with Jini to Support Agent-Based Communication in Emarkets.<br />
In: o.V.: KBEM’00 – Knowledge-based Electronic Markets, a AAAI’00 Workshop, 31.07.2000 in Austin.<br />
o.O. 2000, o.S. (S. 1-7).
Literaturverzeichnis 719<br />
BLANCHARD/HARZALLAH (2004)<br />
Blanchard, E.; Harzallah, M.: Reasoning on Competence Management. In: Dieng-Kuntz, R.; Matta, N.<br />
(Hrsg.): ECAI’2004 – Workshop on Knowledge Management and Organizational Memories. Valencia 2004,<br />
S. 12-17.<br />
BLESSING/BACH (2000):<br />
Blessing, D.; Bach, V.: Wissensmanagement in Beratungsunternehmen. Gestaltungsmöglichkeiten und Fallbeispiele.<br />
In: Zeitschrift für Führung und Organisation, 69. Jg. (2000), Heft 5, S. 268-276.<br />
BLESSING/RIEMPP/ÖSTERLE (2001)<br />
Blessing, D.; Riempp, G.; Österle, H.: Entwicklungsstand und -perspektiven des Managements dokumentierten<br />
Wissens bei großen Beratungsunternehmen. In: Wirtschaftsinformatik, 43. Jg. (2001), Heft 5, S. 431-444.<br />
BOEHM (1988)<br />
Boehm, B.W.: A Spiral Model of Software Development and Enhancement. In: IEEE Computer, Vol. 21<br />
(1998), No. 3, S. 61-72.<br />
BÖHM (2001)<br />
Böhm, I.: Mitarbeiterprofile. In: Antoni, C.H.; Sommerlatte, T. (Hrsg.): Spezialreport Wissensmanagement –<br />
Wie deutsche Firmen ihr Wissen profitabel machen. 4. Auflage, Düsseldorf 2001, S. 119-127.<br />
BOER (2000)<br />
Boer, A.: The Consultancy Game. In: Breuker, J.; Leenes, R.; Winkels, R. (Hrsg.): Legal Knowledge and<br />
Information Systems – Jurix 2000: The Thirteenth Annual Conference. Amsterdam 2000, S. 99-111.<br />
BOER/HOEKSTRA/WINKELS (2001)<br />
Boer, A.; Hoekstra, R.; Winkels, R.: The CLIME Ontology. In: o.V.: Proceedings of the Second<br />
International Workshop on Legal Ontologies. Amsterdam 2001, S. 37-47.<br />
BOLEY/TABET/WAGNER (2001)<br />
Boley, H.; Tabet, S.; Wagner, G.: Design Rationale of RuleML: A Markup Language for Semantic Web<br />
Rules. In: Cruz, I.F.; Decker, S.; Euzenat, J.; McGuinness, D. (Hrsg.): Proceedings of SWWS’01, The First<br />
Semantic Web Working Symposium, 30.07.-01.08.2001 an der Stanford University, California, USA. o.O.<br />
2001, S. 381-401.<br />
BOLLOJU/KHALIFA/TURBAN (2002)<br />
Bolloju, N.; Khalifa, M.; Turban, E.: Integrating knowledge management into enterprise environments for<br />
the next generation decision support. In: Decision Support Systems, Vol. 33 (2002), S. 163-176.<br />
BOMAN ET AL. (1997)<br />
Boman, M.; Bubenko Jr., J.A.; Johannnesson, P.; Wangler, B.: Conceptual Modeling. London et al. 1997.<br />
BONJOUR (1994)<br />
Bonjour, L.: Die Kohärenztheorie empirischen Wissens. In: Bieri, P. (Hrsg.): Analytische Philosophie der<br />
Erkenntnis. 3. Auflage, Weinheim 1994, S. 239-270.<br />
BOON/SIERKSMA (2003)<br />
Boon, B.H.; Sierksma, G.: Team formation: Matching quality supply and quality demand. In: European<br />
Journal of Operational Research, Vol. 148 (2003), S. 277-292.<br />
BORGO ET AL. (1997)<br />
Borgo, S.; Guarino, N.; Masolo, C.; Vetere, G.: Using a Large Linguistic Ontology for Internet-Based<br />
Retrieval of Object-Oriented Components. Preprint, Padova – Bari 1997. (Veröffentlichung In: o.V.:<br />
Proceedings of the Ninth International Conference of Software Engineering and Knowledge Engineering<br />
SEKE’97, 18.-20.06.1997 in Madrid.)<br />
BORST (1997)<br />
Borst, W.: Construction of Engineering Ontologies for Knowledge Sharing and Reuse. Dissertation Universität<br />
Twente. Enschede1997.
720 Literaturverzeichnis<br />
BORST/AKKERMANS (1997)<br />
Borst, P.; Akkermans, H.: An Ontology Approach to Product Disassembly. In: Plaza, E.; Benjamins, R.<br />
(Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop, EKAW’97, 15.-18.<br />
10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 33-48.<br />
BORST/AKKERMANS/TOP (1997)<br />
Borst, P.; Akkermans, H.; Top, J.: Engineering ontologies. In: International Journal of Human-Computer<br />
Studies, Vol. 46 (1997), S. 365-406.<br />
BOUAUD ET AL. (1994)<br />
Bouaud, J.; Bachimont, B.; Charlet, J.; Zweigenbaum, P.: Acquisition and Structuring of an Ontology within<br />
Conceptual Graphs. In: o.V.: Proceedings of ICCS'94 Workshop on Knowledge Acquisition using Conceptual<br />
Graph Theory, University of Maryland, College Park 1994, S. 1-25.<br />
BOUAUD ET AL. (1995)<br />
Bouaud, J.; Bachimont, B.; Charlet, J.; Zweigenbaum, P.: Methodological Principles for Structuring an Ontology.<br />
Presented at the Workshop on Basic Ontological Issues in Knowledge Sharing (in conduction with<br />
IJCAI-95), Montreal 1995, S. 1-7. Auch erschienen als DIAM Rapport Interne RI-95-148. Online-Dokument,<br />
im Internet unter der URL: „http://www. biomath.jussieu.fr“ (Zugriff am 21.6.2004).<br />
BOULOS (2004)<br />
Boulos, M.N.K.: A first look at HealthCyberMap medical semantic subject search engine. In: Technology &<br />
Health Care, Vol. 12 (2004), No. 1, S. 33-41.<br />
BOULOS/ROUDSARI/CARSON (2002)<br />
Boulos, M.N.K.; Roudsari, A.V.; Carson, E.R.: Towards a semantic medical Web: HealthCyberMap’s tool<br />
for building an RDF metadata base of health information resources based on the Qualified Dublin Core<br />
Metadata Set. In: Med Sci Monit – Diagnostic and Medical Technology, Vol. 8 (2002), No. 7, S. MT124 –<br />
MT136.<br />
BOYENS (2001)<br />
Boyens, C.: OntoKick – Ein Werkzeug zur Unterstützung von ontologiebasiertem Wissensmanagement. Diplomarbeit,<br />
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität<br />
Karlsruhe. Karlsruhe 2001.<br />
BRANDNER (1993)<br />
Brandner, R.: Heidegger – Sein und Wissen – Einführung in sein Denken. Wien 1993.<br />
BRAY/PAOLI/SPERBERG-MCQUEEN (1998)<br />
Bray, T.; Paoli, J.; Sperberg-McQueen, C.M.: Extensible Markup Language (XML) 1.0, W3C Recommendation<br />
10-Feb-98. Report REC-xml-19980210. Online-Dokument, im Internet unter der URL: „http://www.<br />
w3.org/TR/REC-xml“ (Zugriff am 81.03.2000).<br />
BREMER ET AL. (1999)<br />
Bremer, C.F.; Mundim, A.P.F.; Michilini, F.V.S.; Siqueira, J.E.M.; Ortega, L.M.: New Product Search and<br />
Development as a Trigger to Competencies Integration in Virtual Enterprises. In: Sieber, P.; Griese, J.<br />
(Hrsg.): Organizational Virtualness and Electronic Commerce, Proceedings of the 2nd International VoNet-<br />
Workshop, 23.-24.09.1999 in Zürich. O.O. 1999, S. 213-222.<br />
BREUKER ET AL. (2002)<br />
Breuker, J.; Elhag, A.; Petkov, E.; Winkels, R.: Ontologies for Legal Information Serving and Knowledge<br />
Management. In: Bench-Capon, T.J.M.; Daskalopulu, A.; Winkels, R.G.F. (Hrsg.): Legal Knowledge and Information<br />
Systems – Jurix 2002: The Fifteenth Annual Conference. Amsterdam 2002, S. 73-82.<br />
BRICKLEY/GUHA (2004)<br />
Brickley, D.; Guha, R.V.: RDF Vocabulary Description Language 1.0: RDF Schema, W3C Recommendation<br />
10 February 2004. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/rdf-schema/“ (Zugriff<br />
am 04.01.2005).<br />
BRINK/REWITZKY (2002)<br />
Brink, C.; Rewitzky, I.: Three Dual Ontologies. In: Journal of Philosophical Logic, Vol. 31 (2002), S. 543-<br />
568.
Literaturverzeichnis 721<br />
BRINKKEMPER/SAEKI/HARMSEN (1999)<br />
Brinkkemper, S.; Saeki, M.; Harmsen, F.: Meta-Modelling based Assembly Techniques for Situational<br />
Method Engineering. In: Information Systems, Vol. 24 (1999), No. 3, S. 209-228.<br />
BRODIE/MYLOPOULOS/SCHMIDT (1984)<br />
Brodie, M.; Mylopoulos, J.; Schmidt, J.: Preface. In: Brodie, M.; Mylopoulos, J.; Schmidt, J (Hrsg.): On<br />
Conceptual Modelling – Perspectives from Artifical Intelligence, Databases, and Programming Languages.<br />
New York 1984, S. v-viii.<br />
BROEKSTRA ET AL. (2000)<br />
Broekstra, J.; Klein, M.; Decker, S.; Fensel, D.; Horrocks, I.: Adding formal semantics to the Web. Paper,<br />
4th September 2000. O.O. 2000.<br />
BRÖHL/DRÖSCHEL (1995)<br />
Bröhl, A.-P.; Dröschel, W.: Einführung in das V-Modell. In: Bröhl, A.-P.; Dröschel, W. (Hrsg.): Das V-<br />
Modell – Der Standard für die Softwareentwicklung mit Praxisleitfaden. 2. Auflage, München 1995.<br />
BROOKS/DURFEE (1999)<br />
Brooks, C.H.; Durfee, E.H.: Congregation Formation in Information Economics. In: o.V.: AI for Electronic<br />
Commerce, AAAI-99 Workshop, 18.07.1998 (Anmerkung der Verfasser: gemeint ist wohl “1999”) in Orlando.<br />
O.O. o.S. (S. 1-7).<br />
BROWN (2000)<br />
Brown, A.: A comment on Dow’s „Post Keynesianism and critical realism: what is the connection?“. In:<br />
Journal of Post Keynesian Economics, Vol. 23 (2000), No. 2, S. 349-355.<br />
BRUNS ET AL. (2005)<br />
Bruns, I.; Killich, S.; Schlick, C.; Luzcak, H.: – Service Navigator – Ein Methodenbaukasten zur Tertiarisierung.<br />
In: Schlegel, T.: Spath, D. (Hrsg.): Entwicklung innovativer Dienstleistungen – Wissen, Kreativität,<br />
Lernen. Stuttgart 2005, S. 107-119.<br />
BRUSCO/JOHNS (1995)<br />
Brusco, M.J.; Johns, T.R.: Improving the Dispersion of Surplus Labor in Personnel Scheduling Solutions. In:<br />
Computers & Industrial Engineering, Vol. 28 (1995), No. 4, S. 745-754.<br />
BUCHANAN/SHORTCLIFFE (1984)<br />
Buchanan, B.; Shortcliffe, E. (Hrsg.): Rule-Based Expert Systems – The MYCIN Experiments of the Stanford<br />
Heuristic Programming Project. Reading, Massachusetts 1984. Online-Dokument, im Internet unter der<br />
URL: „http://www.aaai.org/Resources/Classics/Mycin/mycin.html” (Zugriff am 13.09.2004).<br />
BUCHER (1987)<br />
Bucher, T.G.: Einführung in die angewandte Logik. Berlin – New York 1987.<br />
BUDIN (1996)<br />
Budin, G.: Wissensorganisation und Terminologie – Die Komplexität und Dynamik wissenschaftlicher Informations-<br />
und Kommunikationsprozesse. Tübingen 1996.<br />
BULLINGER/FÄHNRICH (1997)<br />
Bullinger, H.-J.; Fähnrich, K.-P.: Betriebliche Informationssysteme – Grundlagen und Werkzeuge der methodischen<br />
Softwareentwicklung, Berlin et al. 1997.<br />
BULLINGER/SCHEER (2003)<br />
Bullinger, H.-J.; Scheer, A-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer<br />
Dienstleistungen. Berlin – Heidelberg 2003.<br />
BULLINGER/WÖRNER/PRIETO (1997)<br />
Bullinger, H.-J.; Wörner, K.; Prieto, J.: Wissensmanagement heute – Daten, Fakten, Trends. Fraunhofer Institut<br />
für Arbeitswissenschaft und Organisation (IAO). Stuttgart 1997.<br />
BUNGE (1977)<br />
Bunge, M.: Treatise on Basic Philosophy, Volume 3, Ontology I: The Furniture of the World. Dordrecht –<br />
Boston – London 1977.
722 Literaturverzeichnis<br />
BUNGE (1979)<br />
Bunge, M.: Treatise on Basic Philosophy, Volume 4, Ontology II: A World of Systems. Dordrecht – Boston<br />
– London 1979.<br />
BUNGE (1993)<br />
Bunge, M.: Realism and Antirealism in Social Science. In: Theory and Decision, Vol. 35 (1993), S. 207-235.<br />
BUNGE (1998)<br />
Bunge, M.: Philosophy of Science, Volume One: From Problem to Theory. Revised Edition, New Brunswick<br />
– London 1998.<br />
BÜRGEL/LUZ (2000)<br />
Bürgel, H.D.; Luz, J.: Wissen nutzen – Wissen messen. In: io management, o.Jg. (2000), Nr. 10, S. 18-24.<br />
BURGUN ET AL. (2001)<br />
Burgun, A.; Botti, G.; Fieschi, M.; Le Beux, P.: Issues in the Design of Medical Ontologies Used for Knowledge<br />
Sharing. In: Journal of Medical Systems, Vol. 25 (2001), No. 2, S. 95-108.<br />
BUZZONI (1997)<br />
Buzzoni, M.: Erkenntnistheoretische und ontologische Probleme der theoretischen Begriffe. In: Journal for<br />
General Philosophy of Science, Vol. 28 (1997), S. 19-53.<br />
CARRARA/GUARINO (1999)<br />
Carrara, M.; Guarino, N.: Formal Ontology and Conceptual Analysis: A Structured Bibliography. Report<br />
LADSEB-CNR V2.5 vom 22.03.1999. Padova 1999.<br />
CARSTENSEN ET AL. (2001)<br />
Carstensen, K.-U.; Ebert, C.; Endriss, C.; Jekat, S.; Klabunde, R.; Langer, H.: Computerlinguistik und<br />
Sprachtechnologie. Heidelberg 2001.<br />
CHAMPIN (2001)<br />
Champin, P.-A.: RDF Tutorial. Paper, April 5, 2001. O.O. 2001.<br />
CHANDRASEKARAN/JOHNSON/SMITH (1992)<br />
Chandrasekaran, B.; Johnson, T.R.; Smith, J.W.: Task Structure Analysis for Knowledge Modeling. In:<br />
Communications of the ACM, Vol. 35 (1992), No. 9, S. 124-137.<br />
CHARNES/COOPER (1961)<br />
Charnes, A.; Cooper, W.W.: Management Models and Industrial Applications of Linear Programming, Volume<br />
I. New York – London – Sydney 1961.<br />
CHAUDHRI ET AL. (1998)<br />
Chaudhri, V.K.; Farquhar, A.; Fikes, R.; Karp, P.D.; Rice, J.P.: Open Knowledge Base Connectivity 2.0.3 –<br />
Proposed – April 9, 1998. Report, Artificial Intelligence Center of SRI International and Knowledge Systems<br />
Laboratory of Stanford University. Stanford 1998.<br />
CHECKEL (2001)<br />
Checkel, J.T.: Why Comply? Social Learning and European Identity Change. In: International Organization,<br />
Vol. 53 (2001), No. 3, S. 553-588.<br />
CHEN, P.P. (1976)<br />
Chen, P.P.: The Entity Relationship Model – Toward a Unified View of Data. In: ACM Transactions on Database<br />
Systems, Vol. 1 (1976), No. 1, S. 9-36.<br />
CHEN, P.P. (1997)<br />
Chen, P.P.: From Ancient Egyptian Language to Future Conceptual Modeling. In: Chen, P.P.; Akoka, J.;<br />
Kangassalo, H.; Thalheim, B. (Hrsg.): Conceptual Modeling, Current Issues and Future Directions, Selected<br />
Papers from the Symposium on Conceptual Modeling, Los Angeles, California, USA, held before ER’97.<br />
Berlin et al. 1997, S. 56-64.<br />
CHEN, X. (1997)<br />
Chen, X.: Thomas Kuhn’s Latest Notion of Incommensurability. In: Journal for General Philosophy of Science,<br />
Vol. 28 (1997), S. 257-273.
Literaturverzeichnis 723<br />
CHEN, X. (2002)<br />
Chen, X.: The ‘Platforms’ for Comparing Incommensurable Taxonomies: A Cognitive-Historical Analysis.<br />
In: Journal for General Philosophy of Science, Vol. 33 (2002), S. 1-22.<br />
CHEN/CHONG/JUSTIS (2000)<br />
Chen, Y.-S.; Chong, P.; Justis, R.T: An Intranet-based knowledge repository. A structure for learning organizations<br />
in franchising. In: Human Systems Management, Vol. 19 (2000), S. 277-284.<br />
CHOMSKY (1996)<br />
Chomsky, N.: Probleme sprachlichen Wissens. Weinheim 1996.<br />
CHOO (1996)<br />
Choo, C.W.: The Knowing Organization: How Organizations Use Information to Construct Meaning, Create<br />
Knowledge and Make Decisions. In: International Journal of Information Management, Vol. 16 (1996), No.<br />
5, S. 329-340.<br />
CLANCEY (1989)<br />
Clancey, W.J.: Commentary on Jon Sticklen’s ‘Problem-solving architecture at the knowledge level’. In:<br />
Journal of Experimental and Theoretical Artificial Intelligence, Vol. 1 (1989), No. 4, S. 249-253.<br />
CLARK (1972)<br />
Clark, C.: Brainstorming. 4. Auflage, München, 1972.<br />
CLOCKSIN/MELLISH (1987)<br />
Clocksin, W.F.; Mellish, C.S.: Programming in Prolog. 3. Auflage, Berlin et al. 1987.<br />
COCCHIARELLA (1996)<br />
Cocchiarella, N.B.: Conceptual Realism as a Formal Ontology. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology.<br />
Dordrecht – Boston – London 1996, S. 27-60.<br />
COELHO/LAPALME (1996)<br />
Coelho, E.; Lapalme, G.: Describing Reusable Problem-Solving Methods with a method Ontology. In: o.V.:<br />
Proceedings of Tenth Knowledge Acquisition for Knowledge-Based Systems Workshop (KAW’96), 09.-14.<br />
11.1996 in Banff. Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/KAW/KAW96/<br />
KAW96Proc.html“ (Zugriff am 29.03.1999).<br />
COLO<strong>MB</strong> (2002)<br />
Colomb, R.M.: Quality of Ontologies in Interoperating Conceptual Modeling. Paper, School of Information<br />
Technology and Electrical Engineering, The University of Queensland. Queensland o.J. (2002).<br />
COLO<strong>MB</strong>/WEBER (1998)<br />
Colomb, R.M.; Weber, R.: Completeness and Quality of an Ontology for an Information System. In:<br />
Guarino, N. (Hrsg.): Formal Ontology in Information Systems, Proceedings of the First International Conference<br />
(FOIS’98), 06.-08.08.1998 in Trento. Amsterdam et al. 1998, S. 207-217.<br />
CONEN/KLAPSING (2001)<br />
Conen, W.; Klapsing, R.: Utilizing Host Formalisms to Extend RDF Semantics. In: o.V: International Semantic<br />
Web Working Symposium (SWWS), im Juli 2001 in Stanford. O.O. 2001, o.S. (S. 1-13).<br />
CONEN/KLAPSING/KÖPPEN (2002)<br />
Conen, W.; Klapsing, R.; Köppen, E.: RDF M&S revisited: From Reification to Nesting, from Containers to<br />
Lists, from Dialect to pure XML. In: o.V: The Emerging Semantic Web. O.O. 2002, o.S. (S. 1-14).<br />
CONNOLLY ET AL. (2001)<br />
Connolly, D.; van Harmelen, F.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.; Stein, L.A.:<br />
DAML+OIL (March 2001) Reference Description – W3C Note 18 December 2001. Online-Dokument, im<br />
Internet unter der URL: „http://www.w3.org/TR/daml+oil-reference“ (Zugriff am 10.03.2002).<br />
COOMANN (1983)<br />
Coomann, H.: Die Kohärenztheorie der Wahrheit – Eine kritische Darstellung der Theorie Reschers vor ihrem<br />
historischen Hintergrund. Dissertation, Universität Düsseldorf. Frankfurt/Main – Bern – New York<br />
1983.
724 Literaturverzeichnis<br />
CORBY/DIENG/HÉBERT (2000)<br />
Corby, O.; Dieng, R.; Hébert, C.: A Conceptual Graph Model for W3C Resource Description Framework.<br />
In: Ganter, B.; Mineau, G.W. (Hrsg.): Conceptual Structures: Logical, Linguistic, and Computational Issues,<br />
8th International Conference on Conceptual Structures, ICCS 2000, Darmstadt, Germany, August 14-18,<br />
2000, Proceedings. Berlin et al. 2000, S. 468-482.<br />
CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2001)<br />
Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: Technical Roadmap v1.0. Project IST-2000-29243,<br />
Report vom 30.11.2001. O.O. 2001.<br />
CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2003)<br />
Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: Methodologies, tools and languages for building ontologies<br />
– Where is their meeting point? In: Data and Knowledge Engineering, Vol. 46 (2003), No. 1, S. 41-<br />
64.<br />
CORCHO/GÓMEZ-PÉREZ (2000)<br />
Corcho, O.; Gómez-Pérez, A.: A Roadmap to Ontology Specification Languages. In: Dieng, R.; Corby, O.<br />
(Hrsg.): Knowledge Acquisition, Modeling and Management, 12th International Conference (EKAW 2000),<br />
02.-06.10.2000 in Juan-les-Pins, Proceedings. Berlin et al. 2000, S. 80-96.<br />
CORDINGLEY (1989)<br />
Cordingley, E.: Knowledge Elicitation Techniques for Knowledge Based Systems. In: Diaper, D. (Hrsg.):<br />
Knowledge Elicitation – Principles, Techniques and Applications, Chichester 1989, S. 89-172.<br />
CORREA DA SILVA ET AL. (2002)<br />
Correa da Silva, F.S.; Vasconcelos, W.W.; Robertson, D.S.; Brilhante, V.; de Melo, A.C. V.; Finger, M.;<br />
Agusti, J.: On the insufficiency of ontologies: problems in knowledge sharing and alternative solutions. In:<br />
Knowledge-based Systems, Vol. 15 (2002), S. 147-167.<br />
CORSTEN (1998)<br />
Corsten, H.: Grundlagen der Wettbewerbsstrategie. Stuttgart – Leipzig 1998.<br />
CORSTEN/WILL (1993)<br />
Corsten, H.; Will, T.: Simultaneous Achievement of Cost Leadership and Differentiation by Strategic Production<br />
Organisation – Support Potential by Information Technology and Work Organisation –. In: Pappas,<br />
I.A.; Tatsiopoulos, I.P. (Hrsg.): Advances in Production Management Systems. Amsterdam et al. 1993, S.<br />
47-55.<br />
CORSTEN/WILL (1994)<br />
Corsten, H.; Will, T.: Simultaneität von Kostenführerschaft und Differenzierung durch neuere Produktionskonzepte<br />
– Informationstechnologisches und arbeitsorganisatorisches Unterstützungspotential. In: Zeitschrift<br />
Führung und Organisation, 63. Jg. (1994), Nr. 5, S. 286-293.<br />
CRANEFIELD/PURVIS (1999)<br />
Cranefield, S.; Purvis, M.: UML as an ontology modelling language. In: Fensel, D.; Knoblock, C.; Kushmerick,<br />
N.; Rousett, M. (Hrsg.): Proceedings of the Workshop on Intelligent Information Integration, 16th<br />
International Joint Conference on Artifical Intelligence, Stockholm 1999. Online-Dokument, im Internet unter<br />
der URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-23/cranefield-ijcai99-iii.<br />
pdf“ (Zugriff am 14.09.2004).<br />
CRUBEZY/MUSEN (2004)<br />
Crubezy, M.; Musen, M.A.: Ontologies in Support of Problem Solving. In: Staab, S.; Studer, R. (Hrsg.):<br />
Handbook on Ontologies. Berlin – Heidelberg 2004, S. 321-341.<br />
CRUZ ET AL. (2002)<br />
Cruz, I.F.; Decker, S.; Euzenat, J.; McGuinness, D.L.: The Emerging Semantic Web, Selected Papers from<br />
the First Semantic Web Working Symposium. Amsterdam 2002.<br />
CUI/TAMMA/BELLIFEMINE (1999)<br />
Cui, Z.; Tamma, V.A.M.; Bellifemine, F.: Ontology management in enterprises. In: BT Technology Journal,<br />
Vol. 17 (1999), No. 4, S. 98-107.
Literaturverzeichnis 725<br />
DAMAST (1989)<br />
Damast, T.M.D.: Sartres Einleitung in die phänomenologische Ontologie. Dissertation, Universität Bonn<br />
1989. Bonn 1989.<br />
DANIEL (1984)<br />
Daniel, C.: Kant verstehen – Einführung in seine theoretische Philosophie. Frankfurt/Main – New York<br />
1984.<br />
DAS (1992)<br />
Das, S.K.: Deductive Databases and Logic Programming. Wokingham et al. 1992.<br />
DAVENPORT/PRUSAK (1998a)<br />
Davenport, T.H.; Prusak, L.: Working Knowledge: How Organizations Manage What They Know. Boston<br />
(Massachusetts) 1998.<br />
DAVENPORT/PRUSAK (1998b)<br />
Davenport, T.H.; Prusak, L.: Wenn Ihr Unternehmen wüsste, was es alles weiß ... Das Praxishandbuch zum<br />
Wissensmanagement. Landsberg/Lech 1998.<br />
DAVIDSON (1994)<br />
Davidson, D.: Eine Kohärenztheorie der Wahrheit und der Erkenntnis. In: Bieri, P. (Hrsg.): Analytische Philosophie<br />
der Erkenntnis. 3. Auflage, Weinheim 1994, S. 271-290.<br />
DEAN ET AL. (2002)<br />
Dean, M.; Connolly, D.; van Harmelen, F.; Hendler, J.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider,<br />
P.F.; Stein, L.A.: OWL Web Ontology Language 1.0 Reference, W3C Working Draft 29 July 2002. Online-<br />
Dokument, im Internet unter der URL: „http://www.w3.org/TR/owl-ref/“ (Zugriff am 02.11.2002).<br />
DE BARROS/HENDLER/BENJAMINS (1997)<br />
de Barros, L.N.; Hendler, J.; Benjamins, V.R.: Par-KAP: a Knowledge Acquisition Tool for Building Practical<br />
Planning Systems. In: Pollack, M.E. (Hrsg.): IJCAI-97, Proceedings of the Fifteenth International Joint<br />
Conference on Artificial Intelligence, 23.-29.08.1997 in Nagoya, Vol. 2. San Francisco 1997, S. 1246-1251.<br />
DECKER ET AL. (1998a)<br />
Decker, S.; Erdmann, M.; Fensel, D.; Studer, R.: How to Use Ontobroker. Report, Institut für Angewandte<br />
Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1998).<br />
DECKER ET AL. (1998b)<br />
Decker, S.; Brickley, D.; Saarela, J.; Angele, J.: A Query and Inference Service for RDF. In: o.V.: Proceedings<br />
of the W3C Query Language Workshop (QL-98), 03.-04.10.1998 in Boston. Online-Dokument, im<br />
Internet unter der URL: „http://www.w3.org/TandS/QL/QL98/pp/queryservice.html“ (Zugriff am 05.04.<br />
1999).<br />
DECKER ET AL. (1999)<br />
Decker, S.; Erdmann, M.; Fensel, D.; Studer, R.: Ontobroker: Ontology based Access to Distributed and<br />
Semi-Structured Information. In: Meersman, R.; Tari, Z.; Stevens, S. (Hrsg.): Database Semantics –<br />
Semantic Issues in Multimedia Systems. Boston – Dordrecht – London 1999, S. 351-369.<br />
DECKER ET AL. (2000)<br />
Decker, S.; Melnik, S.; van Harmelen, F.; Fensel, D.; Klein, M.; Broekstra, J.; Erdmann, M.; Horrocks, I.:<br />
The Semantic Web: The Roles of XML and RDF. In: IEEE Internet Computing, Vol. 2000, No. 5, S. 2-13.<br />
DE CLERCQ ET AL. (2001)<br />
de Clercq, P.A.; Hasman, A.; Blom, J.A.; Korsten, H.H.M.: The application of ontologies and problemsolving<br />
methods for the development of shareable guidelines. In: Artificial Intelligence in Medicine, Vol. 22<br />
(2001), No. 1, S. 1-22.<br />
DEGEN ET AL. (2001)<br />
Degen, W.; Heller, B.; Herre, H.; Smith, B.: GOL: A General Ontological Language. In: Welty, C.; Smith,<br />
B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from the Second International Conference<br />
(FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 34-46.
726 Literaturverzeichnis<br />
DEITERS/LUCAS/WEBER (1999)<br />
Deiters, W.; Lucas, R.; Weber, T.: Skill-Managenent. Ein Baustein für das Management flexibler Teams,<br />
ISST-Bericht 50/99, Fraunhofer Institut Software- und Systemtechnik. Dortmund 1999.<br />
DE KLEER (1984)<br />
de Kleer, J.: Choices Without Backtracking. In: o.V.: Proceedings of the Fourth National Conference on Artificial<br />
Intelligence, AAAI-84, 06.10.1984 in Austin. Los Altos 1983 (Anmerkung der Verfasser: Druckfehler<br />
in “1983”; gemeint ist wohl “1984”), S. 79-85.<br />
DE KLEER (1986a)<br />
de Kleer, J.: An Assumption-based TMS. In: Artificial Intelligence, Vol. 28 (1986), S. 127-162.<br />
DE KLEER (1986b)<br />
de Kleer, J.: Extending the ATMS. In: Artificial Intelligence, Vol. 28 (1986), S. 163-196.<br />
DE KLEER (1986c)<br />
de Kleer, J.: Problem Solving with the ATMS. In: Artificial Intelligence, Vol. 28 (1986), S. 197-224.<br />
DE KLEER (1988)<br />
de Kleer, J.: A General Labeling Algorithm for Assumption-based Truth Maintenance. In: o.V.: Proceedings<br />
AAAI-88, Seventh National Conference on Artificial Intelligence, 21.-26.08.1988 in St. Paul, Vol. 1. San<br />
Mateo, S. 188-192.<br />
DE KLEER/WILLIAMS (1986)<br />
de Kleer, J.; Williams, B.C.: Back to Backtracking: Controlling the ATMS. In: o.V.: Proceedings AAAI-86,<br />
Fifth National Conference on Artificial Intelligence, 11.-15.08.1986 in Philadelphia, Vol. 2. Los Altos, S.<br />
910-917.<br />
DEUTSCH (1996)<br />
Deutsch, D.: Die Physik der Welterkenntnis – Auf dem Weg zum universellen Verstehen. Basel – Boston –<br />
Berlin 1996.<br />
DEUTSCH (2002)<br />
Deutsch, H.: Relative Identity. In: Zalta, E.N. (Hrsg.): Stanford Encyclopedia of Philosophy. The Metaphysics<br />
Research Lab, Center for the Study of Language and Information, Stanford University. Stanford 2002,<br />
o.S. (S. 1-29). Online-Dokument, im Internet unter der URL: „http//www.science.uva.nl/~seop/archives/<br />
spr2004/entries/identity-relative/“ (Zugriff am 17.08.2004).<br />
DICHANZ/ERNST (2002)<br />
Dichanz, H.; Ernst, A.: E-Learning – begriffliche, psychologische und didaktische Überlegungen. In: Scheffer,<br />
U.; Hesse, F.W. (Hrsg.): E-Learning: Die Revolution des Lernens gewinnbringend einsetzen. Stuttgart<br />
2002, S. 43-66.<br />
DIEMER (1959)<br />
Diemer, A.: Einführung in die Ontologie. Meisenheim 1959.<br />
DIEMER (1967)<br />
Diemer, A.: Ontologien. In: Diemer, A.; Frenzel, I. (Hrsg.): Philosophie. Frankfurt/Main 1967, S. 209-240.<br />
DIN 1463 (1987)<br />
Deutsche Industrienorm 1463 zur Erstellung und Weiterentwicklung von Thesauri 1987.<br />
DING (2001)<br />
Ding, Y.: A review of ontologies with the Semantic Web in view. In: Journal of Information Science, Vol. 27<br />
(2001), No. 6, S. 377-384.<br />
DING ET AL. (2002)<br />
Ding, Y.; Fensel, D.; Klein, M.; Omelayenko, B.: The semantic web: yet another hip? In: Data & Knowledge<br />
Engineering, Vol. 41 (2002), S. 205-227.<br />
DING ET AL. (2004)<br />
Ding, Y.; Fensel, D.; Klein, M.; Omelayenko, B.; Schulten, E.: The Role of Ontologies in eCommerce. In:<br />
Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 593-615.
