Ontologiebasierte Kompetenzmanagementsysteme (12.8 MB)

Zelewski, S.; Alan, Y.; Alparslan, A.; Dittmann, L.; Weichelt, T. (Hrsg.): 

Ontologiebasierte 

Kompetenzmanagementsysteme 

Grundlagen, Konzepte, Anwendungen

Inhaltsübersicht 

Vorwort 

zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 1 

UNIV.-PROF. DR. STEPHAN ZELEWSKI 

1 Grundlagen 33 

1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken – 

Einführung in das BMBF-Projekt KOWIEN 33 


1.2 Kompetenzmanagementsysteme 77 

1.2.1 Überblick über computerbasierte Kompetenzmanagementsysteme – 

Begriff, Funktionen und Problemfelder 

DIPL.-KFM. ADEM ALPARSLAN 

77 

1.2.2 Das Kompetenzmanagementsystem 

bei Roland Berger Strategy Consultants 

DIPL.-KFM. ADEM ALPARSLAN, DIPL.-KFM. YILMAZ ALAN, KAI ENGELMANN 

89 

1.2.3 Bedeutung von Kompetenzmanagementsystemen 

für die Karl Schumacher Maschinenbau GmbH 

DIPL.-KFM. MARIANNE SCHUMACHER, DIPL.-KFM. STEFAN ZUG 

101 

1.3 Ontologien 115 

1.3.1 Einführung in das Themenfeld „Ontologien“ 

aus informations- und betriebswirtschaftlicher Perspektive 


115 

1.3.2 Präzisierung des 

Ontologieverständnisses für das Projekt KOWIEN 

DIPL.-KFM. YILMAZ ALAN, UNIV.-PROF. DR. STEPHAN ZELEWSKI 

229 

1.4 Vorgehensmodelle zur Konstruktion von Ontologien – 

Eine darstellende Untersuchung 277 

DIPL.-ING. LARS DITTMANN 

2 Konzepte 321 

2.1 Anforderungsspezifikation für ein 

computerbasiertes Kompetenzmanagementsystem 321 

DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER, 

DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-ING. LARS DITTMANN 

2.2 Architektur des KOWIEN-Prototyps 353 

DIPL.-KFM. ADEM ALPARSLAN, DIPL.-INF. CHRISTOF BÄUMGEN, 

DIPL.-PHYS. ROGER HÜBBERS

ii Inhaltsübersicht 

2.3 Systematisches Vorgehen zur Konstruktion 

und Nutzung ontologiebasierter Kompetenzmanagementsysteme 361 

2.3.1 Vorgehensweisen zur Einführung eines 

Kompetenzmanagementsystems in kleinen und mittelgroßen Unternehmen 

DR.-ING. HANS MEIER 

361 

2.3.2 Das generische KOWIEN-Vorgehensmodell 


373 

2.4 Generische Kompetenzontologie 

für computerbasierte Kompetenzmanagementsysteme 429 


2.5 Unterstützung für computerbasierte 

Kompetenzmanagementsysteme durch Techniken des Operations Research 537 

DIPL.-KFM. MALTE L. PETERS, UNIV.-PROF. DR. STEPHAN ZELEWSKI 

3 Anwendungen 571 

3.1 Informationstechnische Implementierung der 

Konzepte für ontologiebasierte Kompetenzmanagementsysteme 571 

3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 

DIPL.-INF. CHRISTOF BÄUMGEN, DIPL.-PHYS. ROGER HÜBBERS 

571 

3.1.2 Die KOWIEN-E-Learning-Anwendung 

DIPL.-WIRT.-INF. THOMAS WEICHELT 

597 

3.2 Exemplarische Umsetzungen der Konzepte 

für ontologiebasierte Kompetenzmanagementsysteme 613 

3.2.1 Szenario “Product Engineering” – 

Praktischer Einsatz des KOWIEN-Vorgehensmodells 

bei der Karl Schumacher Maschinenbau GmbH 613 


3.2.2 Szenario “Service Engineering” – 

Konstruktion einer Kompetenzontologie für 

die Deutsche Montan Technologie GmbH 625 

DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER, 


Autorenverzeichnis 709 

Literaturverzeichnis 711

Inhaltsverzeichnis 

(im Interesse der Übersichtlichkeit nur bis zur 6. Gliederungsebene) 

Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN .............1 

A Überblick über das Verbundprojekt: 

Kooperatives Wissensmanagement in Engineering-Netzwerken ...............................................1 

B Gegenstand des Verbundprojekts................................................................................................2 

C Partner des Verbundprojekts und Zusammenarbeit mit externen Stakeholdern.........................9 

D Wissenschaftlicher und technischer Stand zu Beginn und Ende des Verbundprojekts ............13 

E Projektergebnisse ......................................................................................................................15 

F Veröffentlichungen aus dem Verbundprojekt KOWIEN..........................................................22 

G Danksagungen...........................................................................................................................30 

1 Grundlagen.............................................................................................................................33 


Einführung in das BMBF-Projekt KOWIEN............................................33 

1.1.1 Zwei Gestaltungsansätze für betriebliches Wissensmanagement...............................33 

1.1.2 Typische Kooperationsbarrieren für Wissensmanagement in Netzwerken................39 

1.1.3 Anwendungskontexte für computerbasiertes Wissensmanagement 

zur Überwindung von Kooperationsbarrieren in Engineering-Netzwerken ...............58 

1.2 Kompetenzmanagementsysteme ....................................................................77 


Begriff, Funktionen und Problemfelder .................................................................77 

1.2.1.1 Begriff.........................................................................................................................77 

1.2.1.2 Funktionen computerbasierter Kompetenzmanagementsysteme................................80 

1.2.1.2.1 Verwalten von Wissen über Kompetenzen 

auf der Grundlage von Kompetenzprofilen ................................................................80 

1.2.1.2.2 Erfassen von Wissen über Kompetenzen....................................................................81 

1.2.1.2.3 Zweckbezogene Anwendung des Wissens über Kompetenzen..................................83 

1.2.1.3 Problemfelder..............................................................................................................85 

1.2.2 Das Kompetenzmanagementsystem 

bei Roland Berger Strategy Consultants ................................................................89 

1.2.2.1 Bedarf für Kompetenzmanagementsysteme in der Unternehmensberatung...............89 

1.2.2.2 Überblick über Roland Berger Strategy Consultants..................................................90 

1.2.2.3 Das computerbasierte Wissensmanagementsystem BRAIN ......................................91 

1.2.2.4 Vorgehensweise bei der Einführung von BRAIN ......................................................94 

1.2.2.5 Organisatorische Verankerung von BRAIN ...............................................................97 

1.2.2.6 Kritische Faktoren für den Erfolg von BRAIN...........................................................98

iv Inhaltsverzeichnis 


für die Karl Schumacher Maschinenbau GmbH.................................................101 

1.2.3.1 Einleitung..................................................................................................................101 

1.2.3.2 Karl Schumacher Maschinenbau GmbH – ein Unternehmensporträt ......................101 

1.2.3.3 Kompetenzmanagement als Rahmenbedingung der Qualitätssicherung..................102 

1.2.3.4 Vereinigung der individuellen und organisationalen Kompetenzen.........................105 

1.2.3.4.1 Die Bedeutung der individuellen Kompetenzen.......................................................105 

1.2.3.4.2 Die Bedeutung der organisationalen Kompetenzen..................................................108 

1.2.3.5 Kompetenzmanagement – ein System mit Zukunft..................................................112 

1.3 Ontologien ............................................................................................................115 


aus informations- und betriebswirtschaftlicher Perspektive..............................115 

1.3.1.1 Wissenschaftlicher Hintergrund von Ontologien .....................................................115 

1.3.1.1.1 Eine Skizze des wissenschaftlichen Interesses an Ontologien .................................115 

1.3.1.1.2 Relevanz von Ontologien für Aufgaben des Wissensmanagements ........................133 

1.3.1.1.3 Konkretisierung des Ontologieverständnisses..........................................................141 

1.3.1.2 Exemplarische Realisierungen von Ontologien........................................................171 

1.3.1.3 Abgrenzung von verwandten Themenfeldern...........................................................189 

1.3.1.4 Erkenntnistheoretische Probleme von Ontologien ) ...................................................208 

1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN ..............229 

1.3.2.1 Rahmensetzung.........................................................................................................229 

1.3.2.2 Syntaktische Aspekte von Ontologien......................................................................230 

1.3.2.2.1 Ontologische Signaturen...........................................................................................230 

1.3.2.2.2 Ausdrücke über ontologischen Signaturen ...............................................................241 

1.3.2.3 Semantische Aspekte von Ontologien ......................................................................245 

1.3.2.3.1 Strukturen zu ontologischen Signaturen...................................................................245 

1.3.2.3.2 Auswertung von Ausdrücken über ontologischen Signaturen..................................249 

1.3.2.3.3 Bezeichnungs- und Definitionsfunktionen ...............................................................254 

1.3.2.4 Ontologien ................................................................................................................266 

1.3.2.5 Kritische Würdigung.................................................................................................274 


Eine darstellende Untersuchung ..................................................................277 

1.4.1 Arten von Vorgehensmodellen .................................................................................277 

1.4.2 Vorgehensmodelle des Software Engineerings ........................................................278 

1.4.2.1 Einführung ................................................................................................................278 

1.4.2.2 Ausgewählte Ansätze des Software Engineerings....................................................279 

1.4.2.2.1 Das sequentielle Software-Life-Cycle-Modell .........................................................279 

1.4.2.2.2 Das Wasserfall-Modell .............................................................................................281 

1.4.2.2.3 Das prototypbasierte Software-Life-Cycle-Modell ..................................................282 

1.4.2.2.4 Das Spiral-Modell.....................................................................................................283 

1.4.2.3 Zusammenfassende Gegenüberstellung....................................................................284 

1.4.3 Vorgehensmodelle des Knowledge Engineerings ....................................................287 

1.4.3.1 Einführung ................................................................................................................287

Inhaltsverzeichnis v 

1.4.3.2 Ausgewählte Ansätze des Knowledge Engineerings................................................287 

1.4.3.2.1 Prototyp-Ansatz ........................................................................................................287 

1.4.3.2.2 Modellbasierter Ansatz .............................................................................................289 

1.4.3.3 Zusammenfassende Gegenüberstellung....................................................................291 

1.4.4 Vorgehensmodelle des Ontology Engineerings........................................................292 

1.4.4.1 Einführung ................................................................................................................292 

1.4.4.2 Anforderungen ..........................................................................................................292 

1.4.4.2.1 Generizität.................................................................................................................293 

1.4.4.2.2 Anwendungsbezogenheit ..........................................................................................293 

1.4.4.2.3 Vollständigkeit..........................................................................................................293 

1.4.4.2.4 Dokumentation..........................................................................................................294 

1.4.4.2.5 Einfachheit ................................................................................................................294 

1.4.4.2.6 Klarheit .....................................................................................................................295 

1.4.4.2.7 Werkzeugunterstützung ............................................................................................295 

1.4.4.3 Umsetzung der Anforderungen.................................................................................296 

1.4.4.4 Ausgewählte Ansätze des Ontology Engineerings ...................................................296 

1.4.4.4.1 IDEF5-Ansatz ...........................................................................................................297 

1.4.4.4.2 Enterprise-Model-Ansatz..........................................................................................299 

1.4.4.4.3 TOVE-Ansatz ...........................................................................................................300 

1.4.4.4.4 METHONTOLOGY.................................................................................................302 

1.4.4.4.5 On-To-Knowledge-Ansatz........................................................................................304 

1.4.4.4.6 Kollaborativer Ansatz ...............................................................................................307 

1.4.4.5 Evaluation der Ansätze .............................................................................................308 

1.4.4.5.1 Generizität.................................................................................................................309 

1.4.4.5.2 Anwendungsbezogenheit ..........................................................................................309 


1.4.4.5.4 Einfachheit ................................................................................................................311 

1.4.4.5.5 Klarheit .....................................................................................................................313 

1.4.4.5.6 Werkzeugunterstützung ............................................................................................313 

1.4.4.6 Zusammenfassung der Analyseergebnisse ...............................................................315 

1.4.4.7 Vorgehensmodelle mit spezifischem Teilfokus Ontologien.....................................316 

1.4.4.7.1 SENSUS....................................................................................................................316 

1.4.4.7.2 ONIONS ...................................................................................................................317 

1.4.4.7.3 ONTOCLEAN ..........................................................................................................318 

1.4.4.7.4 MENELAS................................................................................................................318 

1.4.5 Schlussbemerkung ....................................................................................................319 

2 Konzepte.................................................................................................................................321 


computerbasiertes Kompetenzmanagementsystem...............................321 

2.1.1 Aufbau der Anforderungsspezifikation.....................................................................321 

2.1.2 Ausgangssituation bei der DMT GmbH ...................................................................322 

2.1.3 Gegenstand der Ontologie.........................................................................................324 

2.1.3.1 Domäne.....................................................................................................................324 

2.1.3.2 Ziele der Ontologieentwicklung ...............................................................................324 

2.1.3.3 Formulierung der Anforderungen an die Ontologie .................................................325

vi Inhaltsverzeichnis 

2.1.4 Umfeld der Ontologie ...............................................................................................325 

2.1.4.1 Anwendungsbereiche und Benutzer .........................................................................325 

2.1.4.2 Technisches Umfeld .................................................................................................326 

2.1.5 Anwendungsfälle ......................................................................................................327 

2.1.5.1 Anwendungsfallmodell.............................................................................................327 

2.1.5.2 Akteure......................................................................................................................328 

2.1.5.3 Konkrete Anwendungsfälle ......................................................................................330 

2.1.5.3.1 Anwendungsfall 1: Kompetenzontologie pflegen ....................................................330 

2.1.5.3.2 Anwendungsfall 2: Kompetenzprofile pflegen.........................................................331 

2.1.5.3.3 Anwendungsfall 3: Eigene Kompetenzen beschreiben ............................................331 

2.1.5.3.4 Anwendungsfall 4: Kompetenzinformationen 

aus Bewerbungen strukturiert erfassen.....................................................................332 

2.1.5.3.5 Anwendungsfall 5: Kompetenzträger suchen...........................................................333 

2.1.5.3.6 Anwendungsfall 6: Projektteam bilden.....................................................................334 

2.1.5.3.7 Anwendungsfall 7: Stelle besetzen / Personal rekrutieren........................................335 

2.1.5.3.8 Anwendungsfall 8: Skill-Gaps ermitteln ..................................................................336 

2.1.5.3.9 Anwendungsfall 9: Informationsnetz analysieren ....................................................337 

2.1.5.3.10 Anwendungsfall 10: Details zu einem Mitarbeiter anzeigen lassen.........................339 

2.1.5.3.11 Anwendungsfall 11: Details zu einem Begriff anzeigen lassen ...............................339 

2.1.5.3.12 Anwendungsfall 12: Details zu einem Projekt anzeigen lassen ...............................340 

2.1.6 Anforderungen: Katalog von Gütekriterien..............................................................341 

2.1.6.1 Klarheit .....................................................................................................................342 

2.1.6.2 Einfachheit................................................................................................................343 

2.1.6.3 Erweiterbarkeit..........................................................................................................343 

2.1.6.4 Funktionale Vollständigkeit......................................................................................344 

2.1.6.5 Wiederverwendbarkeit..............................................................................................345 

2.1.6.6 Minimalität................................................................................................................346 

2.1.6.7 Konsistenz.................................................................................................................347 

2.1.6.8 Spracheignung ..........................................................................................................348 

2.1.6.9 Richtigkeit der Sprachanwendung............................................................................349 

2.1.7 Entwicklungsrahmenbedingungen............................................................................351 

2.2 Architektur des KOWIEN-Prototyps.........................................................353 

2.2.1 Einführung ................................................................................................................353 

2.2.2 Komponenten des KOWIEN-Prototyps....................................................................354 

2.2.2.1 Allgemeiner Überblick über die Komponenten........................................................354 

2.2.2.2 Spezifische Darstellung einzelner Komponenten.....................................................355 

2.2.2.2.1 Ontologien ................................................................................................................355 

2.2.2.2.2 Wissensbasis .............................................................................................................358 

2.2.2.2.3 infonea® ...................................................................................................................359 

2.2.2.2.4 Schnittstellen des KOWIEN-Prototyps ....................................................................359 

2.2.3 Wissensquellen des KOWIEN-Prototyps .................................................................360

Inhaltsverzeichnis vii 

2.3 Systematisches Vorgehen zur Konstruktion und Nutzung 

ontologiebasierter Kompetenzmanagementsysteme .............................361 

2.3.1 Vorgehensweisen zur Einführung eines Kompetenzmanagementsystems 

in kleinen und mittelgroßen Unternehmen...........................................................361 

2.3.1.1 Kompetenzmanagement in kleinen und mittelgroßen Unternehmen........................361 

2.3.1.2 Grundsatzentscheidung zur Systematisierung des Kompetenzmanagements...........362 

2.3.1.3 Skizzierung des angestrebten Kompetenzmanagementsystems ...............................363 

2.3.1.4 Vergleichende Bewertung verfügbarer Kompetenzmanagementsysteme ................365 

2.3.1.5 Aufbau und Anpassung des gewählten Kompetenzmanagementsystems ................367 

2.3.1.6 Überführung des Kompetenzmanagementsystems in die Nutzungsphase................369 

2.3.1.7 Zusammenfassung.....................................................................................................370 

2.3.2 Das generische KOWIEN-Vorgehensmodell........................................................373 

2.3.2.1 Konzipierung des generischen Vorgehensmodells ...................................................373 

2.3.2.2 Strukturierung des Konstruktionsprozesses..............................................................374 

2.3.2.2.1 Phasen der Ontologieentwicklung ............................................................................376 

2.3.2.2.1.1 Anforderungsspezifizierung......................................................................................376 

2.3.2.2.1.2 Wissensakquisition ...................................................................................................378 

2.3.2.2.1.3 Konzeptualisierung ...................................................................................................379 

2.3.2.2.1.4 Implementierung.......................................................................................................382 

2.3.2.2.1.5 Evaluation .................................................................................................................383 

2.3.2.2.2 Phasen der Ontologiepflege ......................................................................................384 

2.3.2.2.3 Phasenübergreifende Unterstützungsleistungen .......................................................385 

2.3.2.2.3.1 Dokumentation..........................................................................................................385 

2.3.2.2.3.2 Projektmanagement...................................................................................................386 

2.3.2.3 Darstellung des generischen Vorgehensmodells ......................................................386 

2.3.2.3.1 Elemente Ereignisgesteuerter Prozessketten.............................................................386 

2.3.2.3.2 Elemente im KOWIEN-Vorgehensmodell ...............................................................389 

2.3.2.3.3 Graphische Darstellung.............................................................................................391 

2.3.2.3.3.1 Gesamtdarstellung (Skizze) ......................................................................................391 

2.3.2.3.3.2 Einzelphasen .............................................................................................................392 

2.3.2.3.3.3 Phasenübergreifende Unterstützungsleistungen .......................................................397 

2.3.2.3.4 Weiter gehende Erläuterungen..................................................................................398 

2.3.2.3.4.1 Funktionen ................................................................................................................398 

2.3.2.3.4.2 Ereignisse..................................................................................................................400 

2.3.2.3.4.3 Informationsträger.....................................................................................................402 

2.3.2.4 Vorgehensmodell KOWIEN als Web-Anwendung..................................................407 

2.3.2.4.1 Aufbau der Web-Anwendung...................................................................................408 

2.3.2.4.2 Top-Level des KOWIEN-Vorgehensmodells...........................................................409 

2.3.2.4.3 Gesamtansicht des KOWIEN-Vorgehensmodells ....................................................410 

2.3.2.4.4 Einzelansichten der Phasen des KOWIEN-Vorgehensmodells................................412 

2.3.2.4.4.1 Anforderungsspezifizierung......................................................................................412 

2.3.2.4.4.2 Wissensakquisition ...................................................................................................414 

2.3.2.4.4.3 Konzeptualisierung ...................................................................................................416 

2.3.2.4.4.4 Implementierung.......................................................................................................418 

2.3.2.4.4.5 Evaluation .................................................................................................................420 

2.3.2.4.4.6 Phasenübergreifende Unterstützungsleistungen .......................................................421

viii Inhaltsverzeichnis 

2.3.2.4.4.7 Sonderfunktionen......................................................................................................422 

2.3.2.5 Evaluation des Vorgehensmodells............................................................................425 

2.3.2.6 Zusammenfassung ....................................................................................................426 

2.4 Generische Kompetenzontologie für 

computerbasierte Kompetenzmanagementsysteme ..............................429 

2.4.1 Einführung ................................................................................................................429 

2.4.2 Überblick über die verwendete Repräsentationssprache ..........................................431 

2.4.2.1 Motivation der Verwendung von F-Logic................................................................431 

2.4.2.2 Exkurs zu den Grundlagen prädikatenlogischer Wissensrepräsentation 

und Wissenserschließung..........................................................................................433 

2.4.2.2.1 Inferenzregeln ...........................................................................................................434 

2.4.2.2.2 Integritätsregeln ........................................................................................................443 

2.4.2.2.3 Gegenüberstellung von Inferenz- und Integritätsregeln ...........................................448 

2.4.2.2.4 Fakten........................................................................................................................469 

2.4.2.3 Einführung in die Verwendung von F-Logic zur Ontologiekonstruktion ................470 

2.4.3 Vorstellung ausgewählter Ontologiekomponenten...................................................483 

2.4.3.1 Objektsprachliche Entitäten......................................................................................483 

2.4.3.1.1 Überblick ..................................................................................................................483 

2.4.3.1.2 Denkobjekte..............................................................................................................485 

2.4.3.1.2.1 Abstrakte Denkobjekte .............................................................................................485 

2.4.3.1.2.2 Konkrete Denkobjekte ..............................................................................................510 

2.4.3.1.3 Erfahrungsobjekte.....................................................................................................512 

2.4.3.2 Metasprachliche Entitäten.........................................................................................516 

2.4.4 Inferenz- und Integritätsregeln in der KOWIEN-Ontologie.....................................524 

2.4.5 Anschlussfähigkeit der Kompetenzontologie an Kompetenz-Wissensbasen – 

eine exemplarische Betrachtung auf der Instanzenebene .........................................533 

2.5 Unterstützung für computerbasierte Kompetenzmanagementsysteme 

durch Techniken des Operations Research.............................537 

2.5.1 Problemstellung ........................................................................................................537 

2.5.2 Grundlagen................................................................................................................539 

2.5.2.1 Terminologische Grundlagen ...................................................................................539 

2.5.2.2 Methodische Grundlagen..........................................................................................542 

2.5.2.2.1 Analytic Hierarchy Process ......................................................................................542 

2.5.2.2.2 Goal Programming....................................................................................................550 

2.5.3 Modelle für die kompetenzbasierte Personaleinsatzplanung....................................554 

2.5.3.1 Das Basismodell .......................................................................................................554 

2.5.3.2 Erweiterungen des Basismodells ..............................................................................558 

2.5.3.2.1 Ziele und Variablen der Modellerweiterungen.........................................................558 

2.5.3.2.2 Präemptive Variante des erweiterten Goal-Programming-Modells..........................560 

2.5.3.2.3 Non-präemptive Variante des erweiterten Goal-Programming-Modells..................566 

2.5.4 Schwierigkeiten bei der Anwendung der Modelle ...................................................568 

2.5.5 Abschließende Bemerkungen ...................................................................................569

Inhaltsverzeichnis ix 

3 Anwendungen .....................................................................................................................571 

3.1 Informationstechnische Implementierung der Konzepte 

für ontologiebasierte Kompetenzmanagementsysteme........................571 

3.1.1 Der KOWIEN-Prototyp auf Basis von infonea®.................................................571 

3.1.1.1 Vorgehensweise ........................................................................................................571 

3.1.1.1.1 Erarbeitung des KOWIEN-Geschäftsprozessmodells ..............................................571 

3.1.1.1.2 Auswahl von relevanten wissensintensiven Prozessen.............................................574 

3.1.1.1.3 Ist/Soll-Analyse mittels Fragebogen.........................................................................576 

3.1.1.1.4 Integriertes Anforderungsmanagement.....................................................................577 

3.1.1.1.5 Iterative Anwendungsentwicklung ...........................................................................578 

3.1.1.2 Technologische Basis infonea® ...............................................................................579 

3.1.1.2.1 Architektur ................................................................................................................579 

3.1.1.2.2 Modelle .....................................................................................................................581 

3.1.1.2.3 Inferenzmechanismen ...............................................................................................582 

3.1.1.2.4 Visual Search und Kontextnavigation ......................................................................583 

3.1.1.3 Funktionsweise .........................................................................................................584 

3.1.1.3.1 Aufbau und Pflege einer Kompetenzontologie.........................................................584 

3.1.1.3.1.1 Erarbeitung einer Taxonomie vor der Inbetriebnahme.............................................585 

3.1.1.3.1.2 Kontinuierliche Erweiterung und Pflege im Betrieb ................................................586 

3.1.1.3.1.3 Berücksichtigung von Integritäts- und Inferenzregeln .............................................586 

3.1.1.3.2 Aufbau und Pflege von Kompetenzprofilen .............................................................587 

3.1.1.3.2.1 Eingabe von Lebensläufen........................................................................................587 

3.1.1.3.2.2 Erfassung von Weiterbildungsmaßnahmen und Projekten.......................................590 

3.1.1.3.2.3 Integration in die Geschäftsprozesse ........................................................................591 

3.1.1.3.3 Suche nach Kompetenzträgern .................................................................................593 

3.1.1.3.4 Unterstützung der Projektarbeit ................................................................................594 

3.1.1.3.5 Unterstützung der Unternehmensentwicklung..........................................................595 

3.1.2 Die KOWIEN-E-Learning-Anwendung ...............................................................597 

3.1.2.1 Begriffsabgrenzung...................................................................................................597 

3.1.2.2 Aufbau und Gestaltung der E-Learning-Anwendung...............................................599 

3.1.2.3 Lernszenario: Ontologien im Rahmen des Wissensmanagements ...........................603 


für ontologiebasierte Kompetenzmanagementsysteme........................613 

3.2.1 Szenario “Product Engineering” – Praktischer Einsatz des KOWIEN- 

Vorgehensmodells bei der Karl Schumacher Maschinenbau GmbH ................613 

3.2.1.1 Nutzung von ontologiebasierten Kompetenzmanagementsystemen 

bei der Karl Schumacher Maschinenbau GmbH ......................................................613 

3.2.1.2 Ontologieentwicklung im Product-Engineering-Szenario........................................614 

3.2.1.2.1 Anforderungsspezifizierung......................................................................................614 

3.2.1.2.2 Wissensakquisition ...................................................................................................614 

3.2.1.2.3 Konzeptualisierung ...................................................................................................616 

3.2.1.2.4 Implementierung.......................................................................................................620 

3.2.1.2.5 Evaluation .................................................................................................................621 

3.2.1.3 Fazit und Ausblick ....................................................................................................623

x Inhaltsverzeichnis 

3.2.2 Szenario “Service Engineering” – Konstruktion einer Kompetenzontologie 

für die Deutsche Montan Technologie GmbH .....................................................625 

3.2.2.1 Ausgangssituation der Ontologieentwicklung..........................................................625 

3.2.2.1.1 Kurzdarstellung der DMT.........................................................................................625 

3.2.2.1.2 KOWIEN-Ontologie.................................................................................................626 

3.2.2.1.3 Vorgehen bei der Ontologieentwicklung..................................................................628 

3.2.2.2 Phasenübergreifende Unterstützungsleistungen .......................................................630 


3.2.2.2.2 Projektmanagement ..................................................................................................630 

3.2.2.3 Anforderungsspezifizierung......................................................................................631 

3.2.2.3.1 Ziele ..........................................................................................................................631 

3.2.2.3.2 Problemstellungen und Lösungsansätze ...................................................................632 

3.2.2.3.2.1 Abgrenzung der Anforderungen ...............................................................................632 

3.2.2.3.2.2 Erwartungen der Benutzer ........................................................................................632 

3.2.2.3.2.3 Formulierung der Anforderungen an die Ontologie .................................................633 

3.2.2.3.2.4 Festlegung der Schnittstellen zu anderen Systemen.................................................633 

3.2.2.3.2.5 Operationalisierung der Gütekriterien ......................................................................633 

3.2.2.3.3 Methoden ..................................................................................................................634 

3.2.2.3.3.1 Use Cases..................................................................................................................634 

3.2.2.3.3.2 Competency Questions .............................................................................................635 

3.2.2.3.4 Vorgehen...................................................................................................................636 

3.2.2.3.4.1 Ziele festlegen...........................................................................................................636 

3.2.2.3.4.2 Anwendungsbereiche und Benutzer identifizieren...................................................637 

3.2.2.3.4.3 Benutzeranforderungen erheben...............................................................................637 

3.2.2.3.4.4 Anforderungen des Umfelds identifizieren...............................................................640 

3.2.2.3.5 Ergebnisse.................................................................................................................641 

3.2.2.3.5.1 Anwendungsfälle ......................................................................................................642 

3.2.2.3.5.2 Informale Competency Questions ............................................................................643 

3.2.2.3.5.3 Formale Competency Questions...............................................................................644 

3.2.2.3.5.4 Katalog von Gütekriterien ........................................................................................647 

3.2.2.4 Wissensakquisition ...................................................................................................648 

3.2.2.4.1 Ziele ..........................................................................................................................648 


3.2.2.4.2.1 Verteilung des Wissens über Kompetenzen .............................................................648 

3.2.2.4.2.2 Implizitheit von Wissen über Kompetenzen.............................................................649 

3.2.2.4.2.3 Begrenzte Gültigkeit des erhobenen Wissens...........................................................649 

3.2.2.4.3 Methoden ..................................................................................................................650 

3.2.2.4.3.1 Expertenbefragung....................................................................................................650 

3.2.2.4.3.2 Textanalyse ...............................................................................................................651 

3.2.2.4.4 Vorgehen...................................................................................................................652 

3.2.2.4.4.1 Relevante Verzeichnisse und Wissensträger identifizieren......................................652 

3.2.2.4.4.2 Verzeichnisse untersuchen, Wissensträger befragen................................................653 

3.2.2.4.4.3 Befragungen auswerten.............................................................................................654 

3.2.2.4.4.4 Dokumente und Systeme analysieren.......................................................................654 

3.2.2.4.5 Ergebnisse.................................................................................................................655 

3.2.2.4.5.1 Wissensträgerkarte....................................................................................................655 

3.2.2.4.5.2 Agenda der strukturierten Interviews .......................................................................657

Inhaltsverzeichnis xi 

3.2.2.4.5.3 Ergebnisse der strukturierten Interviews ..................................................................659 

3.2.2.4.5.4 Ergebnisse der Textanalysen.....................................................................................660 

3.2.2.5 Konzeptualisierung ...................................................................................................661 

3.2.2.5.1 Ziele ..........................................................................................................................661 


3.2.2.5.2.1 Werkzeugunterstützung ............................................................................................662 

3.2.2.5.2.2 Identifizierung und Formulierung von Regeln .........................................................665 

3.2.2.5.2.3 Konzepte versus Instanzen........................................................................................665 

3.2.2.5.3 Methoden ..................................................................................................................666 

3.2.2.5.3.1 Brainstorming ...........................................................................................................666 

3.2.2.5.3.2 Begriffsbäume...........................................................................................................667 

3.2.2.5.4 Vorgehen...................................................................................................................668 

3.2.2.5.4.1 Wissen über Kompetenzen analysieren ....................................................................669 

3.2.2.5.4.2 Basisbegriffe strukturieren........................................................................................670 

3.2.2.5.4.3 Terminologie verfeinern und ergänzen.....................................................................671 

3.2.2.5.4.4 Inferenz- und Integritätsregeln aufstellen .................................................................674 

3.2.2.5.4.5 Reviews.....................................................................................................................675 

3.2.2.5.4.6 Ergebnisse.................................................................................................................676 

3.2.2.6 Implementierung.......................................................................................................680 

3.2.2.6.1 Ziele ..........................................................................................................................680 


3.2.2.6.2.1 Auswahl der Sprachen ..............................................................................................681 

3.2.2.6.2.2 Implementierung der Regeln.....................................................................................683 

3.2.2.6.3 Ontologiesprachen ....................................................................................................684 

3.2.2.6.3.1 F-Logic......................................................................................................................684 

3.2.2.6.3.2 DAML+OIL..............................................................................................................686 

3.2.2.6.3.3 OWL .........................................................................................................................688 

3.2.2.6.4 Vorgehen...................................................................................................................689 

3.2.2.6.4.1 Formale Sprachen auswählen ...................................................................................689 

3.2.2.6.4.2 Ontologien in formale Darstellungen transformieren...............................................689 

3.2.2.6.4.3 Ontologien implementieren ......................................................................................690 

3.2.2.6.5 Ergebnisse.................................................................................................................690 

3.2.2.6.5.1 F-Logic-Ontologie (Ausschnitt)................................................................................691 

3.2.2.6.5.2 DAML+OIL-Ontologie (Ausschnitt)........................................................................692 

3.2.2.7 Evaluation .................................................................................................................694 

3.2.2.7.1 Ziele ..........................................................................................................................694 


3.2.2.7.2.1 Auswahl der Evaluatoren..........................................................................................694 

3.2.2.7.2.2 Ermittlung und Auswertung der Ergebnisse.............................................................694 

3.2.2.7.3 Methoden ..................................................................................................................695 

3.2.2.7.3.1 Strukturiertes Interview ............................................................................................695 

3.2.2.7.3.2 Schriftliche Befragung..............................................................................................696 

3.2.2.7.4 Vorgehen...................................................................................................................696 

3.2.2.7.4.1 Ontologien verifizieren .............................................................................................697 

3.2.2.7.4.2 Fehler aus der Verifikation korrigieren.....................................................................697 

3.2.2.7.4.3 Ontologien validieren................................................................................................697 

3.2.2.7.4.4 Fehler aus der Validation korrigieren .......................................................................699

xii Inhaltsverzeichnis 

3.2.2.7.5 Ergebnisse.................................................................................................................699 

3.2.2.7.5.1 Evaluationsfragebogen..............................................................................................700 

3.2.2.7.5.2 Befragungsergebnis ..................................................................................................704 

3.2.2.8 Fazit ..........................................................................................................................706 

Autorenverzeichnis ...................................................................................................................709 

Literaturverzeichnis .................................................................................................................711

Vorwort 

zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 


Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen 

A Überblick über das Verbundprojekt: 

Kooperatives Wissensmanagement in Engineering-Netzwerken 

Das Verbundprojekt KOWIEN (Kooperatives Wissensmanagement in Engineering-Netzwerken) 1) 

befasst sich mit computerbasierten Arbeitstechniken zur Unterstützung der arbeitsteiligen Erfüllung 

wissensintensiver Engineering-Aufgaben in Netzwerken. Der inhaltliche Fokus der Projektarbeiten 

liegt einerseits auf Ontologien für die Konstruktion von Wissensmanagementsystemen und andererseits 

auf Kompetenzmanagementsystemen als einer speziellen betrieblichen Ausformung von Wissensmanagementsystemen. 

Ontologien stammen aus den Forschungsbereichen der Künstlichen Intelligenz 

und Informatik. Im Projekt KOWIEN werden sie eingesetzt, um sowohl die Wissensakquisition 

als auch die Wissenswiederverwendung in ontologiebasierten Kompetenzmanagementsystemen 

systematisch zu strukturieren und mittels Computerunterstützung zu erleichtern. 

Zu den wesentlichen Ergebnissen des Verbundprojekts KOWIEN zählen ein (computerbasiertes) 

Vorgehensmodell für die Erstellung und Anwendung ontologiebasierter Kompetenzmanagementsysteme 

und ein prototypisches Software-Tool für ontologiebasierte Kompetenzmanagementsysteme. 

Hinzu kommt eine E-Learning-Umgebung, um die praktische Anwendung des Vorgehensmodells 

und des Software-Tools im betrieblichen Alltag von kleinen und mittelgroßen Unternehmen 

(KMU) zu unterstützen. 

Das hier vorgelegte Werk stellt einerseits den öffentlichen Abschlussbericht zum Verbundprojekt 

KOWIEN dar. Andererseits besitzt es die Qualität einer Dokumentation über „Work in Progress“. 

Denn während der Zusammenstellung des Abschlussberichts mussten seine Autoren feststellen, 

dass wesentliche Forschungs-, Entwicklungs- und Transferfragen im Projektverlauf erst aufgeworfen 

wurden, aber noch nicht zufrieden stellend beantwortet werden konnten. Darüber hinaus fehlte 

in der Endphase des Projekts mitunter die Zeit, alle diejenigen Gedanken und Literaturverweise zu 

Papier zu bringen, von denen sich die Autoren vorgenommen hatten, sie im Abschlussbericht zu 

dokumentieren. Natürlich sind diese Gedanken- und Literaturlücken nur den betroffenen Autoren 

und ihrem nicht perfekten Zeitmanagement anzulasten. Aber sie hoffen, in späteren Publikationen 

die einen oder anderen derjenigen Lücken noch schließen zu können, die in diesem Werk aus Zeitmangel 

nicht vermieden werden konnten. 

1) Das Verbundprojekt KOWIEN wurde mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) innerhalb des 

Rahmenkonzepts “Forschung für die Produktion von morgen” gefördert (Förderkennzeichen Hauptband 02 PD 1060) und vom 

Projektträger Produktion und Fertigungstechnologien (PFT), der Forschungszentrum Karlsruhe GmbH, betreut. Die Mitglieder 

des Projektteams danken für die großzügige Unterstützung ihrer Forschungs-, Entwicklungs- und Transferarbeiten. 

Detailliertere Informationen zum Projekt finden sich im Internet unter der URL „http://www.kowien.uni-essen.de/“ sowie in der 

Dokumentation ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht 

zum Verbundprojekt KOWIEN. Zugleich KOWIEN-Projektbericht 10/2004, Universität Duisburg-Essen. Essen 2004.

2 Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 

B Gegenstand des Verbundprojekts 

Das Verbundprojekt KOWIEN stellt sich der Herausforderung, die arbeitsteilige Erfüllung wissensintensiver 

Engineering-Aufgaben in Netzwerken durch computerbasierte Arbeitstechniken im Bereich 

des Kompetenzmanagements zu unterstützen. 

Zur Bewältigung dieser Herausforderung wurde – gefördert vom Bundesministerium für Bildung 

und Forschung (BMBF) und vom Projektträger Produktion und Fertigungstechnologien (PFT) – ein 

kombiniertes Forschungs-, Entwicklungs- und Transferprojekt initiiert. Erstens gilt es, eigenständige 

Forschungsbeiträge zu leisten, die sich mit der Anwendbarkeit von Techniken des computerbasierten 

Knowledge Engineerings, insbesondere von so genannten Ontologien, in betriebswirtschaftlichen 

Verwendungszusammenhängen auseinander setzen. In dieser Hinsicht lässt sich das Verbundprojekt 

KOWIEN der anwendungsorientierten Forschung zurechnen. Zweitens sind Entwicklungsarbeiten 

nötig, um Werkzeuge zur Unterstützung von Knowledge-Engineering-Techniken für 

die betriebliche Praxis zur Verfügung zu stellen. Dazu gehören vor allem Vorgehensmodelle und 

ein Software-Tool – einschließlich einer E-Learning-Umgebung – für den betrieblichen Einsatz ontologiebasierter 

Wissensmanagementsysteme. Drittens zielt das Verbundprojekt darauf ab, die allgemeinen 

Forschungs- und Entwicklungsarbeiten für einen speziellen Anwendungsbereich fruchtbar 

zu machen, indem ein Transfer der Erkenntnisse auf die Domäne computerbasierter Kompetenzmanagementsysteme 

erfolgt. Diese Kompetenzmanagementsysteme sollen die arbeitsteilige Erfüllung 

wissensintensiver Engineering-Aufgaben in inner- und überbetrieblichen Netzwerken dadurch 

unterstützen, dass sie Wissen über die Kompetenzen betrieblicher Akteure aufnehmen, verwalten 

und problembezogen zugänglich machen können. 

Das Verbundprojekt KOWIEN behandelt – trotz der voranstehenden Eingrenzungen – immer noch 

einen vielschichtigen Projektgegenstand. Im Folgenden werden seine Hauptdeterminanten kurz thematisiert, 

um den Gegenstand der Projektarbeiten inhaltlich zu präzisieren. 

Erstens wird von komplexen Engineering-Aufgaben ausgegangen, welche sowohl die zeitliche als 

auch die fachliche Problemlösungskapazität einzelner wirtschaftlicher Akteure übersteigen. Dies erfordert 

zwecks Aufgabenerfüllung Arbeitsteilung zwischen den Akteuren. Um die Arbeitsprozesse 

der involvierten Akteure zeitlich und fachlich aufeinander abzustimmen und zu einer Erfüllung der 

ursprünglich vorliegenden Gesamtaufgabe zusammenzuführen, müssen die Aktivitäten der Akteure 

bei der Erfüllung ihrer Teilaufgaben koordiniert werden. Für diese „generische“ Koordinierungsaufgabe 

wurden seitens der betriebswirtschaftlichen Organisationstheorie vielfältige Koordinierungsansätze 

entwickelt. 

Im Verbundprojekt KOWIEN erfolgt von vornherein eine Fokussierung auf zwei Aspekte. Einerseits 

wird ausschließlich eine Koordinierung durch Kooperation zwischen teilautonomen Akteuren 

betrachtet. Dadurch scheiden sowohl kompetitive Koordinierungsansätze – z.B. mittels (unternehmens-) 

interner oder externer Märkte – als auch Koordinierungsansätze aufgrund hierarchischer Anweisungen 

aus. Diese Eingrenzung wird in Kürze mit Hinblick auf Engineering-Netzwerke inhaltlich 

gerechtfertigt. Andererseits wird davon ausgegangen, dass die Arbeitsteilung zwischen den Akteuren 

nicht in quantitativer, sondern in qualitativer Hinsicht erfolgt. Denn die Bewältigung komplexer 

Engineering-Aufgaben stellt kein rein quantitatives Problem dar, das sich durch die Verteilung 

inhaltlich gleichartiger Teilaufgaben auf eine Vielzahl von Akteuren lösen ließe (mengenmäßige 

Arbeitsteilung). Vielmehr zeichnet sich die Komplexität solcher Engineering-Aufgaben u.a. 

dadurch aus, dass eine Vielfalt fachlich verschiedenartiger Qualifikationen benötigt wird, um die 

Gesamtaufgabe entsprechend den Kundenanforderungen erfüllen zu können (artmäßige Arbeitsteilung). 

Die Koordinierung der arbeitsteiligen Erfüllung einer Engineering-Aufgabe muss sich daher 

insbesondere auf die Dimension der Arbeitsqualifikationen erstrecken, die aus Projektsicht erforderlich 

und aus Akteurssicht tatsächlich vorhanden sind.

Vorwort zur inhaltlichen Positionierung des Verbundprojekts KOWIEN 3 

Zweitens wird im Verbundprojekt KOWIEN vorausgesetzt, dass sich die komplexen Engineering- 

Aufgaben grundsätzlich durch ihre hohe Wissensintensität auszeichnen. Ohne in der hier gebotenen 

Kürze das Problem einer Operationalisierung der Wissensintensität von Arbeitsprozessen vertiefen 

zu können, lässt sich an die „Intuition des Alltagsverstands“ appellieren: Engineering-Leistungen 

werden sich in einem Hochlohnland wie Deutschland im internationalen Wettbewerb zumeist nur 

dann als konkurrenzfähig erweisen, wenn ihre Entwickler einen der wesentlichen komparativen 

Vorteile Deutschlands – sein (immer noch) sehr leistungsfähiges Aus- und Weiterbildungssystem – 

nutzen, indem sie einen möglichst hohen Anteil an Know-what und Know-how in die Engineering- 

Leistungen einfließen lassen. Das Know-what erstreckt sich hierbei im Wesentlichen auf Fachkenntnisse 

und wird des Öfteren auch als Faktenwissen bezeichnet. Das Know-how betrifft hingegen 

vornehmlich Herstellungs- und Anwendungsfertigkeiten; es wird oftmals als prozedurales Wissen 

oder Prozesswissen thematisiert. 

Die Arbeitsqualifikationen, die zur Erfüllung derart wissensintensiver Engineering-Aufgaben erforderlich 

sind, erstrecken sich daher zu einem großen und – vor allem aus wettbewerblicher Sicht – 

besonders wichtigen Teil auf das Wissen der beteiligten Akteure. Dieses Wissen ist besonderer Art. 

Denn es handelt sich nicht – oder zumindest nur in geringerem Umfang – um „akademisches“ Wissen, 

das um seiner selbst willen und zum Zwecke der Wahrheitserkenntnis erworben wird, wie z.B. 

Know-why (kausales Hintergrundwissen). Vielmehr wird zur Erfüllung wissensintensiver Engineering-Aufgaben 

primär anwendungs- oder verwertungsbezogenes Wissen benötigt. Es erstreckt sich 

vor allem auf die bereits angeführten Wissensformen des Know-what und Know-how. Sie werden 

im Folgenden der Kürze halber unter die Formulierung „Kenntnisse und Fertigkeiten“ subsumiert. 

Der Wissensbereich der anwendungsbezogenen Kenntnisse und Fertigkeiten wird im Rahmen des 

betrieblichen Wissensmanagements oftmals unter der Rubrik „Kompetenzen“ behandelt. Solche 

Kompetenzen lassen sich allgemein als handlungsbefähigendes Wissen charakterisieren. Dieser 

Kompetenzbegriff zielt darauf ab, dass die vorgenannten Kenntnisse und Fertigkeiten nicht um ihrer 

selbst willen erworben und angewendet werden. Vielmehr sollen sie die Akteure als Wissensträger 

in die Lage versetzen, in ihren betrieblichen Arbeitszusammenhängen so zu handeln, dass wissensintensive 

(Engineering-) Leistungen produziert werden. Die o.a. Dimension der Arbeitsqualifikationen 

wird für die hier betrachteten wissensintensiven Engineering-Leistungen fortan auf die Subdimension 

der (arbeitsbezogenen) Kompetenzen fokussiert. 

Für die Koordinierung der arbeitsteiligen Erfüllung von komplexen, insbesondere wissensintensiven 

Engineering-Aufgaben ist es aufgrund der voranstehenden Erläuterungen vor allem erforderlich, 

diejenigen Kompetenzen zusammenzuführen und aufeinander abzustimmen, die als handlungsbefähigendes 

Wissen zur Aufgabenerfüllung benötigt werden. Daher befasst sich das Verbundprojekt 

KOWIEN vornehmlich mit der Koordinierung von Kompetenzen in arbeitsteiligen Arbeitszusammenhängen. 

Diese übergeordnete Koordinierungsaufgabe erstreckt sich vor allem auf das Management 

von Wissen über Kompetenzen. 

Das Wissen über Kompetenzen stellt streng genommen Metawissen dar. Denn die „gemanagten“ 

Kompetenzen besitzen auf der Objektebene der Leistungserbringung, d.h. auf der Ebene der Erfüllung 

von Engineering-Aufgaben, bereits die Qualität von handlungsbefähigendem Wissen. Daher 

handelt es sich bei Wissen über Kompetenzen inhaltlich um Wissen über handlungsbefähigendes 

Wissen und somit um Metawissen. Der Einfachheit der Diktion zuliebe wird im Folgenden Wissen 

über Kompetenzen auch kurz als „Wissen“ thematisiert, solange aus dem jeweils aktuellen Argumentationskontext 

ersichtlich ist, dass stets das Management von Wissen über Kompetenzen auf der 

„Metaebene“ des Wissensmanagements gemeint ist. Ebenso wird der Kürze halber von „Kompetenzmanagement“ 

gesprochen. Computerbasierte Systeme, die bei der Erfüllung dieser Manage-


mentaufgabe behilflich sein sollen, werden entsprechend als „Kompetenzmanagementsysteme“ 

(KMS) bezeichnet. 

Die Gesamtaufgabe, Wissen über Kompetenzen zu managen, umfasst im Wesentlichen drei Teilaufgaben 

(Kernaufgaben): 

• die Identifizierung derjenigen Kompetenzen, die zur Erfüllung von wissensintensiven Engineering-Aufgaben 

erforderlich sind (aufgabenseitige Kompetenzenidentifikation), und die Aggregation 

der zur Aufgabenerfüllung erforderlichen Kompetenzen in einem aufgabenspezifischen 

Kompetenzprofil (aufgabenseitige Profilsynthese); 

• die Identifizierung derjenigen Kompetenzen, über die im aktuellen Zeitpunkt einzelne Akteure 

als Kompetenzträger verfügen (akteursseitige Kompetenzen- und Kompetenzträgeridentifikation), 

und die Aggregation der Kompetenzen eines Akteurs in einem akteursspezifischen Kompetenzprofil 

(akteursseitige Profilsynthese); 

• die Zuordnung von Akteuren mit ihren Kompetenzen zu Engineering-Aufgaben (aufgabenbezogene 

Allokation von Kompetenzträgern) als „Matching“ zwischen den akteurs- und den aufgabenspezifischen 

Kompetenzprofilen. 

Die drei Kernaufgaben betreffen das Management von Wissen über drei unterschiedliche Kompetenzaspekte: 

Wissen über Kompetenzen im Sinne von handlungsbefähigendem Wissen, Wissen über 

Kompetenzträger und Wissen über Kompetenzprofile. Sofern keine nähere Differenzierung zwischen 

diesen drei Aspekten erforderlich ist, wird im Folgenden vereinfacht davon gesprochen, das 

Management von Kompetenzwissen – oder noch kürzer, wie bereits oben eingeführt: das Kompetenzmanagement 

– zu behandeln. 

Die Sachziele des Kompetenzmanagements bestehen darin, einerseits die benötigten Kompetenzen 

sowie andererseits die verfügbaren Kompetenzen und deren Kompetenzträger möglichst vollständig 

zu identifizieren. Als weiteres Sachziel kommt hinzu, bei der aufgabenbezogenen Allokation von 

Kompetenzträgern eine möglichst hohe Übereinstimmung zwischen erforderlichen und verfügbaren 

Kompetenzen zu erreichen (primäres Allokationsziel). Die Erfüllung dieser „outputorientierten“ 

Sachziele – Outputs sind die Identifikations- bzw. Allokationsleistungen – wird aus betriebswirtschaftlicher 

Perspektive im Allgemeinen als Effektivität des Kompetenzmanagements bezeichnet. 

Die Effizienz des Kompetenzmanagements erstreckt sich hingegen auf Formalziele, die eine Auswahl 

zwischen mehreren Entscheidungsalternativen gestatten, wenn sich mehrere Alternativen als 

„effektiv“ erweisen, d.h. die vorgegebenen Sachziele gleich gut erfüllen. Diese Effizienz- oder 

Formalziele betreffen zumeist – in Anlehnung an das allgemeine Prinzip ökonomischer Rationalität 

– das Verhältnis zwischen hervorgebrachten Ergebnissen (Output) und hierfür eingesetzten Ressourcen 

(Input). Demzufolge erweist sich das Kompetenzmanagement als besonders effizient, wenn 

es beispielsweise gelingt, vorgegebene Identifikations- oder Allokationsleistungen (als Output) mit 

besonders geringem Ressourceneinsatz (als Input) zu realisieren. Der Einsatz von Ressourcen kann 

auf vielfältige Weise operationalisiert werden, wie etwa durch das jeweils in Anspruch genommene 

Personal, die aufgewendeten Sach- und Finanzmittel und durch die Zeit, die bis zur Fertigstellung 

der intendierten Leistung verstrichen ist (z.B. als „time to customer“ oder als „time to market“). 

Im Vordergrund des Forschungs-, Entwicklungs- und Transferinteresses des Verbundprojekts KO- 

WIEN steht die Effektivität von Kompetenzmanagementkonzepten und ihrer Implementierung mittels 

computerbasierter Kompetenzmanagementsysteme. Auf Effizienzaspekte wird nur am Rande 

eingegangen, weil Bemühungen zur „Optimierung“ des Verhältnisses zwischen Ergebniserzielung 

und hierfür erforderlichem Ressourceneinsatz erst dann anstehen, wenn die Effektivität des Kompetenzmanagements 

aus der Sicht seiner betrieblichen Anwender sichergestellt ist. Das Management


von Kompetenzwissen leidet jedoch zurzeit noch unter erheblichen Effektivitätsmängeln. Darauf 

wird im nächsten Kapitel näher eingegangen. Daher widmen sich die Projektarbeiten primär der 

Überwindung solcher Effektivitätsmängel – und nicht dem Streben nach möglichst hoher Managementeffizienz. 

Neben den oben angeführten drei Kernaufgaben des Kompetenzmanagements lässt sich eine Vielzahl 

von ergänzenden Aufgaben identifizieren, die in der betrieblichen Praxis – unternehmens- und 

situationsabhängig – durchaus eine bedeutsame Rolle spielen können. Dazu gehört beispielsweise 

die Aufgabe, Kompetenzlücken zu identifizieren. Solche Kompetenzlücken können zwischen denjenigen 

Kompetenzen, die für die Erfüllung einer Engineering-Aufgabe erforderlich sind, und denjenigen 

Kompetenzen klaffen, die in einem Unternehmen seitens seiner Kompetenzträger aktuell zur 

Verfügung stehen. Nach der Identifizierung solcher Lücken stellt sich für das Kompetenzmanagement 

das nachgelagerte Problem, wie mit den Kompetenzlücken umgegangen werden soll. Aus betriebswirtschaftlicher 

Perspektive handelt es sich hierbei um eine spezielle Ausprägung („Instanz“) 

aus der Klasse der Make-or-Buy-or-Ignore-Probleme: Zunächst können die erforderlichen, jedoch 

aktuell nicht verfügbaren Kompetenzen selbst aufgebaut werden (Make-Alternative), beispielsweise 

durch Qualifizierungsmaßnahmen der Personalentwicklung. Darüber hinaus ist es möglich, diese 

Kompetenzen von Dritten zu erwerben (Buy-Alternative), z.B. durch Abwerbung entsprechender 

Kompetenzträger aus anderen Unternehmen. Letztlich kann auf die Schließung der erkannten Kompetenzlücke 

auch bewusst verzichtet werden (Ignore-Alternative), weil etwa angenommen wird, 

dass der Auftraggeber einer Engineering-Leistung den partiellen Kompetenzmangel nicht bemerken 

wird. Die letztgenannte Alternative beruht auf der Annahme opportunistischen Verhaltens bei Informationsasymmetrie, 

die vor allem in der ökonomischen Theorie der Prinzipal-Agenten-Probleme 

eine herausragende Rolle spielt. Im Verbundprojekt KOWIEN werden solche „Abgründe“ des 

Kompetenzmanagements, die auch Fragen der Unternehmenskultur und -ethik aufwerfen, jedoch 

nicht weiter vertieft. Stattdessen fokussieren sich die Projektarbeiten auf die drei o.a. Kernaufgaben 

des Kompetenzmanagements. Weiterführende, ergänzende Aufgaben werden nur ausnahmsweise 

und nur in dem Ausmaß gestreift, wie sie bei den Partnerunternehmen des Verbundprojekts in deren 

betrieblicher Praxis von Interesse sind. 

Drittens teilen die Partner des Verbundprojekts KOWIEN die Einschätzung, dass sich komplexe, 

wissensintensive Engineering-Aufgaben am besten – im Sinne der vorgenannten Effektivitäts- und 

Effizienzziele – erfüllen lassen, wenn die Aufgabenerfüllung durch teilautonome Akteure erfolgt, 

die in einem Netzwerk interagieren. Für diese Einschätzung sprechen im Wesentlichen zwei Argumente. 

Einerseits erweist sich die Koordination arbeitsteilig zusammenwirkender Akteure über 

Märkte zumeist als ungeeignet, wenn die zu koordinierenden Teilleistungen jeweils eine komplexe, 

nur schwer durch einige wenige Merkmale beschreibbare Struktur aufweisen und sich nur unter erheblichen 

Schwierigkeiten monetär bewerten lassen. Diesen Charakteristika werden wissensintensive 

Engineering-Aufgaben in der Regel gerecht. Andererseits ist von einer Koordination der Akteure 

über hierarchische Anweisungen innerhalb eines Unternehmens ebenso abzuraten, wenn die Qualität 

der zu koordinierenden Teilleistungen in hohem Ausmaß von inhaltlichen Ermessensspielräumen 

und Eigeninitiativen der ausführenden Akteure abhängt. Auch diese letztgenannten Voraussetzungen 

liegen bei wissensintensiven Engineering-Aufgaben im Allgemeinen vor. Aus den voranstehenden 

Gründen eignen sich für die Koordination von Akteuren bei der arbeitsteiligen Erfüllung 

wissensintensiver Engineering-Aufgaben tendenziell am ehesten „hybride“ Koordinationsformen 

„zwischen Markt und Hierarchie“, die in der organisationswissenschaftlichen Literatur zumeist als 

Netzwerk-Organisationen thematisiert werden.


Von solchen Netzwerk-Organisationen wird im Verbundprojekt KOWIEN grundsätzlich ausgegangen. 

Ihre Akteure handeln „teilautonom“, weil sie einerseits bei ihrer Aufgabenerfüllung weit gehend 

frei von hierarchischen Arbeitsanweisungen bleiben (Autonomieaspekt), jedoch andererseits 

im Interesse der arbeitsteiligen Erfüllung einer Gesamtaufgabe durch die Handlungsweisen aller 

anderen kooperierenden Akteure und das gemeinsam angestrebte Handlungsergebnis – die Aufgabenerfüllung 

– einschränkenden Rahmenbedingungen unterliegen (Restriktionsaspekt). Von sekundärer 

Bedeutung ist, ob solche Netzwerk-Organisationen entweder innerhalb eines bestehenden Unternehmens 

(innerbetriebliche Netzwerke) oder aber zwischen mehreren rechtlich selbstständigen 

Unternehmen (überbetriebliche Netzwerke) zustande kommen. Beispiele für innerbetriebliche 

Netzwerke sind Projektgruppen als häufigste Form einer Sekundärorganisation, welche die „dauerhafte“, 

primäre Aufbauorganisation eines Unternehmens temporär, d.h. bis zur Erreichung der Projektziele, 

überlagert. Konsortien und Virtuelle Unternehmen sind hingegen die bekanntesten Vertreter 

überbetrieblicher Netzwerke. Da es für die Forschungs- und Entwicklungsinteressen des Verbundprojekts 

KOWIEN unerheblich ist, ob die betrachteten wissensintensiven Engineering-Aufgaben 

in entweder inner- oder aber überbetrieblichen Netzwerken erfüllt werden, wird die Gesamtheit 

dieser Netzwerk-Organisationen unter den Oberbegriff der Engineering-Netzwerke subsumiert. 

Eine vierte wesentliche Einschränkung für den Gegenstandsbereich des Verbundprojekts KOWIEN 

besteht darin, dass eine Fokussierung auf computerbasierte Arbeitstechniken erfolgt. Über diesen 

Fokus lässt sich trefflich streiten. So wird seit Ende der neunziger Jahre in der einschlägigen Fachliteratur 

intensiv darüber debattiert, ob Aufgaben des Wissensmanagements besser erfüllt werden 

könnten, indem die knappen Unternehmensressourcen entweder auf Mitarbeiter als Kompetenzträger 

(Personalisierungsstrategie) oder aber auf Automatische Informations- und Wissensverarbeitungssysteme 

(Kodifizierungsstrategie) konzentriert werden. Die Schwerpunktsetzung des Verbundprojekts 

KOWIEN zugunsten computerbasierter Arbeitstechniken bedeutet keineswegs, dass 

die Projektpartner die große Bedeutung des Humankapitals für das Wissensmanagement verkennen 

würden. Stattdessen sahen sie sich nur aufgrund von exogenen Randbedingungen – knapper personeller, 

finanzieller sowie zeitlicher Projektressourcen – genötigt, einen der beiden o.a. Aspekte des 

Wissensmanagements zu bevorzugen, um zumindest diesen Aspekt in der gebotenen Breite und 

Tiefe behandeln zu können. Dass diese Vertiefungsentscheidung zugunsten computerbasierter Arbeitstechniken 

ausfiel, beruht letztlich auf den kontingenten Vorgaben des Rahmenkonzepts „Forschung 

für die Produktion von morgen“, innerhalb dessen das Verbundprojekt KOWIEN thematisch 

angesiedelt ist. Das Rahmenkonzept fokussiert auf die „Produktion“ von „harten“ Projektergebnissen, 

die sich im Rahmen der Personalisierungsstrategie mit ihrem Fokus auf „weichem“ Humankapital 

nicht erzielen lassen. Daher wurde die Kodifizierungsstrategie in den Vordergrund des Verbundprojekts 

KOWIEN gerückt, um das Schwergewicht der Forschungs-, Entwicklungs- und 

Transferarbeiten auf „harte“ Projektergebnisse zu legen. Die Projektpartner setzen auf die „Weit“- 

Sicht von BMBF und PFT, auch die „Produktion von Software“ – einschließlich zugehöriger Komponenten 

wie Vorgehensmodelle und E-Learning-Umgebungen – in einem modernen, „aufgeklärten“ 

Produktionsverständnis dem Bereich „harter“ Projektergebnisse zuzurechnen. 

Die fünfte – und letzte – Hauptdeterminante des Gegenstandsbereichs für das Verbundprojekt KO- 

WIEN stellt die inhaltliche Reichweite des zentralen Begriffs der Kompetenzträger dar. Auf den 

ersten Blick handelt es sich bei den Kompetenzträgern um die Mitarbeiter eines Engineering- 

Netzwerks, die bei der arbeitsteiligen Erfüllung von Engineering-Aufgaben zusammenwirken. Diese 

„natürlich“ anmutende Sichtweise lag auch den einleitenden Ausführungen zugrunde, in denen 

die relevanten Akteure stets im Sinne von Mitarbeitern als „natürlichen“ Akteuren thematisiert wurden.


Es besteht jedoch keine inhaltliche Notwendigkeit, eine derart eingeschränkte Sichtweise aufrecht 

zu erhalten. Insbesondere würde sie nur der Personalisierungsstrategie des Wissensmanagements 

gerecht werden, die nicht im Fokus des Verbundprojekts KOWIEN steht. Stattdessen konzentriert 

sich dieses Projekt auf die Kodifizierungsstrategie und somit auf computerbasierte Arbeitstechniken. 

Daher kommen als Kompetenzträger ebenso „maschinelle“ oder „artifizielle“ Akteure in Betracht, 

wie z.B. Wissensbanken, Wissensbasierte Systeme, die früher in der „Good Old Fashioned 

Artificial Intelligence“ (GOFAI) als „Expertensysteme“ thematisiert wurden, Roboter und Multi- 

Agenten-Systeme. Wissensbanken und Wissensbasierte Systeme lassen sich unmittelbar als Kompetenzträger 

identifizieren, wenn sie handlungsbefähigendes Wissen (passiv) speichern und – im 

Fall der Wissensbasierten Systeme – auch zur Problemlösung (aktiv) anwenden. Roboter und Multi- 

Agenten-Systeme umfassen Kompetenzträger als „artifizielle“ Akteure, sofern die einzelnen Agenten 

eines solchen Systems hinreichend „mächtig“ modelliert, also mit handlungsbefähigendem Wissen 

ausgestattet werden. In einer ersten groben, aber hier völlig ausreichenden Annäherung lassen 

sich die einzelnen Agenten jeweils als eigenständige Wissensbasierte Systeme auffassen, die um eine 

komplexe, ebenso automatisierte Kommunikation und Koordination zwischen den Agenten 

zwecks arbeitsteiliger Kooperation erweitert werden. Um zwischen den vorgenannten (und weiteren) 

Varianten „maschineller“ Akteure nicht im Einzelnen differenzieren zu müssen, werden sie 

hier unter dem Oberbegriff der Automatischen Informations- und Wissensverarbeitungssysteme zusammengefasst. 

Sofern die Automatischen Informations- und Wissensverarbeitungssysteme eingesetzt 

werden, um Wissen über Kompetenzen (computerbasiert) zu managen, werden sie auch kurz 

als Kompetenzmanagementsysteme bezeichnet. 

Mit dieser Ausweitung von Kompetenzträgern auf „maschinelle“, d.h. computerbasierte Akteure 

dringt das Verbundprojekt KOWIEN in die Gestaltungsbereiche von Wirtschaftsinformatik, (Kern-) 

Informatik und Erforschung Künstlicher Intelligenz (KI) vor. Aus diesen Wissenschaftsbereichen 

werden neuere Erkenntnisse übernommen, um die Forschungs-, Entwicklungs- und Transferarbeiten 

des Verbundprojekts inhaltlich zu befruchten. Dies gilt insbesondere im Hinblick auf Vorgehensmodelle 

und Ontologien, auf die später noch ausführlich zurückgekommen wird. 

Über diese dezidiert computerorientierte Ausweitung des zentralen Begriffs der Kompetenzträger 

hinaus wird im Verbundprojekt KOWIEN auch eine organisationale Perspektive auf handlungsbefähigendes 

Wissen eingenommen. Aus dieser letztgenannten Perspektive kommen „kollektive“ 

Kompetenzträger hinzu, deren handlungsbefähigendes Wissen sich weder in einzelnen Mitarbeitern 

(„Menschen“) noch in einzelnen Automatischen Informations- und Wissensverarbeitungssystemen 

(„Maschinen“) lokalisieren lässt. Vielmehr ist das handlungsbefähigende Wissen über Organisationen 

als Agglomerate von Menschen und Maschinen so verteilt („verschmiert“), dass es nur der Organisation 

als Ganzheit zugeschrieben werden kann. Daher wird oftmals auch von „Organisationswissen“, 

„organisationalem Wissen“ oder „organisatorischem Gedächtnis“ gesprochen. Da dieses 

handlungsbefähigende, an Organisationen gebundene Wissen in der betrieblichen Praxis eine große 

Bedeutung für die Erfüllung wissensintensiver Aufgaben erlangen kann, wird es hier – trotz seiner 

schweren „Greifbarkeit“ – in die Reichweite der Forschungs- und Entwicklungsbemühungen des 

Verbundprojekts von vornherein einbezogen. 

Organisationales Wissen kann in Organisationseinheiten auf verschiedenen Organisationsebenen 

angesiedelt sein. Beispielsweise lässt sich organisationales Wissen sowohl auf der Ebene einzelner 

Abteilungen als auch innerhalb eines gesamten Unternehmens identifizieren, in seltenen Fällen sogar 

auch einem Netzwerk aus mehreren rechtlich selbstständigen Unternehmen insgesamt zuordnen. 

Der letztgenannte Fall tritt vor allem in Virtuellen Unternehmen „der zweiten Generation“ auf. Sie 

zeichnen sich dadurch aus, dass die Partnerunternehmen zwar in Abhängigkeit von den jeweils


übernommenen Aufträgen (Projekten) auftragsspezifische und temporäre Partnerkonfigurationen 

eingehen (wie es schon für Virtuelle Unternehmen „der ersten Generation“ typisch ist), aber darüber 

hinaus ein stabiles und somit langfristig vertrauensstiftendes Netzwerk potenzieller Projektpartner 

errichten. In solchen stabilen Netzwerken kann sich im Zeitverlauf z.B. handlungsbefähigendes 

Wissen über die zweckmäßige Koordinierung mit anderen Partnern desselben Netzwerks herausbilden, 

das aus betriebswirtschaftlicher Perspektive als spezielle Koordinierungs- oder Netzwerkkompetenz 

zunehmend Beachtung findet. 

Der Gegenstandsbereich des Verbundprojekts KOWIEN umfasst aufgrund der voranstehenden Erläuterungen 

einen weit gespannten Bereich potenzieller Kompetenzträger. Als Kompetenzträger – 

und somit als relevante Akteure in Engineering-Netzwerken – kommen alle Akteure in Betracht, die 

zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen – also Kompetenzen – einsetzen 

können. Dies betrifft einerseits individuelle Akteure. Zu ihnen zählen sowohl Mitarbeiter der 

involvierten Unternehmen (personelle oder natürliche Akteure) als auch Automatische Informations- 

und Wissensverarbeitungssysteme (maschinelle oder artifizielle Akteure). Andererseits kann es 

sich aber auch um kollektive Akteure handeln. Dies ist immer dann der Fall, wenn zur arbeitsteiligen 

Erfüllung einer Engineering-Aufgabe (auch) auf handlungsbefähigendes Wissen zurückgegriffen 

wird, das keinem der individuellen Akteure zugerechnet werden kann, sondern einer Organisationseinheit 

als Ganzes zukommt. 

Während Mitarbeiter im Regelfall aufgrund arbeitsvertraglicher Regelungen genau einem Unternehmen 

zugeordnet sind, erstrecken sich Automatische Informations- und Wissensverarbeitungssysteme 

des Öfteren auch über mehrere kooperierende Unternehmen, die sich zu einem Netzwerk 

zusammengeschlossen haben. Besonders deutlich wird dieser computerbasierte Unternehmensverbund 

beispielsweise bei Supply-Chain- oder Supply-Web-Konzepten. Allerdings erweist sich die 

vorgenannte Differenzierung als nicht trennscharf. Denn in Ausnahmefällen können auch einzelne 

Mitarbeiter gleichzeitig zu mehreren Unternehmen aus einem Netzwerk gehören. Dies ist z.B. der 

Fall, wenn ein Mitarbeiter mehrere Beschäftigungsverhältnisse eingegangen ist (etwa im Rahmen 

von Teilzeitbeschäftigungen) oder wenn ein Mitarbeiter von einem Unternehmen zu einem vereinbarten 

Anteil seiner Arbeitszeit an ein anderes, kooperierendes Unternehmen zwecks gemeinsamer 

Erfüllung einer Engineering-Aufgabe „ausgeliehen“ wird. Um von solchen Nuancen absehen zu 

können, wurde im Verbundprojekt KOWIEN von vornherein auf die Erfüllung von wissensintensiven 

Engineering-Aufgaben in Netzwerken abgestellt, die sich zwecks arbeitsteiliger Aufgabenerfüllung 

sowohl auf inner- als auch auf überbetriebliche Kooperationen erstrecken können.


C Partner des Verbundprojekts und 

Zusammenarbeit mit externen Stakeholdern 

Das Verbundprojekt KOWIEN umfasste ein Projektkonsortium, das die Projektarbeiten im engeren 

Sinn leistete und durch Finanzmittel des BMBF großzügig gefördert wurde. Hinzu kamen weitere 

Stakeholder, die in die Verbreitung der Erkenntnisse und Ergebnisse der Projektarbeiten einbezogen 

wurden, jedoch nicht an den BMBF-Fördermitteln partizipierten. 

Das Projektkonsortium setzte sich aus fünf Praxispartnern und einem Universitätspartner zusammen. 

Die fünf Praxispartner standen im Zentrum des Projekts. 

Die meisten Praxispartner gehören zum Sektor der kleinen und mittelgroßen Unternehmen (KMU). 

Drei lassen sich der Branche des Maschinen- und Anlagenbaus im weitesten Sinn – bis hin zum internationalen 

Technologie-Dienstleister im Engineering komplexer Industrieprojekte – zuordnen. 

Sie trugen gemeinsam das Produkt-Engineering-Szenario des Verbundprojekts KOWIEN: 

1. die Deutsche Montan Technologie (DMT) GmbH in Essen, 

2. die Karl Schumacher Maschinenbau (KSM) GmbH in Köln und 

3. die TEMA GmbH – Industrial Visiomation in Schwelm. 

Hinzu kam als vierter Praxispartner ein Unternehmen aus der Consulting-Branche, von dem das 

Service-Engineering-Szenario des Verbundprojekts abgedeckt wurde: 

4. die Roland Berger Strategy Consultants GmbH in München & Düsseldorf. 

Schließlich nahm der fünfte Praxispartner eine Sonderstellung ein, weil er in keines der vorgenannten 

Szenarien eingebunden war, sondern als Softwarepartner für die prototypische Implementierung 

der konzeptionellen Projektarbeiten zur Verfügung stand: 

5. die Comma Soft AG – The Knowledge People in Bonn. 

Der Universitätspartner, das Institut für Produktion und Industrielles Informationsmanagement 

(PIM) der Universität Duisburg-Essen, Campus Essen, trat als federführender Antragsteller auf. Er 

hat während der Projektdurchführung die generelle Koordinierung der Projektarbeiten übernommen 

sowie – gemeinsam mit dem Softwarepartner – den überwiegenden Teil der konzeptionellen Forschungs-, 

Entwicklungs- und Transferleistungen erbracht. 

Die nachstehende Tabelle gewährt einen Überblick über die Projektrollen und über die Tätigkeitsschwerpunkte 

der insgesamt sechs geförderten Projektpartner. 2) 

2) Eine ausführlichere Darstellung sowohl der Kompetenzen der Projektpartner als auch ihrer Tätigkeiten im Verbundprojekt findet 

sich im 3. Kapitel von ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht 

zum Verbundprojekt KOWIEN. Zugleich KOWIEN-Projektbericht 10/2004, Universität Duisburg-Essen. Essen 

2004.


Projektpartner Projektrolle Tätigkeitsschwerpunkte 

Comma Soft AG – 

The Knowledge People 

Deutsche Montan 

Technologie (DMT) 

GmbH 

Karl Schumacher 

Maschinenbau (KSM) 

GmbH 

Roland Berger Strategy 

Consultants GmbH 

Praxispartner 

(Softwarepartner): 

Spezialist für 

Wissensmanagement- 

Software 

Praxispartner 

(Produkt-Engineering- 

Szenario): 

internationaler Technologie-Dienstleister 

für das Engineering 

komplexer Industrieprojekte 

Praxispartner 


Szenario): 

Spezialist des 

Maschinen- und 

Anlagenbaus 

Praxispartner 

(Service-Engineering- 

Szenario): 

Unternehmensberatung 

Konzipierung und prototypische Implementierung 

eines Software-Tools für 

ontologiebasierte Kompetenzmanagementsysteme; 

Unterstützung des Requirement-Engineering-Prozesses 

zur Erhebung der Benutzeranforderungen 

an das Software-Tool 

Analyse praktischer Probleme des 

Wissensmanagements im eigenen 

Unternehmen; 

Formulierung von Anforderungen an 

computerbasierte Wissensmanagementsysteme; 

Erprobung und Evaluierung der Praxistauglichkeit 

von ontologiebasierten 

Kompetenzmanagementsystemen 



Unternehmen; 






Erhebung von Anforderungen an computerbasierte 

Wissensmanagementsysteme 

im Anschluss an eine Gemeinschaftsstudie 

mit dem VDMA; 



Kompetenzmanagementsystemen; 

Erstellung einer professionellen Fallstudie 

zur Multiplikation der Projektresultate


TEMA GmbH – 

Industrial Visiomation 

Universität Duisburg- 

Essen, Campus Essen: 

Institut für Produktion 

und Industrielles 

Informationsmanagement 

Praxispartner 


Szenario): 

Spezialist des 

Maschinen- und 

Anlagenbaus 

Universitätspartner: 

federführender 

Antragsteller 

und generelle 

Koordinierung der 

Projektarbeiten 



Unternehmen; 






konzeptionelle und methodische 

Forschungs-, Entwicklungs- und 

Transferarbeiten im Bereich des 

Knowledge Engineerings, vor allem 

Ontologien, Referenzmodelle und 

Vorgehensmodelle; 

Entwicklung einer E-Learning-Umgebung 

zur Unterstützung der Anwender von 

ontologiebasierten Kompetenzmanagementsystemen 

Zu den weiteren Stakeholdern, die sich außerhalb des voranstehenden Projektkonsortiums für die 

Verbreitung der Projekterkenntnisse und Projektergebnisse in der betrieblichen Praxis, insbesondere 

bei KMU einsetzen, gehört vor allem die Projektgruppe Wissensmanagement der Wirtschaftsjunioren 

Essen (e.V.) der Industrie- und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen 

zu Essen. Es handelt sich um einen Kreis von Selbstständigen und (angehenden) Führungskräften, 

die sich ehrenamtlich betätigen, um innovative Unternehmen im Einzugsbereich der Industrie- 

und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen zu unterstützen. 

Die Projektgruppe Wissensmanagement der Wirtschaftsjunioren Essen und der Universitätspartner 

gründeten im Mai 2003 den Industriearbeitskreis „Praxisforum Wissensmanagement“ 3) . Dieser Industriearbeitskreis 

stößt auf regen Zuspruch unter den KMU der Region. Er tagt in regelmäßigen, 

zurzeit halbjährlichen Abständen. Die Praxispartner des Verbundprojekts KOWIEN nehmen an den 

Sitzungen des Praxisforums Wissensmanagement regelmäßig teil. Dabei nutzen sie die Gelegenheit, 

sich über ihre Erfahrungen hinsichtlich der Entwicklung und Anwendung computerbasierter Wissensmanagementsysteme 

in der betrieblichen Praxis auszutauschen. Der Erfahrungsaustausch findet 

nicht nur zwischen den Praxispartnern des Verbundprojekts KOWIEN untereinander statt, sondern 

erfolgt auch – sogar insbesondere – mit anderen Fach- und Führungskräften aus KMU mit ähnlichen 

Wissensmanagementproblemen. Darüber hinaus wurde das Praxisforum Wissensmanagement 

zwischenzeitlich auf ein zweites, ebenso vom BMBF gefördertes Projekt – das Verbundprojekt 

MOTIWIDI (Motivationseffizienz in wissensintensiven Dienstleistungsnetzwerken) – ausgeweitet. 

3) Nähere Informationen hierzu finden sich im Internet unter der URL „http://www.praxisforum-wissensmanagement.de/“.


Zur regionalen Verbreitung von Ergebnissen des Verbundprojekts KOWIEN wurde gemeinsam mit 

der Zentralstelle für Forschungs- und Entwicklungstransfer (FET) der Universität Duisburg-Essen 

ein Workshop veranstaltet. Er fand im April 2004 auf dem Campus Essen im Rahmen der praxisorientierten 

Veranstaltungsreihe „WirtschaftsForum 10: IuK-Kompetenz im Dialog“ statt und widmete 

sich speziell dem Thema „Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen“. 

Der Workshop richtete sich vornehmlich an Wirtschaftsunternehmen der Ruhrgebietsregion, 

vor allem an kleine und mittelgroße Unternehmen (KMU). 

Für die überregionale Verbreitung von Projektergebnissen konnte als weiterer Stakeholder die Gemeinschaftsaktion 

„Multimedia im Maschinenbau“ gewonnen werden, die vom VDMA NRW, der 

IG-Metall-Bezirksleitung NRW und dem Arbeitgeber-Ausschuss Metall NRW getragen wird. Im 

März 2003 erfolgte in diesem praxisnahen Forum ein Beitrag zur Transferveranstaltung „Facetten 

des Wissensmanagements in Maschinenbau-Unternehmen – Versteckte Potenziale nutzen“ in Krefeld. 

In diesem Beitrag über „Kooperatives Wissensmanagement im Maschinen- und Anlagenbau“ 

berichteten ein Praxispartner und der Universitätspartner gemeinsam über wesentliche Zwischenergebnisse 

des Verbundprojekts KOWIEN und nutzten die Gelegenheit, auf die Entwicklung des 

Software-Tools für ontologiebasiertes Kompetenzmanagement aufmerksam zu machen. 

Zu den weiteren externen Stakeholdern, mit denen ein intensiver Meinungsaustausch über Erkenntnisse 

des Verbundprojekts gepflegt sowie ein Transfer von Projektergebnissen in die betriebliche 

Praxis organisiert wurde, zählten insbesondere: 

• die Industrie- und Handelskammer für Essen, Mülheim an der Ruhr und Oberhausen, 

• die Ontoprise GmbH, 

• die inomic GmbH, 

• die IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien, 

• andere BMBF-geförderte Verbundprojekte, vor allem die Projekte GINA und KOEFFIZIENT 

(gemeinsamer Abschlussworkshop), ESCIO und MOTIWIDI (gemeinsamer Workshop zum 

Wissenstransfer, insbesondere an KMU der Region). 

Darüber hinaus haben die Praxis- und der Universitätspartner auf einer größeren Anzahl von sowohl 

nationalen als auch internationalen Fachkonferenzen die Ergebnisse des Verbundprojekts KO- 

WIEN einer interessierten Fachöffentlichkeit vorgestellt. Zu diesen Fachkonferenzen zählen u.a.: 

∙ 2. Konferenz Professionelles Wissensmanagement (WM 2003) 

in Luzern, Schweiz (02.04.-04.04.2003); 

∙ 6th, 7th and 8th World Multiconference on Systemics, Cybernetics and Informatics 

(SCI 2002, SCI 2003, SCI 2004) in Orlando, USA (jeweils August des Jahres); 

∙ 18th International Workshop on Qualitative Reasoning (QR 04) 

in Evanston, USA (02.08.-04.08.2004); 

∙ 48th European Organization for Quality Congress (EOQ 04) 

in Moskau, GUS (06.09.-10.09. 2004); 

∙ 8th International Symposium on Measurement and Quality Control in Production (ISMQC) 

in Erlangen, Deutschland (12.10.-15.10.2004). 

Schließlich verfassten die Praxis- und der Universitätspartner zahlreiche Veröffentlichungen, um die 

Erkenntnisse und Ergebnisse der Projektarbeiten in der interessierten Öffentlichkeit als „globalem 

Stakeholder“ zu verbreiten. Dazu gehören nicht nur primär wissenschaftlich ausgerichtete Publika-


tionen, sondern auch Beiträge in praxis- und somit wirtschaftsnahen Zeitschriften, die sich in erster 

Linie an Fach- und Führungskräfte von KMU richten. Beide Gruppen von Projektpublikationen 

werden in der abschließenden Aufstellung von Projektveröffentlichungen gesondert ausgewiesen. 

D Wissenschaftlicher und technischer Stand 

zu Beginn und Ende des Verbundprojekts 

Seit längerer Zeit stehen Unternehmen vor dem Problem, der zunehmenden Dynamik und Turbulenz 

des Unternehmensumfelds durch flexible, neuerdings sogar als „agil“ bezeichnete Organisationsformen 

Rechnung tragen zu müssen. Im Engineering-Bereich hat sich weit gehend die Form der 

Projektorganisation durchgesetzt. Sie erlaubt es einem Unternehmen, sich an die Herausforderungen 

komplexer und rasch wechselnder Engineering-Aufgaben dadurch anzupassen, dass für die Erfüllung 

einer solchen Aufgabe jeweils ein Projekt definiert wird. 

Aus betriebswirtschaftlicher Sicht wird die Planung und Steuerung solcher Projekte mit Projektmanagementtechniken, 

wie z.B. mit Netzplantechnik und Workflowmanagementsystemen, bereits zufrieden 

stellend beherrscht. Ein zweiter Aspekt des Projektmanagements, die Zusammenstellung 

(„Konfiguration“) von Projektteams, wird hingegen nur mangelhaft mit praxistauglichen Instrumenten 

unterstützt. Bei der Konfiguration gilt es, ein Team aus Mitarbeitern zusammenzustellen, 

die für die Erfüllung einer anstehenden Engineering-Aufgabe bestmöglich qualifiziert sind. Die 

aufgaben- und somit projektspezifisch erforderlichen Qualifikationen erstrecken sich – sofern Kompetenzen 

als handlungsbefähigendes Wissen betroffen sind – sowohl auf konzeptionelles Wissen, 

das z.B. durch erworbene berufsbezogene oder akademische Abschlüsse nachgewiesen sein kann, 

als auch auf Erfahrungswissen, das bei der praktischen Erfüllung ähnlicher Aufgaben in der Vergangenheit 

erworben wurde. Die Gesamtheit dieses benötigten Wissens wird als projektspezifisches 

Know-how erfasst. Projektspezifisches Know-what spielt dagegen in der Regel eine betriebswirtschaftlich 

untergeordnete Rolle, so dass darauf im Folgenden nicht explizit eingegangen wird. 

Für die wissensintensiven Engineering-Aufgaben, die den Hintergrund des Verbundprojekts KO- 

WIEN bilden, spielt die Bereitstellung der Ressource Wissen eine herausragende Rolle. Soweit das 

projektspezifische Know-how nicht von den ausgewählten Mitarbeitern als Wissen „in ihren Köpfen“ 

mitgebracht wird, muss es im Rahmen der Projektkonfiguration durch andere Wissensträger 

zusätzlich bereitgestellt werden. In erster Linie bieten sich hierfür Daten-, Informations- und Wissensbanken 

an, in denen ein Unternehmen insbesondere das Erfahrungswissen („lessons learned“) 

aus früher durchgeführten Projekten explizit dokumentiert und zur Wiederverwendung („knowledge 

reuse“) in Folgeprojekten vorhält. Aber auch andere Formen der Speicherung organisationalen Wissens, 

wie z.B. konventionelle Handbücher, Organisationsrichtlinien und Projektberichte, kommen 

als Wissensquellen für projektspezifisches Know-how in Betracht. Alle vorgenannten Spielarten 

desjenigen Wissens, das in einem Unternehmen zur Erfüllung einer wissensintensiven Engineering- 

Aufgabe vorhanden ist, müssen im Rahmen des Projektmanagements berücksichtigt werden. 

Ein professionelles Wissensmanagement wird in der betrieblichen Praxis oftmals durch die unnötige 

Heterogenität der jeweils eingesetzten Formen der Wissensrepräsentation erheblich erschwert: 

Es werden unterschiedliche Repräsentationssprachen für die Erfassung desselben Gegenstandsbereichs 

nebeneinander verwendet. Dies ist z.B. für Beschaffungsprozesse der Fall, wenn sie einerseits 

für Zwecke der Zertifizierung nach DIN ISO EN 9000 ff. – neuerdings nach der aktualisierten 

Normenfamilie DIN ISO EN 9001:2000 – textuell beschrieben werden („Qualitätsmanagement- 

Handbuch“), andererseits aber für die Einführung von Enterprise-Resource-Planning-Systemen wie


SAP R/3 mittels ereignisgesteuerter Prozessketten semigraphisch modelliert werden. Aufgrund einer 

solchen Nutzung unterschiedlicher Repräsentationsformen und -sprachen können nicht nur unwirtschaftliche 

Redundanzen entstehen. Stattdessen drohen infolge der Redundanz bei der Aktualisierung 

von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen, die zu späteren Design- und 

Anwendungsfehlern mit nicht unerheblichem wirtschaftlichen Schadenspotenzial führen können. 

Für die vorgenannten Managementaufgaben existieren zwar viel versprechende Ansätze in der wissenschaftlichen 

Forschung. Dies betrifft vor allem Techniken des Wissensmanagements, die seit 

Anfang der achtziger Jahre im Rahmen des Knowledge-Level-Engineerings intensiv diskutiert werden. 

Hierbei handelt es sich insbesondere um Ontologien und – mit geringerem Gewicht – um Referenzmodelle. 

Aber diese Ansätze sind bislang noch nicht in praxistaugliche, computerbasierte Instrumente 

zur Unterstützung des betrieblichen Wissensmanagements umgesetzt worden. Stattdessen 

klafft derzeit auf dem Gebiet der Softwareunterstützung für Aufgaben des Wissensmanagements eine 

gravierende technische Umsetzungslücke: Zwar bieten einige wenige Hersteller betrieblicher Anwendungssoftware 

in jüngster Zeit Komponenten an, die Aufgaben des inner- und überbetrieblichen 

Wissensmanagements unterstützen. Detaillierte Analysen dieser Offerten zeigen jedoch, dass es 

sich in der Regel lediglich um Erweiterungen klassischer Datenbank- oder Dokumentenverwaltungstechniken 

handelt. Neuere Erkenntnisse aus dem Bereich des Knowledge-Level-Engineerings 

finden in diesen kommerziell verfügbaren Softwarekomponenten noch keine zufrieden stellende 

Berücksichtigung. Insbesondere fehlt es an praxistauglichen, also auch von „durchschnittlich qualifizierten“ 

Mitarbeitern anwendbaren Techniken für das systematische, computerbasierte Akquirieren, 

Strukturieren und Repräsentieren von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile. 

Um die zuvor erwähnte technische Umsetzungslücke zu schließen, werden insbesondere zwei Arten 

von Instrumenten für das betriebliche Wissensmanagement benötigt. Einerseits bedarf es einer systematischen 

Anleitung, wie bei der Erfüllung der Aufgaben des Managements von Kompetenzwissen 

konkret vorgegangen werden soll. Ein solches Vorgehensmodell, das den Anforderungen der 

betrieblichen Praxis entspricht, existiert zurzeit noch nicht. Andererseits besteht ebenso ein erheblicher 

Bedarf an computerbasierten Arbeitstechniken für die vorgenannten kompetenzbezogenen Managementaufgaben. 

Für diese Arbeitstechniken sind entsprechende Software-Werkzeuge erforderlich, 

um Kompetenzmanagementsysteme im betrieblichen Alltag effektiv und effizient nutzen zu 

können. 

Die technische Umsetzungslücke, die bislang hinsichtlich der Techniken des Knowledge-Level- 

Engineerings klaffte, wurde durch das Verbundprojekt KOWIEN zu einem großen Teil geschlossen. 

Die Projektergebnisse erstrecken sich vor allem auf die Konzipierung und prototypische Implementierung 

computerbasierter Kompetenzmanagementsysteme. Sie setzen Erkenntnisse des Knowledge-Level-Engineerings 

vor allem dadurch um, dass sämtliches Wissen über Kompetenzen, Kompetenzträger 

und Kompetenzprofile auf der einheitlichen Grundlage von Ontologien – einem Kernkonzept 

des Knowledge-Level-Engineerings – repräsentiert wird. Hinzu kommen organisatorische 

Hilfsmittel wie ein Vorgehensmodell und eine E-Learning-Umgebung, die den Gebrauch der Kompetenzmanagementsysteme 

in der betrieblichen Praxis erheblich erleichtern. Auf diese – sowie ergänzende 

– Ergebnisse des Verbundprojekts wird im folgenden Kapitel näher eingegangen.


E Projektergebnisse 

Die Durchführung des Verbundprojekts KOWIEN hat im Wesentlichen acht konkrete Ergebnisse 

hervorgebracht. Sie tragen dazu bei, diejenigen Beiträge zu realisieren, die für das Rahmenkonzept 

„Forschung für die Produktion von morgen“ und sein Themenfeld 2.1 erwartet wurden. Im Einzelnen 

handelt es sich um die nachfolgend skizzierten Projektergebnisse. 

Anforderungskatalog: 

Für die zwei exemplarisch untersuchten Anwendungsszenarien wurden sowohl theoretisch fundierte 

als auch praxisrelevante Anforderungen an die Wissensakquisition, die Wissensstrukturierung 

und die Wissensrepräsentation erhoben. Diese Anforderungen wurden allen weiteren Entwicklungsschritten 

zugrunde gelegt, um nach ihrer Maßgabe anforderungsgerechte Projektergebnisse zu erarbeiten. 

Darüber hinaus dienten sie dazu, um angesichts knapper zeitlicher und personeller Projektressourcen 

Priorisierungen vorzunehmen. Mit Hilfe dieser Priorisierungen wurden diejenigen Teilprozesse 

bei der Erfüllung wissensintensiver Engineering-Aufgaben ausgewählt, die sich aus der 

Sicht der Praxispartner des Verbundprojekts durch eine hohe Wissensintensität und einen hohen 

Unterstützungsbedarf mittels computerbasierter Wissensmanagementtechniken auszeichnen. 

Ontologien: 

Um mittels computerbasierter Wissensmanagementtechniken auf natürlichsprachlich formuliertes 

Wissen zugreifen zu können, wurden mehrere Ontologien entworfen und in unterschiedlichen formalen 

Repräsentationssprachen implementiert. Die Ontologien fokussieren sich auf die Domäne des 

Managements von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile. Sie bilden 

somit das formalsprachliche Fundament für Kompetenzmanagementsysteme. Im Interesse einer 

möglichst breiten und zugleich tiefen Domänenabdeckung wurde einerseits eine „generische“ KO- 

WIEN-Ontologie konstruiert, die sich auf den gesamten Bereich des betrieblichen Kompetenzmanagements 

erstreckt. Andererseits entstand in enger Zusammenarbeit zwischen dem Universitätsund 

einem der Praxispartner, der Essener DMT GmbH, eine unternehmensspezifische Kompetenzontologie. 

Neben den Ontologien als unmittelbar „fassbaren“ und dokumentierten Ergebnissen der 

Projektarbeiten führte die intensive Auseinandersetzung mit epistemischen und technischen Problemen 

des Ontologiedesigns zu mehreren wissenschaftlich bemerkenswerten Erkenntnissen, die in 

späteren Beiträgen der hier vorgelegten Monographie ausführlicher thematisiert werden. 

Konzeption für ontologiebasierte Wissens-, insbesondere Kompetenzmanagementsysteme: 

Auf der Basis von Ontologien wurde eine Konzeption für computerbasierte Wissensmanagementsysteme 

entwickelt, die das Management von Wissen über Kompetenzen, Kompetenzträger und 

Kompetenzprofile unterstützen. Hierdurch wurden neuartige Entwicklungen auf dem Gebiet des 

Knowledge-Level-Engineerings für ihre Anwendung in der betrieblichen Praxis zugänglich gemacht. 

Dieser Beitrag zur Schließung der zuvor konstatierten technischen Umsetzungslücke verschafft 

betrieblichen Anwendern von computerbasierten Wissensmanagementsystemen Zugang zu 

einer neuartigen Schlüsseltechnologie, die zurzeit vor allem aus der Perspektive des „Semantic 

Web“ außerordentliche Beachtung erlangt. Die Konzeption fokussiert sich zwar inhaltlich auf 

Kompetenzmanagementsysteme, um einen klaren, leicht nachvollziehbaren Anwendungsbezug mit 

unmittelbarem Nutzenpotenzial für die betriebliche Praxis herzustellen. Doch wurde die Konzeption 

so flexibel und erweiterungsoffen ausgestaltet, dass sie sich ohne gravierende Schwierigkeiten auf 

andere Anwendungsbereiche für computerbasierte Wissensmanagementsysteme übertragen lässt. 

Beispielsweise kann sie generell von Softwareproduzenten genutzt werden, die sich auf die Entwicklung 

ontologiebasierter Wissensmanagementsysteme konzentrieren. Darüber hinaus erschließt 

die Konzeption auch Unternehmensberatungen, die auf dem Gebiet des Knowledge Engineerings 

tätig sind, neue Perspektiven für die Reorganisation ihrer Geschäftsprozesse. Dies gilt insbesondere


im Hinblick auf die Systematisierung, Erschließung und Integritätswahrung ihrer erfolgskritischen 

Ressource, d.h. ihres Beratungswissens. 

Generisches Vorgehensmodell: 

Zur praktischen Anwendung des ontologiebasierten Kompetenzmanagements wurde ein generisches 

Vorgehensmodell entwickelt. Es umfasst als Kernkomponente allgemein („generisch“) einsetzbare 

Methoden („Vorgehensweisen“) zur systematischen Konstruktion und Anwendung von kompetenzbezogenen 

Ontologien. Unternehmen unterschiedlicher Branchen erhalten hierdurch konkrete Leitlinien 

für die Konzipierung, Realisierung und Nutzung computerbasierter Wissensmanagementsysteme, 

die sich zum Management von Kompetenzwissen eignen. Ein solches generisches Vorgehensmodell 

stand bislang noch nicht zur Verfügung. Stattdessen existierten im Bereich des Wissensmanagements 

nur relativ unverbindliche Vorgehensbeschreibungen, die sich aufgrund ihrer geringen 

Problemangemessenheit und ihrer mangelhaften Operationalisierung einer praktischen Umsetzung 

weit gehend entzogen. 

Customizing-Instrumente: 

Es wurden Instrumente zur situationsspezifischen Anpassung des generischen Vorgehensmodells 

entwickelt. Sie ermöglichen es, das Vorgehensmodell an jene konkrete Anwendungssituation anzupassen, 

die in einem Unternehmen hinsichtlich der Implementierung eines Wissensmanagementsystems 

tatsächlich vorliegt. Als situative Einflussgrößen kommen z.B. die unterschiedlichen Gestaltungszwecke 

in Betracht, die mit einem Wissensmanagementsystem verfolgt werden. Dabei kann es 

sich u.a. um die „schlichte“ Konservierung von erworbenem Erfahrungswissen, um die Beurteilung 

von Mitarbeiterkompetenzen im Rahmen von Personalentgeltung und -entwicklung oder auch um 

die kompetenzorientierte Konfiguration von Projektteams handeln. Ebenso gilt es, die Beschreibungssprachen 

und Repräsentationsformen zu beachten, die in den bereits vorhandenen Informations- 

und Kommunikationssystemen eines betrieblichen Anwenders eingesetzt werden. Durch die 

Berücksichtigung solcher situativer Einflussgrößen wird die Individualisierung von Wissensmanagementsystemen 

unterstützt. Wichtig sind diese Erkenntnisse vor allem für Anbieter und Nutzer 

von computerbasierten Wissensmanagementsystemen, um ein kundengerechtes Customizing (Tailoring) 

dieser Systeme vornehmen zu können. 

Prototypisches Software-Tool: 

Einer der Projektpartner, ein ausgewiesenes IT-Unternehmen mit einschlägigem Entwicklungs- 

Know-how für Wissensmanagement-Software (die Comma Soft AG), hat einen Prototyp für ontologiebasierte 

Kompetenzmanagementsysteme entwickelt. Dieses Software-Tool leistet die informationstechnische 

Implementierung der o.a. Konzeption für das ontologiebasierte Management von 

Kompetenzwissen. Auf diese Weise wird die technisch-ökonomische Verwertbarkeit der Konzeption 

auch für Hersteller von computerbasierten Wissensmanagementsystemen aufgezeigt. Die anderen 

Praxispartner haben den entwickelten Prototyp in ihren Unternehmen intensiv erprobt und hierbei 

hinsichtlich seiner Praxistauglichkeit aus der Perspektive betrieblicher Anwender evaluiert. Die 

Erprobungs- und Evaluationsergebnisse waren sehr ermutigend. Der Softwarepartner wird nach Ende 

der Projektlaufzeit darüber entscheiden, ob er den Prototyp zu einer marktreifen, professionellen 

Wissensmanagement-Software weiterentwickelt. Diese Weiterentwicklung müsste insbesondere Instrumente 

zur situations- und kundengerechten Anpassung (vgl. Ergebnis Nr. 5) eines ontologiebasierten 

Kompetenzmanagementsystems umfassen. Eine solche potenzielle Weiterentwicklung des 

Prototyps zur Marktreife liegt jedoch außerhalb des Verbundprojekts KOWIEN. Sie gehört in den 

Bereich der ökonomischen Nachnutzung der Projektergebnisse.


E-Learning-Umgebung: 

Vom Universitätspartner wurde gemeinsam mit den Praxispartnern eine E-Learning-Umgebung 

konzipiert und realisiert. Sie wurde als selbstständig lauffähige Learnware implementiert, um möglichst 

vielseitig verwendbar zu sein. Als primäres Anwendungsgebiet der Learnware schälte sich im 

Verlauf der Projektarbeiten das prototypische Software-Tool heraus. In diesem Verwertungszusammenhang 

dient die E-Learning-Umgebung dazu, Benutzer des Software-Tools mit dessen Einsatz 

als ontologiebasiertes Kompetenzmanagementsystem vertraut zu machen. Zielgruppe sind vor 

allem erstmalige oder lediglich sporadische Benutzer des Software-Tools, die über keine ausgeprägten 

Vorkenntnisse im Bereich des ontologiebasierten Kompetenzmanagements verfügen. Daher 

wurde besonderer Wert darauf gelegt, in der E-Learning-Umgebung nicht nur die Funktionalitäten 

des Software-Tools anschaulich zu erläutern. Vielmehr wurden ebenso große Teile des generischen 

Vorgehensmodells (vgl. Ergebnis Nr. 4) einbezogen. Hierdurch sollen den Benutzern des Software- 

Tools in ihrer betrieblichen Alltagsarbeit konkrete Hilfestellungen dabei geboten werden, wie sie 

kompetenzbezogene Ontologien systematisch konstruieren und im Rahmen eines ontologiebasierten 

Kompetenzmanagementsystems zielorientiert anwenden können. In dieser Assistenzfunktion dient 

die E-Learning-Umgebung auch der beruflichen Weiterbildung. Darüber hinaus bietet sich die E- 

Learning-Umgebung an, um im Rahmen der universitären Aus- und Weiterbildung eingesetzt zu 

werden. Hierfür kommt in erster Linie der Online-Studiengang Wirtschaftsinformatik „VAWi“ 

(Virtuelle Ausbildung Wirtschaftsinformatik) in Betracht, der unter Federführung der Universität 

Duisburg-Essen, Campus Essen, gemeinsam mit den Universitäten Bamberg und Erlangen-Nürnberg 

durchgeführt wird. Über eine Integration der E-Learning-Umgebung in diesen Online-Studiengang 

wird aber erst in der Nachnutzungsphase des Verbundprojekts KOWIEN entschieden werden 

können. 

Fallstudie: 

Für die Erprobung und Evaluierung der Praxistauglichkeit der Wissensmanagementtechniken, die 

im Verbundprojekt KOWIEN (fort)entwickelt und eingesetzt wurden, erstellte einer der Praxispartner 

– ein renommiertes, international ausgewiesenes Beratungsunternehmen, die Roland Berger 

Strategy Consultants GmbH, – gemeinsam mit dem Universitätspartner eine Fallstudie. Sie reflektiert 

einerseits die konkreten betrieblichen Anwendungssituationen, die bei den Praxispartnern des 

Verbundprojekts KOWIEN für das Wissensmanagement im betrieblichen Alltag vorherrschen. Andererseits 

wurde sie in der Art einer Harvard Business School (HBS) Case Study verfasst, um dem 

internationalen Anspruch an professionell gestaltete Fallstudien gerecht zu werden. Inhaltlich wurde 

insbesondere der potenzielle Konflikt zwischen Personalisierungs- und Kodifizierungsstrategie des 

Wissensmanagements aufgegriffen, der im Kapitel 1.1.1 (S. 33 ff.) des vorliegenden Werks näher 

erörtert wird. Da sich dieser Konflikt bei allen Praxispartnern des Verbundprojekts als „virulent“ 

herausstellte und auch unter Fachexperten als allgemeines Problem des betrieblichen Wissensmanagements 

erkannt wird, eignet sich die KOWIEN-Fallstudie ausgezeichnet als Schulungsmaterial 

sowohl für die Projektpartner als auch einen breiten Kreis weiterer Unternehmen (in der Nachnutzungsphase 

des Verbundprojekts). Um eine möglichst große „Breitenwirkung“ zu erzielen, wird die 

KOWIEN-Fallstudie vom Universitätspartner im Bereich der regulären universitären Ausbildung 

für Studierende der Wirtschaftswissenschaften eingesetzt. Mit dem Fallstudieneinsatz werden nicht 

nur Einsichten und Ergebnisse des Verbundprojekts KOWIEN im akademischen Bereich verbreitet, 

sondern es erfolgt auch ein wichtiger Beitrag zur stärkeren Praxisorientierung universitärer Ausbildung. 

Die vorgenannten Ergebnisse des Verbundprojekts KOWIEN stellen in ihrer Gesamtheit sicher, 

dass die ökonomischen und technologischen Kernziele des Projekts im ursprünglich angestrebten 

Ausmaß erreicht wurden.


Im Vordergrund der Zielerreichung steht der Erwerb konzeptioneller Kompetenz für ein ontologie- 

und vorgehensmodellbasiertes Wissensmanagement im Engineering-Bereich, und zwar für die Entwicklung 

von sowohl wissensintensiven Sachgütern (Produkt-Engineering) als auch wissensintensiven 

Dienstleistungen (Service-Engineering). Dieser Kompetenzerwerb kommt allen Projektpartnern 

unmittelbar zugute, um ihre Wettbewerbsfähigkeit – vor allem im Bereich des Projektgeschäfts 

– zu steigern. Die Praxispartner können ihren Kompetenzgewinn im Bereich des betrieblichen Wissensmanagements 

nutzen, um beispielsweise ihre strategische Unternehmensplanung durch das 

Management von Kompetenzwissen im Hinblick auf ihre Kernkompetenzen zu schärfen und diese 

Kernkompetenzen wertschöpfend in die Entwicklung innovativer Produkte umzusetzen. Auf diese 

Weise wird ein wichtiger Beitrag zur Verzahnung von Forschungs- und Entwicklungs- sowie Produktionsstrategien 

geleistet. Zugleich zeigt das prototypische Software-Tool die „Machbarkeit“ ontologiebasierter 

Kompetenzmanagementsysteme auf, mit deren Hilfe sich Wissen über die eigenen 

Kompetenzen, Kompetenzträger und Kompetenzprofile systematisch nutzen lässt, um die Qualität 

von Produktentwicklungsprozessen zu erhöhen und zugleich die hierfür erforderlichen Entwicklungszeiten 

zu verringern. 

Darüber hinaus wird das prototypische Software-Tool den Softwarepartner des Verbundprojekts 

KOWIEN in die Lage versetzen, ein marktreifes, professionelles Softwareprodukt für computerbasierte 

Wissensmanagementsysteme zu entwickeln, die sich auf das ontologiebasierte Management 

von Kompetenzwissen fokussieren. Diese Weiterentwicklung kann auf die Erkenntnisse zurückgreifen, 

die innerhalb des Verbundprojekts über Instrumente zur situations- und kundengerechten Anpassung 

von computerbasierten Wissensmanagementsystemen gesammelt wurden. Angesichts der 

Kompetenz des Softwarepartners, internetbasierte Softwareanwendungen zu entwickeln und Softwarelösungen 

für unternehmensspezifische Problemstellungen zu implementieren, ist davon auszugehen, 

dass nach einer entsprechenden Weiterentwicklung des Prototyps bis zur Marktreife ein 

konkurrenzfähiges Softwareprodukt für computerbasierte Wissensmanagementsysteme vorliegen 

wird. Die Weiterentwicklung des Prototyps zur Marktreife im Anschluss an die Projektdurchführung 

würde eine bedeutsame ökonomische Nachnutzung der Projektergebnisse darstellen und die 

Standortqualität Deutschlands für innovative Softwareentwicklungen stärken. Zugleich könnte der 

Softwarepartner seine Marktposition im Wettbewerb mit anderen nationalen, insbesondere aber 

auch internationalen Konkurrenten durch ein innovatives Produkt (Verwendung von Ontologien, 

XML usw.) ausbauen. Die Defizite und Verbesserungspotenziale derzeitiger Ansätze auf dem Gebiet 

des Wissensmanagements, der hohe Stellenwert des Themas in der Wirtschaft, die führende 

Marktstellung des Softwarepartners im Bereich internetbasierter Wissensmanagement-Software 

sowie konkrete Kundenanfragen weisen auf ein hohes wirtschaftliches Erfolgspotenzial für ein solches 

Produkt hin. 

Für den Praxispartner aus dem Service-Engineering-Szenario bestehen begründete Aussichten, ein 

ontologiebasiertes Kompetenzmanagementsystem zur Verbesserung seiner strategischen Wettbewerbsposition 

im internationalen Wettbewerb mit anderen Beratungsunternehmen nutzen zu können. 

Im Vordergrund der Verwertungsaussichten steht die Möglichkeit, Best-practice-Wissen aus 

bereits durchgeführten eigenen Beratungsprojekten für die Akquisition und die Bearbeitung neuer 

Projekte allen Mitgliedern des Unternehmens zugänglich zu machen. Die rasche Identifizierung und 

Anwendung von unternehmensintern vorhandenem, aber nicht direkt zugänglichem Fach- und Erfahrungswissen 

gilt in der Consulting-Branche als einer derjenigen strategischen Erfolgsfaktoren, 

der schon heute den Wettbewerb nachhaltig prägt. 

Die Verwertungsaussichten der drei Praxispartner aus dem Produkt-Engineering-Szenario erstrecken 

sich vor allem darauf, unternehmensintern vorhandene Kompetenzen möglichst rasch und 

möglichst umfassend nutzen zu können. Gemeinsames Ziel dieser kleinen und mittelgroßen Unter-


nehmen ist es, sich im Wettbewerb gegenüber ihren Konkurrenten vor allem durch kompetenzbasierte 

Qualitäts- und Zeitvorsprünge durchzusetzen. Alle drei Unternehmen des Produkt-Engineering-Szenarios 

sind im Bereich des Maschinen- und Anlagenbaus tätig. Sie verfügen über hohe 

ingenieurtechnische Kompetenzen in vielfältigen Engineering-Bereichen. Sowohl für ihr Projektgeschäft 

als auch für die kundenfokussierte Auftragsproduktion ist es typisch, dass die meisten Projekte 

bzw. Produktserien hoch spezialisiertes Engineering-Wissen voraussetzen und oftmals den Charakter 

von auftragsspezifischen Einzelfertigungen aufweisen. Daher stellt sich bei neu eintreffenden 

Projektausschreibungen oder Kundenanfragen häufig das Problem herauszufinden, ob die zur Projektbearbeitung 

bzw. Produktherstellung erforderlichen Kompetenzen aus früher erfolgreich durchgeführten 

Projekten bzw. Produktionen – zumindest teilweise – zur Verfügung stehen. Darüber hinaus 

ist es des Öfteren nicht unmittelbar bekannt, bei welchen Mitarbeitern diese Kompetenzen abgerufen 

werden können. Besonders ausgeprägt ist die letztgenannte Schwierigkeit bei einem der Praxispartner 

mit heterogenen Geschäftsfeldern, so dass sich zuweilen bei der Zusammenstellung eines 

Projektteams Wissenslücken hinsichtlich der Kompetenzverteilung im Unternehmen hinderlich 

auswirken. Die drei Partnerunternehmen aus dem Produkt-Engineering-Szenario werden die Erkenntnisse 

aus dem Projekt KOWIEN praktisch verwerten, um ihr alltägliches Problem, einerseits 

verfügbare und andererseits zwecks Projekt- oder Auftragsakquisition und -durchführung erforderliche 

Engineering-Kompetenzen aufeinander abzustimmen, besser als in der Vergangenheit zu lösen. 

Hierdurch soll ihre Position im Wettbewerb um wissensintensive Engineering-Projekte nachhaltig 

gestärkt werden. 

Allerdings ist von einem „ehrlichen“ Bericht über die realisierten Ergebnisse eines Forschungs- und 

Entwicklungsprojekts im Allgemeinen nicht zu erwarten, dass alle intendierten Projektergebnisse 

tatsächlich realisiert wurden. Dies liegt in der „natürlichen“ Ergebnisunsicherheit aller Forschungsund 

Entwicklungsprojekte begründet. Insbesondere zwei Aspekte des Verbundprojekts KOWIEN 

konnten nicht so verwirklicht werden, wie sie ursprünglich geplant waren. 

Erstens gelang es nicht, substanzielle Erkenntnisse hinsichtlich des Nebenziels zu gewinnen, wie 

das wechselseitige Verhältnis zwischen Referenzmodellen einerseits und Ontologien andererseits 

beschaffen ist. Ursprünglich sollte aufgezeigt werden, wie sich Wissen, das in Referenzmodellen 

repräsentiert ist, zur Konstruktion von Ontologien verwenden lässt und wie Ontologien in Referenzmodelle 

zurückübersetzt werden können. Im Verlauf der konkreten Projektarbeit zeigte sich jedoch, 

dass die einschlägigen Referenzmodelle, die in der Fachliteratur zu den beiden KOWIEN- 

Szenarien angeboten werden, zurzeit (noch) nicht das Ausmaß an inhaltlicher Detailliertheit und 

Präzision erreichen, um bei der Entwicklung eines ontologiebasierten Kompetenzmanagementsystems 

für die betriebliche Praxis konkret eingesetzt werden zu können. Diese „frustrierende“ Einsicht 

in den aktuellen Entwicklungszustand von Referenzmodellen stellte sich sowohl für das Produkt- 

als auch für das Service-Engineering-Szenario heraus. Daher mussten im Verbundprojekt 

KOWIEN die Ontologien für Aufgaben des Kompetenzmanagements in den beiden vorgenannten 

Szenarien von Grund auf neu entwickelt werden, ohne auf entsprechende Referenzmodelle zurückgreifen 

zu können. Aus diesem Grund erübrigte sich die Frage, wie sich Wissen, das in Referenzmodellen 

repräsentiert ist, zur Konstruktion von Ontologien verwenden lässt. Die komplementäre 

Frage, wie Ontologien in Referenzmodelle zurückübersetzt werden können, wäre zwar durchaus 

weiterhin von grundsätzlichem Interesse gewesen. Aber der aktuelle Entwicklungszustand von Referenzmodellen 

ließ es wegen ihres Detaillierungs- und Präzisionsmangels aussichtslos erscheinen, 

die Informationsfülle von Ontologien in solche Referenzmodelle zurückübertragen zu können – 

zumindest im Rahmen der knappen zeitlichen und personellen Ressourcen, die im Verbundprojekt 

KOWIEN zur Verfügung standen. Daher wurden diese Ressourcen in andere, Erfolg versprechen-


dere Entwicklungsarbeiten – wie z.B. die E-Learning-Umgebung als Assistenzkomponente des 

Software-Tools – umgelenkt. 

Zweitens wurde in technologischer Hinsicht eine spezielle Facette des Knowledge-Level-Engineerings 

nicht so weit in die praktische betriebliche Anwendung mit Hilfe des Software-Tools umgesetzt, 

wie dies auf der Basis von Ontologien grundsätzlich möglich gewesen wäre. Diese spezielle 

Facette betrifft die Fähigkeit, implizites Wissen, das in explizit dokumentiertem Wissen über Kompetenzen, 

Kompetenzträger und Kompetenzprofile bereits enthalten ist, mittels Inferenzregeln computerbasiert 

zu erschließen und so in explizites Wissen zu überführen. Ontologien bereichern diese 

Möglichkeit der Wissensexplizierung durch eine besondere Art von Inferenzregeln („objektsprachliche“ 

Inferenzregeln), die weit über die allgemein verfügbaren („metasprachlichen“) Inferenzregeln 

der deduktiven Logik hinausgehen. Im Verbundprojekt KOWIEN wurde eine Vielzahl solcher „objektsprachlicher“ 

Inferenzregeln als Bestandteile von Ontologien für das betriebliche Kompetenzmanagement 

entwickelt und ausführlich analysiert. Dabei stellten sich einerseits konzeptionelle 

Schwierigkeiten heraus, Inferenzregeln innerhalb einer Ontologie so zu formulieren, dass sich das 

mit ihrer Hilfe erschlossene, neue explizite Kompetenzwissen mittels zweistelliger prädikatenlogischer 

Formeln als Faktenwissen ausdrücken lässt. Andererseits wurden vom Softwarepartner erhebliche 

Bedenken geäußert, ob sich die Integration einer prädikatenlogisch basierten „Inferenzmaschine“ 

in das Software-Tool, die für die Anwendung der Inferenzregeln zum Zweck der Wissensexplizierung 

erforderlich gewesen wäre, aus den Blickwinkeln der Praktikabilität und der kommerziellen 

Verwertbarkeit rechtfertigen ließe. Aufgrund dieser Bedenken wurde vom Softwarepartner 

anstelle der Implementierung von Inferenzregeln und einer zugehörigen „Inferenzmaschine“ ein anderer 

softwaretechnischer Weg eingeschlagen, der sich so genannter „saved queries“ (Diktion der 

infonea ® -Wissensmanagement-Architektur) bedient. Diese alternative Implementierung mit Hilfe 

eines Inferenzregel- und Inferenzmaschinen-Substituts wird in einem Beitrag des Softwarepartners 

ausführlicher dargestellt. 

Den beiden vorgenannten Aspekten, die im Rahmen des Verbundprojekts KOWIEN nicht so wie 

ursprünglich geplant realisiert werden konnten, stehen aber auch „überraschende“ Ergebnisse gegenüber, 

die im ursprünglichen Projektrahmenplan nicht vorgesehen waren. Dazu gehörte bereits 

die Neuausrichtung der E-Learning-Umgebung, primär als Assistenzkomponente des prototypischen 

Software-Tools zu dienen. Darauf wurde schon weiter oben eingegangen. 

Darüber hinaus kristallisierte sich für das prototypische Software-Tool ein völlig neuartiger Anwendungsbereich 

heraus, an den zunächst in keiner Weise gedacht worden war. In Gesprächen mit 

der (damaligen) Zentralstelle für Forschungs- und Entwicklungstransfer (FET) der Universität 

Duisburg-Essen, Campus Essen, zeigte sich ein großes Interesse der Universität, das Software-Tool 

zur Darstellung der Forschungs- und Entwicklungskompetenzen von Hochschuldozenten im Internet 

zu nutzen. Auf diese Weise könnte das bisher verwendete „elektronische Forschungshandbuch“ der 

Universität durch eine wesentlich flexiblere und benutzerfreundlichere Anwendung des KOWIEN- 

Software-Tools abgelöst werden. 

Ein weiterer neuartiger Anwendungsbereich für Erkenntnisse aus dem Verbundprojekt KOWIEN 

kristallisierte sich während der Projektarbeiten im Bereich des Qualitätsmanagements heraus. In der 

Phase der Wissensakquisition für die Entwicklung des KOWIEN-Prototyps stellte sich die Frage 

nach geeigneten Quellen für einschlägiges Praxiswissen über verfügbare und erforderliche Kompetenzen. 

Hierbei zeigte sich, dass die beteiligten Praxispartner oftmals eine Reihe von kompetenzorientierten 

Wissensquellen in ihren eigenen Unternehmen besitzen, diese Quellen jedoch in herkömmlichen 

Kompetenzmanagementsystemen nicht genutzt werden, um Wissen über Kompetenzen 

zu akquirieren. Insbesondere Unternehmen aus dem Maschinen- und Anlagenbau müssen heutzuta-


ge ein effektives Qualitätsmanagement aufbauen, um beispielsweise für Automobilhersteller Aufträge 

wahrnehmen zu können. Weite Verbreitung findet hier die Fehlermöglichkeits- und Einflussanalyse 

(FMEA). Sie stellt eine Standardtechnik des Qualitätsmanagements dar. 

In FMEA-Anwendungen wird entsprechend qualifizierten Mitarbeitern die Verantwortlichkeit für 

Maßnahmen zur Fehlervermeidung übertragen. Dieses Wissen über technische und soziale Qualifikationen 

von Mitarbeitern lässt sich nutzen, um kompetenzbezogenes Wissen für die Konstruktion 

von Ontologien und Wissensbasen systematisch zu erwerben. Zu diesem Zweck wurde vom Universitätspartner 

ein ontologiebasierter FMEA-Softwareprototyp mit einer benutzerfreundlichen 

Browser-Schnittstelle (OntoFMEA) konzipiert und realisiert. Der Softwareprototyp OntoFMEA 

ermöglicht es, das Wissen aus FMEA-Formblättern, die auf der Basis der aktuellen VDA-Vorgaben 

von 1996 erstellt wurden, in eine Ontologie und Wissensbasis zu transferieren. Die Kölner Karl 

Schumacher Maschinenbau GmbH stellte hierzu freundlicherweise Informationen und FMEA- 

Know-how bereit. 

Das „ontologisch“ aufbereitete Wissen lässt sich anschließend für Zwecke sowohl des Kompetenz- 

als auch des Qualitätsmanagements nutzen. Beispielsweise kann es wieder verwendet werden, um 

mit der Hilfe von OntoFMEA neue FMEA-Anwendungen zu erstellen. Unter anderem kann nach 

möglichen Fehlern bei bestimmten Bauteilen gesucht werden. In einem nächsten Schritt ist es möglich, 

eine solche FMEA-Ontologie mit bestehenden Kompetenzontologien zu umfassenderen, auch 

für das betriebliche Qualitätsmanagement geeigneten Kompetenzontologien zusammenzuführen. 

Dieser neuartige Ansatz einschließlich seiner prototypischen Implementierung bietet die Chance, 

die Forschungs- und Praxisfelder des Wissens- und Qualitätsmanagements zukünftig enger miteinander 

zu verknüpfen. So kann z.B. die Fehlerdiagnose in komplexen Systemen mit der Ermittlung 

fachlich kompetenter Ansprechpartner verbunden werden. Mit dieser Ankopplung von Wissens-, 

insbesondere Kompetenzmanagementsystemen an Qualitätsmanagementsysteme erwies sich der ontologiebasierte 

Forschungs- und Entwicklungsansatz des Verbundprojekts KOWIEN im Nachhinein 

als bemerkenswert flexibel. Er stellte seine Anschlussfähigkeit an andere Gestaltungsbereiche der 

betrieblichen Praxis – hier: des Qualitätsmanagements – unter Beweis, die in der ursprünglichen 

Projektkonzeption laut Projektrahmenplan gar nicht vorgesehen waren. 

Darüber hinaus bot sich eine unerwartete Gelegenheit, die Verwertbarkeit von Erkenntnissen des 

Verbundprojekts KOWIEN weit außerhalb der beiden ursprünglich anvisierten Anwendungsszenarien 

zu untersuchen. Durch zusätzliche Fördermittel aus dem InWert-Programm des BMBF konnte 

in Kooperation mit dem INSTI-Netzwerk eine eigenständige Verwertungsstudie durchgeführt werden. 

Sie befasste sich mit den Marktperspektiven, Projektergebnisse hinsichtlich ontologiebasierter 

Kompetenzmanagementsysteme auf die Erfüllung von Wissensmanagementaufgaben im Gesundheitswesen 

zu übertragen. In diesem Zusammenhang schuldet das Verbundprojekt KOWIEN Herrn 

Dipl.-Ing. Bernd Risch vom Kölner Institut der deutschen Wirtschaft e.V. besonderen Dank, der mit 

Rat und Tat zur Seite stand, um diese Studie über den möglichen Transfer von Projektergebnissen 

in einen weiteren Bereich des Service-Managements zu ermöglichen. 

Schließlich wurde gemeinsam mit der Projektgruppe Wissensmanagement der Wirtschaftsjunioren 

Essen e.V. das „Praxisforum Wissensmanagement“ als Industriearbeitskreis gegründet, der sich eines 

regen Zuspruches von vornehmlich KMU aus der Region des Ruhrgebiets erfreut. Darauf wurde 

bereits an früherer Stelle eingegangen.


F Veröffentlichungen aus dem Verbundprojekt KOWIEN 

Vorbemerkung: Die „Produktivität“ eines Forschungs-, Entwicklungs- und Transferprojekts wird 

einerseits vom unmittelbaren Nutzen bestimmt, der sich mit den Projektergebnissen sowohl seitens 

der projektbeteiligten Unternehmen als auch seitens weiterer Unternehmen in der Projektnachnutzungsphase 

erzielen lässt. Dieser Nutzen entzieht sich im Allgemeinen – wenn von „plakativen“ Interessens- 

und Willensbekundungen abgesehen wird – einer konkret überprüfbaren und quantifizierbaren 

Überprüfung. Daher ist es üblich, die Projektproduktivität andererseits auch anhand der 

Veröffentlichungen zu beurteilen, die aus einem Projekt hervorgegangen sind und allen interessierten 

Stakeholdern eines öffentlich geförderten Projekts zur Nutzung offen stehen. Daher sehen es die 

Herausgeber als ihre Pflicht an, die Nutzenstiftung der eingesetzten Fördermittel auch anhand der 

Veröffentlichungen zu belegen, die aus dem Verbundprojekt hervorgegangen sind. Dazu werden 

nicht nur Publikationen im engeren Sinn gezählt, sondern auch Projektberichte, die über Bibliotheken 

und im Internet jedem Interessierten zugänglich sind, Seminar-, Diplom- und Doktorarbeiten, 

die vom Institut für Produktion und Industrielles Informationsmanagement auf Anfrage zur Verfügung 

gestellt werden können (oder als Projektberichte oder im Buchhandel erhältlich sind), sowie 

Vorträge auf nationalen oder internationalen Praxis- und Fachkonferenzen, auf denen die Ergebnisse 

des Verbundprojekts KOWIEN einer interessierten Öffentlichkeit präsentiert und zur Diskussion 

gestellt wurden. 

a) Monographie zum Verbundprojekt: 

ZELEWSKI, S.; ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; WEICHELT, T. (Hrsg.): Ontologiebasierte 

Kompetenzmanagementsysteme – Grundlagen, Konzepte, Anwendungen. Berlin 2005 (Logos-Verlag). 

b) Projektberichte des Verbundprojekts: 

Die Berichte sind – nachstehend in chronologischer Reihenfolge angeführt – jeweils erschienen am: 


a) bis Ende 2002: Universität Essen, Essen 2001-2002; 

b) ab Anfang 2003: Universität Duisburg-Essen, Campus Essen, Essen 2003-2004. 

ZELEWSKI, S.: Rahmenplan zum Verbundprojekt KOWIEN. Projektbericht 1/2001. 

ALPARSLAN, A.: Ablauforganisation des Wissensmanagements. Projektbericht 1/2002. 

ALAN, Y.: Methoden zur Akquisition von Wissen über Kompetenzen. Projektbericht 2/2002. 

DITTMANN, L.: Sprachen zur Repräsentation von Wissen – eine untersuchende Darstellung. Projektbericht 

3/2002. 

DITTMANN, L.: Zwecke und Sprachen des Wissensmanagements zum Managen von Kompetenzen. 

Projektbericht 4/2002. 

ALAN, Y.; BÄUMGEN, C.: Anforderungen an den KOWIEN-Prototypen. Projektbericht 5/2002. 

ALPARSLAN, A.: Wissensanalyse und Wissensstrukturierung. Projektbericht 6/2002. 

ALAN, Y.: Evaluation der KOWIEN-Zwischenergebnisse. Projektbericht 7/2002. 

APKE, S.; DITTMANN, L.: Analyse von Vorgehensmodellen aus dem Software, Knowledge und 

Ontologies Engineering. Projektbericht 1/2003. 

ALAN, Y.: Konstruktion der KOWIEN-Ontologie. Projektbericht 2/2003. 

ALAN, Y.: Ontologiebasierte Wissensräume. Projektbericht 3/2003.


APKE, S.; DITTMANN, L.: Generisches Vorgehensmodell KOWIEN Version 1.0. Projektbericht 

4/2003. 

ALAN, Y.: Modifikation der KOWIEN-Ontologie. Projektbericht 5/2003. 

ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.: Werkzeuge zur Sicherstellung der Adaptibilität 

des KOWIEN-Vorgehensmodells. Projektbericht 6/2003. 

ENGELMANN, K.; ALAN, Y.: KOWIEN Fallstudie – Gebert GmbH. Projektbericht 7/2003. 

DITTMANN, L.: Towards Ontology-based Skills Management. Projektbericht 8/2003. 

ALPARSLAN, A.: Evaluation des KOWIEN-Vorgehensmodells. Projektbericht 1/2004. 

APKE, S.; BÄUMGEN, C.; BREMER, A.; DITTMANN, L.: Anforderungsspezifikation für die Entwicklung 

einer Kompetenz-Ontologie für die Deutsche Montan Technologie GmbH. Projektbericht 2/ 

2004. 

HÜGENS, T.: Inferenzregeln des „plausiblen Schließens“ zur Explizierung von implizitem Wissen 

über Kompetenzen. Projektbericht 3/2004. 

ALAN, Y.: Erweiterung von Ontologien um dynamische Aspekte. Projektbericht 4/2004. 

WEICHELT, T.: Entwicklung einer E-Learning-Anwendung zum kompetenzprofil- und ontologiebasierten 

Wissensmanagement – Modul 1: Grundlagen. Projektbericht 5/2004. 

APKE, S; BREMER, A.; DITTMANN, L.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel 

der Deutschen Montan Technologie GmbH (DMT). Projektbericht 6/2004. 

APKE, S.; DITTMANN, L.: Generisches Vorgehensmodell KOWIEN Version 2.0. Projektbericht 7/ 

2004. 


Wissensmanagement – Modul 2: Vorgehensmodell. Projektbericht 8/2004. 


Wissensmanagement – Modul 3: Prototyp. Projektbericht 9/2004. 

ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht 

zum Verbundprojekt KOWIEN. Projektbericht 10/2004. 

RADEMACHER, T; DITTMANN, L.: OntoFMEA: ein Softwaretool für ontologiebasierte Fehlermöglichkeits- 

und -einflussanalysen – konzeptionelle Entwicklung und prototypische Implementierung. 

Projektbericht 11/2004. 

c) Praxisorientierte Publikationen des Verbundprojekts: 

ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; WEICHELT, T.; ZELEWSKI, S.: Intelligentes Kompetenzmanagement 

– Forschungsergebnisse des Verbundprojekts „Kooperatives Wissensmanagement in 

Engineering-Netzwerken“. In: wt Werkstattstechnik online, 95. Jg. (2005), Heft 1/2, S. 1-2 (Online- 

Publikation). 

ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; ZELEWSKI, S.: Wissensmanagement in kleinen und mittleren 

Unternehmen – Potenziale semantischer Technologien. In: MEO – Das Magazin der Industrie- 

und Handelskammer für Essen • Mülheim an der Ruhr • Oberhausen, 58. Jg. (2004), Heft 10, S. 33- 

34.


ALAN, Y.; ALPARSLAN, A.; DITTMANN, L.; ZELEWSKI, S.: Potenziale semantischer Technologien für 

das Wissensmanagement in kleinen und mittelgroßen Unternehmen (KMU). In: MEMO – Mensch 

und Motivation (Online-Zeitschrift der IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien, 

Hamburg), Meldung vom 08.03.2004. 

ALPARSLAN, A.; DITTMANN, L.; ILGEN, A.; ZELEWSKI, S.: Wissensmanagement im Anlagenbau: 

Computergestütztes Management von Wissen über Mitarbeiterkompetenzen. In: Industrie Management, 

18. Jg. (2002), Nr. 6, S. 45-48. 

APKE, S.: Produkt- und Innovationsbericht zum InWert-Verwertungspraktikum, Institut für Produktion 

und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen), Essen 

2003. 

BÄUMGEN, C.; HÜBBERS, R.: Ontologiebasiertes Kompetenzmanagementsystem auf Basis von infonea®. 

In: ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für 

Produktentwicklung, Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop 

der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, 

Essen 2004, S. 161-173. 

DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Wissenstransfermotivation und ontologiebasierte Kompetenzmanagement-Systeme. 

In: MEYER, J.-A. (Hrsg.): Wissens- und Informationsmanagement in 

kleinen und mittleren Unternehmen – Jahrbuch der KMU-Forschung und -Praxis 2005. Lohmar - 

Köln 2005, S. 143-160. 

DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Wissensträger identifizieren und motivieren. In: Wissensmanagement 

– Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 51-53. 

DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Mitarbeitermotivation und Kompetenzmanagementsysteme. 

In: REIMER, U.; ABECKER, A.; STAAB, S.; STUMME, G. (Hrsg.): WM2003: Professionelles 

Wissensmanagement – Erfahrungen und Visionen, Beiträge zur 2. Konferenz, 02.-04.04.2003 in 

Luzern, Bonn 2003, S. 9-16. 

ENGELMANN, K.: Wissensmanagement in der Produktentwicklung. In: ZELEWSKI, S.; ALPARSLAN, 

A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und 

Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient 

und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 113-114. 

MEIER, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems. 

In: ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für 

Produktentwicklung, Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop 

der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, 

Essen 2004, S. 207-216. 

o.V. (ZELEWSKI, S.): Das BMBF-Projekt KOWIEN. In: MEMO – Mensch und Motivation (Online- 

Zeitschrift der IQM-Europe GmbH – Institut für Qualifizierung und Lernmedien, Hamburg), Meldung 

vom 08.03.2004. 

SCHUMACHER, M.; ZUG, S.: Qualitätssicherung durch Kompetenzmanagementsysteme. In: ZELEWS- 

KI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, 

Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte 

GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 151- 

160.


WEICHELT, T.: Die E-Learning-Anwendung des Projekts KOWIEN. In: ZELEWSKI, S.; ALPARSLAN, 

A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und 

Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KOEF- 

FIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 217-233. 

ZELEWSKI, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken (KOWIEN). In: ZE- 

LEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, 


GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004, S. 

21-83. 

ZELEWSKI, S.; ALPARSLAN, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, 


GINA, KOEFFIZIENT und KOWIEN, 05.-06.10.2004 in Braunschweig, Essen 2004. 

ZELEWSKI, S. (Hrsg.): Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen, 

Tagungsband zum WirtschaftsForum 10 (in der Reihe IuK-Kompetenz im Dialog), 

am 03.04.2003 an der Universität Duisburg-Essen, Campus Essen, Essen 2003. 

ZUG, S.; KLUMPP, M.; KROL, B.: Wissensmanagement im Gesundheitswesen, Arbeitsbericht Nr. 16, 

Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, 

Campus Essen, Essen 2003. 

d) Weitere wissenschaftsorientierte Publikationen zum Themengebiet des Verbundprojekts: 

ALAN, Y.; ZELEWSKI, S.: Ontologiebasierte Wissensräume. In: REIMER, U.; ABECKER, A.; STAAB, S.; 

STUMME, G. (Hrsg.): WM2003: Professionelles Wissensmanagement – Erfahrungen und Visionen, 

Beiträge zur 2. Konferenz, 02.-04.04.2003 in Luzern, Bonn 2003, S. 5-8. 

ALAN, Y.; ZELEWSKI, S.: Ontologiebasierte Wissensräume. In: SURE, Y.; SCHNURR, H.-P. (Hrsg.): 

WOW 2003: Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in 

Luzern, CEUR Workshop Proceedings, Vol. 68, Karlsruhe 2003, 6. Beitrag, o.S. (S. 1-12). 

ALAN, Y.; ZELEWSKI, S.; SCHÜTTE, R.: Implementation of Knowledge Spaces in Ontologies. In: 

CALLAOS, N.; LESSO, W.; SÁNCHEZ, P.; HANSEN, E. (Hrsg.): The 7th World Multiconference on Systemics, 

Cybernetics and Informatics (SCI 2003), 27.-30.07.2003 in Orlando, Proceedings, Vol. VI: 

Information Systems, Technologies and Applications: I, Orlando 2003, S. 183-188. 

ALPARSLAN, A.; DITTMANN, L.: Gütekriterien für ontologiegestützte Kompetenzmanagementsysteme. 

In: HOFMANN, G.R.; ALM, W. (Hrsg.): Management der Mitarbeiter-Expertise in IT- 

Beratungsbetrieben – Grundlagen, Methoden und Werkzeuge, Tagungsband zur MultiKonferenz 

Wirtschaftsinformatik 2002, 09.-11.09.2002, Nürnberg 2002, S. 66-79. 

DITTMANN, L.: Ontology-based Skills Management. Work Report No. 22, Projekt KOWIEN, Institut 

für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Campus 

Essen, Essen 2004. 

DITTMANN, L.; PENZEL, J.: Platons Gütekriterium für Ontologien. In: FRANK, U. (Hrsg.): Wissenschaftstheorie 

in Ökonomie und Wirtschaftsinformatik. Wiesbaden 2004, S. 457-478.


DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Motivationale Aspekte beim Einsatz von konventionellen 

und ontologiebasierten Kompetenzmanagementsystemen. In: SURE, Y.; SCHNURR, H.-P. (Hrsg.): 

WOW 2003: Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in 

Luzern, CEUR Workshop Proceedings, Vol. 68, Karlsruhe 2003, 5. Beitrag, o.S. (S. 1-16). 

DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Performing FMEA Using Ontologies. In: DE 

KLEER, J.; FORBUS, K. D. (Hrsg.): 18th International Workshop on Qualitative Reasoning, Proceedings, 

02.-04.08.2004 in Evanston, USA, Evanston 2004, S. 209-216. 

DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Combining Knowledge Management and Quality 

Management Systems. In: European Organization for Quality (Hrsg.): 48th EOQ Congress „Quality 

and Innovations: the Path to Higher Standards of Living”, 07.-09.09.2004 in Moskau, Congress Materials 

(CD-ROM), o.S. (S. 1-8). 

DITTMANN, L.; SCHÜTTE, R.; ZELEWSKI, S.: Darstellende Untersuchung philosophischer Probleme 

mit Ontologien. In: FREYBERG, K.; KLEIN, B.; PETSCHE, H.-J. (Hrsg.): Knowledge Management and 

Philosophy, Proceedings of the WM 2003 Workshop on Knowledge Management and Philosophy, 

03.-04.04.2003 in Luzern, CEUR Workshop Proceedings, Vol. 85, Bonn 2003, 3. Beitrag, o.S. (S. 

1-13). 

DITTMANN, L.; ZELEWSKI, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering 

to Manage Skills. In: VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik 

(Hrsg.): 8th International Symposium on Measurement and Quality Control in Production 

(ISMQC), Symposium, 12.-15.10.2004 in Erlangen, Düsseldorf 2004, S. 181-187. 

DITTMANN, L.; ZELEWSKI, S.: Ontology-based Skills Management. In: CALLAOS, N.; LEFEBVRE, V.; 

HANSEN, E.; DICKOPP, T.; JAW-SIN, S. (Hrsg.): The 8th World Multi-conference on Systemics, Cybernetics 

and Informatics (SCI 2004), 18.-21.07.2004 in Orlando, Proceedings, Vol. IV: Information 

Systems, Technologies and Applications I, Orlando 2004, S. 190-195. 

PETERS, M.L.; ZELEWSKI, S.: Competence-Based Workplace Assignment Using a Goal Programming 

Approach. In: ZÜLCH, G.; STOWASSER, S.; JAGDEV, H.S. (Hrsg.): Human Aspects in Production 

Management, Proceedings of the IFIP WG 5.7 Working Conference on Human Aspects in Production 

Management – Volume 1, 05.-09.10.2003 in Karlsruhe, Aachen 2003, S. 276-282. 

SCHÜTTE, R.; ZELEWSKI, S.: Epistemological Problems in Working with Ontologies. In: CALLAOS, 

N.; PORTER, J.; RISHE, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and 

Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings, Vol. VII: Information Systems 

Development II, Orlando 2002, S. 161-167. 

SCHÜTTE, R.; ZELEWSKI, S.: Epistemological Problems in Working with Ontologies, Arbeitsbericht 

Nr. 13, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen, Essen 

2001. 

SCHÜTTE, R.; ZELEWSKI, S.: Wissenschafts- und erkenntnistheoretische Probleme beim Umgang mit 

Ontologien. In: KÖNIG, W.; WENDT, O. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie – 

Verteilte Theoriebildung, 08.-09.10.1999 in Frankfurt/Main, Frankfurt/Main 1999, 2. Beitrag (S. 1- 

19). 

ZELEWSKI, S.: Organisierte Erfahrung – Wissensmanagement mit Ontologien. In: Essener Unikate, 

Nr. 18: Wirtschaftsinformatik – Wissensmanagement und E-Services, Essen 2002, S. 63-73.


ZELEWSKI, S.: Wissensmanagement mit Ontologien – eine einführende Darstellung, Arbeitsbericht 

Nr. 15, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen, Essen 

2002. 

ZELEWSKI, S.: Ontologien – ein Überblick über betriebswirtschaftliche Anwendungsbereiche. In: 

o.V.: Workshop „Forschung in schnellebiger Zeit“, 30.-31.03.2001 in Appenzell, 5. Beitrag (S. 1-9). 

ZELEWSKI, S.: Ontologien zur Strukturierung von Domänenwissen – Ein Annäherungsversuch aus 

betriebswirtschaftlicher Perspektive, Arbeitsbericht Nr. 3, Institut für Produktion und Industrielles 

Informationsmanagement, Universität Essen, Essen 1999 (Paper, präsentiert zusammen mit SCHÜT- 

TE, R.; SIEDENTOPF, J. am 18.06.1999 in Berlin anlässlich des Workshops „Wissen, Wissenschaftstheorie 

und Wissenschaftsmanagement“ der Kommission Wissenschaftstheorie des Verbandes der 

Hochschullehrer für Betriebswirtschaft e.V.). 

ZELEWSKI, S.; FISCHER, K.: Ontologiebasierte Koordination von Anpassungsplanungen in Produktions- 

und Logistiknetzwerken mit Multi-Agenten-Systemen, Arbeitsbericht Nr. 5, Institut für Produktion 

und Industrielles Informationsmanagement, Universität Essen, Essen 1999 (Positionspapier 

für: Workshop „Fertigungslogistik“ zur Vorbereitung des DFG-Schwerpunktprogramms „Intelligente 

Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“ am 17.08.1999 in Paderborn). 

ZELEWSKI, S.; SCHÜTTE, R.; SIEDENTOPF, J.: Ontologien zur Repräsentation von Domänen. In: 

SCHREYÖGG, G. (Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden. Tagung der 

Wissenschaftlichen Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für 

Betriebswirtschaft e.V., 18.-19.06.1999 in Berlin, Berlin 2001, S. 183-221. 

ZELEWSKI, S.; SIEDENTOPF, J.: Ontology-based coordination of planning activities in networks of 

autonomous production facilities using multi-agent systems. In: KIRN, S.; PETSCH, M. (Hrsg.): 

Workshop „Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“ Technische 

Universität Ilmenau, Ilmenau 1999, S. 77-84. 

e) Seminar-, Diplom- und Doktorarbeiten zum Themengebiet des Verbundprojekts: 

ALAN, Y.: Integrative Modellierung zwischenbetrieblicher Kooperationen – ein Ansatz auf der Basis 

von Ontologien und Petri-Netzen. Dissertation am Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen, Essen 2005 (eingereicht). 

APKE, S.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der Deutschen Montan 

Technologie GmbH (DMT). Diplomarbeit am Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen, Essen 2003. 

DITTMANN, L.: Erkenntnisse der Fehleranalyse zur Generierung von Ontologien zur Unterstützung 

der Produktentwicklung. Dissertation am Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen, Essen 2005 (in Bearbeitung). 

ER, A.: Evaluation von Sprachen zur Modellierung virtueller Unternehmen. Diplomarbeit am Institut 

für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, Campus 

Essen, Essen 2004. 

HÜGENS, T.: Konzipierung und formalsprachliche Implementierung von Inferenzregeln des „plausiblen 

Schließens“ zur Akquisition von Wissen über Kompetenzen aus natürlichsprachlichen Dokumenten. 

Seminararbeit am Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen, Essen 2003.


KACZOR, G.: Konzipierung und formalsprachliche Implementierung von Inferenzregeln des „plausiblen 

Schließens“ zur Akquisition von Wissen über Kompetenzen aus natürlichsprachlichen Dokumenten. 

Seminararbeit am Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen, Campus Essen, Essen 2003. 

KIJEWSKI, F.: Kompetenzkataloge: Systematisierung vorhandener Ansätze und betriebswirtschaftliche 

Evaluation aus der Perspektive eines Kompetenzmanagementsystems für den Anlagenbau. Seminararbeit 

am Institut für Produktion und Industrielles Informationsmanagement, Universität 

Duisburg-Essen, Campus Essen, Essen 2003. 

RADEMACHER, T.: Wissensmanagement mit Ontologien in der präventiven Qualitätssicherung. Diplomarbeit 

am Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, 


SIEMENS, F.: Inferenzregeln für Mitarbeiterkompetenzen und deren Akquisition. Seminararbeit am 

Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen, 


f) Projektpräsentationen auf Praxis- und Fachkonferenzen: 

ALAN, Y.: Semantic Web. Vortrag anlässlich: Seminar „Informationssysteme“ am Fachbereich 3, 

Studiengang Kommunikationswissenschaft, Universität Duisburg-Essen, Campus Essen, in Essen 

(22.06.2003). 

ALAN, Y.; SCHUMACHER, M.: Kooperatives Wissensmanagement im Maschinen- und Anlagenbau. 

Vortrag anlässlich: @m-Transferveranstaltung (von VDMA NRW, IG Metall NRW und Metall 

NRW) „Facetten des Wissensmanagements in Maschinenbau-Unternehmen – Versteckte Potenziale 

nutzen“ in Krefeld (12.03.2003). 

ALAN, Y.; ZELEWSKI, S.: Implementation of Knowledge Spaces in Ontologies. Vortrag anlässlich: 

7th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2003) in Orlando (29. 

07.2003). 

ALAN, Y.; ZELEWSKI, S.: Ontologiebasierte Wissensräume. Vortrag anlässlich: 2. Konferenz Professionelles 

Wissensmanagement (WM 2003) in Luzern (04.04.2003). 

ALPARSLAN, A.: Ontologiebasiertes Wissensmanagement – Computergestütztes Management von 

Wissen über Mitarbeiterkompetenzen. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes 

Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003). 

ALPARSLAN, A.: Ergebnisse der Wissensanalyse – Analyse von Referenzmodellen und Darstellung 

eines Leitfadens zur Identifikation von Dokumenten mit Kompetenzbezug. Vortrag anlässlich: 

Workshop „Wissensmanagement mit Kompetenzprofilen“ in Essen (09.10.2002). 

BÄUMGEN, C.: Ontologiebasiertes Kompetenzmanagementsystem auf Basis von infonea®. Vortrag 

(und Laptop-Präsentation) anlässlich: Abschlussworkshop der Verbundprojekte GINA, KOEFFIZI- 

ENT und KOWIEN in Braunschweig (05.10.2004). 

BÄUMGEN, C.: Erste Einblicke in den KOWIEN-Prototyp. Vortrag anlässlich: 2. KOWIEN-Workshop: 

Wissensmanagement mit Kompetenzprofilen in Essen (01.10.2003). 

DITTMANN, L.: Vorgehensmodell zur Konstruktion ontologiebasierter Kompetenzmanagementsysteme. 

Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen in 

Essen (01.10.2003).


DITTMANN, L.; PENZEL, J.: Platons Gütekriterium für Ontologien. Vortrag anlässlich: Tagung Wissenschaftstheorie 

in Ökonomie und Wirtschaftsinformatik (WOWI 2003) in Koblenz (06.06.2003). 

DITTMANN, L.; PETERS, M.L.; ZELEWSKI, S.: Motivationale Aspekte beim Einsatz von konventionellen 

und ontologiebasierten Kompetenzmanagementsystemen. Vortrag anlässlich: 2. Konferenz Professionelles 


DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Combining Knowledge Management and Quality 

Management Systems. Vortrag anlässlich: 48th European Organization for Quality Congress (EOQ 

04) in Moskau (08.09.2004). 

DITTMANN, L.; RADEMACHER, T.; ZELEWSKI, S.: Performing FMEA Using Ontologies. Vortrag anlässlich: 

18th International Workshop on Qualitative Reasoning (QR 04) in Evanston (02.08.2004). 

DITTMANN, L.; SCHÜTTE, R.; ZELEWSKI, S: Darstellende Untersuchung philosophischer Probleme 

mit Ontologien. Vortrag anlässlich: 2. Konferenz Professionelles Wissensmanagement (WM 2003) 

in Luzern (04.04.2003). 

DITTMANN, L.; ZELEWSKI, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering 

to Manage Skills. Vortrag anlässlich: 8th International Symposium on Measurement and 

Quality Control in Production (ISMQC 04) in Erlangen (13.10.2004). 

DITTMANN, L.; ZELEWSKI, S.: Ontology-based Skills Management. Vortrag anlässlich: 8th World 

Multiconference on Systemics, Cybernetics and Informatics (SCI 2004) in Orlando (21.07.2004). 

ENGELMANN, K.: Erfahrungen von Roland Berger & Partner – Strategy Consultants mit dem Wissensmanagementsystem 

BRAIN. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes 

Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003). 

HOBUS, G: Management von Kompetenzmanagementsystemen. Vortrag anlässlich: 2. KOWIEN- 

Workshop: Wissensmanagement mit Kompetenzprofilen in Essen (01.10.2003). 

KIRCH-VERFUß, G.: Computergestütztes Wissensmanagement in einem weltweit operierenden Industriekonzern 

– Erfahrungen und Perspektiven. Vortrag anlässlich: WirtschaftsForum 10: Computergestütztes 

Wissensmanagement in Industrie- und Dienstleistungsunternehmen in Essen (03.04. 

2003). 

MAIER, R.: Erfolgsmessung von Wissensmanagementsystemen. Vortrag anlässlich: WirtschaftsForum 

10: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen in 

Essen (03.04.2003). 

MEIER, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems. 

Vortrag anlässlich: Abschlussworkshop der Verbundprojekte GINA, KOEFFIZIENT und KO- 

WIEN in Braunschweig (06.10.2004). 

PETERS, M.L.; DITTMANN, L.; ZELEWSKI, S: Motivationale Aspekte beim Einsatz von konventionellen 

und ontologiebasierten Kompetenzmanagementsystemen. Vortrag anlässlich: 2. Konferenz Professionelles 


SCHNURR, H.-P.: Kompetenzmanagementsysteme – Anwendungspotenziale von semantischen 

Technologien. Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen 

in Essen (01.10.2003). 

SCHNURR, H.-P.: Semantische Technologien für das Wissensmanagement. Vortrag anlässlich: WirtschaftsForum 

10: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen 

in Essen (03.04.2003).


SCHUMACHER, M.: Der Bedarf für ein Kompetenzmanagementsystem zur Qualitätssicherung am 

Beispiel eines Maschinenbauunternehmens. Vortrag anlässlich: Abschlussworkshop der Verbundprojekte 

GINA, KOEFFIZIENT und KOWIEN in Braunschweig (05.10.2004). 

SOWA, F.; BREMER, A.; APKE, S.: Entwicklung der Kompetenz-Ontologie für die Deutsche Montan 

Technologie GmbH. Vortrag anlässlich: 2. KOWIEN-Workshop: Wissensmanagement mit Kompetenzprofilen 

in Essen (01.10.2003). 

WEICHELT, T.: Demonstration der KOWIEN-E-Learning-Anwendung. Laptop-Präsentation anlässlich: 

Abschlussworkshop der Verbundprojekte GINA, KOEFFIZIENT und KOWIEN in Braunschweig 

(05.10.2004). 

ZELEWSKI, S.: Computergestütztes Wissensmanagement in Industrie- und Dienstleistungsunternehmen. 

Einführungsvortrag anlässlich: WirtschaftsForum 10: Computergestütztes Wissensmanagement 

in Industrie- und Dienstleistungsunternehmen in Essen (03.04.2003). 

G Danksagungen 

Alle Teammitglieder des Verbundprojekts KOWIEN – der Universitäts- und die Praxispartner – 

möchten dem Bundesministerium für Bildung und Forschung (BMBF) für die großzügige finanzielle 

Förderung dieses Forschungs-, Entwicklungs- und Transferprojekts danken, die innerhalb des 

Rahmenkonzepts „Forschung für die Produktion von morgen“ erfolgte (Förderkennzeichen Hauptband 

02 PD1060). 

Ein ganz besonderer Dank gilt dem Projektträger Produktion und Fertigungstechnologien (PFT), 

der Forschungszentrum Karlsruhe GmbH. Er betreute das Verbundprojekt in exzellenter Weise mit 

Rat und Tat. Unter den zahlreichen Mitarbeitern des PFT, die oftmals im „Hintergrund“ für die effiziente 

Durchführung der betreuten Projekte sorgen, gebührt ein herausgehobenes „Dankeschön“ 

Frau Martina Kühnapfel, die wie eine „gute Seele“ die Projektarbeiten während der dreijährigen 

Projektlaufzeit mit großem persönlichen Engagement begleitete und in manchen „kniffligen“ Situationen 

wertvolle Anregungen vermittelte. Darüber hinaus hat es Frau Kühnapfel gemeinsam mit 

Herrn Dipl.-Ing. Steinebrunner, dem sich das Projektteam ebenso zu großem Dank verpflichtet 

fühlt, bereits in der frühen Phase der Projektbeantragung mit zahlreichen hilfreichen Hinweisen zur 

Antragsstellung erst ermöglicht, dass das KOWIEN-Projekt in die Förderung des BMBF aufgenommen 

wurde. Da der Universitätspartner in unterschiedlichen Projekten Erfahrungen mit mehreren 

verschiedenen Projektträgern des BMBF sammeln durfte, möchte er dem PFT – und hierfür 

stellvertretend Frau Kühnapfel sowie Herrn Dipl.-Ing. Steinebrunner – große Anerkennung für die 

nicht nur jederzeit fachlich hoch kompetente, sondern auch menschlich in immer ausgesprochen 

angenehmer Atmosphäre verlaufene Zusammenarbeit danken. Das PFT setzt mit seiner Kundenorientierung 

und Professionalität Maßstäbe unter den Projektträgern des BMBF! 

Schließlich „lebt“ ein Verbundprojekt von seinen Teammitgliedern. Daher möchte der Verfasser 

dieses Vorworts „last, but not least“ besonders herzlich allen Mitgliedern des KOWIEN-Teams für 

ihre engagierte, ideenreiche und „produktive“ Mitarbeit danken, die oftmals weit über das hinaus 

reichte, was im Rahmen eines Drittmittelprojekts „gewöhnlich“ erwartet werden darf. Dazu gehören 

seitens der Praxispartner vor allem Frau Dipl.-Kfm. Schumacher und Herr Dipl.-Kfm. Zug von der 

Karl Schumacher Maschinenbau GmbH, Frau Dipl.-Volks. Bremer und Herr Dr. Sowa von der 

Deutschen Montan Technologie GmbH, Herr Dr. Meier von der TEMA GmbH / Mühlbauer AG, 

Herr Engelmann von der Roland Berger Strategy Consultants GmbH sowie Herr Dipl.-Phys. Hübbers 

und Herr Dipl.-Inform. Bäumgen von der Comma Soft AG. Auf der Seite des Universitätspartners 

sieht sich der Verfasser insbesondere gegenüber seinen wissenschaftlichen Mitarbeitern in


der Dankesschuld, die in „unermüdlicher Selbstausbeutung“ – auch an tiefen Abendstunden und an 

langen Wochenenden – weit mehr geleistet haben, als jemals von ihnen hätte erwartet werden können. 

In ganz besonderer Weise möchte der Verfasser dieses Vorworts sowohl Herrn Dipl.-Kfm. Alan, 

Herrn Dipl.-Kfm. Alparslan, Herrn Dipl.-Ing. Dittmann und Herrn Dipl.-Wirt.-Inf. Weichelt, 

die in Anerkennung ihres außergewöhnlichen Einsatzes für das Gelingen des Projekts als Mitherausgeber 

dieses Buches auftreten, als auch Frau Dipl.-Wirt.-Inf. Apke als hochkarätiger „freier Mitarbeiterin“ 

seinen persönlichen Dank für die herausragende wissenschaftliche Mitarbeit im Projekt 

aussprechen. Die Projektarbeiten, die von so exzellenten und hoch motivierten Mitarbeitern als 

„Humankapital“ getragen wurden, haben mittlerweile zu zahlreichen nationalen und internationalen 

Veröffentlichungen zum Projekt KOWIEN geführt (vgl. Kapitel F) – und werden hoffentlich in wenigen 

Monaten auch noch durch exzellente Dissertationen eine „Krönung“ erfahren. 

Essen, im Januar 2005 Univ.-Prof. Dr. Stephan Zelewski

1 Grundlagen 


Einführung in das BMBF-Projekt KOWIEN 




1.1.1 Zwei Gestaltungsansätze für betriebliches Wissensmanagement 

Die betriebswirtschaftliche Fachliteratur zur Thematik „Wissensmanagement“ ist im letzten Jahrzehnt 

zu einer unübersichtlich anmutenden Publikationsflut angeschwollen. 1) Dies lässt sich einerseits 

als ein Indiz dafür auffassen, dass Wissensmanagement – sowohl aus der Perspektive der betrieblichen 

Praxis als auch aus wissenschaftlichem Blickwinkel – zu einem Modethema der Betriebswirtschaftslehre 

avanciert ist. Andererseits sprechen die Fülle der aktuellen Fachliteratur und 

deren Unübersichtlichkeit auch dafür, dass es sich um ein diffuses, schlecht strukturiertes Problemfeld 

handelt, auf dem sich neben seriösen, tief schürfenden Publikationen auch eine Vielfalt „pragmatischer“ 

Ratgeberliteratur tummelt. Bereits der „schillernde“ Wissensbegriff hat in einschlägigen 

Veröffentlichungen so viele Ausdeutungen erfahren, dass sich heutzutage unter die Thematik „Wissensmanagement“ 

nahezu jeder Beitrag subsumieren lässt, der nach einer Publikationsgelegenheit 

sucht. 

Aufgrund dieser Situationsdiagnose wird in diesem Werk von vornherein darauf verzichtet, den 

zahlreichen Definitionsansätzen für „Wissensmanagement“ und „Wissen“ eine weitere Variante 

hinzuzufügen. Stattdessen wird ein betriebswirtschaftlicher Commonsense hinsichtlich dieser Begrifflichkeiten 

2) vorausgesetzt, der für die Zwecke des hier vorgelegten Werks, ontologiebasierte 

Kompetenzmanagementsysteme zu diskutieren, im Allgemeinen völlig ausreicht. 3) 

Von solchem „definitorischen Ballast“ befreit, fokussieren sich die Überlegungen dieses einleitenden 

Kapitels von vornherein auf zwei konkurrierende Gestaltungsansätze für das betriebliche Wissensmanagement, 

die oftmals auch als „Strategien“ oder „Paradigmen“ thematisiert werden. Seit 

Ende der neunziger Jahre wird in der einschlägigen Fachliteratur intensiv darüber debattiert, auf 

1) Vgl. beispielsweise AL-LAHAM (2003); BICK (2004), u.a. mit einem konkreten Exkurs zur Publikationsfülle auf S. 9 f.; HAUN 

(2002); LEHNER (2000); MAIER (2004); NONAKA/TAKEUCHI (1997); NORTH (2002); PROBST/RAUB/ROMHARDT (2003). 

2) Vgl. zu einschlägigen Definitionen für die Begriffe „Wissensmanagement“ und „Wissen“ die Standardwerke aus der voranstehenden 

Fußnote. Beispielsweise seien für den interessierten Leser daraus hervorgehoben: 

a) zum Begriff „Wissensmanagement“: AL-LAHAM (2003) S. 79 ff.; BICK (2004) S. 10 f., 19 ff. u. 30 f.; PROBST/RAUB/ROM- 

HARDT (2003) S. 3 ff.; REHÄUSER/KRCMAR (1996) S. 17 f.; SCHÜPPEL (1996) S. 186 f. u. 191 ff.; SUKOWSKI (2002) S. 46 ff.; 

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.; 

MAIER (2004) S. 63 ff.; NORTH (2002) S. 38 ff.; PROBST/RAUB/ROMHARDT (2003) S. 16 ff.; REHÄUSER/KRCMAR (1996) S. 5 f.; 

SCHAUER (2004) S. 292 ff.; SCHEUBLE (1998) S. 9 ff.; SPINNER (2002) S. 28 f. u. 44 f. (eine sehr weit gefasste, aus betriebswirtschaftlicher 

Sicht unkonventionelle, aber sehr fruchtbare Wissensauffassung); SUKOWSKI (2002) S. 35 ff. 

3) In einem Ausnahmefall wird im Kapitel 2.4.2.2.4 eine spezielle Wissensdefinition zugrunde gelegt, wenn es darum geht, im 

Rahmen der formalen Semantik eines Formelsystems Wissen aus der Perspektive der Analytischen Philosophie als wahre, epistemisch 

gerechtfertigte Meinung oder Überzeugung („true, justified belief“) zu qualifizieren; vgl. S. 470.

34 1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 

welchen Typ von Akteuren 4) die knappen Unternehmensressourcen 5) zur möglichst effektiven und 

effizienten Erfüllung der Aufgaben des Wissensmanagements konzentriert werden sollen. Als wesentliche 

Alternativen werden zwei Fokussierungsstrategien miteinander konfrontiert. Es wird empfohlen, 

die knappen Ressourcen des Wissensmanagements: 

• entweder auf die Mitarbeiter als „natürliche“ Kompetenzträger 

(Humankapitalfokus oder Personalisierungsstrategie) 

• oder aber auf Computer, d.h. auf Automatische Daten-, Informations- und 

Wissensverarbeitungssysteme 6) als „artifizielle“ Kompetenzträger 

(Automatisierungsfokus oder Kodifizierungsstrategie) 

zu konzentrieren. 7) Diese Debatte wurde von drei US-amerikanischen „Gurus“ des Wissensmanagements, 

HANSEN, NOHRIA und TIERNEY, inspiriert und in den letzten Jahren prononciert vorangetrieben. 

Die Konkurrenz zwischen Personalisierungs- und Kodifizierungsstrategie spielt aus zwei Gründen 

sowohl für das betriebliche Wissensmanagement im Allgemeinen als auch für das Verbundprojekt 

KOWIEN eine wichtige Rolle. Erstens müssen die Entscheidungsträger des Wissensmanagements 

generell eine Grundsatzentscheidung darüber treffen, wie sie sich in dem Konfliktfeld zwischen den 

beiden vorerwähnten Strategien für das Wissensmanagement positionieren möchten. Zweitens galt 

es im Verbundprojekt KOWIEN, sehr frühzeitig – bereits in der Vorlaufphase der Projektbeantra- 

4) Als Akteure werden im hier interessierenden Kontext des Wissensmanagements alle handlungsfähigen Subjekte aufgefasst, die 

zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen (Kompetenzen) einsetzen können. Akteure sind somit 

„geborene“ Kompetenzträger und stets „aktive“ Komponenten eines Wissensmanagementsystems (im sehr weit gefassten Verständnis 

von Mensch-Maschine-Systemen). 

5) Der Ressourcenbegriff wird hier bewusst weit gefasst: Die Ressourcen eines Unternehmens erstrecken sich sowohl auf alle 

Produktionsfaktoren im Sinne der klassischen Betriebswirtschaftslehre (wie z.B. im Anschluss an GUTENBERG) als auch auf den 

erweiterten Ressourcenbegriff des „resource-based view“ (der insbesondere Kenntnisse und Fertigkeiten – also auch Wissen – 

als „intangible“ Ressourcen umgreift). Knappe Unternehmensressourcen erstrecken sich daher im hier erörterten Kontext des 

Wissensmanagements also nicht nur auf Anlagegüter (wie Automatische Informations- und Wissensverarbeitungssysteme) und 

Arbeitskräfte (wie Mitarbeiter als Kompetenzträger), sondern auch auf knappe Finanzierungsmittel für Investitionen in Sach- 

bzw. Humankapital sowie auf knappes Management-Know-how (Gestaltungskenntnisse und -fertigkeiten). 