Literaturverzeichnis 727<br />
DING/FENSEL (2001)<br />
Ding, Y.; Fensel, D.: Project Presentation OntoWeb: Ontology-based Information Exchange for Knowledge<br />
Management and Electronic Commerce. Draft Paper vom 29.01.2001. Amsterdam 2001.<br />
DITTMANN (2002a)<br />
Dittmann, L.: Sprachen zur Repräsentation von Wissen – eine untersuchende Darstellung. KOWIEN-<br />
Projektbericht 3/2002, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen.<br />
Essen 2002.<br />
DITTMANN (2002b)<br />
Dittmann, L.: Zwecke und Sprachen des Wissensmanagements zum Managen von Kompetenzen. KOWIEN-<br />
Projektbericht 4/2002, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen.<br />
Essen 2002.<br />
DITTMANN (2004)<br />
Dittmann, L.: Ontology-based Skills Management. Work Report No. 22, Projekt KOWIEN, Institut für Produktion<br />
und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2004.<br />
DITTMANN/PENZEL (2004)<br />
Dittmann, L.; Penzel, J.: Platons Gütekriterium für Ontologien. In: Frank, U. (Hrsg.): Wissenschaftstheorie<br />
in Ökonomie und Wirtschaftsinformatik – Theoriebildung und -bewertung, Ontologien, Wissensmanagement.<br />
Tagung der Kommission Wissenschaftstheorie des Verbands der Hochschullehrer für Betriebswirtschaft<br />
e.V., 05.-06.06.2003 in Koblenz. Wiesbaden 2004, S. 457-478.<br />
DITTMANN/PETERS/ZELEWSKI (2003a)<br />
Dittmann, L.; Peters, M.L.; Zelewski, S.: Mitarbeitermotivation und <strong>Kompetenzmanagementsysteme</strong>. In:<br />
Reimer, U.; Abecker, A.; Staab, S.; Stumme, G. (Hrsg.): WM2003: Professionelles Wissensmanagement –<br />
Erfahrungen und Visionen, Beiträge zur 2. Konferenz, 02.-04.04.2003 in Luzern. Bonn 2003, S. 9-16.<br />
DITTMANN/PETERS/ZELEWSKI (2003b)<br />
Dittmann, L.; Peters, M.L.; Zelewski, S.: Motivationale Aspekte beim Einsatz von konventionellen und ontologiebasierten<br />
<strong>Kompetenzmanagementsysteme</strong>n. In: Sure, Y.; Schnurr, H.-P. (Hrsg.): WOW 2003: Workshop<br />
Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in Luzern, CEUR Workshop<br />
Proceedings, Vol. 68. Karlsruhe 2003, 5. Beitrag, o.S. (S. 1-16).<br />
DITTMANN/PETERS/ZELEWSKI (2004)<br />
Dittmann, L.; Peters, M.L.; Zelewski, S.: Wissensträger identifizieren und motivieren. In: Wissensmanagement<br />
– Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 51-53.<br />
DITTMANN/PETERS/ZELEWSKI (2005)<br />
Dittmann, L.; Peters, M.L.; Zelewski, S.: Wissenstransfermotivation und ontologiebasierte Kompetenzmanagement-Systeme.<br />
In: MEYER, J.A. (Hrsg.): Wissens- und Informationsmanagement in kleinen und mittleren<br />
Unternehmen – Jahrbuch der KMU-Forschung und -Praxis 2005. Lohmar- Köln 2005, S. 143-160.<br />
DITTMANN/RADEMACHER/ZELEWSKI (2004a)<br />
Dittmann, L.; Rademacher, T.; Zelewski, S.: Performing FMEA Using Ontologies. In: de Kleer, J.; Forbus,<br />
D. (Hrsg.): QR 2004 – 18th International Workshop on Qualitative Reasoning, 02.-04.08.2004 in Evanston<br />
(Illinois). Evanston 2004, S. 209-216.<br />
DITTMANN/RADEMACHER/ZELEWSKI (2004b)<br />
Dittmann, L.; Rademacher, T.; Zelewski, S.: Combining Knowledge Management and Quality Management<br />
Systems. In: o.V.: European Organization for Quality Congress Materials, 48th EOQ (European Organization<br />
for Quality) Congress, 07.-09.09.2004 in Moskau, o.S. (S. 1-8).<br />
DITTMANN/SCHÜTTE/ZELEWSKI (2003)<br />
Dittmann, L.; Schütte, R.; Zelewski, S.: Darstellende Untersuchung philosophischer Probleme mit Ontologien.<br />
In: Freyberg, K.; Petsche, H.-J.; Klein, B. (Hrsg.): Knowledge Management and Philosophy, Proceedings<br />
of the WM 2003 Workshop on Knowledge Management and Philosophy, 02.-04.04.2003 in Luzern, CEUR<br />
Workshop Proceedings, Vol. 85. Kaiserslautern 2003, 3. Beitrag, o.S. (S. 1-13). Online-Dokument, im Internet<br />
unter der URL: „http://CEUR-WS.org und http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-<br />
WS/Vol-85/“ (Zugriff am 04.01.2005).
728 Literaturverzeichnis<br />
DITTMANN/ZELEWSKI (2004a)<br />
Dittmann, L.; Zelewski, S.: Ontology-based Skills Management. In: Callaos, N.; Lefebvre, V.; Hansen, E.;<br />
Dickopp, T.; Jaw-Sin, S. (Hrsg.): The 8th World Multi-Conference on Systemics, Cybernetics and Informatics,<br />
18.-21.07.2004 in Orlando, Vol. IV – Information Systems, Technologies and Applications: I. O.O. (Orlando)<br />
2004, S. 190-195.<br />
DITTMANN/ZELEWSKI (2004b)<br />
Dittmann, L.; Zelewski, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering to<br />
Manage Skills. In: VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (Hrsg.): 8th International<br />
Symposium on Measurement and Quality Control in Production (ISMQC), Symposium, 12.-15.10.2004 in<br />
Erlangen. Düsseldorf 2004, S. 181-187.<br />
DÖRING-KATERKAMP/TROJAN (2002)<br />
Döring-Katerkamp, U.; Trojan, J.: Motivation und Wissensmanagement – eine praktische Perspektive. In:<br />
Franken, R.; Gadatsch, A. (Hrsg.): Integriertes Knowledge-Management. Konzepte, Methoden, Instrumente<br />
und Fallbeispiele. Braunschweig – Wiesbaden 2002, S. 135-152.<br />
DOMINGUE (1998)<br />
Domingue, J.B.: Tadzebao and WebOnto: Discussing, Browsing, and Editing Ontologies on the Web. In:<br />
o.V.: Proceedings of KAW’98, Eleventh Workshop on Knowledge Acquisition, Modeling and Management,<br />
18.-23.04.1998 in Banff. O.O. o.S. (S. 1-22).<br />
DOMSCH (1980)<br />
Domsch, M.: Systemgestützte Personalarbeit, Wiesbaden 1980.<br />
DONINI ET AL. (1996)<br />
Donini, F.M.; Lenzerini, M.; Nardi, D.; Schaerf, A.: Reasoning in Description Logics. In: Brewka, G.<br />
(Hrsg.): Principles of Knowledge Representation. Stanford 1996, S. 191-236.<br />
DOOLEY/CORMAN/MCPHEE (2002)<br />
Dooley, K.J.; Corman, S.R.; McPhee, R.D.: A knowledge directory for identifying experts and areas of expertise.<br />
In: Human Systems Management, Vol. 21 (2002), S. 217-228.<br />
DORN (1999)<br />
Dorn, J.: Towards Reusable Intelligent Scheduling Software. In: Puppe, F. (Hrsg.): XPS-99: Knowledge-<br />
Based Systems – Survey and Future Directions, 5 th Biannual German Conference on Knowledge-Based Systems,<br />
03.-05.09.1999 in Würzburg, Proceedings. Berlin et al. 1999, S. 101-112.<br />
DOW (1999)<br />
Dow, S.C.: Post Keynesianism and critical realism: What is the connection. In: Journal of Post Keynesian<br />
Economics, Vol. 22 (1999), No. 1, S. 15-33.<br />
DOW (2000)<br />
Dow, S.C.: Brown´s comment: a reply. In: Journal of Post Keynesian Economics, Vol. 23 (2000), No. 2, S.<br />
357-360.<br />
DOWNLING/EBERSPÄCHER/PICOT (2003)<br />
Downling, M.; Eberspächer, J.; Picot, A.: eLearning in Unternehmen – Neue Wege für Training und Wieterbildung.<br />
Berlin et al. 2003.<br />
DOZ (1997)<br />
Doz, Y.: Managing core competency for corporate renewal. Towards a managerial theory of core competencies.<br />
In: Campell, A.; Sommers, K. (Hrsg.): Core competence based strategy. London 1997, S. 53-75.<br />
DRÖSSER (1997)<br />
Drösser, A.: Wettbewerbsvorteile durch Qualitätskommunikation. Bewertungsmodell für traditionelle Marktsignale<br />
und zertifizierte Managementsysteme. Wiesbaden 1997.<br />
DUINEVELD ET AL. (1999)<br />
Duineveld, A.J.; Stoter, R.; Weiden, M.R.; Kenepa, B.; Benjamins, V.R.: WonderTools? – A comparative<br />
study of ontological engineering tools. Report, Department of Social Science Informatics (SWI), University<br />
of Amsterdam. Amsterdam o.J. (1999).
Literaturverzeichnis 729<br />
DÜNTSCH/GEDIGA (1996)<br />
Düntsch, I.; Gediga, G.: Skills and Knowledge Structures. Preprint, Fachbereich Psychologie / Methodenlehre,<br />
Universität Osnabrück. Osnabrück o.J. (1996).<br />
DURFEE ET AL. (1998)<br />
Durfee, E.H.; Mullen, T.; Park, S.; Vidal, J.M.; Weinstein, P.: The Dynamics of the UDML Service Market<br />
Society. In: Klusch, M.; Weiß, G. (Hrsg.): Cooperative Information Agents II – Learning, Mobility and Electronic<br />
Commerce for Information Discovery on the Internet, Second International Workshop CIA’98, 04.-<br />
07.07.1998 in Paris, Proceedings. Berlin et al. 1998, S. 55-78.<br />
DÜWEL/HESSE (1998)<br />
Düwel, S.; Hesse, W.: Bestimmung von Objektkandidaten mit Hilfe von Formaler Begriffsanalyse. In: Pohl,<br />
K.; Schürr, A.; Vossen, G. (Hrsg.): Modellierung’98, Proceedings des GI-Workshops, 11.-13.03.1998 in<br />
Münster, CEUR Workshop Proceedings, Vol. 9, o.S. (S. 1-5). Online-Dokument, im Internet unter der URL:<br />
„http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 04.01.2005).<br />
EBBINGHAUS/FLUM/THOMAS (1992)<br />
Ebbingahaus, H.D.; Flum, J.; Thomas, W.: Einführung in die mathematische Logik. 3. Auflage, Mannheim<br />
et al. 1992.<br />
EEKELS (2001)<br />
Eekels, J.: On the fundamentals of engineering design science: The geography of engineering design science.<br />
Part 2. In: Journal of Engineering Design, Vol. 12 (2001), No. 3, S. 255-281.<br />
EHRICH/DROSTEN/GOGOLLA (1988)<br />
Ehrich, H.-D.; Drosten, K.; Gogolla, M.: Towards an Algebraic Semantics for Database Specification. In:<br />
Meersman, R.A.; Sernadas, A.C. (Hrsg.): Data and Knowledge (DS-2), Proceedings of the Second IFIP 2.6<br />
Working Conference on Database Semantics, 03.-07.11.1986 in Albufeira. Amsterdam et al. 1988, S. 119-<br />
135.<br />
EHRICH/GOGOLLA/LIPECK (1989)<br />
Ehrich, H.-D.; Gogolla, M.; Lipeck, U. W.: Algebraische Spezifikation abstrakter Datentypen. Stuttgart<br />
1989.<br />
EHRIG ET AL. (1999)<br />
Ehrig, H.; Mahr, B.; Cornelius, F.; Große-Rhode, M.; Zeitz, P.: Mathematisch-strukturelle Grundlagen der<br />
Informatik. Berlin et al. 1999.<br />
ELLINGER/BEUERMANN/LEISTEN (2001)<br />
Ellinger, T.; Beuermann, G.; Leisten, R.: Operations Research – Eine Einführung. 5. Auflage, Berlin – Heidelberg<br />
2001.<br />
ENDRES-NIGGEMEYER (2000)<br />
Endres-Niggemeyer, B.: Empirical methods for ontology engineering in bone marrow transplantation. In:<br />
Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für<br />
Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen<br />
Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 335-341.<br />
ENGLISH/GEORGE (2002)<br />
English, J.B.; George, R.: An Automated Taxonomy for Process Control in Knowledge Management Applications.<br />
In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics<br />
and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-5).<br />
EPPLER (2003)<br />
Eppler, M.J.: Making Knowledge Visible through Knowledge Maps: Concepts, Elements, Cases. In: Holsapple,<br />
C.W. (Hrsg.): Handbook of Knowledge Management, Vol. 1: Knowledge Matters. Berlin – Heidelberg<br />
2003, S. 189-205.<br />
ERDMANN (2001)<br />
Erdmann, M.: Ontologien zur konzeptuellen Modellierung der Semantik von XML. Dissertation, Universität<br />
Karlsruhe 2001. O.O. (Karlsruhe) 2001.
730 Literaturverzeichnis<br />
ERDMANN (2002)<br />
Erdmann, M.: OXML 2.0 – Reference manual for users and developers of OntoEdit’s XML-based Ontology<br />
Representation langage. Last update: 2002-03-04. Karlsruhe 2002.<br />
ERDMANN/STUDER (1999)<br />
Erdmann, M.; Studer, R.: Ontologies as Conceptual Models for XML Documents. In: o.V.: Proceedings of<br />
the 12th Workshop on Knowledge Acquisition, Modelling and Management (KAW’99), im Oktober 1999 in<br />
Banff. O.O. o.S. (S. 1-19).<br />
ERIKSSON ET AL. (1994)<br />
Eriksson, H.; Shahar, Y.; Tu, S.W.; Puerta, A.R.; Musen, M.A.: Task Modeling with Reusable Problem-<br />
Solving Methods. Report, Medical Computer Science Group, Knowledge Systems Laboratory, Stanford<br />
University School of Medicine. Stanford 1994. (Auch erschienen in: Artificial Intelligence, Vol. 79 (1995),<br />
S. 293-326.)<br />
ERPENBECK/HEYSE (1999)<br />
Erpenbeck, J.; Heyse, V.: Die Kompetenzbiographie – Strategien der Kompetenzentwicklung durch selbstorganisiertes<br />
Lernen und multimediale Kommunikation, Münster 1999.<br />
EUZENAT (2002)<br />
Euzenat, J.: Research Challenges and Perspectives of the Semantic Web, European Commission – US National<br />
Science Foundation Strategic Research Workshop, 03.-05.10.2001 in Sophia Antipolis, Workshop Report<br />
and Recommendations. Modified version 11.01.2002. O.O. 2002.<br />
FAIX (1991)<br />
Faix, W.G.; Laier, A: Soziale Kompetenz. Wiesbaden 1991.<br />
FALASCONI/LANZOLA/STEFANELLI (1996)<br />
Falasconi, S.; Lanzola, G.; Stefanelli, M.: Using Ontologies in Multi-Agent Systems. In: o.V.: Proceedings<br />
of Tenth Knowledge Acquisition for Knowledge-Based Systems Workshop (KAW’96), 09.-14.11.1996 in<br />
Banff. Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/KAW/KAW96/KAW96<br />
Proc.html“ (Zugriff am 04.05.1999).<br />
FALKENBERG ET AL. (1996)<br />
Falkenberg, E.D.; Hesse, W.; Lindgreen, P.; Nilsson, B.E.; Oei, H.J.L.; Rolland, C.; Stamper, R.K.; van Assche,<br />
F.J.; Verrijn-Stuart, A.A.; Voss, K.: FRISCO. A Framework of Information Systems. Summary of the<br />
FRISCO Report, December 1996. Online-Dokument, im Internet unter der URL: „ftp://leidenuniv.nl/pub/rul/<br />
fri-w60.zip” (Zugriff am 04.04.1997).<br />
FARQUHAR ET AL. (1995)<br />
Farquhar, A.; Fikes, R.; Pratt, W.; Rice, J.: Collaborative Ontology Construction for Information Integration.<br />
Technical Report KSL-95-63, Knowledge Systems Laborytory, Stanford University. Stanford 1995.<br />
FARQUHAR/FIKES/RICE (1996)<br />
Farquhar, A.; Fikes, R.; Rice, J.: Tools for Assembling Modular Ontologies in Ontolingua. Technical Report,<br />
Knowledge Systems Laborytory, Stanford University. Stanford o.J. (1996).<br />
FARQUHAR/FIKES/RICE (1997)<br />
Farquhar, A.; Fikes, R.; Rice, J.: The Ontolingua Server: a tool for collaborative ontology construction. In:<br />
International Journal of Human-Computer Studies, Vol. 46 (1997), No. 6, S. 707-727.<br />
FELLBAUM (1999)<br />
Fellbaum, C. (Hrsg.): WordNet: An Electronic Lexical Database. 2. Druck, Cambridge (Massachusetts)<br />
1999.<br />
FENSEL (2001a)<br />
Fensel, D.: Ontologies: A Silver Bullet for Knowledge Management and Electronic Commerce. Berlin –<br />
Heidelberg – New York 2001.<br />
FENSEL (2001b)<br />
Fensel, D.: Ontologies and Electronic Commerce. In: IEEE Intelligent Systems & their Applications, Vol. 16<br />
(2001), No. 1, S. 8.
Literaturverzeichnis 731<br />
FENSEL ET AL. (1997)<br />
Fensel, D.; Motta, E.; Decker, S.; Zdrahal, Z.: Using Ontologies for Defining Tasks, Problem-Solving<br />
Methods and their Mappings. In: Plaza, E.; Benjamins, R. (Hrsg.): Knowledge Acquisition, Modeling and<br />
Management, 10th European Workshop, EKAW’97, 15.-18.10.1997 in Sant Feliu de Guixols, Proceedings.<br />
Berlin et al. 1997, S. 113-128.<br />
FENSEL ET AL. (1998a)<br />
Fensel, D.; Decker, S.; Erdmann, M.; Studer, R.: Ontobroker: The Very High Idea. In: o.V.: Proceedings of<br />
the 11th International Flairs Conference (FLAIRS’98), im Mai 1998 in Sanibal Island. O.O. 1998, S. 131-<br />
135.<br />
FENSEL ET AL. (1998b)<br />
Fensel, D.; Decker, S.; Erdmann, M.; Studer, R.: Ontobroker: How to make the WWW Intelligent. Report,<br />
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe.<br />
Karlsruhe 1998.<br />
FENSEL ET AL. (1998c)<br />
Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Staab, S.; Studer, R.; Witt, A.: On2broker:<br />
Semantic-based access to information sources at the WWW. Report, Institut für Angewandte Informatik und<br />
Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1998).<br />
FENSEL ET AL. (1999a)<br />
Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Staab, S.; Studer, R.; Witt, A.: On2broker:<br />
Semantic-Based Access to Information Sources at the WWW. In: o.V.: Proceedings of the World Conference<br />
on the WWW and Internet (WebNet 99), 25.-30.10.1999 in Honolulu. O.O. 1999, o.S. (S. 1-5).<br />
FENSEL ET AL. (1999b)<br />
Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Studer, R.; Witt, A.: On2broker: Lessons<br />
Learned from Applying AI to the Web. Report, Institut für Angewandte Informatik und Formale Beschreibungsverfahren<br />
(AIFB), Universität Karlsruhe. Karlsruhe o.J. (1999).<br />
FENSEL ET AL. (2000)<br />
Fensel, D.; Horrocks, I.; van Harmelen, F.; Decker, S.; Erdmann, M.; Klein, M.: OIL in a nutshell. In: Dieng,<br />
R. (Hrsg.): Proceedings of the 12th European Workshop on Knowledge Acquisition, Modeling and Management<br />
(EKAW’00), Juan-les-Pins 2000, S. 1-16.<br />
FENSEL ET AL. (2001)<br />
Fensel, D.; van Harmelen, F.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.: OIL: An Ontology Infrastructure<br />
for the Semantic Web. In: IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No.<br />
March/April, S. 38-45.<br />
FENSEL ET AL. (2003)<br />
Fensel, D.; Hendler, J.; Lieberman, H.; Wahlster, W. (Hrsg.): Spinning the Semantic Web – Bringing the<br />
World Wide Web to Its Full Potential. London 2003.<br />
FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997)<br />
Fernández, M.; Gómez-Pérez, A.; Juristo, N.: METHONTOLOGY: From Ontological Art Towards Ontological<br />
Engineering. In: Farquar, A.; Grüninger, M. (Hrsg.): Ontological Engineering – Papers from the 1997<br />
AAAI Spring Symposium, Stanford 1997, S. 33-40.<br />
FERNÁNDEZ-LÓPEZ (1999)<br />
Fernández-López, M.: Overview Of Methodologies For Building Ontologies. In: Benjamins, V.R.; Chandrasekaran,<br />
B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.): Proceedings of the IJCAI-99 Workshop on<br />
Ontologies and Problem-Solving Methods, Stockholm 1999, S. 4.1-4.13.<br />
FERNÁNDEZ-LÓPEZ ET AL. (1999)<br />
Fernández-López, M.; Gómez-Pérez, A.; Pazos Sierra, J.; Pazos Sierra, A.: Building a Chemical Ontology<br />
using Methontology and the Ontology Design Environment. In: IEEE Intelligent Systems: Special Issue on<br />
Uses of Ontologies, Vol. 14 (1999), No. 1, S. 37-46.<br />
FERSTL/SINZ (1998)<br />
Ferstl, O.K.; Sinz, E.J.: Wirtschaftsinformatik. 3. Auflage, München – Wien 1998.
732 Literaturverzeichnis<br />
FETTKE/LOOS (2003)<br />
Fettke, P.; Loos, P.: Ontologische Evaluierung von Ereignisgesteuerten Ereignisketten. In: Nüttgens, M.;<br />
Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten Ereignisketten, 2.<br />
Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen des Arbeitskreises „Geschäftsprozessmanagement<br />
mit Ereignisgesteuerten Ereignisketten (WI-EPK)“, 08.10.2003 in Bamberg, Proceedings. Bonn<br />
2003, S. 61-78.<br />
FEUCHT (1992)<br />
Feucht, R.H.: Die Neoontologie Nicolai Hartmanns im Licht der Evolutionären Erkenntnistheorie. Dissertation,<br />
Universität Passau 1992. Regensburg 1992.<br />
FEYERABEND (1970)<br />
Feyerabend, P.K.: Against Method: Outline of an Anarchistic Theory of Knowledge. In: Radner, M.; Winokur,<br />
S. (Hrsg.): Minnesota Studies in the Philosophy of Science, Vol. IV: Analyses of Theories and Methods<br />
of Physics and Psychology. Minneapolis 1970, S. 17-130.<br />
FEYERABEND (1976)<br />
Feyerabend, P.: Wider den Methodenzwang – Skizze einer anarchistischen Erkenntnistheorie. Frankfurt<br />
1976.<br />
FEYERABEND (1995)<br />
Feyerabend, P.: Wider den Methodenzwang. 5. Auflage, Frankfurt/Main 1995.<br />
FIKES ET AL. (1991)<br />
Fikes, R.; Cutkosky, M.; Gruber, T.; Van Baalen, J.: Knowledge Sharing Technology – Project Overview –.<br />
Report, Knowledge Systems Laboratory, Stanford University. Stanford 1991.<br />
FIZ TECHNIK (2002)<br />
Fachinformationszentrum Technik e.V. (Hrsg.): Thesaurus Technik und Management 2002. 3. Aufl., Frankfurt/Main<br />
2002.<br />
FLEETWOOD (2001)<br />
Fleetwood, S.: Causal Laws, Functional Relations and Tendencies. In: Review of Political Economy, Vol. 13<br />
(2001), No. 2, S. 201-220.<br />
FLOYD (1992)<br />
Floyd, C.: Human Questions in Computer Science. In: Floyd, C.; Züllighoven, H.; Budde, R.; Keil-Slawik,<br />
R. (Hrsg.): Software Development and Reality Construction. Berlin et al. 1992, S. 15-27.<br />
FØLLESDALL (2001)<br />
Føllesdall, D. (Hrsg.): Philosophy of Quine, Vol. 4: Ontology. New York – London 2001.<br />
FORMICA/MISSIKOFF (2002)<br />
Formica, A.; Missikoff, M.: An Extended XML Approach to Ontology Engineering. In: Callaos, N.; Porter,<br />
J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2002),<br />
14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-3).<br />
FORMICA/PAGANO/TAGLINO (2001)<br />
Formica, A.; Pagano, I.; Taglino, F.: Fetish Project – The SymOntos 2.1 user guide. Report Version 2.1, May<br />
2001. O.O. 2001.<br />
FOSS (1994)<br />
Foss, N.J.: The two Coasian traditions. In: Review of Political Economy, Vol. 6 (1994), No. 1, S. 37-61.<br />
FOWLER ET AL. (1999)<br />
Fowler, J.; Nodine, M.; Perry, B.; Bargmeyer, B.: Agent-Based Semantic Interoperability in InfoSleuth. In:<br />
SIGMOD Record, Vol. 28 (1999), No. 1, S. 60-67.<br />
FOWLER/SCOTT (1998)<br />
Fowler, M.; Scott, K.: UML – konzentriert. Die Standardmodellierungssprache anwenden. Bonn et al. 1998.<br />
FOX/CHIONGLO/FADEL (1993)<br />
Fox, M.S., Chionglo, J.F.; Fadel, F.G.: A Common-Sense Model of the Enterprise. In: o.V.: Proceedings of<br />
the 2nd Industrial Engineering Research Conference, 1993 in Norcross. O.O. 1993, S. 425-429.
Literaturverzeichnis 733<br />
FOX/GRUNINGER (1993)<br />
Fox, M.S., Gruninger, M.: Ontologies for Enterprise Integration. Paper, University of Toronto. Toronto<br />
1993.<br />
FOX/GRÜNINGER (1997a)<br />
Fox, M.S., Grüninger, M.: Ontologies for Enterprise Modelling. In: Kosanke, K., Nell, J.G. (Hrsg.): Enterprise<br />
Engineering and Integration: Building International Consensus. Proceedings of ICEIMT’97, International<br />
Conference on Enterprise Integration and Modeling Technology, 28.-30.10.1997 in Turin. Berlin et al.<br />
1997, S. 190-200.<br />
FOX/GRUNINGER (1997b)<br />
Fox, M.S., Gruninger, M.: Enterprise Modelling. Paper, Department of Mechanical and Industrial Engineering,<br />
University of Toronto. Toronto 1997.<br />
FOX/GRÜNINGER (1997c)<br />
Fox, M.; Grüninger, M.: On Ontologies and Enterprise Modelling. In: Kosanke, K.; Nell, J. (Hrsg.): Proceedings<br />
of the International Conference on Enterprise Integration Modelling Technology, Berlin et al. 1997. Online-Dokument,<br />
im Internet unter der URL: „http://www.eil.utoronto.ca/enterprise-modelling/papers/<br />
fox-eimt97.pdf“ (Zugriff am 15.06.2004), o.S. (S. 1-10).<br />
FRANCONI ET AL. (1998)<br />
Franconi, E.; De Giacomo, G.; MacGregor, R.M.; Nutt, W.; Welty, C.A. (Hrsg.): Proceedings of the 1998 International<br />
Workshop on Description Logics (DL’98), 06.-08.06.1998 in Povo – Trento, CEUR Workshop<br />
Proceedings, Vol. 11. Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen.<br />
de/Publications/CEUR-WS/Vol-11“ (Zugriff am 04.01.2005).<br />
FRANK (1998)<br />
Frank, U.: Die Evaluation von Aretefakten: Eine zentrale Herausforderung der Wirtschaftsinformatik. Paper,<br />
Institut für Wirtschaftsinformatik, Universität Koblenz-Landau. Koblenz o.J. (1998). (Auch veröffentlicht in:<br />
Tagungsband des Workshops „Evaluation und Evaluationsforschung in der Wirtschaftsinformatik“, am<br />
05.06.1998 in Linz.)<br />
FRANK (2000a)<br />
Frank, U.: Unified Modeling Language (UML) – ein bedeutsamer Standard für die konzeptionelle Modellierung.<br />
In: Das Wirtschaftsstudium, 29. Jg. (2000), Heft 5, S. 709-718.<br />
FRANK (2000b)<br />
Frank, U.: Entwurf eines Referenzmodells für Handelsplattformen im Internet. Paper, Institut für Wirtschaftsinformatik,<br />
Universität Koblenz-Landau. Koblenz o.J. (2000). (Auch veröffentlicht in: Tagungsband<br />
der Fachtagung KnowTech, Leipzig 2000.)<br />
FRANK (2000c)<br />
Frank, U.: Modelle als Evaluationsobjekt. In: Heinrich, L.J.; Häntschel, I. (Hrsg.): Evaluation und Evaluationsforschung<br />
in der Wirtschaftsinformatik. München – Wien 2000, S. 339-352.<br />
FRANK (2001)<br />
Frank, U.: Einige Gründe für eine Wiederbelebung der Wissenschaftstheorie. Paper, Institut für Wirtschaftsinformatik,<br />
Universität Koblenz-Landau. Koblenz o.J. (2001). (Auch veröffentlicht in: Tagungsband der<br />
Tagung der Kommission Wissenschaftstheorie im Verband der Hochschullehrer für Betriebswirtschaftslehre<br />
e.V., Augsburg 2001.)<br />
FRANK (2003)<br />
Frank, U.: Ebenen der Abstraktion und ihre Abbildung auf konzeptionelle Modelle – oder: Anmerkungen zur<br />
Semantik von Spezialisierungs- und Instanzierungsbeziehungen. In: Emisa-Forum, 23. Jg. (2003), Nr. 2, S.<br />
14-18.<br />
FRANK/HAGENGRUBER/SCHAUER (2002)<br />
Frank, U.; Hagengruber, R.; Schauer, H. (Hrsg.): ∃cO – Economic Ontology. Part 1: Towards a basal Enterprise<br />
Ontology – Ein Reader zur formalen Ontologie, Ontologie der Ökonomie und Ontologie der Unternehmen.<br />
In Verbindung mit dem Workshop ∃cO – Economic Ontology, 23.07.2002 in Koblenz. ∃cO Reports<br />
Nr. 1, Forschungsgruppe Unternehmensmodellierung, Universität Koblenz-Landau. Koblenz 2002.
734 Literaturverzeichnis<br />
FRANK/PRASSE (1997)<br />
Frank, U.; Prasse, M.: Ein Bezugsrahmen zur Beurteilung objektorientierter Modellierungssprachen –<br />
veranschaulicht am Beispiel von OML und UML. Arbeitsberichte des Instituts für Wirtschaftsinformatik Nr.<br />
6, Universität Koblenz-Landau. Koblenz 1997.<br />
FRAUENFELDER (2001)<br />
Frauenfelder, M.: A Smarter Web. In: Technology Review, Vol. 2001, No. November, S. 52-59.<br />
FREESE (1999)<br />
Freese, T.: Eine allgemeine Klassenstruktur zur Repräsentation von Ablaufplanung. In: Puppe, F.; Fensel,<br />
D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future<br />
Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg,<br />
Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition. Internal Report, Institut für Informatik,<br />
Universität Würzburg. Würzburg 1999, S. 82-87.<br />
FREGE (1999)<br />
Frege, G.: Über Sinn und Bedeutung. In: Bermes, C. (Hrsg.): Sprachphilosophie. Freiburg – München 1999,<br />
S. 109-119. (Auch erschienen in: Patzig, G. (Hrsg.): Funktion, Begriff, Bedeutung – Fünf logische Studien.<br />
3. Auflage, Göttingen 1969, S. 18-39.)<br />
FRENCH (1989)<br />
French, S.: Why the Principle of the Identity of Indiscernibles is Not Contingently True Either. In: Synthese,<br />
Vol. 79 (1989), S. 141-166.<br />
FRICK (1998)<br />
Frick, D.: Die Akquisition betriebwirtschaftlichen Wissens zum Aufbau von wissensbasierten Entscheidungsunterstützungssystemen.<br />
Frankfurt/Main 1998.<br />
FRIDSMA/GENNARI/MUSEN (1997)<br />
Fridsma, D.B.; Gennari, J.; Musen, M.: Acquiring, Maintaining, and Customizing Organizational Work<br />
Process Descriptions. In: o.V.: AAAI Spring Symposium on Artificial Intelligence in Knowledge Management,<br />
24.-26.03.1997 in Stanford, Proceedings. Online-Dokument, im Internet unter der URL: „http://ksi.<br />
cpsc.ucalgary.ca/AIKM97/“ (Zugriff am 29.07.1999), o.S. (S. 1-9).<br />
FRIEDLAND/ALLEN (2004)<br />
Friedland, N.S.; Allen, P.G.: The Halo Pilot: Towards A digital Aristotle. O.O o.J. (2004). Online-<br />
Dokument, im Internet unter der URL: „http://www.projecthalo.com/content/docs/halopilot_vulcan_finalreport.pdf“<br />
(Zugriff am 04.01.2005).<br />
FRIEDRICHSDORF (1992)<br />
Friedrichsdorf, U.: Einführung in die klassische und intensionale Logik. Braunschweig – Wiesbaden 1992.<br />
FÜRST/LECLÈRE/TRICHET (2003)<br />
Fürst, F.; Leclère, M.; Trichet, F.: Ontological engineering and mathematical knowledge management: A<br />
formalization of projective geometry. In: Annals of Mathematics and Artificial Intelligence, Vol. 38 (2003),<br />
S. 65-89.<br />
GABRIEL (2004)<br />
Gabriel, G.: Denotation. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 1. Unveränderte Sonderausgabe, Stuttgart – Weimar 2004. S. 451.<br />
GAINES (1997)<br />
Gaines, B.: Knowledge Level Modeling of Agents, Organizations and Technologies. In: o.V.: AAAI Spring<br />
Symposium on Artificial Intelligence in Knowledge Management, 24.-26.03.1997 in Stanford. Online-Dokument,<br />
im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/AIKM97/“ (Zugriff am 29.07.1999), o.S. (S. 1-<br />
13).<br />
GALLIER (1986)<br />
Gallier, J.H.: Logic for Computer Science. New York et al. 1986.