6) Der ebenso „endlos“ wie „unfruchtbar“ erscheinende Streit über inhaltliche Abgrenzungen zwischen Daten-, Informations- und 

Wissensbegriff, der in zahlreichen Werken zum Wissensmanagement ausgetragen wird, erfährt im Verbundprojekt KOWIEN 

keine Vertiefung. Stattdessen reicht es für die Forschungs-, Entwicklungs- und Transferziele des Projekts vollkommen aus, Informationen 

und Wissen als synonyme Begriffe zu verwenden (und vom „althergebrachten“ Datenbegriff abzusehen). Damit 

wird keineswegs in Abrede gestellt, dass es für andere, außerhalb des Verbundprojekts liegende Erkenntnisziele durchaus relevant 

sein kann, zwischen Daten, Informationen und Wissen inhaltlich zu differenzieren. Allerdings besteht die Gefahr, dass Leser, 

die von einem speziellen Vorverständnis über Unterscheidungen zwischen Informations- und Wissensbegriff ausgehen, die 

hier vorgelegten Ausführungen zum Verbundprojekt KOWIEN missverstehen, weil sie der Ansicht sind, dass die jeweils thematisierten 

Verarbeitungsfunktionen entweder mit ihrem Informations- oder mit ihrem Wissensbegriff nicht kompatibel seien. 

Um solchen Missverständnissen vorzubeugen, wird die Bezeichnung „Automatische Informations- und Wissensverarbeitungssysteme“ 

gewählt. Sie fällt zwar sprachlich etwas „voluminös“ und wegen der synonymen Verwendung von Informations- und 

Wissensbegriff streng genommen auch redundant aus. Dafür bietet sie aber den Vorzug zu signalisieren, dass Rezipienten mit 

unterschiedlichen Vorverständnissen – je nach ihren eigenen begrifflichen Vorlieben – die hier behandelten computerbasierten 

Systeme sowohl als Informations- als auch als Wissensverarbeitungssysteme auffassen können. Wem diese Redeweise zu umständlich 

erscheint, kann der Kürze halber nur von Kompetenzmanagementsystemen sprechen, da die hier behandelten computerbasierten 

Systeme ausschließlich für Aufgaben des Kompetenzmanagements konzipiert sind. 

7) Vgl. HANSEN/NOHRIA/TIERNEY (1999) S. 107 ff. Vgl. zu ähnlich dichotomen Sichtweisen für das Wissensmanagement MAIER 

(2003) S. 159 ff.; SCHÜPPEL (1996) S. 187 f.; SHUM (1997) S. 916 f.

1.1 Kooperatives Wissensmanagement in Engineering-Netzwerken 35 

gung – eine Richtungsentscheidung darüber zu fällen, auf welche Wissensmanagementstrategie die 

knappen Projektressourcen fokussiert werden sollten. 

Aus der allgemeinen Perspektive des Wissensmanagements gilt es zunächst zu klären, welche 

Handlungsoptionen im Konfliktfeld zwischen Personalisierungs- und Kodifizierungsstrategie für 

das Wissensmanagement bestehen. Grundsätzlich lassen sich in Analogie zum „Thesen-Streit“ des 

strategischen Managements, der im Hinblick auf Wettbewerbsstrategien 8) seit langem ausgetragen 

wird, aber noch zur keiner Einigung geführt hat, drei unterschiedliche Optionen identifizieren: 9) 

Alternativ-These (analog zur Position des „stuck in the middle“ von PORTER): Die Personalisierungs- 

und die Kodifizierungsstrategie schließen sich gegenseitig aus, weil sie unterschiedliche, 

miteinander unverträgliche „Kulturen“ des Wissensmanagements erfordern. Sie stellen also 

„echte“ Alternativen im ursprünglichen Sinne des Wortes dar. Entscheidungsträger müssen sich 

daher durchringen, entweder die eine oder aber die andere von den beiden Alternativen zu favorisieren 

und entsprechend konsequent in der Praxis zu implementieren. Jeder Versuch, beide 

Strategien im selben Unternehmen zu praktizieren, wird zu inferioren Ergebnissen führen, weil 

es wegen der Unverträglichkeit der beiden Wissenskulturen unmöglich erscheint, beide Strategien 

im Rahmen derselben Unternehmenskultur auf jeweils hohem Niveau umzusetzen. 

Sukzessiv-These (analog zur Position des „outpacing“ von GILBERT und STREBEL): Es trifft 

zwar zu, dass bei der Einführung eines systematischen Wissensmanagements die Unternehmensressourcen 

in der Regel überfordert sein werden, um die Personalisierungs- und die Kodifizierungsstrategie 

gleichzeitig zu realisieren. Aber es besteht – dieser These zufolge – kein 

prinzipieller, „kultureller“ Gegensatz zwischen den beiden Strategien. Daher ist es möglich, 

sich aufgrund knapper Ressourcen zunächst auf eine der beiden Strategien zu fokussieren und 

diese erfolgreich zu implementieren. Danach können – unter Beibehaltung des hohen Implementierungsniveaus 

der zuerst gewählten Strategie – Ressourcen, die nur während der Einführung 

der ersten Strategie erforderlich waren, in die nachträgliche Einführung auch der zweiten 

Strategie umgeleitet werden. Am Ende dieses Prozesses sind beide Strategien auf jeweils hohem 

Implementierungsniveau realisiert. 

Simultaneitäts-These (analog zur Position von CORSTEN und WILL): Es besteht nicht nur kein 

prinzipieller, „kultureller“ Gegensatz zwischen der Personalisierungs- und der Kodifizierungsstrategie, 

sondern durch die simultane Einführung beider Strategien lassen sich sogar Synergiepotenziale 

realisieren. Diese Synergieeffekte fallen tendenziell höher aus als der zusätzliche 

Ressourcenbedarf, der zur simultanen statt sukzessiven Einführung beider Strategien erforderlich 

ist. Daher erscheint es empfehlenswert, sowohl die Personalisierungs- als auch die Kodifi- 

8) Gemeint sind – im Anschluss an PORTERS wegweisende Systematisierung – im Wesentlichen die konkurrierenden Wettbewerbsstrategien 

der Kostenführerschaft einerseits und der Differenzierung (oder Nutzenführerschaft) andererseits. In welcher 

Richtung die Differenzierungsstrategie ausgeprägt ist (z.B. als Qualitäts-, Zeit-, Technologie- oder Serviceführerschaft), spielt 

bei diesem Thesen-Streit keine Rolle. Darüber hinaus lässt der Thesen-Streit zumeist offen, in welcher Weise die dritte von 

PORTERS „generischen“ Wettbewerbsstrategien – die Fokussierungs- oder Nischenstrategie – in das Konfliktfeld zwischen 

Kostenführerschafts- und Differenzierungsstrategie einzuordnen ist. Zumeist wird die Nischenstrategie in diesem Kontext überhaupt 

nicht explizit thematisiert. Implizit wird sie zumeist der Differenzierungsstrategie „zugeschlagen“, weil sich die Nischen- 

und die Differenzierungsstrategie hinsichtlich ihrer Einschränkung auf relativ kleine Marktanteile und weitere Positionierungsentscheidungen 

oftmals wesentlich stärker ähneln, als es zwischen der Nischen- und der Kostenführerschaftsstrategie der Fall 

ist. 

9) Vgl. zum „Thesen-Streit“ des strategischen Managements im Hinblick auf Wettbewerbsstrategien CORSTEN (1998) S. 98 ff., 

110 ff. u. 120 ff.; CORSTEN/WILL (1993) S. 47 ff.; CORSTEN/WILL (1994) S. 286 ff.; GILBERT/STREBEL (1987) S. 31 ff.; PORTER 

(1999) S. 78 ff., insbesondere S. 80.


zierungsstrategie von vornherein gleichzeitig auf jeweils hohem Implementierungsniveau zu realisieren. 

Um Missverständnissen vorzubeugen, sei betont, dass die vorgenannten Thesen jeweils nur die 

Qualität von „weichen“ Tendenzaussagen besitzen. Sie entziehen sich daher einer „scharfen“ gegenseitigen 

Abgrenzung. So beansprucht weder die Alternativ-These generell noch die Sukzessiv- 

These während der ersten Fokussierungsphase ein striktes „entweder – oder“ in dem Sinne, die gesamten 

Ressourcen des Wissensmanagements auf nur eine Strategie konzentrieren zu wollen. Beispielsweise 

wird kein Anhänger der Alternativ- oder Sukzessiv-These darauf abzielen, im Falle einer 

Präferenz zugunsten der Kodifizierungsstrategie ausschließlich in Automatische Informations- 

und Wissensverarbeitungssysteme zu investieren – und beispielsweise auf die Motivation der Mitarbeiter 

als Kompetenzträger vollkommen zu verzichten. Stattdessen wird auch ein Anhänger der 

Kodifizierungsstrategie stets anerkennen, dass neben einem Automatisierungsfokus „natürlich“ 

auch die Leistungsfähigkeit und -bereitschaft des Humankapitals Berücksichtigung finden müssen. 

In diesem moderaten Verständnis wird von allen drei Thesen die oftmals – bis zur Leerformel degenerierte 

– Forderung nach der „Ganzheitlichkeit“ des Wissensmanagements 10) erfüllt. Es geht also 

keineswegs darum, eine der beiden Strategien vollkommen zu vernachlässigen. Vielmehr ist nur die 

Frage betroffen, ob eine Fokussierung von knappen Unternehmensressourcen auf eine der beiden 

Strategien dauerhaft (im Fall der Alternativ-Strategie) oder temporär (im Fall der Sukzessiv- 

Strategie) unter Berücksichtigung der jeweils anderen Strategie auf niedrigem Niveau erfolgen soll 

– oder ob beide Strategien von vornherein simultan auf jeweils hohem Niveau praktiziert werden 

sollen (im Fall der Simultaneitäts-Strategie). 

Der Thesen-Streit ist aus betriebswirtschaftlicher Perspektive bis heute nicht ausgefochten. Dies betrifft 

nicht nur seine ursprüngliche Variante, die sich auf Wettbewerbsstrategien im Rahmen des 

strategischen Managements erstreckt, sondern auch auf seine Variante innerhalb des Wissensmanagements. 

In der einschlägigen Fachliteratur des Wissensmanagements werden sowohl zugunsten der 

Alternativ-These als auch zugunsten der Simultaneitäts-These plausible Argumente und anschauliche 

Praxisbeispiele angeführt. 11) Aber zumeist werden nur diejenigen Argumente und Beispiele 

vorgetragen, die der eigenen Argumentationsposition behilflich sind, während über die Gegenargumente 

und -beispiele der jeweils entgegengesetzten These oftmals hinweg gegangen wird. Dies entspricht 

einem weit verbreiteten „Argumentationsstil“ des Managementdiskurses, der insbesondere 

10) Vgl. zu dieser Ganzheitlichkeitsforderung für das Wissensmanagement vor dem Hintergrund des Streits um Kodifizierungs- 

und Personalisierungsstrategie z.B. BICK (2004) S. 19 ff., insbesondere S. 22 f. Vgl. ebenso MAIER (2003) S. 159 ff. zu einem 

„Vermittlungosrientierten Wissensmanagement“, das im Sinne eines ganzheitlichen Wissensmanagements eine Brücke zwischen 

Kodifizierungs- und Personalisierungsstrategie schlagen soll. 

11) Dagegen wird die Sukzessiv-These nach Kenntnis des Verfassers in der Fachliteratur zum Wissensmanagement nicht näher 

gewürdigt. Dies lässt sich dadurch erklären, dass Autoren, die sich „professionell“ mit Aspekten des Wissensmanagements befassen, 

oftmals den Eindruck einer „gewissen Ignoranz“ gegenüber Erkenntnissen aus dem Bereich des strategischen Managements, 

hier insbesondere aus dem Bereich der Wettbewerbsstrategien, erwecken. Das Außerachtlassen der Sukzessiv-These 

mag daran liegen, dass eine solche dritte These einer „zugkräftigen Polarisierung“ zwischen zwei konfliktionären strategischen 

Handlungsoptionen nur im Wege steht. Aber solche Mutmaßungen helfen nicht weiter. Im hier erörterten Kontext spielt es auch 

keine wesentliche Rolle, ob die Sukzessiv-These explizit einbezogen wird oder nicht, weil der Thesen-Streit ohnehin als noch 

offen empfunden wird. Daher bleibt es letztlich unerheblich, ob sich das offene Konfliktfeld auf entweder nur zwei oder aber 

drei konkurrierende Thesen erstreckt. Aber die bisher praktizierte Vernachlässigung der wettbewerbsstrategischen Sukzessiv- 

These in systematischen Abhandlungen zu Strategien des Wissensmanagements sollte zumindest als „Merkposten“ für künftige 

Neuauflagen oder Neuerscheinungen von Standardwerken zum Wissensmanagement in Erinnerung behalten werden.


von MCCLOSKEY als „narratives Paradigma“ der Betriebswirtschaftslehre treffend charakterisiert 

wurde. 12) 

Zur Auflösung des Thesen-Streits müssten seitens der Betriebswirtschaftslehre mindestens zwei 

Desiderata erfüllt werden. Erstens wäre es notwendig, die situativen Anwendungsbedingungen – 

oder synonym: Kontextbedingungen – zu identifizieren, unter denen die oben erwähnten Argumente 

und Beispiele jeweils für oder wider den Erfolg entweder der Alternativ- oder aber der Simultaneitäts-These 

sprechen. Eine systematische und konkrete Identifizierung dieser situativen Anwendungsbedingungen 

ist bis heute jedoch noch nicht erfolgt. Zweitens müssten die – angeblichen oder 

tatsächlichen – Synergiepotenziale, die sich im Falle der Simultaneitäts-These realisieren lassen und 

den zusätzlichen Ressourceneinsatz für die simultane Einführung zweier Wissensmanagementstrategien 

überkompensieren sollen, konkret geschätzt und mit dem zu erwartenden zusätzlichen Ressourceneinsatz 

verglichen werden. Auch die betriebswirtschaftlich seriöse Schätzung dieser Synergiepotenziale 

befindet sich weit außerhalb der Reichweite dessen, was seitens des Wissensmanagements 

derzeit geleistet wird. Da bereits die generelle Messung des Nutzens von Wissensmanagement 

heute noch unter gravierenden Operationalisierungsmängeln leidet, 13) kann umso weniger 

erwartet werden, die spezielle Messung der vorgenannten Synergiepotenziale zufrieden stellend bewältigen 

zu können. 

Trotz der vorgenannten Schwierigkeiten steht die betriebliche Praxis unter dem Handlungsdruck, 

sich für eine der oben angeführten Handlungsoptionen im Sinne der Alternativ- oder der Simultaneitäts-These 

(oder der Sukzessiv-These) entscheiden zu müssen. Da eine seriöse wissenschaftliche 

Entscheidungsempfehlung in allgemeiner Weise nicht ausgesprochen werden kann, muss sich die 

Praxis des Wissensmanagements – zumindest derzeit (noch) – damit abfinden, sich entweder den 

allgemeinen Heilsversprechen von „(Wissens-) Management-Gurus“ anzuvertrauen oder spezielle, 

situationsbezogene wissenschaftliche Detailanalysen einzuholen. Beides kann und soll in dem hier 

vorgelegten Werk nicht geleistet werden. 

Dennoch musste auch aus der speziellen Perspektive des Verbundprojekts KOWIEN eine frühzeitige 

Entscheidung getroffen werden, in welcher Weise die sechs geförderten Projektpartner ihre Forschungs-, 

Entwicklungs- und Transferressourcen vor dem Hintergrund des oben skizzierten Thesen- 

Streits einsetzen sollten. Angesichts knapper Fördermittel war eine solche Grundsatzentscheidung – 

bereits in der Phase der Antragstellung mit einer detaillierten Arbeits- und Ressourcenplanung – 

unvermeidlich. In dieser Situation hat sich der Universitätspartner als federführender Antragsteller 

für eine Strategie des „konsequenten sowohl als auch“ entschieden: 14) Da aus wissenschaftlicher 

Sicht der Thesen-Streit des Wissensmanagements als weiterhin ungelöst betrachtet werden muss, 

wurde eine „förderpolitische Parallelstrategie“ gewählt, die alle Optionen offen lässt: 

12) Vgl. MCCLOSKEY (2000), insbesondere S. 4 ff.; MCCLOSKEY (1998), insbesondere S. 14 ff., 31 ff., 162 ff. u. 187 ff.; MCCLOS- 

KEY (1983) S. 482 ff., insbesondere S. 499 u. 501 ff. 

13) Vgl. zu den vielfältigen Ansätzen zur Bewertung von Wissen BÜRGEL/LUZ (2000) S. 20 ff.; KAPS (2001) S. 14 ff.; KREFT (2003) 

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. 

u. 5; PROBST/RAUB/ROMHARDT (2003) S. 211 ff.; SCHAUER (2004) S. 297 ff.; YATES-MERCER/BAWDEN (2002) S. 22 ff. 

14) Der Verfasser hofft, dass diese Formulierung eine „Prise Selbstironie durchschimmern“ lässt.


• Im Verbundprojekt KOWIEN erfolgt eine Fokussierung auf computerbasierte Arbeitstechniken. 

Es folgt damit dem Automatisierungsfokus der Kodifizierungsstrategie. 

• Ein paralleles, ebenso vom BMBF gefördertes Verbundprojekt mit der Bezeichnung MOTIWI- 

DI widmet sich der „Motivationseffizienz in wissensintensiven Dienstleistungsnetzwerken“. 15) 

Es fokussiert sich auf die Motivation von Mitarbeitern als Kompetenzträgern, einerseits ihr 

handlungsbefähigendes Wissen für Netzwerkpartner offen zu legen (Wissensteilung durch Wissenspreisgabe) 

und andererseits das offen gelegte Wissen innerhalb einer Kooperation auch 

gemeinsam zu nutzen (Wissensteilung durch Wissenswiederverwendung). Dies entspricht dem 

Humankapitalfokus der Personalisierungsstrategie. 

Die beiden Verbundprojekte MOTIWIDI und KOWIEN verhalten sich somit komplementär zueinander. 

Sie überdecken das breite Spektrum eines ganzheitlich verstandenen Wissensmanagements 

sowohl hinsichtlich des Humankapitalfokus der Personalisierungs- als auch hinsichtlich des Automatisierungsfokus 

der Kodifizierungsstrategie. 

Durch die Parallelstrategie, beide Projekte gemeinsam durchzuführen, wird nur „analytisch“ zwischen 

Personalisierungs- und Kodifizierungsstrategie getrennt. Dadurch war es trotz limitierter Fördermittel 

möglich, innerhalb eines Verbundprojekts jeweils einen Aspekt – den Automatisierungsfokus 

im Projekt KOWIEN und den Humankapitalfokus im Projekt MOTIWIDI – effektiv zu bearbeiten. 

Jedoch wird dadurch in keiner Weise ausgeschlossen, die Erkenntnisse und Instrumente 16) 

aus beiden Verbundprojekten in der betrieblichen Praxis im Sinne der Simultaneitäts-These von 

vornherein gemeinsam zu nutzen (oder zumindest im Sinne der Sukzessiv-These nacheinander zu 

berücksichtigen). 17) 

Nur unter der Vorentscheidung, im Verbundprojekt MOTIWIDI einen parallelen Humankapitalfokus 

zu verfolgen, wurde im Verbundprojekt KOWIEN ein Schwerpunkt zugunsten computerbasierter 

Arbeitstechniken gesetzt. Dies bedeutete keineswegs, dass die KOWIEN-Projektpartner die große 

Bedeutung des Humankapitals für das Wissensmanagement verkennen würden. Stattdessen sahen 

sie sich nur aufgrund von exogenen Randbedingungen – knappen personellen, finanziellen sowie 

zeitlichen Projektressourcen – genötigt, einen der beiden o.a. Aspekte des Wissensmanagements 

zu bevorzugen, um zumindest diesen Aspekt in der gebotenen Breite und Tiefe behandeln zu 

können. Die Tatsache, dass diese Vertiefungsentscheidung zugunsten computerbasierter Arbeitstechniken 

ausfiel, beruhte letztlich auf den kontingenten Vorgaben des Rahmenkonzepts „Forschung 

für die Produktion von morgen“, innerhalb dessen das Verbundprojekt KOWIEN thematisch 

angesiedelt ist. Denn die Ausschreibungsbedingungen dieses Rahmenkonzepts ließen kaum Raum 

15) Nähere Informationen zum Verbundprojekt MOTIWIDI finden sich im Internet unter der URL „http://www.motiwidi.de“. Vgl. 

die dort angeführten Veröffentlichungen über Ergebnisse der Projektarbeiten. Vgl. ebenso die Dokumentation der Projektergebnisse 

in ZELEWSKI ET AL. (2005). 

16) Als Instrumente werden hier alle Hilfsmittel (Modelle, Methoden, computerbasierte Werkzeuge) verstanden, die in den beiden 

Verbundprojekten entwickelt wurden, um die Implementierung der Projekterkenntnisse in der betrieblichen Praxis zu unterstützen. 

Hierzu zählen beispielsweise das prototypische Software-Tool für ein ontologiebasiertes Kompetenzmanagementsystem, 

das Vorgehensmodell für die Konstruktion und Nutzung solcher Kompetenzmanagementsysteme sowie die E-Learning-Umgebung 

für die Anwender solcher Kompetenzmanagementsysteme. 

17) Als Indizien für die Möglichkeit, die Erkenntnisse aus den beiden komplementären Verbundprojekten KOWIEN und MOTI- 

WIDI im Sine eines „ganzheitlichen“ Wissensmanagements gemäß der Simultaneitäts- (oder Sukzessiv-) These zu integrieren, 

lässt sich auf mehrere Publikationen verweisen, die zu Problemen des Wissensmanagements von Mitgliedern beider Projektteams 

gemeinsam verfasst wurden. Vgl. DITTMANN/PETERS/ZELEWSKI (2003a); DITTMANN/PETERS/ZELEWSKI (2003b); DITT- 

MANN/PETERS/ZELEWSKI (2004); DITTMANN/PETERS/ZELEWSKI (2005); PETERS/ZELEWSKI (2003); vgl. darüber hinaus auch das 

Kapitel 2.5 (S. 537 ff.) des hier vorgelegten Werks.


für „weiche“ Einflussgrößen des Wissensmanagements, zu denen Humankapital und Mitarbeitermotivation 

zweifellos gehören. 

Aufgrund der voranstehenden Festlegungen wird im Folgenden nur noch die Kodifizierungsstrategie 

mit ihrem Automatisierungsfokus weiter entfaltet. Dabei wird von der zusätzlichen Hypothese 

ausgegangen, dass sich sowohl die Effektivität als auch die Effizienz des Wissensmanagements 

durch die Nutzung von Software-Werkzeugen („Tools“) in der Regel nachhaltig erhöhen lassen. 18) 

Daher besteht ein mittelbarer, aber nichtsdestoweniger in der betrieblichen Praxis außerordentlich 

kritischer Bedarf für computerbasierte Arbeitstechniken zur Unterstützung von effektivitäts- und effizienzfördernden 

Wissensmanagementtechniken. 

1.1.2 Typische Kooperationsbarrieren 

für Wissensmanagement in Netzwerken 

Wissensmanagement muss sich bei der arbeitsteiligen Erfüllung wissensintensiver Aufgaben in Engineering-Netzwerken 

insbesondere zwei Herausforderungen stellen. Einerseits gilt es, die Akteure 

des Netzwerks bei ihrer arbeitsteiligen Aufgabenerfüllung so zu koordinieren, dass das erforderliche 

handlungsbefähigende Wissen – also die Kompetenzen 19) der Akteure – möglichst effektiv und 

effizient zur Aufgabenerfüllung eingesetzt wird. Andererseits müssen die Mitarbeiter eines Unternehmens 

oder mehrerer Unternehmen, die in einem inner- bzw. überbetrieblichen Netzwerk zusammenwirken, 

als Kompetenzträger dazu motiviert werden, ihr handlungsbefähigendes Wissen mit 

ihren Netzwerkpartnern zu teilen, d.h., sowohl ihre eigenen Kompetenzen offen zu legen als auch 

die offen gelegten Kompetenzen anderer Mitarbeiter gemeinsam zu nutzen. Aufgrund der Einschränkung 

im voranstehenden Kapitel, im Rahmen des Verbundprojekts KOWIEN den Schwerpunkt 

auf computerbasierte Arbeitstechniken zu legen, bleibt der Motivationsaspekt aus allen nachfolgenden 

Überlegungen ausgeklammert. Für Leser, die an solchen Gestaltungsaspekten der Personalisierungsstrategie 

interessiert sind, wird auf das „Schwesterprojekt“ MOTIWIDI verwiesen. 

Die Koordination von Akteuren, die in einem Engineering-Netzwerk eine gemeinsame, wissensintensive 

Aufgabe arbeitsteilig erfüllen sollen und daher auf eine wechselseitige Kooperation angewiesen 

sind, kann durch eine Vielfalt von Kooperationsbarrieren behindert werden. Aus der Fülle 

18) Diese Hypothese lässt sich – wie alle Basisentscheidungen innerhalb eines Untersuchungsdesigns – natürlich mit guten Argumenten 

in Zweifel ziehen. So kann erstens der Einwand erhoben werden, die Effektivitäts- und Effizienzsteigerung, die sich 

durch den Einsatz der Software-Werkzeuge erzielen lasse, vernachlässige den erheblichen Ressourceneinsatz zur Konzipierung, 

Entwicklung und Implementierung jener Werkzeuge. Zweitens kann moniert werden, dass kein Vergleich mit analogen Effektivitäts- 

und Effizienzsteigerungen erfolgt, die mithilfe der Personalisierungsstrategie erreicht werden könnten. Erst der Vergleich 

der Effekte beider Strategien (einschließlich des Vergleichs der jeweils erforderlichen Ressourceneinsätze) könnte Aufschluss 

darüber verleihen, ob tatsächlich ein Bedarf für computerbasierte Arbeitstechniken besteht – oder ob der Bedarf für humanzentrierte 

Arbeitstechniken überwiegt. Beide Argumentationsketten lassen sich an dieser Stelle nicht widerlegen. Sie 

sprengen schlicht den Argumentationsrahmen des hier vorgelegten Werks, das auf einer Vorentscheidung zugunsten der Kodifizierungsstrategie 

beruht. Die oben erfolgten Erläuterungen zur Berechtigung der Personalisierungsstrategie und zu ihrer parallelen 

Verfolgung in einem zweiten Verbundprojekt haben hoffentlich verdeutlicht, dass der Verfasser gegenüber computerskeptischen 

Argumentationsketten wie den zuvor skizzierten durchaus offen ist, sich lediglich außerstande sieht, sie innerhalb 

des KOWIEN-Rahmens auszudiskutieren. 

19) Streng genommen ist zwischen den Kompetenzarten einerseits und den Ausprägungen einer Kompetenzart (oder kurz: Kompetenzausprägungen) 

andererseits zu unterscheiden. Sofern diese Unterscheidung im jeweils aktuellen Argumentationskontext unerheblich 

ist, wird schlicht von „Kompetenzen“ geredet. Darüber hinaus wurde bei der Implementierung von Ontologien auf 

Wunsch mehrerer Praxispartner des Verbundprojekts KOWIEN durchgehend die Bezeichnung „Kompetenz“ verwendet, wenn 

eine Kompetenzart gemeint war.


denkmöglicher Kooperationsbarrieren 20) wurde im Verbundprojekt KOWIEN – zwecks einer weiter 

reichenden Fokussierung innerhalb der Automatisierungsstrategie – nur ein spezieller Typ von Barrieren 

eingehender analysiert, der sich für das Management von Wissen als spezifisch erweist. Ausgangspunkt 

der weiteren Fokussierung war die spezielle Eigenart des Produktionsfaktors „Wissen“, 

ein sprachlich verfasstes Artefakt darzustellen. 

Über diesen Ausgangspunkt lässt sich trefflich streiten. Denn Wissen braucht keineswegs als 

sprachlich verfasstes Artefakt betrachtet zu werden. Besondere Probleme bereitet in dieser Hinsicht 

der gesamte Bereich des so genannten „taziten“ Wissens 21) . Unter häufiger Zitierung von POLANYI 

wird Wissen als tazit aufgefasst, wenn es zwei charakteristische Eigenschaften erfüllt. Erstens muss 

es sich um Wissen handeln, das grundsätzlich an Menschen als Wissensträger gebunden ist. Zweitens 

zeichnet sich tazites Wissen dadurch aus, dass es sich einer „Entäußerung“ an Dritte durch 

sprachliche Explizierung grundsätzlich entzieht, weil es „in den Köpfen“ der Wissensträger eingeschlossen 

ist. Zu diesem taziten Wissen werden vor allem große Teile des Know-hows gezählt, über 

das Mitarbeiter als handlungsbefähigendes Wissen verfügen, das sie jedoch sprachlich nicht zu artikulieren 

vermögen. Wegen dieser Artikulationsbarriere lässt sich tazites Wissen weder in Dokumenten 

„kodifizieren“ noch mittels sprachlicher („verbaler“) Kommunikation anderen Mitarbeitern 

mitteilen. Stattdessen lässt sich tazites Wissen nur durch praktisches Handeln erwerben, also insbesondere 

durch Imitieren von Vorbildern und durch „learning by doing“. Die Existenz von tazitem 

Wissen stellt ein wesentliches Argument zugunsten der Personalisierungsstrategie dar, weil sich tazites 

Wissen per definitionem nur von Menschen erwerben und nutzen lässt und jedem Automaten – 

20) Vgl. zu Barrieren des Wissensmanagements im Allgemeinen – also ohne speziellen Bezug auf die hier betrachteten Kooperationsbarrieren 

im Koordinationszusammenhang – z.B. ALBRECHT/LEMBKE (2002) S. 54; BICK (2004) S. 24 u. 88 ff. (sehr ausführlich); 

BARSON ET AL. (2000) S. 367 ff., insbesondere Kapitel 5 bis 7; DAVENPORT/PRUSAK (1998a) S. 97 ff. (dort als „frictions” 

thematisiert); DAVENPORT/PRUSAK (1998b) S. 195 ff. (dort als „Friktionen” thematisiert); DÖRING-KATERKAMP/TROJAN (2002), 

137; MITTELMANN (1999) S. 4 ff.; NECHES ET AL. (1991) S. 37 f. (speziell in Bezug auf Wissensteilung und -wiederverwendung 

im Kontext von computerbasierten Wissensmanagementsystemen); PAWAR ET AL. (2001) S. 5 ff. (mit einer Systematisierung 

möglicher Barrieren gegenüber Wissenstransfer und Wissensteilung aus humanzentrierter Perspektive in der Tablle 2 auf S. 7); 

PRANGE/PROBST/RÜLING (1996) S. 13 f.; SCHÜPPEL (1996) S. 34 ff.; SUKOWSKI (2002) S. 68 ff.; TAMMA/BENCH-CAPON (2002) 

S. 45 f. (mit speziellem Bezug auf Heterogenität von Akteuren als Barriere der Wissensteilung). 

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“), 

221 ff. (speziell zu impliziten Schlüssen), 232 ff. (speziell zu Grenzen der Explizierbarkeit) u. 317 ff.; NONAKA/REINMOELLER/ 

SENOO (1998) S. 673 ff.; NONAKA/TAKEUCHI (1997) passim, z.B. S. 8 f. u. 18 ff., NONAKA/TOYAMA/NAGATA (2000) S. 5 ff.; 

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. 

277 ff.; YATES-MERCER/BAWDEN (2002) S. 21 f. 

In der Literatur zum Wissensmanagement wird in diesem Zusammenhang auch häufig von implizitem Wissen gesprochen. Diese 

Bezeichnung verleitet jedoch häufig zu Missverständnissen, weil der Begriff „implizites Wissen“ bereits in der allgemeinen 

Logik durch ein vollkommen anderes Vorverständnis geprägt ist: Aus logischer Sicht wird unterschieden zwischen einerseits 

explizitem Wissen, das in Formeln (Aussagen, Sätzen, Axiomen, Theoremen u.ä.) unmittelbar „gegeben“ ist, und andererseits 

implizitem Wissen, das mittels Inferenzregeln aus explizitem Wissen erschlossen werden kann. Aus dieser logischen Perspektive 

enthalten auch alle Dokumente, Daten-, Informations- sowie Wissensbanken usw. bereits implizites Wissen, das sich durch 

die Anwendung von Inferenzregeln auf dieses explizite Wissen gewinnen lässt. Auch für Ontologien, die im Rahmen des Verbundprojekts 

KOWIEN eine große Rolle spielen, werden solche Inferenzregeln angewendet. Hinzu kommt, dass die logische 

Sichtweise eine inhaltlich klare und präzise Unterscheidung zwischen ex- und implizitem Wissen trifft. Dagegen erweist sich 

die Differenzierung zwischen explizitem und „nicht oder schwer explizierbarem“ Wissen als problematisch, weil zumindest eine 

dritte Kategorie für Wissen existiert, das zwar (noch) nicht explizit vorliegt, sich aber dennoch – z.B. mittels simpler Inferenzregeln 

– leicht explizieren lässt. In der Wissensmanagement-Literatur findet sich für diese nahe liegende Wissensform kein 

treffendes, geschweige denn etabliertes Attribut. Daher wird vom zuvor skizzierten, problematischen Sprachgebrauch für „implizites 

Wissen“ abgewichen und stattdessen „implizit“ im eingangs erläuterten logischen Begriffsverständnis verwendet. Die 

spezielle Kategorie von Wissen, das nicht in unmittelbar explizierter Form vorliegt und sich nur unter großen Mühen – wenn 

überhaupt – explizieren lässt, wird dagegen als tazites Wissen bezeichnet.


z.B. einem Wissensbasierten System – ebenso per definitionem verschlossen bleibt. Darüber hinaus 

wird tazites Wissen oftmals als „Kronzeuge“ aufgerufen, um das „notwendige Scheitern“ der „starken“ 

KI-These zu beweisen. Die „starke“ KI-These behauptet, dass sich intelligentes menschliches 

Verhalten „im Prinzip“ durch wissensbasierte Automaten reproduzieren lässt. Natürlich erscheint 

dies unmöglich, wenn es tazites Wissen gibt, das einerseits für intelligentes menschliches Verhalten 

unverzichtbar ist und andererseits per definitionem jeder Art von Automaten unzugänglich bleibt. 22) 

Tazites Wissen stellt eine ebenso spannende wie umstrittene Thematik dar. Beispielsweise lässt sich 

in Zweifel ziehen, ob überhaupt tazites Wissen in der zuvor geschilderten, „strengen“ Ausprägung 

existiert. Gegen diese Ausprägung spricht – neben anderen Argumenten 23) – eine andere Vorstellung 

des betrieblichen Wissensmanagements, die sich ebenso großer Popularität erfreut. Es handelt 

sich um die so genannte „Wissensspirale“, die von NONAKA und TAKEUCHI sehr eingängig beschrieben 

worden ist. 24) In dieser Wissensspirale findet u.a. eine Explizierung taziten Wissens 

statt, 25) und zwar nicht nur einmalig, sondern mehrfach wiederholt, weil in jedem Zyklus der spiralförmigen 

Aufwärtsbewegung im „Wissensraum“ eine solche Wissensexplizierung erfolgt. Es erweckt 

schon Erstaunen, wenn nicht nur die „Kultautoren“ NONAKA und TAKEUCHI selbst, sondern 

auch zahlreiche ihrer Apologeten und Anhänger eines „modernen“ Wissensmanagements keine 

epistemischen Probleme darin sehen, einerseits von grundsätzlich nicht explizierbarem, tazitem 

Wissen auszugehen und andererseits dennoch das Konzept der Wissensspirale zu propagieren. 26) 

Wer hierin keine „Inkommensurabilität“ unterschiedlicher Wissenskonzepte – wenn nicht gar einen 

eklatanten Selbstwiderspruch – entdeckt, muss zumindest als „mutig“ erscheinen. Daraus haben mehrere 

Autoren im Bereich des Wissensmanagements die Konsequenz gezogen, tazites Wissen nicht 

mehr so streng aufzufassen, dass es sich jeder sprachlichen Explizierung grundsätzlich entzieht. 

22) Der Verfasser vermag sich dieser „Beweisführung“, die sich großer Beliebtheit unter Anhängern der Personalisierungsstrategie 

und Gegnern der „harten“, d.h. computerbasierten Erforschung Künstlicher Intelligenz (KI) erfreut, keineswegs anzuschließen. 

Doch es liegt weit außerhalb der Thematik des hier vorgelegten Werks, auf die „starke“ KI-These näher einzugehen. Daher 

kann nur angedeutet werden, dass die oben angesprochene „Beweisführung“ zwei grundsätzliche Angriffspunkte aufweist. Erstens 

ist bislang für kein menschliches Verhalten, das gemeinhin als „intelligent“ qualifiziert wird, der Beweis geführt worden, 

dass zu seiner Realisierung auf tazites Wissen nicht verzichtet werden kann, dass also keine „funktionalen Äquivalente“ für tazites 

Wissen bestehen. Zweitens lässt sich in Zweifel ziehen, ob es grundsätzliche Artikulationsbarrieren geben kann, ob also 

tatsächlich zwingende Gründe existieren, die ausschließen, dass sich tazites Wissen jemals in sprachlicher Form entäußern – 

und so kodifizieren oder anderen Akteuren kommunizieren – lässt. Der Verfasser hat sich an anderer Stelle mit der „starken“ 

KI-These und ihren Gegnern ausführlicher auseinander gesetzt; vgl. ZELEWSKI (1993b) S. 612 ff. 

23) Dazu gehört vor allem der Zweifel, ob es jemals gelingen kann, strikt zu beweisen, dass sich tazites Wissen niemals sprachlich 

entäußern lässt. Solche Unmöglichkeitsbeweise stellen eine epistemische Herausforderung besonderer Art dar. Der Verfasser 

zweifelt seinerseits an der grundsätzlichen Möglichkeit, Unmöglichkeitsbeweise dieser Art überhaupt führen zu können. Zumindest 

ist noch kein solcher Unmöglichkeitsbeweis von Anhängern taziten Wissens präsentiert worden. 

24) Vgl. NONAKA (1991) S. 97 ff.; NONAKA/REINMOELLER/SENOO (1998) S. 674 ff. (dort als „SECI Model“ und später als „ba“- 

Plattform thematisiert); NONAKA/TAKEUCHI (1995) S. 57 ff., insbesondere S. 70 ff.; NONAKA/TAKEUCHI (1997) S. 87 ff.; NONA- 

KA/TOYAMA/KONNO (2000) S. 9 ff. u. 13 ff. (als „SECI process“ bzw. als „ba“-Plattform); NONAKA/TOYOMA/NAGATA (2000) S. 

8 ff. Vgl. auch zur breiten Rezeption des Konzepts der Wissensspirale BOLLOJU/KHALIFA/TURBAN (2002) S. 165 ff.; CHOO 

(1996) S. 335 f.; MARWICK (2001) S. 815 ff.; SCHREYÖGG/GEIGER (2004) S. 271 ff.; SCHREYÖGG/NOSS (1997) S. 74 f. in Verbindung 

mit S. 71 ff.; STAAB (2002a) S. 198 ff. u. 206 f. 

25) NONAKA/TAKEUCHI (1997) S. 8 f. u. 18 ff. sprechen zwar von “implizitem” Wissen; sie meinen jedoch tazites Wissen im Sinne 

von POLANYI. Dies wird insbesondere anhand des englischsprachigen Originals NONAKA/TAKEUCHI (1995) deutlich; dort ist auf 

S. 8 ff. explizit von „tacit knowledge“ die Rede. Vgl. auch zur Kritik an der „irreführenden“ Übersetzung von „tacit knowledge“ 

in „implizites Wissen“ NEUWEG (1999) S. 134, Fußnote 2 (allerdings in Bezug auf das Werk von POLANYI). 

26) Die Probleme, tazites Wissen und das Konzept der Wissensspirale miteinander verbinden zu wollen, wurden jüngst von 

SCHREYÖGG/GEIGER (2004) S. 280 ff. scharf herausgearbeitet. Vgl. auch als „Vorläufer“ SCHREYÖGG/NOSS (1997) S. 75.


Vielmehr schwächen sie die „Tazitheit“ dahin gehend ab, dass es nur schwer sei, tazites Wissen 

zwecks Kodifizierung oder Kommunikation zu artikulieren. Diese „liberale“ Ausprägung taziten 

Wissens mag zwar ausreichen, um aus pragmatischer Sicht für die Behandlung taziten Wissens in 

der betrieblichen Praxis spezifische Handlungsempfehlungen auszusprechen. Aber hinsichtlich der 

grundsätzlichen Diskussion über das angebliche Scheitern von Automatisierungsstrategie (und 

„starker“ KI-These) bedeutet diese Liberalisierung eine Bankrotterklärung. Wenn tazites Wissen 

zwar schwer, aber immerhin doch sprachlich expliziert werden kann, dann spricht im Prinzip nichts 

mehr dagegen, Aufgaben des Wissensmanagements mittels Wissensbasierter Systeme zu erfüllen 

(bzw. intelligente menschliche Verhaltensweisen mittels Automaten zu reproduzieren). 

Im Verbundprojekt KOWIEN braucht die zuvor skizzierte Problematik taziten Wissens nicht ausdiskutiert 

zu werden. Stattdessen erfolgte – wie im Kapitel 1.1.1 (S. 33 ff.) dargelegt wurde – von 

vornherein eine Fokussierung auf die Automatisierungsstrategie. Daher bleibt es letztlich irrelevant, 

ob tazites Wissen im oben erläuterten Verständnis tatsächlich existiert oder nicht. Stattdessen beschäftigte 

sich das Verbundprojekt KOWIEN nur mit handlungsbefähigendem Wissen so weit, wie 

es sich sprachlich explizieren und somit auch als sprachlich verfasstes Artefakt auffassen lässt. Ob 

darüber hinaus noch weiteres, sprachlich nicht explizierbares und somit tazites Wissen existiert, 

reicht über den Erkenntnisfokus des Verbundprojekts hinaus und kann daher hier offen gelassen 

werden. 27) 

Aufgrund der Basisentscheidung, im Verbundprojekt KOWIEN Wissen als sprachlich verfasstes 

Artefakt zu betrachten, lässt sich Wissen nur unter erheblichen „geistigen Verrenkungen“ in konventionelle 

Produktionsfaktor-Systematiken einordnen. Solche Systematiken können zwar zwischen 

materiellen und immateriellen oder auch zwischen realen und nominalen Gütern differenzieren, 

aber für sprachlich verfasste Artefakte sehen sie keine „systemkonforme“ Produktionsfaktorkategorie 

vor. Daher mag es nicht überraschen, dass sich die Ansicht verbreitet hat, Wissen als Produktionsfaktor 

„sui generis“ zu behandeln – und damit letztlich einzugestehen, dass er das konventionelle 

Systematisierungsraster von Produktionsfaktoren „sprengt“. 

Wenn einerseits Wissen ein sprachlich verfasstes Artefakt darstellt und andererseits Barrieren von 

Interesse sind, die eine Kooperation zwischen Akteuren bei der gemeinsamen Erfüllung wissensintensiver 

Aufgaben zu behindern drohen, so liegt es nahe, sich auf jene Kooperationsbarrieren zu fokussieren, 

die in der sprachlichen Verfasstheit des gemeinsam einzusetzenden, handlungsbefähigenden 

Wissens verwurzelt sind. Daher wurde im Verbundprojekt KOWIEN von der forschungs-, 

entwicklungs- und transferleitenden Hypothese ausgegangen, dass die Kooperation zwischen Akteuren 

bei der gemeinsamen Erfüllung wissensintensiver Aufgaben in Netzwerken vor allem durch 

sprachliche Barrieren behindert werden kann, die das gemeinsame Verständnis des jeweils einzusetzenden, 

handlungsbefähigenden Wissens zu beeinträchtigen drohen. 28) Aus dieser Perspektive 

muss sich Wissensmanagement in seiner Funktion, Akteure eines Netzwerks bei ihrer kooperativen 

Erfüllung einer gemeinsamen, wissensintensiven Aufgabe zu koordinieren (kooperatives Wissens- 

27) Um „Farbe zu bekennen“, spricht sich der Verfasser persönlich zugunsten der Position aus, die Existenz taziten Wissens in seiner 

„strengen“ Ausprägung zu bezweifeln. Stattdessen erscheint ihm die „starke“ KI-These plausibler. Aber diese Positionen 

sind für das Verbundprojekt KOWIEN unbeachtlich. 

28) Diese Hypothese stellt keineswegs in Abrede, dass auch andere als sprachlich bedingte Verständnisbarrieren die Kooperation 

zwischen Akteuren bei der gemeinsamen Erfüllung wissensintensiver Aufgaben in Netzwerken erheblich beeinträchtigen können. 

Stattdessen wird lediglich davon ausgegangen, dass solche anderen Kooperationsbarrieren entweder generellen Charakter 

besitzen, also nicht speziell für die gemeinsame Erfüllung wissensintensiver Aufgaben gelten, oder sich auf die Motivation zur 

Wissensteilung erstrecken, die aus dem Fokus des hier vorgelegten Werks bereits ausgegrenzt wurde.


management) 29) , vornehmlich mit der Identifizierung sprachlich bedingter Verständnisbarrieren 30) 

und mit Gestaltungsempfehlungen zur Überwindung dieser Barrieren befassen. Dieses Basisverständnis 

für die zentrale Funktion eines kooperativen Wissensmanagements in (Engineering-) Netzwerken 

liegt dem gesamten Verbundprojekt KOWIEN 31) zugrunde. 32) 

In diesem einleitenden Beitrag steht nur die Identifizierung sprachlich bedingter Verständnisbarrieren, 

die den Koordinationserfolg des kooperativen Wissensmanagements beeinträchtigen können, 

im Vordergrund. Entsprechende Gestaltungsempfehlungen, mit denen sich diese Kooperationsbarrieren 

überwinden lassen, bestimmen hingegen den Inhalt aller nachfolgenden Beiträge dieses 

Werks. 

Sprachlich bedingte Verständnisbarrieren des Wissensmanagements können in vielfältigen Varianten 

auftreten. Im Folgenden werden lediglich einige „typische“ Situationen skizziert, in denen solche 

Barrieren das kooperative Wissensmanagement zu beeinträchtigen vermögen. 33) Diese Situationen 

lassen sich zugleich als „paradigmatische“ Anwendungsfälle für die Erkenntnisse und Instrumente 

des Verbundprojekts KOWIEN auffassen. Um die Vielfalt dieser Anwendungsfälle kognitiv 

leichter handhaben zu können, werden sie im nachfolgenden Kapitel zu zwei exemplarischen Anwendungsszenarien 

verdichtet. 

Die inhaltliche Vielfalt sprachlich bedingter Verständnisbarrieren lässt sich zunächst in zwei Hauptformen 

unterscheiden. Auf der einen Seite stehen Verständnisbarrieren, die aus einer mangelhaften 

29) Kooperatives Wissensmanagement lässt sich hier auf die Funktion reduzieren, Akteure eines Netzwerks bei ihrer kooperativen 

Erfüllung einer gemeinsamen, wissensintensiven Aufgabe zu koordinieren, weil aufgrund früherer Festlegungen die komplementäre 

Funktion, die Akteure hinsichtlich Wissenspreisgabe und Wissens(wieder)verwendung zu motivieren, hier nicht mehr 

berücksichtigt zu werden braucht. 

30) Die Bezeichnungen „Kooperationsbarrieren“, „sprachliche Barrieren“ und „sprachlich bedingte Verständnisbarrieren“ werden 

in diesem Werk synonym verwendet. Sie beziehen sich in extensionaler Hinsicht auf die gleiche Klasse realer Barrieren, die ein 

kooperatives Wissensmanagement behindern können. Die synonymen Bezeichnungen heben in ihren Formulierungen nur jeweils 

unterschiedliche Aspekte dieser Barrierenklasse kontextspezifisch hervor, so dass je nach aktuellem Argumentationskontext 

eine dieser Bezeichnungen bevorzugt wird. 

31) Aus diesem Basisverständnis lässt sich die Projektbezeichnung „Kooperatives Wissensmanagement in Engineering-Netzwerken“ 

(KOWIEN) leicht herleiten. 

32) Es wird freimütig eingeräumt, dass sich der „Sinn“ des Verbundprojekts KOWIEN leicht in Zweifel ziehen lässt, indem dieses 

Basisverständnis nicht geteilt wird. Anstelle der zugrunde liegenden, oben explizit angeführten, forschungs-, entwicklungs- und 

transferleitenden Hypothese könnte selbstverständlich auch ein anderes Basisverständnis für kooperatives Wissensmanagement 

und die relevanten Kooperationsbarrieren entwickelt werden. Eine solche Alternativposition hielte der Verfasser keineswegs für 

abwegig, sondern vielmehr für prinzipiell fruchtbar, wenn sie explizit vorgetragen würde. Entscheidend ist nach Einschätzung 

des Verfassers, dass solche Basisverständnisse des jeweils verfolgten Forschungs-, Entwicklungs- und Transfer-„Designs“ offen 

gelegt werden, um sie hierdurch kommunizieren, analysieren und – vor allem auch – kritisch diskutieren zu können. Der 

Verfasser möchte daher potenzielle Kritiker des Verbundprojekts KOWIEN dazu ermuntern, ihre alternativen Basisverständnisse 

ebenso transparent zu formulieren – und alsdann in einen „pluralistischen“ Wettbewerb um die „besten“ Lösungen für Probleme 

des betrieblichen Wissensmanagements einzutreten. 

33) Eine weitere Situation, die im Folgenden nicht näher betrachtet wird, sprechen TAMMA/BENCH-CAPON (2002) S. 45 als ontologische 

Heterogenität an. Sie verstehen darunter eine Barriere gegenüber Wissensteilung, die auf unterschiedlichen ontologischen 

Commitments der beteiligten Akteure beruht. Allerdings bleiben die Ausführungen der beiden Autoren etwas unklar, was 

sie unter Heterogenität aufgrund unterschiedlicher ontologischer Commitments konkret verstehen. Zwar erläutern sie mit der 

konzeptualisierungs- und der explikationsbedingten Heterogenität zwei Spezialfälle. Aber diese beiden Spezialfälle unterscheiden 

sich inhaltlich kaum von den artikulierungsbedingten Verständnisbarrieren, die in Kürze näher ausgeführt werden. Der 

„Rest“ der Heterogenität aufgrund unterschiedlicher ontologischer Commitments bleibt im Dunklen. Daher wird hierauf nicht 

weiter eingegangen.


Explizierung bereits vorhandenen, aber nicht unmittelbar zugreifbaren Wissens 34) resultieren. Auf 

der anderen Seite liegt Wissen, das zur gemeinsamen Aufgabenerfüllung benötigt wird, zwar schon 

explizit vor, wird jedoch aufgrund seiner Artikulierungsweise von seinen Nutzern nicht so verstanden, 

wie es zur Aufgabenerfüllung erforderlich wäre. 

Explizierungsbedingte Verständnisbarrieren treten immer dann auf, wenn die Verfügbarkeit benötigten 

Wissens nicht erkannt wird, weil dieses Wissen nicht „offensichtlich“ und somit nicht explizit 

35) gegeben, sondern „nur“ in anderem Wissen implizit enthalten ist. Wissen wird also nicht verstanden, 

weil es nicht explizit vorliegt. Es kommt zu einem Explizierungsdefekt. Dieser Explizierungsdefekt 

spielt im angewandten Wissensmanagement eine kaum zu überschätzende Rolle. Denn 

oftmals steht das benötigte Wissen bereits „irgendwo“ und „irgendwie“ zur Verfügung, aber nicht 

so offensichtlich, dass es von den jeweils betroffenen Akteuren unmittelbar zur Aufgabenerfüllung 

eingesetzt werden kann. Daher erlangt die Explizierung implizit verfügbaren Wissens für das praktische 

Wissensmanagement eine herausragende Bedeutung. 

Eines der leistungsfähigsten Instrumente, die bislang zur Wissensexplizierung entwickelt wurden, 

stellen Schlussfolgerungsregeln dar. Sie werden oftmals auch als Inferenzregeln bezeichnet. 

Schlussfolgerungs- oder Inferenzregeln gestatten es, aus einem gegebenen Wissensbestand jenes 

Wissen zu „erschließen“, das in dem Wissensbestand bereits implizit enthalten ist. Sie erzeugen also 

kein „wirklich“ neues Wissen, 36) sondern transformieren „nur“ vorhandenes implizites in vorhandenes 

explizites Wissen. 37) Aber diese Transformationsleistung darf nicht unterschätzt werden. 

Denn aus der Perspektive der Pragmatik, vorgegebene Aufgaben tatsächlich zu erfüllen, interessiert 

nicht die Neuartigkeit von Wissen, sondern schlicht das Faktum, ob es zur Aufgabenerfüllung effektiv 

genutzt werden kann. Solange das Wissen zwar vorhanden, aber implizit bleibt, lässt es sich 

nicht unmittelbar zur Aufgabenerfüllung einsetzen. Daher kann Wissen erst nach seiner Explizierung 

dem Zweck gerecht werden, die Erfüllung einer wissensintensiven Aufgabe zu ermöglichen. 

34) Wenn nicht ausdrücklich anders festgehalten, ist mit „Wissen“ in dem hier vorgelegten Werk stets handlungsbefähigendes Wissen 

gemeint. 

35) Es fällt nicht leicht, die intuitive Vorstellung über explizites Wissen scharf zu definieren. Im Folgenden wird Wissen genau 

dann als explizit betrachtet, wenn das Wissen sprachlich artikuliert ist und eine Frage, die sich auf dieses Wissen bezieht, durch 

Anwendung dieses Wissens unmittelbar beantwortet werden kann. Die Schwierigkeit dieses Definitionsversuchs liegt in der 

präzisen Bestimmung dessen, was mit „unmittelbar“ gemeint ist. Auf jeden Fall ausgeschlossen sind Schlussfolgerungen, die es 

gestatten würden, aus Wissen auch solche Antworten abzuleiten, die nicht durch das jeweils betroffene Wissen selbst „gegeben“ 

sind, sondern erst aus der Kombination dieses Wissens mit den angewandten Schlussfolgerungsregeln resultieren. Ein solcher 

Ausschluss von Schlussfolgerungen „erhellt“ zwar den intendierten Inhalt von „unmittelbar“ im Sinne des Prinzips „omnis 

determinatio est negatio“ von SPINOZA; vgl. zu diesem Prinzip KELLER (1974) S. 1289. Der Ausschluss liefert aber keine vollständige 

inhaltliche Bestimmung von „unmittelbar“. Dem Verfasser ist bislang keine Definition der Explizitheit bekannt geworden, 

die diese Bestimmungslücke zufrieden stellend schließen würde. 

36) Instrumente zur Erzeugung „wirklich“ neuen Wissens stellen hingegen Kreativitätstechniken, wie z.B. das Brainstorming und 

die Synektik dar (sofern sie sich nicht auf die systematische Kombination vorhandenen Wissens beschränken, wie z.B. die 

Technik morphologischer Kästen). 

37) Hierbei handelt es sich um eine simplifizierte Betrachtungsweise, die für die Forschungs-, Entwicklungs- und Transferziele des 

Verbundprojekts KOWIEN ausreicht. Bei präziser Analyse der Explizierung impliziten Wissens zeigt sich jedoch, dass das implizite 

Wissen nicht einem vorgegebenen Wissensbestand „an sich“ zugerechnet werden kann, sondern nur der Kombination 

aus diesem Wissensbestand und den darauf angewendeten Inferenzregeln. Denn je nach der Art der Inferenzregeln, die auf denselben 

Wissensbestand angewendet werden, lässt sich unterschiedliches implizites Wissen explizieren. Das explizierte Wissen 

ist also sowohl wissensbestands- als auch inferenzregelabhängig. Beispielsweise lassen sich in der intuitionistischen Mathematik, 

in der die Inferenzregel des „tertium non datur“ für indirekte Beweise nicht zugelassen wird, aus derselben Menge mathematischer 

Prämissen (Wissensbestand) nicht alle Theoreme schlussfolgern, die in der konventionellen Mathematik als implizites, 

in jenen Prämissen enthaltenes Wissen akzeptiert würden.


Wissensexplizierung ist somit eine zwar noch nicht hinreichende, aber notwendige Voraussetzung 

für die intendierte Aufgabenerfüllung. Daher wurde der Wissensexplizierung mittels Inferenzregeln 

im Verbundprojekt KOWIEN große Aufmerksamkeit zuteil. 

Artikulierungsbedingte Verständnisbarrieren beziehen sich auf Wissen, das bereits in expliziter 

Form vorliegt. Dieses Wissen kann aber von Akteuren zur intendierten Aufgabenerfüllung dennoch 

nicht effektiv genutzt werden, weil es so artikuliert 38) ist, dass die Akteure seine Eignung zur Aufgabenerfüllung 

nicht erkennen. Wissen wird also nicht verstanden, weil es in einer unverständlichen 

Weise artikuliert wurde. Es kommt zu einem Artikulierungsdefekt. Dieser Artikulierungsdefekt besitzt 

einen relationalen Charakter, 39) weil die Artikulation nicht „an sich“ unverständlich ist, sondern 

sich nur für die jeweils betroffenen Akteure als unverständlich erweist. Andere Akteure hätten also 

die vorliegende Wissensartikulation durchaus verstehen können. 

Das Phänomen, dass Wissen, das in einer bestimmten Weise sprachlich artikuliert vorliegt, von 

manchen Akteuren verstanden wird, anderen Akteuren wegen seiner Artikulierungsweise dagegen 

unverständlich bleibt, wird im Bereich des Wissensmanagements nur selten ausdrücklich thematisiert. 

Wenn dies einmal der Fall ist, wird das Phänomen artikulationsbedingter Verständnisbarrieren 

unter die – synonym gemeinten – Bezeichnungen der Sprachdivergenzen, der verschiedenartigen 

„Sprachkulturen“ oder der unterschiedlichen „Sprachwelten“ zwischen bzw. von Akteuren subsumiert. 

40) 

38) Unter der Artikulation von Wissen wird sein konkreter sprachlicher Ausdruck in den Worten und Sätzen einer – natürlichen 

oder auch formalen – Sprache verstanden. Es ist also nicht das Wissen auf der inhaltlichen (semantischen) Ebene von Begriffen 

oder Konzepten gemeint, sondern die sprachliche Expression der Wissensinhalte auf der lexikalischen und der syntaktischen 

Ebene von Worten bzw. Sätzen. In etwas „salopper“ Weise kann daher auch vom „Wording“ der Wissensartikulation gesprochen 

werden. 

39) Prima facie erweist sich der oben eingeführte Explizierungsdefekt nicht als relational, weil implizites Wissen in einem Wissensbestand 

„an sich“ enthalten ist und nicht nur „für“ einen Akteur. Bei genauerer Analyse zeigt sich jedoch, dass auch der 

Explizierungsdefekt einen relationalen Charakter besitzt, allerdings in anderer Hinsicht. Denn Wissen ist in einem vorgegebenen 

Wissensbestand nicht „an sich“ enthalten, sondern nur in Bezug auf Inferenzregeln, die für die Wissensexplizierung in Betracht 

gezogen werden. Darauf wurde bereits kurz zuvor in der Fußnote 37 (S. 44) eingegangen. 

40) Zu den wenigen Autoren im Bereich des Wissensmanagements, die artikulierungsbedingte Verständnisbarrieren aus den Perspektiven 

von Sprachdivergenzen, Sprachkulturen, Sprachwelten und damit verwandten Begriffen thematisieren, gehören DA- 

VENPORT/PRUSAK (1998a) S. 97 ff. (dort z.B. auf S. 98 als „Different ... vocabularies” explizit angesprochen); DAVEN- 

PORT/PRUSAK (1998b) S. 195 ff. (dort z.B. auf S. 195 als „unterschiedliche ... Sprachkulturen” explizit thematisiert); PAWAR ET 

AL. (2001) S. 7 („ ... language barrier ... if people don’t speak a language to the same level“). Vgl. ebenso HARS (2001) S. 64 („I 

tried to review all published empirical literature on ... Searching for such studies is difficult because ... the terminology that 

authors use ... varies, so it is difficult to locate relevant papers ...“ [kursive Hervorhebungen durch den Verfasser] als Zitat von 

ARMSTRONG durch HARS). Nicht direkt zum Bereich des Wissensmanagements, sondern eher zum Bereich des Software Engineerings 

gehören die bemerkenswert klaren Ausführungen von MAAMAR/MOULIN (1997). Sie sprechen hinsichtlich der Interoperabilität 

von verteilten, heterogenen Softwaresystemen explizit von „terminological disparities“ (S. 248). Auf S. 258 vertiefen 

sie diesen Aspekt und empfehlen ausdrücklich den Rückgriff auf Ontologien zur Überwindung solcher Sprachdivergenzen: 

„ ... each system is part of an organization that has ... a specific terminology ... In order to enable these systems to interoperate, 

we have ... to harmonize the terminology used in the representation of the exchanged knowledge. We must build a common ontology. 

... disparities exist at different levels ... disparities in the vocabulary used to describe their data ... a user has to express 

his needs according to his own vocabulary ...“. Vgl. des Weiteren zu Sprachdivergenzen MITRA/WIEDERHOLD (2004) S. 94 f.; 

MYLOPOULOS (1998) S. 136; POCSAI (2000) S. 5; SOWA (2000) S. 408 f.; TAMMA/BENCH-CAPON (2002) S. 45 f. (dort als konzeptualisierungs- 

und als explizierungsbedingte ontologische Heterogenität thematisiert); USCHOLD ET AL. (1998) S. 73; VISSER/ 

TAMMA (1999) S. 12-3 ff. (ein konkretes Beispiel unterschiedlicher sprachlicher Konzepte für denselben Realitätsausschnitt auf 

S. 12-3 f. und „language heterogeneity“ auf S. 12-5); ZELEWSKI/FISCHER (1999) S. 5 f.


Im Bereich der Wirtschaftspraxis lassen sich zumindest vier Typen von Sprachdivergenzen identifizieren. 

41) 

• Abteilungsspezifische Sprachkulturen: 42) Gleiche Bezeichnungen werden in unterschiedlichen 

Abteilungen desselben Unternehmens verschiedenartig verwendet. Z.B. kann die Bezeichnung 

„Los“ Unterschiedliches bedeuten, insbesondere mit unterschiedlichen Eigenschaften assoziiert 

werden je nachdem, ob ein Beschaffungs-, ein Produktions-, ein Distributions- oder ein Transportlos 

gemeint ist. So sind für Beschaffungslose Eigenschaften wie Liefertermine und Mengenrabatte 

relevant, während für Produktionslose u.a. Rüstzeiten und -kosten sowie losgrößenabhängige 

„Lerneffekte“ hinsichtlich der Produktionsstückzeiten von Interesse sind. 43) 

• Unternehmensspezifische Sprachkulturen: 44) Zuweilen pflegen Unternehmen verschiedenartige 

Begriffstraditionen, die sich „pfadabhängig“ verhalten, also auf unterschiedliche Weise historisch 

gewachsen sind. Solche unternehmensspezifischen Sprachkulturen können sich in der 

Wirtschaftspraxis vor allem bei Fusionen und Übernahmen als Integrationsbarrieren auswirken. 

Akzeptanzwiderstände gegenüber „verordneten“ Zusammenführungen vormals separater Organisationsstrukturen 

werden in solchen Fällen des Öfteren subtil über einen „Kampf der Sprachwelten“ 

ausgetragen. 

• Branchenspezifische Sprachkulturen: In unterschiedlichen Branchen werden mitunter verschiedenartige 

Bezeichnungen für inhaltlich gleiche Sachverhalte verwendet. Dies trifft vor allem 

auf Industrie- und Handelsunternehmen zu, deren Branchensprachen oftmals erheblich 

voneinander abweichen. Ein besonderes Hindernis können diese branchenspezifischen Sprachkulturen 

für das Supply Chain (oder Supply Web) Management darstellen, weil die betroffenen 

Liefer-, Produktions- und Distributionsketten (bzw. -netze) mehrere Wertschöpfungsstufen umfassen, 

die oftmals zu unterschiedlichen Branchen gehören. 

• Softwarespezifische Sprachkulturen: 45) Des Öfteren wird Software von Personen entwickelt, die 

mit betriebswirtschaftlichen Begrifflichkeiten wenig vertraut sind. In diesem Fall drohen „idio- 

41) Auf den trivialen Fall von Sprachdivergenzen als Folge des Gebrauchs von mehreren unterschiedlichen „Landessprachen“ wird 

hier nicht näher eingegangen, weil er kein spezielles Problem für das Wissensmanagement in Unternehmen darstellt, sondern 

generell jede zwischenmenschliche Kommunikation behindern kann. 

42) Vgl. andeutungsweise VASCONCELOS/KIMBLE/GOUVEIA (2000) S. 6 („organisational groups may have part of their knowledge 

codified in a form of workflow ‚metaphors’ that only the members of that group can understand“). 

43) Ein ingenieurtechnisches Analogon zum o.a. Los-Beispiel diskutiert POCSAI (2000) S. 6. 

44) Vgl. MAAMAR/MOULIN (1997) S. 258 („each ... organization ... has ... a specific terminology”). 

45) Besonders deutlich werden Sprachdivergenzen aufgrund unterschiedlicher softwarespezifischer Sprachwelten von FOX und 

GRÜNINGER als Korrespondenzproblem angesprochen: „The problem that we face today, is that the legacy systems that support 

enterprise functions were created independently, consequently do not share the same enterprise models. We call this the Correspondence 

Problem. Though each enterprise model may represent the same concept, e.g., activity, they will have a different 

name, e.g., operation vs. task. Consequently, communication among functions is not possible without translation. No matter 

how rational the idea of renaming them is, organisational barriers impede it.“ (FOX/GRÜNINGER (1997a) S. 191; kursive Hervorhebungen 

hier zum Teil abweichend vom Original).


synkratische Software-Sprachwelten“. 46) Sie nötigen den Softwarenutzern einen Sprachgebrauch 

auf, der von ihrer betrieblichen Fach- oder Alltagssprache weit entfernt ist. 47) Dieser 

softwareinduzierte Zwang, artifizielle sprachliche Konventionen beachten zu müssen, wird 

durch den oftmals propagierten Einsatz von Standard-Software verstärkt. Mitunter wird in diesem 

Zusammenhang – überpointiert – von einem „SAP-Syndrom“ gesprochen. 

Außerhalb des betrieblichen Wissensmanagements sind Sprachdivergenzen weitaus intensiver diskutiert 

worden. Dies betrifft insbesondere den Bereich der Wissenschaftstheorie. Dort wird – vor allem 

in Anschluss an FEYERABEND und KUHN – die Inkommensurabilität von Theorien 48) im Wesentlichen 

49) auf unterschiedliche (Wissenschafts-) Sprachen 50) oder divergente taxonomische Strukturen 

51) zurückgeführt, in denen die verschiedenartigen Theorien verfasst sind. Die Aspekte von 

46) Softwarespezifische Sprachkulturen können sich insbesondere dann als hochproblematische Auslöser von Sprachdivergenzen 

auswirken, wenn Unternehmen kooperieren, die wegen ihres Rückgriffs auf verschiedenartige Softwarefamilien in jeweils unterschiedlichen 

Sprachwelten agieren. Dies kann beispielsweise in Virtuellen Unternehmen und in Supply Webs der Fall sein. 

Solange es nicht gelingt, in solchen Unternehmenskooperationen eine einheitliche Software-Infrastruktur einzuführen, können 

die softwarespezifischen Sprachkulturen zu erheblichen Verständnisbarrieren führen. Dann erweist sich die Software nicht – 

wie in der einschlägigen Literatur zu z.B. Virtuellen Unternehmen immer wieder behauptet wird – als „enabler“ für die Unternehmenskooperation, 

sondern im Gegenteil als ein Kooperationshindernis. 

47) Ein Beispiel für „idiosynkratische Software-Sprachwelten“ stellen Bezeichnungen dar, die von der Softwarefamilie SAP R/3 ihren 

Nutzern aufgezwungen werden. Obwohl es sich um eine betriebswirtschaftliche Anwendungssoftware handelt, ignoriert sie 

manche betriebswirtschaftliche Begrifflichkeiten, die sowohl in der Praxis als auch in der Betriebswirtschaftslehre etabliert 

sind. Beispielsweise gestattet die Softwarefamilie SAP R/3 nicht, die Begriffe „Unternehmen“ oder „Betrieb“ so zu verwenden, 

wie es betriebswirtschaftlich üblich ist, sondern sie zwingt ihre Nutzer dazu, bei Gebrauch der Software von „Mandanten“ oder 

diesen untergeordneten „Buchungskreisen“ zu sprechen. Vgl. HANSEN/NEUMANN (2005) S. 552. 

48) Vgl. zur breiten Debatte über die Inkommensurabilität von Theorien exemplarisch BALZER (1989) S. 287 ff.; CHEN, X. (1997) S. 

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. 

386, insbesondere S. 376; FEYERABEND (1995) S. 285 ff. (zur Theorieabhängigkeit von Beobachtungen und zu den daraus resultierenden 

Inkommensurabilitätsproblemen); HOYNINGEN-HUENE (2002) S. 64 ff. (mit weiterführenden Quellenhinweisen in 

Endnote 9 auf S. 78); KUHN (1973) S. 139 ff.; KVASZ (1999) S. 201 ff., insbesondere S. 230 f.; MUSGRAVE (1979) S. 336 ff.; 

PEARCE (1987) S. 1 ff. u. 15 ff. (eine breit angelegte, zugleich tief fundierte Abhandlung der Inkommensurabilität von Theorien, 

später auch der Ansätze zu ihrer Überwindung); STEGMÜLLER (1979) S. 37 ff., 55 u. 66 ff.; STEGMÜLLER (1986a) S. 123 u. 298 

ff. (mit einer ebenso knappen wie formalsprachlich präzisen Definition der Inkommensurabilität von Theorien auf S. 306); 

STEGMÜLLER (1987b) S. 289 ff.; SZUMILEWICZ (1977) S. 345 ff.; ZELEWSKI (1993a) S. 379 ff., 395 ff., 405 ff., 440, 445 u. 447 f. 

(mit weiterführenden Literaturhinweisen); ZOGLAUER (1993) S. 107 ff. (mit einer ausführlichen Darstellung von Varianten der 

Inkommensurabilität von Theorien). 

49) Die Inkommensurabilität von Theorien kann auf zwei verschiedenartige Ursachen zurückgeführt werden: Einerseits handelt es 

sich um die hier angesprochenen divergenten taxonomischen Strukturen derjenigen Sprachen, in denen die Theorien verfasst 

sind, und andererseits um die verschiedenartigen Wissenshintergründe (intellektuelle, kulturelle, „paradigmatische“ Wissenschaftstraditionen), 

in welche die Theorien eingebettet sind. Vgl. zu dieser Unterscheidung z.B. WANG, X. (2002) S. 467, Fn. 8. 

50) Vgl. WANG, X. (2002) S. 467. 

51) Vgl. speziell zur Erklärung der Inkommensurabilität von Theorien durch Rückgriff auf divergente taxonomische Strukturen, 

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) 

S. 9 u. 16; KUHN (1993) S. 323 ff., insbesondere S. 326; WANG, X. (2002) S. 467 ff. (mit einer sehr detaillierten und elaborierten 

Analyse der Inkommensurabilitätsproblematik aus der Perspektive von taxonomischen Strukturen und mithilfe des neuartigen 

Ansatzes der „truth-value gaps“, der sich auf inkompatible Wahrheitswertbedingungen für wissenschaftliche Aussagen in 

verschiedenartigen Theorien bezieht) und S. 483 (mit einer präzisen, taxonomisch fundierten Definition der Inkommensurabilität 

von Theorien). Bemerkenswert aus der Perspektive von Ontologien, die dem Verbundprojekt KOWIEN zugrunde liegt, ist 

der Umstand, dass WANG, X. (2002) in seiner Diskussion der Inkommensurabilitätsproblematik auf der Grundlage unterschiedlicher 

taxonomischer Strukturen sogar explizit auf das Themenfeld „Ontologien“ eingeht, indem er auf die „fact-ontology“ (S. 

475) von WITTGENSTEIN Bezug nimmt.


Sprachdivergenzen und divergenten taxonomischen Strukturen 52) werden später im Kapitel 1.3.1.4 

(S. 215 ff.) aus der Perspektive der begrifflichen Vorstrukturierung von Realitätserfahrungsmöglichkeiten 

noch einmal aufgegriffen und vertieft. 

Artikulierungsdefekte treten oftmals in der Form auf, dass dieselben begrifflichen Inhalte (Konzepte) 

auf unterschiedliche Weise sprachlich artikuliert, also mit unterschiedlichen Bezeichnern angesprochen 

werden. In diesem Fall handelt es sich um synonyme Bezeichner. 53) Ebenso ist es möglich, 

dass derselbe Bezeichner in verschiedenen Wissenskontexten mit unterschiedlichen begrifflichen 

Inhalten assoziiert wird. Dann liegt ein homonymer Bezeichner vor. 54) Sowohl Synonyme als auch 

Homonyme stellen Sprachdivergenzen dar, die das gemeinsame Verständnis von handlungsbefähigendem 

Wissen in der betrieblichen Praxis erheblich beeinträchtigen können. Daher wurde ihnen 

im Verbundprojekt KOWIEN – neben der o.a. Wissensexplizierung mittels Inferenzregeln – große 

Aufmerksamkeit gewidmet. 

52) Mit Sprachdivergenzen und divergenten taxonomischen Strukturen ist streng genommen nicht dasselbe gemeint; vgl. WANG, X. 

(2002) S. 467. Denn zwei Sprachen können durchaus unterschiedlich sein (wie zwei „Fremdsprachen“), aber dennoch über die 

gleichen taxonomischen Strukturen verfügen. Die taxonomische Struktur bildet den „harten Kern einer Sprache“ (WANG, X. 

(2002) S. 467: „essential part of a language“), von dem das grundsätzliche Verständnis der sprachlich artikulierten Artefakte – 

wie z.B. Sprachakte und auch Wissen – abhängt. Sie besteht aus den begrifflichen Konzepten (Kategorien) und den Ähnlichkeitsbeziehungen 

zwischen diesen Konzepten (Familienähnlichkeit bei Wittgenstein, taxonomische „is a“-Relation in Ontologien); 

vgl. WANG, X. (2002) S. 467 in Verbindung mit S. 466. Die begrifflichen Konzepte derselben taxonomischen Struktur 

können durchaus unterschiedlich „benannt“ sein, d.h. mit unterschiedlichen Worten (Bezeichnungen) artikuliert werden, wie 

etwa mit synonymen Bezeichnungen aus derselben Sprache oder mit Bezeichnungen aus verschiedenen natürlichen Sprachen. 

Solange die zugrunde liegende taxonomische Struktur unverändert bleibt, können synonyme bzw. fremdsprachliche Bezeichnungen 

ohne Schwierigkeiten „bedeutungserhaltend“ ineinander übersetzt werden, weil die Bedeutungen der Bezeichnungen 

durch die jeweils „gemeinten“ begrifflichen Konzepte und deren Ähnlichkeitsbeziehungen untereinander unverändert bleiben. 

Probleme der „bedeutungserhaltenden“ Übersetzung zwischen sprachlichen Artefakten treten erst dann auf, wenn sie auf unterschiedlichen 

taxonomischen Strukturen beruhen. Vgl. dazu die anschaulichen Beispiele von SOWA (2000) für die unterschiedlichen 

taxonomischen Strukturen zwischen englischen und französischen Bezeichnungen für Gewässer (S. 410) sowie zwischen 

englischen und chinesischen Bezeichnungen für Fahrzeuge (S. 410 f.). 

Aus den vorgenannten Gründen sind für die Inkommensurabilität von Theorien streng genommen nicht alle Formen von 

Sprachdivergenzen relevant, sondern lediglich Sprachdivergenzen aufgrund von unterschiedlichen taxonomischen Strukturen. 

Im Kontext des Verbundprojekts KOWIEN kann jedoch von dieser subtilen, wissenschaftstheoretisch motivierten Differenzierung 

abgesehen werden, weil es für artikulationsbedingte Verständnisbarrieren im Wissensmanagement unerheblich ist, aus 

welchem Grund Wissen nicht verstanden wurde und ob ein Verständnismangel durch eine „bedeutungserhaltende“ Übersetzung 

in eine andere sprachliche Form grundsätzlich behoben werden könnte. Stattdessen ist es für das Wissensmanagement in der betrieblichen 

Praxis einzig entscheidend, dass ein Verständnismangel eingetreten ist. Daher wird im Folgenden zwischen Sprachdivergenzen 

im Allgemeinen und divergenten taxonomischen Strukturen im Speziellen nicht weiter differenziert. Stattdessen 

werden beide Bezeichnungen der Einfachheit halber synonym verwendet, solange die zuvor skizzierten inhaltlichen Unterschiede 

im jeweils betroffenen Argumentationskontext keine Relevanz erlangen. 

53) Beispielsweise stellen die Formulierungen „handlungsbefähigendes Wissen“ und „Kompetenzen“ synonyme Bezeichner für 

den gemeinsam zugrunde liegenden begrifflichen Inhalt dar, der anlässlich der Einführung dieser beiden Bezeichner erläutert 

wurde. Ein anderes, instruktives Beispiel aus den Domänen von Produktions- und Beschaffungsmanagement findet sich bei 

METAIS (2002) S. 251. Die Autorin zeigt anhand typischer Formulierungen aus der Wirtschaftspraxis auf, dass in diesen Domänen 

die Bezeichner „Produkt“ und „Stück“ synonym verwendet werden können. 

54) Z.B. handelt es sich bei Beschaffungsmengen und Produktionsmengen, die in einer atomaren, ununterbrochenen Beschaffungs- 

bzw. Produktionsaktivität bereitgestellt werden, um unterschiedliche begriffliche Inhalte des homonymen Bezeichners „Losgröße“. 

Einen weiteren homonymen Bezeichner mit großer Relevanz für die Wirtschaftspraxis stellt die Quantität „Billion“ dar 

(wenn von unterschiedlicher Klein- versus Großschreibung in angelsächsischen bzw. deutschsprachigen Kontexten abgesehen 

wird). Unter einer „Billion“ wird in angelsächsischen Kontexten die Größenordnung 10 9 verstanden (wegen des „Fehlens“ eines 

Analogons zur „Milliarde“), während damit in deutschsprachigen Kontexten die Größenordnung 10 12 bezeichnet wird.


Darüber hinaus kann es zu komplexeren sprachlichen Divergenzen kommen. Sie drohen immer 

dann, wenn in zwei Sprachwelten die Ebene der sprachlichen Artikulation von Wissen durch Bezeichner 

und die Ebene des inhaltlichen, durch Begriffe erfassten Wissens jeweils auf unterschiedliche 

Weise strukturiert sind. Dann kann es dazu kommen, dass sich zwischen den Bezeichnern und 

Begriffen der beiden Sprachwelten keine unmittelbaren Bezeichner- bzw. Begriffskorrespondenzen 

herstellen lassen. In solchen Fällen drohen gravierende Probleme hinsichtlich des Versuchs, Wissen, 

das in einer Sprachwelt artikuliert wurde, in die jeweils andere Sprachwelt zu übersetzen. Dieses 

fundamentale Problem der „bedeutungserhaltenden Übersetzung“ zwischen unterschiedlich 

strukturierten Sprachwelten lag jedoch weit außerhalb des Erkenntnisinteresses des Verbundprojekts 

KOWIEN. Daher wird es in dem hier vorgelegten Beitrag nicht weiter thematisiert. 55) Es spielt 

jedoch beispielsweise eine herausragende Rolle bei allen Bemühungen, computerbasierte Übersetzungssysteme 

zu entwickeln, die Texte unterschiedlicher natürlicher Sprachen „bedeutungserhaltend“ 

aufeinander abzubilden vermögen. 56) 

Eine „bescheidene“ Variante der zuvor skizzierten „strukturellen Inkompatibilität“ unterschiedlicher 

Sprachwelten erwies sich jedoch auch im Verbundprojekt KOWIEN als relevant. Sie betrifft 

die Heterogenität von Formen der Wissensrepräsentation: 57) Es werden unterschiedliche Repräsentationssprachen 

für die Erfassung desselben Gegenstandsbereichs nebeneinander verwendet. 58) Da 

jede Repräsentationssprache das sprachlich erfassbare Wissen mittels ihrer sprachlichen Basiskonstrukte 

(„Primitive“) auf jeweils sprachspezifische Weise strukturiert und artikuliert, resultieren oftmals 

verschiedenartige Repräsentationen desselben Wissens. 59) Auch in solchen Fällen bereitet es 

55) Vgl. dagegen zum Problem der „bedeutungserhaltenden Übersetzung“ QUINE (2002) S. 135 ff.; STEGMÜLLER (1987a) S. 291 ff.; 

ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 200 f. Es wird in einem späteren Beitrag dieses Werks darauf zurückgekommen; vgl. 

Kapitel 1.3.1.1.2 (S. 134 ff.). 

56) Vgl. zur Verwendung von Ontologien zur computerbasierten Übersetzung zwischen unterschiedlichen natürlichen Sprachen 

VICKERY (1997) S. 279 ff. 

57) Vgl. NECHES ET AL. (1991) S. 37 f.; TAMMA/BENCH-CAPON (2002) S. 45. 

Die Heterogenität von Formen der Wissensrepräsentation lässt sich ebenso unter den Aspekt der Sprachkulturen und -welten 

subsumieren, da jede Form der Wissensrepräsentation durch die jeweils zugrunde gelegte Repräsentationssprache maßgeblich 

geprägt wird. 

58) Vgl. zur Unterschiedlichkeit von Repräsentationssprachen im Bereich des Wissensmanagements DITTMANN (2002a) S. 26 ff.; 

DITTMANN (2002b) S. 15 f., 19 f., 23 f. u. 27 f. 

59) Von einem grundsätzlichen Problem wird in dieser Formulierung der Übersichtlichkeit halber abstrahiert. Es handelt sich um 

das Problem, dass Wissen – zumindest insoweit, wie es sich um ein sprachlich verfasstes Artefakt handelt, – niemals „sprachfrei“ 

artikuliert werden kann. Daher setzt die inhaltliche Feststellung, dass dasselbe Wissen gemeint ist, bereits den Gebrauch 

einer Sprache voraus, mit der das betroffene Wissen in unterschiedlichen Repräsentationsformen als inhaltlich identisch charakterisiert 

werden kann. Diese Sprache besitzt aber ihrerseits auch eine „innere“ Struktur, welche die Grenzen dessen bestimmt, 

was in dieser Sprache als dasselbe Wissen angesehen werden kann. Daher kann streng genommen niemals sprachunabhängig 

über „dasselbe“ Wissen geredet werden. Die Identität von Wissen auf der inhaltlichen Ebene stellt deswegen einen relationalen 

Begriff dar, der nur in Bezug auf diejenige Sprache definiert ist, in der das inhaltlich gemeinte Wissen jeweils artikuliert wird. 

Über „dasselbe“ Wissen, das in unterschiedlichen Repräsentationssprachen auf verschiedenartige Weise repräsentiert wird, 

kann also nur dann sinnvoll gesprochen werden, wenn alle Akteure, die sich an diesem „Sprachspiel“ (im Sinne von WITTGEN- 

STEIN) beteiligen, hinsichtlich derjenigen Sprache übereinstimmen, in der die Inhalte des jeweils repräsentierten Wissens ausgedrückt 

und z.B. als identisch qualifiziert werden. Eine solche sprachliche Übereinstimmung auf der Ebene der Wissensinhalte 

braucht keineswegs vorzuliegen. Wenn diese sprachliche Übereinstimmung fehlt, kann nicht sinnvoll darüber kommuniziert 

werden, ob Wissen, das auf verschiedenartige Weise repräsentiert wird, überhaupt „dasselbe“ Wissen darstellt.


erhebliche Schwierigkeiten, die unterschiedlichen Wissensrepräsentationsformen „bedeutungserhaltend“ 

ineinander zu transformieren. Insbesondere kann es sich als problematisch erweisen zu erkennen, 

ob das Wissen, das in einer Repräsentationssprache artikuliert wurde und explizit vorliegt, dasselbe 

Wissen darstellt, das zur Erfüllung einer Aufgabe benötigt wird, wenn das benötigte Wissen in 

einer anderen Repräsentationssprache artikuliert wurde. Es kommt zu einem Artikulationsdefekt 

aufgrund unterschiedlicher Wissensrepräsentationssprachen, wenn das explizit vorliegende und das 

zur Aufgabenerfüllung benötigte Wissen zwar inhaltlich übereinstimmen, es sich also um dasselbe 

Wissen handelt, dies aber von den kooperierenden Akteuren nicht erkannt wird, weil die Wissensübereinstimmung 

von den unterschiedlichen Formen der Wissensrepräsentation „verschleiert“ wird. 

Die Heterogenität von Formen der Wissensrepräsentation spielt insbesondere im Zusammenhang 

mit der Kodifizierungsstrategie eine wichtige Rolle, die im Fokus des Verbundprojekts KOWIEN 

stand. Denn computerbasierte Wissensmanagementsysteme beruhen stets auf speziellen Repräsentationssprachen, 

in denen das relevante Wissen kodifiziert ist. Im Gegensatz zur natürlichen Sprache, 

die von den Akteuren eines Engineering-Netzwerks im Regelfall geteilt wird, 60) unterscheiden sich 

die eingesetzten Wissensrepräsentationssprachen auch innerhalb desselben Netzwerks oftmals erheblich 

je nachdem, mit welcher Software ein computerbasiertes Wissensmanagementsystem ausgerüstet 

ist. Sogar innerhalb desselben Wissensmanagementsystems kann die Wissensrepräsentationssprache 

von Systemkomponente zu Systemkomponente wechseln. Daher leiden computerbasierte 

Wissensmanagementsysteme oftmals erheblich unter unterschiedlichen Sprachwelten, die durch 

die Verwendung verschiedenartiger Wissensrepräsentationssprachen bedingt sind: Computerbasierte 

Wissensmanagementsysteme (oder deren Komponenten) können das in jeweils anderen Systemen 

repräsentierte Wissen nicht verstehen, wenn es mittels einer anderen Sprache artikuliert wurde und 

zwischen den betroffenen Wissensrepräsentationssprachen keine „bedeutungserhaltende“ Übersetzung 

existiert. Ein typischer Artikulationsdefekt aufgrund verschiedenartiger Wissensrepräsentationssprachen 

ist eingetreten. 

Um von Komplikationen dieser Art abstrahieren zu können, wird hier der Einfachheit halber davon ausgegangen, dass die jeweils 

relevanten Akteure, die bei der arbeitsteiligen Erfüllung einer Aufgabe zusammenwirken, über eine gemeinsame Sprache 

verfügen, in der sie sich über die Inhalte des jeweils repräsentierten Wissens verständigen können (Sprachprämisse). Als eine 

solche gemeinsame Sprache kommt eine natürliche Sprache in Betracht, die von allen involvierten Akteuren mit dem gleichen – 

oder zumindest „hinreichend“ überlappenden – lebensweltlichen Hintergrundwissen praktiziert wird. Der Verfasser räumt ein, 

dass diese Prämisse in der betrieblichen Praxis oftmals nicht erfüllt ist. Die Sprachprämisse scheitert spätestens dann, wenn in 

einem transnationalen Netzwerk Akteure mit unterschiedlichen natürlichen Muttersprachen kooperieren. Aber die Sprachprämisse 

kann auch schon viel früher verletzt werden, wenn die Akteure zwar dieselbe Muttersprache verwenden, jedoch aufgrund 

unterschiedlicher lebensweltlicher „Situiertheit“ die sprachlichen Konstrukte dieser Muttersprache teilweise verschieden verwenden. 

Dies ist beispielsweise bei den Artikulationsdefekten der Fall, die oben als Synonyme und Homonyme angesprochen 

wurden. Darüber hinaus wirft die Sprachprämisse eine Fülle von Folgeproblemen auf. Dazu gehört u.a. die Frage, wie sich 

überhaupt feststellen lässt, ob Akteure über eine gemeinsame Sprache verfügen, in der sie sich über die Inhalte des jeweils repräsentierten 

Wissens verständigen können. Die Beantwortung dieser Frage hängt eng mit der Erkennbarkeit des „Regelbefolgens“ 

zusammen, die von WITTGENSTEIN ausführlich diskutiert wurde. In diesem Werk kann auf solche Probleme nicht näher 

eingegangen werden, weil sie weit außerhalb des Erkenntnisinteresses des Verbundprojekts KOWIEN liegen. Am Rande wird 

jedoch im Kapitel 1.3.2.2.1 (S. 233 ff.) kurz darauf eingegangen. 

Trotz der voranstehenden Vorbehalte lässt sich die o.a. Sprachprämisse dadurch rechtfertigen, dass sie hilfreich ist, um hier die 

Heterogenität von Formen der Wissensrepräsentation zu thematisieren. Erst durch die Sprachprämisse kann von „tiefer“ liegenden 

Problemen der sprachlichen Verfasstheit von Wissen so weit abstrahiert werden, dass es auf der Ebene der Wissensrepräsentationssprachen 

gelingt, die Problematik verschiedenartiger Wissensrepräsentationen für – vereinfacht gesprochen – 

„dasselbe“ Wissen klar herauszuarbeiten. 

60) Auf Abweichungen von dieser Regel wurde in der voranstehenden Fußnote bereits eingegangen.


Unterschiedliche Sprachwelten aufgrund verschiedenartiger Wissensrepräsentationssprachen erlangen 

für das betriebliche Wissensmanagement dadurch ein besonderes Gewicht, dass sich zurzeit 

praktisch alle Wissensrepräsentationssprachen, die sich in computerbasierten Wissensmanagementsystemen 

einsetzen lassen, durch eine ausgesprochene Rigidität „auszeichnen“. Sie erweisen sich 

nicht nur gegenüber der natürlichen Sprache, sondern auch gegenüber weit verbreiteten formalen 

Sprachen, wie vor allem der Sprache der Prädikatenlogik (1. Stufe), als derart unflexibel, dass es 

oftmals nicht möglich ist, das zu repräsentierende Wissen in einer Weise zu artikulieren, die als 

„natürlich“ empfunden wird. Vielmehr muss sich der Nutzer solcher Wissensrepräsentationssprachen 

an deren Eigenarten so stark anpassen, dass die resultierenden Wissensrepräsentationen mitunter 

als „artifiziell“, wenn nicht gar als „inadäquat“ empfunden werden. 61) Im Gegensatz zur „Computer-Folklore“, 

dass computerbasierte Systeme ihre menschlichen Nutzer unterstützen, entarten 

computerbasierte Wissensmanagementsysteme aufgrund der Rigidität ihrer Wissensrepräsentationssprachen 

in Einzelfällen zu „Zwangsjacken“, die das Wissensmanagement nicht erleichtern, sondern 

behindern. Dies zeigte sich auch im Verbundprojekt KOWIEN. Darauf wird in späteren Kapiteln 

zurückgekommen. 62) 

Aber auch jenseits der speziellen Wissensrepräsentationssprachen von computerbasierten Wissensmanagementsystemen 

leidet das Wissensmanagement in der betrieblichen Praxis oftmals unter der 

Heterogenität der jeweils eingesetzten Wissensrepräsentationsformen. Dies ist z.B. für Beschaffungsprozesse 

der Fall, wenn sie zur Erreichung unterschiedlicher Zwecke verschiedenartig repräsentiert 

werden. So lässt sich einerseits vorstellen, dass Beschaffungsprozesse für eine Zertifizierung 

nach DIN ISO EN 9000 ff. – neuerdings nach der aktualisierten Normenfamilie DIN ISO EN 

9001:2000 – textuell beschrieben werden. Dies trifft vor allem auf die „Qualitätsmanagement-Handbücher“ 

zu, die für alle Zertifizierungen unerlässlich sind. Andererseits kann es für die Einführung 

von Enterprise-Resource-Planning-Systemen wie SAP R/3 angezeigt erscheinen, dieselben Beschaffungsprozesse 

mittels ereignisgesteuerter Prozessketten (EPK) semigraphisch zu modellieren. 

Aufgrund einer solchen Nutzung unterschiedlicher Repräsentationsformen (textuell versus semigraphisch) 

und Repräsentationssprachen (natürliche Sprache versus EPK-Sprache) können nicht nur 

unwirtschaftliche Redundanzen entstehen. Stattdessen drohen infolge der Redundanz bei der Aktualisierung 

von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen, die zu späteren Design- 

und Anwendungsfehlern mit nicht unerheblichem wirtschaftlichen Schadenspotenzial führen können. 

Darüber hinaus kann es in diesem Fall zu einer artikulationsbedingten Verständnisbarriere 

kommen. Sie entsteht beispielsweise, wenn Akteure, die eine textuelle Repräsentation von Wissen 

über Beschaffungsprozesse in natürlicher Sprache bevorzugen, nicht erkennen, dass das Wissen, das 

über Beschaffungsprozesse zur Erfüllung einer Aufgabe benötigt wird, bereits vorliegt, jedoch in 

der andersartigen, semigraphischen Form der Wissensrepräsentation durch ereignisgesteuerte Prozessketten. 

Dann wird das benötigte und explizit vorhandene Wissen aufgrund seiner Artikulation 

61) Der Nutzer von Wissensrepräsentationssprachen muss sich dann in „idiosynkratische Software-Sprachwelten“ einfügen, die 

sich oftmals stark von seiner natürlichen Sprache des betrieblichen Alltags abheben. Dieses Phänomen ist keineswegs auf computerbasierte 

Wissensmanagementsysteme beschränkt. Vielmehr ist es seit der Einführung Automatischer Informationsverarbeitungssysteme 

vertraut. Ein besonders bekanntes Beispiel für „idiosynkratische Software-Sprachwelten“ stellt die Sprache 

dar, die von der Softwarefamilie SAP R/3 ihren Nutzern aufgezwungen wird. Vgl. dazu das Beispiel, das in der voranstehenden 

Fußnote 47 (S. 47) zu den „Mandanten“ und „Buchungskreisen“ der Softwarefamilie SAP R/3 angeführt wurde. 

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. 

die Problematik der Repräsentation n-stelliger prädikatenlogischer Formeln mit n≥3 anhand des Spezialfalls von Kompetenzaussagen 

erläutert.


in einer „unverstandenen“ Repräsentationssprache von den betroffenen Akteuren nicht genutzt. Ein 

typischer Artikulationsdefekt ist eingetreten. 

In der Fachliteratur zum Wissensmanagement, die entweder vornehmlich (informations-) technisch 

oder aber überwiegend organisationswissenschaftlich ausgerichtet ist, wird auf die artikulationsbedingten 

Verständnisbarrieren, die voranstehend skizziert wurden, in der Regel überhaupt nicht, allenfalls 

peripher eingegangen. Auch die betriebliche Praxis lässt kaum Problembewusstsein für solche 

Kooperationsbarrieren sprachlicher Art erkennen. Daher wird für das kooperative Wissensmanagement 

in Engineering-Netzwerken ein Instrumentarium benötigt, das es u.a. gestattet, sprachbedingt 

unterschiedliche Wissensartikulationen als solche zu erkennen, hinsichtlich ihrer kommunikationserschwerenden 

(Sprach-) Differenzen zu untersuchen und – nach Möglichkeit – tendenziell zu 

vereinheitlichen. Aufgrund dieses dringenden Bedarfs hat sich das Verbundprojekt KOWIEN den 

Komplikationen heterogener Sprachkulturen mit besonderem Nachdruck gewidmet. 

In den voranstehenden Ausführungen wurde erläutert, wie explizierungs- und artikulierungsbedingte 

Verständnisbarrieren die Kooperation von Akteuren bei ihrer gemeinsamen Erfüllung wissensintensiver 

Engineering-Aufgaben nachhaltig behindern können. Abschließend werden aus der Fülle 

vorstellbarer Fälle, in denen solche Verständnisbarrieren das betriebliche Wissensmanagement zu 

beeinträchtigen vermögen, einige wenige exemplarisch hervorgehoben, um die breite praktische Relevanz 

der sprachlich bedingten Kooperationsbarrieren zu verdeutlichen. 

Auftragsausschreibungen: Ein Engineering-Unternehmen überwacht Ausschreibungen sowohl 

anderer Unternehmen als auch öffentlicher Institutionen in der Absicht, potenzielle Aufträge für 

neue Engineering-Aufgaben zu identifizieren. Zu diesem Zweck muss das Unternehmen abgleichen, 

ob die Kompetenzen, die für einen ausgeschriebenen Auftrag erforderlich sind, mit den 

eigenen, unternehmensintern vorhandenen Kompetenzen übereinstimmen. 63) Der Kompetenzenabgleich 

kann durch artikulierungsbedingte Verständnisbarrieren erheblich erschwert werden, 

weil die ausschreibenden Unternehmen bzw. Institutionen oftmals andere Begrifflichkeiten 

verwenden als das überwachende Unternehmen. Darüber hinaus kann es zu explizierungsbedingten 

Verständnisbarrieren kommen, weil der Ausschreiber oftmals die erforderlichen Kompetenzen 

nicht vollständig angibt, sondern nur die ausgeschriebene Leistung spezifiziert. In der 

Regel wird davon ausgegangen, dass die Bewerber, die an einer Ausschreibung teilnehmen, 

selbst erschließen können, welche Kompetenzen für die ausgeschriebene Leistung erforderlich 

sind. Schließlich können die explizierungsbedingten Verständnisbarrieren dadurch verstärkt 

werden, dass das überwachende Unternehmen selbst keinen vollständigen Überblick über die 

Kompetenzen seiner Mitarbeiter (und sonstigen Kompetenzträger) besitzt, sondern diese Kompetenzen 

teilweise aus implizitem Wissen über seine Kompetenzträger ableiten muss. Die 

Schwierigkeiten des Engineering-Unternehmens fallen in praxi oftmals noch größer aus, weil es 

nicht über das Personal verfügt, um die Flut von Auftragsausschreibungen durch kompetente 

Mitarbeiter überwachen zu lassen. Daher ist es darauf angewiesen, entweder einen Teil der Ausschreibungen 

schlicht zu ignorieren oder aber auf computerbasierte Überwachungstechniken zurückzugreifen. 

Konventionelle Informationsverarbeitungstechniken sind wegen ihrer rein syntaktischen 

Informationsverarbeitungsfähigkeiten jedoch nicht in der Lage, die vorgenannten 

explizierungs- und artikulierungsbedingten Verständnisbarrieren zu überwinden, weil dazu se- 

63) Von der weiterführenden Option, zwar benötigte, aber im eigenen Unternehmen nicht verfügbare Kompetenzen von Dritten zu 

beschaffen, z.B. durch Eingehen einer Kooperation in einem Engineering-Netzwerk, wird hier der Übersichtlichkeit halber abgesehen. 

Darauf wird jedoch im nachstehenden Anwendungsfall für sprachlich bedingte Kooperationsbarrieren zurückgekommen.


mantische Fähigkeiten des Schlussfolgerns bzw. der Bedeutungserkennung erforderlich wären. 

Erst Techniken der semantischen Wissensverarbeitung – wie Inferenzmaschinen und Ontologien 

– können in dieser Hinsicht Abhilfe schaffen. Sie stehen daher im Brennpunkt des Verbundprojekts 

KOWIEN, um die Umsetzungslücke zwischen Techniken des Knowledge-Level- 

Engineerings und ihrer Anwendung in der betrieblichen Praxis zu schließen. 

Network Engineering: Des Öfteren wird ein Unternehmen zu der Einsicht gelangen, dass es 

nicht über alle Kompetenzen verfügt, die zur Erfüllung einer Engineering-Aufgabe erforderlich 

sind. Anstatt auf den zugehörigen Auftrag infolge Kompetenzmangels zu verzichten, kann das 

betroffene Unternehmen auch erwägen, Kooperationsbeziehungen zu unternehmensexternen 

Partnern aufzunehmen, um auf diese Weise die benötigte, jedoch intern nicht vorhandene Kompetenz 

extern zu erschließen. Im Prinzip handelt es sich hierbei um das Problem, ein Netzwerk 

mit externen Partnern kompetenzgerecht aufzubauen, das nach gemeinsamer Aufgabenerfüllung 

wieder aufgelöst werden kann (Network Engineering). 64) Zur Lösung dieses Problems muss 

Wissen über die Kompetenzen potenzieller Netzwerkpartner vorliegen und aufgabenspezifisch 

ausgewertet werden können. Auf den ersten Blick mag eingewendet werden, dass man in der 

betrieblichen Praxis schon wisse, welche Unternehmen mit welchen Kompetenzen als Partner 

grundsätzlich in Betracht kommen. Diese Einschätzung kann auf einer Ebene zutreffen, auf der 

Kompetenzen relativ grob erfasst werden. Aber je weiter die Kompetenzen inhaltlich ausdifferenziert 

werden, desto schwerer wird es einem Unternehmen fallen, die Übersicht über potenzielle 

Kooperationspartner zu wahren. Diese Unübersichtlichkeit wird noch verstärkt, wenn sogar 

unterschiedliche Ausprägungen von Kompetenzen benötigt werden. Oftmals werden Unternehmen 

übersehen, die zwar über die erforderlichen Kompetenzen – gegebenenfalls in den gewünschten 

Ausprägungen – verfügen, zu denen aber bislang keine Geschäftsbeziehungen bestanden. 

Angesichts der zunehmenden Globalisierung von Geschäftsbeziehungen kann eine solche 

Ignoranz gegenüber den Kompetenzen potenzieller Kooperationspartner kaum gerechtfertigt 

werden. Dies gilt umso mehr, als im World Wide Web umfassende Informationsmöglichkeiten 

zur Verfügung stehen, um sich über die Kompetenzen anderer Unternehmen „weltweit“ zu informieren. 

Die Informationsmöglichkeiten betreffen nicht nur die Selbstdarstellungen der Unternehmen 

im World Wide Web. Vielmehr umfassen sie ebenso unternehmensunabhängige Dokumente 

vielfältiger Art, wie etwa Fachpublikationen über Projekte, an denen die Unternehmen 

mitgewirkt haben, Unternehmensreports der Wirtschaftspresse sowie Technologie- und Patentstudien. 

Aus allen solchen Dokumenten können Rückschlüsse auf die Kompetenzen von Unternehmen 

(und die zugehörigen Kompetenzausprägungen) gezogen werden. Bevor dies praktisch 

möglich ist, müssen jedoch explizierungs- und artikulierungsbedingte Verständnisbarrieren überwunden 

werden. Denn die meisten Dokumente enthalten keine expliziten Informationen über 

die Kompetenzen von Unternehmen. Stattdessen ist das benötigte Wissen über Unternehmenskompetenzen 

in den Dokumenten zumeist nur implizit enthalten – und das sogar oftmals nur 

über mehrere Dokumente verteilt. Darüber hinaus bewegen sich die verschiedenen „Knowledge 

Provider“ im World Wide Web oftmals in unterschiedlichen Sprachwelten, so dass das Wissen 

über Kompetenzen verschiedenartig artikuliert wird. Dies betrifft nicht nur die Verwendung unterschiedlicher 

natürlicher Sprachen („Fremdsprachen“), sondern vor allem auch die Verwen- 

64) Der kompetenzgerechte Aufbau von Kooperationsbeziehungen zu externen Partnern in einem Netzwerk lässt sich als eine erweiterte 

Version der Konfigurationsaufgabe auffassen, die in Kapitel 1.1.3 (S. 59 ff.) ausführlicher behandelt wird. In dem hier 

betrachteten Fall wird ein Projektteam zur Erfüllung einer wissensintensiven Engineering-Aufgabe zusammengestellt; nur wird 

die Partnerwahl nicht auf den Bereich des eigenen Unternehmens beschränkt, sondern auf beliebige unternehmensexterne Partner 

ausgeweitet.


dung verschiedener Fachsprachen. Beispielsweise werden sich Dokumente aus der Domäne der 

Wirtschaftspresse im Allgemeinen einer anderen Diktion bedienen als Dokumente aus den Bereichen 

des Ingenieurwesens oder der Jurisprudenz. 

Beschaffungsmanagement via E-Business: Auf Internet-Plattformen wird seit wenigen Jahren 

ein stark wachsendes Volumen von Gütern gehandelt, die zumeist relativ einfach strukturiert 

und relativ stark standardisiert sind. Es handelt sich zumeist um Verbrauchsmaterialien, die das 

Kerngeschäft eines Unternehmens nicht tangieren, aber einen hohen Anteil am insgesamt abzuwickelnden 

Beschaffungsvolumen einnehmen. Für solche Güter wird die automatische Beschaffung 

via Internet-Plattformen empfohlen, auf der nur noch spezialisierte Softwaremodule – so 

genannte Agenten – von beschaffenden und liefernden Unternehmen miteinander kommunizieren. 

Dadurch lässt sich kostenintensives Personal im Beschaffungsbereich einsparen und zugleich 

ein hohes Transaktionsvolumen computerbasiert abwickeln. Dieses E-Business lässt sich 

aber zurzeit nur dann verwirklichen, wenn die Güter so weit standardisiert sind, dass sie sich mit 

vorwiegend numerischen Informationen eindeutig spezifizieren lassen. Komplexer strukturierte 

Güter, insbesondere auch Dienstleistungen, entziehen sich jedoch diesem Standardisierungszugriff. 

Ihre Spezifizierung erfordert umfangreichere, zumeist natürlichsprachliche Beschreibungen. 

An dieser Stelle drohen artikulierungsbedingte Verständnisbarrieren, weil die Güterbeschreibungen 

in den unterschiedlichen Sprachwelten der involvierten Unternehmen oftmals 

voneinander abweichen. 65) Erst wenn Software-Agenten in die Lage versetzt werden, ein inhaltliches 

Sprachverständnis zu entwickeln und dadurch z.B. Synonyme und Homonyme in Güterbeschreibungen 

korrekt zu verarbeiten, wird es möglich sein, über Internet-Plattformen auch 

komplexer strukturierte Güter automatisch zu beschaffen. 

Interoperabilität von computerbasierten Wissensmanagementsystemen: Die Fähigkeit Automatischer 

Informationsverarbeitungssysteme, zwecks Bearbeitung eines komplexen Problems zusammenzuarbeiten 

(Interoperabilität), wird schon seit mehreren Jahren intensiv diskutiert. 66) 

Konzepte wie Enterprise Application Integration (EAI) 67) zeugen von diesen Bemühungen. Insbesondere 

bei der arbeitsteiligen Aufgabenerfüllung in Netzwerken müsste die Interoperabilität 

der beteiligten Automatischen Informationsverarbeitungssysteme eine Selbstverständlichkeit 

darstellen. Trotz dieser „schlagenden“ Argumente ist die Interoperabilität Automatischer Informationsverarbeitungssysteme 

zurzeit allenfalls in Ansätzen verwirklicht. Wer beispielsweise 

versucht hat, betriebswirtschaftliche Anwendungssoftware wie SAP R/3 und NAVISION, MS- 

65) Obwohl bei Beschaffungen über Internet-Plattformen artikulierungsbedingte Verständnisbarrieren im Vordergrund stehen, kann 

die Kooperation zwischen beschaffenden und liefernden Unternehmen auch durch explizierungsbedingte Verständnisbarrieren 

behindert werden. Z.B. kann ein Lieferant über seine Website Konditionen für die Lieferung „frei Werkstor Auftraggeber“ veröffentlicht 

haben, so dass er bei der Beantwortung von Beschaffungsanfragen im Internet nur noch die reinen Güterpreise ohne 

Transportkosten aufführt. Der Software-Agent eines beschaffenden Unternehmens müsste dann in der Lage sein, aus dem reinen 

Güterpreis, den Lieferkonditionen des liefernden Unternehmens und dem Lieferweg zwischen lieferndem und beschaffendem 

Unternehmen selbstständig zu erschließen, welches der effektive Beschaffungspreis bei dem betroffenen Lieferanten ist. 

Dieser effektive Beschaffungspreis kommt in der Offerte des Lieferanten nicht vor, sondern ist nur implizit im Wissen über das 

liefernde und das beschaffende Unternehmen enthalten. Ohne die Fähigkeit, dieses implizite Wissen mittels Inferenzen zu explizieren, 

würde der Software-Agent des beschaffenden Unternehmens an einer explizierungsbedingten Verständnisbarriere 

scheitern und die Offerte des Lieferanten ausschlagen, weil sie den effektiven Beschaffungspreis nicht explizit ausweist. 

66) Vgl. z.B. BURGUN ET AL. (2001) S. 96 f.; MAAMAR/MOULIN (1997) S. 248 ff.; MISSIKOFF/TAGLINO (2004) S. 617 ff.; MELNIK/ 

DECKER (2000) S. 1 ff. 

67) Vgl. ADHIKARI (2004) S. 27 ff.; AIER/SCHÖNHERR (2004) S. 69 ff.; KAIB (2004); KELLER (2002); KLOPPMANN ET AL. (2004) S. 

270 ff.; LINTHICUM (2003); SHARMA/STEARNS/NG (2002) S. 1 ff.; vgl. am Rande auch USCHOLD/GRUNINGER (1996) S. 130 ff. 

(„enterprise model integration“).


Word und LaTex oder Coreldraw und PowerPoint miteinander kooperieren zu lassen (auch 

wenn nur der einfachste Fall einer schlichten Datenintegration versucht wurde), der wird zweifelsfrei 

bestätigen können, wie weit Anspruch und Wirklichkeit bei der Thematik „Interoperabilität“ 

voneinander entfernt sind. Zwischen den Softwareprodukten klaffen gravierende artikulierungsbedingte 

Verständnisbarrieren, weil sie auf vollkommen verschiedenen, inkompatiblen 

Software-Sprachwelten beruhen. Diese Schwierigkeiten fallen noch gravierender aus, wenn die 

Interoperabilität computerbasierter Wissensmanagementsysteme betrachtet wird. Denn im Bereich 

des Knowledge Engineerings herrscht eine weit größere Vielfalt von Wissensrepräsentationssprachen, 

als Programmier- und Implementierungssprachen für konventionelle Software eingesetzt 

werden. 68) Daher stellen artikulierungsbedingte Verständnisbarrieren zwischen computerbasierten 

Wissensmanagementsystemen zurzeit den – beklagenswerten – Normalfall dar. Beispielsweise 

unterscheiden sich die Wissensrepräsentationssprachen von F-Logic und RDF(S) so 

stark, dass an eine Interoperabilität von Wissensmanagementsystemen, die auf diesen Wissensrepräsentationssprachen 

beruhen, heute noch nicht zu denken ist. 

Von besonderer Bedeutung für explizierungs- und artikulierungsbedingte Verständnisbarrieren ist 

der aktuelle Themenbereich des so genannten „Semantic Web“ 69) . Hierfür sprechen zumindest zwei 

Gründe. Erstens wird das Semantic Web vor allem aus dem Motiv entwickelt, explizierungs- und 

artikulierungsbedingte Verständnisbarrieren zu überwinden, welche die aktuelle Nutzung der konventionellen 

Internet-Technologie sowohl für das World Wide Web als auch für inner- oder überbetriebliche 

Intra- bzw. Extranets erheblich beeinträchtigen. Zweitens wird vielfach die Überzeugung 

geteilt, dass das Semantic Web in Zukunft auch für das betriebliche Wissensmanagement eine noch 

größere Bedeutung erlangen wird, als es schon heute für die konventionelle Internet-Technologie 

der Fall ist. Da das Semantic Web nicht im Brennpunkt des Verbundprojekts KOWIEN stand, wird 

hier nur kurz auf den Zusammenhang zwischen explizierungs- und artikulierungsbedingten Verständnisbarrieren 

einerseits sowie Semantic Web andererseits eingegangen. 

Die Entwicklung des Semantic Webs wurde durch „tief reichende Frustrationen“ angestoßen, die 

Benutzer des World Wide Webs 70) immer wieder erleiden, wenn sie versuchen, in diesem Medium 

relevante Informationen 71) für die Lösung ihrer Probleme aufzufinden. 

68) Die größere Sprachenvielfalt im Bereich des Knowledge Engineerings lässt sich leicht dadurch erklären, dass dieser Bereich 

weitaus jünger als der Bereich des bereits etablierten Software Engineerings ist. Da die Standardisierung von Sprachen erfahrungsgemäß 

umso stärker zunimmt, je länger sich ein Engineering-Bereich entwickeln konnte, erstaunt es nicht, dass im relativ 

jungen Bereich des Knowledge Engineerings die Sprachenvielfalt noch nicht so weit durch Standardisierung zurückgegangen 

ist wie im Bereich des Software Engineerings. 

69) Vgl. zum „Semantic Web“ ADAMS (2002) S. 20 ff.; ANTONIOU/VAN HARMELEN (2004a); BERNERS-LEE/HENDLER/LASSILLA 

(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- 

SEL ET AL. (2003); FRAUENFELDER (2001) S. 52 ff.; HEFLIN (2001) S. 1 ff. u. 8 ff.; MAEDCHE/MOTIK/STOJANOVIC (2003) S. 286 

ff.; OHLBACH/SCHAFFERT (2004); STAAB (2001) S. 18 ff.; VISSER (2004); vgl. auch die Beiträge in dem Überblickswerk CRUZ 

ET AL. (2002) sowie die einschlägigen Informationen im Internet unter der URL „http://www.w3.org/2001/sw/“ (Zugriff am 09. 

02.2005). 

70) Da sowohl das World Wide Web als auch inner- und überbetriebliche Intra- bzw. Extranets auf derselben Internet-Technologie 

beruhen, die für die Art der Informationsdarstellung und -verteilung verantwortlich ist, dient das World Wide Web im Folgenden 

als „pars pro toto“ für die übrigen, ebenso auf Internet-Technologie basierenden Netze. 

71) Im Kontext von World Wide Web und Semantic Web wird überwiegend noch von Informationen geredet. Daher wird im Folgenden 

diese Diktion übernommen, auch wenn aus der Perspektive des Wissensmanagements dasjenige Wissen interessiert, das 

in den Dokumenten von World Wide Web und Semantic Web kodifiziert ist. Von der Differenzierung zwischen Informationen 

und Wissen kann im hier vorgelegten Werk abgesehen werden, da von vornherein Informationen und Wissen als synonyme Bezeichnungen 

eingeführt wurden.


Einerseits beruhen die Frustrationen darauf, dass auf eine Informationsanfrage hin oftmals eine Fülle 

von Dokumenten als „Treffer“ ausgewiesen wird, die inhaltlich nichts zur Beantwortung der 

Suchanfrage beitragen. Der Grund für dieses Phänomen liegt darin, dass in den Suchanfragen Zeichenketten 

(„strings“) für Worte oder Wortkombinationen formuliert werden und von einschlägigen 

Suchmaschinen auf rein syntaktischer Ebene überprüft wird, ob Dokumente im World Wide Web 

die gesuchten Zeichenketten aufweisen. 72) Durch diesen rein syntaktischen Vergleich zwischen Zeichenketten 

(„string matching“) wird eine Fülle von „Informationsschrott“ produziert, weil den 

Suchmaschinen das inhaltliche Verständnis fehlt, auf der semantischen Ebene zu prüfen, ob die Inhalte 

der identifizierten Dokumente auch dem in der Suchanfrage inhaltlich Gemeinten entsprechen. 

Ein typisches Beispiel für die ungewollte Generierung von „Informationsschrott“ stellen alle Homonyme 

dar. Es handelt sich um Zeichenketten, die zwar unterschiedliche Sachverhalte bezeichnen, 

aber als Zeichenketten identisch ausfallen. Beispielsweise würde eine Suchanfrage zur Zeichenkette 

„Ontologie“ im World Wide Web mit einer Fülle irrelevanter Dokumente beantwortet werden, 

wenn der Anfragende nur an Ontologien im Sinne des Knowledge-Level-Engineerings interessiert 

war. Denn dieselbe Zeichenkette bezeichnet auch eines der zentralen Themen der klassischen Philosophie, 

das bis auf ARISTOTELES zurückreicht. Zwischen dem Informationssuchenden und den 

Suchmaschinen für das World Wide Web erstreckt sich eine artikulierungsbedingte Verständnisbarriere, 

weil die Sprachwelten einerseits des Informationssuchenden und andererseits der Verfasser 

der Dokumente, die in das World Wide Web eingestellt wurden, auf der inhaltlichen Ebene partiell 

nicht miteinander harmonieren. 

Wegen dieses semantischen Defekts konventioneller Internet-Suchmaschinen ist eine bedeutsame 

Problemverlagerung erfolgt: Früher – etwa im „Zeitalter“ von Bibliothekskatalogen und Zeitschriftenarchiven 

– stellte es eher ein Problem dar, überhaupt Informationen aufzufinden, die zu einer 

Suchanfrage passten (Identifikationsproblem). Dagegen besteht heute eher ein Problem darin, aus 

der Fülle angebotener Dokumente („information overload“) diejenigen Dokumente herauszufiltern, 

die für eine Suchanfrage inhaltlich relevant sind (Relevanzproblem). Hinsichtlich dieses Filterproblems 

bleibt der Nutzer des World Wide Webs im Allgemeinen allein gelassen. Er muss über die inhaltliche 

Relevanz der gefundenen Dokumente selbst entscheiden. Nach der üblichen Euphorie- 

Phase, die jede Einführung einer neuartigen Technologie begleitet, muss daher eingeräumt werden, 

dass vom World Wide Web das Informationsakquisitionsproblem nicht gelöst wurde. Es hat lediglich 

dazu geführt, das Identifikations- durch das Relevanzproblem zu verdrängen. Ob daraus ein in- 

72) Vgl. MAEDCHE (2002) S. XV. Da der Übergang zwischen dem konventionellen World Wide Web und dem Semantic Web fließend 

erfolgt, diffundieren bereits zurzeit erste Erkenntnisse aus der Erforschung der Grundlagen des Semantic Webs in Instrumente 

für das World Wide Web. Daher muss eingeräumt werden, dass sich das hier gezeichnete Bild eines „rein syntaktisch“ 

operierenden World Wide Webs in ersten Ansätzen in Auflösung befindet. Aus zwei Gründen wird jedoch darauf verzichtet, 

die neuesten Entwicklungen im World Wide Web, die in Richtung auf das Semantic Web erfolgen, in die hier angestellten 

Überlegungen einzubeziehen. Erstens geht es dem Verfasser darum, die Unterschiede zwischen rein syntaktischer und (auch) 

semantischer Informationsverarbeitung möglichst deutlich herauszuarbeiten. Für diesen Argumentationszweck ist es eher hilfreich, 

zwischen World Wide Web (rein syntaktisch) und Semantic Web (auch semantisch) möglichst trennscharf zu unterscheiden. 

Zweitens erwecken Innovationen im Bereich des World Wide Webs, die in jüngster Zeit angeblich mit „semantischen Fähigkeiten“ 

aufwarten, des Öfteren den Eindruck eines Etikettenschwindels. So gibt es z.B. schon mehrere Suchmaschinen, welche 

die inhaltliche Relevanz eines Dokuments anhand der (relativen) Häufigkeit messen, in der eine gesuchte Zeichenkette in 

dem Dokument (im Vergleich zu „Standardtexten“, wie z.B. einer Enzyklopädie) enthalten ist. Die Messung dieser Häufigkeit 

hat jedoch mit inhaltlichem Verständnis von Dokumenten noch nichts zu tun, sondern kombiniert lediglich rein syntaktisches 

„string matching“ mit einer „frequentistischen“ Zählfunktion. Darüber hinaus sind zahlreiche Manipulationsmöglichkeiten bekannt, 

um ein Dokument in der „Trefferliste“ für eine Suchanfrage möglichst hoch zu positionieren, um das Dokument in den 

Interessensfokus des Anfragenden zu rücken.


formatorischer Fortschritt erzielt werden konnte, bleibt aus der Sicht der informationssuchenden 

Nutzer des World Wide Webs fraglich. 

Andererseits können Frustrationen bei einer Informationsrecherche im World Wide Web auch dadurch 

auftreten, dass relevante Dokumente nur deswegen nicht aufgefunden werden, weil sie keine 

syntaktische Übereinstimmung mit der Zeichenkette aus einer Suchanfrage aufweisen. Hierfür können 

sowohl artikulierungsbedingte als auch explizierungsbedingte Verständnisbarrieren verantwortlich 

sein. Eine artikulierungsbedingte Verständnisbarriere liegt insbesondere im Fall von Synonymen 

vor. Dann wurde in einem relevanten Dokument zwar derselbe begriffliche Inhalt wie in der 

Suchanfrage referenziert, jedoch mit einem anderen – als Zeichenkette rein syntaktisch formulierten 

– Bezeichner. Dieser Fall tritt z.B. ein, wenn in einer Suchanfrage Informationsbedarf über „Betriebe“ 

mit bestimmten Kompetenzen artikuliert wurde, in einem Dokument jedoch von „Unternehmen“ 

mit denselben Kompetenzen die Rede ist (sofern im aktuellen Kontext keine inhaltlichen Unterschiede 

zwischen Betrieben und Unternehmen bestehen). Eine explizierungsbedingte Verständnisbarriere 

tritt hingegen auf, wenn ein Dokument Informationen enthält, die sich zwar mittelbar zur 

Beantwortung einer Suchanfrage nutzen ließen, aber keine direkte Beantwortung gestatten, sondern 

zunächst eine Explizierung der implizit enthaltenen Informationen erfordern. Eine solche Verständnisbarriere 

droht oftmals, weil der Verfasser eines Dokuments kaum vorausahnen kann, welche 

Suchanfragen später an sein Dokument gerichtet werden. Er vermag also nur diejenigen Inhalte zu 

explizieren, die ihm in seinem aktuellen Argumentationskontext als relevant erscheinen. Dies 

schließt jedoch keineswegs aus, dass Inhalte, die in seiner Argumentation implizit enthalten sind, 

für Dritte bei deren Suchanfragen von großer Relevanz sein können. Dieses Problem explizierungsbedingter 

Verständnisbarrieren wird noch verschärft, wenn die Informationen, die zur Beantwortung 

einer komplexen Suchanfrage erforderlich wären, nicht in einem einzigen Dokument enthalten, 

sondern über mehrere Dokumente verteilt sind. Dann müsste eine Suchmaschine in der Lage sein, 

die Informationen, die in der Gesamtheit jener Dokumente implizit enthalten sind, zu identifizieren 

und so zusammenzuführen, dass sich die komplexe Suchanfrage explizit beantworten lässt. 

Die Entwickler des Semantic Webs sind mit dem Anspruch angetreten, die zuvor skizzierten Frustrationen 

im Umgang mit dem World Wide Web zu überwinden, indem die Instrumente zur Nutzung 

des Semantic Webs mit Fähigkeiten zur inhaltlichen – d.h. semantischen – Informationsverarbeitung 

angereichert werden. Dazu gehören – zwar nicht nur, aber insbesondere auch – computerbasierte 

Werkzeuge, die in der Lage sind, die explizierungs- und artikulierungsbedingten Verständnisbarrieren 

zu überwinden, die im Zentrum des Verbundprojekts KOWIEN stehen. Daher besteht 

in dieser Hinsicht eine enge inhaltliche Verwandtschaft zwischen den Forschungs- und Entwicklungsarbeiten, 

die einerseits im Kontext des Semantic Webs und andererseits im Rahmen des 

Verbundprojekts KOWIEN erfolgen. Dies gilt insbesondere auch für Ontologien. 73) 

73) Vgl. zur expliziten Erörterung von Ontologien als eines der wesentlichen Werkzeuge, die im Rahmen des Semantic Web Verwendung 

finden sollen, ADAMS (2002) S. 22 f.; BERNERS-LEE/HENDLER/LASSILLA (2001) S. 34 f.; DECKER ET AL. (2000) S. 2 ff.; 

DING (2001) S. 377 („Ontologies are the backbone for this Semantic Web.“); DING ET AL. (2002) S. 206 („A key enabler for the 

semantic web is ... ontological support ... ontologies will play a key role ... can be characterized as the backbone of the semantic 

web.“; kursive Hervorhebung im Original hier unterlassen); EUZENAT (2002) S. 33 ff.; FENSEL (2001a) S. 2; FRAUENFELDER 

(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 

heavily on ... formal ontologies ...“), 3 f. u. 23 f.; MAEDCHE/MOTIK/STOJANOVIC (2003) S. 286 ff.; MAEDCHE/STAAB (2001) S. 

72 („the proliferation of ontologies factors largely in the Semantic Web’s success”); STUDER/OPPERMANN/SCHNURR (2001) S. 6.


1.1.3 Anwendungskontexte für computerbasiertes Wissensmanagement 

zur Überwindung von Kooperationsbarrieren 

in Engineering-Netzwerken 

Die bisherigen Ausführungen zu Basiskonzepten des betrieblichen Wissensmanagements und zu 

Barrieren, die eine kooperative Erfüllung wissensintensiver Aufgaben behindern können, waren 

vorwiegend allgemeiner Natur. Sie bezogen sich nicht auf spezielle Anwendungskontexte des Wissensmanagements. 

Es hätte jedoch die finanziellen, zeitlichen und personellen Ressourcen des Verbundprojekts 

KOWIEN bei weitem überfordert, die zuvor erörterten Aspekte des Wissensmanagements 

„generisch“, d.h. mit umfassendem Geltungsanspruch für beliebige Anwendungskontexte zu 

analysieren. Daher erfolgte im Verbundprojekt KOWIEN eine zusätzliche Fokussierung auf eine 

kleine, überschaubare Anzahl spezieller Anwendungskontexte für betriebliches Wissensmanagement. 

74) Sie bilden den gemeinsamen Anwendungshintergrund für alle Forschungs-, Entwicklungs- 

und Transferarbeiten, die im Projekt geleistet wurden. Dieser Anwendungshintergrund wird zunächst 

durch noch relativ allgemein gehaltene Ausführungen zum aktuellen wirtschaftlichen Umfeld 

grob charakterisiert. Danach wird er durch Einbeziehung projektspezifischer Aspekte, wie etwa 

der Konzentration auf Engineering-Netzwerke und wissensintensive Aufgaben, schrittweise konkretisiert. 

Schließlich wird er zu zwei speziellen Anwendungsszenarien verdichtet, die dem Verbundprojekt 

KOWIEN durchgehend zugrunde gelegt wurden. 

In der jüngeren Vergangenheit stand vor allem die Verbesserung der Ablauforganisation im Mittelpunkt 

des organisatorischen Wandels, die z.B. unter dem Etikett „Business Process Reengineering“ 

breite Aufmerksamkeit erlangte. Demgegenüber bestimmt im heutigen wirtschaftlichen Umfeld 

primär das Wissen von Unternehmen diesen Wandel. Auf diesem Unternehmenswissen, das als 

Corporate Knowledge Base oder Corporate Memory thematisiert wird, beruhen oftmals die Kernkompetenzen 

und die daraus folgenden strategischen Wettbewerbsvorteile von produzierenden Unternehmen, 

die im Umfeld einer hochkompetitiven Industrie-, Dienstleistungs- und Wissensgesellschaft 

agieren. Daher muss das Management des organisatorischen Wandels – das „Change Management“ 

– in erster Linie als Wissensmanagement verstanden und aktiv gestaltet werden. Dieser generellen 

Anforderung stehen jedoch im Bereich wissensintensiver Engineering-Aufgaben einige 

gravierende Probleme entgegen. 

74) Mit dieser Vorgehensweise wurde ein Kompromiss zwischen zwei Denkrichtungen angestrebt, die im Prinzip entgegengesetzt 

verlaufen. Einerseits wurde im Verbundprojekt KOWIEN von vornherein großer Wert darauf gelegt, generische Modelle und 

Methoden einzusetzen, die von anwendungsspezifischen Besonderheiten abstrahieren und infolgedessen einen allgemeingültigen 

Charakter aufweisen. Dieser generische Modell- und Methodencharakter war erforderlich, um nicht für eine Vielzahl verschiedenartiger 

Anwendungssituationen jeweils idiosynkratische Vorgehensweisen konzipieren zu müssen. Solche Spezialmodelle 

und -methoden wären nicht nur hinsichtlich ihrer Wiederverwendbarkeit stark eingeschränkt gewesen, weil sie sich jeweils 

auf spezielle situative Kontexte fokussieren. Vielmehr wäre auch der Versuch einer computerbasierten Implementierung 

aufgrund der erwarteten geringen Nutzungsbreite erheblichen Verwertungsrisiken ausgesetzt gewesen. Aus den vorgenannten 

Gründen wurden von vornherein nur solche Modelle und Methoden des Wissensmanagements eingesetzt, die sowohl für das 

Vorgehensmodell als auch für das Software-Werkzeug (einschließlich der E-Learning-Umgebung) generisch ausgelegt, also 

nicht auf spezielle Anwendungssituationen zugeschnitten waren. Andererseits hätte das Bekenntnis zugunsten generischer, von 

speziellen Anwendungssituationen abstrahierender Lösungen für Probleme des betrieblichen Wissensmanagements zugleich 

bedeutet, dass im Verbundprojekt KOWIEN nur relativ – d.h. im Vergleich zu anderen BMBF-geförderten, anwendungsnahen 

Projekten – allgemein gehaltene Erkenntnisse gesammelt werden können. Dies hätte die Gefahr von zwar allgemeingültigen, 

aber praxisfernen Forschungs- und Entwicklungsarbeiten heraufbeschworen. Um dieser Gefahr vorzubeugen, wurde ein spezielles 

Projektdesign gewählt. Es erlaubte sowohl die allgemeine – „generische“ – Ausgestaltung der Modelle und Methoden als 

auch deren spezielle Anpassung an und Evaluation in zwei ausgewählten Anwendungsszenarien.


Seit längerer Zeit sehen sich Unternehmen mit dem Problem konfrontiert, der zunehmenden Dynamik 

und Turbulenz des Unternehmensumfelds durch flexible, neuerdings sogar als „agil“ bezeichnete 

Organisationsformen Rechnung tragen zu müssen. Im Engineering-Bereich hat sich weit gehend 

die Form der Projektorganisation durchgesetzt. Sie erlaubt es einem Unternehmen, sich an die 

Herausforderungen komplexer und rasch wechselnder Engineering-Aufgaben dadurch anzupassen, 

dass für die Erfüllung einer solchen Aufgabe jeweils ein Projekt definiert wird. Dieses Projekt ist 

ausschließlich auf die Spezifika der zu erfüllenden Aufgabe zugeschnitten und endet mit der erfolgreichen 

– oder auch gescheiterten – Aufgabenerfüllung. Die Organisationsform der Projektorganisation 

bildete die erste, noch sehr grobe Einschränkung des Anwendungskontextes für das Verbundprojekt 

KOWIEN. Wissensmanagement bedeutete im Verbundprojekt also immer das Management 

von Wissen, das zur erfolgreichen Projektdurchführung erforderlich ist oder aus der Durchführung 

von Projekten hervorgeht. 75) 

Aus betriebswirtschaftlicher Sicht wird die Planung und Steuerung von Projekten mit der Hilfe von 

Projektmanagementtechniken, wie z.B. mit Netzplantechnik und Workflowmanagementsystemen, 

bereits zufrieden stellend beherrscht. Die allgemeinen Aufgaben der Projektplanung und -steuerung 

wurden daher im Verbundprojekt KOWIEN nicht näher betrachtet. Im Vordergrund des Projektinteresses 

stand dagegen eine spezielle Aufgabe des Projektmanagements, das Zusammenstellen – oder 

synonym: die Konfiguration – von Projektteams. Die Konfigurationsaufgabe erstreckt sich darauf, 

zur Vorbereitung einer Projektdurchführung ein Team aus Akteuren 76) zusammenzustellen, die für 

die Erfüllung einer wissensintensiven Engineering-Aufgabe in einem Projektteam bestmöglich qualifiziert 

sind. 77) 

Die Konfiguration von Projektteams stellt nicht nur generell aus betriebswirtschaftlicher Sicht eine 

der Kernaufgaben des Projektmanagements dar. Vielmehr schälte sie sich im Verbundprojekt KO- 

WIEN als „paradigmatischer“ Anwendungskontext für das Wissensmanagement mittels computerbasierter 

Wissensmanagementsysteme heraus. Für diese Fokussierung auf die Aufgabe, Projektteams 

für die Erfüllung wissensintensiver Engineering-Aufgaben zu konfigurieren, sprachen mindestens 

zwei Gründe. 

75) Wissen, das aus der Durchführung von Projekten gewonnen wird, setzt keineswegs voraus, dass es sich um erfolgreiche Projekte 

handelt. Denn auch aus gescheiterten Projekten kann Wissen generiert werden, so z.B. hinsichtlich der Gründe, die das 

Scheitern verursacht haben. Die Wiederverwendung dieses Wissens („lessons learned“) aus gescheiterten Projekten hilft bei 

späteren Projekten, die Wiederholung entsprechender Fehler zu vermeiden. 

76) Es wird hier bewusst von Akteuren und nicht „nur“ von Mitarbeitern gesprochen, um eine spätere Ausweitung des Analysehorizonts 

auf maschinelle Akteure – computerbasierte Wissensmanagementsysteme – vorzubereiten. 

77) Diese Konfigurationsaufgabe lässt sich bei genauerer Analyse in mehrere Teilaufgaben zerlegen. Erstens muss geprüft werden, 

ob ein Unternehmen überhaupt über Akteure verfügt, deren Kompetenzen für das projektspezifisch benötigte Know-how erforderlich 

sind. Wenn dies der Fall ist, gilt es zweitens in kapazitativer Hinsicht festzustellen, ob die betroffenen Akteure tatsächlich 

zur Verfügung stehen – also nicht durch ihre Engagements in anderen Projekten bereits vollständig gebunden sind. Diese 

Teilaufgabe stellt sich in der Regel nur dann, wenn es sich bei den Akteuren um Mitarbeiter handelt, weil die Kompetenzen maschineller 

Akteure im Allgemeinen von mehreren Projekten parallel genutzt werden können. Sofern Mitarbeiter betroffen sind, 

bildet die zweite Teilaufgabe die Nahtstelle des Projekt- und Wissensmanagements zur Personaleinsatzplanung, also zum Personalmanagement. 

Drittens muss, wie bereits angedeutet, das Kernproblem gelöst werden, aus den vorhandenen und auch aktuell 

verfügbaren Akteuren für die jeweils anstehende Engineering-Aufgabe ein bestmöglich qualifiziertes Projektteam zusammenzustellen. 

Dies erfordert u.a. auch, einen operationalen Maßstab für den bestmöglichen „fit“ zwischen erforderlichen und 

verfügbaren Kompetenzen festzulegen. Die inhaltliche Füllung der Leerformel „bestmöglich“ kann hierbei von Projekt zu Projekt 

variieren und bedarf eines sensiblen Gespürs für die situativen Kontextbedingungen jedes einzelnen Projekts. In den Kapiteln 

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 

Maßstab für den bestmöglichen „fit“ aufstellen und an unterschiedliche Kontextanforderungen anpassen lässt.


Erstens stellt die Konfigurationsaufgabe ein betriebswirtschaftliches Themenfeld dar, das nur mangelhaft 

von praxistauglichen Instrumenten unterstützt wird. Weder seitens des konventionellen Projektmanagements 

noch seitens des etablierten Personalmanagements wird der systematischen Konfiguration 

von Projektteams größere Aufmerksamkeit zuteil. Auch seitens der Softwareindustrie 

werden für diese Aufgabe keine überzeugenden Produkte angeboten, zumindest nicht für den hier 

interessierenden Bereich wissensintensiver Engineering-Aufgaben. Daher besteht hinsichtlich der 

Konfiguration von Projektteams ein erheblicher Forschungs- und Entwicklungsbedarf. Für das Verbundprojekt 

KOWIEN bestand eine Herausforderung darin, sich diesem Bedarf zu stellen und Beiträge 

zu seiner Deckung zu leisten. Zugleich wird die praktische Relevanz des Verbundprojekts dadurch 

unterstrichen, dass es sich mit der Konfiguration von Projektteams auf einen Anwendungskontext 

fokussiert hat, für den ein hoher Bedarf an neuen Erkenntnissen und Instrumenten aus der 

Perspektive der betrieblichen Praxis besteht. 

Zweitens handelt es sich bei der Konfiguration von Projektteams um eine Managementaufgabe, die 

sich exzellent als ein Demonstrationsbeispiel für Konzepte und Techniken des Wissensmanagements 

eignet. Denn die Konfigurationsaufgabe zeichnet sich dadurch aus, dass zu ihrer Erfüllung 

intensiv auf Wissen zurückgegriffen werden muss, dessen „zielführender“ Einsatz zu managen 

ist. 78) Die Wissensintensität der Konfigurationsaufgabe 79) ergibt sich bereits aus ihrer o.a. Charakterisierung, 

ein Team aus Akteuren zusammenzustellen, die für die Erfüllung einer wissensintensiven 

Engineering-Aufgabe in einem Projektteam bestmöglich qualifiziert sind. Die aufgaben- und somit 

projektspezifisch erforderlichen Qualifikationen erstrecken sich zwar nicht notwendig, aber in praxi 

zum größten Teil auf Kompetenzen als handlungsbefähigendes Wissen. Im Folgenden werden daher 

Qualifikationen mit Kompetenzen gleichgesetzt; und es wird von allen Qualifikationen abstrahiert, 

78) Prima facie steht bei der Erfüllung der Konfigurationsaufgabe nur der Einsatz, nicht aber die Generierung von Wissen zur Diskussion. 

Daher könnte die Kritik aufkeimen, eine Fokussierung auf die Konfigurationsaufgabe verleite zu einem „halbierten“ 

Wissensmanagement. Dieser Vorwurf greift jedoch zu kurz. Denn die Konfigurationsaufgabe wurde im Verbundprojekt KO- 

WIEN nicht ausschließlich behandelt. Vielmehr kamen andere Aufgaben hinzu, die sich vor allem dem Aspekt der Generierung 

von Wissen widmeten, wie beispielsweise die Konstruktion von ontologiebasierten Kompetenzmanagementsystemen. Diese 

spezielle Konstruktionsaufgabe lässt sich sogar aus der Konfigurationsaufgabe „ableiten“, da Kompetenzmanagementsysteme 

die Erfüllung der Konfigurationsaufgabe unterstützen sollen, indem Akteure mit den jeweils am besten zum Projekt passenden 

Kompetenzen ausfindig gemacht und zugeordnet werden sollen. Darüber hinaus lässt sich die Erfüllung der Konfigurationsaufgabe 

mit der Generierung von Wissen direkt in Zusammenhang bringen. Während der Durchführung eines Projekts und auch 

anlässlich einer nachträglichen Auswertung der Projektdurchführung wird neues Wissen über die Kompetenzen der beteiligten 

Akteure generiert, beispielsweise über neu gewonnene oder ausgebaute Kompetenzen („learning by doing“) – oder auch darüber, 

dass ein Akteur die Kompetenzen, die ihm vor der Projektdurchführung mutmaßlich zugesprochen worden waren, tatsächlich 

gar nicht besaß. Auf dieses neu generierte Wissen kann in späteren Konfigurationen von Projektteams im Sinne der Wissenswiederverwendung 

zurückgegriffen werden. Die Konfigurationsaufgabe beschränkt sich daher bei näherem Hinsehen keineswegs 

auf den Einsatz von Wissen, sondern sollte zutreffender als ein Prozess aufgefasst werden, in dem Phasen des Einsatzes 

und der Generierung von Wissen miteinander verschränkt sind. 

79) Die Formulierung „Wissensintensität der Konfigurationsaufgabe“ wird hier bewusst parallel zur Fokussierung des Verbundprojekts 

KOWIEN auf „wissensintensive Engineering-Aufgaben“ verwendet. Durch diese Parallelisierung wird verdeutlicht, dass 

sich die Konfigurationsaufgabe aus der Perspektive des Wissensmanagements analog zu den Engineering-Aufgaben verhält, die 

den sachlichen Hintergrund des Verbundprojekts bilden. Auch aus diesem Grund wurde oben die Konfigurationsaufgabe als ein 

„paradigmatischer“ Anwendungskontext bezeichnet.


die sich nicht als Kompetenzen auffassen lassen. 80) Die Akteure, die über bestimmte Kompetenzen 

verfügen, werden in dieser Rolle als Wissens- oder Kompetenzträger bezeichnet. 81) Die erforderlichen 

Kompetenzen können sowohl konzeptionelles Wissen betreffen, das z.B. durch berufsbezogene 

oder akademische Abschlüsse nachgewiesen wird, als auch Erfahrungswissen, das bei der praktischen 

Erfüllung ähnlicher Aufgaben in der Vergangenheit erworben wurde. Die Gesamtheit dieses 

benötigten Wissens wird hier als projektspezifisches Know-how bezeichnet. Projektspezifisches 

Know-what spielt in der betrieblichen Praxis allenfalls eine untergeordnete Rolle und wird daher im 

Folgenden nicht weiter berücksichtigt. 

Aus betriebswirtschaftlicher Sicht ist es empfehlenswert, die Konfigurationsaufgabe von vornherein 

so weit auszulegen, dass neben der Teambildung auch die Bereitstellung der erforderlichen Betriebs- 

und Finanzmittel – z.B. als sachliche Ressourceneinsatzplanung bzw. als Projektfinanzierung 

– erfolgt. Für die wissensintensiven Engineering-Aufgaben, die den Anwendungskontext des Verbundprojekts 

KOWIEN bilden, spielt die Bereitstellung der Ressource Wissen eine herausragende 

Rolle. Soweit das projektspezifische Know-how nicht von den ausgewählten Mitarbeitern als Wissen 

„in ihren Köpfen“ mitgebracht wird, muss es im Rahmen der Projektkonfiguration durch andere 

Wissensträger zusätzlich bereitgestellt werden, die hier ebenso zu den Akteuren eines Projektteams 

gerechnet werden. 82) In erster Linie bieten sich hierfür Daten-, Informations- und Wissensbanken 

an, in denen ein Unternehmen insbesondere das Erfahrungswissen („lessons learned“) aus früher 

durchgeführten Projekten explizit dokumentiert und zur Wiederverwendung („knowledge reuse“) in 

Folgeprojekten vorhält. Aber auch andere Formen der Speicherung organisationalen Wissens, wie 

z.B. konventionelle Handbücher, Organisationsrichtlinien und Projektberichte, kommen als Wissensquellen 

für projektspezifisches Know-how in Betracht. Alle vorgenannten Spielarten desjenigen 

Wissens, das in einem Unternehmen vorhanden ist, müssen bei der Konfiguration eines Projekt- 

80) Es fällt schwer, überhaupt eine praxisrelevante Qualifikation zu identifizieren, die für ein Projekt zur Erfüllung einer wissensintensiven 

Engineering-Aufgabe erforderlich sein könnte, aber dennoch kein handlungsbefähigendes Wissen und somit keine 

Kompetenz darstellt. Beispielsweise ließe sich an die Qualifikation denken, über einen bestimmten Abschluss zu verfügen, 

wenn dieser Abschluss aus „formalen Gründen“ vom Projektauftraggeber für mindestens ein Mitglied des Projektteams vorgeschrieben 

wird, aber die Kompetenz, die mit dem Abschluss „verbrieft“ wird, im Projekt nicht benötigt wird. Der Verfasser gibt 

gern zu, dass dieses Beispiel „abwegig“ erscheint. Aber es verdeutlicht dadurch die Berechtigung des o.a. Vorgehens, im Folgenden 

Qualifikationen mit Kompetenzen gleichzusetzen und von Qualifikationen zu abstrahieren, die mit keiner im Projekt erforderlichen 

Kompetenz verknüpft sind. Nur am Rande sei erwähnt, dass das voranstehende Beispiel zwar auf den ersten Blick 

„abstrus“ erscheinen mag, aber dennoch nicht an der Realität vollkommen vorbei geht. So ist es bei der Vergabe von Forschungsaufträgen 

an universitäre Institute üblich, seitens des Auftraggebers vorauszusetzen, dass mindestens ein Mitglied des 

Forschungsteams über die Qualifikation „Universitätsprofessor“ verfügt – und zwar unabhängig von denjenigen Kompetenzen, 

für deren Nachweis ein Institutsdirektor diese Qualifikation erworben hat. Daher kommt es im real existierenden Universitätsalltag 

zuweilen zu der grotesk anmutenden Situation, dass ein „Universitätsprofessor“ formal zum Team eines Forschungsprojekts 

gehört, oftmals sogar als Teamleiter, jedoch über kein handlungsbefähigendes Wissen verfügt, das zur Durchführung des 

speziellen Forschungsprojekts erforderlich wäre. 

81) Die Bezeichnungen „Wissens-“ und „Kompetenzträger“ werden synonym verwendet. Die Bezeichnung „Wissensträger“ knüpft 

daran an, dass Kompetenzen als handlungsbefähigendes Wissen definiert wurden. 

82) Es mag auf den ersten Blick befremden, als Akteure eines Projektteams auch Wissensträger zuzulassen, die keine Mitarbeiter 

sind. Aber der Akteursbegriff wurde von vornherein so weit definiert, dass er auch maschinelle Akteure umgreift. Auf diese 

Weise ist es möglich, bei der Bearbeitung einer Konfigurationsaufgabe den Freiheitsgrad zu nutzen, für eine erforderliche 

Kompetenz sowohl auf einen Mitarbeiter als auch auf einen maschinellen Akteur zurückgreifen zu können. Insbesondere für die 

Kodifizierungsstrategie, die im Vordergrund des Verbundprojekts KOWIEN stand, erlangt dieser Freiheitsgrad eine große Bedeutung. 

Denn seitens der Kodifizierungsstrategie wird besonderes Gewicht auf den Einsatz computerbasierter Wissensmanagementsysteme 

gelegt, die u.a. auch handlungsbefähigendes Wissen zur Verfügung stellen können, das für die Erfüllung einer 

wissensintensiven Engineering-Aufgabe benötigt wird.


teams für die Erfüllung einer wissensintensiven Engineering-Aufgabe berücksichtigt werden. Dies 

entspricht einem „ganzheitlichen“ Ansatz für betriebliches Wissensmanagement. 

Die Konfigurationsaufgabe lässt sich speziell im Hinblick auf Projektgeschäft und Projektorganisation, 

die sich im Engineering-Bereich großenteils durchgesetzt haben (s.o.), weiter konkretisieren: 

Im Fall einer externen Projektanfrage – oder alternativ: im Fall der internen Vorbereitung und 

Durchführung eines Projekts – bereitet es oftmals große Schwierigkeiten, diejenigen Kompetenzen 

und Kompetenzträger zu identifizieren, über die ein Unternehmen einerseits tatsächlich verfügt (Ist- 

Kompetenzen bzw. Ist-Kompetenzträger) und die andererseits für die Erfüllung einer wissensintensiven 

Engineering-Aufgabe benötigt werden (Soll-Kompetenzen bzw. Soll-Kompetenzträger). Daher 

besteht in der betrieblichen Praxis ein erheblicher Bedarf für computerbasierte Arbeitstechniken, 

mit denen sich die Kompetenzprofile 83) der Kompetenzträger eines Unternehmens systematisch 

erheben und darstellen (generieren), zeitnah aktualisieren sowie mit den jeweils benötigten Kompetenzen 

vergleichen lassen. 84) Außerdem sollen es die Arbeitstechniken gestatten, das explizit dokumentierte 

Mitarbeiter- und Organisationswissen so zu strukturieren und zu repräsentieren, dass es 

kompetenzorientiert erschlossen sowie projektbezogen abgerufen werden kann. 

Auf den ersten Blick könnte es nahe liegen, alles Wissen über die Kompetenzen, über die ein Unternehmen 

verfügt, als Kompetenzprofile in einer Datenbank abzulegen. Für den zuvor angesprochenen 

Kompetenzenvergleich bräuchten dann „nur“ noch Anfragen an die Datenbank formuliert 

zu werden (z.B. als SQL-Statements), ob die jeweils benötigten Kompetenzen auch tatsächlich vorhanden 

sind. Ein solcher „naiver“, datenbankbasierter Ansatz ist jedoch in der betrieblichen Praxis 

schon vielfach gescheitert. Dies beruht im Wesentlichen auf zwei Gründen. 

Erstens werden die realen Bedingungen betrieblichen Wissensmanagements verkannt, wenn angenommen 

wird, alles Wissen über verfügbare Kompetenzen in Datenbanken explizit vorhalten zu 

können. 85) Stattdessen liegt ein Großteil des Wissens über die Kompetenzen eines Unternehmens 

nur in impliziter Form vor – sei es in den „Köpfen“ seiner Mitarbeiter („personales“ Wissen) oder 

sei es in anderen, „objektivierten“ Wissensquellen („organisationales“ Wissen), wie z.B. in Organisationshandbüchern, 

in Informationsverarbeitungsprogrammen oder auch in den „ungeschriebenen“ 

Regeln der Unternehmenskultur. 

Zweitens beruht das naive Verständnis eines Kompetenzenvergleichs auf der Präsupposition, dass 

die Spezifizierungen einerseits der aus Unternehmenssicht vorhandenen und andererseits der aus 

Kundensicht benötigten Kompetenzen mittels derselben Begrifflichkeiten erfolgen. Diese Präsupposition 

ist in der Alltagspraxis jedoch oftmals verletzt. Denn Auftraggeber spezifizieren ihre Anfragen 

oder Ausschreibungen oftmals mittels anderer sprachlicher Konstrukte, als sie in einem Un- 

83) Unter dem Kompetenzprofil eines Kompetenzträgers wird die Gesamtheit aller Kompetenzen mit ihren jeweils zugehörigen 

Kompetenzausprägungen verstanden, die dem betroffenen Kompetenzträger entweder tatsächlich zukommen (Ist-Kompetenzprofil) 

oder zukommen sollen (Soll-Kompetenzprofil). Auch Kompetenzen, über die ein Kompetenzträger nicht verfügt, können 

in einem Kompetenzprofil der Vollständigkeit halber aufgeführt werden. Ihnen ist eine Kompetenzausprägung im Sinne einer 

„Fehlanzeige“ zuzuordnen. Vgl. zum betrieblichen Einsatz von Kompetenzprofilen BÖHM (2001) S. 119 ff. („Mitarbeiterprofile“); 

MUHR (2001) S. 1 ff.; TRICHET/LECLÈRE (2002) S. 4 ff.; ZUG/KLUMPP/KROL (2003) S. 4. 

84) Vgl. dazu den konzeptionell sehr ähnlichen, lediglich auf den Bereich Virtueller Unternehmen fokussierten Beitrag von BRE- 

MER ET AL. (1999) S. 213 ff. 

85) Streng genommen braucht in einer Datenbank nicht das gesamte Wissen über Kompetenzen in expliziter Form gespeichert zu 

werden. Stattdessen erlauben es „deduktive“ Datenbankkonzepte, auch nur implizit enthaltenes Wissen aus einer Datenbank zu 

extrahieren. Solche deduktiven Konzepte spielen jedoch im Bereich betrieblicher Datenbanksysteme nur eine allenfalls periphere 

Rolle, so dass sie hier nicht näher berücksichtigt werden.


ternehmen als potenziellem Auftragnehmer verwendet werden. Auf mögliche Ursachen für solche 

Sprachdivergenzen wurde bereits an früherer Stelle aus der Perspektive von z.B. abteilungs-, unternehmens- 

und branchenspezifischen Sprachkulturen eingegangen. Die Sprachdivergenzen können 

zu erheblichen Diskrepanzen bei der sprachlichen Artikulierung von vorhandenen oder benötigten 

Kompetenzen führen. Um solche Diskrepanzen zu überwinden, sind die bereits angesprochenen 

„bedeutungserhaltenden“ Übersetzungen erforderlich, die zwischen inhaltlich gleichen, aber unterschiedlich 

verbalisierten Kompetenzfacetten vermitteln. 

Die Arbeitstechniken für das Management von Kompetenzprofilen sollen grundsätzlich in der Lage 

sein, beliebige Träger expliziten Wissens inhaltlich zu erschließen. Dies betrifft einerseits konventionelle 

schriftliche, d.h. „ausgedruckte“ Dokumente, wie z.B. unternehmensinterne „gelbe Seiten“ 

(„yellow pages“) mit Angaben über Mitarbeiterkompetenzen, Projektberichte mit „lessons learned“ 

sowie Organisationshandbücher. Andererseits sind „elektronische“ Dokumente ebenso betroffen, zu 

denen insbesondere Internet- und Intranet-Dokumente sowie E-Mails gehören. Hinzu kommen des 

Weiteren stärker strukturierte Daten-, Informations- und Wissensbanken, die hier wegen der komplizierten 

und unfruchtbaren begrifflichen Abgrenzungsprobleme nicht näher unterschieden werden. 

Der Einfachheit halber werden im Verbundprojekt KOWIEN alle vorgenannten Träger expliziten 

Wissens unter den Oberbegriff der „Dokumente“ (im weitesten Sinn) subsumiert. 

Zusätzlich wird von der heuristischen Hypothese („Dokumenten-These“) ausgegangen, dass der 

größte und wirtschaftlich bedeutsamste Teil des Wissens über die Kompetenzen von Akteuren in 

Engineering-Netzwerken – sofern es für das Management von Engineering-Projekten Relevanz besitzt 

– entweder in Dokumenten unmittelbar explizit repräsentiert wird oder aber in ihnen implizit 

enthalten ist und daher mittels Inferenzregeln erschlossen werden kann. 86) Diese Annahme im „Entdeckungszusammenhang“ 

ist natürlich offen gegenüber empirischer Widerlegung. Aber im Verlauf 

des Verbundprojekts KOWIEN ergab sich keine empirische Evidenz dafür, dass die Dokumenten- 

These in der betrieblichen Praxis nicht zumindest tendenziell erfüllt ist. Diese Projekterfahrung 

rechtfertigt nachträglich die Grundsatzentscheidung, sich im Rahmen des Verbundprojekts KO- 

WIEN auf die Kodifizierungsstrategie des Wissensmanagements zu fokussieren, d.h. primär computerbasierte 

Arbeitstechniken – und zugehörige Software-Werkzeuge – zur Unterstützung des betrieblichen 

Wissensmanagements zu untersuchen. 

Der Aufgabenbereich des Managements von Kompetenzprofilen erstreckt sich im eng gefassten 

Sinn auf die oben angeführten Aufgaben des Generierens, Aktualisierens und Vergleichens von 

Kompetenzprofilen. Wird dieser Aufgabenbereich noch um das kompetenzorientierte Strukturieren 

und Repräsentieren von explizitem Wissen über Kompetenzen und ihre Kompetenzträger sowie um 

das inferenzielle Erschließen entsprechenden impliziten Wissens erweitert, so entspricht dieses Ma- 

86) Vgl. zu dieser „Dokumenten-These“ GINSBURG (1999) S. 271 ff. (eine sehr ausführliche Darstellung der Relevanz des Dokumenten-Managements 

für Unternehmen im Kontext des World Wide Webs); HUBER (1998) S. 11-2 f.; JURISICA/MYLOPOULOS/ 

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 

practices ... in organizations tend to be document-centred“); NAKATA ET AL. (1998) S. 20-1 f. (S. 20-1: „Knowledge is coded in 

documents. ... Documents are the primary means of asynchronous information exchange.“ und S. 20-2: „Collections of documents 

form emergent body of knowledge.” [kursive Hervorhebung im Original hier unterlassen]); SKUCE (1997) S. 1 f.; STAAB 

(2002a) S. 194; STANOEVSKA-SLABEVA ET AL. (1998) S. 23-1; TSCHAITSCHIAN/ABECKER/SCHMALHOFER (1997) S. 269 f. u. 277 

f.; ZARRI/AZZAM (1997) S. 302. Vgl. auch am Rande – da „nur“ auf den Bereich wissenschaftlichen Wissens bezogen – HARS 

(2001) S. 63 („most online infrastructures organize scientific knowledge around articles“) u. 64 f.


nagement von Kompetenzprofilen im weit gefassten Sinn 87) inhaltlich dem Management von Wissen 

über Kompetenzen, das im Vorwort kurz als „Kompetenzmanagement“ eingeführt worden war. 

Kompetenzmanagement erstreckt sich also stets auf drei zentrale Erkenntnis- und Gestaltungsobjekte: 

Kompetenzen, Kompetenzträger und Kompetenzprofile. Sie werden im Folgenden stets gemeinsam 

adressiert, auch wenn sie – der Einfachheit halber – nicht immer alle drei explizit angesprochen 

werden. 

Eine weitere Fokussierung des Anwendungskontextes erfolgte im Verbundprojekt KOWIEN dadurch, 

dass die Erfüllung von Engineering-Aufgaben in Netzwerken vollzogen wird. Solange es sich 

um innerbetriebliche Netzwerke handelt, liegt keine wesentliche Veränderung der Konfigurationsaufgabe 

vor. Es gilt lediglich zu beachten, dass die Akteure, die zu einem Projektteam zusammenzustellen 

sind, aus unterschiedlichen Organisationseinheiten – z.B. Abteilungen – desselben Unternehmens 

stammen können. Dies ist aber im Rahmen der Projektorganisation ohnehin üblich. 

Die Komplexität der Konfigurationsaufgabe nimmt jedoch merklich zu, wenn sich mehrere Unternehmen 

zu einem überbetrieblichen 88) Engineering-Netzwerk – z.B. einem Projektkonsortium, einem 

Virtuellen Unternehmen oder einer strategischen Allianz – zusammenschließen. Anlass eines 

solchen Zusammenschlusses ist in der Regel die Erfüllung einer Engineering-Aufgabe, die das Leistungsvermögen 

eines einzelnen Unternehmens übersteigen würde. 89) Ein solcher Unternehmensverbund 

existiert im Allgemeinen nur temporär, weil er aufgelöst wird, sobald die gemeinsam übernommene 

Engineering-Aufgabe entweder erfüllt oder die intendierte Aufgabenerfüllung gescheitert 

ist. 90) 

87) Auf den präzisierenden Zusatz „im weit gefassten Sinn“ wird im Folgenden verzichtet, wenn sich aus dem jeweils aktuellen 

Argumentationskontext ergibt, dass nicht nur das ausschließliche Management (im eng gefassten Sinn) von Kompetenzprofilen 

gemeint ist, sondern als Erkenntnis- und Gestaltungsobjekte ebenso Kompetenzen und Kompetenzträger in Betracht kommen. 

88) Die Bezeichnungen „Betrieb“ und „Unternehmen“ werden in diesem Werk synonym verwendet, so dass das Attribut „betrieblich“ 

und seine Komposita unmittelbar auf Unternehmen verweisen. 

89) Das Leistungsvermögen eines einzelnen Unternehmens kann in verschiedener Hinsicht überstiegen werden, z.B. in finanzieller 

oder in kapazitativer Hinsicht. Aus der Perspektive des Wissensmanagements interessiert vor allem der Fall, dass ein einzelnes 

Unternehmen nicht über alle Kompetenzen verfügt, die zur Erfüllung einer Engineering-Aufgabe erforderlich sind. Das Netzwerk 

dient dann dem Zweck, dass mehrere Unternehmen insgesamt die erforderlichen Kompetenzen besitzen und zur Aufgabenerfüllung 

in der Lage sind. Dieser Fall der kompetenzbedingten Netzwerke aus mehreren Unternehmen entspricht der Auffassung, 

die Wissensintensität von Engineering-Aufgaben u.a. dadurch zu beurteilen, ob das zur Aufgabenerfüllung benötigte 

Wissen die Kompetenzen einzelner Akteure übersteigt. Die Entsprechung wird offensichtlich, wenn Unternehmen als kollektive 

Akteure des Wissensmanagements aufgefasst werden. 

90) Dieses Merkmal der aufgabenbezogenen Existenz trifft vor allem auf Projektkonsortien und Virtuelle Unternehmen der ersten 

Generation zu. Andere Formen von Engineering-Netzwerken, wie Virtuelle Unternehmen der zweiten Generation, sind hingegen 

von langfristiger Natur, so dass ihre Existenz nicht an die Erfüllung einer einzelnen Aufgabe geknüpft ist. Auf den Unterschied 

zwischen Virtuellen Unternehmen der ersten und der zweiten Generation wird weiter unten näher eingegangen. Zwischen 

diesen beiden Polen einer rein aufgabenbezogenen und einer aufgabenübergreifenden Netzwerkexistenz existieren auch 

Zwischenformen, die sich nicht klar einordnen lassen. Dazu gehören beispielsweise strategische Allianzen. Je nachdem, wie der 

Zweck einer solchen Allianz definiert ist, lässt sie sich entweder als ein aufgabenbezogenes oder als ein aufgabenübergreifendes 

Netzwerk auffassen. Wenn z.B. eine strategische Allianz eingegangen wird, um gemeinschaftlich die Engineering-Aufgabe 

zu erfüllen, den Wasserstoffantrieb für Personenkraftwagen bis zur Marktreife zu entwickeln (einschließlich der erforderlichen 

Wasserstoff-Infrastruktur), so liegt ein klar aufgabenbezogenes, aber dennoch sehr langfristig angelegtes Engineering-Netzwerk 

vor. Dagegen würde eine strategische Allianz ein aufgabenübergreifendes Engineering-Netzwerk darstellen, wenn sie zu dem 

Zweck geschlossen wird, durch gegenseitigen Wissenstransfer, wie etwa Patent- und Lizenzentausch, im Bereich der vorwettbewerblichen 

Entwicklung neuer Halbleitertechnologien zu kooperieren.


Überbetriebliche Netzwerke besitzen insbesondere im Engineering-Bereich große praktische Bedeutung, 

weil komplexe Engineering-Aufgaben schon seit langem – und mit weiterhin wachsender 

Tendenz – von temporär verbundenen Unternehmen gemeinschaftlich erfüllt werden. Die besondere 

Komplexität der Konfigurationsaufgabe resultiert für solche überbetriebliche Netzwerke im Wesentlichen 

aus drei Ursachen. 

Erstens unterliegt der Austausch von potenziell wettbewerbsrelevantem Wissen zwischen Unternehmen 

zahlreichen Vorbehalten. Auf diesen Aspekt wird im Verbundprojekt KOWIEN nicht näher 

eingegangen, weil er insbesondere die Motivation zur Wissensoffenlegung und -teilung betrifft. Wie 

bereits oben erläutert wurde, gehören solche Motivationsaspekte des Wissensmanagements zur so 

genannten Personalisierungsstrategie. Sie entspricht nicht der hier fokussierten Kodifizierungsstrategie 

des Wissensmanagements, also der Schwerpunktsetzung zugunsten computerbasierter Arbeitstechniken. 

Trotz dieser Ausgrenzung motivationaler Aspekte aus dem Fokus des KOWIEN- 

Projekts wird keineswegs bestritten, dass ihnen in der betrieblichen Praxis eine hohe Bedeutung zukommt. 

Daher werden jene Aspekte, in deren Zentrum das Humankapital des Wissensmanagements 

steht, in einem anderen Verbundprojekt unter Beteiligung des Universitätspartners, dem schon zuvor 

erwähnten Projekt MOTIWIDI, ausführlicher behandelt. 

Zweitens muss Wissen über die Kompetenzen der Akteure fremder Unternehmen in die Erfüllung 

der Konfigurationsaufgabe einbezogen werden, obwohl jenes „Fremdwissen“ in der Regel weitaus 

lückenhafter oder weniger zuverlässig zur Verfügung steht als das Wissen über die Kompetenzen 

der eigenen Akteure. Erschwerend kommt noch hinzu, dass die Kooperationspartner bei Virtuellen 

Unternehmen – vor allem der so genannten „ersten Generation“ 91) – durch die immanente Instabilität 

lediglich temporärer Kooperationen im Zeitablauf häufig variieren (können). Daher droht das 

Wissen über die Kompetenzen der Netzwerkpartner schnell zu veralten und muss entsprechend häufig 

aktualisiert werden. 

91) Virtuelle Unternehmen der „ersten Generation“ beruhten auf der Vorstellung, ein Netzwerk aus mehreren Unternehmen lediglich 

für die gemeinsame Erfüllung einer komplexen, zeitlich begrenzten Aufgabe – also für die Durchführung eines aufgabenspezifischen 

Projekts – zu bilden. Nach erfolgreicher Aufgabenerfüllung (oder dem nicht intendierten Projektscheitern) wird 

das Netzwerk aufgelöst und seine Unternehmen sind frei, in Zukunft völlig neue Kooperationen einzugehen (oder auch darauf 

zu verzichten). Diese „reine Lehre“ ultra-flexibler Netzwerkorganisationen hat sich nach einer ersten Welle des Enthusiasmus 

als ein Konzept erwiesen, das in der betrieblichen Realität oftmals nicht zu den erhofften Erfolgen geführt hat. Insbesondere 

wurde von den Anhängern Virtueller Unternehmen in der ersten, enthusiastischen Phase übersehen, dass ihr Konzept einen fundamentalen 

Konflikt in sich birgt: Einerseits müssen die Partner eines Virtuellen Unternehmens zwecks kooperativer Erfüllung 

einer gemeinsamen Aufgabe ihr Wissen offen legen und miteinander teilen – zumindest in dem Ausmaß, wie handlungsbefähigendes 

Wissen zur Aufgabenerfüllung erforderlich ist. Andererseits muss jeder Partner damit rechnen, dass seine Netzwerkpartner 

während der gemeinsamen Aufgabenerfüllung von ihm lernen und nach Beendigung der Zusammenarbeit im Virtuellen 

Unternehmen dieses erlernte Wissen zu ihrem eigenen Nutzen verwenden. Dadurch kann es rasch zur Entwertung wettbewerbsrelevanten 

Unternehmenswissens kommen. Denn dieses Wissen bleibt nicht im Unternehmen seines ursprünglichen Wissensträgers 

eingeschlossen, sondern wird durch den kooperationsbedingten Wissensaustausch im Virtuellen Unternehmen an andere 

Unternehmen transferiert, die nach Beendigung der Zusammenarbeit sogar als Konkurrenten des erstgenannten Unternehmens, 

dem ursprünglichen Wissensträger, auftreten können. In der Wirtschaftspraxis sind zahlreiche Beispiele für diesen Know-how- 

Abzug durch Kooperationen bekannt, wie etwa die sehr erfolgreiche Strategie von NEC, dringend benötigte Kompetenzen in 

den siebziger und achtziger Jahren von seinen Kooperationspartnern zu erlernen – und nach erfolgreichem Erwerb jener Kompetenzen 

die Partnerschaften wieder aufzulösen. Vgl. PRAHALAD/HAMEL (1990) S. 80. 

Da diese Gefahr des Know-how-Abzugs den Partnerunternehmen eines Virtuellen Unternehmens in der Regel nicht unbekannt 

ist, tendieren sie dazu, ihr wettbewerbsrelevantes Wissen nicht offen zu legen und somit auch nicht mit den Netzwerkpartnern 

zu teilen. Dadurch wird die oben skizzierte Intention von Virtuellen Unternehmen nachhaltig untergraben. Folglich überrascht 

es nicht, dass sich Virtuelle Unternehmen in ihrer ursprünglichen Konzeption – der „ersten Generation“ – in der betrieblichen 

Praxis nicht durchzusetzen vermochten.


Drittens herrschen in unterschiedlichen Unternehmen oftmals verschiedenartige Sprachkulturen 

oder Sprachwelten vor. Die Artikulierungsdefekte, die daraus resultieren können, wurden bereits im 

Kapitel 1.1.2 (S. 45 ff.) erörtert. Insbesondere bei Fusionen macht sich das Phänomen verschiedenartiger 

Sprachkulturen zuweilen mit großem Störpotenzial bemerkbar. Es kann erhebliche Kraft verlangen, 

verschiedenartige Sprachkulturen zu vereinheitlichen, wenn sich in ihnen eine langjährig 

gewachsene, „pfadabhängige“ Unternehmenskultur manifestiert. Es drohen erhebliche Akzeptanzwiderstände, 

falls die Mitarbeiter eines betroffenen Unternehmens den Eindruck erlangen, mit dem 

Vehikel eines „Sprachimperialismus“ solle ihnen die Denk- und Handlungskultur eines fremden 

Unternehmens aufgezwungen werden. 

Zwar könnte der Einwand erhoben werden, bei Virtuellen Unternehmen handele es sich um keine 

Fusionen von Unternehmen, so dass die voranstehenden Erwägungen für Virtuelle Unternehmen 

keine Relevanz besäßen. Jedoch liegen die Verhältnisse eher umgekehrt. Denn das Problem verschiedenartiger 

Sprachkulturen kann sich in Virtuellen Unternehmen noch stärker als bei Unternehmensfusionen 

auswirken. Auch in einem Virtuellen Unternehmen ist es erforderlich, die Unterschiede 

zwischen den Sprachwelten der kooperierenden Unternehmen zu beseitigen, um artikulationsbedingte 

Verständnisbarrieren zu überwinden. Diese Vereinheitlichung der Sprachwelten bereitet 

in der Regel erheblichen organisatorischen und motivatorischen Aufwand. Dieser Aufwand mag 

anlässlich einer Unternehmensfusion noch als gerechtfertigt erscheinen, weil der Zusammenschluss 

der beteiligten Unternehmen von vornherein auf Dauer angelegt ist und daher das fusionierte Unternehmen 

vom hohen Vereinheitlichungsaufwand langfristig zu profitieren vermag. Dagegen verspüren 

die einzelnen Unternehmen eines Virtuellen Unternehmens häufig keine Veranlassung, ihre 

Sprachkulturen zu vereinheitlichen, weil ihrer Ansicht nach der lediglich temporäre Charakter des 

Unternehmensverbunds derart tief greifende Veränderungen nicht rechtfertigt. Dies gilt zumindest 

im Hinblick auf Virtuelle Unternehmen der ersten Generation, die bereits zuvor aus der Perspektive 

des Wissens über Kompetenzen eine hervorgehobene Rolle spielten. 

Die zuvor skizzierten Schwierigkeiten, die in Virtuellen Unternehmen der ersten Generation drohen, 

lassen sich in Virtuellen Unternehmen der zweiten Generation verringern. Virtuelle Unternehmen 

der zweiten Generation zeichnen sich durch einen zweischichtigen Aufbau aus: Auf der unteren 

Ebene bilden die Partnerunternehmen einen Verbund, der auf langfristige Stabilität angelegt ist, 

ohne die rechtliche Selbstständigkeit der Partnerunternehmen anzutasten. Auf der oberen Ebene 

schließen sich einige der Partnerunternehmen zu einem projektspezifischen Netzwerk zusammen, 

um eine komplexe Aufgabe gemeinsam zu erfüllen. Nach Projektende wird zwar das projektspezifische 

Netzwerk aufgelöst, aber die beteiligten Unternehmen trennen sich nicht vollständig, sondern 

kehren in den Pool von Partnerunternehmen zurück, die sich auf der unteren Ebene zu einem langfristigen 

Unternehmensverbund zusammengefunden haben. Auf der oberen Ebene wird die Flexibilität 

von Virtuellen Unternehmen der ersten Generation realisiert. Es ist möglich, dass auf dieser 

Ebene die projektspezifischen Netzwerke variieren, weil von Projekt zu Projekt immer wieder andere 

Mitglieder des Pools aus Partnerunternehmen zwecks gemeinsamer Aufgabenerfüllung kooperieren 

können. Die untere Ebene dient hingegen dazu, zwischen den beteiligten Unternehmen das Vertrauen 

zu stiften, dass sie langfristig Partnerunternehmen bleiben – und nicht nur kurzfristig die 

Kompetenzen ihrer Partner erlernen, um danach ein Virtuelles Unternehmen zu verlassen und als 

Wettbewerber aufzutreten. Aufgrund dieser langfristig angelegten, vertrauensstiftenden unteren 

Ebene werden die oben skizzierten Motivations-, Wissens- und Sprachweltenprobleme in Virtuellen 

Unternehmen der zweiten Generation tendenziell entschärft. Denn die Motivation zur Wissensoffenlegung 

und -teilung steigt mit dem Vertrauen in die Netzwerkpartner und die Stabilität der Kooperationsbeziehungen. 

Wissen über die Kompetenzen der Netzwerkpartner droht nicht mit jedem


Projektwechsel zu veralten, weil dieses Wissen nicht auf der oberen Ebene der projektspezifischen 

Netzwerke, sondern auf der unteren, langfristig stabilen Ebene des Pools aus Partnerunternehmen 

angesiedelt ist. Der erhebliche Aufwand zur Vereinheitlichung von unternehmensspezifischen 

Sprachwelten lässt sich analog zu Fusionen rechtfertigen, wenn die Partnerunternehmen auf der unteren 

Ebene einen hinreichend stabilen Unternehmensverbund bilden. 

Für den Anwendungskontext des Verbundprojekts KOWIEN spielt es keine Rolle, ob überbetriebliche 

Netzwerke als Virtuelle Unternehmen entweder der ersten oder aber der zweiten Generation 

vorliegen. 92) Denn die Konfigurationsaufgabe, Projektteams für die arbeitsteilige Erfüllung einer 

Engineering-Aufgabe zusammenzustellen, ist für beide Typen Virtueller Unternehmen in derselben 

Weise zu bewältigen. Virtuelle Unternehmen der zweiten Generation stellen nur insofern einen interessanteren 

Anwendungskontext für das Verbundprojekt KOWIEN dar, als es sich für sie tendenziell 

wirtschaftlich leichter rechtfertigen lässt, Wissen über die Kompetenzen der Netzwerkpartner 

systematisch zu managen und die Sprachwelten der Partnerunternehmen zu vereinheitlichen. 

Bislang wurde für das Verbundprojekt KOWIEN die Konfigurationsaufgabe als ein „paradigmatischer“ 

Anwendungskontext für die Erkenntnisse und Instrumente der Projektarbeiten herausgearbeitet. 

Dabei wurde die Wissensintensität der arbeitsteilig zu erfüllenden Engineering-Aufgaben 

stets vorausgesetzt, aber nicht näher erläutert. Daher wird im Folgenden auf den Aspekt der Wissensintensität 

zurückgekommen. Er stellt eine weitere wesentliche Einschränkung der Anwendungskontexte 

für das Verbundprojekt KOWIEN dar, weil sich die Entwicklung und der Einsatz 

aufwendiger computerbasierter Wissensmanagementsysteme kaum rechtfertigen ließe, wenn die zu 

erfüllenden Engineering-Aufgaben nicht durch eine hohe Wissensintensität gekennzeichnet wären. 

Allerdings bereitet es erhebliche Schwierigkeiten, den Begriff der Wissensintensität operational zu 

definieren. Eine zufrieden stellende Lösung dieses Operationalisierungsproblems konnte bis heute – 

trotz umfangreicher Bemühungen im Bereich des Wissensmanagements – noch nicht gefunden 

werden. Daher darf von den nachfolgenden Ausführungen nicht erwartet werden, das Operationalisierungsproblem 

auch nur ansatzweise zu lösen. Vielmehr kann es sich nur um einige grobe Tendenzaussagen 

handeln, die einen Weg aufzeigen, auf dem sich in Zukunft vielleicht eine operationale 

Messung der Wissensintensität erreichen lässt. 

Aus betriebswirtschaftlicher Perspektive liegt es nahe, die Wissensintensität einer (Engineering-) 

Aufgabe durch mindestens zwei Kennzahlen zu erfassen. Die erste Kennzahl ist inputorientiert: Sie 

erfasst das Ausmaß 93) desjenigen Wissens, das zur Aufgabenerfüllung benötigt wird und daher zur 

Verfügung stehen muss. Die zweite Kennzahl ist outputorientiert: Sie misst das Ausmaß desjenigen 

Wissens, das aus der Aufgabenerfüllung als neu generiertes Wissen hervorgeht. Diese beiden Kennzahlen 

lassen sich weiter ausdifferenzieren. Beispielsweise kann der Input-/Output-Ansatz für die 

Kennzahlendefinition auf alle Geschäftsprozesse übertragen werden, die zur Aufgabenerfüllung beitragen. 

Dann werden geschäftsprozessspezifische Kennzahlen gebildet, die das Wissen messen, das 

92) Das gilt auch für weitere Netzwerkvarianten, die hier – der Übersichtlichkeit halber – neben Virtuellen Unternehmen nicht ausdrücklich 

erörtert wurden, aber für die arbeitsteilige Erfüllung komplexer Engineering-Aufgaben ebenso in Betracht kommen. 

93) Streng genommen stellt das „Ausmaß“ von Wissen zunächst nur eine Betrags-, aber keine Intensitätsgröße dar. Aber aus dem 

Ausmaß von Wissen lässt sich ohne große Schwierigkeiten auf die Wissensintensität schließen, wenn ein Schwellenwert ergänzt 

wird: Eine Aufgabe oder ein Prozess gelten als wissensintensiv, wenn das Ausmaß des benötigten oder generierten Wissens 

den vorgegebenen Schwellenwert überschreitet. Ein nachgelagertes Problem besteht allerdings darin, den Schwellenwert 

konkret zu ermitteln und seine Größe inhaltlich zu rechtfertigen.


entweder als Input für die Prozessausführung erforderlich ist oder als Output aus der Prozessausführung 

hervorgeht. 94) 

Sowohl die aufgaben- als auch die prozessorientierten Kennzahlen setzen jedoch voraus, dass sich 

der Wissensinput und der Wissensoutput konkret – d.h. hier: numerisch auf einer Kardinalskala, also 

„quantitativ“, 95) – messen lassen. Diese Messbarkeitsprämisse lässt sich auf dem heutigen Kenntnisstands 

des Wissensmanagements jedoch (noch) nicht erfüllen. Denn für das Problem, eingesetztes 

oder generiertes Wissen quantitativ zu messen, existiert zurzeit keine zufrieden stellende Lösung. 

Die meisten Ansätze der „Wissensmessung“ 96) kapitulieren von vornherein vor dem Anspruch 

einer quantitativen Messung. Stattdessen beschränken sie sich darauf, Wissen qualitativ zu erfassen, 

wie es z.B. in Wissensbilanzen und ähnlichen Instrumenten des populären Wissensmanagements 

der Fall ist. 

Nur einige wenige Ansätze existieren, die eine Quantifizierung von Wissen grundsätzlich gestatten. 

97) Sie erweisen sich aber als derart unausgereift und leiden unter so gravierenden Anwendungsproblemen, 

dass sie sich noch nicht in der betrieblichen Praxis für die Ermittlung von konkreten 

Kennzahlen der Wissensintensität nutzen lassen. 

Aus den vorgenannten Gründen scheidet eine quantitative Messung der Wissensintensität von Engineering-Aufgaben 

– oder von Geschäftsprozessen, die zur Aufgabenerfüllung dienen, – zurzeit 

aus. Stattdessen lassen sich nur qualitative Indikatoren dafür nennen, dass sich eine Aufgabe umso 

eher als wissensintensiv klassifizieren lässt, je stärker diese Indikatoren ausgeprägt sind. Als Indikatoren 

für die Wissensintensität einer Aufgabe kommen beispielsweise in Betracht: 98) 

94) Dieser Ansatz wurde im Verbundprojekt KOWIEN realisiert, um diejenigen Geschäftsprozesse zu priorisieren, die als erste in 

dem Software-Prototyp für ein ontologiebasiertes Kompetenzmanagementsystem Berücksichtigung finden sollten. Allerdings 

wurde wegen der Operationalisierungsprobleme, die in Kürze näher angesprochen werden, auf die Ermittlung konkreter Kennzahlen 

für die Wissensintensität von Input und Output der Geschäftsprozesse verzichtet. Stattdessen wurde durch Befragung der 

Praxispartner des Verbundprojekts lediglich die relative Wissensintensität der Prozessinputs und -outputs auf einer ordinalen 

Skala erhoben, um auf dieser Grundlage die Geschäftsprozesse mit den relativ höchsten Wissensintensitäten zu bevorzugen. 

95) Die Operationalisierung einer Größe wird hier mit ihrer quantitativen Messung auf einer Kardinalskala gleichgesetzt. Es lassen 

sich durchaus auch andere Operationalisierungsvorstellungen vertreten. Aber die hier zugrunde gelegte Operationalisierungsauffassung 

ist in der Fachliteratur weit verbreitet und trifft auch das intuitive Vorverständnis der meisten betrieblichen Praktiker. 

96) Vgl. zu rudimentären Ansätzen der Messung von Wissen BÜRGEL/LUZ (2000) S. 20 ff.; MERTINS/ALWERT (2003) S. 578 ff.; 

YATES-MERCER/BAWDEN (2002) S. 24 ff. 

97) Dazu gehört vor allem der Quantifizierungsansatz des „humatics“-Projekts; vgl. KREFT (2002) S. 1 ff.; KREFT (2003) S. 18 ff. 

(Wissensfunktionen) u. 36 ff. („humatische Fundamentalgleichungen). Über die „wissenschaftliche Dignität“ des Forschungsansatzes 

des „humatics“-Projekts, das auf informationstheoretischen und physikalischen Analogien beruht, kann trefflich gestritten 

werden. Eine solche Bewertung steht jedoch außerhalb des Erkenntnisinteresses des hier vorgelegten Werks. Eine intensive 

Diskussion über die wissenschaftlichen Grundlagen des „humatics“-Projekts wäre auf jeden Fall von großem betriebswirtschaftlichen 

Interesse, da sein Quantifizierungsansatz zu den überaus seltenen Beiträgen der Wissensmanagement-Literatur gehört, 

in der die Problematik der Wissensmessung mit einem eigenen Lösungsvorschlag „offensiv“ angegangen wird. Daher ist 

dem „humatics“-Projekt grundsätzlich eine größere betriebswirtschaftliche Resonanz zu wünschen, als es bisher erfahren hat. 

98) Die nachfolgenden Indikatoren lassen sich sowohl einzeln als auch in Kombinationen nutzen, um die Wissensintensität einer 

Aufgabe zu beurteilen. Da es für das Verbundprojekt KOWIEN in keiner Phase der Projektdurchführung erforderlich war, die 

Wissensintensität von Aufgaben konkret zu ermitteln, kann auf eine Diskussion der Details an dieser Stelle verzichtet werden.


• die Anzahl verschiedenartiger Kompetenzen, die als handlungsbefähigendes Wissen zur Aufgabenerfüllung 

benötigt werden, 99) 

• die Kompetenzausprägungen, die von den einzusetzenden Wissensträgern für die verschiedenartigen 

Kompetenzen erwartet werden, 100) 

• die Qualifikationsniveaus, insbesondere die Aus- und Weiterbildungsabschlüsse derjenigen 

Mitarbeiter, die bei der Erfüllung gleichartiger Aufgaben in der Vergangenheit oder bei Vergleichsunternehmen 

überwiegend eingesetzt wurden, 101) 

• die Anzahl verschiedenartiger Unternehmen, die bei der Erfüllung einer Aufgabe zusammenarbeiten 

müssen, weil die Komplexität der Aufgabe das Leistungsvermögen eines einzelnen Unternehmens 

hinsichtlich der benötigten Kompetenzen übersteigen würde, 102) 

99) Bei allen Indikatoren müssten sowohl die Inputseite des (handlungsbefähigenden) Wissens, das zur Aufgabenerfüllung benötigt 

wird, als auch die Outputseite des (handlungsbefähigenden) Wissens, das aus der Aufgabenerfüllung hervorgeht, berücksichtigt 

werden. Um die Diktion zu vereinfachen, wird jedoch in der Auflistung der Indikatoren auf die explizite Erwähnung der Outputseite 

verzichtet. 

100) Die erwarteten Kompetenzausprägungen bieten sich insbesondere für eine qualitative Beurteilung der Wissensintensität einer 

Aufgabe an, weil die Kompetenzausprägungen von Wissensträgern ohnehin in der Regel auf einfachen Ordinalskalen mit nur 

wenigen Rangstufen (z.B. drei oder fünf) erfasst werden. Beispielsweise lässt sich eine Aufgabe dann als wissensintensiv klassifizieren, 

wenn zu ihrer Erfüllung mindestens drei verschiedenartige Kompetenzen erforderlich sind und Wissensträger mit den 

erforderlichen Kompetenzen über die höchste oder zweithöchste Kompetenzausprägung verfügen müssen. Die voranstehenden 

Festlegungen „drei verschiedene“ und „zweithöchste“ besitzen willkürlichen Charakter und können nahezu beliebig modifiziert 

werden. Sie sollen lediglich das Prinzip verdeutlichen, wie sich Wissensintensität auf der Grundlage von Kompetenzen und 

Kompetenzausprägungen zwar nur qualitativ, aber immerhin konkret bestimmen lässt. Hinzu kommt, dass im Verbundprojekt 

KOWIEN die Kompetenzausprägungen von Wissensträgern detailliert erfasst wurden. Daher verfügen die ontologiebasierten 

Kompetenzmanagementsysteme, die im Verbundprojekt konzipiert und analysiert wurden, im Prinzip über dasjenige Wissen, 

das in der zuvor skizzierten Weise ausreichen würde, um die Wissensintensität von Engineering-Aufgaben konkret zu ermitteln. 

101) Vgl. REHÄUSER/KRCMAR (1996) S. 24 (mehr als die Hälfe oder mehr als zwei Drittel der Mitarbeiter besitzen einen akademischen 

Abschluss). 

102) Bei diesem Indikator wird die Wissensintensität einer Aufgabe unmittelbar mit der Notwendigkeit verknüpft, dass sich mehrere 

Unternehmen zur Erfüllung der Aufgabe zu einem Netzwerk zusammenschließen. Dieser Indikator entspricht daher dem weiter 

oben eingeführten Anwendungskontext des Verbundprojekts KOWIEN, die Erfüllung von Engineering-Aufgaben u.a. auch im 

Rahmen überbetrieblicher Netzwerke, vor allem im Rahmen von Virtuellen Unternehmen, zu betrachten. Allerdings muss eingeräumt 

werden, dass es sich um einen Indikator handelt, über dessen Ausprägung sich nur sehr schwer Konsens erzielen lässt. 

Denn die Anzahl verschiedenartiger Unternehmen, die zur Aufgabenerfüllung „notwendig“ sind, ist keineswegs durch die jeweils 

betrachtete Aufgabe allein determiniert. Vielmehr hängt sie auch von der Breite des Kompetenzprofils ab, über das die 

involvierten Unternehmen jeweils verfügen, und vom Grad der wechselseitigen Überlappungen zwischen diesen Kompetenzprofilen. 

Sowohl die Breiten als auch die Überlappungen der Kompetenzprofile stellen kontingente Einflussgrößen dar, die 

nicht mit der zu erfüllenden Aufgabe zusammenhängen. Daher kann der o.a. Indikator streng genommen nicht zur Beurteilung 

der Wissensintensität der Aufgabe „an sich“ verwendet werden, sondern nur zur Beurteilung der Wissensintensität der Aufgabe 

für die jeweils betrachteten Unternehmen. Aber eine solche unternehmensspezifische Beurteilung der Wissensintensität einer 

Aufgabe stellt zumindest aus der Perspektive der betrieblichen Praxis nicht unbedingt einen Nachteil dar. Denn die Praxis ist in 

der Regel weniger an „generischen“ als an konkreten, auf ihre spezifische Situation zugeschnittenen Erkenntnissen interessiert. 

Darüber hinaus besitzt der o.a. Indikator einen besonderen „Charme“, weil er die Wissensintensität auf eine Art erfasst, die sich 

inhaltlich auf die Wissensteilung in Netzwerken zurückführen lässt: Wenn sich eine Aufgabe als so komplex erweist, dass ihre 

Erfüllung die Kompetenzen mehrerer Unternehmen erfordert, dann müssen sich die Unternehmen bei ihrer arbeitsteiligen Aufgabenerfüllung 

über die jeweils einzusetzenden – und unter Umständen auch generierten – Kompetenzen verständigen, um ihre 

Aktivitäten untereinander zielführend koordinieren zu können. So kommt es innerhalb des Netzwerks zu einer Kommunikation 

über das gemeinsam geteilte Wissen, die tendenziell umso intensiver ausfallen wird, je mehr Unternehmen im Netzwerk kooperieren. 

Folglich steigt die Intensität der wissensteilenden und wissenskommunizierenden Aktivitäten tendenziell mit der Anzahl 

verschiedenartiger Unternehmen, die zu einem solchen Netzwerk gehören. Wenn die Wissensintensität im Sinne dieser wissensteilenden 

und wissenskommunizierenden Aktivitäten interpretiert wird, dann ist es offensichtlich, dass sie vom o.a. Indikator 

zutreffend erfasst wird.


• die Kosten für Personalentwicklungsmaßnahmen oder für extern beschaffte Wissensdienstleistungen, 

103) die erforderlich wären, um eine Aufgabe erfüllen zu können, wenn von der Fiktion 

ausgegangen wird, dass alle Mitarbeiter eines Unternehmens nur über eine branchendurchschnittliche 

Qualifikation verfügen. 104) 

Die Wissensintensität von Engineering-Aufgaben läst sich durch weitere (Hilfs-) Indikatoren beurteilen, 

die wegen ihrer geringeren Bedeutung für das Verbundprojekt KOWIEN im Folgenden nur 

stichwortartig erwähnt werden. Beispielsweise lässt sich die Ansicht vertreten, dass die Wissensintensität 

von Engineering-Aufgaben umso höher ausfällt, je schneller sich der technologische Wandel 

im Umfeld dieser Aufgaben vollzieht. Dabei liegen die Vorstellungen zugrunde, dass technologischer 

Wandel primär wissensgetrieben erfolgt und die Geschwindigkeit des Wandels mit dem 

Ausmaß des „umgesetzten“ Wissens positiv korreliert. Wenn diesen – durchaus bestreitbaren – Annahmen 

gefolgt wird, kann man die Wissensintensität von Engineering-Aufgaben durch die (Kehrwerte 

der) Zeitabstände messen, die zwischen aufeinander folgenden Technologien oder Produktlebenszyklen 

verstreichen. Des Weiteren lässt sich die Wissensintensität von Engineering-Aufgaben 

hilfsweise durch ihren Dienstleistungsanteil beurteilen. Denn die „Produktion“ von Dienstleistun- 

103) Personalentwicklungsmaßnahmen und extern beschaffte Wissensdienstleistungen werden im hier erörterten Zusammenhang als 

Substitute betrachtet: Wenn eine Kompetenz für die Erfüllung einer Aufgabe als handlungsbefähigendes Wissen benötigt wird, 

ein Unternehmen aber nicht über entsprechende Wissensträger verfügt, dann kann es entweder seine eigenen Mitarbeiter intern 

schulen, um die erforderliche Kompetenz zu erlangen, oder aber das handlungsbefähigende Wissen extern beschaffen, z.B. 

durch Einschaltung eines Consultants mit der erforderlichen Kompetenz oder durch Erwerb entsprechender Wissensprodukte 

als „geronnene“ Dienstleistungen. Als Wissensprodukte kommen beispielsweise kommerziell verfügbare Wissensbanken und 

der Zugriff auf wissensrepräsentierende Dokumente via Internet oder Wissensbroker in Betracht. 

Streng genommen ist die o.a. Indikatorformulierung unvollständig. Denn die indikatorkonstituierende Fiktion darf sich nicht 

nur auf den Aspekt des Humankapitals beschränken, dass alle Mitarbeiter eines Unternehmens nur eine branchendurchschnittliche 

Qualifikation besitzen. Vielmehr müsste als zweiter fiktiver Aspekt ebenso vorausgesetzt werden, dass das betroffene Unternehmen 

nur über eine branchendurchschnittliche Ausstattung mit computerbasierten Wissensmanagementsystemen verfügt. 

Von dieser sachlich notwendigen Erweiterung der Indikatorformulierung wurde oben jedoch abgesehen, um die Formulierung 

des Indikators nicht noch komplizierter ausfallen zu lassen. In späteren Arbeiten, die zu einer Operationalisierung der hier angeregten 

Indikatoren für die Wissensintensität beitragen, müsste der Beitrag computerbasierter Wissensmanagementsysteme zur 

Aufgabenerfüllung jedoch ebenso berücksichtigt werden. 

104) Durch diesen Indikator wird nicht die Wissensintensität „an sich“ betrachtet, sondern lediglich die Wissensintensität, die einer 

Aufgabe in Bezug auf Aufgaben zukommt, die mit dem durchschnittlichen Qualifikationsniveau von Mitarbeitern einer Branche 

erfüllt werden können. In Branchen mit einem hohen durchschnittlichen Qualifikationsniveau von Mitarbeitern würden daher 

manche Aufgaben nicht als wissensintensiv qualifiziert werden, die in anderen Branchen mit einem niedrigeren durchschnittlichen 

Qualifikationsniveau von Mitarbeitern als wissensintensiv gelten. Wenn dieser mögliche Effekt von vornherein 

ausgeschlossen werden soll, kann im o.a. Indikator die brachendurchschnittliche Qualifikation durch die durchschnittliche Qualifikation 

aller Mitarbeiter ersetzt werden, die in einem Referenzgebiet – wie z.B. in einem Tarifgebiet oder in einem Bundesland 

oder in einem Nationalstaat – tätig sind. 

Die Bezugnahme dieses Indikators auf ein durchschnittliches Qualifikationsniveau von Mitarbeitern besitzt den Vorzug, dass in 

der Gestalt dieses Durchschnittswerts bereits ein „natürlich“ anmutender Schwellenwert vorliegt, ab dessen Überschreiten mit 

Plausibilität von wissensintensiven Aufgaben gesprochen werden kann. Darüber hinaus besitzt der o.a. Indikator aus betriebswirtschaftlicher 

Perspektive den Vorzug, als einziger Indikator auf „harte“ quantitative, sogar monetär bestimmte Werte Bezug 

zu nehmen: die Kosten für Personalentwicklungsmaßnahmen oder für extern beschaffte Wissensdienstleistungen. Daher könnte 

dieser Indikator einen ersten Schritt in die Richtung darstellen, die Wissensintensität von Aufgaben nicht nur qualitativ einzuschätzen, 

sondern sogar quantitativ zu messen. Allerdings möchte der Verfasser vor übertriebenen Erwartungen warnen. Denn 

es wird seiner Erfahrung zufolge erhebliche Schwierigkeiten bereiten, die vorgenannten Kosten sowohl präzise als auch betriebswirtschaftlich 

„belastungsfähig“ zu ermitteln. In die Kostenermittlung werden voraussichtlich so viele vereinfachende 

Annahmen einfließen, dass zwar immer irgendein präziser Kostenwert resultieren wird, dessen Validität in Bezug auf die „tatsächlich“ 

anfallenden (jedoch unbekannten) Kosten erheblichen Zweifeln ausgesetzt bleibt. Die errechneten Kosten stellen eher 

eine Projektion der vielfältigen Annahmen als eine Abbildung der tatsächlich verursachten Kosten dar. Daher bevorzugt es der 

Verfasser, diesen Indikator trotz seiner Bezugnahme auf quantitativ definierte Kosten weiterhin zu denjenigen Indikatoren zu 

zählen, die nur eine qualitative Beurteilung der Wissensintensität gestatten.


gen erfordert – zumindest im Engineering-Bereich – in der Regel einen besonders hohen Anteil von 

leistungsspezifischem Know-how. 

Die Anwendungskontexte des Verbundprojekts KOWIEN werden über die inhaltlichen Fokussierungen 

hinaus, die in den voranstehenden Ausführungen skizziert wurden, durch einige spezielle 

Probleme des Wissensmanagements bei der Erfüllung wissensintensiver Engineering-Aufgaben gekennzeichnet. 

Diese Probleme stellen zusätzliche Randbedingungen dar, die es während der Projektarbeit 

zu berücksichtigen galt. 

Zunächst wird die Erfüllung wissensintensiver Engineering-Aufgaben zusätzlich dadurch erschwert, 

dass ein bedeutsamer – und oftmals wettbewerbsentscheidender – Anteil des projektspezifischen 

Know-hows aus Erfahrungswissen besteht, auf das nicht unmittelbar zugegriffen werden kann. Es 

bildet eine wesentliche Facette derjenigen Kompetenzen eines Wissensträgers 105) , die in der Regel 

weder umfassend noch systematisch dokumentiert sind. In den meisten Fällen liegt dieses Erfahrungswissen 

sogar überhaupt nicht in expliziter Form vor, wie es vor allem in der Form von Dokumenten 

(z.B. Projektberichten) oder in der Form von Daten-, Informations- oder Wissensbanken der 

Fall wäre. Stattdessen bleibt das Erfahrungswissen zumeist „in den Köpfen der Mitarbeiter“ eingeschlossen 

oder es lässt sich als Organisationswissen nicht direkt „lokalisieren“. Solches Wissen, das 

nicht in unmittelbar explizierter Form vorliegt und sich nur unter großen Mühen – wenn überhaupt 

– explizieren lässt, wird im Allgemeinen als „tazites“ Wissen bezeichnet. Darauf wurde schon an 

früherer Stelle ausführlicher eingegangen. Aus den vorgenannten Schwierigkeiten resultiert ein erheblicher 

Mangel an direkt zugreifbarem Wissen („Meta-Wissen“) über dasjenige Erfahrungswissen, 

das in einem Unternehmen insgesamt für die Erfüllung wissensintensiver Engineering-Aufgaben 

zur Verfügung steht. Darüber hinaus mangelt es oftmals an Wissen darüber, wie jenes vorhandene 

Erfahrungswissen auf unterschiedliche Wissensträger im Unternehmen verteilt ist. 

Sowohl die spezielle Konfigurationsaufgabe des Projektmanagements als auch die allgemeine Aufgabe 

des betrieblichen Kompetenzmanagements werden durch das Phänomen der Personalfluktuation 

zusätzlich kompliziert. Insbesondere Branchen mit hoher Wissensintensität der Leistungserstellung 

leiden an einer überdurchschnittlich hohen Personalfluktuation. Denn „Knowledge Worker“ 

weisen oftmals eine größere Verwertungsbreite für ihr Know-how (und Know-what) auf als Mitarbeiter, 

die eine „klassische“ Qualifikation mit – vergleichsweise – niedrigerer Wissensintensität erworben 

haben. Dies trifft auch auf den Engineering-Bereich zu. Besonders deutlich wird dieses 

Phänomen bei Unternehmensberatungen 106) . Sie leiden unter den höchsten Personalfluktuationen aller 

Branchen. Ihre Mitarbeiter stellen „Knowledge Worker“ par excellence dar. 

Durch die Personalfluktuation verändert sich nicht nur ständig das personengebundene Kompetenzenreservoir 

eines Unternehmens. Vielmehr besteht auch auf Seite der Unternehmen ein großes Interesse 

daran, das Erfahrungswissen ihrer Mitarbeiter in Wissensbanken und anderen Formen des 

Organisationswissens explizit zu dokumentieren bzw. im Unternehmen zu verankern, um das wichtige, 

oftmals wettbewerbsentscheidende Erfahrungswissen auf diese Weise zu konservieren. Aus 

diesem Blickwinkel erlangt die Kodifizierungsstrategie, die im voranstehenden Kapitel als spezieller 

Fokus des Verbundprojekts KOWIEN herausgearbeitet wurde, eine außerordentliche Bedeutung. 

105) Als Wissensträger kommen in diesem Zusammenhang sowohl individuelle Akteure wie einzelne Mitarbeiter als auch kollektive 

Akteure wie das „organisationale Gedächtnis“ eines Unternehmens in Betracht. 

106) Unternehmensberatungen werden im Verbundprojekt KOWIEN bewusst zum Engineering-Bereich gerechnet, weil sie sich dem 

speziellen Gebiet des Service-Engineerings zuordnen lassen. Darauf wird zum Abschluss dieses Kapitels aus der Perspektive 

des Service-Engineering-Szenarios zurückgekommen.


Dies gilt insbesondere für Unternehmen, die sich auf die Erfüllung wissensintensiver Engineering- 

Aufgaben spezialisiert haben. 

Darüber hinaus wird die Personalfluktuation in Unternehmen in Zukunft voraussichtlich weiter zunehmen, 

weil Mitarbeiter in ihrem Berufsleben häufiger in unterschiedlichen Unternehmen beschäftigt 

sein werden. Dadurch verändert sich ständig das personengebundene Kompetenzenreservoir eines 

Unternehmens. Außerdem werden den Mitarbeitern im Rahmen „moderner“ Organisationsprinzipien 

wechselnde Aufgaben zugewiesen (Job Rotation). Damit das Wissen, das von den Mitarbeitern 

für eine spezielle Aufgabenstellung erworben wurde, nicht mit einem Stellen- oder Unternehmenswechsel 

verloren geht, ist es zu erfassen, in Wissensbanken oder anderen Formen organisationalen 

Wissens explizit zu dokumentieren und auf diese Weise zu konservieren. Insbesondere 

kommt es darauf an, das erfasste Wissen so zu strukturieren, dass es zu einem späteren Zeitpunkt 

des Wissensbedarfs effektiv zugänglich ist und wieder verwendet werden kann. 107) 

Die Notwendigkeit der Wissensstrukturierung und -dokumentation mittels einer Kodifizierungsstrategie 

verstärkt sich, wenn eine Engineering-Aufgabe durch die Kooperation mehrerer Akteure zu 

erfüllen ist 108) und diese Akteure – wie bereits zuvor aus der Perspektive artikulationsbedingter Verständnisbarrieren 

erläutert wurde – aus Arbeitsbereichen mit heterogenen Sprachkulturen stammen. 

Solche Verhältnisse liegen innerhalb eines Unternehmens beispielsweise vor, wenn Aufgaben 

standortübergreifend – insbesondere in internationalen Standortverbünden – erfüllt werden, wie es 

etwa bei global agierenden Unternehmen der Consulting-Branche der Fall ist. Das Eintreten der o.a. 

Verhältnisse ist noch wahrscheinlicher, wenn mehrere Unternehmen bei der gemeinschaftlichen 

Aufgabenerfüllung zusammenarbeiten. Dies betrifft vor allem Unternehmensnetzwerke wie Projektkonsortien, 

Virtuelle Unternehmen und strategische Allianzen. Die kooperationsrelevante Sprachheterogenität 

kann noch dadurch erschwert werden, dass marktferne Institutionen, wie etwa Forschungseinrichtungen, 

Verbände, Prüfbehörden und staatliche Auftraggeber in die kooperative 

Leistungserstellung einbezogen sind. Sie pflegen oftmals eigenständige Sprachwelten („Beamtendeutsch“), 

die an Usancen z.B. der Bürokratie und der Jurisprudenz ausgerichtet sind und sich von 

den Sprachkulturen privatwirtschaftlicher Unternehmen eklatant unterscheiden. 

In den voranstehenden Ausführungen wurden diejenigen Anwendungskontexte, auf die sich die Erkenntnisse 

und Instrumente des Verbundprojekts KOWIEN beziehen, schrittweise konkretisiert und 

zugleich eingeschränkt. Dies entspricht der Fokussierungsstrategie, knappe Projektmittel auf einige 

wenige Areale zu konzentrieren, um diese umso intensiver bearbeiten zu können. In konsequenter 

Fortführung dieser strategischen Stoßrichtung werden die zuvor thematisierten Anwendungskontexte 

abschließend zu zwei exemplarischen Anwendungsszenarien verdichtet. Diese beiden Anwendungsszenarien 

bildeten das praxisbezogene Rückgrat des Verbundprojekts KOWIEN. Sie erheben 

keineswegs den Anspruch, die zuvor skizzierten Anwendungskontexte zu „repräsentieren“. Vielmehr 

bilden sie das Resultat einer bewussten Auswahl aus vorstellbaren Anwendungskontexten für 

sprachlich bedingte Verständnisbarrieren des Wissensmanagements und Ansätze zu ihrer Überwindung. 

107) In solchen Fällen, in denen die „zeitüberbrückende“ Wiederverwendung von Wissen im Vordergrund steht, wird von einem 

„diachronischen“ Wissensmanagement gesprochen. 

108) In diesen Fällen, in denen die zeitgleiche Anwendung von Wissen zu gestalten ist, liegt ein „synchronisches“ Wissensmanagement 

vor.


Die Anwendungsszenarien sollten zunächst hinreichend „typisch“ für die betriebliche Praxis sein 

(Auswahlkriterium der Szenarienbreite), damit sich eine große Anzahl von Unternehmen in diesen 

Szenarien „aufgehoben“ fühlen kann. Diese Anforderung zielte insbesondere darauf ab, ein Fundament 

für eine möglichst breite und intensive Nachnutzung der Projektergebnisse nach Ablauf der 

Projektförderung zu legen. Darüber hinaus sollten die Anwendungsszenarien so unterschiedlich 

ausfallen (Auswahlkriterium der Szenariendistanz), dass sich aus ihrem kontrastierenden Vergleich 

– analog zur Technik der Differenzialdiagnose im medizinischen Bereich – interessante Erkenntnisse 

über die Relevanz und Wirksamkeit von Gestaltungsempfehlungen zur Überwindung sprachlich 

bedingter Verständnisbarrieren des Wissensmanagements gewinnen lassen. 109) Hinsichtlich der 

Szenariendistanz wurde ein „ausgewogenes“ Verhältnis zwischen Ähnlichkeit und Verschiedenartigkeit 

der beiden Szenarien angestrebt. Einerseits sollten die Szenarien „hinreichend“ verschiedenartig 

sein, um szenarienspezifische Anpassungserfordernisse („Tailoring“) für die zu entwickelnden 

Instrumente identifizieren zu können. Andererseits sollten sich die Szenarien noch so weit ähneln, 

dass ein wechselseitig befruchtender Erkenntnistransfer zwischen beiden Szenarien möglich erscheint. 

Darüber hinaus wurden der Szenarienauswahl drei weitere Kriterien zugrunde gelegt, die 

sich speziell auf den Inhalt des Verbundprojekts KOWIEN bezogen: 

• Die Szenarien mussten sich auf die Erfüllung von Engineering-Aufgaben erstrecken. 

• Die Szenarien sollten sich jeweils durch eine hohe Wissensintensität ihrer Wertschöpfungsprozesse 

auszeichnen. 

• Damit die eingangs geschilderte Komplexität und Dynamik des Projektgeschäfts zur Geltung 

kommt, sollte eine projektbezogene Organisation der Aufgabenerfüllung dominieren. 

Nach Maßgabe der voranstehenden Auswahlkriterien wurden für das Verbundprojekt KOWIEN 

zwei Anwendungsszenarien gebildet: 

109) Das erste Auswahlkriterium der Szenarienbreite wurde – rückblickend betrachtet – durch die tatsächlich untersuchten Szenarien 

zufrieden stellend erfüllt. Denn die Breite des Interesses der betrieblichen Praxis an den Projektergebnissen, das sich beispielsweise 

in Workshopteilnahmen, Abrufen von Projektberichten und Mitwirkungen im projektbegleitenden Industriearbeitskreis 

„Praxisforum Wissensmanagement“ manifestierte, erfüllte durchaus die Erwartungen des Projektteams. Dagegen erwies sich 

die Umsetzung des zweiten Auswahlkriteriums der Szenariendistanz als ein Fehlschlag. Sowohl die Aufgaben des kooperativen 

Wissensmanagements im Allgemeinen als auch die speziellen Aspekte von sprachlich bedingten Kooperationsbarrieren erwiesen 

sich in beiden Anwendungsszenarien als derart ähnlich, dass es im Projektverlauf nicht gelang, substanzielle Erkenntnisse 

aus dem kontrastierenden Vergleich der beiden Szenarien zu gewinnen. Angesichts des nicht unerheblichen Aufwands zur Unterscheidung 

und zuweilen auch getrennten Bearbeitung der beiden Anwendungsszenarien muss selbstkritisch eingeräumt werden, 

dass der „kognitive Ertrag“ in keinem „angemessenen“ Verhältnis zum Aufwand für die zwei Anwendungsszenarien stand.


Das Produkt-Engineering-Szenario konzentriert sich auf Projekte zur personell, räumlich und 

institutionell verteilten Entwicklung komplexer, technologie- und somit auch wissensintensiver 

Produkte (Sachgüter) 110) . Es werden Unternehmen betrachtet, die in einem Engineering-Netzwerk 

auf begrenzte Zeit arbeitsteilig zusammenwirken, um die gemeinsam übernommene Entwicklungsaufgabe 

als „virtuelle Einheit“ zu erfüllen, nach erfolgreicher Produktentwicklung 

den Unternehmensverbund jedoch wieder auflösen, um sich neuen Engineering-Aufgaben in 

neuen Netzwerk-Konfigurationen zuzuwenden. Der Schwerpunkt liegt hier auf der Identifizierung 

und dem Abgleich von Profilen technologischer Kompetenzen. Solche Kompetenzprofile 

brauchen sich nicht nur auf einzelne Mitarbeiter oder Mitarbeitergruppen, wie z.B. erfolgreiche 

Projektteams, als Wissensträger zu erstrecken. Vielmehr können sie sich ebenso auf Unternehmensabteilungen 

oder auch auf inner- und außerbetriebliche Wissensquellen, wie z.B. Wissensbanken, 

beziehen. Die Kompetenzprofile spielen in der betrieblichen Praxis sowohl zur Auftragsakquisition 

im Projektgeschäft als auch zur Erschließung und Bewahrung von kompetenzstiftendem 

Wissen trotz fluktuierenden Personalbestands eine herausragende Rolle. Insbesondere 

bei wissensintensiven Engineering-Leistungen zählt die Verfügbarkeit von aussagekräftigen, 

verlässlichen Kompetenzprofilen oftmals zu einem der wichtigsten strategischen Erfolgsfaktoren 

für Projektakquisition und Projekterfolg. 

Das Service-Engineering-Szenario ähnelt zwar strukturell dem erstgenannten Szenario, überträgt 

jedoch den Kerngedanken des Managements von Kompetenzwissen aus dem Bereich 

technologieintensiver Sachgüter auf das Gebiet wissensintensiver Serviceleistungen 111) . Der 

Wertschöpfungsanteil solcher Serviceleistungen nimmt bei der Herstellung technologieintensiver 

Sachgüter beständig zu. Insbesondere bei Investitionsgütern, deren „Hardware“ in anderen 

Nationen mit deutlichen Kostenvorteilen produziert werden kann, stellen die „ergänzenden“ 

Serviceleistungen für die führenden Industrie- und Dienstleistungsnationen ein wesentliches 

Differenzierungsmerkmal mit oftmals wettbewerbsentscheidender Qualität dar. 112) Beispielsweise 

werden im deutschen Maschinen- und Anlagenbaugeschäft vor, während und nach der 

Nutzungszeit eines Investitionsguts häufig dreimal soviel Erlöse mit Serviceleistungen für Beratung, 

Finanzierung, Projektmanagement, Transport, Montage, Inbetriebnahme, Kundenschulung, 

Wartung, Ersatzteillieferung und Entsorgung erzielt wie mit dem Absatz des betroffenen 

110) Grundsätzlich umfasst der ökonomische Produktbegriff (im Sinne von Gütern zur Befriedigung von Bedürfnissen) als Oberbegriff 

sowohl Sachgüter als auch Dienstleistungen. Um im Verbundprojekt KOWIEN jedoch eine praxisnahe Diktion zu ermöglichen, 

werden Sachgüter des Öfteren auch vereinfachend als „Produkte“ angesprochen, so z.B. in der Formulierung „Produkt- 

Engineering“. Wenn dagegen verdeutlicht werden soll, dass es sich bei Produkten nicht um Sachgüter handelt, wird ausdrücklich 

– und synonym – von „Dienstleistungen“, „Serviceleistungen“ oder „Services“ gesprochen. 

111) Das Zusammenstellen und Zusammenarbeiten von Projektteams, die innerhalb eines Unternehmens oder in Unternehmensverbünden 

eine innovative Serviceleistung entwickeln sollen, wird maßgeblich von den Profilen der jeweils benötigten und/oder 

vorhandenen Service-Kompetenzen beeinflusst. Hierbei kommt es insbesondere darauf an, die Kooperation von Akteuren aus 

solchen (Service-) Engineering-Netzwerken mit heterogenen Wissenshintergründen durch Kommunikation über ihr gemeinsam 

eingebrachtes Wissen zu koordinieren. 

112) Vgl. beispielsweise BRUNS ET AL. (2005) S. 107 f. u. 111 f.; KILLINGER (1999) S. 129 ff.; vgl. zur zunehmenden wirtschaftlichen 

Bedeutung des Service-Engineerings auch die Beiträge in BULLINGER/SCHEER (2003); LUCZAK (1999); SCHLEGEL/SPATH 

(2005).


Investitionsguts. 113) Darüber hinaus stehen wissensintensive Serviceleistungen auch bei global 

agierenden Unternehmen der Consulting-Branche im Zentrum ihrer Wertschöpfungsprozesse. 

Das persönliche Erfahrungswissen der Consultants und die Kenntnisse über ihre jeweiligen 

Kompetenzen zählen zu den strategischen Ressourcen der Unternehmensberatungen. 114) 

Der Schwerpunkt des Verbundprojekts KOWIEN lag auf dem Produkt-Engineering-Szenario. Diese 

Betonung der Herstellung von Sachgütern schlägt sich in der Zusammensetzung des Projektkonsortiums 

nieder. 115) Allerdings wurde das Service-Engineering-Szenario als „Kontrapunkt“ bewusst 

nicht vernachlässigt. Dafür sprachen im Wesentlichen zwei Gründe. Erstens war es nur durch den 

Vergleich zwischen Produkt- und Service-Engineering-Szenario möglich, charakteristische Unterschiede 

des Kompetenzmanagements herauszuarbeiten, die zwischen einerseits Sachgüter- und andererseits 

Dienstleistungsproduktionen bestehen. Zweitens konnten Erkenntnisse, die nur in einem 

der beiden Szenarien gewonnen wurden, benutzt werden, um das jeweils andere Szenario mit „überraschenden“ 

oder „ungewöhnlichen“ Einsichten zu konfrontieren und zu befruchten. 

Beispielsweise gelang es dem Praxispartner aus dem Service-Engineering-Szenario, mit seinem 

ausgefeilten Wissensmanagementsystem „BRAIN“ 116) , das zur Unterstützung wissensintensiver Beratungsdienstleistungen 

entwickelt worden war, Impulse zu vermitteln, um das Wissensmanagement 

der Praxispartner aus dem Produkt-Engineering-Szenario inhaltlich fortzuentwickeln. Diese 

Impulse erstreckten sich u.a. auf eine tiefe analytische Durchdringung von Kompetenzarten und - 

ausprägungen, die der Praxispartner aus dem Service-Engineering-Szenario bereits geleistet hatte 

und von den Praxispartnern aus dem Produkt-Engineering-Szenario zur Entwicklung ihrer eigenen 

Kompetenzsystematisierungen aufgegriffen werden konnte. Solche „cross impacts“ hätten nicht 

bewirkt werden können, wenn auf Seiten der Praxispartner nicht der Mut beständen hätte, Befruchtungen 

aus dem jeweils anderen „Lager“ von Produkt- oder Service-Engineering-Szenario vorbehaltlos 

zu prüfen und – im positiven Fall – auf das jeweils eigene Unternehmen zu übertragen. 

Nicht nur, aber insbesondere in dieser Hinsicht ist dem BMBF und seinem Projektträger Produktion 

und Fertigungstechnologien (PFT), der Forschungszentrum Karlsruhe GmbH, für die Umsicht zu 

danken, so verschiedenartige Unternehmen wie die Produzenten von Sachgütern und Dienstleistungen 

in einem gemeinsamen, praxisorientierten Forschungs-, Entwicklungs- und Transferprojekt zusammenzuführen 

und zu stimulieren, wechselseitig voneinander zu lernen. 

Die Aufteilung der Projektpartner auf die beiden Anwendungsszenarien konnte allerdings nicht 

trennscharf erfolgen – und war auch so nicht beabsichtigt. Einerseits verfügt der Praxispartner aus 

der servicedominierten Consulting-Branche über einschlägiges industrielles Erfahrungswissen und 

113) Das US-amerikanische Unternehmen United Technologies verdient ca. 40% seines Umsatzes im Geschäftsbereich Aufzüge mit 

Wartungs- und Modernisierungs-Service; ähnlich liegen die Verhältnisse bei der Aufzugssparte des Ruhrgebiets-Konzerns 

ThyssenKrupp. Die Leipziger IAB Ingenieur und Anlagenbau GmbH hat sich im Rahmen einer Nischenstrategie auf die 

Dienstleistung des „Revamping“, d.h. der Modernisierung und Erweiterung bestehender Industrienanlagen ohne Unterbrechung 

des laufenden Betriebs spezialisiert und hierdurch zu alter Wettbewerbsstärke zurückgefunden. Die Beispiele aus der Investitionsgüterindustrie 

ließen sich beliebig vermehren. 

114) Unternehmensberatungen stellen wegen ihrer sowohl besonders hohen Personalfluktuation als auch ihrer besonders großen 

Wissensintensität der Leistungserstellung einen hochinteressanten Anwendungsfall für die Kodifizierungsstrategie des Wissensmanagements 

dar. Deshalb wurde in das Verbundprojekt KOWIEN bewusst ein Service-Engineering-Szenario aufgenommen, 

auch wenn es prima facie erstaunlich erscheinen vermag, Consulting-Dienstleistungen als einen Spezialfall von Engineering-Leistungen 

zu berücksichtigen. 

115) Vgl. Abschnitt C des Vorworts (S. 9 ff.). 

116) Vgl. ZELEWSKI (2004c) S. 49 ff.; vgl. ebenso Kapitel 1.2.2.3 (S. 91 ff.) des hier vorliegenden Werks.


weit reichende Kontakte zu Unternehmen aus der Investitionsgüter produzierenden Industrie. Beides 

wurde im Verbundprojekt KOWIEN zur Wissensakquisition, -evaluierung und -verbreitung genutzt. 

Andererseits verlieren die Unterschiede zwischen Produkt- und Service-Engineering durch 

den zunehmenden Anteil von Serviceleistungen an der Herstellung und Vermarktung von Sachgütern 

– insbesondere Investitionsgütern – zunehmend an Bedeutung. Daher eröffnet die gemeinsame 

Behandlung von Aspekten sowohl aus dem Produkt- als auch aus dem Service-Engineering-Bereich 

die Chance, durch wechselseitigen Erkenntnistransfer einen besonderen Beitrag zu leisten, um die 

Entwicklung von innovativen, technologie- und serviceintensiven Produkten mit Instrumenten des 

Wissensmanagements zu unterstützen.

1.2 Kompetenzmanagementsysteme 


Begriff, Funktionen und Problemfelder 

1.2.1.1 Begriff 




Für die Aufgaben des Wissensmanagements sind in der wissenschaftlichen Forschung und in der 

betrieblichen Praxis viel versprechende Ansätze entwickelt worden. Dies betrifft vor allem die 

computerbasierten Instrumente für das betriebliche Wissensmanagement. 1) Der Fortschritt bei den 

Automatischen Informations- und Wissensverarbeitungssystemen bietet inzwischen vielfältige 

Möglichkeiten, das computerbasierte Wissensmanagement zu unterstützen. Hierbei geht es nicht 

nur um die Verarbeitung von großen Datenmengen, sondern insbesondere um die Verknüpfung 

menschlicher und maschineller Fähigkeiten. Mit diesen computerbasierten Instrumenten ist die 

Hoffnung verbunden, das betriebliche Management von Wissen nicht bloß als „narrative“ Veranstaltung 

zu betreiben. Vielmehr sollen durch die Automatischen Informations- und Wissensverarbeitungssysteme 

sowohl effektive als auch effiziente Gestaltungshilfen für das betriebliche Wissensmanagement 

bereitgestellt werden. 

1) Es liegt eine Fülle an Publikationen vor, die sich mit den Instrumenten des Wissensmanagements auseinander setzen; vgl. zu 

den Instrumenten des Wissensmanagements im Allgemeinen BULLINGER/WÖRNER/PRIETO (1997) S. 7 ff.; PREISSLER/ROEHL/ 

SEEMANN (1997) S. 7 ff.; ROEHL (2000) S. 154 ff. und zu den Automatischen Informations- und Wissensverarbeitungssystemen 

im Kontext des betrieblichen Wissensmanagements LEHNER (2000) S. 269 ff.; LEHNER (2001) S. 229 ff.; MAIER (2004); 

WILKESMANN/RASCHER (2002) S. 342 ff. (kritisch). 

Die Frage, ob Automatische Informations- und Wissensverarbeitungssysteme überhaupt fähig sind, Wissen zu erfassen, abzubilden 

oder sogar zu erzeugen, ist äußerst umstritten; vgl. zu dieser Problematik auch die Ausführungen zu SEARLES „Chinese-Room“-Gedankenexperiment 

in Kapitel 1.3.1.3 auf S. 198 ff. Dementsprechend finden sich unterschiedliche Auffassungen 

über die Rolle von Automatischen Informations- und Wissensverarbeitungssystemen im Kontext des Wissensmanagements. 

Mitunter wird die Auffassung vertreten, dass den Automatischen Informations- und Wissensverarbeitungssystemen aufgrund 

des „genuin menschlichen“ Charakters von Wissen ausschließlich eine Unterstützungsfunktion für das Wissensmanagement 

zukommt; vgl. zu dieser Ansicht z.B. WILKESMANN/RASCHER (2002) S. 344 („[…] es kann immer nur Menschen geben, die 

etwas wissen. Da es außerhalb von Menschen lediglich Daten und Informationen gibt, kann es auch keine Wissenssoftware 

geben […] Software kann die Kommunikation im Wissensumfeld unterstützten und den Kontakt zwischen den Wissenden 

herstellen.“). Zwar mag man sich dieser Auffassung anschließen und den Automatischen Informations- und Wissensverarbeitungssystemen 

ausschließlich eine Unterstützungsfunktion beimessen. Allerdings handelt es sich bei einer solchen Position 

ausschließlich um eine definitorische Selbstimmunisierung. Denn es wird ausschließlich per definitionem ausgeschlossen, 

dass in Automatischen Informations- und Wissensverarbeitungssystemen kein Wissen gespeichert oder verarbeitet wird.

78 1.2.1 Überblick über computerbasierte Kompetenzmanagementsysteme 

Die computerbasierten Kompetenzmanagementsysteme (KMS) sind einer dieser Automatischen Informations- 

und Wissensverarbeitungssysteme, die im Rahmen des Wissensmanagements diskutiert 

werden. 2) In der Literatur finden sich unterschiedliche Bezeichnungen für computerbasierte Kompetenzmanagementsysteme. 

Begriffe wie z.B. Gelbe Seiten 3) , Skill-Management-Systeme 4) und Mitarbeiterprofile 

5) werden dabei als Synonyme gebraucht. 

Ein computerbasiertes Kompetenzmanagementsystem ist ein System zur Erfassung, Weiterverarbeitung 

und zweckbezogenen Anwendung von Wissen über die Kompetenzen von Akteuren (Kompetenzträgern) 

und deren Aufgaben für die Zwecke des betrieblichen Wissensmanagements auf der 

Basis Automatischer Informations- und Wissensverarbeitungssysteme. 

In diese Definition für ein computerbasiertes Kompetenzmanagementsystem gehen mehrere Konstituenten 

ein, die einer näheren Erläuterung bedürfen. 

Erstens wird in einem computerbasierten Kompetenzmanagementsystem das Wissen über Kompetenzen 

abgelegt und zur Weiterverarbeitung bereitgehalten. In diesem Zusammenhang spielen mehrere 

Ausdifferenzierungen des Wissensbegriffs eine besondere Rolle. 6) 

Als Objekt-Wissen wird jenes Wissen bezeichnet, das auf der Aufgabenebene zwecks Lösung von 

Problemen oder Erreichung von Zielen eines Unternehmens Anwendung findet oder finden soll. Hingegen 

wird Wissen darüber, wie sich dieses Objekt-Wissen möglichst effektiv und effizient zur Problemlösung 

bzw. Zielerreichung anwenden lässt, als Meta-Wissen bezeichnet. Darüber hinaus lässt sich 

auf der Objekt-Ebene zwischen Kenntnissen (deklaratives Wissen oder Know-what) und Fähigkeiten 

(prozedurales Wissen oder Know-how) unterscheiden. In Anlehnung an PROBST ET AL. kann man 

unter Wissen die Menge der Kenntnisse und Fähigkeiten eines Akteurs verstehen. 7) Hingegen kann 

2) Vgl. zu (computerbasierten) Kompetenzmanagementsystemen ALAN (2002a) S. 11 ff.; ALPARSLAN ET AL. (2002) S. 46 ff.; 

BERGMANN (2001) S. 109 f.; BÖHM (2001) S. 119 ff.; CHEN/CHONG/JUSTIS (2000) S. 278 ff.; DEITERS/LUCAS/WEBER (1999) 

S. 5 ff.; DOOLEY/CORMAN/MCPHEE (2002) S. 200 ff.; EPPLER (2003) S. 191 ff.; GEBERT/KUTSCH (2003) S. 227 ff.; HAUN 

(2002) S. 309 f.; HOMER (2001) S. 60 ff.; LEHNER (2000) S. 273 ff.; LEHNER (2001) S. 228; LINDGREN/HENFRIDS- 

SON/SCHULTZE (2004) S. 436; MAYBURY/D’AMORE/HOUSE (2002) S. 200 ff.; NELSON (1999) S. 28; NORTH (2002) S. 154 ff.; 

ROEHL (2000) S. 235 ff. u. S. 240; WILKESMANN/RASCHER (2002) S. 346; WRIGHT (1999) S. 20 ff. 

Eng verwandt mit computerbasierten Kompetenzmanagementsystemen sind die so genannten computerbasierten Personalinformationssysteme. 

Nach DOMSCH handelt es sich bei einem computerbasierten Personalinformationssystem um „ein System 

der geordneten Erfassung, Speicherung, Transformation und Ausgabe von für die Personalarbeit relevanten Informationen 

über das Personal und die Tätigkeitsbereiche/Arbeitsplätze […] zur Versorgung der betrieblichen und überbetrieblichen Nutzer 

des Systems mit denjenigen Informationen, die sie zur Wahrnehmung ihrer Planungs-, Entscheidungs-, Durchführungsund 

Kontrollaufgaben unter Berücksichtigung von sozialen und wirtschaftlichen Zielen benötigen.“ (DOMSCH (1980) S. 17; 

vgl. ähnlich HENTZE (1995) S. 343; OECHSLER (1997) S. 139; vgl. darüber hinaus zu computerbasierten Personalinformationssystemen 

GOTTWALD (2003) S. 32 ff.; JUNG (1999) S. 641; SCHOLZ (1994) S. 680 ff.). An dieser Stelle wird nicht der Versuch 

unternommen, die Unterschiede und Gemeinsamkeiten zwischen Kompetenzmanagementsystemen auf der einen Seite und 

Personalinformationssystemen auf der anderen Seite herauszuarbeiten. Stattdessen reicht der Verweis, dass zum einen das 

Einsatzgebiet eines computerbasierten Kompetenzmanagementsystems nicht auf die „Personalarbeit“ beschränkt ist (vgl. die 

Ausführungen im weiteren Verlauf dieses Beitrags) und zum anderen nicht nur Informationen über das Personal und deren 

Tätigkeitsbereiche in einem computerbasierten Kompetenzmanagementsystem vorgehalten werden. Vielmehr kann in einem 

computerbasierten Kompetenzmanagementsystem ebenfalls Wissen über die Kompetenzen von Kollektiven, wie z.B. Projektteams, 

abgelegt und für das Wissensmanagement bereitgehalten werden. 

3) Vgl. ROEHL (2000) S. 240 f. 

4) Vgl. DEITERS/LUCAS/WEBER (1999) S. 5 ff. 

5) Vgl. BÖHM (2001) S. 119 ff. 

6) Vgl. zu den unterschiedlichen Ausdifferenzierungen des Wissensbegriffs die Quellenangaben in Fußnote 2 in Kapitel 1.1.1 

auf S. 33. 

7) Vgl. PROBST/RAUB/ROMHARDT (2003) S. 14.

1.2.1 Überblick über computerbasierte Kompetenzmanagementsysteme 79 

die Kompetenz eines Akteurs als handlungsbefähigendes Wissen verstanden werden. Diese Kompetenz 

stellt die Fähigkeit eines Akteurs dar, sein Wissen – Kenntnisse und Fähigkeiten – zur Erfüllung 

vorgegebener Handlungszwecke einzusetzen. Bei der Kompetenz eines Akteurs handelt es sich 

folglich um Meta-Wissen, nämlich Wissen über Wissen, das ihn befähigt, Probleme zu lösen bzw. 

Ziele zu erreichen, die durch den jeweils relevanten Verwendungszusammenhang des Objekt-Wissens 

vorgegeben sind. 

Eine weitere Unterscheidung des Wissensbegriffs, der im Kontext computerbasierter Kompetenzmanagementsysteme 

eine besondere Rolle zukommt, ist die Abgrenzung zwischen implizitem und 

explizitem Wissen. 8) Explizites Wissen meint das Wissen, das als solches von irgend einer sinnlich 

erfahrbaren Form („Sprache“) unmittelbar dokumentiert und somit unmittelbar zugänglich ist. Hingegen 

ist implizites Wissen in anderem Wissen mittelbar enthalten und daher nicht unmittelbar zugänglich. 

Während explizites Wissen in seiner sprachlich dokumentierten Form gespeichert, verarbeitet 

und kommuniziert werden kann, entzieht sich implizites Wissen einem unmittelbaren Zugriff. 

Bei implizitem Wissen sind vielmehr zusätzliche Denk- und Betrachtungsschritte für einen Erkenntniszugang 

erforderlich. 

Der Einsatz eines computerbasierten Kompetenzmanagementsystems erzeugt Transparenz über die 

unternehmensinternen Kompetenzen, ohne dabei das zugrunde liegende Wissen zu exlizieren. Den 

Nutzern eines computerbasierten Kompetenzmanagementsystems wird lediglich ein Hinweis auf 

den Akteur gegeben, der über diese Kompetenzen verfügt. In einem computerbasierten Kompetenzmanagementsystem 

wird also Meta-Wissen verwaltet. Es wird das implizite und explizite Wissen 

über die Kompetenzen eines Akteurs dargestellt, ohne dabei das Objekt-Wissen zu explizieren. 

Zweitens wird in einem computerbasierten Kompetenzmanagementsystem das Wissen über die 

Kompetenzen eines Kompetenzträgers und seiner Aufgaben abgelegt. Der Begriff des Kompetenzträgers 

wird hier bewusst weit definiert. Hierunter fallen sowohl natürliche als auch artifizielle Akteure. 

In einem computerbasierten Kompetenzmanagementsystem kann somit Wissen über die 

Kompetenzen einzelner Mitarbeiter eines Unternehmens oder aber auch von Wissensbasierten Systemen 

abgelegt werden. 

Bei einem Kompetenzträger kann es sich darüber hinaus auch um einen kollektiven Akteur handeln. 

In diesem Fall wird in einem computerbasierten Kompetenzmanagementsystem Wissen über organisationale 

Kompetenzen gespeichert. Die organisationalen Kompetenzen sind auf unterschiedlichen 

Organisationsebenen angesiedelt. Zum einen lassen sich organisationale Kompetenzen auf der 

Ebene von einzelnen Projektteams oder Abteilungen lokalisieren. Zum anderen gehört zu den organisationalen 

Kompetenzen auch jenes Wissen einer Organisation, das weder den einzelnen Mitarbeitern 

oder Teams von Mitarbeitern noch einzelnen Automatischen Informations- und Wissensverarbeitungssystemen 

zugeschriebenen werden kann. Vielmehr ist dieses handlungsbefähigende Wissen 

als Anhäufung der Kompetenzen von Menschen und Automatischen Informations- und Wissensverarbeitungssystemen 

so innerhalb einer Organisation zerstreut, dass es nur der Organisation 

in ihrer Ganzheit zugeschrieben werden kann. 

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.


1.2.1.2 Funktionen computerbasierter Kompetenzmanagementsysteme 

1.2.1.2.1 Verwalten von Wissen über Kompetenzen 

auf der Grundlage von Kompetenzprofilen 

Ein computerbasiertes Kompetenzmanagementsystem hält das Wissen über die Kompetenzen von 

Akteuren zur Weiterverarbeitung vor. Da ein Akteur in der Regel über mehrere Kompetenzen verfügt, 

werden sie in der Gestalt von akteursspezifischen Kompetenzprofilen verwaltet. Ein Kompetenzprofil 

entspricht der Agglomeration von handlungsbefähigenden Kenntnissen und Fähigkeiten 

in Bezug auf einen Akteur. 

Die Kompetenzen eines Akteurs lassen sich in vier Teilkompetenzen unterteilen: 9) 

• Fachkompetenzen entsprechen Fähigkeiten des Akteurs, seine Kenntnisse zu Handlungszwecken 

einzusetzen. Die Kenntnisse können sich auf z.B. technische, kaufmännische oder fachübergreifende 

Bereiche erstrecken (z.B. Branchen- und Fremdsprachenkompetenzen). 

• Methodenkompetenzen entsprechen den Fähigkeiten des Akteurs, seine instrumentellen Fähigkeiten 

zu Handlungszwecken einzusetzen. Enthalten sind hierin sowohl die Fähigkeiten, motorische 

Verfahren durchzuführen, als auch Fähigkeiten der Informationsstrukturierung und -darstellung 

(z.B. Präsentations- und Analysemethoden). 

• Sozialkompetenzen entsprechen den kommunikativen, kooperativen und kompetitiven Persönlichkeitsmerkmalen 

des Akteurs, die er zu Handlungszwecken einsetzen kann (z.B. Team- und 

Motivationsfähigkeit). 

• Selbstkompetenzen entsprechen den reflexiven Persönlichkeitsmerkmalen des Akteurs, die er zu 

Handlungszwecken einsetzen kann. Reflexiv handelt der Akteur dann, wenn er ein Bewusstsein 

über seine eigene Person aufbaut. Hierzu gehören Selbstvertrauen, -bewusstsein und -wertgefühl 

(z.B. Lernbereitschaft und Kreativität). 

Diese Teilkompetenzen können hinsichtlich ihres Programmcharakters unterschieden werden. Der 

Programmcharakter einer Kompetenz gibt an, in welchem Maße ein Akteur bei der Durchführung 

einer Handlung einen systematischen Entscheidungsprozess durchläuft. 10) Ein Akteur entwickelt mit 

steigendem Kompetenzniveau im Handlungsfeld Heuristiken, die er als Experte nicht mehr begründen 

kann, weil seine Entscheidungsfindung mit zunehmendem Kompetenzniveau intuitiv erfolgt. Es 

lassen sich fünf Kompetenzniveaus unterscheiden: 11) 

9) Vgl. für eine ähnliche Unterscheidung der Kompetenzen eines Akteurs HEYSE/ERPENBECK (2004) S. xxi; KAUFFELD/GROTE 

(2002) S. 32. Vgl. für eine alternative Unterteilung BÖHM (2001) S. 119 (Fach- und Methodenkompetenz, Sozial-kommunikative 

Kompetenz, Personale Kompetenz, Aktivitäts- und Handlungskompetenz); KLEMBKE/KRÖPELIN/KUTH (2003) S. 31 (Persönlichkeit, 

Methoden, Führung, Fachkompetenz); NORTH (2002) S. 154 (Fachkompetenz, Methodenkompetenz, soziale und 

persönliche Kompetenz). 

Diese Unterteilung der Kompetenzen eines Akteurs in Fach-, Methoden-, Sozial- und Selbstkompetenzen wurde bei der Entwicklung 

der KOWIEN-Ontologie zugrunde gelegt. Auf die Besonderheiten der KOWIEN-Ontologie wird weiter unten in 

Kapitel 2.4 (S. 429 ff.) näher eingegangen. 

10) Vgl. zum Programmcharakter einer Kompetenz die Ausführungen in ALAN (2002a) S. 13 f. 

11) Vgl. für alternative Unterscheidungen der Kompetenzniveaus beispielsweise BÖHM (2001) S. 119 (Problembewusstsein, Wissen, 

Können und Expertentum); FAIX (1991) S. 86 (Grundlagen, Fachkenntnisse, Erfahrungen, fundiertes Wissen); NORTH 

(2002) S. 154 (Kenner, Könner und Experte).


• Kompetenzniveau 1: Der Neuling zerlegt die Aufgabe in kontextfreie Teile. Dadurch, dass er 

wenige allgemeine Regeln beherrscht, ist er in seinem Handeln sehr langsam. 

• Kompetenzniveau 2: Der fortgeschrittene Anfänger weist die Fähigkeit auf, situative Aspekte in 

sein Handeln einzubinden. Er lernt aus realen Situationen und kann seine Kompetenz ausbauen. 

• Kompetenzniveau 3: Der kompetente Problemlöser ist flexibel in seinem Handeln, da er die Gesamtsituation 

überblickt und Strategien entwickeln kann. 

• Kompetenzniveau 4: Der Erfahrene kann auf – für die Problemlösung relevantes – Wissen zurückgreifen 

und seine Entscheidungen dementsprechend konsolidieren. 

• Kompetenzniveau 5: Der Experte handelt zielbewusst, ohne einen rationalen Entscheidungsprozess 

zu durchlaufen. Sein Handeln erfolgt „instinktiv“. 

Hinzu kommt als sechstes Kompetenzniveau „keine Kompetenz“. Da es sich bei dem zu akquirierenden 

Wissen über Kompetenzen um rein qualitative Werte handelt, beschränkt sich die Messung 

der Kompetenzniveaus auf eine ordinale Skala. 

Ausgehend von den vier Teilkompetenzen wird in Kompetenzprofilen deren Ausprägung für den 

betrachteten Akteur dargestellt. Neben den akteursspezifischen Kompetenzprofilen werden in einem 

computerbasierten Kompetenzmanagementsystem auch für die betrieblichen Aufgaben Kompetenzprofile 

konstruiert. Im Gegensatz zu einem akteursspezifizischen Kompetenzprofil enthält ein 

solches aufgabenspezifisches Kompetenzprofil nicht das Wissen über die Kompetenzen eines Akteurs. 

Stattdessen spezifiziert es, welche Kompetenzen erforderlich sind, um die die betreffende 

Aufgabe effektiv und effizient durchführen zu können. 

1.2.1.2.2 Erfassen von Wissen über Kompetenzen 

In einem computerbasierten Kompetenzmanagementsystem wird das Wissen über Akteurskompetenzen 

in Kompetenzprofilen erfasst. Mit der Erfassung des Wissens sind gleichzeitig Fragen bezüglich 

der Akquisition dieses Wissens angesprochen. Daher soll ein computerbasiertes Kompetenzmanagementsystem 

die möglichst umfassende und systematische Akquisition von Wissen über 

Akteurskompetenzen durch entsprechende Akquisitionstechniken unterstützen. Das Wissen über die 

Kompetenzen eines Akteurs kann auf zwei Arten akquiriert und in ein computerbasiertes Kompetenzmanagementsystem 

„eingespeist“ werden. 

Bei der Selbstbeurteilung 12) wird das Wissen über die Kompetenzen eines Akteurs von ihm selbst 

erhoben und in seinem Kompetenzprofil abgelegt. In der Regel wird zur Selbstbeurteilung ein strukturierter 

Fragebogen eingesetzt, der vom betroffenen Akteur ausgefüllt werden muss. Die Selbstbeurteilung 

hat den Vorzug, dass sie im betrieblichen Alltag effizient hinsichtlich der damit verbundenen 

Kosten durchführbar ist. Außerdem wird dadurch sichergestellt, dass das Wissen über die 

Kompetenzen des Akteurs stets aktuell ist. Allerdings sind damit auch Probleme verbunden. Denn 

in der Regel tendieren die „Selbstbeurteiler“ dazu, ihre Kompetenzen eher zu überschätzen als zu 

unterschätzen. 13) Außerdem besteht bei der Selbstbeurteilung die Gefahr, dass der betroffene Akteur 

das Wissen über seine Kompetenzen bewusst falsch angibt. 

12) Vgl. zur Selbstbeurteilung BÖHM (2001) S. 122; GEBERT/KUTSCH (2003) S. 228; KAUFFELD/GROTE (2002) S. 30; JUNG (1999) 

S. 745 f. 

13) Vgl. zu diesem Phänomen JUNG (1999) S. 745 f.; KAUFFELD/GROTE (2002) S. 30.


Diese Gefahren der „verzerrten“ oder falschen Erfassung der Akteurskompetenzen können durch 

die Fremdbeurteilung 14) reduziert werden. Im Gegensatz zur Selbstbeurteilung wird bei der Fremdbeurteilung 

mindestens ein weiterer Akteur aktiv, um das Wissen über die Kompetenzen des jeweiligen 

Akteurs zu erheben und in dessen Kompetenzprofil abzulegen. Bei dieser dritten Person kann 

es sich beispielsweise um den direkten Vorgesetzten des betroffenen Akteurs oder aber auch um ein 

Mitglied der Personalabteilung handeln. Als Methoden zur Fremdbeurteilung können beispielsweise 

das Assessment Center, die so genannte Leistungsbeurteilung und das Kasseler-Kompetenz-Raster 

eingesetzt werden. 

Zu den methodisch ausgefeiltesten, aber auch aufwendigsten Methoden zur Fremdbeurteilung gehört 

das Assessment Center 15) . In einem Assessment Center werden die betroffenen Akteure einzeln 

oder in einer Gruppe mit Aufgabenstellungen konfrontiert, die sie unter simulierten Praxisbedingungen 

bewältigen müssen. Die betroffenen Akteure werden dabei von mehreren Personen (Assessoren) 

beobachtet, die das Aufgabenergebnis systematisch analysieren und bewerten. Durch das Assessment 

Center kann das Wissen über die aktuellen handlungsbefähigenden Kenntnisse und Fähigkeiten 

eines Mitarbeiters erhoben werden. Zudem lässt sich dadurch auch das Potenzial eines Mitarbeiters 

erschließen. 

Im Gegensatz zum Assessment Center wird durch die so genannte Leistungsbeurteilung 16) nur das 

Wissen über die aktuellen Kompetenzen des betroffenen Akteurs erhoben. In der betrieblichen Praxis 

wird die Leistungsbeurteilung in der Regel nicht für die Erhebung von Wissen über Akteurskompetenzen 

eingesetzt. Vielmehr dient sie als Grundlage für die Zuteilung leistungsabhängiger 

Vergütungsbestandteile. Bei der Leistungsbeurteilung werden das gezeigte Verhalten des Akteurs 

und seine erbrachten Arbeitsergebnisse z.B. in Form eines strukturierten Erhebungsbogens erfasst. 

Anschließend lassen sich daraus Schlussfolgerungen über die handlungsbefähigenden Kenntnisse 

und Fähigkeiten des betroffenen Akteurs ziehen. 

Schließlich kann zur Fremdbeurteilung das so genannte Kasseler-Kompetenz-Raster (KKR) 17) eingesetzt 

werden. Beim Kasseler-Kompetenz-Raster erhalten die betroffenen Akteure die Aufgabe, in 

einer Gruppe von fünf bis sieben Mitgliedern ein bestimmtes Problem, das einen engen Bezug zur 

Tätigkeit der Akteure aufweist, zu lösen. Das Ziel der Gruppe ist es nicht, eine eindeutige, „objektiv“ 

richtige Lösung zu finden. Vielmehr soll die Gruppe in 60-90 Minuten eine für alle Gruppenmitglieder 

sinnvolle Lösung erarbeiten, die im Vorfeld unbekannt ist und von der Gruppe kreativ 

erzeugt wird. Die verbalen Äußerungen der Gruppenmitglieder werden nach ca. 50 Kriterien des 

Kasseler-Kompetenz-Rasters, die sich auf die Teilkompetenzen Fach-, Methoden-, Sozial- und 

Selbstkompetenz aufteilen lassen, von geschulten Beobachtern kodiert und ausgewertet. 

14) Im Bereich der Mitarbeiterauswahl und -beurteilung sind zahlreiche Methoden entwickelt worden, um die Kompetenzen von 

Mitarbeitern durch Dritte zu erheben; vgl. für einen Überblick über die Methoden zur Akquisition von Wissen über Mitarbeiterkompetenzen 

JUNG (1999) S. 740 ff.; SCHOLZ (1994) S. 239 ff.; ULMER (2002) S. 46 f. (insbesondere Abbildung 1 auf S. 

47). Vgl. darüber hinaus für eine ausführliche Diskussion der Methoden zur Erhebung von Wissen über Mitarbeiterkompetenzen 

ALAN (2002a) S. 16 ff. Dort werden die Wissensakquisitionsmethoden entsprechend der Interaktion mit dem Akteur, 

dessen Kompetenzen erhoben werden, in reaktive und nonreaktive Methoden unterteilt. Bei den reaktiven Methoden erfolgt 

eine Interaktion zwischen dem Beurteiler und dem jeweiligen Akteur. Ein Beispiel hierfür ist die direkte Befragung in Form 

eines schriftlichen Interviews. Hingegen existiert bei den nonreaktiven Methoden keine direkte Interaktion. Stattdessen werden 

beispielsweise Arbeitsergebnisse analysiert, um daraus Schlussfolgerungen über die Kompetenzen dieses Akteurs zu ziehen. 

15) Vgl. zum Assessment Center KLEINMANN (2003); KOMPA (1999) und die Ausführungen in ALAN (2002a) S. 48 ff. 

16) Vgl. zur Leistungsbeurteilung JUNG (1999) S. 742; SCHOLZ (1994) S. 240 f.; ULMER (2002) S. 46 ff. 

17) Vgl. zum Kasseler-Kompetenz-Raster KAUFFELD/GROTE/FRIELINIG (2003), S. 261 ff.


Die Fremdbeurteilung hat gegenüber der Selbstbeurteilung den Vorzug, dass das Wissen über die 

Kompetenzen eines Akteurs intersubjektiv nachvollziehbar erhoben werden kann. Zudem kann es 

z.B. im Fall der Leistungsbeurteilung in Kombination mit Instrumenten zur Personalführung, wie 

z.B. dem jährlichen Mitarbeitergespräch, durchgeführt werden. Jedoch sind auch damit Probleme 

verbunden. Zum einen werden bei der Fremdbeurteilung erhebliche Unternehmensressourcen gebunden, 

da neben dem betroffenen Akteur mindestens ein weiterer Akteur bei der Erhebung des 

Wissens über die Kompetenzen involviert ist. Zum anderen wird durch die Fremdbeurteilung die 

Aktualität des Wissens über die Akteurskompetenzen nicht sichergestellt. Denn eine Fremdbeurteilung 

kann allenfalls ein bis zweimal jährlich durchgeführt werden. 

Aufgrund der Vor- und Nachteile der Selbst- und Fremdbeurteilung bietet sich eine Kombination 

beider Methoden an. Durch die regelmäßige Selbstbeurteilung seitens der Kompetenzträger wird die 

Aktualität des Wissens sichergestellt. Hingegen gewährleistet die Fremdbeurteilung die intersubjektive 

Nachvollziehbarkeit des „akquirierten“ Wissens und dient der Überprüfung des Wissens über 

die Akteurskompetenzen, das durch die Selbstbeurteilung erhobenen worden ist. 

1.2.1.2.3 Zweckbezogene Anwendung des Wissens über Kompetenzen 

Ein computerbasiertes Kompetenzmanagement dient dazu, das vorhandene – sowohl explizite als 

auch implizite – Wissen über die Kompetenzen für die Aufgaben des betrieblichen Wissensmanagements 

zweckbezogen anzuwenden. Es finden sich zahlreiche Anwendungsgebiete für computerbasierte 

Kompetenzmanagementsysteme. 18) 

Erstens kann ein computerbasiertes Kompetenzmanagementsystem im Rahmen der Konfiguration 

von Projektteams eingesetzt werden. Der Erfolg eines Projekts wird in erheblichem Maße durch die 

Art und die Verteilung des Wissens innerhalb des Projektteams beeinflusst. Daher gilt es bei der 

Zusammenstellung von Projektteams die erforderlichen Kompetenzen zu identifizieren und in der 

erforderlichen Weise miteinander zu kombinieren. In diesem Zusammenhang kann ein computerbasiertes 

Kompetenzmanagementsystem dazu dienen, die geeigneten Akteure für die Erfüllung der 

Projektziele zu identifizieren und in einem Projektteam zusammenzustellen. 

Die Zusammenstellung von Projektteams findet in der Regel am Anfang eines Projekts statt. Allerdings 

kann selbst ein zu Beginn eines Projekts hinsichtlich der erforderlichen Kompetenzen „ausgewogenes“ 

Projektteam in ein Ungleichgewicht geraten. Ein derartiger Effekt tritt dann ein, wenn 

sich die Aufgaben des Projektteams und damit die Anforderungen an die Mitglieder eines Projektteams 

im Verlauf des Projekts verändern. Beispielsweise kann im Verlauf eines IT-Beratungsprojekts 

festgestellt werden, dass das Problem des Klienten nicht ausschließlich durch die Einführung 

eines Dokumenten-Management-Systems gelöst werden kann. 19) Vielmehr sind zur Lösung des 

Problems auch Kenntnisse und Fähigkeiten aus anderen Gebieten, wie z.B. dem Workflowmanagement, 

erforderlich. In diesem Fall kann ein computerbasiertes Kompetenzmanagementsystem genutzt 

werden, um das Projektteam flexibel an die veränderten Aufgaben anzupassen, indem diejenigen 

Kompetenzträger identifiziert werden, die die neu hinzu gekommenen Kompetenzanforderungen 

erfüllen. 

18) Vgl. für Anwendungsgebiete für computerbasierte Kompetenzmanagementsysteme BÖHM (2001) S. 8 ff.; DEITERS/LUCAS/WE- 

BER (1999) S. 8 ff.; GEBERT/KUTSCH (2002) S. 229. 

19) Vgl. für dieses Beispiel DEITERS/LUCAS/WEBER (1999) S. 9.


Zweitens kann ein computerbasiertes Kompetenzmanagementsystem dazu beitragen, die Akteure zu 

identifizieren, die die für die Durchführung einer Aufgabe geforderten Kompetenzen nicht besitzen. 

In diesem Zusammenhang kann ein computerbasiertes Kompetenzmanagementsystem als Instrument 

bei der systematischen Kompetenzentwicklung eingesetzt werden. Zur Identifikation des Entwicklungsbedarfs 

bedient man sich der Kompetenzlücken-Analyse. 20) Hierbei wird das Kompetenzprofil 

eines Mitarbeiters (akteursspezifisches Kompetenzprofil) mit dem Kompetenzprofil seiner 

Aufgaben (aufgabenspezifisches Kompetenzprofil) verglichen. 21) Das akteursspezifische Kompetenzprofil 

beschreibt die aktuellen Fach-, Methoden-, Sozial- und Selbstkompetenzen und deren 

Ausprägungen von einem Mitarbeiter (Ist-Kompetenzprofil). Hingegen enthält das aufgabenspezifische 

Kompetenzprofil diejenigen Kompetenzen und deren Ausprägungen, die dieser Akteur zur effektiven 

und effizienten Durchführung der Aufgaben besitzen sollte (Soll-Kompetenzprofil). Ein 

Vergleich zwischen dem Soll- und dem Ist-Kompetenzprofil führt zur Identifikation von Kompetenzlücken. 

22) 

Für die systematische Kompetenzentwicklung auf der Grundlage computerbasierter Kompetenzmanagementsysteme 

sprechen mehrere Gründe. 23) Zum einen können Schulungsmaßnahmen bedarfsgerecht 

und selektiv eingeleitet und durchgeführt werden. Statt der herkömmlichen Planung und 

Durchführung von Weiterbildungsmaßnahmen nach dem „Gießkannenprinzip“ werden für jeden 

Akteur „individuelle“ Schulungsmaßnahmen angeboten, mit denen seine Kompetenzlücken geschlossen 

werden. Zum anderen kann die Kompetenzentwicklung mit Hilfe eines computerbasierten 

Kompetenzmanagementsystems mit E-Learning-Maßnahmen zur individuellen Lernprozess-Steuerung 

kombiniert werden. Aus der aufgedeckten Abweichung und dem ermittelten Entwicklungsbedarf 

kann ein Akteur sein eigenes, individuelles Schulungsportfolio ableiten, das für seine Ziele 

geeignet ist. 24) 

Drittens kann ein computerbasiertes Kompetenzmanagementsystem den Wissenstransfer innerhalb 

eines Unternehmens unterstützen. Der Zugriff auf das vorhandene Wissen in einem Unternehmen 

stellt sich oft als schwierig heraus, da entsprechende Kompetenzen von Mitarbeitern über die Grenzen 

von z.B. Abteilungen und Geschäftsbereichen hinaus nicht bekannt sind. Wenn der „richtige“ 

Kompetenzträger für Fragen und Probleme gesucht wird, der den Anforderungen der zu lösenden 

Aufgaben ideal entspricht, dann kann ein computerbasiertes Kompetenzmanagementsystem weiterhelfen. 

Mit Hilfe eines computerbasierten Kompetenzmanagementsystems können die Kompetenzträger 

entsprechend ihrer Qualifikation, Erfahrung und Kompetenz gefunden werden. Die Mitarbeiter 

sind ebenfalls nach Kriterien wie Position in der Aufbauorganisation (Standorte, Niederlassungen, 

Abteilungen etc.), Projektbeteiligungen und Namen auffindbar. 

20) Vgl. zur Kompetenzlücken-Analyse, die auch als Skill-Gap-Analyse bezeichnet wird, DEITERS/LUCAS/WEBER (1999) S. 11; 

KLEMBKE/KRÖPELIN/KUTH (2003) S. 32. 

21) Dabei wird vorausgesetzt, dass sowohl das akteursspezifische als auch das aufgabenspezifische Kompetenzprofil spezifiziert 

werden kann. Insbesondere bei neuartigen Tätigkeiten kann es zu Problemen bei der Definition eines aufgabenspezifischen 

Kompetenzprofils kommen. In diesem Fall dürfte die Festlegung unscharfer Kompetenzniveaus die Regel sein; vgl. SCHOLZ 

(1994) S. 252 f. für ähnliche Probleme bei der Fähigkeitsanalyse im Rahmen der Personalentwicklung. 

22) Bei diesem Vergleich können auch Methoden des „Kompetenz-Matchings“ eingesetzt werden; vgl. dazu Kapitel 2.5 (S. 537 

ff., insbesondere S. 554 ff.). 

23) Vgl. KLEMBKE/KRÖPELIN/KUTH (2003) S. 30 f. 

24) Im Projekt KOWIEN wurde eine E-Learning-Anwendung entwickelt. Sie stellt Lerninhalte aus dem Gebiet des ontologie- 

und kompetenzprofilbasierten Wissensmanagements bereit und kann beispielsweise im Rahmen der betrieblichen Aus- und 

Weiterbildung eingesetzt werden. Vgl. Kapitel 3.1.2 auf S. 597 ff. zur E-Learning-Anwendung des Projekts KOWIEN.


1.2.1.3 Problemfelder 

Um einen effektiven und effizienten Einsatz eines computerbasierten Kompetenzmanagementsystems 

in der betrieblichen Praxis zu gewährleisten, müssen mehrere Problemfelder berücksichtigt 

werden. Hierzu gehören rechtliche 25) und motivationale 26) Problemfelder, die bei der Speicherung 

personenbezogener Daten bzw. bei der Einführung und Nutzung eines cmputerbasierten Kompetenzmanagementsystems 

von Bedeutung sind. Im Projekt KOWIEN wurde nicht auf diese Problemfelder 

fokussiert. 27) Stattdessen wurde insbesondere auf jene Problemfelder eingegangen, die im 

Rahmen computerbasierter Kompetenzmanagementsysteme berücksichtigt werden müssen. 28) Diese 

Problemfelder betreffen 

• die technische und 

• die fachlich-konzeptionelle Heterogenität der IT-Systeme, in denen das Wissen über Akteurskompetenzen 

abgelegt ist 

Insbesondere in dezentralisierten Unternehmen kann es vorkommen, dass gleichzeitig und unabhängig 

voneinander mehrere IT-Systeme zur Anwendung kommen, die für das Management von 

Wissen über Kompetenzen relevant sind. Um für das Management von Kompetenzen einen ganzheitlichen 

Ansatz verfolgen zu können, in dem möglicht viele IT-Systeme berücksichtigt werden, 

25) In einem computerbasierten Kompetenzmanagementsystem werden personenbezogene Daten gespeichert. Daher sind beim 

Einsatz das Bundesdatenschutzgesetz (BDSG) und das Betriebsverfassungsgesetz (BetrVG) zu berücksichtigen; vgl. zu diesem 

Problem GEBERT/KUTSCH (2003) S. 228 im Kontext computerbasierter Kompetenzmanagementsysteme („Skill-Management) 

und MÜLDER (2000) S. 99 im Zusammenhang mit computerbasierten Personalinformationssystemen. 

Das BDSG gilt – falls keine spezielleren Gesetze existieren – für den Umgang mit personenbezogenen Daten im gesamten 

Bereich der Privatwirtschaft und der öffentlichen Verwaltung. Datenschutz bedeutet ein grundsätzliches Verbot der Erhebung, 

Verarbeitung und Nutzung personenbezogener Daten, außer der Betroffene gibt seine Einwilligung (§ 4, Abs. II, BDSG) oder 

es existiert eine Vorschrift (Gesetz, Tarifvertrag, Betriebsvereinbarung), die die Verarbeitung regelt (§ 4, Abs. I, BDSG). Innerhalb 

der verschiedenen Informations- und Mitbestimmungsrechte ist für die Einführung von computerbasierten Kompetenzmanagementsystemen 

vor allem § 87, Abs. I, Nr. 6 BetrVG von Bedeutung. Diese Vorschrift zielt auf den Schutz des 

einzelnen Arbeitnehmers vor technischen Überwachungseinrichtungen. Aus Schutz vor dem „gläsernen Mitarbeiter“ verlangen 

Betriebsräte im Regelfall den Abschluss einer Betriebsvereinbarung, in der die Möglichkeiten und Grenzen eines computerbasierten 

Kompetenzmanagementsystems genau festgelegt sind. Wenn zwischen Arbeitgeber und Betriebsrat keine Einigung 

über den Inhalt einer Betriebsvereinbarung erzielt wird, kann von beiden Seiten die Einigungsstelle angerufen werden (§ 

87, Abs. II). 

26) Ein interessanter Ansatz zur „Modellierung“ der Motivationsproblematik im Rahmen von IT-Systemen findet sich bei WIL- 

KESMANN/RASCHER (2002) S. 344 ff. Dort wird das Motivationsproblem für die Eingabe von Daten in eine Datenbank als ein 

Gefangenen-Dilemma mit zwei extrinsisch motivierten Akteuren modelliert, wobei die Strategie „Daten nicht eingeben“ für 

beide Akteure dominant ist. Durch diese dominante Strategie erreichen beide Akteure die zweitniedrigste Auszahlung. Wenn 

allerdings beide Akteure die Strategie „Daten eingeben“ wählen würden, dann könnten sie die höchste Auszahlung erzielen. Im 

Rahmen des computerbasierten Wissensmanagements ist es nun durch Anreize sicherzustellen, dass beide Akteure die „kooperative“ 

Strategie (Daten eingeben) wählen und sich nicht gegenseitig ausbeuten. Der Einsatz von externen Anreizen (wie 

z.B. Entlohnung) ist in diesem Zusammenhang mit Problemen und Dysfunktionalitäten verbunden: Erstens kann durch externe 

Anreize eine Anspruchsspirale erzeugt werden. Über die Zeit verlangen die Akteure immer mehr Anreize, damit die Akteure 

weiterhin motiviert sind, Daten einzugeben. Zweitens kann es zu einem Verzerrungseffekt kommen (vgl. zum Verzerrungseffekt 

HOLMSTRÖM/MILGROM (1991) S. 31 ff.). Es wird nur diejenige Handlung ausgeführt, die auch belohnt wird; andere 

Handlungen werden hingegen vernachlässigt. Wenn z.B. die Anzahl der eingegebenen Daten belohnt wird, dann wird 

das Verhalten der Akteure auf die Quantität der Daten und nicht auf deren Qualität gelenkt. 

27) Vgl. die Ausführungen zu den zwei Gestaltungsansätzen des Wissensmanagements, die in Kapitel 1.1.1 auf S. 33 ff. erläutert 

worden sind. Im Projekt KOWIEN wurde auf die Kodifizierungsstrategie fokussiert. Diese Schwerpunktsetzung zugunsten 

Automatischer Informations- und Wissensverarbeitungssysteme bedeutet allerdings nicht, dass die große Bedeutung des Humankapitals 

für das Wissensmanagement verkannt wird. 

28) Vgl. zu den folgenden Problemen des computerbasierten Kompetenzmanagements insbesondere die Ausführungen in Kapitel 

1.1.2 auf 39 ff.


müssen die Systeme untereinander eine Interoperabilität aufweisen. Die Interoperabilität von IT- 

Systemen erstreckt sich zum einen über technische und zum anderen über fachlich-konzeptionelle 

Aspekte. Den „Gegenpol“ zur technischen Interoperabilität von IT-Systemen bildet ihre technische 

Heterogenität. Den Gegenpol zur fachlich-konzeptionellen Interoperabilität stellt hingegen die fachlich-konzeptionelle 

Heterogenität der IT-Systeme dar. 

Die technische Interoperabilität von IT-Systemen ist gefährdet, wenn zueinander inkompatible Programmierkonzepte 

Verwendung finden. Hingegen erstreckt sich die fachlich-konzeptionelle Interoperabilität 

von IT-Systemen sowohl über syntaktische als auch über semantische Aspekte. Syntaktische 

Heterogenität zwischen IT-Systemen liegt dann vor, wenn zur Wissensrepräsentation Sprachen 

mit unterschiedlichen Grammatiken verwendet werden. Eine semantische Heterogenität zwischen 

IT-Systemen liegt hingegen dann vor, wenn die Wissensbestände auf unterschiedlichen Konzeptualisierungen 

basieren. Eine divergierende Konzeptualisierung kann sich einerseits in ambigen 

Bezeichnungen (Synonyme und Homonyme) und andererseits in strukturellen Konflikten äußern. 

Beispielsweise liegen divergierende Konzeptualisierungen vor, wenn der gleiche Begriff in zwei 

Wissensbeständen auf gegenseitig ausschließende Weise taxonomisch eingeordnet ist. 

Während die syntaktische Heterogenität von IT-Systemen teilweise durch „Mapping“-Verfahren 

überbrückt werden kann, ist ihre semantische Heterogenität mit weitaus größeren Problemen behaftet. 

Bezüglich divergierender Bezeichnungen können semantische Heterogenitäten teilweise überwunden 

werden, wenn die IT-Systeme eine Differenzierung zwischen einerseits sprachlichen Ausdrucksmitteln 

und andererseits Strukturierungseinheiten für die Konzeptualisierung erlauben. Hierbei 

ist nicht ausgeschlossen – und sogar in den meisten Fällen notwendig –, dass es sich auch bei 

den Strukturierungseinheiten um sprachliche Konstrukte handelt. Im Fall der Synonymie werden für 

die gleiche Strukturierungseinheit unterschiedliche Bezeichnungen verwendet. Dieser Fall lässt sich 

dadurch beseitigen, dass die Synonymie-Beziehung zwischen den Bezeichnern explizit aufgezeigt 

wird. Weitaus schwieriger ist hingegen die homonyme Verwendung einer Zeichenkette. In diesem 

Fall haben nämlich unterschiedliche Strukturierungseinheiten die gleiche Bezeichnung. Je nach 

Verwendung der homonymen Zeichenkette muss in diesem Fall aufgezeigt werden, welche Strukturierungseinheit 

„gemeint“ ist. 

Bei Wissen handelt es sich um ein sprachliches Artefakt. Daher hat Wissensmanagement zwangsläufig 

mit der Organisation sprachlicher Vermittlungsprozesse zu tun. Derartige sprachliche Probleme 

des Wissensmanagements werden in der Literatur zumeist unter dem Stichwort „gemeinsame 

Sprache“ diskutiert, die als Schlüssel- und Erfolgsfaktor für eine funktionierende Wissensteilung 

betrachtet wird. 29) 

Das Handeln von Organisationen vollzieht sich in einer pluralistischen Lebenswelt, die eine Vielzahl 

von Akteuren umfasst. Die Mitglieder der jeweiligen Lebenswelten teilen eine spezifische Lebens- und 

Sprachform, die ihr Fühlen, Denken und Sprechen beeinflusst. Die Lebenswelt einer Organisation 

stellt keinen homogenen Kontext dar. Die Spezialisierung der einzelnen organisationalen Subsysteme 

(Organisationseinheiten) auf unterschiedliche Teilaufgaben bei der betrieblichen Leistungserstellung 

und die geographische Ausdifferenzierung führt zu einer sozialen Differenzierung und damit auch 

zu spezifischen Lebens- und Sprachformen. 30) Diese Lebenswelten einer Organisation basieren auf 

29) Vgl. dazu GRANT (1996) S. 116; ROEHL (2000) S. 314 f.; SCHNEIDER (1996) S. 29; SCHNOTZ/HEISS (2004) S. 41 ff.; VON 

KROGH/ROOS (1996) S. 220 und die Ausführungen in Kapitel 1.1.2 (S. 39 ff.) zu den Kooperationsbarrieren für das Wissensmanagement 

in Engineering-Netzwerken sowie die Quellenangaben in Fußnote 40 (S. 45) in jenem Kapitel. 

30) Vgl. KIRSCH (1990) S. 22 ff.


unterschiedlichen, teils divergierenden Wissenshintergründen. Die hieraus resultierenden Sprachdivergenzen 

werden besonders bei Funktionalorganisationen deutlich, bei denen z.B. unter dem gleichem 

Ausdruck „Auftrag“ aus der Produktions- und der Absatzperspektive inhaltlich etwas völlig 

anderes verstanden wird. 31) 

Die Unabdingbarkeit der Ausbildung von Spezialsprachen (Fachsprachen) im Zuge der fachlichen 

Spezialisierung von Teilen eines Unternehmens führt zu sprachlichen Problemen für ein computerbasiertes 

Kompetenzmanagementsystem. Daher leidet in der betrieblichen Praxis der Zugriff auf 

das Wissen über Akteurskompetenzen oftmals darunter, dass unterschiedliche Akteure verschiedene 

Begrifflichkeiten verwenden (terminologische Diversität), um gleichartige Kompetenzen zu beschreiben. 

Die Lebens- und Sprachformen unterschiedlicher organisationaler Lebenswelten können in einem 

inkommensurablen Verhältnis zueinander stehen. In dem Maße, wie sich Organisationen durch eine 

Vielzahl unterschiedlicher Lebenswelten auszeichnen, die bei der betrieblichen Leistungserstellung 

zusammenwirken, gewinnen insbesondere im Rahmen computerbasierter Kompetenzmanagementsysteme 

Instrumente an Bedeutung, die es ermöglichen, die aus dem Pluralismus der Lebenswelten 

entstehende terminologische Diversität zu überbrücken. 

Die Notwendigkeit zum Aufzeigen des „eigentlich gemeinten“ Konstrukts resultiert aus der Explizierungslücke, 

die in konventionellen IT-Systemen zu beobachten ist. Eine derartige Explizierungslücke 

ist genau dann gegeben, wenn in den Systemen implizite Wissensbestandteile enthalten sind. 

Derartige Wissensbestandteile können u.U. für das Management von Wissen über Kompetenzen 

weit reichende Relevanz besitzen. Denn gerade das Wissen über Kompetenzen von Akteuren liegt 

in der Regel nicht in expliziter Form vor. Stattdessen ist es meistens implizit in Dokumenten über 

betriebliche Sachverhalte – wie z.B. in Projektberichten und Mitarbeiter-Homepages – enthalten. 

Dieses implizite Wissen ist für die Zwecke des betrieblichen Wissensmanagements nicht unmittelbar 

zugänglich. Denn es kann nicht durch konventionelle IT-Systeme erschlossen werden. 

31) Vgl. ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 197 f.

1.2.2 Das Kompetenzmanagementsystem bei 

Roland Berger Strategy Consultants 

DIPL.-KFM. ADEM ALPARSLAN, DIPL.-KFM. YILMAZ ALAN 



KAI ENGELMANN 

Roland Berger Strategy Consultants 

1.2.2.1 Bedarf für Kompetenzmanagementsysteme 

in der Unternehmensberatung 

Das Ziel eines Beratungsprojekts besteht in der Unterstützung des Klienten durch die Einbringung 

von Wissen. Im Gegensatz zum Produkt-Engineering ist das Ergebnis eines Beratungsprojekts immer 

ein immaterielles Produkt. 1) Versuche, diese „Beratungsprodukte“ zu standardisieren, erweisen 

sich als ungeeignet zur Lösung des jeweils sehr spezifischen Projektauftrages. Die erfolgreiche 

Durchführung eines Beratungsprojekts ist immer abhängig von dem eingesetzten Wissen. Dieses 

Wissen beruht auf den Kompetenzen der einzelnen Berater (individuelle Kompetenzen) und auf den 

Kompetenzen des Beratungsunternehmens (organisationale Kompetenzen). Sie können sich auf unterschiedliche 

Bereiche erstrecken: 

• Wissen über Kunden oder Branchen, 

• Wissen über Theorien oder Technologien im Sinne von verallgemeinerten Aussagen 

für das zielgerichtete Gestalten und 

• Wissen über Problemlösungsmethoden. 

Diese (individuellen und organisationalen) Kompetenzen sind die zentrale Leistung, die in den Beratungsprozess 

eingehen. In diesem Sinne lässt sich ein Beratungsprojekt als ein Wissenstransformationsprozess 

auffassen. 2) Die Kompetenzen werden durch ein Beratungsprojekt in Problemlösungsmethoden 

transformiert, wobei im Rahmen des Beratungsprojekts neues Wissen – z.B. in 

Form von Konzepten für die strategische Unternehmensführung – entwickelt wird. 3) 

Aufgrund dieser Besonderheit der Beratungsprojekte sind die Kompetenzen die Grundlage für die 

Generierung und Erhaltung von Wettbewerbsvorteilen und Erfolgspotenzialen für ein Beratungsunternehmen. 

Daher besteht Bedarf für Methoden zur Identifikation, Entwicklung, Formalisierung, 

Speicherung, Nutzbarmachung sowie zum Transfer und Schutz von Wissen. Der Bedarf für ein effektives 

und effizientes Wissensmanagement wird durch weitere Merkmale von Beratungsunternehmen 

verstärkt. Zum einen sind Beratungsunternehmen in Form einer flexiblen Projektorganisation 

strukturiert. Die Projektteams werden für jeden Beratungsauftrag neu zusammengestellt. Sie 

sind ausschließlich auf die Spezifika der zu erfüllenden Beratungsaufgabe zugeschnitten und werden 

mit der erfolgreichen Aufgabenerfüllung aufgelöst. Bei jedem Beratungsauftrag besteht daher 

1) Vgl. BLESSING/BACH (2000) S. 268 f. 

2) Vgl. zur Bedeutung von Wissen im Rahmen des Beratungsprozesses BAMBERGER/WRONA (2002) S. 23; BLESSING/BACH (2000) 

S. 257; BLESSING/RIEMPP/ÖSTERLE (2001) S. 431. 

3) Hierbei seien beispielsweise die unterschiedlichen Konzepte genannt, die seitens von Beratungsunternehmen entwickelt worden 

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 

der Bedarf für ein Kompetenzmanagementsystem zur Unterstützung der Projektteamzusammenstellung. 

Zum anderen ist die Beratungsbranche durch eine extrem hohe Wissensintensität in der individuellen 

Leistungserstellung gekennzeichnet. Jegliche Personalfluktuation verändert nachhaltig das 

personengebundene Kompetenzenreservoir eines Beratungsunternehmens. Aus diesem Grund besteht 

seitens des Beratungsunternehmens ein großes Interesse daran, die Kompetenzen seiner Mitarbeiter 

in Wissensbanken und anderen Formen des Organisationswissens explizit zu dokumentieren 

und dadurch im Unternehmen zu verankern. 

Die oben genannten Aktivitäten des Wissensmanagements können durch unterschiedliche Maßnahmen 

unterstützt werden. Hierzu gehören beispielsweise die Einrichtung von Informations- und 

Kommunikationssystemen und ihre Computerunterstützung, die Gestaltung des Personalmanagements 

oder der Organisationsstruktur. In diesem Beitrag wird exemplarisch die Unterstützung des 

Wissensmanagements durch ein computerbasiertes Kompetenzmanagementsystem in einem internationalen 

Beratungsunternehmen – Roland Berger Strategy Consultants – behandelt. Dabei wird 

zunächst der spezifische Bedarf für ein erfolgreiches Wissensmanagement diskutiert. Anschließend 

wird das computerbasierte Wissensmanagementsystem BRAIN vorgestellt, das verschiedene Anwendungen 

zur Unterstützung der Wissensmanagement-Aktivitäten während des gesamten Beratungsprozesses 

bereitstellt. Hierzu gehört insbesondere das computerbasierte Kompetenzmanagementsystem 

proSKILLS, das weltweit die Identifikation von Kompetenzträgern ermöglicht. Nach 

der Darstellung der Vorgehensweise zur Einführung von BRAIN und der organisatorischen Verankerung 

des Wissensmanagements bei Roland Berger werden die kritischen Faktoren diskutiert, die 

für den Erfolg des computerbasierten Kompetenzmanagementsystems im Besonderen und von 

BRAIN im Allgemeinen verantwortlich sind. 

1.2.2.2 Überblick über Roland Berger Strategy Consultants 

Roland Berger Strategy Consultants, 1967 gegründet, ist eine der weltweit führenden Strategieberatungen. 

Mit 32 Büros in 22 Ländern ist das Unternehmen erfolgreich auf dem Weltmarkt aktiv. 

1630 Mitarbeiter haben im Jahr 2003 einen Umsatz von über 530 Mio. EUR erwirtschaftet. Die 

Strategieberatung ist eine unabhängige Partnerschaft im ausschließlichen Eigentum von derzeit 

mehr als 160 Partnern. 

Roland Berger berät international führende Industrie- und Dienstleistungsunternehmen sowie öffentliche 

Institutionen. Das Beratungsangebot umfasst alle Fragen der Unternehmensführung – von 

der strategischen Ausrichtung über die Einführung neuer Geschäftsmodelle und -prozesse sowie 

Organisationsstrukturen bis hin zur Informations- und Technologiestrategie. 

Roland Berger ist in globalen Kompetenzzentren organisiert. Die Industrie-Kompetenzzentren decken 

die großen Branchen ab, die funktionalen Kompetenzzentren bieten Wissen zu übergreifenden 

methodischen Fragestellungen. Für jedes Beratungsprojekt wird ein interdisziplinäres Projektteam 

zusammengestellt, das aus Experten mit branchenspezifischem und funktionalem Wissen besteht 

(siehe Abbildung 1).

1.2.2 Das Kompetenzmanagementsystem bei Roland Berger Strategy Consultants 91 

Abbildung 1: Kompetenzzentren von Roland Berger Strategy Consultants 

Das Interesse an der Thematik Wissensmanagement ergab sich bei Roland Berger insbesondere 

durch das rasante Unternehmenswachstum Mitte der neunziger Jahre. Denn die zunehmende Dezentralisierung 

und Internationalisierung wurde durch eine Dezentralisierung des Kompetenzreservoirs 

begleitet. Hierdurch bestand zum einen die Gefahr, dass besonders erfolgreiche Problemlösungsmethoden 

nicht unternehmensweit für andere Beratungsprojekte zur Verfügung stehen würden. 

Zum anderen werden die Projektteams bei Roland Berger aus Beratern von verschiedenen nationalen 

und internationalen Standorten zusammengestellt. Für die erfolgreiche Durchführung eines 

Beratungsprojekts ist es jedoch erforderlich, die geeigneten individuellen Kompetenzträger zu finden. 

Daher besteht Bedarf für ein effizientes und effektives computerbasiertes Wissensmanagementsystem, 

das zum einen die Speicherung, das Auffinden und den Zugang zu Wissensinhalten, 

wie z.B. Best Practices, weltweit ermöglicht und zum anderen die weltweite Identifikation von 

Kompetenzträgern erlaubt. 

1.2.2.3 Das computerbasierte Wissensmanagementsystem BRAIN 

Das Kompetenzmanagementsystem ist eine Komponente des ganzheitlichen, computerbasierten 

Wissensmanagementsystems bei Roland Berger. Um das im Unternehmen weltweit verstreute Wissen 

transparent zu machen und allen Mitarbeitern Zugriff auf dieses Wissen zu ermöglichen sowie 

die richtigen Mitarbeiter für die Projektzusammenstellung zu identifizieren, sollte ein allgemein zugängliches 

„organisationales Gedächtnis“ aufgebaut werden. Das Ergebnis dieser Wissensmanagement-Initiative 

ist das computerbasierte Wissensmanagementsystem BRAIN („Berger Research 

And Information Network“). Das Ziel von BRAIN ist es, nicht nur den Beratern weltweit entsprechend 

ihrer Berechtigung über eine Plattform Zugriff auf alle beratungsrelevanten Wissensinhalte 

zu ermöglichen, sondern auch den Austausch von Wissen untereinander anzuregen.


Informationstechnisch ist BRAIN als ein Internetportal (siehe Abbildung 2) aufgebaut und im Wesentlichen 

auf Plattformen für datenbank- und internetbezogene Standardsoftware (Oracle, Livelink) 

realisiert. Alle Anwendungen von BRAIN lassen sich über herkömmliche Webbrowser bedienen. 

Abbildung 2: Screenshot von BRAIN 

Von BRAIN aus können verschiedene Wissensmanagement-Anwendungen aufgerufen werden. 

Hierzu gehören insbesondere die verschiedenen Komponenten von „proCYCLE“. BRAIN dient 

hier als gemeinsame Plattform von integrierten Management-Tools, die den Kernprozess der Unternehmensberatung, 

den Projektlebenszyklus, unterstützen. Die Komponenten unterstützen bei der 

Durchführung eines Beratungsprojekts von der Kontaktaufnahme über die Projektakquisition und 

-umsetzung bis hin zur Dokumentation der Projektergebnisse (siehe Abbildung 3). 

Kontakt 

proCLIENT: 

Kundenzufriedenheits 

Messung Dokumen 

proKNOWLEDGE: tation 

Knowledge Management 

Datenbank 

proFILE: 

Human Resources 

Management 

Kontaktmanagement 

After 

sales Sales 

Delivery 

Projekt 

proRELATION: CRM Tool 

Angebot 

Abbildung 3: Der proCYCLE-Prozess 

proKNOWLEDGE: 

Knowledge Management Datenbank 

proFILE: 

Human Resources Management 

proCAP: 

Kapazitätsplanungstool 

proMIS: 

Management Information System


Das Customer-Relationship-Management-System (proRELATION) ist ein Akquisitionsmanagement-Tool, 

mit dem sich u.a. auch Umsatzprognosen erstellen lassen. Über das Kapazitätsplanungstool 

(proCAP) ist es möglich, die Mitarbeiter-Kapazitäten zu planen und eine Auslastungsvorschau 

zu erzeugen. Das Management wird durch das Management Information System (proMIS) mit aktuellen 

Controlling-Informationen versorgt. Die Bewertung der generierten Projektergebnisse durch 

die Kunden wird durch ein Client-Feedback-Tool (proCLIENT) abgefragt. Das Wissensmanagement-Tool 

(proKNOWLEDGE) dient dazu, das in den Projekten gewonnene Wissen zu konservieren 

und damit für zukünftige Projekte bereitzustellen. Um die Aktivitäten im Rahmen des Wissensmanagements 

möglichst eng an den Beratungsprozess anzubinden, wird der Wissensmanagementprozess 

nach dem Prinzip der projektbegleitenden Dokumentation organisiert. Von der Anmeldung 

einer Projektnummer bis zur Ablage von Präsentationen, Protokollen und Studien, die im Laufe 

eines Projekts entstehen, werden alle Unterlagen in einem virtuellen Team- oder Projektraum gesammelt 

und strukturiert abgelegt (siehe Abbildung 4). 

Projekt- 

Module 

Berater 

Klienten- 

Materialien 

Eröffnung der 

Projektnummer 

PROJEKT 

Virtueller Teamraum 

Angebote Notizen Präsentationen 

Analysen/ 

Daten 

Datenbanken 

Spreadsheets 

Schließung der 

Projektnummer 

"EISY 

Check" 

BRAIN 

Knowledge 

Warehouse 

Zeit 

• EISY Formulare 

• Präsentationen 

• Angebote 

• etc. 

.bits 

business 

research 

Abbildung 4: Projektbegleitende Dokumentation über einen virtuellen Team- oder Projektraum 

Nach Projektabschluss wird das innerhalb der Projekte generierte Erfahrungswissen im Sinne von 

Lessons Learned über einen strukturierten Debriefing-Prozess bewertet und festgehalten. Hierbei 

werden alle Projektunterlagen (z.B. Angebote, Notizen, Präsentationen oder Analysen) durch den so 

genannten EISY-Check (Experience Information SYstem) gefiltert und in proKNOWLEDGE abgespeichert. 

Dieses Wissen steht für zukünftige Projekte zur Verfügung und kann über BRAIN weltweit 

aufgerufen werden. 

Eine zentrale Komponente von proCYCLE ist das Tool zum computerbasierten Management von 

Kompetenzen (proSKILLS). In proSKILLS werden in den individuellen Kompetenzprofilen der 

Berater nicht nur Daten über ihre Schul- und Hochschulausbildung abgelegt, sondern beispielsweise 

auch über ihre Sprach-, Branchen- oder Methodenkompetenzen. Die individuellen Kompetenzprofile 

werden von allen Beratern laufend nach Abschluss eines Projekts mit ihren neu hinzugewonnenen 

Kompetenzen ergänzt und aktualisiert. Dem einzelnen Berater dient proSKILLS nicht nur dazu, 

seine Kompetenzen weltweit verfügbar zu machen und sich so für den zukünftigen Einsatz in Pro-


jekten anzubieten. Vielmehr bietet proSKILLS auch die Möglichkeit zur Suche nach Beratern, die 

in einem bestimmten Wissensgebiet besonders kompetent sind und damit für einen Wissenstransfer 

in Frage kommen. In Abbildung 5 ist die Suchmaske von proSKILLS abgebildet. Das Kompetenzmanagementsystem 

proSKILLS unterstützt zudem auch die Zusammenstellung von Projektteams. 

Bei einer Projektanfrage kann ein Projektmanager über proSKILLS diejenigen Kompetenzträger 

identifizieren, die für die erfolgreiche Durchführung des geplanten Beratungsprojekts erforderlich 

sind. Außerdem kann er aufgrund der Verknüpfung von proSKILLS mit proCAP – dem Kapazitätsplanungstool 

(siehe oben) – aktuelle Informationen über die Verfügbarkeit der potenziellen Projektteammitglieder 

erhalten. 

Neben der Suche nach Kompetenzträgern für den Wissenstransfer und der Zusammenstellung von 

Projektteams seitens eines Projektmanagers wird proSKILLS von der Personalabteilung auch als 

Tool im Rahmen der gesamtbetrieblichen Personalentwicklung genutzt. 

Abbildung 5: Screenshot aus proSKILLS 

1.2.2.4 Vorgehensweise bei der Einführung von BRAIN 

Die Einführung eines Wissensmanagementsystems ist ein komplexer Prozess, bei dem unterschiedliche 

Aspekte berücksichtigt werden müssen. Daher wurde bei der Einführung von BRAIN besonderer 

Wert auf die notwendige Integration organisatorischer, technischer und kultureller Aspekte in 

einem umfassenden Wissensmanagementsystem gelegt. Abbildung 6 visualisiert wichtige Phasen 

bei der Einführung von BRAIN.


Knowledge audits 

IT-Pflichtenheft 

BRAIN Pilotinstallation 

Entwicklung RB-Thesaurus 

BRAIN Implementierung 

Anpassung/MA-Bewertung 

Internationaler Roll-out 

Weiterentwicklung 

1997 1998 1999-2004 

Start 

Abbildung 6: Projektablauf BRAIN 

Bis Ende 1997 wurden umfassende „Knowledge audits“ durchgeführt. Hierzu gehörten die Analyse 

des strategisch relevanten Wissens und der wissensorientierten Beratungsprozesse. Ein Analyseergebnis 

der Knowledge audits ist die Übersicht über die verschiedenen Informations- und Wissenssphären, 

in denen sich die Berater während ihrer alltäglichen Arbeit bewegen (siehe Abbildung 7 

auf der nächsten Seite). Diese Informations- und Wissenssphären eines Beraters waren der Bezugsrahmen 

für die Gestaltung von BRAIN. 

Auf die Analyse der erforderlichen informationstechnischen Infrastruktur folgte die Erstellung eines 

IT-Pflichtenheftes. Darauf aufbauend erfolgte die informationstechnische Umsetzung einer ersten 

BRAIN-Pilotversion. Diese Pilotversion wurde in ausgewählten Abteilungen installiert und erprobt. 

Parallel dazu wurde mit der Entwicklung des RB-Thesaurus begonnen. Ein wichtiger Aspekt hierbei 

war die Einbeziehung von Mitarbeitern aus sämtlichen Organisationseinheiten von Roland Berger 

in den Entwicklungs- und Implementierungsprozess. In mehreren Evaluationsdurchläufen wurden 

Schwachstellen identifiziert und entsprechend verbessert. In Zusammenarbeit mit einem externen 

EDV-Dienstleister wurde die Implementierung von BRAIN nach sechs Monaten abgeschlossen. 

Nach der Implementierung von BRAIN folgte die Schulung der Nutzer im Rahmen eines dreimonatigen 

Roll-outs. In allen nationalen und internationalen Büros von Roland Berger wurden Berater 

und Service-Mitarbeiter in den Umgang von BRAIN eingeführt. Seitdem können alle Nutzer weltweit 

über die BRAIN-Oberfläche in ihrem Web-Browser – entsprechend ihrer Zugriffsberechtigung 

– auf alle Wissensquellen, wie z.B. Best Practices und Kompetenzprofile von Beratern, zugreifen.


Online 

Datenbanken 

Statistiken 

CD-ROMs 

Verbände 

Internet 

Who´s Who 

Internet 

Digest 

Benchmarks 

Publikationen 

News 

Services 

Tools 

Externe 

Wissenssphäre 

Organisatorische 


Lessons learned 

CC- 


Key Account Mgt. 

Projekt - 


Präsentationen 

Briefe 

Persönliche 


Memos 

Tasks 

Brancheninformationen 

Internal 

Services 

Vorträge 

Projekte 

Presse 

Skills 

Bücher 

Abbildung 7: Informations- und Wissenssphären eines Beraters 

Firmeninformationen 

Allgemeine/ 

Wirtschaftspresse 

Die Entwicklung eines Kompetenzmanagementsystems im Besonderen und eines Wissensmanagementsystems 

im Allgemeinen ist kein einmaliger Akt. Vielmehr handelt es sich um einen Prozess 

der permanenten Veränderung und Verbesserung. Diesem Aspekt wird durch die Weiterentwicklung 

von BRAIN Rechnung getragen. Die geplanten Weiterentwicklungen gehen dahin, dass die 

Ablage von Wissen zeitnäher und effizienter erfolgt. Außerdem soll der Zugriff auf einzelne Wissenskomponenten 

spezifischer auf die Bedürfnisse und Berechtigungen einzelner Nutzer zugeschnitten 

werden. Eine weitere Entwicklungsrichtung besteht in der Bereicherung von BRAIN 

durch Ontologien. Der Ansatzpunkt zur Integration von Ontologien in BRAIN ist der RB-Thesaurus. 

Im RB-Thesaurus ist bereits der terminologische Apparat zur Beschreibung der Wissensinhalte 

spezifiziert. Dieser terminologische Apparat kann als Grundlage für die Entwicklung einer „RB- 

Ontologie“ herangezogen werden. Durch eine Detaillierung der Konzepte und der Relationen zwischen 

den Konzepten sowie der Integration von semantischen Regeln in Form von Integritäts- und 

Inferenzregeln könnte BRAIN an die Wahrnehmung, das Denken und das Problemlösen der Berater 

angepasst werden. Dadurch ließe sich nicht nur die Effektivität von BRAIN steigern, sondern es 

könnten auch Anfrageergebnisse generiert werden, die „intelligent“ erscheinen.


1.2.2.5 Organisatorische Verankerung von BRAIN 

Wissensmanagement ist bei Roland Berger sowohl in zentralen als auch in dezentralen Einheiten 

organisatorisch verankert. Abbildung 8 visualisiert die organisatorische Verankerung des Wissensmanagements 

bei Roland Berger. 

Abbildung 8: Organisatorische Verankerung des Wissensmanagements bei Roland Berger 

Auf der zentralisierten Seite stehen der „Chief Knowledge Officer“ und seine Stabsabteilung „.bits“ 

(business intelligence & technology services). Der Chief Knowledge Officer ist für das gesamte 

Wissensmanagement bei Roland Berger verantwortlich. Seine wesentlichen Aufgaben sind die strategische 

Verankerung und Motivation für das Wissensmanagement sowie die Konzeption, Unterstützung 

und Sicherstellung der einzelnen Wissensmanagement-Aktivitäten. Seine Stabsabteilung 

„.bits“ umfasst unter anderem die Abteilungen Business Research, Online Services (Knowledge 

Center) und Business Technology. Der Abteilung Business Research kommt im Rahmen des Wissensmanagements 

zum einen die Aufgabe zu, Wissen über Märkte, Branchen oder technische Entwicklungen 

zu generieren und Beratern für ihre Projektarbeit, den Kompetenzzentren und anderen 

Service-Einheiten zur Verfügung zustellen. Zum anderen wird durch sie der EISY-Check durchgeführt. 

Das in einem Projekt generierte Wissen wird gefiltert, informationstechnisch aufbereitet und 

in BRAIN eingestellt und somit für zukünftige Projekte vorgehalten. Die Abteilung Online Services 

betätigt sich als Content-Manager für BRAIN – verhindert so Redundanzen in den Systeminhalten 

und -strukturen und sorgt zudem für eine permanente Anpassung der Systemarchitektur an die Bedürfnisse 

der Berater und die Belange des Gesamtunternehmens. Schließlich unterstützt die Abteilung 

Business Technology die Anpassung der Applikationen an die Belange der Berater und betreibt 

die gesamte informations- und wissenstechnische Infrastruktur von BRAIN. 

Auf der dezentralen Seite stehen die „Knowledge Sponsoren“, also die einzelnen Kompetenzzentren 

und Partner von Roland Berger. In ihrer Rolle als „Sponsoren“ liefern sie, individuell oder über ihre 

Projektarbeit, die relevanten Wissensinhalte für das Wissensmanagementsystem BRAIN.


1.2.2.6 Kritische Faktoren für den Erfolg von BRAIN 

Das organisationale Wissen und die Kompetenzen der Berater bilden die Grundlage für die Schaffung 

und Erhaltung von Wettbewerbsvorteilen und Erfolgspotenzialen für Roland Berger. Das Ziel 

von BRAIN ist es, durch seine verschiedenen Anwendungen das Management von Wissen im Allgemeinen 

und von Kompetenzen im Besonderen zu unterstützten. Um dieses Ziel zu erreichen und 

damit den Erfolg von BRAIN zu gewährleisten, sind verschiedene kritische Faktoren zu berücksichtigen. 

Hierzu gehören die breit angelegte Unterstützung durch und Integration vom Top-Management 

und sämtlichen anderen Mitarbeitern, die Orientierung an einem ganzheitlichen Wissensmanagementansatz, 

die Motivation zur Nutzung von BRAIN sowie die Überbrückung der terminologischen 

Diversität. 

Erstens waren für die erfolgreiche Umsetzung von ΒRAIN die Unterstützung des Top-Managements 

und die frühzeitige Einbindung aller Organisationseinheiten erfolgskritisch. Die Einbindung 

und das permanente Commitment des Top-Managements waren bei der Zielidentifikation und -gewichtung, 

der Bereitstellung der notwendigen finanziellen und personellen Ressourcen sowie für 

die permanente „Patenschaft“ von Relevanz. Die breite Einbindung aller nationalen wie internationalen 

Organisationseinheiten schon zu Beginn der Konzeptphase des Wissensmanagementsystems 

führte zu einer Berücksichtigung sämtlicher Nutzerinteressen und zu einer extrem hohen Identifikation 

mit dem Wissensmanagementsystem BRAIN. 

Zweitens wurde bei der Entwicklung von BRAIN als Leitidee ein ganzheitliches Wissensmanagement 

angestrebt. Es sollten nicht einzelne Wissensmanagement-Tools zur Unterstützung bestimmter 

Phasen des Beratungsprozesses isoliert voneinander als Insellösung entwickelt werden. Stattdessen 

lag der Fokus bei der Entwicklung von BRAIN auf der Unterstützung des gesamten Beratungsprozesses 

(Vollständigkeitsaspekt) und der Integration der einzelnen Wissensmanagement-Tools auf 

einer gemeinsamen Plattform (Integrationsaspekt). 

Drittens spielt die Motivation der Nutzer zum Wissensmanagement eine besondere Rolle. Zum 

einen wird einer möglichen Ablehnungshaltung gegenüber BRAIN durch einen permanenten Anpassungsprozess 

auf die Bedürfnisse der Nutzer entsprechend ihrer Verbesserungsvorschläge vorgebeugt. 

Zum anderen ist Wissensmanagement in den Bewertungs- und Beförderungsprozess für alle 

Mitarbeiter, insbesondere für die Berater, integriert. Eine weitere Motivation, speziell für Berater, 

zur Nutzung von BRAIN hängt eng mit dem Kompetenzmanagementsystem proSKILLS zusammen. 

Denn die Zusammenstellung von Projektteams verläuft primär über proSKILLS. Im Rahmen 

der Projektplanung wird in proSKILLS recherchiert, welcher Mitarbeiter die richtigen Kompetenzen 

für die erfolgreiche Durchführung des Projekts besitzt und somit als Mitglied des geplanten 

Projektteams in Frage kommt. Anschließend wird über proCAP ermittelt, ob die gefundenen Kompetenzträger 

auch zeitlich verfügbar sind. In dieser Art der Projektteam-Zusammenstellung ist auch 

die Motivation der Berater begründet, ihre Kompetenzprofile stets auf dem aktuellsten Stand zu halten. 

Schließlich enthält BRAIN einen einheitlichen terminologischen Apparat zur Beschreibung der relevanten 

Wissensinhalte. Denn die verschiedenartigen „Sprachkulturen“ oder „Sprachwelten“ mit 

differierenden Begriffsbezeichnungen und uneinheitlichen Vorverständnissen können die Kommunikation 

über das in den jeweiligen Unternehmensteilen jeweils vorhandene Wissen und das zur 

Aufgabenerfüllung benötigte, projektspezifische Know-how erheblich behindern. Durch die Internationalisierung 

und dezentrale Organisation ist Roland Berger erheblich mit diesem Problem konfrontiert. 

Um der terminologischen Diversität vorzubeugen, wurde in BRAIN der RB-Thesaurus integriert. 

Der RB-Thesaurus umfasst weit über 4.000 so genannte Deskriptoren. Bei Deskriptoren


handelt es sich um genormte Begriffe, die für die Verschlagwortung und Suche der Wissensinhalte 

in BRAIN, z.B. Begriffe zur Beschreibung der Beraterkompetenzen, verwendet werden. Im RB- 

Thesaurus sind diese Begriffe hierarchisch in Form einer Taxonomie über (maximal) vier Ebenen 

angeordnet. Abbildung 9 visualisiert vier hierarchische Ebenen dieser Taxonomie zur Strukturierung 

von Beraterkompetenzen. 

Abbildung 9: Thesaurus zur Strukturierung von Beraterkompetenzen 

Zur näheren Beschreibung der Begriffe ist jeweils eine Erläuterung beigefügt. Solche Erläuterungen 

sind immer dann notwendig, wenn die Bedeutung eines Begriffs nicht eindeutig ist oder der Begriff 

auf einen bestimmten Bereich eingeschränkt werden soll. Neben der hierarchischen Beziehung der 

Begriffe sind im RB-Thesaurus weitere Beziehungen spezifiziert. Zum einen sind zwischen den Deskriptoren 

und Non-Deskriptoren-Äquivalenzrelationen festgelegt. Dadurch wird es möglich, innerhalb 

des RB-Thesaurus sowohl Synonyme (z.B. Erfolgsfaktor und Wettbewerbsfaktor) als auch 

Quasi-Synonyme (z.B. Sortiment und Sortimentspolitik) zu spezifizieren. Zum anderen können die 

Deskriptoren mittels Assoziationsrelationen mit verwandten Begriffen in Relation gesetzt werden 

(z.B. Joint Venture und Auslandsinvestition).


für die Karl Schumacher Maschinenbau GmbH 


Karl Schumacher Maschinenbau GmbH 

1.2.3.1 Einleitung 

In der Anlagen- und Maschinenbaubranche, insbesondere bei kleinen und mittelgroßen Unternehmen, 

vollzieht sich derzeit ein dramatischer Wandel. Der Übergang des Industriezeitalters ins Informationszeitalter 

verlangt von vielen Unternehmen eine vollständige Reorganisation der wertschöpfenden 

Geschäftsprozesse. Eine hohe Innovationsgeschwindigkeit im Maschinenbau verlangt 

von den Herstellern den Einsatz neuer Technologien. Moderne Hydraulik- und Pneumatiksysteme 

sowie Elektronikkomponenten sind aus den heutigen Produkten nicht mehr weg zu denken. Zusätzlich 

werden bei der Entstehung neuer Produkte im Zuge einer stärkeren Produktdifferenzierung 

neue Informationstechnologien aus den Bereichen Mikroelektronik, Softwareentwicklung sowie Informations- 

und Kommunikationstechnik eingesetzt. 

Neben globalem Wettbewerb, steigender Produktkomplexität und immer kürzeren Entwicklungszeiten 

steht heute die konsequente Qualitätssicherung der Produkte im Mittelpunkt jedes Unternehmens. 

Bei der Qualitätssicherung in der Anlagen- und Maschinenbaubranche spielt die Identifikation 

von internen Kompetenzträgern für eine kundenorientierte Auftragsabwicklung eine große Rolle. 

Gerade die kleinen und mittelgroßen Unternehmen verfügen oft über begrenzte personelle, monetäre 

und technisch-organisatorische Ressourcen, um den Marktanforderungen gerecht zu werden. 1) 

Diese Komplexitätslücke zwischen den Marktanforderungen und den zur Verfügung stehenden 

Ressourcen wird durch „neue“ Wissensmanagementansätze, hier insbesondere Kompetenzmanagementsysteme 

geschlossen, in denen das vorhandene Mitarbeiterwissen und die Erfahrungen aus unterschiedlichsten 

Bereichen gesammelt und gezielt in den Unternehmensprozessen genutzt werden. 

1.2.3.2 Karl Schumacher Maschinenbau GmbH – ein Unternehmensporträt 

Die Karl Schumacher Maschinenbau GmbH (KSM) wurde 1964 gegründet und gehört mit ihren 

derzeit 25 Mitarbeitern zu den kleineren Anlagen- und Maschinenbauherstellern ihrer Branche. In 

den vergangenen 40 Jahren wurde eine Vielzahl von Sondermaschinen und Anlagen für die Automobil- 

und Elektrobranche hergestellt und erfolgreich in deren Produktionen eingesetzt. Hierbei 

wurde ein breites Spektrum aus den Bereichen Montage- und Handhabungstechnik sowie die Be- 

und Verarbeitung von Großserienteilen erfolgreich entwickelt, konstruiert und gefertigt. Das Leistungsspektrum 

der KSM beginnt bereits mit der ersten technischen Analyse des Produkts, für das 

dann in Zusammenarbeit mit dem Kunden („Simultaneous Engineering”) eine Lösung der Montage- 

und Inbetriebnahme entwickelt wird. Dazu gehören: 

• Planung (beginnend mit der Produktanalyse) 

• Konstruktion und Dokumentation der Einrichtungen und Maschinen unter Beachtung der Kundenvorschriften 

(Werksnormen und Liefervorschriften) 

1) Vgl. HERMEIER (2000) S. 48; THOMSEN (2000) S. 34 ff.

102 1.2.3 Bedeutung von Kompetenzmanagementsystemen 

• Fertigung aller Teile mit den Fertigungsmöglichkeiten: 

- Sägen 

- Fräsen 

- Drehen 

- Schleifen 

- Erodieren 

- Schweißen 

- Wärme- und Oberflächenbehandlung 

• Fertigung und Montage der Hydraulik, Pneumatik und Elektrosteuerungssysteme 

• Montage der Maschinen 

• Kundenmontage und Inbetriebnahme durch erfahrene Inbetriebnehmer 

• Schulung und Training auf KSM-Systemen 

• Lieferung von Ersatzteilen 

• Umbaumaßnahmen an vorhandenen Anlagen bei Typenerweiterung oder -änderung. 

Zu den von KSM erfolgreich entwickelten und hergestellten Anlagen gehören u.a.: 

• halbautomatische Montage- und Prüflinien für Pkw-Servolenkungen 

• Montagelinien für Hinterachsgetriebe 

• halbautomatische Montagelinien für Antriebswellen 

• halbautomatische Montagelinien für Pkw-Zwischenwellen 

• vollautomatische Montagemaschinen für Pkw-Scharniere und Türfeststeller 

• halbautomatische Bohr- und Fräsmaschine für Präzisionsmanometerkörper 

• Messmaschinen zur Zylinderkopf- und Dichtungsmessung 

• Dichtigkeitsprüfmaschinen für Kfz-Wasserpumpen 

• verkettete Montageanlagen für Pkw-Bremsenvormontagen 

• vollautomatische Rundtischmaschinen zum Montieren von Pkw-Handgriffen 

• vollautomatische Linien zur Vormontage von Pkw-Kurbelwellen 

• Montage- und Testanlagen für Pkw-Schwimmsattelbremsen 

• Lean-Manufacturing-Montagelinien für Differenzialgetriebe. 

1.2.3.3 Kompetenzmanagement als Rahmenbedingung der Qualitätssicherung 

Ein Unternehmen, das langfristig und gewinnbringend auf dem Markt agieren will, muss seine 

Kunden durch Qualität der angebotenen Sachgüter und Dienstleistungen überzeugen können. Die 

KSM bezeichnet Qualität als die Fähigkeit, vordefinierte und vorausgesetzte Kundenforderungen 

termingerecht und in der entsprechenden Erstklassigkeit zu erfüllen. Die Qualität der konstruierten 

Maschinen wird nicht nur durch den Herstellungsprozess bestimmt. Sie hat eine hohe Bedeutung

1.2.3 Bedeutung von Kompetenzmanagementsystemen 103 

auf allen Ebenen der Wertschöpfungskette von der Erstkontaktierung des Kunden über Auftragsabwicklung 

bis hin zur Auslieferung des Produkts und zum Kundendienst vor Ort. 

Eine effiziente Qualitätssicherung im Rahmen eines betrieblichen Qualitätsmanagements beinhaltet 

neben der Analyse aller Unternehmensprozesse zum einen auch die ständige Erfassung und Förderung 

der Mitarbeiterqualifikationen und zum anderen die Verbesserung der organisationalen Kompetenzen 

(vgl. Abbildung 10). Ein erfolgreiches Qualitätsmanagement kann den Unternehmen einen 

konzeptionellen Grundstein zur Erzielung komparativer Wettbewerbsvorteile gewährleisten. Ein 

wesentliches Merkmal der Norm ISO 9001 ist die Sicherstellung eines kontinuierlichen Verbesserungsprozesses. 

Das bedeutet, dass bestehende Ablaufstrukturen und -anweisungen durch interne 

Audits regelmäßig überprüft werden. Die Stärkung der Wettbewerbsposition und das Funktionieren 

der ISO-Norm kann nur dann erreicht werden, wenn alle Mitarbeiter in das Konzept einbezogen 

werden, indem sie bereit sind, ihr Wissen zu teilen und es über Kompetenzmanagementsysteme allen 

anderen zugänglich zu machen. 2) Durch einen über das gesamte Unternehmen verteilten Vernetzungsprozess 

aller individuellen und organisationalen Kompetenzen kann es zu einer kontinuierlichen 

Verbesserung von Abläufen und Prozessen kommen. Diese Verbesserung spiegelt sich wiederum 

in der Wettbewerbsposition des Unternehmens wider. 

Kulturbewusstes 

Management 

• Etablierung einer 

Qualitätskultur 

2) Vgl. ISHIKAWA (1985) S. 24. 

Bestandteile eines Total Quality Management 

Qualitätsziele 

• Qualität als 

strategisches 

Unternehmensziel 

3) In Anlehnung an DRÖSSER (1997) S. 35. 

Qualität als 

integraler Bestandteil 

der Führungsphilosophie 

Qualitätspolitik 

• Qualität als 

unternehmensweite 

Aufgabe 

• Erweiterter 

Qualitätsbegriff 

(interne / externe 

Kunden) 

• Prozessmanagement 

(Null-Fehler- 

Konzept) 

Rahmenbedingungen 

• personelle 

(Erfassung und 

Förderung der 

individuellen 

Mitarbeiterqualität) 

• organisationale 

(Qualitätsgruppenkonzepte, 

im Sinne 

von Managementorganisationaler 

Kompetenz) 

Abbildung 10: Bausteine des Total Quality Managements 3) 

Methoden und 

Instrumente 

• FMEA 

• Kostenrechnungsverfahren 

• Personalmanagement


Durch den Einsatz von Kompetenzmanagementsystemen bei der Karl Schumacher Maschinenbau 

GmbH soll gewährleistet werden, Informationen der Wissensträger zur Qualitätssicherung sowohl 

strukturiert als auch unstrukturiert suchen zu können. Die Kompetenzmanagementsysteme sollen so 

konstruiert werden, dass die potenziellen Anwender in der Lage sind, Know-how und Kenntnisse 

der Mitarbeiter über die Ablagestruktur der integrierten Daten ohne explizite Recherchevorgänge 

ausfindig zu machen. 

Abgesehen von den übergeordneten Zielen lassen sich auch folgende Unterziele definieren: 

• Reorganisation des vorhandenen Wissens im Unternehmen, 

• relevante Wissensträger identifizieren und in Kompetenzmanagementsystemen abgelegte 

Informationen ausführlich und greifbar machen, 

• Archivierung des Wissens, das durch Teilen oder Ausscheiden von Mitarbeitergruppen 

verloren geht, 

• Wissenslücken erkennen und schließen, 

• Schaffung einer Wissensplattform zum Austausch von horizontalen und vertikalen 

Informationen sowie 

• Ergänzung und Systematisierung der internen Personalwirtschaft, insbesondere der 

Maßnahmen zu Stellenbesetzung, Mitarbeiterentwicklung und Mitarbeiteranalysen. 

Das im Kapitel 1.2.3.2 kurz dargestellte Unternehmensporträt verdeutlicht die große Bandbreite der 

angebotenen KSM-Leistungen. Diesbezüglich gehört die Konzentration auf Kompetenzmanagement 

zu den wichtigen Aufgaben der KSM. Die intensive Auseinandersetzung der Geschäftsleitung 

mit Kompetenzmanagement entstand in Folge konkreter Problemstellungen im Bereich der Auftragsabwicklung. 

Die Geschäftsführung erkannte rasch, dass unzureichende Kenntnisse über das 

vorhandene Wissen der Mitarbeiter erhebliche Ineffizienzen verursachten, die zu einem kontinuierlichen 

Anstieg der Kosten geführt haben. 

Des Weiteren haben sich aus den Gesichtspunkten der kundenorientierten Auftragsabwicklung innerhalb 

der einzelnen Geschäftsbereiche folgende Fragestellungen gebildet: 

• Verfügt die KSM über personelle Ressourcen, um die Umsatzziele für das laufende Geschäftsjahr 

zu realisieren? 

• Verfügen die KSM-Mitarbeiter über bestimmte Kompetenzen, um einen Kundenauftrag in hoher 

Qualität, termingerecht und im Rahmen des vorhandenen finanziellen Budgets durchführen 

zu können? 

• Ist die KSM in der Lage, innerhalb kurzer Zeit für die Durchführung von Service-Arbeiten an 

Maschinen, die vor Jahren ausgeliefert wurden, den richtigen Wissensträger zu identifizieren? 

• In welcher Weise kann die KSM das interne, zur Verfügung stehende Wissen bestmöglich nutzen, 

um den teuren Zukauf externen Wissens zu umgehen? 

Alle diese Fragen können in einer Aussage über die Verfügbarkeit von individuellen und organisationalen 

Kompetenzen zu einem bestimmten Zeitpunkt an einem bestimmten Ort zusammengefasst 

werden. Sie signalisieren gleichzeitig den Bedarf nach Instrumenten zur Identifizierung und Strukturierung 

des vorhandenen Wissens im Unternehmen.


1.2.3.4 Vereinigung der individuellen und organisationalen Kompetenzen 

Der wirtschaftliche Erfolg eines Unternehmens beruht auf der Kooperationsfähigkeit zwischen dem 

individuellen Wissensträger und dem kollektiven Wissenspotenzial der gesamten Organisation. 4) 

Die Vereinigung der individuellen und organisationalen Kompetenzen vermag demzufolge innerhalb 

einer Organisation den Wissensaustausch und gleichzeitig die Qualitätssicherung zu erleichtern. 

Die folgende Abbildung verdeutlicht die Interdependenzen zwischen den beiden Kompetenzarten, 

die für die weitere Arbeit als besonderes relevant angesehen werden. 

individueller 

Kompetenzträger 

Team 

Unternehmen als 

Organisation 

Abbildung 11: Individuelle und organisationale Kompetenzen 5) 

1.2.3.4.1 Die Bedeutung der individuellen Kompetenzen 

Netzwerk 

Kompetenzmanagement als ein Teil des Wissensmanagements beginnt bei einzelnen Mitarbeitern 

auf allen hierarchischen Ebenen eines Unternehmens. Individuelle Kompetenzen sind das implizite 

Wissen einzelner Wissensträger. Der zielgerechte Umgang mit den eigenen Kenntnissen und Fertigkeiten 

ist die Grundplattform für ein gut funktionierendes Wissensmanagement. 6) Diesbezüglich 

umfasst bei KSM das Spektrum der individuellen Wissensträger alle Mitarbeiter. Sie sind als Angehörige 

des Unternehmens anzusehen, die zur Beschleunigung von Prozessen und zur Weiterentwicklung 

des gesamten Unternehmens beisteuern. 

4) Vgl. HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 47. 

5) Vgl. HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 47. 

6) Vgl. PROBST/RAUB/ROMHARDT (2003) S. 21.


AL-LAHAM 7) unterscheidet eine Reihe signifikanter Charakteristika des Wissensträgers bei der Repräsentation, 

dem Erwerb und der Anwendung von Wissen. Das Wissen eines Wissensträgers kann 

nur zum Teil auf eine reine Repräsentation von Informationen zurückgeführt werden. Den Bearbeitungsprozess 

von Informationen bezeichnet AL-LAHAM als eine Rückkoppelung des vorhandenen 

Wissens eines Wissensträgers. Der individuelle Wissenserwerb wird ebenfalls sehr stark vom bereits 

vorhandenen Wissen beeinflusst. Eine sehr hohe Bedeutung der Qualitätssicherung weist die 

Anwendung des individuellen Wissens auf. Das Anwendungspotenzial des individuellen Wissens 

wird bei der KSM dreifach ausdifferenziert. Die individuellen Kompetenzen werden in die Kompetenzarten: 

Fachkompetenz, Methodenkompetenz und Sozialkompetenz unterteilt (vgl. Abbildung 

12). 

Methoden- 

Kompetenz 

7) Vgl. AL-LAHAM (2003) S. 37 f. 

8) In Anlehnung an: AL-LAHAM (2003) S. 39. 

Fachkompetenz 

Personelle 

Kompetenz 

Sozial- 

Kompetenz 

Abbildung 12: Zusammensetzung der individuellen Kompetenzen 8)


Die Fachkompetenz dient der Erreichung des berufsspezifischen Wissens (Fachwissen). Bei der 

Fachkompetenz ist das vorhandene Wissen so stark präsent, dass eine Zusammenarbeit mit anderen 

Wissensträgern nicht notwendig ist. Auf Grund der extrem heterogenen fach- und unternehmensspezifischen 

Anforderungen an Facharbeiter, Konstruktionsmitarbeiter, Ingenieure und kaufmännische 

Mitarbeiter der KSM wird der Erfassung dieser Informationen eine ganz besondere Sorgfalt 

gewidmet. Die Methodenkompetenz umfasst im Wesentlichen die situations- und fachübergreifenden 

Kenntnisse und Fertigkeiten des einzelnen Wissensträgers. Die Sozialkompetenz dient primär 

der Koordination von Wissensträgern bezüglich einer Zusammenarbeit zur Erreichung eines gemeinsamen 

Ziels. Sie bezieht sich auf den Einfluss eines Wissensträgers auf einen anderen Wissensträger 

und umgekehrt. Die gegenseitige Beeinflussung erfordert eine Kommunikation zwischen 

den Wissensträgern. Somit kann eine Weiterentwicklung der eigenen Kompetenzen gewährleistet 

werden. 

Eine klare Darstellung der individuellen Mitarbeiterkompetenzen hilft interne Fehlinterpretationen 

zu vermeiden. Die Transparenz der Mitarbeiterkompetenzen leistet einen positiven Beitrag zu einem 

besseren Verständnis der eigenen Aufgaben und schafft zugleich eine konstruktive Leistungsbereitschaft 

der Mitarbeiter. 

Das „Managen“ der individuellen Kompetenzen ermöglicht der Geschäftsleitung, den Zugang zum 

aktuellen Wissen der Wissensträger zu sichern. Bei Bedarf können aus den erfassten Informationen 

Experten und Spezialisten in den jeweiligen Bereichen identifiziert werden, um auf die Kenntnisse 

und Fertigkeiten dieser Personen zurückzugreifen. Gleichzeitig ist die Geschäftsleitung in der Lage, 

auf Grund der Erfassung der individuellen Kompetenzen das entscheidungsrelevante Wissen zu bewerten 

und gegebenenfalls bei Wissenslücken z.B. durch interne oder externe Weiterbildungsmaßnahmen 

entsprechend zu reagieren.


1.2.3.4.2 Die Bedeutung der organisationalen Kompetenzen 

Bei der Karl Schumacher Maschinenbau GmbH hängt die Realisierung der festgelegten Qualitätsziele 

nicht nur von den Kompetenzausprägungen der einzelnen Wissensträger ab, sondern auch vom 

kompetenzorientierten Management auf der organisationalen Ebene. Organisationale Kompetenzen 

sind das Resultat der Verknüpfung individueller Kompetenzen und haben einen hohen Einfluss auf 

die Wettbewerbskraft eines Unternehmens. 9) In der Wissensmanagement-Literatur wird organisationales 

Wissen häufig mit kollektivem Wissen gleichgesetzt. 10) Die KSM differenziert die organisationalen 

Kompetenzen wie folgt: 

• Teamwissen (Gruppenwissen), 

• organisationales Wissen und 

• Netzwerkwissen. 

a) Teamwissen (Gruppenwissen) 

Die Verrichtung von Team- oder Projektgruppenarbeiten ist für den Qualitätsstandard und die Entwicklung 

und Nutzung der organisationalen Kompetenzen von sehr großer Bedeutung. Auf Grund 

von Teamarbeiten wird das Wissen unter den Wissensträgern horizontal auf allen Unternehmensebenen 

ausgetauscht. Im Rahmen der Zusammenarbeit innerhalb eines Teams können gemeinsame 

Werte entwickelt und prozessbezogenes Wissen unter den Mitgliedern einer Gruppe ausgetauscht 

werden. Gruppenkompetenz entsteht aus partizipativen oder kollektiven Lernprozessen. Das in den 

Gruppen vorhandene Wissen kann im Gegensatz zu individuellem Wissen nicht abhanden kommen, 

wenn einzelne Gruppenmitglieder aus dem Unternehmen ausscheiden. 11) Diesbezüglich werden bei 

der KSM alle projektbezogenen Tätigkeiten in mittleren oder kleinen Gruppen durchgeführt. Damit 

wird sichergestellt, dass das Wissen für die nächsten Produktgenerationen innerhalb einer Gruppe 

oder Abteilung erhalten bleibt. 

b) Organisationales Wissen 

Organisationales Wissen kennzeichnet sich dadurch, dass es von allen Mitgliedern des Unternehmens 

geteilt wird. Dieses Wissen ist weit gehend vom einzelnen Wissensträger eines Unternehmens 

unabhängig und dient dem Unternehmen zur Aufgabenabwicklung und damit zur Erreichung seiner 

strategischen Ziele. 12) Das organisationale Wissen hat zur Aufgabe, neues Wissen zu erzeugen, dieses 

dann innerhalb der Organisation (hier über die gesamte Wertschöpfungskette) zu verteilen und 

in die auftragsbezogenen Prozesse zugunsten der Qualitätssicherung zu integrieren. 

9) Vgl. DOZ (1997) S. 55; PROBST/RAUB/ROMHARDT (2003) S. 71. 

10) Vgl. AL-LAHAM (2003) S. 39. 

11) Vgl. GÜLDENBERG (1997) S. 194; HINTERHUBER/HANDLBAUER/MATZLER (1997) S. 48. 

12) Vgl. AL-LAHAM (2003) S. 41 f.


Die KSM definiert den Wert des organisationalen Wissens als die Summe aller Kenntnisse und Fertigkeiten 

des einzelnen Wissensträgers in allen Stufen eines auftragsbezogenen Prozesses. Diese 

Prozesstufen werden nachfolgend ausführlicher hinsichtlich des handlungsbefähigenden Wissens 

dargestellt, das zur Prozessausführung benötigt wird. 

- Angebots- und Bestellprozess 

Im Angebots- und Bestellprozess liegt der Wert des organisationalen Wissens in den Mitarbeitern 

der Verkaufsabteilung. Dazu zählen Kenntnisse und Fertigkeiten über Struktur von Märkten, Verhandlungen 

mit potenziellen Kunden, Strukturierungen der Prozesse von der Angebotserstellung 

über Leistungs- und Liefergrenzen bis hin zur externen Lieferantenauswahl. Der Prozess der Angebotserstellung 

verlangt von den Mitarbeitern ein hohes Maß an technischem Know-how zur Ausarbeitung 

von Problemlösungen im Bereich der Angebotskalkulation unter Berücksichtigung aller 

möglichen Kosten und Ressourcenbedarfe. Marktanalysen liefern der KSM Informationen über 

Kompetenzen von Produzenten, Zwischenhändlern und Dienstleistungsbetrieben. Darüber hinaus 

werden Auskünfte über Qualitätseigenschaften der angebotenen Sachgüter oder Dienstleistungen 

ermittelt. Das Wissen über die Ermittlungsverfahren sowie die Genauigkeit und die Verlässlichkeit 

der Informationen spielt eine wesentliche Rolle bei der Durchführung der Wirtschaftlichkeitsberechnung 

und bei der Kombination dieser Daten mit anderen technischen Größen der Ingenieurwissenschaft. 

Im Rahmen des Angebots- und Bestellprozesses werden Leistungs- und Liefergrenzen 

für den Auftraggeber festgelegt. Diese beinhalten sämtliche technischen Berechnungen und 

ISO-Norm-Prüfunterlagen. Die Mitarbeiter der Einkaufsabteilung verfügen über Kompetenzen bei 

der Auswahl von geeigneten Unterlieferanten (hier handelt es sich insbesondere um hydraulische, 

pneumatische- und elektrische Baugruppen). Bestellvorgänge von Materialien und anderen Anlagenkomponenten 

erfolgen, wenn nicht anders von Auftraggeber erwünscht, auf der Basis des günstigsten, 

nicht des „billigsten“ Angebots. Diesbezüglich werden von den Mitarbeitern Kenntnisse 

über den aktuellen Stand der Marktentwicklung verlangt. 

- Entwicklungs- und Konstruktionsprozess 

Die Mitarbeiterkompetenzen des Entwicklungs- und Konstruktionsprozesses liegen im Bereich der 

ingenieurmäßigen Entwicklung und Konstruktion von Maschinen. Hier beschränken sich die Kompetenzen 

der Wissensträger nicht nur auf die Erstellung von Zeichnungen, Aufstellungsplänen und 

Ansichten, sondern auch auf komplette Maschinenkonstruktionen in 3D-Datenmodellen und -Layouts. 

Das Maschinenlayout beinhaltet gesamte Planungsprozesse, die mit der räumlichen Isometrie 

der verschiedenen Bauteile und mit der Aufstellung der einzelnen Maschinenteile inklusive deren 

Verkabelung zusammenhängen. 

- Fertigungsprozess 

Der Fertigungsprozess richtet sich in erster Linie auf die Kompetenzen der Mitarbeiter im Bereich 

der mechanischen Bearbeitung von Teilen und Maschinenkomponenten. Zur Realisierung des Fertigungsprozesses 

stehen den Mitarbeitern hoch moderne, computerbasierte Dreh-, Fräs- und Schleifmaschinen 

zur Verfügung. Der Umgang mit dieser Technik führt dazu, dass Erfahrungs- und Kontextwissen 

des einzelnen Wissensträgers als organisationales Wissen in der KSM-Philosophie weiter 

verwendet wird.


- Montage- und Inbetriebnahmeprozess 

Im Montage- und Inbetriebnahmeprozess liegt das organisationale Wissen in den Kenntnissen und 

Fertigkeiten der Wissensträger in erster Linie beim Zusammenbau von einzelnen Maschinenteilkomponenten, 

Montage der Hydraulik-, Pneumatik- und Elektrobauteile sowie bei der Durchführung 

von Tests hinsichtlich der Funktionalität der hergestellten Maschinen. Des Weiteren verfügen 

die Mitarbeiter über sicherheitstechnische Kenntnisse, die dann bei der Montage von Sicherheitseinrichtungen 

in halbautomatischen Maschinen, z.B. Bewegungsmeldern, Lichtschranken und computerbasierten 

Ausschaltvorrichtungen, eingesetzt werden. Der Montageprozess verlangt von den Wissensträgern 

außerdem Kenntnisse und Fertigkeiten in Bezug auf die Entwicklung und Einspielung 

der Steuerungssoftware. 

- Kundenservice und Schulungen 

Der wirtschaftliche Erfolg eines Unternehmens hängt stark von vielen Indikatoren des Kundenkreises 

ab. Dazu gehören z.B. Kundenbindung, Kundenunterstützung und Kundentreue. Entscheidend 

für eine langfristige Zusammenarbeit ist eine hohe Kundenzufriedenheit. Diesbezüglich spiegelt 

sich die organisationale KSM-Kompetenz in den Maßnahmen zur Kundenzufriedenheit wider. Die 

Wissensträger sind durch ihre Kompetenzen in der Lage, den Kunden vor Ort Schulungen anzubieten. 

Hier werden insbesondere Schulungsanweisungen zum ordnungsmäßigen Umgang mit gelieferten 

Maschinen übermittelt. Sie gewährleisten einerseits die Übermittlung von Maschinenkenntnissen 

an den Kunden und andererseits eine zuverlässige und schnelle Unterstützung beim Einsatz und 

der Anwendung der Maschine. 

Im Rahmen des Kundenservices wird dem Kunden die komplette Dokumentation der hergestellten 

Maschinen übergeben. Die Dokumentation beinhaltet alle für den Betrieb dieser Anlagen relevanten 

Unterlagen. Dazu gehören u.a. eine allgemeine Beschreibung der Maschinen, sämtliche erstellten 

Zeichnungen, Pläne und Skizzen aller Maschinenkomponenten, ein Verzeichnis aller extern eingekauften 

Bauteile sowie eine EG-Konformitätserklärung des Herstellers. 

- Kaufmännische Steuerung und Überwachung 

Neben den technischen Kompetenzen der Wissensträger spielen ebenso Kompetenzen hinsichtlich 

der kaufmännischen Steuerungs- und Überwachungsprozesse eine besondere Rolle. Von den kaufmännischen 

KSM-Mitarbeitern werden für alle Aktivitäten im Anlagenbau Wirtschaftlichkeitsberechnungen 

an Hand der statischen und dynamischen Investitionsrechnung durchgeführt, die dann 

in Kombination mit allen anderen kaufmännischen Aufgaben zur Qualitätssicherung und damit zur 

Verbesserung der Wettbewerbsposition führen. 

Die Summe dieser einzelnen Prozesse bildet bei der KSM die organisationale Kompetenz (vgl. 

Abbildung 13 auf der nächsten Seite).


Kundenanfrage 

c) Netzwerkwissen 

Angebot, 

Bestellung 

KSM als organisationale Kompetenz 

Kaufmännische Steuerung und Überwachung 

Entwicklung, 

Konstruktion 

Fertigung 

Kundenbegleitung 

Kompetenzmanagement 

Montage, 

Inbetriebnahme 

Abbildung 13: Auftragsbezogene Kompetenzen bei KSM 

Kundenservice, 

Schulung 

Kundenzufriedenheit 

Eine weitere Grundlage für eine erfolgreiche Qualitätssicherung und für den Zugang zum Wissen 

Dritter ist die Zusammenarbeit der KSM in strategischen Netzwerken mit anderen Partnern aus verschiedenen 

Wirtschaftszweigen. In erster Linie handelt es sich hierbei um Kooperationen mit unterschiedlichen 

Lieferanten. Die KSM arbeitet mit mehr als 300 Lieferanten zusammen. Die Kooperationsverträge 

erlauben der KSM, die Kompetenzen der einzelnen Partner miteinander zu kombinieren. 

Langjährige Zusammenarbeit mit unseren Lieferanten verringert in einem strategischen Netzwerk 

die Kostenbelastung und den Koordinationsaufwand, der bei einem engen Zeitplan der verschiedenen 

Kundenprojekte von großer Bedeutung ist. 

Ein weiterer Vorteil eines strategischen Netzwerkes ist die kontinuierliche Versorgung mit Informationen. 

Die KSM ist dadurch in der Lage, den Stand der technologischen Weiterentwicklung der 

einzelnen Kooperationspartner zu erfahren und gegebenenfalls die neuen Erkenntnisse in den eigenen 

Produktionsprozess einzubeziehen. Diese Art der Informationsversorgung hat sich besonders 

positiv auf die Verbreiterung des Leistungsangebots und die Erhöhung der Kundenzahl ausgewirkt. 