Literaturverzeichnis 735<br />
GANGEMI ET AL. (2001)<br />
Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.: Understanding top-level ontological distinctions. In:<br />
Gómez-Pérez, A.; Gruninger, M.; Stuckenschmidt, H.; Uschold, M. (Hrsg.): Proceedings of the IJCAI-2001<br />
Workshop on Ontologies and Information Sharing, 04.-05.08.2001 in Seattle, CEUR Workshop Proceedings,<br />
Vol. 47, S. 26-33.<br />
GANGEMI ET AL. (2002a)<br />
Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.: Restructuring WordNet’s Top-Level. Report, National<br />
Research Council, Institute for Cognitive Science and Technologies (ISTC-CNR). O.O. o.J. (2002).<br />
GANGEMI ET AL. (2002b)<br />
Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.; Schneider, L.: Sweeting Ontologies with DOLCE. Report,<br />
National Research Council, Institute for Cognitive Science and Technologies (ISTC-CNR). Rom – Padua<br />
o.J. (2002).<br />
GANGEMI/GUARINO/OLTRAMARI (2001)<br />
Gangemi, A.; Guarino, N.; Oltramari, A.: Conceptual Analysis of Lexical Taxonomies: The case of WordNet<br />
Top-Level. In: Welty, C.; Smith, B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from<br />
the Second International Conference (FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 285-296.<br />
GANGEMI/PISANELLI/STEVE (1998)<br />
Gangemi, A.; Pisanelli, D. M.; Steve, G.: Ontology Integration: Experiences with Medical Terminologies. In:<br />
Guarino, N. (Hrsg.): Formal Ontology in Information Systems, Amsterdam 1998, S. 163-178.<br />
GANGEMI/STEVE/GIACOMELLI (1996)<br />
Gangemi, A.; Steve, G.; Giacomelli, F.: ONIONS: An Ontological Methodology for Taxonomic Knowledge<br />
Integration. In: van der Vet, P. (Hrsg.): Proceedings of the Workshop on Ontological Engineering (in conjunction<br />
with ECAI´96), Budapest 1996. Online-Dokument, im Internet unter der URL: „http://wwwkbs.cs.<br />
utwente.nl/EcaiWorkshop/fullpapers.html” (Zugriff am 18.2.2003), o.S. (S. 1-11).<br />
GEBERT (2001)<br />
Gebert, H.: Kompetenz-Management – Bewirtschaftung von implizitem Wissen in Unternehmen. Kolloquium<br />
für Doktoranden der Wirtschaftsinformatik 18.09.2001. Online-Dokument, im Internet unter der URL:<br />
„http://verdi.unisg.ch/org/iwi/iwi_pub.nsf/wwwPublRecentEng/14CBE590F8A36F65C1256DF900395EF1“<br />
(Zugriff am 24.11.2004).<br />
GEBERT/KUTSCH (2003)<br />
Gebert, H., Kutsch, O.: Potenziale des Skill-Managements. In: Wirtschaftsinformatik, 45. Jg. (2003), Nr. 2,<br />
S. 227-229.<br />
GEERTS/MCCARTHY (2000)<br />
Geerts, G.L.; McCarthy, W.E.: An ontological analysis of the economic primitives of the extended-REA enterprise<br />
information architecture. Paper, Department of Accounting and MIS, University of Delaware. Newark<br />
o.J. (2000).<br />
GENESERETH (1998)<br />
Genesereth, M.R.: Knowledge Interchange Format – draft proposed American National Standard (dpANS).<br />
Paper NCITS.T2/98-004. Online-Dokument, im Internet unter der URL: „http://logic.stanford.edu/kif/dpans.<br />
html“ (Zugriff am 06.02.2003).<br />
GENESERETH/FIKES (1992)<br />
Genesereth, M.R.; Fikes, R.E.: Knowledge Interchange Format – Version 3.0 – Reference Manual. Report<br />
Logic-92-1, Computer Science Department, Stanford University. Stanford 1992.<br />
GENESERETH/NILSSON (1987)<br />
Genesereth, M.R.; Nilsson, N.J.: Logical Foundations of Artificial Intelligence. Palo Alto 1987.<br />
GENNARI ET AL. (1994)<br />
Gennari, J.H.; Tu, S.W.; Rothenfluh, T.E.; Musen, M.A.: Mapping Domains to Methods in Support of Reuse.<br />
In: International Journal of Human-Computer Studies, Vol. 41 (1994), S. 399-424. (Auch erschienen als:<br />
SMI Technical Report No. SMI-93-0497, Stanford Medical Informatics, Stanford University. Stanford<br />
1993.)
736 Literaturverzeichnis<br />
GENNARI ET AL. (2002)<br />
Gennari, J.H.; Musen, M.A.; Fergerson, R.W.; Grosso, W.E.; Crubezy, M.; Eriksson, H.; Noy, N.F.; Tu,<br />
S.W.: The Evolution of Protégé: An Environment for Knowledge-Based Systems Development. SMI Technical<br />
Report No. SMI-2002-0943, Stanford Medical Informatics, Stanford University. Stanford 2002.<br />
GEORGE/JONES (2000)<br />
George, J.M.; Jones, G.R.: The Role of Time Theory and Theory Building. In: Journal of Management, Vol.<br />
26 (2000), No. 4, S. 657-684.<br />
GERPOTT (1999)<br />
Gerpott, T.J.: Strategisches Technologie- und Innovationsmanagement – Eine konzentrierte Einführung.<br />
Stuttgart 1999.<br />
GETHMANN (2004a)<br />
Gethmann, C.F.: Fundamentalontologie. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 1: A-G. Sonderausgabe, Stuttgart – Weimar 2004, S. 688-689.<br />
GETHMANN (2004b)<br />
Gethmann, C.F.: Realismus (ontologisch). In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 502-504.<br />
GETHMANN/SIEGWART (2004)<br />
Gethmann, G.F.; Siegwart, G.: Rescher. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 594-597.<br />
GETTIER (1994)<br />
Gettier, E.L.: Ist gerechtfertigte, wahre Meinung Wissen? In: Bieri, P. (Hrsg.): Analytische Philosophie der<br />
Erkenntnis. 3. Auflage, Weinheim 1994, S. 91-93.<br />
GILBERT/STREBEL (1987)<br />
Gilbert, Xavier, X.; Strebel, P.P.: Strategies to outpace the competition. In: Journal of Business Strategy,<br />
Vol. 8 (1987), No. 1, S. 28-36.<br />
GINSBURG (1999)<br />
Ginsburg, M.: An Agent Framework for Intranet Document Management. In: Autonomous Agents and<br />
Multi-Agent Systems, Vol. 2 (1999), S. 271-286.<br />
GOBLE ET AL. (2001)<br />
Goble, C.A.; Paton, N.W.; Stevens, R.; Baker, P.G.; Ng, G.; Peim, M.; Bechhofer, S.; Brass, A.: Transparent<br />
access to multiple bioinformatics information sources. In: IBM Systems Journal, Vol. 40 (2001), No. 2, S.<br />
532-550.<br />
GÖTZE/BLOECH (2004)<br />
Götze, U.; Bloech, J.: Investitionsrechnung – Modelle und Analysen zur Beurteilung von Investitionsvorhaben.<br />
4. Auflage, Berlin et al. 2004.<br />
GOLEBIOWSKA (2000)<br />
Golebiowska, J.: SAMOVAR – Setting up and Exploitation of Ontologies for Capitalising on Vehicle Project<br />
Knowledge. Paper, Equipe Acacia. Inria Sophia Antipolis o.J. (2000).<br />
GÓMEZ-PÉREZ (1994)<br />
Gómez-Pérez, A.: From Knowledge Based Systems to Knowledge Sharing Technology: Evaluation and Assessment.<br />
Technical Report KSL 94-73. Knowledge Systems Laboratory. Stanford University, California.<br />
Stanford 1994.<br />
GÓMEZ-PÉREZ (1996)<br />
Gómez-Pérez, A.: Towards a Framework to Verify Knowledge Sharing Technology. In: Expert Systems<br />
With Applications, Vol. 11 (1996), No. 4, S. 519-529.<br />
GÓMEZ-PÉREZ (1998)<br />
Gómez-Pérez, A.: Knowledge Sharing and Reuse. In: Liebowitz, J. (Hrsg.): The Handbook of Applied Expert<br />
Systems. Boca Raton et al. 1998, S. 10-1 – 10-36.
Literaturverzeichnis 737<br />
GOMEZ-PEREZ (2001)<br />
Gómez-Pérez, A.: Evaluation of Ontologies. In: International Journal of Intelligent Systems, Vol. 16 (2001),<br />
No. 3, S. 391-409.<br />
GOMEZ-PEREZ (2004)<br />
Gómez-Pérez, A.: Ontology Evaluation. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin –<br />
Heidelberg 2004, S. 250-273.<br />
GÓMEZ-PÉREZ/BENJAMINS (1999)<br />
Gómez-Pérez, A.; Benjamins, V.R.: Overview of Knowledge Sharing and Reuse Components: Ontologies<br />
and Problem-Solving Methods. In: Benjamins, V.R.; Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.;<br />
Uschold, M. (Hrsg.:) Proceedings of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods<br />
(KRR5), am 02.08.1999 in Stockholm. Amsterdam 1999, S. 1-1–1-15.<br />
GÓMEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE (1996)<br />
Gómez-Pérez, A.; Fernández, M.; de Vincente, A.J.: Towards a Method to Conceptualize Domain Ontologies.<br />
In o.V.: Proceedings of the Workshop Ontological Engineering ECAI-96, Budapest 1996, S. 41-52.<br />
GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2002)<br />
Gómez-Pérez, A.; Fernández-López, M.; Corcho, O.: Ontoweb – Technical Roadmap. Ontoweb Deliverable<br />
1.1.2, Universidad Politécnica de Madrid, 2002. Online-Dokument, im Internet unter der URL: „http://<br />
ontoweb.aifb.uni-karlsruhe.de/About/Deliverables/D1.1.2_v1_0.zip“ (Zugriff am 16.09.2003).<br />
GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004)<br />
Gómez-Pérez, A.; Fernández-López, M.; Corcho, O.: Ontological Engineering with examples from the areas<br />
of Knowledge Management, e-Commerce and the Semantic Web, London 2004.<br />
GONZALO ET AL. (1998)<br />
Gonzalo, J.; Verdejo, F.; Peters, C.; Calzolari, N.: Applying EuroWordNet to Cross-Language Text Retrieval.<br />
In: Cumputers and the Humanities, Vol. 32 (1998), S. 185-207.<br />
GOODMAN (1987)<br />
Goodman, N.: Vom Denken und anderen Dingen. Frankfurt/Main 1987.<br />
GOTTWALD (2003)<br />
Gottwald, M.: HR-Lösungen – Durchweg hoher Standard. In: Personal – Zeitschrift für Human Resource<br />
Management, 55. Jg. (2003), Heft 7, S. 32-35.<br />
GRANT (1996)<br />
Grant, R.M.: Toward a Knowledge based Theory of the Firm. In: Strategic Management Journal, Vol. 17<br />
(1996), S. 109-122.<br />
GRASSL (1999)<br />
Grassl, W.: The Reality of Brands: Towards an Ontology of Marketing. In: American Journal of Economics<br />
& Sociology, Vol. 58 (1999), No. 2, S. 313-360.<br />
GREAVES (2004)<br />
Greaves, M.: 2004 DAML Program Directions. o.O. 2004. Online-Dokument, im Internet unter der URL:<br />
„www.daml.org/listarchive/daml-all/att-0301/01-2004_DAML_Program_Directions.doc“ (Zugriff am 04.01.<br />
2005).<br />
GREEN/ROSEMANN (1999)<br />
Green, P.; Rosemann, M.: An Ontological Analysis of Integrated Process Modelling. Preprint, Ipswich –<br />
Münster 1999. (Veröffentlicht in: Jarke, M. (Hrsg.): CAiSE’99, 11th Conference on Advanced Information<br />
Systems Engineering. Berlin et al. 1999.)<br />
GREEN/ROSEMANN (2000)<br />
Green, P.; Rosemann, M.: Integrated Process Modeling: An Ontological Ecaluation. In: Informations<br />
Systems, Vol. 25 (2000), No. 2, S. 73-87.<br />
GREENWELL (1988)<br />
Greenwell, M.: Knowledge Engineering for Expert Systems. Chichester 1988.
738 Literaturverzeichnis<br />
GROB/VOLCK (1995)<br />
Grob, H.L.; Volck, S.: Abbildung von Geschäftsprozessem mit ereignisgesteuerten Prozessketten. In: Wirtschaftswissenschaftliches<br />
Studium, 24. Jg. (1995), Heft 11, S. 604-608.<br />
GROSSMANN (1992)<br />
Grossmann, R.: The Existence of the World. An Introduction to Ontology. London 1992.<br />
GROSSO ET AL. (1999)<br />
Grosso, W.E.; Eriksson, H.; Fergerson, R.W.; Gennari, J.H.; Tu, S.W.; Musen, M.A.: Knowledge Modeling<br />
at the Millenium (The Design and Evolution of Protégé-2000). SMI Technical Report No. SMI-1999-0801,<br />
Stanford Medical Informatics, Stanford University. Stanford 1999.<br />
GRUBER (1993)<br />
Gruber, T.R.: A translation approach to portable ontology specifications. In: Knowledge Acquisition, Vol. 5<br />
(1993), No. 2, S. 199-220. Auch erschienen als: Knowledge Systems Laboratory Technical Report KSL 92-<br />
71 (überarbeitete Version vom April 1993, Original vom September 1992), Computer Science Department,<br />
Stanford University. Stanford 1993.<br />
GRUBER (1995)<br />
Gruber, T.R.: Toward principles for the design of ontologies used for knowledge sharing. In: International<br />
Journal of Human-Computer Studies, Vol. 43 (1995), S. 907-928. Auch erschienen als: Technical Report<br />
KSL 93-04 (überarbeitete Version vom August 1993), Knowledge Systems Laboratory, Stanford University,<br />
Stanford 1993. Ebenso erschienen in: Guarino, N.; Poli, R. (Hrsg.): Formal Ontology in Conceptual Analysis<br />
and Knowledge Representation. Amsterdam et al. 1993.<br />
GRUBER/OLSEN (1996)<br />
Gruber, T.R.; Olsen, G.R.: The configuration design ontologies and the VT elevator domain theory. In:<br />
International Journal of Human-Computer Studies, Vol. 44 (1996), S. 569-598.<br />
GRÜNINGER (2004)<br />
Grüninger, M.: Ontology of the Process Specification Language. In: Staab, S.; Studer, R. (Hrsg.): Handbook<br />
on Ontologies. Berlin – Heidelberg 2004, S. 575-592.<br />
GRÜNINGER/ATEFI/FOX (2000)<br />
Grüninger, M.; Atefi, K.; Fox, M.S.: Ontologies to Support Process Integration in Enterprise Engineering. In:<br />
Computational & Mathematical Organization Theory, Vol. 6 (2000), S. 381-394.<br />
GRUNINGER/FOX (1994a)<br />
Gruninger, M.; Fox, M.S.: An Activity Ontology for Enterprise Modelling. Paper, Department of Industrial<br />
Engineering, University of Toronto. Toronto 1994.<br />
GRUNINGER/FOX (1994b)<br />
Gruninger, M.; Fox, M.S.: The Role of Competency Questions in Enterprise Engineering. Paper, Department<br />
of Industrial Engineering, University of Toronto. Toronto 1994.<br />
GRÜNINGER/FOX (1995)<br />
Grüninger, M.; Fox, M.S.: Methodology for the Design and Evaluation of Ontologies. Paper, Department of<br />
Industrial Engineering, University of Toronto. Toronto 1995.<br />
GUARINO (1992)<br />
Guarino, N.: Concepts, Attributes, and Arbitrary Relations – Some Linguistic and Ontological Criteria for<br />
Structuring Knowledge Bases. In: Data & Knowledge Engineering, Vol. 8 (1992), S. 249-261.<br />
GUARINO (1995)<br />
Guarino, N.: Formal ontology, conceptual analysis and knowledge representation. In: International Journal of<br />
Human-Computer Studies, Vol. 43 (1995), S. 625-640.<br />
GUARINO (1997a)<br />
Guarino, N.: Understanding, building and using ontologies. In: International Journal of Human-Computer<br />
Studies, Vol. 46 (1997), No. 2/3, S. 293-310.
Literaturverzeichnis 739<br />
GUARINO (1997b)<br />
Guarino, N.: Some Organizing Principles for a Unified Top-Level Ontology. In: Farquhar, A.; Gruninger, M.<br />
(Hrsg.): Ontological Engineering, Papers from the 1997 AAAI Symposium, 24.-26.03.1997 in Stanford,<br />
Technical Report SS-97-106. Menlo Park 1997, S. 57-63.<br />
GUARINO (1997c)<br />
Guarino, N.: Semantic Matching: Formal Ontological Distinctions for Information Organization, Extraction,<br />
and Integration. In: Pazienza, M.T. (Hrsg.): Information Extraction: A Multidisciplinary Approach to an<br />
Emerging Information Technology, Summer School on Information Extraction, 14.-19.07.1997 in Frascati.<br />
Berlin et al. 1997, S. 139-170.<br />
GUARINO (1998a)<br />
Guarino, N.: Formal Ontology and Information Systems. In: Guarino, N. (Hrsg.): Formal Ontology in<br />
Information Systems. Proceedings of the First International Conference (FOIS’98), 06.-08.06.1998 in Trento.<br />
Amsterdam et al. 1998, S. 3-15.<br />
GUARINO (1998b)<br />
Guarino, N.: Some Ontological Principles for Designing Upper level Lexical Resources. In: Rubio, N.;<br />
Gallardo, N.; Castro, R.; Tejada, A. (Hrsg.): Proceedings of First International Conference on Language<br />
Resources and Evaluation, 28.-30.05.1998 in Granada. O.O. 1998, S. 527-534.<br />
GUARINO (1999a)<br />
Guarino, N.: Avoiding IS-A Overloading: The Role of Identity Conditions in Ontology Design. Report,<br />
LADSEB-CNR. Padova 1999.<br />
GUARINO (1999b)<br />
Guarino, N.: The Role of Identity Conditions in Ontology Design. In: Freksa, C.; Mark, D.M. (Hrsg.):<br />
Spatial Information Theory – Cognitive and Computational Foundations of Geographic Information Science,<br />
Proceedings of International Comference COSIT’99. Berlin et al. 1999, S. 221-234. (Auch erschienen in:<br />
Benjamins, V.R.; Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings<br />
of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in<br />
Stockholm. Amsterdam 1999, S. 2-1 – 2-7.)<br />
GUARINO (1999c)<br />
Guarino, N.: The Ontological Level. Paper, LADSEB-NCR, National Research Council, Padova 1999.<br />
(Revised Version vom 30.08.1999 des gleichnamigen Beitrags in: Casati, R.; Smith, B.; White, G. (Hrsg.):<br />
Philosophy and the Cognitive Sciences. 16th Wittgenstein Symposium, im August 1993 in Kirchberg/Wechsel.<br />
Wien 1994, S. 443-456.)<br />
GUARINO/CARRARA/GIARETTA (1994a)<br />
Guarino, N.; Carrara, M.: Giaretta, P.: Formalizing Ontological Commitments. In: o.V.: Proceedings of National<br />
Conference on Artificial Intelligence (AAAI-94), 1994 in Seattle. San Mateo 1994, S. 560-567.<br />
GUARINO/CARRARA/GIARETTA (1994b)<br />
Guarino, N.; Carrara, M.: Giaretta, P.: An Ontology of Meta-Level Categories. In: Sandewall, E.; Torasso, P.<br />
(Hrsg.): Principles of Knowledge Representation and Reasoning: Proceedings of the Fourth International<br />
Conference (KR94), San Mateo 1994, S. 270-280.<br />
GUARINO/GIARETTA (1995)<br />
Guarino, N.; Giaretta, P.: Ontologies and Knowledge Bases – Towards a Terminological Clarification. In:<br />
Mars, N.J.I. (Hrsg.): Towards very large knowledge bases: knowledge building & knowledge sharing. Amsterdam<br />
1995, S. 25-32.<br />
GUARINO/MASOLO/VETERE (1999a)<br />
Guarino, N.; Masolo, C.; Vetere, G.: OntoSeek: Using Large Linguistic Ontologies for Accessing On-Line<br />
Yellow Pages and Product Catalogs. LADSEB-CNR Technical Report 01/98, revision January 1999. Padova<br />
1999.<br />
GUARINO/MASOLO/VETERE (1999b)<br />
Guarino, N.; Masolo, C.; Vetere, G.: OntoSeek: Content-Based Access to the Web. In: IEEE Intelligent Systems,<br />
Vol. 14 (1999), No. 3, S. 70-80.
740 Literaturverzeichnis<br />
GUARINO/WELTY (2000a)<br />
Guarino, N.; Welty, C.: A Formal Ontology of Properties. In: Dieng, R.; Corby, O. (Hrsg.): Knowledge Engineering<br />
and Knowledge Management – Methods, Models and Tools. Proceedings of the 12th International<br />
Conference on Knowledge Engineering and Knowledge Management. Berlin et al. 2000, S. 97-112. (Auch<br />
veröffentlicht als: Report, LADSEB-CNR. Padova 2000.)<br />
GUARINO/WELTY (2000b)<br />
Guarino, N.; Welty, C.: Identity, Unity, and Individuality: Towards a Formal Toolkit for Ontological Analysis.<br />
In: Horn, W. (Hrsg.): Proceedings of ECAI-2000, The European Conference on Artificial Intelligence,<br />
im August 2000 in Berlin. Amsterdam et al. 2000, S. 219-223. (Auch veröffentlicht als: Report, LADSEB-<br />
CNR. Padova 2000.)<br />
GUARINO/WELTY (2000c)<br />
Guarino, N.; Welty, C.: Ontological Analysis of Taxonomic Relationships. Report, LADSEB-CNR. Padova<br />
2000. (Auch veröffentlicht in: Laender, A.; Storey, V. (Hrsg.): Proceedings of ER-2000: The 19th International<br />
Conference on Conceptual Modeling, im Oktober 2000. Berlin et al. 2000.)<br />
GUARINO/WELTY (2000d)<br />
Guarino, N.; Welty, C.: Towards a methodology for ontology based model engineering. Report, LAD-<br />
SEB/CNR. Padova 2000. (Auch veröffentlicht in: o.V.: Proceedings of ECOOP-2000 Workshop on Model<br />
Engineering, 2000 in Cannes.)<br />
GUARINO/WELTY (2001)<br />
Guarino, N.; Welty, C.: Identity and Subsumption. Internal Report, LADSEB-CNR 01/2001. Padova 2001.<br />
(Auch veröffentlicht in: Green, R.; Bean, C.A.; Myaeng, S.H. (Hrsg.): The Semantics of Relationships: An<br />
Interdisciplinary Perspective. Amsterdam et al. 2001.)<br />
GUARINO/WELTY (2002)<br />
Guarino, N.; Welty, C.: Evaluation Ontological Decisions with OntoClean. In: Communications of the ACM,<br />
Vol. 45 (2002), No. 2, S. 61-65.<br />
GUARINO/WELTY (2004)<br />
Guarino, N.; Welty, C.A.: An Overview of OntoClean. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies.<br />
Berlin – Heidelberg 2004, S. 151-171.<br />
GUHA/LENAT (1994)<br />
Guha, R.V.; Lenat, D.B.: Enabling Agents to Work Together. In: Communications of the ACM, Vol. 37<br />
(1994), No. 7, S. 127-142.<br />
GUIZZARDI/HERRE/WAGNER (2002)<br />
Guizzardi, G.; Herre, H.; Wagner, G.: On the General Ontological Foundations of Conceptual Modeling. In:<br />
Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International<br />
Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 65-78.<br />
GÜLDENBERG (1997)<br />
Güldenberg, S.: Wissensmanagement und Wissenscontrolling in lernenden Organisationen. Ein systemtheoretischer<br />
Ansatz. Wiesbaden 1997.<br />
GÜTTLER/VON BELOW/ZÜLCH (1979)<br />
Güttler, E.; von Below, F.; Zülch, G.: Klassifikation von Arbeitsplatzanforderungen durch Clusteranalyse.<br />
Forschungsberichte der Landes Nordrhein-Westfalen Nr. 2837. Opladen 1979.<br />
HAASE (1997)<br />
Haase, M.: Betriebswirtschaftslehre – weder deskriptiv noch normativ, sondern theoretisch. In: Kahle, E.<br />
(Hrsg.): Betriebswirtschaftslehre und Managementlehre. Selbstverständnis – Herausforderungen – Konsequenzen,<br />
Tagung der Kommission Wissenschaftstheorie. Wiesbaden 1997, S. 27-54.<br />
HAASE (2000)<br />
Haase, K.: Interlingual BRICO. In: IBM Systems Journal, Vol. 39 (2000), No. 3/4, S. 589-596.<br />
HABERMAS (1986)<br />
Habermas, J.: Entgegnung. In: Honneth, A.; Joas, H. (Hrsg.): Kommunikatives Handeln – Beiträge zu Jürgen<br />
Habermas’ „Theorie des kommunikativen Handelns“. Frankfurt/Main 1986, S. 327-405.
Literaturverzeichnis 741<br />
HAGENGRUBER (2004)<br />
Hagengruber, R.: Ontologische Strukturen. Gegenwärtige Tendenzen und ihre Anwendung in der Wirtschaftsinformatik.<br />
In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik –<br />
Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen Kommission<br />
„Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.-06.06.<br />
2003 in Koblenz. Wiesbaden 2004, S. 417-431.<br />
HAGENGRUBER/SCHAUER (2002)<br />
Hagengruber, R.; Schauer, H.: Gute Gründe für eine Ontologie der Ökonomie und der Unternehmung auf<br />
Basis der Basic Formal Ontology (BFO). In: Frank, U.; Hagengruber, R.; Schauer, H. (Hrsg.): ∃cO – Economic<br />
Ontology. Part 1: Towards a basal Enterprise Ontology – Ein Reader zur formalen Ontologie, Ontologie<br />
der Ökonomie und Ontologie der Unternehmen. In Verbindung mit dem Workshop ∃cO – Economic Ontology,<br />
23.07.2002 in Koblenz. ∃cO Reports Nr. 1, Forschungsgruppe Unternehmensmodellierung, Universität<br />
Koblenz-Landau. Koblenz 2002, S. 35-48.<br />
HAHN ET AL. (2003)<br />
Hahn, J.; Queins, S.; Rupp, C.; Zengler, B.; Jeckle, M.: UML 2 glasklar. München 2003.<br />
HAHN/REIMER (1998)<br />
Hahn, U.; Reimer, U.: Text Summarization Based on Terminological Logics. In: Prade, H. (Hrsg.): ECAI 98,<br />
13th European Conference on Artificial Intelligence, 23.-28.08.1997 in Brighton, Proceedings. Chichester et<br />
al. 1998, S. 156-169.<br />
HAHN/SCHULZ (2004)<br />
Hahn, U.; Schulz, S.: Building a Very Large Ontology from Medical Thesauri. In: Staab, S.; Studer, R.<br />
(Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 133-150.<br />
HAMM (1997)<br />
Hamm, V.: Informationstechnik-basierte Referenzprozesse – Prozeßtechnische Gestaltung des industriellen<br />
Einkaufs. Dissertation, Technische Universität Freiberg 1997. Wiesbaden 1997.<br />
HANSEN ET AL. (1992)<br />
Hansen, H.R.; Mühlbacher, R.; Neumann, G.: Begriffsbasierte Integration von Systemanalysemethoden.<br />
Heidelberg 1992.<br />
HANSEN/NEUMANN (2005)<br />
Hansen, H.R.; Neumann, G.: Wirtschaftsinformatik I – Grundlagen und Anwendungen. 9. Auflage, Stuttgart<br />
2005.<br />
HANSEN/NOHRIA/TIERNEY (1999)<br />
Hansen, M.T.; Nohria, N.; Tierney, T.: What’s Your Strategy for Managing Knowledge? In: Harvard Business<br />
Review, Vol. 77 (1999), No. March – April, S. 106-116.<br />
HARE (1999)<br />
Hare, C.: Towards an Ontology of Intellectual Property: A Suggested Reconstruction. In: American Journal<br />
of Economics & Sociology, Vol. 58 (1999), No. 2, S. 285-297.<br />
HARMAN (1994):<br />
Harman, G.H.: Wissen, Gründe und Ursachen. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis.<br />
3. Auflage, Weinheim 1994, S. 108-123.<br />
HARRAS (2000)<br />
Harras, G.: Concepts in Linguistics – Concepts in Natural Languag. In: Ganter, B.; Mineau, G.W. (Hrsg.):<br />
Conceptual Structures: Logical, Linguistic, and Computational Issues, 8th International Conference on Conceptual<br />
Structures, ICCS 2000, Darmstadt, Germany, August 14-18, 2000, Proceedings. Berlin et al. 2000. S.<br />
13-26.<br />
HARRAS/HERMANN/GRABOWSKI (1997)<br />
Harras, G.; Hermann, T.; Grabowski, J.: Aliquid stat pro aliqui – aber wie? In: Grabowski, J.; Harras, G.;<br />
Herrmann, T. (Hrsg.): Bedeutung – Konzepte – Bedeutungskonzepte. Opladen 1997, S. 9-19.
742 Literaturverzeichnis<br />
HARS (2001)<br />
Hars, A.: Designing Scientific Knowledge Infrastructures: The Contribution of Epistemology. In: Information<br />
Systems Frontiers, Vol. 3 (2001), No. 1, S. 63-73.<br />
HARTMANN (1948)<br />
Hartmann, N.: Zur Grundlegung der Ontologie. 3. Auflage, Meisenheim 1948.<br />
HARTMANN (1982)<br />
Hartmann, N.: Die Erkenntnis im Lichte der Ontologie. Hamburg 1982.<br />
HARTMANN/JANICH (1996)<br />
Hartmann, D.; Janich, P.: Methodischer Kulturalismus. Zwischen Naturalismus und Postmoderne. Frankfurt/Main<br />
1996.<br />
HARTMANN/JANICH (1998)<br />
Hartmann, D.; Janich, P.: Die kulturalistische Wende. Zur Orientierung des philosophischen Selbstverständnisses.<br />
Frankfurt/Main 1998.<br />
HARZALLAH/LECLÈRE/TRICHET (2002)<br />
Harzallah, M.; Leclère, M.; Trichet, F.: CommOnCV: modelling the competencies underlying a Curriculum<br />
Vitae. In: o.V.: Proceedings of the 14th International Conference on Software Engineering and Knowledge<br />
Engineering, 15.-19.07.2002 in Ischia. O.O 2002, S. 65-71.<br />
HAUGEN/MCCARTHY (2000)<br />
Haugen, R.; McCarthy, W.E.: REA, a semantic model for Internet supply chain collaboration. In: o.V.: Business<br />
Objects and Component Design and Implementation Workshop VI: Enterprise Application Integration,<br />
16.10.2000 in Minneapolis. Online-Dokument, im Internet unter der URL: „http://jeffsutherland.org/<br />
oopsla2000/oopsla2000.html“ (Zugriff am 02.05.2002).<br />
HAUN (2000)<br />
Haun, M.: Wissensbasierte Systeme. Renningen 2000.<br />
HAUN (2002):<br />
Haun, M.: Handbuch Wissensmanagement – Grundlagen und Umsetzung, Systeme und Praxisbeispiele. Berlin<br />
et al. 2002.<br />
HAYES (2002)<br />
Hayes, P.: RDF Model Theory, W3C Working Draft 29 April 2002. Online-Dokument, im Internet unter der<br />
URL: „http://www.w3.org/TR/rdf-mt/“ (Zugriff am 02.11.2002).<br />
HECHT (1998)<br />
Hecht, H.: Nachwort. In: Hecht, H. (Hrsg.): Gottfried Wilhelm Leibniz – Monadologie. Stuttgart 1998, S.<br />
97-118.<br />
HEFLIN (2001)<br />
Heflin, J.D.: Towards the Semantic Web: Knowledge Representation in a Dynamic, Distributed Environment.<br />
Dissertation, University of Maryland, Department of Computer Science. College Park 2001.<br />
HEFLIN/VOLZ/DALE (2002)<br />
Heflin, J.; Volz, R.; Dale, J.: Requirements for a Web Ontology Language, W3C Working Draft 08 July<br />
2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/webont-req/“ (Zugriff am 07.<br />
10.2002).<br />
HEIDEGGER (1988)<br />
Heidegger, M.: Ontologie – Hermeneutik der Faktizität. Band 63 der Gesamtausgabe. Frankfurt/Main 1988<br />
(im Original: 1923).<br />
HELBIG (2001)<br />
Helbig, H.: Die semantische Struktur natürlicher Sprache – Wissensrepräsentation mit MultiNet. Berlin et al.<br />
2001.<br />
HENDRIKS/VOETEN/KROEP (1999)<br />
Hendriks, M.H.A.; Voeten, B.; Kroep, L.: Human resource allocation in a multi-project R&D environment.<br />
In: International Journal of Project Management, Vol. 17 (1999), No. 3, S. 181-188.