Zusammenfassend lassen sich aus kunden- und kompetenzorientierter Sicht folgende Nutzenpotenziale 

eines strategischen Netzwerkes feststellen: 

• Aufbau von internen und externen Kompetenzvorteilen, 

• Integration von neuen informationstechnologischen Prozessen und 

• Erschließung von neuen Märkten und Ressourcen.


1.2.3.5 Kompetenzmanagement – ein System mit Zukunft 

Wie anfangs erwähnt, bilden Kompetenzmanagementsysteme eine gute Grundlage für eine Optimierung 

der prozessorientierten Qualitätssicherung. Der systematische und konsequente Einsatz 

wissensbasierter Kompetenzmanagementsysteme führt im Laufe der Zeit zu einer besseren Nutzung 

der Ressource „Wissen“. Sie können Widersetzlichkeiten der Wissensträger abschwächen und ermöglichen 

eine frühzeitige Problemerkennung sowie die optimale Anpassung an unternehmens- 

und nutzerspezifische Bedürfnisse. 

Kompetenzmanagementsysteme funktionieren nur, wenn die Systeme den betrieblichen Veränderungen 

angepasst werden. Die neuen Systeme müssen auch berücksichtigen, dass das Management 

von Kompetenzen ein langfristig angelegter Prozess der Unternehmensgestaltung ist. 

Die Qualitätsorientierung der Unternehmen spiegelt sich in den Qualifikationen der Mitarbeiter wider. 

In vielen Unternehmen schlummern kreative Kräfte in den bereits vorhandenen Mitarbeitern. 

Die Aufgabe der Kompetenzmanagementsysteme ist es, mitarbeiter- und stellenbezogene Maßnahmen 

zu erkennen und zu erarbeiten, die durch ihren Einsatz das Wissenspotenzial der Wissensträger 

fördern und erhalten sollen. Durch den Einsatz von Kompetenzmanagementsystemen können Unternehmensstrategien 

mit Personalstrategien eines Unternehmens verbunden werden. Sie erhalten 

detaillierte Angaben darüber, welche Kenntnisse und Fertigkeiten ein Wissensträger hat. Dadurch 

ermöglichen sie es festzustellen, welches Wissen ein Mitarbeiter zusätzlich benötigt, um eine bestimmte 

Aufgabe im Unternehmen qualitätsorientiert durchführen zu können. 

Wichtiger Aspekt der Funktionsfähigkeit von Kompetenzmanagementsystemen ist die konstante 

Pflege dieser Systeme. Die Erfassung und Eingabe der Mitarbeiterkompetenzen darf nicht als einmalige 

Angelegenheit, sondern muss als immer wiederkehrende Aufgabe zur Aktualisierung der 

Kompetenzbestände und zur Erkennung von Kompetenzlücken verstanden werden. Alle Wissensträger, 

die im Rahmen der Erstellung von Kompetenzmanagementsystemen identifiziert wurden, 

müssen ihr Wissenspotenzial so weit wie möglich in das System eingeben. Jeder Mitarbeiter, insbesondere 

die Führungsebene, muss die Möglichkeit besitzen, jederzeit Zugriff auf die Daten des 

Kompetenzmanagementsystems zu haben, die benötigten Informationen und Inhalte schnell aufzuspüren 

und auftragsbezogen aufzubereiten. 

Die Kompetenzerfassung und Speicherung dieser Daten auf elektronischen Medien soll sicherstellen, 

dass alle potenziellen Nutzer dieses Systems unabhängig vom Wissensträger auf das gespeicherte 

Wissen zugreifen und damit verschiedene Aufgaben bewältigen können. Die Nutzung des 

Wissens soll auch gewährleistet werden, wenn ein wichtiger Wissensträger das Unternehmen verlässt. 

Die umfassende Integration von Mitarbeiterkompetenzen in das Kompetenzmanagementsystem 

und die Verknüpfung der Daten mit auftragsbezogenen Prozessen sind daher wesentliche Meilensteine 

der Qualitätssicherung. 

Maßnahmen zur Kompetenzerfassung sind auch in allen Entwicklungsphasen mit Barrieren und Risiken 

behaftet. Hierzu gehören z.B. Widerstände in der technischen Umsetzung des Vorhabens. Das 

sind in erster Linie Probleme der Bereitstellung anwenderfreundlicher Software zur Wissensrecherche, 

-dokumentation und -verteilung. Neben den Barrieren der technischen Umsetzung spielen die 

Differenzierungen personeller Art eine wichtige Rolle. Personelle Widerstände können sich in der 

Motivation der Wissensträger zum Wissenstransfer widerspiegeln. 13) Oft herrscht unter den Mitarbeitern 

das Gefühl, dass das Wissen der Wissensträger „abgeschöpft“ werden soll. Dazu kommen 

13) Vgl. DITTMANN/PETERS/ZELEWSKI (2004) S. 52.


Unsicherheiten der Mitarbeiter in Bezug auf die Sicherung des Arbeitsplatzes. Diesbezüglich müssen 

Maßnahmen getroffen werden, die diese Unsicherheiten der Mitarbeiter durch Hilfestellungen 

und Anreizsysteme beseitigen. Ebenfalls müssen Konzepte entwickelt werden, die zur Überwindung 

von Problemen organisationaler Art führen. Hier müssen insbesondere die Bestimmungen 

über die Einbeziehung des Betriebsrates in die Entwicklung von Kompetenzmanagementsystemen 

berücksichtigt werden.

1.3 Ontologien 


aus informations- und betriebswirtschaftlicher Perspektive 




1.3.1.1 Wissenschaftlicher Hintergrund von Ontologien 

1.3.1.1.1 Eine Skizze des wissenschaftlichen Interesses an Ontologien 

Die Thematik „Ontologien“ hat in den Wirtschaftswissenschaften bislang noch keine größere Aufmerksamkeit 

gefunden. Nicht nur in der betrieblichen Praxis erweckt die Erwähnung von Ontologien 

zumeist Reaktionen, die von schlichter Ignoranz über ungläubiges Erstaunen bis hin zu abwehrender 

Stigmatisierung als „abstrakter Theorie“ reichen. Auch in volks- und betriebswirtschaftlichen 

Fachzeitschriften finden sich zurzeit noch keine Beiträge in nennenswertem Ausmaß, die 

sich in der Hauptsache mit ökonomischen 1) Anwendungsaspekten von Ontologien befassen. 2) Sogar 

in der wirtschaftswissenschaftlichen Forschung gelten Ontologien zurzeit noch als „exotisches“ 

Thema, dem sich allenfalls einige wenige Spezialisten widmen. 3) 

Angesichts dieser Ausgangslage drängt sich die Frage auf, ob es sich rechtfertigen lässt, knappe finanzielle, 

personelle und zeitliche Ressourcen in ein Forschungs-, Entwicklungs- und Transferprojekt 

zu investieren, das sich mit der Anwendung von Ontologien zur Unterstützung von computerbasierten 

Kompetenzmanagementsystemen befasst. Um Zweifel solcher Art zu zerstreuen, erfolgt in 

diesem Kapitel zunächst eine Einführung in Ontologien aus informations- und betriebswirtschaftlicher 

Perspektive. Mit diesen Ausführungen soll verdeutlicht werden, dass es durchaus von großem 

Interesse sein kann, sich mit Ontologien an der interdisziplinären Nahtstelle von (Kern-) Informa- 

1) Die Attribute „ökonomisch“ und „wirtschaftswissenschaftlich“ werden – wie auch die zugehörigen Substantive – synonym verwendet. 

2) Beispielsweise ergab eine Online-Recherche in den führenden deutschen betriebswirtschaftlichen Fachzeitschriften (Zeitschrift 

für Betriebswirtschaft, Zeitschrift für betriebswirtschaftliche Forschung, Die Betriebswirtschaft sowie Betriebswirtschaftliche 

Forschung und Praxis), dass zu dem Stichwort „Ontologie“ keine Fundstelle angezeigt werden konnte. 

3) Beispielsweise scheinen die Gutachter der Deutschen Forschungsgemeinschaft (DFG) Ontologien als so weit vom „förderungswürdigen 

Mainstream“ der „etablierten Community“ entfernt zu empfinden, dass Vorschläge für Forschungsprojekte, die 

einen inhaltlichen Schwerpunkt auf dem Gebiet der Ontologien aufweisen, nur sehr geringe Akzeptanzchancen besitzen. So haben 

die Gutachter des laufenden DFG-Schwerpunktprogramms „Intelligente Softwareagenten und betriebswirtschaftliche Anwendungsszenarien“ 

(nach Wissen des Verfassers) bereits in der ersten Runde alle Projektvorschläge, die sich mit Ontologien 

für die Kommunikation zwischen intelligenten Softwareagenten befassten, mit Begründungen abgelehnt, die inhaltlich nicht auf 

den internationalen Stand der Ontologieforschung eingingen. Im deutschsprachigen Raum scheint daher – zumindest in der 

„Gutachter-Community“ – die Befassung mit der Ontologieforschung durchaus noch „exotischen“ Charakter zu besitzen.

116 1.3.1 Einführung in das Themenfeld „Ontologien“ 

tik 4) , Wirtschaftsinformatik und Betriebswirtschaftslehre näher auseinander zu setzen. In den später 

anschließenden Kapiteln wird anhand der Einsichten und Ergebnisse des Verbundprojekts KO- 

WIEN belegt werden, dass sich Ontologien in der Tat als Fundament für computerbasierte Kompetenzmanagementsysteme 

eignen. 5) 

Zunächst lässt sich feststellen, dass die Thematik „Ontologien“ seit Anfang der neunziger Jahre die 

ersten, noch sehr bescheiden anmutenden Schritte auf der „logistischen Diffusionskurve“ 6) für die 

Verbreitung von Themen in wirtschaftswissenschaftlichen Argumentationszusammenhängen zurückgelegt 

hat. So finden sich im Kontext ökonomischer Auseinandersetzungen mit Problemfeldern 

wie „Wissensmanagement“, „Informations- und Wissensmodellierung“, „knowledge sharing“, 

„knowledge reuse“, „organisatorische Wissensbasen“, „organizational / corporate memories“, „distributed 

knowledge management“ u.ä. 7) erste Anzeichen dafür, Ontologien 8) als „neuartige“ Erkenntnis- 

und Gestaltungsobjekte zu würdigen. Dies trifft vor allem auf die Wirtschaftsinformatik 

4) Zur Informatik werden in diesem Werk stets auch die Bereiche der Computerwissenschaften (Computer Science), der Informationssystemforschung 

(Information Systems Research) und der Erforschung Künstlicher Intelligenz (KI-Forschung) gerechnet. 

Es wird darauf verzichtet, die drei vorgenannten, inhaltlich eng zusammenhängenden Bereiche voneinander abzugrenzen, da 

die Nuancierungen für die Argumentation des hier vorgelegten Beitrags keine Relevanz besitzen. Die Informatik in diesem weit 

gefassten Sinn wird zuweilen auch als Kern-Informatik bezeichnet, wenn beabsichtigt ist, sie von der Wirtschaftsinformatik abzuheben. 

Denn die Wirtschaftsinformatik wird vom Verfasser – wie in Deutschland weithin üblich – nicht als eine Subdisziplin 

der Informatik angesehen, sondern als eine selbstständige, interdisziplinäre Wissenschaft im Spannungsfeld zwischen Informatik 

und Betriebswirtschaftslehre. 

5) Daher muss dem BMBF Respekt für seine weitsichtige und mutige Förderpolitik gezollt werden: Mit seiner Förderung des 

Verbundprojekts KOWIEN hat es einen innovativen Forschungsansatz unterstützt, der z.B. von der „Gutachter-Community“ 

der DFG zurzeit noch nur mit „spitzen Fingern angefasst“ wird (vgl. dazu die vorletzte Fußnote). Es mutet eigentümlich an, 

dass sich das BMBF in dieser Ontologie-Hinsicht als „forschungsfreundlicher“ als die DFG erwiesen hat. 

6) Die „logistische Diffusionskurve“ ist insbesondere im Kontext betriebswirtschaftlicher Früherkennungssysteme intensiver erforscht 

worden. Vgl. GERPOTT (1999) S. 122 ff., insbesondere Abb. 4-5 auf S. 124; KREMPE (1989) S. 355 ff., insbesondere 

Abb. 2-2 auf S. 356 und Abb. 3 auf S. 361. 

7) Alle vorgenannten Aspekte werden im Folgenden unter den Oberbegriff des Wissensmanagements subsumiert. 

8) Ontologien werden hier – wie es für das Verbundprojekt KOWIEN der Fall ist – in ihrer „pluralen“ Form so verstanden, wie es 

in der KI-Forschung und Informatik üblich ist. Auf dieses Ontologieverständnis wird in Kürze zurückgekommen. Es darf nicht 

mit der Ontologie im philosophischen Sinne (im Singular verwendet) verwechselt werden, auf das unmittelbar nachfolgend 

kurz eingegangen wird.

1.3.1 Einführung in das Themenfeld „Ontologien“ 117 

zu. 9) In der Betriebswirtschaftslehre gibt es dagegen bisher nur wenige, vereinzelte Ansätze, Ontologien 

als instrumentelle Grundlage für das betriebliche Wissensmanagement zu erschließen. 10) Seitens 

der Volkswirtschaftslehre sind dem Verfasser noch keine Beiträge im Wissens-Kontext bekannt 

geworden, die sich u.a. auch mit Ontologien befassen. 11) 

Darüber hinaus ist ein spezielles, interdisziplinäres Interesse an Ontologien erwachsen, das sich im 

Spannungsfeld zwischen Wirtschaftsinformatik, Informations Systems Research und Allgemeiner 

Betriebswirtschaftslehre „verorten“ lässt. Es bestehen große Hoffnungen, mit der Hilfe von Ontologien 

eine Art Beurteilungsstandard schaffen zu können, anhand dessen sich verschiedenartige Modelle, 

insbesondere auch so genannte Referenzmodelle und konzeptuelle Modelle 12) , untereinander 

9) Vgl. zu Erwähnungen von Ontologien in Beiträgen aus dem Bereich der Wirtschaftsinformatik (ohne Beiträge, die spezielle 

Ontologien oder Werkzeuge zur Gestaltung von Ontologien präsentieren oder diskutieren; darauf wird an anderer Stelle zurückgekommen): 

ABECKER ET AL. (1998a) S. 42, 44 f. u. 47; ABECKER ET AL. (1998b) S. 41 ff. u. 54 ff.; ABECKER/DECKER (1999) S. 

114, 117 u. 119 f.; ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 87 ff.; ANGELE (2003) S. 1 ff.; BECKER ET AL. (2000) 

S. 107; BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-2 ff.; BERGHOFF/DROBNIK (1998) S. 1 ff.; BROOKS/DURFEE (1999) S. 4 f.; 

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.; 

FORMICA/MISSIKOFF (2002) S. 1 ff.; FRANK (2001) S. 3 u. 14; GREEN/ROSEMANN (1999) S. 2 ff.; GREEN/ROSEMANN (2000) S. 

73 u. 75 ff.; HAGENGRUBER (2004) S. 417 ff.; JARKE ET AL. (1994) S. 187; JARKE ET AL. (1997) S. 238 ff.; JURISICA/MYLO- 

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/ 

RAO/TVEIT (2002) S. 3; SCHÜTTE (1999a) S. 217 u. 224; SHUM (1997) S. 917; SCHÜTTE/ZELEWSKI (1999) S. 2 ff.; SCHÜTTE/ 

ZELEWSKI (2001) S. 3 ff.; SCHÜTTE/ZELEWSKI (2002) S. 162 ff.; STAAB (2002a) S. 194 ff.; STAAB (2002b) S. 1 ff.; STUDER ET AL. 

(2001) S. 2 ff.; ZELEWSKI (2002a) S. 64 ff. 

Um Missverständnissen vorzubeugen, wird darauf hingewiesen, dass die Anzahl von Ontologie-Beiträgen aus dem Bereich der 

Wirtschaftsinformatik weitaus größer ist als die entsprechende Anzahl von Beiträgen aus dem Bereich der Betriebswirtschaftslehre, 

die in der nächsten Fußnote erwähnt werden. Die scheinbar größere Anzahl betriebswirtschaftlicher Beiträge kommt nur 

dadurch zustande, dass seitens der Wirtschaftsinformatik eine große Anzahl von Beiträgen über spezielle Ontologien oder 

Werkzeuge zur Gestaltung von Ontologien verfasst wurde, die nicht in dieser Fußnote, sondern (teilweise) an späterer Stelle 

erwähnt werden. Auf betriebswirtschaftliche Beiträge über Ontologien trifft dies jedoch nicht zu, weil sie sich überwiegend nur 

mit Ontologien im Allgemeinen befassen. Darüber hinaus fällt die inhaltliche Abgrenzung zwischen (Kern-) Informatik und 

Wirtschaftsinformatik oftmals schwer. Bei den vorgenannten Quellenangaben wurde jeweils von einem Beitrag aus dem Bereich 

der Wirtschaftsinformatik ausgegangen, wenn die Thematik des Beitrags einen deutlichen Bezug zu wirtschaftswissenschaftlichen 

Sachverhalten erkennen lässt oder wenn der Verfasser als Inhaber einer Wirtschaftsinformatik-Professur bekannt 

ist. 

10) Vgl. zu Erwähnungen von Ontologien in betriebswirtschaftlich orientierten Beiträgen (mit Ausnahme der Projektberichte des 

Verbundprojekts KOWIEN): ALAN ET AL. (2005) S. 36 f.; ALAN/ZELEWSKI (2003) S. 6 ff.; ALAN/ZELEWSKI/SCHÜTTE (2003) S. 

183 u. 185 ff.; ALPARSLAN/DITTMANN (2002) S. 66 ff.; ALPARSLAN ET AL. (2002) S. 46 ff.; BÄUMGEN/HÜBBERS (2004) S. 162; 

DITTMANN (2004) S. 3 ff.; DITTMANN/PETERS/ZELEWSKI (2003a) S. 3 ff. u. 11; DITTMANN/PETERS/ZELEWSKI (2003b) S. 10 u. 12 

ff.; DITTMANN/RADEMACHER/ ZELEWSKI (2004a) S. 211 ff.; DITTMANN/RADEMACHER/ZELEWSKI (2004b) S. 3 ff.; DITTMANN/ 

SCHÜTTE/ZELEWSKI (2003) S. 3; DITTMANN/ZELEWSKI (2004a) S. 190 ff.; DITTMANN/ZELEWSKI (2004b) S. 181 ff.; LAU/SURE 

(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 

(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. 

46 ff.; ZELEWSKI/FISCHER (1999) S. 7 ff.; ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 184 ff.; ZELEWSKI/SIEDENTOPF (1999) S. 77 

ff.; ZUG/KLUMPP/ KROL (2003) S. 5. 

11) Dies ist insofern erstaunlich, als die „Wissens-Ökonomie“ einen durchaus respektablen Zweig volkswirtschaftlicher Forschung 

darstellt. 

12) Auf Referenzmodelle und konzeptuelle Modelle wird später näher eingegangen.


vergleichen lassen. 13) Solche Ontologien würden, wenn sie von einer Wissenschaftlergemeinschaft 

gemeinsam verwendet werden, erheblich die Aufgabe erleichtern, die Leistungsfähigkeit konkurrierender 

Modellierungen für Informationssysteme und Geschäftsprozesse zu beurteilen. 

Wie schon des Öfteren in der Vergangenheit geschehen, können weder Wirtschaftsinformatik noch 

Betriebswirtschaftslehre für sich in Anspruch nehmen, die Ontologiediskussion von sich aus angestoßen 

zu haben. Vielmehr lässt sich das neue Interesse an Ontologien auf eine „ehrwürdige“ Tradition 

in der abendländischen Philosophie zurückführen. 14) Ihre Ursprünge reichen bis hin zum antiken 

Griechenland. Seitdem wird unter der Ontologie die Seinslehre verstanden. So thematisierte bereits 

ARISTOTELES in seiner „ersten Philosophie“ Fragen nach dem „Seienden als Seiendem“ 15) , d.h. 

nach seinem „objektiven“, vom menschlichen Erkennen unabhängigen „Wesen“ 16) und nach den 

ihm zukommenden „Bestimmungen“. Dazu gehören beispielsweise so fundamentale Aspekte wie 

das „Wesen“ von Ereignissen 17) , Identität 18) , Kausalität 19) , Objekt 20) , Substanz 21) und Zeit 22) sowie 

die Frage, ob eine reale Entsprechung zu Klassenbegriffen („Universalien“) existiert 23) . Des Weiteren 

befasst sich die Ontologie im Anschluss an ARISTOTELES – und u.a. auch KANT – stets mit dem 

13) So führt MYLOPOULOS (1998) S. 136 aus: „The reader should note that comparisons of conceptual models on the basis of their 

built-in terms are vulnerable to problems of synonymy, homonymy etc. In other words, two different models may be appropriate 

for the same class of applications, but use different terms to talk about these applications. We’d like to have a framework 

which deems these conceptual models as being comparable with respect to their intended subject matter. Ontologies help us achieve 

precisely this objective.” Dem Bedürfnis, mit der Hilfe von Ontologien eine Art Beurteilungsstandard zu schaffen, entspricht 

insbesondere die BUNGE/WAND/WEBER-Ontologie. Darauf wird an späterer Stelle im Kapitel 1.3.1.4 ausführlicher zurückgekommen 

(S. 211 ff.). 

14) Vgl. zu Überblicken über Inhalt und geschichtliche Entwicklung des philosophischen Ontologieverständnisses z.B. DIEMER 

(1967) S. 209 ff. Vgl. ebenso zum „klassischen“, philosophisch orientierten Ontologieverständnis BUDIN (1996) S. 20 ff. u. 46 

ff.; BUNGE (1977); BUNGE (1979); BUNGE (1998) S. 101 f.; DIEMER (1959) S. 7 ff.; COCCHIARELLA (1996) S. 27 ff.; GROSSMANN 

(1992); GUARINO/GIARETTA (1995) S. 26 f.; HENGSTENBERG (1998); KANT (1981) S. 275 (kritisch distanziert); KELLER (1974) 

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 

ff. u. 65 ff. sowie die (weiteren) Beiträge in den Sammelbänden LEINFELLNER/KRAEMER/SCHANK (1982) und POLI/SIMONS 

(1996). Vgl. auch am Rande POLI (2002) S. 661. 

Vgl. darüber hinaus den Beitrag DITTMANN/PENZEL (2004), der zwar von einem wissenschaftlichen Mitarbeiter des Verbundprojekts 

KOWIEN mitverfasst wurde (DITTMANN), sich jedoch nicht unmittelbar der Thematik des KOWIEN-Projekts zurechnen 

lässt, sondern Ontologien aus einem speziellen philosophischem Blickwinkel, der Ideenlehre von PLATON, behandelt (S. 

464 ff.). Allerdings steht dieser Beitrag insofern in einem mittelbaren Zusammenhang mit der Thematik des KOWIEN-Projekts, 

als er sich u.a. mit der Bewertung der Güte von Ontologien befasst (S. 462 ff. u. 473 ff.). Weitere Beiträge, an denen Mitglieder 

des KOWIEN-Projektteams beteiligt waren, widmen sich „philosophischen“ Aspekten von Ontologien aus einer speziellen, erkenntnis- 

und wissenschaftstheoretisch motivierten Perspektive. Vgl. dazu DITTMANN/SCHÜTTE/ZELEWSKI (2003) S. 2 ff.; 

SCHÜTTE/ZELEWSKI (1999) S. 6 ff.; SCHÜTTE/ZELEWSKI (2001) S. 3 ff.; SCHÜTTE/ZELEWSKI (2002) S. 162 ff.; ZELEWSKI/SCHÜT- 

TE/SIEDENTOPF (2001) S. 210 ff. 

15) Vgl. FEUCHT (1992) S. 15 u. 77. 

16) Vgl. zur „Wesensmetaphysik“ WEISSMAHR (1991) S. 96 ff. 

17) Vgl. LOBIN (1998) S. 94 ff. u. 273. 

18) Vgl. DEUTSCH (2002); PERZANOWSKI (1996) S. 111 ff.; PORTER (2001) S. D1 ff.; QUINE (2002) S. 205 ff.; TAMMA/BENCH- 

CAPON (2002) S. 43 f. 

19) Vgl. FLEETWOOD (2001) S. 201 ff.; WEISSMAHR (1991) S. 151 ff. 

20) Vgl. ALBERTAZZI (1996) S. 201 ff. 

21) Vgl. POLI (2002) S. 643 ff. 

22) Vgl. GEORGE/JONES (2000) S. 658 ff ; TEGTMEIER (1994) S. 400 ff. 

23) Vgl. zu diesem Universalienproblem WEISSMAHR (1991) S. 73 ff.


Studium so genannter Kategorien 24) . Unter Kategorien werden „sehr allgemein“ definierte Klassen 

realer Phänomene 25) , die sich in ihren „wesensmäßigen“ Bestimmungen gleichen, verstanden, wie 

z.B. die Kategorien des Dings, der Eigenschaft, der Beziehung und des Sachverhalts. 26) Durch ein 

„Kategorien-System“ wird die Vielfalt realer Phänomene klassifiziert und übersichtlich strukturiert 

(„systematisiert“). 27) Im Rahmen der klassischen Metaphysik nahmen solche ontologischen Seins- 

Betrachtungen über Jahrhunderte einen respektablen Raum ein. Allerdings büßten sie im Gefolge 

der Krise des spekulativen Idealismus während des 19. Jahrhunderts erheblich an Beachtung ein. 

Fragen nach dem „Wesen“ von etwas wurden zunehmend als antiquierter „Essenzialismus“ stigmatisiert. 

Mit dem Aufkommen empirischer und analytischer Denkschulen verdrängten insbesondere 

Fragestellungen der Erkenntnistheorie die früher dominierenden ontologischen Themen. 

Erst die wissenschaftliche Philosophie des 20. Jahrhunderts erlebte eine „Wiedergeburt der Ontologie“. 

28) Sie wurde vor allem durch Beiträge von HARTMANN zu einer „neuen Ontologie“ eingeleitet. 

29) In die gleiche Richtung wiesen Arbeiten von HUSSERL, der seine Auffassung über Phänomenologie 

als eine „universale Ontologie“ verstand 30) , der ähnliche Denkansatz von SARTRE zur „phänomenologischen 

Ontologie“ 31) sowie die Schriften von HEIDEGGER zur „Fundamentalontologie“ 32) 

und von JACOBY über die „Allgemeine Ontologie der Wirklichkeit“ 33) . In der jüngeren Vergangenheit 

haben insbesondere die subtilen sprachanalytischen Untersuchungen von QUINE zur (doppelten) 

24) Vgl. MEIXNER (1994) S. 379; POLI (2002) S. 653 f.; KOEPSELL (1999) S. 217 f. (S. 217: „Ontology is the study of categories“); 

SMITH/MARK (1999) S. 245 („a science of the types of entities in reality, of the objects, properties, categories and relations 

which make up the world“); SOWA (2000) S. 56 ff.; TEGTMEIER (1994) S. 400 („Die Ontologie sucht nach der allgemeinsten 

Klassifikation alles Existierenden, sie sucht nach den Kategorien.“). 

25) Als Phänomene werden hier Objekte der Erfahrung verstanden, die in einem Realitätsausschnitt als abgegrenzte Entitäten 

wahrgenommen oder vorgestellt und somit von anderen Phänomenen desselben Realitätsausschnittes unterschieden werden 

können. 

26) Vgl. zu diesen vier ontologischen Kategorien z.B. TEGTMEIER (1994) S. 400. 

27) Die Klassifizierung resultiert unmittelbar aus der Zusammenfassung „wesensgleicher“ Phänomene zu einer Kategorie, d.h. zu 

einer Klasse gleichartiger Phänomene. Eine Strukturierung erfolgt erst dann, wenn der Gesamtheit aller erfassten Kategorien 

mittels Über- und Unterordnungsbeziehungen zwischen den Kategorien eine hierarchische oder heterarchische Kategorien- 

Struktur aufgeprägt wird. 

28) Vgl. FOSS (1994) S. 37 („In philosophy, recent decades seem to have witnessed another revitalization of a once prominent subject. 

Ontological questions – questions about being – are once again respectable questions ...“ [kursive Hervorhebungen durch 

den Verfasser]). 

29) Vgl. FEUCHT (1992) S. 12 ff. u. 76 ff.; HARTMANN (1948); HARTMANN (1982); STEGMÜLLER (1989) S. 243 ff., insbesondere S. 

255 ff. 

30) Vgl. HUSSERL (1985) S. 218 ff.; STEGMÜLLER (1989) S. 73 ff. 

31) Vgl. DAMAST (1989); SARTRE (1991). 

32) Vgl. BRANDNER (1993) S. 131 ff.; GETHMANN (2004a) S. 688 f.; HEIDEGGER (1988); MELCIC (1986) S. 15 ff.; STEGMÜLLER 

(1989) S. 135 ff., insbesondere S. 160 ff. 

33) Vgl. JACOBY (1993).


ontologischen Relativität 34) zu einer „Renaissance“ ontologischer Fragestellungen geführt, die sich 

allerdings in inhaltlicher Hinsicht weit von den Vorbildern der Antike entfernt haben. Darüber hinaus 

lässt sich auf eine Vielzahl philosophischer Fachbeiträge jüngeren Datums verweisen, welche 

die Relevanz der „modernen“ Ontologie belegen. 35) Darunter befinden sich mehrere Veröffentli- 

34) Vgl. STEGMÜLLER (1987a) S. 300 ff., insbesondere S. 302. Die „doppelte ontologische Relativität“ einer Theorie hinsichtlich ihrer 

(Erkenntnis-) Gegenstände umfasst erstens eine Relativität in Bezug auf eine vorausgesetzte „Rahmentheorie“ und zweitens 

eine Relativität hinsichtlich der nicht eindeutig bestimmbaren Übersetzung von der jeweils betrachteten Theorie in die vorausgesetzte 

Rahmentheorie. Im Werk QUINE (2002), auf das sich STEGMÜLLER (1987a) maßgeblich bezieht (vgl. S. 291), findet 

sich die pointierte Formulierung „doppelte ontologische Relativität“ noch nicht. Auch bezieht QUINE seine subtilen Überlegungen 

zur ontologischen Relativität nicht primär auf Theorien, sondern auf das Problem der „bedeutungserhaltenden“ Übersetzung 

zwischen sprachlichen Äußerungen, die jeweils gleiche – oder für gleich gehaltene – Realitätsausschnitte betreffen. Diese 

Realitätsausschnitte und die darin sprachlich adressierten („gemeinten“) Gegenstände, Entitäten oder Referenzen bilden das ontologische 

Substrat der Argumentation von QUINE. Seine These der Übersetzungsunbestimmtheit oder ontologischen Relativität 

besagt im Kern, dass nicht eindeutig entschieden werden kann, ob zwei sprachliche Äußerungen, die in zwei verschiedenartigen 

Sprachen über Sachverhalte im selben Realitätsausschnitt erfolgen, wechselseitig korrekte – bedeutungsgleiche – Übersetzungen 

voneinander darstellen. Als Grund für diese Übersetzungsunbestimmtheit sieht QUINE die prinzipielle Unmöglichkeit an, 

sprachunabhängig festzustellen, was die Referenzen, also die (extensionalen) Bedeutungen der jeweils betroffenen sprachlichen 

Äußerungen im betrachteten Realitätsausschnitt sind. Da Theorien als sprachliche Artefakte lediglich einen Sonderfall sprachlicher 

Äußerungen darstellen, kann die These der Übersetzungsunbestimmtheit auf Theorien übertragen werden. Im Kontext von 

Theorien bedeutet die These der Übersetzungsunbestimmtheit, dass die (Erkenntnis-) Gegenstände, auf die sich eine Theorie als 

ihr „ontologisches Substrat“ erstreckt, letztlich nicht präzise bestimmt werden können. STEGMÜLLER (1987a) S. 300 spricht in 

dieser Hinsicht plastisch von einer „Unerforschlichkeit der Referenz“ von Theorien. Stattdessen kann können die Gegenstände 

einer Theorie nur in Bezug auf eine umfassendere Rahmentheorie festgelegt werden (erste ontologische Relativierung). Die 

Gegenstände dieser Rahmentheorie können ihrerseits hinterfragt werden usw. Um einen infiniten Regress zu vermeiden, verbleibt 

zumeist nur eine „dogmatische“ Verankerung in der lebensweltlich „unhintergehbaren“ Muttersprache. Vgl. STEGMÜLLER 

(1987a) S. 301. Darüber hinaus verbleibt das Problem, zwischen den sprachlichen Ausdrücken derjenigen Theorie, deren „ontologisches 

Substrat“ bestimmt werden sollte, und den sprachlichen Ausdrücken der jeweils gewählten Rahmentheorie zu übersetzen. 

Auf diese Übersetzung zwischen den sprachlichen Ausdrücken aus zwei verschiedenen Theorien erstrecken sich im engeren 

Sinn QUINES Überlegungen zur Übersetzungsunbestimmtheit. Sie führen zu einer zweiten ontologischen Relativierung. 

Vgl. zu den zugrunde liegenden, sehr ausführlichen und subtilen Argumenten zur Rechtfertigung der These der Übersetzungsunbestimmtheit 

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 

These der Übersetzungsunbestimmtheit unmittelbar aus. Vgl. auch S. 56 f. u. 146 zur Verknüpfung von sprachlichen Äußerungen, 

deren Übersetzungen und Theorien. Vgl. darüber hinaus zu den vielfältigen ontologischen Facetten des Lebenswerks von 

QUINE auch die Beiträge in dem Sammelwerk FØLLESDALL (2001), vor allem in den Abschnitten „Indeterminancy of Reference 

(Ontological Relativity)“ auf S. 55 ff. sowie „Ontological Commitment“ auf S. 1 ff. 

35) Vgl. ANDERSON (1988) S. 403 ff. (zur Ontologie des Kritischen Realismus); BAILER-JONES (2002) S. 2 ff. (zum ontologischen 

Aussagegehalt von naturwissenschaftlichen Modellen aus der Perspektive eines epistemischen Realismus); BUZZONI (1997) S. 

38 ff. (zum ontologischen Charakter so genannter „theoretischer“, also angeblich unbeobachtbarer Entitäten); CHECKEL (2001) 

S. 558 ff., 564 u. 579 (zu ontologischen Einstellungen konstruktivistischer Sozialwissenschaften); GEORGE/JONES (2000) S. 658 

ff. (zur Ontologie der Zeit als Basiskonstituente von empirischen Theorien); HENRY/PENE (2001) S. 234 ff. (zu ontologischen 

Annahmen in ethnologischen Forschungen); HUNT (1994) S. 227 f. (zu ontologischen Annahmen des wissenschaftlichen Realismus); 

JOHNSON (1999) S. 241 ff. (Andeutungen zum ontologischen Status des Fernsehens); KOEPSELL (1999) S. 220 ff. (zur 

Anwendung der Ontologie auf Forschungsprobleme der „sozialen Welt“); LUNDSTEN (1999) S. 221 ff. (zum ontologischen Status 

des Fernsehens); MANICAS (1998) S. 400 ff. (zur Ontologie der Gesellschaft [im soziologischen Begriffsverständnis]); 

MCSWITE (1997) S. 43 ff. (zur Ontologie öffentlicher Verwaltungen); MIRO-QUESADA-CANTURIAS (1990) S. 285 ff. (zur ontologischen 

Relevanz der klassischen Logik, insbesondere ihrer Existenzquantoren); MORTON/LINDQUIST (1997) S. 354 f. u. 357 

ff. (zu einer feministischen Ontologie); MORCÖL (2001) S. 107 f., 110 u. 112 f. (zu ontologischen Annahmen des positivistischen, 

poststrukturalistischen oder komplexitätsfokussierten Wissenschaftsverständnisses); POLLACK (2001) S. 234 ff. (zu ontologischen 

Aspekten sozialer Systeme aus konstruktivistischer Perspektive); POTTER/EDWARDS/WETHERELL (1993) S. 384 ff. 

(zur Ontologie der kognitiven Psychologie); RUTGERS (2001) S. 220 ff. (zu zwei unterschiedlichen ontologischen Grundverständnissen 

für die öffentliche Verwaltung); SHIMP (1991) S. 158 ff. (zu alternativen ontologischen Annahmen bei der Erklärung 

psychologischer Konditionierung); SMITH/MARK (1999) S. 245 ff. (zur Ontologie geographischer Phänomene); SYLVAN/ 

THORSON (1992) S. 709 ff., insbesondere S. 727 ff. (zur u.a. ontologischen Analyse von politischen Konflikten und Optionen zu 

ihrer Bewältigung, vor allem anhand der Kuba-Raketenkrise aus dem Jahr 1962); WANG, X. (2002) S. 472 ff. (ein bemerkenswerter 

Ansatz, die von KUHN intensiv thematisierte Inkommensurabilität wissenschaftlicher Theorien auf unterschiedliche ta-


chungen, die sich mit den ontologischen Fundamenten von ökonomischen Theorien und Problemen 

aus philosophischer Perspektive auseinander setzen. 36) Hinzu kommen einige Vertreter der Forschungsrichtung 

des Information Systems Research, die sich mit der Analyse, vor allem der Evaluation 

von Informationssystemen und Modellierungssprachen mit der Hilfe von ontologisch motivierten 

Kriterien befassen. 37) 

Die zuvor skizzierten philosophischen Verwendungen des Ontologiebegriffs bilden jedoch nicht 

den Hintergrund desjenigen Begriffsverständnisses für Ontologien, das dem heutigen Wissensmanagement 

aus wirtschaftswissenschaftlicher Perspektive zugrunde liegt. Während philosophische 

Arbeiten „die“ Ontologie als Seinslehre im Singular thematisieren, werden seit knapp zwei Jahrzehnten 

38) Ontologien in pluralischer Rede vor allem in den Bereichen von Computerwissenschaften 

und Information Systems Research erörtert. Aus dieser neuartigen Perspektive werden keine 

Aussagen über das Sein „an sich“ angestrebt; es werden keine Strukturen der extern „vorgegebenen“ 

Realität analysiert. Stattdessen werden Ontologien als von Menschen geschaffene, sprachlich 

verfasste Artefakte betrachtet. Daher sind Ontologien einer zweckrationalen Gestaltung zugänglich. 

Sie lassen sich „managen“ und bilden ein „natürliches“ Erkenntnis- und Gestaltungsobjekt des betrieblichen 

Wissensmanagements. 

Das „moderne“, nicht-philosophische Verständnis von Ontologien lässt sich auf Arbeiten der Erforschung 

Künstlicher Intelligenz (KI) zurückführen. Dort entwickelte sich seit Anfang der achtziger 

xonomische Strukturen der Sprachen zurückzuführen, in denen die Theorien verfasst sind; u.a. mit einer expliziten Erwähnung 

des „ontological status“ auf S. 473 und einem Hinweis auf die „fact-ontology“ von WITTGENSTEIN auf S. 475). 

36) Vgl. BROWN (2000) S. 349 ff. (ontologische Aspekte des Post-Keynesianismus); FOSS (1994) S. 37 ff. (Ontologien, die unterschiedlichen 

Theorien der Unternehmung zugrunde liegen); DOW (1999) S. 22 ff. (ontologische Aspekte des Post-Keynesianismus 

aus der Perspektive des Kritischen Realismus); DOW (2000) S. 357 ff. (ontologische Aspekte des Post-Keynesianismus); 

FLEETWOOD (2001) S. 201 ff. (Kritik am konventionellen Verständnis ökonomischer Gesetze); GRASSL (1999) S. 313 ff. (eine 

Ontologie im Marketing-Bereich für Markenprodukte); HARE (1999) S. 285 ff. (ontologische Grundlagen von Gesetzen zum 

Schutze intellektuellen Eigentums); HOSKING/BOUWEN (2000) S. 129 ff. (Andeutungen zu einer relationalen Ontologie für konstruktivistische 

Theorien organisationalen Lernens); JACKSON (1995) S. 762 ff. (Ontologie des empirischen Realismus als 

Grundlage einer „naturalistisch“ geprägten Ökonomie); MÄKI (2000) S. 111 ff. („commonsensibles“ und Kausalzusammenhänge 

als ontologische Basis ökonomischer Theorien, die sich in den wissenschaftlichen Realismus einordnen lassen); STEPHENS 

(2001) S. 238 f. (Vertrauen aus ontologischem Blickwinkel); PORTER (2001) S. D1 ff. (ontologisch inspirierte Analyse des 

Konzepts organisationaler Identität); ROTHEM (1999) S. 71 ff. (ontologische Aspekte des Post-Keynesianismus aus der Perspektive 

des Kritischen Realismus); SULLIVAN (1998) S. 877 ff. (Ontologie internationaler Geschäftsaktivitäten); WHITELEY (2002) 

S. 1 u. 3 (konstruktivistische Ontologie für eine Action-Research-Studie von Groupware-Systemen); ZUNIGA (1999) S. 299 ff. 

(eine Ontologie „ökonomischer Objekte“ – wie z.B. ökonomische Güter, Geld und Preise – in der Denktradition von MENGER). 

37) Besondere Beachtung haben in diesem Zusammenhang die Beiträge von BUNGE, WAND und WEBER hervorgerufen, die seitens 

des Information Systems Research als so genannte BUNGE/WAND/WEBER-Ontologie thematisiert werden. Darauf wird später im 

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. 

u. 313 ff. Die Autoren propagieren ein Software Engineering, das Ontologien mit objektorientierten Analysetechniken kombiniert. 

Für diesen Zweck entwickeln sie eine „generische“ Technik zur ontologiebasierten Domänenanalyse für die Modellierung 

von Informationssystemen. 

38) Zu den frühesten expliziten Erwähnungen von Ontologien zählt nach Wissen des Verfassers der Beitrag von ALEXANDER ET AL. 

(1986) S. 963 ff. Zwei weitere frühe Beiträge zu Ontologien aus dem Bereich der Computerwissenschaften stellen die Ausführungen 

von JARDINE/MATZOV (1988) S. 175 ff. (zur Ontologie von Zeitgrößen, die bei der formalsprachlichen Spezifikation von 

Informationssystemen verwendet werden) und LEE (1988) S. 225 f. (zu Ontologien für die denotationale Semantik von Datenmodellen) 

dar.


Jahre eine spezielle Sichtweise für die Analyse und Gestaltung Wissensbasierter Systeme 39) . Die 

ersten, euphorischen Hoffnungen auf die „Segnungen“ Künstlicher Intelligenz hatten sich als übertrieben 

herausgestellt. Expertensysteme und Computer der „fünften Generation“ konnten bei weitem 

nicht das umfassende Leistungsvermögen entfalten, das von frühen Apologeten der KI-Forschung, 

wie etwa MCCARTHY, vollmundig verkündet worden war. Es stellte sich eine deutlich spürbare 

„Frustration“ im Lager der KI-Forschung ein. Denn man erkannte, dass mit den bis dahin 

überwiegend angewandten Arbeitstechniken – wie regelbasierten Expertensystemen, logischer Programmierung 

und Theorembeweisern – nicht diejenige Performanz erreicht werden konnte, die berechtigen 

würde, von „Künstlicher Intelligenz“ zu sprechen. 

Einen der Erfolg versprechendsten Auswege aus der damaligen „Sinnkrise“ der KI-Forschung stellte 

der neuartige Denkansatz des Knowledge Level Engineerings 40) dar. 41) Er war von der Vorstellung 

geprägt, dass bisherige Forschungs- und Entwicklungsarbeiten zu tief auf dem Detaillierungsniveau 

der informationstechnischen Symbolverarbeitung angesiedelt waren. Auf diesem Symbol 

Level fehlte vor allem der Blick für die „übergeordneten“ Zusammenhänge innerhalb des Wissens, 

das zu einer Problembearbeitung eingesetzt werden soll. Die Aufgabe der Problem angemessenen 

Wissensstrukturierung war offensichtlich bislang vernachlässigt worden. Hinzu kam die Einsicht, 

dass Zusammenhänge zwischen den Wissensträgern, deren Wissen zur Problembearbeitung verwendet 

werden soll, und der konkreten, problembezogenen Wissensanwendung in Wissensverarbeitenden 

Systemen nicht hinreichend berücksichtigt worden waren. Damit rückte auch die Aufgabe 

der Wissensakquisition in den Fokus der KI-Forschung. Techniken des Knowledge Level Engineerings 

wurden entwickelt, um Wissensakquisition und Wissensstrukturierung wesentlich effektiver 

zu unterstützen, als es bisher auf dem Symbol Level der Fall gewesen war. In diesem Zusammenhang 

kamen auch Ontologien als eines der Instrumentarien des Knowledge Level Engineerings 

auf. 42) Ihre Erforschung und Entwicklung bildet seitdem eine spezielle Ausprägung des Knowledge 

Level Engineerings, das so genannte Ontology Engineering 43) . Mitunter wird auch von einem spe- 

39) Zwischen Expertensystemen und Wissensbasierten Systemen wird im Allgemeinen nicht inhaltlich differenziert. Auch in diesem 

Werk werden sie überwiegend als Synonyme behandelt. Lediglich in den nachfolgenden Kapiteln erfolgt eine Nuancierung 

derart, dass Expertensysteme als zeitlich frühere Produkte der KI-Forschung auf dem Symbol Level thematisiert werden, während 

Wissensbasierte Systeme als zeitlich spätere Produkte der KI-Forschung auf dem Knowledge Level angesiedelt werden. 

Diese „temporäre“ Unterscheidung dient jedoch nur zur Verdeutlichung der nachfolgenden Argumentation. Später wird sie 

nicht mehr aufgegriffen, so dass dann die Bezeichnungen „Expertensysteme“ und „Wissensbasierte Systeme“ schlicht synonym 

verwendet werden. 

40) Als wegweisender Beitrag zum Knowledge Level Engineering gilt die Publikation NEWELL (1982); vgl. dort insbesondere S. 

94, 98 ff. u. 100 ff. zur Charakterisierung des Knowledge Level Engineerings sowie S. 99 zur programmatischen „Knowledge 

Level Hypothesis“. Vgl. des Weiteren ALEXANDER ET AL. (1986) S. 963 ff.; CHANDRASEKARAN/JOHNSON/SMITH (1992) S. 124 

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. 

38; STICKLEN (1989) S. 233 ff.; STUDER/BENJAMINS/FENSEL (1998) S. 163 f.; USCHOLD (1996c) S. 5 ff. 

41) Einen anderen Ausweg bildete z.B. der Übergang vom regelbasierten zum objektorientierten Gestaltungsparadigma. Bei Wissensbasierten 

Systemen schließen sich Arbeitstechniken des Knowledge Level Engineerings einerseits sowie regel- versus objektorientierte 

Wissensstrukturierung andererseits keineswegs aus. 

42) Eine explizite Verknüpfung zwischen Knowledge Level Engineering und Ontologien findet sich schon bei ALEXANDER ET AL. 

(1986) S. 963 (bereits im Titel) u. 967. 

43) Vgl. zum Ontology Engineering (oder Ontological Engineering) BATEMAN (1992) S. 2; BENJAMINS/FENSEL (1998) S. 287 ff.; 

BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-2 f.; ERDMANN (2001) S. 121 ff.; FORMICA/MISSIKOFF (2002) S. 1; LENAT/GUHA 

(1990) S. 23; MAEDCHE (2002) S. 29 ff. Vgl. auch die Beiträge des Verbundprojekts KOWIEN zum Ontology Engineering, die 

sich auf ein Vorgehensmodell zur Konstruktion (und Nutzung) von Ontologien erstreckten, in APKE/BREMER/DITTMANN (2004) 

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.).


ziellen „ontological level“ 44) oder „conceptual level“ 45) des Knowledge (Level) Engineerings gesprochen. 

Eines der „paradigmatischen“ Arbeitsfelder des Knowledge Level Engineerings, das für das Verbundprojekt 

KOWIEN von besonderem Interesse ist, stellt die Erforschung, Entwicklung und Anwendung 

so genannter Multi-Agenten-Systeme dar. 46) Es handelt sich dabei um Systeme, in denen 

mehrere teilautonome Akteure („Agenten“) 47) zusammenarbeiten, um eine gemeinsam übernommene, 

komplexe Aufgabe arbeitsteilig zu erfüllen. Die Teilautonomie der Akteure bedeutet, dass sie 

einerseits über ihre Arbeitsabläufe autonom entscheiden können, jedoch andererseits zur Erfüllung 

ihrer gemeinsamen Aufgabe kooperieren müssen, also wechselseitig aufeinander angewiesen sind. 

Die Komplexität der gemeinsamen Aufgabe wird zumeist in der Weise ausgelegt, dass die Akteure 

zur Aufgabenerfüllung intensiv auf Wissen zurückgreifen müssen. Dies entspricht unmittelbar dem 

Fokus des Verbundprojekts KOWIEN, sich mit der arbeitsteiligen Erfüllung von wissensintensiven 

Engineering-Aufgaben zu befassen. Einprägsame Beispiele für Multi-Agenten-Systeme stellen Kollektive 

aus autonomen Robotern („disbots“) und Ensembles aus Softwareagenten im Internet 

(„softbots“) dar. 

Die Zusammenarbeit mehrerer teilautonomer Akteure bei der gemeinsamen, arbeitsteilig erbrachten 

Erfüllung komplexer Aufgaben bildet seit Jahrzehnten ein zentrales Erkenntnis- und Gestaltungsobjekt 

mehrerer wissenschaftlicher Disziplinen. Einerseits stellt diese Zusammenarbeit eines der 

Kernprobleme wirtschaftswissenschaftlicher Forschung dar. Dort wird sie aus betriebswirtschaftlicher, 

insbesondere organisationswissenschaftlicher Perspektive als „Dreifaltigkeit“ aus Konfigurations-, 

Motivations- und Koordinationsproblem von Unternehmen seit Jahrzehnten intensiv analysiert. 

Ebenso spielt die Zusammenarbeit mehrerer teilautonomer Akteure im Rahmen volkswirtschaftlicher 

Analysen eine große Rolle, vor allem aus dem Blickwinkel der Koordinierung von 

Leistungsnachfragen und -angeboten über Märkte. Andererseits haben sich auch (Kern-) Informatik 

und Wirtschaftsinformatik schon seit längerem der Herausforderung zugewandt, die Zusammenarbeit 

mehrerer teilautonomer Akteure bei der gemeinsamen, arbeitsteilig erbrachten Erfüllung komplexer 

Aufgaben („distributed problem solving“) durch computerbasierte Arbeitstechniken zu unterstützen. 

Insbesondere hat sich das neue Forschungsfeld der Erforschung Verteilter Künstlicher 

Intelligenz (VKI) 48) herausgebildet. Seit mindestens einem Jahrzehnt wurden in diesem Forschungsfeld 

Multi-Agenten-Systeme als Nachfolger konventioneller Expertensysteme und Wissensbasierter 

Systeme in den Vordergrund internationaler Forschungs- und Entwicklungsbemühungen gerückt. 

44) Vgl. GUARINO (1995) S. 632 ff.; GUARINO (1999c) Titel u. S. 10 f.; GUARINO/CARRARA/GIARETTA (1994b) S. 270; MIHOUBI/ 

SIMONET/SIMONET (1998) S. 379. 

45) Vgl. REIMER (1997) S. 91 f. 

46) Die Fachliteratur zu Multi-Agenten-Systemen „explodiert“ seit Jahren. Aus der Fülle relevanter Literatur bieten sich als einführende 

Werke an: HUHNS/SINGH (1998); JENNINGS/WOOLDRIDGE (1998); NILSSON (1998) S. 407 ff.; WEISS (2001). 

47) Multi-Agenten-Systeme werden hier von vornherein so weit definiert, dass es sich bei den involvierten Akteuren sowohl um artifizielle 

Akteure („Maschinen“) als auch um natürliche Akteure („Menschen“) handeln kann. Dies schließt auch „hybride“ 

Mensch-Maschine-Systeme ein, in denen artifizielle und natürliche Akteure miteinander kooperieren. Seitens der KI-Forschung 

werden Multi-Agenten-Systeme oftmals ausschließlich auf artifizielle Akteure (Agenten im engeren Sinn) eingeschränkt. Dies 

ist aus der Perspektive des Verfassers jedoch weder notwendig noch fruchtbar, weil es sich für die Erfüllung wissensintensiver 

Aufgaben durchaus als vorteilhaft herausstellen kann, dass artifizielle und natürliche Akteure zusammenarbeiten. Daher wird 

im Folgenden bewusst von „Akteuren“ anstatt von „Agenten“ gesprochen, um Offenheit gegenüber dem artifiziellen bzw. natürlichen 

Charakter der kooperierenden Einheiten zu signalisieren. Abgesehen von dieser Signalfunktion, werden die Bezeichnungen 

„Akteure“ und „Agenten“ in diesem Werk synonym behandelt. 

48) Vgl. zu Überblicken über die VKI-Forschung HUHNS/GASSER (1989); MÜLLER (1993); O’HARE/JENNINGS (1996).


Vertreter der VKI-Forschung hoffen darauf, einige der Leistungsschranken, die sich in der Vergangenheit 

für Expertensysteme und Wissensbasierte Systeme offenbarten, mit Hilfe des Zusammenwirkens 

der zahlreichen Akteure eines Multi-Agenten-Systems überwinden zu können. 49) 

Multi-Agenten-Systeme stellen somit ein überaus herausforderndes, interdisziplinär aufgestelltes 

Forschungs- und Entwicklungsfeld dar. In ihm gilt es, Erkenntnisse aus der Betriebswirtschaftslehre, 

insbesondere aus den Organisationswissenschaften, aus der Volkswirtschaftslehre, insbesondere 

aus der mikroökonomischen Koordinations- und Markttheorie, aus der (Kern-) Informatik, insbesondere 

aus der VKI-Forschung, sowie aus der Wirtschaftsinformatik zusammenzuführen und problembezogen 

anzuwenden. 

Zunächst wandten sich die meisten Vertreter der VKI-Forschung dem Problem der Koordination 

zu. Es betrifft die inhaltliche Ausgestaltung von Konzepten, mit deren Hilfe die Aktivitäten der teilautonomen 

Akteure so aufeinander abgestimmt werden, dass die gemeinsam angestrebte Aufgabenerfüllung 

tatsächlich erreicht wird. Aus diesem Forschungsansatz gingen Koordinationskonzepte 

wie die weithin bekannten Blackboard- und Kontraktnetzansätze oder auch das anspruchsvollere 

„partially global planning concept“ hervor. Ein besonderes Interesse galt u.a. der Frage, wie sich die 

Realitätserfahrungen artifizieller Akteure formalsprachlich beschreiben und – zwecks arbeitsteiligen 

Zusammenwirkens der Akteure – aufeinander abstimmen lassen. 50) 

Allerdings zeigte sich allmählich, dass man mit dem „sachlogisch zweiten“ vor dem „sachlogisch 

ersten“ Entwicklungsschritt begonnen hatte. Denn die meisten Koordinationskonzepte unterstellten 

in sprachanalytisch und epistemologisch naiv anmutender Weise, dass die Kommunikation zwischen 

den Akteuren als notwendige Bedingung der Möglichkeit ihrer Koordination unproblematisch 

sei. Zwar erfolgten mehrere Arbeiten zur Sprechakttheorie, die darauf abzielten, in Multi-Agenten- 

Systemen die Kommunikation zwischen Agenten mit der Hilfe von Kommunikationsprimitiven zu 

strukturieren. 51) Aber auch diese Ansätze blieben insoweit an der Oberfläche der tatsächlich existierenden 

Kommunikationsprobleme, weil sie nur die zulässigen Ausdrucksformen für die Kommunikation 

zwischen artifiziellen Akteuren betrachteten. 

Das allgemeine Hintergrundwissen („common sense knowledge“, „background knowledge“) 52) , das 

natürliche Akteure bei ihrer arbeitsteiligen Erfüllung gemeinsamer Aufgaben immer implizit vor- 

49) Es würde den Argumentationsrahmen dieses Beitrags übersteigen, auf diesen Anspruch der VKI-Forschung näher einzugehen. 

Ebenso wenig kann auf den Verdacht eingegangen werden, dass das große aktuelle Interesse an Multi-Agenten-Systemen unter 

anderem auch auf „Mode-“ und „Förderzyklen“ des Wissenschaftsbetriebs zurückzuführen ist. Skeptische Stimmen weisen darauf 

hin, dass angesichts der kurzfristigen, auf wenige Jahre beschränkten Zyklen des wissenschaftlichen Interesses und der 

„Förderfähigkeit“ wissenschaftlicher Vorhaben in den Bereichen der KI-Forschung und der Wirtschaftsinformatik ein nicht zu 

unterschätzender Anreiz darin bestehe, alle 5 bis 10 Jahre mit einer neuen „Welle“ von Konzepten und Bezeichnungen den 

Wissenschafts- und Fördermarkt zu „überschwemmen“, um die erforderliche Aufmerksamkeit von Publikationsorganen bzw. 

Gutachtern auf sich zu ziehen. 

50) Vgl. HEYLIGHEN (1995) S. 1. 

51) Vgl. als pars pro toto KUPRIES/NOSELEIT (1998) S. 31 ff. u 37 ff. in Verbindung mit S. 17 ff. u. 27 ff. 

52) Zum Hintergrundwissen gehören aus betriebswirtschaftlicher Perspektive u.a. die „backings“, deren Bedeutung für die Plausibilität 

ökonomischer Argumentationen insbesondere von TOULMIN herausgearbeitet wurde. Vgl. TOULMIN/ROEKE/JANIK (1979) S. 

57 ff. u. 303 f. (im Kontext von Management-Diskursen).


aussetzen und in der Regel auch intensiv nutzen, wurde zunächst weit gehend vernachlässigt. 53) 

Dieses Hintergrundwissen stellt jedoch den semantischen und pragmatischen Kontext der Aufgabenerfüllung 

dar, ohne dessen Berücksichtigung die Koordination arbeitsteilig zusammenwirkender 

Akteure oftmals scheitert. 54) Seit den neunziger Jahren wird daher der Fundierung von Kommunikation 

durch das Hintergrundwissen der involvierten Akteure vermehrt Beachtung zuteil. Eines der 

bekanntesten Projekte der KI-Forschung, das sich seit mehreren Jahren der mühevollen Operationalisierung 

von Hintergrundwissen des „gesunden Menschenverstands“ (Alltagswissen, lebensweltliches 

Wissen) verschrieben hat, ist das Cyc-Projekt 55) . 

Ontologien knüpfen unmittelbar an diese Bestrebungen an, Wissensbasierte Systeme im Allgemeinen 

und Multi-Agenten-Systeme im Besonderen mit dem koordinations- und kommunikationsrelevanten 

Hintergrundwissen auszustatten. 56) Ontologien werden im Rahmen der VKI-Forschung vornehmlich 

in der Absicht entwickelt, das zur Koordination und Kommunikation arbeitsteilig zusammenwirkender 

Akteure erforderliche Wissen – und zwar nicht nur das aufgabenspezifische Fachwissen, 

sondern vor allem auch das allgemeine Hintergrundwissen – so zu strukturieren und formal- 

53) Hier wird vornehmlich im Hinblick auf das allgemeine Hintergrundwissen argumentiert, weil es sich in den letzten Jahren für 

die Gestaltung von z.B. Multi-Agenten-Systemen als besonders kritisch erwiesen hat. Allerdings lassen sich die Argumente im 

Prinzip auch auf das spezielle Fachwissen übertragen, das zur Erfüllung einer Aufgabe erforderlich ist. Die Argumente gelten 

daher grundsätzlich sowohl für das allgemeine Hintergrund- als auch für das aufgabenspezifische Fachwissen. Da das aufgabenspezifische 

Fachwissen jedoch in den Bereichen von KI-Forschung und Wissensmanagement bereits relativ gut beherrscht 

wird, beschränkt sich die hier vorgetragene Argumentation überwiegend auf den nach wie vor problematischen Aspekt des allgemeinen 

Hintergrundwissens. 

54) Dieses Hintergrundwissen entspricht dem zweiten Entstehungsgrund der Inkommensurabilität von Theorien, der im Kapitel 

1.1.2 aus der Perspektive verschiedenartiger Wissenshintergründe (intellektuelle, kulturelle, „paradigmatische“ Wissenschaftstraditionen) 

kurz angesprochen wurde (S. 47 ff.). 

55) Der Projektname stellt ein Kunstwort dar, das aus der englischsprachigen Bezeichnung „encyclopedia“ für umfassendes Allgemeinwissen 

gebildet wurde. Vgl. zum Cyc-Projekt BATEMAN (1992) S. 5; FENSEL (2001a) S. 83 ff. (nur hinsichtlich der projektspezifische 

Sprache CycL); FRIEDLAND/ALLEN (2004) S. 5, 7, 10 ff. u. 14 f.; GÓMEZ-PÉREZ (1998) S. 10-29 f.; GUHA/LENAT 

(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 

(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- 

LEIN (1995) S. 27 ff. u. 210 ff.; SOWA (2000) S. 54 f.; vgl. auch die vielfältigen Informationen der CYCORP im Internet unter 

der URL „http://www.cyc.com“ (Zugriff am 10.02.2005), wie z.B. zur projektspezifischen Sprache CycL unter der URL „http:// 

www.cyc.com/cycl.html“. Vgl. ebenso im Internet die Dokumentationen von Ontologie-Ausschnitten des Cyc-Projekts unter 

der URL „http://opencyc250.homelinux.org:3603/cycdoc/“ (Zugriff am 13.01.2003). 

56) Vgl. zur Diskussion von Ontologien in Beiträgen der KI-Forschung, die sich vor allem auf Multi-Agenten-Systeme erstrecken, 

ALEXANDER ET AL. (1986) S. 963 ff.; ΒAYARDO ET AL. (1997) S. 196 ff., insbesondere S. 200 f.; DURFEE (1998) S. 60 ff.; FALAS- 

CONI/LANZOLA/STEFANELLI (1996), insbesondere die Kapitel 5 und 6; FOWLER ET AL. (1999) S. 60 ff.; GÓMEZ-PÉREZ (1998) S. 

10-4 ff.; GUARINO (1995) S. 625 ff.; KALFOGLOU ET AL. (2001) S. 3 ff.; KLUSCH (1996) S. 41 ff. (KLUSCH bezieht sich zwar 

nicht ausdrücklich auf Ontologien, sondern auf logische Konzeptsprachen; aber inhaltlich lassen sich seine Ausführungen ohne 

Schwierigkeiten als Beitrag zu Ontologien auslegen); NWANA/NDUMU (1999) S. 4 u. 8; PASTOR ET AL. (1997) S. 155 ff. (insbesondere 

im Hinblick auf Kommunikationsontologien zur nachrichtenbasierten Koordinierung der Aktivitäten von Agenten eines 

Multi-Agenten-Systems, auf Anwendungsontologien, die von den einzelnen Agenten zur Erfüllung ihrer Aufgaben verwendet 

werden [und daher nach Ansicht des Verfassers weit gehend Aufgabenontologien entsprechen], und auf Abbildungen zwischen 

den Anwendungs- und den Kommunikationsontologien); PURVIS ET AL. (2002) S. 4; SIMONS ET AL. (2000) S. 76 ff.; SINGH 

(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.; 

TAMMA/BENCH-CAPON (2002) S. 42 ff.; USCHOLD/GRUNINGER (1996); WEINSTEIN/BIRMINGHAM (1998) S. 2 u. 10 ff.; ZELEWS- 

KI/FISCHER (1999) S. 12 u. 15 in Verbindung mit S. 8 ff.; ZELEWSKI/SIEDENTOPF (1999) S. 78 ff. Vgl. auch JENNINGS/SYCARA/ 

WOOLDRIDGE (1998) S. 24 mit der summarischen Feststellung: „ ... the ontology problem – that of how can agents share meaning 

– is still open“.


sprachlich zu kodifizieren 57) , dass es auch von den artifiziellen Akteuren eines Multi-Agenten- 

Systems verstanden wird. Ontologien stellen aus dieser Perspektive ein spezielles, „computertaugliches“ 

Instrumentarium zur Offenlegung des jeweils zugrunde liegenden Hintergrundwissens dar. 

Mit der Hilfe dieses Instrumentariums soll bei der Kommunikation zwischen zusammenarbeitenden 

Akteuren das koordinationsrelevante Hintergrundwissen so expliziert werden, dass es sich in Konzepte 

zur Koordination der arbeitsteilig erbrachten Aktivitäten zweckentsprechend integrieren lässt 

und somit den angestrebten Koordinationserfolg – d.h. die Erfüllung der gemeinsam bearbeiteten 

Aufgabe – ermöglicht. Insbesondere unterstützten Ontologien nicht nur den Austausch „bedeutungsloser“, 

d.h. rein syntaktisch definierter Informationen („Daten“), sondern auch eine Explizierung 

des gemeinsamen inhaltlichen Verständnisses von sprachlichen Artefakten, wie z.B. Wissen. 

Darauf wird an späteren Stellen dieses Werks aus dem Blickwinkel der „semantischen“ Dimension 

von Ontologien noch mehrfach ausführlich zurückgekommen. 

Ontologien erfüllen ihre Zweckbestimmung, sprachlich verfasstes Wissen zu strukturieren und formalsprachlich 

zu kodifizieren, durch die explizite Spezifikation der terminologischen, der taxonomischen, 

der syntaktischen und – vor allem auch – der semantischen Eigenarten des jeweils betroffenen 

Wissens. 

Terminologische Aspekte erstrecken sich auf die Bezeichner, die zur Artikulation von begrifflichen 

Konzepten 58) für die Wissensrepräsentation verwendet werden. In diesen Bereich fällt insbesondere 

die Normierung von Bezeichnern in bestimmten Sprachfeldern, wie z.B. die Verwendung von abteilungs-, 

unternehmens- und branchenspezifischen Vokabularen, Nomenklaturen oder Thesauri 59) . 

Der Umgang mit synonymen Bezeichnern für denselben Inhalt stellt ebenso einen terminologischen 

Aspekt dar. Beispielsweise kann in einer Terminologie festgelegt sein, die Bezeichner „Betrieb“ 

und „Unternehmen“ synonym zu behandeln. 

Taxonomische Aspekte betreffen die Gesamtheit aller begrifflichen Konzepte, die in einer Sprache 

zur Erfassung von Denkinhalten verwendet werden können, sowie die Gesamtheit der rein sprachlichen, 

also nicht durch einen realen Anwendungskontext bedingten Über- und Unterordnungsbeziehungen 

zwischen den Konzepten. Z.B. kann durch inhaltliche Merkmale festgelegt sein, dass das 

mit „Unternehmen“ bezeichnete Konzept alle Merkmale des mit „Betrieb“ bezeichneten Konzepts 

erfüllt und darüber hinaus noch zusätzliche, unternehmensspezifische Merkmale aufweist. Dann 

stellt „Unternehmen“ ein Subkonzept zum Konzept „Betrieb“ dar (das erstgenannte ist dem zweitgenannten 

Konzept taxonomisch untergeordnet) und die Bezeichner der beiden Konzepte verhalten 

sich nicht mehr – wie zuvor aus terminologischer Perspektive exemplarisch angenommen wurde – 

synonym zueinander. Die Gesamtheit aus allen begrifflichen Konzepten sowie ihren rein sprachli- 

57) Spätestens an dieser Stelle wird der unmittelbare Zusammenhang zwischen Ontologien, die ein Kernthema des Verbundprojekts 

KOWIEN bilden, und der Kodifizierungsstrategie deutlich, die im Kapitel 1.1.1 als eine der zwei Basisstrategien des betrieblichen 

Wissensmanagements erläutert wurde (S. 34 ff.). 

58) Konzepte können unterschiedlich weit aufgefasst werden. Ein sehr weit gefasstes Konzept stellt z.B. ein Lösungskonzept für alle 

Instanzen einer Problemklasse dar. Im Kontext von Ontologien werden dagegen Konzepte im Allgemeinen enger ausgelegt: 

Sie werden mit den Denkinhalten gleichgesetzt, die jeweils in einer Sprache mithilfe eines Begriffs erfasst werden können. Daher 

wird der Deutlichkeit halber auch von begrifflichen Konzepten gesprochen. 

59) Die Bezeichnungen Vokabular, Nomenklatur und Thesaurus werden hier synonym verwendet. 

Vgl. zu Thesauri POCSAI (2000) S. 41 ff. Einen der zurzeit umfassendsten und auch bekanntesten Thesauri stellt der Thesaurus 

WordNet dar; vgl. AGIRRE ET AL. (2000) S. 1 ff.; FELLBAUM (1999); GANGEMI ET AL. (2002a) S. 1 ff.; GANGEMI/GUARI- 

NO/OLTRAMARI (2001) S. 285 f. u. 288 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 79 f.; GONZALO ET AL. (1998) 

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 

von Ontologien z.B. YAMAGUCHI (1999) S. 13-3 u. 13-5 f.


chen Über- und Unterordnungsbeziehungen bildet die taxonomische Struktur einer Sprache; sie 

wird oftmals auch kurz als Taxonomie 60) bezeichnet. 

Syntaktische Aspekte erstrecken sich auf die Form, in der Wissen repräsentiert wird. Dazu gehört 

z.B. die Frage, ob Wissen entweder mit prädikatenlogischen Formeln, wie z.B. Fakten und Regeln 

in konventionellen Expertensystemen, oder aber in objektartiger Form, wie z.B. mittels so genannter 

Frames, repräsentiert wird. 

Semantische Aspekte erstrecken sich schließlich auf die inhaltliche Dimension des repräsentierten 

Wissens. Dies betrifft u.a. Homonyme. Ein Homonym ist ein Bezeichner, der unterschiedliche 

begriffliche Konzepte bezeichnet. Beispielsweise kann der Bezeichner „Unternehmen“ sowohl für 

das Konzept einer ökonomischen Institution, die sich durch ihre Funktion der Leistungserstellung 

für Fremdbedarfe definiert, als auch für das Konzept einer herausfordernden Aktivität (im Sinne 

von: etwas, z.B. eine Expedition, unternehmen) verwendet werden. 

Die zentrale epistemologische These der Initiatoren des Verbundprojekts KOWIEN lautet, dass die 

explizite und formalsprachliche Spezifikation des jeweils verfügbaren Wissens mittels Ontologien 

es erlaubt, die Wissenshintergründe unterschiedlicher Akteure systematisch und auf der Ebene des 

inhaltlichen Verständnisses von Wissen zu analysieren. Diese Analyse ist erforderlich, um mögliche 

Divergenzen zwischen den akteursspezifischen Wissenshintergründen aufzudecken. In Kenntnis 

der Möglichkeit solcher Wissensdivergenzen gilt es, jenen Teilbereich des gemeinsam geteilten Hintergrundwissens 

(„commonly shared background knowledge“), der für das inhaltliche Verständnis 

der Kommunikationsakte kollaborierender Akteure zur Herbeiführung des gemeinsam intendierten 

Koordinationserfolgs erforderlich ist, entweder zu identifizieren oder – wenn nicht von vornherein 

vorliegend – zu rekonstruieren. Dieses inhaltliche Verständnis der Kommunikationsakte kann durch 

die explizierungs- und die artikulierungsbedingten Verständnisbarrieren beeinträchtigt oder sogar 

verhindert werden, die im Kapitel 1.1.2 (S. 39 ff., insbesondere S. 43 ff.) ausführlicher als spezifische 

Barrieren des betrieblichen Wissensmanagements diskutiert wurden. 

Der voranstehend skizzierte Argumentationsstrang lässt sich wie folgt zusammenfassen: Die Koordination 

von Akteuren (z.B. eines Multi-Agenten-Systems), die eine gemeinsame, wissensintensive 

Aufgabe arbeitsteilig erfüllen sollen, erfordert eine Kommunikation zwischen den involvierten Akteuren. 

Das „richtige“, d.h. im Sinne des angestrebten Koordinationserfolgs zielführende Verständnis 

der koordinationsrelevanten Kommunikationsakte setzt voraus, dass die Akteure hinsichtlich bestimmter, 

koordinationsrelevanter Komponenten ihres Fach- und Hintergrundwissens inhaltlich 

übereinstimmen. Um diese partielle Übereinstimmung des Fach- und Hintergrundwissens überprüfen 

und koordinationsgefährdende Wissensdivergenzen beseitigen zu können, muss das jeweils betroffene 

Wissen von allen Akteuren inhaltlich auf dieselbe Weise verstanden werden. Maßgebliche 

Gründe, die dieses inhaltliche Verständnis von Wissen verhindern können, sind explizierungs- und 

artikulierungsbedingte Verständnisbarrieren. 

Ontologien stellen ein Instrumentarium zur Verfügung, mit dessen Hilfe sich die vorgenannten Anforderungen 

an das Wissensmanagement erfüllen und die ebenso angesprochenen Schwierigkeiten 

überwinden lassen: Ontologien gestatten es, das koordinationsrelevante Fach- und Hintergrundwissen 

explizit zu spezifizieren, das inhaltliche Verständnis dieses Wissens systematisch zu analysieren, 

hierdurch mögliche Wissensdivergenzen aufzudecken sowie explizierungs- und artikulierungsbedingte 

Verständnisbarrieren des Wissensmanagements zu beseitigen. Daher wurden Ontologien 

60) Vgl. zu Taxonomien NOY/HAFNER (1997) S. 68 f. (mit Bezug zu Ontologien); WELTY/GUARINO (2001) S. 53.


von den Initiatoren des Verbundprojekts KOWIEN als zentraler Ansatz ausgewählt, um die Koordination 

arbeitsteilig zusammenwirkender Akteure bei der Erfüllung wissensintensiver Aufgaben 

nachhaltig zu verbessern. 

Die zuvor entfalteten Argumente reichen nach Einschätzung des Verfassers aus, um eine nähere Beschäftigung 

mit Ontologien im Verbundprojekt KOWIEN zu rechtfertigen. Dennoch drängt sich 

zumindest aus wissenschaftstheoretischer Perspektive noch eine weitere, bislang kaum gewürdigte 

Argumentationskette zugunsten von Ontologien auf. Sie betrifft das strukturalistische Theorienkonzept 

und seine Anwendung zur Rekonstruktion wirtschaftswissenschaftlicher Theorien. 61) Das 

strukturalistische Theorienkonzept – oder synonym: der „non statement view“ – geht auf Arbeiten 

von SNEED zur Struktur physikalischer Theorien zurück. 62) Es wurde vor allem von STEGMÜLLER, 

BALZER und MOULINES inhaltlich fortentwickelt. 63) 

Das strukturalistische Theorienkonzept kann in der hier gebotenen Kürze weder vollständig noch 

detailliert erläutert werden. Stattdessen wird im Folgenden nur so weit darauf eingegangen, wie es 

zur Einbettung von Ontologien in dieses Konzept erforderlich erscheint. 

Das strukturalistische Theorienkonzept empfiehlt für eine „wohlformulierte“ Theorie T eine konzeptspezifische 

Theoriestruktur. Diese Struktur besteht in einer mehrfachen, sowohl horizontalen 

als auch vertikalen Ausdifferenzierung charakteristischer Theoriekomponenten. Zunächst wird die 

Theorie T auf der obersten Ebene in ihren Theoriekern KT und ihren intendierten Anwendungsbereich 

IT horizontal gegliedert. Auf der zweiten Ebene wird der Theoriekern KT in vier Mengen aufgespalten: 

• die Menge Mp(T) der potenziellen Modelle der Theorie T, 

• die Menge Mpp(T) der partiellen potenziellen Modelle der Theorie T, 

• die Menge MS(T) der Modelle der Theorie T und 

• die Menge CS(T) der Restriktionen der Theorie T. 

Die Menge Mp(T) der potenziellen Modelle umfasst alle Formelsysteme, die ausschließlich mittels 

der formalen Sprache der Theorie T formuliert werden können und als „sinnvolle“ 64) formalsprachliche 

Artefakte gelten. Dies gilt unabhängig davon, ob die Formelsysteme jeweils die gesetzesartigen 

Aussagen (nomischen Hypothesen) der Theorie T erfüllen oder nicht. In einer groben Annäherung 

lässt sich die potenzielle Modellmenge Mp(T) als eine formalsprachliche Spezifikation des terminologischen 

Apparats der Theorie T auffassen. Denn diese Spezifikation der potenziellen Mo- 

61) Die folgende Argumentationskette besitzt daher keine spezifische Relevanz für das Verbundprojekt KOWIEN. Trotzdem sollte 

es für ein Forschungs-, Entwicklungs- und Transferprojekt nicht „schädlich“ sein, wenn es Nahtstellen zu hochinteressanten, 

wenn auch „nur theoretischen“ Bereichen der allgemeinen Wissenschaftstheorie und speziell der Wirtschaftswissenschaften 

aufweist. 

62) Vgl. SNEED (1979) S. 165 ff. u. 259 ff., insbesondere S. 171 u. 183 f.; SNEED (1983) S. 345 (ff.) u. 350 ff. 

63) Vgl. BALZER/MOULINES/SNEED (1987) S. XX ff. (informaler Überblick) u. 15 ff., insbesondere S. 36 ff. u. 79 ff.; BALZER/MOU- 

LINES (1996); BALZER/SNEED/MOULINES (2000); STEGMÜLLER (1973) S. 12 ff. u. 120 ff., insbesondere S. 135 ff.; STEGMÜLLER 

(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 

in das strukturalistische Theorienkonzept aus wirtschaftswissenschaftlicher, insbesondere produktionswirtschaftlicher 

Perspektive ZELEWSKI (1993a) S. 94 ff.; ZELEWSKI (1994a) S. 899 ff.; ZELEWSKI (2004a) S. 10 ff. 

64) Im strukturalistischen Theorienkonzept kann nicht mittels eines externen Kriteriums festgelegt werden, unter welchen Bedingungen 

ein formalsprachliches Artefakt als „sinnvoll“ betrachtet wird. Vielmehr wird die „Sinnhaftigkeit“ formalsprachlicher 

Ausdrücke theorieendogen bestimmt: Als „sinnvoll“ im Rahmen einer Theorie T gelten genau diejenigen formalsprachlichen 

Ausdrücke, welche die Spezifikation der Menge M p(T) der potenziellen Modelle dieser Theorie erfüllen.


dellmenge Mp(T) umfasst zumindest die Festlegung aller Ausdrücke (wie etwa Terme, Funktionen 

und Prädikate), aus denen zulässige Formeln gebildet werden können. Darüber hinaus kann die 

Spezifikation auch noch zusätzliche Festlegungen umfassen, mittels derer sich die kombinatorisch 

möglichen Formeln auf sprachlich „sinnvolle“ Formeln einschränken lassen. Im Rahmen des strukturalistischen 

Theorienkonzepts werden solche Einschränkungen der potenziellen Modellmenge 

Mp(T) als Rahmenbedingungen („frame conditions“) für die Theorieformulierung thematisiert. 65) 

Die weiteren Komponenten einer strukturalistisch rekonstruierten Theorie werden hier nur kurz angesprochen, 

weil sie aus der Perspektive von Ontologien nur von untergeordnetem Interesse sind. 

Die Menge Mpp(T) der partiellen potenziellen Modelle der Theorie T geht aus den potenziellen Modellen 

hervor, indem formalsprachliche Konstrukte besonderer Art – die so genannten T-theoretischen 

Konstrukte – aus den Formulierungen der Formelsysteme mittels der so genannten RAMSEY- 

Eliminierung entfernt werden. Die Menge MS(T) der Modelle der Theorie T umfasst alle Formelsysteme, 

die ausschließlich mittels der formalen Sprache der Theorie T formuliert sind und alle gesetzesartigen 

Aussagen der Theorie T erfüllen. Ein „Modell“ einer Theorie T ist eine „Instanziierung“ 

dieser Theorie, die exakt die formale Struktur S(T) dieser Theorie besitzt. Dabei wird die formale 

Theoriestruktur S(T) durch den terminologischen Apparat und die gesetzesartigen Aussagen der 

Theorie T vollständig bestimmt. Schließlich stellt die Restriktionenmenge CS(T) eine Besonderheit 

des strukturalistischen Theorienkonzepts dar, die erst bei komplexen Theorieanwendungen Bedeutung 

erlangt. Die strukturalistischen Restriktionen besitzen die Qualität von Kohärenzbedingungen, 

die zwischen mehreren Anwendungen derselben Theorie T gelten. Das Spektrum der intendierten 

Anwendungsbereiche IT der Theorie T, die aus strukturalistischer Perspektive überhaupt zulässig 

sind, wird mittels der Anforderung IT ⊆ pot+(Mpp(T)) festgelegt. Sie drückt mit Hilfe des Potenzmengenoperators 

pot+ aus, dass jede intendierte Theorieanwendung eine nicht-leere Menge aus partiellen 

potenziellen Modellen der Theorie T darstellen muss. Dies bedeutet, dass eine intendierte 

Theorieanwendung einerseits mit Hilfe des terminologischen Apparats der Theorie T formuliert 

sein muss und andererseits keine T-theoretischen Konstrukte enthalten darf. 

Als wesentliches Resultat aus dem voranstehenden Überblick über „wohlgeformte“ strukturalistische 

Theorieformulierungen kann festgehalten werden, dass Theorien aus der Perspektive des „non 

statement view“ keine homogenen Artefakte darstellen. Vielmehr handelt es sich um komplex 

strukturierte Gebilde. Wenn von „konzeptionellen Feinheiten“ abgesehen wird, wie z.B. den Ttheoretischen 

Konstrukten, ihrer RAMSEY-Eliminierung und den Restriktionen, so lassen sich aus 

erkenntnistheoretischem Blickwinkel im Wesentlichen drei unterschiedliche Komponenten einer 

strukturalistisch formulierten Theorie identifizieren. Sie erfüllen jeweils verschiedenartige epistemische 

Rollen: 

65) Vgl. BALZER/MOULINES (2000) S. 11; MOULINES (1991) S. 317 f.; MOULINES (1996) S. 5. MOULINES (1991) S. 318 führt als 

Beispiel aus der klassischen Partikelmechanik die Rahmenbedingung an, dass die Positionsfunktionen für die dargestellten 

Massenpunkte (mindestens zweimal) differenzierbar sein müssen. Andernfalls liegen überhaupt keine „sinnvollen“ funktionalen 

Beschreibungen von Massenpunkten im Sinne der klassischen Partikelmechanik vor. Weitere Beispiele für solche Rahmenbedingungen 

hat der Verfasser aus betriebs-, insbesondere produktionswirtschaftlicher Perspektive beschrieben; vgl. ZELEWSKI 

(1993a) S. 232 (im Rahmen einer aktivitätsanalytischen Theorie) u. 246 (im Rahmen einer verbrauchsanalytischen Theorie). 

Zwar wird dort nicht explizit von Rahmenbedingungen gesprochen, sondern von Termgleichungen, die definitorische Beziehungen 

zwischen den Bestandteilen des terminologischen Apparats einer Theorie festlegen. Aber inhaltlich sind jeweils die 

Rahmenbedingungen im Sinne von BALZER und MOULINES gemeint.


• Der terminologische Apparat einer Theorie T, der sich in ihrer potenziellen Modellmenge Mp(T) 

niederschlägt, vermittelt keine unmittelbaren Erkenntnisse über den Realitätsausschnitt, auf den 

sich eine realwissenschaftliche Theorie erstreckt. Er steckt „nur“ den sprachlichen Rahmen ab, 

mit dessen Ausdrucksmitteln alle „vorstellbaren“ Theorien über den betrachteten Realitätsausschnitt 

formuliert werden können. 

• Die gesetzesartigen Aussagen einer Theorie T, die mittels ihrer Modellmenge MS(T) spezifiziert 

werden, bilden die „nomische Essenz“ der Theorie: Sie drücken hypothetische Erkenntnisse 

über reguläre – oftmals: kausale – Sachverhalte innerhalb des betrachteten Realitätsausschnitts 

mit ubiquitärem, d.h. raumzeitlich unbeschränktem Geltungsanspruch aus. Da die Erkenntnisse 

nur hypothetischen Charakter besitzen, sind sie Objekte der nachträglichen Überprüfung der 

tatsächlichen empirischen Geltung der betroffenen Theorie. Daher wird auch nur von gesetzesartigen 

Aussagen gesprochen. Zwar besitzen sie die sprachliche Form eines Gesetzes, das in der 

Regel als allgemeingültige „Wenn ..., dann ...“-Aussage formuliert werden kann. Aber sie verfügen 

noch nicht über den epistemischen Status eines (vorläufigen) Gesetzes. Denn von einem 

Gesetz wird erst dann gesprochen, wenn die zugrunde liegende gesetzesartige Aussage hinsichtlich 

ihres empirischen Geltungsanspruchs mehrfach überprüft wurde und – je nach erkenntnistheoretischer 

Position – verifiziert wurde oder mehrere Falsifikationsversuche erfolgreich überstanden 

hat. 

• Der intendierte Anwendungsbereich IT einer Theorie T fasst zusammen, unter welchen Voraussetzungen 

die Theorie auf einen Realitätsausschnitt „sinnvoll“ angewendet werden kann. Er 

kann daher auch als eine grobe – noch nicht nomisch verfeinerte – Beschreibung desjenigen 

Realitätsausschnitts aufgefasst werden, für den die betroffene Theorie gestaltet wurde. Damit ist 

keine Aussage verbunden, ob diese Voraussetzungen in „der“ Realität überhaupt erfüllt sind 

und – wenn dies der Fall ist – wie groß solche voraussetzungskonformen Realitätsausschnitte 

ausfallen. Der intendierte Anwendungsbereich steht also bei empirischen Überprüfungen des 

Geltungsanspruchs einer Theorie selbst nicht zur Disposition. Stattdessen können empirische 

Überprüfungsversuche erst dann „sinnvolle“ Auskünfte hinsichtlich des Geltungsanspruchs einer 

Theorie geben, nachdem erkannt wurde, dass die Voraussetzungen ihres intendierten Anwendungsbereichs 

im überprüften Realitätsausschnitt tatsächlich erfüllt sind. 

Aus der Perspektive des „non statement view“ spielt der terminologische Apparat einer Theorie 

keine entscheidende Rolle, weil er – zumindest prima facie – keine theoretisch interessanten Erkenntnisse 

über die Realität vermittelt. 66) Entsprechend „stiefmütterlich“ wird der terminologische 

Apparat seitens des strukturalistischen Theorienkonzepts behandelt. Zumeist beschränkt man sich 

darauf, mittels der potenziellen Modellmenge Mp(T) lediglich die formalsprachlichen Ausdrücke 

festzulegen, aus denen zulässige Formeln gebildet werden können. In seltenen Fällen kommen noch 

die oben angesprochenen Rahmenbedingungen für die Theorieformulierung hinzu. Eine weiter reichende 

Strukturierung des terminologischen Apparats einer Theorie wird aus der Perspektive des 

„non statement view“ jedoch nicht für nötig gehalten. 

66) Diese „Geringschätzung“ des terminologischen Apparats aufgrund seines scheinbar fehlenden Realitätsbezugs wird deutlich bei 

MOULINES (1996) S. 5 (MOULINES bezieht sich zwar nicht auf den terminologischen Apparat einer Theorie als Ganzes, sondern 

nur auf seine Rahmenbedingungen; doch lässt seine nachfolgende Formulierung die grundsätzliche Einstellung gegenüber 

„rein“ terminologischen Aspekten dennoch plastisch hervortreten): „We have to distinguish between ‚frame conditions’ on the 

one hand and ‚substantial laws’ on the other. The first don’t ‚say anything about the world’ but just settle the formal properties 

of the concepts we want to use; the second group of axioms ‚say something about the world’ by means of the concepts previously 

fixed.“ Vgl. ebenso BALZER/MOULINES (2000) S. 11.


Der Verfasser teilt diese Ansicht jedoch nicht. Denn der terminologische Apparat stellt diejenigen 

begrifflichen Konzepte zur Verfügung, mit denen eine Theorie – selbst ein sprachliches Artefakt – 

einen Realitätsausschnitt und die darin gemutmaßten oder geltenden Regularitäten „begreifen“ 

kann. Die Begrifflichkeiten und ihre inhaltlichen Abhängigkeiten voneinander bedeuten daher eine 

sprachliche Vorstrukturierung der Art und Weise, in der die sprachliche Konstruktion von Theorien 

und ihre Überprüfung möglich sind. Die Begrifflichkeiten erlangen somit die Qualität von „Bedingungen 

der Möglichkeit von theorievermittelter Erkenntnis“ 67) . Mitunter wird auch sprachschöpferisch 

von einem Prozess des „Wortens der Welt“ gesprochen. Darauf wird im Kapitel 1.3.1.4 (S. 

216 ff.) zurückgekommen. 

Aufgrund des vorstrukturierenden Beitrags terminologischer Apparate zur Gestaltung von theorievermittelten 

Erkenntniszusammenhängen würde das strukturalistische Theorienkonzept an „sprachlicher 

Tiefe“ gewinnen, wenn auf die Spezifizierung der potenziellen Modellmenge einer Theorie 

größere Mühe verwendet würde. Dies kann in einer einfachen Form in der Gestalt einer sortierten 

Prädikatenlogik oder einer sortierten Algebra erfolgen, in denen die formalsprachlichen Sorten natürlichsprachlichen 

Gattungsbegriffen entsprechen. 68) Durch hierarchische Über- und Unterordnungsbeziehungen 

zwischen diesen Sorten wird der terminologische Apparat intern stärker strukturiert. 

Diese ersten Ansätze können z.B. durch eine objektorientierte Gestaltung des terminologischen 

Apparats weiter ausgebaut werden. 

Am stärksten würde die Spezifizierung des terminologischen Apparats einer Theorie an Struktur 

gewinnen, wenn der terminologische Apparat in der Gestalt einer Ontologie ausformuliert würde. 69) 

Dazu trägt nicht nur die taxonomische Struktur einer Ontologie bei, die durch ihre begrifflichen 

Konzepte sowie die taxonomischen Über- und Unterordnungsbeziehungen zwischen diesen Konzepten 

konstituiert wird. Vielmehr kommen in einer Ontologie semantische Regeln (Inferenz- und 

67) Diese Formulierung lehnt sich bewusst an die „Bedingungen der Möglichkeit der Erfahrung überhaupt“ an, die insbesondere 

von KANT analysiert wurden. Vgl. KANT (1981) S. 170 u. 201; DANIEL (1984) S. 58 ff. u. 116. 

68) Dies hat der Verfasser an anderer Stelle ausführlicher demonstriert; vgl. ZELEWSKI (1993a) S. 213 ff.; 231 ff. u. 245 ff. ZE- 

LEWSKI (1994a) S. 907 ff. 

69) Vgl. PETKOFF (o.J.) S. 7. 

Die inhaltliche Nähe zwischen Ontologien und strukturalistischem Theorienkonzept wird auch von einigen Vertretern des „non 

statement view“ gesehen. Vgl. MOULINES (1996) S. 5; BALZER/MOULINES (2000) S. 11. Dort werden die Mengen formalsprachlicher 

Objekte des Teiltupels als „ontology“ der jeweils betroffenen Theorie bezeichnet. Diese Mengen D 1,...,D m 

bilden in der so genannten „informal mengentheoretischen“ Formulierungsvariante des strukturalistischen Theorienkonzepts 

das formalsprachliche Fundament, über dem alle weiteren Relationen zur Theoriespezifizierung als „Leitermengen“ definiert 

werden. Sie lassen sich in ihrer Gesamtheit als das „universe of discourse“ auffassen, das alle Objekte umfasst, über die eine 

Theorie überhaupt etwas auszusagen vermag. Allerdings umfasst das Teiltupel noch nicht einmal die Rahmenbedingungen 

(„frame conditions“), die bereits im strukturalistischen Theorienkonzept als Bestandteile des terminologischen 

Apparats einer Theorie bekannt sind. Noch weniger erlangt das Teiltupel die komplexe Struktur einer Ontologie, 

wie sie im hier vorgelegten Werk entfaltet wird (vgl. insbesondere die Ausführungen im Kapitel 1.3.2 auf S. 229 ff.). Insofern 

erscheint es dem Verfasser als übertrieben, dieses Teiltupel bereits als eine Ontologie im hier vertretenen Ontologieverständnis 

aufzufassen. Aber die Ausführungen von BALZER und MOULINES schlagen immerhin – vermutlich auf der Grundlage eines 

„schlichteren“ Ontologieverständnisses – eine bemerkenswerte Brücke zwischen strukturalistischem Theorienkonzept und Ontologien. 

Ein weiterer Beleg für die Nähe zwischen Ontologien und strukturalistischem Theorienkonzept findet sich bei MOULINES 

(1996) S. 12. Er bezeichnet die potenzielle Modellmenge M p(T) einer Theorie und damit ihren terminologischen Apparat als „the 

theory’s conceptual framework“. Wenn berücksichtigt wird, dass in einer Ontologie zunächst die begrifflichen Konzepte spezifiziert 

werden, die als sprachliche Ausdrucksmittel zur Konzeptualisierung eines Realitätsausschnitts zur Verfügung gestellt 

werden, wird die enge inhaltliche Verwandtschaft zwischen einem „conceptual framework“ und einer Ontologie offensichtlich. 

Vgl. ebenso BALZER/MOULINES (2000) S. 12 f.; dort ist im Hinblick auf die potenzielle Modellmenge M p(T) einer Theorie von 

„ ... ‚ontological’ ... choices“ (S. 12) und einem „formal-conceptual frame“ (S. 13) der betroffenen Theorie die Rede.


Integritätsregeln) hinzu, die das inhaltliche Verständnis der Konzepte und ihrer Beziehungen explizieren. 

70) Auf diese charakteristischen Ontologiekomponenten wird in diesem Werk noch mehrfach 

und ausführlich zurückgekommen. An dieser Stelle mag es ausreichen, unter Verweis auf diese 

Komponenten die bemerkenswerte interne Strukturierung von Ontologien anzudeuten. Daher bieten 

sich Ontologien als „erste Wahl“ an, um die bislang nur wenig strukturierte, „flache“ Spezifizierung 

71) des terminologischen Apparats einer Theorie im strukturalistischen Theorienkonzept deutlich 

zu bereichern. Diese Bereicherung des strukturalistischen Theorienkonzepts durch Ontologien 

gilt es in anderen, stärker theorieorientierten Forschungsprojekten zukünftig detaillierter zu untersuchen. 

Die Spezifizierung des terminologischen Apparats einer Theorie mit Hilfe einer Ontologie lässt sich 

aus einer weiteren wissenschaftstheoretischen Perspektive motivieren. Sie betrifft ein langfristig 

angelegtes Forschungsprojekt, das seit Mitte der neunziger Jahre vornehmlich von KAMPS und Mitarbeitern 

an der Universität Amsterdam vorangetrieben wird („Amsterdamer Formalisierungsschule“). 

72) Das Projekt zielt darauf ab, vornehmlich sozial- und wirtschaftswissenschaftliche Theorien, 

die aufgrund ihrer Komplexität bislang nur natürlichsprachlich – allenfalls mit sporadischen Formel-Implantaten 

– verfasst waren, durchgängig formalsprachlich zu rekonstruieren. Es werden große 

Erwartungen in diesen Rekonstruktionsansatz gesetzt, mit neueren „Produkten“ aus der Erforschung 

Künstlicher Intelligenz, insbesondere Theorembeweisern und Modellgeneratoren, die Güte 

realwissenschaftlicher Theorieformulierungen signifikant zu erhöhen. Dazu gehört nicht nur die 

Überprüfung der inneren (logischen) Theoriekonsistenz, sondern vor allem auch die Aufdeckung 

von Lücken in der Theoriespezifikation und von „überraschenden“ Theorieimplikationen (neuen 

Theoremen). 

Es würde das Thema des hier vorgelegten Beitrags verfehlen, die weit reichenden Ansprüche der 

Amsterdamer Formalisierungsschule näher zu diskutieren. Aber im Hinblick auf Ontologien erweist 

es sich als bemerkenswert, dass Mitglieder dieses Forschungsprojekts bei ihren formalsprachlichen 

Rekonstruktionsarbeiten ebenso zu der Einsicht gelangt sind, dass es zu den grundlegenden Aufgaben 

gehört, diejenigen Konzepte zu identifizieren, die in einer sozial- oder wirtschaftswissenschaftlichen 

Theorie verwendet werden, und anschließend formalsprachlich zu repräsentieren. 73) Zwar arbeitet 

die Amsterdamer Formalisierungsschule zurzeit noch nicht mit Ontologien, sondern nur mit einer 

„reinen“ prädikatenlogischen Sprache. Aber es liegt nahe, wie im strukturalistischen Theorienkonzept 

die Rekonstruktionsarbeit mit der Konstruktion von Ontologien zu beginnen, um für die je- 

70) Die semantischen Regeln bieten sich insbesondere dazu an, die o.a. strukturalistischen Rahmenbedingungen („frame conditions“) 

für die Theorieformulierung im Kontext einer Ontologie zu spezifizieren. Der Verfasser vermutet, dass hierfür in erster 

Linie die Integritätsregeln aus Ontologien in Betracht kommen. Denn Integritätsregeln erfüllen in Ontologien die Funktion, die 

Zulässigkeit von Formelsystemen zu wahren oder wiederherzustellen. Damit übernehmen sie praktisch die gleiche Rolle, die 

den Rahmenbedingungen im terminologischen Apparat einer strukturalistisch rekonstruierten Theorie zukommt. 

71) Die „Flachheit“ des terminologischen Apparats einer strukturalistisch rekonstruierten Theorie offenbart sich insbesondere in 

den Teiltupeln , die in der vorletzten Fußnote im Anschluss an BALZER und MOULINES vorgestellt wurden. Zwischen 

den Mengen D 1,...,D m formalsprachlicher Objekte, die das „universe of discourse“ einer Theorie bilden, bestehen im Gegensatz 

zu einer Ontologie keine taxonomischen Über- und Unterordnungsbeziehungen, sondern die Mengen stehen schlicht nebeneinander. 

72) Vgl. KAMPS (1999) S. 285 ff.; KAMPS/PELI (1995) S. 115 ff.; KAMPS/POLOS (1999) S. 1781 ff. 

73) Vgl. KAMPS/POLOS (1999) S. 1781 („Before we can prove the propositions, we will have to introduce a number of general concepts“). 

Vgl. auch den indirekten Hinweis auf den Bedarf für eine präzise Rekonstruktion des terminologischen Apparats sozial- 

und wirtschaftswissenschaftlicher Theorien, der sich in der kritischen Feststellung von KAMPS/PELI (1995) S. 120 manifestiert: 

„In the soft sciences, the nomenclature is less developed; there is hardly any consensus.“


weils betrachteten sozial- oder wirtschaftswissenschaftliche Theorien ein präzises terminologisches 

Fundament zu legen. 74) 

1.3.1.1.2 Relevanz von Ontologien für Aufgaben des Wissensmanagements 

Das Interesse der Wirtschaftswissenschaften an Ontologien – insbesondere seitens der Wirtschaftsinformatik, 

zum geringen Teil auch seitens der Betriebswirtschaftslehre – fokussiert sich seit Beginn 

der neunziger Jahre auf den Bereich des inner- und des überbetrieblichen Wissensmanagements. 

Die vielfachen wirtschaftspolitischen und soziologischen Debatten über den Übergang von 

der Industrie- zur Informations- oder Wissensgesellschaft mögen hierzu ebenso beigetragen haben 

wie die ökonomische Diskussion über die Erweiterung klassischer Faktorsystematiken um den Produktionsfaktor 

Wissen. 

Im Bereich des Wissensmanagements tragen zwei voneinander unabhängige Tendenzen zu diesem 

aufkeimenden Interesse bei. Einerseits ist die betriebliche Leistungserstellung in der Regel durch 

das arbeitsteilige Zusammenwirken mehrerer Personen gekennzeichnet, deren Wissenshintergründe 

oftmals erheblich voneinander abweichen. Je mehr die Wissensintensität eines Leistungsprozesses 

für die betriebliche Wertschöpfung an Bedeutung gewinnt, desto gravierender können sich solche 

Wissensdivergenzen auf das Prozessergebnis auswirken. Daher liegt es nahe, im Rahmen des Wissensmanagements 

nach Instrumenten zu suchen, die in die Lage versetzen, Wissensdivergenzen zu 

identifizieren und – sollten sie sich für die betriebliche Leistungserstellung als problematisch herausstellen 

– sie entweder zu beseitigen oder aber zumindest zu kompensieren. Andererseits weckt 

die explosionsartige Vermehrung populär- und pseudowissenschaftlicher Literatur zum Wissensmanagement 

mancherorts das Bedürfnis nach präzisen Instrumenten, die es gestatten, Wissensmanagement 

nicht nur als „narrative Veranstaltung“ zu betreiben, sondern auch „harten“ methodischen 

Standards – wie auch immer diese konkret inhaltlich gefüllt werden mögen – zu unterwerfen. 

Ontologien bilden einen Ansatzpunkt, beiden zuvor skizzierten Tendenzen gerecht zu werden. 

An Ontologien richtet sich die Erwartung, bei der arbeitsteiligen Erfüllung komplexer, insbesondere 

wissensintensiver Aufgaben ein systematisches Wissensmanagement zu unterstützen (ontologiebasiertes 

Wissensmanagement) 75) . Ontologien dienen zunächst dazu, dasjenige Wissen zu strukturieren 

und formalsprachlich zu kodifizieren, das für die Aufgabenerfüllung benötigt wird. Hierbei 

können sprachlich bedingte Wissensdivergenzen in terminologischer, taxonomischer, syntaktischer 

oder semantischer Hinsicht auftreten. Sie machen sich insbesondere als explizierungs- und artikulie- 

74) Darüber hinaus lässt sich eine interessante Verbindung zwischen strukturalistischem Theorienkonzept und Amsterdamer Formalisierungsschule 

aufzeigen. Sie betrifft Komplikationen hinsichtlich der Falsifizierbarkeit von Theoremen, die in Amsterdamer 

Arbeiten zur formalsprachlichen Theorierekonstruktion bei der Ergänzung oder Erweiterung von Konzeptdefinitionen auftraten. 

Vgl. KAMPS (1999) S. 286. Zur Beherrschung dieser Komplikationen bietet es sich an, rein definitorische Festlegungen 

von den sonstigen Formeln einer Theorie „strukturell“ zu trennen. Dieser Ansatz wird bereits in KAMPS (1999) S. 286 verfolgt. 

Aber noch klarer würde die Theoriestruktur, wenn zu einer Theorierekonstruktion gemäß dem strukturalistischen Theorienkonzept 

übergegangen würde, indem für die betroffene Theorie ein separater terminologischer Apparat spezifiziert wird. Genau 

diese Nahtstelle zwischen strukturalistischem Theorienkonzept und Amsterdamer Formalisierungsschule können Ontologien 

bilden. 

75) Vgl. zu Konzeptionen für ontologiebasiertes Wissensmanagement POCSAI (2000) S. 75 ff., 90 ff. u. 147 ff.; STAAB (2002a) S. 

194 ff. (bereits im Titel des Beitrags wird von „Wissensmanagement mit Ontologien ...“ gesprochen, später auf S. 202 auch 

vom „Betrieb des ontologiebasierten Wissensmanagementsystems“); STAAB (2002b) S. 1 ff., STUDER ET AL. (2001) S. 5 ff.; 

STUDER/OPPERMANN/SCHNURR (2001) S. 2 ff. Vgl. auch speziell zu ontologiebasierten Kompetenz- und Skillmanagementsystemen 

die Quellenangaben zum Verbundprojekt KOWIEN, die später im Kapitel 1.3.1.2 in Fußnote 281 (S. 187) erfolgen.


rungsbedingte Verständnisbarrieren bemerkbar. Diese Barrieren drohen die Kommunikation zwischen 

den Akteuren, die zwecks Koordination der arbeitsteiligen Aufgabenerfüllung erforderlich ist, 

zu beeinträchtigen oder sogar zu vereiteln. Wenn solche Wissensdivergenzen mit der Folge von 

Verständnisbarrieren erkannt wurden, dann besteht eine weiterführende Aufgabe des ontologiebasierten 

Wissensmanagements darin, diese Divergenzen entweder in Zukunft von vornherein zu 

vermeiden oder aber zumindest nachträglich so zu kompensieren, dass sie sich nicht mehr schädlich 

auf die intendierte Aufgabenerfüllung auszuwirken vermögen. 76) 

Im erstgenannten Fall der Vermeidung von Wissensdivergenzen ist eine vereinheitlichende Restrukturierung 

des betroffenen Wissens erforderlich. Diese Vorgehensweise stellt den Normalfall des ontologiebasierten 

Wissensmanagements dar. Sie entspricht unmittelbar dem ontologischen Grundverständnis, 

dass mehrere Akteure aufgrund einer gemeinsam verwendeten Konzeptualisierung desjenigen 

Realitätsausschnitts, der für die arbeitsteilige Erfüllung einer gemeinsam übernommenen 

Aufgabe maßgeblich ist, die gleichen sprachlichen Ausdrucksmittel zur Repräsentation ihres aufgabenrelevanten 

Wissens benutzen. Es handelt sich um eine sprachliche A-priori-Koordinierung der 

betroffenen Akteure, weil ihr sprachlich artikuliertes Fach- und Hintergrundwissen bereits vor Beginn 

ihrer gemeinsamen Aufgabenerfüllung so aufeinander abgestimmt wird, dass kommunikations- 

und koordinationsrelevante Wissensdivergenzen gar nicht auftreten (sollten). Dieser vereinheitlichende 

Wissensmanagementansatz wird z.B. innerhalb des OntoBroker-Projekts in der Gestalt so 

genannter „Ontogroups“ verfolgt. 77) Ihre Mitglieder sind das „ontologische Commitment“ eingegangen, 

eine bestimmte, für die Ontogroup spezifische Ontologie mit ihren sprachlichen Ausdrucksmitteln 

und der zugrunde liegenden Konzeptualisierung möglicher Realitätserfahrungen gemeinsam 

zu verwenden. 78) Darüber hinaus spricht für diesen Wissensmanagementansatz seine hohe 

Anschlussfähigkeit. Denn in der betrieblichen Praxis lässt sich schon heute oftmals das Bestreben 

beobachten, durch Instrumente wie Data Dictionaries, Data Repositories, Unternehmensterminologien 

u.ä. „mit sanftem Druck“ einen gemeinsamen Sprachgebrauch als Teil der – „kommunikativen“ 

– Unternehmenskultur durchzusetzen. 

Der zweitgenannte Fall einer Kompensation von Wissensdivergenzen beruht auf ontologiebasierten 

Übersetzungsmechanismen. Sie sollen in der Lage sein, aufgrund des ontologischen Wissens über 

die terminologischen, die taxonomischen, die syntaktischen und die semantischen Eigenarten des 

involvierten Wissens bedeutungserhaltende 79) Transformationen zwischen den divergenten Wissensbestandteilen 

durchzuführen. Es handelt sich um eine sprachliche A-posteriori-Koordinierung 

der betroffenen Akteure, weil ihr sprachlich artikuliertes Fach- und Hintergrundwissen erst während 

76) Der Verfasser knüpft mit diesen beiden Alternativen an eine Zweiteilung an, die er früher in einem anderen Zusammenhang 

von Multi-Agenten-Systemen gemeinsam mit SIEDENTOPF eingeführt hatte: Es handelte sich um die interne versus externe Konsolidierung 

von Inkonsistenzen, die zwischen den agentenspezifischen Ontologien bei sprachbedingten Kooperationsbarrieren 

auftreten können. Vgl. ZELEWSKI/SIEDENTOPF (1999) S. 81 in Verbindung mit S. 78 f. Vgl. auch REIMER (1997) S. 92 und ZE- 

LEWSKI/FISCHER (1999) S. 8 ff. 

77) Vgl. zu „Ontogroups“ BENJAMINS/FENSEL (1998) S. 288; FENSEL ET AL. (1998b) S. 2. 

78) Das „ontologische Commitment“ stellt eine zentrale Denkfigur des ontologiebasierten Wissensmanagements dar. Vgl. zu seiner 

Betonung GÓMEZ-PÉREZ (1998) S. 10-6; GRUBER (1993) S. 201; GRUBER (1995) S. 908 f.; GUARINO (1998a) S. 7 f.; GUARINO 

(1999c) S. 7 ff.; GUARINO/CARRARA/GIARETTA (1994a) S. 560 ff.; GUARINO/CARRARA/GIARETTA (1994b) S. 271, 273 f. u. 277 

ff.; GUARINO/GIARETTA (1995) S. 27 u. 29; SOWA (2000) S. 134 ff. Vgl. auch RESNICK (1994) S. 61 ff., allerdings aus philosophischer 

Perspektive. 

79) Transformationen zwischen Wissensbeständen – oder kurz: Übersetzungen – werden hier als „bedeutungserhaltend“ betrachtet, 

wenn sie zwischen unterschiedlichen terminologischen Apparaten so erfolgen, dass die intendierten Bedeutungen der jeweils 

betroffenen sprachlichen Konstrukte nicht verändert werden. Auf Probleme dieser Auffassung wird in Kürze zurückgekommen.


des Verlaufs ihrer gemeinsamen Aufgabenerfüllung und nur in dem Ausmaß ineinander transformiert 

wird, wie dies zur Überbrückung von kommunikations- und koordinationsrelevanten Wissensdivergenzen 

erforderlich erscheint. Dieser vielfaltsbewahrende Wissensmanagementansatz erweist 

sich in mindestens zweifacher Hinsicht als verlockend. 

Erstens entspricht es dem ökonomischen Prinzip, nicht a priori alle potenziell störenden Wissensdivergenzen 

durch eine umfassende Vereinheitlichung des betroffenen Wissens zu beseitigen, sondern 

die knappen Ressourcen des Wissensmanagements a posteriori auf jene Wissensdivergenzen 

zu beschränken, die sich im Verlauf der gemeinsamen Aufgabenerfüllung tatsächlich als kommunikations- 

und koordinationsbedrohende Verständnisbarrieren erweisen. Zweitens harmoniert es sowohl 

mit einem liberalen Menschenbild als auch mit einer pluralistischen Erkenntnisposition, 80) die 

Mitarbeiter eines inner- oder überbetrieblichen Netzwerks nicht vornherein dem „Joch“ eines einheitlich 

(re)strukturierten Wissens zu „unterwerfen“. Anstelle des „freiwilligen Zwangs“ oder „ontologischen 

Commitments“ zu einer monistischen Wissensstruktur tritt ein Bekenntnis zur Vielfalt 

unterschiedlicher Wissensstrukturen und somit auch Wissenskulturen. Dies dürfte der Heterogenität 

insbesondere überbetrieblicher Netzwerke entgegenkommen. Aus den beiden vorgenannten Gründen 

hält der Verfasser den Wissensmanagementansatz, Wissensdivergenzen im Bedarfsfall nachträglich 

zu kompensieren, gegenüber der Alternative des Vermeidens von Wissensdivergenzen für 

überlegen. 

Allerdings stehen der Kompensation von Wissensdivergenzen mittels bedeutungserhaltender Transformationen 

zwischen den divergenten Wissensbestandteilen erhebliche Probleme entgegen. Diese 

Probleme sind zunächst prinzipieller Natur. Sie beruhen insbesondere auf sprachanalytischen Arbeiten 

von QUINE zur grundsätzlichen Unbestimmtheit von Übersetzungen. 81) Aufgrund dieser Übersetzungsunbestimmtheit 

lässt sich streng genommen am Postulat bedeutungserhaltender Transformationen 

zwischen Wissensbestandteilen mittels Übersetzungsmechanismen nicht mehr festhalten. Aber 

in der betrieblichen Alltagspraxis wirken sich die prinzipiellen Übersetzungsunbestimmtheiten nach 

Einschätzung des Verfassers – bis zum Beweis des Gegenteils – nicht so stark aus, dass sie im Kontext 

der aktuellen Ontologiediskussion aus betriebswirtschaftlicher Perspektive berücksichtigt werden 

müssten. 82) 

80) Ein liberales Menschenbild und eine pluralistische Erkenntnisposition werden hier ohne vertiefende Diskussion als positiv belegt 

unterstellt. Wer diese Wertprämissen nicht teilt, wird auch von den anschließenden Argumenten nicht überzeugt sein. Dies 

glaubt der Verfasser hinnehmen zu müssen, da der Charakter des hier vorgelegten Werks nicht gestattet, auf normative Prämissen 

des wissenschaftlichen Basisbereichs detaillierter einzugehen. Nur am Rande sei darauf verwiesen, dass sich die o.a. Wertprämissen 

im Interesse der „Selbstkonsistenz“ aufdrängen, weil im späteren Kapitel 1.3.1.4 (S. 208 ff.) über erkenntnistheoretische 

Probleme von Ontologien ebenso eine pluralistische Position bezogen wird. 

81) Vgl. zur These der Übersetzungsunbestimmtheit, die bereits an früherer Stelle im Zusammenhang mit der doppelten ontologischen 

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. 

146 f.); STEGMÜLLER (1987a) S. 291 ff., 443 ff. u. 456 ff.; VON KUTSCHERA (1975) S. 118 ff. 

Zur Erläuterung der Übersetzungsunbestimmtheit bietet sich das instruktive „Gavagai“-Beispiel aus der „Dschungelsprache“ 

an, das von QUINE (2002) S. 63 ff., 101 ff., 135 ff. u. 380 f. und STEGMÜLLER (1987a) S. 293 ff. ausführlich kommentiert wird. 

Vgl. auch das weniger elaborierte, aber hinsichtlich seiner Pointe analoge „kangaroo“-Beispiel von PARTRIDGE (2002) S. 6. 

82) Die wissenschaftstheoretische Berechtigung der These der Übersetzungsunbestimmtheit wird hierdurch jedoch nicht in Zweifel 

gezogen. Daher würde es naiv erscheinen, an eine bedeutungserhaltende Übersetzung zwischen sprachlichen Konstrukten unterschiedlicher 

Wissensbestände oder Theorien im strengen Sinne zu glauben. Stattdessen kann es immer nur um eine – nicht 

scharf definierbare – „Annäherung“ an die „regulative Idee“ bedeutungserhaltender Übersetzungen gehen. Dies reicht für die 

betriebliche Praxis jedoch aus. Vgl. auch zur Illustration der praktischen Kommunikationsmöglichkeit trotz erheblicher Sprachdivergenzen 

VISSER/TAMMA (1999) S. 12-3 f.


Immerhin existieren bereits einige wenige Ansätze, die Hoffnung schöpfen lassen: Sie zeigen für 

Spezialfälle auf, wie eine bedeutungserhaltende Übersetzung – unter den zuvor geäußerten prinzipiellen 

Einschränkungen – zwischen Wissensbeständen oder Theorien verwirklicht werden kann. 83) 

Darunter befinden sich auch Arbeiten, die speziell im Kontext des Wissensmanagements – zum Teil 

sogar mit explizitem Bezug auf Ontologien – konkret aufzeigen, wie sich bedeutungserhaltende 84) 

Übersetzungen zwischen unterschiedlich strukturierten Wissensbeständen realisieren lassen. 85) 

83) Z.B. hat STEGMÜLLER (1986a) S. 301 innerhalb des strukturalistischen Theorienkonzepts skizziert, wie eine bedeutungserhaltende 

Übersetzung – ohne Verkennung der vorgenannten grundsätzlichen Vorbehalte – im Prinzip geleistet werden kann. Weitere 

Beiträge aus der Perspektive des strukturalistischen Theorienkonzepts zu bedeutungserhaltenden Übersetzungen zwischen 

Theorien, die jedoch den Aspekt der Bedeutungserhaltung nicht näher untersuchen, finden sich in MANHART (1995) S. 273 ff.; 

ZELEWSKI (1993a) S. 404 ff.; ZELEWSKI (1997) S. 366 u. 370 f. Vgl. auch die Vorschläge von SOWA (2000) S. 288 ff., Anforderungen 

an die Bedeutungserhaltung von Übersetzungen formalsprachlich präzise zu spezifizieren. Zwar hat auch QUINE (2002) 

S. 129 f. Anforderungen an Übersetzungen aufgestellt. Aber er nimmt aufgrund seiner These der Übersetzungsunbestimmtheit 

nicht in Anspruch, dass durch die Erfüllung jener Anforderungen eine Bedeutungserhaltung von Übersetzungen sichergestellt 

werden könnte. 

84) Der intellektuellen Redlichkeit halber muss aber darauf hingewiesen werden, dass sich jene Arbeiten mit den grundsätzlichen 

Schwierigkeiten der Bedeutungserhaltung, die aus der These der Übersetzungsunbestimmtheit von QUINE resultieren, nicht auseinander 

setzen. Vielmehr unterstellen ihre Autoren implizit, dass ihre Übersetzungsweise die Bedeutungen, die den sprachlichen 

Konstrukten in den verschiedenen Wissensbeständen zukommen, erhält. Eine der seltenen Ausnahmen, die ausdrücklich 

auf Verletzungen der Bedeutungserhaltung eingehen, stellt KIRYAKOV/SIMOV (1999) S. 6 ff. dar (z.B. auf S. 6: „Mismatching 

Taxonomic Structure“). 

85) Vgl. BACLAWSKI ET AL. (2002) S. 144 ff. zu einem sehr detailliert ausgearbeiteten Versuch, eine Übersetzung zwischen den 

formalen Modellierungssprachen UML auf der einen Seite sowie RDF und DAML+OIL auf der anderen Seite zu konstruieren; 

vgl. insbesondere S. 149 ff. u. 154 zu den – bisher nicht bewältigten – Inkompatibilitäten, die zurzeit einer bedeutungserhaltenden 

Übersetzung zwischen diesen Modellierungssprachen entgegen stehen. Vgl. auch BRINK/REWITZKY (2002) S. 545 u. 548 

ff., insbesondere S. 563 ff. Die Autoren zeigen die wechselseitige Übersetzbarkeit zwischen drei verschiedenartigen Ontologien 

aus dem Bereich der Mathematik auf. Die Ausführungen muten zwar – zumindest aus betriebswirtschaftlicher Perspektive – 

recht abstrakt an, zeigen aber zumindest „im Prinzip“ einen konkreten Weg auf, auf dem sich Übersetzungen zwischen verschiedenartigen 

Ontologien nachweislich konstruieren lassen. Allerdings wird in diesem Ansatz das epistemologische Problem 

der bedeutungserhaltenden Übersetzung nicht näher thematisiert (bis auf Andeutungen zur Äquivalenz von Ontologien und bijektiven 

Abbildungen zwischen ihren Zustandsräumen auf S. 566). Vgl. des Weiteren MENA ET AL. (2000) S. 238 ff. u. 249 ff. 

zu einem Projekt, das sich mit der „adäquaten“ Übersetzung zwischen unterschiedlichen Ontologien aus den Perspektiven der 

Angewandten Informatik und der Erforschung Künstlicher Intelligenz befasst, sowie MIHOUBI/SIMONET/SIMONET (1998) S. 365 

f., 368 ff. u. 374 ff. zu einer konkret ausgearbeiteten, computerbasierten Vorgehensweise, Ontologien durch Rückführung auf 

eine gemeinsame metasprachliche Repräsentation ineinander zu übersetzen. Vgl. darüber hinaus zu Übersetzungen zwischen 

Ontologien (Ontologiemapping) ERIKSSON ET AL. (1994) S. 20 ff.; FENSEL ET AL. (1998b) S. 9 f.; GENNARI ET AL. (1994) S. 400 

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. 

54 ff.; ONTOPRISE (2003a) S. 25 ff.; POCSAI (2000) S. 88 f., 104 ff. (sehr ausführlich) sowie – im Hinblick auf ein konkretes 

Beispiel – S. 140 ff. u. 161 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 6 f. u. 8 f.; VISSER/TAMMA (1999) S. 12-8 ff. 

Vgl. schließlich auch HARS (2001) S. 69 ff. zu einem sehr interessanten Vorschlag, vier unterschiedliche konzeptuelle Modelle 

(im Sinne von Ontologien) für wissenschaftliches Wissen hinsichtlich ihrer Begriffe und begrifflichen Abhängigkeiten in ein 

gemeinsam zugrunde liegendes, „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen zu übersetzen. Allerdings 

präsentiert HARS sein „comprehensive model of scientific knowledge“ (S. 69) nur, ohne umfassend und überzeugend aufzuzeigen, 

inwiefern es die bedeutungserhaltende Übersetzung zwischen den vier unterschiedlichen konzeptuellen Modellen für wissenschaftliches 

Wissen tatsächlich zu leisten vermag. Stattdessen bleiben seine diesbezüglichen Erläuterungen relativ oberflächlich, 

weil sie die „Entsprechungen“ zwischen ausgewählten Begriffen aus den vier unterschiedlichen konzeptuellen Modellen 

lediglich behaupten, aber nicht schlüssig nachweisen (vgl. S. 70). Trotz dieser Vorbehalte hinsichtlich der Übersetzungsqualität 

erweist sich der Beitrag von HARS (2001) als bemerkenswert, weil er auf S. 71 f. Ideen entwickelt, wie sich sein „synthetisches“ 

konzeptuelles Modell für wissenschaftliches Wissen auf der Grundlage von Internet-Technologien nutzen lässt, um 

weltweit publiziertes wissenschaftliches Wissen inhaltlich zu erschließen. Seine Überlegungen drängen sich – in die Diktion 

von Ontologien „übersetzt“ – geradezu auf, seine „synthetische“ Ontologie für wissenschaftliches Wissen zur inhaltlichen Erschließung 

wissenschaftlicher Erkenntnisse im Semantic Web zu verwenden. Allerdings entspricht seine „synthetische“ Ontologie 

wieder dem o.a. Wissensmanagementansatz des Vermeidens von Wissensdivergenzen, also der A-priori-Koordinierung 

durch Vereinheitlichung von Wissensstrukturen. Der Verfasser bezweifelt, ob diese „große Vereinheitlichung“ gerade dem real


Aber die geringe Anzahl von Arbeiten auf diesem Gebiet lässt erkennen, dass die gravierenden 

Schwierigkeiten, die durch bedeutungserhaltende Übersetzungen aufgeworfen werden, bei weitem 

noch nicht beherrscht werden. Daher stellt der Wissensmanagementansatz, Wissensdivergenzen 

mittels bedeutungserhaltender Übersetzungen nachträglich zu kompensieren, derzeit eine große Herausforderung 

an die Ontologieforschung dar. 86) Im Gegensatz zur Alternative des Vermeidens von 

Wissensdivergenzen erweist er sich zurzeit noch nicht als „praxistauglich“. 87) 

Als Zusammenfassung aus den voranstehenden Überlegungen lässt sich festhalten, dass Ontologien 

als Erkenntnis- und Gestaltungsobjekte von Wirtschaftsinformatik und Betriebswirtschaftslehre 

immer dann nahe liegen, wenn es gilt, folgende komplexe Problemstellung zu bewältigen: Mehrere 

Akteure wirken bei der arbeitsteiligen Erfüllung einer gemeinsam übernommenen, wissensintensiven 

Aufgabe zusammen und verfügen über erheblich voneinander abweichendes Hintergrundwissen. 

In solchen Fällen ist es – nicht nur, aber unter anderem – erforderlich, die sprachlich bedingten 

Wissensdivergenzen der Akteure zu identifizieren, die einer Kommunikation zwecks Koordination 

der arbeitsteiligen Aufgabenerfüllung entgegenstehen könnten. Dafür kommen insbesondere die 

explizierungs- und artikulierungsbedingten Verständnisbarrieren in Betracht, die im Kapitel 1.1.2 

thematisiert wurden (S. 43 ff.). Alsdann gilt es, die identifizierten Divergenzen mittels entsprechender 

„ontologischer Instrumente“ entweder zu beseitigen oder zumindest zu kompensieren. 

Diese Problemstellung ist in der VKI-Forschung für „offene“ Multi-Agenten-Systeme mit heterogenen, 

lokalen Wissensbasen seit langem bekannt. Neuerdings wird sie auch im ökonomischen 

Kontext reflektiert, wie z.B. im Rahmen des Verbundprojekts KOWIEN. Zur Verdeutlichung des 

wirtschaftswissenschaftlichen Interesses an der Gestaltung von Ontologien werden nachfolgend 

einige typische Anwendungsszenarien stichwortartig skizziert, in denen die zuvor angesprochene 

Problemstellung größere Bedeutung erlangen kann. 88) 

existierenden Wissenschaftsbetrieb mit seinen erheblich divergenten Forschungsprogrammen und „paradigmatischen“ Forschungskulturen 

gerecht werden kann. Dieser Aspekt wäre in anderen Publikationen zu diskutieren. 

86) Zwar lässt sich auf vielfache Arbeiten auf dem Gebiet automatischer Übersetzungssysteme verweisen, die u.a. im Rahmen von 

Forschungsanstrengungen der Europäischen Union intensiv betrieben werden. Aber bislang sind nach Wissen des Verfassers 

nur sehr wenige Versuche erfolgt, diese Übersetzungssysteme und ontologiebasierte Wissensmanagementsysteme zu integrieren. 

Eine solche Integration könnte vielleicht in Zukunft die nachträgliche Kompensation von Wissensdivergenzen mittels bedeutungserhaltender 

Übersetzungen nachhaltig befruchten. Vgl. zu einem der seltenen, noch wenig ausgearbeiteten Ansätze, 

Ontologien zur computerbasierten Übersetzung zwischen unterschiedlichen natürlichen Sprachen einzusetzen, HAASE (2000) S. 

589 ff.; VICKERY (1997) S. 279 ff. Auch im EuroWordNet-Projekt der Europäischen Union erfolgen Anstrengungen, eine multilinguale 

Datenbank für Übersetzungszwecke mit Ontologien zu kombinieren; vgl. GONZALO ET AL. (1998) S. 193 ff., insbesondere 

S 194; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 80 ff.; HAASE (2000) S. 590; RODRIGUEZ ET AL. (1998) S. 124 

ff., insbesondere S. 131 ff.; LOERCH/SANDERS (2002) S. 3 (ff.) u. 6. 

87) Vgl. auch die skeptischen Anmerkungen zu bedeutungserhaltenden Übersetzungen zwischen Ontologien in SOWA (2000) S. 293 

ff.; ZELEWSKI/FISCHER (1999) S. 9 f. 

88) Vgl. zu weiteren Anwendungsszenarien ohne primär wirtschaftswissenschaftlichen Bezug USCHOLD/JASPER (1999) S. 11-5 ff.


Klassische Funktionalorganisationen: Im Absatz-, Produktions- und Beschaffungsbereich von 

Unternehmen herrschen traditionell unterschiedliche Sprach- und Wissenskulturen. So wird unter 

demselben Ausdruck „Auftrag“ aus der Produktions- und aus der Absatzperspektive inhaltlich 

etwas Unterschiedliches verstanden. Produktions- bzw. Kundenaufträge weisen verschiedene 

semantische Merkmale auf, wie die produktionsinterne Zusammenfassung technisch ähnlicher 

Aufträge zu Fertigungsfamilien versus die kundenseitige Erfassung von Lieferterminen 

und darauf bezogenen Konventionalstrafen. Analoges trifft auch auf „Lose“ zu, die unter derselben 

Bezeichnung sowohl im Beschaffungs- als auch im Produktionsbereich geplant werden. 

Es gelangen sogar syntaktisch gleichartige (Basis-) Losgrößenmodelle zum Einsatz. Aber die 

inhaltlich relevanten Merkmale eines Beschaffungsloses, wie etwa lieferfixe Kosten und Mengenrabatte, 

weichen in mehrfacher Hinsicht von denen eines Produktionsloses ab, wie z.B. Maschinenrüstkosten 

und Stückkostendegressionen aufgrund von Lerneffekten. 

Innerbetriebliche Integration von einerseits ingenieurtechnisch und andererseits betriebswirtschaftlich 

geprägten Informationssystemen, vor allem in den Bereichen von Simultaneous Engineering 

(Lean Production, Total Quality Management) und Computer Integrated Manufacturing 

(CIM): So ist es im Rahmen des CIM-Konzepts in der betrieblichen Praxis bis heute noch 

nicht zufrieden stellend gelungen, die ingenieurtechnisch geprägten und produktorientierten 

CAE-, CAD-, CAM-, CAP(P)- und CAQ(A)-Systeme auf der einen Seite mit den auftrags- und 

kundenorientierten BDE-, PPS- und ERP-Systemen auf der anderen Seite zusammenzuführen. 

Die Integrationsversuche haben nicht zu den erhofften Resultaten geführt, weil sich die „Semantiken“ 

einerseits ingenieurtechnischer und andererseits betriebswirtschaftlicher Denk- und 

Sprachmuster noch immer weit gehend unversöhnlich gegenüberstehen. 

Überbetriebliche Integration der Informationsverarbeitungssysteme von Unternehmen mit verschiedenen 

Sprach- und Softwarewelten: Die überbetriebliche Leistungserstellung gewinnt 

durch zunehmende regionale, europaweite und „globale“ Vernetzung von Engineering-, Produktions- 

und Logistikprozessen immer größere betriebswirtschaftliche Bedeutung. Neuartige 

Konzepte, wie z.B. „Multi-site Production“, „Global Sourcing / Manufacturing“, „Tele-Manufacturing“ 

sowie „Efficient Consumer Response“, belegen diese Entwicklung. Sie wird durch 

Verringerung der unternehmensinternen Wertschöpfungstiefe (Outsourcing), Intensivierung der 

internationalen Arbeitsteilung und Liberalisierung vormals geschützter Märkte (Globalisierung), 

vertiefte Zusammenarbeit von Produzenten und Lieferanten in Wertschöpfungsketten 

und -partnerschaften (Supply Chain / Web Management) sowie neu entstehende Entsorgungsverbünde 

verstärkt. Aus diesen Entwicklungen resultieren oftmals komplex strukturierte, heterogene 

Engineering-, Lieferanten-, Produzenten- und Entsorgungsnetzwerke. 89) Alle vorgenannten 

Entwicklungen auf dem Gebiet der überbetrieblichen Leistungserstellung setzen einen intensiven 

Wissensaustausch zwischen den vernetzten Unternehmen voraus. Eine systematische 

Gestaltung dieses Wissensaustauschs erfordert Metawissen darüber, welches Wissen an den 

Schnittstellen zwischen den Netzwerkmitgliedern benötigt und welches Wissen dort offeriert 

wird. Sowohl die Akquisition als auch die Anwendung dieses Metawissens können durch 

sprachbedingte Wissensdivergenzen zwischen den involvierten Unternehmen erheblich beein- 

89) Auf eine Ausprägungsform dieser Netzwerke – die Engineering-Netzwerke – fokussiert sich das Verbundprojekt KOWIEN.


trächtigt werden. 90) Sprachbedingte Wissensdivergenzen wirken sich in überbetrieblichen 

Netzwerken oftmals noch gravierender als auf der innerbetrieblichen Ebene aus, weil das gemeinsame 

Hintergrundwissen fehlt, das im Allgemeinen durch die Arbeit innerhalb desselben 

Unternehmens durch „Sozialisation“ erworben wird. Aktuelle Tendenzen zu einer verstärkten 

überbetrieblichen Vernetzung – als Schlagworte seien nur „Globalisierung“ und „Virtuelle Unternehmen“ 

erwähnt – verschärfen die Problematik sprachbedingter Wissensdivergenzen noch. 

CSCW-Systeme: Bei der computerbasierten Gruppenarbeit („computer supported cooperative 

work“) kommen Aspekte des Ontology Engineerings sowohl inner- als auch überbetrieblich ins 

Spiel, sobald es sich um Gruppen mit heterogenen Wissensstrukturen handelt. Hinsichtlich der 

synchronen Kooperation der Gruppenmitglieder stehen das abteilungs- oder unternehmensübergreifende 

Knowledge und Workflow Management im Vordergrund des betriebswirtschaftlichen 

Gestaltungsinteresses, z.B. zum Identifizieren von Kompetenzprofilen potenzieller Kooperationspartner 

in Virtuellen Unternehmen. Aus der Perspektive der diachronen Kooperation interessiert 

hingegen vor allem die Wiederverwendung von Wissen, das von der gleichen Gruppe 

oder anderen Gruppen zu früherer Zeit generiert wurde und aktuell nicht mehr „unmittelbar“ 

zur Verfügung steht. Mit dieser Problematik befassen sich insbesondere Consulting-Unternehmen, 

um bereits vorliegendes Best-practice-Wissen und „lessons learned“ aus Beratungsprojekten 

unternehmensweit zugänglich zu machen und auf diese Weise ein langfristig Wissen erhaltendes 

„organizational memory“ aufzubauen. 

Elektronische Marktplätze: Im World Wide Web und auch in Extranets vollzieht sich zurzeit 

ein erstaunliches Wachstum des Angebots elektronischer Marktplätze. Aus betriebswirtschaftlicher 

Sicht erscheinen „klassische“ B2B-Marktplätze vor allem im Bereich des E-Procurements 

am Erfolg versprechendsten. In näherer Zukunft werden aber auch „modernere“ E2E-Marktplätze 

mit „automatischen“ Interaktionen zwischen B2B-Marktplätzen eine zunehmende Rolle 

spielen. Für alle Varianten gilt tendenziell in der gleichen Weise, dass sie als globale Marktplätze 

im Internet konzipiert sind und daher die Gefahr heterogener Wissenshintergründe der 

Marktteilnehmer besonders ausgeprägt ist. Die sprachbedingten Wissensdivergenzen, die kurz 

zuvor anlässlich der überbetrieblichen Integration angesprochen wurden, treffen auf elektronische 

Marktplätze im Prinzip ebenso zu; nur werden diese Divergenzen durch die große Hetero- 

90) Sprachbedingte Wissensdivergenzen treten bei der überbetrieblichen Leistungserstellung insbesondere durch unterschiedliche 

inhaltliche Verwendungen derselben Bezeichnungen in verschiedenen Unternehmen auf. Das Auftreten solcher Homonyme 

wird in der betrieblichen Praxis dadurch begünstigt, dass selbst innerhalb der „wissenschaftlichen“ Betriebswirtschaftslehre 

oftmals keine einheitliche Begriffsverwendung erfolgt. Beispielsweise werden so zentrale Bezeichnungen wie „Shareholder Value“, 

„Rendite“, „Rentabilität“, „operatives Ergebnis“ und „betriebsnotwendiges Kapital“ sowohl in der Wissenschaft als auch 

in der betrieblichen Praxis mit vielfach variierenden Inhalten belegt. Ein Blick in die Geschäftsberichte von Unternehmen – sogar 

dann, wenn sie aus derselben Branche stammen, – verdeutlicht die erheblichen Diskrepanzen in der Verwendung dieser 

homonymen Bezeichnungen. Wenn vom noch vergleichsweise simplen Fall expliziter betrieblicher Kennzahlen zum impliziten 

Hintergrundwissen übergegangen wird, das in die betriebliche Leistungserstellung einfließt, so können sich Wissensdivergenzen 

weitaus gravierender auswirken. Beispielsweise ist es möglich, dass unterschiedliche Unternehmenskulturen, die sich als 

Sonderfall des betrieblichen Hintergrundwissens auffassen lassen, zum „sprach- und wissensbedingten“ Scheitern einer überbetrieblichen 

Zusammenarbeit führen. Verschiedenartige Normungssysteme in unterschiedlichen Branchen oder Wirtschaftsregionen 

können solche sprachbedingten Wissensdivergenzen noch verstärken, wie etwa im Falle unterschiedlicher Systematiken 

von EU- und ISO-Normen. Einen Sonderfall solcher Normungssysteme stellen Nomenklaturen für Güter dar. Sie variieren des 

Öfteren nicht nur von Branche zu Branche, sondern auch zwischen Unternehmen derselben Branche. Kooperieren Unternehmen 

aus unterschiedlichen Sprachzonen miteinander, so muss zusätzlich damit gerechnet werden, dass verschiedene Sprachen unterschiedliche 

Wissens(vor)strukturierungen implizieren. Darauf wird später im Kapitel 1.3.1.4 detaillierter zurückgekommen (S. 

215 ff.).


genität des Hintergrundwissens von Akteuren auf globalen Marktplätzen tendenziell noch verstärkt. 

Erschwerend kommt hinzu, dass auf elektronischen Marktplätzen Automatische Informationsverarbeitungssysteme 

– z.B. „Softwareagenten“ – unmittelbar miteinander kommunizieren. 

Daher kann nicht auf die Flexibilität menschlicher Kognitions- und Kommunikationsfähigkeiten 

zurückgegriffen werden, um eventuell vorhandene sprachbedingte Wissensdivergenzen 

auszugleichen. Aus diesem Grund stellen elektronische Marktplätze ein besonders interessantes 

Anwendungsszenario dar, um die Eignung von Ontologien für computerbasierte Wissensmanagementsysteme 

empirisch zu überprüfen. 

Multi-Agenten-Systeme: An der „vorderen Front“ betriebswirtschaftlicher Forschung finden 

Multi-Agenten-Systeme zur Koordination von komplexen Prozessen neuerdings größere Beachtung. 

Dies gilt vor allem für die Koordination von Produktions- und Logistikprozessen in vernetzten 

Unternehmensstrukturen mittels Auktionsmechanismen („market-in approach“). Daneben 

bildet auch die Koordination der Ressourcenzuteilung beim Management komplexer Projekte 

ein betriebswirtschaftlich interessantes Experimentierfeld für Multi-Agenten-Systeme. 

Insbesondere die Kombination von Multi-Agenten-Systemen mit den vorgenannten elektronischen 

Märkten wird seitens (eines Teils) der Betriebswirtschaftslehre mit großem Interesse verfolgt. 

Eine Sonderrolle spielen Ontologien immer dann, wenn Lerneffekte intendiert werden. Dies gilt für 

alle vorgenannten Anwendungsszenarien prinzipiell in der gleichen Weise, so dass Ontologien in 

dieser Lernperspektive die Qualität einer Querschnittstechnik besitzen. Lernen setzt voraus, dass in 

einem Unternehmen oder in einem Unternehmensverbund bereits gleiches oder ähnliches Wissen 

vorliegt, aus dem zwecks Bewältigung eines neuen Problems gelernt werden kann. Diese Prämisse 

ist in der betrieblichen Praxis aber oftmals nicht erfüllt, weil keine systematische Erfassung jenes 

Wissens erfolgt, das „in den Köpfen“ der Mitarbeiter oder in anderen Wissensquellen, wie etwa Daten-, 

Informations- oder Wissensbanken, bereits vorhanden ist. Daher wird im Rahmen des Wissensmanagements 

die große Bedeutung, die dem (Meta-) Wissen über das Vorliegen von und die 

Zugriffsmöglichkeiten auf anderes (Objekt-) Wissen zukommt, schon seit längerem aus der Perspektive 

der „organizational memories“ diskutiert. 91) Beispielsweise gehört es zu den strategischen 

Erfolgsfaktoren von Consulting-Unternehmen zu wissen, welches Erfahrungswissen von welchen 

Mitarbeitern in welchen Beratungsprojekten bereits erworben wurde, um dieses Wissen sowohl bei 

der Akquisition als auch bei der Durchführung neuer Beratungsprojekte wieder verwenden zu können. 

Daher überrascht es nicht, dass vor allem Consulting-Unternehmen derzeit großes Interesse 

daran hegen, das Konzept der „organizational memories“ konkret zu implementieren. 92) 

Aus den zuvor skizzierten Anwendungsszenarien lässt sich eine Relevanz-These 93) für die wirtschaftswissenschaftliche 

Beschäftigung mit Ontologien im Allgemeinen und das ontologiebasierte 

Wissensmanagement im Besonderen ableiten. Diese These wird in der nachfolgenden Abbildung 14 

wiedergegeben. 

91) Vgl. ABECKER/DECKER (1999) S. 113 ff.; LIAO ET AL. (1999) S. 125 ff. 

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 

Werk die Ausführungen im Kapitel 1.2.2 auf S. 89 ff. 

93) Die Relevanz-These stellt eine überarbeitete Variante derjenigen These dar, die der Verfasser erstmals in ZELEWSKI (2002b) S. 

66, in die Diskussion des ontologiebasierten Wissensmanagements eingebracht hat.


Je stärker die arbeitsteilige Erfüllung betrieblicher Aufgaben 

a) auf wissensintensiven Leistungserstellungsprozessen basiert und 

b) auf die inner- oder überbetriebliche Interaktion von Akteuren angewiesen ist, 

c) die über zumindest partiell divergentes Fach- oder Hintergrundwissen verfügen, 

desto größer wird tendenziell die Bedeutung von Ontologien 

zur Integration von Wissen sein, 

d) und zwar zumindest in dem Ausmaß, 

e) wie die Kommunikation von Wissenskomponenten 

f) zur Koordination der Akteure bei ihrer arbeitsteiligen Aufgabenerfüllung erforderlich ist. 

Abbildung 14: Relevanz-These des ontologiebasierten Wissensmanagements 

1.3.1.1.3 Konkretisierung des Ontologieverständnisses 

Mit der (Kern-) Informatik teilen Wirtschaftsinformatik und Betriebswirtschaftslehre eine inhaltliche 

Begriffsverschiebung gegenüber der ursprünglichen philosophischen Verwendung des Ontologiebegriffs. 

94) Dieser Bedeutungswandel manifestiert sich bereits in der Abkehr von „der“ Ontologie 

als der Philosophie vom „Seienden als Seiendem“, die nur den Singular als in sich stimmigen 

Numerus zulässt. Diese klassische Ontologieauffassung wurde abgelöst durch die pluralische Rede 

von Ontologien, die sich auf mögliche 95) Realitätserfahrungen 96) unterschiedlicher Akteure 97) im 

94) Vgl. dazu die ausführlichere Darstellung im Kapitel 1.3.1.1.1 auf S. 115 ff. 

95) Später wird aus epistemologischer Perspektive die Position eines naiven Realismus abgelehnt (vgl. Kapitel 1.3.1.4, S. 209 ff.). 

Daher hängt die Möglichkeit von Realitätserfahrungen nicht nur von der erfahrbaren Realität „an sich“ ab, sondern ebenso von 

den Bedingungen der Möglichkeit von Erfahrungen, die in den kognitiven Strukturen des Denkens verankert sind. Deshalb sind 

mit möglichen Realitätserfahrungen stets denkmögliche Realitätserfahrungen gemeint. Solange der Einfluss des Denkens auf 

die Möglichkeit von Realitätserfahrungen nicht ausdrücklich angesprochen werden soll, wird der Einfachheit halber schlicht 

von möglichen Realitätserfahrungen geredet. Außerdem wird hierdurch eine unnötige (Vor-) Festlegung auf die Ablehnung 

einer naiv-realistischen Erkenntnisposition im Sinne des Postponement-Prinzips vermieden. 

96) Mit Realitätserfahrungen sind sowohl Wahrnehmungen (sensorische Erfahrungen, Beobachtungen) von Phänomenen in einem 

betrachteten Realitätsausschnitt als auch Vorstellungen (kognitive Erfahrungen, Denkakte) von Phänomenen in einem unterstellten 

Realitätsausschnitt gemeint. Realitätserfahrungen können sich daher nicht nur auf „die“ eine, „wirkliche“ Realität beziehen, 

sondern auch auf eine Vielheit von „potenziellen“ Realitäten, die nur in unserer Vorstellung existieren (wie z.B. in der 

„possible worlds semantics“). Darüber hinaus ist im Kontext von Ontologien immer nur von möglichen Realitätserfahrungen 

die Rede, weil es nur darauf ankommt, diese Realitätserfahrungen mit den Ausdruckmitteln einer Ontologie sprachlich artikulieren 

zu können, falls die betroffenen Phänomene tatsächlich wahrgenommen bzw. vorgestellt werden. Es kommt also innerhalb 

einer Ontologie nicht darauf an, dass die Wahrnehmungen bzw. Vorstellungen faktisch erfolgt sind. Dies ist wichtig, weil 

eine Ontologie nur die sprachlichen Ausdrucksmittel für die Repräsentation von Wissen über einen Realitätsausschnitt zur Verfügung 

stellt, nicht aber – im Gegensatz zu konventionellen Modellen – die Repräsentation dieses (faktischen) Wissens selbst 

ist. Schließlich beziehen sich Ontologien stets nur auf einen Ausschnitt der wahrgenommenen oder vorgestellten Realität – und 

nicht auf die Realität als Ganzes. Der jeweils relevante Realitätsausschnitt wird von den Akteuren und den Zwecken determiniert, 

die eine Ontologie verwenden. 

97) Unter Akteuren werden im hier interessierenden Kontext des Wissensmanagements alle handlungsfähigen Subjekte verstanden, 

die zur Ausführung ihrer Handlungen u.a. handlungsbefähigendes Wissen (Kompetenzen) einsetzen können. Dabei kann es sich 

sowohl um natürliche (Menschen, Personen) als auch um artifizielle (Maschinen, Computer) Akteure handeln. Ebenso kommen 

– aus einer orthogonalen Perspektive – sowohl individuelle (einzelne Personen oder Computer) als auch kollektive (Teams aus 

Mitarbeitern, Multi-Agenten-Systeme) Akteure in Betracht. Vgl. dazu die entsprechenden früheren Festlegungen in den Fußnoten 

4 auf S. 34 und 47 auf S. 123.


Kontext verschiedener Zwecke 98) beziehen. Das moderne Ontologieverständnis umfasst daher von 

vornherein schon immer eine epistemologische (Erfahrung), eine soziologische (Mehrzahl von Akteuren) 

und eine pragmatische (Zweckbezug) Komponente. Darüber hinaus wird die Seinsorientierung 

der klassischen, in der philosophischen Metaphysik verwurzelten Ontologieauffassung durch 

die Sprachorientierung des modernen Ontologieverständnisses zumindest ergänzt, wenn nicht gar 

verdrängt. 99) Mit dieser Schwerpunktverschiebung von der Seins- zur Sprachorientierung vollzieht 

das moderne Ontologieverständnis den „linguistic turn“ nach, der die (sprach-) analytische Philosophie 

der letzten Jahrzehnte maßgeblich geprägt hat. 100) 

Im Folgenden wird nur noch auf das moderne Ontologieverständnis eingegangen, um es inhaltlich 

zu konkretisieren. In der einschlägigen Fachliteratur existieren mehrere unterschiedliche Ontologiedefinitionen. 

101) Zwar unterscheiden sich diese Definitionen in zahlreichen Details voneinander, auf 

die in der hier gebotenen Kürze nicht näher eingegangen werden kann. Aber es lassen sich zumindest 

einige „vorherrschende“ Definitionsmuster identifizieren. Zu ihrer Verdeutlichung werden 

nachfolgend einige wenige Ontologiedefinitionen exemplarisch herausgegriffen, um auf dieser 

Grundlage das eigene, dem Verbundprojekt KOWIEN zugrunde gelegte Verständnis von Ontologien 

zu entfalten. 

Ein erstes Ontologieverständnis wird vornehmlich im Information Systems Research vertreten. Aus 

dieser Perspektive stellt eine Ontologie eine konzeptuelle Strukturierung von Systemmodellen dar: 

„An ontology consists of a set of concepts and their relationships, forming a conceptual structure 

that underlies the interpretation of any system model.“ 102) Hierbei bleibt zwar offen, welcher Natur 

98) Die spezielle Zwecksetzung im Verbundprojekt KOWIEN betrifft die arbeitsteilige Erfüllung einer gemeinsam übernommenen, 

wissensintensiven Aufgabe. 

99) Moderne Ontologieverständnisse unterscheiden sich insbesondere hinsichtlich des Gewichts, das der Sprachorientierung zugemessen 

wird. Im Folgenden, insbesondere im Kapitel 1.3.1.4 (S. 208 ff.), wird gezeigt werden, dass zahlreiche Autoren auf dem 

Gebiet der modernen Ontologieforschung Erkenntnispositionen beziehen, die sich in enger inhaltlicher Nähe zu einem naiven 

Realismus befinden. Da die naiv-realistische Erkenntnisposition von der prinzipiellen Erfahrbarkeit des Seins „an sich“ ausgeht, 

ist das Ontologieverständnis jener Autoren noch von einer starken Seinsorientierung geprägt. Dagegen vertritt der Verfasser 

eine „aufgeklärt“ realistische Erkenntnisposition, die je nach Blickwinkel auch als gemäßigt konstruktivistische oder sprachrelativistische 

Erkenntnisposition bezeichnet werden kann (Näheres dazu u.a. im Kapitel 1.3.1.4, S. 209 ff.). Aus dem Blickwinkel 

dieser Erkenntnisposition wird die Sprachorientierung des modernen Ontologieverständnisses stärker betont. Dies wird 

in den nachfolgenden Ausführungen noch detaillierter herausgearbeitet. 

100) Vgl. zum „linguistic turn“, der u.a. auf die sprachanalytischen Arbeiten von WITTGENSTEIN zurückgeführt wird und vor allem 

von RORTY in der Wissenschaftsdiskussion verbreitet wurde, LORENZ (2004c) S. 48; LORENZ (2004d) S. 658 f.; LORENZ (2004g) 

S. 140. 

101) Vgl. POLI (2002) S. 639. 

Vgl. zu unterschiedlichen Ontologiedefinitionen (im Rahmen des modernen Ontologieverständnisses) BATEMAN (1992) S. 7; 

BENJAMIN ET AL. (1994) S. 2 ff.; DING (2001) S. 378; DITTMANN/PENZEL (2004) S. 458 ff.; ERDMANN (2001) S. 76 ff.; FENSEL 

(2001a) S. 1 u. 11; GÓMEZ-PÉREZ (1998) S. 10-4 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-2; GUARINO/GIARETTA (1995); GUA- 

RINO (1997a) S. 295 ff. (eine sehr ausführliche Gegenüberstellung gebräuchlicher Ontologiedefinitionen); GUARINO (1998a) S. 4 

ff., insbesondere S. 6 f.; GUARINO/GIARETTA (1995) S. 25 ff.; HEYLIGHEN (1995); KLAPSING (2003) S. 61; LU/JIN (2000) S. 41 

ff.; MAEDCHE (2002) S. 11 u. 17 f.; MIHOUBI/SIMONET/SIMONET (1998) S. 366 f.; MIZOGUCHI (1994) S. 127; NECHES ET AL. 

(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; 

SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 1 ff.; SOWA (2000) S. 134, 454 u. 492; STAAB (2002a) S. 200 f.; STUDER ET AL. 

(1999) S. 4; STUDER ET AL. (2001) S. 4; TAMMA/BENCH-CAPON (2002) S. 47 f.; USCHOLD (1996c) S. 12 f.; USCHOLD/GRUNIN- 

GER (1996) S. 96 f.; VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 191 f.; WIELINGA/SCHREIBER (1994) S. 115. 

102) JARKE ET AL. (1997) S. 239 [kursive Hervorhebungen durch den Verfasser]. MYLOPOULOS (1998) S. 136 definiert ähnlich: „an 

ontology characterizes some aspects of a class of applications“ [Anmerkung des Verfassers: die “aspects” entsprechen hier den 

o.a. “concepts”]. Die vorgenannten Definitionsansätze stammen vor allem aus den Bereichen des Requirements Engineerings 

und des Software Engineerings.


die modellierten Systeme sind. Jedoch bilden Automatische Informationsverarbeitungssysteme im 

Allgemeinen den Fokus dieses ersten Ontologieverständnisses. Im Vordergrund des Definitionsinteresses 

steht hier die Systemstrukturierung auf der konzeptuellen Ebene. Was mit der konzeptuellen 

Ebene gemeint ist, wird oftmals nicht näher definiert. Stattdessen wird zumeist ein intuitives Vorverständnis 

darüber vorausgesetzt, was unter einer konzeptuellen Strukturierung zu verstehen ist. 

Darauf wird in Kürze zurückgekommen. Die sprachlichen Ausdrucksmittel, mit denen die konzeptuelle 

Strukturierung erfolgt, scheinen aus der Perspektive dieses ersten Ontologieverständnisses 

keine Rolle zu spielen. Insbesondere wird es offensichtlich als unbeachtlich empfunden, ob die Systemstrukturierung 

mittels natürlicher oder formaler Sprachen geschieht. 

Ein zweites Ontologieverständnis stammt vornehmlich aus der KI-Forschung. Aus diesem Blickwinkel 

wird eine Ontologie in erster Linie als ein Begriffssystem aufgefasst, das aus einem Vokabular 

zulässiger Begriffe und aus Regeln für zulässige Begriffsverknüpfungen besteht: „An ontology 

defines the basic terms and relations comprising the vocabulary of a topic area as well as the rules 

for combining terms and relations to define extensions to the vocabulary.“ 103) Hier spielen vordergründig 

weder Strukturierungs- noch Konzeptualisierungsaspekte eine tragende Rolle. Stattdessen 

wird die sprachliche – „begriffliche“ – Struktur der Zugriffsmöglichkeiten auf einen Realitätsausschnitt 

(„topic area“) betont. Aus diesem zweiten Definitionsansatz wird die Sprachorientierung des 

modernen Ontologieverständnisses unmittelbar deutlich. 

Die am weitesten verbreitete Ontologiedefinition stammt von GRUBER 104) . Ihre breite Akzeptanz beruht 

vermutlich auf dem Umstand, dass sie wesentliche Aspekte aus den beiden voranstehend angeführten 

Ontologieverständnissen – sowohl den Aspekt konzeptueller Strukturierung als auch den 

Aspekt von Begriffssystemen – in sich aufnimmt und somit nahezu jeder Ontologieforscher mit dieser 

Definition „leben“ kann. Der kognitive Preis dieser inhaltlichen Breite ist, dass GRUBER streng 

genommen keine konzise, in sich abgeschlossene Definition von Ontologien leistet, sondern zwei 

„unverbundene“ 105) Definitionsansätze präsentiert und diese um eine Hilfsdefinition für Konzeptualisierungen 

erweitert: 106) 

103) NECHES ET AL. (1991) S. 40 [kursive Hervorhebungen durch den Verfasser]; ähnlich auch auf S. 68. 

104) Vgl. GRUBER (1993) S. 199 sowie GRUBER (1995) S. 908. Vgl. zur Berufung auf das Ontologieverständnis von GRUBER beispielsweise 

DING (2001) S. 378; FENSEL (2001a) S. 11; METAIS (2002) S. 264 (ohne GRUBER explizit zu nennen); POCSAI (2000) 

S. 39 f. u. 77; STUDER ET AL. (1999) S. 4; STUDER/SCHNURR/NIERLICH (2001) S. 10. Auch GUARINO (1997a) S. 295 lehnt sich 

zunächst an die Definition von GRUBER an, fährt danach jedoch mit einem anderen Ontologie-, insbesondere Konzeptualisierungsverständnis 

als GRUBER fort. Eine besonders intensive – und kritische – Auseinandersetzung mit dem Ontologieverständnis 

von GRUBER findet sich in GUARINO/GIARETTA (1995) S. 27 ff. 

105) Bei genauerem Hinsehen zeigt sich, dass die beiden Definitionsansätze von GRUBER nur in seinen Texten GRUBER (1993) und 

GRUBER (1995) unverbunden nebeneinander stehen, aber inhaltlich durchaus miteinander zusammenhängen. Denn der erste Definitionsaspekt, 

Ontologien maßgeblich als Begriffssysteme („representational vocabulary“) aufzufassen, lässt sich auf instrumentelle 

Weise mit dem zweiten Definitionsaspekt konzeptueller Strukturierung („specification of a conceptualization“) zusammenführen: 

Begriffssysteme dienen als Instrumente zur konzeptuellen Strukturierung von Realitätsausschnitten. Diese instrumentelle 

Perspektive wird später anhand der Metapher des „Wortens der Welt“ vertieft. Aufgrund dieser Zusammenführungsmöglichkeit 

wäre es unfair, GRUBER vorzuhalten, er habe zwei verschiedene, miteinander unverträgliche Definitionsansätze 

für Ontologien vorgelegt (dies hat der Verfasser oben so auch nicht geäußert). Stattdessen irritiert es nur erheblich, dass 

GRUBER den inhaltlichen Zusammenhang seiner beiden Definitionsansätze nicht benutzt hat, um daraus von vornherein eine 

Definition für Ontologien zu gewinnen, welche die beiden o.a. Aspekte umfasst. 

106) Dem Verfasser mutet es erstaunlich an, dass eine „handwerklich“ derart „schludrige“ Ontologiedefinition so weite Verbreitung 

finden konnte. Offensichtlich findet das Ringen um konzise Definitionen in der Ontologieforschung keine große Anhängerschaft. 

Von dieser Kritik ausgenommen sind ausdrücklich einzelne Autoren, wie z.B. GUARINO, der sich in zahlreichen und 

tiefgründigen Beiträgen um eine inhaltliche Schärfung des Ontologieverständnisses verdient gemacht hat. Vgl. dazu die Quel-


• Zunächst rückt GRUBER den Aspekt von Begriffssystemen und damit die Sprachorientierung 

des modernen Ontologieverständnisses in den Vordergrund: „A specification of a representational 

vocabulary for a shared domain of discourse ... is called an ontology.“ 107) Hierbei lässt 

GRUBER bereits die pragmatische, die epistemologische und die soziologische Komponente von 

Ontologien anklingen: Die Begriffe aus dem Vokabular einer Ontologie werden zu dem Zweck 

benutzt, Sachverhalte aus einem erfahrbaren Realitätsausschnitt („domain of discourse“, Domäne) 

108) zu repräsentieren („representational vocabulary“). 109) Zusätzlich werden implizit mehrere 

Akteure unterstellt, weil ein Diskurs über einen Realitätsausschnitt eine Kommunikation 

zwischen mehreren Akteuren präsupponiert. Darüber hinaus wird explizit vorausgesetzt, dass 

die mehreren Akteure den Gegenstandsbereich ihrer Kommunikation teilen („shared domain of 

discourse“), also hinsichtlich des jeweils betrachteten Realitätsausschnitts übereinstimmen. 110) 

• Danach betont GRUBER den Aspekt konzeptueller Strukturierung: „An ontology is an explicit 

specification of a conceptualization.“ 111) Inhaltlich konkretisierend fügt er hinzu: „A conceptualization 

is an abstract, simplified view of the world that we wish to represent for some purpose.“ 

112) In der Konzeptualisierungsdefinition klingen abermals die epistemologische und die 

pragmatische Komponente von Ontologien an: Es geht um Realitätserfahrungen („view of the 

world“), die mit Hilfe einer Konzeptualisierung so strukturiert und repräsentiert werden, dass 

einem vorgegebenen Zweck („some purpose“) möglichst gut entsprochen wird. 

Als einzige Definitionskomponente bleibt inhaltlich völlig unbestimmt, was GRUBER unter einer 

Spezifikation versteht, auf die er sich gleich zweimal bezieht („specification of a representational 

vocabulary“ und „specification of a conceptualization“). Da dieser Aspekt nach Kenntnis des Verfassers 

im Kontext von Ontologien niemals problematisiert wird, lässt sich eine Spezifikation im 

umgangssprachlichen Begriffsverständnis schlicht als eine Festlegung von etwas auffassen. Hinzu 

kommt, dass GRUBER zumindest im zweiten Fall, der sich auf eine Konzeptualisierung bezieht, keine 

beliebige Art der Spezifikation zulässt, sondern ausdrücklich eine explizite Spezifikation for- 

lenhinweise zu Ontologiedefinitionen in der voranstehenden Fußnote 101. Aufgrund der Unzufriedenheit mit der (zweifachen) 

Ontologiedefinition von GRUBER wurde im Verbundprojekt KOWIEN eine eigenständige Ontologiedefinition entwickelt, die in 

diesem Kapitel vorgestellt und im anschließenden Kapitel 1.3.2 (S. 229 ff.) formalsprachlich präzisiert wird. Allerdings wird im 

Folgenden GRUBERS Ontologiedefinition bewusst als Ausgangspunkt der Argumentation gewählt, um die Anschlussfähigkeit 

zur etablierten Ontologieforschung zu wahren, die sich mehrheitlich auf das Ontologieverständnis von GRUBER beruft. Die im 

laufenden Text verwendeten Paraphrasierungen von GRUBERS Ontologieverständnis bemühen sich darum, diejenigen Definitions- 

und Erläuterungsaspekte aus der Originalschrift GRUBER (1993) „auf den Punkt zu bringen“, die vom Verfasser als wesentlich 

empfunden werden. Er ist sich der Subjektivität und Angreifbarkeit eines solchen Wesentlichkeitsurteils bewusst. Allerdings 

lässt sich auf ähnliche Interpretationen des Ontologieverständnisses von GRUBER verweisen; vgl. z.B. STUDER ET AL. 

(1999) S. 4. 

107) GRUBER (1993) S. 199 [kursive Hervorhebungen durch den Verfasser]. 

108) Für den Realitätsausschnitt, der mittels einer Ontologie konzeptualisiert wird, existieren zahlreiche Bezeichnungen: „Domäne“, 

„domain of discourse“, „universe of discourse“, „Gegenstandsbereich“ usw. In diesem Werk werden alle diese Bezeichnungen 

synonym verwendet. 

109) Vgl. auch STUDER ET AL. (1999) S. 4 (“An ontology provides a vocabulary of terms and relations with which a domain can be 

modeled.”). 

110) Vgl. auch STUDER ET AL. (1999) S. 4 (“ ‘Shared’ reflects the notion that an ontology captures consensual knowledge, that is, it is 

not private to some individual, but accepted by a group.”). 

111) GRUBER (1993) S. 199 und GRUBER (1995) S. 908 [kursive Hervorhebungen in beiden Originalen hier unterlassen; stattdessen 

hier eine abweichende kursive Hervorhebung durch den Verfasser]. 

112) GRUBER (1993) S. 199; GRUBER (1995) S. 908.


dert. 113) Anschauungsbeispiele für solche expliziten Spezifikationen (Festlegungen) sind aus betriebswirtschaftlicher 

Perspektive Lasten- oder Pflichtenhefte für vereinbarte Leistungen. Aus der 

Perspektive der Wirtschaftsinformatik lassen sich darunter z.B. Systemspezifikationen vorstellen, 

die im Rahmen des Requirements Engineerings erstellt werden. 

Ein weiterer Aspekt des Ontologieverständnisses bleibt bei GRUBER im Dunkeln. Er betrifft die 

Frage, ob die Spezifikationen – einerseits des Vokabulars aus Repräsentationsbegriffen und andererseits 

der Konzeptualisierung eines Realitätsausschnitts – in einer beliebigen Sprache verfasst sein 

können oder ob sie auf formale Sprachen eingeschränkt sind. In den o.a. Definitionen legt sich 

GRUBER hinsichtlich der Natürlich- oder Formalsprachlichkeit von Spezifikationen nicht fest. An 

anderen Stellen lässt er jedoch eine Tendenz erkennen, Ontologien formalsprachlich auszulegen. 114) 

Diese Tendenz wird vom Verfasser aufgegriffen und im Sinne eines speziellen Ontologieverständnisses 

„radikalisiert“: 115) Demzufolge werden Ontologien stets als formalsprachliche Artefakte aufgefasst. 

116) Die „Sinnhaftigkeit“ dieser formalsprachlichen Spezialisierung wird im weiteren Argumentationsverlauf 

verdeutlicht werden. 117) Sie stimmt auch mit der Kodifizierungsstrategie des 

Wissensmanagements überein, die an früherer Stelle für das Verbundprojekt KOWIEN zugrunde 

gelegt wurde. 118) 

Die voranstehende „Exegese“ zum Ontologieverständnis von GRUBER lässt sich zu folgender Arbeitsdefinition 

für Ontologien zusammenfassen: Eine Ontologie ist die explizite und formalsprachliche 

Spezifikation einer Konzeptualisierung von Phänomenen in einem Realitätsausschnitt, die von 

mehreren Akteuren zur Erfüllung ihrer Zwecke gemeinsam verwendet wird. 119) Allerdings zeigt 

sich bei näherem Hinsehen, dass die Ontologiedefinition im Anschluss an GRUBER eine Reihe von 

113) Vgl. ebenso STUDER ET AL. (1999) S. 4. Implizite Spezifikationen werden durch die Explizitheitsanforderung ausdrücklich ausgeschlossen. 

Solche impliziten Spezifikationen kommen z.B. im konventionellen Theorienverständnis vor, wenn dort die Bedeutung 

theoretischer Begriffe durch die Gesamtheit aller Axiome „implizit“ festgelegt wird, die in einer Theorie erfüllt sein 

sollen und deren Argumente sich u.a. auf die theoretischen Begriffe erstrecken. 

114) Vgl. GRUBER (1993) S. 199 („formal axioms“); GRUBER (1995) S. 908 („formal axioms“ und “Formally, an ontology is the 

statement of a logical theory.”). 

115) Es handelt sich um ein spezielles Ontologieverständnis, weil es durchaus andere, mit GRUBERS Auffassung verträgliche Ontologieverständnisse 

gibt, die ausdrücklich auf eine formalsprachliche Verfassung von Ontologien verzichten. Besonders deutlich 

wird dies bei USCHOLD ET AL. (1998) S. 35 ff. Dort wird ausdrücklich zunächst von einer informalen, natürlichsprachlich verfassten 

Ontologie ausgegangen. Vgl. auch USCHOLD/GRUNINGER (1996) S. 97 u. 109. 

116) Gleicher Ansicht sind z.B. STUDER ET AL. (1999) S. 4: „An ontology is a formal, explicit specification of a shared conceptualization. 

... ‘Formal’ refers to the fact that the ontology should be machine readable, which excludes natural language. “ [kursive 

Hervorhebung hier abweichend vom Original]. Ähnlich findet sich die explizite Ergänzung des Attributs „formal“ bei FENSEL 

(2001a) S. 11; METAIS (2002) S. 264; STUDER/BENJAMINS/FENSEL (1998) S. 184; STUDER ET AL. (2001) S. 4; TAMMA/BENCH- 

CAPON (2002) S. 43; VASCONCELOS/KIMBLE/GOUVEIA (2000) S. 4. 

117) Für die Einschränkung von Ontologien auf formalsprachliche Spezifikationen spricht, dass sich auf diese Weise zwischen natürlichsprachlichen 

Konzeptualisierungen und formalsprachlichen Ontologien präzise unterscheiden lässt. Darauf wird im Kapitel 

1.3.1.3 ausführlicher zurückgekommen (S. 205). 

118) Im Verbundprojekt KOWIEN steht die Automatisierungs- oder Kodifizierungsstrategie des Wissensmanagements im Vordergrund 

(vgl. Kapitel 1.1.1, S. 34 ff., insbesondere S. 38 f.). Daher interessieren in diesem Argumentationskontext nur Ontologien, 

die sich in computerbasierten Wissensmanagementsystemen nutzen lassen. Da Computer nur auf formalsprachlicher Basis 

operieren können, liegt es nahe, ausschließlich formalsprachlich verfasste Ontologien näher zu betrachten. Im Kapitel 1.3.2 (S. 

229 ff.) wird dieses dezidiert formalsprachliche, „computergerechte“ Ontologieverständnis weiter vertieft, indem eine detaillierte 

formale Definition von Ontologien entwickelt wird. 

119) Diese Arbeitsdefinition ähnelt z.B. dem Ontologieverständnis von STUDER ET AL. (1999) S. 4: „An ontology is a formal, explicit 

specification of a shared conceptualization.”


Problemen aufwirft, die in der hier gebotenen Kürze nur skizziert, aber nicht erschöpfend gelöst 

werden können. 120) 

Über die erkenntnisunabhängige – rein „ontologische“ – Beschaffenheit der Realität und der Phänomene 

in dieser Realität verleiht das moderne Ontologieverständnis im Sinne der oben vorgestellten 

Definitionsvarianten keinerlei Aufschluss. Aus der Perspektive der philosophischen Ontologietradition 

könnte daher – überspitzt – von einer prä- oder sogar anti-ontologischen Grundeinstellung 

die Rede sein. Denn das moderne Ontologieverständnis von KI-Forschung und Wirtschaftsinformatik 

präsupponiert eine Verquickung von ontologischer und epistemologischer Perspektive. Der epistemologisch 

„naive“ Standpunkt einer Erfahrbarkeit von Realität „an sich“ – unabhängig von Verzerrungen 

durch Erkenntnisleistungen eines Subjekts 121) – gilt als überwunden. Stattdessen wird davon 

ausgegangen, dass Realitätsausschnitte und die darin verorteten Phänomene nur als Resultate 

von aktiven Erkenntnisleistungen wahrgenommen werden können, die vom erkennenden Subjekt 

zur Erfüllung der von ihm verfolgten Zwecke vollbracht werden. Aufgrund dieses Einflusses subjektabhängiger 

Erkenntnisleistungen vermögen Ontologien niemals Phänomene der Realität „an 

sich“ erfassen, sondern nur Phänomene, wie sie sich „für“ ein erkennendes Subjekt bieten können. 

Daher besitzen Ontologien immer eine epistemologische Komponente, die sich auf die Bedingungen 

der Möglichkeit von Realitätserfahrungen erstreckt. 

Für den subjekt- und zweckabhängigen Rahmen, innerhalb dessen sich konkrete Erfahrungen von 

Realitätsausschnitten und ihren Phänomen abspielen können, hat sich sowohl in der aktuellen Ontologiediskussion 

als auch in der bereits etablierten Modellierungstheorie die Bezeichnung „Konzeptualisierung“ 

herausgebildet. Unter einer Konzeptualisierung wird eine abstrakte und vereinfachte 

Sichtweise auf Phänomene eines Realitätsausschnitts verstanden, die für Subjekte zur Erfüllung der 

von ihnen verfolgten Zwecke von Interesse ist. 122) Die Zwecke der involvierten Subjekte bestimmen, 

welche Aspekte der wahrgenommenen oder vorgestellten Phänomene für die Subjekte relevant 

sind. Konzeptualisierung bedeutet daher immer zweck- und subjektabhängige Auszeichnung 

relevanter Realitätsaspekte. 

120) Einige der Probleme werden später im Kapitel 1.3.1.4 (S. 208 ff.) aus erkenntnistheoretischer Perspektive vertieft. 

121) Die Bezeichnungen „Subjekt” und „Akteur” werden hier synonym verwendet. Die Bezeichnung „Akteur” wird im Kontext von 

Aufgaben und Handlungen bevorzugt, um die Assoziation von Aktivitäten zu stimulieren. Dagegen wird hier im Zusammenhang 

mit dem erkennenden Zugriff auf Realitätsausschnitte die Bezeichnung “Subjekt” in den Vordergrund gestellt, um hervorzuheben, 

dass die Phänomene im Realitätsausschnitt nicht „an sich“ und somit „objektiv“ erkannt werden, sondern gedanklichsprachlichen 

Vorstrukturierungen durch das erkennende Subjekt unterliegen. Darüber hinaus kontrastiert die Bezeichnung 

„Subjekt” bewusst zu den Phänomenen im Realitätsausschnitt als Objekten der Erkenntnis. 

122) Vgl. GRUBER (1993) S. 199 und GRUBER (1995) S. 908 („A conceptualization is an abstract, simplified view of the world that 

we wish to represent for some purpose.“); PETKOFF (o.J.) S. 4; STUDER ET AL. (1999) S. 4 (“A ‚conceptualization’ refers to an 

abstract model of some phenomenon in the world by identifying the relevant concepts of that phenomenon.”).


Das Ergebnis eines Konzeptualisierungsprozesses stellen Konzepte dar. Ein Konzept 123) wird hier 

als generalisierte („generische“), d.h. nicht einzelfallspezifische Denkeinheit aufgefasst. 124) Sie dient 

dazu, gleichartige Erfahrungsobjekte aus einem Realitätsausschnitt im Denken zu einer Einheit zusammenzufassen. 

Dadurch werden realweltliche Wahrnehmungen und Vorstellungen, die einem 

Subjekt als Realitätserfahrungen grundsätzlich möglich sind, durch dessen Denken vorstrukturiert. 

125) Je nach den verfolgten Zwecken und den kognitiven Vorprägungen eines Subjekts kann 

diese Vorstrukturierung möglicher Realitätserfahrungen durch Konzepte unterschiedlich ausfallen. 

Konzeptualisierungen gehen daher immer mit Erkenntnis prägenden („epistemologischen“) Vorstrukturierungen 

möglicher Realitätserfahrungen einher. 126) 

Konzepte stellen die „basalen“ Elemente von Ontologien dar. Dies wird im ersten Ontologieverständnis 

reflektiert, das auf die konzeptuelle Strukturierung möglicher Realitätserfahrungen durch 

Ontologien abhebt. Hinsichtlich jedes Konzepts muss zumindest zwischen drei Dimensionen unterschieden 

werden: 

• Der Bezeichner 127) eines Konzepts ist der Konzeptname, unter dem ein Konzept als Denkinhalt 

angesprochen („artikuliert“) werden kann. 

• Der Inhalt eines Konzepts (Konzeptinhalt, Konzeptintension) ist die Gesamtheit aller Merkmale, 

die ein Konzept als Denkeinheit auszeichnen. 

• Der Umfang eines Konzepts (Konzeptumfang, Konzeptextension, Referenz) ist die Gesamtheit 

aller gleichartigen Erfahrungsobjekte aus einem Realitätsausschnitt, die im Denken zu einer 

Einheit zusammengefasst sind. 

123) Vgl. zum Konzeptbegriff BUDIN (1996) S. 43; COCCHIARELLA (1996) S. 28 („Concepts are what underlie predication in thought 

and language ...“); LÖBNER (2003) S. 257; SOWA (1984) S. 39; TAUTZ/GRESSE VON WANGENHEIM (1999) S. 63 ff. Das hier vertretene 

Konzeptverständnis im Sinne von Denkeinheiten wird später aus der Perspektive der so genannten mentalen Konzepte 

wieder aufgegriffen. 

124) Vgl. zur Charakterisierung von Konzepten als „Denkeinheiten“ BUNGE (1998) S. 51 („unit of thought“) mit einer umfangreichen 

Analyse des Konzeptbegriffs auf S. 51 ff., 64 ff. u. 99 ff.; KIRYAKOV/SIMOV/DIMITROV (2001) S. 49 („cognitively autonomous 

semantic phenomena“); POCSAI (2000) S. 85; TAUTZ/GRESSE VON WANGENHEIM (1999) S. 63 („an epistemic primitive“). 

125) Die Bezeichnung „Vorstrukturierung“ soll zum Ausdruck bringen, dass die Konzeptualisierung eines Realitätsausschnitts und 

seiner Phänomene erfolgt, bevor auf ihn bzw. sie von einem Subjekt zur Erfüllung eines Zwecks konkret zugegriffen wird. Diese 

Präzedenzbeziehung besitzt allerdings nur eine „(erkenntnis)logische“, aber nicht notwendig eine zeitliche Qualität. Denn 

oftmals wird auf Realitätsausschnitte erkennend zugegriffen, ohne vorher die betroffenen Ausschnitte bewusst konzeptualisiert 

zu haben („lebensweltlicher“ Erkenntniszusammenhang). Mittels einer zeitlich nachfolgenden Rekonstruktion lassen sich dann 

aber jene „lebensweltlichen“ und unbewusst benutzten Konzeptualisierungen explizieren, die dem zeitlich vorangehenden Realitätszugriff 

bereits implizit zugrunde lagen. 

126) Der Erkenntnisbegriff ist grundsätzlich weiter gefasst als der Erfahrungsbegriff. Denn Erfahrung erstreckt sich stets auf Aspekte 

(Phänomene) einer wahrgenommenen oder vorgestellten Realität, die außerhalb des Denkens liegt. Dies ist die typische Betrachtungsweise 

für alle Realwissenschaften. Erkenntnis umschließt zwar Erfahrung im vorgenannten Sinne, erstreckt sich aber 

darüber hinaus auch auf Aspekte (Denkinhalte), die nur innerhalb des Denkens eine Rolle spielen. Dazu gehören z.B. Aspekte 

wie Abstrahierung, Idealisierung, Systematisierung und Widerspruchsfreiheit. Solche Denkinhalte ohne Pendants in der Realität 

sind nicht nur für Formal- und Strukturwissenschaften typisch, sondern finden auch in den Realwissenschaften Verwendung. 

Beispielsweise wird in der Realwissenschaft „Betriebswirtschaftslehre“ zwischen Erfahrungs- und Erkenntnisobjekten deutlich 

differenziert; vgl. ZELEWSKI (1999b) S. 13 ff. u. 20 ff. Im hier relevanten Kontext von Ontologien wird der Übersichtlichkeit 

halber von solchen Differenzierungen abgesehen, so dass – vereinfachend – in einem Atemzug von „Erkenntnis“ (mit Bezug 

auf die Epistemologie) und „Erfahrung“ (mit Bezug auf reale Phänomene) geredet werden kann. 

127) In diesem Werk werden die Redeweisen „Bezeichner“ oder „Bezeichnung“ unterschiedslos verwendet.


Problematisch ist, dass ein Konzept als solches, d.h. als Einheit des Denkens, gar nicht explizit angesprochen 

werden kann, sondern nur mit seinem Bezeichner. In einer Ontologie, in der Konzepte 

zur expliziten Spezifikation einer Konzeptualisierung von Phänomenen in einem Realitätsausschnitt 

verwendet werden (sollen), lassen sich die involvierten Konzepte daher gar nicht explizieren, sondern 

es ist nur möglich, die jeweils gemeinten Konzepte mit ihren Bezeichnern explizit zu adressieren. 

Da es in den meisten Argumentationskontexten zu erheblichen sprachlichen Komplikationen 

führen würde, zwischen den „eigentlich gemeinten“ Konzepten einerseits und ihren Bezeichnern 

andererseits zu unterscheiden, ist es allgemein üblich, die Bezeichner von Konzepten der Einfachheit 

halber auch als Konzepte anzusprechen. 128) 

Gemäß dem „linguistic turn“ der Erkenntnistheorie, der bereits an früherer Stelle hervorgehoben 

wurde, sind Denken und Sprache untrennbar miteinander verwoben: Kein Denken ist außerhalb jeder 

Sprache möglich; jede Sprache ist von charakteristischen Denkmustern geprägt. Wegen der 

Unmöglichkeit „sprachlosen Denkens“ korrespondiert mit jedem Konzept als Denkeinheit eine 

sprachliche Einheit. Bei den sprachlichen Einheiten, die mit Konzepten als Denkeinheiten korrespondieren, 

handelt es sich um Begriffe 129) . Daher ist es aus der Perspektive der Sprachorientierung 

128) Beispielsweise müsste streng genommen zwischen dem Konzept „Unternehmen“ im Sinne einer Institution, die knappe Güter 

zur Deckung von Fremdbedarf herstellt (als exemplarische Definition des Inhalts der Denkeinheit „Unternehmen“), und dem 

Bezeichner „Unternehmen“ als Konzeptnamen unterschieden werden. Die Unterschiedlichkeit zwischen dem Konzept „Unternehmen“ 

und dem Bezeichner „Unternehmen“ für dieses Konzept wird aber in der Rede über „Unternehmen“ in keiner Weise 

ersichtlich. Die Differenzierung zwischen einem Konzept und seinem Bezeichner wird erst dann offensichtlich, wenn für dasselbe 

Konzept („Unternehmen“) mehrere, zueinander synonyme Bezeichner verwendet werden (z.B. „Unternehmen“, Betrieb“, 

„Organisation“). Um diese Differenzierung zu verdeutlichen, müsste es möglich sein, dasselbe Wort einmal als Konzept und 

ein andermal als Bezeichner für ein Konzept zu kennzeichnen. Diese Kennzeichnungsmöglichkeit schaffen z.B. unterschiedliche 

Formatierungen für die Schreibweise eines Worts. Wenn z.B. die Formatierung „KAPITÄLCHEN“ für Konzepte und die Formatierung 

„Kursivdruck“ für Konzeptnamen gewählt werden, lässt sich übersichtlich zwischen dem Konzept UNTERNEHMEN 

und dem Bezeichner Unternehmen (oder Betrieb oder Organisation) für das Konzept UNTERNEHMEN unterscheiden. In dem hier 

vorgelegten Werk wurde auf diese Unterscheidungsmöglichkeit jedoch verzichtet, weil die Formatierungen bereits für andere 

Zwecke („Kapitälchen“ für Autorennamen und „Kursivdruck“ für Hervorhebungen) reserviert waren. 

Später, wenn es im Kapitel 1.3.2 (S. 229 ff.) um eine Präzisierung des Ontologieverständnisses geht, wird der Deutlichkeit halber 

auch von sprachlichen Konzepten geredet (vgl. S. 233 f.). Sprachliche Konzepte sind die Bezeichner für Konzepte im Sinne 

von Denkeinheiten (mentale Konzepte) in einer bestimmten, im Argumentationskontext jeweils explizit thematisierten (Bezeichner-) 

Sprache. 

129) Unter einem Begriff wird hier die kleinste bedeutungstragende sprachliche Einheit verstanden. Die Begriffsbedeutung kann sowohl 

intensional (über die begriffskonstituierenden Merkmale) als auch extensional (über die Entitäten in einer außersprachlichen 

Realität, die einen Begriff erfüllen) definiert werden. Sprachliche Einheiten „unterhalb“ eines Begriffs sind z.B. Buchstaben 

eines Alphabets, die zwar sprachlich definiert sind, denen aber „an sich“ – d.h. ohne ihre Kombination zur Bezeichnung eines 

Begriffs – keine Bedeutung zugeordnet ist. Sprachliche Einheiten „oberhalb“ eines Begriffs sind z.B. Aussagen. Sie tragen 

zwar Bedeutungen im Sinne von Wahrheitswerten; aber es handelt sich nicht mehr um kleinste bedeutungstragende sprachliche 

Einheiten, weil sie aus mehreren Begriffen als ihrerseits bedeutungstragenden sprachlichen Einheiten zusammengesetzt sind. 

Streng genommen kommt nicht jeder Begriff als sprachliches Pendant zu einem Konzept in Betracht. Denn Konzepte wurden 

als generalisierte („generische“) Denkeinheiten definiert, unter denen gleichartige Erfahrungsobjekte aus einem Realitätsausschnitt 

im Denken zu einer Einheit zusammengefasst werden. Einem Konzept kann daher nur ein Gattungsbegriff entsprechen, 

der sich auf gleichartige Erfahrungsobjekte (Entitäten, Individuen) erstreckt. Dagegen können Individualbegriffe niemals Pendants 

von Konzepten darstellen, weil sie in ihrer Extension per definitionem nur genau ein – und somit „einzigartiges“ – Erfahrungsobjekt 

umgreifen. Dazu gehören z.B. Individualbegriffe wie „Gott“ (im Sinne einer monotheistischen Religion), „Wirklichkeit“ 

(im Sinne der Totalität aller denkmöglichen Realitätserfahrungen) und auch alle „singulären“ Entitäten, die über Individuennamen 

(„Eigennamen“) referenziert werden.


des modernen Ontologieverständnisses ebenso möglich, Begriffe als die „basalen“ Elemente von 

Ontologien aufzufassen. 130) Aus dieser Perspektive lässt sich die konzeptuelle Vorstrukturierung 

möglicher Realitätserfahrungen in Ontologien ebenso als eine begriffliche Vorstrukturierung möglicher 

Realitätserfahrungen auffassen. 

Die Gesamtheit aller repräsentationalen Begriffe (oder Konzepte), mit denen das Universum möglicher 

Realitätserfahrungen in einer Ontologie vorstrukturiert wird, wird in Abhandlungen über Ontologien 

unter verschiedenen Bezeichnungen thematisiert: 131) als Vokabular 132) , als Thesaurus, als 

Terminologie, als Data Dictionary, als Data Repository oder auch als repräsentationaler Termvorrat 

133) . Des Öfteren wird das Vokabular, das alle Repräsentationsbegriffe zur Beschreibung realer 

Phänomene bereitstellt, als der zentrale Bestandteil einer Ontologie herausgestellt. 134) In seltenen 

Fällen werden Ontologien sogar mit solchen repräsentationalen Vokabularien gleichgesetzt. Es liegt 

dann ein „reduziertes“, rein terminologisches Ontologieverständnis vor. 

Im Folgenden wird zwischen Konzepten und Begriffen als „basalen“ Elementen einer Ontologie 

nicht mehr ausdrücklich unterschieden. Stattdessen werden beide Ausdrucksweisen parallel 135) verwendet. 

Von Konzepten wird vorzugsweise aus epistemologischem Blickwinkel geredet, wenn 

Denkinhalte gemeint sind. Dagegen wird die Bezugnahme auf Begriffe bevorzugt, wenn Ontologien 

aus der sprachanalytischen Perspektive thematisiert werden. 136) Darüber hinaus wird im Kontext 

von Ontologien noch eine dritte Ausdrucksweise gepflegt: Anstelle von Konzepten oder Begriffen 

Darüber hinaus spielen im Kontext von Ontologien nur Repräsentationsbegriffe eine Rolle; vgl. dazu die o.a. Ontologiedefinition 

von GRUBER (1993) S. 199 („representational vocabulary“). Es geht also immer nur um (Gattungs-) Begriffe, deren Extensionen 

auf außersprachliche Entitäten verweisen, die in einem Realitätsausschnitt wahrgenommen oder vorgestellt werden. Nichtrepräsentationale 

Begriffe gehören dagegen nicht zum Vokabular einer Ontologie und können daher auch nicht den Konzepten 

aus einer Ontologie entsprechen. Beispielsweise bezieht sich der (zusammengesetzte) Begriff „Modell einer Theorie“ auf keine 

außersprachliche Entität. Er ist nur innerhalb einer Sprache definiert, in der sich Theorien als sprachliche Artefakte darstellen 

lassen. 

130) Entsprechend zu den o.a. drei Dimensionen von Konzepten als Denkeinheiten lassen sich drei Begriffsdimensionen unterscheiden: 

Der Bezeichner eines Begriffs ist der Begriffsname, unter dem ein Begriff angesprochen („artikuliert“) werden kann. Der 

Inhalt eines Begriffs (Begriffsinhalt, Begriffsintension) ist die Gesamtheit aller Merkmale, die einen Begriff inhaltlich definieren 

(konstitutive oder substanzielle Merkmale). Der Umfang eines Begriffs (Begriffsumfang, Begriffsextension, Referenz) ist 

die Gesamtheit aller gleichartigen Erfahrungsobjekte aus einem Realitätsausschnitt, die unter einen Begriff fallen. 

131) Diese Bezeichnungen für die Begriffssammlung einer Ontologie werden hier als Synonyme behandelt. 

132) Vgl. GRUBER (1993) S. 199; GRUBER (1995) S. 909. 

133) Vgl. GRUBER (1993) S. 199. 

134) Vgl. GRUBER (1993) S. 199 (dort sogar „vocabulary“ im Original kursiv hervorgehoben); GRUBER (1995) S. 909; NOY/MC- 

GUINESS (2000) S. 1; PETKOFF (o.J.) S. 5. 

135) Es liegt jedoch keine Synonymie zwischen beiden Ausdrucksweisen vor. Denn Konzepte stimmen nur mit repräsentationalen 

Gattungsbegriffen überein. Weder Individualbegriffe noch nicht-repräsentationale Begriffe kommen als Konzepte in Betracht. 

Außerdem erstreckt sich die Synonymie-Relation streng genommen nur zwischen Bezeichnern (für Konzepte oder Begriffe), 

nicht aber zwischen Konzepten und Begriffen selbst. 

136) Wenn beide Aspekte – sowohl der epistemologische Blickwinkel als auch die sprachanalytische Perspektive – zur Geltung gelangen 

sollen, ist auch von begrifflichen Konzepten die Rede.


wird des Öfteren auch von Klassen gesprochen. 137) Klassen sind Zusammenfassungen gleichartiger 

Objekte – so genannter „Instanzen“ – zu einer Gestaltungs- oder Implementierungseinheit. Diese 

Ausdrucksweise stammt aus dem Umfeld des objektorientierten Gestaltungsansatzes für Automatische 

Informationsverarbeitungssysteme. Sie wird vor allem dann bevorzugt, wenn Ontologien erörtert 

werden, die in computerbasierten Wissensmanagementsystemen „objektorientiert“ implementiert 

sind oder implementiert werden sollen. In Anlehnung an diese objektorientierte Gestaltung von 

Ontologien werden die einzelnen Erfahrungsobjekte, Entitäten oder Individuen, die zu einem Konzept 

als Denkeinheit zusammengefasst sind oder unter einen Begriff fallen, fortan auch als Instanzen 

bezeichnet. 

Das besondere Interesse, das die (Kern-) Informatik – einschließlich der (V)KI-Forschung – und die 

Wirtschaftsinformatik an Ontologien hegen, beruht nach Einschätzung des Verfassers unter anderem 

138) auf der charakteristischen Anforderung, die Konzeptualisierungen möglicher Realitätserfahrungen 

sollten nicht nur „irgendwie“ sprachlich verfasst, womöglich sogar in unserer Alltagssprache 

implizit verborgen sein. Vielmehr beruhen Ontologien im hier vertretenen Ontologieverständnis 

auf dem doppelten Postulat, die Konzeptualisierungen möglicher Realitätserfahrungen sollten sowohl 

auf explizite als auch auf formalsprachliche Weise spezifiziert werden. 

Das Explizierungspostulat stellt bereits eine große Herausforderung an die Konstruktion von Ontologien 

dar. Denn in den Geistes- und Kulturwissenschaften ist es zumeist nur üblich, „wesentliche“ 

Begriffe explizit einzuführen. Aufgrund des gemeinsam geteilten, natürlichsprachlichen Vorverständnisses 

aller übrigen Begrifflichkeiten wird eine vollständige Rekonstruktion der benutzten begrifflichen 

Konzepte im Allgemeinen nicht erwartet – geschweige denn tatsächlich geleistet. Für die 

Artefakte der KI-Forschung und der Wirtschaftsinformatik, wie etwa Wissensbasierte Systeme und 

Multi-Agenten-Systeme, kann ein solches begriffliches Vorverständnis jedoch (zumindest derzeit) 

nicht vorausgesetzt werden. Ganz im Gegenteil haben sich erste Versuche, die zahlreichen Präsuppositionen 

natürlichsprachlicher Vorverständnisse zu explizieren, um sie dem Zugriff Wissensbasierter 

Systeme zugänglich zu machen, als überaus schwierig herausgestellt. 

137) Wenn in einem Argumentationskontext von sprachanalytischen Feinheiten abgesehen werden kann, lassen sich Klassen mit 

Konzepten und Begriffen sowie Instanzen mit Erfahrungsobjekten (Entitäten, Individuen) gleichsetzen. Allerdings ist dabei zu 

beachten, dass Klassen aus sprachanalytischer Perspektive mit Konzepten und Begriffen nicht exakt übereinstimmen. Denn 

Klassen sind im Allgemeinen nur extensional definiert: Sie besitzen jeweils einen Bezeichner (den Klassennamen) und eine Extension 

(die Menge aller in einer Klasse zusammengefassten Instanzen). Dagegen ist es nicht üblich, die Bedeutung einer Klasse 

über konstitutive Merkmale o.ä. intensional zu definieren. Stattdessen erschöpft sich die Bedeutung einer Klasse in ihrer Extension. 

Dies ist auch nicht verwunderlich, sofern Klassen (und Instanzen) im Zusammenhang mit computerbasierten Wissensmanagementsystemen 

verwendet werden. Denn Computer sind auf die Fähigkeit zur extensionalen Informationsverarbeitung 

spezialisiert. Zwar mögen Bestrebungen, wie sie im Rahmen des Semantic Webs verfolgt werden, prima facie dagegen sprechen. 

Aber bei näherem Hinsehen zeigt sich, dass die computerbasierte Verarbeitung von intensionalen Bedeutungen (Konzept- 

und Begriffsinhalten aufgrund qualitativer Merkmale) lediglich „emuliert“, d.h. auf äquivalente extensionale Informationsverarbeitung 

zurückgeführt wird. Im hier vorgelegten Werk steht nicht der Argumentationsraum zur Verfügung, diese Extensionalitäts-These 

bezüglich der Informationsverarbeitungsfähigkeiten von Computern zu rechtfertigen. Aber es wäre ein spannendes 

Unterfangen für eine Diskussion an anderer Stelle. 

In formalsprachlicher Hinsicht können Klassen und die Instanzen, die zu einer Klasse zusammengefasst sind, ebenso als Mengen 

bzw. deren Elemente aufgefasst werden. Daher werden in diesem Werk die Ausdrucksweisen Klassen und Mengen einerseits 

sowie Instanzen und Elemente andererseits parallel verwendet. Von Klassen und ihren Instanzen wird gesprochen, wenn 

die objektorientierte Gestaltung oder Implementierung von Ontologien den Argumentationshintergrund bildet. Dagegen wird 

auf Mengen und ihre Elemente Bezug genommen, wenn mathematische Operationen im Vordergrund stehen, die sich am einfachsten 

mit den üblichen Operatoren der Mengentheorie spezifizieren lassen. 

138) Auf einen zweiten Aspekt wird weiter unten aus der Perspektive der Semantik von Ontologien näher eingegangen.


Erschwerend kommt das Formalisierungspostulat hinzu. Es berücksichtigt, dass Wissensbasierte 

Systeme für ihre interne Operationsweise eine formalsprachliche Repräsentation der für relevant erachteten 

Wissensinhalte erfordern. 139) Gegen dieses Postulat lassen sich erhebliche Zweifel daran 

erheben, dass es jemals möglich sein werde, die „wesentliche Bedeutung“ oder „Semantik“ natürlichsprachlich 

konzeptualisierter Realitätserfahrungen mittels formalsprachlicher Explizierung vollständig 

und unverfälscht zu spezifizieren. Auf diese Zweifel wird im Kapitel 1.3.1.4 (S. 222) im 

Kontext des „Chinese-Room“-Gedankenexperiments von SEARLE zurückgekommen. 

Das aktuelle Interesse an Ontologien lässt sich als Reflex auf ein ambitiöses Forschungsprogramm 

auffassen, das innerhalb der KI-Forschung angestoßen wurde: Es erhebt den Anspruch, Realitätsausschnitte 

und die darin wahrgenommenen oder vorgestellten Phänomene in der Gestalt von 

zweck- und subjektabhängigen Ontologien so konzeptualisieren zu können, dass eine explizite und 

formalsprachlich verfasste Spezifikation aller Konzepte resultiert, die zur sprachlichen Beschreibung 

von Realitätserfahrungen für erforderlich erachtet werden. Diese explizit und formalsprachlich 

spezifizierten Konzepte lassen sich alsdann zu anderen Zwecken weiterverwenden, beispielsweise 

zur Kommunikation zwischen den Agenten eines Multi-Agenten-Systems, die ihre Aktivitäten 

zwecks arbeitsteiliger Erfüllung einer gemeinsam übernommenen Aufgabe untereinander koordinieren 

müssen. 

In dem Ausmaß, in dem es gelingt, diesen Anspruch der KI-Forschung einzulösen, müsste es – so 

die ambitionierte These der meisten KI-Forscher – auch möglich sein, Wissensbasierte Systeme ingenieurtechnisch 

zu erschaffen, die nicht mehr auf abstrakte Kunstwelten, wie etwa die „blocks 

worlds“, beschränkt bleiben, sondern auch lebensweltlich relevante Problemstellungen in Angriff 

nehmen können. Die Verknüpfung von formalsprachlicher Explizitheit einerseits mit lebensweltlich 

relevanten Problemstellungen andererseits bildet nach Einschätzung des Verfassers den Kern des 

aufkeimenden Interesses von (Kern-) Informatik, Wirtschaftsinformatik und Betriebswirtschaftslehre 

an Ontologien. Diese Disziplinen besitzen ein „natürliches“ Interesse an der Gestaltung lebensweltlicher 

Sachzusammenhänge. Sie blicken daher mit Spannung auf die Einlösung – oder auch das 

Scheitern – des programmatischen Anspruchs der KI-Forschung, lebensweltliche Sachzusammenhänge 

mittels Ontologien so konzeptualisieren zu können, dass sich alle für die Problembewältigung 

relevanten Aspekte eines Realitätsausschnitts formalsprachlich explizieren lassen. 

Jenseits des forschungsprogrammatischen Interesses an formalsprachlicher Explizierung zeichnet 

sich die Konzeptualisierung von Realitätsausschnitten durch Ontologien noch durch einen weiteren 

Aspekt aus, der zumindest aus betriebswirtschaftlicher Perspektive eine weitaus größere praktische 

Relevanz für ökonomische Problemstellungen aufweist. Er betrifft die soziologische Komponente 

von Ontologien. Sie resultiert daraus, dass mehrere Akteure die gleiche Konzeptualisierung von Realitätserfahrungsmöglichkeiten 

gemeinsam verwenden, sobald sie sich auf eine Ontologie verständigt 

haben („shared ontology paradigm“) 140) . 

Das Teilen einer gemeinsam verwendeten Ontologie spielt im Rahmen der KI-Forschung insbesondere 

für Multi-Agenten-Systeme eine bedeutsame Rolle. Denn die beteiligten Agenten können zur 

arbeitsteiligen Erfüllung einer gemeinsam übernommenen Aufgabe („distributed problem solving“) 

nur dann friktionsfrei miteinander kommunizieren und ihre Aktivitäten untereinander koordinieren, 

wenn keine sprachbedingten Verständnisbarrieren die Möglichkeit übereinstimmender Realitätser- 

139) Vgl. dazu das Argument, Computer seien auf die Fähigkeit zur extensionalen Informationsverarbeitung spezialisiert, in der vorletzten 

Fußnote. 

140) Vgl. NECHES ET AL. (1991) S. 39.


fahrungen behindern oder sogar ausschließen. Eine gemeinsam verwendete Ontologie stellt zwar 

kein notwendiges, wohl aber ein hinreichendes Instrument dar, um kraft ihrer einheitlichen begrifflichen 

Vorstrukturierung möglicher Realitätserfahrungen solche sprachbedingten Verständnisbarrieren 

zwischen den Agenten eines Multi-Agenten-Systems auszuschließen. Erst in Multi-Agenten- 

Systemen kann sich die soziologische Komponente von Ontologien voll entfalten, weil das Zusammenspiel 

von Teilautonomie und Kooperation der Agenten eines solchen Systems die Vielfalt von 

handlungsfähigen und interagierenden Subjekten schafft, die für ein soziales System charakteristisch 

ist. Daher stellen Multi-Agenten-Systeme eines der interessantesten Anwendungsszenarien für 

Ontologien dar, solange man sich auf das Umfeld Automatischer Informationsverarbeitungssysteme 

beschränkt. 

Multi-Agenten-Systeme lassen sich jedoch über die Grenzen Automatischer Informationsverarbeitungssysteme 

hinaus als ein „paradigmatisches“ Beispiel für das arbeitsteilige Erfüllen wissensintensiver 

Aufgaben durch teilautonome, interagierende Akteure auffassen. Auch in Unternehmen 

werden wissensintensive Aufgaben in der Regel durch das arbeitsteilige Zusammenwirken mehrerer 

teilautonomer Akteure erfüllt. Die „Weltsichten“ dieser Akteure, d.h. ihre Konzeptualisierungen des 

für die Aufgabenerfüllung relevanten Realitätsausschnitts, stimmen in der Regel nicht von vornherein 

überein. Daher herrscht im Allgemeinen keine „prästabilierte Harmonie“ zwischen den „Weltsichten“ 

der beteiligten Akteure. Dies beruht oftmals auf den explizierungs- und artikulierungsbedingten 

Sprachbarrieren, die im Kapitel 1.1.2 erläutert wurden (S. 43 ff.). 

Wegen dieser weit reichenden strukturellen Übereinstimmung der arbeitsteiligen Erfüllung wissensintensiver 

Aufgaben einerseits in Multi-Agenten-Systemen und andererseits in Unternehmen drängt 

sich aus betriebswirtschaftlichem Blickwinkel die Frage auf, ob sich Ontologien ebenso auf der 

Ebene von Unternehmen nutzen lassen. 141) Auch dort besteht ein erheblicher Bedarf, divergente 

Konzeptualisierungen möglicher Realitätserfahrungen bei Akteuren, die über unterschiedliche Wissenshintergründe 

verfügen oder verschiedene Sprachkulturen pflegen, entweder von vornherein zu 

vermeiden oder aber nachträglich zu heilen. Dieser Bedarf könnte durch eine einheitliche Ontologie 

gedeckt werden, die von allen Akteuren, die zwecks arbeitsteiliger Erfüllung einer Aufgabe zusammenwirken, 

gemeinsam verwendet wird. Diese soziologische Komponente von Ontologien 

steht im Fokus des betriebswirtschaftlichen Interesses an der Gestaltung und Verwendung von Ontologien. 

Als Zusammenfassung der voranstehenden Erörterungen des modernen Ontologieverständnisses 

lässt sich eine zweite, etwas erweiterte und inhaltlich präzisierte Arbeitsdefinition für Ontologien 

gewinnen. 142) Sie wird in der nachstehenden Abbildung 15 wiedergegeben. 

141) Im Kontext des Verbundprojekts KOWIEN betrifft dies Akteure sowohl in inner- als auch in überbetrieblichen Netzwerken, die 

zur arbeitsteiligen Erfüllung wissensintensiver Engineering-Aufgaben kooperieren. 

142) Diese Ontologiedefinition wurde erstmals in ZELEWSKI (2002a) S. 66 publiziert und in dem hier vorgelegten Werk überarbeitet.


Eine Ontologie ist 

eine explizite und formalsprachliche Spezifikation 

derjenigen sprachlichen Ausdrucksmittel (für die Konstruktion repräsentationaler Modelle), 

die nach Maßgabe einer von mehreren Akteuren 

gemeinsam verwendeten 

Konzeptualisierung von realen Phänomenen, 

die in einem subjekt- und zweckabhängig eingegrenzten Realitätsausschnitt 

als wahrnehmbar oder vorstellbar gelten und 

für die Kommunikation zwischen den o.a. Akteuren benutzt oder benötigt werden, 

für „sinnvoll“ erachtet werden. 

Abbildung 15: Arbeitsdefinition für Ontologien 

Diese Arbeitsdefinition für Ontologien liegt dem hier publizierten Werk und den gemeinsamen Arbeiten 

des Verbundprojekts KOWIEN zugrunde. Sie unterscheidet sich von anderen Definitionen, 

die in der Fachliteratur zur Ontologieforschung – vor allem in Anschluss an GRUBER – vorherrschen 

(etablierte Ontologiedefinitionen), in mehreren Hinsichten. 

1. Die Sprachorientierung des modernen Ontologieverständnisses wird besonders hervorgehoben. 

Insbesondere wird – im Gegensatz zu GRUBER – eine Ontologie nicht mehr als Spezifikation 

einer Konzeptualisierung, sondern als Spezifikation sprachlicher Ausdrucksmittel definiert. 

143) Dies bedeutet jedoch keine inhaltliche Abkehr von GRUBERS Ontologieverständnis, 

sondern „nur“ eine andersartige Akzentuierung zugunsten der sprachlichen Dimension 

von Ontologien. 

2. Ein Extensionsgleichheitspostulat soll sicherstellen, dass die Spezifikation einer Konzeptualisierung 

im Anschluss an GRUBER und die hier bevorzugte Spezifikation sprachlicher Ausdrucksmittel 

inhaltlich übereinstimmen. Ausgangspunkt ist der Sachverhalt, dass ein konzeptuelles 

Modell, das aus der Konzeptualisierung eines Realitätsausschnitts resultiert, noch 

keine Repräsentation des betroffenen Realitätsausschnitts im Sinne eines gewöhnlichen Modells 

(repräsentationales Modell) 144) darstellt. Stattdessen erfasst ein konzeptuelles Modell 

nur die Mannigfaltigkeit aller Realitätserfahrungen, die in dem betroffenen Realitätsausschnitt 

für denkmöglich erachtet werden. 145) Es umgreift also die Gesamtheit aller repräsentationalen 

Modelle für einen Realitätsausschnitt, die aufgrund der vorangehenden Konzeptualisierung 

dieses Realitätsausschnitts für denkmöglich gehalten werden. Die sprachlichen 

143) Darüber hinaus klingt die Sprachorientierung des modernen Ontologieverständnisses auch in der expliziten Bezugnahme auf die 

„Kommunikation zwischen den ... Akteuren“ an. Wegen dieser Hervorhebung der Sprachorientierung von Ontologien lässt sich 

die o.a. Arbeitsdefinition für Ontologien einem „sprachanalytisch radikalisierten“ Ontologieverständnis zuordnen. Vgl. zu einer 

ebenso dezidiert sprachorientierten Akzentuierung des Ontologieverständnisses BATEMAN (1992) S. 2 u. 19 ff. 

144) Die Bezeichnung „repräsentationales Modell“ wird hier in bewusster Anlehnung an das „representational vocabulary“ aus der 

Ontologiedefinition von GRUBER (1993) S. 199 gewählt. Sie umfasst alle Modelle, die z.B. in den Wirtschaftswissenschaften 

zur Repräsentation realweltlicher Sachverhalte, also zur Modellierung ökonomisch relevanter Realitätsausschnitte, verwendet 

werden. In anderen Zusammenhängen wird auch von deklarativen Modellen gesprochen. 

145) SOWA (2000) S. 134 verleiht diesem Möglichkeitscharakter von Ontologien – im Gegensatz zum faktischen Charakter von 

repräsentationalen Modellen – prägnanten Ausdruck: „ontology determines the categories of things that exist or may exist in an 

application domain“ (kursive Hervorhebung durch den Verfasser).


Ausdrucksmittel, die seitens einer Ontologie für die Konstruktion repräsentationaler Modelle 

zugelassen werden, sollen nun genau so festgelegt werden, dass die mit diesen sprachlichen 

Ausdrucksmitteln für den betroffenen Realitätsausschnitt konstruierbaren repräsentationalen 

Modelle (Klasse der sprachlich konstruierbaren Modelle) mit denjenigen repräsentationalen 

Modellen zusammenfallen, die aufgrund der vorangehenden Konzeptualisierung des Realitätsausschnitts 

für denkmöglich gehalten werden (Klasse der konzeptualisierungsgerechten 

Modelle). 

Diese Anforderung der Extensionsgleichheit für die beiden Klassen der sprachlich konstruierbaren 

(repräsentationalen) Modelle und der konzeptualisierungsgerechten (repräsentationalen) 

Modelle stellt ein Kernelement der o.a. Ontologiedefinition dar. 146) Eine ähnliche 

Anforderung ist aus der einschlägigen Fachliteratur bislang nicht bekannt. Die Anforderung 

der Extensionsgleichheit für die beiden vorgenannten Modellklassen wird in der o.a. Arbeitsdefinition 

für Ontologien dadurch ausgedrückt, dass die sprachlichen Ausdrucksmittel 

nach Maßgabe einer vorangehenden Konzeptualisierung als „sinnvoll“ erachtet werden müssen. 

Das Sinnkriterium für die sprachlichen Ausdrucksmittel zur Konstruktion repräsentationaler 

Modelle besteht darin, dass sich mit diesen sprachlichen Ausdrucksmitteln genau jene 

repräsentationalen Modelle konstruieren lassen, die aufgrund der vorangehenden Konzeptualisierung 

des Realitätsausschnitts für denkmöglich gehalten werden. 

146) Eine große Herausforderung für das Ontology Engineering dürfte darin bestehen, für eine vorliegende Ontologie konkret nachzuweisen, 

dass die Anforderung der Extensionsgleichheit für die beiden Klassen der sprachlich konstruierbaren Modelle und 

der konzeptualisierungsgerechten Modelle tatsächlich erfüllt wird. Der Verfasser kennt kein Verfahren, mit dem sich die Erfüllung 

dieser Extensionsgleichheitsanforderung streng – möglichst in der Form eines Algorithmus – überprüfen ließe. Daher kann 

die Extensionsgleichheitsanforderung zurzeit nur als eine „regulative Idee“ für die Gestaltung von Ontologien aufgefasst werden. 

Einen wesentlichen Ansatzpunkt für Bemühungen, sich an die Realisierung der „regulativen Idee“ anzunähern, sieht der Verfasser 

in den Inferenz- und Integritätsregeln (oder Axiomen), die in Kürze als „semantische Dimension“ von Ontologien erörtert 

werden. Sie gestatten es, die Verwendung der Konzepte und Relationen einer Ontologie in repräsentationalen Modellen, die 

mit den sprachlichen Ausdrucksmitteln dieser Ontologie konstruiert werden, so einzuschränken, dass nur repräsentationale Modelle 

resultieren, die aufgrund der vorangehenden Konzeptualisierung des Realitätsausschnitts für denkmöglich gehalten werden. 

Diese Einschränkungsmöglichkeit erklärt (u.a.) die herausragende Bedeutung, die den Inferenz- und Integritätsregeln (oder 

Axiomen) im Rahmen des Ontology Engineerings zugemessen wird. Allerdings ist dabei eine bemerkenswerte Asymmetrie zu 

beachten. Denn diese Konstrukte aus der „semantischen Dimension“ von Ontologien wirken nur einschränkend, also nur in 

einer Richtung. Für die entgegengesetzte Richtung, die Erweiterung der Menge aller repräsentationalen Modelle, die mit den 

sprachlichen Ausdrucksmitteln einer Ontologie konstruiert werden können, kommen die Inferenz- und Integritätsregeln (oder 

Axiome) dagegen nicht in Betracht. Daher muss bei der Spezifikation der sprachlichen Ausdrucksmittel besonders darauf geachtet 

werden, dass sie niemals repräsentationale Modelle für einen Realitätsausschnitt ausschließen, die aufgrund der vorangehenden 

Konzeptualisierung des Realitätsausschnitts für denkmöglich gehalten werden. Die sprachlichen Ausdrucksmittel einer 

Ontologie dürfen daher in Bezug auf eine vorangehende Konzeptualisierung zu „weit“ spezifiziert werden, weil sie sich mit der 

Hilfe von Inferenz- und Integritätsregeln (oder Axiomen) nachträglich einschränken lassen; aber die sprachlichen Ausdrucksmittel 

dürfen niemals zu eng spezifiziert werden, weil sich dieser Spezifikationsmangel nachträglich nicht mehr kompensieren 

lässt.


3. Aufgrund der voranstehenden Festlegungen kann das Objekt, das mittels einer Ontologie 

spezifiziert wird, inhaltlich in dreifacher Weise charakterisiert werden: Erstens spezifiziert 

eine Ontologie – explizit und formalsprachlich – eine Gesamtheit von sprachlichen Ausdrucksmitteln, 

die zur Repräsentation von Wissen grundsätzlich zur Verfügung stehen (Aspekt 

der Sprachorientierung). Zweitens legt diese Gesamtheit sprachlicher Ausdrucksmittel 

„per constructionem“ die Gesamtheit aller repräsentationalen Modelle fest, die sich mit Hilfe 

der spezifizierten sprachlichen Ausdrucksmittel einer Ontologie konstruieren lassen. 147) 

Drittens soll diese Gesamtheit aller repräsentationalen Modelle, die sich mit Hilfe der 

sprachlichen Ausdrucksmittel einer Ontologie konstruieren lassen, mit der Gesamtheit aller 

repräsentationalen Modelle übereinstimmen, die aufgrund der vorangehenden Konzeptualisierung 

eines Realitätsausschnitts für denkmöglich gehalten werden (Postulat der Extensionsgleichheit). 

4. Die Formalsprachlichkeit wird zum konstitutiven Merkmal von Ontologien erhoben. Dies 

deckt sich keineswegs mit allen Auffassungen, die in der einschlägigen Fachliteratur geäußert 

werden. Stattdessen werden von anderen Autoren durchaus auch natürlichsprachlich 

verfasste Ontologien zugelassen. 148) Der Verfasser bevorzugt jedoch aus zwei Gründen ein 

formalsprachlich „radikalisiertes“ Ontologieverständnis. Erstens entspricht dies der Automatisierungs- 

oder Kodifizierungsstrategie, die bereits im Kapitel 1.1.1 in den Mittelpunkt des 

Verbundprojekts KOWIEN gerückt wurde (S. 38 f.). Zweitens bekennt sich der Verfasser zu 

der intellektuellen Faszination des Forschungsprogramms der KI-Forschung, lebensweltlich 

– und somit auch ökonomisch – relevante Problemstellungen mittels konsequenter Formalisierung 

aller Aspekte, die sich für die Problemrepräsentation als relevant erwiesen, erfolgreich 

bearbeiten zu können. 

5. Gemeinhin wird für die arbeitsteilige Erfüllung einer gemeinsam übernommenen Aufgabe 

die gemeinsame Verwendung einer Ontologie als Instrument hervorgehoben, das die erforderliche 

Koordination und Kommunikation zwischen den involvierten Akteuren unterstützt. 

In der o.a. Arbeitsdefinition für Ontologien wird dagegen von der gemeinsamen Verwendung 

einer Konzeptualisierung von realen Phänomenen gesprochen. Dieser Unterschied 

spielt jedoch keine substanzielle Rolle. Denn die Anforderung der Extensionsgleichheit (vgl. 

Nr. 2) für die Klasse der repräsentationalen Modelle, die sich mit den sprachlichen Ausdrucksmitteln 

einer Ontologie konstruieren lassen, und für die Klasse der konzeptualisierungsgerechten 

repräsentationalen Modelle stellt Folgendes sicher: Die gemeinsame Verwendung 

einer Ontologie, d.h. insbesondere der sprachlichen Ausdrucksmittel, die von dieser 

Ontologie spezifiziert werden, führt dazu, dass alle Verwender dieser Ontologie auf dieselbe 

Klasse repräsentationaler Modelle zugreifen, die sich mit den sprachlichen Ausdrucksmitteln 

dieser Ontologie konstruieren lassen. Wegen der Anforderung der Extensionsgleichheit 

entspricht diese Klasse genau der Klasse der konzeptualisierungsgerechten repräsentationalen 

Modelle. Folglich verwenden die Akteure, die eine Ontologie miteinander teilen, 

147) In Abwandlung des Bonmots „Die Grenzen meiner Sprache sind die Grenzen meines Denkens.“ lässt sich dieser Sachverhalt 

auch so paraphrasieren: Die Grenzen der sprachlichen Ausdrucksmittel, die in einer Ontologie spezifiziert werden, bestimmen 

die Grenzen der Ausdrucksmöglichkeiten einer Ontologie und somit die Gesamtheit aller im Rahmen einer Ontologie ausdrückbaren 

Modelle. 

148) Vgl. z.B. POLI (2002) S. 642. Er sieht formalisierte Ontologien als nur eine von drei möglichen Ontologietypen an.


auch eine gemeinsame Konzeptualisierung von realen Phänomenen (vice versa). 149) Daher 

besteht in dieser Hinsicht kein substanzieller Unterschied gegenüber etablierten Ontologiedefinitionen. 

6. Hinsichtlich der Konzeptualisierung eines Realitätsausschnitts wird von Phänomenen gesprochen, 

die als wahrnehmbar oder vorstellbar gelten. Damit wird erstens berücksichtigt, 

dass sich Realitätserfahrungen sowohl auf Beobachtungen der Realität (Wahrnehmungen) 

als auch auf Denkinhalte über die Realität (Vorstellungen) erstrecken können. Zweitens wird 

mit der Formulierung „als wahrnehmbar oder vorstellbar gelten“ ausgedrückt, dass es von 

den epistemologischen Vorentscheidungen der gemeinsamen Verwender einer Ontologie 

abhängt, welche realen Phänomene sie in einem Realitätsausschnitt für wahrnehmbar oder 

vorstellbar erachten. Je nachdem, wie diese Vorentscheidungen ausfallen, kann eine unterschiedliche 

Konzeptualisierung des jeweils betroffenen Realitätsausschnitts resultieren. Dies 

unterstreicht die epistemologische Komponente von Ontologien. 

7. Des Weiteren erfolgt hinsichtlich der Konzeptualisierung eines Realitätsausschnitts eine 

Einschränkung auf jene Phänomene, die für die Kommunikation zwischen den o.a. Akteuren 

benutzt oder benötigt werden. Damit wird dem Umstand Rechnung getragen, dass für die 

Koordination von Akteuren, die bei der arbeitsteiligen Erfüllung einer gemeinsam übernommenen 

Aufgabe zusammenwirken, nicht die Gesamtheit ihrer möglichen Realitätserfahrungen 

relevant ist. Vielmehr sind nur jene Teile ihrer möglichen Realitätserfahrungen von 

Interesse, hinsichtlich derer die Akteure für die – im Sinne der intendierten Aufgabenerfüllung 

– erfolgreiche Koordination ihrer Aktivitäten miteinander kommunizieren müssen. Alle 

übrigen, für die Kommunikation zwischen den Akteuren irrelevanten möglichen Realitätserfahrungen 

stellen „Privaterfahrungen“ der Akteure dar. Diese „privaten“ Realitätserfahrungen 

können zwar für die Handlungen der betroffenen Akteure große Relevanz besitzen, 

spielen jedoch für die Koordination der Akteursaktivitäten zwecks arbeitsteiliger Aufgabenerfüllung 

keine Rolle. Daher brauchen sich Ontologien, die von mehreren Akteuren zwecks 

arbeitsteiliger Aufgabenerfüllung gemeinsam verwendet werden, nur auf diejenigen Teile 

der möglichen Realitätserfahrungen der Akteure zu erstrecken, die für die Kommunikation 

zwischen den Akteuren im Hinblick auf die Koordination ihrer Aktivitäten von Interesse 

sind. 150) 

Schließlich weist die Formulierung „benutzt oder benötigt werden“ darauf hin, dass diejenigen 

Phänomene aus dem konzeptualisierten Realitätsausschnitt, die für die Kommunikation 

zwischen den Akteuren im Hinblick auf die Koordination ihrer Aktivitäten von Interesse 

149) Bei näherer Analyse erweist sich der Folgerungszusammenhang als nicht stringent. Denn im Prinzip kann dieselbe Klasse konzeptualisierungsgerechter 

repräsentationaler Modelle auch aus unterschiedlichen Konzeptualisierungen desselben Realitätsausschnitts 

resultieren. Es wäre jedoch ein ebenso bemerkenswertes wie höchst seltenes Ereignis, dass aus unterschiedlichen Konzeptualisierungen 

dasselbe konzeptuelle Modell – und damit auch dieselbe Klasse konzeptualisierungsgerechter repräsentationaler 

Modelle – resultiert. Daher wird hier von dieser Komplikation für den o.a. (tendenziellen) Folgerungszusammenhang abgesehen. 

150) Dies hat der Verfasser gemeinsam mit einem seiner wissenschaftlichen Mitarbeiter an anderer Stelle aus dem Blickwinkel 

„kommunikationskritischer Partialontologien“ ausführlicher thematisiert. Vgl. ZELEWSKI/SIEDENTOPF (1999) S. 77 ff. u. 81 f. 

Vgl. auch ZELEWSKI/FISCHER (1999) S. 6 u. 8 ff. Der Gedanke „kritischer Partialontologien“ findet sich bereits bei WIELINGA/ 

SCHREIBER (1994) S. 116 u. 119. Er wird dort geäußert, um Wissensbasen (S. 116) oder Ontologien (S. 119), die zur Erfüllung 

unterschiedlicher Aufgaben dienen, auf jene – möglichst aufgabenunabhängige – Bestandteile zu fokussieren, die sich im Sinne 

der Wissensteilung und Wissenswiederverwendung zwischen Akteuren austauschen („kommunizieren“) lassen. Vgl. auch am 

Rande BACLAWSKI ET AL. (2002) S. 145.


sind, aus zwei verschiedenen Blickwinkeln erfasst werden können. Entweder werden nur 

diejenigen Phänomene betrachtet, die von den Akteuren, die bei der arbeitsteiligen Erfüllung 

einer Aufgabe zusammenwirken, in ihren Kommunikationsakten tatsächlich benutzt werden. 

Oder es werden auch zusätzlich diejenigen Phänomene einbezogen, die von den Akteuren in 

ihren Kommunikationsakten zwar nicht verwendet werden, über die von den Akteuren bei 

ihrer arbeitsteiligen Erfüllung einer Aufgabe jedoch kommuniziert werden müsste, um die 

intendierte Aufgabenerfüllung erreichen zu können, die also für die Kommunikation zwischen 

den Akteuren benötigt werden. 

Die (zweite) Arbeitsdefinition für Ontologien, die zuvor erläutert wurde und den folgenden Ausführungen 

zugrunde liegt, schöpft den inhaltlichen Reichtum von Ontologien bei weitem noch nicht 

aus. Trotz der vielfältigen Aspekte, die zuvor erörtert wurden, wäre es viel zu kurz gegriffen, Ontologien 

auf Konzept- oder Begriffssammlungen zu reduzieren. Stattdessen umfassen Ontologien im 

Allgemeinen zumindest drei weitere charakteristische Komponenten: 

• Attribute, mit denen sich die Eigenschaften derjenigen Entitäten beschreiben lassen, 

die zu einem Konzept gehören (bzw. unter einen Begriff fallen), 151) 

• Relationen, mit denen sich Beziehungen zwischen Konzepten (für taxonomische Relationen) 

oder zwischen denjenigen Entitäten (für nicht-taxonomische Relationen), die zu einem Konzept 

gehören (bzw. unter einen Begriff fallen), beschreiben lassen, 152) und 

• Einschränkungen, welche die Verwendung der Konzepte (bzw. Begriffe) in Repräsentationen 

von Realitätsausschnitten auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung 

(bzw. Begriffsverwendung) festlegen. 153) 

Hinsichtlich der Konzeptattribute ist zwischen konstitutiven (essenziellen, substanziellen) und akzidenziellen 

Attributen zu unterscheiden. Ein Konzept wird in intensionaler Hinsicht durch die Gesamtheit 

seiner Merkmale definiert. Jedes definitorische Konzeptmerkmal ist die Ausprägung eines 

konstitutiven Konzeptattributs. 154) Die definitorischen Konzeptmerkmale werden in einer Ontologie 

151) Attribute stellen streng genommen keine eigenständige Komponente von Ontologien dar. Denn die Attribute eines Konzepts 

werden im Allgemeinen als zweistellige Relationen zwischen diesem Konzept und einem weiteren Konzept spezifiziert, dessen 

Instanzenmenge den „Wertebereich“ für die Ausprägungen des betroffenen Attributs festlegt. Daher lassen sich alle Attribute in 

Ontologien auf die (allgemeine) Komponente der Relationen zurückführen. Trotzdem werden hier Attribute als spezielle Ontologiekomponente 

hervorgehoben, weil sie erstens für die Spezifizierung von Konzepten in Ontologien eine bedeutende Rolle 

spielen und zweitens auch aus der Perspektive des Paradigmas objektorientierter Systemgestaltung große Beachtung erfahren. 

Vgl. zu einem abweichenden, speziell auf vordefinierte Datentypen bezogenen Attributverständnis Kapitel 3.2.2.5.4.6.2, S. 679. 

152) Vgl. GRUBER (1993) S. 199. 

153) Vgl. GRUBER (1993) S. 199 („formal axioms that constrain the interpretation and well-formed use of ... terms.“). Die Einschränkung 

werden später anhand von Inferenz- und Integritätsregeln für Ontologien konkretisiert. 

154) Streng genommen wäre zwischen Merkmalen (im Sinne von konstitutiven Attributen) und Merkmalsausprägungen (im Sinne 

von Ausprägungen konstitutiver Attribute) zu differenzieren. Diese Differenzierung findet sich jedoch in der einschlägigen 

Fachliteratur nur selten. Daher wird hier der Einfachheit halber nur von „Merkmalen“ gesprochen, obwohl eigentlich Merkmalsausprägungen 

im Sinne von Ausprägungen konstitutiver Attribute gemeint sind.


im Allgemeinen nicht als eigenständige Konzepte erfasst, 155) sondern – wenn überhaupt – in einem 

natürlich- oder formalsprachlichen Definitionstext zum Konzeptnamen hinzugefügt. 156) Dagegen 

155) Eine Ausnahme stellt der spezielle Ansatz der so genannten Wissensräume („knowledge spaces“) dar. In solchen Wissensräumen 

ist es möglich, insbesondere die definitorischen Merkmale eines Konzepts, d.h. die Ausprägungen seiner konstitutiven Attribute, 

formalsprachlich zu erfassen. Vgl. zu solchen Wissensräumen, die oftmals aus der Perspektive der so genannten Formalen 

Konzeptanalyse behandelt und dann auch als Konzepträume bezeichnet werden, ALAN/ZELEWSKI (2003) S. 1 ff. (mit explizitem 

Bezug auf Ontologien); ALAN/ZELEWSKI/SCHÜTTE (2003) S. 183 ff. (mit explizitem Bezug auf Ontologien); 

DÜNTSCH/GEDIGA (1996) S 1 ff. (speziell für die Systematisierung von Kompetenzen im Sinne von „Skills“); DÜWEL/HESSE 

(1998) S. 2 ff.; KENT (2000) S. 142 ff.; MAEDCHE (2002) S. 86 ff.; RICHARDS/COMPTON (1997) S. 241 ff.; STUMME ET AL. (2001) 

S. 337 ff.; STUMME/MAEDCHE (2001) S. 2 ff.; STUMME/STUDER/SURE (2000) S. 142 ff. 

156) Vgl. zu solchen konzeptergänzenden Definitionstexten GRUBER (1993) S. 199 („In such an ontology, definitions associate the 

names of entities ... with human-readable text describing what the names are meant to denote ...“). Vgl. dazu die KOWIEN- 

Ontologie, die im Kapitel 2.4 (S. 429 ff.) ausführlicher beschrieben wird. 

Es lässt sich mit guten Gründen auch eine alternative Auffassung vertreten: Die Ausprägungen der konstitutiven Attribute eines 

Konzepts werden in allen Superkonzepten des betroffenen Konzepts sowie in mindestens einer weiterführenden Spezialisierung 

festgelegt, die ein Superkonzept der unmittelbar übergeordneten Stufe in der Konzepte-Hierarchie in das betroffene Konzept 

und andere Konzepte aufspaltet, die gemeinsam Subkonzepte zu dem unmittelbar übergeordneten Superkonzept darstellen. Vgl. 

zu dieser alternativen Auffassung den speziellen Ansatz der Wissensräume, der bereits in der voranstehenden Fußnote angesprochen 

wurde. 

Aus der Sicht des Verfassers wäre es eine interessante Aufgabe, Ontologien so zu gestalten, dass auch die definitorischen Konzeptmerkmale, 

d.h. die Ausprägungen der konstitutiven Konzeptattribute, mit der Hilfe von eigenständigen Konzepten (und deren 

Ausprägungen) im „Kern“ einer Ontologie spezifiziert werden – und nicht, wie bislang üblich, durch ergänzende Texte an 

den „Rand“ einer Ontologie verlagert werden. Denn die definitorischen Konzeptmerkmale können im Rahmen einer Ontologie 

nur dann unmittelbar computerbasiert verarbeitet werden, wenn sie durch die Ausprägungen anderer, eigenständiger Konzepte 

(für die konstitutiven Konzeptattribute) in das System der Konzepte einer Ontologie als deren „Kern“ integriert sind. Dagegen 

entziehen sich die definitorischen Konzeptmerkmale einer unmittelbar computerbasierten Verarbeitung, solange sie in ergänzende 

Texte ausgelagert werden, die keinen direkten, computerverarbeitbaren Bezug zum System der Konzepte einer Ontologie 

aufweisen. Jene ergänzenden Texte lassen sich nur von einem menschlichen Benutzer der betroffenen Ontologie verstehen und 

entsprechend auswerten. Damit wird das Ziel, die inhaltliche Bedeutung von Konzepten in einer computerverarbeitbaren Form 

zu erfassen, verfehlt. Zumindest an dieser Stelle zeigt sich, dass Ontologien auf ihrem derzeitigen Entwicklungsstand noch 

nicht vollständig dem Anspruch der Ontologieforschung entsprechen, alle inhaltlichen Aspekte der Konzeptualisierung eines 

Realitätsausschnitts in computerverarbeitbarer Form zu repräsentieren. 

Allerdings sieht der Verfasser – in Analogie zu seiner Argumentation gegen SEARLE im Kontext der starken KI-These (vgl. die 

Hinweise in den Fußnoten 169 u. 172 auf S. 162 f. sowie auf S. 151, 198 u. 222) – keine grundsätzlichen Hindernisse, das Wissen 

über definitorische Konzeptmerkmale, das derzeit noch in ergänzende Definitionstexte ausgelagert ist, in das System der 

Konzepte einer Ontologie zu überführen. Um dieses Ziel zu erreichen, müsste es ausreichen, die definitorischen Konzeptmerkmale 

als Ausprägungen für konstitutive Konzeptattribute mithilfe eigenständiger Konzepte zu erfassen. Eine grundsätzliche 

Unmöglichkeit dieser Vorgehensweise lässt sich nicht erkennen. Lediglich knappe Zeit- und Personalressourcen hinderten im 

Verbundprojekt KOWIEN daran, diesen Ansatz weiter zu verfolgen. Aber es spricht nichts dagegen, für zukünftige Ontologiegestaltungen 

das programmatische Ziel zu verfolgen, grundsätzlich alle definitorischen Konzeptmerkmale im „Kern“ einer Ontologie 

als Ausprägungen für konstitutive Konzeptattribute mithilfe eigenständiger Konzepte zu erfassen. Wenn so verfahren 

wird, dann sollten zwei metasprachliche Relationen ergänzt werden, mit deren Hilfe sich die Konzepte, die einem anderen Konzept 

zur Spezifikation seiner Attribute mittels objektsprachlicher Relationen zugeordnet sind, als entweder konstitutive oder aber 

akzidenzielle Konzeptattribute qualifizieren lassen. Zu diesem Zweck eignen sich z.B. die beiden metasprachlichen, jeweils 

zweistelligen Relationen „ist_konstitutives_Attribut_fuer“ und „ist_akzidenzielles_Attribut_fuer“, deren beiden Argumentstellen 

durch jeweils ein Konzept aus der zugrunde liegenden Ontologie eingenommen werden können. Allerdings reicht diese Ergänzung 

zweier metasprachlicher Relationen noch nicht aus. Denn bei einem definitorischen Konzeptmerkmal handelt es sich 

um eine bestimmte Ausprägung des konstitutiven Konzeptattributs (also um eine Instanz des betroffenen konstitutiven Konzeptattributs), 

die für das definierte Konzept spezifisch ist. Die Relation „ist_konstitutives_Attribut_fuer“ ist aber nicht über 

Attributausprägungen, also nicht über den Instanzen des betroffenen konstitutiven Konzeptattributs definiert, sondern nur über 

jenem konstitutiven Konzeptattribut. Daher ist eine dritte metasprachliche, ebenso zweistellige Relation „hat_das_definitorische_Konzeptmerkmal“ 

notwendig, die dem zu definierenden Konzept die definierende Ausprägung eines konstitutiven Konzeptattributs 

als definitorisches Konzeptmerkmal zuordnet. Diese dritte metasprachliche Relation weist eine merkwürdige 

Struktur auf, weil sie sich in ihrer ersten Argumentstelle auf ein Konzept, in ihrer zweiten Argumentstelle hingegen auf eine Instanz 

eines Konzepts erstreckt. Eine sprachanalytisch „saubere“ Lösungsmöglichkeit für dieses Problem, zwei unterschiedliche 

Sprachebenen – Ebene der Konzepte versus Ebene ihrer Instanzen – durch eine Relation zu verknüpfen, ist dem Verfasser noch


werden die akzidenziellen Konzeptattribute in einer Ontologie in der Regel als eigenständige Konzepte 

berücksichtigt. Dies geschieht durch eine beliebig große Anzahl von Konzepten, die mit dem 

jeweils betrachteten Konzept über jeweils zweistellige Relationen verknüpft sind. 

Beispielsweise lässt sich das Konzept „Unternehmen“ als eine ökonomische Institution definieren, 

die Leistungen für Fremdbedarfe erstellt. Der Definitionstext „eine ökonomische Institution, die 

Leistungen für Fremdbedarfe erstellt“ wird in einer Ontologie als natürlichsprachliche Erläuterung 

zum Konzeptnamen „Unternehmen“ hinzugefügt. Es handelt sich um Konzeptmerkmale, die Ausprägungen 

von konstitutiven Konzeptattributen darstellen. Akzidenzielle Attribute des Konzepts 

„Unternehmen“ betreffen hingegen z.B. die Größe und die Rechtsform eines Unternehmens. Sie 

werden dem Konzept „Unternehmen“ über zweistellige Relationen zugeordnet, z.B. als Konzept 

„Unternehmensgröße“ mittels der Relation „hat_Unternehmensgröße“ bzw. als Konzept „Rechtsform“ 

mittels der Relation „hat_Rechtsform“. Die Instanzen des Konzepts „Unternehmen“ können 

sich dann durch verschiedene Kombinationen von Ausprägungen der akzidenziellen Konzeptattribute, 

wie etwa „Klein-“ versus „Großunternehmen“ bzw. „Gesellschaft mit beschränkter Haftung“ 

versus „Aktiengesellschaft“, unterscheiden. 157) 

Die Relationen 158) , die Beziehungen zwischen Konzepten einer Ontologie spezifizieren, lassen sich 

in einerseits taxonomische und andererseits nicht-taxonomische Relationen ausdifferenzieren. 

Taxonomische Relationen dienen dazu, aus der unstrukturierten Menge aller Konzepte einer Ontologie 

ein System aus Konzepten – den so genannten „Kern“ einer Ontologie – zu formen. Die Konzepte 

werden mittels einer taxonomischen Relation systematisch geordnet. Am weitesten verbreitet 

ist die so genannte „is_a“-Relation, die eine Subkonzeptrelation darstellt. 159) Mit ihrer Hilfe werden 

Über- und Unterordnungsbeziehungen zwischen Konzepten eingeführt: Wenn zwei Konzepte k1 

und k2 die „is_a“-Relation erfüllen, d.h. wenn die Beziehung „k1 is_a k2“ gilt, dann handelt es sich 

beim Konzept k1 um ein Subkonzept des Konzepts k2; umgekehrt stellt das Konzept k2 ein Superkonzept 

des Konzepts k1 dar. Die „is_a“-Relation wird in späteren Kapiteln als Subkonzeptrelation 

innerhalb der KOWIEN-Ontologie noch ausführlich behandelt werden. An dieser Stelle reicht es 

aus, auf eine charakteristische Eigenschaft aller taxonomischen Relationen – und somit auch der 

nicht gelungen. Einen „praktikablen“, aber eben nicht „sauberen“ Ausweg würde die Reifizierung der Konzepte an der ersten 

Argumentstelle der Relation „hat_das_definitorische_Konzeptmerkmal“ darstellen. Wegen seiner Bedenken gegenüber solchen 

Reifizierungen (vgl. dazu die Ausführungen im Kapitel 2.4.3.1.2.1 auf S. 494 ff.) hat der Verfasser bislang davon Abstand genommen, 

diesen Weg zu bestreiten. Die zuvor skizzierten praktischen Schwierigkeiten erklären zumindest teilweise, warum 

bislang bei der Gestaltung von Ontologien die Praxis vorherrscht, definitorische Konzeptmerkmale in ergänzende Texte auszulagern. 

157) Die Ausprägungen eines (akzidenziellen) Konzeptattributs sind die Instanzen desjenigen Konzepts, das einem anderen Konzept 

mittels einer zweistelligen Relation als dessen Attribut zugeordnet ist. 

158) Relationen werden hier als Mengen aufgefasst, die als kartesische Produkte über zwei oder mehr zugrunde liegenden Mengen 

(Trägermengen) definiert sind. Jedes Element einer Relation ist eine zwei- oder mehr-stellige Beziehung zwischen je einem 

Element aus den Trägermengen der betroffenen Relation. Beispielsweise entsprechen in Entity-Relationship-Modellen die Entities 

den vorgenannten Elementen und die Relationships den vorgenannten Beziehungen zwischen Elementen. Eine Trägermenge 

ist hingegen ein Entity-Typ, während einer Relation einem Relationship-Typ entspricht. In einer Ontologie erstrecken sich 

dagegen Relationen zwischen Konzepten. Jedes Konzept besitzt in extensionaler Hinsicht die Menge (Klasse) aller Instanzen, 

die zu dem jeweils betroffenen Konzept gehören (konzeptspezifische Instanzenmenge). Daher fallen die Trägermengen, über 

denen eine Relation zwischen Konzepten definiert ist, mit den Mengen der konzeptzugehörigen Instanzen zusammen. Folglich 

erstrecken sich einzelne Beziehungen, d.h. die Elemente einer Relation zwischen Konzepten, auf je eine Instanz aus den konzeptspezifischen 

Instanzenmengen. 

159) Daneben existieren auch andere taxonomische Relationen. Dazu gehören beispielsweise die Äquivalenz- und die Inkompatibilitätsrelation, 

die im Kapitel 1.3.2 im Rahmen der KOWIEN-Ontologie vorgestellt werden (S. 239).


„is_a“-Relation oder Subkonzeptrelation – hinzuweisen. Taxonomische Relationen sind stets über 

dem kartesischen Produkt der Menge aller Konzepte, die zu einer Ontologie gehören (Konzeptemenge), 

definiert. 160) Die einheitliche Trägermenge aller taxonomischen Relationen ist also die 

Konzeptemenge einer Ontologie. Taxonomische Beziehungen, die Elemente einer taxonomischen 

Relation sind, erstrecken sich daher immer zwischen Konzepten – und nicht zwischen deren Instanzen. 

Deshalb besitzen taxonomische Relationen die Qualität metasprachlicher Relationen. 161) 

Die taxonomische Struktur einer Ontologie ist die Gesamtheit aus ihrer Konzeptemenge K und allen 

ihren taxonomischen Relationen Rtax.1,...,Rtax.N mit N∈N+ . 162) Wenn es sich bei den taxonomischen 

Relationen um zweistellige Relationen handelt (dies ist der Normalfall), dann lässt sich die taxonomische 

Struktur einer Ontologie übersichtlich als ein mathematischer Graph Gtax = (K;Rtax.1, 

...,Rtax.N) mit Rtax.n ⊆ K x K für alle n = 1,...,N darstellen. Die Knoten des Graphen Gtax sind Elemente 

der Konzeptemenge K, also einzelne Konzepte der Ontologie. Die Kanten (k1,k2)∈Rtax.n des Graphen 

Gtax verknüpfen jeweils zwei Konzepte k1 und k2 der Ontologie in der Art, wie sie von der betroffenen 

taxonomischen Relation Rtax.n vorgegeben ist. Im einfachsten – und auch weithin vorherrschenden 

– Fall wird nur mit der „is_a“-Relation als einziger taxonomischer Relation gearbeitet. 

Die taxonomische Struktur einer Ontologie kann dann als ein mathematischer Graph Gtax = (K;Ris_a) 

dargestellt werden, in dem jede Kante entsprechend ihrer Kantenrichtung eine Unterordnungsbeziehung 

zwischen zwei Konzepten ausdrückt. 

Nicht-taxonomische Relationen unterscheiden sich von taxonomischen Relationen in zweifacher 

Hinsicht. Einerseits besteht ein Unterschied hinsichtlich der Anwendungsbreite oder „Generizität“ 

der beiden Relationsarten. Andererseits weichen die Sprachebenen voneinander ab, auf denen die 

beiden Relationsarten jeweils definiert werden. 

Aus dem Blickwinkel ihrer Anwendungsbreite zeichnen sich taxonomische Relationen durch ihren 

„generischen“ Charakter aus. Sie hängen in ihrer Struktur nicht von den Spezifika derjenigen Realitätsausschnitte 

ab, zu deren Konzeptualisierung eine Ontologie herangezogen wird, sondern können 

auf beliebige Ontologien angewendet werden. 163) Nicht-taxonomische Relationen beziehen sich dagegen 

inhaltlich auf den jeweils konzeptualisierten Realitätsausschnitt, die so genannte „Domäne“ 

einer Ontologie. Beispielsweise kann die nicht-taxonomische Relation „hat_Kompetenz_in“ zwi- 

160) Da es sich bei taxonomischen Relationen in der Regel um zweistellige Relationen handelt, sind sie über dem zweifachen kartesischen 

Produkt der Konzeptemenge definiert. Mit K als Konzeptemenge lässt sich daher jede (zweistellige) taxonomische Relation 

R tax als R tax ⊆ K x K darstellen. 

161) Die Instanzen von Konzepten bilden die objektsprachliche Ebene, auf der über reale Objekte aus einem repräsentierten Realitätsausschnitt 

– also über Erfahrungsobjekte, Entitäten oder Individuen – gesprochen wird. Auf der metasprachlichen Ebene 

wird über sprachliche Artefakte geredet, wie z.B. über Konzepte, die Instanzen aus der objektsprachlichen Ebene auf der metasprachlichen 

Ebene zu einer gedanklichen Einheit zusammenfassen. 

162) Die taxonomische Struktur einer Ontologie beruht auf den gleichen Informationen, die dem oben eingeführten System aus Konzepten 

oder Kern einer Ontologie zugrunde liegen: der Konzeptemenge und den taxonomischen Relationen. Diese Informationen 

werden auch nicht auf verschiedenartige Weise verarbeitet, sondern allenfalls in unterschiedlichen Formulierungs- oder 

Darstellungsvarianten aufbereitet. Daher wird hier zwischen der taxonomischen Struktur einer Ontologie, dem System aus 

Konzepten und dem Kern einer Ontologie nicht näher unterschieden. Stattdessen werden sie als synonyme Bezeichner für denselben 

Sachverhalt – die Strukturierung der Konzeptemenge mittels taxonomischer Relationen – verwendet. 

163) Beispielsweise definiert die „is_a“-Relation für alle Ontologien in derselben Weise eine Subkonzeptrelation zwischen deren 

Konzepten. Dies bedeutet jedoch nur, dass die Struktur der „is_a“-Relation für alle Ontologien dieselbe ist. Die „is_a“-Relation 

ist jedoch nicht identisch für alle Ontologien. Vielmehr wird sie im Allgemeinen von Ontologie zu Ontologie variieren, weil 

sich die Konzeptemengen von Ontologie zu Ontologie unterscheiden und somit auch die Trägermengen, über deren kartesischen 

Produkten die „is_a“-Relation jeweils definiert ist.


schen den Konzepten „Kompetenzträger“ (natürlicher oder artifizieller Art) und „Kompetenzart“ in 

einer Ontologie zur Konzeptualisierung des Realitätsausschnitts „betriebliches Kompetenzmanagement“ 

sinnvoll angewendet werden, während sie für einen anderen Realitätsausschnitt – wie etwa 

für die Bilanzpolitik – keine sinnvolle Verwendungsmöglichkeiten erkennen lässt. Daher besitzen 

nicht-taxonomische Relationen einen domänenspezifischen Charakter. 

Taxonomische Relationen sind stets über dem kartesischen Produkt der Konzeptemenge einer Ontologie 

definiert. Dagegen ist eine nicht-taxonomische Relation, die sich auf zwei Konzepte bezieht, 

164) über dem kartesischen Produkt derjenigen Instanzenmengen definiert, die zu den beiden 

involvierten Konzepten gehören (konzeptspezifische Instanzenmengen). Nicht-taxonomische Beziehungen, 

die Elemente einer nicht-taxonomischen Relation sind, erstrecken sich daher immer 

zwischen den Instanzen aus konzeptspezifischen Instanzenmengen. Deshalb besitzen nichttaxonomische 

Relationen aus der Perspektive der betroffenen Sprachebenen die Qualität objektsprachlicher 

Relationen. Damit unterscheiden sie sich deutlich von taxonomischen Relationen, die 

– wie oben erläutert wurde – stets metasprachliche Relationen darstellen. 

Des Öfteren endet die Konstruktion einer Ontologie mit der formalsprachlichen Spezifizierung ihrer 

Konzeptemenge, ihrer taxonomischen Relation(en) und ihrer nicht-taxonomischen Relationen. Dies 

würde jedoch die „semantische Dimension“ von Ontologien außer Acht lassen. Sie stellt nach Einschätzung 

des Verfassers einen der interessantesten – aber auch kompliziertesten – Aspekte der Ontologieforschung 

im Bereich des Knowledge Level Engineerings dar. 165) Die Semantik 166) einer Ontologie 

umfasst alle Konstrukte, die den Zweck erfüllen, die Verwendung der Konzepte 167) einer 

Ontologie in repräsentationalen Modellen eines Realitätsausschnitts auf die semantisch korrekte, 

d.h. bedeutungsgerechte 168) Konzeptverwendung einzuschränken. 169) 

164) Nicht-taxonomische Relationen können auch mehr als zwei Stellen aufweisen. Dies spielte im Verbundprojekt KOWIEN eine 

große Rolle, da sich Wissen über die Kompetenzen und die Kompetenzniveaus von Kompetenzträgern auf „natürliche“ Weise 

nur mittels dreistelliger Kompetenzrelationen repräsentieren lässt. Darauf wird später ausführlicher eingegangen. Für die hier 

interessierende Erläuterung des Unterschieds zwischen taxonomischen und nicht-taxonomischen Relationen reicht es jedoch 

aus, sich der Übersichtlichkeit halber auf den Normalfall zweistelliger Relationen zu beschränken. 

165) Die Bedeutung der semantischen Konstrukte von Ontologien lässt sich durch die plakative Kurzformel „Ontologie = Terminologie 

+ Relationen + Semantik“ unterstreichen. Auch wenn die Assoziation logisch-mathematischer Formeln durch die Verwendung 

der Notationen „=“ und „+“ inhaltlich verfehlt ist, so besitzt diese Kurzformel als „intellektuelle Krücke“ zur Abgrenzung 

gegenüber reinen Formalsprachen und Metamodellen doch einen gewissen Reiz. 

166) Die Bezeichnungen „semantische Dimension“ und „Semantik“ einer Ontologie werden synonym verwendet. 

167) Die Ausführungen, die hier zur „semantischen Dimension“ von Ontologien erfolgen, treffen streng genommen nicht nur auf die 

Konzepte, sondern ebenso auf die (taxonomischen und nicht-taxonomischen) Relationen einer Ontologie zu. Lediglich im Interesse 

einer möglichst übersichtlichen Diktion wird im Folgenden explizit nur auf Konzepte Bezug genommen. Die Relationen 

gelten jeweils als implizit angesprochen. 

168) Unter der Bedeutung eines Konzepts wird hier stets die inhaltliche Bedeutung eines Konzepts verstanden, die oben als Konzeptintension 

eingeführt wurde. Dagegen ist die referenzielle Bedeutung oder Konzeptextension im Folgenden nicht gemeint. 

169) Ontologien liegt ein spezielles Semantikverständnis zugrunde. Es zeichnet sich erstens durch eine Art von Verwendungstheorie 

der Bedeutung aus: Die Bedeutung eines Konzepts wird durch seine zulässigen Verwendungsweisen festgelegt. Eine „dahinter“ 

liegende, „tiefere“ Bedeutung „an sich“, die zum Maßstab des richtigen Bedeutungsverständnisses herangezogen werden könnte, 

existiert aus dieser Perspektive nicht. Mit dieser verwendungsorientierten Bedeutungsauffassung folgen Ontologien weit gehend 

sprachanalytischen Auffassungen, wie sie z.B. prominent vom „späten“ WITTGENSTEIN anhand seiner „Sprachspiele“ vertreten 

wurden. Vgl. zur Verwendungstheorie der Bedeutung beispielsweise LANGE (1998) S. 159; LORENZ (2004b) S. 772; VON 

KUTSCHERA (1975) S. 119; VON SAVIGNY (1996) S. 47 u. 70 ff.; WITTGENSTEIN (1977) S. 41. 

Zweitens lässt sich das Semantikverständnis von Ontologien durch ein Prinzip der „semantischen Abgeschlossenheit“ charakterisieren: 

Die Bedeutung eines Konzepts besteht nur aus jenen Einschränkungen für die bedeutungsgerechte Konzeptverwen-


Die semantischen Konstrukte stellen nach Ansicht des Verfassers eines der „spannendsten“ Gebiete 

der modernen Ontologieforschung dar. Die besondere Herausforderung liegt darin, die Bedeutungen 

von Konzepten so aufzubereiten, dass sie von computerbasierten Wissensmanagementsystemen 

korrekt und vollständig berücksichtigt werden können. Zu diesem Zweck ist es erforderlich, die wesentlichen 

170) semantischen Konstrukte einer Ontologie formalsprachlich zu spezifizieren. 171) Daher 

dung, die in einer Ontologie mittels ihrer semantischen Konstrukte explizit spezifiziert sind. Man könnte auch davon sprechen, 

dass sich die Semantik einer Ontologie „self contained“ verhält: Was nicht explizit in einer Ontologie als Einschränkung für die 

bedeutungsgerechte Konzeptverwendung spezifiziert ist, kann auch nichts zur Bedeutung des jeweils betroffenen Konzepts beitragen. 

Eine „tiefere“ Bedeutung von Konzepten, die über die explizit spezifizierten Einschränkungen für bedeutungsgerechte 

Konzeptverwendungen hinausgeht, existiert aus dieser Perspektive nicht. Dies entspricht nicht nur der o.a. Verwendungstheorie 

der Bedeutung, sondern auch der Forderung nach expliziter Spezifikation aller konzeptualisierungsrelevanten Aspekte in den 

o.a. Definitionsansätzen für Ontologien. 

Das Prinzip der semantischen Abgeschlossenheit braucht keineswegs in dem Sinne statisch ausgelegt zu werden, dass die Gesamtheit 

aller semantischen Konstrukte einer Ontologie für alle Zeit festliegt. Vielmehr bezieht sich die semantische Abgeschlossenheit 

einer Ontologie stets nur auf den aktuellen Kenntnisstand darüber, worin die bedeutungsgerechten Verwendungsweisen 

ihrer Konstrukte bestehen. Wenn sich dieser Kenntnisstand im Zeitverlauf ändert, lässt sich die Gesamtheit aller 

semantischen Konstrukte einer Ontologie entsprechend anpassen („dynamisieren“). Aus der Relativierung des Prinzips der Abgeschlossenheit 

auf den jeweils aktuellen Kenntnisstand über die Konzeptbedeutungen lässt sich eine Art Konstruktionsanweisung 

für die Erweiterung von Ontologien um semantische Konstrukte gewinnen: Wenn ein Nutzer oder ein Evaluator einer Ontologie 

der Überzeugung ist, dass bestimmte Aspekte der „wahren“ Bedeutung eines Konzepts durch eine Ontologie nicht berücksichtigt 

würden, so muss er konkrete Beispiele für Konzeptverwendungen angeben können, die von der Ontologie zugelassen 

werden, jedoch gemäß der „wahren“ Konzeptbedeutung unzulässig sind. Mithilfe dieser Beispiele ist es grundsätzlich möglich, 

zusätzliche semantische Konstrukte (wie z.B. Integritätsregeln) zu spezifizieren, die der Ontologie hinzugefügt werden und 

dadurch die zulässigen Verwendungsweisen des betroffenen Konzepts weiter einschränken. Wenn die zusätzlichen semantischen 

Konstrukte hinreichend streng formuliert sind, werden die früher noch zulässigen, aber von dritter Seite als unzulässig 

qualifizierten Konzeptverwendungen ausgeschlossen. Nach dieser Ergänzungsoperation gestattet die Ontologie nur noch zulässige, 

d.h. bedeutungsgerechte Verwendungsweisen des betroffenen Konzepts. Die „Raffinesse“ dieser Konstruktionsanweisung 

liegt darin begründet, dass sie jeden Kritiker, der die – angeblich oder tatsächlich – mangelhafte Berücksichtigung „wahrer“ 

Konzeptbedeutungen in einer Ontologie beklagt, dazu veranlasst, seine Vorstellungen über die „wahre“ Bedeutung eines Konzepts 

anhand konkreter Gegenbeispiele zu explizieren. Sobald diese Explikation erfolgt ist, lässt sie sich in zusätzliche semantische 

Konstrukte umsetzen, mit deren Hilfe die zulässigen Konzeptverwendungen in der Ontologie auf jene eingeschränkt werden, 

die der „wahren“ Konzeptbedeutung gerecht werden. Wenn sich ein Kritiker, der die vollständige Erfassbarkeit von Konzeptbedeutungen 

innerhalb einer Ontologie bestreitet, auf dieses „konstruktive Argumentationsspiel“ einlässt, gibt er bereits 

den Verfechtern der semantischen Abgeschlossenheit von Ontologien den Schlüssel in die Hand, die nicht erfassten Konzeptbedeutungen 

durch zusätzliche semantische Konstrukte zu „internalisieren“. 

Die Stringenz dieses „konstruktiven Argumentationsspiels“ lässt sich nach Einschätzung des Verfassers nur an zwei Punkten 

unterlaufen. Erstens ist es möglich, dass sich ein Kritiker dem oben skizzierten Argumentationsverlauf entzieht, indem er sich 

weigert, konkrete Gegenspiele zu präsentieren, die seine Behauptung belegen, die „wahre“ Konzeptbedeutung würde von einer 

Ontologie nicht vollständig erfasst. Ein solcher Kritiker kann jedoch in der Folge ignoriert werden, weil er sich aufgrund seiner 

„Belegverweigerung“ einem konstruktiven, auf Problemlösung ausgelegten Diskurs selbst entzogen hat. Zweitens lässt sich 

vorstellen, dass der Kritiker die eingeforderten konkreten Gegenbeispiele vorlegt, aber zugleich aufzeigt, dass es prinzipiell 

unmöglich ist, diese Gegenbeispiele durch zusätzliche semantische Konstrukte aus denjenigen Konzeptverwendungen auszuschließen, 

die von einer Ontologie als „bedeutungsgerecht“ zugelassen werden. Ein solcher Unmöglichkeitsbeweis wäre in der 

Tat „schlagend“. Allerdings liegt die Beweisführungslast auf der Seite jener Skeptiker, die der Meinung anhängen, es sei grundsätzlich 

ausgeschlossen, alle Aspekte der „wahren“ Konzeptbedeutungen mit den semantischen Konstrukten einer Ontologie 

berücksichtigen zu können. Bislang ist ein solcher Unmöglichkeitsbeweis nach Kenntnis des Verfassers noch nicht überzeugend 

gelungen. Zwar lässt sich einwenden, dass z.B. SEARLE mit seinem Chinese-Room-Gedankenexperiment einen Unmöglichkeitsbeweis 

der geforderten Art bereits vorgelegt hat. Aber die Beweisführung von SEARLE (und anderen, ähnlich gelagerten 

Versuchen) ist nicht schlüssig. In dem hier vorgelegten Werk kann wegen der völlig anders gelagerten Zielrichtung des 

Verbundprojekts KOWIEN weder auf die Beweisführung von SEARLE noch auf ihre Defekte näher eingegangen werden. Dies 

hat der Verfasser an anderer Stelle unternommen; vgl. dazu die Hinweise, die später in der Fußnote 438 (S. 222) erfolgen. 

170) Ausnahmen stellen z.B. die definitorischen Texte dar, die als besondere Form konstitutiver Konzeptattribute in der voranstehenden 

Fußnote 156 (S. 158 f.) kurz angesprochen wurden. 

171) Es wurde schon an früherer Stelle erläutert, dass Computer in ihrer internen Operationsweise auf formalsprachliche, extensionale 

Wissensrepräsentationen angewiesen sind. Vgl. dazu die Fußnote 137 auf S. 150.


besitzen Ontologien eine im Wesentlichen formale Semantik. Dies stimmt mit dem programmatischen 

Anspruch der KI-Forschung überein, alle Aspekte, die zur Lösung lebensweltlicher Problemstellungen 

beizutragen vermögen, formalsprachlich zu explizieren und hierdurch einer Verarbeitung 

durch „intelligente“ Computersysteme, wie z.B. Wissensbasierte Systeme, zugänglich zu machen. 

Über diesen Anspruch lässt sich heftig – und „nahezu unendlich“ – streiten. Eine solche Debatte 

liegt jedoch außerhalb der Erkenntnisinteressen des Verbundprojekts KOWIEN, so dass sie in diesem 

Werk nicht weiter vertieft wird. 172) Es mag an dieser Stelle ausreichen, auf den besonderen 

Stellenwert semantischer Konstrukte für die Informatik im Allgemeinen und die KI-Forschung im 

Speziellen hinzuweisen. 

Bei den semantischen Konstrukten handelt es sich in erster Linie 173) um Inferenz- und Integritätsregeln. 

Mitunter wird auch von Axiomen gesprochen, 174) deren Erfüllung die bedeutungsgerechte 

Konzeptverwendung sicherstellen soll. 175) 

172) Dennoch möchte der Verfasser nicht verbergen, dass er sich dem intellektuellen Reiz des programmatischen Anspruchs der KI- 

Forschung nicht zu entziehen vermag. Daher hat er sich das Vergnügen gegönnt, an einigen wenigen Stellen auf Berührungspunkte 

zu dieser Programmatik aufmerksam zu machen. Dies betrifft insbesondere die so genannte starke KI-These, das darauf 

bezogene Chinese-Room-Gedankenexperiment von SEARLE und das „konstruktive Argumentationsspiel“ zur Erweiterung einer 

Ontologie um semantische Konstrukte, das vom Verfasser in einem anderen Kontext als Reaktion auf Kritiker der starken KI- 

These konzipiert wurde. Vgl. dazu die Andeutungen in diesem Werk in den voranstehenden Fußnoten 156 u. 169 sowie auf S. 

151, 198 u. 222. 

173) Daneben lassen sich in Ontologien noch weitere semantische Konstrukte identifizieren, die jedoch nach Einschätzung des Verfassers 

hinsichtlich ihrer Relevanz für die konkrete Anwendung von Ontologien zur Erfüllung betrieblicher Zwecke eine untergeordnete 

Rolle spielen. Dazu gehören z.B. die definitorischen Texte, die weiter oben als besondere Form konstitutiver Konzeptattribute 

angesprochen werden. In solchen Texten, die zumeist natürlichsprachlich abgefasst sind, lässt sich auf relativ einfache 

Weise die Bedeutung eines Konzepts erläutern. Allerdings können diese definitorischen Texte nicht in die automatische 

Analyse und Auswertung von Ontologien einbezogen, sondern nur von menschlichen Ontologiebenutzern verstanden werden. 

Daher spielen sie keine Rolle für computerbasierte Wissensmanagementsysteme – zumindest nicht hinsichtlich der Automatischen 

Informationsverarbeitung in solchen Systemen. 

Darüber hinaus lässt sich auch die Typisierung der Argumentstellen von Relationen und Prädikaten mit Konzepten als ein semantisches 

Konstrukt auffassen. Mittels dieser Typisierung wird festgelegt, zu welchen Konzepten die Instanzen gehören müssen, 

die in einer Beziehung (als Element einer Relation) zueinander stehen dürfen oder über die eine prädikatenlogische Formel 

etwas aussagen darf. Solche Typisierungen sind in zahlreichen Programmiersprachen üblich und spielen auch in formalsprachlichen 

Ontologien eine große Rolle. Beispielsweise werden sie sowohl in F-Logic als auch in sortierten Prädikatenlogiken verwendet 

(die „Sorten“ der Prädikatenlogik entsprechen den vorgenannten Konzepten oder Typen). Die Typisierungen werden 

auch im Verbundprojekt KOWIEN intensiv verwendet; vgl. dazu u.a. das Beispiel in der nachfolgenden Abbildung 16 auf S. 

166. Die Typisierungen lassen sich insofern als semantische Konstrukte auffassen, weil sie die Verwendung von Instanzen in 

Beziehungen und prädikatenlogischen Formeln, die aus Relationen bzw. Prädikaten gebildet wurden, auf diejenigen Instanzen 

einschränken, die der Bedeutung der jeweils betroffenen Relation oder des jeweils betroffenen Prädikats gerecht werden. Wenn 

dieser Sichtweise gefolgt wird, dann handelt es sich bei der Typisierung von Relationen und Prädikaten mit Konzepten um ein 

semantisches Konstrukt, das für die semantische Dimension einer Ontologie von erheblicher Relevanz ist. Die Typisierung wird 

hier nur deswegen nicht besonders hervorgehoben, weil sie kein Spezifikum von Ontologien darstellt, sondern bereits in zahlreichen 

Programmiersprachen verbreitet ist. Sie besitzt keinen neuartigen Charakter, sondern gehört zum State-of-the-art des 

Software Engineerings. 

174) Vgl. zur Bezugnahme auf „Axiome“ z.B. NOY/HAFNER (1998) S. 618; THAM/FOX/GRUNINGER (1994) S. 4 ff. 

175) Es besteht kein grundsätzlicher Unterschied zwischen Axiomen einerseits sowie Inferenz- und Integritätsregeln andererseits. 

Beispielsweise ist es möglich, semantische Axiome in eine Regelform zu transformieren (sofern sie nicht von vornherein in dieser 

Regelform vorliegen). Ebenso lassen sich Inferenz- und Integritätsregeln als eine besondere, nämlich „regelartige“ Form 

von semantischen Axiomen auffassen. Wegen dieser wechselseitigen „Austauschbarkeit“ spielt es keine Rolle, ob anhand von 

Axiomen oder anhand von Inferenz- und Integritätsregeln argumentiert wird.


Die Inferenz- und Integritätsregeln bilden das „semantische Herz“ einer Ontologie. 176) Da im Verbundprojekt 

KOWIEN ausschließlich mit Inferenz- und Integritätsregeln gearbeitet wurde, beschränken 

sich die anschließenden Ausführungen auf diese beiden Regelarten. Hinzu kommt, dass 

Inferenz- und Integritätsregeln in späteren Kapiteln dieses Werks ausführlich thematisiert werden. 

Deshalb reicht es aus, in diesem einführenden Kapitel nur überblicksartig die besondere Rolle zu 

würdigen, die diesen Regeln im Rahmen einer Ontologie zukommt. 

176) Allerdings werden Inferenz- und Integritätsregeln oftmals auch in „gewöhnlichen“ Wissensbasierten Systemen verwendet. Daher 

bedarf es einer Grenzziehung zwischen einerseits Inferenz- und Integritätsregeln, die Bestandteile einer Ontologie sind, und 

andererseits Inferenz- und Integritätsregeln, die zur Wissensbasis eines Wissensbasierten Systems gehören. Diese Grenzziehung 

schließt keineswegs aus, dass eine Ontologie eine Komponente eines Wissensbasierten Systems darstellt und somit die Inferenz- 

und Integritätsregeln der Ontologie mittelbar auch Bestandteile des Wissensbasierten Systems darstellen. Vielmehr geht 

es hier nur um eine gedanklich-analytische Trennung zwischen zwei verschiedenen Arten von Inferenz- und Integritätsregeln, 

die entweder für eine Ontologie oder aber für die Wissensbasis eines Wissensbasierten Systems typisch sind. 

Inferenz- und Integritätsregeln sind als semantische Konstrukte innerhalb einer Ontologie durch ihre Funktion bestimmt, die 

Verwendung der Konzepte einer Ontologie (in repräsentationalen Modellen eines Realitätsausschnitts) auf die semantisch korrekte, 

d.h. bedeutungsgerechte Konzeptverwendung einzuschränken. Daher können nur solche Inferenz- und Integritätsregeln 

zu einer Ontologie gehören, die sich auf der rein sprachlichen Ebene auf Konzepte und deren Bedeutungen beziehen. Sie besitzen 

keinen Bezug auf sachliche Aspekte derjenigen Realitätsausschnitte, die mit den sprachlichen Ausdrucksmitteln einer Ontologie 

modelliert werden können. Dagegen erstrecken sich Inferenz- und Integritätsregeln aus der Wissensbasis eines Wissensbasierten 

Systems nicht auf solche rein sprachlichen Sachverhalte. Vielmehr repräsentieren sie domänenspezifisches Wissen 

über Sachverhalte, die innerhalb desjenigen Realitätsausschnitts („Domäne“) gelten, auf den sich ein Wissensbasiertes System 

erstreckt. Beispielsweise können Inferenz- und Integritätsregeln in einer Wissensbasis gesetzesartige Zusammenhänge ausdrücken, 

die in dem repräsentierten Realitätsausschnitt gelten (sollen), jedoch insofern „kontingent“ sind, als sie sich nicht zwangsläufig 

aus den jeweils verwendeten sprachlichen Ausdrucksmitteln ergeben, sondern in anderen Realitätsausschnitten oder auch 

in anderen „(denk)möglichen Welten“ nicht zuzutreffen brauchen. Schließlich lassen sich die Inferenz- und Integritätsregeln 

aus der Wissensbasis eines Wissensbasierten Systems als Bestandteile eines repräsentationalen Modells auffassen, das mit den 

sprachlichen Ausdrucksmitteln der jeweils zugrunde liegenden Ontologie formuliert wurde. Denn die Wissensbasis eines Wissensbasierten 

Systems stellt ein repräsentationales Modell desjenigen Realitätsausschnitts dar, auf den sich das Wissensbasierte 

System erstreckt. 

Aufgrund der voranstehenden Erläuterungen lässt sich die Unterscheidung zwischen Inferenz- und Integritätsregeln aus Ontologien 

bzw. aus Wissensbasen wie folgt paraphrasieren: Die Inferenz- und Integritätsregeln aus einer Ontologie sind rein 

sprachlich definiert und „realitätsblind“. Sie gelten a priori, weil sie auf der sprachlichen Ebene jeglicher Realitätserfahrung und 

Realitätsrepräsentation (z.B. in Wissensbasen aus Wissensbasierten Systemen) „logisch“ vorangehen. Die Inferenz- und Integritätsregeln 

aus einer Wissensbasis erweisen sich hingegen als domänenspezifisch. Sie gelten daher realitätsabhängig und a posteriori, 

d.h. erst nach erkennendem Zugriff auf einen Realitätsausschnitt. 

Der Verfasser räumt ein, dass die voranstehende Abgrenzung zwischen Inferenz- und Integritätsregeln aus Ontologien bzw. aus 

Wissensbasen nur auf den ersten Blick trennscharf erscheint. Denn bei genauerem Hinsehen zeigen sich „epistemologische Abgründe“, 

die in dem hier vorgelegten Werk nicht ausdiskutiert, sondern allenfalls angedeutet werden können. Einerseits lässt 

sich grundsätzlich über eine Präsupposition streiten, die der voranstehenden Abgrenzung zugrunde liegt: Sie unterstellt, dass 

sich die „rein“ sprachliche Ebene der Konzepte und ihrer Bedeutungen auf der einen Seite sowie die Ebene der Realitätserfahrung 

und Realitätsrepräsentation auf der anderen Seite problemlos voneinander separieren lassen. Dies ist jedoch nicht der Fall. 

Beispielsweise könnte aus der Perspektive der Evolutionären Erkenntnistheorie der Einwand erhoben werden, dass Sprache 

nicht „an sich“ existiert, sondern aus einem Prozess der Auseinandersetzung von „sprachbegabten Wesen“ mit ihrer jeweils 

überlebensrelevanten Umwelt (als Realitätsausschnitt) hervorgegangen ist. Folglich gäbe es kein A-priori einer realitätsunabhängigen 

Sprache. Vielmehr spiegelten sich in allen sprachlichen Konzepten und deren Bedeutungen frühere, sprachlich „angeeignete“ 

Realitätserfahrungen wider. Andererseits kann bei einzelnen Inferenz- und Integritätsregeln immer wieder trefflich 

darüber gestritten werden, ob sie tatsächlich entweder rein sprachlicher Natur oder aber domänenspezifisch geprägt seien. Diese 

Abgrenzungsschwierigkeiten werden in Kürze anhand eines konkreten Beispiels für Inferenzregeln verdeutlicht werden; vgl. 

Fußnote 180 auf S. 166.


Inferenzregeln 177) legen fest, wie aus Wissen, das in der Wissensbasis eines Wissensbasierten Systems 

explizit repräsentiert vorliegt, das darin implizit enthaltene Wissen zusätzlich erschlossen 178) 

werden kann. Solche Inferenzregeln sind im Prinzip seit langem bekannt. Im Rahmen der Formalen 

Logik, etwa der Prädikatenlogik, werden sie als eine der wichtigsten Komponenten einer „formalen 

Semantik“ intensiv erforscht. Dazu gehören weithin bekannte Inferenzregeln, wie der Modus Ponens 

und der Modus Tollens, aber auch weniger bekannte Inferenzregeln, wie die Kombination aus 

Resolutions- und Unifizierungsregeln. Insbesondere die letztgenannte Regelkombination hat sich 

als sehr effektiv erwiesen, um Automatische Informationsverarbeitungssysteme – so genannte Theorembeweiser 

– mit logischen Schlussfolgerungsfähigkeiten auszustatten. 

Die vorgenannten Beispiele gehören jedoch nicht zu den Inferenzregeln aus der semantischen Dimension 

von Ontologien. Stattdessen werden die Inferenzregeln der Formalen Logik als „metasprachliche“ 

Inferenzregeln in Wissensbasierten Systemen als bekannt vorausgesetzt und oftmals in 

einer separaten Systemkomponente – der „Inferenzmaschine“ – implementiert. Auf die Inferenzregeln 

der Formalen Logik wird daher im Folgenden nicht näher eingegangen. 

Die Inferenzregeln aus der semantischen Dimension von Ontologien besitzen dagegen einen objektsprachlichen 

Charakter. Dies wird später im Kapitel 1.3.2.4 ausführlicher erläutert (S. 268 ff.). Im 

Rahmen der hier anstehenden Einführung in die Thematik „Ontologien“ sollte es ausreichen, einen 

ersten, intuitiven Eindruck für die Besonderheiten objektsprachlicher Inferenzregeln zu vermitteln. 

Objektsprachliche Inferenzregeln ähneln den metasprachlichen Inferenzregeln der Formalen Logik 

hinsichtlich ihrer Fähigkeit, implizites Wissen zu explizieren. Im Gegensatz zu formal-logischen Inferenzregeln 

nehmen sie aber nicht (nur) auf die äußere Gestalt – die z.B. prädikatenlogische 

„Form“ – des expliziten Wissens Bezug, sondern werten (auch) Wissen über den Inhalt – die (intensionale) 

Bedeutung – derjenigen Konzepte und Relationen aus, auf die in der Regelformulierung 

explizit Bezug genommen wird. Daher werden die objektsprachlichen Inferenzregeln aus Ontologien 

mitunter auch als Regeln des inhaltlichen Schließens bezeichnet. 

Zwei Beispiele zeigen in der nachfolgenden Abbildung 16 in exemplarischer Weise auf, wie objektsprachliche 

Inferenzregeln für inhaltliches Schließen spezifiziert werden können. Sie sind in einer 

Notation verfasst, die sich eng an prädikatenlogische Wissensrepräsentationen anlehnt und für Ontologie-Editoren 

aus dem Umfeld der KI-Forschung typisch ist. 179) Die beiden Inferenzregeln gestatten 

es, Wissen über Kompetenzen von Mitarbeitern eines Unternehmens abzuleiten, das in dieser 

Form in der Wissensbasis eines Wissensbasierten Systems nicht explizit gespeichert wird, jedoch 

in einzelnen Wissenskomponenten implizit enthalten ist. 

177) Auf Inferenzregeln wird in einem anderen Beitrag dieses Werks ausführlicher eingegangen; vgl. den Exkurs im Kapitel 2.4.2.2 

(S. 433 ff.) sowie die Beispiele für Inferenzregeln aus dem Verbundprojekt KOWIEN im Kapitel 2.4.4 (S. 524 ff.). 

178) Inferenzregeln werden daher auch (synonym) als Schlussfolgerungsregeln bezeichnet. 

179) Die Notationsdetails werden in späteren Kapiteln erläutert werden. Für ein erstes, grobes Verständnis der Regeln sollten folgende 

Festlegungen ausreichen: Das Symbol „∀“ stellt den Allquantor dar. Er drückt aus, dass die nachfolgende Regel für alle 

Instanzen (Individuen, Erfahrungsobjekte) gilt, die für diejenigen Variablen eingesetzt werden können, die zwischen dem Allquantor 

und dem Doppelpunkt („:“) am Ende der jeweiligen Formelzeile aufgeführt werden. Diese Variablen werden jeweils 

mit einem Großbuchstaben begonnen, wie z.B. die Variable „Person_X“. Für jede Variable kann angegeben werden, zu welchem 

Konzept die Instanzen gehören müssen, die für die jeweils betroffene Variable eingesetzt werden dürfen. Diese „Typisierung“ 

einer Variablen erfolgt durch einen nachgestellten Doppelpunkt („:“) und das darauf folgende Konzept, zu dem die Instanzen 

gehören müssen. Die Pfeile „->“ und „->>“ werden verwendet, um auszudrücken, dass eine Relation in ihrer zweiten 

Stelle von einer einzelnen Instanz bzw. von einer Menge von Instanzen erfüllt wird. Die Notation „“ steht für das logische 

Subjugat, das sich in natürlicher Sprache als „Wenn ..., dann ... “-Beziehung wiedergeben lässt.


∀ Person_X, Vorgang_Y, Thema_Z: 

Vorgang_Y:Schulung [ hat_Gegenstandsbereich ->> Thema_Z; 

hat_Schulungsniveau -> professionell; 

hat_Teilnehmer ->> Person_X] 

Person_X:Mitarbeiter [ hat_Kompetenz_in ->> Thema_Z]. 

∀ Projekt_A, Projekt_B, Person_C, Thema_D: 

(Projekt_A:Projekt [ erfordert_Kompetenz_in ->> Thema_D; 

wurde_evaluiert -> erfolgreich] AND 

Projekt_B:Projekt [ erfordert_Kompetenz_in ->> Thema_D; 

(NOT equal(Projekt_A,Projekt_B)) AND 

wurde_evaluiert -> erfolgreich] AND 

Person_C:Mitarbeiter [ hat_mitgearbeitet_in ->> Projekt_A] AND 

Person_C:Mitarbeiter [ hat_mitgearbeitet_in ->> Projekt_B]) 

Person_C:Mitarbeiter [ hat_Kompetenz_in ->> Thema_D]. 

Abbildung 16: Objektsprachliche Inferenzregeln 

zur Erschließung impliziten Wissens über Mitarbeiterkompetenzen 

Die erste Inferenzregel () drückt die Plausibilitätsannahme aus, dass ein Mitarbeiter, der an einer 

Schulung über einen bestimmten Gegenstandsbereich teilgenommen hat, über eine Kompetenz in 

diesem Gegenstandsbereich verfügt, sofern das Anforderungsniveau der Schulung ein professionelles 

Niveau erreicht hat. Die zweite Inferenzregel () gibt die Vermutung wieder, dass ein Mitarbeiter 

über eine bestimmte Kompetenz verfügt, wenn er an mindestens zwei verschiedenen Projekten 

mitgewirkt hat, in denen diese Kompetenz zur erfolgreichen Projektabwicklung erforderlich war 

und die nach ihrem Abschluss jeweils als erfolgreich evaluiert wurden. 180) 

180) Anhand der zweiten Inferenzregel lässt sich exemplarisch verdeutlichen, wie schwer es ist zu entscheiden, ob eine Inferenzregel 

(oder auch eine Integritätsregel) entweder rein sprachlicher Natur ist und somit zu einer Ontologie gehört – oder ob sie von den 

Spezifika eines Realitätsausschmitts abhängt, also nur domänenspezifisch gilt, und deswegen den Bestandteil einer Wissensbasis 

bilden müsste. Im Fall der zweiten Inferenzregel kann die Ansicht vertreten werden, dass es sich aus der „Bedeutung des 

Kompetenzbegriffs“ ergebe, eine Kompetenz vermutlich zu erwerben, wenn man an mehreren erfolgreich abgeschlossenen Projekten 

mitgewirkt hat, die jene Kompetenz erfordert haben. Stattdessen lässt sich aber auch argumentieren, die voranstehende 

Vermutung werde nur deswegen als „plausibel“ anerkannt, weil Mitarbeiter in Unternehmen im Allgemeinen die gleiche Realitätserfahrung 

teilten, dass sich eine Kompetenz vermutlich erwerben lasse, wenn man an mehreren erfolgreich abgeschlossenen 

Projekten mitgewirkt hat, die jene Kompetenz erfordert haben. Je nachdem, welche der beiden vorgenannten Positionen eingenommen 

wird, wäre die zweite Inferenzregel entweder als „rein sprachlicher Natur“ anzusehen und daher einer Ontologie zuzurechnen 

– oder aber als erfahrungs- und realitätsabhängig einzustufen und deswegen einer Wissensbasis über den betroffenen 

Realitätsausschnitt zuzuordnen. Der Verfasser räumt ein, dass er sich nicht in der Lage sieht, sich mit guten Gründen eindeutig 

für eine der beiden vorgenannten Positionen zu entscheiden. Folglich bleibt die Zuordnung der o.a. zweiten Inferenzregel zu einer 

Ontologie mit einer „Prise Willkür“ behaftet. Gleiches trifft auch auf die o.a. erste Inferenzregel zu – und im Prinzip sogar 

auf alle Inferenzregeln, die im Verbundprojekt KOWIEN als Bestandteile von Ontologien thematisiert wurden. Die Aufteilung 

von Inferenzregeln (und Integritätsregeln) auf einerseits Ontologien und andererseits Wissensbasen stellt letztlich ein epistemologisches 

Problem dar, das innerhalb des Verbundprojekts KOWIEN nicht zufrieden stellend gelöst werden konnte. Vielmehr 

wurde von den Projektmitgliedern letztlich „pragmatisch“ entschieden, Inferenzregeln dem einen oder anderen Bereich zuzuordnen.


Die beiden voranstehenden – stark vereinfachten – Beispiele verdeutlichen nicht nur die Eigenarten 

objektsprachlicher Inferenzregeln, sondern auch zwei charakteristische Eigenschaften des ontologiebasierten 

Managements von Wissen über Kompetenzen. 

Zunächst ist festzuhalten, dass auch in Ontologien das Wissen über Kompetenzen formalsprachlich 

repräsentiert wird. Andernfalls wäre keine computerbasierte Verarbeitung dieses Wissens möglich, 

wie z.B. das automatische Schlussfolgern, d.h. das computerbasierte Erschließen impliziten Wissens. 

Aber „formalsprachlich“ bedeutet keineswegs „quantitativ“ oder „numerisch“. Stattdessen erlaubt 

es die z.B. prädikatenlogische Ausdrucksweise 181) einer Ontologie, mit Konstrukten umzugehen, 

die natürlichsprachlich anmuten. Beispielsweise lassen sich Variablen wie „Person_X“, „Projekt_A“ 

und „Thema_Z“, Konzepte wie „Mitarbeiter“ und „Schulung“ sowie Relationen wie 

„hat_Kompetenz_in“ und „wurde_evaluiert“ von menschlichen Nutzern eines computerbasierten 

Kompetenzmanagementsystems unmittelbar verstehen. Dies trägt erheblich zur Akzeptanz von 

Kompetenzmanagementsystemen im betrieblichen Alltag bei. Allerdings handelt es sich bei einem 

Konstrukt wie „Person_X“ aus der Sicht eines Computers lediglich um einen „String“, d.h. um eine 

„bedeutungslose“, rein syntaktisch definierte Zeichenkette. Ein gewöhnlicher Computer kann daher 

die kompetenzbezogenen Informationen, die in den beiden o.a. Inferenzregeln enthalten sind, nicht 

korrekt verarbeiten. Ihm fehlt das inhaltliche Verständnis für die natürlichsprachlichen Bedeutungen 

der Konstrukte, die ein menschlicher Leser der Konstrukte als „selbstverständlich“ empfinden 

würde. 

An dieser Stelle kommt die semantische Dimension von Ontologien ins Spiel: Durch das Zusammenspiel 

der semantischen Konstrukte einer Ontologie soll 182) sichergestellt werden, dass ein Computer, 

der intern nur formalsprachlich definierte Operationen auszuführen vermag, die natürlichsprachlich 

anmutenden Konstrukte genau so verarbeitet, wie es ihren natürlichsprachlichen Bedeutungen 

entspricht. 183) Diese bedeutungsgerechte Verarbeitung formalsprachlich repräsentierten Wissens 

wird erzielt, indem mittels semantischer Konstrukte wie Inferenz- und Integritätsregeln die 

Verwendung der formalsprachlichen Konstrukte („Strings“) auf jene Verwendungsmöglichkeiten 

eingeschränkt wird, die aus der Perspektive der natürlichsprachlichen Konstruktbedeutungen für 

einen menschlichen Betrachter als zulässig erscheinen. Die größte Herausforderung an die Gestaltung 

von Ontologien besteht daher in der Aufgabe, ihre Konzepte (und Relationen) 184) durch zusätzliche 

Inferenz- und Integritätsregeln – oder andere semantische Konstrukte – so zu ergänzen, dass 

181) Die Argumente, die hier vorgetragen werden, sind inhaltlich nicht auf die Prädikatenlogik beschränkt. Vielmehr treffen sie auf 

die meisten konkurrierenden Varianten der Formalen Logik ebenso zu. Beispielsweise lassen sich die natürlichsprachlich anmutenden 

Konstrukte, die in der Abbildung 16 verwendet werden, auch mithilfe von F-Logic formulieren. Es wird hier lediglich 

die Bezugnahme auf prädikatenlogische Formulierungsweisen bevorzugt, weil sich die Prädikatenlogik (1. Stufe) in weiten Bereichen 

der Wissenschaft als eine Art „lingua franca“ etabliert hat, die von nahezu allen Wissenschaftlern – zumindest ansatzweise 

– verstanden wird. Zugleich zeichnet sie sich durch einen großen Ausdrucksreichtum aus. Es gibt kaum realwissenschaftliche 

Sachverhalte, die sich nicht mit prädikatenlogischen Ausdrucksmitteln formulieren lassen. Dies trifft zumindest in 

den Wirtschaftswissenschaften zu, die im Vordergrund des Verbundprojekts KOWIEN standen. 

182) Ob dieser Anspruch von einer Ontologie tatsächlich eingelöst wird, hängt von ihrem Design ab. Wird der Anspruch verfehlt, 

lässt sich beispielsweise auf das „konstruktive Argumentationsspiel“ zurückgreifen, das in der Fußnote 169 auf S. 162 skizziert 

wurde, um Ontologien in semantischer Hinsicht schrittweise zu erweitern. 

183) Vgl. dazu insbesondere den Überblicksaufsatz von METAIS (2002). Die Autorin befasst sich darin mit dem State-of-the-art von 

Techniken, die es computerbasierten Informationssystemen gestatten, natürlichsprachliche Informationen zu verarbeiten. Im 

Rahmen dieser Techniken werden auch Ontologien behandelt; vgl. S. 259 ff. u. 264. 

184) Es wurde schon weiter oben darauf hingewiesen, dass die hier vorgetragenen Argumente sowohl auf Konzepte als auch auf Relationen 

aus einer Ontologie zutreffen.


die Verwendung der Konzepte auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung 

eingeschränkt wird. 185) Auch im Verbundprojekt KOWIEN stellte die Auseinandersetzung 

mit dieser Aufgabe eine wesentliche Herausforderung im Rahmen der Gestaltung der KOWIEN- 

Ontologie dar. 186) 

Die semantische Dimension von Ontologien stellt also die wesentliche Triebkraft dar, die es gestattet, 

einerseits computerintern mit formalsprachlichen Wissensrepräsentationen zu operieren, andererseits 

jedoch auch Wissen über die Bedeutungen von Konzepten (und Relationen) in die computerbasierte 

Wissensverarbeitung einzubeziehen. Hiermit werden die Grenzen konventioneller, rein 

syntaktisch fundierter Informationsverarbeitung deutlich in Richtung „lebensweltlicher Problemlösungskompetenz“ 

verschoben. In dieser Erweiterung der computerbasierten Wissensverarbeitung 

um ein inhaltliches Verständnis des formalsprachlich repräsentierten Wissens liegt ein wesentlicher 

Beitrag des Knowledge Level Engineerings der KI-Forschung zur Bereicherung des betrieblichen 

Wissensmanagements. 

Darüber hinaus bieten Ontologien die Gelegenheit, mit der naiven Vorstellung aufzuräumen, computerbasierte 

Wissensmanagementsysteme seien lediglich in der Lage, „quantitatives“ oder „numerisches“ 

Wissen zu verarbeiten. Stattdessen haben die o.a. zwei Beispiele für objektsprachliche Inferenzregeln 

in der Abbildung 16 verdeutlicht, dass es Ontologien keine Schwierigkeiten bereitet, 

mit Konstrukten umzugehen, die natürlichsprachlich anmuten. 187) Auf diese Weise wird es möglich, 

das vielfältige qualitative Wissen eines Unternehmens computerbasiert zu erschließen, das 

185) Spätestens an dieser Stelle ist einem drohenden Missverständnis vorzubeugen. Die bisherigen Erläuterungen könnten den Eindruck 

erwecken, dass semantische Konstrukte ausschließlich dem Zweck dienen, die Verwendung der Konzepte einer Ontologie 

auf die semantisch korrekte, d.h. bedeutungsgerechte Konzeptverwendung einzuschränken. In der Tat wurde bisher stets aus 

dieser Perspektive argumentiert. Sie reflektiert das spezielle Semantikverständnis einer Verwendungstheorie der Bedeutung, der 

zufolge die Rolle der Semantik darin liegt, aus allen rein syntaktisch möglichen Konzeptverwendungen nur diejenigen zuzulassen, 

die sich auch im Sinne der Konzeptbedeutungen als semantisch korrekt erweisen. Aus dieser Perspektive muss ein semantisches 

Konstrukt restriktiv wirken, weil es die Gesamtheit aller syntaktisch zulässigen Konzeptverwendungen auf die bedeutungsgerechten 

Konzeptverwendungen einschränkt. Ein typisches Beispiel für ein derart restriktiv wirkendes semantisches Konstrukt 

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 

Perspektiven. Aus einer anderen Perspektive kann ein semantisches Konstrukt auch expansiv wirken. Ein typisches 

Beispiel hierfür ist jede objektsprachliche Inferenzregel (Näheres dazu im Kapitel 4.2.2.1 auf S. 434 ff.). Denn eine solche Inferenzregel 

erlaubt es, durch Auswertung der Bedeutungen jener Konzepte, die in einer objektsprachlichen Inferenzregel miteinander 

verknüpft werden, neues explizites Wissen zu erschließen, das in einem zugrunde liegenden Wissensbestand weder explizit 

enthalten ist noch mittels der metasprachlichen Inferenzregeln der Formalen Logik als implizites Wissen erschlossen werden 

kann. Erst durch Hinzufügen der objektsprachlichen Inferenzregel wird es möglich, dieses neue zusätzliche Wissen zu erschließen, 

und zwar aufgrund der Konzeptbedeutungen, die in der objektsprachlichen Inferenzregel miteinander verknüpft werden. 

Dies wurde bereits unter Bezugnahme auf die objektsprachlichen Inferenzregeln der Abbildung 16 verdeutlicht; vgl. S. 166 ff. 

186) Der Verfasser räumt ein, dass innerhalb der Projektlaufzeit bei weitem nicht alle Probleme gelöst werden konnten, die bei der 

Gestaltung der semantischen Dimension der KOWIEN-Ontologie (und daraus abgeleiteter Ontologien) auftraten. Über einige 

dieser Probleme wird im hier vorgelegten Werk berichtet; andere Probleme erweisen sich als zu komplex, als dass sie im hier 

gebotenen Rahmen zufrieden stellend erörtert werden könnten. Der Verfasser hofft, dass mit dem vorgelegten Werk zumindest 

eine fruchtbare Diskussion über die semantischen Gestaltungsprobleme von Ontologien angestoßen werden kann. 

187) Um wiederum Missverständnissen vorzubeugen, wird darauf hingewiesen, dass die Verarbeitungsfähigkeit von Formeln, die 

natürlichsprachliche Konstruktbezeichner enthalten, kein Alleinstellungsmerkmal von Ontologien darstellt. Vielmehr können 

solche Konstruktbezeichner im Prinzip in allen Computersystemen verarbeitet werden, weil es für die interne formalsprachliche 

Operationsweise eines Computers letztlich belanglos ist, ob er einen bedeutungslosen String wie „x“ oder „Feld_4711“ oder einen 

bedeutungstragenden String wie „Mitarbeiter“ verarbeitet. Aus rein syntaktischer, d.h. auf formalsprachliche Ausdrucksmittel 

beschränkter Sicht bleibt „String gleich String“. Aber Ontologien wirken als „enabler“, d.h. sie begünstigen die Verwendung 

natürlichsprachlicher Konstruktbezeichner. Denn Ontologien sind mittels ihrer semantischen Dimension grundsätzlich in 

der Lage, für natürlichsprachlich anmutende Konstruktbezeichner wie „Mitarbeiter“ zusätzlich diejenigen semantischen Konstrukte 

zu spezifizieren, mit deren Hilfe sich die bedeutungsgerechte Konstruktverwendung festlegen lässt.


insbesondere im Bereich des Wissensmanagements aus betriebswirtschaftlicher Sicht oftmals eine 

dominante Rolle spielt. Dadurch wird das übliche Vorurteil durchbrochen, computerbasierte Wissensmanagementsysteme 

seien auf „rein formale“ Repräsentationen von Realitätsausschnitten beschränkt. 

Denn die semantische Dimension von Ontologien gestattet es ebenso, Konzeptualisierungen 

möglicher Realitätserfahrungen zu spezifizieren, die – vollständig oder teilweise – in natürlicher 

Sprache verfasst sind. An die Stelle rein formalsprachlicher Terme gewöhnlicher Computerprogramme 

tritt dann ein Vokabular, das auch aus natürlichsprachlichen Ausdrücken besteht. Die 

korrekte Verwendung dieser natürlichsprachlichen Ausdrücke wird innerhalb einer Ontologie mittels 

zusätzlicher semantischer Konstrukte festgelegt. 

Eine zweite, ebenso wichtige Facette objektsprachlicher Inferenzregeln erstreckt sich auf deren 

epistemologische Qualität. Sie unterscheiden sich in dieser Hinsicht deutlich von den metasprachlichen 

Inferenzregeln der Formalen Logik. Diese metasprachlichen Inferenzregeln zeichnen sich 

durch ihre Eigenschaft der Wahrheitserhaltung aus. Sie bedeutet, dass metasprachliche Inferenzregeln 

– wenn sie auf ein gültiges („wahres“) Formelsystem angewendet werden – immer nur Formeln 

als Schlussfolgerungen erzeugen können, die – wenn sie zum ursprünglichen Formelsystem 

hinzugefügt werden – ein wiederum gültiges („wahres“) Formelsystem ergeben. Objektsprachliche 

Inferenzregeln weisen diese erstrebenswerte epistemologische Qualität der Wahrheitserhaltung im 

Allgemeinen leider nicht auf. Die Schlussfolgerungen, die mittels objektsprachlicher Inferenzregeln 

gezogen werden, vermitteln daher in der Regel kein sicheres Wissen. Denn es liegt in der Eigenart 

objektsprachlicher Inferenzregeln begründet, dass sie nur plausible, intuitiv einsichtige oder pragmatisch 

bewährte Schlüsse gestatten, aber nicht über die wahrheitserhaltende Stringenz der Formalen 

Logik verfügen. 

Beispielsweise drückt die erste Inferenzregel () in Abbildung 16 lediglich die Plausibilitätsannahme 

aus, dass ein Mitarbeiter, der an einer Schulung über einen bestimmten Gegenstandsbereich 

teilgenommen hat, über eine Kompetenz in diesem Gegenstandsbereich verfügt, sofern das Anforderungsniveau 

der Schulung ein professionelles Niveau erreicht hat. Es lassen sich jedoch zahlreiche 

Gründe vorstellen, warum in Einzelfällen diese „plausible“ Schlussfolgerung in die Irre führt. 

So kann der Mitarbeiter zwar an der Schulung teilgenommen, in ihr aber kein nennenswertes handlungsbefähigendes 

Wissen erworben haben. Es lässt sich z.B. vorstellen, dass der Mitarbeiter eine 

Abschlussprüfung zum Nachweis der erworbenen professionellen Kompetenz nicht bestanden hat. 

Darüber wird in der Inferenzregel () nichts ausgesagt. Vielleicht hat der Mitarbeiter sogar ein 

Teilnahmezertifikat erworben (im Bereich der kommerziellen Weiterbildung sollte dies zu erwarten 

sein), aber er hat dennoch keinen wesentlichen Zuwachs seines handlungsbefähigenden Wissens erzielt, 

weil ihn „soziale Interaktionen“ mit anderen Schulungsteilnehmer(inne)n am Erwerb von 

fachlichen Kompetenzen hinderten. Die Gründe für ein Versagen des o.a. Plausibilitätsschlusses 

ließen sich beliebig vermehren. 

Auch die Vermutung der zweiten Inferenzregel (), dass ein Mitarbeiter über eine bestimmte 

Kompetenz verfügt, wenn er an mindestens zwei verschiedenen Projekten mitgewirkt hat, in denen 

diese Kompetenz zur erfolgreichen Projektabwicklung erforderlich war und die nach ihrem Abschluss 

jeweils als erfolgreich evaluiert wurden, lässt sich durch eine Fülle von Gegenbeispielen in 

Zweifel ziehen. So kann die erforderliche Kompetenz von anderen Teammitgliedern in die Projektarbeit 

eingebracht worden sein als von dem betrachteten Mitarbeiter. Außerdem lässt sich in Zweifel 

ziehen, warum Mitwirkungen an mindestens zwei verschiedenen Projekten ausschlaggebend dafür 

sein soll, eine Kompetenz durch „learning by doing“ erworben zu haben. Eine kausale Stringenz 

zwischen einem Kompetenzerwerb und der Anzahl der Projekte, an denen mitgewirkt wurde, lässt 

sich aus keiner Kompetenz- oder Verhaltenstheorie herleiten. Auch im zweiten Fall würde es keine


Schwierigkeiten bereiten, Gründe für ein Versagen des o.a. Plausibilitätsschlusses beliebig zu vermehren. 

Es wäre jedoch verfehlt, aufgrund der voranstehenden Beispiele einen „Defekt“ des inhaltlichen 

Schließens mittels objektsprachlicher Inferenzregeln zu vermuten. Zwar sind sie nicht in der Lage, 

die epistemische Qualität der Wahrheitserhaltung sicherzustellen, wie es für die metasprachlichen 

Inferenzregeln der Formalen Logik der Fall ist. Jedoch gestatten objektsprachliche Inferenzregeln 

eine Fülle „plausibler“ Schlussfolgerungen, zu denen die metasprachlichen Inferenzregeln der Formalen 

Logik grundsätzlich nicht in der Lage sind. Denn die metasprachlichen Inferenzregeln der 

Formalen Logik nehmen nur auf die „Form“ der Komponenten eines Formelsystems Bezug, nicht 

jedoch auf die Bedeutungen der involvierten Formelkomponenten. 

Aus dem zuvor Gesagten ergibt sich ein unüberwindbarer epistemologischer „trade off“ zwischen 

Sicherheit des Wissens einerseits und Schlussfolgerungsmächtigkeit andererseits: Entweder man 

fordert die strenge Wahrheitserhaltung, die von den metasprachlichen Inferenzregeln der Formalen 

Logik garantiert wird. Dann wird durch die Anwendung von metasprachlichen Inferenzregeln sicheres 

Wissen generiert. Aber der epistemologische Preis, der hierfür entrichtet werden muss, besteht 

darin, dass auf eine Fülle plausibler, nur in Einzelfällen falscher Schlussfolgerungen verzichtet werden 

muss, die sich aus dem vorhandenen Wissen (z.B. über Kompetenzen, Projekte und Schulungen) 

ziehen lassen würden. Oder man fordert ein möglichst großes Potenzial an Schlussfolgerungen, 

die aus einem gegebenen Wissensbestand gezogen werden können. In diesem Fall gelangen 

nicht nur meta-, sondern auch objektsprachliche Inferenzregeln des inhaltlichen Schließens zur Anwendung. 

Aber auch in diesem Fall ist ein epistemologischer Preis zu entrichten. Denn die Anwendung 

objektsprachlicher Inferenzregeln geht mit einem Verzicht auf Wahrheitserhaltung einher. Daher 

wird prinzipiell unsicheres Wissen erzeugt, sofern es auf lediglich plausiblen Schlussfolgerungen 

mittels objektsprachlicher Inferenzregeln beruht. Aus dem zuvor skizzierten „trade off“ existiert 

kein Entrinnen. Zumindest ist bis heute kein überzeugender Ausweg bekannt geworden. 

Bei Entscheidungen hinsichtlich der Ausgestaltung betrieblicher Wissensmanagementsysteme muss 

Position zum vorgenannten „trade off“ bezogen werden. Welche Position empfehlenswert ist, lässt 

sich aus betriebswirtschaftlicher Perspektive nicht allgemeingültig festlegen. Aber der Verfasser 

vertritt dezidiert die Ansicht, dass es für die Praxisnähe von Ontologien spricht, mit objektsprachlichen 

Inferenzregeln auch solche Schlussfolgerungen „mittlerer“ Stringenz zu erlauben, die für den 

„lebensweltlichen“ Erfahrungskontext der betrieblichen Praxis typisch sind. Es kommt in der betrieblichen 

Praxis nicht immer auf unangreifbare, weil wahrheitserhaltende Schlussfolgerungen an. 

Vielmehr besitzen oftmals „gewagte“ Schlussfolgerungen eine größere praktische Relevanz, die 

zwar kein sicheres Wissen erzeugen, aber die Kraft plausibler Argumentation für sich in Anspruch 

nehmen können. Diese Erwägungen mögen verdeutlichen, dass Ontologien mit ihren objektsprachlichen 

Inferenzregeln eine weitaus größere Bedeutung für die Praxis des Wissensmanagements besitzen, 

als ihnen im Vorurteil mancher Außenstehender, die sich vom formalsprachlichen Apparat 

der Ontologieforschung abgeschreckt fühlen, zugebilligt wird. 

Integritätsregeln 188) bilden neben den Inferenzregeln die zweite Gruppe semantischer Konstrukte, 

welche die semantische Dimension von Ontologien maßgeblich prägen. Integritätsregeln spezifizieren, 

welche Verknüpfungen von Konzepten – über deren syntaktisch korrekte Verknüpfung hinaus 

188) Auf Integritätsregeln wird in einem anderen Beitrag dieses Werks ausführlicher eingegangen; vgl. den Exkurs im Kapitel 

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 

ff.


– auch inhaltlich zulässig sind. Dies lässt sich in natürlicher Sprache veranschaulichen, wenn anstatt 

von abstrakten Konzepten natürlichsprachliche Begriffe verwendet werden: Beispielsweise ist der 

Satz „Nachts ist es preiswerter als in Amerika.“ zwar syntaktisch korrekt, aber dennoch semantisch 

unzulässig, da „sinnlos“. Integritätsregeln stellen das „Allzweckwerkzeug“ dar, mit dessen Hilfe 

sich die semantisch korrekte Verwendung von Konzepten, ihren Attributen und von Relationen 

zwischen Konzepten in einer Ontologie erzwingen lässt. Sie schränken die Verwendung der vorgenannten 

Konstrukte auf die bedeutungsgerechten Konstruktverwendungen ein. 

1.3.1.2 Exemplarische Realisierungen von Ontologien 

An Ontologien richtet sich die Erwartung, in den früher exemplarisch verdeutlichten Bereichen der 

inner- und der überbetrieblichen Leistungserstellung ein systematisches Wissensmanagement zu unterstützen, 

indem sie dasjenige – sprachlich verfasste – Domänenwissen strukturieren, das in die 

Leistungserstellung explizit oder implizit einfließt. Diese Strukturierungsaufgabe erfüllen Ontologien 

durch die explizite Spezifikation der terminologischen, der taxonomischen, der syntaktischen 

und – vor allem – der semantischen Eigenarten derjenigen sprachlichen Ausdrucksmittel, mit denen 

das Wissen über eine Domäne repräsentiert wird. 189) 

Diese generelle Erwartung an Ontologien wird bereits durch erste Exemplare erfüllt. Sie stellen unter 

Beweis, dass Ontologien grundsätzlich geeignet sind, Domänenwissen für ein systematisches 

Wissensmanagement zu strukturieren. 190) Um diese Feststellung zu belegen, werden in diesem Kapitel 

einige bereits realisierte Ontologien exemplarisch vorgestellt. Die Ausführungen fokussieren 

sich auf Ontologien aus wirtschaftswissenschaftlichen Anwendungsfeldern, um eine möglichst große 

inhaltliche Nähe zum des Verbundprojekts KOWIEN zu wahren. Darüber hinaus wird auf das 

189) Die Repräsentation des Wissens über eine Domäne (einen Realitätsausschnitt) erfolgt – je nach Sichtweise – mit den früher erwähnten 

repräsentationalen Modellen oder in der Wissensbasis eines Wissensbasierten Systems. 

190) Diese Eignungsthese wird hier insofern „mutig“ in den (Argumentations-) Raum gestellt, als weder Eignungskriterien angegeben 

noch hinsichtlich ihres Erfüllungsgrads konkret überprüft werden. Daher kann die Eignungsthese nur die Qualität einer 

„Arbeitshypothese“ besitzen, die dem Verbundprojekt KOWIEN als „heuristische Annahme“ zugrunde lag. Mehr kann von einem 

Einführungskapitel in ontologiebasiertes Wissensmanagement nicht erwartet werden. Es ist jedoch unbestritten, dass die 

Eignungsthese für Ontologien eine kriteriengestützte Überprüfung ihres Geltungsanspruchs geradezu herausfordert. Daher erfolgte 

im Verbundprojekt KOWIEN eine projektbegleitende Evaluation der Projekt(zwischen)ergebnisse – insbesondere auch 

der Ontologien, die im Verbundprojekt gemeinsam konstruiert wurden, – aus den Perspektiven der Praxispartner. Vgl. dazu die 

einschlägigen Projektberichte zum Verbundprojekt, insbesondere ALAN (2002b); ALPARSLAN (2004); APKE/BREMER/DITTMANN 

(2004) S. 85 ff. 

Darüber hinaus müsste die Eignungsthese für Ontologien durch einen Leistungsvergleich mit konkurrierenden Ansätzen für den 

gleichen Anwendungsbereich (Strukturierung von Domänenwissen für ein systematisches Wissensmanagement) „gehärtet“ – 

oder auch verworfen – werden. Beispielsweise drängt sich ein Vergleich mit Metamodellen, Referenzmodellen und konzeptuellen 

Modellen auf, die im Kapitel 1.3.1.3 (S. 189 ff.) als eng verwandte „Konkurrenten“ für Ontologien thematisiert werden. 

Leider standen im Verbundprojekt KOWIEN weder die personellen noch die zeitlichen Ressourcen zur Verfügung, um einen 

solchen Leistungsvergleich durchzuführen. Er bleibt daher ein Desiderat für Folgeprojekte (sofern solche Forschungsaufgaben 

auf das Interesse von Drittmittelgebern stoßen). Kriterienkataloge für einen solchen Leistungsvergleich stehen im Prinzip schon 

zur Verfügung, wurden zum Teil auch innerhalb des Verbundprojekts KOWIEN entwickelt. Vgl. zu Kriterienkatalogen für die 

Beurteilung der Eignung von Instrumenten für die Strukturierung von Domänenwissen (u.a. auch Ontologien) z.B. ALAN/AL- 

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- 

GUN ET AL. (2001) S. 99 ff.; CORCHO/GÓMEZ-PÉREZ (2000) S. 81 ff.; DITTMANN/PENZEL (2004) S. 473 ff.; FRANK/PRASSE (1997) 

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- 

PÉREZ/FERNÁNDEZ-LOPÉZ/CORCHO (2004) S. 178 ff.; KROGSTIE/JØRGENSEN (2002) S. 5 ff.; RAUH/STICKEL (1997) S. 30 ff.; SI- 

SAID CHERFI/AKOKA/COMYN-WATTIAU (2002) S. 416 ff.; SYCARA ET AL. (2002) S. 175; VISSER/BENCH-CAPON (1998) S. 40 ff.


informations- und kommunikationstechnische Umfeld von Ontologieimplementierungen kurz eingegangen, 

weil die Art, in der eine Ontologie konstruiert wird, in nicht unerheblichem Ausmaß von 

den Sprachen des Wissensmanagements und den jeweils eingesetzten Implementierungswerkzeugen 

beeinflusst wird. 191) Als Implementierungswerkzeuge dienen vor allem Instrumente für die computerbasierte 

Konstruktion, Analyse und Anwendung von Ontologien. 192) Sie werden im Folgenden 

kurz als Ontologie-Werkzeuge angesprochen. 

Die aktuelle Entwicklung von Ontologien und von Ontologie-Werkzeugen ist dadurch gekennzeichnet, 

dass nahezu alle Ansätze auf der Internet-Technologie beruhen. Dies unterstreicht die enge 

Verzahnung der Ontologieforschung mit der Entwicklung des „Semantic Web“, die schon an früherer 

Stelle angesprochen wurde. Hinzu kommt, dass auch innerbetriebliche Intranets und Extranets 

für überbetriebliche geschlossene Nutzergruppen auf der Internet-Technologie beruhen. Daher 

bestimmen in technischer Hinsicht internetspezifische Kommunikations- und Sprachstandards den 

„sprachlichen Rahmen“ für ontologiebasiertes Wissensmanagement. 

Zu den internetspezifischen Standards gehören zunächst die basalen Kommunikations- und Sprachstandards 

HTTP (Hypertext Transfer Protocol), SGML (Standard Generalized Markup Language) 

und HTML (Hypertext Markup Language) sowie deren Weiterentwicklungen, wie z.B. XML (Extensible 

Markup Language) 193) . 194) Hinzu kommen in jüngerer Zeit – vor allem im Kontext des 

„Semantic Web“ – weitere Sprachstandards für das Internet, die unmittelbar darauf abzielen, auf 

Wissen inhaltlich zugreifen zu können, das in internet-tauglichen Dokumenten repräsentiert wird. 

Dazu gehören Standards wie RDF (Resource Description Framework) und – darauf aufbauend – 

191) Auch diese Beeinflussungsthese müsste belegt werden. Dies würde aber den Rahmen des hier vorgelegten Werks sprengen. 

Daher kann nur angedeutet werden, dass die Projektpartner bei ihrer Konstruktion von Ontologien immer wieder auf sprach- 

oder werkzeugbedingte Barrieren gestoßen sind, die dazu veranlassten, eine Ontologie auf andere Art computerbasiert zu implementieren, 

als es „eigentlich“ intendiert war. Ein herausragendes Beispiel bildet die Einschränkung auf zweistellige Relationen 

und Prädikate, die es nicht erlaubte, dreistellige Formeln zu verwenden, die ausdrücken, dass Akteure über Kompetenzen in 

bestimmten Ausprägungen verfügen. Auf diese Schwierigkeit der Ontologieimplementierung mittels vorhandener Sprachen und 

Werkzeuge wird später im Kapitel 2.4.3.1.2.1 (S. 493 ff.) detaillierter eingegangen. 

192) Instrumente für die computerbasierte Konstruktion von Ontologien werden zumeist als Ontologie-Editoren bezeichnet. Meistens 

umfassen sie Komponenten für die Analyse und Anwendung bereits konstruierter Ontologien. Analysekomponenten können 

sich auf die Überprüfung von Ontologieeigenschaften erstrecken, wie z.B. auf die Vollständigkeit und Widerspruchsfreiheit 

einer Ontologie. Bei den Komponenten zur Anwendung von Ontologien handelt es sich vor allem um Inferenzmaschinen. Mit 

ihrer Hilfe ist es möglich, das in Ontologien in der Form von Inferenzregeln (oder auch Integritätsregeln) enthaltene Wissen zu 

nutzen, um für ein Problem des Ontologieanwenders Erkenntnisse zu erschließen, die ihm bei der Problembearbeitung weiterhelfen 

(können). Die vorgenannten Komponenten können auch als eigenständige Softwarepakete realisiert sein. Solche Ontologie-Analysatoren 

und Inferenzmaschinen sind jedoch (derzeit) selten anzutreffen. Im Folgenden wird von Implementierungsdetails 

abgesehen, weil nur die drei grundsätzlichen Funktionen von Ontologie-Werkzeugen – die Konstruktion, die Analyse und 

die Anwendung von Ontologien – interessieren. 

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 

(2001a) S. 97 ff. (mit speziellem Bezug auf Ontologien); FORMICA/MISSIKOFF (2002) S. 1 ff. (mit speziellem Bezug auf Ontologien); 

GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 236 ff.; MELNIK/DECKER (2000) S. 1 ff. u. 7; SCHINZER/THOME 

(1999) S. 208 ff.; WEI (1999) S. 4 ff.; WUWONGSE ET AL. (2003) S. 63 ff. 

194) Vgl. als Überblick zu den Eigenschaften und wechselseitigen Beziehungen zwischen HTTP, SGML, HTML und XML beispielsweise 

KLAPSING (2003) S. 22 ff.


RDFS (Resource Description Framework Schema). 195) Sie gewinnen als Sprachstandards für das betriebliche 

Wissensmanagement zunehmend an Bedeutung. 196) Noch bedeutsamer für das ontologiebasierte 

Wissensmanagement sind Sprachstandards, die einerseits auf internet-taugliche Wissensrepräsentationen 

abzielen und andererseits unmittelbar auf Ontologien als Fundament der Wissensrepräsentation 

Bezug nehmen. Zu diesen internet- und ontologiebezogenen Sprachstandards 197) zählen: 

• CKML (Conceptual Knowledge Markup Language) 198) , 

• DAML+OIL (Darpa Agent Markup Language and Ontology Inference Layer) 199) , 

• GOL (General Ontology Language) 200) , 

• IDEF5 (Integrated Definition Methods 5: Ontology Description Capture Method) 201) , 

• OCML (Operational Conceptual Modeling Language) 202) , 

• OML (Ontology Markup Language) 203) , 

• OWL (Web Ontology Language) 204) , 

195) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 67 ff.; BRICKLEY/GUHA (2004) S. 3 ff.; BROEKSTRA ET AL. (2000) S. 1 ff.; CHAMPIN 

(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.; 

HEFLIN (2001) S. 108 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 52 ff. u. 250 ff.; KLAPSING (2003) S. 6 ff., 35 ff., 

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 

(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 

zur Formulierung von Ontologien in RDFS); WEI (1999) S. 8 ff., 13 ff. u. 27 ff.; vgl. auch im Internet die Informationen unter 

der URL „http://www.w3.org/RDF/“ (Zugriff am 10.02.2005). 

196) Diese Bedeutung schlägt sich u.a. in mehreren Weiterentwicklungen von RDF(S) nieder, die das „Web Engineering“ unterstützen 

sollen. Zum Anwendungsbereich des „Web Engineering“ gehören auch betriebliche Wissensmanagementsysteme, die auf 

der Internet-Technologie aufsetzen. Ein Beispiel für solche Weiterentwicklungen von RDF(S) stellt das Extensible Web Modeling 

Framework (XWMF) dar. Vgl. dazu KLAPSING (2003) S. 107 ff.; KLAPSING/NEUMANN/CONEN (2001) S. 62 ff. 

197) Vgl. zu vergleichenden Überblicken über solche internet- und ontologiebezogene Sprachstandards CORCHO/FERNÁNDEZ-LÓPEZ/ 

GÓMEZ PÉREZ (2001) S. 50 ff.; FENSEL (2001a) S. 83 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 199 ff. u. 286 ff.; 

HEFLIN (2001) S. 106 ff.; KENT (2000) S. 167 f.; MELNIK/DECKER (2000) S. 4 ff. 

198) Vgl. KENT (2000) S. 139 ff., 151 f. u. 160 ff. 

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 

OIL); CONOLLY ET AL. (2001); FENSEL (2001a) S. 105 ff.; FENSEL ET AL. (2001) S. 38 u. 40 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ- 

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 

Bezug auf OIL); MELNIK/DECKER (2000) S. 6 u. 11 (nur in Bezug auf OIL); NARAYAN/MCILRAITH (2002) S. 77 ff.; vgl. auch 

im Internet die Informationen unter den URL „http://www.daml.org/language/“ und „http://www.ontoknowledge.org/oil/“ (Zugriffe 

am 10.02.2005). Siehe auch S. 180 f. in diesem Kapitel sowie Kapitel 3.2.2.6.3.2 auf S. 685 ff. 

200) Vgl. DEGEN ET AL. (2001) S. 35 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 66 ff. 

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:// 

www.idef.com/idef5.html“ (Zugriff am 31.12.2004). 

202) Vgl. GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 226 ff. 

203) Vgl. KENT (2000) S. 140 f. u. 155 ff. 

204) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 70 ff.; BECHHOFER ET AL. (2004); DEAN ET AL. (2002) S 1 ff.; GÓMEZ-PÉREZ/FER- 

NÁNDEZ-LÓPEZ/CORCHO (2004) S. 65 ff. u. 274 ff.; KLAPSING (2003) S. 66 f. (sofern das dort verwendete Akronym WOL dieselbe 

Web Ontology Language wie OWL meint); PATEL-SCHNEIDER/HORROCKS/VAN HARMELEN (2002) S. 1 ff.; vgl. auch im 

Internet die Informationen unter der URL „http://www.w3.org/TR/owl-features/“ (Zugriff am 10.02.2005).


• SHOE (Simple HTML Ontology Extensions) 205) und 

• XOL (XML-based Ontology Exchange Language) 206) . 

Bei den meisten Projekten, die sich zurzeit mit Ontologien befassen, steht die Entwicklung von 

Ontologie-Werkzeugen noch im Vordergrund. Wie auch sonst im Bereich von (Kern-) Informatik 

und Wirtschaftsinformatik häufig beobachtet werden kann, dominiert in der Ontologieforschung die 

„Strategie des Werkzeugmachers“: Zunächst wird ein computerbasiertes Instrument entwickelt; erst 

später wird nach passenden Anwendungen Ausschau gehalten. 207) 

Zu den bekanntesten Projekten, in denen Ontologie-Werkzeuge in einem sehr weit gefassten 

Sinn 208) entwickelt wurden, gehören die beiden US-amerikanischen Projekte Ontolingua und Protégé-2000 

sowie das deutsche OntoEdit/OntoBroker-Projekt 209) . 

Das Projekt Ontolingua 210) wurde am Knowledge Systems Laboratory (KSL) der Stanford University 

durchgeführt. Es zielte darauf ab, Instrumente zu entwickeln, welche sowohl die gemeinsame 

Verwendung als auch die Wiederverwendung von formalsprachlich repräsentiertem Domänenwissen 

unterstützen. Erstes entspricht der Perspektive des „knowledge sharing“ im Rahmen des synchronischen 

Wissensmanagements, zweites dem Blickwinkel des „knowledge reuse“ im Rahmen 

des diachronischen Wissensmanagements. Im Vordergrund der Entwicklungsarbeiten stand ein 

Werkzeug zum weltweit verteilten Erstellen, Überarbeiten und Suchen von bzw. nach Ontologien 

für beliebige Anwendungsbereiche. Bei diesem Werkzeug handelte es sich um eine Entwicklungs- 

und Konsultationsumgebung für Ontologien, auf die über den Ontolingua-Server der Stanford University 

öffentlich und kostenfrei zugegriffen werden kann. 211) Das Ontologie-Werkzeug basierte auf 

205) Vgl. ERDMANN (2001) S. 117 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 241 ff.; HEFLIN (2001) S. 47 ff. u. 72 ff.; 

LUKE/SPECTOR/RAGER (1996) S. 98 ff.; LUKE ET AL. (1997) S. 61 ff.; MELNIK/DECKER (2000) S. 5 u. 11. 

206) Vgl. FENSEL (2001a) S. 102 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 246 ff.; vgl. auch im Internet die Informationen 

unter der URL „http://www.ontologos.org/Ontology/XOL.htm“ (Zugriff am 10.02.2005). 

207) Mit den Ontologie-Werkzeugen wurden mittlerweile auch konkrete Ontologien konstruiert. Darauf wird hier im Zusammenhang 

mit Ontologie-Werkzeugen noch nicht näher eingegangen. Aber es wird darauf zurückgekommen, wenn später Ontologien 

vorgestellt werden, die für einzelne, insbesondere wirtschaftswissenschaftliche Anwendungsfelder bereits vorliegen. 

208) In einzelnen Projekten stand zunächst nicht die Entwicklung eines computerbasierten Werkzeugs, sondern die Entwicklung einer 

Sprache zur Ontologieformulierung im Vordergrund. Dies betrifft insbesondere das Ontolingua-Projekt. Eine Sprache lässt 

sich jedoch ebenso als ein Werkzeug auffassen (darauf wird später aus der Perspektive des „Wortens der Welt“ zurückgekommen). 

Daher wird hier ein sehr weit gefasstes Werkzeugverständnis zugrunde gelegt. 

209) Streng genommen handelt es sich um eine Familie verwandter Projekte. Davon wird jedoch hier der Einfachheit halber abgesehen. 

Darüber hinaus ist darauf hinzuweisen, dass die Schreibweisen dieses Projekts und seiner Produkte schwanken. So können 

den Quellen, die unten zum OntoEdit/OntoBroker-Projekt aufgeführt werden, die Schreibweisen „OntoEdit“, „Ontoedit“, „OntoBroker“, 

„Ontobroker“ und „On2broker“ entnommen werden. Die Notation „OntoEdit/OntoBroker“, die hier bevorzugt wird, 

stellt letztlich eine willkürliche Auswahl dar. Zu ihrer Motivierung kann aber angeführt werden, dass diese Notation in den Publikationen 

der Ontoprise GmbH verwendet wird, von der diese Softwareprodukte vertrieben werden; vgl. ONTOPRISE (2004a) 

für „OntoEdit“ bzw. ONTOPRISE (2004b) für „OntoBroker“. 

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.; 

FARQUHAR ET AL. (1995) S. 2 ff.; FARQUHAR/FIKES/RICE (1996) S. 2 ff.; FARQUHAR/FIKES/RICE (1997) S. 709 ff.; FENSEL 

(2001a) S. 89 ff.; FIKES ET AL. (1991) S. 15 ff.; GÓMEZ-PÉREZ (1998) S. 10-32 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO 

(2004) S. 300 ff.; GRUBER (1993) S. 202 ff.; GRUBER/OLSEN (1996) S. 569 ff. (mit einer sehr ausführlichen Dokumentation der 

Implementierung von mehreren Ontologie-Modulen aus dem Engineering-Bereich in Ontolingua auf 578 ff.); NOY/HAFNER 

(1998) S. 621; POCSAI (2000) S. 67 f.; SIMONS ET AL. (2000) S. 77 f.; USCHOLD/GRUNINGER (1996) S. 121 ff.; vgl. am Rande 

auch CORREA DA SILVA ET AL. (2002) S. 151 ff. 

211) Vgl. im Internet die Informationen unter der URL „http://www-ksl-svc.stanford.edu:5915“ (Zugriff am 10.02.2005).


der Spezifikationssprache „Ontolingua“. Sie wurde – im Sinne der Ontologiedefinition von GRUBER 

– als Sprachstandard für die formalsprachliche Spezifikation der Konzeptualisierung von Realitätsausschnitten 

entwickelt. Ihre Entwickler zielten darauf ab, Ontolingua als eine Art „lingua franca“ 

für Ontologien zu etablieren. Zwar ist ihnen dieses Vorhaben nicht gelungen; aber das Ontolingua- 

Projekt zeichnete sich dennoch durch eine ambitiöse Programmatik aus. 

Im Ontolingua-Projekt wurde von vornherein auf den Anspruch verzichtet, eine einheitliche Ontologie 

für alle – natürlichen oder artifiziellen – Akteure zu entwickeln, die auf das gleiche Domänenwissen 

zur selben Zeit im Fall der Wissensteilung oder zu verschiedenen Zeiten zum Zweck der 

Wissenswiederverwendung zugreifen möchten. Stattdessen wurde in der Gestalt des Ontolingua- 

Servers eine „ontologische Schnittstelle“ geschaffen, die es gestatten soll, unterschiedliche Strukturierungen 

des gleichen Domänenwissens so ineinander zu transformieren, dass die Wissensinhalte 

bei dieser Übersetzung nicht verfälscht werden. Das Ontolingua-Projekt verfolgte also den Ansatz, 

für den Fall von strukturellen Wissensdivergenzen keine einheitliche Wissensstruktur unter allen 

Beteiligten herbeizuführen, sondern die Divergenzen durch bedeutungserhaltende Übersetzungen 

nachträglich zu kompensieren. 

Hinter diesem Ansatz des Ontolingua-Projekts stand die Überlegung, die epistemologischen und 

implementierungstechnischen Vorteile spezieller Wissensstrukturierungen nicht durch eine erzwungene 

Ontologievereinheitlichung zu zerstören, sondern in Partialontologien mit unterschiedlichen 

Wissensstrukturierungen zu bewahren. Er entsprach damit dem Vielfalt bewahrenden Wissensmanagementansatz, 

der oben im Zusammenhang mit der Alternative vorgestellt wurde, Wissensdivergenzen 

entweder a priori zu vermeiden oder aber a posteriori zu kompensieren. Die Konservierung 

spezieller Wissensstrukturen in Partialontologien ließ z.B. im Vergleich zu Globalontologien mit 

vereinheitlichter Wissensstruktur darauf hoffen, bei der Wissenseditierung und der Wissensanwendung 

Effizienzgewinne realisieren zu können. 212) Allerdings konnte die Berechtigung dieses bemerkenswerten 

konzeptionellen Wissensmanagementansatzes im Ontolingua-Projekt nicht nachgewiesen 

werden. Zwar wurde mit Hilfe des Ontolingua-Servers eine stattliche Anzahl konkreter Ontologien 

entwickelt (darauf wird in Kürze zurückgekommen). Jedoch sind nur wenige Untersuchungen 

bekannt geworden, die sich im Zusammenhang mit dem Ontolingua-Projekt der Übersetzung zwischen 

Partialontologien mit unterschiedlichen Wissensstrukturierungen zugewandt haben. Das 

Problem der Bedeutungserhaltung haben sie nach Wissen des Verfassers in keiner Weise konkret 

thematisiert. Daher muss das Ontolingua-Projekt aus der Perspektive des Vielfalt bewahrenden 

Wissensmanagementansatzes, Wissensdivergenzen mittels bedeutungserhaltender Übersetzungen 

zu kompensieren, im strengen Sinn als gescheitert betrachtet werden. 213) 

212) Den potenziellen Effizienzgewinnen ist jedoch der zusätzliche Aufwand für die Übersetzung zwischen unterschiedlichen Wissensstrukturen 

gegenüberzustellen. Welcher der beiden vorgenannten Effekte in welchen Situationen überwiegt, konnte bislang 

nicht einmal ansatzweise beantwortet werden. Zumindest sind dem Verfasser keine diesbezüglichen Untersuchungen aus dem 

Ontolingua-Projekt bekannt. 

213) Vielleicht ist dieses Scheitern eine Erklärung (unter anderen) für den Umstand, dass das Ontolingua-Projekt trotz der zahlreichen 

Ontologien, die aus ihm hervorgegangen sind, ohne großes Aufheben eingestellt wurde. Eine „offizielle“ Erklärung für die 

Projekteinstellung ist dem Verfasser nicht bekannt geworden. Sie kann auch aus dem „banalen“ Grund fehlender Projektmittel 

erfolgt sein. Aber angesichts des ambitiösen programmatischen Anspruchs, der mit dem Ontolingua-Projekt im Hinblick auf 

den Vielfalt erhaltenden Wissensmanagementansatz verfolgt wurde, würde es erstaunlich anmuten, wenn keine Anschlussfinanzierung 

zur Verfügung gestanden hätte.


In jüngster Zeit findet vor allem das Projekt Protégé-2000 214) größere Beachtung. Es hat an der 

Stanford University die Nachfolge des früheren Ontolingua-Projekts angetreten. 215) Mit der Entwicklung 

dieses Ontologie-Werkzeugs wurde insbesondere das Ziel verfolgt, Ontologien durch Benutzer, 

die über keine profunden Vorkenntnisse aus dem Bereich der Informatik verfügen, auf möglichst 

benutzerfreundliche Weise gestalten zu können. Die erfolgreiche Einlösung dieses Ziels manifestiert 

sich in einer Hotline und einer Newsgroup zum Werkzeug Protégé-2000, die sich in einer 

weltweit aufgestellten Community großer Beliebtheit erfreut. 216) In inhaltlicher Hinsicht vermag der 

Verfasser an diesem Ontologie-Werkzeug jedoch keine nennenswerten Fortschritte gegenüber dem 

Ontolingua-Projekt als „Trendsetter“ zu erkennen. 

214) Vgl. BOYENS (2001) S. 25 ff.; GENNARI ET AL. (2002) S. 2 u. 18 ff.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 313 

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 

ff.; NOY ET AL. (2001) S. 62 ff.; vgl. auch die Informationen im Internet unter der URL „http://protege.stanford.edu/“ (Zugriff 

am 10.02.2005). 

Für die Protégé-2000-Software wurde – analog zum in Kürze angesprochenen OntoEdit/OntoBroker-Projekt – eine größere Anzahl 

von „Plug-ins“ entwickelt, die im Kontext des Protégé-2000-Projekts als „tabs“ bezeichnet werden. Vgl. zu solchen „tabs“ 

GENNARI ET AL. (2002) S. 19 ff. u. 26 f. Eines dieser „Plug-ins“ ist das „visualization tab“ OntoViz zur Visualisierung von Ontologien, 

das in Deutschland entwickelt wurde; vgl. GENNARI ET AL. (2002) S. 22 f. 