Literaturverzeichnis 743<br />
HENGSTENBERG (1998)<br />
Hengstenberg, H.-E.: Beiträge zur Ontologie. Dettelbach 1998.<br />
HENRY/PENE (2001)<br />
Henry, E.; Pene, H.: Kaupapa Maori: Locating Indigenous Ontology, Epistemology and Methodology in the<br />
Academy. In: Organization, Vol. 8 (2001), No. 2, S. 234-242.<br />
HENTZE (1995)<br />
Hentze, J.: Personalwirtschaftslehre, Band 2: Personalerhaltung und Leistungssimulation, Personalfreistellung<br />
und Personalinformationswirtschaft. 6 Auflage, Bern et al. 1995.<br />
HERBST (1997)<br />
Herbst, H.: Business Rule-Oriented Conceptual Modeling. Heidelberg 1997.<br />
HERBST ET AL. (1994)<br />
Herbst, H.; Knolmayer, G.; Myrach, T.; Schlesinger, M.: The Specification of Business Rules: A Comparison<br />
of Selected Methodologies. In: Verijn-Stuart, A.A.; Olle, T.-W. (Hrsg.): Methods and Associated Tools<br />
for the Information System Life Cycle. IFIP Working Group 8.1 Conference CRIS 94, 1994 an der University<br />
of Limburg in Maastricht. Amsterdam et al. 1994, S. 29-46.<br />
HERMEIER (2000)<br />
Hermeier, B.: Management-Kompetenz in kleinen und mittelgroßen Unternehmen (KMU). In: Thielemann,<br />
F. (Hrsg.): Kompetenzentwicklung im Mittelstand – Das Beispiel Kompetenz-Entwicklungs-Center. Essen<br />
2000, S. 48-125.<br />
HERMES (1991)<br />
Hermes, H.: Einführung in die mathematische Logik – Klassische Prädikatenlogik. 5. Auflage, Stuttgart<br />
1991.<br />
HEWITT (2003)<br />
Hewitt, M.: Algernon Overview. Last Updated July 24, 2003. Online-Dokument, im Internet unter der URL:<br />
„http://smi.stanford.edu/people/hewett/research/ai/algernon/doc/“ (Zugriff am 14.09.2003).<br />
HEYLIGHEN (1995)<br />
Heylighen, F.: Ontology, introduction. In: o.V.: Principia Cybernetica Web. Online-Dokument, im Internet<br />
unter der URL: „http://pespmc1.vub.ac.be/ONTOLI.html“ (Zugriff am 15.08.1995).<br />
HEYSE/ERPENBECK (2004)<br />
Heyse, V.; Erpenbeck, J.: Kompetenztraining: Informations- und Trainingsprogramme. Stuttgart 2004.<br />
HILLIER/LIEBERMAN (2001)<br />
Hillier, F.S.; Lieberman, G.J.: Introduction to Operations Research. 7. Auflage, Boston et al. 2001.<br />
HINTERHUBER/HANDLBAUER/MATZLER (1997)<br />
Hinterhuber, H.H.; Handlbauer, G.; Matzler, K.: Kundenzufriedenheit durch Kernkompetenzen. Eigene Potentiale<br />
erkennen – entwickeln – umsetzten. München et al. 1997.<br />
HOLMSTRÖM/MILGROM (1991)<br />
Holmström, B.; Milgrom, P.: Multitask Principal-Agent Analyses: Incentives Contracts, Asset Ownership,<br />
and Job Design. In: The Journal of Law, Economics & Organization, Vol. 7 (1991), No. 2, S. 24-52.<br />
HOLSAPPLE/JOSHI (2002)<br />
Holsapple, C. W.; Joshi, K. D.: A Collaborative Approach to Ontology Design. In: Communications of the<br />
ACM, Vol. 45 (2002), No. 2, S. 42-47.<br />
HOMER (2001)<br />
Homer, M.: Skills and competency management. In: Industrial and Commercial Training, Vol. 33. (2001),<br />
Nr. 2, S. 59-62.<br />
HOPPENBROUWERS (1997)<br />
Hoppenbrouwers, J.: Conceptual Modeling and the Lexicon. Dissertation, Universität Brabant. Brabant 1997.
744 Literaturverzeichnis<br />
HORROCKS (2002)<br />
Horrocks, I.: DAML+OIL – A Reasonable Web Ontology Language. In: Jensen, C.; Jefferey, K.; Pokorny,<br />
J.; Saltenis, S.; Bertino, E.; Böhm, K.; Jarke, M. (Hrsg): Proceedings of the 8 th Conference on Extending Database<br />
Technology. Prag 2002, S. 2-13.<br />
HORROCKS ET AL. (2001)<br />
Horrocks, I.; Fensel, D.; Broekstra, J.; Decker, S.; Erdmann, M.; Goble, C.; van Harmelen, F.; Klein, M.;<br />
Staab, S.; Studer, R.; Motta, E.: The Ontology Inference Layer OIL. Technical Report, Vrije Universiteit<br />
Amsterdam, Stand: 09.03.2001. Online-Dokument, im Internet unter der URL: „http://www.ontoknowledge.<br />
org/oil/TR/oil.long.html“ (Zugriff am 21.10.2002).<br />
HOSKING/BOUWEN (2000)<br />
Hosking, D.M.; Bouwen, R.: Organizational learning: Relational-constructionist approaches: An overview.<br />
In: European Journal of Work and Organizational Psychology, Vol. 9 (2000), No. 2, S. 129-132.<br />
HOYNINGEN-HUENE (2002)<br />
Hoyningen-Huene, P.: Paul Feyerabend und Thomas Kuhn. In: Journal of General Philosophy of Science,<br />
Vol. 33 (2002), S. 61-83.<br />
HUBER (1998)<br />
Huber, H.: Document Research Based on Collaborative Provided Structural Knowledge. In: Reimer, U.<br />
(Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge Management<br />
(PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 11-1 – 11-10.<br />
HÜGENS (2004)<br />
Hügens, T.: Inferenzregeln des „plausiblen Schließens“ zur Explizierung von implizitem Wissen über Kompetenzen.<br />
Projektbericht 3/2004, Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Duisburg-Essen (Campus Essen). Essen 2004.<br />
HUHNS/GASSER (1989)<br />
Huhns, M.N.; Gasser, L.: (Hrsg.): Distributed Artificial Intelligence – Papers. London 1989.<br />
HUHNS/SINGH (1998)<br />
Huhns, M.N.; Singh, M.P.: (Hrsg.): Readings in Agents. San Francisco 1998.<br />
HUNT (1994)<br />
Hunt, S.D.: On the Rhetoric of Qualitative Methods – Toward Historically Informed Argumentation in<br />
Management Inquiry. In: Journal of Management Inquiry, Vol. 3 (1994), No. 3, S. 221-234.<br />
HUSSERL (1985)<br />
Husserl, E.: Die phänomenologische Methode – Ausgewählte Texte I. Stuttgart 1985.<br />
IEEE 1074 (1996)<br />
IEEE Standards Association: IEEE Standard for Developing Software Life Cycle Processes – IEEE 1074-<br />
1995. The Institute of Electrical and Electronics Engineers (Hrsg.). New York 1996.<br />
IEEE 833 (1998)<br />
IEEE Standards Association: IEEE Recommended Practice for Software Requirements Specifications –<br />
IEEE 830-1998. The Institute of Electrical and Electronics Engineers (Hrsg.). New York 1998.<br />
IIVARI/HIRSCHHEIM/KLEIN (1998)<br />
Iivari, J.; Hirschheim, R.; Klein, H.K.: A Paradigmatic Analysis Contrasting Information Systems Development<br />
Approaches and Methodologies. In: Information Systems Research, Vol. 9 (1998), No. 2, S. 164-193.<br />
ILOG (2004)<br />
ILOG SA: CPLEX 9.0. Gentilly 2004. Online-Dokument, im Internet unter der URL: „http://www.ilog.<br />
com/products/cplex/“ (Zugriff am 01.11.2004).<br />
ISHIKAWA (1985)<br />
Ishikawa, K.: What is Total Quality Control? The Japanese Way. New York 1985.
Literaturverzeichnis 745<br />
IWAZUME ET AL. (1996)<br />
Iwazume, M.; Shirakami, K.; Hatadani, K.; Takeda, H.; Nishida, T.: IICA: An Ontology-based Internet<br />
Navigation System. In: Franz, A.; Kitano, H. (Hrsg.): Internet-Based Information Systems, Papers from the<br />
1996 AAAI Workshop, 05.08.1996 in Portland, Technical Report WS-96-06. Menlo Park 1996, S. 65-71.<br />
JABLONSKI (1990)<br />
Jablonski, S.: Datenverwaltung in verteilten Systemen – Grundlagen und Lösungskonzepte. Berlin et al.<br />
1990.<br />
JACKSON (1995)<br />
Jackson, W.A.: Naturalism in Economics. In: Journal of Economic Issues, Vol. 29 (1995), No. 3, S. 761-780.<br />
JACOBS (2002)<br />
Jacobs, S.: Polanyi’s presagement of the incommensurability concept. In: Studies in History and Philosophy<br />
of Science, Vol. 33 (2002), S. 105-120.<br />
JACOBSON ET AL. (1992)<br />
Jacobson, I.; Christerson, M.; Jonsson, P.; Overgaard, G.: Object-Oriented Software Engineering. A Use-<br />
Case-driven Approach. Wokingham 1992.<br />
JACOBSON/BOOCH/RU<strong>MB</strong>AUGH (1999)<br />
Jacobson, I.; Booch, G.; Rumbaugh, J.: The Unified Software Development Process. Reading 1999.<br />
JACOBY (1993)<br />
Jacoby, G.: Allgemeine Ontologie der Wirklichkeit, Erster und Zweiter Band. 2. Auflage, Tübingen 1993 (1.<br />
Auflage 1925 [Erster Band] und 1928-1955 [Zweiter Band]).<br />
JARDINE/MATZOV (1988)<br />
Jardine, D.A.; Matzov, A.: Ontology and Properties of Time in Information Systems. In: Meersman, R.A.;<br />
Sernadas, A.C. (Hrsg.): Data and Knowledge, Proceedings of the Second IFIP 2.6 Working Conference on<br />
Database Semantics, ’Data and Knowledge’ (DS-2), 03.-07.11.1986 in Albufeira. Amterdam et al. 1988, S.<br />
173-188.<br />
JARKE ET AL. (1994)<br />
Jarke, M.; Gallersdörfer, R.; Jeusfeld, M.A.; Staudt, M.; Eherer, S.: ConceptBase – A Deductive Object Base<br />
for Meta Data Management. In: Journal of Intelligent Information Systems, Vol. 3 (1994), S. 167-192.<br />
JARKE ET AL. (1997)<br />
Jarke, M.; Pohl, K.; Weidenhaupt, K.; Lyytinen, K.; Marttiin, P.; Tolvanen, J.-P.; Papazoglou, M.: Meta<br />
Modelling: A Formal Basis for Interoperability and Adaptability. In: Krämer, B.; Papazoglou, M.; Schmidt,<br />
H.-W. (Hrsg.): Information Systems Interoperability. Taunton et al. 1997, S. 229-263.<br />
JECKLE ET AL. (2004)<br />
Jeckle, M.; Rupp, C.; Zengler, B.; Queins, S.; Hahn, J.: UML 2.0 – Neue Möglichkeiten und alte Probleme.<br />
In: Informatik Spektrum, Bd. 27 (2004), Heft 4, S. 323-331.<br />
JENNINGS/SYCARA/WOOLDRIDGE (1998)<br />
Jennings, N.R.; Sycara, K.; Wooldridge, M.: A Roadmap of Agent Research and Development. In:<br />
Autonomous Agents and Multi-Agent Systems, Vol. 1 (1998), S. 7-38.<br />
JENNINGS/WOOLDRIDGE (1998)<br />
Jennings, N.R.; Wooldridge, M.J. (Hrsg.): Agent Technology – Foundations, Applications, and Markets.<br />
Berlin et al. 1998.<br />
JEUSFELD/KRÜGER (1990)<br />
Jeusfeld, M.; Krüger, E.: Deductive Integrity Maintenance in an Object-Oriented Setting. Bericht MIP-9013,<br />
Fakultät für Mathematik und Informatik, Universität Passau. Passau 1990.<br />
JIE/KARLAPALEM/LOCHOVSKY (2000)<br />
Jie, M.; Karlapalem, K.; Lochovsky, F.: A Multi-agent Framework for Expertise Location. In: Lespérance,<br />
Y.; Wagner, G.; Yu, E. (Hrsg.): Agent-Oriented Information Systems 2000, Proceedings of AOIS-2000 at<br />
CAiSE*2000. Berlin 2000, S. 101-111.
746 Literaturverzeichnis<br />
JOHNSON (1999)<br />
Johnson, L.: Towards a Reinachian Ontology of Television. In: American Journal of Economics & Sociology,<br />
Vol. 58 (1999), No. 2, S. 241-243.<br />
JONES/BENCH-CAPON/VISSER (1998)<br />
Jones, D.; Bench-Capon, T.; Visser, P.: Methodologies for Ontology Development. In: o.V.: Proceedings<br />
IT&KNOWS Conference, XV. IFIP World Computer Congress, Budapest 1998, S. 62-75.<br />
JONES/PATON (1997)<br />
Jones, D.M.; Paton, R.C.: Acquisition of Conceptual Structure in Scientific Theories. In: Plaza, E.;<br />
Benjamins, R. (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop,<br />
EKAW’97, 15.-18.10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 145-158.<br />
JOST (2000)<br />
Jost, P.-J.: Organisation und Koordination. Wiesbaden 2000.<br />
JUNG (1999)<br />
Jung, H.: Personalwirtschaft. 3. Aufl., München et al. 1999.<br />
JURISICA/MYLOPOULOS/YU (1999)<br />
Jurisica, I.; Mylopoulos, J.; Yu, E.: Using Ontologies for Knowledge Management: An Information Systems<br />
Perspective. In: o.V.: Annual Conference of the American Society for Information Science, 01.-04.11.1999<br />
in Washington. O.O. 1999, o.S. (S. 1-15).<br />
KAIB (2004);<br />
Kaib, M.: Enterprise Application Integration – Grundlagen, Integrationsprodukte, Anwendungsbeispiele.<br />
Dissertation, Universität Marburg 2002. Wiesbaden 2004.<br />
KALFOGLOU ET AL. (2001)<br />
Kalfoglou, Y.; Domingue, J.; Motta, E.; Vargas-Vera, M.; Shum, S.B.: myPlanet: an ontology-driven Webbased<br />
personalised news service. Paper, Knowledge Media Institute (KMI), The Open University. Milton<br />
Keynes o.J. (2001).<br />
KALFOGLOU/ROBERTSON/TATE (1999)<br />
Kalfoglou, Y.; Robertson, D.; Tate, A.: Using Meta-Knowledge at the Application Level. Technical Report,<br />
Department of Artificial Intelligence, University of Edinburgh. Edinburgh 1999.<br />
KALLENBERG (2002)<br />
Kallenberg, R.: Ein Referenzmodell für den Service in Unternehmen des Maschinenbaus. Dissertation,<br />
Fakultät für Maschinenwesen, Technische Hochschule Aachen. Aachen 2002.<br />
KAMPS (1999)<br />
Kamps, J.: On Criteria for Formal Theory Building: Applying Logic and Automated Reasoning Tools to the<br />
Social Sciences. Technical Report, Applied Logic Laboratory, Institute for Logic, Language and Computation,<br />
University of Amsterdam. Amsterdam 1999.<br />
KAMPS/PELI (1995)<br />
Kamps, J.; Peli, G.: Qualitative Reasoning beyond the Physics Domain: The Density Dependence Theory of<br />
Organizational Ecology. In: Bredeweg, B. (Hrsg.): Ninth International Workshop on Qualitative Reasoning,<br />
1995 in Amsterdam. Amsterdam 1995, S. 114-122.<br />
KAMPS/POLOS (1999)<br />
Kamps, J.; Polos, L.: Reducing Uncertainty: A Formal Theory of Organizations in Action. In: American<br />
Journal of Sociology, Vol. 104 (1999), No. 6, S. 1776-1810.<br />
KANEIWA (2001)<br />
Kaneiwa, K.: An Order-sorted Logic with Predicate-Hierarchy, Eventuality and Implicit Negation.<br />
Dissertation, School of Information Science, Ishikawa – Japan. Ishikawa 2001.<br />
KANT (1981)<br />
Kant, I.: Kritik der reinen Vernunft, Band III der Theorie-Werkausgabe Immanuel Kant, herausgegeben von<br />
W. Weischedel. 5. Auflage, Frankfurt/Main 1981 (im Original: Riga 1781).
Literaturverzeichnis 747<br />
KAPS (2001)<br />
Kaps, G.: Erfolgsmessung im Wissensmanagement unter Anwendung von Balanced Scorecards. Arbeitspapiere<br />
Wissensmanagement, Nr. 2/2001, Fachhochschule Stuttgart. Stuttgart 2001.<br />
KARMANN (2000)<br />
Karmann, A.: Mathematik für Wirtschaftswissenschaftler – Problemorientierte Einführung. 4. Auflage,<br />
München – Wien 2000.<br />
KASCHEK (1998)<br />
Kaschek, R.: Prozeßontologie als Faktor der Geschäftsprozeßmodellierung. In: Pohl, K.; Schürr, A.; Vossen,<br />
G. (Hrsg.): Modellierung’98, Proceedings des GI-Workshops, 11.-13.03.1998 in Münster, CEUR Workshop<br />
Proceedings, Vol. 9, o.S. (S. 1-5). Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.<br />
rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 04.01.2005).<br />
KAUFFELD/GROTE (2002)<br />
Kauffeld, S.; Grote, S.: Kompetenz – ein strategischer Wettbewerbsfaktor. In: Personal - Zeitschrift für<br />
Human Resource Management, 54. Jg. (2002), Heft 11, S. 30-32.<br />
KAUFFELD/GROTE/FRIELING (2003)<br />
Kauffeld, S.; Grote, S.; Frieling, E.: Das Kasseler Kompetenz-Raster (KKR). In: Erpenbeck, J.; Rosenstiel,<br />
L. v. (Hrsg.): Handbuch Kompetenzmessung – Erkennen, verstehen und bewerten von Kompetenzen in der<br />
betrieblichen, pädagogischen und psychologischen Praxis. Stuttgart 2003, S. 261-282.<br />
KBSI (1994)<br />
Knowledge Based Systems Inc. (KBSI): The IDEF5 Ontology Description Capture Method – Overview,<br />
Texas 1994. Online-Dokument, im Internet unter der URL: „http://www.idef.com/Downloads/pdf/Idef5.pdf“<br />
(Zugriff am 16.06.2004).<br />
KELLER (1974)<br />
Keller, A.: Sein. In: Krings, H.; Baumgartner, H.M.; Wild, C. (Hrsg.): Handbuch philosophischer Grundbegriffe,<br />
Band 5. München 1974, S. 1288-1304.<br />
KELLER (2002)<br />
Keller, W.: Enterprise application integration. Heidelberg 2002.<br />
KELLER/NÜTTGENS/SCHEER (1992)<br />
Keller, G.; Nüttgens, M.; Scheer, A.-W.: Semantische Prozeßmodellierung auf der Grundlage „Ereignisgesteuerter<br />
Prozeßketten (EPK)“. Veröffentlichungen des Instituts für Wirtschaftsinformatik (IWi), Universität<br />
des Saarlandes, Heft 89. Saarbrücken 1992.<br />
KENT (2000)<br />
Kent, R.E.: Conceptual Knowledge Markup language: An Introduction. In: Netnomics, Vol. 2 (2000), S.<br />
139-169.<br />
KIFER/LAUSEN/WU (1993)<br />
Kifer, M.; Lausen, G.; Wu. J.: Logical Foundations of Object-Oriented and Frame-Based Languages.<br />
Technical Report 93/06, Department of Computer Science, SUNY at Stony Brook. Stony Brook 1993.<br />
KIFER/LAUSEN/WU (1995)<br />
Kifer, M.; Lausen, G.; Wu. J.: Logical Foundations of Object-Oriented and Frame-Based Languages. In:<br />
Journal of the ACM, Vol. 42 (1995), No. 4, S. 741-843.<br />
KILLINGER (1999)<br />
Killinger, S.: Kernproduktbegleitende Dienstleistungen – Dienstleistungen im Leistungsspektrum<br />
industrieller Unternehmungen. In: Corsten, H.; Schneider, H. (Hrsg.): Wettbewerbsfaktor Dienstleistung,<br />
Produktion von Dienstleistungen – Produktion als Dienstleistung. München 1999, S. 129-155.<br />
KIM/FOX (1994)<br />
Kim, H.M.; Fox, M.S.: Formal Models of Quality and ISO 9000 Compliance: An Information Systems<br />
Approach. Paper, Department of Industrial Engineering, University of Toronto. Toronto 1994.
748 Literaturverzeichnis<br />
KIM/FOX/GRÜNINGER (1999)<br />
Kim, H.M.; Fox, M.S.; Grüninger, M.: An ontology for quality management – enabling quality problem<br />
identification and tracing. In: BT Technology Journal, Vol. 17 (1999), No. 4, S. 131-140.<br />
KIM/PAULSON/PETRIE (2000)<br />
Kim, K.; Paulson, B.C.; Petrie, C.J.: Agent-based Electronic Markets for Project Supply Chain Coordination.<br />
In: o.V.: KBEM’00 – Knowledge-based Electronic Markets, a AAAI’00 Workshop, 31.07.2000 in Austin.<br />
o.O. 2000, o.S. (S. 1-5).<br />
KINDLER (2003)<br />
Kindler, E.: On the semantics of EPCs: A framework for resolving the vicious circle – Extended abstract. In:<br />
Nüttgens, M.; Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten<br />
Prozessketten, 2. Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen ihres Arbeitskreises<br />
„Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten (WI-EPK)“, 08.10.2003 in Bamberg,<br />
Proceedings. Bonn 2003, S. 7-15.<br />
KIRSCH (1990)<br />
Kirsch, W.: Unternehmenspolitik und strategische Unternehmensführung. München 1990.<br />
KIRYAKOV/SIMOV (1999)<br />
Kiryakov, A.K.; Simov, K.I.: Mapping of EuroWordnet Top Ontology into Upper Cyc Ontology. Paper,<br />
OntoText Lab., Sirma AI Ltd., und Linguistic Modelling Laboratory, Bulgarian Academy of Sciences. Sofia<br />
o.J. (1999).<br />
KIRYAKOV/SIMOV/DIMITROV (2001)<br />
Kiryakov, A.; Simov, K.I.; Dimitrov, M.: OntoMap: Portal for Upper-Level Ontologies. In: Welty, C.;<br />
Smith, B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from the Second International<br />
Conference (FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 47-58.<br />
KITAMURA/MIZOGUCHI (2002)<br />
Kitamura, Y.; Mizoguchi, R.: An Ontological Schema for Sharing Conceptual Engineering Knowledge.<br />
Paper, The Institute of Scientific and Industrial Research, Osaka University. Osaka o.J. (2002).<br />
KLAPSING (2003)<br />
Klapsing, R.: Beschreibung von Web-basierten Informationssystemen mittels RDF-Metadaten. Dissertation,<br />
Universität Essen. Essen 2003.<br />
KLAPSING/NEUMANN/CONEN (2001)<br />
Klapsing, R.; Neumann, G.; Conen, W.: Semantics in Web Engineering: Applying the Resource Description<br />
Framework. In: IEEE MultiMedia, Vol. 8 (2001), No. 2, S. 62-68.<br />
KLEIN (1989)<br />
Klein, S.: Theorie der Unternehmungsplanung – Struktur und Beitrag einer anwendungsorientierten Planungstheorie.<br />
Dissertation, Universität zu Köln. Stuttgart 1989.<br />
KLEIN ET AL. (2002)<br />
Klein, M.; Kiryakov, A.; Ognyanov, D.; Fensel, D.: Finding and Characterizing Changes in Ontologies. In:<br />
Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International<br />
Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 79-89.<br />
KLEINMANN (2003)<br />
Kleinmann, M.: Assessment-Center: Stand der Forschung – Konsequenzen für die Praxis. Göttingen 2003.<br />
KLE<strong>MB</strong>KE/KRÖPELIN/KUTH (2003)<br />
Klembke, R.; Kröpelin, P.; Kuth, C.: Ganzheitliches Kompetenzmanagement. In: Personalwirtschaft, o.Jg.<br />
(2003), Heft 2, S. 26-31.<br />
KLOPPMANN ET AL. (2004)<br />
Kloppmann, M.; König, D.; Leymann, F.; Pfau, G.; Roller, D.: Business process choreography in<br />
WebSphere: Combining the power of BPEL and J2EE. In: IBM Systems Journal, Vol. 43 (2004), No. 2, S.<br />
270-296.
Literaturverzeichnis 749<br />
KLUSCH (1996)<br />
Klusch, M.: Rational kooperative Erkennung von Interdatenbankabhängigkeiten. Dissertation, Universität<br />
Kiel. Kiel 1996.<br />
KLYNE/CARROLL (2002)<br />
Klyne, G.; Carroll, J.: Resource Description Framework (RDF): Concepts and Abstract Data Model, W3C<br />
Working Draft 29 August 2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/rdfconcepts/“<br />
(Zugriff am 02.11.2002).<br />
KO/NECHES/YAO (2000)<br />
Ko, I.-Y.; Neches, R.; Yao, K.-T.: Semantically-Based Active Document Collection Templates for Web Information<br />
Management Systems. In: ECDL 2000 Workshop on the Semantic Web, 21.09.2000 in Lissabon.<br />
Online-Dokument, im Internet unter der URL: „http://www.ics.forth.gr/proj/isst/SemWeb/program.html”<br />
(Zugriff am 21.07.2001).<br />
KOEPSELL (1999)<br />
Koepsell, D.R.: Introduction to Applied Ontology: The Philosophical Analyses of Everyday Objects. In:<br />
American Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 217-220.<br />
KOEPSELL (2000)<br />
Koepsell, D.R.: An emerging ontology of jurisdiction in cyberspace. In: Ethics and Information Technology,<br />
Vol. 2 (2000), S. 99-104.<br />
KOMPA (1999)<br />
Kompa, A.: Assessment Center – Bestandsaufnahme und Kritik. 6. Aufl., München et al. 1999.<br />
KOPETZKY/GROHMANN (1998)<br />
Kopetzky, R.; Grohmann, A.: Using an Agent-Enhanced Approach for the Implementation of Environment<br />
Information Systems of the Third Generation. In: Trappl, R. (Hrsg.): Cybernetics and Systems ’98,<br />
Proceedings of the Fourteenth European Meeting on Cybernetics and Systems Research, 14.-17.04.1998 in<br />
Wien. Wien 1998, S. 713-718.<br />
KREFT (2002)<br />
Kreft, H.-D.: Das Humanpotenzial – ein Messwert für Wissen. In: Wissensmanagement online, Online-<br />
Dokument, im Internet unter der URL: „http://www.wissensmanagement.net/online/archiv/2002/02_0302/<br />
wissen-messen.shtml“, o.S. (S. 1-7). (Auch erschienen in: Wissensmanagement – Das Magazin für<br />
Führungskräfte, 4. Jg. (2002), Heft Februar/März.)<br />
KREFT (2003)<br />
Kreft, H.-D.: Geld und Wissen: humatics – Theorie der operablen Wissenseigenschaften. Berlin 2003.<br />
KREFT (2004)<br />
Kreft, H.-D.: Vom Wert des Wissens – Wie lässt sich das intellektuelle Kapital messen und bewerten? In:<br />
Wissensmanagement – Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 22-26.<br />
KREMPE (1989)<br />
Krempe, G.: Ein Früherkennungssystem auf der Basis von Diffusionsfunktionen als Element des<br />
strategischen Marketing. In: Raffée, H.; Wiedmann, K.-P. (Hrsg.): Strategisches Marketing. 2. Auflage<br />
(Sonderausgabe), Stuttgart 1989, S. 349-369.<br />
KREOWSKI (1991)<br />
Kreowski, H.-J.: Logische Grundlagen der Informatik. München – Wien 1991.<br />
KRESS/MÄNTYLÄ/RANTA (1997)<br />
Kress, H.; Mäntylä, M.; Ranta, M.: Virtual Engineering: Supporting Engineering Processes in a Virtual<br />
Enterprise. In: o.V.: Proceedings of IT-Vision – European Conference on Virtual Enterprises and networked<br />
Solutions, im April 1997 in Paderborn. Online-Dokument, im Internet unter der URL: „http://hni.unipaderborn.de/itvision/proceedings/“<br />
(Zugriff am 18.03.1998), o.S. (S. 1-19).<br />
KRETSCHMER (2002)<br />
Kretschmer, M.: E-Learning in der Hochschulausbildung – Projektmanagement für ein hochschulübergreifendes<br />
Partner-Netzwerk. Leutenbach 2002.
750 Literaturverzeichnis<br />
KRIPKE (1987)<br />
Kripke, S.A: Wittgenstein über Regeln und Privatsprache – Eine elementare Einführung. Frankfurt/Main<br />
1987.<br />
KRISHNAN/LI/STEIER (1992)<br />
Krishnan, R.; Li, X.; Steier, D.: A Knowledge-Based Mathematical Model Formulation System. In: Communications<br />
of the ACM, Vol. 35 (1992), No. 9, S. 138-146.<br />
KROGSTIE (1995)<br />
Krogstie, J.: Conceptual Modeling for Computerized Information Systems Support in Organizations. Dissertation<br />
Universität Trondheim. Trondheim 1995.<br />
KROGSTIE/JØRGENSEN (2002)<br />
Krogstie, J.; Jørgensen, H.D.: Quality of Interactive Models. Paper, Norwegian University of Science and<br />
Technology, Institute of Computer and Information Sciences, and SINTEF Telecom Informatics. o.O.<br />
(Trondheim) o.J. (2002).<br />
KRUSE (1996)<br />
Kruse, C.: Referenzmodellgestütztes Geschäftsprozeßmanagement – Ein Ansatz zur prozeßorientierten Gestaltung<br />
vertriebslogistischer Systeme. Dissertation, Universität Saarbrücken 1995. Wiesbaden 1996.<br />
KUHN (1973)<br />
Kuhn, T.S.: Die Struktur wissenschaftlicher Revolutionen. Frankfurt/Main 1973.<br />
KUHN (1988)<br />
Kuhn, T.: Possible Worlds in History of Science. In: Allen, S. (Hrsg.): Possible Worlds in Humanities, Arts<br />
and Sciences. Berlin 1988, S. 9-32.<br />
KUHN (1993)<br />
Kuhn, T.: Afterwords. In: Horwich, P. (Hrsg.): World Changes: Thomas Kuhn and the Nature of Science.<br />
Boston 1993, S. 311-341.<br />
KUPER (1987)<br />
Kuper, G.M.: Logic Programming with Sets. In: o.V.: Proceedings of the Sixth ACM SIGACT-SIGMOD-<br />
SIGART Symposium on Principles of Database Systems, 23.-25.03.1987 in San Diego. New York 1987, S.<br />
11-20.<br />
KUPRIES/NOSELEIT (1998)<br />
Kupries, M.; Noseleit, C.: Co-ordination of Software Agents with Speech Act Theory. Preprint 006/1998,<br />
Universität Potsdam, Institut für Informatik. Potsdam 1998.<br />
KVASZ (1999)<br />
Kvasz, L.: On Classification of Scientific Revolutions. In: Journal for General Philosophy of Science, Vol.<br />
30 (1999), S. 201-232.<br />
KWAK/LEE (1997)<br />
Kwak, N.K.; Lee, C.: A Linear Goal Programming Model for Human Resource Allocation. In: Journal of<br />
Medical Systems, Vol. 21 (1997), No. 3, S. 129-140.<br />
LAGOZE/HUNTER (2001)<br />
Lagoze, C.; Hunter, J.: The ABC Ontology and Model. In: Journal of Digital Information, Vol. 2 (2001), Issue<br />
2. Online-Dokument, im Internet unter der URL: „http://jodi.ecs.soton.ac.uk/Atrticles/v02/i02/Lagoze/“<br />
(Zugriff am 06.02.2003), o.S. (S. 1-18).<br />
LAM (1998)<br />
Lam, A.: Tacit Knowledge, Organisational Learning and Innovation: A Societal Perspective. DRUID<br />
(Danish Research Unit for Industrial Dynamics) Working Paper No. 98-22. Aalborg 1998.<br />
LA<strong>MB</strong>RIX ET AL. (1999)<br />
Lambrix, P.; Borgida, A.; Lenzerini, M.; Möller, R.; Patel-Schneider, P. (Hrsg.): Proceedings of the 1999<br />
International Workshop on Description Logics (DL’99), 30.07.-01.08.1999 in Linköping, CEUR Workshop<br />
Proceedings, Vol. 22. Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen.<br />
de/Publications/CEUR-WS/Vol-22/“ (Zugriff am 04.01.2005).