215) Das Projekt Protégé-2000 hat sich unabhängig vom Ontolingua-Projekt entwickelt. Vgl. zu den Vorläufer-Projekten Protégé(-I), 

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., 

insbesondere S. 3 ff. Beide Beiträge bieten jeweils einen vollständiger Überblick über die Entwicklung der Familie der Protégé- 

Projekte. Vgl. daneben auch ERIKSSON ET AL. (1994) S. 3 ff. (Protégé-II); FRIDSMA/GENNARI/MUSEN (1997) S. 2 ff. (Protégé); 

GENNARI ET AL. (1994) S. 402 u. 404 ff. (Protégé-II); TU ET AL. (1994) S. 2 ff. (Protégé-II). Zum Ontolingua-Projekt bestehen 

allerdings zwei „lockere“ Verbindungen. Erstens wurden beide Projekte an der Stanford University initiiert, und zwar das Projekt 

Protégé-2000 deutlich nach dem Auslaufen des Ontolingua-Projekts (daher wurde oben von Protégé-2000 als einem Projekt 

in der „Nachfolge“ von Ontolingua gesprochen). Zweitens stimmen beide Projekte darin überein, auf dem OKBC-Protokoll 

(Open Knowledge Base Connectivity) zu beruhen. Zuweilen wird Ontolingua sogar als „kanonische Implementierung“ des 

OKBC-Protokolls angesehen; vgl. zu diesem Zusammenhang zwischen Ontolingua und Protégé-2000 GENNARI ET AL. (2002) S. 

19. Vgl. zum OKBC-Protokoll CHAUDHRI ET AL. (1998) S. 1 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 48 ff. u. 

222 ff. 

216) Die Protégé-2000-Hotline und -Newsgroup steht allen Interessierten im Internet unter der URL „http://protege.stanford.edu/ 

community.html“ (Zugriff am 10.02.2005) via E-Mail offen. Vgl. auch GENNARI ET AL. (2002) S. 25 u. 27.


Das Projekt OntoEdit/OntoBroker 217) wurde am Institut für Angewandte Informatik und Formale 

Beschreibungssprachen (AIFB) der Universität Karlsruhe initiiert. Es stellt das derzeit anspruchsvollste 

ontologische Projekt im deutschsprachigen Raum dar. 218) Seine Basisidee erweist sich aus 

ökonomischer Perspektive als besonders interessant. Das OntoEdit/OntoBroker-Projekt hat sich 

zum Ziel gesetzt, das World Wide Web (WWW oder kurz „Web“) mit seinen – grob geschätzt – 10 9 

bis 10 10 einzelnen Wissensfragmenten 219) als universelle Wissensquelle effizienter und effektiver zu 

erschließen, als es mit herkömmlichen Techniken wie Browsern, Suchmaschinen und ähnlichen 

syntaktisch-statistisch basierten Retrieval-Techniken möglich erscheint. 

Das wesentliche Problem, das einen solchen universellen Zugriff auf das „Wissen im Web“ verwehrt 

oder zumindest erheblich erschwert, besteht darin, dass auf der Basis des derzeit noch in weiten 

Bereichen vorherrschenden HTML-Standards für Web-Dokumente kein direkter Zugang zum 

Inhalt der Dokumente möglich ist. Der HTML-Standard wirkt in dieser Hinsicht wie eine „strukturelle 

Barriere“. Denn mit seiner Hilfe lassen sich zwar Struktur und Layout der Web-Dokumente 

spezifizieren, nicht aber deren Semantik, d.h. die Bedeutungen der einzelnen Dokumentbestandteile. 

Zwar hat der XML-Standard, der auch inhaltliche Aspekte von Dokumenten zu spezifizieren gestattet, 

bereits eine nennenswerte Verbreitung gefunden. Aber das grundsätzliche Problem, Web- 

217) Vgl. ANGELE/STAAB/SCHNURR (2003) S. 2 f. u. 14; BOYENS (2001) S. 22 ff.; BENJAMINS/FENSEL (1998) S. 294 ff.; DECKER ET 

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 

der OntoEdit-spezifischen Ontologiesprache OXML); ERDMANN/STUDER (1999) S. 2 ff.; FENSEL ET AL. (1998a) S. 132 ff.; 

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.; 

FENSEL (2001a) S. 25 ff.; FRIEDLAND/ALLEN (2004) S. 6 f., 10 ff. u. 14 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 

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.; 

ONTOPRISE (2003b) S. 2 ff.; ONTOPRISE (2003c) S. 2 ff. (speziell in Bezug auf die OntoBroker-spezifische Implementierung von 

F-Logic); ONTOPRISE (2004a); ONTOPRISE (2004b); SCHNURR/STAAB/STUDER (1999) S. 2 ff.; STAAB/MAEDCHE (2001) S. 67 f.; 

SURE (2002b) S. 1 ff.; SURE ET AL. (2002) S. 224 ff. 

Die „Produkte“ des Projekts OntoEdit/OntoBroker lassen sich grob in die Ontologie-Entwicklungsumgebung OntoEdit 

und die Inferenzmaschine OntoBroker unterscheiden. Da beide Softwareprodukte jedoch in manchen Software-Paketen 

nicht eindeutig voneinander getrennt sind, sondern z.B. der OntoBroker als „Plug-in“ zu OntoEdit 

angeboten wird, wird im Folgenden nicht explizit zwischen diesen beiden Mitgliedern der OntoEdit/OntoBroker- 

Softwarefamilie differenziert. Darüber hinaus lässt sich zu dieser Softwarefamilie auch die Inferenzmaschine SiL- 

RI (Simple Logic-based RDF Interpreter) rechnen, da sie erstens ebenso wie OntoBroker in die Ontologie- 

Entwicklungsumgebung OntoEdit integriert werden kann und zweitens wie OntoBroker auf F-Logic beruht. Die 

Abgrenzung zwischen OntoBroker und SiLRI war den hier aufgeführten Quellen nicht klar zu entnehmen; eventuell 

handelt es sich bei SiLRI „nur“ um eine RDF-orientierte Fortentwicklung von OntoBroker. Vgl. zur Inferenzmaschine 

SiLRI DECKER ET AL. (1998b); KLAPSING (2003) S. 65 f. u. 187 ff.; MAEDCHE (2002) S. 160 ff. 

Ein weiteres „Plug-in“ zu OntoEdit stellt das Softwareprodukt OntoKick dar. Es ist darauf spezialisiert, im Zusammenspiel 

mit der Ontologie-Entwicklungsumgebung OntoEdit die frühen Phasen der Ontologiekonstruktion zu 

unterstützen, und zwar insbesondere die Spezifikation der Anforderuungen an eine Ontologie sowie die 

Identifizierung und Analyse von Wissensquellen, die zur Ontologiekonstruktion herangezogen werden können. 

Vgl. zu OntoKick BOYENS (2001) S. 30 ff. u. 56 f. sowie – speziell zur Einbettung in OntoEdit – S. 54 f. Vgl. darüber 

hinaus zu weiteren „Plug-ins“ für OntoEdit ANGELE (2003) S. 3 ff. (OntoAnalyser und OntoGenerator). 

218) Nach Einschätzung des Verfassers gehört es sogar zu den weltweit führenden Projekten auf dem Gebiet der Entwicklung von 

Ontologie-Werkzeugen. Darauf wird weiter unten zurückgekommen. 

219) Die grobe Anzahl von Wissensfragmenten, auf die sich im Internet zugreifen lässt, schwankt erheblich je nach Quelle, nach 

Publikationszeitpunkt und nach inhaltlicher Abgrenzung, was als ein Wissensfragment gezählt wird. Diese Schwankungen spielen 

hier jedoch keine wesentliche Rolle, weil es dem Verfasser nur um die ungefähre Größenordnung des Suchraums geht, der 

mit Retrieval-Techniken im Internet zu erschließen ist. Vgl. beispielsweise die Schätzung von „some 3 billion static documents 

... accessed by over 300 million users“ (gemeint sind wohl 3•10 9 Dokumente, da „billion“ im angelsächsischen Sprachkontext 

verwendet wird) in DING ET AL. (2002) S. 205. Da die vorgenannte Quelle im Dezember 2001 zur Publikation akzeptiert wurde 

und daher mittlerweile mehr als 3 Jahre alt ist, dürfte wegen des raschen Wachstums des World Wide Webs die Anzahl der dort 

vorgehaltenen Wissensfragmente heute weit über der o.a. Untergrenze von 3•10 9 liegen.


Dokumente inhaltlich zu erschließen, konnte auch mit XML bislang nicht zufrieden stellend gelöst 

werden. Denn die semantischen Konstrukte des XML-Standards sind noch viel zu rudimentär ausgeprägt, 

um die Fülle des Wissens, das in Web-Dokumenten kodifiziert ist, inhaltlich erschließen zu 

können. Außerdem ist es noch nicht möglich, auf Web-Dokumente computerbasierte Inferenzen anzuwenden, 

um das in den Dokumenten implizit enthaltene Wissen zu explizieren. Daher hängt es 

oftmals von Zufallsentscheidungen über die Art der Wissensexplizierung ab, auf welche Wissenskomponenten 

im World Wide Web direkt zugegriffen werden kann. 

Um diese Schwierigkeiten zu überwinden, wurde im Rahmen des OntoEdit/OntoBroker-Projekts 

zunächst die – auch andernorts verfolgte – Idee umgesetzt, Web-Dokumente mittels formalsprachlicher 

Annotationen um eine formale Semantik anzureichern. 220) Zu diesem Zweck wurden in einer 

formalsprachlichen Erweiterung des HTML-Standards, die als HTML A bezeichnet wurde, 221) so genannte 

„anchor tags“ 222) eingeführt. Sie erlauben es, in Web-Dokumenten die Bedeutungen beliebiger 

Dokumentbestandteile durch manuell eingefügte Annotationen formalsprachlich zu beschreiben. 

Auf der Verwendung der Annotationssprache HTML A zur semantischen Anreicherung von 

Web-Dokumenten beruhte das ursprüngliche OntoEdit/OntoBroker-Projekt. 

Dieser ursprüngliche Ansatz war jedoch mit erheblichem Aufwand zur Erstellung der „anchor tags“ 

verknüpft. Sie mussten in der Regel von den Anwendern der OntoEdit/OntoBroker-Werkzeuge manuell 

in Web-Dokumente eingearbeitet werden. Hinzu kam das generelle ontologische Problem, 

dass ein gemeinsames Verständnis für die Bedeutungen annotierter Dokumentbestandteile nur innerhalb 

einer Gruppe von Akteuren entwickelt werden kann, die eine gemeinsame Konzeptualisierung 

des betroffenen Realitätsausschnitts und eine darauf aufbauende Ontologie teilen („shared ontology 

paradigm“). Dieses Problem wurde im OntoEdit/OntoBroker-Projekt durch das Konzept der 

Ontogroups gelöst. Es basiert auf der Idee, eine Domäne durch eine homogene Benutzergruppe – 

eine so genannte „Ontogroup“ – konzeptualisieren und sprachlich strukturieren zu lassen, deren 

Mitglieder eine gemeinsame Sicht auf einen Realitätsausschnitt teilen. Das Ontogroup-Konzept 

stößt aber in einigen der oben angeführten betriebswirtschaftlichen Anwendungsszenarien mit heterogen 

zusammengesetzten Akteursgruppen rasch auf prinzipielle Anwendungshindernisse. Dies betrifft 

insbesondere überbetriebliche Netzwerke, die für die arbeitsteilige Erfüllung wissensintensiver 

Engineering-Aufgaben eine bedeutsame Rolle spielen. Daher wurden Ontogroups im Verbundprojekt 

KOWIEN nicht intensiv weiterverfolgt. 

220) Eine interessante andere Verwendung von Annotationen – außerhalb des OntoEdit/OntoBroker-Projekts – findet sich im Beitrag 

von SCHREIBER ET AL. (2001b) S. 2 ff. Dort werden Fotografien mit RDF(S)-Annotationen versehen, um auf die reichhaltigen 

Bibliotheken digitalisierter „Bilddokumente“ im World Wide Web inhaltsadressiert zugreifen zu können. Zugleich verdeutlicht 

dieser Ansatz noch einmal, wie weit die o.a. Dokumenten-These greift. Ein Ansatz zur Annotation von „Bilddokumenten“ 

findet sich ebenso bei HAASE (2000) S. 592 f. Vgl. des Weiteren zur Verwendung von Annotationen mit „tags“ in HTML und 

XML BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-5 ff.; VAN HARMELEN/FENSEL (1999) S. 2 ff. 

221) Vgl. zu HTML A ERDMANN (2001) S. 105 ff. u. 271 f.; ERDMANN/STUDER (1999) S. 3. 

222) Vgl. BENJAMINS/FENSEL (1998) S. 292; ERDMANN (2001) S. 107.


In jüngerer Zeit wurde die Basisidee der semantischen Annotation von Web-Dokumenten durch 

mehrere Fortentwicklungen innerhalb des OntoEdit/OntoBroker-Projekt ergänzt. Sie erfolgten insbesondere 

in der Absicht, den hohen manuellen Annotationsaufwand zu reduzieren. Dazu gehören: 

• Ontocrawler/Webcrawler zum automatischen Sammeln von Web-Dokumenten einer bekannten 

Ontogroup und zum ebenso automatischen Extrahieren der darin enthaltenen „anchor tags“, 223) 

• Wrapper zum automatischen Extrahieren von Wissensbestandteilen aus wohlstrukturierten 

Web-Dokumenten mit einer stabilen syntaktischen Struktur (exemplifiziert anhand des „CIA 

World Factbook“), 224) 

• Verwendung von Annotationen im RDF(S)-Standard für Web-Dokumente zur Verteilung des 

Annotationsaufwands auf Mitglieder der weltweiten Community von Website-Erstellern, unter 

anderem unterstützt durch das Werkzeug OntoAnnotate 225) , sowie 

• Nutzung des XML-Standards zur Generierung von Meta-Daten¸ die u.a. auch über die Semantik 

von Dokumentbestandteilen Auskunft geben und auf eine – zumindest partielle – Automatisierung 

des Annotationsaufwands hoffen lassen. 226) 

Ein weiteres Kennzeichen des OntoEdit/OntoBroker-Projekts ist ein „hyperbolisches Interface“ als 

Benutzerschnittstelle. 227) Die hyperbolische Benutzerschnittstelle orientiert sich an neueren Erkenntnissen 

der kognitiven Ergonomie, um einen besonders benutzerfreundlichen, graphisch unterstützten 

Zugriff auf die Bestandteile einer Ontologie zu gestatten. Dieser Aspekt verdient aus der 

Perspektive des betrieblichen Wissensmanagements besondere Aufmerksamkeit. Denn die benutzerfreundliche 

Gestaltung der Nahtstelle zwischen computerbasiertem Wissensmanagementsystem 

und Wissensmanager kann erheblich dazu beitragen, dass ein Wissensmanagementsystem in der betrieblichen 

Praxis auch akzeptiert und tatsächlich benutzt wird. 

Das OntoEdit/OntoBroker-Projekt erscheint zurzeit als das Erfolg versprechendste, sowohl wissenschaftlich 

als auch praktisch interessanteste von den vorgenannten Ontologie-Projekten. Dieses Urteil 

stützt sich im Wesentlichen auf zwei Gründe. 

Erstens ist die Integration von Ontologien und Web-Dokumenten auf HTML-, RDF(S)- und XML- 

Standard in diesem Projekt sehr weit fortgeschritten. Das harmoniert mit der weithin geteilten 

Überzeugung, dass in zukünftigen Wissensmanagementsystemen für die betriebliche Praxis das relevante 

Wissen vornehmlich im Rahmen der Internet-Standards XML und RDF(S) dokumentiert 

sein wird. 

Zweitens zeichnet sich das OntoEdit/OntoBroker-Projekt durch seine – im Weltmaßstab! – sehr 

leistungsfähige Inferenzmaschine aus. 228) Es kann in dieser Hinsicht auf langjährige Entwicklungsarbeiten 

zurückgegriffen werden, die an der Universität Karlsruhe in früheren Jahren im Kontext 

223) Vgl. BENJAMINS/FENSEL (1998) S. 296. 

224) Vgl. STAAB/MAEDCHE (2001) S. 71 f. 

225) Vgl. STAAB/MAEDCHE (2001) S. 71; STUDER ET AL. (2001) S. 18 f. 

226) Vgl. STAAB/MAEDCHE (2001) S. 71. 

227) Vgl. BENJAMINS/FENSEL/GOMEZ PEREZ (1998) S. 5-5 u. 5-8. 

228) Die Inferenzmaschine gehört zur OntoBroker-Komponente. Allerdings lässt sich die OntoEdit-Komponente durch ein Plug-in 

um die Inferenzfähigkeiten von OntoBroker erweitern. Daher sind in neueren Softwareversionen des OntoEdit/OntoBroker- 

Projekts beide Komponenten aus der Benutzerperspektive weit gehend zusammengewachsen. Deshalb wird hier zwischen OntoEdit 

und OntoBroker auch nicht näher differenziert.


der KI-Forschung auf dem Feld der automatischen Theorembeweiser durchgeführt wurden. Beispielsweise 

229) war im Projekt Ontolingua keine Inferenzkomponente vorgesehen. 230) Im darauf folgenden 

Projekt Protégé-2000 wurde zwar der Mangel einer Inferenzmaschine erkannt. 231) Als Reaktion 

darauf entstanden inferenzfähige „Plug-ins“ wie PAL (Protégé Axiom Language) 232) und Algernon 

233) . Aber sie haben bis heute die Leistungsfähigkeit der OntoBroker-Inferenzmaschine bei 

weitem noch nicht erreicht. 

Auch in anderen Ontologie-Werkzeugen spielen automatische Inferenzfähigkeiten – sofern sie 

überhaupt vorgesehen sind – zumeist nur eine untergeordnete Rolle. Zwei Ausnahmen hiervon stellen 

die Ontologie-Sprachstandards DAML+OIL sowie OWL dar, auf die schon weiter oben kurz 

eingegangen wurde. Insbesondere die OIL-Komponente von DAML+OIL wurde als „Ontology Inference 

Layer“ speziell im Hinblick auf automatische Inferenzfähigkeiten entwickelt. Aber diese Inferenzkomponente 

wird im DAML+OIL-Kontext nur „stiefmütterlich“ angewendet. 234) Auch in 

Publikationen über Ontologie-Spezifikationen, die mit der Hilfe von OWL erstellt wurden, lassen 

sich keine anspruchsvollen Inferenzfähigkeiten identifizieren. Daher müssen die Inferenzfähigkei- 

229) Auch für den Sprachstandard RDF(S) sind weder Inferenzregeln noch passende Inferenzmaschinen vorgesehen; vgl. DECKER ET 

AL. (1999) S. 364. 

230) Vgl. SIMONS ET AL. (2000) S. 78 („Ontolingua is not written with the purpose to do inferences. Therefore, no good inference 

system has been written in Ontolingua.“ [zum Teil gegenüber dem Original abweichende Textformatierung]). 

231) Vgl. GENNARI ET AL. (2002) S. 24: „Protégé-2000 offers only very weak support for modeling such axioms ... “ (mit „axioms“ 

sind hier die Integritäts- und die objektsprachlichen Inferenzregeln gemeint, die in OntoEdit/OntoBroker spezifiziert und angewendet 

werden können). 

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 

dar, sondern erlaubt nur zu überprüfen, ob eine Ontologie vorgegebene Integritätsbedingungen („constraints“) erfüllt. 

Das wird in O.V. (2002) S. 2 besonders deutlich: “the underlying philosophy of PAL is model-checking rather than theorem-proving”. 

Allerdings lässt sich das PAL-Plug-in benutzen, um analog zu einer Inferenzmaschine Anfragen an eine Ontologie 

zu beantworten; vgl. O.V. (2002) S. 2 u. 6 ff. Daher wurde das PAL-Plug-in hier als eine Vorstufe zu Inferenzmaschinen 

aufgeführt. Vgl. zur „Übergangsrolle“ des PAL-Plug-ins zwischen Überprüfen der Einhaltung von Integritätsbedingungen und 

Inferenzmaschine O.V. (o.J.) S. 16 f. 

233) Vgl. HEWITT (2003) S. 1 ff.; vgl. auch die Informationen im Internet unter der URL „http://smi.stanford.edu/people/hewett/ 

research/ai/algernon/“ (Zugriff am 14.09.2003). 

Die Algernon-Software wurde unabhängig von Protégé-2000 entwickelt, kann aber auf Ontologien, die mit der Protégé-2000- 

Software erstellt wurden, angewendet werden. Bei der Algernon-Software handelt es sich – im Gegensatz zum PAL-Plug-in – 

um eine „echte“ Inferenzmaschine. Sie beruht auf der Algernon Abstract Machine (AAM); vgl. HEWITT (2003) S. 2. 

234) Der einschlägigen Fachliteratur können keine Informationen über Inferenzfähigkeiten von OIL und deren Anwendungen entnommen 

werden, die an die inferenzielle Performanz der OntoBroker-Inferenzmaschine heranreichen.


ten von DAML+OIL sowie OWL – zumindest noch zurzeit – als „unterentwickelt“ betrachtet werden. 

235) 

Erst in jüngster Zeit werden weitere Bemühungen sichtbar, spezielle Werkzeuge, insbesondere 

Sprachen zu entwickeln, die Ontologien um regelgestützte Inferenzfähigkeiten substanziell erweitern 

sollen. Dazu gehört z.B. 236) das Projekt RuleML (Rule Markup Language) 237) . Es zielt darauf 

ab, für Ontologien, die auf der Basis von XML und RDF(S) oder DAML+OIL formuliert wurden, 

Inferenzregeln in der Gestalt zusätzlicher „Axiome“ aufstellen und zur Erschließung impliziten 

Wissens automatisch anwenden zu können. 238) Aber das OntoEdit/OntoBroker-Projekt stellt wegen 

seines langjährigen Entwicklungsvorsprungs hinsichtlich seiner Inferenzmaschine weiterhin eine 

„Benchmark“ für ontologiebasierte Wissensmanagementsysteme dar. 239) Dies war für die Initiatoren 

des Verbundprojekts KOWIEN einer der maßgeblichen Gründe, für die Konstruktion und Anwendung 

ihrer Ontologien auf Softwareprodukte der OntoEdit/OntoBroker-Familie zurückzugreifen. 

235) Die Inferenzfähigkeiten von DAML+OIL und OWL sind zumeist „Relikte“ terminologischer Logiken. Terminologische Logiken 

entstanden ihrerseits als implementierungsnahe „Spielarten“ der Prädikatenlogik und wurden als „Referenzsprachen“ bei 

der Spezifikation u.a. von DAML+OIL sowie OWL herangezogen; vgl. BAADER/HORROCKS/SATTLER (2004) S. 3, 7 u. 13 ff. 

Vgl. zu terminologischen Logiken („description logics“) BAADER/HORROCKS/SATTLER (2004) S. 4 ff., insbesondere S. 8 ff.; 

DONINI ET AL. (1996) S. 192 ff.; HAHN/REIMER (1998) S. 165 ff. sowie die Beiträge in FRANCONI ET AL. (1998) und LAMBRIX ET 

AL. (1999). Während allerdings terminologische Logiken durchaus Spezifikationsmöglichkeiten für objektsprachliche Inferenzregeln 

einräumen, wird dies weder von DAML+OIL noch von OWL unterstützt. Die Inferenzfähigkeiten sowohl von 

DAML+OIL als auch von OWL bleiben zurzeit noch auf metasprachliche Ausdrucksmittel beschränkt, mit denen beispielsweise 

Ordnungseigenschaften wie die Reflexivität und Transitivität von Relationen ausgedrückt werden können; vgl. GÓMEZ- 

PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 264 ff. Weder DAML+OIL noch OWL erlauben hingegen die „freizügige“ Spezifikation 

objektsprachlicher Inferenzregeln, auf die in den Kapiteln 2.4.2.2.1, 2.4.2.2.3 und 2.4.4 ausführlich eingegangen wird. 

Dies wird durch die programmatische Forderung von GREAVES (2004) S. 3 unterstrichen, für den Sprachstandard OWL müsse 

erst noch eine Spezifikationsmöglichkeit für (Inferenz-) Regeln geschaffen werden („ ... rules extension to OWL will be absolutely 

vital to the success of semantic web services ... we will need to: Drive out a specification for a rules extension to OWL ... 

we must quickly reach a consensus about the best technical way to go forward“; kursive Hervorhebungen im Original hier unterlassen). 

236) Vgl. zu weiteren Ansätzen KLAPSING (2003) S. 66, 97 ff. u. 184 ff. Er präsentiert eine Erweiterung von RDF-Spezifikationen 

um die Inferenzfähigkeiten der Implementierungssprache Prolog (Programming in Logic). Vgl. auch GÓMEZ-PÉREZ/FERNÁN- 

DEZ-LÓPEZ/CORCHO (2004) S. 227 u. 230 f. in Bezug auf OCML. 

237) Vgl. BOLEY/TABET/WAGNER (2001) S. 382 ff. Diese Spezialsprache zur Regelspezifizierung ist so flexibel ausgelegt, dass sie 

neben Inferenzregeln auch Integritätsregeln und so genannte Reaktionsregeln, die spezielle Aktionen auszulösen vermögen, 

umfasst. Vgl. BOLEY/TABET/WAGNER (2001) S. 384 f. 

238) Die Regelanwendung erfolgt nicht in RuleML selbst, sondern nach Übersetzung in die Java-basierte Entwicklungsumgebung 

JESS (Java Expert System Shell) für Expertensysteme; vgl. BOLEY/TABET/WAGNER (2001) S. 393 f. 

239) Dies wird durch einen Performanz-Test belegt, der vor kurzem zwischen den Entwicklungsumgebungen Cyc, Shaken und 

OntoEdit/OntoBroker durchgeführt wurde. Bei einer Aufgabe, Fragen aus dem Chemie-Bereich beantworten zu können, schnitt 

OntoEdit/OntoBroker hinsichtlich der Inferenzfähigkeiten (Inferenzdauern) mit deutlichem Abstand vor seinen Konkurrenten 

ab. Vgl. dazu FRIEDLAND/ALLEN (2004) S. 4 ff. u. 8 ff., insbesondere S. 14.


Aufgrund der Inferenzmaschine gestatten die Werkzeuge des OntoEdit/OntoBroker-Projekts einen 

intensiven Gebrauch nicht nur von Inferenzregeln der Formalen Logik, sondern auch von Inferenzregeln 

des inhaltlichen oder objektsprachlichen Schließens. 240) Diese Inferenzregeln sind, wie schon 

mehrfach erläutert wurde, aus ökonomischer Perspektive von herausragendem Interesse. Denn sie 

gestatten es, Regeln des „gesunden Sachverstands der Wirtschaftspraxis“ als einschlägiges Domänen-Wissen 

in wirtschaftswissenschaftlicher Begrifflichkeit auszudrücken. Hierdurch wird ein wesentlicher 

Beitrag dazu geleistet, aus vorhandenem, in Dokumenten explizit repräsentiertem Wissen 

das darin enthaltene implizite Wissen zu erschließen – sofern es gelingt, den hinlänglich bekannten 

„knowledge acquisition bottleneck“ zu überwinden und die einschlägigen betriebswirtschaftlichen 

Ontologien mit zugehörigen inhaltlichen oder objektsprachlichen Inferenzregeln zu erstellen. 

Im Gegensatz zu früheren, bislang von keinem Erfolg gekrönten Bemühungen der KI-Forschung, 

Commonsense-Wissen zugänglich zu machen, 241) besitzen Projekte wie das OntoEdit/OntoBroker- 

Projekt zwei wesentliche Vorzüge, die neue Hoffnung auf eine Lösung oder zumindest Minderung 

des Wissensakquisitionsproblems aufkeimen lassen. Zum einen greifen sie wirtschaftswissenschaftlich 

relevantes Wissen auf einer sehr „tiefen“ Stufe der rein sprachlichen Wissensstrukturierung auf. 

Sie erweist sich – im Gegensatz zu elaborierten KI-Techniken – auch noch für gewöhnliche betriebliche 

Anwender ohne ausgeprägte Informatikkenntnisse als prinzipiell verständlich. Zum anderen 

bietet die nahezu „unerschöpfliche“ Wissensquelle des World Wide Webs einen großen ökonomischen 

Anreiz, sich mit verstärkten personellen und finanziellen Ressourcen der Herausforderung zu 

stellen, betriebliches Wissensmanagement auf einem „ontologischen Fundament“ der sprachlichen 

Wissensstrukturierung systematisch zu entfalten. 

In der hier gebotenen Kürze kann kein repräsentativer Überblick über Projekte geboten werden, die 

sich mit der Entwicklung von Ontologie-Werkzeugen befassen. Stattdessen wird abschließend – neben 

zahlreichen anderen Entwicklungsprojekten 242) – nur auf einige wenige Projekte aufmerksam 

gemacht, die in jüngerer Zeit in der einschlägigen Fachliteratur größere Resonanz gefunden haben 

(in alphabetischer Reihenfolge): 

240) Die Inferenzmaschinen von Ontologie-Werkzeugen erlauben es, neues explizites Wissen automatisch zu erschließen, das in 

Web-Dokumenten bislang lediglich implizit enthalten war. Zunächst müssen die Web-Dokumente mittels eines internen „Übersetzers“ 

in eine formalsprachliche Darstellungsform transformiert werden, die von einer Inferenzmaschine weiterverarbeitet 

werden kann. Alsdann wird auf metasprachliche Inferenzregeln aus der Formalen Logik zurückgegriffen, die ausschließlich aus 

der reinen Form des explizit repräsentierten Wissens neues explizites Wissen zu folgern vermögen. Bereits hierdurch wird ein 

bemerkenswerter Beitrag zur Erfüllung der Anforderung geleistet, mit computerbasierten Wissensmanagementsystemen aus 

zwar implizit vorhandenem, aber nicht direkt zugreifbarem Wissen neues und explizit verfügbares Wissen erschließen zu können. 

Darüber hinaus unterstützen Inferenzmaschinen die Anwendung von inhaltlichen oder objektsprachlichen Inferenzregeln 

(und auch Integritätsregeln). Solche Regeln spielen in Ontologien eine herausragende Rolle, weil sie – im Gegensatz zu den 

eingangs erwähnten metasprachlichen Inferenzregeln aus der Formalen Logik – es gestatten, zusätzliches implizites Wissen zu 

erschließen, das sich nicht nur aus der reinen Form, sondern auch aus dem Inhalt des explizit repräsentierten Wissens folgern 

lässt. 

241) Dazu gehört z.B. das breit angelegte Cyc-Projekt, das darauf abzielt, Commonsense-Wissen des „gesunden Menschenverstands“ 

für die computerbasierte Wissensverarbeitung zugänglich zu machen. Vgl. dazu die Literaturhinweise in der Fußnote 55 

(S. 125). 

242) Vgl. zu weiteren Entwicklungsprojekten, die sich schwerpunktmäßig mit Ontologie-Werkzeugen befassen, beispielsweise AR- 

PIREZ ET AL. (2000) S. 395 ff. (Entwicklung einer Referenz-Ontologie, die Wissen über andere Ontologien systematisiert) in 

Verbindung mit S. 389 ff.; CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ PÉREZ (2001) S. 37 ff.; DE CLERQ ET AL. (2001); MAHALIN- 

GAM/HUHNS (1997) S. 173 ff., MIZOGUCHI (2004) S. 281 ff. u. 286 ff.; OBERLE ET AL. (2004) 219 ff.; STAAB/MAEDCHE (2001) S. 

66 ff.; STUDER ET AL. (1999) S. 13 ff., LIAO ET AL. (1999) S. 127 ff.; STAAB ET AL. (2000b). 

Vgl. auch die vergleichenden Analysen und Evaluationen von Ontologie-Werkzeugen in DUINEVELD ET AL. (1999) S. 4 ff. u. 15 

ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 293 ff.; MIZOGUCHI (2004) S. 276 ff. u. 291 ff.


LARKS (Language for Advertisement and Request for Knowledge Sharing) 243) , InfoSleuth 244) , 

ODE (Ontology Design Environment) 245) , OilEd (Oil Editor) 246) , (Onto) 2 Agent 247) , On-To-Knowledge 

248) , OntoMap 249) , OntoSeek 250) , OntoView 251) , PlanetOnto 252) , ScholOnto 253) , SymOntos 

(Symbolic Ontology System) 254) , Text-To-Onto 255) , WebFindit 256) sowie WebOnto 257) . 

Aus der Perspektive des betrieblichen Wissensmanagements interessieren die voranstehenden Ontologie-Werkzeuge 

nur in „bescheidenem“ Ausmaß. Zwar werden zweifellos Instrumente für das 

computerbasierte Wissensmanagement auf der Basis von Ontologien benötigt. Aber als Anschauungsbeispiele, 

anhand derer sich die Eignung von Ontologien für Aufgaben des Wissensmanagements 

überprüfen lässt, kommen nur Ontologien in Betracht, die für konkret umrissene Domänen 

entwickelt und dokumentiert wurden. Darüber hinaus können solche exemplarischen Ontologien 

unter günstigen Umständen weiterverwendet werden, um aus ihnen Anregungen für die Eigenentwicklung 

von Ontologien zu schöpfen. Daher wird abschließend auf konkret ausgearbeitete Ontologien 

eingegangen. Den Schwerpunkt bilden Ontologien für wirtschaftswissenschaftliche Domänen, 

die für Zwecke des betrieblichen Wissensmanagements von besonderem Interesse sind. 

Die weltweit führende Sammlung von Ontologien bietet das Ontolingua-Projekt. Anfang Februar 

2005 waren auf dem Ontolingua-Server der Stanford University insgesamt 59 verschiedene Ontologien 

registriert. 258) Sie weisen einen sehr unterschiedlichen Umfang und Reifegrad auf. Aus betriebswirtschaftlicher 

Perspektive sind aus diesem Fundus folgende Ontologien von besonderem Interesse: 

259) 

243) Vgl. SYCARA ET AL. (1999) S. 2 ff.; SYCARA ET AL. (2002) S. 175 ff.; SYCARA/PAOLUCCI (2004) S. 348 ff. 

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. 

245) Vgl. DUINEVELD ET AL. (1999) S. 7 u. 14 f. 

246) Vgl. BOYENS (2001) S. 27 f.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 310 ff. 

247) Vgl. ARPIREZ ET AL. (2000) S. 389 (ff.), insbesondere S. 405 f. 

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.; 

vgl. auch die Informationen im Internet unter der URL „http://www.ontoknowledge.org/about.shtml“ (Zugriff am 10.02.2005). 

249) Vgl. KIRYAKOV/SIMOV/DIMITROV (2001) S. 48 u. 50 ff.; vgl. auch die Informationen im Internet unter der URL „http://www. 

OntoMap.org“ (Zugriff am 31.03.2002). 

250) Vgl. BORGO ET AL. (1997) S. 2 ff.; GUARINO (1997c) S. 159 ff.; GUARINO/MASOLO/VETERE (1999a) S. 3 ff., insbesondere S. 9 

ff.; GUARINO/MASOLO/VETERE (1999b) S. 71 ff., insbesondere S. 73 ff. 

251) Vgl. DING ET AL. (2004) S. 608 f.; KLEIN ET AL. (2002) S. 82 ff. 

252) Vgl. KALFOGLOU ET AL. (2001) S. 1 ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1087 ff. 

253) Vgl. MOTTA/SHUM/DOMINGUE (2000) S. 1092 ff.; SHUM/MOTTA/DOMINGUE (2000) S. 240 ff. 

254) Vgl. FORMICA/PAGANO/TAGLINO (2001) S. 4 ff.; MISSIKOFF/VELARDI/FABRIANI (2003) S. 325 ff. 

255) Vgl. MAEDCHE (2002) S. 151 ff.; MAEDCHE/STAAB (2001) S. 75 ff. 

256) Vgl. OUZZANI/BENATALLAH/BOUGUETTAYA (2000) S. 371 ff. u. 385 ff. 

257) Vgl. DOMINGUE (1998) S. 8 ff.; DUINEVELD ET AL. (1999) S. 5 u. 11 f.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 307 

ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1080 ff.; vgl. auch im Internet die Informationen unter der URL „http://kmi.open.ac.uk/ 

projects/webonto/“ (Zugriff am 10.02.2005). 

258) Vgl. im Internet die Informationen unter der URL „http://www-ksl-svc.stanford.edu:5915“ (Zugriff am 10.02.2005). 

259) Vgl. daneben auch z.B. VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 193 f.


• Enterprise Ontology 260) : Es handelt sich um eine Domänen-Ontologie für gewerbliche Unternehmen. 

Sie wurde unter Rückgriff auf den Stanforder Ontolingua-Server am Artificial Intelligence 

Applications Institute (AIAI) der University of Edinburgh entwickelt. 261) Die Enterprise 

Ontology dient für mehrere andere Ontologie-Projekte als gemeinsames sprachliches Fundament, 

262) so z.B. für die Frankfurter Netzwerk-Ontologie NETECO 263) und für ein weiteres 

Frankfurter Projekt zur Entwicklung einer CSCW-Ontologie 264) . 

• Product Ontology: Diese Ontologie wurde für eine eng abgegrenzte Domäne geschaffen. Zwar 

erstreckt sie sich ihrem Namen nach im Prinzip auf alle Produkte, die aus Leistungserstellungsprozessen 

resultieren. Aber bei näherem Hinschauen zeigt sich, dass in dieser Ontologie nicht 

an Dienstleistungen, sondern nur an Sachgüter gedacht wurde. 265) Außerdem wurde sie nur für 

Stückgüter konkretisiert, während Schütt- und Fließgüter unberücksichtigt bleiben. Eine exemplarische 

Anwendung der Product Ontology stellt die „HP-Product-Ontology“ für Test- und 

Messgeräte, insbesondere für Oszilloskope, des Unternehmens Hewlett Packard dar. 

• Job-Assignment-Task (-Ontology): Im Gegensatz zu den sonst vorherrschenden Domänen- 

Ontologien liegt hier eine aufgabenorientierte Ontologie vor. Sie lässt sich beispielsweise nutzen, 

um das koordinationsrelevante Wissen in den Bereichen der Produktionsfeinplanung (Maschinenbelegungsplanung, 

„scheduling“) und der Personaleinsatzplanung zu strukturieren. 

260) Vgl. BERGHOFF/DROBNIK (1998) S. 3 f. u. 11; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 98 f.; HAGENGRUBER (2004) 

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 

im Internet unter der URL „http://www.aiai.ed.ac.uk/~entprise/“ (Zugriff am 10.02.2005). 

261) Aus betriebswirtschaftlicher Perspektive enthält die Enterprise Ontology eine Vielzahl von Unzulänglichkeiten. Beispielsweise 

lässt sich nicht nachvollziehen, warum ihre begrifflichen Konzepte in die fünf Kategorien „activity etc.“, „organisation“, „strategy“, 

„marketing“ und „time“ eingeteilt wurden; vgl. USCHOLD ET AL. (1998) S. 40 ff. u. 80 ff. Diese Kategorisierung erscheint 

extrem willkürlich. So erweckt sie durch die Gleichordnung der Kategorien „strategy“ und „marketing“ den Eindruck, dass es 

kein strategisches Marketingmanagement geben könne. Ebenso suggeriert sie, Marketing sei der einzige relevante betriebswirtschaftliche 

Funktionsbereich. Andere Funktionsbereiche, wie etwa Finanzierung/Investition, Beschaffung und Produktion bleiben 

unberücksichtigt. Es ist schwer nachzuvollziehen, warum das Marketing gegenüber anderen, nicht beachteten betriebswirtschaftlichen 

Funktionsbereichen eine solche Sonderstellung genießt. Ebenso bleibt im Dunkeln, aus welchen Gründen neben 

der Kategorie (Anschauungsform) „time” die komplementäre Kategorie „space” keine Berücksichtigung findet. Man braucht 

gar nicht an die beiden grundsätzlichen Anschauungsformen von KANT zu denken, um den Raum neben der Zeit zu vermissen. 

Bereits der „gesunde betriebswirtschaftliche Sachverstand“ legt nahe, dass z.B. sowohl für innerbetriebliche Layout-Planungen 

als auch für betriebliche Standortplanungen die Anschauungsform „Raum“ unerlässlich ist. Diese Anschauungsform kann ebenso 

für regionale Abgrenzungen von Märkten und Geschäftsfeldern große betriebswirtschaftliche Bedeutung erlangen. Insgesamt 

hinterlässt die Enterprise Ontology den Eindruck, dass sie von „Computer-Ingenieuren“ ohne betriebswirtschaftlichen Sachverstand 

entwickelt wurde. Sie ist noch weit von dem Ideal einer wohlüberlegten Systematisierung des wirtschaftswissenschaftlichen 

Fachvokabulars entfernt. Dies wird dem Anspruch von Ontologien, die sprachlichen Ausdrucksmittel für die Repräsentation 

von Wissen über eine Domäne „professionell“ zu strukturieren, nicht gerecht. Umso mehr überrascht es, dass die Enterprise 

Ontology in mehreren anderen Projekten – wie nachfolgend angedeutet – aufgegriffen und weiterverwendet wurde. Der Verfasser 

hätte sich gefreut, wenn trotz aller Begeisterung für die Ontologie-Thematik eine etwas größere kritische Distanz gegenüber 

„pseudo-betriebswirtschaftlichen“ Ontologien aufgebracht würde. 

262) Vgl. USCHOLD ET AL. (1998) S. 73 ff. 

263) Vgl. die Informationen im Internet unter der URL „http://caladan.wiwi.uni-frankfurt.de/IWI/neteco/“ (Zugriff am 05.02.2001). 

264) Vgl. BERGHOFF/DROBNIK (1998) S. 2 ff. u. 7 ff. 

265) Der Fehler, Produkte schlechthin mit Sachgütern gleichzusetzen, unterläuft oftmals in Kreisen, die mit der einschlägigen produktionswirtschaftlichen 

Terminologie nicht hinreichend vertraut sind. Insbesondere in anglo-amerikanischen Publikationen 

herrscht der unreflektierte Sprachgebrauch vor, von „products and services“ zu reden. Es überrascht dann nicht, wenn in einer 

„Produkt“-Ontologie Aspekte von Dienstleistungen ignoriert werden.


• Network-based Information Brokers: Eine Gruppe von Ontologien dient zur Unterstützung von 

Informationsbrokern, die aus dem Internet Informationen über Produktkonfigurationen, z.B. im 

IT-Bereich, zusammenstellen möchten. 

• Accounting Information Systems: Dies betrifft ein Projekt an der Carnegie Mellon University 

zur Entwicklung einer Domänen-Ontologie. Sie ist als Basis für ein Entscheidungsunterstützungssystem 

vorgesehen, das die Arbeiten von Wirtschaftsprüfern erleichtern soll. 

Neben den Ontologien aus Stanford erweisen sich aus betriebswirtschaftlicher Perspektive vor allem 

die Arbeiten als bemerkenswert, die im Projekt TOVE (Toronto Virtual Enterprise) 266) erfolgen. 

Sie wurden am Enterprise Integration Laboratory (EIL) des Departments of Industrial Engineering 

der University of Toronto durchgeführt. Wie bei der Enterprise Ontology der University of Edinburgh 

handelt es sich zunächst um „eine“ generische Ontologie für gewerbliche Unternehmen. Im 

Gegensatz zur Enterprise Ontology ist unter dem Dach von TOVE jedoch eine Vielzahl von Ontologien 

versammelt („TOVE-Ontologies“). Sie erfassen unterschiedliche betriebswirtschaftliche 

Aufgabenbereiche auf verschiedenen Aggregationsebenen. In einer ersten Annäherung werden Unternehmens-, 

Kern- und Derivatontologien unterschieden. 267) Zu diesen drei Bereichen gehören 

z.B.: 

• eine Organisations-Ontologie, 

• eine Ressourcen-Ontologie, 

• eine Aktivitäten-Ontologie, 

• zwei Ontologien für Produkte (gemeint sind vermutlich Sachgüter) 

und Services (gemeint sind Dienstleistungen), 

• Projekt- und Geschäftsprozess-Ontologien, 

• Materialfluss-, Transport- und Lager-Ontologien, die insbesondere für Koordinationskonzepte 

des Supply Chain Managements (SCM) und des Efficient Consumer Response (ECR) 

von großem Interesse sind, 268) 

• eine Qualitäts-Ontologie, 

• eine Scheduling-Ontologie, 

• eine Kostenrechnungs-Ontologie sowie 

• eine Informationsressourcen-Ontologie, die an der Schnittstelle zwischen betrieblichem 

Informations- und Wissensmanagement sowie Wirtschaftsinformatik angesiedelt ist. 

266) Vgl. BARBUCEANU/FOX (1994) S. 5 ff.; FOX/CHIONGLO/FADEL (1993) S. 425 ff.; FOX/GRÜNINGER (1997b) S. 13 u. 22 ff.; 

FOX/GRUNINGER (1993) S. 3 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 99 f.; GRÜNINGER/ATEFI/FOX (2000) S. 

382 ff.; GRÜNINGER/FOX (1995) S. 1 ff.; GRUNINGER/FOX (1994a) S. 1 ff.; GRUNINGER/FOX (1994b) S. 2 ff.; KIM/FOX (1994) S. 

3 ff.; KIM/FOX/GRÜNINGER (1999) S. 131 ff.; NOY/HAFNER (1997) S. 61 f.; POCSAI (2000) S. 51 f.; THAM/FOX/GRUNINGER 

(1994) S. 1 ff.; vgl. auch im Internet die Informationen unter der URL „http://www.eil.utoronto.ca/enterprise-modelling/tove/ 

index.html“ (Zugriff am 10.02.2005). 

267) Die Aufteilung der einzelnen Ontologien zu den drei Klassen der Unternehmens-, Kern- und Derivatontologien vermag der 

Verfasser inhaltlich nicht nachzuvollziehen. Daher geht er im Folgenden nicht näher darauf ein. 

268) Solche Koordinationskonzepte werden vom Enterprise Integration Laboratory u.a. im Kontext von Supply Webs und Multi- 

Agenten-Systemen im Rahmen des „Integrated Supply Chain Management Project“ untersucht.


Das TOVE-Projekt besticht durch seine betriebswirtschaftliche Breite. Bislang ist kein anderes Projekt 

auf dem Gebiet des ontologiebasierten Wissensmanagements initiiert und bekannt geworden, 

das sich in ähnlicher Umfassendheit mit Ontologien für typische betriebswirtschaftliche Aufgabenbereiche 

auseinander gesetzt hat. Insbesondere sind aus dem TOVE-Projekt auch einige Arbeiten zu 

Spezial-Ontologien hervorgegangen, die hinsichtlich ihrer betriebswirtschaftlichen Relevanz und 

Detailliertheit als wegweisend eingestuft werden können. Dazu zählen beispielsweise Ontologien, 

die einerseits für das betriebliche Rechnungswesen in der modernen Variante des „activity-based 

accounting“ 269) und andererseits für das Management von Geschäftsprozessen 270) entwickelt wurden. 

Weitere Ontologien mit betriebswirtschaftlicher Relevanz wurden – außerhalb des TOVE-Projekts 

– beispielsweise für folgende Anwendungsfelder entwickelt: 271) 

• Unternehmensmodellierung 272) , wie z.B. im ∃cO-Projekt 273) und 

in der REA (Resource-Event-Agent) Enterprise Ontology 274) , 

• Gestaltung von (computerbasierten) organisatorischen Gedächtnissen 275) , 

• Gestaltung und Kontrolle von (Geschäfts-) Prozessen 276) , 

• Planung der Erfüllung beliebiger Aufgaben 277) , 

• betriebliche Informationssysteme 278) , z.B. betriebliche Umweltinformationssysteme 279) , 

• Bewertung von Wissen 280) , 

269) Vgl. THAM/FOX/GRUNINGER (1994) S. 4 ff. u. 10 ff. (es handelt sich um eine der am detailliertesten ausgearbeiteten und 

betriebswirtschaftlich „reifesten“ Ontologien, die dem Verfasser bekannt sind); vgl. am Rande auch FOX/GRUNINGER (1993) S. 

6 u. 14; GRUNINGER/FOX (1994b) S. 11 f. 

270) Vgl. zu dieser „Business Process Ontology“ GRÜNINGER/ATEFI/FOX (2000) S. 389 ff. 

271) Vgl. auch die umfangreichen Auflistungen von Ontologien, die im Internet öffentlich zugänglich sind, unter den URL: 

a) „http://www.daml.org/ontologies/keyword.html“ (Zugriff am 10.02.2005): „Ontologies by Keyword“; 

b) „http://saussure.irmkant.rm.cnr.it/onto/ON9.5-OL-HTML/“ (Zugriff am 10.02.2005): „Library of Ontologies“. 

Vgl. ebenso die Aufstellung von Ontologie-Anwendungen in CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ PÉREZ (2001) S. 57 ff. 

272) Vgl. BERTOLAZZI/KRUSICH/MISSIKOFF (2001) S. 1 ff., insbesondere S. 4 ff.; FOX/GRÜNINGER (1997a) S. 190 ff., insbesondere 

196 f.; FOX/GRUNINGER (1997b) S. 10 ff. 

273) Vgl. HAGENGRUBER/SCHAUER (2002) S. 36 ff., insbesondere S. 41 ff. (vornehmlich als Vorhabensbeschreibung); vgl. auch das 

Vorwort zu FRANK/HAGENGRUBER/SCHAUER (2002). 

274) Vgl. GEERTS/MCCARTHY (2000) S. 2 ff. u. 7 ff.; HAUGEN/MCCARTHY (2000) S. 1 ff. u. 8 ff. (mit besonderer Anwendungsorientierung 

im Hinblick auf Supply Chain Management); MCCARTHY (1999) S. 145 ff.; vgl. auch die Informationen im Internet unter 

den URL „http://www.msu.edu/user/mccarth4/rea-ontology/index.htm“, „http://www.ecimf.org/contrib/onto/REA/index. 

html“ und „http://www.ecimf.org/contrib/onto/ST/index.html“ (Zugriffe jeweils am 02.05.2002). 

275) Vgl. ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 89 ff.; MIKA ET AL. (2004) S. 455 ff.; VASCONCELOS/KIMBLE/GOU- 

VEIA (2000) S. 6 ff. 

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 

(1998) S. 2 ff.; LEE ET AL. (1998) S. 94 ff.; VAN DER AALST/VAN HEE (2002) S. 1. 

277) Vgl. DE BARROS/HENDLER/BENJAMINS (1997) S. 1247 ff.; TATE (1998) S. 124 f. 

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. 

279) Vgl. KOPETZKY/GROHMANN (1998) S. 715 f. 

280) Vgl. O’HARA/SHADBOLT (2001) S. 5 f. u. 7 f. (ein noch sehr rudimentärer, wenig konkretisierter Ansatz).


• Management von Wissen über Kompetenzen oder – oftmals synonym verwendet – Skills 281) , 

• Konstruktion („Engineering“) von Sachgütern 282) , 

• Produktion von Software 283) , 

• Planung und Steuerung von Produktionsprozessen („Scheduling“) 284) , 

• Management von und Suche nach Produktdaten (Produkt-Taxonomien) 285) , 

• Empfehlung von Produkten aufgrund von Profilen für Konsumenteninteressen 286) , 

• betriebliches Qualitätsmanagement, insbesondere im Zusammenhang mit der DIN-ISO-9000- 

Normenfamilie 287) und mit der FMEA-Technik (Failure Modes and Effects Analysis) 288) , 

281) Dieses Anwendungsfeld für Ontologien war für das Verbundprojekt KOWIEN von besonderem Interesse, da sich die Projektarbeiten 

auf die Konzipierung, Entwicklung und prototypische Implementierung eines ontologiebasierten Kompetenzmanagementsystems 

erstreckten. Vgl. zu Ontologien für dieses Anwendungsfeld und ontologiebasierten Kompetenzmanagementsystemen 

ALLEN (2001) S. 7 ff. (es wird zwar nur von „competencies schema“ und „taxonomies“ gesprochen, aber inhaltlich 

handelt es sich um Kompetenzontologien); BIZER ET AL. (2004) S 7 ff.; ERDMANN (2001) S. 273 ff.; HARZALLAH/LECLÈRE/TRI- 

CHET (2002) S. 68 ff.; JIE/KARLAPALEM/LOCHOVSKY (2000) S. 101 ff.; LAU/SURE (2002) S. 127 ff.; LIAO ET AL. (1999) S. 126 

ff.; SURE/MAEDCHE/STAAB (2000) S. 222 ff.; SURE/STAAB/STUDER (2004) S. 124 ff.; TRICHET/LECLÈRE (2002) S. 1 ff.; 

USCHOLD ET AL. (1998) S. 72 u. 85 f. (dort werden Kompetenzen als „capabilities“ thematisiert, allerdings auf bescheidenem inhaltlichen 

Niveau). 

Vgl. auch die Beiträge, die innerhalb des Verbundprojekts KOWIEN zu ontologiebasierten Kompetenz- und Skillmanagementsystemen 

erfolgten: ALAN ET AL. (2005) S. 36 f.; ALPARSLAN ET AL. (2002) S. 46 ff.; DITTMANN/PETERS/ZELEWSKI (2003a) S. 3 

ff., 7 f., 10 ff. u. 14 f.; DITTMANN/PETERS/ZELEWSKI (2003b) S. 10 ff.; DITTMANN/ZELEWSKI (2004a) S. 191 ff.; DITTMANN/ZE- 

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 

Werk. 

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; 

FÜRST/LECLÈRE/TRICHET (2003) S. 66 ff.; GOLEBIOWSKA (2000) S. 3 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 

96 ff.; GRUBER/OLSEN (1996) S. 569, 572 ff. u. 578 ff. (Konfiguration von Aufzügen, u.a. mit der betriebswirtschaftlich interessanten 

Facette, speziell auf Konstruktionskosten einzugehen; vgl. dazu das Modul “VT-DESIGN“ auf S. 592 ff.); KITA- 

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 

(1997) S. 62 ff.; POCSAI (2000) S. 7 ff. u. 187 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 7 ff. (Gestaltung von Aufzügen); 

ZDRAHAL/VALASEK/CERMAK (1999) S. 406 ff., insbesondere S. 410 ff. 

283) Vgl. YEN/TEH/LIVELY (1998) S. 140 ff. 

284) Vgl. APARCIO/VARELA/SILVA (2002) S. 3 ff.; SCHLENOFF/IVESTER/KNUTILLA (1998) S. 3 ff.; SMITH/BECKER (1996) S. 2 ff.; 

SOARES/AZEVEDO/DE SOUSA (2000) S. 259 ff.; vgl. auch am Rande FREESE (1998) S. 84 ff. (keine Ontologie, aber eine ontologie-ähnliche 

Spezifizierung von Ablaufplanungsproblemen für Produktionsprozesse in UML). 

285) Vgl. ANTONIOU/VAN HARMELEN (2004b) S. 87 ff. (eine Ontologie für Laserdrucker); LUTTERS ET AL. (2000) S. 4438 u. 4440 ff.; 

YOO/KIM (2002) S. 176 f. u. 179 ff.; am Rande auch ZARNEKOW (1999) S. 160 ff. 

286) Vgl. MIDDLETON/DE ROURE/SHADBOLT (2004) S. 478 f. (Einsatzbereiche) u. 485 ff. (für den interessanten Spezialfall von wissenschaftlichen 

Publikationen als „Produkten“); YUAN/CHENG (2004) S. 461 u. 464 ff. 

287) Vgl. KIM/FOX (1994) S. 3 ff.; KIM/FOX/GRÜNINGER (1999) S. 131 ff. (beide im Rahmen des TOVE-Projekts). 

288) Vgl. DITTMANN/RADEMACHER/ZELEWSKI (2004a) S. 209 u. 211 ff.; DITTMANN/RADEMACHER/ZELEWSKI (2004b) S. 1 ff.; DITT- 

MANN/ ZELEWSKI (2004b) S. 181 ff.; LEE (2001) S. 283 ff., insbesondere S. 287 ff.


• Demontage von Produkten für deren Entsorgung 289) , 

• technische Bewertung von Existenzgründungsideen (Business-Plänen) und Unternehmen 

in den Bereichen Information und (Tele-) Kommunikation, Multimedia und E-Business 290) , 

• Geschäftsmodelle des E-Business und E-Commerce 291) , 

• Tourismus-Dienstleistungen 292) sowie 

• Wirtschaftsstatistik 293) . 

Schließlich sollte aus betriebswirtschaftlicher Perspektive das OntoWeb-Projekt 294) nicht unerwähnt 

bleiben. In diesem Projekt steht weniger die Entwicklung konkreter Ontologien oder neuartiger Ontologie-Werkzeuge 

im Vordergrund. Stattdessen zeichnet es sich durch den Zusammenschluss einer 

Vielzahl namhafter Forschungseinrichtungen und Industrieunternehmen aus, 295) die einen gemeinsamen 

Zweck verfolgen: die nachhaltige Förderung der Verwendung von Ontologien in der betrieblichen 

Praxis für Zwecke des Wissensmanagements (und des E-Commerce) 296) . 

Darüber hinaus wurden Ontologien für eine breite Palette anderer als betriebswirtschaftlicher Anwendungsfelder 

entwickelt oder zumindest diskutiert. Dazu gehören beispielsweise Ontologien für 

Aufgaben des Wissensmanagements in folgenden Bereichen: 

• Medizin 297) , 

• Molekularbiologie 298) , 

• Bioinformatik 299) , 

• Geoinformatik (Geographische Informationssysteme) 300) , 

289) Vgl. BORST/AKKERMANS (1997) S. 44 ff. 

290) Es handelt sich um das TIME2Research-Portal, dessen Nutzung zur Akquisition bewertungsrelevanten Wissens seitens der Ontoprise 

GmbH als ontologiebasierte Dienstleistung offeriert wird. Vgl. STUDER ET AL. (2001) S. 12 ff. 

291) Vgl. BLAKE (2000) S. 3 f.; DING ET AL. (2004) S. 594 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 86 ff.; KIM/ 

PAULSON/PETRIE (2000) S. 4; MCGUINESS (1999) S. 1 f.; PIGNEUR (2002) S. 3 ff. (für den Spezialfall des M-Business, also Geschäftsmodellen 

auf der Basis von mobilen Kommunikationssystemen). 

292) Vgl. MISSIKOFF/TAGLINO (2004) S. 618 u. 621 ff.; SUGUMARAN/STOREY (2002) S. 254 ff. 

293) Vgl. MURTAGH ET AL. (2003) S. 270 f. 

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 

die Informationen im Internet unter der URL „http://www.ontoweb.org/“ (Zugriff am 10.02.2005). 

295) Zum Projektkonsortium gehören z.B. British Telecom, DaimlerChrysler und IBM Japan. 

296) Der Anwendungsbereich des E-Commerce wird vermutlich aus „taktischen“ Erwägungen der Drittmittelakquisition hervorgehoben. 

Ansonsten ist kein überzeugendes Argument ersichtlich, warum E-Commerce nicht als ein Anwendungsszenario unter 

den umfassenden Aufgabenbereich des Wissensmanagements untergeordnet werden sollte. 

297) Vgl. BOULOS (2004) S. 35 ff.; BOULOS/ROUDSARI/CARSON (2002) S. 126 ff.; DE CLERQ ET AL. (2001) S. 4 ff.; ENDRES-NIGGE- 

MEYER (2000) S. 335 ff.; GANGEMI/PISANELLI/STEVE (1998) S. 4 ff.; GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 92 

ff.; HAHN/SCHULZ (2004) S. 134 ff.; MOTTA/SHUM/DOMINGUE (2000) S. 1098 ff.; RAMONI/RIVA (1997) S. 133 ff.; VAN HEIJST/ 

SCHREIBER/WIELINGA (1997) S. 193 u. 196 ff.; VICKERY (1997) S. 281. 

298) Vgl. BADA ET AL. (2004) S. 235 ff.; NOY/HAFNER (1998) S. 616 ff.; STEVENS ET AL. (2004) S. 642 ff. 

299) Vgl. GOBLE ET AL. (2001) S. 535 ff.; STEVENS ET AL. (2004) S. 639 ff., insbesondere S. 642 ff. 

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.


• Physik 301) , 

• Chemie 302) , 

• Jurisprudenz 303) , 

• Verkehrswesen 304) , 

• Bibliothekswesen 305) , 

• Pädagogik, insbesondere Didaktik, 306) und 

• Sport 307) . 

Es wird darauf verzichtet, diese Auflistung von Ontologienanwendungen außerhalb der Betriebswirtschaftslehre 

zu vertiefen. Denn für das Verbundprojekt KOWIEN besitzen sie keine nennenswerte 

Relevanz. 

1.3.1.3 Abgrenzung von verwandten Themenfeldern 

Des Öfteren wird nicht nur Techniken des Knowledge Level Engineerings im Allgemeinen, sondern 

vor allem auch Ontologien im Besonderen vorgehalten, lediglich „alten Wein in neuen Schläuchen“ 

darzustellen. Die gleichen Inhalte würden schon seit langem seitens anderer Forschungsrichtungen 

– lediglich unter abweichenden Bezeichnungen – intensiv studiert. Daher sei es unverständlich, 

warum Ontologien in der (V)KI-Forschung und weiteren Teilen von (Kern-) Informatik sowie 

Wirtschaftsinformatik so große Beachtung zuteil werde. 

Von vornherein sei eingeräumt, dass die voranstehend skizzierte Kritik einen zutreffenden Kern besitzt. 

In der Tat wurden durch die Ontologieforschung weder völlig neuartige Erkenntnisobjekte 

noch grundsätzlich neue Erkenntnisperspektiven in den wissenschaftlichen Diskurs eingebracht. 

Daher lässt sich mit Recht die Frage aufwerfen, warum überhaupt eine intensive Beschäftigung mit 

301) Vgl. MOSTERMAN/ZHAO/BISWAS (1998) S. 222 ff. 

302) Vgl. GOMEZ-PEREZ/FERNANDEZ-LOPEZ/CORCHO (2004) S. 100 ff. 

303) Vgl. BENCH-CAPON/VISSER (1997) S. 134 ff.; BOER (2000) S. 102 ff.; BOER/HOEKSTRA/WINKELS (2001) S. 37 ff.; BREUKER ET 

AL. (2002) S. 73 ff.; KOEPSELL (2000) S. 99 ff.; MOORE (2002) 620 ff.; VISSER/BENCH-CAPON (1998) S. 32 ff. 

304) Vgl. BENSLIMANE ET AL. (2000) S. 193 ff., insbesondere S. 203 ff. 

Vgl. auch an der Nahtstelle zwischen Verkehrsplanung und Umweltschutz LUTZ (2001) S. 36 ff., 55 ff. u. 62 ff.; LUTZ/MÖLT- 

GEN/KUHN (2002) S. 152 ff.: ein ontologiebasiertes Informationssystem über Kompensationsmaßnahmen für straßenbaubedingte 

Umweltbeeinträchtigungen. 

305) Vgl. LAGOZE/HUNTER (2001) S. 1 ff. (Ontologien für Bibliotheken und Museen), SHUM/MOTTA/DOMINGUE (2000) S. 237 ff.; 

WEINSTEIN/BIRMINGHAM (1998) S. 2 u. 4 ff. 

Für bibliothekarische Zwecke dominieren zwei ontologieorientierte Projekte: das Projekt UMDL (University of Michigan Digital 

Library) und das Projekt DCM (Dublin Core Metadata Element Set). Die Ontologien und Metadaten, die in diesen beiden 

Projekten erarbeitet worden sind, dienen des Öfteren als Ausgangspunkte zur Entwicklung von Ontologien für andere Anwendungsbereiche. 

Vgl. zum UMDL-Projekt DURFEE (1998) S. 55 ff.; WEINSTEIN (1998) S. 255 ff.; WEINSTEIN/BIRMINGHAM 

(1998) S. 2 u. 4 ff.; vgl. zum DCM-Projekt REDEKER (2000) S. 419 ff. 

306) Vgl. LEIDIG (2000) S. 445 ff., insbesondere S. 447 ff.; MEDER (2000) S. 403 ff.; REDEKER (2000) S. 422 ff.; SWERTZ (2000) S. 

435 ff. 

307) Vgl. POLI (2002) S. 654 ff.


Ontologien vorteilhaft erscheinen könnte. Aus der subjektiven Perspektive des Verfassers bieten 

sich im Wesentlich drei Antworten an. 

Erstens reiht sich das Thema „Ontologien“ zurzeit in die Palette jener „Modethemen“ ein, die wie 

Konjunkturzyklen den real existierenden Wissenschaftsbetrieb temporär prägen. Dies betrifft nicht 

nur die KI-Forschung im engeren Sinn, sondern ebenso (Kern-) Informatik, Wirtschaftsinformatik 

und Betriebswirtschaftslehre. Beispielsweise stehen Ontologien im Kontext der aktuellen Bemühungen 

um die Entwicklung des „Semantic Web“ bei den meisten Institutionen, die sich mit der 

Vergabe von Drittmitteln im Bereich von Informations- und Kommunikationstechnologien sowie 

-wissenschaften befassen, 308) hoch im Kurs. Dieser wissenschaftspragmatische oder wissenschaftssoziologische 

Aspekt der „Publikations- und Drittmittelrelevanz“ von Themen für Forschungs-, 

Entwicklungs- und Transferprojekte wird im Folgenden nicht weiter vertieft; er steht nicht im Fokus 

des Argumentationsinteresses des hier vorgelegten Werks. 

Zweitens zeichnet sich die Ontologieforschung dadurch aus, 309) dass sie einen „frischen“ Blick auf 

„an sich bekannte“ Forschungsthemen richtet. Sie führt einige Disziplinen zusammen, deren Anhänger 

vormals weit gehend unabhängig voneinander forschten. Nach Einschätzung des Verfassers 

lässt sich dieser „frische“ Blick der Ontologieforschung durch vier Aspekte charakterisieren: 

• die große Bedeutung der Strukturierung von Wissen für alle darauf aufbauenden Aktivitäten des 

Wissensmanagements (Perspektive des Knowledge Level Engineerings), 

• die Hervorhebung der sprachlichen Dimension der Wissensstrukturierung (entsprechend dem 

„linguistic turn“ der Erkenntnistheorie), 310) 

• die Betonung der formalsprachlichen Verfasstheit 311) von Ontologien, aus der ihre „Computernähe“ 

resultiert, sowie 

• der inhaltliche Reichtum von Ontologien auf der semantischen Ebene, der sich insbesondere in 

Inferenz- und Integritätsregeln für die bedeutungsgerechte Konzeptverwendung manifestiert. 312) 

Aus den Perspektiven dieser vier Aspekte wirken in der modernen Ontologieforschung Vertreter einer 

stattlichen Anzahl unterschiedlicher Disziplinen zusammen. Dazu gehören vor allem, ohne 

308) Eine Ausnahme scheint zurzeit noch die Deutsche Forschungsgemeinschaft darzustellen; vgl. die Fußnote 3 auf S. 115. 

309) Der Verfasser räumt von vornherein ein, dass die nachfolgende Charakterisierung der Ontologieforschung ebenso vage 

(„schwammig“) wie subjektiv geprägt ist. Wer dies kritisiert, mag einen präzisierten und objektivierten Charakterisierungsversuch 

in die Diskussion einbringen. Der Verfasser hofft auf die Zustimmung Dritter, dass eine möglichst präzise Definition des 

Begriffs „Ontologie“ (so, wie es oben in der zweiten Arbeitsdefinition für Ontologien versucht wurde; vgl. S. 153, Abbildung 

15) und die nachfolgenden Abgrenzungen gegenüber verwandten Begriffen zunächst ausreichen, um zumindest Ontologien als 

das Erkenntnisobjekt der Ontologieforschung „scharf“ zu bestimmen. 

310) Aus dieser Perspektive wurden in der o.a. Arbeitsdefinition für Ontologien die sprachlichen Ausdrucksmittel als Definitionskonstituente 

hervorgehoben – in bewusstem Kontrast zu sonst vorherrschenden Ontologiedefinitionen, die der sprachlichen 

Dimension der Wissensstrukturierung in der Regel keine besondere Beachtung zukommen lassen. 

311) Auch in dieser Hinsicht geht die o.a. Arbeitsdefinition für Ontologien über andere Ontologiedefinitionen bewusst hinaus, die 

zumeist nicht auf dem Merkmal der Formalsprachlichkeit für Ontologien bestehen. 

312) Im Kontext von Ontologien sind also nicht Inferenz- und Integritätsregeln „an sich“ von Interesse, sondern nur insofern, wie sie 

zur bedeutungsgerechten Verwendung von Konzepten dienen. Dadurch werden einerseits (metasprachliche) Inferenz- und Integritätsregeln 

der Formalen Logik ausgeschlossen, die nicht auf die Bedeutungen von Konzepten, sondern nur auf die Form 

der jeweils betroffenen sprachlichen Konstrukte Bezug nehmen. Andererseits werden (objektsprachliche) Inferenz- und Integritätsregeln 

ausgeschlossen, die Wissen über einen Realitätsausschnitt repräsentieren und deswegen zu einem repräsentationalen 

Modell oder zur Wissensbank eines Wissensbasierten Systems gehören.


Vollständigkeit und Systematik der Aufzählung zu reklamieren: die (Kern-) Informatik einschließlich 

(V)KI-Forschung, Information Systems Research und Computer Science, die Wirtschaftsinformatik, 

die Betriebswirtschaftslehre und sogar die Philosophie 313) . Soweit Ontologien für bestimmte 

Anwendungsfelder entwickelt werden, lässt sich die Palette involvierter Disziplinen nahezu 

beliebig vermehren. Insbesondere im Bereich der Medizin werden Ontologien bereits relativ intensiv 

erforscht und in ersten Wissensbasierten Systemen auch bereits genutzt. 314) 

Diese disziplinäre Breite und – eng damit verwoben – der interdisziplinäre Ansatz, der bei der Entwicklung 

von Ontologien durch das Zusammenwirken von Vertretern unterschiedlicher Disziplinen 

gefördert wird, unterstreichen die o.a. These, dass Ontologien einen „frischen“ Blick auf Forschungsthemen 

gestatten. Jene Forschungsthemen sind zwar „an sich“ bekannt, aber bislang in verschiedenen 

Disziplinen aus unterschiedlichen Perspektiven weit gehend unabhängig voneinander 

behandelt worden. In dieser Hinsicht wirken Ontologien wie Integratoren. Sie veranlassen, Erkenntnisse 

aus den oben angeführten Disziplinen zusammenzuführen und im gemeinsamen Bezugsobjekt 

„Ontologien“ miteinander zu vernetzen. Daraus können sich fruchtbare Impulse ergeben, den disziplinären 

Erkenntnisstand weiter zu entwickeln. 315) Diese Integrationsqualität und Erkenntnisstimulierung 

haben die Initiatoren des Verbundprojekts KOWIEN bewogen, Ontologien als Grundlage 

für ihre Forschungs-, Entwicklungs- und Transferarbeiten auf dem Gebiet computerbasierter 

Wissensmanagementsysteme zu wählen. 316) 

313) Hiermit ist nicht das „klassische“ Ontologieverständnis der Philosophie gemeint, auf das im Kapitel 1.3.1.1.1 (S. 118 ff.) kurz 

eingegangen wurde. Vielmehr geht es um Beiträge zu Ontologien, die das „moderne“ Ontologieverständnis in pluralischer Rede 

teilen, aber dennoch aus vornehmlich philosophischer Perspektive argumentieren. Dies betrifft vor allem den Bereich „formaler 

Ontologien“, zu dessen Erforschung insbesondere Arbeiten von GUARINO und Mitarbeitern beigetragen haben. Vgl. beispielsweise 

GANGEMI ET AL. (2001) S. 27 ff.; GUARINO (1992) S. 251 ff.; GUARINO (1997b) S. 58 ff.; GUARINO (1997c) S. 140 ff., insbesondere 

S. 146 ff.; GUARINO (1998a) S. 4 ff.; GUARINO (1998b) S. 527 ff.; GUARINO (1999a) S. 1 ff.; GUARINO (1999b) S. 221 

ff.; GUARINO (1999c) S. 5 ff.; GUARINO/CARRARA/GIARETTA (1994a) S. 560 ff.; GUARINO/CARRARA/GIARETTA (1994b) S. 272 

ff.; GUARINO/GIARETTA (1995) S. 27; GUARINO/WELTY (2000a) S. 97 ff.; GUARINO/WELTY (2000b) S. 219 ff.; GUARINO/WELTY 

(2000c) S. 1 ff.; GUARINO/WELTY (2000d) S. 1 ff.; GUARINO/WELTY (2001) S. 1 ff.; GUARINO/WELTY (2002) S. 61 ff.; GUARI- 

NO/WELTY (2004) S. 151 ff.; WELTY/GUARINO (2001) S. 55 ff. u. 61 ff.; vgl. auch die reichhaltige Bibliographie CARRARA/ 

GUARINO (1999). 

314) Vgl. die knappen Hinweise, die im Kapitel 1.3.1.2 (S. 188) zu medizinischen Ontologien erfolgten. 

315) Beispielsweise lässt sich auf die dreifache Ausdifferenzierung von Inferenzregeln (und analog auch Integritätsregeln) verweisen: 

erstens metasprachliche Inferenzregeln der Formalen Logik, zweitens objektsprachliche Inferenzregeln auf der rein sprachlichen 

Ebene in Ontologien und drittens objektsprachliche Inferenzregeln auf der Ebene des Wissens über Realitätsausschnitte, 

die zu Wissensbasen von Wissensbasierten Systemen (oder zu anderen repräsentationalen Modellen von Realitätsausschnitten) 

gehören. Eine solche Ausdifferenzierung war nach Wissen des Verfassers bislang weder in der KI-Forschung noch in anderen 

Disziplinen bekannt, die sich mit Inferenzregeln befassen. Eine Weiterentwicklung kann auch in der Klärung des Verhältnisses 

gesehen werden, in dem Inferenz- und Integritätsregeln zueinander stehen (Näheres dazu im Kapitel 2.4.2.2.3 auf S. 448 ff.). 

Sie ist in der einschlägigen Fachliteratur bislang nicht zu finden. Gleiches gilt für die Problematik von mehr als zweistelligen 

Prädikaten oder Relationen. Sie werden in der Fachliteratur, die sich mit formalsprachlichen Wissensrepräsentationen befasst, 

kaum gewürdigt, stellen sich aber (u.a.) für die Repräsentation von Wissen über Kompetenzen als Desiderat heraus (Näheres 

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 

an dieser Stelle nicht als erforderlich. 

316) Damit wird nicht ausgeschlossen, dass andere Grundlagen eine ähnliche (oder gar höhere) Integrationsqualität und Erkenntnisstimulierung 

als Ontologien aufweisen könnten. Dies zu erforschen, dafür standen im Vorfeld der Entwicklung des Projektvorschlags 

weder die erforderlichen personellen noch die nötigen zeitlichen Ressourcen zur Verfügung. Stattdessen fassen die Initiatoren 

ihr Verbundprojekt als einen Wettbewerbsbeitrag auf. Mit seiner Fundierung in Ontologien steht er in Konkurrenz zu 

anderen Projekten im Bereich des Wissensmanagements, die von anderen Grundlagen ausgehen. An den projektspezifischen 

Ergebnissen mag im Nachhinein beurteilt werden, welche Fundamente sich schließlich als die „ertragsreichsten“ erwiesen haben. 

Die hier vorgelegten Ergebnisse aus dem Verbundprojekt KOWIEN bringen in diesen Wettbewerb Einsichten aus einer 

dezidiert ontologiebasierten Perspektive ein.


Drittens stellen Ontologien einen viel versprechenden Ansatz dar, um den scheinbaren Widerspruch 

zwischen der entweder formal- oder aber natürlichsprachlichen Artikulation von Wissen zu überwinden. 

Denn Ontologien erlauben es, die formalsprachliche Präzision auf der Spezifikationsebene 

mit dem natürlichsprachlichen Ausdrucksreichtum und der natürlichsprachlichen Ausdrucksflexibilität 

auf der Konzeptualisierungsebene zu kombinieren. Sie eröffnen hierdurch eine interessante Perspektive, 

zwischen computerbasiertem Wissensmanagement, das auf „harte“ formalsprachliche 

Wissensrepräsentationen angewiesen ist, und humanzentriertem Wissensmanagement, das sich auch 

mit „weichem“, natürlichsprachlich artikulierten Wissen befasst, zu vermitteln. 

Zuvor wurde vor dem allgemeinen Hintergrund, dass es sich bei Ontologien um nichts grundsätzlich 

Neuartiges handelt, das spezielle Interesse erläutert, das im Rahmen des Verbundprojekts KO- 

WIEN die Beschäftigung mit Ontologien motivierte. Diese Motivationsschilderung lässt jedoch offen, 

wie sich das Themenfeld „Ontologien“ zu anderen, inhaltlich verwandten Themenfeldern verhält. 

Daher wird im Folgenden darauf eingegangen, wie sich Ontologien von verwandten Themenfeldern 

inhaltlich abgrenzen lassen – und in welchem Ausmaß sie mit jenen Themenfeldern übereinstimmen. 

In einer Ontologie werden zunächst die begrifflichen Konzepte spezifiziert, die aus der Konzeptualisierung 

eines Realitätsausschnitts hervorgehen und für die Konstruktion repräsentationaler Modelle 

zur Verfügung stehen. In dieser Hinsicht ähneln Ontologien einigen inhaltlich verwandten Themenfeldern 

noch stark. Dazu gehören vor allem Terminologien, Taxonomien, Nomenklaturen, Data 

Dictionaries, Referenz- und Metamodelle sowie konzeptuelle Modelle. 

Die Abgrenzung von Ontologien gegenüber Terminologien, Nomenklaturen und Data Dictionaries 

fällt relativ leicht. Denn die drei letztgenannten Themenfelder beschränken sich inhaltlich auf die 

Sammlung und Systematisierung 317) von Begriffen, die für den sprachlichen Zugriff auf Realitätsausschnitte 

in Betracht kommen. Diese Begriffssammlungen und -systematisierungen können auch 

Attribute einschließen, die zur inhaltlichen Charakterisierung der Begriffe dienen. Inhaltlich weiter 

reichen Terminologien, Nomenklaturen und Data Dictionaries jedoch im Allgemeinen nicht. Ontologien 

zeichnen sich hingegen durch zusätzliche Relationen und zusätzliche semantische Konstrukte 

wie Inferenz- und Integritätsregeln aus. Daher lassen sich Ontologien relativ einfach von Terminologien, 

Nomenklaturen und Data Dictionaries unterscheiden. 

Gleiches trifft im Prinzip auch auf Taxonomien zu. Taxonomien umfassen zwar über Terminologien, 

Nomenklaturen und Data Dictionaries hinaus auch noch taxonomische Relationen, wie z.B. 

die „is_a“-Relation. Die taxonomischen Relationen gestatten es, eine Begriffssammlung mittels 

Über- und Unterordnungsbeziehungen zwischen Begriffen (zusätzlich) zu systematisieren. Ontologien 

umfassen diese taxonomischen Relationen ebenso. Darüber hinaus gehören zu Ontologien aber 

auch eine breite Palette nicht-taxonomischer Relationen sowie die bereits zuvor erwähnten 

semantischen Konstrukte wie Inferenz- und Integritätsregeln. Daher lassen sich Ontologien auch 

von Taxonomien klar abgrenzen. 

Wesentlich größere Abgrenzungsschwierigkeiten bestehen hingegen in Bezug auf drei Themenfelder 

(Kern-) Informatik und der Wirtschaftsinformatik, die – ebenso wie Ontologien – in einem engen 

Zusammenhang mit der Konzeptualisierung von Realitätsausschnitten stehen. Es handelt sich 

um Referenz- und Metamodelle sowie um konzeptuelle Modelle. Um dem Prinzip „omnis determi- 

317) Die einfachste Form der Begriffssystematisierung stellt ihre alphabetische Sortierung dar. Die anspruchsvollere Systematisierung 

mittels begrifflicher Über- und Unterordnungsbeziehungen bleibt im hier zugrunde gelegten Begriffsverständnis den Taxonomien 

vorbehalten.


natio est negatio“ wenigstens ansatzweise zu genügen, wird nachfolgend ein Vorschlag unterbreitet, 

wie sich das hier verfolgte Ontologieverständnis von den vorgenannten drei Modellbegriffen 318) inhaltlich 

abgrenzen lässt. 319) 

Unter einem Metamodell 320) wird hier die Spezifikation des Termvorrats und der Syntax einer formalen 

321) Sprache verstanden, die zur formalsprachlichen Modellierung von Realitätsausschnitten 

dient. 322) Ein Metamodell legt die Ausdrucksmittel einer formalen Modellierungssprache fest. In 

Anlehnung an das Mehrstufenkonzept sprachlicher Welterfassung werden Modelle, die einen Realitätsausschnitt 

repräsentieren, in diesem Zusammenhang als Objektmodelle bezeichnet. 323) Dagegen 

spezifiziert ein Metamodell die Gesamtheit aller Objektmodelle, die sich mit den Ausdrucksmitteln 

einer vorgegebenen formalen Modellierungssprache auf der Objektebene ausdrücken lassen. 

318) Da die angesprochenen Modellarten innerhalb der Informatik und der Wirtschaftsinformatik keineswegs einheitlich verwendet 

werden, sieht sich der Abgrenzungsvorschlag von vornherein dem potenziellen Vorwurf ausgesetzt, den einen oder anderen 

Modellbegriff „einseitig“ ausgelegt zu haben. Dieser Vorwurf wird hier bewusst in Kauf genommen, weil es keine Absicht dieses 

Beitrags ist, eine „repräsentative“ Übersicht über den Sprachgebrauch seitens der Informatik und der Wirtschaftsinformatik 

zu bieten. Vielmehr dienen die Modellbegriffe der Informatik und der Wirtschaftsinformatik auf dem Gebiet der Konzeptualisierung 

möglicher Realitätserfahrungen nur als ein „Argumentationsvehikel“, um das hier verfolgte Ontologieverständnis zu 

verdeutlichen. Wer mit den Interpretationen jener Modellbegriffe durch den Verfasser nicht einverstanden ist, mag sie in Zweifel 

ziehen oder ergänzen; aber an der Explikation des Ontologiebegriffs für den hier vorgelegten Beitrag wird dies kaum etwas 

Wesentliches ändern. 

319) Die Ausführungen folgen in Bezug auf Referenz- und Metamodelle der Argumentation, die bereits in ZELEWSKI (1999a) S. 7 ff. 

und ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 190 ff. vorgestellt wurde. Vgl. auch die „Adaption“ dieser Argumentation durch 

PETKOFF (o.J.) S. 6 ff. 

320) Vgl. zu Metamodellen BRINKKEMPER/SAEKI/HARMSEN (1999) S. 209 ff.; FRANK (1998) S. 13 f.; JARKE ET AL. (1997) S. 230 ff.; 

ROSEMANN/GREEN (2002) S. 76 ff., insbesondere S. 78 ff.; SCHEER (2001) passim, u.a. Titel sowie S. 5, 13, 19 u. 38; STRAH- 

RINGER (1995); STRAHRINGER (1998) S. 16 ff.; THOMAS/SCHEER (2003) S. 687 ff.; WIELINGA/SCHREIBER (1994) S. 115; WINTER 

(2000) S. 116 ff. 

321) Obwohl die Unterscheidung zwischen Objekt- und Metamodellen von vornherein nicht auf einen bestimmten Typ von Modellierungssprachen 

eingeschränkt ist, wird der Begriff „Metamodell“ im Bereich der Wirtschaftsinformatik überwiegend im Kontext 

formalsprachlicher Objektmodellierungen verwendet. Dieser Verwendungsweise wird hier gefolgt. Im Interesse einer klaren 

und eindeutigen Begriffsverwendung werden Metamodelle von vornherein ausschließlich auf formale Sprachen für die Objektmodellierung 

bezogen. 

322) Vgl. zu ähnlichen Auslegungen des Begriffs „Metamodell“ – allerdings in der Regel ohne Explizierung des Termvorrats als einer 

Begriffskonstituente – die entsprechende Literaturanalyse von STRAHRINGER (1995) sowie SCHEER (2001) passim, insbesondere 

S. 35 f. (mit dem plastischen Beispiel des Modellierungsschemas der Linearen Programmierung [LP] als LP-Metamodell 

für die Gesamtheit aller Entscheidungsmodelle, die sich als LP-Modelle darstellen lassen) u. 116 f. (ein Metamodell für Klassendiagramme); 

SCHÜTTE (1998) S. 68, 72 u. 74. Vgl. des Weiteren JARKE ET AL. (1997) S. 230 ff.; PETKOFF (o.J.) S. 6. 

Da der Begriff des Metamodells in mehreren Varianten verwendet wird und des Öfteren keine präzise Definition erfolgt, wird 

hier nicht der Anspruch erhoben, über „das einzig richtige“ Verständnis von Metamodellen zu verfügen. Stattdessen wird lediglich 

ein spezielles Begriffsverständnis vertreten, das sich zur klaren Abgrenzung zwischen Ontologien und Metamodellen eignet 

(und sich darüber hinaus mit den voranstehenden Quellen inhaltlich vereinbaren lässt). 

323) Da Objektmodelle einen Realitätsausschnitt repräsentieren, stimmen sie mit den repräsentationalen Modellen überein, die oben 

in Abgrenzung gegenüber konzeptuellen Modellen eingeführt wurden. Die Bezeichnungen „Objektmodell“ und „repräsentationales 

Modell“ stellen daher Synonyme dar.


Die Spezifikation der Gesamtheit aller Objektmodelle besteht einerseits aus der Festlegung aller zulässigen 

formalsprachlichen Ausdrücke („Terme“), aus denen ein Objektmodell aufgebaut werden 

kann, 324) und andererseits aus der Festlegung aller formalsprachlichen zulässigen Ausdrucksverknüpfungen 

(„Syntax“). Hierdurch werden die Ausdrucksmöglichkeiten einer formalen Modellierungssprache 

vollständig spezifiziert. Allerdings bedeutet diese Fokussierung auf die Ausdrucksmöglichkeiten 

– d.h. Termvorrat und Syntax – einer formalen Modellierungssprache, dass innerhalb 

eines Metamodells alle Aspekte der repräsentationalen Semantik jener Objektmodelle verloren gehen, 

die mittels der jeweils betroffenen Modellierungssprache für einen Realitätsausschnitt erstellt 

werden können. In dieser Hinsicht lassen sich Metamodelle auch als eine „semantische Abstraktion“ 

von Objektmodellen auffassen. 325) 

Aus wissenschaftstheoretischer Perspektive entspricht ein Metamodell dem „terminologischen Apparat“ 

einer Theorie. Er manifestiert sich aus dem Blickwinkel des strukturalistischen Theorienkonzepts, 

auf das bereits im Kapitel 1.3.1.1.1 eingegangen wurde (S. 128 ff.), als die Menge aller 

potenziellen Modelle 326) der jeweils betroffenen Theorie. Daher besteht eine bemerkenswerte zweifache 

Entsprechung zwischen Metamodellen für Modellierungssprachen einerseits und dem strukturalistischen 

Theorienkonzept andererseits. Sie besteht erstens zwischen einem Metamodell und 

einer strukturalistischen Menge potenzieller Modelle, die sich beide auf keinen bestimmten Realitätsausschnitt 

beziehen, sondern rein sprachlicher Natur sind. Zweitens erstreckt sie sich – jeweils 

in Bezug auf einen gegebenen Realitätsausschnitt – zwischen den Objektmodellen, die jenen Realitätsausschnitt 

repräsentieren, und den strukturalistischen Modellen einer Theorie für jenen Realitätsausschnitt. 

Aus dem Blickwinkel von Modellierungstheorie und -praxis lassen sich mehrere Spezifikationen 

der Ausdrucksmöglichkeiten formaler Modellierungssprachen identifizieren, die inhaltlich Metamodelle 

darstellen, auch wenn sie oftmals nicht als solche bezeichnet werden. Dazu gehören beispielsweise 

die Spezifikationen der formalen Sprachen UML (Unified Modeling Language) 327) und 

KIF (Knowledge Interchange Format) 328) . Auch die Spezifikationen der Ausdrucksmöglichkeiten, 

die einerseits von Entity-Relationship-Modellierungen 329) und andererseits von Ereignisgesteuerten 

324) In dieser Hinsicht umfasst ein Metamodell, sofern von der üblichen Beschränkung auf formale Modellierungssprachen abgesehen 

wird, auch die Data Dictionaries und Data Repositories, die in der Wirtschaftsinformatik schon seit längerem propagiert 

werden, denen aber bislang kein durchschlagender Erfolg vergönnt war. Metamodelle lassen sich daher als eine „moderne“, 

„fortentwickelte“ Form von Data Dictionaries und Data Repositories auffassen. 

325) Vgl. SCHÜTTE (1998) S. 72 und Abb. 2.8 auf S. 73. 

326) Vgl. ZELEWSKI (1993a) S. 96, 217 f., 226 f., 231 f. u. 245 f. 

327) Vgl. FOWLER/SCOTT (1998) S. 17 ff.; OBJECT MANAGEMENT GROUP (2001); SCHADER/KORTHAUS (1998). Vgl. daneben auch 

FRANK/ PRASSE (1997) S. 45 ff., 54 ff. u. 86 ff.; FRANK (2000a) S. 712 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 72 ff.; JECKLE 

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 

Metamodelle) u. 197 ff.; SOWA (2000) S. 435 ff. Vgl. auch GUIZZARDI/HERRE/WAGNER (2002) S. 72 ff. mit einer bemerkenswerten 

Analyse von UML aus der Perspektive von Ontologien. Vgl. auch zur Anwendung von UML auf die Konstruktion von 

Ontologien ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) S. 87 ff.; BACLAWSKI ET AL. (2002) S. 142 ff. 

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- 

BER (1995) S. 911 ff.; MIHOUBI/SIMONET/SIMONET (1998) S. 370 ff. (mit einer ontologiebezogenen Erweiterung M-KIF zu 

KIF); SOWA (2000) S. 489 ff. 

329) Vgl. zu Entity-Relationship-Modellierungen, die maßgeblich auf Arbeiten von CHEN beruhen, CHEN, P. (1976) S. 9 ff.; KRUSE 

(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.; 

WEBER (1997) S. 103 ff. Vgl. auch die kritische Auseinandersetzung mit Entity-Relationship-Modellierungen aus der Perspektive 

von Ontologien – speziell aus dem Blickwinkel der BUNGE/WAND/WEBER-Ontologie – WEBER (1997) S. 107 ff. u. 143 ff.


Prozessketten 330) für die Modellierung informations- und betriebswirtschaftlicher Sachverhalte geboten 

werden, können als Metamodelle angesehen werden. Dies ist jedoch nur zulässig, sofern Entity-Relationship-Modelle 

und Ereignisgesteuerte Prozessketten als formale Sprachen zur Modellierung 

der „daten-“ bzw. „prozesstechnischen“ Aspekte von Realitätsausschnitten aufgefasst werden. 

331) 

Ontologien stimmen mit Metamodellen zunächst hinsichtlich ihrer grundsätzlichen Zwecksetzung 

überein, sprachliche Ausdrucksmittel für die Repräsentation von Wissen über Realitätsausschnitte 

zu spezifizieren. Dabei spielt es keine Rolle, ob die realitätsbezogene Wissensrepräsentation entweder 

in der Diktion von Objektmodellen angesprochen wird, die mit einer formalen Modellierungssprache 

konstruiert werden (wie es für Metamodelle der Fall ist), oder ob sie mittels der Konstruktion 

repräsentationaler Modelle thematisiert wird (wie es für Ontologien typisch ist). Dennoch unterscheiden 

sich Ontologien und Metamodelle in mehreren Details. 332) 

Erstens könnte die Ansicht vertreten werden, dass sich Metamodelle auf Repräsentationen von tatsächlichen 

Realitätserfahrungen durch Objektmodelle beschränken. Ontologien setzen hingegen 

keine Modellierung realer Objekte voraus, sondern beziehen sich in allgemeiner Weise auf die 

Konzeptualisierung möglicher Realitätserfahrungen. Allerdings betrachtet der Verfasser diesen ersten 

Aspekt als unwesentlich, weil er keinen Hinderungsgrund sieht, mit der formalen Modellierungssprache, 

die seitens eines Metamodells spezifiziert wird, auch „kontrafaktische“ Objektmodelle 

zu konstruieren. Es handelt sich dabei um Objektmodelle, die Sachverhalte repräsentieren, die in 

einem untersuchten Realitätsausschnitt (noch) nicht beobachtet wurden, aber zumindest als (denk-) 

möglich gelten und mittels der formalen Modellierungssprache ausgedrückt werden können. Daher 

wird die erstgenannte Unterscheidungsmöglichkeit zwischen Metamodellen und Ontologien nicht 

weiter verfolgt. 

330) Vgl. zu Ereignisgesteuerten Prozessketten, die vor allem von SCHEER popularisiert wurden, GROB/VOLCK (1995) S. 604 ff.; 

KINDLER (2003) S. 7 ff.; KELLER/NÜTTGENS/SCHEER (1992) S. 11 ff.; NÜTTGENS/RUMP (2002) S. 1 ff.; RITTGEN (2000) S. 27 ff.; 

sowie die (sonstigen) Beiträge in NÜTTGENS/RUMP (2003). Vgl. auch die kritische Auseinandersetzung mit Ereignisgesteuerten 

Prozessketten aus der Perspektive von Ontologien – speziell aus dem Blickwinkel der BUNGE/WAND/WEBER-Ontologie – FETT- 

KE/LOOS (2003) S. 64 ff. 

331) Es lässt sich darüber streiten, ob Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten formale Modellierungssprachen 

darstellen. Erstens handelt es sich bei Entity-Relationship-Modellen und Ereignisgesteuerten Prozessketten zunächst nur 

um Objektmodelle, die einen Realitätsausschnitt repräsentieren. Diese Objektmodelle sind hier aber nicht gemeint. Stattdessen 

ist stets die Modellierungssprache gemeint, die der Konstruktion von Entity-Relationship-Modellen bzw. Ereignisgesteuerten 

Prozessketten zugrunde liegt. Wenn die Modellierungssprache selbst gemeint ist, wird oftmals im Singular gesprochen, also 

z.B. von „dem“ Entity-Relationship-Modell; vgl. z.B. RAUH/STICKEL (1997) S. 37 in Verbindung mit S. 14 u. 36. Zur Verdeutlichung 

sprechen RAUH/STICKEL (1997) auf S. 40 auch von Entity-Relationship-Schema (oder kurz: „ER-Schema“), wenn sie 

sich nicht auf ein einzelnes Entity-Relationship-Modell, sondern auf die Gesamtheit aller Entity-Relationship-Modelle beziehen, 

die sich mit der zugrunde liegenden Modellierungssprache für Entity-Relationship-Modelle konstruieren lassen. In diesem 

Sinn werden Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten hier nicht als konkrete Objektmodelle, sondern 

als verkürzte Bezeichnungen für Modellierungssprachen aufgefasst, die zur Konstruktion von Entity-Relationship-Modellen 

bzw. von Ereignisgesteuerten Prozessketten dienen. Zweitens könnte bezweifelt werden, ob es sich bei diesen Modellierungssprachen 

um formale Modellierungssprachen handelt. Denn oftmals werden diese Modellierungssprachen in natürlichsprachlicher, 

allenfalls graphisch angereicherter Weise erläutert. Allerdings existieren auch formalsprachliche Darstellungen von Modellierungssprachen 

für Entity-Relationship-Modelle und Ereignisgesteuerte Prozessketten, auf die sich der Verfasser in der o.a. 

Textpassage zu Metamodellen bezieht. Vgl. z.B. zur Behandlung „des“ Entity-Relationship-Modells als formale Modellierungssprache 

RAUH/STICKEL (1997) S. 40 ff. 

332) Vgl. zur Abgrenzung zwischen Ontologien und Metamodellen auch PETKOFF (o.J.) S. 7 f. 

Abweichender Ansicht sind WIELINGA/SCHREIBER (1994) S. 115, indem sie Ontologien und Metamodelle miteinander identifizieren.


Zweitens gestatten Metamodelle sowohl eine natürlich- als auch eine formalsprachliche Spezifikation 

der Gesamtheit aller Objektmodelle, die sich mit der zugrunde liegenden formalen Modellierungssprache 

ausdrücken lassen. Denn der Begriff des Metamodells lässt es offen, ob die Spezifikation 

des Termvorrats und der Syntax einer formalen Modellierungssprache auf entweder natürlich- 

oder aber formalsprachliche Weise erfolgt. Diese Disjunktion ist noch nicht einmal vollständig, weil 

sich ebenso eine Kombination von natürlich- mit formalsprachlichen Spezifikationskomponenten 

vorstellen lässt. Betrachtet man diejenigen Metamodelle, die im Rahmen der Wirtschaftsinformatik 

konkret vorgelegt werden, zeigt sich, dass der letztgenannte Kombinationsfall sogar den Regelfall 

darstellt. Dagegen besteht eine „Essenz“ des Ontologieverständnisses, das im Kapitel 1.3.1.1.3 (S. 

141 ff.) entfaltet wurde, in seiner Formalsprachlichkeit. Denn es beschränkt sich auf eine nicht nur 

explizite, sondern durchgängig formalsprachliche Spezifikation derjenigen sprachlichen Ausdrucksmittel, 

die für die Konstruktion repräsentationaler Modelle aufgrund einer gemeinsamen 

Konzeptualisierung möglicher Realitätserfahrungen zur Verfügung stehen. Insofern stellen Ontologien 

eine formalsprachliche „Radikalisierung“ von Metamodellen dar. 

Drittens bleibt der Ontologiebegriff so, wie er bislang in Anlehnung an GRUBER eingeführt wurde, 

zunächst hinsichtlich der einsetzbaren Spezifikationsmittel erstaunlich unbestimmt. Der Begriff des 

Metamodells rekurriert hingegen von vornherein auf Termvorrat und Syntax als einzige Instrumente 

zur Spezifikation einer formalen Modellierungssprache. Bei näherer Betrachtung von Ontologien, 

wie sie seitens der KI-Forschung und neuerdings auch seitens der Wirtschaftsinformatik entwickelt 

werden, zeigt sich, dass Termvorrat und Syntax auf jeden Fall ebenso zum Instrumentarium ontologischer 

Spezifikationen gehören. 333) Im Gegensatz zu Metamodellen lässt sich aber als Charakteristikum 

von Ontologien hervorheben, dass sie neben terminologischen und syntaktischen Spezifikationsmitteln 

mindestens zwei weitere Spezifikationsmittel einsetzen: Dies betrifft einerseits taxonomische 

Relationen, die sich in Über- und Unterordnungsbeziehungen für begriffliche Konzepte niederschlagen, 

und andererseits semantische Konstrukte, zu denen insbesondere Inferenz- und Integritätsregeln 

gehören. Weder taxonomische Relationen noch semantische Konstrukte sind für Metamodelle 

üblich. 334) Dies erachtet der Verfasser als wichtigstes Unterscheidungsmerkmal zwischen 

Ontologien und Metamodellen. 

333) Dem Termvorrat eines Metamodells entspricht in einer Ontologie das Vokabular aller zulässigen Konzepte (oder Begriffe). Von 

einer Syntax wird hingegen in Bezug auf Ontologien nur selten gesprochen. Dennoch verfügen Ontologien über eine Syntax, 

die allerdings oftmals in anderen Spezifikationsmitteln „verborgen“ bleibt. Im einfachsten Fall wird die Syntax einer Ontologie 

durch die nicht-taxonomischen Relationen festgelegt. Diese Relationen geben alle zulässigen Verknüpfungsweisen für die Konzepte 

(oder Begriffe) einer Ontologie an. In anspruchsvolleren Fällen können für eine Ontologie auch Formeln definiert werden, 

die sich mit den (übrigen) sprachlichen Ausdrucksmitteln der betroffenen Ontologie „formen“ lassen. Die Formierungsregeln 

für sprachlich zulässige „ontologische“ Formeln bilden dann in ihrer Gesamtheit die Syntax der Ontologie. Vgl. dazu die Spezifikation 

zulässiger Formeln, die im Kapitel 1.3.2.2.2 auf S. 244 f. anlässlich der Präzisierung des Ontologieverständnisses 

für das Verbundprojekt KOWIEN erfolgt. 

334) Diese Feststellung hängt davon ab, ob der oben eingeführten Definition von Metamodellen gefolgt wird, der zufolge Metamodelle 

den Termvorrat und die Syntax einer formalen Modellierungssprache spezifizieren. Wird hingegen eine erweiterte Vorstellung 

von Metamodellen vertreten, die auch taxonomische Relationen und semantische Konstrukte umfasst, entfällt das oben 

erwähnte Unterscheidungsmerkmal zwischen Ontologien und Metamodellen. Vgl. beispielsweise RAUH/STICKEL (1997) S. 40 

ff. Dort wird die Klasse aller Entity-Relationship-Modelle mit der Hilfe des Entity-Relationship-Schemas (vgl. S. 40) so spezifiziert, 

dass sich die Spezifikation auch auf eine taxonomische Relation (die „subsetof“-Relation; vgl. S. 42) sowie auf Inferenz- 

und Integritätsregeln als semantische Konstrukte (vgl. S. 40 f., 69 ff. u. 146 ff.) erstreckt. Diese Spezifikation des Entity- 

Relationship-Schemas lässt sich als ein Metamodell aller Objektmodelle auffassen, die in der formalen Gestalt von Entity- 

Relationship-Modellen „schemagerecht“ konstruiert werden können (diese Auffassung wurde oben im Kontext praktischer Beispiele 

für Metamodelle geteilt). Dann liegt ein Metamodell vor, das ebenso über taxonomische Relationen und semantische 

Konstrukte verfügt.


Die semantische Dimension der Spezifikationsmittel von Ontologien erweist sich in mehrfacher 

Hinsicht als bemerkenswert. Zunächst durchbricht sie die übliche Beschränkung von Metamodellen 

auf formalsprachliche Modellierungen von Realitätsausschnitten. Denn die Semantik einer Ontologie 

gestattet es ebenso, Ausdrucksmöglichkeiten für repräsentationale Modelle zu spezifizieren, die 

– vollständig oder teilweise – in natürlicher Sprache verfasst sind. 335) An die Stelle des formalsprachlichen 

Termvorrats eines Metamodells tritt dann ein Vokabular, 336) das aus natürlichsprachlichen 

Ausdrücken besteht. Die korrekte Verwendung dieser natürlichsprachlichen Ausdrücke wird 

innerhalb einer Ontologie mittels semantischer Regeln spezifiziert. 337) Wie schon an früherer Stelle 

ausführlicher erläutert wurde, legen solche Regeln beispielsweise fest, wie aus explizitem Wissen, 

das mittels der natürlichsprachlichen Ausdrücke des vorgegebenen Vokabulars formuliert wurde, 

das darin implizit enthaltene Wissen erschlossen werden kann. Diese objektsprachlichen Inferenzregeln 

des inhaltlichen oder natürlich(sprachlich)en Schließens ähneln den metasprachlichen Inferenzregeln 

der Formalen Logik hinsichtlich ihrer Fähigkeit, implizites Wissen zu explizieren. Im 

Gegensatz zu formal-logischen Inferenzregeln nehmen sie aber nicht (nur) auf die äußere Gestalt – 

die z.B. prädikatenlogische „Form“ – des expliziten Wissens Bezug, sondern werten (auch) Wissen 

über den Inhalt – die „Bedeutung“ – der natürlichsprachlichen Ausdrücke aus. Andere semantische 

Regeln können den Charakter von Integritätsregeln besitzen, indem sie spezifizieren, welche Verknüpfungen 

natürlichsprachlicher Ausdrücke – über deren syntaktisch korrekte Verknüpfung hinaus 

– auch inhaltlich zulässig sind. 

335) Es wurde bereits anlässlich der Charakterisierung von Metamodellen erwähnt, dass die begriffliche Unterscheidung zwischen 

Objekt- und Metamodellen nicht von vornherein auf einen bestimmten Typ von Modellierungssprachen eingeschränkt ist, also 

auch die Verwendung natürlichsprachlich verfasster Objektmodelle zulässt. Im Falle der Verwendung natürlichsprachlich verfasster 

Objektmodelle bestünde jedoch kein wesentlicher Unterschied mehr (zumindest hinsichtlich des objektsprachlich zulässigen 

Sprachtyps) zwischen einerseits Metamodellen, welche die Ausdrucksmöglichkeiten einer natürlichen Modellierungssprache 

für die Objektebene spezifizieren, und andererseits Ontologien, mit denen die sprachlichen Ausdrucksmittel für natürlichsprachliche 

repräsentationale Modelle spezifiziert werden. Eine solche Ausweitung von Metamodellen auf natürliche Modellierungssprachen 

für die Objektebene ist weder im Bereich der Wirtschaftsinformatik üblich, noch würde dies zu einer trennscharfen 

Verwendung der Begriffe „Metamodell“ und „Ontologie“ beitragen. Daher wird die frühere Festlegung beibehalten, 

von Metamodellen nur dann zu sprechen, wenn sie sich auf die Ausdrucksmöglichkeiten einer formalen Modellierungssprache 

für Objektmodelle beziehen. 

336) Zur begrifflichen Unterscheidung wird im Kontext von Metamodellen entweder von einem Termvorrat oder aber einem Vokabular 

gesprochen, wenn eine (nicht-leere) Menge formal- bzw. natürlichsprachlicher Ausdrücke gemeint ist. Soll hingegen zwischen 

formal- und natürlichsprachlichen Ausdrücken nicht differenziert werden, so wird der Begriff „Terminologie“ als Oberbegriff 

zu Termvorrat und Vokabular verwendet. Der Übersichtlichkeit halber wird von dem ebenso denkmöglichen Fall abgesehen, 

dass formal- und natürlichsprachliche Ausdrücke in derselben Terminologie miteinander vermengt vorkommen. 

337) Hier werden semantische Regeln nur in Bezug auf die Spezifikation natürlichsprachlicher Konzeptualisierungen erläutert, weil 

in dieser Natürlichsprachlichkeit eine wesentliche Erweiterung von Ontologien gegenüber bislang üblichen Metamodellen liegt. 

Diese argumentative Fokussierung soll jedoch keineswegs den Eindruck erwecken, semantische Regeln könnten ausschließlich 

auf natürlichsprachliche Spezifikationen angewendet werden. Vielmehr umfassen Ontologien ebenso semantische Regeln, welche 

die inhaltlich korrekte Verwendung formalsprachlicher Ausdrücke festlegen. Diese Regeln sind im Rahmen formalsprachlicher 

Kalküle, wie etwa der Prädikatenlogik (1. Stufe) oder der (sortierten) Algebra, als „formale Semantik“ wohlvertraut. Beispielsweise 

treten die nachfolgend erwähnten Inferenzregeln in der Prädikatenlogik als Deduktionsregeln in Erscheinung, wie 

etwa der Modus ponens, der Modus tollens sowie die Kombination aus Unifizierungs- und Resolutionsregeln (bekannt geworden 

durch die prädikatenlogische Spezifikations- und Programmiersprache Prolog). Integritätsregeln werden hingegen häufig in 

algebraischen Spezifikationen verwendet, und zwar in der typischen Gestalt von Gleichungen zwischen Termen (oder Sorten), 

die als „Axiome“ die Menge aller inhaltlich zulässigen Termverknüpfungen festlegen. Also lassen sich auch innerhalb formalsprachlicher 

Kalküle semantische Kategorien wie „Inhalte“, „Bedeutungen“ u.ä. erörtern. Diese Aspekte einer formalen Semantik 

werden hier aber nicht näher diskutiert, weil im Vergleich zu Metamodellen vor allem der natürlichsprachliche Aspekt von 

Ontologien interessiert.


Es könnte der Einwand erhoben werden, die Zulässigkeit natürlichsprachlicher Ausdrucksmöglichkeiten 

für repräsentationale Modelle widerspreche „offensichtlich“ dem weiter oben skizzierten 

programmatischen Anspruch der KI-Forschung, die Spezifikationen einer Ontologie auf vollständig 

formalsprachliche Weise zu leisten. Dieser Anschein eines Selbstwiderspruchs trügt jedoch, weil 

zwei Bezugsebenen unzulässig konfundiert werden: Auf der Ebene der Konzeptualisierung möglicher 

Realitätserfahrungen lassen Ontologien neben formalsprachlichen auch natürlichsprachliche 

Ausdrücke zu. Im Regelfall erfolgt die Konzeptualisierung sogar nur mittels natürlichsprachlich 

verfasster konzeptueller Modelle. Dagegen erstreckt sich der Anspruch vollständiger (Explizierung 

und) Formalisierung ausschließlich auf die Ebene der Spezifikation der sprachlichen Ausdrucksmittel 

für jene repräsentationalen Modelle, die mit der natürlichsprachlichen Konzeptualisierung des 

betroffenen Realitätsausschnitts übereinstimmen. Auf der Spezifikationsebene zeichnet sich daher 

eine Ontologie immer durch eine formale Semantik derjenigen Realitätserfahrungsmöglichkeiten 

aus, die in der zugrunde liegenden Konzeptualisierung natürlichsprachlich beschrieben wurden. 

Zugleich handelt es sich um eine repräsentationale Semantik, weil sie die Gesamtheit aller Ausdrucksmöglichkeiten 

für die Repräsentation von Wissen über einen Realitätsausschnitt spezifiziert, 

die zur Konstruktion von repräsentationalen Modellen zur Verfügung stehen. 

In der Anwendung formalsprachlicher Spezifikationen auf natürlichsprachliche Konzeptualisierungen 

von erfahrungsrelevanten Realitätsausschnitten liegt nach Einschätzung des Verfassers einer 

der wesentlichen Gründe für die besondere Beachtung, die Ontologien sowohl aus wissenschaftstheoretischer, 

insbesondere sprachanalytischer, als auch aus pragmatischer Perspektive widerfährt. 

Unter dem Vorbehalt, dass sich die „vollmundigen“ Verheißungen von Vertretern der Ontologieforschung 

in der konkreten Bearbeitung realweltlicher Problemstellungen auch tatsächlich einlösen 

lassen, eröffnen Ontologien bemerkenswerte Perspektiven, die angesichts der vorherrschenden Disjunktion 

zwischen entweder formal- oder aber natürlichsprachlichen Denkwelten bislang überhaupt 

nicht zur Debatte standen. Wie schon oben angesprochen wurde, erlauben es Ontologien, formalsprachliche 

Präzision bei der Spezifikation von Konzepten mit dem natürlichsprachlichen Ausdrucksreichtum 

und der natürlichsprachlichen Ausdrucksflexibilität bei der Konzeptualisierung von 

Realitätsausschnitten zu kombinieren. 

Nur am Rande sei darauf hingewiesen, dass diese Kombination aus formalsprachlicher Semantik 

auf der Spezifikationsebene und natürlichsprachlicher Realitätskonzeptualisierung offensichtlich 

der Intention von SEARLES „Chinese-Room“-Gedankenexperiment 338) zuwiderläuft, die prinzipielle 

Unmöglichkeit eines formalsprachlichen Zugangs zur Semantik lebensweltlicher Sprachhandlungen 

nachzuweisen. Die Ausdehnung ontologischer Spezifikationen auf semantische und dennoch rein 

formalsprachliche Spezifikationsmittel impliziert die Anwendung einer „formalen Semantik“ auf 

die jeweils konzeptualisierten Realitätsausschnitte. Dies widerspricht dem Credo von SEARLE, dass 

ein „inhaltliches“ Verständnis von „Bedeutungen“ durch formalsprachliche Artefakte grundsätzlich 

ausgeschlossen sein soll. Es wird spannend sein zu verfolgen, ob es mittels Ontologien gelingen 

wird, SEARLES Unmöglichkeitsthese ins Wanken zu bringen. 

338) Auf dieses Gedankenexperiment wird im Kapitel 1.3.1.4 (S. 222) zurückgekommen.


Fiel schon die Abgrenzung zwischen Ontologien und Metamodellen nicht leicht, so bereitet die Unterscheidung 

zwischen Ontologien und Referenzmodellen noch größere Schwierigkeiten. 339) Dies 

liegt insbesondere daran, dass Referenzmodelle – im Gegensatz zu Metamodellen 340) – mit Ontologien 

von vornherein die semantische Dimension teilen. 

In der Wirtschaftsinformatik versteht man unter Referenzmodellen 341) zumeist eine Abstraktion einer 

Klasse von Objektmodellen, die sich auf einen gemeinsamen Realitätsausschnitt beziehen. 342) 

Wird dieser Realitätsausschnitt, auf den sich eine Klasse von Objektmodellen gemeinsam bezieht, 

als „Domäne“ bezeichnet, so kann ein Referenzmodell auch als ein domänenspezifischer Modelltyp 

aufgefasst werden. Aus ihm gehen konkrete Objektmodelle der betroffenen Domäne hervor, indem 

die abstrakten Komponenten des Modelltyps konkretisiert („instanziiert“) werden. 

Referenzmodelle zeichnen sich durch eine zweifache Semantik aus: 343) Sie verfügen sowohl über eine 

repräsentationale Semantik, welche die jeweils „referenzierte“ Domäne spezifiziert, als auch 

über eine normative Semantik. Die normative Semantik eines Referenzmodells wird durch seinen 

„Empfehlungs-“ oder „Sollcharakter“ konstituiert. Er kommt dadurch zustande, dass ein Referenzmodell 

seinen Anwendern empfiehlt, wie „wohlgestaltete“ Objektmodelle der Domäne konstruiert 

werden sollten. 

Eine erste Diskrepanz zwischen Referenzmodellen und Ontologien besteht hinsichtlich ihrer semantischen 

Reichweite. Ontologien besitzen zwar wie Referenzmodelle eine repräsentationale Semantik, 

aber keine darüber hinaus reichende normative Semantik. Ontologien spezifizieren nur die 

sprachlichen Ausdrucksmittel, mit denen sich repräsentationale Modelle für konzeptualisierte Realitätsausschnitte 

gestalten lassen, unterscheiden jedoch nicht zwischen empfehlenswerten und zu 

vermeidenden Weisen der Modellierung von Realitätsausschnitten. Letztes ist hingegen für Referenzmodelle 

typisch. Die Auszeichnung empfehlenswerter und die Stigmatisierung vermeidenswerter 

Modellierungsweisen geschieht zumeist in der Art, dass Referenzmodelle die empfehlenswerten 

Modellierungsweisen in sich vereinen. Die vermeidenswerten Modellierungsweisen ergeben sich 

daraus implizit als Abweichungen von den Vorgaben („Empfehlungen“) der Referenzmodelle. Seltener 

ist die Explizierung der normativen Semantik von Referenzmodellen durch die ausdrückliche 

Spezifizierung von Grundsätzen, die bei der Konstruktion „wohlgestalteter“ Objektmodelle beachtet 

werden sollen. 344) 

339) Vgl. zur Abgrenzung zwischen Ontologien und Referenzmodellen auch PETKOFF (o.J.) S. 8 f. 

Mitunter werden keine grundsätzlichen Unterschiede zwischen Ontologien und Referenzmodellen gesehen. Beispielsweise fasst 

PARTRIDGE (2002) S. 22 Ontologien als primäre Kandidaten für Referenzmodelle auf. 

340) Auf das Verhältnis zwischen Referenz- und Metamodellen geht PETKOFF (o.J.) S. 8 näher ein. 

341) Vgl. zu Referenzmodellen BECKER/NEUMANN (2003) S. 619 ff.; FRANK (1998) S. 11 f.; FRANK (2000b) S. 1 u. 3 ff.; HAMM 

(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- 

TERS ET AL. (2000) S. 4430 f.; MEIJS (1994) S. 245 ff.; OTTO (1999) S. 23 ff.; POSSEL-DOELKEN/ZHENG (2002) S. 256 ff.; 

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- 

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. 

167 ff. 

342) Vgl. zu ähnlichen Auslegungen des Begriffs „Referenzmodell“ MARENT (1995) S. 304; SCHEER (2001) S. 41, 94 u. 181 f. (allerdings 

ohne klare Abgrenzung gegenüber Metamodellen); SCHÜTTE (1998) S. 66 u. 69 f. (dort wird der klassenkonstituierende, 

gemeinsame Realitätsausschnitt zu einer „Klasse von Unternehmen“ [S. 66] konkretisiert) sowie S. 72 f. u. 74 f. 

343) Vgl. SCHÜTTE (1998) S. 69. 

344) Vgl. dazu ausführlich die Aufstellung und Erläuterung von Grundsätzen ordnungsmäßiger (Referenz-) Modellierung bei 

SCHÜTTE (1998) S. 111 ff.


Darüber hinaus unterscheiden sich Ontologien und Referenzmodelle hinsichtlich der Art der tatsächlich 

verwendeten semantischen Spezifikationsmittel. Für Referenzmodelle sind die bemerkenswerten 

Spezifikationsmittel einer formalen Semantik unbekannt, die in Ontologien vor allem in der 

Gestalt von Inferenz- und Integritätsregeln zur Verfügung stehen. 345) 

Ein weiterer Unterschied erstreckt sich auf den Typ der Sprache, mit der Referenzmodelle versus 

Ontologien formuliert werden. Referenzmodellen fehlt der programmatische Anspruch von Ontologien, 

auf der Ebene der Spezifikation ausschließlich mit formalsprachlichen Ausdrucksmitteln zu 

arbeiten. Denn für Referenzmodelle erfolgt keine Festlegung, mit welchen sprachlichen Ausdrucksmitteln 

sie formuliert werden. Die Praxis der Wirtschaftsinformatik zeigt, dass bei der Referenzmodellierung 

in der Regel natürlich- und formalsprachliche Ausdrucksmittel miteinander kombiniert 

werden, ohne dass klare Regeln erkennbar wären, unter welchen Bedingungen welcher 

Sprachtyp vorgezogen werden sollte. 

Bei der Diskussion von Referenzmodellen wird der Aspekt der Formalsprachlichkeit – ganz im Gegensatz 

zu Ontologien – zumeist nicht explizit thematisiert. Wenn er überhaupt einmal zur Sprache 

gelangt, dann zumeist aus der Perspektive der Indifferenz gegenüber unterschiedlichen Formalsprachen, 

die zur Konstruktion von Objektmodellen für einen gemeinsamen Realitätsausschnitt verwendet 

werden können. Da von allen formalsprachlichen („syntaktischen“) Eigenarten jener Objektmodelle 

abgesehen wird, auf die sich ein Referenzmodell für einen gemeinsamen Realitätsausschnitt 

bezieht, kann auch von einer „syntaktischen Abstraktion“ durch Referenzmodelle gesprochen werden. 

346) Diese Art der syntaktischen Abstraktion durch Referenzmodelle hebt sich deutlich von der 

semantischen Abstraktion durch Metamodelle ab, 347) die an früherer Stelle erläutert wurde. 

Schließlich unterscheiden sich Ontologien von Referenzmodellen durch ihre materielle Reichweite, 

d.h. durch das Spektrum ihrer Gegenstandsbereiche. 348) Referenzmodelle werden in der Regel für 

Realitätsausschnitte entwickelt, die sich durch den umgangssprachlichen Branchenbegriff umschreiben 

lassen. 349) Damit entsprechen Referenzmodelle hinsichtlich ihrer materiellen Reichweite weit 

gehend den Domänen-Ontologien, sofern sie zur Spezifikation der sprachlichen Ausdrucksmittel 

von branchenspezifischem „Domänenwissen“ aufgestellt werden. Daneben werden Ontologien aber 

auch für eine stattliche Anzahl weiterer Gegenstandsbereiche in Betracht gezogen, wie folgender 

345) Analog zur Argumentation, die im Kontext von Metamodellen skizziert wurde, ließe sich auch hier daran denken, Referenzmodelle 

so fortzuentwickeln, dass sie verstärkt mittels einer formalen (Referenz-) Modellierungssprache verfasst werden und auf 

jene formalsprachlichen Referenzmodellbestandteile die Instrumente einer formalen Semantik angewandt werden. Dann würde 

die Diskrepanz zwischen Referenzmodellen und Ontologien erheblich verringert. Abermals wird jedoch im Interesse begrifflicher 

Trennschärfe auf eine solche Erweiterung des Referenzmodellbegriffs verzichtet, zumal sie dem praktischen Gebrauch von 

Referenzmodellen in der Wirtschaftsinformatik nicht entsprechen würde. 

346) Vgl. SCHÜTTE (1998) S. 72 f. 

347) Vgl. zur Verdeutlichung der „orthogonalen“ Sichtweisen von syntaktischer und semantischer Abstraktion durch Referenz- bzw. 

Metamodelle die Abb. 2.8 bei SCHÜTTE (1998) S. 73. 

348) Als Gegenstandsbereich wird hier eine bestimmte Klasse von Realitätsausschnitten bezeichnet, die sich durch die spezielle Art 

der Ausschnittsbildung auszeichnet. Die Gesamtheit der Gegenstandsbereiche, auf die sich ein sprachliches Artefakt (wie Ontologien 

und Referenzmodelle) bezieht, wird als dessen materielle Reichweite bezeichnet. 

349) Auch wenn der Branchenbegriff selbst nicht präzise definiert ist, dürfte das intuitive Vorverständnis, das mit diesem Begriff in 

betriebs- und volkswirtschaftlichen Argumentationszusammenhängen verknüpft ist, jedoch ausreichen, um einen Konsens über 

die Eigenart der hier gemeinten Realitätsausschnitte zu vermitteln. Als verdeutlichende Beispiele sei auf „Branchen-Fernsprechbücher“ 

und auf die Branchengliederung Statistischer Jahrbücher verwiesen. Vgl. ebenso die exemplarische Aufzählung 

von Branchen für Domänen-Ontologien bei STUDER ET AL. (1999) S. 5.


Aufstellung von Ontologietypen für charakteristische Gegenstandsbereiche entnommen werden 

kann: 350) 

Top-Level-Ontologien 351) umfassen die „allgemeinsten“ Konzepte, die sich in allen spezialisierten 

Gegenstandsbereichen der Wahrnehmung oder Vorstellung von Realitätsausschnitten wieder 

finden. Diese Konzepte hohen Allgemeinheitsgrads entsprechen weit gehend den Kategorien 

der klassischen Philosophie. 352) 

Commonsense-Ontologien 353) erstrecken sich auf „allgemeines Weltwissen“, das nicht auf spezielle 

Anwendungsbereiche wie Branchen zugeschnitten ist, sondern in lebensweltlichen Handlungs- 

oder Argumentationszusammenhängen als „selbstverständliches Hintergrundwissen“ immer 

schon vorausgesetzt wird. Die formalsprachliche Erfassung dieses Hintergrundwissens bereitet 

z.B. in der KI-Forschung überaus große Probleme; daher spielen Commonsense-Ontologien 

insbesondere in der KI-Forschung eine herausragende Rolle. 

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- 

PÉREZ (1998) S. 10-6 f.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3 f.; MAEDCHE (2002) S. 21 f.; STUDER/BENJAMINS/FENSEL 

(1998) S. 186; USCHOLD (1996c) S. 16 f.; WIELINGA/SCHREIBER (1994) S. 116 f. Mitunter werden auch weitere Ontologietypen 

thematisiert, wie z.B. die Anwendungsontologien (application ontologies) in GENNARI ET AL. (1994) S. 410 ff.; GÓMEZ- 

PÉREZ/BENJAMINS (1999) S. 1-4; GUARINO (1997a) S. 300 ff. Hierauf wird nicht weiter eingegangen, weil die inhaltliche Abgrenzung 

solcher Anwendungsontologien von den o.a. Ontologietypen – wie etwa Domänen-, Aufgaben- und Methoden- 

Ontologien – sehr schwer fällt. Dies bestätigt auch mittelbar GUARINO (1997c) S. 145, indem er Anwendungsontologien auf 

Konzepte bezieht, die sonst für bestimmte Domänen oder für bestimmte Aufgaben charakteristisch sind. Einen weiteren Ontologietyp 

stellen Themen-Ontologien (topic-based ontolgies) dar; vgl. OUZZANI/BENATALLAH/BOUGUETTAYA (2000) S. 371. 

Vollkommen anders ausgelegte Differenzierungen zwischen Ontologietypen finden sich bei BATEMAN (1992) S. 7 ff. (konzeptuelle, 

gemischte und Schnittstellen-Ontologien); BENJAMIN ET AL. (1994) S. 21 f.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO 

(2004) S. 26 ff.; MYLOPOULOS (1998) S. 136 ff. (statische, dynamische, intentionale und soziale Ontologien); POLI (2002) S. 

641 f. (deskriptive, formale und formalisierte Ontologien); VAN HEIJST/SCHREIBER/WIELINGA (1997) S. 192 f. 

351) Vgl. zu Top-Level-Ontologien, die mitunter auch als Upper-Level-Ontologien bezeichnet werden, BERGHOFF/DROBNIK (1998) 

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 

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- 

PÉREZ/BENJAMINS (1999) S. 1-3; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 71 ff.; GUARINO (1997b) S. 57 u. 61 ff.; 

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) 

S. 227 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 66 ff.; HELBIG (2001) S. 380 ff.; JONES/PATON (1997) S. 151 ff.; KIRYAKOV/ 

SIMOV (1999) S. 1 ff.; KIRYAKOV/SIMOV/DIMITROV (2001) S. 48 u. 55 ff.; LAGOZE/HUNTER (2001) S. 3 ff. u. 12 ff., insbesondere 

S. 14; LENAT/GUHA (1990) S. 171 ff.; MASOLO ET AL. (2002) S. 6 ff., insbesondere S. 8 ff.; MISSIKOFF/VELARDI/FABRIANI 

(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. 

(1998) S. 131 ff., insbesondere 136 ff.; ROSEMANN/GREEN (2002) S. 83 ff. (aus der Perspektive der BUNGE/WAND/WEBER- 

Ontologie); SOWA (1995) S. 671 ff.; SOWA (2000) S. 54, 57, 67 ff., 497 ff. u. 502 ff. (insbesondere die übereinstimmenden Abbildungen 

in Figure 2.6 auf S. 72 und Figure B.I auf S. 498); VICKERY (1997) S. 280 f.; WELTY/GUARINO (2001) S. 71. 

352) Auf Kategorien wurde bereits im Kapitel 1.3.1.1.1 im Kontext des Ontologieverständnisses von ARISTOTELES eingegangen (S. 

119). 

353) Vgl. ERDMANN (2001) S. 79; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3; JONES/PATON (1997) S. 149; MIZOGUCHI (1994) S. 131; 

PIRLEIN (1995) S. 23 ff. u. 31 ff. Vgl. auch die Quellen in der Fußnote 55 (S. 125) zum früher angesprochenen Cyc-Projekt.


Repräsentations- oder Meta-Ontologien 354) spezifizieren die Ausdrucksmöglichkeiten von Repräsentations- 

oder Modellierungssprachen. 355) Dazu gehört z.B. die „Frame-Ontologie“ 356) für 

objektorientierte Repräsentationen mit der Hilfe so genannter „Frames“, die in der KI-Forschung 

und in der Wirtschaftsinformatik zum repräsentationalen Standard-Instrumentarium 

zählen. 357) Auch die BUNGE/WAND/WEBER-Ontologie, auf die im Kapitel 1.3.1.4 zurückgekommen 

wird (S. 211 ff.), lässt sich als eine Meta-Ontologie betrachten. 358) 

Domänen-Ontologien 359) dienen zur Spezifikation der sprachlichen Ausdrucksmittel für Wissen 

über eine Klasse von Realitätsausschnitten („Domäne“), die sich in sachlicher Hinsicht als 

gleichartig erweisen. 360) Welche sachliche Hinsicht der Klassifizierung von Realitätsausschnitten 

zugrunde liegt, bleibt beim Domänenbegriff letztlich unbestimmt. Oftmals wird er in wirtschaftswissenschaftlichen 

Kontexten inhaltlich so gefüllt, dass die Klasseneinteilung möglicher 

Realitätsausschnitte mit einer üblichen Branchengliederung nach Wirtschaftszweigen übereinstimmt. 

Diese Branchengliederung kann beliebig verfeinert oder durch andere Klassenbildungskriterien 

ersetzt werden. 361) 

Aufgaben-Ontologien 362) dienen zur Spezifikation der sprachlichen Ausdrucksmittel für Wissen 

über allgemeine Aufgabentypen („generische Aufgaben“), die in unterschiedlichen Domänen in 

jeweils ähnlicher Art auftreten und erfüllt werden können. Dies betrifft z.B. Diagnoseaufgaben, 

die sowohl in medizinischen als auch in technischen, aber auch in betriebswirtschaftlichen Anwendungsbereichen 

große Bedeutung besitzen. 

354) Vgl. GANGEMI/PISANELLI/STEVE (1998) S. 11 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-3; GRUBER (1993) S. 215; GUARINO 

(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 

ff. 

355) Sofern die Ausdrucksmöglichkeiten einer formalen Modellierungssprache spezifiziert werden, stimmen Repräsentations- oder 

Meta-Ontologien in terminologischer und syntaktischer Hinsicht mit Metamodellen überein. Allerdings bleibt auch in diesem 

Fall ein inhaltlicher „Überschuss“ der Repräsentations- oder Meta-Ontologien gegenüber Metamodellen bestehen, und zwar in 

Bezug auf taxonomische Relationen und semantische Konstrukte. Vgl. dazu die oben erfolgten Ausführungen zur Abgrenzung 

zwischen Ontologien und Metamodellen. 

356) Vgl. GRUBER (1993) S. 204 u. 211 ff. 

357) Eine andere Meta-Ontologie präsentiert POCSAI (2000) S. 115 ff. als „konzeptionelles ... Datenmodell zur Ontologiemodellierung“ 

(S. 115). 

358) Vgl. WAND (1996) S. 281 mit dem zutreffenden Hinweis darauf, dass die BUNGE/WAND/WEBER-Ontologie im Gegensatz zum 

„vorherrschenden“ Ontologieverständnis allgemein, also domänenunabhängig gelten soll. 

359) Vgl. ERDMANN (2001) S. 78; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-4; LU/JIN (2000) S. 11; MIZOGUCHI (1994) S. 130 ff.; POLI 

(2002) S. 640; STUDER ET AL. (1999) S. 5 u. 13. 

360) Der Einfachheit halber wird eine Domäne zumeist mit „einem“ Realitätsausschnitt gleichgesetzt. Dann wird implizit unterstellt, 

dass „der“ Realitätsausschnitt als pars pro toto steht, d.h. die Gesamtheit aller gleichartigen Realitätsausschnitte vertritt. 

361) Die Abgrenzung von Domänen-Ontologien weist daher ein Moment inhaltlicher Beliebigkeit auf. Dies ist unbestritten. Zugleich 

könnte diese inhaltliche Beliebigkeit ein Motiv für die Beliebtheit von Domänen-Ontologien darstellen, weil sie den Anwendern 

von Ontologien die Freiheit lässt, den Gegenstandsbereich einer Ontologie flexibel an die jeweils aktuellen Bedürfnisse 

anzupassen. 

362) Vgl. ERDMANN (2001) S. 79; FENSEL ET AL. (1997) S. 116 ff.; GÓMEZ-PÉREZ/BENJAMINS (1999) S. 1-4; MIZOGUCHI (1994) S. 

128 ff.


Methoden-Ontologien 363) stellen die sprachlichen Ausdrucksmittel zur Verfügung, mit deren 

Hilfe sich die Klasse derjenigen Probleme (oder Aufgaben) festlegen lässt, auf deren Lösung 

(bzw. zu deren Erfüllung) sich eine Methode anwenden lässt. Beispielsweise können mit einer 

Simplex-Ontologie oder mit einer Branch-and-Bound-Ontologie die Gesamtheit aller denkmöglichen 

Probleme spezifiziert werden, die sich mittels der Simplex-Methode 364) bzw. der Branchand-Bound-Methode 

365) lösen lassen. 

Referenzmodelle für die Gegenstandsbereiche der zuvor angesprochenen Ontologietypen sind dem 

Verfasser nicht bekannt, wenn von Referenzmodellen abgesehen wird, die dem Typ der Domänen- 

Ontologien entsprechen. Daher zeichnen sich Ontologien gegenüber Referenzmodellen durch ein 

weitaus größeres Spektrum faktisch berücksichtigter Gegenstandsbereiche aus. Die materielle 

Reichweite von Ontologien übertrifft diejenige von Referenzmodellen. 

Ontologien können aufgrund ihrer größeren materiellen Reichweite den Blick für neuartige Fragestellungen 

schärfen, die auch aus wissenschaftstheoretischer Perspektive eine noch ungelöste Herausforderung 

darstellen. Hierzu zählt derzeit vor allem das Interaktionsproblem: 366) Es betrifft die 

Fragestellung, ob die vorgenannten Ontologietypen unabhängig voneinander entwickelt werden 

können oder ob sie sich, zumindest teilweise, gegenseitig bedingen. Insbesondere im Hinblick auf 

Domänen-, Aufgaben- und Methoden-Ontologien wird des Öfteren die Ansicht vertreten, sie seien 

wechselseitig aufeinander angewiesen, weil sich Domänenwissen nicht unabhängig davon repräsentieren 

lasse, wie es mit der Hilfe von Methoden zur Lösung von Problemen oder zur Erfüllung von 

Aufgaben aus der Domäne angewendet werden soll (und umgekehrt). In ähnlicher Weise kann mit 

guten Gründen daran gezweifelt werden, dass sich Domänen-Ontologien unabhängig von Repräsentations- 

oder Meta-Ontologien formulieren lassen. Denn die Spezifikation sprachlicher Ausdrucksmittel 

zur Konstruktion repräsentationaler Modelle für einen konzeptualisierten Realitätsausschnitt, 

die in einer Domänen-Ontologie erfolgt, impliziert stets die Auswahl einer Repräsentations- oder 

Modellierungssprache für die zu konstruierenden repräsentationalen Modelle. Und die Ausdrucksmöglichkeiten 

jener Repräsentations- oder Modellierungssprache werden ihrerseits in einer Repräsentations- 

oder Meta-Ontologie spezifiziert. Infolgedessen besteht eine immanente Abhängigkeit 

zwischen einerseits Domänen- und andererseits Repräsentations- oder Meta-Ontologien. 

Auf die zuvor aufgelisteten Ontologietypen wird im Folgenden nicht näher eingegangen. Stattdessen 

werden Ontologien unterstellt, die zum Typ der Domänen-Ontologien gehören. Sie stehen derzeit 

im Vordergrund des betriebswirtschaftlichen Gestaltungsinteresses. Auch die Ontologien, die 

im Verbundprojekt KOWIEN konstruiert wurden, gehörten ausschließlich zu diesem Ontologietyp. 

Darüber hinaus bietet die Fokussierung auf Domänen-Ontologien den Vorzug, zumindest in diesem 

speziellen Beitrag zur Entwicklung ontologiebasierter Kompetenzmanagementsysteme der Einfachheit 

halber von Komplikationen wie dem zuvor kurz angesprochenen Interaktionsproblem absehen 

zu können. Im Rahmen der allgemeinen Ontologieforschung müsste die Berechtigung solcher Vereinfachungen 

jedoch kritisch hinterfragt werden. 

363) Vgl. CRUBEZY/MUSEN (2004) S. 325 ff., insbesondere S. 329 ff.; COELHO/LAPALME (1996) S. 8 ff.; DE CLERCQ ET AL. (2001) S. 

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 

(1999) S. 130 ff.; SCHREIBER/WIELINGA/JANSWEIJER (1996) S. 7 f.; STUDER/BENJAMINS/FENSEL (1998) S. 173 f. 

364) Vgl. ELLINGER/BEUERMANN/LEISTEN (2001) S. 25 ff. u. 55 ff. 

365) Vgl. ELLINGER/BEUERMANN/LEISTEN (2001) S. 169 ff. 

366) Vgl. ERDMANN (2001) S. 79; GUARINO (1997a) S. 293 u. 300 f.; NWANA/NDUMU (1999) S. 4; O’LEARY (1997) S. 327; POCSAI 

(2000) S. 77; STUDER ET AL. (1999) S. 5 u. 13. Vgl. aber auch die hierzu widersprüchlich anmutenden Separationsthesen bei 

DORN (1999) S. 103; STUDER ET AL. (1999) S. 11 u. 18; WIELINGA/SCHREIBER (1994) S. 112.


Konzeptuelle Modelle stellen noch größere Herausforderungen an die inhaltliche Abgrenzung von 

Ontologien, als sie zuvor schon in Bezug auf Metamodelle und Referenzmodelle bewältigt werden 

mussten. 

Ein konzeptuelles Modell 367) lässt sich grundsätzlich als ein sprachliches Artefakt für die Repräsentation 

von Wissen auffassen, das aus der Konzeptualisierung eines Realitätsausschnitts hervorgegangen 

ist. 368) Sofern Ontologien – etwa unter Berufung auf die weit verbreitete Definition von 

GRUBER – lediglich als explizite Spezifikationen von Konzeptualisierungen verstanden werden, besteht 

kein wesentlicher Unterschied zwischen konzeptuellen Modellen einerseits und Ontologien 

andererseits. 369) Zumindest vermag der Verfasser zwischen sprachlichen Artefakten (für die Repräsentation 

von Konzeptualisierungswissen) auf der Seite von konzeptuellen Modellen und expliziten 

Spezifikationen (von Konzeptualisierungen) auf der Seite von Ontologien keine nennenswerten inhaltlichen 

Diskrepanzen zu entdecken. Daher sollte es nicht verwundern, dass Ontologien zuweilen 

als „nichts Neues“ im Vergleich zu konzeptuellen Modellen eingestuft oder als ein Instrument zur 

Unterstützung der konzeptuellen Modellierung angesehen werden. 

Allerdings lassen sich konzeptuelle Modelle und Ontologien inhaltlich durchaus voneinander unterscheiden, 

wenn jeweils spezielle Verständnisse von konzeptuellen Modellen einerseits und Ontologien 

andererseits zugrunde gelegt werden. Solche Differenzierungen sind in mindestens dreifacher 

Hinsicht möglich. 370) 

Erstens steht bei Ontologien die Spezifikation der sprachlichen Ausdrucksmittel für die Konstruktion 

repräsentationaler Modelle im Vordergrund. Dies gilt zumindest dann, wenn der Arbeitsdefinition 

für Ontologien aus dem Kapitel 1.3.1.1.3 (S. 152 ff.) gefolgt wird. Dagegen wird bei konzeptuellen 

Modellen die Strukturierung eines Realitätsausschnitts mittels begrifflicher Konzepte und ihrer 

Relationen untereinander besonders betont. 371) Beide Aspekte schließen sich keineswegs aus, sondern 

gehören sowohl zu Ontologien als auch zu konzeptuellen Modellen. Die Aspekte werden lediglich 

in Ontologien und in konzeptuellen Modellen unterschiedlich hervorgehoben. 

367) Vgl. zu konzeptuellen Modellen und zur konzeptuellen Modellierung (zuweilen wird das Attribut „konzeptionell“ statt „konzeptuell“ 

verwendet) FRANK (1998) S. 9 ff.; FRANK (2000a) S. 709 ff.; HARS (2001) S. 64 ff., insbesondere S. 66 ff. u. 69 ff. 

(mit bemerkenswerten konzeptuellen Modellen für wissenschaftliches Wissen); MYLOPOULOS (1998) S. 130; SCHÜTTE (1998) 

S. 67 f. u. 72 f. Konzeptuelle Modelle werden vor allem im Bereich des Entwurfs von Datenbanksystemen thematisiert. Dort ist 

zumeist von einer konzeptuellen Datenmodellierung die Rede. Vgl. dazu beispielsweise RAUH/STICKEL (1997) S. 14 ff., insbesondere 

16 f. u. 23 f. 

368) Es fällt auf, dass der Begriff „konzeptuelles Modell“ in der einschlägigen Fachliteratur oftmals nicht präzise definiert, sondern 

aus mehreren Perspektiven „umschrieben“ wird. Beispielsweise werden konzeptuelle Modelle von RAUH/STICKEL (1997) auf S. 

16 als „Ergebnisse der konzeptuellen Datenmodellierung“ eingeführt, welche „die Datenobjekte des Systems und die Beziehungen 

zwischen ihnen“ aufzeigen. Auf S. 17 wird hinzugefügt, es handele sich um „Grundmuster zur Gliederung von Daten“. 

Zwar wird dort ergänzend auch auf die „Manipulation dieser Daten“ eingegangen; aber dieser Bezug auf Operationen zur Datenmanipulation 

spielt im hier interessierenden Zusammenhang mit Ontologien keine Rolle. 

369) Vgl. SUGUMARAN/STOREY (2002) S. 251 (Beitragstitel); WELTY/GUARINO (2001) S. 52 („the accepted industrial meaning of 

‚ontology’ makes it synonymous with ‚conceptual model’ “). 

370) Vgl. zu weiteren Ansätzen, zwischen konzeptuellen Modellen und Ontologien zu unterscheiden, DITTMANN/PENZEL (2004) S. 

462; WELTY/GUARINO (2001) S. 52. 

371) Die Betonung der Strukturierung mittels begrifflicher Konzepte und ihrer Relationen klingt z.B. bei RAUH/STICKEL (1997) an, 

wenn sie davon sprechen, dass konzeptuelle (Daten-) Modelle „die Datenobjekte des Systems und die Beziehungen zwischen 

ihnen“ aufzeigen (S. 16; kursive Hervorhebungen durch den Verfasser) sowie „Grundmuster zur Gliederung von Daten“ darstellen 

(S. 17; kursive Hervorhebung durch den Verfasser). Dabei ist von folgenden wechselseitigen „Übersetzungen“ zwischen 

Bezeichnern auszugehen: Datenobjekte entsprechen begrifflichen Konzepten, Beziehungen entsprechen Relationen, und eine 

Gliederung entspricht einer Strukturierung (vice versa).


Zweitens werden konzeptuelle Modelle im Allgemeinen nicht auf einen bestimmten Sprachtyp festgelegt. 

In der Regel handelt es sich um Artefakte, die großenteils natürlichsprachlich formuliert 

sind, aber oftmals auch auf graphische Elemente als Strukturierungshilfen zurückgreifen. Entity- 

Relationship-Modelle, die bereits oben im Kontext von Metamodellen angesprochen wurden, stellen 

einen prominenten Vertreter für solche gemischt natürlichsprachlich-graphischen Konzeptualisierungen 

dar. Sie werden sehr häufig als konzeptuelle Modelle verwendet, insbesondere im Bereich 

der (Kern-) Informatik und Wirtschaftsinformatik. 372) Ontologien werden dagegen oftmals in 

stärkerer Nähe zu einer unmittelbaren Verwendung in Computersystemen thematisiert und infolgedessen 

häufiger als formalsprachliche Artefakte angesehen. Dieser zunächst nur tendenzielle Unterschied 

hinsichtlich des vornehmlich eingesetzten Sprachtyps wird im hier vorgelegten Werk zugunsten 

einer größeren Trennschärfe zwischen konzeptuellen Modellen und Ontologien verstärkt. 

Zu diesem Zweck wird differenziert zwischen: 

• einerseits der natürlichsprachlichen Konzeptualisierung eines Realitätsausschnitts, aus der ein 

ebenso natürlichsprachlich verfasstes 373) , konzeptuelles Modell resultiert, und 

• andererseits der formalsprachlichen Spezifikation von sprachlichen Ausdrucksmitteln für repräsentationale 

Modelle des konzeptualisierten Realitätsausschnitts, die mittels einer formalsprachlich 

verfassten Ontologie erfolgt. 

Auf diese Weise gelingt es, zwischen konzeptuellen Modellen und Ontologien anhand ihres Sprachtyps 

eindeutig zu unterscheiden. Dies setzt allerdings eine „formalsprachliche Radikalisierung“ des 

Ontologieverständnisses auf der Ebene der Spezifikation sprachlicher Ausdrucksmittel voraus. Sie 

wurde in die Arbeitsdefinition für Ontologien, die dem Verbundprojekt KOWIEN zugrunde liegt 

und im Kapitel 1.3.1.1.3 (S. 152 ff.) eingeführt wurde, bewusst aufgenommen, um eine größere 

Trennschärfe des Ontologiebegriffs gegenüber dem Begriff konzeptueller Modelle zu erreichen. Jedoch 

ist einzuräumen, dass dieses – auf der Spezifikationsebene – dezidiert formalsprachliche Ontologieverständnis 

in der einschlägigen Fachliteratur zu Ontologien nicht allgemein geteilt wird. 

372) Vgl. z.B. RAUH/STICKEL (1997) S. 16 f. u. 23. 

373) Im Kontext konzeptueller Modelle wird der Begriff der natürlichen Sprache sehr weit gefasst: Er umgreift nicht nur die „normale“ 

natürliche Sprache der „verbalen Kommunikation“, sondern ebenso Ausdrucksformen der „nonverbalen Kommunikation“, 

solange sie als „natürlich“ empfunden werden. Dies betrifft insbesondere graphische Ausdrucksformen, die für konzeptuelle 

Modelle oftmals als „natürlich“ empfunden werden, wie etwa in der Gestalt von Handskizzen oder auch von „anspruchsvolleren“ 

Graphikformen. Zu den letztgenannten Graphikformen zählen z.B. Organigramme und Entity-Relationship-Diagramme. 

Vgl. speziell zu Entity-Relationship-Diagrammen RAUH/STICKEL (1997) S. 24 ff.


Drittens lassen sich Ontologien von konzeptuellen Modellen in pragmatischer Hinsicht 374) unterscheiden. 

375) Zur Definition von Ontologien gehört als konstitutives Merkmal, dass Ontologien auf 

einer von mehreren Akteuren gemeinsam verwendeten Konzeptualisierung von realen Phänomenen 

beruhen. Ontologien besitzen daher eine genuin soziale Komponente. 376) Darüber hinaus wurde im 

speziellen Kontext des Verbundprojekts KOWIEN ergänzt, dass jene Akteure eine Ontologie in der 

Absicht benutzen, eine gemeinsam übernommene Aufgabe arbeitsteilig zu erfüllen. Diese intentionale 

Komponente verstärkt noch die vorgenannte soziale Komponente, weil Arbeitsteilung und gemeinschaftliche 

Aufgabenerfüllung typische Phänomene der sozialen Realität darstellen. 

Dagegen fehlt konzeptuellen Modellen eine derart ausgeprägte Festlegung in pragmatischer Hinsicht. 

Es zählt keineswegs zu den konstitutiven Merkmalen konzeptueller Modelle, von mehreren 

Akteuren gemeinsam verwendet zu werden. Stattdessen lässt sich ebenso vorstellen, dass ein einzelner 

Akteur seine Wahrnehmung oder Vorstellung eines Realitätsausschnitts nur „für sich selbst“ 

konzeptualisiert und das Ergebnis seiner diesbezüglichen Aktivitäten in einem individuellen konzeptuellen 

Modell kondensiert. Darüber hinaus wird die Zwecksetzung, eine gemeinsam übernommene 

Aufgabe arbeitsteilig zu erfüllen, im Allgemeinen nicht als Motiv für die Konstruktion 

konzeptueller Modelle angeführt. Aus den vorgenannten Gründen erweisen sich konzeptuelle Modelle 

in pragmatischer Hinsicht als indifferent, d.h., sie lassen sich mit beliebigen Konzeptualisierungskontexten, 

insbesondere Konzeptualisierungszwecken vereinbaren. In dieser Hinsicht sind 

konzeptuelle Modelle allgemeiner definiert als Ontologien, die zumindest auf den sozialen Hintergrund 

mehrerer Akteure zugeschnitten sind, oftmals auch auf die arbeitsteilige Erfüllung gemeinsam 

übernommener Aufgaben. 

374) Unter Pragmatik wird im Allgemeinen (zumindest) der Aspekt verstanden, zu welchen Zwecken ein Artefakt verwendet wird. 

Allerdings wird die pragmatische Dimension von Argumentationszusammenhängen oftmals sehr weit gefasst und entsprechend 

unscharf eingegrenzt. Beispielsweise werden Interaktionszusammenhänge, in denen Artefakte zur Erfüllung von Zwecken eingesetzt 

werden, oftmals ebenso zur pragmatischen Dimension hinzugerechnet. Daher wird im Folgenden die „pragmatische 

Perspektive“ so großzügig ausgelegt, dass sie nicht nur intentionale (zweckbezogene), sondern auch soziale (interaktionsbezogene) 

Ontologieaspekte umfasst. 

375) Die nachfolgende Argumentation ließe sich ebenso auf die Unterscheidung zwischen Ontologien und Metamodellen anwenden. 

Sie wurde lediglich aus „dramaturgischen“ Motiven für die Diskussion des Verhältnisses zwischen Ontologien und konzeptuellen 

Modellen „aufgespart“, um ein weiteres „substanzielles“ Abgrenzungsargument gegenüber konzeptuellen Modellen anführen 

zu können. Gegenüber Referenzmodellen hätte die nachfolgende Argumentation hingegen weniger gepasst, weil Referenzmodelle 

ihre normative Semantik nur dann zur Geltung bringen können, wenn mehrere Akteure existieren, welche die Modellierungsempfehlungen 

eines Referenzmodells gemeinsam verwenden – oder zumindest gemeinsam verwenden könnten. Daher 

besteht in dieser Hinsicht einer von mehreren Akteuren gemeinsam verwendeten Konzeptualisierung kein wesentlicher Unterschied 

zwischen Ontologien und Referenzmodellen. 

376) O’LEARY (1997) beleuchtet einen besonderen Aspekt der sozialen Komponente von Ontologien: Anstatt die Übereinstimmung 

zu betonen, die auf der gemeinsamen Verwendung derselben Ontologie durch mehrere Akteure beruht, stellt er mögliche Konflikte 

in den Vordergrund, die Akteure bei der Entwicklung einer Ontologie austragen. O’LEARY charakterisiert auf S. 327 ff. u. 

334 die Entwicklung einer Ontologie als einen politischen Prozess, in dem unterschiedliche Interessen von Akteuren aufeinander 

stoßen. U.a. geht er von der interessanten These aus, dass unterschiedliche Ontologien (für denselben Anwendungsbereich) 

verschiedene Ressourcenallokationen nach sich ziehen (S. 330) und daher von unterschiedlichem Nutzen für verschiedene Akteure 

sein können. Aus dieser These leitet O’LEARY ein Unmöglichkeitstheorem für Ontologien ab, indem er auf das Unmöglichkeitstheorem 

von ARROW aus der Theorie der kollektiven Nutzenfunktionen zurückgreift (S. 330 f.). Die Bezeichnung „impossibility 

theorem for ontologies“ (S. 329) ist jedoch irreführend. Denn O’LEARY zeigt lediglich, dass es keine kollektive Nutzenfunktion 

geben kann, welche einerseits die individuellen, ontologiebezogenen Nutzenfunktionen der involvierten Akteure zu 

einem Gesamtnutzen aggregiert und andererseits die vier Anforderungen an kollektive Nutzenfunktionen erfüllt, die dem Unmöglichkeitstheorem 

von ARROW zugrunde liegen (S. 330). Dieses Resultat besitzt aber keinen spezifischen Bezug zu Ontologien, 

sondern gilt für alle Objekte, bezüglich derer individuelle Nutzenfunktionen zu einer kollektiven Nutzenfunktion aggregiert 

werden sollen.


Der Verfasser präferiert die voranstehend angeregten, inhaltlichen Differenzierungen zwischen Referenz- 

und Metamodellen sowie konzeptuellen Modellen auf der einen Seite und Ontologien auf 

der anderen Seite. Er konzidiert jedoch, dass sich keine dieser Anregungen als „zwingend“ erweist. 

Stattdessen lässt sich ebenso die Ansicht vertreten, es bestünden keine substanziellen Unterschiede 

zwischen Referenz- und Metamodellen, konzeptuellen Modellen sowie Ontologien. 377) Wer dieser 

Ansicht ist, muss lediglich darauf achten, Referenz- und Metamodelle sowie konzeptuelle Modelle 

entweder inhaltlich so weit zu definieren, dass sie den inhaltlichen Reichtum von Ontologien zu 

überdecken vermögen, oder aber Ontologien so weit einzuschränken, dass sie mit Referenz- oder 

Metamodellen oder konzeptuellen Modelle inhaltlich zusammenfallen. Beispielsweise müssten semantische 

Konstrukte wie Inferenz- und Integritätsregeln in Referenz- und Metamodelle sowie 

konzeptuelle Modelle einbezogen bzw. aus Ontologien ausgeschlossen werden. Erstes ist jedoch für 

Referenz- und Metamodelle sowie konzeptuelle Modelle nach Wissen des Verfassers im Allgemeinen 

nicht üblich, und zweites würde eine unnötige Verarmung von Ontologien bedeuten. Der Verfasser 

sieht jedoch keinen Anlass, für eine solche „Harmonisierung“ der Verständnisse von Referenz- 

und Metamodellen, konzeptuellen Modellen sowie Ontologien einzutreten. Infolgedessen hält 

er an seiner Präferenz für die voranstehend skizzierten Differenzierungsmöglichkeiten zwischen Referenz- 

und Metamodellen sowie konzeptuellen Modellen auf der einen Seite und Ontologien auf 

der anderen Seite fest. 

377) In einigen der voranstehenden Fußnoten hat der Verfasser selbst darauf aufmerksam gemacht, wie sich seine eigenen Annahmen 

zwecks inhaltlicher Abgrenzung von Ontologien „aushebeln“ lassen.


1.3.1.4 Erkenntnistheoretische Probleme von Ontologien 378) 

Die skizzierten Definitionen des Begriffs „Ontologien“ weisen eine erstaunliche Unbestimmtheit 

hinsichtlich der Beschaffenheit der Realität (ontologische Perspektive) und der Erkennbarkeit realer 

Phänomene 379) (epistemologische Perspektive) auf. 380) Mitunter entsteht in der Literatur der Eindruck, 

Ontologien spiegelten die reale Welt wider, so dass der philosophische Terminus technicus 

„Ontologie“ im Singular zu Recht genutzt werden könnte. Die pluralische Redeweise von Ontologien 

präsupponiert hingegen, dass es mehrere „Welten“ gibt, auf die sich unterschiedliche Ontologien 

beziehen können. Mehrere Welten sind jedoch – sofern von bizarr anmutenden kosmologischen 

Ausnahmen abgesehen wird 381) – nur dann plausibel, wenn sie nicht als reale Welten „an 

sich“, sondern als Welten „für ein erkennendes Subjekt“ aufgefasst werden. Folglich muss die Vor- 

378) Die Ausführungen dieses Kapitels beruhen im Wesentlichen auf Beiträgen, die maßgeblich von einem der wissenschaftlichen 

Mitarbeiter des Verfassers, Herrn Dr. SCHÜTTE, in Kooperation mit dem Verfasser entwickelt und bereits an anderen Orten publiziert 

wurden. Vgl. SCHÜTTE/ZELEWSKI (1999); SCHÜTTE/ZELEWSKI (2001); SCHÜTTE/ZELEWSKI (2002); vgl. daneben auch 

DITTMANN/SCHÜTTE/ZELEWSKI (2003); ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 210 ff. Diese Vorarbeiten wurden für das hier 

vorgelegte Werk zusammengefasst und hinsichtlich der Argumentationsführung noch einmal gründlich überarbeitet. 

Eine weitere bemerkenswerte Arbeit an der Nahtstelle zwischen Erkenntnistheorie und Ontologien hat HARS (2001) S. 65 ff. 

vorgelegt. Zwar spricht er nicht explizit von Ontologien, sondern von konzeptuellen Modellen, die für vier ausgewählte Theorien 

über wissenschaftliches Wissen (HARS redet in diesem Zusammenhang von „epistemologies“; vgl. S. 65) konstruiert werden 

(S. 66 ff.). Darunter befinden sich konzeptuelle Modelle für die Wissenschaftstheorien von POPPER und BUNGE sowie ein 

eigenes, „synthetisches“ konzeptuelles Modell, in das die vorgenannten vier konzeptuellen Modelle eingebettet werden (S. 69 

ff.). Da bereits an früherer Stelle herausgearbeitet wurde, dass keine trennscharfe Unterscheidung zwischen konzeptuellen Modellen 

und Ontologien existiert, lassen sich die vorgenannten Ausführungen von HARS ebenso als ein Beitrag zur Konstruktion 

von Ontologien aus erkenntnistheoretischer Perspektive interpretieren. Vgl. des Weiteren zu einer interessanten Diskussion des 

Zusammenhangs zwischen Ontologien und erkenntnistheoretischen Positionen BUDIN (1996) S. 20 ff., 46 ff. u. 198 ff. BUDIN 

thematisiert u.a. die Schwierigkeiten, ontologische und epistemologische Sachverhalte inhaltlich voneinander zu trennen (S. 22, 

25 f. u. 46 ff.), und schlägt daher vor, im Anschluss an SANDKÜHLER von einer „Onto-Epistemologie“ zu sprechen (S. 25 u. 46). 

Aus wirtschaftswissenschaftlicher Sicht erweist sich auch der Beitrag von HAGENGRUBER (2004) S. 417 ff. als hochinteressant. 

Die Autorin setzt sich vorrangig mit zwei Möglichkeiten auseinander, „in denen philosophisches Wissen in der Informatik erscheint“ 

(S. 417), und identifiziert diese beiden Möglichkeiten als die „weltanschauliche und die ontologische Zugangsweise“ 

(S. 417). Im Folgenden fokussiert sie sich darauf, wie Analyse- und Gestaltungsleistungen von Informatik und Wirtschaftsinformatik 

seitens der philosophischen Ontologieforschung befruchtet werden können. Dazu gehört insbesondere der Bereich der 

Unternehmensmodellierung (S. 419 f. u. 427 f.). Vgl. darüber hinaus zur Diskussion des Verhältnisses zwischen ontologischer 

und epistemologischer Denkweise ONIONS/ORANGE (2002) S. 2 ff. Schließlich werden erkenntnistheoretische Probleme von 

Ontologien ebenso diskutiert in DITTMANN/PENZEL (2004) S. 460 ff. (dort als wissenschaftstheoretische Probleme bezeichnet); 

RESNICK (1994) S. 61 ff. (hinsichtlich der Problematik, mittels ontologischer Commitments die Existenz von etwas wie „Phlogiston“ 

und „Intentionalität“ zu postulieren, was unter Umständen im realistischen Sinn überhaupt nicht existiert, sondern „nur“ 

eine epistemologische Qualität besitzt); TAMMA/BENCH-CAPON (2002) S. 48 (epistemologische „Anreicherung“ ontologischer 

Konzeptcharakterisierungen). 

379) Als Phänomene werden hier sowohl sinnlich wahrgenommene als auch kognitiv vorgestellte Objekte verstanden, die von einem 

Subjekt als abgrenzbare Entitäten eines Realitätsausschnitts interpretiert werden (und damit von anderen Entitäten unterscheidbar 

sind). Wenn zwischen den Aspekten der sinnlichen Wahrnehmung und der kognitiven Vorstellung von Realität nicht näher 

unterschieden werden soll, wird fortan zusammenfassend von Realitätserfahrung gesprochen. 

380) Die Attribute „epistemologisch“ und „ontologisch“ werden in diesem Werk in einem weit verbreiteten, wenn auch etwas „laxen“ 

Verständnis im Sinne von „auf die Erkenntnis bezogen“ (also streng genommen im Sinne von „epistemisch“) bzw. im 

Sinne von „auf das Sein bezogen“ (also streng genommen im Sinne von „ontisch“) verwendet. Sie referenzieren also nicht – 

wie es bei einem präziseren Sprachgebrauch nahe liegen würde – die Erkenntnistheorie (Epistemologie) bzw. die Seinstheorie 

(Ontologie im philosophischen Sinne). 

381) In diesem Zusammenhang ist vor allem an Vorstellungen über „Parallel-Universen“ u.ä. gedacht. Solche kosmologischen Anschauungen 

werden hier aber nicht weiter beachtet, weil sie mit einer physikalischen Verengung des philosophischen Weltbegriffs 

einhergehen (Welt nicht mehr als Totalität alles Seienden, sondern „nur“ noch als physikalischer Wirkungszusammenhang). 

Sie wären eher aus der Perspektive von semantischen Begriffsverschiebungen als aus dem Blickwinkel von „Weltvermehrungen“ 

zu diskutieren.


stellung aufgegeben werden, dass sich ontologische und epistemologische Fragestellungen strikt 

voneinander trennen lassen. 382) Dann kommt es zu einer Verschränkung zwischen ontologischen 

und epistemologischen Aspekten, mit der erhebliche erkenntnistheoretische Probleme verbunden 

sein können. Die Auflösung dieser Probleme veranlasst dazu, mit einigen „vertrauten“ Denkgewohnheiten 

zu brechen, die in Wirtschaftswissenschaften, Wirtschaftsinformatik und (Kern-) Informatik 

weit verbreitet sind. 383) Daher dient der Exkurs dieses Kapitels dazu, die erkenntnistheoretischen 

Probleme, zu denen die Auseinandersetzung mit Ontologien führen kann, und ihre Konsequenzen 

für das betriebliche Wissensmanagement zumindest anzudeuten. 

Die strikte Trennung zwischen ontologischen und epistemologischen Fragestellungen setzt voraus, 

dass sich Einsichten in das real Seiende (ontologische Perspektive) unabhängig davon gewinnen 

lassen, wie man zu Erkenntnissen über die Realität gelangen kann (epistemologische Perspektive). 

Die Position des naiven Realismus 384) behauptet diese Unabhängigkeit ontologischer Einsichten in 

das „Wesen“ der Realität von epistemologischen Einsichten in die Bedingungen der Möglichkeit 

von Erkenntnisgewinnung. Bei einer naiv-realistischen Sichtweise ist die Erfahrbarkeit von Realität 

„an sich“ möglich, und zwar unabhängig von sensorisch oder kognitiv bedingten Verzerrungen des 

erkannten Objekts durch das erkennende Subjekt. Aus diesem Blickwinkel bestehen keine Wechselwirkungen 

zwischen Ontologie – hier als philosophische Disziplin verstanden – und Erkenntnistheorie, 

und die singuläre Rede von der Ontologie wäre in sich schlüssig. 

Die Erkenntnisposition des naiven Realismus gilt aber seit Jahrzehnten als überwunden. Zu viele 

und zu gravierende Einwände wurden seitens der Erkenntnistheorie zusammengetragen, als dass 

sich heute noch naiv an einer wechselwirkungsfreien Subjekt-Objekt-Trennung festhalten ließe. 

Aufgeklärte, modernere Erkenntnispositionen, wie z.B. der Kritische Rationalismus/Realismus 385) , 

der Hypothetische Realismus der Evolutionären Erkenntnistheorie 386) , der Methodische Konstruktivismus 

387) / Kulturalismus 388) und der Gemäßigte Konstruktivismus 389) , stimmen darin überein, dass 

382) Vgl. ONIONS/ORANGE (2002) S. 3. 

383) Dies betrifft die Wirtschaftswissenschaften, die Wirtschaftsinformatik und die (Kern-) Informatik zumindest insoweit, wie sie 

sich dem empirischen Paradigma verpflichtet fühlen. Denn die meisten Anhänger des empirischen Paradigmas nehmen eine naiv-realistische 

Erkenntnisposition ein, die – wie nachfolgend skizziert wird – unter den angekündigten Problemen der pluralischen 

Redeweise von Ontologien am stärksten leidet. Zwar mögen sich Anhänger des empirischen Paradigmas in ihren „Sonntagsreden“ 

gegenüber der Position eines naiven Realismus verwahren; aber im real praktizierten Wissenschaftsbetrieb verhalten 

sie sich im Allgemeinen wie naive Realisten. Dies manifestiert sich vor allem in der naiven Verwendung empirischer „Fakten“, 

die entsprechend der Tradition des Logischen Empirismus / Positivismus als „gegeben“ betrachtet werden und somit den epistemischen 

Rang „unhintergehbarer“ Protokollsätze erlangen. Bemerkenswert für die (Kern-) Informatik und die Wirtschaftsinformatik 

sind auch die Einschätzungen von FALKENBERG ET AL. (1996) S. 8 und FLOYD (1992) S. 16 f. Die vorgenannten Autoren 

unterstellen vielen Forschern im Bereich des Software Engineerings eine naiv-realistische Erkenntnisposition. Von den 

nachfolgenden Überlegungen ausgenommen sind hingegen Vertreter von konstruktivistischen, interpretativen und ähnlichen 

Paradigmen. Allerdings leiden diese Paradigmen unter anderen gravierenden Problemen, auf die in der hier gebotenen Kürze 

nicht näher eingegangen werden kann. 

384) Vgl. zum naiven Realismus ALBERT (1987) S. 45; GETHMANN (2004b) S. 503. 

385) Vgl. ALBERT (1964); ALBERT (1982); ALBERT (1987); ALBERT (1991); POPPER (1965); POPPER (1972); POPPER (1979); POPPER 

(1989); POPPER (1995); vgl. auch BUNGE (1993) S. 230 ff. 

386) Vgl. BUDIN (1996) S. 24 ff.; FEUCHT (1992) S. 18 ff. u. 51 ff.; RIEDL/WUKETIS (1987); VOLLMER (1987); VOLLMER (1994). 

387) Vgl. LORENZEN (1987). 

388) Vgl. HARTMANN/JANICH (1996); HARTMANN/JANICH (1998). 

389) Vgl. zu einer exemplarischen Ausgestaltung des Gemäßigten Konstruktivismus für die Wirtschaftsinformatik SCHÜTTE (1998) 

S. 28 f.; SCHÜTTE (1999a) S. 215 u. 227 ff.


die aktive, konstruktive Leistung eines erkennenden Subjekts aus dem Erkenntnisprozess nicht 

„ausgeklammert“ werden kann, sondern zu den Bedingungen der Möglichkeit von Erkenntnissen 

über ein Objekt gehört. Die strikte Subjekt-Objekt-Trennung des naiven Realismus kann aus der 

Perspektive jener aufgeklärten Erkenntnispositionen also nicht mehr aufrechterhalten werden. 

Vor diesem Hintergrund kommt es in der Literatur zu Ontologien des Öfteren zu erheblichen Problemen. 

Sie resultieren u.a. aus einer argumentativen Inkonsistenz, die immer dann droht, wenn an 

sich unvereinbare Erkenntnispositionen unzulässig miteinander vermengt werden. Dies ist vor allem 

dann der Fall, wenn einerseits im Zusammenhang mit Ontologien so argumentiert wird, als ob eine 

naiv-realistische Erkenntnisposition eingenommen würde, andererseits jedoch eine der o.a. moderneren 

Erkenntnispositionen 390) für sich in Anspruch genommen wird. 

Exemplarisch wird das Problem argumentativer Inkonsistenz an folgendem Zitat von WEBER verdeutlicht: 

„Ontology is the branch of philosophy that deals with theories about nature of things in 

general (as opposed theories about particular things).“ 391) Einerseits legen die Verwendung von 

„Ontology“ im Singular – also im Sinne der philosophischen Seinslehre (unabhängig von der Epistemologie) 

– und die Formulierung „nature of things” nahe, dass WEBER eine naiv-realistische Erkenntnisposition 

vertritt. Er scheint die Sichtweise zu vertreten, dass Theorien über Grundstrukturen 

der Wirklichkeit die Welt „an sich“ abbilden und in keiner Weise durch epistemologische Einflüsse 

verzerrt werden könnten. Andererseits lehnt WEBER in seinen expliziten Stellungnahmen zu erkenntnistheoretischen 

Fragen die naiv-realistische Erkenntnisposition ab. 392) Stattdessen vertritt er 

eine aufgeklärt-realistische Erkenntnisposition. 393) Daher dürfte er, wenn er dieser Erkenntnisposition 

treu bleiben wollte, im oben angeführten Zitat hinsichtlich der Theorien über die Natur von Objekten 

keine ontologische Betrachtungsweise anstellen („Ontology ... deals with theories about nature 

of things“). 

Vielmehr müsste WEBER die Theorien über die Natur von Objekten aus einem epistemologischen 

Blickwinkel thematisieren, weil Theorien als spezielle Wissensform nur die Resultate von Erkenntnisprozessen 

darstellen können. Diese Resultate sind durch die aktiven, konstruktiven Leistungen 

„infiziert“, die von erkennenden Subjekten vor und während ihrer Theoriekonstruktion vollbracht 

werden. Folglich können Theorien über die Natur von Objekten nicht seitens der Ontologie als philosophischer 

Disziplin isoliert gewonnen werden, sondern nur im Zusammenwirken mit Einsichten 

aus der Epistemologie, die über Bedingungen der Möglichkeit des Erkennens von Objekten informieren. 

Daher wäre es im zuvor angeführten Argumentationszusammenhang treffender, von einer 

Epistemologie zu reden, die sich mit Theorien über Grundstrukturen der erkennbaren Wirklichkeit 

befasst. 

390) Die Kritik der argumentativen Inkonsistenz, die hier vorgetragen wird, trifft auch auf andere als die o.a. moderneren Erkenntnispositionen 

zu, solange sie nicht mit den Basisannahmen des naiven Realismus übereinstimmen. Zu solchen weiteren Erkenntnispositionen 

zählen z.B. der Radikale Konstruktivismus, die Kritische Theorie und das Interpretative Paradigma (einschließlich 

der Hermeneutik). Auf Erkenntnispositionen dieser Art wird hier jedoch aus zwei Gründen nicht näher eingegangen. 

Erstens ließe ihre Erörterung keine grundsätzlich neuen Erkenntnisse für die hier diskutierte Problematik erwarten. Zweitens 

sind dem Verfasser keine Vertreter jener Erkenntnispositionen bekannt, die sich substanziell mit der hier interessierenden Thematik 

der Ontologien befasst hätten. 

391) WEBER (1997) S. 33. 

392) Vgl. WEBER (1997) S. 35 u. 175. Darauf wird später in Fußnote 410 (S. 214) noch zurückgekommen. Streng genommen müsste 

von WEBER und WAND die Rede sein, weil WEBER in seinem vorgenannten Werk stets WAND als Gleichgesinnten in seine Argumentation 

einbezieht. 

393) Vgl. WEBER (1997) S. 34 f., 38 u. 175 f.


WEBER kann nicht beides zugleich für sich in Anspruch nehmen: Es lässt sich nicht miteinander 

vereinbaren, sowohl Theorien über die Natur von Objekten einer „naturalistisch“ verstandenen Ontologie 

zuzuschreiben als auch eine naiv-realistische Erkenntnisposition abzulehnen. Indem er beides 

zusammen behauptet, verwickelt sich WEBER in eine argumentative Inkonsistenz. 

Ein weiteres erkenntnistheoretisches Problem kommt hinzu: WEBER behauptet an anderer Stelle, 

dass die BUNGE/WAND/WEBER-Ontologie 394) , auf die er sich maßgeblich bezieht, unabhängig von 

der gewählten Erkenntnisposition sei. 395) Eine derart „objektivierte“ Ontologie erscheint dem Verfasser 

denkunmöglich. Zumindest übersteigt es das Vorstellungsvermögen des Verfassers, irgendetwas 

denken zu können, dass sich im Rahmen jeder beliebigen Erkenntnisposition vertreten lässt. 

Diese Skepsis gegenüber der reklamierten „epistemologischen Invarianz“ der BUNGE/WAND/WE- 

BER-Ontologie lässt sich beispielsweise anhand derjenigen Evaluationskriterien konkretisieren, die 

von WAND und WEBER für Informationssysteme mit Anspruch auf allgemeine Verbindlichkeit vorgeschlagen 

werden. 396) Nach Einschätzung des Verfassers ist es im Allgemeinen nicht möglich, 

Evaluationskriterien unabhängig von der jeweils vorausgesetzten Erkenntnisposition widerspruchsfrei 

anzuwenden. Plastische Beispiele für diese Unmöglichkeit hat SCHÜTTE vor einigen Jahren diskutiert. 

397) Seine Argumentation bezog sich zwar nicht auf die Evaluation von Informationssystemen, 

sondern auf die Evaluation von Modellen. Jedoch ähneln sich Informationssysteme und Modelle 

aus epistemologischer und evaluativer Perspektive so weit, dass keine grundsätzlichen Hinde- 

394) Vgl. zu dieser Ontologie, die sich vor allem bei Vertretern des Information Systems Research großer Beliebtheit erfreut, BUNGE 

(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 

ff.; WEBER (1997) S. 33 ff. (am Rande auch S. 174 ff.). Trotz der etablierten Redeweise „BUNGE/WAND/WEBER-Ontologie“ haben 

die drei Autoren nicht gemeinsam gearbeitet. Vielmehr hat BUNGE seine ontologischen Vorstellungen unabhängig von KI- 

Forschung und Information Systems Research entwickelt; WAND und WEBER beziehen sich in teils eigenständigem, teils gemeinsamen 

Beiträgen jeweils auf BUNGES Veröffentlichungen. Vgl. z.B. WAND (1996) S. 282; WEBER (1997) S. 33 u. 184 („the 

ontology that Bunge, Wand, and I have proposed“). Einen Überblick über die wichtigsten Konzepte („Konstrukte“) der BUNGE/ 

WAND/WEBER-Ontologie bieten FETTKE/LOOS (2003) S. 76 ff.; GREEN/ROSEMANN (1999) S. 3 ff.; GREEN/ROSEMANN (2000) S. 

75 f.; ROSEMANN/GREEN (2002) S. 81 ff. Vgl. darüber hinaus ROSEMANN/GREEN (2002) S. 83 ff. zu einer präzisierenden Rekonstruktion 

der BUNGE/WAND/WEBER-Ontologie mithilfe einer erweiterten Entity-Relationship-Modellierung. 

Vgl. zur Rezeption der BUNGE/WAND/WEBER-Ontologie BUDIN (1996) S. 198 (allerdings nur in Bezug auf BUNGE); COLOMB/ 

WEBER (1998) S. 207 ff., insbesondere S. 213 ff.; FETTKE/LOOS (2003) S. 61 ff.; GREEN/ROSEMANN (1999) S. 2 ff.; GREEN/ 

ROSEMANN (2000) S. 73 u. 75 ff.; GUIZZARDI/HERRE/WAGNER (2002) S. 75 ff.; MYLOPOULOS (1998) S. 136; ROSEMANN/GREEN 

(2002) S. 76 ff.; vgl. daneben auch – in kritischer Distanz – SCHÜTTE/ZELEWSKI (2001) S. 5 ff.; SCHÜTTE/ZELEWSKI (2002) S. 

163 ff.; ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) S. 210 ff. 

395) Vgl. WEBER (1997) S. 177 f. WEBER spricht die Unabhängigkeit der BUNGE/WAND/WEBER-Ontologie von Erkenntnispositionen 

zwar nicht explizit an. Aber diese Unabhängigkeit lässt sich aus zwei Argumenten von WEBER konkludent folgern: Einerseits 

stellt er mehrfach fest, dass die BUNGE/WAND/WEBER-Ontologie leistungsfähig genug sei, um Modellierungen, die auf der 

Grundlage verschiedener Erkenntnispositionen erfolgen, in sich aufnehmen zu können, ohne selbst einer Veränderung zu bedürfen 

(vgl. z.B. S. 177, 181 u. 184). Andererseits betont WEBER wiederholt, dass unterschiedliche epistemologische Annahmen, 

die Modellierungen zugrunde liegen können, weder im Fokus seiner gemeinsamen Arbeiten mit WAND liegen noch zum Kern 

des Information Systems Research gehören würden (vgl. z.B. S. 178 f. u. 184). Wenn beiden Argumenten zugestimmt und an 

der BUNGE/WAND/WEBER-Ontologie festgehalten wird, so folgt daraus, dass die BUNGE/WAND/WEBER-Ontologie von der Einnahme 

unterschiedlicher Erkenntnispositionen nicht beeinflusst wird. 

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/ 

SCHÜTTE/SIEDENTOPF (2001) S. 210 (distanziert). 

397) Beispiele dafür, dass Evaluationskriterien für Modelle von der jeweils eingenommenen Erkenntnisposition abhängen, können 

SCHÜTTE (1999b) S. 493 ff. u. 501 ff. entnommen werden (in Verbindung mit S. 491). Vgl. auch den hochinteressanten Ansatz 

von DITTMANN/PENZEL (2004) S. 473 ff., Gütekriterien zur Beurteilung von Ontologien aus der Ideenlehre von PLATON zu gewinnen.


rungsgründe gesehen werden, die Einsichten aus der Modellevaluation auf die Evaluation von Informationssystemen 

zu übertragen. 

Um die Kerngedanken von SCHÜTTE zu verdeutlichen, wird im Folgenden nicht direkt auf die Evaluation 

von (bereits konstruiert vorliegenden) Informationssystemen, sondern auf den vorgelagerten 

Prozess ihrer Konstruktion näher eingegangen. Aus dieser konstruktiven Perspektive wird aufgezeigt, 

dass unterschiedliche erkenntnistheoretische Positionen durchaus einen Einfluss darauf ausüben 

können, wie einzelne Aspekte eines Informationssystems gedeutet oder sogar konkret gestaltet 

werden. Wenn ein solcher Einfluss besteht, kann nicht nachträglich, wenn ein konstruiertes Informationssystem 

evaluiert wird, behauptet werden, dass die Kriterien ihrer Evaluation vollkommen 

unabhängig von der jeweils eingenommenen erkenntnistheoretischen Position seien. Wenn Deutungs- 

und Gestaltungshandlungen in Bezug auf ein Informationssystem von erkenntnistheoretischen 

Positionen abhängen, so lässt sich nicht nachvollziehen, warum Evaluationshandlungen nicht 

grundsätzlich der gleichen Art von Abhängigkeit unterworfen sein sollten. 

Eine Ontologie bezieht sich stets auf einen Realitätsausschnitt, der zumeist als Domäne 398) , reales 

System 399) oder Ausschnitt des Universe of Discourse 400) thematisiert wird. 401) Der – je nach Sichtweise 

ontologische oder epistemologische – Status dieses Realitätsausschnittes kann auf zwei unterschiedliche 

Weisen gedeutet werden: der Realitätsausschnitt ist entweder unabhängig oder aber abhängig 

von einem Subjekt, das auf den betroffenen Realitätsausschnitt zwecks Konstruktion einer 

Ontologie „zugreift“. Oftmals wird die Domäne einer Ontologie – zumindest implizit – als ein Ausschnitt 

der Realität verstanden, der subjektunabhängig „vorgegeben“ ist. 402) Diese Sichtweise erscheint 

zwar aus der Perspektive eines naiven Realisten als konsequent, nicht jedoch aus dem 

Blickwinkel einer der „aufgeklärten“ erkenntnistheoretischen Positionen, die zu Beginn dieses Kapitels 

kurz erwähnt wurden. Wird beispielsweise die erkenntnistheoretische Position des Methodischen 

oder Gemäßigten Konstruktivismus eingenommen, so wäre bereits die Domäne als eine von 

Subjekten konzeptualisierte Entität zu begreifen. Die Domäne würde somit bereits das Resultat einer 

subjektiv geprägten Vorstrukturierung des Gegenstandsbereichs einer Ontologie darstellen. 

Der Verfasser teilt die Position, dass es sich bei jeder Auszeichnung einer Domäne als Gegenstandsbereich 

einer Ontologie um das Ergebnis einer kognitiven Vorstrukturierung handelt. Dennoch 

wird diese Sichtweise nicht von allen Autoren auf dem Gebiet der Ontologien geteilt. 403) Be- 

398) Vgl. GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2; STUDER/BENJAMINS/FENSEL (1998) S. 184. 

399) Vgl. WAND ET AL. (1995) S. 285; WAND (1996) S. 281. 

400) Vgl. FERSTL/SINZ (1998) S. 4. Ein anderes Verständnis des Diskursbereichs haben GENESERETH/NILSSON (1987) S. 10: „the set 

of objects which knowledge is being expressed is often called a universe of discourse“. Der Diskursbereich ist also bereits eine 

Konzeptualisierung (im hier definierten Sinn), die zudem expliziert wurde. 

401) Zwar handelt es sich bei der BUNGE/WAND/WEBER-Ontologie um keine domänenspezifische, sondern um eine Meta-Ontologie; 

vgl. WAND (1996) S. 281. Aber die nachfolgenden Ausführungen treffen auch auf die BUNGE/WAND/WEBER-Ontologie zu. 

Denn sie beziehen sich inhaltlich nur auf irgendeinen Realitätsausschnitt – unabhängig davon, zu welcher speziellen Domäne er 

gehören mag. 

402) Beispielsweise betonen GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2, dass zwecks Erstellung einer Ontologie – von einer gegebenen 

Domäne ausgehend – Wissen über die Domäne zu erfassen (1. Schritt) und in „intermediate representations“ zu konzeptualisieren 

ist (2. Schritt). Das konzeptuelle Modell ist alsdann zu implementieren (3. Schritt), und abschließend ist die resultierende 

Ontologie zu bewerten (4. Schritt). 

403) Vgl. dazu beispielsweise GÓMEZ-PÉREZ/BENJAMINS (1998) S. 1-2 und die diesbezügliche Erläuterung in der voranstehenden 

Fußnote.


sonders deutlich wird dies hinsichtlich der unterschiedlichen Einschätzung des ontologischen Status 

von Systemen. 

Die Systemtheorie enthält nach Einschätzung des Verfassers keine nomische Hypothese, die etwas 

über die Beschaffenheit der realen Welt aussagt. Vielmehr handelt es sich bei der Systemtheorie um 

eine „Meta-Theorie“, 404) die eine Strukturierung der Welt in Systeme „a priori“ voraussetzt, so dass 

diese ontologische Hypothese niemals „a posteriori“ überprüft werden kann. Die ontologische 

Hypothese der Systemtheorie stellt eine „Brille“ dar, die eine spezielle – die systemtheoretisch geprägte 

– Sichtweise auf die Welt vorgibt. Systeme lassen sich daher nicht als „natürliche“ Strukturen 

in der Welt „entdecken“, sondern werden als epistemologische Vorstrukturierung des Erkenntnisbereichs 

jeder möglichen Welterfahrung von vornherein aufgeprägt. Systemartige Strukturen lassen 

sich nicht als ontologische Eigenschaft der Realität auffassen, weil Systeme nicht schlicht „vorgegeben“ 

sind, sondern von erkennenden Subjekten je nach ihren Erkenntniszwecken in unterschiedlicher 

Weise konstruiert werden. Damit entspricht die Systemtheorie aus dem Blickwinkel 

des Verfassers einem Konzeptualisierungsmuster, in dem epistemologische Aspekte (Systeme als 

Ergebnisse gedanklicher Vorstrukturierungen durch erkennende Subjekte) und ontologische Aspekte 

(Systeme als omnipräsente Strukturen der Realität) unauflösbar miteinander vermengt sind. 

Allerdings wird diese Auffassung keineswegs von allen Autoren geteilt. Insbesondere scheint BUN- 

GE die Ansicht zu vertreten, dass die „systemische“ Strukturiertheit eine ontologische Eigenschaft 

der Welt darstellt, 405) die unabhängig vom erkennenden Subjekt existiert (ontologischer Realismus) 

und auch als solche erkannt werden kann (epistemologischer Realismus). 406) Diese naiv-realistische 

Position von BUNGE führt dazu, die Welt „an sich“ – und nicht nur für ein erkennendes Subjekt – 

als System zu deklarieren. In der Information Systems Research Community ist dieser Gedanke von 

WAND und WEBER aufgegriffen worden. 407) Sowohl BUNGE als auch in seiner Nachfolge WAND und 

WEBER nehmen an, dass die Welt systemartige Strukturen besitzt, 408) die unabhängig davon existieren 

und auch erkannt werden können, in welcher Erkenntnisabsicht sich ein Subjekt einen Realitätsausschnitt 

verfügbar macht. 

Besonders deutlich wird diese Einstellung bei WAND. 409) Er stellt Regeln für objektorientierte Unternehmensmodellierungen 

und semantische Datenmodellierungen auf, die stets auf dem gleichen 

Argumentationsschema beruhen: Weil ein System („real-world system“ und „real system“) im modellierten 

Realitätsausschnitt einen systemtheoretisch definierten Aspekt aufweist, muss dieser As- 

404) Dementsprechend bezeichnet WAND (1996) S. 281 sein Ontologieverständnis, das auf der Systemtheorie beruht, im Gegensatz 

zu den Ontologien der KI-Forschung als eine Meta-Ontologie. 

405) Vgl. BUNGE (1977) S. 16 („ ... list of ontological principles ... M4 Things are grouped into systems ... There is no thing that fails 

to be a part of at least one system. ... What there really is, are systems – physical, chemical, living, or social.“; kursive Hervorhebungen 

hier abweichend vom Original); BUNGE (1979) S. 1 ff. 

406) Die Kombination aus ontologischem und epistemologischem Realismus wird zumeist der Kürze halber als naiver Realismus 

bezeichnet. So wird auch in diesem Kapitel die Bezeichnung „naiver“ Realismus verstanden. Die meisten Varianten des aufgeklärten 

Realismus teilen zwar die Position des ontologischen Realismus, dass eine subjektunabhängige Realität existiert, verneinen 

aber die Möglichkeit, diese subjektunabhängig existierende Realität unverzerrt, d.h. vom erkennenden Subjekt unbeeinflusst, 

erkennen zu können. Positionen des aufgeklärten Realismus lehnen also den epistemologischen Realismus ab. 

407) Die nachfolgenden Ausführungen basieren auf einer Interpretation der Arbeiten von WAND und WEBER. Daher lässt sich die 

Gefahr von Missinterpretationen grundsätzlich nicht ausschließen, die von Präsuppositionen der interpretierten Autoren provoziert 

werden. 

408) Vgl. WAND (1996) S. 282 f. u. 285. 

409) Vgl. WAND (1996) S. 285; vgl. daneben auch WEBER (1997) S. 33.


pekt in einer realitätsadäquaten Repräsentation („a ‚good’ representation“) auf die genau eine, von 

den Regeln festgelegte Weise modelliert werden. Die systemtheoretische Charakteristik des jeweils 

betrachteten Aspekts wird dabei hypostasiert oder reifiziert, weil sie schlicht als „real gegeben“ unterstellt 

wird. Dies ist nichts anderes als eine naiv realistische Erkenntnisposition. 410) Die systemtheoretischen 

Konzeptualisierungsmuster der BUNGE/WAND/WEBER-Ontologie werden auf den betrachteten 

Realitätsausschnitt projiziert und dort als „objektiv“ erfahrbare, von den Erkenntnisabsichten 

der Akteure unabhängige Strukturen der Realität behandelt. Diese Argumentationsweise ist 

blind gegenüber der Denkmöglichkeit, dass die systemtheoretischen Konzeptualisierungsmuster aktive 

Erkenntnisleistungen derjenigen Akteure darstellen, die einen Realitätsausschnitt in Verfolgung 

subjektiver Interessen oder Zwecke beobachten und gestalten. 

Das voranstehend skizzierte Argumentationsschema 411) ist typisch für Vertreter des Information 

Systems Research, die sich auf die BUNGE/WAND/WEBER-Ontologie berufen, um „feste Maßstäbe“ 

für die Evaluation von Artfakten 412) aus dem Bereich von (Kern-) Informatik und Wirtschaftsinformatik 

413) zu erhalten. Da die systemtheoretischen Aspekte der Artefakte qua zugrunde liegender 

Ontologie als real existierend betrachtet werden, besteht kein Anlass, über ihre Berechtigung zu 

diskutieren. Vielmehr scheinen sie ein „verlässliches“, da „objektiv“ vorgefundenes Fundament zu 

stiften. Aufgabe der Evaluation ist dann nur noch zu beurteilen, in welchem Ausmaß Artefakte aus 

dem Bereich von (Kern-) Informatik und Wirtschaftsinformatik mit jenen systemtheoretisch „gegebenen“ 

Aspekten eines Realitätsausschnitts übereinstimmen. Auf diese Weise wird ein – scheinbar 

– sicheres Fundament für Evaluationen erlangt, allerdings um den kognitiven Preis einer naiv realis- 

410) Zwar wendet sich WEBER (1997) S. 35 u. 175 ausdrücklich dagegen, dass er und WAND als naive Realisten eingestuft werden: 

„Wand and I certainly are not naive realists. From an ontological viewpoint, we are critical realists, and ... we are trying to build 

representations of ... perception of the world, and of course these perceptions are ... fluid and fallible.“ (S. 175). Ähnliche Hinweise 

darauf, dass sich WEBER sehr wohl bewusst ist, dass die Wahrnehmung von Realität aufgrund von „kognitiven Verzerrungen“ 

nicht mit der Realität „an sich“ übereinzustimmen braucht, finden sich beispielsweise in WEBER (1997) S. 34 f., 38 u. 

176. Auch spricht er auf S. 31 f. u. 172 ausdrücklich Annahmen („assumptions“) an, die seinem Gebrauch der BUNGE/WAND/ 

WEBER-Ontologie zugrunde liegen. 

Aber diese Argumente von WEBER entkräften keineswegs das hier vorgetragene Argument, die BUNGE/WAND/WEBER-Ontologie 

impliziere eine naiv-realistische Erkenntnisposition. Denn WEBER bezieht sich nur auf die „fallible“ Wahrnehmung von 

Phänomenen in einem betrachteten Realitätsausschnitt, nachdem er die grundsätzlich „systemische“ Strukturiertheit der Realität 

bereits vorausgesetzt hat. In dieser – unreflektierten, von BUNGE unkritisch übernommenen – Annahme, dass die „systemische“ 

Strukturiertheit eine ontologische Eigenschaft der Welt darstelle, die unabhängig vom erkennenden Subjekt existiert und auch 

als solche erkannt werden kann (systemische Strukturiertheitsprämisse), liegt die Wurzel des naiven Realismus der BUNGE/ 

WAND/WEBER-Ontologie. Es ist symptomatisch, dass WEBER (1997) diese systemische Strukturiertheitsprämisse in seinem Kapitel 

über die „hidden assumptions“ seines Denksatzes (S. 171 ff., insbesondere S. 174 ff.) an keiner Stelle thematisiert, geschweige 

denn (selbst-) kritisch in Frage stellt. Dies entspricht nicht der Position eines „kritischen Realismus“, die WEBER im 

o.a. wörtlichen Zitat für sich und WAND reklamiert. Allenfalls auf S. 176 könnte eine Andeutung von Selbstzweifeln gesehen 

werden, wenn WEBER feststellt: „Wand and I are simply trying to provide a way of representing humans’ perceptions of their 

worlds. Whether these perceptions map to an independent reality or whether they manifest a social construction is neither here 

nor there.“ Jedoch bezieht WEBER diese überzeugende Einschätzung nicht auf die grundlegende systemische Strukturiertheitsprämisse. 

Darüber hinaus zieht er aus dieser Einschätzung nicht die Konsequenz, seinen durchgehend systemischen Strukturierungsansatz 

als soziale Konstruktion zu relativieren. Stattdessen hält er in seinem Werk WEBER (1997) und weiteren Beiträgen 

(gemeinsam mit WAND) daran fest, systemischen Strukturierungen derjenigen Realitätsausschnitte, auf die sich Informationssysteme 

oder Modellierungssprachen beziehen, als Evaluationsfundament zu präsupponieren. 

411) Vgl. zu ähnlichen Argumentationen FETTKE/LOOS (2003) S. 63 ff.; GREEN/ROSEMANN (1999) S. 7 ff.; GREEN/ROSEMANN (2000) 

S. 77 u. 80 ff.; WAND (1996) S. 284 f.; WEBER (1997) S. 85 ff., 92 ff. u. 133 ff.; WEBER (2002) S. 1. 

412) Die Formulierung lehnt sich bewusst an den Titel des tiefgründigen Beitrags FRANK (1998) an. 

413) Beispiele für solche Artefakte sind insbesondere (computerbasierte) Informationssysteme und Modellierungssprachen. Nähere 

Ausführungen zum informationswissenschaftlichen Artefaktbegriff bietet FRANK (1998) S. 5.


tischen Erkenntnisposition und einer systemtheoretischen Hypostasierung. Dieses Evaluationsfundament 

mag in einem Umfeld, das nach der „Absicherung“ wissenschaftlicher Erkenntnisse verlangt, 

attraktiv erscheinen und auch die vielfache Rezeption der BUNGE/WAND/WEBER-Ontologie 

im Bereich des Information System Research 414) erklären. Aber der Verfasser kann sich den erkenntnistheoretischen 

Implikationen dieses Argumentations- und Evaluationsschemas nicht anschließen. 

Denn die scheinbare Sicherheit des Evaluationsfundaments wird mit einem „systemtheoretisch-ontologischen 

Fundamentalismus“ erkauft, der wegen seiner naiv-realistischen Erkenntnisposition 

jedem „aufgeklärten“ Realismus und auch „gemäßigten“ Konstruktivismus zuwiderläuft. 

Darüber hinaus wirkt diese „moderne“ Variante des Fundamentalismus auch aus wissenschaftssoziologischer 

Perspektive naiv, weil sie die Subjekt- und Zweckabhängigkeit der Evaluation von 

Artefakten ignoriert. 415) 

Noch deutlicher als beim Realitätsausschnitt einer Ontologie wird das Problem der Subjekt- und 

Zweckabhängigkeit bei den Konzeptualisierungen, die während der Erstellung einer Ontologie geleistet 

werden. Unter einer Konzeptualisierung wird hier eine abstrakte Sichtweise auf Phänomene 

eines Realitätsausschnitts verstanden, der für die Erkenntniszwecke der erkennenden Subjekte von 

Interesse ist. Diese Erkenntniszwecke bestimmen, welche Aspekte der wahrgenommenen oder vorgestellten 

Phänomene für die erkennenden Subjekte relevant sind. Konzeptualisierung bedeutet daher 

immer subjekt- und zweckabhängige Auszeichnung relevanter Realitätsaspekte. Das Ergebnis 

eines Konzeptualisierungsprozesses stellen zunächst die Konzepte oder internen konzeptuellen Modelle 

416) dar, mit denen der betrachtete Realitätsausschnitt hinsichtlich seiner für relevant erachteten 

Aspekte gedanklich vorstrukturiert wird. Konzeptualisierung geht also immer mit einer Vorstrukturierung 

möglicher Realitätserfahrungen einher. Die Bezeichnung „Vor-Strukturierung“ soll zum 

Ausdruck bringen, dass die Konzeptualisierung eines Realitätsausschnitts und seiner Phänomene erfolgt, 

bevor auf ihn bzw. sie vom erkennenden Subjekt zur Erfüllung eines Erkenntniszwecks konkret 

zugegriffen wird. Diese Präzedenzbeziehung besitzt allerdings nur eine „(erkenntnis)logische“, 

aber nicht notwendig eine zeitliche Qualität. Denn oftmals wird auf Realitätsausschnitte erkennend 

zugegriffen, ohne vorher die betroffenen Ausschnitte bewusst konzeptualisiert zu haben („lebensweltlicher“ 

Erkenntniszusammenhang). Mittels einer zeitlich nachfolgenden Rekonstruktion lassen 

sich dann aber jene „lebensweltlichen“ und unbewusst benutzten Konzeptualisierungen explizieren, 

die dem zeitlich vorangehenden Realitätszugriff bereits implizit zugrunde lagen. 

414) Vgl. dazu die Quellen, die in der Fußnote 394 (S. 211) zur Rezeption der BUNGE/WAND/WEBER-Ontologie angeführt wurden. 

415) Vgl. stattdessen zu einer sehr subtilen, problemoffenen Diskussion der Schwierigkeiten, mit denen sich die Evaluation von Artefakten 

im Bereich von Informatik und Wirtschaftsinformatik auseinander setzen muss, FRANK (1998) S. 2 ff. u. 7 ff. Der Autor 

geht auch mit großer Sensibilität und kritischer Distanz auf die Subjekt- und Zweckabhängigkeit von Evaluationen ein (z.B. 

auf S. 2 f., 11 u. 15). 

416) Beide Begriffe werden hier synonym verwendet. Darüber hinaus wird vereinfachend unterstellt, dass es ausreicht, zwischen internen, 

in natürlicher Sprache verfassten Modellen (einschließlich Konzepten) auf der einen Seite sowie Ontologien als externen 

und formalsprachlich verfassten Artefakten auf der anderen Seite zu differenzieren. Mittels dieser doppelten Dichotomie 

„intern versus extern“ sowie „natürlich- versus formalsprachlich“ wird das breite Spektrum denkmöglicher Repräsentationsformen 

für Realitätswahrnehmungen und -vorstellungen allerdings bei weitem nicht ausgeschöpft. Beispielsweise lassen sich 

als Übergangsform zwischen den beiden vorgenannten Repräsentationsformen auch externe, aber natürlichsprachlich verfasste 

Modelle anführen. Sie manifestieren sich etwa in natürlichsprachlichen Texten, mittels derer vor allem im Bereich der Betriebswirtschaftslehre 

Wissen über betriebliche Realitätsausschnitte dokumentiert wird. Von solchen differenzierteren Betrachtungsweisen 

verschiedener Repräsentationsformen kann in diesem Beitrag jedoch abgesehen werden, weil die beiden oben angeführten 

Repräsentationsformen als Antipoden ausreichen, um die Vermengung von ontologischen und epistemologischen 

Gedanken in der pluralischen Rede von Ontologien zu verdeutlichen.


Da die Resultate der gedanklichen Vorstrukturierung – die Konzepte oder internen konzeptuellen 

Modelle – im Allgemeinen mittels natürlichsprachlicher Begriffe erfasst („begriffen“) werden, lässt 

sich Konzeptualisierung auch als eine begriffliche Vorstrukturierung möglicher Realitätserfahrungen 

deuten. Deshalb werden Taxonomien, die natürlichsprachliche Repräsentationsbegriffe zur Beschreibung 

realer Phänomene bereitstellen (sowie die sprachlichen Über- und Unterordnungsbeziehungen 

zwischen diesen Begriffen klären), oftmals als zentrale Bestandteile von Ontologien angesehen. 

417) 

Der Gedanke der begrifflichen Vorstrukturierung von Realitätserfahrungsmöglichkeiten ist keineswegs 

neuartig, sondern – etwa als „Worten der Welt“ – Gemeingut der sprach- und kulturanalytischen 

Philosophietradition. 418) Obgleich dort die Bedeutung der Sprache für das menschliche Denken 

uneingeschränkt geteilt wird, bestehen jedoch Differenzen hinsichtlich der sprachlichen Relativität 

von Konzeptualisierungsleistungen. Hinsichtlich des Streits, inwieweit unterschiedliche Sprachen 

das Denken zu prägen vermögen, können zwei gegensätzliche Positionen identifiziert werden. 

Auf der einen Seite stehen die Proponenten 419) eines hohen Ausmaßes an Sprachrelativität, die der 

späte WITTGENSTEIN mit dem viel zitierten Ausdruck „Sprachspiel“ umschrieben hat. 420) Aus dieser 

Perspektive hängt das Resultat von Konzeptualisierungsprozessen nicht nur vom betrachteten Realitätsausschnitt, 

sondern in nicht zu unterschätzendem Ausmaß auch von der jeweils verwendeten 

417) Vgl. GRUBER (1993) S. 199 (er spricht zwar von einem Vokabular, meint aber eine Taxonomie im früher festgelegten Sinn, da 

neben den Begriffen auch die sprachlichen Beziehungen zwischen den Begriffen explizit erwähnt werden). Präziser sind die 

Ausführungen von GRUBER (1995) S. 908, Fn. †. Dort bezieht er sich expressis verbis auf Taxonomien, stellt jedoch klar, dass 

Ontologien inhaltlich nicht auf Taxonomien beschränkt bleiben müssen. Vgl. auch NOY/HAFNER (1997) S. 68. 

418) Beispielsweise hat WEISGERBER die begriffliche Vorstrukturierung sehr plastisch durch einen „Prozeß des Wortens der Welt“ 

(WEISGERBER (1971) S. 155) umschrieben; vgl. ebenso WEISGERBER (1962) S. 81, 205 u. 242 (ff.); WEISGERBER (1975) S. 174. 

Der begriffliche Zugriff auf die Realität wird hierbei als ein sprachlicher Prozess sui generis behandelt. Er führt dazu, dass ein 

Begriffsnetz über die Realität geworfen wird, das mit seinen Begriffen sowohl Erkenntnisse fördert als auch unterdrückt. Die 

Erkenntnis prägenden Begriffe konstituieren durch ihre inhaltlichen Eigenarten ein sprachabhängiges Erkenntnisraster. Von 

diesem Raster wird ein sprachlich bedingtes „Weltbild“ geprägt; vgl. AJDUKIEWICZ (1934) S. 259 ff., insbesondere S. 278 ff. Es 

entsteht eine begrifflich determinierte „Weltperspektive“; vgl. ALBERT (1964) S. 45 f. Daher wird die Sprache als eine schöpferisch-geistige 

Kraft („energeia“) verstanden. Mit ihrer Hilfe wird das in der Sprache Artikulierte nicht passiv „gespiegelt“, sondern 

aktiv gestaltet. Die Gestaltungsleistung liegt vor allem in der begrifflichen (Vor-) Strukturierung des sprachlich Artikulierten. 

Hinzu kommen Unterstellungen, die in den Begriffsdefinitionen und -assoziationen dem Artikulierten explizit oder implizit 

zugeordnet werden. Daher konstituiert das „Worten der Welt“ einen definitorischen Prozess, der keine fest vorgegebenen, „natürlichen 

Begriffswesenheiten“ wie im Begriffsrealismus erkennt, sondern entsprechend dem Begriffsnominalismus mittels 

terminologischer Setzungen erschafft. Prägnant wird der Erfahrungen gestaltende Wortungsprozess von WEISGERBER (1975) S. 

179 veranschaulicht: „ ... das Umdenken sprachlicher Begriffe in sprachliche Zugriffe; das methodische Abheben der Sprachinhalte, 

der geistigen Sprachseite, von der außersprachlichen Wirklichkeit; die Überführung von Sein in sprachliches Bewußtsein 

und noch vieles andere, was wir in der Rede vom ‚Worten von Welt’ zusammenfassen.“ [kursive Hervorhebungen durch 

den Verfasser]. 

Vgl. zu ausführlicheren Darstellungen des zuvor skizzierten Prozesses des „Weltwortens“ DEUTSCH (1996) S. 83 („Sprachen ... 

verkörpern in ihrem Vokabular und in ihrer Grammatik Annahmen über die Welt.“; kursive Hervorhebung des Originals hier 

unterlassen); JACOBS (2002) S. 108 ff. (im Anschluss an POLANYI, u.a. S. 108: „Language embodies worldview“ und „’theories 

of the universe’ permeate languages“; S. 109: „ ... the worldview of each language lies implicit in its ‚vocabularity and structure’ 

“ ); PUTNAM (1982) S. 78, 81 f. u. 98 f., insbesondere S. 81; WANG, X. (2002) S. 472 u. 474; WEINRICH (1985) S. 206 (distanziert); 

WEISGERBER (1962) S. 76 f., 81 ff. u. 241 ff. (z.B. S. 76: „Grundauffassung alles Sprachlichen als Wirkungsform der 

Sprachkraft … Sprache als Energeia …“); WEISGERBER (1971) S. 60 u. 149 ff., insbesondere S. 155 ff. u. 173 ff.; WEISGERBER 

(1975) S. 174 ff., 189 ff. u. 194 ff. Vgl. ebenso die Thematisierung der schöpferischen Kraft von Sprache bei HABERMAS (1986) 

S. 328 ff. u. 336 f.; VON HUMBOLDT (1963) S. 386 ff. u. 426 ff., insbesondere S. 386, 426, 430, 435 f. u. 438 f.; Vgl. am Rande 

auch SCHULTE (2001) S. 78; WITTGENSTEIN (1921) Punkte 4.023 (S. 213) u. 4.031 (S. 214). 

419) Vgl. exemplarisch WHORF (1997). 

420) Vgl. WITTGENSTEIN (1977) S. 19.


(Konzeptualisierungs-) Sprache ab. Auf der anderen Seite befinden sich die Opponenten 421) der 

Sprachrelativität, die – zumindest auf der sprachlichen Ebene – das Abbildungsdenken des naiven 

Realismus teilen. Aus ihrer Sicht vermag die verwendete Sprache die Strukturen der wahrgenommenen 

oder vorgestellten Realitätsausschnitte nicht substanziell zu beeinflussen. 

Vor dem Hintergrund dieser Diskussion, die ausschließlich die natürliche Sprache betrifft, vertritt 

der Verfasser offensiv eine sprachrelativistische Position. Er erkennt der Sprache als begrifflich 

vorstrukturierendem Instrument für die Konzeptualisierung von Realitätsausschnitten eine überragende 

Bedeutung zu. Knapp, aber prägnant fasst beispielsweise STEGMÜLLER zusammen: “Die Welt 

gliedert sich nicht unabhängig von der Sprache in Tatsachen oder auch nur bloß mögliche Tatsachen.” 

422) Die Position des Logischen Empirismus oder Logischen Positivismus, aufgrund von empirischen 

Beobachtungen könnten unhintergehbare „Protokollsätze“ über „die“ Wirklichkeit aufgestellt 

werden, die Tatsachen „als solche“ sprachlich repräsentieren, wird aus dieser sprachrelativistischen 

Erkenntnisposition unterminiert. Denn „Tatsachen“ werden erst in ihrer sprachlichen Formulierung 

zu Protokollsätzen über die Wirklichkeit und stellen somit sprachliche Artefakte dar. Diese 

spiegeln keine realen Sachverhalte „an sich“ wider, sondern repräsentieren nur eine sprachlich vermittelte 

– d.h. sprachlich vorstrukturierte – Wahrnehmung jener Sachverhalte. Die Strukturen der 

jeweils angewendeten Sprache werden somit zu den Bedingungen der Möglichkeit von Realitätserfahrungen. 

Zur Verdeutlichung dieser Sprachabhängigkeit von Konzeptualisierungen lässt sich beispielsweise 

auf die Entity-Relationship-Modellierung (ER-Modellierung) 423) aus Kapitel 1.3.1.3 (S. 194 f.) verweisen, 

die insbesondere in der Wirtschaftsinformatik und somit auch im betrieblichen Wissensmanagement 

weite Verbreitung genießt. Der ER-Modellierung liegt eine begriffliche Vorstrukturierung 

möglicher Realitätserfahrungen zugrunde, die Objekte („entities“) und deren Beziehungen 

(„relationships“) als generische Erkenntnisformen (Modellierungsprimitive) präsupponiert. 424) Objekten 

und Beziehungen wird somit ein „ontologischer“ Status in der ER-Modellierung zugespro- 

421) Vgl. CHOMSKY (1996); MEIXNER (1994) S. 377 ff. Bis zum 18. Jahrhundert wurde die Sprache vor allem als Mittel verstanden, 

um Gedanken auszudrücken. Sprachliche Laute wurden – zurückgehend auf ARISTOTELES – als Zeichen für Gedanken verstanden, 

die wiederum eine Abbildung der Wirklichkeit darstellen; vgl. WILLASCHEK (1996) S. 158. 

422) STEGMÜLLER (1970) S. 15. 

423) Exakter wäre es, von einer ER-Sprache zu reden, da nach gängiger Begriffsauffassung ein konzeptuelles Informationsmodell 

immer mithilfe einer Sprache erstellt wird, ein Informationsmodell selbst jedoch nicht mit einer Sprache gleichgesetzt werden 

kann. Vgl. ROSEMANN/GREEN (2002) S. 79 und SOWA (2000) S. 431, die den Entity-Relationship-Ansatz von CHEN zu Recht als 

eine Sprache behandeln (streng genommen sogar als eine Meta-Sprache, da sie im Kontext von Metamodellen argumentieren). 

Zudem ist der Terminus technicus „ER-Modellierung“ ein klassifikatorischer Begriff, da alle Sprachen, die eine gewisse – in 

der Regel nicht näher ausgeführte – Analogie zum Entity-Relationship-Ansatz von CHEN besitzen, gemeinsam als „ER- 

Modellierung“ bezeichnet werden, obgleich es sich um unterschiedliche Sprachdialekte handelt. 

424) Streng genommen kommen noch die Eigenschaften von Objekten als deren Attribute hinzu. Dieses dritte Modellierungsprimitiv 

manifestiert sich jedoch nicht in der Bezeichnung von ER-Modellierungen. Im Folgenden wird der Übersichtlichkeit halber von 

Objektattributen abgesehen, ohne zu verkennen, dass sie im Prinzip ebenso berücksichtigt werden müssten.


chen; sie werden „hypostasiert“. 425) Dies bedeutet einerseits, dass die ER-Modellierung nicht mehr 

als Sprache zur Repräsentation von Informationssystemen benutzt werden kann, sobald die ontologische 

Annahme einer Realitätsstrukturierung mit Objekten und Beziehungen als Modellierungsprimitiven 

verletzt ist. 426) Andererseits führt der ontologische Status von Objekten und Beziehungen 

in der ER-Modellierung dazu, dass sich Realitätsfacetten, die bei der Konzeptualisierung mittels einer 

anderen Sprache hätten erfahren werden können, bei einer Vorentscheidung zugunsten der ER- 

Modellierung nicht mehr wahrnehmen oder vorstellen lassen, wenn sie „außerhalb“ des sprachlichen 

Zugriffs von Objekten und deren Beziehungen liegen. 427) Die ER-Modellierung wird somit 

„blind“ gegenüber möglichen Realitätserfahrungen, die durch andere Sprachen vermittelt werden 

könnten, aber jenseits des „natürlichen“ Ausdrucksvermögens von Objekten und deren Beziehungen 

liegen. Diese „Blindheit“ der ER-Modellierung sollte jenen Wirtschaftsinformatikern zu denken 

geben, die zugunsten der ER-Modellierung (und ihrer Varianten) plädieren, ohne sich vorher darüber 

zu vergewissern, dass die ontologisch-begrifflichen Vorstrukturierungen einer Sprache mit Objekten 

und deren Beziehungen als primitiven Ausdrucksformen den Eigenarten des betrachteten Realitätsausschnitts 

„angemessen“ sind. 

Zwar ist die Sichtweise, dass die jeweils angewendete Sprache die Bedingungen der Möglichkeit 

von Realitätserfahrungen konstituiert, aus erkenntnistheoretischer Perspektive keineswegs neu. 

Vielmehr hat sie sich nicht nur in der oben erwähnten sprach- und kulturanalytischen Philosophietradition, 

sondern auch in der „moderneren“ Analytischen Philosophie als „linguistic turn“ weit gehend 

durchgesetzt. Dennoch wird diese (sprach-) analytische Sichtweise von Wissenschaften, die 

sich selbst bevorzugt als „empirisch“ bezeichnen, zumeist ignoriert. Dazu gehören nicht nur Ingenieur- 

und Naturwissenschaften, die in ihren typischen Beobachtungs- und Experimentalszenarien auf 

unreflektierte Protokollsätze über „Beobachtungstatsachen“ rekurrieren. Vielmehr sind auch weite 

Zweige der „modernen“ Wirtschaftswissenschaften, die sich selbst gern dem „empirischen Paradigma“ 

zurechnen lassen, aus sprachanalytischer Perspektive nicht über den erkenntnistheoretischen 

425) MYLOPOULOS (1998) S. 132 spricht anschaulich von „ontological assumptions“ (kursive Hervorhebung im Original hier unterlassen) 

der ER-Modellierung. Vgl. auch PARTRIDGE (2002) S. 11: “In some texts the database’s catagories (entity, Object, attribute 

etc.) are – mistakenly – presented as if they were also ontological ones. ... In practice, this usually turns out not to be so.” 

PARTRIDGE vertieft auf S. 11 ff. seine Kritik an vorschnellen ontologischen Annahmen bei der Gestaltung von Datenbanken 

mithilfe von “top-level catagories“ oder „metatypes“ sowohl anhand präziser, allgemeingültiger Argumente als auch anhand 

plastischer Beispiele. Auf S. 12 bringt er die unzulässige Hypostasierung solcher “top-level catagories“ und „metatypes“ auf 

den Punkt, indem er zwischen einem datenbankbezogenen Repräsentations- und einem realitätsbezogenen Seinsmodus unterscheidet. 

Datenbankkonstrukteure verfügen über Gestaltungsfreiräume, deren Ausschöpfung ihnen nicht von der Realität durch 

„objektiv“ seiende Objekte, Beziehungen, Systeme o.ä. vorgegeben wird. Stattdessen können Datenbankkonstrukteure über diese 

Gestaltungsfreiräume letztlich „willkürlich“ disponieren. PARTRIDGE fasst diesen Sachverhalt abermals konzise zusammen: 

„The database category is not determined by what (category of thing) is being represented, but by how the designer chooses to 

represent that thing.“ (S. 12). Der Verfasser vermag diesem klaren Diktum nichts hinzuzufügen. Vgl. außerdem zu einem einfachen 

Beispiel für das Produkt „Auto“, das die zuvor angesprochenen Gestaltungsfreiräume veranschaulicht, POCSAI (2000) S. 

83. 

426) Vgl. MYLOPOULOS (1998) S. 132 u. – mittelbar – 136. Als mögliche Verletzungen der o.a. ontologischen Annahme führt MY- 

LOPOULOS (1998) S. 132 Realitätsausschnitte an, die von Flüssigkeiten, zeitlichen Ereignissen oder Zustandsveränderungen geprägt 

werden. 

427) Beispielsweise bereitet es innerhalb einer ER-Modellierung erhebliche Schwierigkeiten, die zeitliche Dimension von Prozessen 

auf der Grundlage von Objekten und deren Beziehungen so zu erfassen, dass dies als „natürlich“ empfunden wird. Zwar lässt 

sich die Anschauungsform „Zeit“ irgendwie – z.B. als zusätzliches, artifizielles Objekt – in ein ER-Modell hineinzwängen. 

Aber dies hat mit einer „realitätsadäquaten“, „natürlichen“ Modellierung nichts mehr gemeinsam, sondern gehört zum problematischen 

Bereich der so genannten „PROKRUSTES-Bett-Modellierung“. Übrigens trifft der gleiche Vorbehalt – erhebliche 

Mängel hinsichtlich der Natürlichkeit der Erfassung von Zeitaspekten – auch auf die alternative Modellierungstechnik der 

PETRI-Netze zu.


Reflexionsstand des Logischen Empirismus (Logischen Positivismus) hinaus gekommen, weil sie in 

ihren Analysen von „Daten“ als „unhintergehbaren“ empirischen Befunden ausgehen. Dieser Befund 

wird auch nicht dadurch gelindert, dass das „empirische Paradigma“ – zumindest in den Wirtschaftswissenschaften 

– in Anlehnung an angelsächsische Vorbilder von tonangebenden Wissenschaftsinstitutionen 

als internationaler State-of-the-art gepriesen wird. 

Zumindest sollte ein „aufgeklärtes“ Wissensmanagement, das Wissen als sprachlich verfasstes Artefakt 

begreift, diesem schlichten Empirismus nicht verfallen. Vielmehr sollte es gemäß einer 

sprachrelativistischen Erkenntnisposition würdigen, in welchem Ausmaß die Strukturen einer Sprache 

die Möglichkeiten von Realitätserfahrungen begrifflich vorzustrukturieren vermögen. Ontologien 

können durch ihre Betonung der begrifflichen Komponente der Wissens(vor)strukturierung, die 

sich vor allem in der taxonomischen Struktur einer Ontologie niederschlägt, erheblich dazu beitragen, 

der sprachrelativistischen Erkenntnisposition im Rahmen des betriebswirtschaftlichen Wissensmanagements 

zum Durchbruch zu verhelfen. Vielleicht werden sie sogar zu einem „trojanischen 

Pferd“, das auch auf andere wirtschaftswissenschaftliche Erkenntnisbereiche ausstrahlt – und 

eventuell sogar einige „hart gesonnene“ empirische Ökonomen zum Nachdenken über den „linguistic 

turn“ der Erkenntnistheorie anzuregen vermag. 

Der „kleine Exkurs“ zu erkenntnistheoretischen Konsequenzen, die aus Wissen als sprachlich verfasstem 

Artefakt und aus begrifflichen Vorstrukturierungen möglicher Realitätserfahrungen zu ziehen 

sind, droht an dieser Stelle in „beißend-lustvolle“ Polemik gegen vorherrschende Paradigmen 

des real praktizierenden Wissenschaftsbetriebs abzugleiten. Dies ginge jedoch an den Intentionen 

dieses Kapitels vorbei. Daher wird auf den Konzeptualisierungsprozess zurückgekommen, in dessen 

Verlauf ein Realitätsausschnitt mit den darin wahrgenommenen oder vorgestellten Phänomenen in 

eine sprachliche Repräsentation der möglichen Realitätserfahrungen überführt wird. 

Die Konzepte oder internen Modelle, die zunächst aus einem Konzeptualisierungsprozess als Gedankeninhalte 

resultieren, werden zu externen konzeptuellen Modellen, sobald die Gedankeninhalte 

sprachlich „entäußert“ werden. Die Gedankeninhalte verlassen dann die Gedankenwelt ihres Schöpfers 

und werden somit als externe Modelle „verselbstständigt“ oder „vergegenständlicht“. Dabei 

werden die externen konzeptuellen Modelle in irgendeiner Form Dritten mitgeteilt, d.h. kommuniziert, 

428) z.B. in der Form der direkten Rede oder in der Form eines schriftlichen Dokuments. 

Ein wesentlicher Streitpunkt liegt in der Frage, welche sprachliche Gestalt für ein externes konzeptuelles 

Modell unmittelbar nach seiner Verselbstständigung von seinem Schöpfer angenommen 

wird: Als internes konzeptuelles Modell war es in natürlicher Sprache gedacht, weil sich menschliches 

Denken im Allgemeinen in den Begriffen („Kategorien“) der natürlichen Sprache bewegt. Der 

Verfasser plädiert dafür, den Akt der „Entäußerung“ des internen konzeptuellen Modells zu einem 

externen konzeptuellen Modell nicht mit zusätzlichen inhaltlichen Komplikationen zu überfrachten, 

so dass ein konzeptuelles Modell unmittelbar nach der Herauslösung aus der Gedankenwelt seines 

428) Der Mitteilungs- oder Kommunikationsbegriff wird hier sehr weit gefasst. Er kann auch die „adressatenlose Kommunikation“ 

umfassen, d.h. die Entäußerung eines Modells z.B. als Dokument, das lediglich archiviert wird. Dann ist kein konkreter Adressat 

bekannt. Stattdessen wird das externe konzeptuelle Modell lediglich für potenzielle zukünftige Adressaten vorgehalten, die 

darauf zugreifen können, indem sie das archivierte Dokument aufrufen. Ebenso ist die „Selbstadressierung“ eingeschlossen. Sie 

betrifft den Fall, dass der Schöpfer eines internen mentalen Modells dieses Modell „für sich selbst“ entäußert, um es z.B. anhand 

einer schriftlichen Modelldokumentation besser analysieren zu können.


Schöpfers erst einmal als ein weiterhin natürlichsprachliches 429) , jetzt externes konzeptuelles Modell 

vorliegt. Das Ergebnis eines Konzeptualisierungsprozesses stellt also auch nach seiner „Entäußerung“ 

als externes konzeptuelles Modell nach Auffassung des Verfassers noch kein formalsprachliches 

Artefakt dar. In dieser Hinsicht folgt er dezidiert nicht der „formalistischen“ Konzeptualisierungsdefinition 

von GENESERETH und NILSSON 430) , auf die sich auch das Konzeptualisierungsverständnis 

von GRUBER bezieht. Die vorgenannten Autoren stimmen darin überein, die Konzeptualisierung 

eines Realitätsausschnitts als einen Prozess der formalsprachlichen Spezifikation zu 

behandeln. Ihrer Ansicht nach handelt es sich daher bei einem externen konzeptuellen Modell um 

ein formalsprachlich verfasstes Modell. 

Für diese „Opposition“ gegenüber GENESERETH und NILSSON sowie GRUBER spricht der Einwand 

einer trivialen – und infolgedessen vermeidenswerten – Verdoppelung: Würde das Ergebnis einer 

Konzeptualisierung, also ein externes konzeptuelles Modell, bereits ein formalsprachlich verfasstes 

Artefakt darstellen, dann wäre eine Ontologie, die wiederum als ein formalsprachlich verfasstes Artefakt 

aufgefasst wird, lediglich eine triviale Verdopplung des externen konzeptuellen Modells. 

Denn es könnte eine Übersetzungsrelation zwischen den zwei formalsprachlichen Artefakten der 

externen konzeptuellen Modelle und der Ontologien konstruiert werden, von der kein substanzieller 

Erkenntnisgewinn beim Übergang von externen konzeptuellen Modellen zu Ontologien zu erwarten 

wäre. Daher würde die formalsprachliche Verdopplung eines externen konzeptuellen Modells in der 

Gestalt einer Ontologie die gravierenden erkenntnistheoretischen Probleme der Konstruktion von 

Ontologien auf die „simple“ Übersetzung zwischen zwei formalsprachlich verfassten Artefakten reduzieren 

und somit trivialisieren. 431) Um diese Gefahr zu vermeiden, hält es der Verfasser aus erkenntnistheoretischer 

Perspektive für angezeigt, deutlich zu unterscheiden zwischen einerseits der 

natürlichsprachlichen Konzeptualisierung eines Realitätsausschnitts, aus der ein ebenso natürlichsprachlich 

verfasstes, externes konzeptuelles Modell resultiert, und andererseits der formalsprachlichen 

Spezifikation von sprachlichen Ausdrucksmitteln für repräsentationale Modelle des konzeptualisierten 

Realitätsausschnitts mittels einer Ontologie. Auf diese Weise wird eine klare, zweistufige 

Phasenstruktur für die Konstruktion von Ontologien nahe gelegt: Auf der ersten Stufe, der Konzep- 

429) Es wurde schon im Kapitel 1.3.1.3 darauf hingewiesen, dass der Begriff der natürlichen Sprache im Kontext konzeptueller Modelle 

sehr weit gefasst wird und insbesondere auch graphische Ausdrucksformen umfasst (Fußnote 373, S. 205). Solche graphischen 

Ausdrucksformen können übrigens auch in internen konzeptuellen Modellen verwendet werden, wie z.B. Redewendungen 

über ein „graphisches Gedächtnis“. Daher wird die natürliche Sprache hier von vornherein – nicht nur für externe, sondern 

ebenso für interne konzeptuelle Modelle – so weit ausgelegt, dass sie alle, insbesondere auch graphische Ausdrucksformen umfasst, 

die innerhalb einer Denk- und Kommunikationsgemeinschaft als „natürlich“ empfunden werden. 

430) Vgl. GENESERETH/NILSSON (1987) S. 9 ff. 

431) Nur am Rande sei der Verwunderung Ausdruck verliehen, dass die Definition von GRUBER, die explizit auf GENESERETH/NILS- 

SON Bezug nimmt, angesichts der formalsprachlichen Repräsentationsverdopplung bislang noch nicht kritisiert wurde. Zwar 

zeigen GUARINO und GIARETTA in ihrer Analyse des Konzeptualisierungsverständnisses von GENESERETH/NILSSON, dass von 

einem extensionalen Konzeptualisierungsverständnis ausgegangen wird, während sie selbst eine intensionale Deutung der Konzeptualisierung 

befürworten: „an intensional semantic structure which encodes the implicit rules constraining the structure of a 

piece of reality“ (GUARINO/GIARETTA (1995) S. 31; ähnlich auf S. 29). Allerdings legen GUARINO und GIARETTA nicht präzise 

dar, was sie unter einem intensionalen Konzeptualisierungsverständnis verstehen und wie sie es von einem extensionalen Konzeptualisierungsverständnis 

inhaltlich abgrenzen. Ihre Ausführungen auf S. 29 deuten immerhin darauf hin, dass sie ihr intensionales 

Konzeptualisierungsverständnis auf eine Semantik aller möglichen Welten beziehen (possible worlds semantics), während 

das extensionale Konzeptualisierungsverständnis auf den „Umfang“ einer Konzeptualisierung in nur einer möglichen Welt 

beschränkt bleibt. In diese Richtung weisen auch die Ausführungen von HAGENGRUBER (2004) S. 423 f. Die Autorin skizziert 

darin die Unterschiede zwischen der extensionalen Vorgehensweise, die GRUBER bei seinem Ontologieverständnis verfolgt, und 

der hierauf bezogenen Kritik von GUARINO, in Ontologien müssten Entitäten jeweils auf intensionale Weise rekonstruiert werden.


tualisierungsphase, werden alle begrifflichen Vorstrukturierungen des Realitätsausschnitts zusammengefasst, 

die sich im Medium einer natürlichen Sprache vollziehen. Dies betrifft sowohl interne 

Vorstrukturierungen gedanklicher Art (interne konzeptuelle Modelle) als auch deren externe „Verdinglichung“ 

in natürlichsprachlichen Artefakten (externe konzeptuelle Modelle). Auf der zweiten 

Stufe, der Spezifikationsphase, werden hingegen die externen konzeptuellen Modelle, die bereits natürlichsprachlich 

artikuliert vorliegen, mittels zusätzlicher Formalisierungsoperationen in (externe) 

432) formalsprachliche Ontologien überführt. 433) 

Die mangelhafte Berücksichtigung der gedanklichen Konstruktionsleistungen, die sich in der oben 

skizzierten formalistischen Konzeptualisierungsauffassung von GENESERETH und NILSSON sowie 

GRUBER niederschlägt, erscheint angesichts der vielschichtigen Probleme, die mit der Konzeptualisierung 

von Realitätsausschnitten verbunden sind, als äußerst gewagt. Empirische Untersuchungen 

zur Informationsmodellierung belegen z.B., welch gravierenden Einfluss Deutungsmuster der Modelldesigner 

auf ihre Modellkonstruktionen auszuüben vermögen. 434) Diese Einsichten lassen sich 

ohne Schwierigkeiten auf die Konstruktion von Ontologien übertragen. Die persönlichen Erfahrungen, 

das Sachwissen und die Interessen eines Subjekts führen dazu, dass es perzeptive oder kognitive 

Strukturen erschafft, die den Ausgangspunkt seiner Ontologiekonstruktion darstellen. Von allen 

diesen subjektabhängigen und „konstruktivistischen“ Einflüssen, die während der Struktur erschaffenden 

Konzeptualisierung von Realitätsausschnitten auftreten können, pflegen die Anhänger der 

formalistischen Konzeptualisierungsauffassung zu abstrahieren. Daher erwecken sie den Eindruck, 

eine naiv-realistische Grundhaltung zu vertreten. 435) Wie schon zuvor mehrfach herausgearbeitet 

wurde, scheinen Forscher auf dem Gebiet von Ontologien besonders „anfällig“ für eine naiv-realistische 

Erkenntnisposition zu sein. 

Bislang wurde nur die natürlichsprachliche Konzeptualisierung von Realitätsausschnitten thematisiert, 

die auf der ersten Stufe der Konstruktion einer Ontologie erfolgt. Auf der zweiten Konstruktionsstufe 

kommt die formalsprachliche Spezifikation derjenigen Inhalte hinzu, die am Ende der 

Konzeptualisierungsphase durch ein natürlichsprachlich verfasstes, externes konzeptuelles Modell 

repräsentiert werden. Die wesentliche Herausforderung dieser Spezifikationsphase erstreckt sich auf 

die formalsprachliche Explizierung von natürlichsprachlich konzeptualisierten Denkinhalten. 436) 

Diese formalsprachliche Explizierung kann weitere erkenntnistheoretische Probleme aufwerfen. 

432) Auf das Attribut „extern“ kann bei formalsprachlichen Konstrukten – wie z.B. Ontologien – verzichtet werden, weil sich nach 

Einschätzung des Verfassers das „interne“ menschliche Denken nicht in formalsprachlichen Kognitionsmustern vollzieht. Formalsprachliche 

Konstrukte sind daher immer etwas künstlich Erschaffenes („Artefakte“) und zugleich externer Natur. 

433) Dies trifft zumindest auf das hier vertretene Ontologieverständnis zu, Ontologien von vornherein auf formalsprachliche Artefakte 

zu beschränken. 

434) Vgl. u.a. SHANKS (1997) S. 65 ff. 

435) Zugunsten dieses Verdachts sprechen die bereits an früherer Stelle erwähnten Einschätzungen von FALKENBERG (1996) S. 8 und 

FLOYD (1992) S. 16 f., denen zufolge im Bereich des Software Engineerings eine naiv-realistische Erkenntnisposition vorherrscht. 

436) Nicht alle natürlichsprachlich konzeptualisierten Denkinhalte müssen formalsprachlich expliziert werden. Denn für Teile der 

natürlichsprachlich konzeptualisierten Denkinhalte lässt sich auf eine explizite formalsprachliche Repräsentation verzichten, solange 

gewährleistet ist, dass sich diese Teile – als so genanntes implizites Wissen – aus dem explizit formalsprachlich repräsentierten 

Wissen mittels Inferenzregeln indirekt erschließen lassen. Auf dieses implizite Wissen und die Inferenzregeln zu seiner 

Erschließung wird in späteren Kapiteln ausführlich zurückgekommen. Im hier diskutierten Kontext wird der Übersichtlichkeit 

halber von der Komplikation abgesehen, darüber zu entscheiden, welche Teile der natürlichsprachlich konzeptualisierten Denkinhalte 

entweder explizit repräsentiert werden oder aber nur als implizites Wissen erschließbar sein sollen.


In einem externen konzeptuellen Modell soll neben dem Fachwissen der Akteure vor allem ihr Hintergrundwissen 

sprachlich artikuliert werden, um dieses Hintergrundwissen – insbesondere im Kontext 

von KI-Forschung und Wirtschaftsinformatik – dem Zugriff Wissensbasierter Systeme zugänglich 

machen zu können. Allerdings haben sich erste Versuche, die zahlreichen Präsuppositionen natürlichsprachlicher 

Vorverständnisse systematisch zu explizieren, als überaus diffizil herausgestellt. 

Dies gilt bereits auf der Ebene natürlicher Sprache. Erschwerend kommt hinzu, dass Wissensbasierte 

Systeme für ihre interne Operationsweise eine formalsprachliche Repräsentation des für relevant 

erachteten (Fach- und Hintergrund-) Wissens erfordern, beispielsweise in der Gestalt von Ontologien. 

Gewichtige Stimmen ziehen grundsätzlich in Zweifel, dass es jemals möglich sein wird, die 

„wesentliche Bedeutung“ oder „Semantik“ natürlichsprachlich ausgedrückter Realitätserfahrungen 

mittels formalsprachlicher Explizierung vollständig und unverfälscht zu rekonstruieren. Das „Chinese-Room“-Gedankenexperiment 

von SEARLE und die darauf folgende Debatte, die bis heute kein 

einvernehmliches Ende gefunden hat, geben ein eindrucksvolles Beispiel für diese Fundamentalzweifel. 

437) Es besteht hier nicht der Raum, diese Fundamentalzweifel im Detail zu erörtern. 438) 

Aber ihre schlichte Erwähnung mag ausreichen, um eine „gesunde Skepsis“ gegenüber dem Anspruch 

zu wecken, die natürlichsprachlich verfassten, externen konzeptuellen Modelle, die am Ende 

der Konzeptualisierungsphase vorliegen, ließen sich vollständig und unverfälscht in formalsprachliche 

Ontologien überführen. 

Weitere sprachphilosophische und erkenntnistheoretische Probleme bereiten Ontologien auf der 

pragmatischen Ebene ihrer intendierten Anwendungen. Ontologien sollen ihren Nutzen vor allem 

dadurch entfalten, dass sie eine einheitliche, gemeinsam verwendete Konzeptualisierung – und Spezifikation 

439) – von Realitätserfahrungsmöglichkeiten bereitstellen („shared ontology paradigm“ 440) ). 

Daher müssen Akteure, die eine gemeinsam übernommene Aufgabe arbeitsteilig erfüllen wollen, 

ihre zweck- und subjektabhängigen Ontologien untereinander „harmonisieren“. 441) 

437) Vgl. als Beitrag jüngeren Datums zu dieser Debatte SIEDENTOPF (1999) S. 398 ff. (und die dort aufgearbeitete Literatur). 

438) Der Verfasser hat sich mit dem „Chinese-Room“-Gedankenexperiment von SEARLE im Zusammenhang mit der Diskussion über 

die starke KI-These an anderer Stelle ausführlicher auseinander gesetzt. Dabei ist er auf die oben skizzierten Fundamentalzweifel 

ausführlicher – und kritisch – eingegangen. Vgl. ZELEWSKI (1990) S. 2 ff.; ZELEWSKI (1991) S. 337 ff.; ZELEWSKI (1993b) S. 

611 ff. 

439) Da im Folgenden die speziellen Probleme einer formalsprachlichen Explizierung keine Rolle spielen, ist die Spezifikation als 

zweite Phase der Ontologiekonstruktion nur von nachrangigem Interesse. Deshalb konzentrieren sich die Ausführungen auf die 

erste Konstruktionsphase der natürlichsprachlichen Konzeptualisierung. Die nachfolgenden Argumente gelten jedoch unverändert, 

wenn sie nicht nur auf die Konzeptualisierung eines Realitätsausschnitts, sondern umfassender auf die Verwendung einer 

Ontologie (einschließlich der formalsprachlichen Spezifikation der natürlichsprachlichen Konzeptualisierungsergebnisse) bezogen 

werden. 

440) In Anlehnung an PARTRIDGE (2002) S. 10: „People’s ontological paradigm ... is the background of ontological assumptions that 

they share.“ (kursive Hervorhebungen durch den Verfasser). 

441) Als weitere Option lässt sich vorstellen, dass mehrere Akteure trotz unterschiedlicher Ontologien durch Übersetzungen zwischen 

ihren divergierenden Ontologien dennoch sinnvoll miteinander kommunizieren können. Von dieser Alternative wird im 

Folgenden jedoch aus zwei Gründen abgesehen. Erstens wird diese Übersetzungsperspektive weitaus seltener eingenommen als 

das Denkmuster einer gemeinsam verwendeten Ontologie. Zweitens wurde schon an früherer Stelle darauf hingewiesen, dass 

die Schwierigkeiten bedeutungserhaltender Übersetzungen zwischen unterschiedlichen Ontologien bis heute noch nicht gelöst 

werden konnten. Dies betrifft insbesondere die Frage, wie sich operationale Kriterien zur Überprüfung der Bedeutungserhaltung 

spezifizieren lassen. In dieser Hinsicht wird auf die erkenntnistheoretische Debatte über die grundsätzliche Unbestimmtheit von 

Übersetzungen verwiesen, die bereits oben im Kontext der Bedeutungserhaltung angesprochen wurde; vgl. Kapitel 1.3.1.1.2 (S. 

135 ff.).


Im Allgemeinen weisen die sprachlichen „Weltsichten“, die von den Ontologien der involvierten 

Akteure vermittelt werden, jedoch keine „prästabilierte Harmonie“ 442) auf. Daher drängt sich aus 

sprachphilosophischer Sicht die Frage auf, wie plausibel die Erwartung erscheint, dass mindestens 

zwei Akteure in ihren Konzeptualisierungen desselben Realitätsausschnitts übereinstimmen. 443) Die 

Übereinstimmung von Konzeptualisierungen wird in der Regel um so wahrscheinlicher sein, je geringer 

ihre Abhängigkeit von begrifflichen Vorstrukturierungen möglicher Realitätserfahrungen 

ausfällt, je weniger sich also die oben diskutierte Sprachrelativität von Konzeptualisierungen auszuwirken 

vermag. Da sich der Verfasser bereits zu einer „offensiv“ sprachrelativistischen Position 

bekannt hat, muss er folglich einräumen, dass die Wahrscheinlichkeit von übereinstimmenden Konzeptualisierungen 

bei der arbeitsteiligen Erfüllung gemeinsamer Aufgaben eher niedrig einzuschätzen 

ist. 444) Insbesondere sprachbedingte Verständnisbarrieren, die im Kapitel 1.1.2 erörtert wurden 

(S. 43 ff.), stützen diese tendenziell pessimistische Einschätzung. Allerdings bedarf dieses pauschale 

Urteil einer inhaltlichen Ausdifferenzierung. 

Erstens wächst die Wahrscheinlichkeit von übereinstimmenden Konzeptualisierungen mit der 

sprachlichen Homogenität der involvierten Akteure, weil die sprachbedingten Verständnisbarrieren 

entsprechend sinken. So kann innerhalb desselben Unternehmens eher mit übereinstimmenden Konzeptualisierungen 

gerechnet werden, als es in einem überbetrieblichen Netzwerk der Fall ist. Die 

Übereinstimmungswahrscheinlichkeit fällt noch größer aus, wenn nur Akteure aus derselben orga- 

442) Der Terminus technicus „prästabilierte Harmonie“ (von Monaden) geht auf LEIBNIZ zurück, vgl. LEIBNIZ (1998) S. 55 ff. (S. 56: 

„l’harmonie preétablie“) u. 61. Vgl. daneben auch HECHT (1998) S. 100, 104, 113 ff. u. 118; MITTELSTRAß (2004) S. 41; SKIR- 

BEKK/GILJE (1993) S. 406. 

443) Es geht an dieser Stelle nur um die Frage, ob Akteure bei ihrer arbeitsteiligen Erfüllung einer gemeinsamen Aufgabe von Anfang 

an („ex ante“, d.h. vor Beginn der Aufgabenerfüllung) über eine übereinstimmende Konzeptualisierung desjenigen Realitätsausschnitts 

verfügen, der von der Aufgabenerfüllung betroffen ist. Davon völlig unberührt bleibt die nachgelagerte Frage, ob 

sich im Falle nicht übereinstimmender Konzeptualisierungen im Verlauf der Aufgabenerfüllung („ex post“, d.h. nach Beginn 

der Aufgabenerfüllung) die anfangs noch fehlende Übereinstimmung nachträglich herbeiführen lässt. Dafür kommen im Rahmen 

des Ontology Engineerings vor allem einerseits das nachträgliche Beseitigen und andererseits das nachträgliche Kompensieren 

von Übereinstimmungsmängeln in Betracht. Eine Maßnahme zur Beseitigung wäre die nachträgliche Vereinheitlichung 

von „kommunikationskritischen Partialontologien“, eine Maßnahme zur Kompensierung wäre der Einsatz von Übersetzungsmechanismen 

zwischen den unterschiedlichen Ontologiekomponenten. Eine radikale Variante der nachträglichen Vereinheitlichung 

bestünde darin, dass die Konzeptualisierung eines Akteurs von allen übrigen Akteuren angenommen werden muss; dann 

wäre eine Kommunikation auf der Grundlage einer gemeinsam verwendeten Ontologie auch bei hoher Sprachrelativität „problemlos“ 

möglich. Allerdings entsteht in diesem Fall – zumindest bei der Spezies menschlicher Akteure – ein Kommunikationsumfeld, 

das nicht „herrschaftsfrei“ ist. Dies kann eine effektive Kommunikation erheblich beeinträchtigen. Daher wird im Folgenden 

nicht weiter auf „erzwungene“, sondern nur auf freiwillige Harmonisierung von Konzeptualisierungen eingegangen. 

Vgl. zur Diskussion der beiden Alternativen nachträgliches Beseitigen versus nachträgliches Kompensieren von Übereinstimmungsmängeln 

zwischen Ontologien auch ZELEWSKI/SIEDENTOPF (1999) S. 81; ZELEWSKI/FISCHER (1999) S. 8 ff. Dort werden 

die beiden Alternativen als erzwungene interne bzw. als externe Konsolidierung von Ontologien thematisiert. Vgl. auch die 

ähnliche Alternative in REIMER (1997) S. 92. 

444) Vgl. HAGENGRUBER (2004) S. 420. Sie räumt ein, dass der Nutzen von Ontologien für Unternehmensontologien (die von der 

Autorin auf S. 419 f. thematisiert wurden), umso stärker in Mitleidenschaft gezogen werden kann, je höher man die Sprachrelativität 

von Konzeptualisierungen einschätzt. Besonders bemerkenswert ist, dass HAGENGRUBER von einem „Scheitern dieser 

Ontologien“ (S. 420) spricht, weil sie nicht aufeinander abgebildet werden können (und auch nicht den Ansprüchen von Experten 

an konzeptuelle Unternehmensmodelle genügen). Als Grund dieses Scheiterns führt sie an, dass die Unternehmensontologien 

auf Commonsense-Verständnissen über Unternehmen beruhten und (die folgenden Argumente spricht HAGENGRUBER nicht 

mehr deutlich aus, so dass sie hier vom Verfasser interpretiert wird) dieser umgangs-, vor allem wirtschaftssprachlich vermittelte 

Commonsense bei den angesprochenen Ontologieprojekten divergierte. Dies illustriert, wie sich untereinander inkompatible 

Commonsense-Verständnisse – die dann streng genommen keinen Commonsense mehr darstellen – in Sprachdivergenzen niederschlagen 

(vice versa) und zu Ontologiekonstruktionen für die gleiche Domäne „Unternehmen“ führen können, die sich nicht 

mehr ineinander übersetzen („abbilden“) lassen.


nisatorischen Einheit eines Unternehmens bei der Aufgabenerfüllung zusammenwirken, weil durch 

die tägliche Zusammenarbeit die Chance ihrer einheitlichen „sprachlichen Sozialisation“ besonders 

groß ausfällt. 

Zweitens hängt die Unwahrscheinlichkeit von übereinstimmenden Konzeptualisierungen auch von 

den Konzeptualisierungsaspekten ab, die jeweils zur Diskussion stehen. Wenn sich Konzeptualisierungsdiskrepanzen 

„nur“ auf die jeweils verwendeten Begriffe beziehen, so kann die Standardisierung 

von Begriffen in Branchen-, Software- und allgemeinen Wirtschaftsterminologien dafür sorgen, 

dass die Übereinstimmungswahrscheinlichkeiten zwischen Konzeptualisierungen tendenziell 

zunehmen. Beispielsweise hat betriebswirtschaftliche Standard-Anwendungssoftware, wie sie vor 

allem in Enterprise-Resource-Planning-Systemen weit verbreitet ist (z.B. SAP R/3), dazu beigetragen, 

nicht nur innerbetrieblich, sondern auch in überbetrieblichen Netzwerken die Wahrscheinlichkeit 

übereinstimmender Konzeptualisierungen ansteigen zu lassen. 

Der Anspruch von Ontologien reicht jedoch über reine Begriffssammlungen (Vokabulare, Thesauri) 

und taxonomische Strukturen hinaus. Daher stellt die Übereinstimmung von Konzeptualisierungen 

ein tieferes erkenntnistheoretisches Problem dar, als es bei einer schlichten Begriffsharmonisierung 

vorliegen würde (auch wenn diese Harmonisierung einen wichtigen Bestandteil von Ontologien bildet). 

Hierbei spielt eine wesentliche Rolle, dass jede Sprache „theoriegeladen“ ist. Gleiches gilt für 

Ontologien als sprachlich verfasste Artefakte. Die Theorien, die „hinter“ einer Sprache bzw. einer 

Ontologie stehen (Hintergrundtheorien), geben Denkmuster vor, wie die Realität zu erfassen ist. 445) 

Diese theorieinduzierten Denkmuster üben einen wesentlichen Einfluss auf die Konzeptualisierungen 

eines Realitätsausschnitts aus, mit denen die Akteure bei ihrer Aufgabenerfüllung arbeiten. Daher 

können die Konzeptualisierungen eines Realitätsausschnitts auch deswegen auseinander fallen, 

weil die betroffenen Akteure mit unterschiedlichen Hintergrundtheorien arbeiten. 446) Eine „prästabilierte 

Harmonie“ solcher Hintergrundtheorien zu erwarten, das ist noch weitaus weniger plausibel 

als die Erwartung übereinstimmender begrifflicher Vorstrukturierungen. Daher muss grundsätzlich 

damit gerechnet werden, dass Konzeptualisierungen desselben Realitätsausschnitts auch deswegen 

auseinander klaffen, weil sie von unterschiedlichen Hintergrundtheorien „geladen“ sind. 

Ein „ganzheitliches“ Ontology Engineering müsste sich daher auch mit der Frage befassen, wie sich 

theoriebedingte Mängel hinsichtlich der Übereinstimmung von Konzeptualisierungen bei der arbeitsteiligen 

Erfüllung einer gemeinsamen Aufgabe – zumindest „im Prinzip“ – beseitigen oder 

kompensieren lassen. Eine nachträgliche Beseitigung der theoriebedingten Übereinstimmungsmängel 

erscheint dem Verfasser zurzeit als eine erkenntnistheoretische Utopie, weil sie erfordern würde, 

die involvierten Hintergrundtheorien zu vereinheitlichen. Die bisher verfolgten programmatischen 

Ansätze zur Theorienvereinheitlichung sind jedoch gescheitert. Dies betrifft nicht nur den ambitionierten 

Ansatz einer „Einheitswissenschaft“, wie er etwa vom Wiener Kreis propagiert wurde, sondern 

auch bescheidenere Ansätze, wie etwa die versuchte Integration natur- und kulturwissenschaft- 

445) Vgl. u.a. POPPER (1995) S. 72 f. 

446) Die Einflüsse, die von unterschiedlichen Hintergrundtheorien auf die Konzeptualisierung eines Realitätsausschnitts ausstrahlen, 

lassen sich im Allgemeinen nicht sauber von den entsprechenden Einflüssen durch verschiedenartige Begriffe trennen. Denn 

dieselben Bezeichnungen können je nachdem, in welchen Theorien sie verwendet werden, mit unterschiedlichen Inhalten belegt 

werden, so dass unterschiedliche Hintergrundtheorien oftmals mit verschiedenartigen (jedoch homonymen) Begriffen einhergehen. 

Beispielsweise werden die Bezeichnungen „Masse“ und „Bewegung“ in der Speziellen und Allgemeinen Relativitätstheorie 

von EINSTEIN inhaltlich anders als z.B. in der Partikelmechanik von NEWTON interpretiert. Ein Wechsel der physikalischen 

Hintergrundtheorie bedeutet somit auch einen Wechsel der einschlägigen physikalischen Begriffe, die nur an der „Oberfläche“ 

ihrer Bezeichnungen gleich erscheinen.


licher Theorienfragmente im Radikalen Konstruktivismus. Eine nachträgliche Kompensation der 

theoriebedingten Übereinstimmungsmängel mutet hingegen prima facie als weniger problematisch 

an. Denn sie würde lediglich Übersetzungen zwischen den jeweils betroffenen, unterschiedlichen 

Hintergrundtheorien erfordern. Aber auch solche intertheoretischen Übersetzungen stoßen auf gravierende 

erkenntnistheoretische Probleme, die dem Verfasser zurzeit unüberwindlich erscheinen. 

Die Schwierigkeiten resultieren aus der These von QUINE, dass jede Übersetzung zwischen sprachlichen 

Artefakten unter einer grundsätzlichen Unbestimmtheit leidet. Auf diese These der Unbestimmtheit 

der Übersetzung wurde bereits im Kontext bedeutungserhaltender Wissenstransformationen 

kurz eingegangen. Insbesondere FØLLESDAL und STEGMÜLLER haben herausgestellt, dass sich 

die allgemeine Unbestimmtheitsthese von QUINE auch speziell auf die Übersetzung zwischen (Hintergrund-) 

Theorien anwenden lässt. 447) Folglich besteht derzeit keine glaubwürdige Aussicht, divergente 

Hintergrundtheorien, die Akteure zu unterschiedlichen Konzeptualisierungen desselben 

Realitätsausschnitts veranlassen, mittels intertheoretischer Übersetzungen kompensieren zu können. 

Aus den vorgenannten Gründen erscheint es heute als erkenntnistheoretisch hoffnungsloses Unterfangen, 

Übereinstimmungsmängel von Konzeptualisierungen infolge unterschiedlicher Hintergrundtheorien 

durch nachträgliche Beseitigungs- oder Kompensationsmaßnahmen heilen zu wollen. 

Sofern die Konzeptualisierungen mehrerer Akteure, die bei der arbeitsteiligen Erfüllung einer gemeinsamen 

Aufgabe zusammenarbeiten, nicht von vornherein zufällig übereinstimmen, stellen unterschiedliche 

Hintergrundtheorien eine „erkenntnistheoretische“ Barriere für das Ontology Engineering 

dar, die sich nach heutigem Kenntnisstand im Allgemeinen nicht überwinden lässt. Daher 

führen unterschiedliche Hintergrundtheorien aus erkenntnistheoretischer Perspektive zu einem 

schwerwiegenderen Problem für die gemeinsam verwendete Konzeptualisierung von Realitätserfahrungsmöglichkeiten 

in einer Ontologie, als es oben für Konzeptualisierungsdiskrepanzen aufgrund 

unterschiedlicher Begriffe skizziert wurde. 

Eine grundsätzliche Lösungsmöglichkeit für das erkenntnistheoretische Problem unterschiedlicher 

Hintergrundtheorien lässt sich aus der These der doppelten ontologischen Relativität von QUINE 448) 

ableiten: Es müsste mindestens eine gemeinsame Rahmentheorie 449) existieren, die den einheitlichen 

Bezugspunkt für Hintergrundtheorien mit unterschiedlichen Konzeptualisierungen des betroffenen 

Realitätsausschnitts bildet. In diese Rahmentheorie lassen sich die unterschiedlichen Konzeptualisierungen 

einbetten und ineinander übersetzen. 450) Allerdings sieht der Verfasser in der Vorstellung 

solcher Rahmentheorien keinen substanziellen „Durchbruch“ hinsichtlich des Problems unterschiedlicher 

Hintergrundtheorien. Denn es erfolgt lediglich eine Problemverschiebung: Zunächst 

447) Vgl. STEGMÜLLER (1987a) S. 297 ff., insbesondere S. 298 f. 

448) Vgl. dazu Kapitel 1.3.1.1.1 auf S. 119 ff. 

449) Vgl. zu Rahmentheorien im Zusammenhang mit der These der doppelten ontologischen Relativität STEGMÜLLER (1987a) S. 301 

f. Eine solche Rahmentheorie wäre erforderlich, um die Übersetzbarkeit von (Hintergrund-) Theorien ineinander zu gewährleisten; 

vgl. STEGMÜLLER (1987a) S. 302. Daher entfällt die früher erwähnte alternative Option der Übersetzung zwischen divergenten 

Ontologien, falls keine Rahmentheorie im hier skizzierten Verständnis zur Verfügung steht. 

450) Vgl. auch HARS (2001) S. 69 ff. Zwar stellt HARS dort keine Rahmentheorien vor, sondern ein „comprehensive model of scientific 

knowledge“ (S. 69). Er versteht es als ein „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen, in das sich 

vier etablierte konzeptuelle Modelle (im Sinne von Ontologien) für wissenschaftliches Wissen, die sich hinsichtlich ihrer Begriffe 

und begrifflichen Abhängigkeiten deutlich voneinander unterscheiden (vgl. S. 66 ff., u.a. mit Bezug auf POPPER und 

BUNGE), übersetzen lassen. HARS verwendet sein „synthetisches“ konzeptuelles Modell für wissenschaftliches Wissen etwa in 

der Art, die man von einer Rahmentheorie für die Einbettung unterschiedlicher Konzeptualisierungen erwarten würde. Allerdings 

geht er nur oberflächlich darauf ein, wie sich die Begriffe und die begrifflichen Abhängigkeiten zwischen den vier unterschiedlichen 

konzeptuellen Modellen für wissenschaftliches Wissen bedeutungserhaltend ineinander übersetzen lassen.


wurde die gemeinsame Verwendung einer einheitlichen Ontologie durch unterschiedliche Konzeptualisierungen 

eines Realitätsausschnitts verhindert, die auf dem Gebrauch verschiedener Hintergrundtheorien 

durch die involvierten Akteure beruhen. Alsdann wird die Verschiedenartigkeit der 

Hintergrundtheorien durch eine gemeinsame Rahmentheorie geheilt. Wenn dies so ist, dann wird 

das erkenntnistheoretische Problem lediglich von der Verwendung einer einheitlichen Ontologie auf 

den Gebrauch einer gemeinsamen Rahmentheorie verschoben. Denn es ließe sich natürlich in Frage 

stellen, warum eine solche gemeinsame Rahmentheorie existieren sollte, wenn bereits die Hintergrundtheorien 

der Akteure voneinander abweichen. Zwar mag es in Einzelfällen eine solche gemeinsame 

Rahmentheorie geben. Aber es sind keine „zwingenden“ Argumente bekannt, warum 

dies im Falle divergenter Konzeptualisierungen des Öfteren – oder sogar grundsätzlich – der Fall 

sein sollte. 

Das Problem unterschiedlicher Hintergrundtheorien wird noch verschärft, wenn nicht der Einfluss 

einzelner Theorien auf die Konzeptualisierung eines Realitätsausschnitts betrachtet wird, sondern 

der Konzeptualisierungseinfluss, der von Sprach-, Rationalitäts- und Methodenstandards ganzer Paradigmen 

ausgeübt werden kann. Denn es droht stets das fundamentale Problem der Inkommensurabilität 

451) , wenn Akteure vor dem Hintergrund unterschiedlicher Paradigmen denken und argumentieren: 

Die Anhänger unterschiedlicher Paradigmen können aufgrund ihrer unverträglichen – 

„inkommensurablen“ – Denk- und Argumentationsweisen zu verschiedenartigen Konzeptualisierungen 

desselben Realitätsausschnitts gelangen. Sofern sich die zugrunde liegenden Paradigmen 

tatsächlich als inkommensurabel erweisen, besteht per definitionem, also prinzipiell, keine Aussicht, 

die Übereinstimmungsmängel zwischen den verschiedenartigen Konzeptualisierungen nachträglich 

zu beseitigen oder zu kompensieren. Daher stellt die erkenntnistheoretisch begründete Inkommensurabilität 

die „ultimative“ Barriere gegenüber dem Ziel dar, unterschiedliche Konzeptualisierungen 

desselben Realitätsausschnitts in einer von mehreren Akteuren gemeinsam verwendeten 

Ontologie zusammenzuführen. Sofern mehrere konkurrierende, inkommensurable Paradigmen existieren 

und den Konzeptualisierungen desselben Realitätsausschnitts zugrunde gelegt werden, lässt 

sich der programmatische Anspruch von Ontologien im Sinne des „shared ontology paradigm“ 

nicht erfüllen. Dies entspricht vor allem relativistischen Erkenntnispositionen, deren Vertreter sich 

insbesondere auf die Inkommensurabilität wissenschaftlicher Paradigmen berufen. 

Ein Entrinnen aus dem fundamentalen Inkommensurabilitätsproblem lässt sich nur in zwei Weisen 

vorstellen. Einerseits ist es möglich, dass Akteure „zufällig“ von vornherein hinsichtlich ihrer Konzeptualisierungen 

übereinstimmen, so dass – nach formalsprachlicher Spezifikation – eine gemeinsam 

verwendete Ontologie vorliegt. Dieser Fall ist trivial und bedarf keiner vertiefenden Erörterung. 

Andererseits kann es sein, dass die Konzeptualisierungen desselben Realitätsausschnitts durch 

unterschiedliche Akteure zwar nicht von vornherein übereinstimmen, aber die Übereinstimmungsmängel 

nicht auf inkommensurablen Paradigmen für das Denken und Argumentieren der Akteure 

beruhen. Dies kann zum einen auf den bereits früher erörterten Fällen beruhen, dass Konzeptualisierungen 

aufgrund von unterschiedlichen begrifflichen Vorstrukturierungen oder aufgrund von unterschiedlichen 

Hintergrundtheorien divergieren (aber nicht hinsichtlich der jeweils zugrunde liegenden 

Paradigmen als Denk- und Argumentationsmustern). Zum anderen können Übereinstimmungsmängel 

auch darauf beruhen, dass die betroffenen Akteure bei ihren Konzeptualisierungen zwar von 

unterschiedlichen Paradigmen geleitet wurden, sich diese Paradigmen aber nicht als inkommensu- 

451) Vgl. dazu die Ausführungen zur Inkommensurabilität von Theorien, die im Kapitel 1.1.2 erfolgten (S. 47 ff.).


rabel erweisen, sondern ihre Denk- und Argumentationsmuster wechselseitig ineinander „übersetzt“ 

werden können. 

Der zuletzt genannte Fall ist aus erkenntnistheoretischer Perspektive der interessanteste. Denn es 

lässt sich beispielsweise 452) mit Hilfe des Strukturalistischen Theorienkonzepts 453) zeigen, dass Paradigmen 

zwar verschieden, aber nicht notwendig inkommensurabel sein müssen. Den Schlüssel 

hierzu bilden Theoriennetze 454) , die jeweils ein Paradigma im Sinne von KUHN strukturalistisch rekonstruieren. 

Es ist möglich, zwischen manchen (nicht allen) Theoriennetzen Übersetzungsrelationen 

zu definieren, die eine Kommensurabilität der Theoriennetze, d.h. Paradigmen gestatten. Dazu 

gehören z.B. Relationen der wissenschaftlichen Theorienreduktion. In der hier gebotenen Kürze besteht 

nicht der Argumentationsraum, die erforderlichen Details zu entfalten. 455) Aber die knappen 

Andeutungen reichen aus, um zu belegen, dass sich durchaus nicht alle Paradigmen als inkommensurabel 

erweisen müssen. Daher stellt es eine Herausforderungen an die Erkenntnistheorie dar, 

durch die strukturalistische Rekonstruktion von Theoriennetzen den „schwammigen“ Begriff der 

Paradigmen zu präzisieren, Übersetzungsrelationen zwischen solchen Theoriennetzen aufzuzeigen 

und auf diese Weise die epistemologische „Frontlinie“ zwischen kommensurablen und inkommensurablen 

Paradigmen immer weiter zu Lasten der angeblich inkommensurablen Paradigmen zu verschieben. 

456) Umso mehr es gelingt, den Bereich inkommensurabel erscheinender Paradigmen einzudämmen, 

desto kleiner wird das Refugium, innerhalb dessen sich die „ultimative“ Barriere der 

Inkommensurabilität gegenüber Ontologien zu behaupten vermag. Da sich dieser Bereich inkommensurabel 

erscheinender Paradigmen mittels des Strukturalistischen Theorienkonzepts eingrenzen, 

tendenziell sogar verkleinern lässt, stellt der „non statement view“ dieses Konzepts einen wichtigen 

erkenntnistheoretischen Beitrag zur Verwirklichung des Ziels dar, unterschiedliche Konzeptualisierungen 

desselben Realitätsausschnitts in einer von mehreren Akteuren gemeinsam verwendeten Ontologie 

zusammenzuführen. In dieser Hinsicht offenbart sich ein zweiter 457) , erkenntnistheoretisch 

hochinteressanter Berührungspunkt zwischen dem Strukturalistischen Theorienkonzept einerseits 

und Ontologien andererseits. 

452) Ein anderer Ansatz, die Kommensurabilität von Paradigmen herbeizuführen, lässt sich ausschließlich innerhalb der Ontologieforschung 

lokalisieren. Er betrifft die Commonsense-Ontologien, die bereits an früherer Stelle kurz erwähnt wurden (vgl. S. 

201). Sie lassen sich benutzen, um ein gemeinsames begrifflich-inhaltliches Verständnis derjenigen Sprach-, Rationalitäts- und 

Methodenstandards zu entwickeln, die verschiedenen Paradigmen zugrunde liegen. Aufgrund eines solchen gemeinsamen Verständnisses 

können die innerparadigmatischen Standards zwischen den Paradigmen miteinander verglichen und unter günstigen 

Umständen auch ineinander übersetzt werden. Diese Ideenskizze wurde nach Kenntnis des Verfassers aber bislang durch keine 

Commonsense-Ontologie konkret umgesetzt. Daher besteht (nicht nur) in dieser Hinsicht ein erheblicher zukünftiger Forschungs- 

und Konkretisierungsbedarf. 

453) Vgl. die Erläuterungen zum Strukturalistischen Theorienkonzept im Kapitel 1.3.1.1.1 auf S. 128 ff. 

454) Vgl. ZELEWSKI (1993a) S. 151 ff. und 333 ff. 

455) Vgl. stattdessen die ausführlichere Argumentation zum Verhältnis zwischen Theoriennetzen, Paradigmen, Inkommensurabilität 

und Theorienreduktion in ZELEWSKI (1993a) S. 395 ff. u. 430 ff. 

456) Vgl. zu einer solchen Frontlinienverschiebung im Bereich produktionswirtschaftlicher Theorien exemplarisch ZELEWSKI 

(1993a) S. 395 ff. 

457) Der erste Berührungspunkt zwischen dem Strukturalistischen Theorienkonzept und Ontologien wurde in diesem Beitrag auf S. 

131 f. erläutert. Es handelte sich um die Perspektive, den terminologischen Apparat einer Theorie T, der im Strukturalistischen 

Theorienkonzept durch die potenzielle Modellmenge M p(T) spezifiziert wird, mit der Hilfe von Ontologien wesentlich „reichhaltiger“ 

auszugestalten, als es im Strukturalistischen Theorienkonzept üblich ist.


Die vielfältigen erkenntnistheoretischen Probleme, die bei der Konstruktion und der Verwendung 

458) von Ontologien zu beachten sind, konnten in der hier gebotenen Kürze nur rudimentär beleuchtet 

werden. Dennoch hofft der Verfasser, dass es mit seinen knappen Ausführungen gelungen 

ist, die Plausibilität zweier Postulate zu verdeutlichen. 

Erstens verlangen die vielfältigen erkenntnistheoretischen Probleme anlässlich der Konstruktion 

und der Verwendung von Ontologien danach, eine in sich konsistente erkenntnistheoretische Position 

einzunehmen und diese auch offen zu legen. Andernfalls wären umfassende Interpretationen der 

Arbeiten über Ontologien erforderlich, um die nicht explizierten Präsuppositionen zu erkenntnistheoretischen 

Problemen aufzudecken. Dabei besteht immer die Gefahr einer Fehlinterpretation der 

jeweils betroffenen Autoren. Darüber hinaus kann das Fehlen klarer Grundsatzpositionen dazu führen, 

dass sich in die Argumentation eines Autors – z.B. infolge Unkenntnis oder wegen Vernachlässigung 

erkenntnistheoretischer Probleme – Inkonsistenzen einschleichen. 

Zweitens sind beim Umgang mit Ontologien Antworten auf schwerwiegende erkenntnistheoretische 

Probleme zu geben, die selbst in der Philosophie noch heftig diskutiert werden. Dazu gehören z.B. 

die These von QUINE über die doppelte ontologische Relativität sowie die These von KUHN und 

FEYERABEND über die Inkommensurabilität von Paradigmen. In diesem Zusammenhang sollte anlässlich 

der Erforschung und Entwicklung von Ontologien vor allem beachtet werden, welche erkenntnistheoretischen 

Konsequenzen von unterschiedlichen epistemologischen Positionen jeweils 

impliziert werden: 

• Beispielsweise lässt eine naiv-realistische Position zumindest potenziell die größten Erkenntnisfortschritte 

beim Umgang mit Ontologien erwarten. Denn diese Position gestattet es, zugunsten 

der Plausibilität gemeinsam verwendeter Ontologien auf das „ontologische Fundament“ einer 

subjektunabhängig existierenden und auch subjektunabhängig erkennbaren Realität zu verweisen. 

Allerdings wird der Fortschrittsoptimismus bezüglich gemeinsam verwendeter Ontologien 

mit der erkenntnistheoretischen Fragwürdigkeit einer naiv-realistischen Position erkauft. 

• Wird hingegen eine sprach- oder theorienrelativistische Position eingenommen, so unterliegt 

die Vorstellung gemeinsam verwendeter Ontologien erheblichen erkenntnistheoretisch begründeten 

Einschränkungen. Aus dieser Perspektive kann eine „moderate“ Skepsis gegenüber gemeinsam 

verwendeten Ontologien nicht vermieden werden. Jedoch lässt sich diese skeptische 

Position durch die erkenntnistheoretische Plausibilität „aufgeklärt“ realistischer, konstruktivistischer 

und relativistischer Positionen rechtfertigen. 

Die Erwartungen, die an die Ontologieforschung und -entwicklung „mit guten Gründen“ gerichtet 

werden können, lassen sich daher nicht unabhängig von den erkenntnistheoretischen Positionen 

formulieren, die im „Basisbereich“ der jeweils betroffenen Wissenschaftsdisziplin eingenommen 

werden. Dieser Sachverhalt verdeutlicht die Relevanz der Metawissenschaft „Erkenntnistheorie“ für 

Objektwissenschaften wie Betriebswirtschaftslehre, Wirtschaftsinformatik und (Kern-) Informatik. 

458) Der Verwendungszusammenhang schließt insbesondere auch die Option ein, Ontologien als Vergleichsstandards für die Beurteilung 

konkurrierender Modellierungen – wie z.B. verschiedenartiger Referenzmodelle oder konzeptueller Modelle – zu benutzen. 

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 




1.3.2.1 Rahmensetzung 

Obwohl der Begriff Ontologie seit einigen Jahren Eingang in verschiedene Wissenschaftsdisziplinen 

gefunden hat, wird er des Öfteren mit sehr unterschiedlichen Verständnissen verbunden. 1) Zumeist 

wird das jeweilige Verständnis nur natürlichsprachlich angedeutet und in den „günstigsten“ 

Fällen mit exemplarischen Formalisierungen verdeutlicht. Eine solche Vorgehensweise birgt die 

Gefahr, den Ontologiebegriff zu „verwässern“ und gegenüber alternativen Begrifflichkeiten keine 

klare Trennschärfe zu bieten. Um für das Projekt KOWIEN eine präzise Argumentationsgrundlage 

zu schaffen, wurde daher das Verständnis, das mit dem Begriff „Ontologie“ verbunden wird, formal 

festgelegt. Mit dem vorliegenden Beitrag wird dieses Verständnis erläutert. 2) 

Als Ansatzpunkt für die Präzisierung des Ontologieverständnisses dient die Prädikatenlogik erster 

Stufe. 3) Aus den vielfachen Logikvarianten, die der Prädikatenlogik (erster Stufe) entstammen, wird 

die sortierte Prädikatenlogik als elaborierte Logikvariante herangezogen. Für die Spezifikation der 

objektsprachlichen Komponenten von Ontologien werden ontologische Signaturen eingeführt. Bei 

ontologischen Signaturen handelt es sich um kanonische Erweiterungen konventioneller oder sortierter 

Signaturen für die konventionelle 4) bzw. sortierte 5) Prädikatenlogik. Im Fall der konventionellen 

Prädikatenlogik sind Signaturen darauf beschränkt, für Operations- und Prädikatssymbole 6) 

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.). 

2) Das formalsprachlich präzisierte Ontologieverständnis lehnt sich an andere Arbeiten an, die ebenso darauf abzielen, die Vagheiten 

von Ontologiedefinitionen, wie sie beispielsweise von GRUBER vorgeschlagen und vielfach rezipiert wurden (vgl. Kapitel 

1.3.1.1.3, S. 143 ff.), zu überwinden. Zu diesen inhaltlich verwandten Arbeiten zählt insbesondere MAEDCHE (2002) S. 17 ff. u. 

30 ff. Vgl. daneben auch ERDMANN (2001) S. 76 ff. Wesentliche und umfangreiche Vorarbeiten zum hier vorgelekten Beitrag 

hat einer seiner Verfasser in ALAN (2004) S. 11 ff. geleistet. 

3) Vgl. dazu auch den Ansatz von KLAPSING (2003) S. 69 ff., die Semantik von RDF mittels der Prädikatenlogik 1. Stufe zu präzisieren. 

Den Argumenten, die KLAPSING (2003) auf S. 7, 64 u. 68 zugunsten der prädikatenlogischen Ausdrucksweise anführt, 

können sich die Verfasser vorbehaltlos anschließen. 

4) Für einen Überblick über die konventionelle Prädikatenlogik vgl. BEIERLE/KERN-ISBERNER (2000) S. 46 ff.; BUCHER (1987) S. 

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 

(2000) S. 467 ff. 

5) Zur sortierten Prädikatenlogik vgl. GALLIER (1986) S. 448 ff.; KREOWSKI (1991) S. 33 ff.; LOECKX/EHRICH/WOLF (1996) S. 83 

ff.; MANZANO (1993) S. 10 ff.; SOWA (2000) S. 20 ff. u. 473 f. 

6) Prädikatenlogische Kalküle können auf verschiedenartigen Basiskonstrukten aufbauen. Die anschließenden Ausführungen beruhen 

auf den Basiskonstrukten der Operations- und der Prädikatssymbole. Sie unterscheiden sich in formaler Hinsicht durch 

eine unterschiedliche Struktur (darauf wird später näher eingegangen) und in materieller Hinsicht durch die Voraussetzung unterschiedlicher 

metasprachlicher Prädikate. In einer formalen Semantik setzen Interpretationen von Operationssymbolen die 

Definition des metasprachlichen Gleichheitsprädikats („=“) voraus, während Prädikatssymbole zu ihrer Interpretation die metasprachlichen 

Wahrheitswerte „gültig“ (oder „wahr“) und „ungültig“ (oder „falsch“) sowie hinsichtlich ihrer Extensionen das 

metasprachliche Elementprädikat („∈“) erfordern. 

In alternativen Kalkülen lassen sich die Operations- durch Funktions- und die Prädikats- durch Relationssymbole ersetzen. Dadurch 

ändert sich zwar die Form, nicht aber der „Gehalt“ der prädikatenlogischen Kalküle. Zwischen Operations- und Funktionssymbolen 

besteht – abgesehen von ihrer Bezeichnung – kein substanzieller formaler Unterschied. Dagegen lassen sich Relations- 

und Prädikatssymbole in formaler Hinsicht deutlich unterscheiden. Denn in einer formalen Semantik wird jedem Relationssymbol 

eine Relation als „mengenartiger“ Ausdruck zugeordnet, während jedem Prädikatssymbol (atomare) Prädikate als

230 1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 

natürliche Zahlen als Stelligkeit anzugeben. Mit der Stelligkeit wird angegeben, wie viele Terme im 

Argument von Operations- und Prädikatssymbolen zur Konstruktion konventioneller Ausdrücke 

verwendet werden dürfen. Eine inhaltlich reichhaltigere Spezifikation von Stelligkeiten liegt hingegen 

im Fall der sortierten Prädikatenlogik vor. In einer sortierten Signatur werden nämlich Operations- 

und Prädikatssymbole mit Sortenketten typisiert. Mit dieser – gegenüber der Typisierung in 

der konventionellen Prädikatenlogik – reichhaltigeren Typisierung wird nicht nur angegeben, wie 

viele Terme in den jeweiligen Argumenten verwendet werden dürfen, sondern auch, zu welcher 

Sorte ein Term jeweils gehören muss. 

1.3.2.2 Syntaktische Aspekte von Ontologien 

1.3.2.2.1 Ontologische Signaturen 

Für die Konstruktion einer Ontologie wird eine ontologische Signatur 7) benötigt, mit deren Hilfe die 

objektsprachlichen Ausdrucksmittel einer Ontologie spezifiziert sind. Eine ontologische Signatur 

SIG wird hier definiert als ein 13-Tupel: 

SIG = (K,MEN,ALPH,,,,OPS,typOPS,PS,typPS,VARF,bezflan,defflan,). 

Die Komponenten einer ontologischen Signatur SIG sind: 8) 

1. eine Menge K = {k1,...,kN} von Konzepten kn mit n = 1,...,N, N∈N+, 

K = KEW∪KMW∪{,⊥} und 

KEW∩KMW = ∅, 

2. eine Mengenfunktion MEN: KEW → KMW, 

3. eine Menge ALPH metasprachlicher Zeichen 

ALPH = {0,1,...,9,a,b,...,z,A,B,...,Z,,,;,.,:,+,-,?,!,$,%;/,(,),=, ,}, 

gültige (prädikaten-) logische Formeln zugewiesen werden. Allerdings lassen sich Relations- und Prädikatssymbole trotz dieser 

Unterschiedlichkeit ihrer formalen Semantik aus zwei Gründen als „äquivalente“, wechselseitig ineinander transformierbare 

Basiskonstrukte auffassen. Erstens können Prädikatssymbole als spezielle Relationssymbole mit der Besonderheit aufgefasst 

werden, dass in jeder formalen Semantik genau eine (im Allgemeinen die letzte) Relationsstelle nur Werte aus dem Definitionsbereich 

der formalsprachlichen Wahrheitswerte annehmen darf. Zweitens lassen sich die Prädikate, die einem Prädikatssymbol 

in einer formalen Semantik zugewiesen werden, in einer so genannten „extensionalen“ Form festlegen: Die Extension 

eines Prädikats ist die Menge aller Prädikatsargumente, für die das Prädikat „gültig“ (oder „wahr“) ist. Diese „mengenartige“ 

Extension kann ihrerseits als eine Relation aufgefasst werden, welche die „Bedeutung“ des Prädikats „äquivalent“ wiedergibt. 

Auf diese letztgenannte, extensionale Darstellungsvariante der Interpretation von Prädikatssymbolen, die sich in prädikatenlogischen 

Kalkülen des Öfteren findet, wird auch in dem hier vorgestellten Kalkül zurückgegriffen. Infolgedessen werden hier sowohl 

Prädikatssymbole (auf der rein syntaktischen Ebene) als auch Relationen (auf der semantischen Ebene für die extensionale 

Interpretation von Prädikatssymbolen) verwendet. Darüber hinaus werden sowohl Operationssymbole und Operationen als auch 

Funktionen verwendet. Sie werden derart unterschieden, dass auf der objektsprachlichen Ebene ausschließlich Operationssymbole 

und ihnen zugeordnete Operationen verwendet werden, während auf der metasprachlichen Ebene nur von Funktionen die 

Rede ist. Da auf der metasprachlichen Ebene – im Gegensatz zur objektsprachlichen Ebene – nicht zusätzlich zwischen einer 

rein syntaktischen Ebene und der Ebene der formalen Semantik unterschieden wird, kann auf der metasprachlichen Ebene auf 

die inhaltliche Differenzierung zwischen Funktionssymbolen und Funktionen verzichtet werden. Stattdessen wird dort der Einfachheit 

halber nur von Funktionen gesprochen. Sie verfügen (analog zu den Operationen auf der objektsprachlichen Ebene) 

jeweils über wohldefinierte Funktionsvorschriften (anstelle von Operationsvorschriften). 

7) Die Bezeichnungen ontologische Signatur und Ontologie-Signatur werden synonym verwendet. 

8) Die einzelnen Komponenten werden im nachfolgenden Text jeweils näher erläutert.

1.3.2 Präzisierung des Ontologieverständnisses für das Projekt KOWIEN 231 

4. eine Subkonzeptrelation ⊆ (K × K) 

mit: 4.1. ∀k∈K: k k 

4.2. ∀k1,k2∈K: k1 k2 ∧ k2 k1 → k1 = k2 

4.3. ∀k1,k2,k3∈K: k1 k2 ∧ k2 k3 → k1 k3, 

4.4. 

4.4.1. ∀k∈K: k , 

4.4.2 ∀k∈K: ⊥ k, 

5. eine Äquivalenzrelation ⊆ (K × K) 

mit: 5.1. ∀k∈K: k k 

5.2. ∀k1,k2∈K: k1 k2 ↔ k2 k1 

5.3. ∀k1,k2,k3∈K: k1 k2 ∧ k2 k3 → k1 k3, 

6. eine Inkompatibilitätsrelation ⊆ (K × K) 

mit: 6.1. ∀k∈K: ¬(k k), 

6.2. ∀k1,k2∈K: k1 k2 ↔ k2 k1, 

6.3. ∀k1,k2∈K: k1 k2 → (∀k∈K: k k1 → k || k2), 

7. eine Menge OPS = {O1,...,OI} 

von Operationssymbolen Oi mit i = 1,...,I und I∈N+, 

8. eine Operationssymboltypisierungsfunktion 9) 

typOPS: OPS → K*×K, 

9. eine Menge PS = {P1,...,PJ} 

von Prädikatsymbolen PSj mit j = 1,...,J und J∈N+, 

10. eine Prädikatssymboltypisierungsfunktion 

typPS: PS → K*, 

11. eine Familie 10) VARF = (VARk)k∈K 11) 

konzeptspezifischer Variablenmengen, 

9) Die Notation M* drückt das n-fache kartesische Produkt über der Menge M mit einem beliebigen – in der generischen Signaturspezifikation 

nicht konkret festgelegten – n∈N aus. Dies schließt auch den Grenzfall n=0 ein, in dem das n-fache kartesische 

Produkt M* zur leeren Menge ∅ degeneriert. Dieser Grenzfall ist z.B. nötig, um Konstantensymbole als null-stellige Operationssymbole 

einführen zu können. 

10) Der Terminus technicus „Familie“ wird in diesem Beitrag aus zwei Anlässen verwendet (die auch miteinander kombiniert auftreten 

können). Erstens lassen sich mehrere Mengen in einer so genannten „Familie“ zu einer Gesamtheit zusammenfassen, ohne 

sich den mengentheoretischen Paradoxien auszusetzen, die aus der Konstruktion von (übergeordneten) Mengen aus (untergeordneten) 

Mengen ergeben können, wie z.B. die Paradoxie der „Menge aller Mengen, die sich nicht selbst als Element enthalten“. 

Auf diesem ersten Grund beruht die o.a. Familie VARF, in der mehrere Variablenmengen zu einer Gesamtheit zusammengefasst 

werden. In einem solchen Fall wird auch von einer „Mengenfamilie“ gesprochen. Hinzu kommt, dass eine Familie 

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 

Konstrukt ist, können die Objekte X 1,...,X n aus der Familie FAM anhand ihrer Position innerhalb des n-Tupels 

(X 1,...,X n) eindeutig identifiziert werden. Daher kann eine Familie an unterschiedlichen Positionen ihres n-Tupels (X 1,...,X n) 

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 

sich Familien als geordnete Konstrukte von Mengen als ungeordneten Konstrukten, deren Elemente jeweils paarweise 

wohlunterschieden sein müssen. Aufgrund dieses Unterschieds bieten sich Familien immer dann ein, wenn den n Elementen aus 

einer Referenzmenge jeweils ein Objekt X 1,...,X n eineindeutig zugeordnet werden soll, ohne sich von vornherein darauf festlegen 

zu wollen, dass diese Objekte jeweils paarweise wohlunterschieden sein müssen (zweiter Grund). 

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 

q = 1,...,n genau eine Menge VAR q aus konzeptspezifischen Variablen zuordnet.


12. eine Familie bezf = (bezlan)lan∈{ger,eng,fr,...} 

sprachspezifischer Bezeichnungsfunktionen mit 

bezlan: K ∪ OPS ∪ PS → pot+(ALPH*) 12) und 

13. eine Familie deff = (deflan)lan∈{ger,eng,fr...} 

sprachspezifischer Definitionsfunktionen mit 

deflan: K ∪ OPS ∪ PS → ALPH*. 

Bei den Elementen der Mengen K, OPS, PS und VARF handelt es sich um objektsprachliche Konstrukte. 

Bei den restlichen Komponenten einer Ontologie-Signatur SIG handelt es sich um metasprachliche 

Konstrukte. Hierzu gehören die Mengenfunktion MEN, das metasprachliche Alphabet 

ALPH, die Subkonzeptrelation , die Äquivalenzrelation , die Inkompatibilitätsrelation , die 

Operationssymboltypisierungsfunktion typOPS, die Prädikatssymboltypisierungsfunktion typPS, die 

Familie bezf sprachspezifischer Bezeichnungsfunktionen und die Familie deff sprachspezifischer 

Definitionsfunktionen. 

Primäres objektsprachliches Ausdrucksmittel in ontologischen Signaturen sind Konzepte. Sie werden 

in materieller Hinsicht verwendet, um generalisierte („generische“), d.h. nicht einzelfallspezifische 

Konzeptualisierungen von Erkenntnisobjekten aus einem jeweils betrachteten oder unterstellten 

Realitätsausschnitt auszudrücken. Darüber hinaus dienen sie in formaler Hinsicht dazu, Operations- 

und Prädikatssymbole zu typisieren. Diese metasprachliche Typisierung von Operations- und 

Prädikatssymbolen gestattet es, bereits in der Syntax zur Konstruktion von Aussagen über ontologischen 

Signaturen solche Aussagen auszuschließen, die sich jeder „sinnvollen“ 13) Auswertung 14) entziehen. 

Dieser Ausschluss wird später dadurch realisiert, dass sowohl die Menge aller Terme als 

auch die Menge aller formalen Objekte jeweils in einer konzeptspezifischen Weise ausdifferenziert 

werden. 15) Diese zweifache Differenzierung hebt ontologische Signaturen deutlich von konventionellen 

Signaturen ab. Für konventionelle Signaturen ist nämlich eine Differenzierung weder für die 

Termmenge noch für die Objektmenge bekannt. Demnach können in der konventionellen Prädikatenlogik 

auf der syntaktischen Ebene keine objektsprachlichen Aussagen ausgeschlossen werden, 

für die vom Gestalter einer Ontologie eine sinnvolle Auswertung als unmöglich erachtet wird. 

12) Die Notation „pot +(M)“ drückt die „positive“ Potenzmenge über einer beliebigen Menge M aus, d.h. die Menge aller nichtleeren 

Teilmengen der Menge M. Da als Bezeichner für eine Signaturkomponente nur ein- oder mehrstellige Zeichenketten aus 

dem Alphabet ALPH verwendet werden sollen, wird die leere Menge – die Element jeder „normalen“ Potenzmenge ist – hier 

bewusst ausgeschlossen. 

13) Der „Sinn“ von ontologischen Aussagen wird innerhalb einer ontologischen Signatur durch die Konzepte festgelegt, über die 

sich Operations- und Relationssymbole in ihren Argumentstellen erstrecken dürfen. Diese Sinnfestlegungen lassen sich „außerontologisch“ 

durch natürlichsprachliche Kommentare oder natürlichsprachliche Korrespondenzregeln rechtfertigen, in denen 

erläutert wird, aus welchen Beweggründen ein Operations- oder ein Relationssymbol in seinen Argumentstellen auf die jeweils 

betroffenen Konzepte festgelegt wurde. 

14) Der Terminus technicus der (prädikatenlogischen) Auswertung von Aussagen – präziser: von Formeln und Termen – wird an 

späterer Stelle ausführlich erläutert. 

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.


Wie bereits kurz erwähnt, drücken Konzepte auf der materiellen Ebene generalisierte Konzeptualisierungen 

von Erkenntnisobjekten aus. Um diese Charakteristik von Konzepten für Ontologien präziser 

erfassen zu können, ist eine Differenzierung zwischen mentalen Konzepten 16) einerseits und 

sprachlichen Konzepten 17) andererseits notwendig. 18) 

Als mentale Konzepte werden jene Entitäten verstanden, mit denen Akteure ihre realweltlichen 

Wahrnehmungen oder Vorstellungen strukturieren. 19) Jedes mentale Konzept ist eine Denkeinheit, 

über die alle Akteure, die sich auf die Ontologie geeinigt haben, als eine ontologische Gruppe verfügen. 

Daher werden mentale Konzepte mitunter als sprachunabhängige Konstrukte angesehen. 20) 

Diese „naive“ Sicht wird von den Verfassern jedoch nicht geteilt. Denn sie impliziert die These, 

dass sprachfreies oder sprachunabhängiges Denken möglich sei. Stattdessen fühlen sich die Verfasser 

der epistemologischen Grundsatzposition verpflichtet, dass sich jeder Denkakt in einer Sprache 

vollzieht, so dass die inhärenten Strukturen einer Sprache, in der sich Denken vollzieht, die Bedingungen 

der Möglichkeit von Denkinhalten darstellen. Trotz dieser Grundsatzposition ist es wünschenswert, 

zwischen den mentalen Konzepten der Akteure einer ontologischen Gruppe einerseits 

und den sprachlichen Konzepten aus einer formalsprachlich verfassten Ontologie andererseits unterscheiden 

zu können. Zu diesem Zweck wird davon ausgegangen, dass die Akteure einer ontologischen 

Gruppe eine natürliche (Hintergrund-) Sprache gemeinsam verwenden, in der sie Denkinhalte 

– also auch mentale Konzepte als Denkeinheiten – in der „gleichen Weise“ 21) artikulieren und 

auch kommunizieren können. Auch für die Leser dieses Beitrags wird unterstellt, dass sie dieselbe 

natürliche Sprache wie seine Verfasser benutzen. Diese gemeinsam verwendete natürliche Sprache 

wird im Folgenden stets als „gegeben“ vorausgesetzt und nicht weiter explizit thematisiert (daher 

wird sie auch als „Hintergrund-Sprache“ bezeichnet). Aufgrund der voranstehenden Erläuterungen 

können mentale Konzepte nur in dem „aufgeklärten“ Sinne als sprachunabhängig aufgefasst werden, 

dass sie von keiner speziellen (Bezeichner-) Sprache abhängen, wohl aber von der jeweils – 

zumindest implizit – zugrunde liegenden Hintergrund-Sprache der jeweils involvierten ontologischen 

Akteursgruppe. 

16) Synonym zu dem Bezeichner „mentales Konzept“ ist der Bezeichner „Kategorie“, der vornehmlich in den Kognitionswissenschaften 

verwendet wird; vgl. LÖBNER (2003) S. 256 f. Seinen Ursprung hat der Bezeichner „Kategorie“ allerdings in der 

sprachanalytischen Philosophie; vgl. SOWA (2000) S. 98. Der Bezeichner „Kategorie“ wird auch in der klassischen Ontologie 

verwendet. Dort stellt er allerdings kein Synonym zum Bezeichner „(mentales) Konzept“ dar, sondern bezeichnet in der Regel 

„sehr allgemein“ definierte Klassen realer Phänomene; vgl. STEGMÜLLER (1989) S. 73 („oberste Wesensgattungen“); TEGTMEI- 

ER (1994) S. 400, sowie die Ausführungen in Kapitel 1.3.1 auf S. 119. 

17) Der Bezeichner „sprachliches Konzept“ wird für in diesem Beitrag synonym zu dem Bezeichner „Sorte“ verwendet. Sorten 

spielen als Basiskonstrukte für die sortierte Prädikatenlogik eine herausragende Rolle. Auf die Verwendung von Sorten in einer 

ontologischen Signatur wird noch zurückgekommen. 

18) Die Unterscheidung zwischen mentalen und sprachlichen Konzepten klingt ebenso an bei COCCHIARELLA (1996) S. 28 („Concepts 

are what underlie predication in thought and language, which ... means that concepts cannot exist independently of the ... 

capacity humans have for thought and language.“). 

19) Vgl. BUDIN (1996) S. 43; LÖBNER (2003) S. 257 f.; SOWA (1984) S. 39. 

20) Vgl. HARRAS/HERMANN/GRABOWSKI (1997) S. 10. 

21) Die „gleiche Weise“ des Denkens und Kommunizierens trifft nur so weit zu, wie sich die Gleichheit des jeweils Gemeinten in 

einem gemeinsamen „Sprachspiel“ der Akteure einer ontologischen Gruppe im Sinne des „späten“ WITTGENSTEIN überhaupt 

feststellen läst. Die Grenzen der Feststellbarkeit des jeweils Gemeinten manifestieren sich vor allem in den Schwierigkeiten, 

das „Befolgen einer Regel“ in den Sprachhandlungen von Akteuren zuverlässig zu identifizieren. Vgl. zum Regelbefolgen und 

den Schwierigkeiten seiner Identifikation KRIPKE (1987) S. 13 f. u. 17 ff.; LANGE (1998) S. 213 ff., insbesondere S. 235 ff.; 

MCDOWELL (1984) S. 327 ff.; STEGMÜLLER (1986b) S. 9 ff. u. 14 ff.; STEGMÜLLER (1989) S. 585 ff.; VON SAVIGNY (1996) S. 94 

ff.; WITTGENSTEIN (1977) S. 85 f., 92 ff., 126 ff. u. 132 ff.


Um ein mentales Konzept „ansprechen“, d.h. auf ein solches Konzept Bezug nehmen zu können, 

muss es jedoch mit einem Bezeichner aus irgendeiner – natürlichen oder formalen – Sprache referenziert 

werden können. Der Bezeichner ist nicht das bezeichnete mentale Konzept, sondern repräsentiert 

es nur in derjenigen Sprache, die der expliziten Erörterung von mentalen Konzepten jeweils 

zugrunde gelegt wird (Bezeichner-Sprache). Zu diesen Sprachen, in denen mentale Konzepte explizit 

erörtert werden können, gehören insbesondere auch die hier interessierenden Ontologien, welche 

die sprachlichen Ausdrucksmittel zur Verfügung stellen, mit denen sich Konzeptualisierungen von 

Realitätsausschnitten formalsprachlich spezifizieren lassen. Daher werden im Folgenden sprachliche 

Konzepte – sofern keine ausdrücklich abweichenden Festlegungen erfolgen – stets im speziellen 

Verständnis von formalsprachlichen Konzepten aufgefasst. 

Sprachliche Konzepte sind die Bezeichner für mentale Konzepte in einer bestimmten, im Argumentationskontext 

jeweils explizit thematisierten (Bezeichner-) Sprache. Es wird davon ausgegangen, 

dass jedes sprachliche Konzept genau ein mentales Konzept repräsentiert. Umgekehrt wird angenommen, 

dass jedes mentale Konzept durch genau ein sprachliches Konzept repräsentiert wird. 

Somit besteht zwischen sprachlichen und mentalen Konzepten eine sowohl links- als auch rechtseindeutige, 

also eineindeutige (bijektive) Beziehung. Dabei sind ambige Interpretationen von 

sprachlichen Konzepten ausgeschlossen, da vorausgesetzt wird, dass sich die beteiligten Akteure 

einer ontologischen Gruppe auf die Beziehungen zwischen sprachlichen Konzepten und mentalen 

Konzepten geeinigt haben. Daher gestatten sprachliche Konzepte als „Artikulationseinheiten“ einen 

expliziten und eineindeutigen sprachlichen Zugriff auf mentale Konzepte als „Denkeinheiten“. 

Die Interpretation eines sprachlichen Konzepts durch ein mentales Konzept ist eine Facette der denotationalen 

Semantik 22) von formalsprachlichen Konzepten. In einer solchen denotationalen Semantik 

repräsentieren formalsprachliche Konstrukte jeweils außersprachliche Entitäten, auf die mittels 

Korrespondenzregeln 23) Bezug genommen wird. Ontologien liegt allerdings ein prädikatenlogischer 

Kalkül mit einer formalen Semantik zugrunde, in der – anders als in denotationalen Semantiken 

– außersprachliche Referenzen ausgeschlossen sind. Solche Kalküle sind ein wesentliches Charakteristikum 

formaler Logiken. In formalen Logiken sind keine Mechanismen vorgesehen, mit denen 

– analog zu den vorerwähnten Korrespondenzregeln – auf außersprachliche Entitäten Bezug 

genommen werden könnte. Eine Ausprägungsform außersprachlicher Entitäten sind die oben eingeführten 

mentalen Konzepte, auf die innerhalb des „ontologischen“ Kalküls nicht Bezug genommen 

werden kann. Der Bezug der (formal-) sprachlichen Konzepte aus einer Ontologie zu den jeweils 

repräsentierten mentalen Konzepten wird allerdings auf der pragmatischen Ebene der Ontologieanwendung 

durch das „Sprachspiel“ der beteiligten Akteure gewährleistet, die sich in einer ontologischen 

Gruppe zu der jeweils betroffenen Ontologie „verpflichtet“ haben. Aufgrund dieses einein- 

22) Die denotationale Semantik ordnet jedem sprachlichen Ausdruck – hier speziell: jedem sprachlich verfassten Konzept – mindestens 

eine außersprachliche Entität als „Gegenstand“ oder „Denotation“ des Ausdrucks zu. Dabei kann es sich um eine einzelne 

konkrete Entität (der Ausdruck ist ein „Nominator“), um eine Gruppe einzelner konkreter Entitäten (der Ausdruck ist ein 

„Prädikator“, der den Entitäten zukommt) oder um eine Klasse als eine einzelne abstrakte Entität (der Ausdruck ist wiederum 

ein „Prädikator“) handeln. Die Denotation eines sprachlichen Ausdrucks ist somit eine Möglichkeit, die extensionale Bedeutung 

oder „Referenz“ des Ausdrucks festzulegen. Die denotationale Semantik stellt daher einen Spezialfall der extensionalen Semantik 

dar. Vgl. zum denotationalen Semantikverständnis z.B. GABRIEL (2004) S. 451; LEE (1988) S. 225 f.; MENNE (1973) S. 270; 

RUSSELL (1905) S. 479 ff. Vgl. auch GOODMAN (1987) S. 95 ff. u. 129 ff., allerdings mit einer Erweiterung des Anwendungsbereichs 

von Denotationen, die nicht nur auf sprachliche Ausdrücke, sondern auch auf andere Artefakte, wie z.B. Gemälde, bezogen 


23) Vgl. zu Korrespondenzregeln OPP (2005) S. 106 f. u. 175 ff.; WOLTERS (2004c) S. 480 f.; ZELEWSKI (1993a) S. 228 u. 230 (mit 

weiterführenden Quellenangaben).


deutigen Bezugs sprachlicher Konzepte zu mentalen Konzepten wird im Folgenden – der bisherigen 

und üblichen Diktion folgend – nur von „Konzepten“ gesprochen, wenn aus dem Argumentationskontext 

ersichtlich ist, dass es sich um sprachliche Konzepte handelt. Dabei sind stets (formal-) 

sprachliche Konzepte innerhalb des Kalküls einer Ontologie gemeint. 

Die Menge K aller Konzepte setzt sich aus den zueinander disjunkten Mengen KEW aller einwertigen 

Konzepte, der Menge KMW aller mengenwertigen Konzepte sowie zwei ausgezeichneten Konzepten, 

dem Maximalkonzept und dem Minimalkonzept ⊥, zusammen: 

K = KEW∪KMW∪{,⊥}, 

mit KEW∩KMW = ∅ 

Bei den Elementen der Menge KEW handelt es sich um „originäre“ Konzepte aus einer ontologischen 

Signatur SIG. Sie werden als einwertige oder skalare Konzepte angesprochen, weil ihnen im 

Rahmen einer formalen Semantik jeweils einzelne formale Objekte (oder „Skalare“) als Instanzen 

zugeordnet werden können. Die Elemente der Menge KMW sind hingegen mengenwertige Konzepte. 

Mengenwertige Konzepte werden mit der Funktion: 

MEN: KEW → KMW 

von einwertigen Konzepten abgeleitet. 24) Daher können mengenwertige Konzepte als „derivative“ 

Konzepte charakterisiert werden. Sie zeichnen sich dadurch aus, dass ihnen im Rahmen einer formalen 

Semantik jeweils nicht-leere Mengen aus formalen Objekten als Instanzen zugeordnet werden 

können. Auf den semantischen Unterschied zwischen einwertigen und mengenwertigen Konzepten 

wird später im Kontext der formalen Semantik ontologischer Signaturen näher eingegangen. 

Die Menge K aller Konzepte kann durch die metasprachlichen Strukturierungsrelationen , und 

in dreifacher Hinsicht strukturiert werden. Dabei dient die Subkonzeptrelation der vertikalen 

Strukturierung der Konzeptmenge K. Durch diese Relation werden Über- und Unter-ordnungsbeziehungen 

zwischen Konzepten ausgedrückt. Die beiden weiteren Relationen dienen der horizontalen 

Strukturierung der Konzeptmenge K aus zwei entgegengesetzten Perspektiven. 

Die Subkonzeptrelation definiert auf der Konzeptmenge K eine partielle Ordnung, die sich in den 

Relationseigenschaften der Reflexivität, Antisymmetrie und Transitivität niederschlägt. Das Tupel 

(K,), das die partielle Ordnung auf der Menge K aller Konzepte darstellt, wird als „Taxonomie“ 

bezeichnet. Entsprechend wird die Subkonzeptrelation auch als „taxonomische Relation“ bezeichnet. 

Die Taxonomie (K,) lässt sich auch als ein gerichteter mathematischer Graph – oder 

24) Bei der Funktion MEN handelt es sich um eine partielle Funktion, weil nicht von jedem einwertigen Konzept ein mengenwertiges 

Konzept abgeleitet zu sein braucht. Es wird nur dann von einem einwertigen Konzept k∈K EW ein mengenwertiges Konzept 

MEN(k)∈K MW abgeleitet, wenn sich dies aus dem Modellierungskontext ergibt. Daher ist die Mächtigkeit |K MW| der Menge 

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 

injektive und zugleich surjektive, also eine bijektive Funktion. Einerseits ist jedes mengenwertige Konzept MEN(k)∈K MW das 

Bild zu höchstens einem einwertigen Konzept k∈K EW (Injektivität). Andererseits muss jedes mengenwertige Konzept k´∈K MW 

das Bild k´=MEN(k) zu wenigstens einem einwertigen Konzept k∈K EW sein (Surjektivität). Es dürfen also keine mengenwertigen 

Konzepte k´∈K MW existieren, die nicht das Bild MEN(k) von einem einwertigen Konzept k∈K EW darstellen. Die Injektivität 

der Funktion MEN bedeutet deren Linkseindeutigkeit, während ihre Surjektivität dafür sorgt, dass die Menge K MW der mengenwertigen 

Konzepte mit der Bildmenge der Funktion MEN übereinstimmt. Die Eigenschaften der Injektivität und Surjektivität 

erfordern jedoch nicht, dass die Menge der Originale der Funktion MEN, denen jeweils ein Element aus der Bildmenge zugeordnet 

ist, die Menge K EW aller einwertigen Konzepte vollständig ausschöpft. Somit handelt es sich bei MEN um eine partielle, 

bijektive Funktion.


kurz: Digraph 25) – mit der Konzeptmenge K als Knotenmenge und der Subkonzeptrelation als 

Kantenmenge auffassen. In diesem Fall wird die Art des Zusammenhangs zwischen Knoten und 

Kanten als die „taxonomische Struktur“ der Konzeptmenge K bezeichnet. 26) Eine Taxonomie weist 

eine hierarchische Struktur auf, wenn ihr Digraph (K,) einen Baumgraphen bildet, d.h., wenn jedes 

Konzept höchstens ein unmittelbar übergeordnetes Superkonzept besitzt. Eine heterarchische 

Taxonomie-Struktur liegt dagegen vor, wenn der Digraph (K,) ein Netz darstellt, d.h., wenn er 

mindestens ein Konzept umfasst, das mehr als ein unmittelbar übergeordnetes Superkonzept aufweist. 

Stehen zwei Konzepte k1,k2∈K in der Subkonzeptrelation zueinander (k1 k2), wird k1 als Subkonzept 

des Konzepts k2 bezeichnet. 27) Das Konzept k2 ist dann ein Superkonzept des Konzepts 

k1. 28) Das unmittelbare Ordnungsverhältnis zwischen je zwei Konzepten muss in einer ontologischen 

Signatur nicht immer explizit spezifiziert sein, sondern lässt sich aufgrund der Transitivität 

der Subkonzeptrelation aus explizit spezifizierten (oder bereits abgeleiteten) unmittelbaren Ordnungsverhältnissen 

zwischen anderen Konzeptpaaren ableiten. 

Das Maximalkonzept ist als Superkonzept zu jedem Konzept aus der Ontologie-Signatur definiert, 

ohne dass dies explizit in der ontologischen Signatur angegeben sein müsste: 29) 

∀k∈K: k . 

25) Digraph ist ein Kunstwort für die englischsprachige Bezeichnung „directed graph“. Die Gerichtetheit des Graphen resultiert aus 

der Richtung seiner Kanten, die von der Subkonzeptrelation bestimmt wird: Wenn (k 1,k 2) ∈ gilt, bildet das Konzept k 1 den 

Ursprung und das Konzept k 2 das Ende (die „Pfeilspitze“) der gerichteten Kante (k 1,k 2). 

26) Streng genommen ist die taxonomische Struktur nur in Bezug auf die Taxonomie (K,) definiert, die ihrerseits aus den zwei 

Komponenten K und aus einer ontologischen Signatur besteht. Insofern müsste stets von der taxonomischen Struktur einer 

ontologischen Signatur die Rede sein. Allerdings bietet die Interpretation der Taxonomie (K,) als ein Digraph (K,) die Möglichkeit, 

auch die Art des Über- und Unterordnungszusammenhangs (Kanten) zwischen den Konzepten (Knoten) einer Ontologie 

graphisch zu visualisieren, die mittels einer ontologischen Signatur konstruiert worden ist. Daher wird im Folgenden die 

vereinfachte, aber plastische Redeweise zugelassen, dass eine Ontologie [über einer ontologischen Signatur mit der Taxonomie 

(K,)] eine bestimmte taxonomische Struktur aufweist. So kann z.B. davon die Rede sein, dass ein Konzept k an der „Spitze“ 

einer Ontologie steht, wenn gemeint ist, dass die Ontologie auf einer ontologischen Signatur SIG mit der Taxonomie (K,) basier 

und der Digraph (K,) die Gestalt eines nach oben gerichteten Baumgraphen besitzt, dessen oberster Knoten („Spitze“) das 

Konzept k repräsentiert. 

27) Alternative Bezeichner für Subkonzept sind Unterkonzept, Unterbegriff und Hyponym; vgl. CARSTENSEN ET AL. (2001) S. 387 f.; 

LÖBNER (2003) S. 118. Alle vorgenannten Bezeichner werden hier synonym verwendet. 

28) Alternative Bezeichner für Superkonzept sind Oberkonzept, Oberbegriff und Hyperonym; vgl. CARSTENSEN ET AL. (2001) S. 387 

f.; LÖBNER (2003) S. 118. Alle vorgenannten Bezeichner werden hier synonym verwendet. 

29) Grundsätzlich lässt sich vorstellen, dass eine ontologische Signatur mehrere Maximalkonzepte aufweist, die jeweils keinem anderen 

Konzept (auch keinem anderen Maximalkonzept) gemäß der Subkonzeptrelation untergeordnet sind. Die taxonomische 

Struktur einer solchen ontologischen Signatur würde dann einen gerichteten Graphen mit mehreren „Spitzen“ (den Knoten der 

Maximalkonzepte) darstellen. Wenn es mehrere Maximalkonzepte gäbe, müssten sich diese aber in irgendeiner Weise inhaltlich 

unterscheiden lassen. Dann könnte immer noch ein übergeordnetes Konzept gebildet werden, das von diesen Unterschieden 

abstrahiert und als inhaltsleeres Maximalkonzept allen ehemaligen Maximalkonzepten übergeordnet wäre. Daher wird bei der 

Ontologiekonstruktion im Allgemeinen davon ausgegangen, dass nur genau ein Maximalkonzept existiert, so dass die taxonomische 

Struktur einer ontologischen Signatur nur genau eine „Spitze“ aufweist. Auf dieser Konstruktionsprämisse beruht auch 

die KOWIEN-Ontologie, die über das genau eine Maximalkonzept ENTITAET verfügt.


Analog ist das Minimalkonzept ⊥ als Subkonzept zu jedem Konzept aus der ontologischen Signatur 

definiert: 30) 

∀k∈K: ⊥ k. 

Darüber hinaus gilt, dass zwei mengenwertige Konzepte MEN(k1),MEN(k2)∈KMW genau dann in 

der Subkonzeptrelation zueinander stehen, wenn die einwertigen Konzepte k1,k2∈KEW, von denen 

sie abgeleitet wurden, zueinander in der Subkonzeptrelation stehen: 

∀k1,k2∈KEW: k1 k2 ↔ MEN(k1) MEN(k2). 

Die Subkonzeptrelation lässt sich sowohl aus extensionaler als auch aus intensionaler Perspektive 

charakterisieren. 

Aus der extensionalen Perspektive wird jedes Konzept – im Rahmen einer formalen Semantik – 

durch eine Menge formaler Objekte als „Extension“ des Konzepts interpretiert. 31) Wenn dieser 

Blickwinkel eingenommen wird, stellt jedes Element der Subkonzeptrelation ein Konzeptpaar 

dar, bei dem die Objektmenge, die das erste Konzept extensional interpretiert, eine (unechte) Teilmenge 

derjenigen Objektmenge ist, die das zweite Konzept extensional interpretiert. 

Aus der intensionalen Perspektive wird jedes Konzept durch eine nicht-leere 32) und endliche Menge 

von Merkmalen als „Intension“ des Konzepts so beschrieben, dass keine zwei Konzepte dieselbe 

Kombination von Merkmalen aufweisen. Wird zusätzlich jedes Merkmal, das zur Beschreibung 

mindestens eines Konzepts dient, seinerseits als ein Konzept der ontologischen Signatur eingeführt, 

so gilt zusätzlich: Ein Konzept wird intensional durch die Menge aller Konzepte beschrieben, zu 

denen es in der Subkonzeptrelation steht, die also direkte oder indirekte Superkonzepte zu dem 

30) Analog zum Maximalkonzept wird von der Konstruktionsprämisse ausgegangen, dass eine ontologische Signatur nur genau ein 

Minimalkonzept besitzt (obwohl grundsätzlich auch mehrere Minimalkonzepte existieren könnten). Es handelt sich dabei um 

ein artifizielles Konstrukt, das die taxonomische Struktur einer ontologischen Signatur „nach unten abschließt“: Das Minimalkonzept 

wird allen Konzepten, die aus der „natürlichen“ Konzeptualisierung eines Realitätsausschnitts hervorgegangen sind 

und gemäß der Subkonzeptrelation (zunächst) keine Subkonzepte aufweisen, als zusätzliches Subkonzept untergeordnet. Der 

artifizielle Charakter dieses Minimalkonzepts wird deutlich, wenn auf die später vorgestellte extensionale und intensionale Interpretation 

von Konzepten durch die Subkonzeptrelation vorgegriffen wird: Aus extensionaler Sicht muss die Objektmenge, 

mit der das Minimalkonzept interpretiert wird, die Teilmenge von jedem „natürlichen“ Konzept sein, das ihm gemäß der Subkonzeptrelation 

unmittelbar übergeordnet ist. Es lässt sich unmittelbar einsehen, dass diese Teilmengenbeziehung nur von 

der leeren Menge erfüllt wird. Aus intensionaler Perspektive wird das Minimalkonzept durch alle Superkonzepte als „Merkmale“ 

beschrieben, die ihm gemäß der Subkonzeptrelation unmittelbar oder mittelbar übergeordnet sind. Das sind per constructionem 

alle Konzepte aus der Konzeptmenge der ontologischen Signatur mit Ausnahme des Minimalkonzepts. Ein Konzept, das 

durch alle – oftmals sich gegenseitig ausschließende – Merkmale beschrieben wird, kann kein „natürliches“ Konzept darstellen; 

dies korrespondiert mit der leeren Objektmenge aus der extensionalen Interpretation des Minimalkonzepts. Wegen der zuvor 

skizzierten, höchst eigentümlich anmutenden Eigenschaften des Minimalkonzepts wird bei der Ontologiekonstruktion zumeist 

auf die Einführung eines Minimalkonzepts verzichtet. Dies ist auch für die später vorgestellte KOWIEN-Ontologie der Fall. 

Dennoch wird das Minimalkonzept hier der Vollständigkeit halber aufgeführt, zumal einige formale Argumentationsführungen 

erleichtert werden, wenn die taxonomische Struktur einer ontologischen Signatur durch ein Minimalkonzept „nach unten“ eindeutig 

abgeschlossen werden kann. 

31) Auf die extensionale Interpretation von Konzepten durch Mengen formaler Objekte wird weiter unten im Rahmen der formalen 

Semantik von ontologischen Signaturen ausführlicher eingegangen; vgl. S. 245 ff. 

32) Streng genommen trifft die Anforderung einer nicht-leeren Merkmalsmenge nur auf alle Konzepte zu, die nicht an der Spitze 

einer Ontologie stehen. Denn das Maximalkonzept einer Ontologie, dem alle anderen Konzepte derselben Ontologie mittels der 

Subkonzeptrelation untergeordnet sind, besitzt per definitionem kein Superkonzept. Wenn alle Merkmale, die ein Konzept 

intensional beschreiben, als Konzepte aus einer Ontologie eingeführt werden und Superkonzepte zum beschriebenen Konzept 

darstellen (wie nachfolgend erläutert wird), kann das Maximalkonzept einer Ontologie durch kein Merkmal beschrieben werden. 

Folglich handelt es sich um ein „inhaltsleeres“ Konzept mit der leeren Merkmalsmenge. Dies trifft auch in der KOWIEN- 

Ontologie auf das Maximalkonzept Entitaet zu.


beschriebenen Konzept darstellen. 33) Beispielsweise kann das Konzept Frau intensional dadurch 

beschrieben werden, dass es sich dabei um Menschen mit weiblichem Geschlecht handelt. Entsprechend 

wird das Konzept Frau 34) den (Super-) Konzepten Mensch und weibliches_Wesen untergeordnet. 

35) 

Mit der Subkonzeptrelation können allerdings im Allgemeinen nicht alle Aspekte einer intensionalen 

Semantik erfasst werden. Denn die formalsprachlich spezifizierte Subkonzeptrelation reicht 

bei Weitem nicht aus, um die – zumeist natürlichsprachlich umschriebene und in lebensweltlichen 

„Sprachspielen“ praktizierte – Intension eines Konzepts in seiner Gesamtheit erfassen zu können. 

Zum einen wird in der Regel bei der „praktischen“ Ontologie-Konstruktion darauf verzichtet, zu jedem 

Konzept alle denkbaren Superkonzepte aufzuführen, die für die intensionale Definition des betroffenen 

Konzepts notwendig sind. 36) Somit kommt es zu „Definitionslücken“. 37) Zum zweiten 

liegt die Unvollständigkeit der intensionalen Beschreibung eines Konzepts mittels seiner Superkonzepte 

an der Gefahr eines infiniten Regresses. Denn die intensionale Beschreibung eines Konzepts 

würde erfordern, dass auch die Superkonzepte ihrerseits durch ihre eigenen Superkonzepte intensional 

beschrieben werden müssten usw. Eine solche „induktive“ Erfassung der Intensionen von 

Konzepten scheitert in praxi zumeist daran, dass einerseits zu jedem Konzept k mindestens zwei 

Superkonzepte angegeben werden müssten, aus deren „Vereinigung“ die Intension des Konzepts k 

33) Vgl. SOWA (2000) S. 99. 

34) Konzepte (streng genommen sprachliche Konzepte zur Bezeichnung des jeweils gemeinten mentalen Konzepts) werden in diesem 

Werk zuweilen im natürlichsprachlichen Text mittels des Formats „kursiv“ hervorgehoben, um zu verdeutlichen, dass es 

sich um Ausdrücke aus einer formalsprachlichen Ontologie (und zugleich aus einer formalsprachlichen Bezeichner-Sprache) 

handelt. 

35) Der Übersichtlichkeit halber wurde hier auf eine vollständige intensionale Beschreibung des Konzepts Frau durch die Anführung 

aller übergeordneten Konzepte verzichtet. Denn zwecks Vollständigkeit müssten weitere Superkonzepte zum Konzept 

Mensch als übergeordnete Konzepte berücksichtigt werden. Dazu gehören beispielsweise – je nach konkreter Ausgestaltung der 

ontologischen Signatur – die Superkonzepte Lebewesen und (als Maximalkonzept) Entitaet. 

36) Ein wesentlicher Grund für diese Unvollständigkeit einer Ontologiekonstruktion ist, dass infolge knapper zeitlicher und personeller 

Ressourcen im Allgemeinen nur diejenigen Konzepte explizit spezifiziert werden, die für die Konzeptualisierung eines 

Realitätsausschnitts von den Akteuren einer Sprachgemeinschaft für die Erfüllung der jeweils verfolgten Zwecke als relevant 

erachtet werden. Diese knappheitsbedingte und zweckbezogene, d.h. „pragmatische“ Fokussierung auf die jeweils für relevant 

erachteten Konzepte führt in der Regel insbesondere zu einer „Ausdünnung“ der „Spitzenbereiche“ einer Ontologie, die auch 

als „Top-Level-Ontologien“ bezeichnet werden. Denn die Konzepte solcher Top-Level-Ontologien besitzen aufgrund ihrer geringen 

semantischen Distanz zum Maximalkonzept Entitaet einen so hohen Allgemeinheitsgrad, dass sie sich – relativ zu „tiefer 

positionierten“ Subkonzepten – als inhaltsarm und für den betrachteten Realitätsausschnitt unspezifisch erweisen. Daher werden 

die Konzepte aus Top-Level-Ontologien in Domänen-Ontologien, die auf bestimmte Realitätsausschnitte und auf bestimmte 

Konzeptualisierungszwecke zugeschnitten sind, wegen ihrer geringen pragmatischen Relevanz entweder vollständig ausgelassen 

oder nur teilweise berücksichtigt. Dies trifft auch für die KOWIEN-Ontologie zu. Sie umfasst zwar eine Top-Level- 

Ontologie; jedoch wurde diese Top-Level-Ontologie aufgrund der o.a. Ressourcenknappheit auf einige wenige (Top-Level-) 

Konzepte beschränkt. Da die intensionale Beschreibung eines Konzepts durch alle seine Superkonzepte erfolgt und insbesondere 

die Superkonzepte an der „Spitze“ einer Ontologie aus den vorgenannten pragmatischen Gründen in der Regel unvollständig 

spezifiziert werden, resultiert das oben angesprochene Phänomen, dass in einer Ontologie zumeist nicht alle Konzepte zur Verfügung 

stehen, die für eine vollständige intensionale Konzeptbeschreibung erforderlich wären. 

37) Zugespitzt wird dieses Defizit von Ontologien dadurch, dass nicht alle Ontologie-Editoren eine multiple Unterordnung von 

Konzepten erlauben. Eine solche multiple Unterordnung liegt vor, wenn ein Konzept mindestens zwei verschiedenen Superkonzepten 

direkt untergeordnet ist. Sie führt dazu, dass sich die taxonomische Struktur der betroffenen Konzeptmenge nicht 

mehr als eine „einfache“ Hierarchie darstellen läst (wie von manchen Ontologie-Editoren präsupponiert wird), sondern eine heterarchische 

oder netzartige Gestalt annimmt. Solche multiplen Unterordnungen sind aber – so zeigt die Erfahrung des KO- 

WIEN-Projekts – für manche betriebswirtschaftliche Anwendungskontexte, wie z.B. das Kompetenzmanagement, erforderlich, 

um Konzepte durch die Menge aller ihrer Superkonzepte intensional beschreiben zu können. Vgl. dazu beispielsweise das Konzept 

Akteur in der Abbildung 65 des Kapitels 2.4.3.2 auf S. 523.


hervorgeht, jedoch andererseits die unmittelbaren Subkonzepte des Maximalkonzepts jeweils nur 

ein Superkonzept – nämlich – besitzen. Außerdem kann das Maximalkonzept nicht zur intensionalen 

Beschreibung von untergeordneten Konzepten verwendet werden, da es per definitionem 

„merkmalsfrei“ ist. Aus den vorgenannten Gründen reicht die Subkonzeptrelation nicht dazu aus, 

die Intensionen von Konzepten vollständig zu erfassen. 

Die Inkompatibilitätsrelation ist als irreflexive und symmetrische Relation definiert. Wenn zwei 

Konzepte k1,k2∈K in der Inkompatibilitätsrelation zueinander stehen, werden sie als miteinander 

inkompatible Konzepte bezeichnet. Es handelt sich hierbei um solche Konzepte, deren Extensionen 

nie einander überlappen dürfen. Die beiden Objektmengen, die zwei miteinander inkompatiblen 

Konzepten bei extensionaler Interpretation zugeordnet werden, müssen also eine leere Schnittmenge 

aufweisen. Beachtenswert hierbei ist, dass zwei mengenwertige Konzepte MEN(k1) und 

MEN(k2) genau dann miteinander inkompatibel sein müssen, wenn die entsprechenden einwertigen 

Konzepte k1 und k2 miteinander inkompatibel sind: 

∀k1,k2∈KEW,MEN(k1),MEN(k2)∈KMW: (k1 k2) ↔ (MEN(k1) MEN(k2)). 

Zudem „vererbt“ sich die Imkompatibilität zwischen Konzepten auf deren Subkonzepte. Wenn zwei 

Konzepte k1 und k2 in der Inkompatibilitätsrelation zueinander stehen, dann müssen auch alle 

Subkonzepte k des Konzepts k1 (k2) in der Inkompatibilitätsrelation zum Konzept k2 (k1) stehen: 

∀k1,k2∈K: (k1 k2) → (∀k∈K: (k k1 → k k2) ∧ (k k2 → k k1)). 

Die Äquivalenzrelation ist als reflexive, symmetrische und transitive Relation definiert. Mit der 

Äquivalenz zweier Konzepte wird ausgedrückt, dass die zwei Konzepte zwar unterschiedliche Intensionen 

besitzen können, 38) aber stets (d.h. unter allen denkmöglichen Interpretationen) die gleiche 

Extension aufweisen müssen. 39) Das Prinzip der Äquivalenzrelation geht zurück auf die Beobachtung 

FREGES, dass es Konzepte gibt, deren „Art des Gegebenseins“ 40) zwar unterschiedlich ist, 

die aber extensional stets durch die gleichen Mengen formaler Objekte interpretiert werden. 41) Zwei 

Konzepte k1,k2∈K stehen demnach genau dann in der Äquivalenzrelation zueinander, wenn sie 

immer mit gleichen 42) konzeptspezifischen Objektmengen extensional interpretiert werden müssen. 

Wenn zwei Konzepte k1 und k2 in der Äquivalenzrelation zueinander stehen, werden sie als (zueinander) 

äquivalente Konzepte bezeichnet. 

38) Wegen der Reflexivität der Äquivalenzrelation ist der Grenzfall eingeschlossen, dass dasselbe Konzept k äquivalent zu sich 

selbst ist, d.h. k k gilt. Wenn (scheinbar) „zwei“ Konzepte nicht nur dieselbe Extension, sondern auch dieselbe Intension 

aufweisen, d.h. durch dieselbe „konzeptspezifische“ Merkmalsmenge beschrieben werden, gelten die Konzepte als identisch; es 

handelt sich also tatsächlich um nur ein Konzept. Dies folgt aus dem „principium identitatis indiscernibilium“ von LEIBNIZ; vgl. 

LEIBNIZ (1985) S. 51. Vgl. daneben auch DIEMER (1967) S. 215; FRENCH (1989) S. 141 ff.; HERMES (1991) S. 141; LORENZ 

(2004a) S. 189 f.; PERZANOWSKI (1996) S. 111 f.; SIEGWART (1999) S. 603 f.; etwas weniger deutlich BUCHER (1987) S. 223 f. 

39) Vgl. BAADER/NUTT (2002) S. 52; ORTNER (1997) S. 31 f. (mit der Bezeichnung „Äquipollenzen“). 

40) FREGE (1999) S. 111. 

41) Als anschauliches Beispiel diente FREGE die altertümliche Vermutung, bei dem hellsten Stern am Morgenhimmel würde es sich 

um einen anderen Planeten handeln als um den hellsten Stern am Abendhimmel. Mit der Feststellung, dass die beiden Konzepte 

Morgenstern und Abendstern denselben Planeten Venus als Extension aufweisen, musste die Vermutung revidiert werden. Vgl. 

FREGE (1999) S. 111 u. 116. 

42) Mit der Gleichheit zweier konzeptspezifischer Objektmengen ist gemeint, dass jedes Element aus der einen Objektmenge auch 

in der jeweils anderen Objektmenge enthalten sein muss. Dabei kann es sich trotzdem um zwei nicht-identische Objektmengen 

handeln. Als Unterscheidungskriterium dienen die Namen der konzeptspezifischen Objektmengen. Der einzige Unterfall der 

Gleichheit ist die Identität. Im Fall identischer konzeptspezifischer Objektmengen sind nicht nur deren Elemente, sondern auch 

deren Namen gleich.


Die Menge OPS={O1,...,OI} umfasst alle Operationssymbole der ontologischen Signatur SIG. Operationssymbole 

werden mit der Operationssymboltypisierungsfunktion: 

typOPS: OPS → K* × K 

typisiert. 43) Für ein Operationssymbol Oi∈OPS mit typOPS(Oi) = (k1,...,kn,kn+1) wird die Folge 

(k1,...,kn)∈K* der Konzepte k1,...,kn∈K als Argumentbereich des Operationssymbols Oi bezeichnet; 

jedes einzelne Konzept kq aus diesem Bereich mit q = 1,...,n heißt ein Argumentkonzept des Operationssymbols 

Oi. Ein Operationssymbol, dessen Argumentbereich aus n Konzepten mit n∈N besteht, 

wird als ein n-stelliges Operationssymbol bezeichnet. 44) Das Konzept kn+1 stellt den Zielbereich 

oder das Zielkonzept des Operationssymbols Oi dar. Auf den Argument- und den Zielbereich 

eines Operationssymbols kann jeweils mittels der Hilfsfunktionen: 45) 

ARGOPS: OPS → K* 

ZIELOPS: OPS → K 

zugegriffen werden. Für ein beliebiges Operationssymbol Oi∈OPS mit typOPS(Oi) = (k1,...,kn,kn+1) 

gilt: ARGOPS(Oi) = (k1,...,kn) und ZIELOPS(Oi) = kn+1. 

Ein Operationssymbol, dessen Zielkonzept k´∈K 46) mit k´ = MEN(k)∈KMW ein mengenwertiges 

Konzept ist, das von einem einwertigen Konzept k∈KEW abgeleitet wurde, wird als mengenwertiges 

Operationssymbol bezeichnet. Ein Operationssymbol mit einem einwertigen Zielkonzept k∈KEW 

heißt dagegen einwertiges Operationssymbol. 47) Entsprechend wird die Menge OPS aller Operationssymbole 

in die disjunkten Teilmengen OPSEW aller einwertigen Operationssymbole und OPSMW 

aller mengenwertigen Operationssymbole unterteilt: 

OPS = OPSEW∪OPSMW 

mit OPSEW∩OPSMW = ∅, 

OPSEW = {Oi | Oi∈OPS ∧ ZIELOPS(Oi)∈KEW} 

und OPSMW = {Oi | Oi∈OPS ∧ ZIELOPS(Oi)∈KMW}. 

Die Menge PS={P1,...,PJ} umfasst alle Prädikatssymbole der ontologischen Signatur SIG. Prädikatssymbole 

werden mit der Prädikatssymboltypisierungsfunktion: 

typPS: PS → K* 

43) Unter der Typisierung eines Operationssymbols wird die Zuweisung von Konzepten zum Argument- und zum Zielbereich des 

Operationssymbols verstanden. Dies entspricht strukturell der Typisierung eines Operationssymbols in einer sortierten Prädikatenlogik, 

mittels derer dem Argument- und dem Zielbereich des Operationssymbols Sorten zugewiesen werden. Die Typisierung 

von Prädikatssymbolen wird später analog definiert (allerdings ohne Bezugnahme auf einen Zielbereich, der für Prädikatssymbole 

nicht definiert ist) 

44) Der Grenzfall n=0 wird zugelassen. Er gestattet es, Konstantensymbole als 0-stellige Operationssymbole zu definieren. 

45) Streng genommen müssten die beiden Hilfsfunktionen als zwei zusätzliche Konstituenten der ontologischen Signatur SIG eingeführt 

werden. Da sie jedoch keine „wesentlich“ neuartigen Informationen zur oben definierten ontologischen Signatur hinzufügen, 

sondern nur diejenigen Informationen explizieren, die in den Signatur-Komponenten OPS und typ OPS bereits implizit 

enthalten sind, wird darauf verzichtet, die Hilfsfunktionen in die Signaturdefinition aufzunehmen. Auf diese Weise lässt sich 

eine möglichst kompakte Signaturdefinition realisieren. 

46) Wenn ein Zielkonzept isoliert angesprochen wird, also die Konzepte aus dem Argumentbereich eines Operationssymbols im aktuellen 

Kontext nicht von Interesse sind, kann das Zielkonzept k n+1 vereinfacht auch als Zielkonzept k notiert werden. 

47) Vgl. PATIG (2001) S. 65. 

Auf die Wertigkeit ontologischer Operationssymbole wird im Kontext der Kardinalität ontologischer Operationssymbole näher 

eingegangen.


typisiert. Demnach können Prädikatssymbole mit allen Konzeptfolgen (k1,...,kn) typisiert werden, 

die sich aus den Elementen der Konzeptmenge K konstruieren lassen. 48) Die Konzeptfolge 

(k1,...,kn), die einem Prädikatssymbol Pj mittels der Prädikatssymboltypisierungsfunktion typPS zugeordnet 

ist, wird als der Argumentbereich des Prädikatssymbols Pj bezeichnet. Jedes einzelne 

Konzept kq aus diesem Bereich mit q = 1,...,n heißt ein Argumentkonzept des Prädikatssymbols Pj. 

Ein Prädikatssymbol, dessen Argumentbereich aus n Konzepten mit n∈N+ besteht, wird als ein nstelliges 

Prädikatssymbol bezeichnet. 49) 

1.3.2.2.2 Ausdrücke über ontologischen Signaturen 

Mit den objektsprachlichen Ausdrucksmitteln, die in einer ontologischen Signatur SIG spezifiziert 

sind, lassen sich objektsprachliche Ausdrücke konstruieren. Als solche kommen einerseits Terme 

und andererseits Formeln in Betracht. Terme sind Ausdrücke, die jeweils genau einem Konzept k 

zugeordnet sind und jeweils einen Denkinhalt repräsentieren, der sich inhaltlich unter das Konzept k 

subsumieren lässt. Die Menge aller Ausdrücke, die demselben Konzept k zugeordnet sind, bildet die 

konzeptspezifische Termmenge TERMk. Formeln sind Ausdrücke, die wahrheitsfähige Urteile über 

einen konzeptualisierten Realitätsausschnitt darstellen und sich dabei auf Terme erstrecken. Die 

Menge EXPR aller objektsprachlichen Ausdrücke, die über einer ontologischen Signatur SIG definiert 

sind, setzt sich aus der Menge TERM aller Terme und der Menge FORM aller Formeln zusammen, 

die mit den Ausdrucksmitteln der Signatur SIG gebildet werden können: 

EXPR = TERM ∪ FORM 

mit TERM = ∪k∈KTERMk 

und TERMF = (TERMk)k∈K 

Die Menge TERM umfasst als Elemente alle Terme aus allen konzeptspezifischen Termmengen 

TERMk. Die Mengenfamilie TERMF umfasst hingegen als Mitglieder konzeptspezifische Termmengen 

TERMk. 