Literaturverzeichnis 751<br />
LANG (1997)<br />
Lang, K.: Gestaltung von Geschäftsprozessen mit Referenzprozeßbausteinen. Dissertation, Universität<br />
Erlangen-Nürnberg 1996. Wiesbaden 1997.<br />
LANG/PÄTZOLD (2002)<br />
Lang, M.; Pätzold, G.: Multimedia in der Aus- und Weiterbildung – Grundlagen und Fallstudien zum<br />
netzbasierten Lernen. Köln 2002.<br />
LANGE (1998)<br />
Lange, E.M.: Ludwig Wittgenstein: › Philosophische Untersuchungen ‹ – Eine kommentierende Einführung.<br />
Paderborn et al. 1998.<br />
LAU/SURE (2002)<br />
Lau, T.; Sure, Y.: Introducing Ontology-based Skills Management at a large Insurance Company. In: Glinz,<br />
M.; Müller-Luschnat, G. (Hrsg.): Modellierung 2002, Arbeitstagung der Gesellschaft für Informatik e.V.,<br />
25.-27.03.2002 in Tutzing. Bonn 2002, S. 123-134.<br />
LAUSEN/VOSSEN (1996)<br />
Lausen, G.; Vossen, G.: Objekt-orientierte Datenbanken: Modelle und Sprachen. München – Wien 1996.<br />
LEDECZI ET AL. (2001)<br />
Ledeczi, A.; Maroti, M.; Bakay, A.; Karsai, G.; Garrett, J.; Thomason, C.; Nordstrom, G.; Sprinkle, J.;<br />
Volgyesi, P.: The Generic Modelling Environment. In: IEEE (Hrsg.): Proceedings of the International<br />
Workshop on Intelligent Signal Processing, Budapest 2001. Online-Dokument, im Internet unter der URL:<br />
„http://www. isis.vanderbilt.edu/Projects/gme/GME2000Overview.pdf” (Zugriff am 16.09.2004) .<br />
LEE (1988)<br />
Lee, R.M.: Logic, Semantics and Data Modeling: An Ontology. In: Meersman, R.A.; Sernadas, A.C. (Hrsg.):<br />
Data and Knowledge, Proceedings of the Second IFIP 2.6 Working Conference on Database Semantics,<br />
’Data and Knowledge’ (DS-2), 03.-07.11.1986 in Albufeira. Amterdam et al. 1988, S. 221-243.<br />
LEE (2001)<br />
Lee, B.H.: Using FMEA models and ontologies to build diagnostic models. In: Artificial Intelligence for<br />
Engineering Design, Analysis and Manufacturing, Vol. 15 (2001), No. 4, S. 281-293.<br />
LEE ET AL. (1998)<br />
Lee, J.; Gruninger, M.; Jin, Y.; Malone, T.; Tate, A.; Yost, G. (et al.): The Process Interchange Format and<br />
Framework. In: The Knowledge Engineering Review, Vol. 13 (1998), No. 1, S. 91-120.<br />
LEE/WEN (1997)<br />
Lee, C.-S.; Wen, C.-G.: Fuzzy goal programming approach for water quality management in a river basin.<br />
In: Fuzzy Sets and Systems, Vol. 89 (1997), No. 2, S. 181-192.<br />
LÉGER (2002)<br />
Léger, A. (Hrsg.): OntoWeb – Ontology-based information exchange for knowledge management and<br />
electronic commerce. Project IST-2000-29243, Report vom 15.01.2002. O.O. 2002.<br />
LEHMANN/NIEKE (2000)<br />
Lehmann, G.; Nieke, W.: Zum Kompetenzmodell. Schwerin 2000. Online-Dokument, im Internet veröffentlicht<br />
über den Bildungsserver Mecklenburg-Vorpommern unter der URL: „http://www.bildung-mv.de/<br />
download/fortbildungsmaterial/text-lehmann-nieke.pdf“ (Zugriff am 04.01.2005).<br />
LEHNER (2000)<br />
Lehner, F.: Organisational Memory – Konzepte und Systeme für das organisatorische Lernen und das<br />
Wissensmanagement. München – Wien 2000.<br />
LEHNER (2001)<br />
Lehner, F.: Computergestütztes Wissensmanagement – Fortschritt durch Erkenntnisse über das organisatorische<br />
Gedächtnis. In: Schreyögg, G. (Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden.<br />
Berlin 2001, S. 223-247.
752 Literaturverzeichnis<br />
LEHRER/PAXSON (1994):<br />
Lehrer, K.; Paxson, T.: Wissen: Unwiderlegt gerechtfertigte, wahre Meinung. In: Bieri, P. (Hrsg.): Analytische<br />
Philosophie der Erkenntnis. 3. Auflage, Weinheim 1994, S. 94-107.<br />
LEIBNIZ (1985)<br />
Leibniz, G.W.: Lehrsätze der Philosophie – Monadologie. Regensburg o.J. (1985).<br />
LEIBNIZ (1998)<br />
Leibniz, G.W.: Monadologie. In: Hecht, H. (Hrsg.): Gottfried Wilhelm Leibniz – Monadologie. Stuttgart<br />
1998, S. 10-65. (Original von 1714.)<br />
LEIDIG (2000)<br />
Leidig, T.: Technologische Aspekte didaktischer Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A.<br />
(Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme,<br />
Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation,<br />
23.-25.09.1999 in Hamburg. Würzburg 2000, S. 443-450.<br />
LEINFELLNER/KRAEMER/SCHANK (1982)<br />
Leinfellner, W.; Kraemer, E.; Schank, J. (Hrsg.): Sprache und Ontologie, Akten des sechsten Internationalen<br />
Wittgenstein-Symposiums, 23.-30.08.1981 in Kirchberg/Wechsel. Wien 1982.<br />
LENAT (1998)<br />
Lenat, D.: The Dimensions of Context-Space. Report, Cycorp, Austin 1998.<br />
LENAT ET AL. (1990)<br />
Lenat, D.B.; Guha, R.V.; Pittman, K.; Pratt, P.; Shepherd, M.: Cyc: toward programs with common sense. In:<br />
Communications of the ACM, Vol. 33 (1990), No. 8, S. 30-49.<br />
LENAT/GUHA (1990)<br />
Lenat, D.B.; Guha, R.V.: Building Large Knowledge-based Systems – Representation and Inference in the<br />
Cyc Project. Reading et al. 1990.<br />
LENZ (1998)<br />
Lenz, M.: Managing the Knowledge Contained in Technical Documents. In: Reimer, U. (Hrsg.): Proceedings<br />
of the 2nd International Conference on Practical Aspects of Knowledge Management (PAKM98), 29.-30.10.<br />
1998 in Basel. Zürich 1998, S. 15-1 – 15-6.<br />
LEONHARD/NAUMANN (2002)<br />
Leonhard, K.-W.; Naumann, P.: Managementsysteme – Begriffe: Ihr Weg zu klarer Kommunikation.<br />
Deutsche Gesellschaft für Qualität e.V. (Hrsg.). 7. Auflage, Berlin 2002.<br />
LI ET AL. (2000)<br />
Li, Q.; Shilane, P.; Noy, N.F.; Musen, M.A.: Ontology Acquisition from On-line Knowledge Sources. SMI<br />
Report No. SMI-2000-0850, Stanford Medical Informatics, Stanford University. Stanford 2000. (Erschienen<br />
in: o.V.: Proceedings AMIA Annual Symposium, Los Angeles 2000.)<br />
LIAO ET AL. (1999)<br />
Liao, M.; Hinkelmann, K.; Abecker, A.; Sintek, M.: A Competence Knowledge Base System as Part of the<br />
Organizational Memory. In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future<br />
Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg,<br />
Proceedings. Berlin et al. 1999, S. 125-137.<br />
LIN/HO (1999)<br />
Lin, C.-Y.I.; Ho,C.-S.: Generating domain-specific methodical knowledge for requirement analysis based on<br />
methodology ontology. In: Information Sciences, Vol. 114 (1997), S. 127-164.<br />
LINDGREN/HENFRIDSSON/SCHULTZE (2004)<br />
Lindgren, R.; Henfridsson, O.; Schultze, U.: Design Principles for Competence Management Systems. A<br />
Synthesis of an Action Research Study. In: MIS Quarterly, Vol. 28 (2004), No. 3, S. 435-472.<br />
LINGO (2004)<br />
Lindo Systems Inc.: Lingo 9.0. Chicago 2004. Online-Dokument, im Internet unter der URL: „http://www.<br />
lindo.com“ (Zugriff am 04.01.2005).
Literaturverzeichnis 753<br />
LINSTONE/TUROFF (1975)<br />
Linstone, H.; Turoff, M.: The Delphi Method: Techniques and Applications. Reading 1975.<br />
LINTHICUM (2003)<br />
Linthicum, D.S.: Enterprise application integration. 5. Druck., Reading 2003.<br />
LIPECK (1989)<br />
Lipeck, U.W.: Dynamische Integrität von Datenbanken – Grundlagen der Spezifikation und Überwachung.<br />
Berlin et al. 1989.<br />
LOBIN (1998)<br />
Lobin, H.: Handlungsanweisungen – Sprachliche Spezifikation teilautonomer Aktivität. Habilitationsschrift,<br />
Universität Bielefeld 1996. Wiesbaden 1998.<br />
LÖBNER (2003)<br />
Löbner, S.: Semantik. Berlin – New York 2003.<br />
LOECKX/EHRICH/WOLF (1996)<br />
Loeckx, J.; Ehrich, H.D.; Wolf, M.: Specification of abstract data types. Chichester et al. 1996.<br />
LOERCH/SANDERS (2002)<br />
Loerch, U.; Sanders, M.: Using Lexical Domain Graphs to Disambiguate English Sentences. In: Callaos, N.;<br />
Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI<br />
2002), 14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-6).<br />
LORENZ (2004a)<br />
Lorenz, K.: Identität. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band 2:<br />
H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 189-192.<br />
LORENZ (2004b)<br />
Lorenz, K.: Semantik. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band<br />
3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 768-775.<br />
LORENZ (2004c)<br />
Lorenz, K.: Sprachanalyse. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 47-49.<br />
LORENZ (2004d)<br />
Lorenz, K.: Wende, linguistische. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und<br />
Wissenschaftstheorie, Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 658-659.<br />
LORENZ (2004e)<br />
Lorenz, K.: modus ponens. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 917.<br />
LORENZ (2004f)<br />
Lorenz, K.: modus tollens. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 917-918.<br />
LORENZ (2004g)<br />
Lorenz, K.: Philosophie, analytische. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und<br />
Wissenschaftstheorie, Band 3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 139-145.<br />
LORENZ (2004h)<br />
Lorenz, K.: intensional / Intension. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 256-257.<br />
LORENZEN (1987)<br />
Lorenzen, P.: Lehrbuch der konstruktiven Wissenschaftstheorie. Mannheim et al. 1987.<br />
LU/JIN (2000)<br />
Lu, R.; Jin, Z.: Domain Modeling-Based Software Engineering – A Formal Approach. Boston – Dordrecht –<br />
London 2000.
754 Literaturverzeichnis<br />
LUCZAK (1999)<br />
Luczak, H. (Hrsg.): Servicemanagement mit System – Erfolgreiche Methoden für die Investitionsgüterindustrie.<br />
Berlin et al. 1999.<br />
LUKE ET AL. (1997)<br />
Luke, S.; Spector, L.; Rager, D.; Hendler, J.: Ontology-based Web agents. In: Johnson, W.L. (Hrsg.):<br />
Proceedings of the First International Conference on Autonomous Agents, ICAA´97, 05.-08.02.1997 in<br />
Marina del Rey. New York 1997, S. 59-66.<br />
LUKE/SPECTOR/RAGER (1996)<br />
Luke, S.; Spector, L.; Rager, D.: Ontology-Based Knowledge Discovery on the World-Wide Web. In: Franz,<br />
A.; Kitano, H. (Hrsg.): Internet-Based Information Systems. Papers from the 1996 AAAI Workshop,<br />
05.08.2005 in Portland. Technical Report WS-96-06. Menlo Park 1996, S. 96-102.<br />
LUNDSTEN (1999)<br />
Lundsten, L.: Modal Ontology of Television: How to Create Social Objects. In: American Journal of<br />
Economics & Sociology, Vol. 58 (1999), No. 2, S. 221-240.<br />
LUTTERS ET AL. (2000)<br />
Lutters, E.; ten Brinke, E.; Streppel, T.; Kals, H.: Information management and design & engineering processes.<br />
In: International Journal of Production Research, Vol. 38 (2000), No. 17, S. 4429-4444.<br />
LUTZ (2001)<br />
Lutz, M.: Ontologien für die Eingriffsregelung – Modellierung eines Verfahrens zur Bewertung von Eingriffen<br />
in Natur und Landschaft und prototypische Umsetzung in einem Informationssystem für Verkehrsplaner.<br />
Diplomarbeit, Fachbereich Geowissenschaften, Universität Münster. Münster 2001.<br />
LUTZ/MÖLTGEN/KUHN (2002)<br />
Lutz, M.; Möltgen, J.; Kuhn, W.: Ontologien zur Spezifikation von Informationssystemen für Verkehrsplaner.<br />
In: o.V: Multimediaplan.at & IEMAR, Technische Universität Wien 2002, S. 151-156.<br />
LUTZEIER (1995)<br />
Lutzeier, P.R.: Lexikologie. Tübingen 1995.<br />
MAAMAR/MOULIN (1997)<br />
Maamar, Z.; Moulin, B.: Interoperability of Distributed and Heterogeneous Systems Based on Software<br />
Agent-Oriented Frameworks. In: Kandzia, P.; Klusch, M. (Hrsg.): Cooperative Information Agents, First<br />
International Workshop, 26.-28.02.1997 in Kiel, Proceedings. Berlin – Heidelberg – New York 1997, S. 248-<br />
259.<br />
MAEDCHE (2002)<br />
Maedche, A.: Ontology Learning for the Semantic Web. Dissertation, Universität Karlsruhe. Boston et al.<br />
2002.<br />
MAEDCHE/MOTIK/STOJANOVIC (2003)<br />
Maedche, A.; Motik, B.; Stojanovic, L.: Managing multiple and distributed ontologies on the Semantic Web.<br />
In: The VLDB Journal, Vol. 12 (2003), No. 4, S. 286-302.<br />
MAEDCHE/STAAB (2001)<br />
Maedche, A.; Staab, S.: Ontology Learning for the Semantic Web. In: IEEE Intelligent Systems & their<br />
Applications, Vol. 16 (2001), No. 2, S. 72-79.<br />
MAHALINGAM/HUHNS (1997)<br />
Mahalingam, K.; Huhns, M.N.: An Ontology Tool for Query Formulation in an Agent-Based Context. In:<br />
Chen, A.L.P.; Klas, W.; Singh, M.P. (Hrsg.): Proceedings of the Second IFCIS International Conference on<br />
Cooperative Information Systems (CoopIS´97), 24.-27.06.1997 in Kiawah Island. Los Alamitos et al. 1997,<br />
S. 170-178.<br />
MAIER (2003)<br />
Maier, R.: Wissensmanagement in Organisationen – Stand und Entwicklungspotenziale aus Sicht der Wirtschaftsinformatik.<br />
In: Ehrenberg, D.; Kaftan, H.-J. (Hrsg.): Herausforderungen der Wirtschaftsinformatik in<br />
der Informationsgesellschaft. Leipzig 2003, S. 157-176.
Literaturverzeichnis 755<br />
MAIER (2004):<br />
Maier, R.: Knowledge Management Systems – Information and Communication Technologies for Knowledge<br />
Management. 2. Auflage, Berlin et al. 2004.<br />
MAIER/GOLLITSCHER (2000)<br />
Maier, M.; Gollitscher, M.: Überlegungen zum Skill-Matching-Modul eines Leitstands für den regionalen,<br />
zwischenbetrieblichen Personalaustausch. Bayerischer Forschungsverbund Wirtschaftsinformatik, FORWIN-<br />
Bericht-Nr. FWN-2001-007. Bamberg et al. 2000.<br />
MÄKI (2000)<br />
Mäki, U.: Reclaiming relevant realism. In: Journal of Economic Methodology, Vol. 7 (2000), No. 1, S. 109-<br />
125.<br />
MANHART (1995)<br />
Manhart, K.: KI-Modelle in den Sozialwissenschaften – Logische Struktur und wissensbasierte Systeme von<br />
Balancetheorien. München – Wien 1995.<br />
MANICAS (1998)<br />
Manicas, P.T.: Explaining the Past and Predicting the Future. In: American Behavioral Scientist, Vol. 42<br />
(1998), No. 3, S. 398-405.<br />
MANOLA/MILLER (2004)<br />
Manola, F.; Miller, E.: RDF Primer. Online-Dokument, im Internet unter der URL: „http://www. w3.org/TR/<br />
2004/REC-rdf-primer-20040210/“ (Zugriff am 04.01.2005).<br />
MANZANO (1993)<br />
Manzano, M.: Introduction to Many-sorted Logic. In: Meinke, K.; Tucker, J.V. (Hrsg.): Many-sorted Logic<br />
and its Applications. Chichester et al. 1993, S. 3-86.<br />
MARENT (1995)<br />
Marent, C.: Branchenspezifische Referenzmodelle für betriebswirtschaftliche IV-Anwendungsbereiche. In:<br />
Wirtschaftsinformatik, 37. Jg. (1995), Nr. 3, S. 303-313.<br />
MARS (1994)<br />
Mars, N.J.I.: The role of ontologies in structuring large knowledge bases. In: Fuchi, K.; Yokoi, T. (Hrsg.):<br />
Knowledge Building and Knowledge Sharing. Tokyo et al. 1994, S. 240-248.<br />
MARTEL/AOUNI (1998)<br />
Martel, J.M.; Aouni, B.: Diverse Imprecise Goal Programming Model Formulations. In: Journal of Global<br />
Optimization, Vol. 12 (1998), No. 2, S. 127-138.<br />
MARWICK (2001)<br />
Marwick, A.D.: Knowledge management technology. In: IBM Systems Journal, Vol. 40 (2001), No. 4, S.<br />
814-830.<br />
MASOLO ET AL. (2002)<br />
Masolo, C.; Borgo, S.; Gangemi, A.; Guarino, N.; Oltramari, A.; Schneider, L.: WonderWeb Deliverable<br />
D17: The WonderWeb Library of Foundational Ontologies – Preliminary Report. Report, National Research<br />
Council, Institute for Cognitive Science and Technologies (ISTC-CNR). Padova 2002.<br />
MAYBURY/D’AMORE/HOUSE (2002):<br />
Maybury, M.; D’Amore, R.; House, D.: Awareness of organizational expertise. In: International Journal of<br />
Human-Computer-Interaction, Vol. 14 (2002), No. 2, S. 199-217.<br />
MCBRIDE (2004)<br />
McBride, B.: The Resource Description Framework (RDF) and its Vocabulary Description Language RDFS.<br />
In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 51-65.<br />
MCCARTHY (1999)<br />
McCarthy, W.E.: Semantic Modeling in Accounting Education, Practice, and Research: Some Progress and<br />
Impediments. In: Chen, P.P.; Akoka, J.; Kangassalo, H.; Thalheim, B. (Hrsg.): Conceptual Modeling:<br />
Current Issues and Future Directions. Berlin – Heidelberg 1999, S. 144-153.
756 Literaturverzeichnis<br />
MCCLOSKEY (1983)<br />
McCloskey, D.N.: The Rhetoric of Economics. In: Journal of Economic Literature, Vol. 21 (1983), S. 481-<br />
517.<br />
MCCLOSKEY (1998)<br />
McCloskey, D.N.: The Rhetoric of Economics. 2. Auflage, Madison 1998.<br />
MCCLOSKEY (2000)<br />
McCloskey, D.N.: Economical Writing. 2. Auflage, Prospect Heights 2000.<br />
MCDOWELL (1984)<br />
McDowell, J.: Wittgenstein on Following a Rule. In: Synthese, Vol. 58 (1984), S. 325-363.<br />
MCGUINESS (1999)<br />
McGuiness, D.L.: Ontologies for Electronic Commerce. In: AIEC99 – AI for Electronic Commerce, a<br />
AAAI-99 Workshop, 18.07.1999 in Orlando. O.O. 1999, o.S. (S. 1-2).<br />
MCSWITE (1997)<br />
McSwite, O.C.: Jacques Lacan and the Theory of the Human Subject. In: American Behavioral Scientist,<br />
Vol. 41 (1997), No. 1, S. 43-63.<br />
MEDER (2000)<br />
Meder, N.: Didaktische Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und<br />
Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme, Proceedings der 6.<br />
Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, 23.-25.09.1999 in<br />
Hamburg. Würzburg 2000, S. 401-416.<br />
MEGGLE (1987)<br />
Meggle, G.: Pragmatische Semantik im Ausgang von Ludwig Wittgensteins Sprachspielkonzept. In:<br />
Stachowiak, H. (Hrsg.): Pragmatik – Handbuch des pragmatischen Denkens, Band II: Der Aufstieg<br />
pragmatischen Denkens im 19. und 20. Jahrhundert. Hamburg 1987, S. 279-301.<br />
MEIER (2004)<br />
Meier, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems. In:<br />
Zelewski, S.; Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung,<br />
Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte<br />
GINA, KoEffizient und KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 207-216.<br />
MEIJS (1994)<br />
Meijs, C.: Principles of reference models and the linking to object oriented systems. In: Schertler, W.;<br />
Schmid, B.; Tjoa, A.M.; Werthner, H. (Hrsg.): Information and Communications Technologies in Tourism,<br />
Proceedings of the International Conference, 1994 in Innsbruck. Wien – New York 1994, S. 244-253.<br />
MEIXNER (1994)<br />
Meixner, U.: Von der Wissenschaft der Ontologie. In: Logos – Zeitschrift für systematische Philosophie, Bd.<br />
1 (1994), S. 375-399.<br />
MELCIC (1986)<br />
Melcic, D.: Heideggers Kritik der Metaphysik und das Problem der Ontologie. Würzburg 1986.<br />
MELNIK/DECKER (2000)<br />
Melnik, S.; Decker, S.: A Layered Approach to Information Modeling and Interoperability on the Web.<br />
Paper, Stanford University, Database Group. Stanford 2000.<br />
MENA ET AL. (2002)<br />
Mena, E.; Illarramendi, A.; Kashyap, V.; Sheth, A.P.: OBSERVER: An Approach for Query Processing in<br />
Global Information Systems Based on Interoperation Across Pre-Existing Ontologies. In: Distributed and<br />
Parallel Databases, Vol. 8 (2000), S. 223-271.<br />
MENNE (1973)<br />
Menne, A.: Definition. In: Krings, H.; Baumgartner, H.M.; Wild, C. (Hrsg.): Handbuch philosophischer<br />
Grundbegriffe, Band I. München 1973, S. 268-274.
Literaturverzeichnis 757<br />
MERTINS/ALWERT (2003)<br />
Mertins, K.; Alwert, K.: Integrierte Wissensbewertung – Ein Instrument zur Bewertung, Steuerung und Bilanzierung<br />
von Wissen. In: Zeitschrift für wirtschaftlichen Fabrikbetrieb, 98. Jg. (2003), Heft 11, S. 578-582.<br />
METAIS (2002)<br />
Metais, E.: Enhancing information systems management with natural language processing techniques. In:<br />
Data & Knowledge Engineering, Vol. 41 (2002), S. 247-272.<br />
MEYER/WEIGAND/WIERINGA (1989)<br />
Meyer, J.-J.; Weigand, H.; Wieringa, W.: A Specification Language for Static, Dynamic and Deontic<br />
Integrity Constraints. In: Demetrovics, J.; Thalheim, B. (Hrsg.): 2nd Symposium on Mathematical<br />
Fundamentals of Database Systems, Proceedings. Berlin – Heidelberg – New York 1989, S. 343-366.<br />
MIDDLETON/DE ROURE/SHADBOLT (2004)<br />
Middleton, S.E.; De Roure, D.; Shadbolt, N.R.: Ontology-based Recommender Systems. In: Staab, S.;<br />
Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 477-498.<br />
MIHOUBI/SIMONET/SIMONET (1998)<br />
Mihoubi, H.; Simonet, A.; Simonet, M.: Towards a Declarative Approach for Reusing Domain Ontologies.<br />
In: Information Systems, Vol. 23 (1998), No. 6, S. 365-381.<br />
MIKA ET AL. (2004)<br />
Mika, P.; Iosif, V.; Sure, Y.; Akkermans, H.: Ontology-based Content Management in a Virtual<br />
Organization. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 455-<br />
475.<br />
MILLER (1998)<br />
Miller, E.: An Introduction to the Resource Description Framework. In: Bulletin of the American Society for<br />
Information Science, Vol. 1998, No. October/November, S. 15-19.<br />
MINSKY (1975)<br />
Minsky, A.: Framework for Representing Knowledge. In: Winston, P. (Hrsg.): The Psychology of Computer<br />
Vision, New York 1975, S. 211-277. Online-Dokument, im Internet unter der URL: „http://web.media.mit.<br />
edu/~minsky/papers/Frames/frames.html” (Zugriff am 2.09.2004).<br />
MIRO-QUESADA-CANTURIAS (1990)<br />
Miro-Quesada-Canturias, F.: Mario Bunge´s Philosophy of Logic and Mathematics. In: Weingartner, P.;<br />
Dorn, G.J.W. (Hrsg.): Studies on Mario Bunge´s Treatise. Amsterdam – Atlanta 1990, S. 285-299.<br />
MISSIKOFF/TAGLINO (2004)<br />
Missikoff, M.; Taglino, F.: An Ontology-based Platform for Semantic Interoperability. In: Staab, S.; Studer,<br />
R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 617-633.<br />
MISSIKOFF/VELARDI/FABRIANI (2003)<br />
Missikoff, M.; Velardi, P.; Fabriani, P.: Text Mining Techniques to Automatically Enrich a Domain<br />
Ontology. In: Applied Intelligence, Vol. 18 (2003), S. 323-340.<br />
MITRA/WIEDERHOLD (2004)<br />
Mitra, P.; Wiederhold, G.: An Ontology-Composition Algebra. In: Staab, S.; Studer, R. (Hrsg.): Handbook<br />
on Ontologies. Berlin – Heidelberg 2004, S. 93-113.<br />
MITTELMANN (1999)<br />
Mittelmann, A.: Weitergabe von Wissen – keine Selbstverständlichkeit. In: o.V.: IBM-Tage des<br />
Wissensmanagements – Wissenstransfer in Unternehmen, 21.09.1999 in Wien. Online-Dokument, im<br />
Internet unter der URL: „www.artm-friends.at/am/publications/TdKM_Wien210999.pdf“ (Zugriff am 19.11.<br />
2004), S. 1-11.<br />
MITTELSTRAß (2004)<br />
Mittelstraß, J.: Harmonie, prästabilierte. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 41.
758 Literaturverzeichnis<br />
MIZOGUCHI (1994)<br />
Mizoguchi, R.: Knowledge Reuse and Ontology. In: Fuchi, K.; Yokoi, T. (Hrsg.): Knowledge Building and<br />
Knowledge Sharing. Tokyo et al. 1994, S. 125-132.<br />
MIZOGUCHI (2004)<br />
Mizoguchi, R.: Ontology Engineering Environments. In: Staab, S.; Studer, R. (Hrsg.): Handbook on<br />
Ontologies. Berlin – Heidelberg 2004, S. 275-295.<br />
MOERKOTTE (1990)<br />
Moerkotte, G.: Inkonsistenzen in deduktiven Datenbanken – Diagnose und Reparatur. Berlin et al. 1990.<br />
MOODY/SHANKS (1994)<br />
Moody, D.; Shanks, G.: What makes a good Data Model? Evaluating the Quality of Entity Relationship<br />
Models. In: Loucopoulos, P. (Hrsg.): Entity-Relationship Approach – 13th International Conference on the<br />
Entity-Relationship Approach, Manchester 1994, S. 94-111.<br />
MOORE (2002)<br />
Moore, M.S.: Legal Reality: A Naturalist Approach to Legal Ontology. In: Law and Philosophy, Vol. 21<br />
(2002), S. 619-705.<br />
MORCÖL (2001)<br />
Morcöl, G.: What Is Complexity Science? – Postmodernist or Postpositivist? In: Emergence, Vol. 3 (2001),<br />
No. 1, S. 104-119.<br />
MORTON/LINDQUIST (1997)<br />
Morton, N.O’R.; Lindquist, S.A.: Revealing the Feminist in Mary Parker Follett. In: Administration &<br />
Society, Vol. 29 (1997), No. 3, S. 348-371.<br />
MOSTERMAN/ZHAO/BISWAS (1998)<br />
Mosterman, P.J.; Zhao, F.; Biswas, G.: An Ontology for Transitions in Physical Dynamic Systems. In: o.V.:<br />
Proceedings Fifteenth National Conference on Artificial Intelligence (AAAI-98) and Tenth Conference on<br />
Innovative Applications of Artificial Intelligence (IAAI-98), 26.-30.07.1998 in Madison. Menlo Park –<br />
Cambridge – London 1998, S. 219-224.<br />
MOTTA/SHUM/DOMINGUE (2000)<br />
Motta, E.; Shum, S.B.; Domingue, J.: Ontology-driven document enrichment: principles, tools and<br />
applications. In: International Journal of Human-Computer Studies, Vol. 52 (2000), S. 1071-1109.<br />
MOULINES (1991)<br />
Moulines, C.U.: Pragmatics in the Structuralist View of Science. In: Schurz, G.; Dorn, G.J.W. (Hrsg.):<br />
Essays in Honour of Paul Weingartner on the Occasion of the 60 th Anniversary of his Birthday. Amsterdam –<br />
Atlanta 1991, S. 313-326.<br />
MOULINES (1996)<br />
Moulines, C.U.: Structuralism: The Basic Ideas. In: Balzer, W.; Moulines, C.U. (Hrsg.): Structuralist Theory<br />
of Science – Focal Issues, New Results. Berlin – New York 1996, S. 1-13.<br />
MÜLDER (2000)<br />
Mülder, W.: Personalinformationssysteme – Entwicklungsstand, Funktionalität und Trends. In: Wirtschaftsinformatik,<br />
42. Jg. (2000), Sonderheft, S. 98-106.<br />
MÜLLER (1993)<br />
Müller, J. (Hrsg.): Verteilte Künstliche Intelligenz – Methoden und Anwendungen. Mannheim et al. 1993.<br />
MUHR (2001)<br />
Muhr, G.: Kompetenzprofile im Skillsmanagement. Report der Knowbotic Systems GmbH & Co KG.<br />
Frankfurt/Main 2001.<br />
MURTAGH ET AL. (2003)<br />
Murtagh, F.; Taskaya, T.; Contreras, P.; Mothe, J.; Englmeier, K.: Interactive Visual User Interfaces: A<br />
Survey. In: Artificial Intelligence Review, Vol. 19 (2003), S. 263-283.
Literaturverzeichnis 759<br />
MUSGRAVE (1979)<br />
Musgrave, A.: How to Avoid Incommensurability. In: Niiniluoto, I.; Tuomela, R. (Hrsg.): The Logic and<br />
Epistemology of Science Change. Proceedings of a Philosophical Colloquium, 12.-14.12.1977 in Helsinki,<br />
zugleich: Acta Philosophica Fennica, Vol. 30 (1978), Issues 2-4, Amsterdam 1979, S. 336-346.<br />
MYLOPOULOS (1998)<br />
Mylopoulos, J.: Information Modeling in the Time of the Revolution. In: Information Systems, Vol. 23<br />
(1998), No. 3/4, S. 127-155.<br />
NAKATA ET AL. (1998)<br />
Nakata, K.; Voss, A.; Juhnke, M.; Kreifelts, T.: Collaborative Concept Extraction from Documents. In:<br />
Reimer, U. (Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge<br />
Management (PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 20-1 – 20-11.<br />
NARAYANAN/MCILRAITH (2002)<br />
Narayanan, S.; McIlraith, S.A.: Simulation, Verification and Automated Composition of Web Services. In:<br />
o.V.: International World Wide Web Conference WWW 2002, Proceedings of the Eleventh International<br />
Conference on World Wide Web, 07.-11.05.2002 in Honolulu. New York 2002, S. 77-88.<br />
NECHES ET AL. (1991)<br />
Neches, R.; Fikes, R.; Finin, T.; Gruber, T.; Patil, R.; Senator, T.; Swartout, W.R.: Enabling Technology for<br />
Knowlegde Sharing. In: AI Magazine, Vol. 12 (1991), No. 3, S. 36-56.<br />
NELSON (1999)<br />
Nelson, K.: Software Gives Bank One A Grip on IT Skill Levels. In: Information Technology, April 1999, S.<br />
28.<br />
NEUWEG (1999)<br />
Neuweg, G.H.: Könnerschaft und implizites Wissen – Zur lehr-lerntheoretischen Bedeutung der Erkenntnisund<br />
Wissenstheorie Michael Polanyis. Habilitationsschrift, Universität Linz 1998. 2. Auflage, Münster et al.<br />
1999.<br />
NEWELL (1982)<br />
Newell, A.: The Knowledge Level. In: Artificial Intelligence, Vol. 18 (1982), S. 87-127.<br />
NILES (2003)<br />
Niles, I.: CVS log for SUO/Merge.txt, Revision 1.47 (download) vom 30.01.2003. Dokumentation von<br />
SUMO (Suggested Upper Mergend Ontology). Online-Dokument, im Internet unter der URL: „http://<br />
ontology.teknowledge.com/cgi-bin/cvsweb.cgi/SUO/Merge.txt“ (Zugriff am 20.02.2003).<br />
NILES/PEASE (2001)<br />
Niles, I.; Pease, A.: Origins of The IEEE Standard Upper Ontology. Paper, Teknowledge. O.O. o.J. (2001).<br />
NILSSON (1998)<br />
Nilsson, N.J.: Artificial Intelligence – A New Synthesis. San Francisco 1998.<br />
NILSSON/MALUSZYNSKI (1990)<br />
Nilsson, U.; Maluszynski, J.: Logic, Programming and Prolog. Chichester et al. 1990.<br />
NODINE (1998)<br />
Nodine, M.: The InfoSleuth Agent System. In: Klusch, M.; Weiß, G. (Hrsg.): Cooperative Information<br />
Agents II – Learning, Mobility and Electronic Commerce for Information Discovery on the Internet, Second<br />
International Workshop CIA’98, 04.-07.07.1998 in Paris, Proceedings. Berlin et al. 1998, S. 19-20.<br />
NONAKA (1991)<br />
Nonaka, I.: The Knowledge-Creating Company. In: Harvard Business Review, Vol. 69 (1991), Issue<br />
November-December, S. 96-104.<br />
NONAKA/REINMOELLER/SENOO (1998):<br />
Nonaka, I.; Reinmoeller, P.; Senoo, D.: The ‘ART’ of Knowledge: Systems to Capitalize on Market Knowledge.<br />
In: European Management Journal, Vol. 16 (1998), No. 6, S. 673-684.
760 Literaturverzeichnis<br />
NONAKA/TAKEUCHI (1995)<br />
Nonaka, I.; Takeuchi, H.: The Knowledge-Creating Company – How Japanese Companies Create the Dynamics<br />
of Innovation. New York – Oxford 1995.<br />
NONAKA/TAKEUCHI (1997)<br />
Nonaka, I.; Takeuchi, H.: Die Organisation des Wissens – Wie japanische Unternehmen eine brachliegende<br />
Ressource nutzbar machen. Frankfurt/Main et al. 1997.<br />
NONAKA/TOYAMA/KONNO (2000):<br />
Nonaka, I.; Toyama, R.; Konno, N.: SECI, Ba and Leadership: a Unified Model of Dynamic Knowledge<br />
Creation. In: Long Range Planning, Vol. 33 (2000), S. 5-34.<br />
NONAKA/TOYAMA/NAGATA (2000):<br />
Nonaka, I.; Toyama, R.; Nagata, A.: A Firm as a Knowledge-Creating Entity: A New Perspective on the<br />
Theory of the Firm. In: Industrial and Corporate Change, Vol. 9 (2000), No. 1, S. 1-20.<br />
NORTH (2002)<br />
North, K.: Wissensorientierte Unternehmensführung – Wertschöpfung durch Wissen. 3. Auflage, Wiesbaden<br />
2002.<br />
NOY ET AL. (2001)<br />
Noy, N.F.; Sintek, M.; Decker, S.; Crubezy, M.; Fergerson, R.W.; Musen., M.A.: Creating Semantic Web<br />
Contents with Protégé-2000. In: IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No. 2, S. 60-<br />
71.<br />
NOY/FERGERSON/MUSEN (2000)<br />
Noy, N.F.; Fergerson, R.W.; Musen, M.A.: The knowledge model of Protégé-2000: combining interoperability<br />
and flexibility. SMI Technical Report No. SMI-2000-0830, Stanford Medical Informatics, Stanford<br />
University. Stanford 2000. (Auch erschienen in: Dieng, R.; Corby, O. (Hrsg.): Knowledge Acquisition,<br />
Modeling and Management, 12th International Conference (EKAW’ 2000), 02.-06.10.2000 in Juan-les-<br />
Pines, Proceedings. Berlin et al. 2000, S. 17-32.)<br />
NOY/HAFNER (1997)<br />
Noy, N.F.; Hafner, C.D.: The State of the Art in Ontology Design – A Survey and Comparative Review. In:<br />
AI Magazine, Vol. 18 (1997), No. Fall 1997, S. 53-73.<br />
NOY/HAFNER (1998)<br />
Noy, N.F.; Hafner, C.D.: Representing Scientific Experiments: Implications for Ontology Design and<br />
Knowledge Sharing. In: o.V.: Proceedings Fifteenth National Conference on Artificial Intelligence (AAAI-<br />
98), 26.-30.07.1998 in Madison. Menlo Park – Cambridge – London 1998, S. 615-622.<br />
NOY/MCGUINNESS (2000)<br />
Noy, N.F.; McGuinness, D.L.: Ontology Development 101: A Guide to Creating Your First Ontology.<br />
Report, Stanford University. Stanford o.J. (2000).<br />
NÜTTGENS/RUMP (2002)<br />
Nüttgens, M.; Rump, F.J.: Syntax und Semantik Ereignisgesteuerter Prozessketten (EPK). In: Desel, J.;<br />
Weske, M. (Hrsg.): Prozessorientierte Methoden und Werkzeuge für die Entwicklung von Informationssystemen<br />
(Promise’2002), 09.-11.10.2002 in Potsdam, CEUR Workshop Proceedings, Vol. 65, 8. Beitrag,<br />
o.S. (S. 1-14). Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen.de/<br />
Publications/CEUR-WS/Vol-65/“ (Zugriff am 04.01.2005).<br />
NÜTTGENS/RUMP (2003)<br />
Nüttgens, M.; Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten<br />
Prozessketten, 2. Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen ihres Arbeitskreises<br />
„Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten (WI-EPK)“, 08.10.2003 in Bamberg,<br />
Proceedings. Bonn 2003.<br />
NWANA/NDUMU (1999)<br />
Nwana, H.S.; Ndumu, D.T.: A Perspective on Software Agents Research. In: The Knowledge Engineering<br />
Review, Vol. 14 (1999), No. 2, S. 1-18.
Literaturverzeichnis 761<br />
OBERLE ET AL. (2004)<br />
Oberle, D.; Volz, R.; Staab, S.; Motik, B.: An Extensible Ontology Software Environment. In: Staab, S.;<br />
Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 299-319.<br />
OBERLE/SPYNS (2004)<br />
Oberle, D.; Spyns, P.: The Knowledge Portal “OntoWeb”. In: Staab, S.; Studer, R. (Hrsg.): Handbook on<br />
Ontologies. Berlin – Heidelberg 2004, S. 499-516.<br />
OBERWEIS (1990)<br />
Oberweis, A.: Zeitstrukturen in Informationssystemen. Dissertation, Universität Mannheim. Mannheim<br />
1990.<br />
OBERWEIS (1996)<br />
Oberweis, A.: Modellierung und Ausführung von Workflows mit Petri-Netzen. Habilitationsschrift<br />
Universität Karlsruhe 1995 (überarbeitet). Stuttgart – Leipzig 1996.<br />
OBJECT MANAGEMENT GROUP (2001)<br />
Object Management Group, Inc. (Hrsg.): OMG Unified Modeling Language Specification. Version 1.4,<br />
September 2001. O.O. 2001.<br />
OBJECT MANAGEMENT GROUP (2003)<br />
Object Management Group, Inc. (Hrsg.): Unified Modeling Language Specification. Version 1.5, o. O. 2003.<br />
Im Internet unter der URL: http://www.omg.org/technology/documents/formal/uml.htm (Zugriff am<br />
6.07.2004).<br />
OECHSLER (1997)<br />
Oechsler, W. A.: Personal und Arbeit: Einführung in die Personalwirtschaft unter Einbeziehung des<br />
Arbeitsrechts. 6. Auf., München 1997.<br />
O’HARA/SHADBOLT (2001)<br />
O’Hara, K.; Shadbolt, N.: Issues for an Ontology for Knowledge Valuation. Paper, Intelligence, Agents and<br />
Multimedia Group, Department of Electronics and Computer Science, University of Southampton. Southampton<br />
o.J. (2001).<br />
O’HARE/JENNINGS (1996)<br />
O’Hare, G.M.; Jennings, N.R. (Hrsg.): Foundations of Distributed Artificial Intelligence. New York et al.<br />
1996.<br />
OHLBACH/SCHAFFERT (2004)<br />
Ohlbach, H.J.; Schaffert, S. (Hrsg.): Principles and Practice of Semantic Web Reasoning, Second<br />
International Workshop, PPSWR 2004, 06.-10.09.2004 in St. Malo, Proceedings. Berlin et al. 2004.<br />
OLDAGER (2003)<br />
Oldager, N.: Conceptual Knowledge Representation and Reasoning. Dissertation, Technical University of<br />
Denmark. o.O. 2003.<br />
O’LEARY (1997)<br />
O’Leary, D.E.: Impedients in the use of explicit ontologies for KBS development. In: International Journal of<br />
Human-Computer Studies, Vol. 46 (1997), S. 327-337.<br />
ONIONS/ORANGE (2002)<br />
Onions, P.E.W.; Orange, G.: The Three K’s – A model for knowledge that supports ontology and epistemology.<br />
In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics,<br />
Cybernetics and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings, Vol. VII – Information<br />
Systems Development II. Orlando 2002, o.S. (S. 1-6).<br />
ONTOPRISE (2001)<br />
Ontoprise GmbH (Hrsg.): How to Write F-Logic Programs – A Tutorial for the Language F-Logic. Stand:<br />
März 2001. O.O. (Karlsruhe) 2001.<br />
ONTOPRISE (2003a)<br />
Ontoprise GmbH (Hrsg.): How to Work with OntoEdit – User’s Guide for OntoEdit Version 2.6. Karlsruhe<br />
2003.
762 Literaturverzeichnis<br />
ONTOPRISE (2003b)<br />
Ontoprise GmbH (Hrsg.): How to Use Ontobroker® – Users and Developers Guide for the Ontobroker<br />
System Version 3.6. Karlsruhe 2003.<br />
ONTOPRISE (2003c)<br />
Ontoprise GmbH (Hrsg.): How to Write F-Logic Programs – A Tutorial for the Language F-Logic covers<br />
OntoBroker® Version 3.6. Karlsruhe 2003.<br />
ONTOPRISE (2004a)<br />
Ontoprise GmbH (Hrsg.): OntoEdit TM v2.0 – Designing the Semantiv Web. Online-Dokument, im Internet<br />
unter der URL: „http://www.ontoprise.de“ (Zugriff am 30.10.2004). O.O. (Karlsruhe) o.J. (2004).<br />
ONTOPRISE (2004b)<br />
Ontoprise GmbH (Hrsg.): OntoBroker TM v3.2 – Die Inferenzmaschine. Online-Dokument, im Internet unter<br />
der URL: „http://www.ontoprise.de“ (Zugriff am 30.10.2004). O.O. (Karlsruhe) o.J. (2004).<br />
OPP (2005)<br />
Opp, K.-D.: Methodologie der Sozialwissenschaften – Einführung in Probleme ihrer Theorienbildung und<br />
praktischen Anwendung. 6. Auflage, Wiesbaden 2005.<br />
ORTNER (1997)<br />
Ortner, E.: Methodenneutraler Fachentwurf. Stuttgart – Leipzig 1997.<br />
OTTO (1999)<br />
Otto, A.: Referenzmodelle als Basis des Benchmarkings. In: io management, o.Jg. (1999), Nr. 4, S. 23-29.<br />
OUZZANI/BENATALLAH/BOUGUETTAYA (2000)<br />
Ouzzani, M.; Benatallah, B.; Bouguettaya, A.: Ontological Approach for Information Discovery in Internet<br />
Databases. In: Distributed and Parallel Databases, Vol. 8 (2000), S. 367-392.<br />
O.V. (2001)<br />
o.V.: Visual Prolog Version 5.x – Language Tutorial. Copenhagen o.J. (2001).<br />
O.V. (2002)<br />
o.V.: The Protégé Axiom Language and Toolset (“PAL”). Online-Dokument, im Internet unter der URL:<br />
„http://protege.stanford.de/plugins/paltabs/pal-documentation/index.html“ (Zugriff am 20.04.2002).<br />
O.V. (O.J.)<br />
o.V.: The Protégé Axiom Language: Overall Design Considerations. o.O. o.J.<br />
PAL/MOITRA (2003)<br />
Pal, B.B.; Moitra, B.N.: A goal programming procedure for solving problems with multiple fuzzy goals<br />
using dynamic programming. In: European Journal of Operational Research, Vol. 144 (2003), No. 3, S. 480-<br />
491.<br />
PARTRIDGE (2002)<br />
Partridge, C.: The Role of Ontology in Integrating Semantically Heterogeneous Databases. Technical Report<br />
05/02, LADSEB-CNR. Padova 2002.<br />
PASTOR ET AL. (1997)<br />
Pastor, J.A.; Taylor, S.L.; McKay, D.P.; McEntire, R.: An Architecture for Intelligent Resource Agents. In:<br />
Chen, A.L.P.; Klas, W.; Singh, M.P. (Hrsg.): Proceedings of the Second IFCIS International Conference on<br />
Cooperative Information Systems CooIS’97, 24.-27.06.1997 in Kiawah Island. Los Alamitos et al. 1997, S.<br />
151-159.<br />
PATEL-SCHNEIDER/HORROCKS/VAN HARMELEN (2002)<br />
Patel-Schneider, P.F.; Horrocks, I.; van Harmelen, F.: OWL Web Ontology Language 1.0 Abstract Syntax,<br />
W3C Working Draft 29 July 2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/<br />
owl-absyn/“ (Zugriff am 02.11.2002).<br />
PATIG (2001)<br />
Patig, S.: Flexible Produktionsfeinplanung mit Hilfe von Planungsschritten. Dissertation, Universität<br />
Magdeburg. Magdeburg 2001.
Literaturverzeichnis 763<br />
PATIG (2004)<br />
Patig, S.: Zur Ausdruckstärke der Stammdaten des Advanced Planning und Scheduling. In: Wirtschaftsinformatik,<br />
46. Jg. (2004), Heft 2, S. 97-106.<br />
PAWAR ET AL. (2001)<br />
Pawar, K.; Horton, A.; Gupta, A.; Wunram, M.; Barson, R.J.; Weber, F.: Inter-Organisational Knowledge<br />
Management: Focus on Human Barriers in the Telecommunications Industry. In: o.V.: CE2001 –<br />
Proceedings of the 8th ISPE International Conference on Concurrent Engineering, 29.07.-01.08.2001 in<br />
California. O.O. 2001, o.S. (S. 1-8).<br />
PAWLOWSKI (2001)<br />
Pawlowski, J.: Das Essener-Lern-Modell (ELM) – Ein Vorgehensmodell zur Entwicklung<br />
computerunterstützter Lernumgebungen. Dissertation, Universität Essen. Essen 2001.<br />
PEARCE (1987)<br />
Pearce, D.: Roads to Commensurability. Überarbeitete Habilitationsschrift, Freie Universität Berlin 1986.<br />
Dordrecht et al. 1987.<br />
PERZANOWSKI (1996)<br />
Perzanowski, J.: The Way of Truth. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht – Boston –<br />
London 1996, S. 61-130.<br />
PETERS/ZELEWSKI (2003)<br />
Peters, M.L.; Zelewski, S.: Competence-Based Workplace Assignment Using a Goal Programming<br />
Approach. In: Zülch, G.; Stowasser, S.; Jagdev, H.S. (Hrsg.): Human Aspects in Production Management.<br />
Proceedings of the IFIP WG 5.7 Working Conference on Human Aspects in Production Management, Vol. 1.<br />
Aachen 2003, S. 276-282.<br />
PETERS/ZELEWSKI (2004a)<br />
Peters, M.L.; Zelewski, S.: Competence and Preference-based Workplace Assignment. In: Zülch, G.; Jagdev,<br />
H.S.; Stock, P. (Hrsg.): Integrating Human Aspects in Production Management – Proceedings of the<br />
International Conference on Human Aspects in Production Management, 05.-09.10.2003 in Karlsruhe.<br />
Boston – Dordrecht – London 2004, S. 31-44.<br />
PETERS/ZELEWSKI (2004b)<br />
Peters, M.L.; Zelewski, S.: Möglichkeiten und Grenzen des „Analytic Hierarchy Process“ (AHP) als<br />
Verfahren zur Wirtschaftlichkeitsanalyse. In: Zeitschrift für Planung & Unternehmenssteuerung, 15. Jg.<br />
(2004), S. 295-324.<br />
PETERSEN/RAO/TVEIT (2002)<br />
Petersen, S.A.; Rao, J.; Tveit, A.: Virtual Enterprises: Challenges in Selecting and Integrating Computational<br />
and Human Resources. In: o.V.: 1st International Workshop on Challenges in Open Agent Systems, am 15.<br />
07.2002 in Bologna. Online-Dokument, im Internet unter der URL: „http://www.agentcities.org/Challenge<br />
02/“ (Zugriff am 29.08.2002), o.S. (S. 1-4).<br />
PETKOFF (O.J.)<br />
Petkoff, B.: Strukturalistische Ontogenetik. Paper, Nexus GmbH. O.O. o.J.<br />
PFLÜGLMAYER (2001)<br />
Pflüglmayer, M.: Informations- und Kommunikationstechnologien zur Qualitätsverbesserung im<br />
Krankenhaus. Dissertation, Universität Linz. Linz 2001.<br />
PIGNEUR (2002)<br />
Pigneur, Y.: An Ontology for m-Business Models. In: Spaccapietra, S.; March, S.T.; Kambayashi, Y.<br />
(Hrsg.): Conceptual Modeling – ER 2002. 21st International Conference on Conceptual Modeling, 07.-11.10.<br />
2002 in Tampere, Proceedings. Berlin et al. 2002, S. 3-6.<br />
PIRLEIN (1995)<br />
Pirlein, T.: Wiederverwendung von Commonsense Ontologien im Knowledge Engineering – Methoden und<br />
Werkzeuge. Dissertation, Universität Karlsruhe 1995. Sankt Augustin 1995.
764 Literaturverzeichnis<br />
POCSAI (2000)<br />
Pocsai, Z.: <strong>Ontologiebasierte</strong>s Wissensmanagement für die Produktentwicklung. Dissertation, Universität<br />
Karlsruhe 2000. Forschungsberichte aus dem Institut für Rechneranwendung in Planung und Konstruktion<br />
der Universität Karlsruhe, Band 3/2000. Aachen 2000.<br />
POLANYI (1959)<br />
Polanyi, M.: The Study of Man. Chicago – London 1959.<br />
POLANYI (1985)<br />
Polanyi, M.: Implizites Wissen. Frankfurt/Main 1985 (Original: The Tacit Dimension. New York 1966).<br />
POLI (2002)<br />
Poli, R.: Ontological methodology. In: International Journal of Human-Computer Studies, Vol. 56 (2002), S.<br />
639-664.<br />
POLI/SIMONS (1996)<br />
Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht – Boston – London 1996.<br />
POLLACK (2001)<br />
Pollack, M.A.: International Relations Theory and European Integration. In: Journal of Common Market Studies,<br />
Vol. 39 (2001), No. 2, S. 221-244.<br />
POLOS/HANNAN/CARROLL (1999)<br />
Polos, L.; Hannan, M.T.; Carroll, G.R.: Forms and Identities: On the Structure of Organizational Forms.<br />
Paper, Lorand University, Budapest, University of Amsterdam, Stanford University, University of<br />
California, Berkeley. o.O. 1999.<br />
PO<strong>MB</strong>ERGER/BLASCHEK (1993)<br />
Pomberger, G.; Blaschek, G.: Software-Engineering – Grundlagen des Software Engineering: „Prototyping<br />
und objektorientierte Software-Entwicklung“. München 1993.<br />
POPPER (1965)<br />
Popper, K.R.: Conjectures and Refutations – The Growth of Scientific Knowledge. 2. Auflage, London 1965.<br />
POPPER (1972)<br />
Popper, K.R.: Die Zielsetzung der Erfahrungswissenschaft. In: Albert, H. (Hrsg.): Theorie und Realität –<br />
Ausgewählte Aufsätze zur Wissenschaftslehre der Sozialwissenschaften. 2. Auflage, Tübingen 1972, S. 29-<br />
41.<br />
POPPER (1979)<br />
Popper, K.R.: Die beiden Grundprobleme der Erkenntnistheorie (Aufgrund von Manuskripten aus den Jahren<br />
1930-1933). Tübingen 1979.<br />
POPPER (1989)<br />
Popper, K.R.: Logik der Forschung. 9. Auflage, Tübingen 1989.<br />
POPPER (1995)<br />
Popper, K.R.: Objektive Erkenntnis. Ein evolutionärer Entwurf. 3. Auflage, Hamburg 1995.<br />
PORTER (1999)<br />
Porter, M.: Wettbewerbsstrategie (Competitive Strategy) – Methoden zur Analyse von Branchen und<br />
Konkurrenten. 10. Auflage, Frankfurt/Main – New York 1999.<br />
PORTER (2001)<br />
Porter, T.B.: Theorizing Organizational Identity. In: o.V.: Academy of Management Proceedings, Vol. 2001,<br />
S. D1-D6.<br />
POSSEL-DOELKEN/ZHENG (2002)<br />
Possel-Doelken, F.; Zheng, L.: PRO-Net Reference Model for the Technical Order Processing. In: Zheng, L.;<br />
Possel-Dölken, F. (Hrsg.): Strategic Production Networks. Berlin – Heidelberg 2002, S. 250-294.<br />
POTTER/EDWARDS/WETHERELL (1993)<br />
Potter, J.; Edwards, D.; Wetherell, M.: A Model of Discourse in Action. In: American Behavioral Scientist,<br />
Vol. 36 (1993), No. 3, S. 383-401.
Literaturverzeichnis 765<br />
PRAHALAD/HAMEL (1990)<br />
Prahalad, C.K.; Hamel, G.: The Core Competence of the Corporation. In: Harvard Business Review, Vol. 68<br />
(1990), No. May – June, S. 79-90.<br />
PRANGE/PROBST/RÜLING (1996)<br />
Prange, C.; Probst, G.; Rüling, C.-C.: Lernen zu kooperieren – Kooperieren, um zu lernen. Plädoyer für eine<br />
lernorientierte Betrachtung von Unternehmenskooperationen. In: Zeitschrift Führung & Organisation, o. Jg.<br />
(1996), Heft 1, S. 10-16.<br />
PREIß (1989)<br />
Preiß, N.: Ein Konzept für die deduktive Erweiterung eines relationalen Datenbanksystems. Dissertation,<br />
Universität Karlsruhe 1989. Karlsruhe 1989.<br />
PREISSLER/ROEHL/SEEMANN (1997)<br />
Preissler, H.; Roehl, H.; Seemann, P.: Haken, Helm und Seil – Erfahrungen mit Instrumenten des<br />
Wissensmanagements. In: Organisationsentwicklung, 17. Jg. (1997), Nr. 2, S. 4-17.<br />
PROBST/RAUB/ROMHARDT (2003):<br />
Probst, G.; Raub, S.; Romhardt, K.: Wissen managen – Wie Unternehmen ihre wertvollste Ressource<br />
optimal nutzen. 4. Auflage, Wiesbaden 2003.<br />
PUPPE/STOYAN/STUDER (2003)<br />
Puppe, F.; Stoyan , H.; Studer, R.: Knowledge Engineering. In: Görz, G.; Rollinger, C.-R.; Schneeberger, J.<br />
(Hrsg.): Handbuch der Künstlichen Intelligenz. 4. Auflage, München – Wien 2003, S. 599-641.<br />
PURVIS ET AL. (2002)<br />
Purvis, M.; Cranefield, S.; Nowostawski, M.; Ward, R.; Carter, D.; de Oliveira, M.A.: Agentcities Interaction<br />
Using the Opal Platform. In: o.V.: 1st International Workshop on Challenges in Open Agent Systems, held at<br />
the International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS’02), 15.-19.07.<br />
2002 in Bologna. O.O. 2002, o.S. (S. 1-5).<br />
PUTNAM (1980)<br />
Putnam, H.: Modell und Wirklichkeit. In: conceptus, 16. Jg. (1982), Nr. 38, S. 9-30. (Auch erschienen in:<br />
The Journal of Symbolic Logic, Vol. 45 (1980), No. 3, S. 464-482.)<br />
PUTNAM (1982)<br />
Putnam, H.: Vernunft, Wahrheit und Geschichte. Frankfurt 1982.<br />
QUINE (1969)<br />
Quine, W.v.O.: Grundzüge der Logik. Frankfurt/Main 1969.<br />
QUINE (1975)<br />
Quine, W.V.O.: Ontologische Relativität – und andere Schriften, Stuttgart 1975.<br />
QUINE (2002)<br />
Quine, W.V.O.: Wort und Gegenstand. Stuttgart 2002 (im Original: „Word and Object”, Cambridge 1960).<br />
RADEMACHER/DITTMANN (2004)<br />
Rademacher, T; Dittmann, L.: OntoFMEA: ein Softwaretool für ontologiebasierte Fehlermöglichkeits- und<br />
-einflussanalysen – konzeptionelle Entwicklung und prototypische Implementierung. Projektbericht 11/2004,<br />
Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-<br />
Essen (Campus Essen). Essen 2004.<br />
RAMIREZ/DE ANTONIO (1998)<br />
Ramirez, J.; de Antonio, A.: MECORI: a Method for Knowledge Base Semantic Verification based on<br />
Integrity Constraints. In: van Harmelen (Hrsg.): Proceedings of the 1998 European Workshop on Validation<br />
and Verification of Knowledge-Based Systems, 06.-08.06.1998 in Povo – Trento, CEUR Workshop<br />
Proceedings, Vol. 16. Amsterdam 2003, 7. Beitrag, o.S. (S. 1-2). Online-Dokument, im Internet unter der<br />
URL: „http:// sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-16/“ (Zugriff am 04.01.2005).<br />
RAMONI/RIVA (1997)<br />
Ramoni, M.; Riva, A.: Basic Science in Medical Reasoning: An Artificial Intelligence Approach. In:<br />
Advances in Health Sciences Education, Vol. 2 (1997), S. 131-140.
766 Literaturverzeichnis<br />
RAUH/STICKEL (1997)<br />
Rauh, O.; Stickel, E.: Konzeptuelle Datenmodellierung. Stuttgart – Leipzig 1997.<br />
REDEKER (2000)<br />
Redeker, G.: Didaktische Ontologien – Stand der internationalen Forschung. In: Ohly, H.P.; Rahmstorf, G.;<br />
Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und<br />
Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für<br />
Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 417-429.<br />
REHÄUSER/KRCMAR (1996)<br />
Rehäuser, J.; Krcmar, H.: Wissensmanagement im Unternehmen. In: Schreyögg, G.; Conrad, P. (Hrsg.):<br />
Managementforschung 6 – Wissensmanagement. Berlin – New York 1996, S. 1-40.<br />
REIMER (1989)<br />
Reimer, U.: FRM: Ein Frame-Repräsentationsmodell und seine formale Semantik – Zur Integration von<br />
Datenbank- und Wissensrepräsentationsansätzen. Berlin et al. 1989.<br />
REIMER (1997)<br />
Reimer, U.: Knowledge Integration for Building Organisational Memories. In: Abecker, A.; Decker, S.;<br />
Hinkelmann, K.; Reimer, U. (Hrsg.): Workshop Knowledge-Based-Systems for Knowledge Management in<br />
Enterprises, 09.-12.09.1997 in Freiburg. O.O. 1997, S. 85-96.<br />
RESCHER (1973)<br />
Rescher, N.: The Coherence Theory of Truth. Oxford 1973.<br />
RESCHER (1974)<br />
Rescher, N.: Foundationalism, Coherentism and the Idea of Cognitive Systematization. In: The Journal of<br />
Philosophy, Vol. 71 (1974), No. 19, S. 695-708.<br />
RESCHER (1977)<br />
Rescher, N.: Methodological Pragmatism – A Systems-Theoretic Approach to the Theory of Knowledge.<br />
New York 1977.<br />
RESCHER (1979)<br />
Rescher, N.: Cognitive Systematization – A systems-theoretic approach to a coherentist theory of knowledge.<br />
Oxford 1979.<br />
RESCHER (1980a)<br />
Rescher, N.: Scepticism – A critical reappraisal. Oxford 1980.<br />
RESCHER (1980b)<br />
Rescher, N.: The Logic of Inconsistency – A Study in Non-Standard Possible-World Semantics and<br />
Ontology. Oxford 1980.<br />
RESCHER (1982)<br />
Rescher, N.: The Coherence Theory of Truth. Washington 1982 (Nachdruck der Ausgabe Oxford 1973).<br />
RESCHER (1987a)<br />
Rescher, N.: Forbidden Knowledge – and Other Essays on the Philosophy of Cognition. Dordrecht et al.<br />
1987.<br />
RESCHER (1987b)<br />
Rescher, N.: Induktion – Zur Rechtfertigung induktiven Schließens. München – Wien 1987.<br />
RESCHER (1988)<br />
Rescher, N.: Rationality – A Philosophical Inquiry into the Nature and the Rationale of Reason. Oxford<br />
1988.<br />
RESNICK (1994)<br />
Resnick, P.: Intentionality Is Phlogiston. In: Dietrich, E. (Hrsg.): Thinking Computers and Virtual Persons –<br />
Essays on the Intentionality of Machines. San Diego et al. 1994, S. 37-69.
Literaturverzeichnis 767<br />
RIBIÈRE/CHARLTON (2000)<br />
RIBIÈRE, M.; CHARLTON, P.: Ontology Overview, Paris 2000. Online-Dokument, im Internet unter der URL:<br />
„http://www.fipa.org/docs/input/f-in-00045/f-in-00045.pdf” (Zugriff am 16.09.2004).<br />
RICHARDS/COMPTON (1997)<br />
Richards, D.; Compton, P.: Knowledge Acquisition First, Modelling Later. In: Plaza, E.; Benjamins, R.<br />
(Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop, EKAW’97, 15.-18.<br />
10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 237-252.<br />
RIEDL/WUKETIS (1987)<br />
Riedl, R.; Wuketis, F.M. (Hrsg.): Evolutionäre Erkenntnistheorie. Bedingungen – Lösungen – Kontroversen.<br />
Berlin – Hamburg 1987.<br />
RITTGEN (1998)<br />
Rittgen, P.: Prozeßtheorie der Ablaufplanung. Stuttgart – Leipzig 1998.<br />
RITTGEN (2000)<br />
Rittgen, P.: Quo vadis EPK in ARIS? Ansätze zu syntaktischen Erweiterungen und einer formalen Semantik.<br />
In: Wirtschaftsinformatik, 42. Jg. (2000), Heft 1, S. 27-35.<br />
RODRIGUEZ ET AL. (1998)<br />
Rodriguez, H.; Climent, S.; Vossen, P.; Bloksma, L.; Peters, W.; Alonge, A.; Bertagna, F.; Roventini, A.:<br />
The Top-Down Strategy for Building EuroWordNet: Vocabulary Coverage, Base Concepts and Top<br />
Ontology. In: Cumputers and the Humanities, Vol. 32 (1998), S. 117-152.<br />
ROEHL (2000)<br />
Roehl, H.: Instrumente der Wissensorganisation – Perspektiven für eine differenzierende Interventionspraxis.<br />
Dissertation. Wiesbaden 2000.<br />
ROSEMANN/GREEN (2002)<br />
Rosemann, M.; Green, P.: Developing a meta model for the Bunge–Wand–Weber ontological constructs. In:<br />
Information Systems, Vol. 27 (2002), S. 75-91.<br />
ROSEMANN/SCHÜTTE (1999)<br />
Rosemann, M.; Schütte, R.: Multiperspektivische Referenzmodellierung. In: Becker, J.; Rosemann, M.;<br />
Schütte, R. (Hrsg.): Referenzmodellierung – State-of-the-Art und Entwicklungsperspektiven. Heidelberg<br />
1999, S. 22-44.<br />
ROTHEM (1999)<br />
Rothem, R.J.: Post Keynesian Economics and Realist Philosophy. In: Journal of Post Keynesian Economics,<br />
Vol. 22 (1999), No. 1, S. 71-103.<br />
ROYCE (1970)<br />
Royce, W.W.: Managing the Development of Large Software Systems, Concepts and Techniques.<br />
Proceedings of the IEEE WESCON, Los Angeles 1970, S. 1-9.<br />
RUPP (2002)<br />
Rupp, C.: Requirements-Engineering und -Management – Professionelle, iterative Anforderungsanalyse für<br />
die Praxis. 2. Auflage, München – Wien 2002.<br />
RUSSELL (1905)<br />
Russell, B.: On Denoting. In: Mind, Vol. 15 (1905), S. 479-493. (Deutsche Übersetzung “Über das<br />
Kennzeichnen” in: Wiehl, R. (Hrsg.): Geschichte der Philosophie in Text und Darstellung, Band 8: 20.<br />
Jahrhundert. Stuttgart 1984, S. 270-289.)<br />
RUTGERS (2001)<br />
Rutgers, M.R.: Traditional Flavors? The Different Sentiments in European and American Administrative<br />
Thought. In: Administration & Society, Vol. 33 (2001), No. 2, S. 220-244.<br />
SAATY (1980)<br />
Saaty, T.L.: The Analytic Hierarchy Process – Planning, Priority Setting, Resource Allocation. New York et<br />
al. 1980 (2. Auflage von 1990).
768 Literaturverzeichnis<br />
SAATY (1994)<br />
Saaty, T.L.: How to Make a Decision: The Analytic Hierarchy Process. In: Interfaces, Vol. 24 (1994), No. 6,<br />
S. 19-43.<br />
SAATY (2001a)<br />
Saaty, T.L.: Creative Thinking, Problem Solving & Decision Making. Pittsburgh 2001.<br />
SAATY (2001b)<br />
Saaty, T.L.: Decision Making for Leaders – The Analytic Hierarchy Process for Decisions in a Complex<br />
World. 3. Auflage, 4. Druck, Pittsburgh 2001.<br />
SAATY (2001c)<br />
Saaty, T.L.: Decision Making With Dependence And Feedback – The Analytic Network Process. 2. Auflage,<br />
Pittsburgh 2001.<br />
SARTRE (1991)<br />
Sartre, J.-P.: Das Sein und das Nichts – Versuch einer phänomenologischen Ontologie. Reinbek/Hamburg<br />
1991 (im Original: Paris 1943).<br />
SCACCHI (2001)<br />
Scacchi, W.: Process Models in Software Engineering. In: Marciniak, J. (Hrsg.): Encyclopedia of Software<br />
Engineering. 2. Auflage, New York 2002, S. 993-1005.<br />
SCHADER/KORTHAUS (1998)<br />
Schader, M.; Korthaus, A. (Hrsg.): The Unified Modeling Language – Technical Aspects and Application.<br />
Heidelberg 1998.<br />
SCHAUER (2004)<br />
Schauer, H.: Impulse der Erkenntnistheorie und des Wissenschaftsbetriebs für eine betriebliche<br />
Wissensbewertung. In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik –<br />
Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen<br />
Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.-<br />
06.06.2003 in Koblenz. Wiesbaden 2004, S. 289-309.<br />
SCHEER (1999)<br />
Scheer, A.-W.: „ARIS – House of Business Engineering“ – Konzept zur Beschreibung und Ausführung von<br />
Referenzmodellen. In: Becker, J.; Rosemann, M.; Schütte, R. (Hrsg.): Referenzmodellierung – State-of-the-<br />
Art und Entwicklungsperspektiven. Heidelberg 1999, S. 1-21.<br />
SCHEER (2001)<br />
Scheer, A.-W.: ARIS – Modellierungsmethoden, Metamodelle, Anwendungen. 4. Auflage, Berlin –<br />
Heidelberg 2001.<br />
SCHEUBLE (1998)<br />
Scheuble, S.: Wissen und Wissenssurrogate – Eine Theorie der Unternehmung. Dissertation, Universität<br />
München 1998. Wiesbaden 1998.<br />
SCHIENMANN (2002)<br />
Schienmann, B.: Kontinuierliches Anforderungsmanagement – Prozesse, Techniken, Werkzeuge. München<br />
et al. 2002.<br />
SCHINZER/THOME (1999)<br />
Schinzer, H.; Thome, R.: Extensible Markup Language. In: Das Wirtschaftsstudium, 28. Jg. (1999), Heft 2,<br />
S. 208-215.<br />
SCHLEGEL/SPATH (2005)<br />
Schlegel, T.; Spath, D. (Hrsg.): Entwicklung innovativer Dienstleistungen – Wissen, Kreativität, Lernen.<br />
Stuttgart 2005.<br />
SCHLENOFF/IVESTER/KNUTILLA (1998)<br />
Schlenoff, C.; Ivester, R.; Knutilla, A.: A Robust Process Ontology for Manufacturing Systems Integration.<br />
In: o.V.: Proceedings of the 2nd International Conference on Engineering Design and Automation. 07.-14.08.<br />
1998 in Maui. O.O. 1998, o.S. (S. 1-6).
Literaturverzeichnis 769<br />
SCHLESINGER (1999)<br />
Schlesinger, M.: ALFRED – Konzept und Prototyp einer aktiven Schicht zur Automatisierung von<br />
Geschäftsregeln. Dissertation, Universität Bern. Bern 1999.<br />
SCHMID (1999)<br />
Schmid, C.: Informationsflüsse in Zuliefernetzwerken. Dissertation, Eidgenössische Technische Hochschule<br />
Zürich 1998. Wiesbaden 1999.<br />
SCHMIDT (1995)<br />
Schmidt, G.: Modellbasierte, interaktive Wissensakquisition und Dokumentation von Domänenwissen.<br />
Dissertation, Universität Kaiserslautern. Sankt Augustin 1995.<br />
SCHNEIDER (1996):<br />
Schneider, U.: Wissensmanagement in der wissensbasierten Unternehmung – Das Wissensnetz in und<br />
zwischen Unternehmen knüpfen. In: Schneider, U. (Hrsg.): Wissensmanagement – Aktivierung des<br />
intellektuellen Kapitals. Frankfurt 1996, S. 13-49.<br />
SCHNELL/HILL/ESSER (1995)<br />
Schnell, R.; Hill, P.; Esser, E.: Methoden der empirischen Sozialforschung. 5. Auflage, München 1995.<br />
SCHNIEDERJANS (1995)<br />
Schniederjans, M.J.: Goal Programming: Methodology and Applications. Boston – Dordrecht – London<br />
1995.<br />
SCHNOTZ/HEISS (2004)<br />
Schnotz, W.; Heiss, S.F.: Die Bedeutung der Sprache im Wissensmanagement. In: Mandl, H.; Reinmann, G.<br />
(Hrsg.): Psychologie des Wissensmanagements – Perspektiven, Theorien und Methoden. Göttingen 2004, S.<br />
41-52.<br />
SCHNURR ET AL. (2000)<br />
Schnurr, H.; Sure, Y.; Studer, R.; Akkermanns, H.: On-To-Knowledge Methodology – Baseline Version.<br />
On-To-Knowledge Deliverable D-15, Institut AIFB, Universität Karlsruhe, Karlsruhe 2000. Online-Dokument,<br />
im Internet unter der URL: „http://www.ontoknowledge.org/countd/countdown.cgi?del15.pdf“ (Zugriff<br />
am 04.01.2005).<br />
SCHNURR/STAAB/STUDER (1999)<br />
Schnurr, H.-P.; Staab, S.; Studer, R.: Ontology-based Process Support. Report, Institut für Angewandte<br />
Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1999).<br />
SCHOLZ (1994)<br />
Scholz, C.: Personalmanagement – Informationsorientierte und verhaltenstheoretische Grundlagen. 4. Auflage,<br />
München 1994.<br />
SCHREIBER ET AL. (2001a)<br />
Schreiber, G.; Akkermans, H.; Anjewierden, A.; de Hoog, R.; Shadbolt, N.; Van de Velde, W.; Wielinga, B.:<br />
Knowledge engineering and management: the CommonKADS methodology. 2. Druck, Cambridge<br />
(Massachusetts) 2001.<br />
SCHREIBER ET AL. (2001b)<br />
Schreiber, A.T.(G.); Dubbeldam, B.; Wielemaker, J.; Wielinga, B.: Ontology-Based Photo Annotation. In:<br />
IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No. May/June, S. 2-10.<br />
SCHREIBER/WIELINGA/JANSWEIJER (1996)<br />
Schreiber, G.; Wielinga, B., Jansweijer, W.: The KACTUS View on the ‘O’ Word. Report, University of<br />
Amsterdam, Social Science Informatics. Amsterdam o.J. (1996).<br />
SCHREYÖGG/GEIGER (2004)<br />
Schreyögg, G.; Geiger, D.: Kann man implizites in explizites Wissen konvertieren? Die Wissensspirale auf<br />
dem Prüfstand. In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik –<br />
Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen<br />
Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.-<br />
06.06.2003 in Koblenz. Wiesbaden 2004, S. 269-288.
770 Literaturverzeichnis<br />
SCHREYÖGG/NOSS (1997)<br />
Schreyögg, G.; Noss, C.: Zur Bedeutung des organisationalen Wissens für organisatorische Lernprozesse. In:<br />
Wieselhuber, N.; Nahl, A. (Hrsg.): Handbuch Lernende Organisation – Unternehmens- und<br />
Mitarbeiterpotentiale erfolgreich erschließen. Wiesbaden 1997, S. 67-76.<br />
SCHULTE (2001)<br />
Schulte, J.: Wittgenstein – Eine Einführung. Stuttgart 2001.<br />
SCHUMACHER/ZUG (2004)<br />
Schumacher, M.; Zug, S.: Qualitätssicherung durch <strong>Kompetenzmanagementsysteme</strong>. In: Zelewski, S.;<br />
Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und<br />
Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient und<br />
KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 151-160.<br />
SCHÜPPEL (1996)<br />
Schüppel, J.: Wissensmanagement – Organisatorisches Lernen im Spannungsfeld von Wissens- und<br />
Lernbarrieren. Dissertation, Universität St. Gallen 1996. Wiesbaden 1996.<br />
SCHÜTTE (1996)<br />
Schütte, R.: Referenzprozeßmodelle für Handelsunternehmen. In: Handbuch der modernen<br />
Datenverarbeitung (HMD), 33. Jg. (1996), Heft 192, S. 72-87.<br />
SCHÜTTE (1997)<br />
Schütte, R.: Die neuen Grundsätze ordnungsmäßiger Modellierung. Paper zum Forschungsforum ’97,<br />
Leipzig 1997.<br />
SCHÜTTE (1998)<br />
Schütte, R.: Grundsätze ordnungsmäßiger Referenzmodellierung – Konstruktion konfigurations- und<br />
anpassungsorientierter Modelle. Dissertation, Universität Münster. Wiesbaden 1998.<br />
SCHÜTTE (1999a)<br />
Schütte, R.: Basispositionen in der Wirtschaftsinformatik – ein gemäßigt-konstruktivistisches Programm. In:<br />
Becker, J.; König, W.; Schütte, R.; Wendt, O.; Zelewski, S. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie.<br />
Wiesbaden 1999, S. 211-241.<br />
SCHÜTTE (1999b)<br />
Schütte, R.: Architectures for evaluating the quality of information models – a meta and an object level<br />
comparison. In: Akoka, J.; Bouzeghoub, M.; Comyn-Wattiau, I.; Metais, E. (Hrsg.): Conceptual Modelling –<br />
ER’99, Proceedings of the 18th International Conference on Conceptual Modeling, 15.-18.11.1999 in Paris.<br />
Berlin et al. 1999, S. 490-505.<br />
SCHÜTTE/ZELEWSKI (1999)<br />
Schütte, R.; Zelewski, S.: Wissenschafts- und erkenntnistheoretische Probleme beim Umgang mit<br />
Ontologien. In: König, W.; Wendt, O. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie – Verteilte<br />
Theoriebildung, 08.-09.10.1999 in Frankfurt/Main. Frankfurt/Main 1999, Beitrag 2, S. 1-19.<br />
SCHÜTTE/ZELEWSKI (2001)<br />
Schütte, R.; Zelewski, S.: Epistemological Problems in Working with Ontologies. Arbeitsbericht Nr. 13,<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2001.<br />
SCHÜTTE/ZELEWSKI (2002)<br />
Schütte, R.; Zelewski, S.: Epistemological Problems in Working with Ontologies. In: Callaos, N.; Porter, J.;<br />
Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2002),<br />
14.-18.07.2002 in Orlando, Proceedings, Vol. VII – Information Systems Development II. Orlando 2002, S.<br />
161-167.<br />
SCHWEGMANN (1999)<br />
Schwegmann, A.: Objektorientierte Referenzmodellierung – Theoretische Grundlagen und praktische<br />
Anwendung. Dissertation, Universität Münster 1999. Wiesbaden 1999.<br />
SEARLE (1997)<br />
Searle, J.R.: Die Konstruktion der Gesellschaftlichen Wirklichkeit. Zur Ontologie sozialer Tatsachen.<br />
Reinbek 1997.
Literaturverzeichnis 771<br />
SEIDLMEIER (2002)<br />
Seidlmeier, H.: Prozessmodellierung mit ARIS® – Eine beispielorientierte Einführung für Studium und<br />
Praxis. Braunschweig – Wiesbaden 2002.<br />
SHANKS (1997)<br />
Shanks, G.G.: Conceptual Data Modelling. An Empirical Study of Expert and Novice Data Modellers. In:<br />
Australian Journal of Information Systems, Vol. 4 (1997), No. 2, S. 63-73.<br />
SHARMA/STEARNS/NG (2002)<br />
Sharma, R.; Stearns, B.; Ng, T.: Connector Architecture and Enterprise Application Integration. München et<br />
al. 2002.<br />
SHIMP (1991)<br />
Shimp, T.A.: The Role of Subject Awareness in Classical Conditioning: A Case of Opposing Ontologies and<br />
Conflicting Evidence. In: Advances in Consumer Research, Vol. 18 (1991), S. 158-163.<br />
SHOHAM (1994)<br />
Shoham, Y.: Artificial Intelligence Techniques in Prolog. San Francisco 1994.<br />
SHUM (1997)<br />
Shum, S.B.: Negotiating the Construction and Reconstruction of Organisational Memories. In: Journal of<br />
Universal Computer Science, Vol. 3 (1997), No. 8, S. 899-928.<br />
SHUM/MOTTA/DOMINGUE (2000)<br />
Shum, S.B.; Motta, E.; Domingue, J.: ScholOnto: an ontology-based digital library server for research<br />
documents and discourse. In: International Journal on Digitital Libraries, Vol. 3 (2000), S. 237-248.<br />
SIEDENTOPF (1999)<br />
Siedentopf, J.: Das Rekonstruktionsparadigma in der reformulierten starken KI-These. In: Becker, J.; König,<br />
W.; Schütte, R.; Wendt, O.; Zelewski, S. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie.<br />
Wiesbaden 1999, S. 393-415.<br />
SIEGWART (1999)<br />
Siegwart, G.: Identität/Gleichheit. In: Sandkühler, H.J. (Hrsg.): Enzyklopädie Philosophie. Hamburg 1999, S.<br />
603-607.<br />
SIGEL (2000)<br />
Sigel, A.: Zum Wert multipler und adaptiver Indexierung mit Konzeptrahmen für die Sozialwissenschaften.<br />
In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für<br />
Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen<br />
Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 343-361.<br />
SIMONS ET AL. (2000)<br />
Simons, J.; Arampatzis, A.T.; Wondergem, B.C.M.; Shomaker, L.R.B.; van Bommel, P.; van der Weide,<br />
T.P.; Koster, C.H.A.: Profile – A Multi-Disciplinary Approach to Information Discovery. In: Lesperance, Y.;<br />
Wagner, G.; Yu, E. (Hrsg.): Agent-Oriented Information Systems 2000, Proceedings of AOIS-2000 at<br />
CAiSE*00. Berlin 2000, S. 73-89.<br />
SINGH (1999)<br />
Singh, M.P.: An ontology for commitments in multiagent systems: Toward a unification of normative<br />
concepts. In: Artificial Intelligence and Law, Vol. 7 (1999), S. 97-113.<br />
SI-SAID CHERFI/AKOKA/COMYN-WATTIAU (2002)<br />
Si-Said Cherfi, S.; Akoka, J.; Comyn-Wattiau, I.: Conceptual Modeling Quality – From EER to UML<br />
Schemas Evaluation. In: Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER<br />
2002. 21st International Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings.<br />
Berlin et al. 2002, S. 414-428.<br />
SKIRBEKK/GILJE (1993)<br />
Skirbekk, G.; Gilje, N.: Geschichte der Philosophie – eine Einführung in die europäische Philosophiegeschichte<br />
mit Blick auf die Geschichte der Wissenschaften und die politische Philosophie. Frankfurt 1993.
772 Literaturverzeichnis<br />
SKUCE (1997)<br />
Skuce, D.: Hybrid KM: Integrating Documents, Knowledge Bases, Databases, and the Web. In: o.V.: AAAI<br />
Spring Symposium “Artificial Intelligence in Knowledge Management”, 24.-26.03.1997 in Stanford. O.O.<br />
o.J. (1997), o.S. (S. 1-10). Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/<br />
AIKM97/“ (Zugriff am 29.07.1999).<br />
SMITH/BECKER (1996)<br />
Smith, S.F.; Becker, M.A.: An Ontology for Constructing Scheduling Systems. Paper, The Robotics<br />
Institute, Carnegie Mellon University. Pittsburgh o.J. (1996).<br />
SMITH/MARK (1999)<br />
Smith, B.; Mark, D.: Ontology with Human Subjects Testing: An Empirical Investigation of Geographic<br />
Catagories. In: American Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 245-272.<br />
SNEED (1979)<br />
Sneed, J.D.: The Logical Structure of Mathematical Physics. 2. Auflage, Dordrecht – Boston – London 1979.<br />
SNEED (1983)<br />
Sneed, J.D.: Structuralism and Scientific Realism. In: Erkenntnis, Vol. 19 (1983), S. 345-370.<br />
SOARES/AZEVEDO/DE SOUSA (2000)<br />
Soares, A.L.; Azevedo, A.L.; de Sousa, J.P.: Distributed planning and control systems for the virtual<br />
enterprise: organizational requirements and development life-cycle. In: Journal of Intelligent Manufacturing,<br />
Vol. 11 (2000), S. 253-270.<br />
SOMMERS (1996)<br />
Sommers, F.: Existence and Correspondence-to-Fact. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology.<br />
Dordrecht – Boston – London 1996, S. 131-158.<br />
SOMMERVILLE (2001)<br />
Sommerville, I.: Software Engineering. 6. Auflage, Harlow 2001.<br />
SOWA (1984)<br />
Sowa, J.: Conceptual Structures. Reading et al. 1984.<br />
SOWA (1995)<br />
Sowa, J.F.: Top-level ontological categories. In: International Journal of Human-Computer Studies, Vol. 43<br />
(1995), S. 669-685.<br />
SOWA (2000)<br />
Sowa, J.F.: Knowledge Representation – Logical, Philosophical, and Computational Foundations. Pacific<br />
Grove et al. 2000.<br />
SPALLEK (1999)<br />
Spallek, P.: Knowledge Management at Work: The Chemical Information Network of Arthur D. Little. In:<br />
Puppe, F.; Fensel, D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based Systems –<br />
Survey and Future Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09.<br />
1999 in Würzburg, Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition. Internal Report,<br />
Institut für Informatik, Universität Würzburg. Würzburg 1999, S. 57-60.<br />
SPENCER-SMITH (1991)<br />
Spencer-Smith, R.: Logic and Prolog. New York et al. 1991.<br />
SPINNER (2000)<br />
Spinner, H.F.: Ordnungen des Wissens: Wissensorganisation, Wissensrepräsentation, Wissensordnung. In:<br />
Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für<br />
Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der<br />
Internationalen Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 3-23.
Literaturverzeichnis 773<br />
SPINNER (2002)<br />
Spinner, H.F.: Das modulare Wissenskonzept des Karlsruher Ansatzes der integrierten Wissensforschung –<br />
Zur Grundlegung der allgemeinen Wissenstheorie für ‚Wissen aller Arten, in jeder Menge und Güte’. In:<br />
Weber, K.; Nagenborg, M.; Spinner, H.F. (Hrsg.): Wissensarten, Wissensordnungen, Wissensregime – Beiträge<br />
zum Karlsruher Ansatz der integrierten Wissensforschung. Opladen 2002, S. 13-46.<br />
STAAB (2001)<br />
Staab, S.: Semantic Web – Das Web der nächsten Generation. In: Karlsruher Transfer, Heft 15 (Sommersemester<br />
2001), S. 18-23.<br />
STAAB (2002a)<br />
Staab, S.: Wissensmanagement mit Ontologien und Metadaten. In: Informatik Spektrum, Bd. 25 (2002), S.<br />
194-209.<br />
Staab (2002b)<br />
Staab, S.: Wissensmanagement mit Ontologien und Metadaten. Habilitationsschrift, Universität Karlsruhe<br />
2002.<br />
STAAB ET AL. (2000a)<br />
Staab, S.; Erdmann, M.; Maedche, A.; Decker, S.: An Extensible Approach for Modeling Ontologies in<br />
RDF(S). In: Christophides, V.; Plexousakis, D. (Hrsg.): Proceedings of the EDL-2000 Workshop „Semantic<br />
Web: Models, Architectures and Management“, 21.09.2000 in Lissabon. O.O. 2000, S. 43-52.<br />
STAAB ET AL. (2000b)<br />
Staab, S.; Angele, J.; Decker, S.; Erdmann, M.; Hotho, A.; Maedche, A.; Schnurr, H.-P.; Studer, R.: Semantic<br />
Community Web Portals. In: Computer Networks, Vol. 13 (2000), S. 473-491.<br />
STAAB/MAEDCHE (2000)<br />
Staab, S.; Maedche, A.: Ontology Engineering beyond the Modeling of Concepts and Relations. In: Benjamins,<br />
R.V.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.): Proceedings of the ECAI 2000 (14th<br />
European Conference on Artificial Intelligence) Workshop on Applications of Ontologies and Problem-Solving<br />
Methods, 21.-22.08.2000 in Berlin. O.O. 2000, S. 8.1-8.6.<br />
STAAB/MAEDCHE (2001)<br />
Staab, S.; Maedche, A.: Knowledge Portals – Ontologies at Work. In: AI Magazine, Vol. 22 (2001), S. 63-<br />
75.<br />
STANOEVSKA-SLABEVA ET AL. (1998)<br />
Stanoevska-Slabeva, K.; Hombrecher, A.; Handschuh, S.; Schmid, B.: Efficient Information Retrieval: Tools<br />
for Knowledge Management. In: Reimer, U. (Hrsg.): Proceedings of the 2nd International Conference on<br />
Practical Aspects of Knowledge Management (PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 23-1 –<br />
23-6.<br />
STATISTISCHES BUNDESAMT (2003)<br />
Statistisches Bundesamt: Klassifikation der Wirtschaftszweige – Ausgabe 2003 (WZ 2003). Wiesbaden<br />
2003. Online-Dokument, im Internet unter der URL: „http://www.destatis.de/allg/d/klassif/wz2003.htm“<br />
(Zugriff am 14.09.2004).<br />
STEELS (1998)<br />
Steels, L.: The Origins of Ontologies and Communication Conventions in Multi-Agent Systems. In:<br />
Autonomous Agents and Multi-Agent Systems, Vol. 1 (1998), S. 169-194.<br />
STEGMÜLLER (1970)<br />
Stegmüller, W.: Erfahrung, Festsetzung, Hypothese und Einfachheit in der wissenschaftlichen Begriffs- und<br />
Theoriebildung. Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band II:<br />
Theorie und Erfahrung, Studienausgabe Teil A. Berlin et al. 1970.<br />
STEGMÜLLER (1973)<br />
Stegmüller, W.: Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band 2:<br />
Theorie und Erfahrung, 2. Halbband: Theorienstrukturen und Theoriendynamik. Berlin – Heidelberg 1973.
774 Literaturverzeichnis<br />
STEGMÜLLER (1979)<br />
Stegmüller, W.: The Structuralist View of Theories – A Possible Analogue of the Bourbaki Programme in<br />
Physical Science. Berlin – Heidelberg – New York 1979.<br />
STEGMÜLLER (1986a)<br />
Stegmüller, W.: Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band II:<br />
Theorie und Erfahrung, Dritter Teilband: Die Entwicklung des neuen Strukturalismus seit 1973. Berlin –<br />
Heidelberg – New York 1986.<br />
STEGMÜLLER (1986b)<br />
Stegmüller, W.: Kripkes Deutung der Spätphilosophie Wittgensteins – Kommentarversuch über einen<br />
versuchten Kommentar. Stuttgart 1986.<br />
STEGMÜLLER (1987a)<br />
Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band II. 8. Auflage,<br />
Stuttgart 1987.<br />
STEGMÜLLER (1987b)<br />
Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band III. 8.<br />
Auflage, Stuttgart 1987.<br />
STEGMÜLLER (1989)<br />
Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band I. 7. Auflage,<br />
Stuttgart 1989.<br />
STEPHENS (2001)<br />
Stephens, C.U.: The Ontology of Trust and the Transformation of Capitalism in a Knowledge Economy – A<br />
Commentary on Paul Andler´s „Market, Hierarchy, and Trust: The Knowledge Economy and the Future of<br />
Capitalism”. In: Organization Science, Vol. 12 (2001), No. 2, S. 238-240.<br />
STEVENS ET AL. (2004)<br />
Stevens, R.; Wroe, C.; Lord, P.; Goble, C.: Ontologies in Bioinformatics. In: Staab, S.; Studer, R. (Hrsg.):<br />
Handbook on Ontologies. Berlin – Heidelberg 2004, S. 635-657.<br />
STICKLEN (1989)<br />
Sticklen, J.: Problem-solving architecture at the knowledge level. In: Journal of Experimental and<br />
Theoretical Artificial Intelligence, Vol. 1 (1989), No. 4, S. 233-247.<br />
STOCKMANN (2004)<br />
Stockmann, L.: Kompetenzmanagement bei der Deutschen Steinkohle AG – als Element von Wissensmanagement.<br />
Präsentation anlässlich des Praxisforums Wissensmanagement, am 06.05.2004 in Essen (Handout).<br />
STRAHRINGER (1995)<br />
Strahringer, S.: Zum Begriff des Metamodells. Schriften zur Quantitativen Betriebswirtschaftslehre, Nr.<br />
6/95, Technische Hochschule Darmstadt. Darmstadt 1995.<br />
STRAHRINGER (1998)<br />
Strahringer, S.: Ein sprachbasierter Metamodellbegriff und seine Verallgemeinerung durch das Konzept des<br />
Metaisierungsprinzips. In: Pohl, K.; Schürr, A.; Vossen, G. (Hrsg.): Modellierung’ 98 – Proceedings, 11.-13.<br />
03.1998 in Münster. Bericht Nr. 6/98-I, Institut für Angewandte Mathematik und Informatik, Universität<br />
Münster. Münster 1998, S. 15-20. (Auch erschienen in: CEUR Workshop Proceedings, Vol. 9., im Internet<br />
unter der URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 12.<br />
07.1999).<br />
STUDER ET AL. (1999)<br />
Studer, R.; Fensel, D.; Decker, S.; Benjamins, V.R.: Knowledge Engineering: Survey and Future Directions.<br />
In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future Directions, 5th Biannual<br />
German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, Proceedings. Berlin et al.<br />
1999, S. 1-23.
Literaturverzeichnis 775<br />
STUDER ET AL. (2001)<br />
Studer, R.; Erdmann, M.; Mädche, A.; Oppermann, H.; Schnurr, H.-P.; Staab, S.; Sure, Y.; Tempich, C.: Arbeitsgerechte<br />
Bereitstellung von Wissen – Ontologien für das Wissensmanagement. Report, Forschungsgruppe<br />
Wissensmanagement, Institut für Angewandte Informatik und Formale Beschreibungsverfahren<br />
(AIFB), Universität Karlsruhe. Karlsruhe 2001.<br />
STUDER/BENJAMINS/FENSEL (1998)<br />
Studer, R.; Benjamins, R.V.; Fensel, D.: Knowledge Engineering: Principles and Methods. In: Data &<br />
Knowledge Engineering, Vol. 25 (1998), S. 161-197.<br />
STUDER/OPPERMANN/SCHNURR (2001)<br />
Studer, R.; Oppermann, H.; Schnurr, H.-P.: Die Bedeutung von Ontologien für das Wissensmanagement.<br />
Report der Ontoprise GmbH. Karlsruhe 2001.<br />
STUDER/SCHNURR/NIERLICH (2001)<br />
Studer, R.; Schnurr, H.-P.; Nierlich, A.: Semantisches Knowledge Retrieval. Whitepaper der Ontoprise<br />
GmbH. Karlsruhe 2001.<br />
STUMME ET AL. (2001)<br />
Stumme, G.; Taouil, R.; Bastide, Y.; Pasquier, N.; Lakhal, L.: Intelligent Structuring and Reducing of<br />
Association Rules with Formal Concept Analysis. In: Baader, F.; Brewka, G.; Eiter, T. (Hrsg.): KI 2001:<br />
Advances in Artificial Intelligence, Joint German/Austrian Conference on AI, 19.-21.09.2001 in Wien,<br />
Proceedings. Berlin – Heidelberg – New York 2001, S. 335-350.<br />
STUMME/MAEDCHE (2001)<br />
Stumme, G.; Maedche, A.: FCA-Merge: Bottom-Up Merging of Ontologies. In: o.V.: Proceedings of the<br />
17th International Conference on Artificial Intelligence, IJCAI-2001, 01.-06.08.2001 in Seattle. O.O. o.S. (S.<br />
1-6).<br />
STUMME/STUDER/SURE (2000)<br />
Stumme, G.; Studer, R.; Sure, Y.: Towards an Order-Theoretical Foundation for Maintaining and Merging<br />
Ontologies. In: Bodendorf, F.; Grauer, M. (Hrsg.): Verbundtagung Wirtschaftsinformatik 2000. Aachen<br />
2000, S. 136-149.<br />
SUGUMARAN/STOREY (2002)<br />
Sugumaran, V.; Storey, V.C.: Ontologies for conceptual modeling: their creation, use, and management. In:<br />
Data & Knowledge Engineering, Vol. 42 (2002), S. 251-271.<br />
SUKOWSKI (2002)<br />
Sukowski, O.: Der Einfluss der Kommunikationsbeziehungen auf die Effizienz des Wissenstransfers – Ein<br />
Ansatz auf Basis der Neuen Institutionenökonomie. Dissertation, Universität St. Gallen. St. Gallen 2002.<br />
SULLIVAN (1998)<br />
Sullivan, D.: The Ontology of International Business: A Comment on International Business: An Emerging<br />
Vision. In: Journal of International Business Studies, Vol. 29 (1998), No. 4, S. 877-886.<br />
SURE (2002a)<br />
Sure, Y.: On-To-Knowledge Ontology based Knowledge Management Tools and their Application. In:<br />
Künstliche Intelligenz, 16. Jg. (2002), Heft 1, S. 35-37.<br />
SURE (2002b)<br />
Sure, Y.: Travelling Domain Experiment: Engineering with OntoEdit. In: Angele, J.; Sure, Y. (Hrsg.): Proceedings<br />
of the 1st Workshop on Evaluation of Ontology-based Tools (EON2002), held at the 13th<br />
International Conference on Knowledge Engineering and Knowledge Management (EKAW 2002), 30.09.<br />
2002 in Siguenza, CEUR Workshop Proceedings, o.S. (S. 1-10). Online-Dokument, im Internet unter der<br />
URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-62/“ (Zugriff am 04.01.2005).<br />
SURE (2003)<br />
Sure, Y.: Methodology, Tools & Case Studies for Ontology based Knowledge Management. Dissertation,<br />
Universität Karlsruhe. Karlsruhe 2003.
776 Literaturverzeichnis<br />
SURE ET AL. (2002)<br />
Sure, Y.; Erdmann, M.; Angele, J.; Staab, S.; Studer, R.; Wenke, D.: OntoEdit: Collaborative Ontology<br />
Development for the Semantic Web. In: o.V.: Proceedings of the First International Semantic Web Conference<br />
2002 (ISWC 2002), 09.-12.06.2002 in Sardinia. Berlin et al. 2002, S. 221-235.<br />
SURE/MAEDCHE/STAAB (2000)<br />
Sure, Y.; Maedche, A.; Staab, S.: Leveraging Corporate Skill Knowledge – From ProPer to OntoProPer. In:<br />
Mahling, D.; Reimer, U. (Hrsg.): Proceedings of the Third International Conference on Practical Aspects of<br />
Knowledge Management (PAKM 2000), 30.-31.10.2000 in Basel. Basel 2000, S. 221-229.<br />
SURE/STAAB/STUDER (2004)<br />
Sure, Y.; Staab, S.; Studer, R.: On-To-Knowledge Methodology (OTKM). In: Staab, S.; Studer, R. (Hrsg.):<br />
Handbook on Ontologies. Berlin – Heidelberg 2004, S. 117-135.<br />
SURE/STUDER (2002)<br />
Sure, Y.; Studer, R.: On-To-Knowledge Methodology – final version. On-To-Knowledge deliverable D-18,<br />
Institut AIFB, Universität Karlsruhe, Karlsruhe 2002. Online-Dokument, im Internet unter der URL: „http://<br />
www.ontoknowledge.org/downl/del18.pdf“ (Zugriff am 09.07.2004).<br />
SWARTOUT ET AL. (1997)<br />
Swartout, B.; Patil, R.; Knight, K.; Russ, T.: Toward Distributed Use of Large-Scale Ontologies. In:<br />
Farquhar, A.; Gruninger, M. (Hrsg.): Ontological Engineering, Papers from the 1997 AAAI Symposium, 24.-<br />
26. 03.1997 in Stanford, Technical Report SS-97-106. Menlo Park 1997, S. 138-148.<br />
SWERTZ (2000)<br />
Swertz, C.: Ausbildung zum Gebrauch didaktischer Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A.<br />
(Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme,<br />
Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation,<br />
23.-25.09.1999 in Hamburg. Würzburg 2000, S. 431-447.<br />
SYCARA ET AL. (1999)<br />
Sycara, K.; Klusch, M.; Widoff, S.; Lu, J.: Dynamic Service Matchmaking Among Agents in Open Information<br />
Environments. Preprint 1999. (Veröffentlicht in: Ouksel, A.; Sheth, A. (Hrsg.): Journal ACM<br />
SIGMOD Record, Special Issue on Semantic Interoperability of Global Information Systems 1999.)<br />
SYCARA ET AL. (2002)<br />
Sycara, K.; Widoff, S.; Klusch, M.; Lu, J.: LARKS: Dynamic Matchmaking Among Heterogeneous Software<br />
Agents in Cyberspace. In: Autonomous Agents and Multi-Agent Systems, Vol. 5 (2002), S. 173-203.<br />
SYCARA/PAOLUCCI (2004)<br />
Sycara, K.; Paolucci, M.: Ontologies in Agent Architectures. In: Staab, S.; Studer, R. (Hrsg.): Handbook on<br />
Ontologies. Berlin – Heidelberg 2004, S. 343-363.<br />
SYLVAN/THORSON (1992)<br />
Sylvan, D.A.; Thorson, S.J.: Ontologies, Problem Representation, and the Cuban Missile Crisis. In: Journal<br />
of Conflict Resolution, Vol. 36 (1992), No. 4, S. 709-732.<br />
SZUMILEWICZ (1977)<br />
Szumilewicz, I.: Incommensurability and the Rationality of the Development of Science. In: The British<br />
Journal for the Philosophy of Science, Vol. 28 (1977), S. 345-350.<br />
TAMMA/BENCH-CAPON (2002)<br />
Tamma, V.; Bench-Capon, T.: An ontology model to facilitate knowledge-sharing in multi-agent systems.<br />
In: The Knowledge Engineering Review, Vol. 17 (2002), No. 1, S. 41-60.<br />
TATE (1998)<br />
Tate, A.: Roots of SPAR – Shared Planning and Activity Representation. In: The Knowledge Engineering<br />
Review, Vol. 13 (1998), No. 1, S. 121-128.
Literaturverzeichnis 777<br />
TAUTZ/GRESSE VON WANGENHEIM (1999)<br />
Tautz, C.; Gresse von Wangenheim, C.: A Representation Formalism for Supporting Reuse of Software Engineering<br />
Knowledge. In: Puppe, F.; Fensel, D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based<br />
Systems – Survey and Future Directions. 5th Biannual German Conference on Knowledge-<br />
Based Systems, 03.-05.09.1999 in Würzburg, Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition.<br />
Internal Report, Institut für Informatik, Universität Würzburg. Würzburg 1999, S. 61-70.<br />
TEGTMEIER (1994)<br />
Tegtmeier, E.: Der Hyperdynamismus in der Ontologie der Zeit – Eine Auseinandersetzung mit Brentano<br />
und McTaggert. In: Logos – Zeitschrift für systematische Philosophie, Bd. 1 (1994), S. 400-421.<br />
TERO/BRIGGS (1994)<br />
Tero, A.; Briggs, P.: Consistency versus compatability: a question of levels? In: International Journal of<br />
Human-Computer Studies, Vol. 40 (1994), S. 879-894.<br />
THAM/FOX/GRUNINGER (1994)<br />
Tham, K.D.; Fox, M.S.; Gruninger, M.: A Cost Ontology for Enterprise Modelling. Paper, Department of<br />
Industrial Engineering, University of Toronto. Toronto 1994. (Auch erschienen in: o.V.: Proceedings of the<br />
Third Workshop on Enabling Technologies – Infrastructures for Collaborative Enterprises. West Virginia<br />
University 1994.)<br />
THOMAS/SCHEER (2003)<br />
Thomas, O.; Scheer, A.-W.: Customizing von Dienstleistungsinformationssystemen. In: Bullinger, H.-J.;<br />
Scheer, A.-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer Dienstleistungen.<br />
Berlin – Heidelberg 2003, S. 677-718.<br />
THOMSEN (2000)<br />
Thomsen, E-H.: Management von Kernkompetenzen. Methodik zur Identifikation und Entwicklung von<br />
Kernkompetenzen für die erfolgreiche strategische Ausrichtung von Unternehmen. München 2000.<br />
TOULMIN/ROEKE/JANIK (1979)<br />
Toulmin, S.; Roeke, R.; Janik, A.: An introduction to reasoning. New York – London 1979.<br />
TRICHET/LECLÈRE (2002)<br />
Trichet, F.; Leclère, M.: A Framework for building Competency-Based Systems dedicated to Human<br />
Resource Management. Online-Paper, IRIN – Computer Science Research Institute, University of Nantes.<br />
Nantes o.J. (2002). Online-Dokument, im Internet unter der URL: „http://www.scince.univ-nantes.fr/irin/<br />
commoncv“ (Zugriff am 11.03.2003).<br />
TSCHAITSCHIAN/ABECKER/SCHMALHOFER (1997)<br />
Tschaitschian, B.; Abecker, A.; Schmalhofer, F.: Information Tuning with KARAT: Capitalizing on Existing<br />
Documents. In: Plaza, E.; Benjamins, R.: (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th<br />
European Workshop (EKAW’97), 15.-18.10.1997 in Sant Feliu de Guixols. Berlin et al. 1997, S. 269-284.<br />
TU ET AL. (1994)<br />
Tu, S.W.; Eriksson, H.; Gennari, J.; Shahar, Y.; Musen, M.A.: Ontology-Based Configuration of Problem-<br />
Solving Methods and Generation of Knowledge-Acquisition Tools: Application of PROTÉGÉ-II to Protocol-<br />
Based Decision Support. SMI Technical Report No. 94-520, Section on Medical Informatics, Stanford<br />
University School of Medicine. Stanford 1994.<br />
ULMER (2002)<br />
Ulmer, G.: Die Bewertung nach Aufgabenerfüllung führt aus dem Patt. In: Personal – Zeitschrift für Human<br />
Resource Management, 54. Jg. (2002), Heft 7, S. 46-48.<br />
UPHOFF (1997)<br />
Uphoff, H.: Ein Ansatz zur Integration von Pfadausdrücken in Frame-Logik. Dissertation, Universität<br />
Freiburg im Breisgau. Freiburg im Breisgau 1997.<br />
USCHOLD (1996a)<br />
Uschold, M.: Converting an Informal Ontology into Ontolingua: Some Experiences. In: Proceedings of the<br />
Workshop on Ontological Engineering (in conjunction with ECAI´96), Budapest 1996. (Auch erschienen als<br />
AIAI Technical Report 192.)
778 Literaturverzeichnis<br />
USCHOLD (1996b)<br />
Uschold, M.: Building Ontologies: Towards A Unified Methodology. In: 16th Annual Conference of the<br />
British Computer Society Specialist Group on Expert Systems, Cambridge 1996. (Auch erschienen als AIAI<br />
Technical Report 197.)<br />
USCHOLD (1996c)<br />
Uschold, M.: Knowledge level modelling: concepts and terminology. In: The Knowledge Engineering<br />
Review, Vol. 11 (1996), No. 2, S. 5-29.<br />
USCHOLD ET AL. (1998)<br />
Uschold, M.; King, M.; Moralee, S.; Zorgios, Y.: The Enterprise Ontology. In: The Knowledge Engineering<br />
Review, Vol. 13 (1998), No. 1, S. 31-89.<br />
USCHOLD/GRUNINGER (1996)<br />
Uschold, M.; Gruninger, M.: Ontologies: principles, methods and applications. In: The Knowledge<br />
Engineering Review, Vol. 11 (1996), No. 2, S. 93-136. (Auch erschienen als: Ontologies: Principles,<br />
Methods and Applications. Report AIAI-TR-191, Artificial Intelligence Applications Institute, The<br />
University of Edinburgh. Edinburgh 1996.)<br />
USCHOLD/JASPER (1999)<br />
Uschold, M.; Jasper, R.: A Framework for Understanding and Classifying Ontology Applications. In:<br />
Benjamins, V.R.; Chandraskendaran, B.; Gomez-Perez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings<br />
of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in<br />
Stockholm. Amsterdam 1999, S. 11-1 – 11-12.<br />
USCHOLD/KING (1995)<br />
Uschold, M.; King, M.: Towards a Methodology for Building Ontologies. In: Workshop on Basic<br />
Ontological Issues in Knowledge Sharing (in conjunction with IJCAI-95). Montreal 1995. (Auch erschienen<br />
als AIAI Technical Report 183.)<br />
VAN DER AALST/VAN HEE (2002)<br />
van der Aalst, W.; van Hee, K.: Workflow Management – Models, Methods, and Systems. Cambridge –<br />
London 2002.<br />
VAN HARMELEN/FENSEL (1999)<br />
van Harmelen, F.; Fensel, D.: Practical Knowledge Representation for the Web. In: Fensel, D.; Knoblock,<br />
C.; Kushmerick, N.; Rousset, M.-C. (Hrsg.): Proceedings of the IJCAI-99 Workshop on Intelligent<br />
Information Integration, 31.07.1999 in Stockholm, CEUR Workshop Proceedings, Vol. 23. Aachen 1999,<br />
o.S. (S. 1-7).<br />
VAN HEIJST/SCHREIBER/WIELINGA (1997)<br />
van Heijst, G.; Schreiber, T.; Wielinga, B.J.: Using explicit ontologies in KBS development. In: International<br />
Journal of Human-Computer Studies, Vol. 45 (1997), S. 183-292.<br />
VAN HOOF/FILLIES (2003)<br />
van Hoof, A.; Fillies, C.: Das semantische Unternehmensprozessweb – Aufgaben- und rollengerechte<br />
Informationsversorgung durch vorgebaute Informationsräume. In: Künstliche Intelligenz, 17. Jg. (2003),<br />
Heft 3/4, S. 50-53.<br />
VASCONCELOS/KI<strong>MB</strong>LE/GOUVEIA (2000)<br />
Vasconcelos, J.; Kimble, C.; Gouveia, F.R.: A Design for a Group Memory System Using Ontologies. In:<br />
o.V.: Proceedings of 5th UKAIS Conference, 2000 in Cardiff. o.O. 2000, o.S. (S. 1-11).<br />
VDI/VDE 2621 (1996)<br />
Verein Deutscher Ingenieure/Verein Deutscher Elektrotechniker (Hrsg.): Qualitätsmanagement mit<br />
Wissensbasierten Systemen – Anwenderleitfaden. Richtlinie 2621 – Entwurf. Düsseldorf 1996.<br />
VERLAGE (1998)<br />
Verlage, M.: Vorgehensmodelle und ihre Formalisierung. In: Kneuper, R.; Müller-Luschnat, G.; Oberweis,<br />
A. (Hrsg.): Vorgehensmodelle für die betriebliche Anwendungsentwicklung. Leipzig 1998, S. 60-76.<br />
VICKERY (1997)<br />
Vickery, B.C.: Ontologies. In: Journal of Information Sciences, Vol. 23 (1997), No. 4, S. 277-286.
Literaturverzeichnis 779<br />
VISSER (2004)<br />
Visser, U.: Intelligent Information Integration for the Semantic Web. Berlin et al. 2004.<br />
VISSER ET AL. (2002a)<br />
Visser, U.; Stuckenschmidt, H.; Schuster, G.; Vögele, T.: Ontologies for geographic information processing.<br />
In: Computers & Geosciences, Vol. 28 (2002), S. 103-117.<br />
VISSER ET AL. (2002b)<br />
Visser, U.; Stuckenschmidt, H.; Schlieder, C.; Wache, H.; Timm, I.: Terminology Integration for the Management<br />
of Distributed Information Resources. In: Künstliche Intelligenz, 16. Jg. (2002), Heft 1, S. 31-34.<br />
VISSER/BENCH-CAPON (1998)<br />
Visser, P.R.S.; Bench-Capon, T.J.M.: A Comparison of Four Ontologies for the Design of Legal Knowledge<br />
Systems. In: Artificial Intelligence and Law, Vol. 6 (1998), S. 27-57.<br />
VISSER/TAMMA (1999)<br />
Visser, P.R.S.; Tamma, V.A.M.: An Experience with Ontology-based Agent Clustering. In: Benjamins,<br />
V.R.; Chandraskendaran, B.; Gomez-Perez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings of the IJCAI-<br />
99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in Stockholm. Amsterdam<br />
1999, S. 12-1 – 12-13.<br />
VOLLMER (1987)<br />
Vollmer, G.: Was Evolutionäre Erkenntnistheorie nicht ist. In: Riedl, R.; Wuketis, F.M. (Hrsg.):<br />
Evolutionäre Erkenntnistheorie. Bedingungen – Lösungen – Kontroversen. Berlin – Hamburg 1987, S. 140-<br />
155.<br />
VOLLMER (1994)<br />
Vollmer, G.: Evolutionäre Erkenntnistheorie. 6. Auflage, Stuttgart 1994.<br />
VON FOERSTER (1987)<br />
von Foerster, H.: Erkenntnistheorien und Selbstorganisation. In: Schmidt, S.J. (Hrsg.): Der Diskurs des<br />
Radikalen Konstruktivismus. Frankfurt/Main 1987, S. 133-158.<br />
VON HU<strong>MB</strong>OLDT (1963)<br />
von Humboldt, W.: Schriften zur Sprachphilosophie. Darmstadt 1963 (im Original: 1830-1835).<br />
VON KROGH/ROOS (1996)<br />
von Krogh, G.; Roos, J.: Conversation Management for Knowledge Development. In: von Krogh, G.; Roos,<br />
J. (Hrsg.): Managing Knowledge: Perspectives on Communication and Competition. London et al. 1996, S.<br />
218-226.<br />
VON KUTSCHERA (1975)<br />
von Kutschera, F.: Sprachphilosophie. 2. Auflage, München 1975.<br />
VON KUTSCHERA (1976)<br />
von Kutschera, F.: Einführung in die intensionale Semantik. Berlin – New York 1976.<br />
VON SAVIGNY (1996)<br />
von Savigny, E.: Der Mensch als Mitmensch – Wittgensteins › Philosophische Untersuchungen ‹. München<br />
1996.<br />
VOSSEN (1994)<br />
Vossen, G.: Datenmodelle, Datenbanksprachen und Datenbank-Management-Systeme. 2. Auflage, Bonn et<br />
al. 1994.<br />
WAND (1996)<br />
Wand, Y.: Ontology as a foundation for meta-modelling and method engineering. In: Information and<br />
Software Technology, Vol. 38 (1996), S. 281-287.<br />
WAND ET AL. (1995)<br />
Wand, Y.; Monarchi, D.E.; Parsons, J.; Woo, C.C.: Theoretical foundations for conceptual modelling in<br />
information systems development. In: Decision Support Systems, Vol. 15 (1995), S. 285-304.
780 Literaturverzeichnis<br />
WAND/WEBER (1989)<br />
Wand, Y.; Weber, R.: An ontological evaluation of systems analysis and design methods. In: Falkenberg,<br />
E.D.; Lindgreen, P. (Hrsg.): Information System Concepts: An Indepth Analysis. Amsterdam et al. 1989, S.<br />
79-107.<br />
WAND/WEBER (1995)<br />
Wand, Y.; Weber, R.: On the deep structure of information systems. In: Information Systems Journal, Vol. 5<br />
(1995), S. 203-223.<br />
WANG, X. (2002)<br />
Wang, X.: Taxonomy, truth-value gaps and incommensurability: a reconstruction of Kuhn´s taxonomic<br />
interpretation of incommensurability. In: Studies in History and Philosophy of Science, Vol. 33 (2002), S.<br />
465-485.<br />
WANG, Y. (2002)<br />
Wang, Y.: Software Engineering Standards: Review and Perspectives. In: Chang, S.K. (Hrsg.): Handbook of<br />
Software Engineering und Knowledge Engineering, Vol. 1: Fundamentals. Singapore 2002, S. 277-304.<br />
WARNECKE/GISSLER/STAMMWITZ (1998)<br />
Warnecke, G.; Gissler, A.; Stammwitz, G.: Referenzmodell Wissensmanagement – Ein Ansatz zur<br />
modellbasierten Gestaltung wissensorientierter Prozesse. In: Information Management, 13. Jg. (1998), Heft<br />
1, S. 24-50.<br />
WATERMAN (1986)<br />
Waterman, D.A.: A Guide to Expert Systems. Reading 1986.<br />
WEBER (1993)<br />
Weber, K.: Mehrkriterielle Entscheidungen. München – Wien 1993.<br />
WEBER (1995)<br />
Weber, K.: AHP-Analyse. In: Zeitschrift für Planung, 6. Jg. (1995), Heft 2, S. 185-195.<br />
WEBER (1997)<br />
Weber, R.: Ontological Foundation of Information Systems. Melbourne 1997.<br />
WEBER (2002)<br />
Weber, R.: Conceptual Modelling and Ontology: Possibilities and Pitfalls. In: Spaccapietra, S.; March, S.T.;<br />
Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International Conference on Conceptual<br />
Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 1-2.<br />
WEI (1999)<br />
Wei, F.: F-logic Semantics and Implementation of Internet Metadata. Paper, Technische Universität Dresden,<br />
Computational Logic/Universität Freiburg, Institut für Informatik. Dresden – Freiburg 1999.<br />
WEINRICH (1985)<br />
Weinrich, H.: Wege der Sprachkultur. Stuttgart 1985.<br />
WEINSTEIN (1998)<br />
Weinstein, P.C.: Ontology-Based Metadata: Transforming the MARC Legacy. In: o.V.: Proceedings of the<br />
Third ACM Conference on Digital Libraries, 1998 in Pittsburgh. New York 1998, S. 254-263.<br />
WEINSTEIN/BIRMINGHAM (1998)<br />
Weinstein, P.C.; Birmingham, W.P.: Creating ontological metadata for digital library content and services.<br />
Paper, University of Michigan Digital Library, Artificial Intelligence Laboratory, University of Michigan.<br />
Michigan 1998.<br />
WEISGERBER (1962)<br />
Weisgerber, L.: Die sprachliche Gestaltung der Welt. 3. Aufl., Düsseldorf 1962.<br />
WEISGERBER (1971)<br />
Weisgerber, L.: Die geistige Seite der Sprache und ihre Erforschung. Düsseldorf 1971.
Literaturverzeichnis 781<br />
WEISGERBER (1975)<br />
Weisgerber, L.: Die anthropologische Tragweite der energetischen Sprachbetrachtung. In: Gadamer, H.-G.;<br />
Vogler, P. (Hrsg.): Neue Anthropologie, Band 7: Philosophische Anthropologie, Zweiter Teil. Stuttgart<br />
1975, S. 168-203.<br />
WEISS (2001)<br />
Weiss, G. (Hrsg.): Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. 3.<br />
Auflage, Cambridge 2001.<br />
WEISSMAHR (1991)<br />
Weissmahr, B.: Ontologie – Grundkurs Philosophie 3. 2. Auflage, Stuttgart – Berlin – Köln 1991.<br />
WELTY/FERRUCCI (1999)<br />
Welty, C.; Ferrucci, D.A.: Instances and Classes in Software Engineering. In: Intelligence, Vol. 10 (1999),<br />
No. 2, S. 18-23.<br />
WELTY/GUARINO (2001)<br />
Welty, C.; Guarino, N.: Supporting ontological analysis of taxonomic relationships. In: Data & Knowledge<br />
Engineering, Vol. 39 (2001), S. 51-74.<br />
WHITELEY (2002)<br />
Whiteley, A.: Core values, GSS and Social Constructionism: Paradigmatic Reflections – A concept by<br />
Stephen Simpson (Whiteley, Simpson and Soutar, 2000). In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The<br />
6th World Multiconference on Systemics, Cybernetics and Informatics, 14.-18.07.2002 in Orlando, Proceedings,<br />
Vol. VII – Information Systems Development II. Orlando 2002, o.S. (S. 1-7).<br />
WHORF (1997)<br />
Whorf, B.L.: Sprache – Denken – Wirklichkeit. Grundzüge zur Metalinguistik und Sprachphilosophie. 21.<br />
Auflage, Hamburg 1997.<br />
WIELINGA/SCHREIBER (1994)<br />
Wielinga, B.; Schreiber, G.: Reusable and Shareable Knowledge Bases: A European Perspective. In: Fuchi,<br />
K.; Yokoi, T. (Hrsg.): Knowledge Building and Knowledge Sharing. Tokyo et al. 1994, S. 110-120.<br />
WIERINGA/MEYER/WEIGAND (1989)<br />
Wieringa, W.; Meyer, J.-J.; Weigand, H.: Specifying dynamic and deontic integrity constraints. In: Data &<br />
Knowledge Engineering, Vol. 4 (1989), S. 157-189.<br />
WILKESMANN/RASCHER (2002)<br />
Wilkesmann, U.; Rascher, I.: Lässt sich Wissen durch Datenbanken managen? Möglichkeiten und Grenzen<br />
von elektronischen Datenbanken. In: Zeitschrift Führung und Organisation, 71. Jg. (2002), Heft 6, S. 342-<br />
351.<br />
WILLASCHEK (1996)<br />
Willaschek, M.: Sprachphilosophie. In: Gniffke, F.; Herold, N. (Hrsg.): Philosophie. Problemfelder und<br />
Disziplinen. Münster 1996, S. 157-177.<br />
WIND/SAATY (1980)<br />
Wind, Y.; Saaty, T.L.: Marketing Applications of the Analytic Hierarchy Process. In: Management Science,<br />
Vol. 26 (1980), No. 7, S. 641-658.<br />
WINTER (1991)<br />
Winter, R.: Mehrstufige Produktionsplanung in Abstraktionshierarchien auf der Basis relationaler<br />
Informationsstrukturen. Dissertation, Universität Frankfurt/Main 1989. Berlin et al. 1991.<br />
WINTER (2000)<br />
Winter, A.: Referenz-Metaschema für visuelle Modellierungssprachen. Dissertation, Universität Koblenz-<br />
Landau 2000. Wiesbaden 2000.
782 Literaturverzeichnis<br />
WITTGENSTEIN (1921),<br />
Wittgenstein, L.: Logisch-Philosophische Abhandlung. In: Annalen der Naturphilosophie, Bd. 14 (1921), S.<br />
185-262. (Auch erschienen als: a) Tractatus Logico-Philosophicus. 6. Druck, London 1955. b) Wiehl, R.<br />
(Hrsg.): Geschichte der Philosophie in Text und Darstellung, Band 8: 20. Jahrhundert. Frankfurt/Main 1984,<br />
S. 290-325 (auszugsweise). c) Wittgenstein: Ausgewählt und vorgestellt von Thomas H. Macho. München<br />
1996, S. 91-166.)<br />
WITTGENSTEIN (1977)<br />
Wittgenstein, L.: Philosophische Untersuchungen. Frankfurt/Main 1977.<br />
WITTGENSTEIN (1996)<br />
Wittgenstein: Ausgewählt und vorgestellt von Thomas H. Macho. München 1996.<br />
WOLTERS (2004a)<br />
Wolters, G.: Syllogismus, hypothetischer. Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und<br />
Wissenschaftstheorie, Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 154-155.<br />
WOLTERS (2004b)<br />
Wolters, G.: Syllogistik. Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band 4:<br />
Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 156-158.<br />
WOLTERS (2004c)<br />
Wolters, G.: Korrespondenzregel. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie,<br />
Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 480-481.<br />
WRIGHT (1999)<br />
Wright, A.: Knowledge & Skills Management at NSA – It’s all about people. In: Knowledge Management<br />
Review, Vol. 1999, No. 9, S. 20-23.<br />
WUWONGSE ET AL. (2003)<br />
Wuwongse, V.; Akama, K.; Anutariya, C.; Nantajeewarawat, E.: A Data Model for XML Databases. In:<br />
Journal of Intelligent Information Systems, Vol. 20 (2003), No. 1, S. 63-80.<br />
YAMAGUCHI (1999)<br />
Yamaguchi, T.: Constructing Domain Ontologies Based on Concept Drift Analysis. In: Benjamins, V.R.;<br />
Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings of the IJCAI-99<br />
Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in Stockholm. Amsterdam<br />
1999, S. 13-1 – 13-7.<br />
YATES-MERCER/BAWDEN (2002)<br />
Yates-Mercer, P.; Bawden, D.: Managing the paradox: the valuation of knowledge and knowledge<br />
management. In: Journal of Information Science, Vol. 28 (2002), No. 1, S. 19-29.<br />
YEN/TEH/LIVELY (1998)<br />
Yen, J.; Teh, S.H.; Lively, W.M.: Principled Modeling and Automatic Classification for Enhancing the<br />
Reusability of Problem Solving Methods of Expert Systems. In: Applied Intelligence, Vol. 1 (1998), S. 139-<br />
155.<br />
YOO/KIM (2002)<br />
Yoo, S.B.; Kim, Y.: Web-based knowledge management for sharing product data in virtual enterprises. In:<br />
International Journal of Production Economics, Vol. 75 (2002), S. 173-183.<br />
YUAN/CHENG (2004)<br />
Yuan, S.-T.; Cheng, C.: Ontology-based personalized couple clustering for heterogeneous product recommendation<br />
in mobile marketing. In: Expert Systems with Applications, Vol. 26 (2004), No. 4, S. 461-476.<br />
ZARNEKOW (1999)<br />
Zarnekow, R.: Softwareagenten und elektronische Kaufprozesse – Referenzmodelle zur Integration. Dissertation,<br />
Technische Universität Freiberg 1999. Wiesbaden 1999.
Literaturverzeichnis 783<br />
ZARRI/AZZAM (1997)<br />
Zarri, G.P.; Azzam, S.: Building Up and Making Use of Corporate Knowledge Repositories. In: Plaza, E.;<br />
Benjamins, R.: (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop<br />
(EKAW’97), 15.-18.10.1997 in Sant Feliu de Guixols. Berlin et al. 1997, S. 301-316.<br />
ZDRAHAL/VALASEK/CERMAK (1999)<br />
Zdrahal, Z.; Valasek, M.; Cermak, J.: Selecting Manufacturing Technology: A Knowledge Modelling<br />
Approach. In: Journal of Intelligent and Robotic Systems, Vol. 26 (1999), S. 405-422.<br />
ZELEWSKI (1990)<br />
Zelewski, S.: Schwache Argumente gegen die starke KI-These – Ein Beitrag zur Diskussion über Searle’s<br />
chinesisches Zimmer. Arbeitsberichte des Industrieseminars der Universität zu Köln, Nr. 32. Köln 1990<br />
(veröffentlicht in: WI-Depot Nr. 93/5).<br />
ZELEWSKI (1991)<br />
Zelewski, S.: Die starke KI-These – Zu Searle’s Wiederbelebung einer fragwürdigen Debatte über die<br />
Grundlagen des Erkenntnisprogramms der Erforschung Künstlicher Intelligenz (KI). In: Journal for General<br />
Philosophy of Science, Vol. 22 (1991), S. 337-348.<br />
ZELEWSKI (1993a)<br />
Zelewski, S.: Strukturalistische Produktionstheorie – Konstruktion und Analyse aus der Perspektive des „non<br />
statement view“ (Habilitationsschrift unter dem Titel “Strukturalistische Produktionstheorie – Ein Vorschlag<br />
für Formulierung und Leistungsvergleich produktionswirtschaftlicher Theorien“, Universität zu Köln 1992).<br />
Wiesbaden 1993.<br />
ZELEWSKI (1993b)<br />
Zelewski, S.: Searle’s Wiederbelebung der starken KI-These – Ein Beitrag zur Diskussion des Erkenntnisprogramms<br />
der Erforschung Künstlicher Intelligenz (KI). In: Casati, R.; White, G. (Hrsg.): Philosophy and<br />
the Cognitive Sciences, Papers of the 16th International Wittgenstein Symposium, 15.-22.08.1993 in Kirchberg,<br />
Beiträge der Österreichischen Ludwig Wittgenstein Gesellschaft (Nr.) 1. Kirchberg 1993, S. 611-616.<br />
ZELEWSKI (1994a)<br />
Zelewski, S.: Produktionstheorie aus der Perspektive des „non statement view“. Ein Beitrag zur strukturalistischen<br />
Formulierung produktionswirtschaftlicher Theorien. In: Zeitschrift für Betriebswirtschaft, 64. Jg.<br />
(1994), S. 897-922.<br />
ZELEWSKI (1994b)<br />
Zelewski, S.: Die ATMS-Technik – Das Einsatzpotential begründungsverwaltender Systeme für Anpassungsplanungen.<br />
In: Zahn, E. (Hrsg.): Technologiemanagement und Technologien für das Management, 55.<br />
Wissenschaftliche Jahrestagung des Verbandes der Hochschullehrer für Betriebswirtschaft e.V. an der<br />
Universität Stuttgart 1993. Stuttgart 1994, S. 487-506.<br />
ZELEWSKI (1995)<br />
Zelewski, S.: Petrinetzbasierte Modellierung komplexer Produktionssysteme – Eine Untersuchung des Beitrags<br />
von Petrinetzen zur Prozeßkoordinierung in komplexen Produktionssystemen, insbesondere Flexiblen<br />
Fertigungssystemen. Bände 1 bis 10, Arbeitsberichte Nr. 5 bis 15, Institut für Produktionswirtschaft und<br />
Industrielle Informationswirtschaft, Universität Leipzig. Leipzig 1995.<br />
ZELEWSKI (1997)<br />
Zelewski, S.: Evolution produktionswirtschaftlicher Theoriebildung unter dem Einfluss ökologischer Problemstellungen.<br />
Eine Rekonstruktion auf der Basis des „non statement view“. In: Weber, J. (Hrsg.): Umweltmanagement<br />
– Aspekte einer umweltbezogenen Unternehmensführung, Tagungsband der 58. Wissenschaftlichen<br />
Jahrestagung des Verbandes der Hochschullehrer für Betriebswirtschaft e.V. in Vallendar 1996. Stuttgart<br />
1997, S. 335-373.<br />
ZELEWSKI (1999a)<br />
Zelewski, S.: Ontologien zur Strukturierung von Domänenwissen – Ein Annäherungsversuch aus betriebswirtschaftlicher<br />
Perspektive. Arbeitsbericht Nr. 3, Institut für Produktion und Industrielles Informationsmanagement,<br />
Universität Essen. Essen 1999.
784 Literaturverzeichnis<br />
ZELEWSKI (1999b)<br />
Zelewski, S.: Grundlagen. In: Corsten, H.; Reiß, M.: (Hrsg.): Betriebswirtschaftslehre. 3. Auflage, München<br />
– Wien 1999, S. 1-125.<br />
ZELEWSKI (2001)<br />
Zelewski, S.: Ontologien – ein Überblick über betriebswirtschaftliche Anwendungsbereiche. In: o.V.:<br />
Workshop „Forschung in schnellebiger Zeit“, 30.-31.03.2001 in Appenzell, Beitrag 5, Kurzfassung o.S. (S.<br />
1-9) und Langfassung (S. 1-22).<br />
ZELEWSKI (2002a)<br />
Zelewski, S.: Organisierte Erfahrung – Wissensmanagement mit Ontologien. In: Essener Unikate, Nr. 18:<br />
Wirtschaftsinformatik – Wissensmanagement und E-Services. Essen 2002, S. 63-73.<br />
ZELEWSKI (2002b)<br />
Zelewski, S.: Wissensmanagement mit Ontologien – eine einführende Darstellung. Arbeitsbericht Nr. 15,<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002.<br />
ZELEWSKI (2004a)<br />
Zelewski, S.: Epistemische Unterbestimmtheit ökonomischer Theorien – eine Analyse des konventionellen<br />
Theorienkonzepts aus der Perspektive des „non statement view“. In: Frank, U. (Hrsg.): Wissenschaftstheorie<br />
in Ökonomie und Wirtschaftsinformatik – Theoriebildung und -bewertung, Ontologien, Wissensmanagement.<br />
Tagung der Kommission Wissenschaftstheorie des Verbands der Hochschullehrer für Betriebswirtschaft<br />
e.V., 05.-06.06.2003 in Koblenz. Wiesbaden 2004, S. 1-30.<br />
ZELEWSKI (2004b)<br />
Zelewski, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken (KOWIEN). In: Zelewski, S.;<br />
Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und<br />
Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient und<br />
KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 21-83.<br />
ZELEWSKI (2004c)<br />
Zelewski, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht<br />
zum Verbundprojekt KOWIEN. Arbeitsbericht Nr. 25 und zugleich KOWIEN-Projektbericht 10/2004,<br />
Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus<br />
Essen). Essen 2004.<br />
ZELEWSKI ET AL. (2005)<br />
Zelewski, S.; Ahlert, D.; Kenning, P.; Schütte, R. (Hrsg.): Wissensmanagement in Dienstleistungsnetzwerken<br />
– Wissenstransfer fördern mit der Relationship Management Balanced Scorecard. Wiesbaden 2005.<br />
ZELEWSKI/FISCHER (1999)<br />
Zelewski, S.; Fischer, K.: <strong>Ontologiebasierte</strong> Koordination von Anpassungsplanungen in Produktions- und<br />
Logistiknetzwerken mit Multi-Agenten-Systemen. Arbeitsbericht Nr. 5, Institut für Produktion und Industrielles<br />
Informationsmanagement, Universität Essen. Essen 1999.<br />
ZELEWSKI/PETERS (2003)<br />
Zelewski, S.; Peters, M.L.: Lösung multikriterieller Entscheidungsprobleme mit Hilfe des Analytical<br />
Hierarchy Process (AHP). In: Das Wirtschaftsstudium, 32. Jg. (2003), Heft 10, S. 1210-1218.<br />
ZELEWSKI/PETERS (2004)<br />
Zelewski, S.; Peters, M.L.: Die Fallstudie aus der Betriebswirtschaftslehre – Standortplanung mit Hilfe des<br />
Analytical Hierarchy Process (II). In: Das Wirtschaftsstudium, 33. Jg. (2004), Heft 6, S. 780-784.<br />
ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001)<br />
Zelewski, S.; Schütte, R.; Siedentopf, J.: Ontologien zur Repräsentation von Domänen. In: Schreyögg, G.<br />
(Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden. Tagung der Wissenschaftlichen Kommission<br />
„Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 18.-19.06.<br />
1999 in Berlin. Berlin 2001, S. 183-221.
Literaturverzeichnis 785<br />
ZELEWSKI/SIEDENTOPF (1999)<br />
Zelewski, S., Siedentopf, J.: Ontology-based coordination of planning activities in networks of autonomous<br />
production facilities using multi-agent systems. In: Kirn, S.; Petsch, M. (Hrsg.): Workshop „Intelligente<br />
Softwareagenten und betriebswirtschaftliche Anwendungszenarien“, Technische Universität Ilmenau. Ilmenau<br />
1999, S. 77-84.<br />
ZOGLAUER (1993)<br />
Zoglauer, T.: Das Problem der theoretischen Terme. Eine Kritik an der strukturalistischen Wissenschaftstheorie.<br />
Braunschweig – Wiesbaden 1993.<br />
ZUG/KLUMPP/KROL (2003)<br />
Zug, S.; Klumpp, M.; Krol, B.: Wissensmanagement im Gesundheitswesen. Arbeitsbericht Nr. 16, Institut<br />
für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen<br />
2003.<br />
ZUNIGA (1999)<br />
Zuniga, G.L.: An Ontology of Economic Objects: An Application of Carl Menger’s Ideas. In: American<br />
Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 299-311.