Jede konzeptspezifische Menge TERMk aller Terme zu einem Konzept k∈K ist wie folgt definiert: 

1. Wenn x∈VARk gilt, dann gilt auch x∈TERMk. Jede Variable x aus der konzeptspezifischen 

Variablenmenge VARk ist also ein Term für das Konzept k. 

2. Wenn Oi∈OPS ein null-stelliges Operationssymbol mit typOPS(Oi) = (λ,k) und λ als Notation 

für den leeren Argumentbereich ist, dann gilt auch Oi()∈TERMk. Dies bedeutet, dass jedes 

Konstantensymbol Oi() mit der Zielsorte k ein Term für das Konzept k ist. 

3. Wenn Oi∈OPS ein n-stelliges Operationssymbol mit n∈N+ und typOPS(Oi)=(k1,...,kn,kn+1) ist 

sowie t1∈TERMk.1,...., tn∈TERMk.n Terme darstellen, dann gilt auch Oi(t1,...,tn)∈TERMk.n+1. 

Terme für ein Konzept kn+1 lassen sich also aus anderen Termen und Operationssymbolen 

beliebig komplex und „rekursiv“ zusammensetzen, wenn die (zuletzt angewendeten) 

Operationssymbole das Konzept kn+1 als Zielsorte aufweisen. 

48) Hierzu zählen neben einwertigen Konzepten aus K EW auch mengenwertige Konzepte aus K MW. Dasselbe Prädikatssymbol kann 

sich sowohl auf ein- als auch auf mengenwertige Konzepte erstrecken. 

49) Der Grenzfall n=0 wird ausgeschlossen, weil sich bei der Konstruktion von Ontologien für null-stellige Prädikatssymbole keine 

„sinnvolle“ Anwendung definieren lässt. Im Fall n=1 stellt das einstellige Prädikatssymbol ein Mengensymbol dar, so dass Prädikatssymbole 

im engeren Sinn erst für n≥2 vorliegen.


4. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∈TERMk.2. 

5. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∈TERMk.2. 50) 

6. Wenn (k1 k2) und t∈TERMk.1 gelten, dann gilt auch t∉TERMk.2. 51) 

Terme, die aus der Anwendung der Regeln 1 oder 2 hervorgehen, werden als atomare Terme bezeichnet. 

Atomare Terme sind demnach entweder Variablen oder Konstantensymbole. Terme, die 

aus der Anwendung von Regel 3 hervorgehen, werden als zusammengesetzte Terme bezeichnet. Zusammengesetzte 

Terme gehen demnach aus der „typgerechten“ 52) Anwendung von Operationssymbolen 

auf andere Terme hervor. 

Üblicherweise beschränkt sich der Regelsatz zur Definition von Termen sowohl in der konventionellen 

als auch in der sortierten Prädikatenlogik auf die Regeln 1, 2 und 3. Für ontologische Signaturen 

wird allerdings darüber hinaus mit den Regeln 4, 5 und 6 der Termmenge eine dreifache 

Struktur aufgeprägt. 

Die erste Struktur ergibt sich aus der partiellen Ordnung (K,), die für die Menge K aller Konzepte 

durch die Subkonzeptrelation definiert ist. Durch die Regel 4 wird nämlich sichergestellt, dass alle 

Terme, die zu einem Konzept k1∈K gehören, auch zu allen seinen Superkonzepten gehören, d.h. 

zu allen Konzepten k2,...,kn∈K, mit denen das Konzept k1 in der Subkonzeptrelation steht, für die 

also k1 ki mit i∈{2,...,n} gilt. 53) Somit ist die konzeptspezifische Termmenge TERMk.1 stets eine 

Teilmenge einer konzeptspezifischen Termmenge TERMk.i, wenn k1 ki gilt. Daraus folgt unmittelbar: 

Wenn ein Term aus der Anwendung eines Operationssymbols O mit typOPS(O) = (k1,...,kn, 

kn+1) auf die Terme t1,...,tn mit (t1,...,tn)∈TERMk.1 ×...× TERMk.n hervorgeht, dann gehört dieser 

Term nicht nur zu der Termmenge TERMk.n+1 des Konzepts kn+1, sondern auch zu den Termmengen 

TERMk.i für alle Superkonzepte ki des Konzepts kn+1. Die Termmenge TERMk.n+1 des Konzepts kn+1 

ist dann aufgrund der Subkonzeptbeziehung kn+1 ki eine Teilmenge von jeder der Termmengen 

TERMk.i seiner Superkonzepte ki. Dieser „verschachtelte“ Zusammenhang ist in Abbildung 17 dargestellt. 

50) Wegen der Symmetrie der Äquivalenzrelation trifft ebenso zu: Wenn (k 1 k 2) und t∈TERM k.2 gelten, dann gilt auch 

t∈TERM k.1. 

51) Wegen der Symmetrie der Inkompatibilitätsrelation trifft ebenso zu: Wenn (k 1 k 2) und t∈TERM k.2 gelten, dann gilt auch 

t∈TERM k.1. 

52) Unter der „Typgerechtigkeit“ der Anwendung eines Operationssymbols wird verstanden, dass die betroffenen Terme exakt aus 

den konzeptspezifischen Termmengen stammen müssen, die denjenigen Konzepten zugeordnet sind, die von der Operationssmboltypisierungsfunktion 

typ OPS für den Argument- und den Zielbereich des betroffenen Operationssymbols ausgewiesen 

werden. Die typgerechte Vorgehensweise wird von der Regel 3 formalsprachlich präzise festgelegt. 

53) Vgl. KANEIWA (2001) S. 28. Bei der Konstruktion von Termmengen nach den o.a. Regeln gilt es zwei Besonderheiten zu beachten. 

Erstens können die konzeptspezifischen Termmengen jeweils auch solche Terme umfassen, die sich nicht nur aus der Anwendung 

der Regeln 1, 2 und 3 ergeben, sondern auch aus der Anwendung der Regeln 4 und 5. Daher lassen sich für die Konstruktion 

zusammengesetzter Terme in den Argumentstellen von Operationssymbolen, die in der Form typOPS(O) = (k 1,...,k n,k n+1) typisiert 

sind, auch solche Terme verwenden, die nicht aufgrund der Regeln 1, 2 und 3, sondern aufgrund der Regeln 4 und 5 zu 

den Termmengen TERMk.1,...,TERM k.n gehören. 

Zweitens können die konzeptspezifischen Termmengen aufgrund der Transitivität der Subkonzeptrelation ineinander verschachtelt 

sein. Es gilt beispielsweise TERMk.1 ⊆ TERMk.2 ⊆ TERMk.3, wenn die Beziehungen k1 k2 und k2 k3 zutreffen.


O ( k 1 ,......, k n , k n+1 ) 

k 1.1 k 1.2 

k 1.1.1 k 1.1.2 

k n+1.1.1 k n+1.1.2 

k n.1 

k n+1.1 k n+1.2 

k n.2 

k n.2.1 k n.2.2 

Abbildung 17: Termmengenverschachtelung und Operationssymboltypisierung 

Abbildung 17 enthält ein Operationssymbol O∈OPS mit der Typisierung typOPS(O) = (k1,...,kn,kn+1). 

Die Pfeile repräsentieren jeweils Elemente der Subkonzeptrelation . An der ersten Argumentstelle 

des Operationssymbols dürfen beispielsweise – entsprechend der Typisierung – nur Terme aus der 

Termmenge des Konzepts k1 eingesetzt werden. Dabei umfasst die konzeptspezifische Termmenge 

TERMk.1 alle Elemente der Termmengen TERMk.1.x, die zu Konzepten k1.x gehören, die ihrerseits 

als Subkonzepte des Konzepts k1 die Subkonzeptbeziehung k1.x k1 erfüllen. 54) Andererseits gehört 

der Term t, der aus der typgerechten Anwendung des Operationssymbols O auf die Terme t1,...,tn 

mit (t1,...,tn)∈TERMk.1 ×...× TERMk.n hervorgeht, nicht nur zu der Termmenge TERMk.n+1, sondern 

auch zu allen Termmengen TERMk.n+1.y, die zu Konzepten kn+1.y gehören, die ihrerseits als Superkonzepte 

des Konzepts kn+1 die Subkonzeptbeziehung kn+1 kn+1.y erfüllen. 

Eine zweite Erweiterung gegenüber der Definition von Termen über konventionellen Signaturen ist 

durch Regel 5 gegeben. Demnach gehören alle Terme, die aus der Termmenge TERMk.1 des Konzepts 

k1∈K stammen, auch zu den Termmengen aller Konzepte k2,...,kn∈K, mit denen das Konzept 

k1 in der Äquivalenzrelation steht, für das also k1 ki mit i∈{2,...,n} gilt. Da de Äquivalenzrelation 

als symmetrische Relation ausgezeichnet ist, müssen äquivalente Konzepte stets gleiche 

Termmengen aufweisen. Die konzeptspezifischen Termmengen TERMk.1 und TERMk.2 können 

demnach keine Terme enthalten, die in der jeweils anderen Termmenge nicht enthalten sind, wenn 

die beiden Konzepte k1 und k2 die Äquivalenzrelation erfüllen. An den Argumentstellen eines 

Operationssymbols O∈OPS mit der Typisierung typOPS(O) = (k1,...,kn,kn+1) können demnach auch 

jeweils Terme aus den Termmengen zu solchen Konzepten verwendet werden, die mit den Konzepten 

im Argumentbereich des Operationssymbols O in der Äquivalenzrelation stehen. Ebenso ist 

ein Term t, der aus der Anwendung eines Operationssymbols O auf die Terme t1,...,tn hervorgeht, 

54) Ein bemerkenswerter Sonderfall tritt dann ein, wenn ein Konzept k i in der Subkonzeptrelation zu zwei verschiedenen Konzepten 

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, 

wenn die taxonomische Struktur die Gestalt einer Heterarchie aufweist, weil das Konzept k i sowohl dem Konzept k i.1 als auch 

dem Konzept k i.2 unmittelbar untergeordnet ist. Beispielhaft wurde ein solcher Fall im vorherigen Kapitel 1.3.2.2.1 mit den 

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 

ist beachten, dass das Konzept weibliches_Wesen kein Subkonzept des Konzepts Mensch ist, weil auch andere Lebewesen 

als Menschen weiblich sein können, wie z.B. Tiere weiblichen Geschlechts. Ebenso ist das Konzept Mensch kein Subkonzept 

des Konzepts weibliches_Wesen, weil es auch Menschen männlichen Geschlechts gibt. In einem solchen Fall kann derselbe 

Term t aus der Termmenge TERM k.i in zwei verschiedenen Argumentstellen verwendet werden, obwohl diese Stellen mit unterschiedlichen 

Konzepten k i.1 und ki.2 typisiert sind, die in keiner Subkonzeptbeziehung zueinander stehen.


nicht nur in der Termmenge TERMk.n+1 des Zielkonzepts kn+1 enthalten, sondern auch in allen 

Termmengen TERMk.i von äquivalenten Konzepten ki, für die ki kn+1 gilt. 

Während mit den Regeln 1 bis 5 bestimmt wird, welche Terme in den konzeptspezifischen Termmengen 

einer ontologischen Signatur SIG eingeschlossen sind, werden mit der Regel 6 Terme für 

konzeptspezifische Termmengen ausgeschlossen. Sie führt dazu, dass zwei konzeptspezifische 

Termmengen TERMk.1 und TERMk.2 disjunkt zueinander sein müssen, wenn sie zu solchen Konzepten 

k1,k2∈K gehören, die miteinander in der Inkompatibilitätsrelation stehen. Die Regel 6 ist 

allerdings bei genauerer Betrachtung redundant, da ein Term nur dann das Element einer konzeptspezifischen 

Termmenge ist, wenn dies aus der Anwendung der Regeln 1 bis 5 hervorgeht. Ein 

Ausschluss von Termen in einer konzeptspezifischen Termmenge ist somit unnötig. Dennoch kann 

sich die explizite Berücksichtigung der Regel 6 als vorteilhaft erweisen, um zu überprüfen, ob die 

konzeptspezifischen Termmengen hinsichtlich der Inkompatibilitätsrelation fehlerfrei spezifiziert 

sind. 55) 

Die zweite Teilmenge der Menge EXPR aller objektsprachlichen Ausdrücke über einer ontologischen 

Signatur SIG umfasst alle zulässigen Formeln. Die Menge FORM der Formeln über einer ontologischen 

Signatur SIG ist induktiv wie folgt definiert: 

1. w,f∈FORM. w ist die immer gültige, tautologische Formel; f ist die immer ungültige, kontradiktorische 

Formel. 56) 

2. Wenn P∈PS, typPS(P) = (k1,...,kn) und (t1,...,tn)∈TERMk.1 ×...× TERMk.n gelten, 

dann gilt auch P(t1,...,tn)∈FORM. Die Formel P(t1,...,tn) stellt eine atomare Formel dar 

und wird oftmals auch als (atomares) Prädikat bezeichnet. 

3. Wenn P∈PS, typPS(P) = (k1,...,kn), (t1,...,tn)∈TERMk.1 ×...× TERMk.n sowie xq∈VARk.q 

für ein beliebiges q mit 1 ≤ q ≤ n und VARk.q ⊆ TERMk.q gelten, dann gelten auch 

(∀xq: P(t1,...,xq,...,tn))∈FORM und (∃xq: P(t1,...,xq,...,tn))∈FORM. 57) 

55) Daher lässt sich die Regel 6 benutzen, um eine Integritätsregel für die Zulässigkeit einer Ontologie aufzustellen, die mit den 

Ausdrucksmitteln einer ontologischen Signatur konstruiert wird. Auf solche Integritätsregeln wird im Kapitel 2.4.2.2.2 (S. 443 

ff.) ausführlich eingegangen. 

56) Bei der tautologischen und der kontradiktorischen Formel handelt es sich jeweils um eine null-stellige Formel. Solche null-stelligen 

Formeln lassen sich auch als Aussagen der Aussagenlogik auffassen, so dass die Aussagenlogik als Grenzfall in der Prädikatenlogik 

enthalten ist. Andere null-stellige bzw. aussagenlogische Formeln als die beiden vorgenannten werden im Kontext 

von ontologischen Signaturen nicht benötigt. 

Die tautologische und die kontradiktorische Formel stellen jeweils objektsprachliche Ausdrücke dar. Daher sind sie von den 

metasprachlichen Wahrheitswerten „gültig“ (oder „wahr“) und „ungültig“ (oder „falsch“) zu unterscheiden. Diese metasprachlichen 

Wahrheitswerte stellen formalsprachliche Konstanten sui generis dar, die in einer formalen Semantik jeder Formel (als 

objektsprachlichem Ausdruck) mittels einer Interpretation (als metasprachlicher Operation) zugeordnet werden können. 

57) Die 3. Regel ist nur so weit ausformuliert, wie es hier für das Verständnis von Formeln in Ontologien hilfreich erscheint. Bei 

dieser Darstellungsweise erfolgen zwei Vereinfachungen. Erstens wird die Einführung der Allquantifizierung (mithilfe des Allquantors 

∀) und der Existenzquantifizierung (mithilfe des Existenzquantors ∃) nur für jeweils eine Variable dargestellt. Streng 

genommen müssten analoge Regeln für All- oder Existenzquantifizierung von n Variablen für n∈N + und n≥2 ergänzt werden. 

Dies würde die Komplexität der Regelgruppe stark ansteigen lassen (zumal in derselben Formel All- und Existenzquantifizierungen 

beliebig miteinander kombiniert werden dürfen, solange sich auf dieselbe Variable nie mehr als ein Quantor erstreckt), 

ohne grundsätzlich neuartige Erkenntnisse zu vermitteln. Zweitens bezieht sich die 3. Regel nur auf atomare Formeln, obwohl 

All- und Existenzquantifizierungen ebenso auf zusammengesetzte Formeln angewendet werden können. Solche All- und Existenzquantifizierungen 

zusammengesetzter Formeln lassen sich jedoch ohne Schwierigkeiten aus All- und Existenzquantifizierungen 

derjenigen atomaren Formeln gewinnen, aus denen die zusammengesetzten Formeln aufgebaut sind.


4. Wenn F∈FORM gilt, dann gilt auch (¬F)∈FORM. 

Die Formel ¬F wird auch als Negatformel oder kurz Negat bezeichnet. 

5. Wenn F1,F2∈FORM gilt, dann gelten auch (F1∧F2),(F1∨F2),(F1→F2),(F1↔F2)∈FORM. 

Die Formeln F1∧F2, F1∨F2, F1→F2 sowie F1↔F2 werden als Konjugatformel (Konjugat), 

Adjugatformel (Adjugat), Subjugatformel (Subjugat) bzw. Bijugatformel (Bijugat) 

bezeichnet und stellen jeweils zusammengesetzte Formeln dar. 

1.3.2.3 Semantische Aspekte von Ontologien 

1.3.2.3.1 Strukturen zu ontologischen Signaturen 

Die extensionale Semantik einer ontologischer Signatur SIG wird durch eine SIG-Struktur A gegeben. 

Eine SIG-Struktur A ist definiert als: 

Die Komponenten einer SIG-Struktur A sind: 

A = (OBF,OPF,RF). 

1. eine Familie OBF = (OBk)k∈K von konzeptspezifischen, jeweils nicht-leeren Mengen OBk 

formaler Objekte, 58) für die gilt: 

1.1. OB = ∪k∈KOBk, 

1.2. ∀k1∈KEW,k2∈KMW: k2 = MEN(k1) → OBk.2 = pot+(OBk.1), 

1.3. ∀k1,k2∈K: k1 k2 → OBk.1 ⊆ OBk.2, 

1.4. ∀k1,k2∈K: k1 k2 → OBk.1 = OBk.2, 

1.5. ∀k1,k2∈K: k1 k2 → OBk.1 ∩ OBk.2 = ∅; 

2. eine Familie OPF = (oi)i=1,...,I von Operationen oi mit i = 1,...,I und I∈N+ ;59) 

3. eine Familie RF = (rj)j=1,...,J von Relationen rj mit j = 1,...,J und J∈N+ . 

Eine SIG-Struktur A interpretiert eine ontologische Signatur SIG extensional durch eine Familie 

I = (IK,IOPS,IPS) von Interpretationsfunktionen. Diese Funktionenfamilie wird im Folgenden auch 

kurz als Interpretation I für eine ontologische Signatur SIG angesprochen. 

Die Funktion: 

IK: K → OBF 

interpretiert jedes Konzept k∈K aus einer ontologischen Signatur SIG auf extensionale Weise durch 

eine konzeptspezifische Menge OBk aus formalen Objekten. Die konzeptspezifische Objektmenge 

OBk = IK(k), mit der ein Konzept k∈K extensional interpretiert wird, ist die Extension des Konzepts 

58) Die Mengen OB k aus formalen Objekten werden der Kürze halber auch als Objektmengen bezeichnet, solange aus dem Argumentationskontext 

ersichtlich ist, dass jeweils formale Objekte als Elemente dieser Mengen gemeint sind. 

59) Es lässt sich darüber streiten, ob die Zusammenfassung von Operationen zum Konstrukt OPF den formalsprachlichen Charakter 

einer Menge (aus Elementen) oder einer Familie (aus Mengen) besitzt. Hier wird die Sichtweise vertreten, Operationen als zusammengesetzte 

Konstrukte mit einer „mengenartigen“ Struktur aufzufassen. Denn jede Operation lässt sich (wie eine Funktion) 

als eine spezielle, nämlich rechtseindeutige Relation auffassen. Relationen stellen ihrerseits immer Mengen dar: entweder 

Mengen aus Elementen (für den Grenzfall 1-stelliger Relationen) oder Mengen aus Tupeln (für den Normalfall n-stelliger Relationen 

mit n∈N + und n≥2). Folglich können auch Operationen – im Sinne rechtseindeutiger Relationen – als Mengen aufgefasst 

werden. Da schon an früherer Stelle erläutert wurde, die „paradoxienanfällige“ Redeweise von „Mengen aus Mengen“ (mit 

Ausnahme des Sonderfalls der Potenzmenge) vermeiden zu wollen, wird hier OPS nicht als Menge von „mengenartigen“ Operationen, 

sondern als Familie von Operationen eingeführt.


k. Der Kürze halber lässt sich in diesem Fall die Objektmenge OBk auch als k-spezifische Objektmenge 

ansprechen. Die formalen Objekte ob1,...,obn∈OBk aus der Extension des Konzepts k werden 

als Instanzen dieses Konzepts bezeichnet. Die Zuordnung eines bestimmten formalen Objekts obi 

aus der Objektmenge OBk des Konzepts k heißt entsprechend eine Instanziierung des Konzepts k 

durch das formale Objekt obi. 

Die Menge OB ist die Vereinigung aller konzeptspezifischen Objektmengen OBk.1,...,OBk.n. Sie 

wird auch als Universum zu einer ontologischen Signatur SIG bezeichnet. Im Universum OB zu einer 

ontologischen Signatur SIG sind alle formalen Objekte aus allen konzeptspezifischen Objektmengen 

enthalten, ohne zwischen den Konzepten zu differenzieren, denen die konzeptspezifischen 

Objektmengen jeweils zugeordnet sind. 

Eine Besonderheit für konzeptspezifische Objektmengen ergibt sich aus der Unterscheidung zwischen 

einwertigen und mengenwertigen Konzepten. Durch die Mengenfunktion MEN wird nämlich 

auf der Ebene der ontologischen Signatur festgelegt, wie die Extension zu einem mengenwertigen 

Konzept beschaffen sein muss. Jedem mengenwertigen Konzept k2∈K wird eine nicht-leere Potenzmenge 

als konzeptspezifische Objektmenge OBk.2 zugeordnet, 60) die über der konzeptspezifischen 

Objektmenge OBk.1 des jeweils zugrunde liegenden einwertigen Konzepts k1∈K definiert ist. 

Die Bestimmung dieser Potenzmenge erfolgt mit Hilfe der Regel 1.2 aus der o.a. Regelgruppe für 

die Komponenten der SIG-Struktur A wie folgt: 

∀k1∈KEW, k2∈KMW: k2 = MEN(k1) → OBk.2 = pot+(OBk.1) 

mit pot+(OBk.1) = {TOBk.1| ∅ ⊂ TOBk.1 ⊆ OBk.1}. 

Jedem mengenwertigen Konzept k2∈KMW wird demnach die Objektmenge OBk.2 = pot+(OBk.1) als 

konzeptspezifische Extension zugeordnet. Dabei ist OBk.2 die nicht-leere Potenzmenge der Objektmenge 

OBk.1 für das einwertige Konzept k1, das dem Konzept k2 wegen k2 = MEN(k1) zugrunde 

liegt. 61) 

Die formalen Objekte aus den Extensionen entweder ein- oder mengenwertiger Konzepte werden 

entsprechend auch als einwertige (oder synonym: skalare) bzw. als mengenwertige formale Objekte 

bezeichnet. Ein einwertiges formales Objekt ist demnach ein einzelnes Element aus dem Partialuniversum 

OBEW der ontologischen Signatur SIG, das die Vereinigungsmenge nur der Objektmengen 

einwertiger Konzepte k mit k∈KEW darstellt: OBEW = ∪k∈K EW OBk. Ein mengenwertiges formales 

Objekt ist dagegen eine nicht-leere Teilmenge des Partialuniversums OBEW der ontologischen Signatur 

SIG. Ein mengenwertiges formales Objekt kann nur aus einwertigen formalen Objekten als 

Elementen bestehen, also nicht seinerseits andere mengenwertige formale Objekte als Elemente umfassen. 

62) 

60) Streng genommen handelt es sich bei mengenwertigen Konzepten k – in Anlehnung an die früher eingeführte Terminologie, die 

auf die Vermeidung mengentheoretischer Paradoxien abzielte – um die Zuordnung einer Potenzfamilie (als Familie von Teilmengen 

aus der jeweils zugrunde liegenden Bezugsmenge) und somit um eine konzeptspezifische Objektfamilie OB k. Dann 

müsste aber differenziert werden zwischen einerseits konzeptspezifischen Objektfamilien OB k, die mengenwertigen Konzepten 

k zugeordnet werden, und andererseits konzeptspezifischen Objektmengen OB k´, die einwertigen Konzepten k´ zugeordnet 

werden. Diese Diktion wäre präzise, aber würde oftmals sehr umständlich anmuten. Daher wird als sprachliche Vereinfachung 

vereinbart, Potenzfamilien und konzeptspezifische Objektfamilien als Potenzmengen bzw. konzeptspezifische Objektmengen 

anzusprechen. 

61) Vgl. KUPER (1987) S. 13. 

62) Die Bedingung, dass die Elemente mengenwertiger formaler Objekte stets einwertige formale Objekte sein müssen, ergibt sich 

bereits daraus, dass jedes mengenwertige formale Objekt eine nicht-leere Teilmenge des Partialuniversums OB EW der ontologi-


Die Mengenfamilie OBF weist nicht nur die Ausdifferenzierung in die konzeptspezifischen Objektmengen 

OBk auf, sondern wird darüber hinaus in dreifacher Hinsicht strukturiert. Diese zusätzliche 

Struktur resultiert aus der metasprachlichen Spezifikation der drei Strukturierungsrelationen 

, und . 

Mit Hilfe der Subkonzeptrelation wird eine Verschachtelung der konzeptspezifischen Objektmengen 

OBk konstruiert. Die Subkonzeptbeziehung k1 k2 drückt aus, dass die Extension OBk.1 

des Konzepts k1 in jeder SIG-Struktur, mit der eine ontologische Signatur extensional interpretiert 

werden soll, eine Teilmenge der Extension OBk.2 des Konzepts k2 sein muss. Daraus folgt unmittelbar 

für einzelne (formale) Objekte: Jedes Objekt ob1, das ein Element aus der k1-spezifischen Objektmenge 

OBk.1 ist, gehört auch zu der k2-spezifischen Objektmenge OBk.2, wenn das Konzept k1 

ein Subkonzept des Konzepts k2 ist. Da alle anderen Konzepte in der ontologischen Signatur SIG 

Subkonzepte zum Maximalkonzept sind, umfasst die Objektmenge OB , mit der das Maximalkonzept 

extensional interpretiert wird, alle formalen Objekte aus allen konzeptspezifischen Objektmengen: 

∀k∈K: OBk ⊆ OB und 

OB = ∪k∈K\{}OBk. 

Somit stimmt die konzeptspezifische Objektmenge OB mit der Menge OB überein, die als Vereinigung 

(∪k∈KOBk) aller konzeptspezifischen Objektmengen vorgestellt wurde. Demgegenüber ist 

die Extension OB ⊥ des Minimalkonzepts ⊥ stets die leere Menge ∅, weil das Minimalkonzept ⊥ 

ein Subkonzept zu jedem anderen Konzept einer ontologischen Signatur SIG ist und die leere Menge 

∅ per definitionem eine Teilmenge aller derjenigen Objektmengen darstellt, die jenen anderen 

Konzepten als deren Extensionen zugeordnet sind. 

Eine weitere Besonderheit liegt für die Extensionen mengenwertiger Konzepte vor. Es wurde bereits 

früher darauf hingewiesen, dass ein mengenwertiges Konzept MEN(k1) genau dann ein Subkonzept 

zu einem weiteren mengenwertigen Konzept MEN(k2) darstellt, wenn das einwertige Konzept 

k1 ein Subkonzept des einwertigen Konzepts k2 ist. Darüber hinaus wurden die Extensionen 

mengenwertiger Konzepte als die Potenzmengen zu den Extensionen der entsprechenden einwertigen 

Konzepte bestimmt. Auch für diese Extensionen gilt, dass die Extension OBMEN(k.1) des Konzepts 

MEN(k1) eine Teilmenge der Extension OBMEN(k.2) des Konzepts MEN(k2) ist. 

Die Mengenfamilien OPF und RF enthalten Operationen bzw. Relationen, mit denen die Operations- 

bzw. Prädikatssymbole aus einer ontologischen Signatur jeweils extensional interpretiert werden. 

Dabei werden durch die Interpretationsfunktionen: 

IOPS: OPS → OPF 

und IPS : PS → RF 

Operations- bzw. Prädikatssymbole auf extensionale Weise durch Operationen bzw. Relationen interpretiert. 

schen Signatur SIG darstellt und dieses Universum OB EW per definitionem nur aus einwertigen formalen Objekten besteht. Diese 

Bedingung lässt sich aber auch darauf zurückführen, dass mengenwertige Konzepte nur von einwertigen Konzepten abgeleitet 

werden dürfen. Würden dagegen mengenwertige Konzepte zugelassen werden, die wiederum von mengenwertigen Konzepten 

abgeleitet sein dürfen, könnten mengenwertige formale Objekte auch mengenwertige formale Objekten als Elemente umfassen. 

Diese letztgenannte, kompliziertere Struktur mengenwertiger formaler Objekte wird für Ontologien jedoch nicht benötigt 

und wird daher durch die o.a. Bedingung ausgeschlossen.


Mit der Interpretationsfunktion IOPS wird jedes Operationssymbol: 

durch eine Operation oi mit: 

Oi∈OPS mit typOPS(Oi) = (k1...kn,kn+1) 

oi = IOPS(Oi) 

oi: OBk.1 ×...× OBk.n → OBk.n+1 

(t1,...,tn) → tn+1 = oi(t1,...,tn) 

interpretiert. Der Ausdruck oi(t1,...,tn) kann für eine konkrete Operation oi durch eine Operationsvorschrift 

ersetzt werden, die festlegt, wie der Term tn+1 als Zielterm der Operation aus ihren Argumenttermen 

t1 bis tn ermittelt wird. 63) Analog zu der Extension von Konzepten wird die Operation 

oi∈OPF, mit der das Operationssymbol Oi∈OPS aus der ontologischen Signatur SIG extensional interpretiert 

wird, als dessen Extension bezeichnet. 64) 

Der Vorbereich der Operation oi mit oi = IOPS(Oi), mit der das Operationssymbol Oi interpretiert 

wird, besteht aus dem kartesischen Produkt konzeptspezifischer Objektmengen. Diese konzeptspezifischen 

Objektmengen sind genau denjenigen Konzepten zugeordnet, mit denen das Operationssymbol 

Oi an den jeweils korrespondierenden Stellen typisiert ist. Operationssymbole, die als Konstantensymbole 

in der Form typOPS(Oi) = (λ,k) typisiert sind, werden durch Operationen oi: → OBk 

mit Operationsvorschriften der Form tk = oi() extensional interpretiert. Diese Operationen werden 

als „Konstanten“ bezeichnet. Sie weisen in ihrem Vorbereich ein „null-faches“ kartesisches Produkt 

auf und ordnen dem leeren Argument λ jeweils ein formales Objekt aus derjenigen Objektmenge 

OBk zu, die zum Zielkonzept k des Operationssymbols Oi∈OPS gehört. Um welches formales Objekt 

ob∈OBk es sich dabei konkret handelt, wird durch die Operationsvorschrift tk = oi() = ob festgelegt. 

65) 

Mit der Interpretationsfunktion IPS wird jedes Prädikatssymbol: 

durch eine Relation ri mit: 

Pj∈PS mit typPS(Pj)=(k1,...,kn) 

rj = IPS(Pj) und rj ⊆ OBk.1 ×...× OBk.n 

63) Auf die Spezifikation einer Operationsvorschrift kann verzichtet werden, wenn der Wert des Zielterms t n+1 gar nicht ermittelt 

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 

allem dann der Fall, wenn Operationen „konstruktiv“ benutzt werden, um komplexere Ausdrücke aus einfacheren Ausdrücken 

aufzubauen. 

64) Verwechslungen zwischen den Extensionen von Konzepten einerseits und den Extensionen von Operationssymbolen andererseits 

sind nicht zu befürchten, da der Begriff der Extension immer in Zusammenhang mit demjenigen Konstrukt verwendet 

werden wird, dessen extensionale Interpretation es darstellt. 

65) Eine Konstante ist also im Rahmen desjenigen prädikatenlogischen Kalküls, das hier für ontologische Signaturen entfaltet wird, 

kein formales Objekt, sondern eine null-stellige Operation. Ein formales Objekt resultiert erst dann, wenn diese Operation (die 

Konstante) auf das leere Argument angewendet wird und dabei mithilfe ihrer Operationsvorschrift t k = o i() = ob das formale 

Objekt ob als Wert des Zielterms t k festlegt. Wegen der Gleichheit o i() = ob kann das formale Objekt ob aber vereinfachend als 

eine Konstante angesprochen werden, wenn im jeweils aktuellen Argumentationskontext der Unterschied zwischen einer nullstelligen 

Operation o i (als „echter“ Konstante) und dem formalen Objekt ob (als Wert des Zielterms der Operation) keine Rolle 

spielt.


interpretiert. Die Relation rj∈RF, mit der das Prädikatssymbol Pj∈PS interpretiert wird, wird im 

Folgenden auch als dessen Extension bezeichnet. 66) Die Extension rj∈RF zu einem Prädikatssymbol 

Pj∈PS umfasst alle n-Tupel (ob1,...,obn), für welche die Formel Pj(t1,...,tn) unter der jeweils zugrunde 

gelegten Interpretation I gültig ist. Jede Substitution des Formelarguments (t1,...,tn) durch ein n- 

Tupel (ob1,...,obn) aus der Extension rj des Prädikatssymbols Pj ergibt also unter der Interpretation I 

eine gültige Formel Pj(ob1,...,obn). Die Relation rj, mit der das Prädikatssymbol Pj interpretiert wird, 

ist eine Teilmenge des kartesischen Produkts konzeptspezifischer Objektmengen. Diese konzeptspezifischen 

Objektmengen OBk.i sind denjenigen Konzepten ki zugeordnet, mit denen das Prädikatssymbol 

Pj an den jeweils entsprechenden Stellen seines Argumentbereichs typisiert ist. Somit 

stammt jedes formale Objekt obi mit 1≤i≤n, das zu einem n-Tupel (ob1,...,obn) aus der Extension rj 

des Prädikatssymbols Pj mit typPS(Pj)=(k1,...,kn) gehört, aus einer „typgerechten“ Objektmenge, d.h., 

es gilt obi∈OBk.i für alle i = 1,...,n. 

Grundsätzlich kommen für die extensionale Interpretation einer ontologischen Signatur SIG mehrere 

SIG-Strukturen A1 = (OBF1,OPF1,RF1), ... , AX = (OBFX,OPFX,RFX) in Betracht. Jede einzelne 

SIG-Struktur Ax umfasst formalsprachliche Konstrukte, mit denen die formalsprachlichen Konstrukte 

aus einer ontologischen Signatur SIG extensional interpretiert werden können. 67) Die Menge 

A(SIG) umfasst alle SIG-Strukturen, die sich mittels unterschiedlicher Interpretationen I einer ontologischen 

Signatur SIG zuordnen lassen. Im weiteren Verlauf werden Verfahren vorgestellt, mit denen 

aus der Menge A(SIG) aller denkmöglichen SIG-Strukturen zu einer gegebenen ontologischen 

Signatur SIG jene SIG-Strukturen ausgesucht werden können, die eine „sinnvoll“ erscheinende extensionale 

Interpretation der Signatur SIG gestatten. 68) 

1.3.2.3.2 Auswertung von Ausdrücken über ontologischen Signaturen 

Mit den extensionalen Interpretationsfunktionen IK, IOPS und IRS sind bereits Instrumente vorgestellt 

worden, die es gestatten, die objektsprachlichen Ausdrucksmittel aus einer ontologischen Signatur 

durch formalsprachliche Konstrukte aus SIG-Strukturen zu interpretieren. Komplementär zu dieser 

extensionalen Interpretation der objektsprachlichen Ausdrucksmittel aus einer ontologischen Signatur 

ist die extensionale Interpretation von objektsprachlichen Ausdrücken über einer ontologischen 

Signatur notwendig, die mit den vorgenannten Ausdrucksmitteln konstruiert wurden. Die extensionale 

Interpretation solcher Ausdrücke wird als deren Auswertung bezeichnet. Entsprechend zur Unterteilung 

der Menge EXPR aller (objektsprachlichen) Ausdrücke über einer ontologischen Signatur 

SIG in die Familie TERMF aller Termmengen und die Menge FORM aller Formeln wird zunächst 

die Auswertung von Termen über ontologischen Signaturen und danach die Auswertung von Formeln 

über ontologischen Signaturen vorgestellt. 

66) Auch hierbei sind Verwechslungen zwischen den Extensionen von Prädikatssymbolen einerseits und den Extensionen von 

Konzepten oder Operationssymbolen andererseits nicht zu befürchten, da der Begriff der Extension immer in Zusammenhang 

mit demjenigen Konstrukt verwendet werden wird, dessen extensionale Interpretation es darstellt. 

67) An dieser Stelle wird noch einmal deutlich, dass in diesem Beitrag ausschließlich formale Semantiken behandelt werden, die 

formalsprachliche Konstrukte durch andere – jedoch ebenso formalsprachliche – Konstrukte interpretieren. Mit diesem Hinweis 

soll u.a. dem potenziellen Missverständnis vorgebeugt werden, eine Semantik müsste sich immer auf (intensionale) „Bedeutungen“ 

erstrecken, die sich grundsätzlich jeder formalsprachlichen Erfassung entzögen und nur mittels natürlichsprachlicher Texte 

erläutert werden könnten. 

68) Die Verfahren werden das intuitive Vorverständnis der „Sinnhaftigkeit“ von Interpretationen einer ontologischen Signatur auf 

prozedurale Weise präzisieren.


Die Auswertung von Termen über ontologischen Signaturen erfolgt durch die Mitglieder einer Familie 

ITF konzeptspezifischer Termauswertungsfunktionen ITk 69) , für die gilt: 

ITF = (ITk)k∈K 

mit ITk: TERMk → OBk für jedes Konzept k mit k∈K. 

Jede konzeptspezifische Termauswertungsfunktion ITk ordnet jedem Termen t aus einer k-spezifischen 

Termmenge TERMk ein formales Objekt ob aus der k-spezifischen Objektmenge OBk einer 

SIG-Struktur A zu. Somit werden Terme über einer ontologischen Signatur SIG extensional durch 

formale Objekte aus einer SIG-Struktur zu der ontologischen Signatur interpretiert. 

Um jedem Term ein formales Objekt zuordnen zu können, sind im Hinblick auf Variablen spezielle 

Hilfsfunktionen erforderlich, die jede Variable durch ein formales Objekt ersetzen. Es wird dann 

von einer „Variablenbelegung“ durch entsprechende (Variablen-) Belegungsfunktionen gesprochen. 

Die Belegung von Variablen aus einer konzeptspezifischen Variablenmenge VARk erfolgt durch das 

jeweils ebenso konzeptspezifische Mitglied belk der Funktionsfamilie: 

belf = (belk)k∈K mit 

belk: VARk → OBk für alle k∈K. 

Die konzeptspezifische Belegungsfunktion belk ordnet jeder Variable, die aus der Variablenmenge 

VARk des Konzepts k stammt, genau ein formales Objekt aus der Objektmenge OBk für dasselbe 

Konzept k zu. Daher lässt sich jede Belegungsfunktion belk auch als eine Interpretationsfunktion 

auffassen, die im Rahmen einer formalen Semantik Variablen durch formale Objekte aus einer SIG- 

Struktur A interpretiert. Wird dieser Sichtweise gefolgt, so lässt sich die oben eingeführte Familie 

I = (IK,IOPS,IPS) von Interpretationsfunktionen für eine SIG-Struktur A erweitern zur Funktionenfamilie 

Ivar = (IK,IOPS,IPS,belf). Die Funktionenfamilie Ivar wird auch als eine erweiterte Interpretation 

der zugrunde liegenden Signatur SIG bezeichnet. 

Die Auswertung von Termen über einer ontologischen Signatur SIG ist in einer SIG-Struktur A mit 

Hilfe der erweiterten Interpretation Ivar = (IK,IOPS,IPS,belf) 70) wie folgt rekursiv definiert: 

1. ITk(x) = belk(x) = ob mit ob∈OBk 

für jede Variable x∈VARk und jedes Konzept k∈K, wenn unter der erweiterten Interpretation 

Ivar = (IK,IOPS,IPS,belf) dem Konzept k die Belegungsfunktion belk mit belk∈belf zugeordnet 

ist; 

69) Die Notation IT k für Termauswertungsfunktionen möchte mit dem Präfix „I-“ die Assoziation wecken, dass es sich um Funktionen 

handelt, die analog zu den oben eingeführten Interpretationsfunktionen konstruiert sind. Die Analogie erstreckt sich darauf, 

dass sowohl durch Termauswertungsfunktionen als auch durch Interpretationsfunktionen formalsprachliche Konstrukte interpretiert 

werden – nur stammen diese interpretierten Konstrukte im Fall von Termauswertungsfunktionen aus der Menge 

EXPR objektsprachlicher Ausdrücke (über einer ontologischen Signatur SIG), während sie im Fall von Interpretationsfunktionen 

zu der jeweils zugrunde liegenden ontologischen Signatur SIG gehören. Die Termauswertungsfunktionen könnten daher 

auch als (termmengenbezogene) Interpretationsfunktionen bezeichnet werden. Dennoch wird hier von Termauswertungsfunktionen 

gesprochen, weil sich diese Bezeichnung in prädikatenlogischen und auch anderen – z.B. algebraischen – Kalkülen etabliert 

hat. 

70) Für die Termauswertung sind aus der erweiterten Interpretation I var = (I K,I OPS,I PS,belf) nur die Interpretationsfunktion I OPS für 

Operationssymbole und die Familie belf von Belegungsfunktionen für die Variablen erforderlich.


2. ITk(Oi()) = oi() = ob mit ob∈OBk 

für jedes null-stellige Operationssymbol (Konstantensymbol) Oi∈OPS mit der Typisierung 

typOPS(Oi) = (λ,k), wenn unter der erweiterten Interpretation Ivar dem Operationssymbol Oi 

durch IOPS(Oi) = oi die Operation oi mit oi∈OPF und oi: → OBk zugeordnet ist; 

3. ITk.n+1(Oi(t1,...,tn)) = oi(ITk.1(t1),...,ITk.n(tn)) 

für jedes n-stellige Operationssymbol Oi∈OPS mit n∈N+, 

der Typisierung typOPS(Oi) = (k1,...,kn,kn+1), Konzepten k1,...,kn,kn+1∈K, 

Termen t1∈TERMk.1,...,tn∈TERMk.n, tk.n+1∈TERMk.n+1 und tn+1 = Oi(t1,...,tn), 

wenn unter der erweiterten Interpretation Ivar dem Operationssymbol Oi durch IOPS(Oi) = oi 

die Operation oi mit oi∈OPF und oi: OBk.1×...× OBk.n → OBk.n+1 zugeordnet ist. 

Die Auswertung eines atomaren Terms t mit t∈TERMk, der eine Variable darstellt, liefert ein formales 

Objekt ob∈OBk gemäß der Ersetzungsvorschrift der Belegungsfunktion belk. Die Auswertung 

eines atomaren Terms t mit t∈TERMk, der ein Konstantensymbol oi() darstellt, liefert ein formales 

Objekt ob∈OBk gemäß der Operationsvorschrift für die null-stellige Operation oi. Für die 

Auswertung eines zusammengesetzten Terms tn+1 = Oi(t1,...,tn) wird das rekursive Auswertungsschema 

der 3. Regel angewendet. 

Für die vollständige Interpretation von objektsprachlichen Ausdrücken über einer ontologischen 

Signatur SIG durch formalsprachliche Konstrukte aus einer zugehörigen SIG-Struktur wird schließlich 

noch die Auswertung von Formeln aus der Menge FORM benötigt. Diese Formelauswertung 

setzt abermals eine erweiterte Interpretation Ivar = (IK,IOPS,IPS,belf) voraus, mit deren Hilfe jedem 

Term ein formales Objekt, jedem Operationssymbol eine Operation (gegebenenfalls mit konkreter 

Operationsvorschrift) und jeden Prädikatssymbol eine Relation als dessen Extension (zur Bestimmung 

gültiger Formeln) zugeordnet wird. Die zugeordneten formalen Objekte, Operationen und Relationen 

stammen jeweils aus der zugehörigen SIG-Struktur. Wenn die Terme t mit t∈TERMk in 

den Argumenten atomarer Formeln mit Hilfe konzeptspezifischer Termauswertungsfunktionen ITk 

zu formalen Objekten ob mit ob∈OBk ausgewertet sind sowie allen atomaren Formeln ihre Extensionen 

zugeordnet sind, können abschließend sowohl atomare als auch zusammengesetzte Formeln 

über der zugrunde liegenden ontologischen Signatur SIG zu Wahrheitswerten ausgewertet werden. 

Um auszudrücken, dass eine Formel F∈FORM über einer ontologischen Signatur SIG unter einer 

Interpretation I = (IK,IOPS,IPS) 71) durch eine Familie belf konzeptspezifischer Belegungsfunktionen 

in einer SIG-Struktur A∈A(SIG) bestätigt wird, findet die metasprachliche Modellrelation 72) 

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 

Familie belf von Belegungsfunktionen aufgespalten, um im Folgenden formalsprachlich einfacher zwischen der Bestätigung 

und der Gültigkeit einer Formel unterscheiden zu können. 

72) Bei der Modellrelation handelt es sich um eine vierstellige metasprachliche Relation. Jedes der relationserfüllenden 4-Tupel 

besteht aus einer logischen Struktur A∈A(SIG), einer Interpretation I = (I K,I OPS,I PS), einer Familie belf konzeptspezifischer Belegungsfunktionen 

(aus der erweiterten Interpretation I var = (I K,I OPS,I PS,belf)) und einer Formel F∈FORM über der ontologischen 

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 

Folgenden die Infixnotation (A,I,belf) F verwendet. Entsprechend wird das kontradiktorische Gegenteil, dass ein 4-Tupel 

(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. 

Im weiteren Verlauf kann die Modellrelation in dem Sinne „überladen“ werden, dass sie auch als dreistellige Relation verwendet 

wird, deren Elemente jeweils 3-Tupel aus einer logischen Struktur A∈A(SIG), einer Interpretation I = (IK,I OPS,I PS) und einer 

Formel F∈FORM sind. In der ersten – vierstelligen – Variante wird durch jedes Relationselement ausgedrückt, dass die Formel 

F in der SIG-Struktur A unter der Interpretation I durch die Belegungsfunktionenfamilie belf bestätigt wird. In dem zweiten – 

dreistelligen – Fall wird durch jedes Relationselement hingegen ausgedrückt, dass die Formel F in der SIG-Struktur A unter der 

Interpretation I gültig ist. Auf die Unterschiede zwischen der Bestätigung einer Formel durch eine Variablenbelegung und die 

Gültigkeit einer Formel wird im Folgenden näher eingegangen.


Anwendung. Die Bestätigung einer Formel F durch eine Familie belf konzeptspezifischer Variablenbelegungsfunktionen 

in einer SIG-Struktur A unter einer Interpretation I = (IK,IOPS,IPS) wird wie 

folgt notiert: 

(A,I,belf) F 

Dabei ist die Modellrelation für Formeln über ontologischen Signaturen wie folgt induktiv definiert: 

• (A,I,belf) w trifft für jedes beliebige Tupel (A,I,belf) zu 

• (A,I,belf) f trifft für kein Tupel (A,I,belf) zu 

• (A,I,belf) Pj(t1,...,tn) ⇔ typPS(Pj) = (k1,...,kn) und IPS(Pj) = rj und 

(ITk.1(t1),...,ITk.n(tn))∈rj 73) 

• (A,I,belf) ¬F ⇔ (A,I,belf) F 

• (A,I,belf) F1 ∧ F2 ⇔ (A,I,belf) F1 und (A,I,belf) F2 

• (A,I,belf) F1 ∨ F2 ⇔ (A,I,belf) F1 oder (A,I,belf) F2 

• (A,I,belf) F1 → F2 ⇔ (A,I,belf) F1 oder (A,I,belf) F2 

• (A,I,belf) F1 ↔ F2 ⇔ (A,I,belf) F1 → F2 und (A,I,belf) F2 → F1 

• (A,I,belf) ∀x: F(x) ⇔ (A,I,belf[x/ob]) F trifft für alle 74) 

ob∈OBk zu, wenn x∈VARk gilt 

• (A,I,belf) ∃x: F(x) ⇔ (A,I,belf[x/ob]) F trifft für mindestens ein 

ob∈OBk zu, wenn x∈VARk gilt 

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 

der konzeptspezifischen Termauswertungsfunktionen IT k.1,...,IT k.n auf jeden Term t 1,...,t n des Formelarguments ein n-Tupel aus 

der Extension r j des Prädikatssymbols P j darstellt. Da die Extension eines Prädikatssymbols als die Menge aller n-Tupel definiert 

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 

Termauswertungsfunktionen folglich gültig sein. Daher kann die Modellbeziehung (A,I,belf) P j(t 1,...,t n) auch so 

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 

aus der Familie belf gültig ist. Da die Gültigkeit einer Formel später jedoch so eingeführt wird, dass er unabhängig 

von der Bezugnahme auf bestimmte Belegungsfunktionen ist, wird hier speziell von der Bestätigung einer atomaren 

Formel P j(t 1,...,t n) in der SIG-Struktur A unter der Interpretation I durch die Belegungsfunktionen aus der Familie belf gesprochen. 

74) Die Notation belf[x/ob] drückt aus, dass die Belegungsfunktion bel k aus der Funktionenfamilie belf der Variablen x das formale 

Objekt ob aus der Objektmenge OB k zuordnet, wenn es sich um eine Variable aus der Variblenmenge VAR k für das Kozept k 

handelt.


Eine Formel F∈FORM ist gültig in der SIG-Struktur A unter der Interpretation I, wenn die Formel 

F durch jede Familie belf konzeptspezifischer Belegungsfunktionen in A bestätigt wird. Verkürzt 

wird hierfür fortan: 

(A,I) F 

geschrieben. Die SIG-Struktur A wird in diesem Fall als ein „Modell der Formel F unter der Interpretation 

I“ bezeichnet. Modelle in diesem speziellen Sinne einer formalen Semantik für prädikatenlogische 

Formeln F sind also SIG-Strukturen A, die unter einer jeweils gegebenen Interpretation I 

(und unabhängig von bestimmten Belegungsfunktionen für Variablen) dazu führen, dass die Formeln 

F nach Anwendung der Termauswertungs- und Interpretationsfunktionen jeweils gültige Formeln 

darstellen. 75) Lässt sich darüber hinaus zeigen, dass eine Formel F für jede SIG-Struktur A mit 

A∈A(SIG) und jede denkmögliche Interpretation I gültig ist, so wird von einer allgemeingültigen 

Formel gesprochen und dieser Sachverhalt als F notiert. 

Die voranstehende Vorgehensweise für die Auswertung einzelner Formeln wird analog auf nichtleere 

Formelmengen ausgeweitet: Eine Formelmenge FM mit ∅ ⊂ FM ⊆ FORM wird genau dann 

durch eine Familie belf von Belegungsfunktionen in einer SIG-Struktur A unter einer Interpretation 

I bestätigt, wenn jede ihrer Formeln Fi mit Fi∈FM durch die Funktionenfamilie belf in der SIG- 

Struktur A unter der Interpretation I bestätigt wird. Hierfür wird die folgende Schreibweise verwendet: 

(A,I,belf) FM mit ∅ ⊂ FM ⊆ FORM genau dann, 

wenn für alle Fi∈FM gilt: (A,I,belf) Fi. 

Eine Formelmenge FM mit mit ∅ ⊂ FM ⊆ FORM ist genau dann in einer SIG-Struktur A unter einer 

Interpretation I gültig, wenn jede ihrer Formeln Fi mit Fi∈FM in der SIG-Struktur A unter der 

Interpretation I gültig ist: 

(A,I) FM mit ∅ ⊂ FM ⊆ FORM genau dann, 

wenn für alle Fi∈FM gilt: (A,I) Fi. 

Die SIG-Struktur A wird in diesem Fall als „ein Modell der Formelmenge FM unter der Interpretation 

I“ bezeichnet. 

Die Menge aller Modelle zu einer Formel wird über die Funktion MOD bestimmt, die jeder Formel 

F eine Menge von SIG-Strukturen A und Interpretationen I zuordnet. Es handelt sich dabei um genau 

diejenigen Elemente der Menge A(SIG) und diejenigen Interpretationen, in bzw. unter denen 

die entsprechende Formel gültig ist: 

MOD(F) = {(A,I) | (A,I) F}. 

75) Daher kann vereinfacht auch davon gesprochen, dass das Modell einer Formel F eine SIG-Struktur A ist, mit der die Formel F 

interpretiert und als gültige Formel ausgewertet wird. Modelle in diesem speziellen, prädikatenlogischen Sinne stellen also rein 

formalsprachlich definierte Konstrukte dar, beziehen sich auf gültige prädikatenlogische Formeln und haben nichts mit Modellen 

im ökonomischen Sinne zu tun, die jeweils einen Realitätsausschnitt repräsentieren. Diese Verschiedenartigkeit zwischen 

Modellen im prädikatenlogischen Sinne einerseits und Modellen im ökonomischen Sinne andererseits lässt sich auch dadurch 

herausarbeiten, dass erstgenannte Modelle nur im Rahmen einer formalen Semantik (ohne jeglichen Realitätsbezug) definiert 

sind, während letztgenannte Modelle eine denotationale Semantik voraussetzen, in der Realitätsbezüge über natürlichsprachliche 

Korrespondenzregeln hergestellt werden.


Die Funktion MOD wird – zwecks einfacherer Diktion – dadurch „überladen“, dass sie es auch erlaubt, 

die Menge aller Modelle zu einer Formelmenge FM zu bestimmen: 

MOD(FM) = {(A,I) | (A,I) Fi für alle Fi∈FM}. 

1.3.2.3.3 Bezeichnungs- und Definitionsfunktionen 

Es wurde bereits im Kapitel 1.3.2.2.1, S. 234, darauf hingewiesen, dass eine sowohl links- als auch 

rechtseindeutige Beziehung zwischen sprachlichen Konzepten als primären objektsprachlichen Ausdrucksmitteln 

einerseits und mentalen Konzepten als ihren denotationalen Interpretationen andererseits 

besteht. Es wurde vorausgesetzt, dass die sprachlichen Konzepte von den Benutzern einer Ontologie 

– einer „ontologischen Gruppe“ – eineindeutig durch mentale Konzepte interpretiert werden. 

Aufgrund dieser denotationalen „Repräsentations“-Beziehung wurden sprachliche Konzepte als 

Identifikatoren für mentale Konzepte vereinbart und der Kürze halber schlicht als „Konzepte“ bezeichnet. 

Im Folgenden wird diese enge Beziehung zwischen sprachlichen und mentalen Konzepten 

wieder aufgegriffen, um (sprachliche) Konzepte mittels sprachspezifischer Bezeichnungs- und Definitionsfunktionen 

in Ontologien „gehaltreicher“ handhaben zu können, als es allein mit den bisher 

eingeführten, rein formalsprachlich definierten Konstrukten 76) möglich wäre. Diese „Anreicherungen“ 

schlagen eine Brücke vom formalsprachlichen „Kern“ einer Ontologie zu natürlichsprachlichen 

Ausdrucksmitteln. 

Die natürlichsprachlichen Ausdrucksmittel und ihre Verknüpfungen mit formalsprachlichen Konstrukten 

bilden einen der wesentlichen Aspekte, 77) mit denen sich Ontologien von zahlreichen anderen 

Ansätzen für die Spezifikation der Konzeptualisierung von Realitätsausschnitten – wie etwa 

konzeptuellen Datenschemata – unterscheiden. Denn die natürlichsprachlichen Ausdrucksmittel gestatten 

einerseits die Anschlussfähigkeit von Ontologien an semi-formale Modellierungen und natürlichsprachliche 

Diskurse über Modellierungen, die sowohl in der ökonomischen Theorie als auch 

in der betrieblichen Praxis vorherrschen. Andererseits führen die wohldefinierten Verknüpfungen 

der natürlichsprachlichen Ausdrucksmittel mit formalsprachlichen Konstrukten in einer Ontologie 

dazu, dass sich die natürlichsprachlichen Ausdrucksmittel, mit denen die Benutzer einer Ontologie 

an deren „Oberfläche“ vornehmlich arbeiten, in formalsprachliche Konstrukte übersetzen lassen, die 

im „Kern“ einer Ontologie mit leistungsfähigen, computerbasiert ausführbaren Analysetechniken 78) 

weiter verarbeitet werden können. Diese Kombination von natürlich- und formalsprachlicher Ausdrucksweise 

stellt nach Einschätzung der Verfasser einen Kompromiss zwischen einerseits Benutzerfreundlichkeit 

(aufgrund von Natürlichsprachlichkeit) sowie andererseits Präzision und Leistungsstärke 

(aufgrund von Formalsprachlichkeit und Computereinsatz) dar, der von alternativen Ansätzen 

für die Spezifikation der Konzeptualisierung von Realitätsausschnitten zurzeit nicht erreicht 

wird. Aus diesem Grund erfolgte bereits in der Vorbereitungsphase für das Verbundprojekt KO- 

76) Diese rein formalsprachlich definierten Konstrukte umfassen ontologische Signaturen SIG, Terme und Formeln als objektsprachliche 

Ausdrücke über diesen Signaturen, SIG-Strukturen sowie Interpretationen und Modelle aus einer formalen Semantik. 

77) Einen weiteren wesentlichen Aspekt stellt der intensive Verwendung von Inferenz- und Integritätsregeln in Ontologien dar, auf 

die später in den Kapiteln 2.4.2.2 (S. 433 ff.) und 2.4.4 (S. 524 ff.) ausführlicher eingegangen wird. 

78) An späterer Stelle werden prädikatenlogische Inferenztechniken als Beispiel für solche Anlaysetechniken vorgestellt.


WIEN die Grundsatzentscheidung, Ontologien als Basis für Kompetenzmanagementsysteme zu 

wählen. 79) 

Aufgrund der Eineindeutigkeit der denotationalen Repräsentations-Beziehung zwischen mentalen 

und sprachlichen Konzepten ist es u.a. nicht möglich, einem mentalen Konzept mehrere sprachliche 

Konzepte zuzuordnen. 80) Diese Eineindeutigkeitsrestriktion gerät allerdings mit dem Vorhaben in 

Konflikt, natürlichsprachliche Begriffswelten für die Konzeptualisierung von Realitätsausschnitten 

zwar formalsprachlich, aber zugleich auch möglichst „natürlich“ zu rekonstruieren. Oftmals werden 

nämlich in natürlichen Sprachen einerseits mehrere Bezeichner für dasselbe mentale Konzept zugelassen 

(Synonymie). Andererseits existieren auch unterschiedliche mentale Konzepte, die mit demselben 

Bezeichner angesprochen werden (Homonymie). Diese beiden Fälle synonymer bzw. homonymer 

Begrifflichkeiten sind Unterfälle von Mehrdeutigkeiten (Ambiguitäten), 81) die in natürlichen 

Sprachen oftmals zu beobachten, aber in formalen Sprachen schwer zu bewältigen sind. 

Ontologien erweisen sich hinsichtlich der Erfassung von Mehrdeutigkeiten – im Vergleich zu traditionellen 

Datenmodellierungsmethoden – als äußerst flexibel. Die Flexibilität wird dadurch gewonnen, 

dass zwischen sprachlichen Konzepten einerseits und Bezeichnern für sprachliche Konzepte 

andererseits unterschieden wird. Auf diese Weise ist es erstens möglich, die oben eingeführte Eineindeutigkeit 

zwischen sprachlichen Konzepten und den von ihnen repräsentierten mentalen Konzepten 

aufrecht zu erhalten. 82) Zweitens ist es ebenso zulässig, demselben sprachlichen Konzept 

(und somit demselben repräsentierten mentalen Konzept) im Fall der Synonymie mehrere verschiedene 

Bezeichner und demselben Bezeichner im Fall der Homonymie mehrere verschiedene sprachliche 

Konzepte (und somit mehrere verschiedene repräsentierte mentale Konzepte) zuzuordnen. 

79) Ein weiterer Grund für die Grundsatzentscheidung zugunsten von Ontologien bestand darin, dass Ontologien mithilfe ihrer Inferenz- 

und Integritätsregeln ein hohes Schlussfolgerungs- und Konsistenzwahrungspotenzial aufweisen. Darauf wird später in 

Kapitel 2.4.2.2 (S. 433 ff.) zurückgekommen. 

80) Bei einem solchen Vorgehen würden unterschiedliche sprachliche Konzepte mit gleichen denotationalen Interpretationen, d.h. 

mit gleichen mentalen Konzepten als „Intensionen“ der betroffenen sprachlichen Konzepte zugelassen werden. Dies stünde jedoch 

damit in Konflikt, dass sprachliche Konzepte aufgrund der o.a. Eineindeutigkeit stets paarweise unterschiedliche mentale 

Konzepte repräsentieren müssen. 

81) Im Fall der Synonymie betrifft die Ambiguität die Ebene der Bezeichner, weil für dasselbe mentale Konzept mehrere Bezeichner 

zulässig sind. Im Fall der Homonymie erstreckt sich die Ambiguität dagegen auf die Ebene der mentalen Konzepte, weil 

derselbe Bezeichner auf mehrere mentale Konzepte angewendet wird. Auf Syno- und Homonymie wird an späterer Stelle noch 

ausführlicher eingegangen. 

82) Aufgrund dieser fortbestehenden Eineindeutigkeit zwischen sprachlichen und mentalen Konzepten werden alternative Ansätze 

ausgeschlossen, in denen intensionsgleiche objektsprachliche Konstrukte zugelassen werden (wie es z.B. der Fall wäre, wenn 

mehreren sprachlichen Konzepten das gleiche mentale Konzept als Intension der sprachlichen Konzepte zugeordnet würde). 

Vgl. zur Verwendung intensionsgleicher objektsprachliche Konstrukte z.B. PATIG (2004) S. 99, die intensionsgleiche Relationssymbole 

zulässt. 

Aus dem vorgenannten Grund kann es in dem hier entfalten Ansatz für die Konstruktion von Ontologien beispielsweise keine 

„Konzepte-Synonymie“ geben. (Sie würde erfordern, dass mehrere sprachliche Konzepte „bedeutungsgleich“ sind, also das 

gleiche mentale Konzept repräsentieren.) Stattdessen wurde an früherer Stelle eine „abgeschwächte“ Form der Synonymie als 

Konzepte-Äquivalenz eingeführt. Zu diesem Zweck wurde die metasprachliche Äquivalenzrelation eingeführt. Sie gestattet 

es auszudrücken, dass zwei (sprachliche) Konzepte zwar nicht synonym sind (also unterschiedliche mentale Konzepte repräsentieren), 

aber dennoch die gleichen Extensionen aufweisen. Dies betraf z.B. den „klassischen“ Fall der Konzepte „Abendstern“ 

und „Morgenstern“, deren Bedeutungen (Intensionen) unterschiedlich definiert sind, deren Extensionen aber immer gleich ausfallen, 

weil beide Konzeptextensionen aus demselben Stern „Venus“ bestehen. Allerdings wurde auf weitere metasprachliche 

Ausdrucksmittel verzichtet, mit denen die Äquivalenz von Operations- oder Prädikatssymbolen ausgedrückt werden könnte. 

Für solche Zwecke erweisen sich objektsprachliche Inferenzregeln als einfacher zu handhaben.


Jedem sprachlichen Konzept kann in einer Ontologie durch metasprachliche Bezeichnungsfunktionen 

eine nicht-leere Menge von Zeichenketten zugeordnet werden. 83) Jede Bezeichnungsfunktion 

erstreckt sich auf Ausdrücke einer natürlichen Sprache, wie z.B. Deutsch („ger“), Englisch („eng“) 

oder Französisch („fra“), und heißt daher sprachspezifische Bezeichnungsfunktion (bezger, bezeng 

bzw. bezfra). Diese Ausdrücke werden als Zeichenketten aus dem Alphabet ALPH dargestellt, das 

bereits zu Beginn dieses Beitrags als Bestandteil einer Signatur SIG eingeführt wurde. 84) Da die natürlichsprachlichen 

Ausdrücke beliebig komplex ausfallen können (solange sie jeweils eine Zeichenkette 

darstellen 85) ), ist es mit Hilfe der Bezeichnungsfunktionen möglich, die „Bedeutung“ (Intension) 

eines sprachlichen Konzepts mit „selbsterklärenden“, natürlichsprachlichen Bezeichnern 

zu verdeutlichen. 86) 

Wenn einem sprachlichen Konzept mittels einer sprachspezifischen Bezeichnungsfunktion eine einelementige 

Menge von Zeichenketten, also genau eine Zeichenkette zugeordnet wird, dann stellt 

diese Zeichenkette den eindeutigen sprachspezifischen Bezeichner des zugrunde liegenden sprachlichen 

Konzepts dar. 87) Andernfalls, wenn einem sprachlichen Konzept mittels einer sprachspezifischen 

Bezeichnungsfunktion eine mehrelementige Menge von Zeichenketten zugeordnet ist, wird 

das zugrunde liegende sprachliche Konzept auf mehrdeutige Weise durch mehrere verschiedene 

Zeichenketten aus derselben natürlichen Sprache bezeichnet. Im letztgenannten Fall verhalten sich 

die Zeichenketten, d.h. die sprachspezifischen Bezeichner, synonym zueinander. 88) 

Auf die gleiche Weise, wie zuvor für den Fall sprachlicher Konzepte – oder kurz: Konzepte – beschrieben, 

können sich die sprachspezifischen Bezeichnungsfunktionen ebenso auf Operationssymbole 

und Prädikatssymbole beziehen, um diesen formalsprachlichen Konstrukten ebenso Mengen 

83) Vgl. CHEN, P. (1997) S. 56. 

84) Das Alphabet ALPH ist entweder so „umfassend“ zu definieren, dass es von vornherein sprachspezifische Sonderzeichen umfasst, 

wie beispielsweise die deutschsprachigen Umlaute und die französischsprachigen Accents. Oder die natürlichsprachigen 

Ausdrücke sind so darzustellen, dass sie ohne sprachpezifische Sonderzeichen, also mit dem „Standard-Zeichensatz“ auskommen. 

Im Verbundprojekt KOWIEN wurde der zweite Weg beschritten, weil er – im Gegensatz zur erstgenannten Alternative – 

den Vorteil besitzt, dass die Zeichenketten der natürlichsprachigen Ausdrücke in jeder üblichen Softwareumgebung (als Daten 

des Typs „String“ oder als symbolische Konstanten) problemlos implementiert und verarbeitet werden können. 

85) Die Einschränkung auf Zeichenketten wirkt in der Praxis nicht sehr restriktiv, weil z.B. umfangreiche Begriffskombinationen 

als Zeichenketten durch die Verwendung des Zeichens „_“ realisiert werden können. Diese Darstellungsweise ist im Requirements 

und Software Engineering weit verbreitet und wird auch im Rahmen der KOWIEN-Ontologie benutzt. 

86) Damit wird bewusst von der weit verbreiteten „Unart“ abgewichen, formalsprachliche Konstrukte möglichst „spartanisch“ mit 

einzelnen Zeichen – wohlmöglich zwecks Demonstration der eigenen wissenschaftlichen Anspruchshöhe auch noch in Alphabeten 

„toter“ Sprachen (z.B. mittels griechischer Zeichen) – so zu bezeichnen, dass ein „normaler“ Leser aus den Konstruktbezeichnern 

oftmals nicht auf die „Bedeutungen“ der bezeichneten Konstrukte zurück zu schließen vermag. Eine derart „puristische“ 

– oder gar „elaborierte“ – Bezeichnungsweise wird von den Verfassern als pseudowissenschaftliche Attitüde abgelehnt. 

Daher bekennen sie sich offensiv zur Verwendung von „selbsterklärenden“, natürlichsprachlichen Bezeichnern in Ontologien, 

damit die bezeichneten Konstrukte möglichst von jedem „normalen“, in der jeweils betroffenen Domäne hinreichend sachkundigen 

Benutzer „auf Anhieb“ verstanden werden können. 

87) Das zugrunde liegende sprachliche Konzept kann trotzdem mehrdeutig bezeichnet werden. Dies ist der Fall, wenn dasselbe 

sprachliche Konzept durch mindestens zwei sprachspezifische Bezeichnungsfunktionen auf jeweils genau einen sprachspezifischen 

Bezeichner abgebildet sind. Dann besitzt dieses eine sprachliche Konzept mindestens zwei verschiedene Bezeichner, die 

sich synonym zueinander verhalten, aus unterschiedlichen natürlichen Sprachen. 

88) Synonymie zwischen den Bezeichnern für dasselbe sprachliche Konzept liegt auch dann vor (wie bereits in der voranstehenden 

Fußnote im Hinblick auf einen Spezialfall angesprochen wurde), wenn das sprachliche Konzept durch mindestens zwei sprachspezifische 

Bezeichnungsfunktionen auf jeweils nicht-leere Mengen von Zeichenketten als Bezeichner abgebildet sind. Dann 

besitzt das sprachliche Konzept mindestens zwei verschiedene Bezeichner, die sich synonym zueinander verhalten, aus unterschiedlichen 

natürlichen Sprachen.


aus Zeichenketten, d.h. natürlichsprachliche Bezeichner zuzuordnen. Dadurch wird eine bemerkenswerte 

Separation zwischen den objekt- und formalsprachlichen Konstrukten aus einer Signatur 

SIG einerseits sowie den meta- und natürlichsprachlichen Bezeichnern für diese Konstrukte andererseits 

bewirkt. 89) Eine solche Separation hat den Vorteil, die „Bedeutungen“ (Intensionen) objektsprachlicher 

Konstrukte 90) aus einer ontologischen Signatur zumindest 91) natürlichsprachlich beschreiben 

zu können. 92) 

Die Familie bezf = {bezger,bezeng,bezfra,...} umfasst diejenigen sprachspezifischen Bezeichnungsfunktionen 

bezlan 93) , mit denen objektsprachlichen Konstrukten aus der ontologischen Signatur SIG 

jeweils eine sprachspezifische Menge natürlichsprachlicher Bezeichner zugeordnet werden kann. 94) 

Bei jedem dieser Bezeichner handelt es sich um eine Zeichenkette über dem Alphabet ALPH aus 

der zugrunde liegenden ontologischen Signatur SIG. Jede sprachspezifische Bezeichnungsfunktion 

bezlan ist definiert als: 

bezlan: (K ∪ OPS ∪ PS) → pot+(ALPH*). 

Die Bildmenge jeder Bezeichnungsfunktion bezlan ist eine nicht-leere und echte Teilmenge 95) der 

Menge ALPH* aller Zeichenketten über dem Alphabet ALPH. Die Menge bezlan(x), die einem objektsprachlichen 

Konstrukt x∈(K ∪ OPS ∪ PS) durch die Bezeichnungsfunktion bezlan zugeordnet 

89) Die Separation zwischen den formalsprachlichen Konstrukten aus einer Signatur SIG und den natürlichsprachlichen Bezeichnern 

jener Konstrukte verhält sich analog zu der früher vorgestellten Separation zwischen Signaturen SIG und ihnen zugeordneten 

SIG-Strukturen. Allerdings ist die Analogie (wie jede Analogie) unvollständig. Denn mit den formalsprachlichen Konstrukten 

aus einer SIG-Struktur wurden Konstrukte aus einer zugrunde liegenden Signatur extensional interpretiert. Dagegen dienen 

die natürlichsprachlichen Bezeichner jetzt dazu, die Konstrukte aus einer zugrunde liegenden Signatur intensional zu interpretieren. 

90) Gemeint sind hier keineswegs alle Konstrukte, die im Kapitel 1.3.2.2.1 als Komponenten einer ontologischen Signatur SIG eingeführt 

wurden. Vielmehr sind im aktuellen Argumentationskontext mit objektsprachlichen Konstrukten aus einer ontologischen 

Signatur nur Konzepte, Operations- und Prädikatssymbole gemeint. 

91) Es wurde schon an früherer Stelle dargelegt, dass es keine Schwierigkeiten bereitet, objektsprachliche Konstrukte aus einer ontologischen 

Signatur zu interpretieren. Dies betrifft zunächst jedoch nur eine formale Semantik, in der die Konstrukte aus der 

Signatur auf extensionale Weise durch die Zuordnung anderer formalsprachlicher Konstrukte interpretiert werden. Zwar konnte 

ebenso aufgezeigt werden, wie sich auch die „Bedeutungen“ (Intensionen) von Konzepten mittels der Subkonzeptrelation ansatzweise 

auf intensionale Weise erfassen lassen. Aber es musste eingeräumt werden, dass dieser formalsprachliche und 

zugleich intensionale Interpretationsansatz für Ontologien – zumindest derzeit – noch nicht vollauf zu überzeugen vermag. Daher 

wird oben davon gesprochen, die „Bedeutungen“ (Intensionen) von Konstrukten aus einer ontologischen Signatur zumindest 

natürlichsprachlich beschreiben zu können, d.h., eine darüber hinaus gehende formalsprachliche Interpretation der Konstruktintensionen 

wird hierdurch nicht ausgeschlossen. 

92) Die Beschreibung der Konstruktintensionen erfolgt zunächst mit „selbst sprechenden“ natürlichsprachlichen Bezeichnern. Später 

wird die Beschreibung der Konstruktintensionen mit der Hilfe von Definitionsfunktionen und zugeordneten natürlichsprachlichen 

Konstruktdefinitionen noch erheblich ausgeweitet. 

93) Das Subskript lan∈{ger,eng,fra,...} der Bezeichnungsfunktionen bez lan gibt jeweils an, aus welcher natürlichen Sprache die Bezeichner 

stammen. Exemplarisch werden hier die Sprachen Deutsch (ger), Englisch (eng) und Französisch (fra) berücksichtigt, 

können aber je nach Anwendungskontext einer Ontologie eingeschränkt oder auch beliebig auf andere natürliche Sprachen erweitert 

werden. Wenn die betroffene natürliche Sprache im jeweils aktuellen Argumentationskontext nicht von Relevanz ist, 

wird die Bezeichnungsfunktion bez lan als „Platzhalter“ für eine beliebige sprachspezifische Bezeichnungsfunktion benutzt und 

dann auch – der Kürze halber – selbst als sprachspezifische Bezeichnungsfunktion angesprochen. 

94) Vgl. MAEDCHE (2002) S. 18 (ohne sprachspezifische Erweiterung). 

95) Die leere Teilmenge wäre keine Zeichenkette und könnte daher keinen (natürlichsprachlichen) Bezeichner darstellen. Die 

Bildmenge muss eine echte Teilmenge der Menge ALPH* darstellen, weil die Menge ALPH* eine Fülle „sinnloser“ Zeichenketten 

enthält, die in der jeweils betrachteten natürlichen Sprache keinen „sinnvollen“ Ausdruck darstellen und daher nicht als 

„selbst sprechender“ Bezeichner für das bezeichnete Konstrukt in Betracht kommen.


wird, ist die Bezeichnermenge dieses Konstrukts x. Die Elemente einer Bezeichnermenge bezlan(x) 

sind die Bezeichner des Konstrukts k. 

Sowohl bei sprachlichen Konzepten als auch bei den Bezeichnern sprachlicher Konzepte handelt es 

sich um sprachliche Gebilde. Während es sich allerdings bei Erstgenannten um objektsprachliche 

Konstrukte handelt, sind die Zeichenketten, die zur Beschriftung herangezogen werden, metasprachliche 

Konstrukte über dem Alphabet ALPH der zugrunde liegenden Signatur SIG. Zwar bietet 

sich aus einer pragmatischen Perspektive die Bezeichnung objektsprachlicher Konstrukte mit Elementen 

aus der konzeptspezifischen Objektmenge OBString für das Konzept String an, das in zahlreichen 

Programmiersprachen als „reservierter“ Datentyp für beliebige Zeichenketten verwendet 

wird. Jedoch sprechen u.a. zwei Gründe dagegen. Erstens würde bei einem solchen Vorgehen die 

„natürliche“ Separation, die zwischen objektsprachlichen Konstrukten und ihren metasprachlichen 

Bezeichnern vorliegt, durchbrochen werden. 96) Objektsprachliche Konstrukte würden nämlich auf 

diese Weise durch wiederum objektsprachliche Konstrukte – die Elemente der Menge OBString – bezeichnet 

werden. Zweitens müsste eine – zumindest partielle – extensionale Interpretation einer ontologischen 

Signatur SIG durch eine SIG-Struktur A vorausgesetzt werden, wenn die konzeptspezifische 

Objektmenge OBString für die Bezeichnung objektsprachlicher Konstrukte aus der Signatur 

SIG verwendet würde. Denn die Objektmenge OBString gehört zur Familie OBF konzeptspezifischer 

Objektmengen aus einer SIG-Struktur A mit A = (OBF,OPF,RF). Selbst dann, wenn die Objektmenge 

OBString des Konzepts String in jeder SIG-Struktur A identisch enthalten sein sollte, so läuft 

dies jedoch dem Vorhaben zuwider, ontologische Signaturen ohne ihre extensionalen Interpretationen 

durch SIG-Strukturen wiederverwenden zu können. Der „extensionsfreien“ Wiederverwendbarkeit 

von ontologischen Signaturen würde daher eine unnötige Last aufgebürgt werden, wenn die 

Objektmenge OBString für die Bezeichnung objektsprachlicher Konstrukte dienen müsste. Aus den 

beiden vorgenannten Gründen werden hier die Zeichenketten über dem Alphabet ALPH für die Bezeichnung 

objektsprachlicher Konstrukte als metasprachliche Konstrukte sui generis behandelt. 

Bei den sprachspezifischen Bezeichnungsfunktionen bezlan handelt es sich jeweils um partielle 

Funktionen. Nicht allen (sprachlichen) Konzepten, Operations- und Prädikatssymbolen muss nämlich 

eine nicht-leere Menge metasprachlicher Bezeichnungen zugewiesen werden. Stattdessen ist es 

ebenso möglich, dass einem der vorgenanten formalsprachlichen Konstrukte durch eine bestimmte 

sprachspezifische Bezeichnungsfunktion, durch mehrere oder sogar durch alle sprachspezifischen 

Bezeichnungsfunktionen keine metasprachliche Bezeichnung zugeordnet werden. 97) Wenn beispielsweise 

für ein sprachliches Konzept überhaupt keine sprachspezifische Bezeichnungsfunktion 

96) Im weiteren Verlauf wird aufgezeigt werden, wie die Separation zwischen objekt- und metasprachlichen Konstrukten zur Klarheit 

einer Ontologie beizutragen vermag. 

97) Allerdings bedeutet die Nichtdefinition einer sprachspezifischen Bezeichnungsfunktion für ein objektsprachliches Konstrukt 

nur, dass für dieses Konstrukt kein metasprachlicher Bezeichner in der jeweils betroffenen natürlichen Sprache – unter Umständen 

sogar überhaupt kein metasprachlicher Bezeichner in irgendeiner natürlichen Sprache – definiert ist. Davon unbetroffen 

bleibt jedoch, dass jedes objektsprachliche Konstrukt aus einer ontologischen Signatur, also insbesondere auch hier jedes der 

Konzepte, Operations- und Prädikatssymbole, eine objekt- und formalsprachliche Bezeichnung ist. Beispielsweise handelt es 

sich bei jedem Konzept k um ein sprachliches Konstrukt, das selbstreferenziell ist. Die Bezeichnung „k“, d.h., das Konzept k 

kann unter der Bezeichnung „k“ als Konzept angesprochen werden. Zugleich wird deutlich, dass im rein objektsprachlichen 

Rahmen formalsprachliche Konstrukte und ihre Bezeichnungen zusammenfallen können. Dies kann in Einzelfällen zu erheblichen 

Komplikationen führen, weil bezeichnetes Konstrukt einerseits und Konstruktbezeichner andererseits streng genommen 

nicht dasselbe darstellen. Um Komplikationen solcher Art auszuschließen, wird in der KOWIEN-Ontologie für jedes der objektsprachlichen 

Konzepte, Operations- und Prädikatssymbole stets mindestens ein meta- und natürlichsprachlicher Bezeichner 

verwendet, damit eindeutig zwischen dem bezeichneten formalsprachlichen Konstrukt und seinem natürlichsprachlichen Bezeichner 

unterschieden werden kann.


definiert ist, dann kann das mentale Konzept, das von dem sprachlichen Konzept repräsentiert wird, 

lediglich über dieses sprachliche Konzept angesprochen werden. Darüber hinaus ist jede sprachspezifische 

Bezeichnungsfunktion bezlan nicht notwendig injektiv. Das heißt, dass zwei unterschiedlichen 

Konzepten k1,k2∈K die gleiche Bezeichnermenge bezlan(k1) = bezlan(k2) zugeordnet werden 

kann. 98) 

Mit sprachspezifischen Bezeichnungsfunktionen ist es möglich, Gemeinsamkeiten und Unterschiede 

zwischen den Bezeichnern von sprachlichen Konzepten formal zu präzisieren. In erster Linie 

handelt es sich hierbei um die Beziehungen der Homonymie und Synonymie. Sie werden als „Bezeichnerbeziehungen“ 

angesprochen. Welche Bezeichnerbeziehung bei welcher Konstellation der 

Bezeichnungsfunktion vorliegt, kann der nachfolgenden Tabelle 1 entnommen werden. Der Übersichtlichkeit 

halber beschränkt sich die Tabelle 1 auf einfache Fälle, in denen Bezeichner aus derselben 

natürlichen Sprache lan∈{ger,eng,fra,...} stammen. In Kürze werden diese einfachen Fälle 

derart verallgemeinert, dass die Bezeichner zu mehreren natürlichen Sprachen gehören können. 

objektsprachliche 

Konstrukte 

(z.B. Konzepte) 

metasprachliche 

Bezeichner 

Bezeichnerbeziehung 

Homonymie Synonymie 

x1≠x2 

bezlan(x1)={name}, 

bezlan(x2)={name} 

Tabelle 1: Homonymie und Synonymie 99) 

x 

bezlan(x)={name_1,name_2} 

Im Fall der Homonymie liegt die Mehrdeutigkeit auf der objektsprachlichen Ebene (vgl. die 2. Spalte 

der Tabelle 1): Ein Homonym ist ein metasprachlicher Bezeichner, wie beispielsweise die Zeichenkette 

„name“, der (mindestens) zwei verschiedenen objektsprachlichen Konstrukten mit unterschiedlichen 

Intensionen 100) , wie etwa den zwei Konzepten x1 und x2, durch eine Bezeichnungsfunktion 

bezlan zugeordnet wird. 101) Ein homonymer Bezeichner liegt z.B. dann vor, wenn die zwei 

unterschiedlichen Konzepte Handlungsfaehigkeit und Weisungsbefugnis jeweils mit der Zeichenkette 

Kompetenz bezeichnet sind. 102) Die 1-stellige Homonymrelation hom 103) mit hom ⊆ ALPH* um- 

98) Weiter unten werden Sonderfälle behandelt, die sich aus der Gleichheit der Bezeichner für unterschiedliche Konzepte ergeben 

können. 

99) Der Deutlichkeit halber werden metasprachlicher Bezeichner als Zeichenketten in einer Äquidistanzschrift, wie z.B. mit dem 

Schriftfont „Courier“, dargestellt. 

100) Zwei objektsprachliche Konstrukte gelten hier grundsätzlich genau dann als voneinander verschieden, wenn sie unterschiedliche 

Bedeutungen (Intensionen) besitzen. Dies schließt jedoch nicht aus (wie anhand der Äquivalenz zwischen intensional verschiedenen 

Konzepten aufgezeigt wurde), dass solche Konstrukte (Konzepte) durch die gleichen formalsprachlichen Konstrukte 

extensional interpretiert werden. Daher können verschiedene objektsprachliche Konstrukte mit demselben homonymen Bezeichner 

in Einzelfällen gleiche extensionale Interpretationen besitzen. Sie verfügen aber im Regelfall über unterschiedliche extensionale 

Interpretationen. 

101) Vgl. LÖBNER (2003) S. 58 ff.; LUTZEIER (1995) S. 33; ORTNER (1997) S. 32. 

102) Da es sich um zwei verschiedene Konzepte Handlungsfaehigkeit und Weisungsbefugnis handelt, müssen sie auch unterschiedliche 

Bedeutungen (Intensionen) aufweisen. Die Extensionen I K(Handlungsfaehigkeit) und I K(Weisungsbefugnis) der beiden 

Konzepte können zwar grundsätzlich gleich sein; dieser Fall läge vor, wenn es sich um äquivalente Konzepte handeln würde. In 

der Regel kann jedoch davon ausgegangen werden, dass die Bedeutungen der Konzepte Handlungsfaehigkeit und Weisungsbefugnis 

so unterschiedlich aufgefasst werden, dass sie ungleiche, in Extremfällen sogar disjunkte Extensionen aufweisen.


fasst alle homonymen Bezeichner b∈ALPH*. Demnach gilt für jede natürliche Sprache lan mit 

lan∈{ger,eng,fra,...}: 

∀b∈ALPH*: hom(b) ↔ (∃x1,x2∈(K∪OPS∪PS): x1≠x2 ∧ b∈bezlan(x1) ∧ b∈bezlan(x2)) 

Die voranstehende Definition, die auch der o.a. Tabelle 1 zugrunde lag, bezieht sich nur auf die 

Homonymie i.e.S. Sie ist dadurch gekennzeichnet, dass (mindestens) zwei unterschiedlichen objektsprachlichen 

Konstrukten innerhalb einer natürlichen Sprache durch die sprachspezifische Bezeichnungsfunktion 

bezlan ein Bezeichner zugeordnet wird. Die Beschränkung auf eine natürliche Sprache 

ist jedoch nicht notwendig. Stattdessen kann die Homonymie auch so weit gefasst werden, dass 

sie sich über mehrere natürliche Sprachen erstreckt. 104) Diese Homonymie i.w.S. erstreckt sich in ihrer 

Definition auf unterschiedliche sprachspezifische Bezeichnungsfunktionen bezlan.1 und bezlan.2: 

∀b∈ALPH*: b∈hom ↔ (∃x1,x2∈(K∪OPS∪PS): x1≠x2 ∧ b∈bezlan.1(x1) ∧ b∈bezlan.2(x2)) 

Die Homonymie i.w.S. liegt vor, wenn eine Zeichenkette als Bezeichner von (mindestens) zwei unterschiedlichen 

objektsprachlichen Konstrukten in (mindestens) zwei unterschiedlichen natürlichen 

Sprachen dient. Es kann nämlich der Fall eintreten, dass zwei unterschiedliche objektsprachliche 

Konstrukte mittels wiederum zweier unterschiedlicher sprachspezifischer Bezeichnungsfunktionen 

bezlan.1 und bezlan.2 mit lan1≠lan2 „zufällig“ auf dieselbe Zeichenkette als homonyme Bezeichner abgebildet 

werden. 105) Die betroffene Zeichenkette stellt in diesem Fall eine Überlappung der Bildmengen 

zweier sprachspezifischer Bezeichnungsfunktionen dar. 

Im Fall der Synonymie liegt die Mehrdeutigkeit auf der metasprachlichen Ebene (vgl. die 3. Spalte 

der Tabelle 1): Synonyme sind unterschiedliche Zeichenketten, die als verschiedene Bezeichner für 

dasselbe objektsprachliche Konstrukt verwendet werden. 106) Im Fall von synonymen Konzeptbezeichnern 

wird beispielsweise ein Konzept k∈K mit einer Menge bezlan(k) von Zeichenketten bezeichnet, 

die mindestens die Mächtigkeit |bezlan(k)|≥2 besitzt. So sind z.B. die Zeichenketten C++ 

und C Plus Plus synonyme Bezeichner, da sie beide dasselbe programmiersprachliche Konzept 

bezeichnen. Darüber hinaus sind Abkürzungen von Zeichenketten und Akronyme als Kunstworte 

aus Zeichenketten als Synonyme zu den abgekürzten bzw. „geworteten“ Zeichenketten anzusehen. 

Schließlich stellen auch die Elemente der Mengen bezlan.1(k) und bezlan.2(k) von Zeichenketten, die 

demselben Konzept k durch zwei unterschiedliche sprachspezifische Bezeichnungsfunktionen zugeordnet 

sind, allesamt synonyme Bezeichner des Konzepts k dar. 

103) 1-stellige Relationen stellen Mengen dar. Daher entspricht die Notation hom(b) der üblichen Notation b∈hom. Die seltene, relationsorientierte 

Notation hom(b) wird im Folgenden verwendet, um die Notationen von Homonymie und Synonymie formalsprachlich 

möglichst ähnlich zu gestalten. 

104) Zur Zulässigkeit der Auszeichnung sprachübergreifender Bezeichnerbeziehungen vgl. WEDEKIND ET AL. (2004) S. 340. 

105) Beispielsweise kann der Bezeichner tank – wenn auf unterschiedliche, jeweils sprachspezifische Klein- und Großschreibungen 

verzichtet wird – als homonymer Bezeichner für die zwei Konzepte Panzer und Grosser_Behaelter in der englischen bzw. 

deutschen Sprache verwendet werden. Zusätzliche Komplikationen treten auf, wenn die sprachspezifischen Bezeichner zu zwei 

unterschiedlichen Konzepten „vertauscht“ sind. Beispielsweise wird die Zeichenkette Meer im Holländischen demjenigen 

Konzept zugeordnet, dem im Deutschen der Bezeichner See zugeordnet ist. Umgekehrt wird im Holländischen der Zeichenkette 

See demjenigen Konzept zugeordnet, dem im Deutschen der Bezeichner Meer zugeordnet ist. Vgl. HOPPENBROUWERS 

(1997) S. 42 zu dieser „vertauschten“ Anwendung des homonymen Bezeichners See und des homonymen Bezeichners Meer 

in den beiden natürlichen Sprachen Holländisch und Deutsch. 

106) Vgl. LÖBNER (2003) S. 117; LUTZEIER (1995) S. (1995) S. 59 ff.; ORTNER (1997) S. 32.


Die 2-stellige Synonymrelation syn mit syn ⊆ ALPH* × ALPH * umfasst alle Paare (b1,b2) synonymer 

Bezeichner b1,b2∈ALPH*. Demnach gilt für jede natürliche Sprache lan∈{ger,eng,fra,...}: 

∀b1,b2∈ALPH*: syn(b1,b2) ↔ (∃x∈(K∪OPS∪RS): b1∈bezlan.1(x) ∧ b2∈bezlan.2(x)). 

Abermals lassen sich hinsichtlich der Anzahl der involvierten natürlichen Sprachen zwei Varianten 

unterscheiden. In der ersten Variante stimmen die sprachspezifischen Bezeichnungsfunktionen 

bezlan.1 und bezlan.2 überein, weil wegen lan1 = lan2 nur eine natürliche Sprache verwendet wird. Es 

handelt sich hierbei um die Synonymie i.e.S. Die zweite Variante liegt hingegen vor, wenn aufgrund 

von lan1 ≠ lan2 zwei unterschiedliche sprachspezifische Bezeichnungsfunktionen herangezogen 

werden, mit deren Hilfe sich Bezeichner aus mehreren natürlichen Sprachen verwenden lassen. In 

diesem Fall liegt die Synonymie i.w.S. vor. Die Synonymie i.w.S. eröffnet für Ontologien das weite – 

und sehr anspruchsvolle – Gebiet der „automatischen“ Übersetzung, weil mittels der Synonymierelation 

natürlichsprachliche Bezeichner für Konzepte aus unterschiedlichen Sprachen wechselseitig 

ineinander übersetzt werden können. 107) 

Die sprachspezifischen Definitionsfunktionen deflan mit lan∈{ger,eng,fra,...} erweitern dis bislang 

betrachteten sprachspezifischen Bezeichnungsfunktion bezlan in der Weise, dass sich einem objektsprachlichen 

Konstrukt aus der zugrunde liegenden ontologischen Signatur SIG nicht nur ein – relativ 

kompakter – metasprachlicher Bezeichner, sondern ein beliebig umfangreicher metasprachlicher 

Text zuordnen lässt. 108) Dieser Text kann in einer beliebigen natürlichen Sprache formuliert sein und 

dient dazu, das jeweils betroffene objektsprachliche Konstrukt in dem Sinne zu definieren, dass seine 

Bedeutung (Intension) festgelegt wird. 109) Daher bilden die sprachspezifischen Definitionsfunktionen 

objektsprachliche Konstrukte jeweils auf ihre natürlichsprachliche Definition ab. 

107) Um Missverständnissen vorzubeugen, wird darauf hingewiesen, dass Ontologien die vielfachen Probleme der „automatischen“ 

Übersetzung (treffender wäre wohl zurzeit noch: der „computerbasierten“ Übersetzung) keineswegs lösen, sondern entweder 

die Lösung dieser Probleme bereits voraussetzen oder aber auf „Vor-Übersetzungen“ beruhen, die vor der Konstruktion einer 

Ontologie von Menschen durchgeführt wurden. Denn die Verwendung von zwei Bezeichnern b 1 und b 2 als Synonyme setzt die 

Deklaration des Paars (b 1,b 2) als Element der Synonymierelation syn voraus. Diese Deklaration lässt sich nicht innerhalb einer 

Ontologie computerbasiert ableiten (etwa mittels Inferenzregeln), sondern setzt eine exogene Information durch den Konstrukteur 

oder den Benutzer einer Ontologie voraus, dass es sich um ein Element der Synonymierelation syn handelt. Darüber hinaus 

bleiben die Übersetzungen in Ontologien auf den Spezialfall beschränkt, dass sich einzelnen Konzepten (oder – was jedoch 

nach Einschätzung der Verfasser nur eine untergeordnete Rolle spielt – einzelnen Operations- oder Prädikatssymbolen) Bezeichner 

aus unterschiedlichen natürlichen Sprachen zuordnen lassen. Dagegen kann der weitaus komplexere Fall, dass „bedeutungserhaltende“ 

Übersetzungen zwischen Phrasen, die in jeder betroffenen natürlichen Sprache aus mehreren Konzepten (und 

weiteren sprachlichen Elementen) bestehen, durch Synonymiebeziehungen zwischen Bezeichnern für dasselbe Konzept in einer 

Ontologie grundsätzlich nicht erfasst werden. Darüber hinaus lässt sich trefflich darüber streiten, was genau unter einer „bedeutungserhaltenden“ 

Übersetzung zu verstehen ist und wie sich die Erfüllung der Anforderung nach einer „bedeutungserhaltenden“ 

Übersetzung konkret überprüfen lässt. Auf solche weiter und tiefer führenden linguistischen Probleme wird hier nicht weiter 

eingegangen, weil die „automatische“ (bzw. computerbasierte) Übersetzung – zumindest derzeit – allenfalls einen Randaspekt 

von Ontologien darstellt. 

108) Wie die sprachspezifischen Bezeichnungsfunktionen erstrecken sich auch die sprachspezifischen Definitionsfunktionen auf die 

objektsprachlichen Konstrukte der Konzepte, der Operations- und der Prädikatssymbole aus einer ontologischen Signatur. 

Abermals stehen die Konzepte im Vordergrund der Betrachtungen. Allerdings können die sprachspezifischen Definitionsfunktionen 

– im Gegensatz zu den sprachspezifischen Bezeichnungsfunktionen – auch auf Formeln aus der Menge FORM angewendet 

werden, die selbst nicht zu einer ontologischen Signatur gehört, sondern zu den objektsprachlichen Ausdrücken, die mit den 

Ausdrucksmitteln einer solchen Signatur gebildet werden können. 

109) Je nachdem, wie umfangreich diese Bedeutungsfestlegung erfolgt, kann das gesamte Spektrum zwischen einer knappen inhaltlichen 

Konstruktdefinition mit der Länge von nur einem Satz und einer ausführlichen Erläuterung des Konstrukts einschließlich 

Beispielen für seine korrekte Verwendung ausgeschöpft werden.


Die Familie deff = {defger,defeng,deffra,...} umfasst alle sprachspezifischen Definitionsfunktionen, 

die auf objektsprachliche Konstrukte, insbesondere Konzepte, einer ontologischen Signatur SIG angewendet 

werden sollen. Jede sprachspezifische Definitionsfunktion deflan ist definiert als: 

deflan: (K ∪ OPS ∪ PS ∪ FORM) → ALPH* 

Im Gegensatz zu der Familie bezf der sprachspezifischen Bezeichnungsfunktionen können die Mitglieder 

der Familie deff der sprachspezifischen Definitionsfunktionen in ihren Argumenten auch 

Formeln aufnehmen, die sich mit den Ausdrucksmitteln einer ontologischen Signatur bilden lassen. 

Dadurch können beispielsweise natürlichsprachliche Definitionen für objektsprachliche Inferenz- 

und Integritätsregeln 110) ausgedrückt werden. Insbesondere lassen sich auf diese Weise Inferenz- 

oder Integritätsregeln, die aufgrund ihrer strikten formalsprachlichen Formulierung auf Benutzer einer 

Ontologie „sperrig“ oder gar „abschreckend“ wirken könnten, in natürlicher Sprache so paraphrasieren 

(„definieren“), dass die Bedeutung der Regeln auch solchen Benutzern deutlich wird, die 

zwar nicht vertraut im Umgang mit formalsprachlichen Darstellungsweisen sind, jedoch hinreichendes 

Sachwissen über die jeweils betroffene Domäne besitzen. Beispielsweise kann die folgende 

Formel: 111) 

F = ∀U1,U2,K1,K2: (hat_Kompetenzdefizit(U1,K1) ∧ hat_Kernkompetenz(U1,K2) ∧ 

hat_Kompetenzdefizit(U2,K2) ∧ hat_Kernkompetenz(U2,K1)) 

→ geeignet_fuer_Kooperation(U1,U2) 

mittels der sprachspezifischen Definitionsfunktion defger durch die Definition: 

defger(F) = Wenn zwei Unternehmen U 1 und U 2 jeweils Defizite in denjenigen 

Kompetenzen K 1 bzw. K 2 aufweisen, über die das jeweils andere 

Unternehmen als Kernkompetenz verfügt, dann sind die beiden 

Unternehmen für eine Kooperation geeignet. 

auf natürlichsprachliche Weise und „allgemeinverständlich“ erläutert werden. 

Das Bild einer sprachspezifischen Definitionsfunktion deflan ist stets eine Zeichenkette über dem 

Alphabet ALPH. Im Unterschied zu einer sprachspezifischen Bezeichnungsfunktion bezlan bildet 

eine sprachspezifische Definitionsfunktion deflan objektsprachliche Konstrukte nicht auf eine Teilmenge 

von ALPH*, sondern auf ein Element von ALPH* ab. Sprachspezifische Definitionsfunktionen 

ordnen also eindeutige Definition zu. Zugleich handelt es sich um partielle Funktionen. Es 

braucht nämlich nicht jedem objektsprachlichen Konstrukt, wie etwa einem Konzept oder einer Formel, 

eine Definition zugewiesen zu werden. 112) Aufgrund der beiden vorgenannten Funktionseigenschaften 

– Eindeutigkeit und Unvollständigkeit – wird den Elementen aus der Menge K ∪ OPS ∪ 

PS ∪ FORM in jeder berücksichtigten natürlichen Sprache höchstens eine Definition zugeordnet. 

Darüber hinaus sind sprachspezifische Definitionsfunktionen nicht notwendig injektiv. Denn es ist 

durchaus zulässig, zwei unterschiedlichen objektsprachlichen Konstrukten die gleiche Definition 

110) Objektsprachliche Inferenz- und Integritätsregeln werden im nächsten Kapitel 1.3.2.4 als zusätzliche Komponenten von Ontologien 

vorgestellt werden. 

111) Die Formel stellt eine objektsprachliche Inferenzregel dar. Darauf wird später im Kapitel 2.4.2.2 ausführlicher zurückgekommen. 

112) Wenn eine Definition zugewiesen wird, erweist sie sich allerdings wegen der Rechtseindeutigkeit von Funktionen immer als 

eindeutig.


zuzuweisen. Beispielsweise können zwei syntaktisch voneinander unterschiedliche, aber (semantisch) 

äquivalente Formeln F1,F2∈FORM die gleichen Definitionen deflan(F1) = deflan(F2) besitzen. 

Die Definitionen zu formalsprachlichen Konstrukten aus einer ontologischen Signatur sowie zu 

Formeln über dieser ontologischen Signatur erläutern die Bedeutungen (Intensionen) der Konstrukte 

bzw. Formeln. Diese Definitionen lassen sich daher als Bestandteile einer natürlichsprachlichen intensionalen 

Semantik für eine ontologische Signatur auffassen. Die natürlichsprachliche intensionale 

Semantik tritt neben die formale Semantik, die für eine ontologische Signatur SIG durch 

SIG-Strukturen und Interpretationen auf extensionale Weise definiert ist. 

Die Zuordnung von Definitionen zu objektsprachlichen Konstrukten mit sprachspezifischen Definitionsfunktionen 

trägt zu einem Großteil dazu bei, die intensionale Semantik objektsprachlicher 

Konstrukte aus oder über einer ontologischen Struktur – also von Konzepten, von Operations- und 

von Prädikatssymbolen sowie von Formeln – zu erfassen. Während die vorgenannten objektsprachlichen 

Konstrukte mit der Hilfe von SIG-Strukturen und Interpretationen aus einer formalen Semantik 

lediglich extensional interpretiert werden konnten, 113) ist es mit den sprachspezifischen Bezeichnungs- 

und den ebenso sprachspezifischen Definitionsfunktionen nun zusätzlich möglich, natürlichsprachliche 

Bezeichner und Definitionen zu spezifizieren, mit denen die Bedeutungen der betroffenen 

objektsprachlichen Konstrukte auf intensionale Weise beschrieben werden können. 114) Dieser 

„zweiseitige“ Zusammenhang zwischen objektsprachlichen Konstrukten einerseits und ihren entweder 

extensionalen Interpretationen im Rahmen einer formalen Semantik 115) oder aber ihren intensionalen 

Interpretationen (Bedeutungen) im Rahmen einer intensionalen Semantik 116) andererseits 

wird in der Abbildung 18 auf der nächsten Seite verdeutlicht. 

113) Die formale Semantik eines prädikatenlogischen Kalküls lässt nur extensionale Interpretationen seiner objektsprachlichen Konstrukte 

zu. Daher lässt sich die formale Semantik hier in synonymer Weise auch als extensionale Semantik bezeichnen. 

114) Da im Rahmen einer intensionalen Semantik objektsprachlichen Konstrukten jeweils ihre Bedeutungen als „Intensionen“ zugeordnet 

werden, kann diese Zuordnung von Bedeutungen auch als eine intensionale Interpretation der jeweils betroffenen objektsprachlichen 

Konstrukte bezeichnet werden. 

115) Extensionale Interpretationen sprachlicher Ausdrücke lassen sich hingegen dadurch charakterisieren, dass sie sich nur auf die 

äußere Form dieser Ausdrücke beziehen, also „blind“ gegenüber möglichen Inhalten oder Bedeutungen jener Ausdrücke sind. 

Daher lassen sich extensionale Interpretationen insbesondere auf formalsprachliche Ausdrücke anwenden, da diese ebenso nur 

durch ihre äußere Form definiert sind. Extensionale Interpretationen erfolgen in der Regel dadurch, dass den interpretierten 

formalsprachlichen Ausdrücken andere, wiederum formalsprachliche Ausdrücke zugeordnet werden. Die Gesamtheit der zugeordneten 

formalsprachlichen Ausdrücke wird oftmals als die formale Extension der jeweils (extensional) interpretierten Ausdrücke 

bezeichnet. Sofern aus dem jeweils aktuellen Argumentationskontext ersichtlich ist, dass nur formalsprachliche Ausdrücke 

– und nicht die oben erwähnten „realweltlichen“ Entitäten – gemeint sein können, wird des Öfteren nur kurz von der Extension 

der jeweils interpretierten Ausdrücke gesprochen. In dieser allgemein üblichen Form verlassen extensionale Interpretationen 

nicht die Ebene rein formalsprachlich definierter Ausdrücke und gehören daher zum Bereich der formalen Semantik. 

116) Interpretationen sprachlicher Ausdrücke werden als intensional bezeichnet, wenn sie sich nicht auf die äußere Form dieser 

Ausdrücke, sondern auf einen „inneren Sinn“ – oder synonym: einen „Inhalt“ – dieser Ausdrücke beziehen. Solche intensionalen 

Interpretationen werden auch als Bedeutungen oder Intensionen der betroffenen Ausdrücke angesprochen. Die Gesamtheit 

solcher intensionalen Interpretationen wird auch als eine intensionale Semantik bezeichnet. Oftmals wird die Bedeutung eines 

Ausdrucks natürlichsprachlich durch eine Aufzählung von Merkmalen (streng genommen: Merkmalsausprägungen) beschrieben, 

die alle Entitäten eines Realitätsausschnitts erfüllen müssen, die durch den intensional interpretierten Ausdruck referenziert 

werden sollen. Die Gesamtheit dieser „realweltlichen“ Entitäten ist die denotationale Extension des interpretierten Ausdrucks.


ALPH* 

pot + (ALPH*) 

SIG 

A 

deflan (k) deflan (O) deflan (P) 

bezlan (k) bezlan (O) bezlan (P) deflan (F) 

k 

OB k.1 

O 

o 1 

P 

I K I OPS I PS 

r 1 

 

F FORM 

extensionale Extensionale Interpretationen 

Interpretation 

Intensionale Interpretation 

Abbildung 18: Intensionale versus extensionale Interpretationen objektsprachlicher Konstrukte 

aus oder über einer ontologischen Signatur 

Zentrales Element der Abbildung 18 ist die mittlere Schicht der objektsprachlichen Konstrukte aus 

oder über einer ontologischen Signatur. Diese Schicht setzt sich aus zwei Bereichen zusammen: Der 

linke Bereich der mittleren Schicht umfasst die Konzepte sowie Operations- und Prädikatssymbole 

als objektsprachliche Konstrukte aus der ontologischen Signatur SIG. Der rechte Bereich der mittleren 

Schicht enthält alle Formeln aus der Menge FORM über dieser Signatur, die mit den Ausdrucksmitteln 

der ontologischen Signatur SIG gebildet werden können. 

Die unterste Schicht in der Abbildung 18 bildet die Ebene der extensionalen Interpretationen für die 

objektsprachlichen Konstrukte aus der mittleren Schicht. Diese unterste Schicht besteht aus einer 

SIG-Struktur A zur ontologischen Signatur SIG. Die SIG-Struktur bildet die Basis einer formalen 

Semantik, in der die objektsprachlichen Konstrukte aus der mittleren Schicht mit der Hilfe einer 

erweiterten Interpretation Ivar = (IK,IOPS,IPS,belf) (einschließlich Termauswertungsfunktionen aus der 

Familie ITF) durch die Zuordnung von formalen Objekten, Operationen und Relationen extensional 

interpretiert werden. Die Pfeile, die von der mittleren Schicht zu der untersten Schicht führen, verdeutlichen 

Interpretations- und Belegungsfunktionen, mit denen den objektsprachlichen Konstrukten 

aus der mittleren Schicht ihre extensionalen Interpretationen zugewiesen werden. 

Die oberste Schicht in der Abbildung 18 besteht aus der Menge ALPH* aller Zeichenketten und aus 

der Menge pot+(ALPH*) aller nicht-leeren Mengen von Zeichenketten über dem metasprachlichen 

Alphabet ALPH. Diese oberste Schicht bildet die Basis einer intensionalen Semantik, in der die objektsprachlichen 

Konstrukte aus der mittleren Schicht mit der Hilfe von sprachspezifischen Definitionsfunktionen 

deflan und ebenso sprachspezifischen Bezeichnungsfunktionen bezlan durch die Zuordnung 

von (eindeutigen) Definitionen bzw. (potenziell mehrdeutigen) Bezeichnern intensional interpretiert 

werden. Mit den Pfeilen, die von der mittleren Schicht zu der obersten Schicht führen, 

werden die sprachspezifischen Bezeichnungs- und Definitionsfunktionen angedeutet, mit denen den 

objektsprachlichen Konstrukten aus der mittleren Schicht ihre intensionalen Interpretationen zugewiesen 

werden. 

Die o.a. Abbildung 18 weist eine enge Verwandtschaft mit dem Denkmuster des Bedeutungsdreiecks 

auf, mit dem des Öfteren die Zusammenhänge zwischen mentalen Konzepten 117) , Bezeichnern 

117) In der Regel werden exemplarisch aufgeführte Bedeutungsdreiecke nur auf Konzepte angewandt. Die Illustration lässt sich allerdings 

ohne weiteres auch auf Operations- und Relationssymbole ausweiten.


für mentale Konzepte und konzeptspezifischen Extensionen verdeutlicht werden. 118) In Abbildung 

19 ist ein erweitertes Bedeutungsdreieck wiedergegeben, mit dem die Illustrationsmöglichkeiten des 

Bedeutungsdreiecks aufgegriffen und um solche Aspekte erweitert werden, die für Ontologien von 

Relevanz sind. 

Bezeichnung 

Extension 

bez lan (k) OB k 

bez lan 

k∈K 

def lan 

def lan (k) 

Intension 

Abbildung 19: Erweitertes Bedeutungsdreieck 

Es wird deutlich darauf hingewiesen, dass sich das o.a. erweiterte Bedeutungsdreieck von dem üblichen 

Bedeutungsdreieck unterscheidet. Der wesentliche Unterschied liegt darin, dass die untere 

Ecke des erweiterten Bedeutungsdreiecks sprachliche Konzepte repräsentiert. Üblicherweise ist die 

entsprechende Ecke ein Surrogat für ein mentales Konzept. Widersprüchlich an der üblichen Illustration 

erscheint den Verfassern allerdings, dass sprachliche Ausdrucksmittel – des Öfteren ikonische 

Darstellungen – benutzt werden, um die jeweils gemeinten mentalen Konzepte anzusprechen. 

119) Stattdessen wird in dem o.a. erweiterten Bedeutungsdreieck von vornherein nur auf 

sprachliche Konzepte Bezug genommen, um Inkonsistenzen der zuvor skizzierten Art zu vermeiden. 

118) Vgl. HANSEN ET AL. (1992) S. 8; HARRAS (2000) S. 13; HOPPENBROUWERS (1997) S. 28; LÖBNER (2003) S. 32; MAEDCHE (2002) 

S. 14; OLDAGER (2003) S. 21 (erweitert um Kardinalitäten); PFLÜGLMAYER (2001) S. 131; SOWA (2000) S. 191 ff.; SURE (2003) 

S. 27. 

119) Diese Inkonsistenz, ein mentales Konzept zu meinen, es jedoch mithilfe sprachlicher Ausdrucksmittel „anzusprechen“, überrascht 

nicht. Bereits an früherer Stelle wurde in diesem Beitrag erläutert, dass sich die Verfasser nicht der naiven Vorstellung 

eines sprachfreien oder sprachunabhängigen Denkens anzuschließen vermögen. Vielmehr vertreten sie die Auffassung, dass 

mentale Konzepte nur in einer Sprache gedanklich vorgestellt – und erst Recht nur in einer Sprache „angesprochen“ werden 

können. Daher erscheint es ihnen folgerichtig, sprachliche Konzepte immer dann anstelle von mentalen Konzepten zu verwenden, 

wenn über Konzepte gesprochen wird (wie z.B. in der Darstellung des Bedeutungsdreiecks in einer Mischung aus natürlichen 

und graphischen Sprachelementen). 

I K


1.3.2.4 Ontologien 

Eine ontologische Signatur SIG gibt einen formalen Rahmen vor, dem eine SIG-Struktur 

A∈A(SIG) entsprechen muss, um Ausdrücke über dieser Signatur SIG – d.h. Terme und Formeln – 

extensional interpretieren zu können. Allerdings erfolgen in einer ontologischen Signatur über die 

Deklaration und Typisierung ihrer objektsprachlichen Konstrukte hinaus keine inhaltlichen Einschränkungen 

für SIG-Strukturen, mit denen sie extensional interpretiert werden können. Die Interpretation 

einer ontologischen Signatur SIG durch eine SIG-Struktur entspricht daher einer so genannten 

„losen“ Semantik der Signatur, wenn keine weiteren Einschränkungen definiert sind. 120) 

Sie ist in dem Sinne lose, als auch solche SIG-Strukturen für die extensionale Interpretation von 

SIG in Frage kommen, die aufgrund der Bedeutungen (Intensionen) der objektsprachlichen Konstrukte 

aus der Signatur „eigentlich“ ausgeschlossen werden müssten. 

Konstruktbedeutungen stellen ein erhebliches Problem nicht nur speziell für Ontologien, sondern 

auch für eine Fülle anderer formalsprachlicher Kalküle dar. Denn einerseits entziehen sich Bedeutungen 

von Konstrukten als intensionale, zumeist natürlichsprachlich formulierte Interpretationen 

einer unmittelbar formalsprachlichen, expliziten Repräsentation. Dies betrifft sowohl die Repräsentation 

von Bedeutungen innerhalb einer rein formalsprachlich verfassten ontologischen Signatur 

SIG als auch im Rahmen einer formalen Semantik, die durch SIG-Strukturen und erweiterte Interpretationen 

Ivar = (IK,IOPS,IPS,belf) die Konstrukte aus der zugrunde liegenden Signatur zwar interpretiert, 

dies jedoch nur auf extensionale – und somit wiederum formalsprachliche – Weise zu leisten 

vermag. Andererseits verfügen sowohl die ursprünglichen Konstrukteure als auch die späteren 

Benutzer einer Ontologie in der Regel über ein intuitives Vorverständnis, wie die sprachlichen Ausdrucksmittel 

„korrekt“ zu verwenden sind, 121) die mit Hilfe einer Ontologie für die Konzeptualisierung 

eines Realitätsausschnitts spezifiziert werden sollen. Dieses oftmals nur verschwommen vorhandene, 

nicht präzise artikulierte und allenfalls natürlichsprachlich umschriebene Vorverständnis 

über die korrekte Verwendungsweise von sprachlichen Ausdrucksmitteln wird hier als deren Bedeutung 

angesehen. 

Mit der Konstruktion von Ontologien wird das ambitionierte Ziel verfolgt, den zuvor skizzierten 

Konflikt zwischen einerseits rein formalsprachlich verfassten Signaturen und ihrer formalen Semantik 

sowie andererseits unpräzisen und nur natürlichsprachlich umschriebenen Bedeutungsvorstellungen 

zumindest teilweise aufzulösen. Zu diesem Zweck wird angestrebt, einen möglichst großen 

Teil des intuitiven Vorverständnisses über die Bedeutungen sprachlicher Ausdrucksmittel – dies 

schließt auch die Bedeutungen der Ausdrücke ein, die mit Hilfe dieser Ausdrucksmittel gebildet 

120) Vgl. EHRIG ET AL. (1999) S. 182. 

121) Die Verfasser folgen einem Sprachverständnis, das in Anlehnung an den „späten“ WITTGENSTEIN die Bedeutung sprachlicher 

Ausdrucksmittel und damit gebildeter Ausdrücke über deren tatsächliche Verwendung in „Sprachspielen“ und über die Vorstellungen 

einer Sprachgemeinschaft hinsichtlich der korrekten Verwendungsweise der Ausdrucksmittel bzw. Ausdrücke erschließt 

(„[Sprach-] Regeln folgen“). Vgl. zu dieser verwendungsorientierten Bedeutungsauffassung LANGE (1998) S. 140 ff. u. 242 ff.; 

MEGGLE (1987) S. 279 ff.; STEGMÜLLER (1987a) S. 414 ff.; STEGMÜLLER (1989) S. 576 ff.; VON KUTSCHERA (1975) S. 119 ff. 

(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. 

(mit der zentralen Formulierung auf S. 41: „Die Bedeutung eines Wortes ist sein Gebrauch in der Sprache.“) u. 80 ff.; WITT- 

GENSTEIN (1996) S. 240 ff.


werden, 122) – inhaltlich zu präzisieren und dabei formalsprachlich zu repräsentieren (programmatisches 

Ziel der Ontologiekonstruktion). 123) In dem Ausmaß, wie dieses Präzisierungs- und Formalisierungsziel 

erfüllt wird, gelingt es in Ontologien, zwei nur noch scheinbar konfliktionäre Sachverhalte 

miteinander zu kombinieren: Einerseits werden aus intensionaler Perspektive in Ontologien 

auch die Bedeutungen von sprachlichen Ausdrucksmitteln erfasst. Andererseits erlaubt es die formalsprachliche 

Repräsentation des Wissens über sprachliche Ausdrucksmittel, dieses Wissen computerbasiert 

zu verarbeiten, insbesondere inhaltlich zu erschließen. 

In den voranstehenden Kapiteln wurden bereits mehrere Ansätze angesprochen, mittels formalsprachlicher 

Ausdrucksmittel Aspekte des intuitiven Vorverständnisses über die Bedeutungen solcher 

Ausdrucksmittel zu erfassen. Dies betrifft zunächst die Beziehungen zwischen sprachlichen 

Konzepten und den eineindeutig repräsentierten mentalen Konzepten. Diese Beziehungen sind in 

einer ontologischen Signatur aber nur rudimentär angedeutet, weil mentale Konzepte keine Signaturbestandteile 

sind und folglich auch die Beziehungen zu ihnen nur mittels informeller „Randerläuterungen“ 

skizziert werden können. Darüber hinaus bieten sich insbesondere die sprachspezifischen 

Bezeichnungs- und Definitionsfunktionen an, um „selbsterklärende“ natürlichsprachliche Bezeichner 

bzw. natürlichsprachliche Definitionen für objektsprachliche Konstrukte zu integrieren. Mit ihrer 

Hilfe lassen sich bereits substanzielle Aspekte von Konstruktbedeutungen in Ontologien erfassen. 

Allerdings entziehen sich diese Bezeichner und Definitionen aufgrund ihrer Natürlichsprachlichkeit 

noch weit gehend der computerbasierten Verarbeitung. Stattdessen dienen sie vornehmlich 

dazu, an der „Oberfläche“ einer Ontologie eine benutzerfreundliche Schnittstelle zu ihren Anwendern 

zu bieten. Erste Ansätze zu einer auch computerbasierten Verarbeitung bestehen jedoch immerhin. 

Denn die Beziehungen der Homo- und der Synonymie von Bezeichnern werden bereits 

formalsprachlich repräsentiert. Daher können diese Aspekte der Bedeutungen von sprachlichen 

Ausdrucksmitteln in Ontologien computerbasiert implementiert und analysiert werden. 

Die voranstehenden Erläuterungen verdeutlichen, dass das oben formulierte Präzisierungs- und 

Formalisierungsziel, das mit der Konstruktion von Ontologien verfolgt wird, mit den bislang eingeführten 

Konstrukten bei weitem noch nicht zufrieden stellend erreicht werden kann. Daher werden 

Ontologien in diesem Werk weiter ausgebaut. Die zusätzlichen Konstrukte knüpfen an dem Signaturproblem 

der „losen“ Semantik an, das zu Beginn dieses Kapitel erwähnt wurde. Es werden so 

genannte Anforderungen eingeführt, die eine SIG-Struktur A∈A(SIG) zusätzlich erfüllen muss, um 

eine ontologische Signatur SIG extensional korrekt interpretieren zu können. Unter einer korrekten 

Signaturinterpretation wird dabei eine SIG-Struktur verstanden, deren sprachlichen Ausdrucksmittel 

nur noch so verwendet werden können, dass das intuitive Vorverständnis über die Bedeutungen (In- 

122) Die sprachlichen Ausdrucksmittel einer Ontologie werden in der zugrunde liegenden ontologischen Signatur festgelegt. Dazu 

gehören vor allem Konzepte, Operations- und Prädikatssymbole. Die Ausdrücke, die über dieser Signatur gebildet werden können, 

betreffen dagegen die prädikatenlogisch definierten Terme und Formeln. Da es oftmals zu sehr umständlich anmutenden 

Formulierungen führen würde, stets sprachliche Ausdrucksmittel und daraus gebildete Ausdrücke gemeinsam anzusprechen, 

werden beide Begriffe synonym verwendet, solange es im aktuellen Argumentationskontext nicht erforderlich erscheint, zwischen 

ihnen explizit zu differenzieren. 

123) Die inhaltliche Präzisierung und formalsprachliche Repräsentation des ehemals nur intuitiv, d.h. „in den Köpfen“ von Menschen 

vorhandenen Vorverständnisses über Bedeutungen von Ausdrucksmitteln und Ausdrücken führt dazu, dass dieses Vorverständnis 

in Ontologien streng genommen nicht „bedeutungserhaltend“ wiedergegeben wird. Vielmehr bewirkt die inhaltliche 

Präzisierung des intuitiven Vorverständnis, die mit seiner Formalisierung Hand in Hand geht, eine inhaltliche „Zugabe“, die im 

Vorverständnis noch nicht enthalten war. Daher ist bei der Konstruktion von Ontologien stets zu beachten, dass sie das sprachliche 

Vorverständnis nicht rekonstruieren im naiven Sinne einer passiven Widerspiegelung, sondern dass diese Rekonstruktion 

eine aktive, schöpferische Leistung darstellt. Sie schließt sich zwar inhaltlich an das vorliegende, intuitive Vorverständnis an, 

entwickelt es aber zwecks Präzisierung und Formalisierung inhaltlich weiter.


tensionen) der objektsprachlichen Konstrukte aus der Signatur nicht mehr verletzt wird. 124) Mit der 

Menge FORM wurden bereits im Kapitel 1.3.2.2.2 Formeln als Ausdrücke über ontologischen Signaturen 

vorgestellt (S. 244 f.), die für die Formulierung solcher Anforderungen an korrekt interpretierende 

SIG-Strukturen verwendet werden können. Damit sind alle „Vorbereitungen“ getroffen, um 

abschließend Ontologien in der Form einführen zu können, wie sie zur formalsprachlichen Spezifikation 

der Konzeptualisierung von Realitätsausschnitten im KOWIEN-Verbundprojekt verwendet 

werden. 

Eine ontologische Spezifikation SPEZ – oder kurz: eine Ontologie 125) – ist die Gesamtheit aus einer 

ontologischen Signatur SIG, aus allen Anforderungen an korrekt interpretierende SIG-Strukturen 

sowie aus den Familien der Bezeichnungs- und Definitionsfunktionen für die objektsprachlichen 

Konstrukte aus oder über der ontologischen Signatur SIG. 126) Hinsichtlich der Anforderungen an 

korrekt interpretierende SIG-Strukturen werden im KOWIEN-Verbundprojekt zwei Anforderungsarten 

berücksichtigt. Es handelt sich dabei zum einen um objektsprachliche 127) Inferenzregeln 128) 

124) Die Korrektheit der Signaturinterpretation ist kein absoluter, sondern nur ein – „höchst“ – relativer Begriff. Denn die Korrektheit 

kann nur insoweit überprüft werden, wie zusätzliche Anforderungen formalsprachlich aufgestellt werden, die „das“ intuitive 

Vorverständnis über die Bedeutungen objektsprachlicher Konstrukte explizieren. Es wäre naiv anzunehmen, jemals einen 

Zustand zu erreichen, in dem das gesamte intuitive Vorverständnis formalsprachlich expliziert wäre. Zunächst sprechen gewichtige 

Gründe dagegen, an die vollständige formalsprachliche Explizierung von inhaltlich – intensional – Gemeintem zu 

glauben. In der hier gebotenen Kürze können diese Gründe nicht näher erläutert, sondern nur stichwortartig angerissen werden. 

Zu den wichtigsten Gründen, die gegen eine vollständige formalsprachliche Explizierbarkeit intensionalen Wissens sprechen, 

gehören erstens die tiefreichenden epistemologischen Konsequenzen, die aus dem LÖWENHEIM-SKOLEM-Theorem resultieren, 

und zweitens die These des taziten Wissens („tacit knowledge“), das „in den Köpfen“ der Menschen fest verankert sein und 

sich Explizierungsversuchen „weit gehend“ entziehen soll. Vgl. zum LÖWENHEIM-SKOLEM-Theorem und seinen Konsequenzen 

HERMES (1991) S. 137 u. 154 f.; PUTNAM (1980) S. 9 ff. Auf die Tacit-Knowledge-These wurde bereits an früherer Stelle eingegangen; 

vgl. dazu die Anmerkungen zu tazitem Wissen im Kapitel 1.1.2 (S. 40 ff.). Hinzu kommt für den Fall, dass den vorgenannten 

(und weiteren) Zweifeln an der vollständigen formalsprachlichen Explizierbarkeit intensionalen Wissens nicht gefolgt 

wird, die Schwierigkeit, einen operationalen Test zu entwickeln, ob wirklich alle Aspekte der Bedeutung eines Konstrukts 

in formalsprachlichen Anforderungen (oder anderen Ontologiebestandteilen) erfasst worden sind. Die Verfasser kennen zumindest 

keinen Erfolg versprechenden Ansatz, einen solchen Test zu entwickeln – geschweige denn konkret anzuwenden. 

125) Die Bezeichnungen „ontologische Spezifikation“ und „Ontologie“ werden also synonym verwendet. Von Ontologien ist vorzugsweise 

dann die Rede, wenn die Anschlussfähigkeit an die „ontologische“ Fachliteratur von primärem Interesse ist, in der 

sich der Ontologiebegriff weit gehend durchgesetzt hat, oder wenn die genaue formalsprachliche Struktur von Ontologien im 

aktuellen Argumentationskontext keine besondere Rolle spielt (beide Motive können auch miteinander kombiniert auftreten). 

Dagegen wird bevorzugt von einer ontologischen Spezifikation gesprochen, wenn Assoziationen zum natürlichsprachlichen 

Ontologieverständnis als einer Spezifikation der Konzeptualisierung von Realitätsausschnitten gefördert werden sollen oder 

wenn die genaue formalsprachliche Struktur von Ontologien in den Vordergrund der Argumentation rückt (beide Motive können 

abermals miteinander kombiniert auftreten). 

126) SIG-Strukturen, die allen Anforderungen aus einer ontologischen Spezifikation gerecht werden, sind also keine Bestandteile einer 

ontologischen Spezifikation, sondern können lediglich herangezogen werden, um eine gegebene ontologische Spezifikation 

– präziser: deren ontologische Signatur – formalsprachlich zu interpretieren. 

127) Der Zusatz „objektsprachlich“ ist im Normalfall notwendig, um die hier gemeinten Regeln von metasprachlichen Inferenzregeln 

eines prädikatenlogischen Kalküls unterscheiden zu können. Wenn es nicht explizit hervorgehoben wird, sind im Folgenden 

stets objektsprachliche Inferenzregeln gemeint. 

128) Als „Inferenzregeln“ werden in der Prädikatenlogik üblicherweise metasprachliche Ausdrücke bezeichnet, die die Ableitung 

gültiger objektsprachlicher Ausdrücke (Konklusions-Formeln) aus einer Menge gültiger objektsprachlicher Ausdrücke (Antezedenz-Formeln) 

erlauben. Somit nehmen metasprachliche Inferenzregeln in ihren Argumenten objektsprachliche Ausdrücke 

auf. Zu den „bekanntesten“ metasprachlichen Inferenzregeln der Prädikatenlogik gehören der Modus ponens und der Modus tollens; 

vgl. z.B. SOWA (2000) S. 472. Der Modus ponens erlaubt z.B. die Ableitung einer Konklusions-Formel F 2, wenn die Gültigkeit 

der Antezedenz-Formeln F1 und F 1 → F 2 gegeben ist. Der Modus tollens erlaubt hingegen die Ableitung einer Konklusions-Formel 

¬F1, wenn die Gültigkeit der Antezedenz-Formeln ¬F 2 und F 1 → F 2 gegeben ist. Beide metasprachlichen Inferenzregeln 

nehmen in ihrer Antezedenz-Komponente u.a. jeweils eine Subjugat-Formel auf. Diese Subjugat-Formel ermöglicht (neben 

den übrigen Komponenten der Antezedenz-Komponente) erst die Anwendung der allgemeinen metasprachlichen Inferenzregeln 

und drückt im Allgemeinen spezielles Wissen aus dem Anwendungsbereich einer Ontologie aus. Wegen ihres inferenzermöglichenden 

Charakters werden Subjugat-Formeln, die eingeführt werden, um das Anwendungspotenzial der allgemeinen 

metasprachlichen Inferenzregeln der Prädikatenlogik auszuweiten, ihrerseits als objektsprachliche Inferenzregeln bezeichnet. 

Solche objektsprachlichen Inferenzregeln stehen im Vordergrund des Interesses, wenn es darum geht, die o.a. Anforderungen 

an Ontologien zu spezifizieren und zugleich das Erschließen impliziten Wissens über den Anwendungsbereich einer Ontologie


und zum anderen um (objektsprachliche 129) ) Integritätsregeln 130) . Sowohl Inferenz- als auch Integritätsregeln 

nehmen im Allgemeinen die Gestalt von Subjugat-Formeln an. Sie gehören somit zur 

Menge FORM aller Formeln über der ontologischen Signatur SIG. 131) Für die Mengen INF und INT 

aller Inferenz- bzw. Integritätsregeln, mit denen die Anforderungen an korrekt interpretierende SIG- 

Strukturen in einer ontologischen Spezifikation festgelegt werden, gelten also INF ⊆ FORM und 

INT ⊆ FORM. 

Aufgrund der voranstehenden Vereinbarungen wird eine ontologische Spezifikation (Ontologie) 

SPEZ definiert als: 

mit folgenden Komponenten: 

1. eine ontologische Signatur SIG, 

SPEZ = (SIG,INF,INT) 

2. eine Menge INF von Inferenzregeln als Formeln aus der Menge FORM, 

die sich über der ontologischen Signatur SIG bilden lassen, 

3. eine Menge INT von Integritätsregeln als Formeln aus der Menge FORM, 

die sich über der ontologischen Signatur SIG bilden lassen. 

Die Definition von ontologischen Spezifikationen schließt nicht aus, dass es sich bei der Menge 

INF der Inferenzregeln oder der Menge INT der Integritätsregeln um die leere Menge handelt. 

Wenn beide Mengen INF und INT leer sind (und darüber hinaus weder Bezeichnungs- noch Definitionsfunktionen 

für die objektsprachlichen Konstrukte aus oder über der ontologischen Signatur 

SIG spezifiziert sind), degeneriert eine ontologische Spezifikation SPEZ = (SIG,∅,∅) zu einer ontologischen 

Signatur SIG. Daher handelt es sich bei jeder ontologischen Signatur um den Grenzfall 

einer ontologischen Spezifikation. 132) Um solche Grenzfälle von „normalen“ ontologischen Spezifikationen 

begrifflich unterscheiden zu können, wird vereinbart: Ontologische Spezifikationen i.e.S. 

besitzen eine nicht-leere Inferenz- oder eine nicht-leere Integritätsregelmenge (oder beides). Dagegen 

umfassen degenerierte ontologische Spezifikationen weder Inferenz- noch Integritätsregeln. Bei 

zu unterstützen. Daher wird die Bezeichnung „Inferenzregel“ sowohl in diesem Beitrag als auch in anderen Beiträgen des hier 

vorgelegten Werks stets im Sinne von objektsprachlichen Inferenzregeln verwendet, solange kein expliziter Hinweis darauf erfolgt, 

dass die metasprachlichen Inferenzregeln der Prädikatenlogik gemeint sind. Auf das Verhältnis zwischen objekt- und metasprachlichen 

Inferenzregeln wird an späterer Stelle im Kapitel 2.4.2.2.1 (S. 434 ff.) noch einmal ausführlich zurückgekommen, 

unter anderem auch mit konkreten Beispielen für objektsprachliche Inferenzregeln (Kompetenzregeln) aus der Domäne 

„Management von Kompetenzwissen“ (S. 458 ff.). 

129) Analog zu Inferenzregeln kann hier auch von objektsprachlichen Integritätsregeln geredet werden, weil alle Integritätsregeln, 

die für die Domäne des KOWIEN-Verbundprojekts – das „Management von Kompetenzwissen“ – von Interesse sind, objektsprachlichen 

Charakter besitzen. Allerdings wird auf den Zusatz „objektsprachlich“ im Kontext von Integritätsregeln von vornherein 

verzichtet, weil in ihrem Fall keine Verwechslungsgefahr mit metasprachlichen Konstrukten besteht; die Bezeichnung 

„metasprachliche Integritätsregel“ ist im Rahmen der Prädikatenlogik nicht geläufig. 

130) Integritätsregeln lassen sich in einer ersten Annäherung als Regeln charakterisieren, die für die Zulässigkeit von wissensrepräsentierenden 

Formelmengen und wissenserschließenden Inferenzregelanwendungen sorgen. Im Kapitel 2.4.2.2.2 (S. 443 ff.) 

wird auf die Eigenarten von Integritätsregeln und im Kapitel 2.4.2.2.3 auf konkrete Beispiele für Integritätsregeln aus der Domäne 

„Management von Kompetenzwissen“ näher eingegangen (S. 466 ff.). 

131) Vgl. BENCH-CAPON/MALCOLM/SHARE (2003) S. 705; BENCH-CAPON/MALCOLM (1999) S. 254. 

132) Vgl. – allerdings ohne direkten Bezug auf den Kontext von Ontologien – EHRIG ET AL. (1999) S. 167 („ … ist eine Signatur eine 

spezielle Spezifikation“) und S. 181 („ ... daß jede algebraische Signatur auch eine algebraische Spezifikation ist.“). Es wird bei 

dieser Argumentation davon abgesehen, dass eine ontologische Spezifikation SPEZ=(SIG,∅,∅) zumindest die Option freihält, 

Elemente ihrer Mengen INF und INT zu spezifizieren.


ontologischen Signaturen handelt es sich daher um degenerierte ontologische Spezifikationen. Von 

ontologischen Spezifikationen i.w.S. ist schließlich die Rede, wenn sowohl eine ontologische Spezifikationen 

i.e.S. als auch eine degenerierte ontologische Spezifikation vorliegen kann, wenn also 

keine Festlegung auf einen der beiden vorgenannten Unterfälle erfolgen soll. Im Folgenden wird 

von ontologischen Spezifikationen i.e.S. als „Normalfall“ ausgegangen, so dass in diesem Fall auf 

den präzisierenden Zusatz „i.e.S.“ verzichtet werden kann. 133) 

Inferenz- und Integritätsregeln sind zwei wesentliche Komponenten von Ontologien, die in der einschlägigen 

Fachliteratur trotz ihrer Bedeutung oftmals vernachlässigt werden. Dies liegt in erster 

Linie daran, dass sowohl Inferenz- als auch Integritätsregeln nur von wenigen Sprachen für die 

Repräsentation von Ontologien unterstützt werden. Für den hier verfolgten Ansatz zur Konstruktion 

von Ontologien für die betriebliche Praxis sind Inferenz- und Integritätsregeln jedoch insbesondere 

aus zwei Gründen von großem Interesse. 

Erstens tragen Inferenz- und Integritätsregeln wesentlich zur Ausdruckseffizienz von Ontologien bei. 

Denn Inferenzregeln erlauben es, implizites Wissen zu erschließen, indem neue gültige Formeln aus 

bereits bekannten gültigen Formeln abgeleitet werden. Daher braucht nicht jedes Wissen, dessen 

Anwendung zu einer Problemlösung beizutragen vermag, in einem Wissensbasierten System explizit 

repräsentiert zu werden. Stattdessen kann es im Bedarfsfall inferenziell erschlossen werden. Allerdings 

ist stets ein „wissensökonomischer“ Trade-off zu beachten. Er besteht zwischen einerseits 

der Ressourcenersparnis, die aus dem Verzicht auf explizite Wissensrepräsentation resultiert, und 

andererseits dem zusätzlichem Ressourceneinsatz, der durch die Anwendung von Inferenzregeln 

verursacht wird. Darüber hinaus können mit der Hilfe von Integritätsregeln wissensrepräsentierende 

Formeln bereits im Vorfeld ihrer Zulässigkeitsprüfung ausgeschlossen werden, wenn erkannt wird, 

dass sie grundsätzlich unzulässig sind. Analog zum Übergang von der konventionellen zur sortierten 

Prädikatenlogik, der u.a. dadurch motiviert wird, bereits in ihrer Syntax solche Formeln auszuschließen, 

denen kein „Sinn“ zukommen kann, werden durch Integritätsregeln Formeln ausgeschlossen, 

die kein zulässiges Wissen über realweltliche Sachverhalte zu repräsentieren vermögen. 

Auf diese Weise ersparen Integritätsregeln den – im Einzelfall sehr schwer abschätzbaren – Ressourceneinsatz, 

der nachträglich erforderlich wäre, um Schlussfolgerungen aus wissensrepräsentierenden 

Formelsystemen zu „prüfen“ oder zu „interpretieren“, wenn die Integrität („Sinnhaftigkeit“) 

der benutzten Formeln nicht von vornherein sichergestellt wäre. 

Zweitens stellen sowohl Inferenz- als auch Integritätsregeln Ausdrucksformen dar, die seit längerem 

im Rahmen der (Unternehmens-) Modellierung auf breite Resonanz stoßen. Dies betrifft nicht nur 

Informatik und Wirtschaftsinformatik, sondern ebenso weite Teile der Betriebswirtschaftslehre, vor 

allem im Hinblick auf Belange des Informations- und Wissensmanagements. Die Möglichkeit, regelartige 

Zusammenhänge spezifizieren zu können, wird insbesondere unter dem Schlagwort „Business 

Rules“ seit einigen Jahren sowohl in der Informatik als auch in der Wirtschaftsinformatik intensiv 

diskutiert. 134) Ausgehend von dem Leistungspotenzial von Inferenz- und Integritätsregeln ist 

133) Da die Bezeichnungen „Ontologie“ und „ontologische Spezifikation“ synonym verwendet werden, lässt sich jede ontologische 

Spezifikation i.e.S. / jede degenerierte ontologische Spezifikation / jede ontologische Spezifikation (i.w.S.) ebenso als eine Ontologie 

i.e.S. / eine degenerierte Ontologie / eine Ontologie (i.w.S.) bezeichnen. Insbesondere handelt es sich bei allen ontologischen 

Signaturen um degenerierte ontologische Spezifikationen und somit um degenerierte Ontologien. Im Folgenden wird 

stets von einer Ontologie i.e.S. ausgegangen, wenn die Bezeichnung „Ontologie“ ohne präzisierenden Zusatz („i.e.S.“ oder 

„i.w.S.“) verwendet wird. 

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., 

46 ff., 53 ff., 147 ff. u. 338 ff.; SOWA (2000) S. 451 f.


die „neue“ Forschungsrichtung „Business Rule-Oriented Conceptual Modeling“ aufgekommen, 135) 

die sich allerdings in erster Linie an denjenigen Techniken orientiert, die bereits für Datenbanksysteme 

seit längerem bekannt sind. 136) Inferenz- und Integritätsregeln tragen wesentlich dazu bei, dass 

Ontologien die Anschlussfähigkeit an die voranstehend angesprochenen Forschungs- und Entwicklungsrichtungen 

nicht verlieren und die dort bereits erarbeiteten Erkenntnisse in sich aufnehmen 

können. Dadurch wird ein maßgeblicher Beitrag zur systematischen Wissenswiederverwendung geleistet 

– zwar nicht im zumeist adressierten Bereich unmittelbar anwendungsbezogenen Wissens, 

aber immerhin auf dem Gebiet des so genannten konzeptionellen Wissens. 

Sowohl bei Inferenz- als auch bei Integritätsregeln handelt es sich um Formeln, die mit Hilfe der 

Ausdrucksmittel einer ontologischen Signatur SIG gebildet werden. Da beide Regelarten im Allgemeinen 

die Form von Subjugat-Formeln annehmen, können zwischen Inferenz- und Integritätsregeln 

keine syntaktischen Unterschiede ausgemacht werden. Ebenso indifferent sind Inferenz- und 

Integritätsregeln bezüglich ihrer formalen Semantik. 137) Stattdessen liegen die Unterschiede zwischen 

Inferenz- und Integritätsregeln in ihrer Zweckorientierung, d.h. auf der pragmatischen Ebene. 

Inferenzregeln werden von einem Ontologiekonstrukteur zu dem Zweck konstruiert, aus einer Menge 

gültiger Formeln neue gültige Formeln abzuleiten. In diesem Sinn können Inferenzregeln als die 

konstruktive Regelkomponente einer Ontologie SPEZ charakterisiert werden. Ihre Konstruktivität 

ist auf ihr Potenzial zur Faktenerzeugung zurückzuführen. 138) Objektsprachliche Inferenzregeln lassen 

sich demnach tendenziell dazu nutzen, aus dem Wissen über die Gültigkeit einer Formelmenge 

FM auf die Gültigkeit einer weiteren Formel F – eines so genannten Faktums – zu schließen. 

135) Vgl. HERBST (1997) Buchtitel und passim. 

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. 

137) Ausprägungen beider Regelarten werden im Rahmen der formalen Semantik mithilfe der Modellrelation in derselben Weise 

zu einer SIG-Struktur A, zu einer Interpretation I und zu einer Familie belf konzeptspezifischer Belegungsfunktionen in Beziehung 

gesetzt, wenn eine Regel durch eine Variablenbelegung gemäß der Funktionenfamilie belf in einer SIG-Struktur A unter 

einer Interpretation I bestätigt wird. (Die Familie belf von Belegungsfunktionen entfällt, wenn die betroffene Regel in einer 

SIG-Struktur A unter einer Interpretation I gültig ist.) 

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 

über einen Realitätsausschnitt repräsentieren und zweitens gültige Formeln darstellen. Da der Inferenzregeln dazu dienen, aus 

gültigen Formeln neue gültige Formeln abzuleiten, lässt sich dieser Zweck der Anwendung von Inferenzregeln auch derart paraphrasieren, 

dass sie eingesetzt werden, um neue Fakten aus bereits bekannten Fakten zu erzeugen (dabei wird implizit vorausgesetzt, 

dass die Inferenzregeln auf Formeln angewendet werden, die Wissen über einen Realitätsausschnitt repräsentieren).


Wenn beispielsweise eine erste Formel: 139) 

F1 ⇔ P1(t1,t2) mit (A,I) F1 

und eine zweite Formel als objektsprachliche Inferenzregel: 

F2 ⇔ ∀x1,x2: P1(x1,x2) → P2(x2,x1) mit (A,I) F2 

vorliegen, dann kann mit Hilfe der metasprachlichen Inferenzregel des Modus Ponens aus dieser 

Formelmenge FM = {F1,F2} darauf geschlossen werden, dass auch folgende dritte Formel als Konklusion 

gültig sein muss: 

F3 ⇔ P2(t2,t1) mit (A,I) F3. 

Im Gegensatz zu Inferenzregeln werden Integritätsregeln nicht dazu verwendet, aus einer gültigen 

Formelmenge wiederum gültige Formeln zu erschließen. Integritätsregeln werden vielmehr zu dem 

Zweck angewendet, die Zulässigkeit von Formelmengen zu überprüfen. Entsprechend können Integritätsregeln 

nicht als konstruktive, sondern als destruktive Regelkomponente einer Ontologie SPEZ 

charakterisiert werden. Die Elemente der Menge INT dienen demnach nicht der Faktenerzeugung, 

sondern der Faktenbeschränkung durch ihre Zulässigkeitsprüfung. Dabei ist die Zulässigkeit einer 

Formel lediglich mittelbar mit ihrer Gültigkeit verknüpft. Der Begriff der Zulässigkeit ist nicht – 

wie der Begriff der Gültigkeit – in Bezug auf eine SIG-Struktur A und eine Interpretation I bestimmt, 

sondern in Bezug auf eine Integritätsregel. Eine Formel F1 mit F1∈FORM ist in Bezug auf 

eine Integritätsregel F2 mit F2∈INT genau dann zulässig, wenn die Gültigkeit von Formel F2 in einer 

SIG-Struktur A unter einer Interpretation I die Gültigkeit der Formel F1 in A unter I nicht ausschließt. 

Das heißt, dass eine Formel F1 über einer ontologischen Signatur SIG genau dann zulässig 

bezüglich einer Integritätsregel F2 ist, wenn F1 und F2 keinen logischen Widerspruch enthalten, also 

keine kontradiktorischen Formeln darstellen. Mit anderen Worten: Wenn eine Formel F1 bezüglich 

einer Integritätsregel F2 zulässig ist, dann muss in der Menge A(SIG) von SIG-Strukuren für die ontologische 

Signatur SIG mindestens eine SIG-Struktur A enthalten sein, in der sowohl die Formel 

F1 als auch die Integritätsregel F2 unter mindestens einer Interpretation I gültig sind. 

Die Wirkungsweise von Integritätsregeln wird im Folgenden anhand von Beispielen verdeutlicht. 

Überprüft wird zunächst die Zulässigkeit der Formel: 

hinsichtlich der Integritätsregel: 

F1 ⇔ P1(t1,t2) 

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 

P 1 und P 2 an den entsprechenden Argumentstellen typisiert sind. Darüber hinaus wird durch Bezugnahme auf die 

Modellrelation hervorgehoben, dass sich die exemplarische Inferenzregelanwendung auf gültige Formeln in der Anzedenz- 

Komponente des Ableitungsschemas der metasprachlichen (prädikatenlogischen) Inferenzregel des Modus ponens erstreckt und 

daher – infolge der „Wahrheitserhaltung“ aller Inferenzregeln eines vollständigen und korrekten Inferenzkalküls – eine neue 

gültige Konklusions-Formel erzeugt. Dies ist im hier aktuellen Argumentationskontext hilfreich, weil kurz zuvor speziell auf 

Fakten als Formeln Bezug genommen wurde, die Wissen über einen Realitätsausschnitt repräsentieren und aus dem Blickwinkel 

der formalen Semantik gültig sind. Allerdings wird im Allgemeinen bei der Anwendung von Inferenzregeln aus zwei mindestens 

Gründen nicht explizit auf die Gültigkeit von Formeln Bezug genommen. Erstens sind Inferenzregeln rein syntaktisch 

definiert, so dass sie ohne die Bezugnahme auf die semantische Qualität der Gültigkeit von Formeln auskommen. Zweitens 

braucht wegen der „Wahrheitserhaltung“ aller Inferenzregeln des Inferenzkalküls der Prädikatenlogik 1. Stufe die Gültigkeit 

von Formeln in Inferenzprozessen nicht explizit thematisiert zu werden, wenn davon ausgegangen werden kann, dass das zu Inferenzbeginn 

vorliegende Formelsystem gültig ist. Die letztgenannte Prämisse liegt „praktisch“ allen prädikatenlogisch fundierten 

Wissensrepräsentationen zugrunde. Aus den beiden vorgenannten Gründen wird bei der Anwendung der rein syntaktisch 

definierten Inferenzregeln im Allgemeinen auf die explizite Angabe der Gültigkeit von Formeln in ihren Antezedenz- und ihren 

Konklusions-Komponenten verzichtet. Dies wird auch später im Kapitel 2.4 der Fall sein.


F2 ⇔ ∀x1,x2: P1(x1,x2) → ¬P2(x1,x2). 

Die Formel F1 ist bezüglich der Integritätsregel F2 zulässig. Denn die Gültigkeiten der Formeln F1 

und F2 in einer SIG-Struktur A unter einer Interpretation I schließen sich nicht gegenseitig aus. Ebenso 

ist die Formel: 

F3 ⇔ P2(t1,t2) 

bezüglich der Integritätsregel F2 zulässig. Auch hierbei gilt, dass sich die Gültigkeiten der Formeln 

F1 und F3 in einer SIG-Struktur A unter einer Interpretation I gegenseitig nicht ausschließen. Wenn 

hingegen die Formelmenge: 

FM ⇔ {F1,F3} 

betrachtet wird, liegt eine Unzulässigkeit bezüglich der Integritätsregel F2 vor, da die Gültigkeit der 

Integritätsregel F2 in einer SIG-Struktur A unter einer Interpretation I die Gültigkeit der Formelmenge 

FM in A unter I ausschließt. Dieses Ausschlussverhältnis offenbart sich darin, dass die erweiterte 

Formelmenge FM’={F1,F2,F3} einen logischen Widerspruch enthalten würde: Aus den 

Gültigkeiten der Formeln F1 und F2 lässt sich mittels der Inferenzregel des Modus ponens die Gültigkeit 

der Formel ¬P2(t1,t2) ableiten. Dies widerspricht offensichtlich der Gültigkeit der Formel F3 

⇔ P2(t1,t2). 

Zu beachten ist, dass für eine Überprüfung, ob sich Formeln im Hinblick auf Integritätsregeln als 

zulässig erweisen, nicht nur variablenfreie Formeln in Betracht kommen, wie es von den o.a. Beispielen 

suggeriert werden könnte. Stattdessen kann mit der Hilfe von Integritätsregeln durchaus 

auch die Zulässigkeit von Formeln überprüft werden, die Variablen in ihren Argumenten aufweisen. 

Von besonderem Interesse sind solche Formeln, in denen alle Variablen mittels Quantoren gebunden 

sind. Dieser Formeltyp wird beispielsweise im Allgemeinen für die Formulierung von Inferenzregeln 

verwendet. Daher kann auch die Zulässigkeit von Inferenzregeln bezüglich Integritätsregeln 

überprüft werden. Beispielsweise ist die Formel: 

F4 ⇔ ∀x1,x2: P1(x1,x2) → P3(x2,x1) 

bezüglich der o.a. Integritätsregel F2 zulässig. Die Gültigkeit der Integritätsregel F2 in einer SIG- 

Struktur A unter einer Interpretation I schließt nämlich die Gültigkeit der Formel F4 in A unter I 

nicht aus. Die Formel: 

F5 ⇔ ∀x1,x2: P1(x1,x2) → P2(x1,x2) 

ist hingegen bezüglich o.a. Integritätsregel F2 unzulässig. Denn bei Gültigkeit der Integritätsregel F2 

in einer SIG-Struktur A unter einer Interpretation I kann nicht zugleich die Formel F5 ebenso in A 

unter I gültig sein, weil die Formel F5 in ihrer Konklusion der Konklusion aus der Integritätsregel F2 

offensichtlich widerspricht. 

Schließlich ist darauf hinzuweisen, dass den Inferenz- und Integritätsregeln mit Hilfe der sprachspezifischen 

Definitionsfunktionen deflan aus der Funktionenfamilie deff natürlichsprachliche Erläuterungen 

zugewiesen werden können. Im Argumentbereich jeder sprachspezifischen Definitionsfunktion 

deflan werden nämlich alle Formeln über einer ontologischen Signatur und somit auch alle 

Elemente der beiden Regelmengen INF und INT zugelassen. Dies kann dazu genutzt werden, um 

die „umgangssprachliche Bedeutung“ von Inferenz- und Integritätsregeln zu verdeutlichen, wenn 

die formalsprachliche Regelformulierung mit prädikatenlogischen Ausdrucksmitteln für Ontologieanwender 

in der betrieblichen Praxis intransparent anmutet. Ein Beispiel für eine solche Transparenz 

schaffende Regelerläuterung wurde bereits im Kapitel 1.3.2.3.3 vorgestellt (S. 262).


1.3.2.5 Kritische Würdigung 

Mit dem vorliegenden Beitrag wurde ein formalsprachlich präzisiertes Verständnis für Ontologien 

präsentiert. Nach Ansicht der Verfasser ist eine solche formale Präzisierung notwendig, um die 

noch jungen Forschungsgebiete der Ontologien und der ontologiebasierten Wissensmanagementsysteme 

nicht der Gefahr auszusetzen, durch „vollmundige“, vorgeblich „praxisnahe“, rein natürlichsprachlich 

verfasste Beiträge zum Wissensmanagement verwässert zu werden. An dieser Stelle mag 

es ausreichen, an das bedenklich stimmende Zerrbild zu erinnern, das in den achtziger und neunziger 

Jahren seitens der populären Wissensmanagementliteratur mit großer Euphorie über die „Segnungen“ 

von Expertensystemen verbreitet wurde. 

Wenn die Komponenten, aus denen Ontologien aufgebaut sind und mit denen sich Ontologien interpretieren 

lassen, mit einer präzisen, formalsprachlichen Argumentation untermauert werden, 

kann eine Abgrenzung zu alternativen Konzeptionen des Wissensmanagements erfolgen, die bei einer 

rein natürlichsprachlichen Argumentation an den Defekten der Vagheit und Mehrdeutigkeit zu 

leiden hätte. Jeder Versuch, die Grundlagen ontologiebasierter Modellierung rein natürlichsprachlich 

beschreiben zu wollen, ist zudem unweigerlich denjenigen Vorwürfen ausgesetzt, die für eine 

ontologiebasierte Modellierung sprechen. Es sind nämlich gerade die Allgemeinheit und die Präzision 

formalsprachlicher Wissensmodellierung, 140) die Ontologien insbesondere von nicht- oder semi-formalen 

Modellierungsmethoden abheben. Außerdem müssten sich Befürworter von Ontologien 

141) vorhalten lassen, sich in einen performativen Selbstwiderspruch zu verwickeln, wenn sie einerseits 

in Argumentationen über Ontologien ihr „Metamodell“ von Ontologien lediglich natürlichsprachlich 

beschreiben würden, andererseits jedoch mit Ontologien – zumindest implizit – den Anspruch 

verbinden, die Verwendung sprachlicher Ausdrucksmittel zur Spezifikation der Konzeptualisierung 

von Realitätsausschnitten auf ein allgemein verständliches 142) , formalsprachlich präzisiertes 

Fundament zu stellen. Da Ontologien als sprachliche Artefakte selbst einen Ausschnitt der (sozialen) 

Realität bilden, wäre es in sich widersprüchlich, ihre Spezifikation nicht dem gleichen Anspruch 

formalsprachlicher Allgemeinheit und Präzision zu unterwerfen. 

140) Die Präzision formalsprachlicher Modellierungsmethoden wird gemeinhin nicht bestritten. Zweifel könnten hingegen hinsichtlich 

ihrer Allgemeinheit erhoben werden. Dennoch verfechten die Verfasser offensiv den Allgemeinheitsanspruch formalsprachlicher 

Modellierungsmethoden. Zugunsten dieses Anspruchs lässt sich anführen, dass formalsprachliche Methoden – einschließlich 

der Artefakte, die durch ihre Anwendung „produziert“ werden, – über alle Sprachbarrieren hinweg, insbesondere im internationalen 

Wissensaustausch eine Basis gemeinsamer Verständigung bilden. Dies betrifft nicht nur Ingenieur- und Naturwissenschaften, 

sondern auch – sogar in deutlich zunehmender Verbreitung – u.a. die Sozial- und Wirtschaftswissenschaften. Darüber 

hinaus hat sich speziell die Prädikatenlogik zu einer Art „lingua franca“ entwickelt, die über die Grenzen der einzelnen realwissenschaftlichen 

Disziplinen hinweg bis hin zu den Fundamenten der Erkenntnis- und Wissenschaftstheorie sowie der Analytischen 

Philosophie als eine gemeinsame, allgemein verständlich Sprachbasis akzeptiert wird. Auch aus diesem Grund haben 

sich die Herausgeber dieses Werks in der Konzipierungsphase des KOWIEN-Verbundprojekts von vornherein für eine prädikatenlogisch 

basierte Wissensmodellierung entschieden. 

141) Die Vorhaltung eines performativen Selbstwiderspruchs betrifft allerdings nur Anhänger eines formalsprachlichen Ontologieverständnisses. 

Es wurde bereits im Kapitel 1.3.1.1.3 (S. 145 u 155) dargelegt, dass durchaus Auffassungen vertreten werden, 

die Ontologien auch als natürlichsprachliche Spezifikationen der Konzeptualisierung von Realitätsausschnitten zulassen. Da in 

diesem Kapitel jedoch für das KOWIEN-Verbundprojekt ein klares Bekenntnis zugunsten eines strikten, formalsprachlichen 

Ontologieverständnisses erfolgte, müssen die Verfasser hier die Gefahr eines performativen Selbstwiderspruchs für ihre eigene 

Grundsatzposition anerkennen. 

142) Die Allgemeinheit des Fundaments reicht so weit, dass sich die o.a. Verwendung sprachlicher Ausdrucksmittel nicht nur auf 

Menschen (Wissensmanager, Wissenschaftler usw.) erstreckt, sondern ebenso auf Computer als „maschinelle Akteure“. Mit 

dieser Reichweite übertreffen formalsprachliche Modellierungsmethoden (einschließlich der Argumente aus der vorletzten 

Fußnote) alle alternativen Modellierungsmethoden.


Dennoch sind sich die Verfasser darüber im Klaren, dass die formalsprachliche Präzisierung des 

Ontologieverständnisses eine starre Struktur vorgibt, von der „im Prinzip“ nicht abgewichen werden 

kann. Gerade unter pragmatischen Gesichtspunkten – angefangen von der computerbasierten 

Implementierung von Ontologien mittels „real existierender“ Software für das Editieren und Analysieren 

von Ontologien bis hin zu ihrer Gestaltung und Anwendung im betrieblichen Alltag durch 

Benutzer von Wissensmanagement-, insbesondere Kompetenzmanagementsystemen – erscheint es 

allerdings oftmals als notwendig, Kompromisse einzugehen, um die Akzeptanz und Praktikabilität 

von Ontologien zu gewährleisten. 

Beispielsweise sind die derzeit verfügbaren Inferenzmaschinen, die für die Verarbeitung von Ontologien 

und für ontologiebasierte Wissensmanagementsysteme in Frage kommen, zumeist auf prädikatenlogische 

Horn-Klauseln beschränkt. Auch wenn Horn-Klauseln oftmals für Zwecke der Ontologiekonstruktion 

ausreichen, werden Anwendungsfälle ausgeschlossen, in denen die syntaktischen 

Einschränkungen von Horn-Klauseln durch die Inferenz- oder Integritätsregeln einer Ontologie 

nicht erfüllt werden. Darüber hinaus verfügen aktuell diskutierte Sprachen zur Konstruktion von 

Ontologien – wie z.B. F-Logic, RDF(S), DAML+OIL und OWL – nicht immer über die metasprachlichen 

Ausdrucksmittel, die in diesem Beitrag für Ontologien vorgestellt wurden. 143) In Logik-basierten 

Sprachen, wie z.B. F-Logic, bereitet dieser Aspekt weniger Probleme. Dort können 

die metasprachlichen Defizite durch objektsprachliche Inferenz- und Integritätsregeln ausgeglichen 

werden. Die weiteren zuvor aufgeführten Sprachen, also z.B. RDF(S), DAML+OIL und OWL, lassen 

dagegen die Spezifikation regelartiger Zusammenhänge zurzeit (noch) nicht zu. Aus den vorgenannten 

Gründen – die sich bei detaillierterer Analyse vermehren ließen – liegt hinsichtlich der 

praktischen Konstruktion von Ontologien zurzeit noch eine deutlich zu beklagende „Implementierungslücke“ 

vor. Leider erweist es sich oftmals als notwendig, eine Ontologie an die Einschränkungen 

der konkreten Implementierungsumgebung anzupassen, obwohl Implementierungsumgebungen 

„eigentlich“ die Konstruktion so weit „unterstützen“ sollten, dass sich die Konstrukteure auf die Inhalte 

des jeweils zu repräsentieren Wissens über einen konzeptualisierten Realitätsausschnitt konzentrieren 

können, ohne sich mit „Tricks“ zur Umgehung der Implementierungsbeschränkungen 

„herumschlagen“ zu müssen. 

Schließlich ist selbstkritisch einzuräumen, dass das Bemühen um eine formalsprachliche Präzisierung 

des Ontologieverständnisses nicht nur, aber auch im KOWIEN-Verbundprojekt zu einem formalsprachlichen 

„Apparat“ geführt hat, der als „intransparent“ und „komplex“ empfunden werden 

kann. Dies lässt Akzeptanzhürden bei Rezipienten befürchten, die kein „hinreichendes“ Vorverständnis 

für formalsprachliche, insbesondere prädikatenlogisch basierte Wissensmodellierungen 

einbringen können oder wollen. Insbesondere im Bereich der Betriebswirtschaftslehre und auch auf 

Seiten der betrieblichen Praxis muss mit solchen Akzeptanzhürden gerechnet werden. Daher plädieren 

die Verfasser dafür, den formalsprachlichen „Kern“ einer Ontologie, wie er in diesem Beitrag 

entfaltet wurde, zumindest vor den Anwendern von Wissensmanagementsystemen in der betrieblichen 

Praxis unter einer benutzerfreundlichen „Oberfläche“ zu verbergen. Eine solche Benutzeroberfläche 

sollte sich durch möglichst weit reichende Natürlichsprachlichkeit und graphische Visualisie- 

143) Zwar werden von den vorgenannten Ontologiesprachen teilweise weitere metasprachliche Ausdrucksmittel zur Verfügung gestellt, 

die im vorliegenden Beitrag nicht berücksichtigt wurden. Allerdings erreichen sie bei Weitem nicht diejenige Ausdrucksmächtigkeit, 

die im vorliegenden Beitrag durch die Definierbarkeit beliebiger prädikatenlogischer Formeln (1. Stufe) 

aus der Menge FORM über einer ontologischen Signatur realisiert wird. Beispielsweise scheitern heute verfügbare Ontologiesprachen 

bereits daran, prädikatenlogische Formeln mit mehr als zwei Argumentstellen ausdrücken und verarbeiten zu können. 

Dies bereitet insbesondere bei der Repräsentation von Wissen über Kompetenzen erhebliche Probleme. Auf diesen Spezialaspekt 

wird im Kapitel 2.4.3.1.2.1 ausführlicher eingegangen (S. 493 ff.).


rungen auszeichnen. Zwei Ansätze zur natürlichsprachlichen „Anreicherung“ von Ontologien wurden 

in diesem Beitrag anhand von Bezeichnungs- und Definitionsfunktionen vorgestellt. Zu anderen 

Ansätzen, die sich um benutzerfreundliche Visualisierungen von Ontologien kümmern, gehören u.a. 

Ontologieeditoren mit einer hyperbolischen Benutzerschnittstelle, wie sie beispielsweise im Softwaretool 

OntoEdit realisiert ist.


Eine darstellende Untersuchung 




DIPL.-WIRT.-INF. SUSANNE APKE 

Deutsche Montan Technologie GmbH 

1.4.1 Arten von Vorgehensmodellen 

Vorgehensmodelle werden als allgemeine Anleitungen für die Abwicklung von Aufgaben eingesetzt, 

um die Planung, Durchführung und Kontrolle von vergleichbaren Problemlösungsprozessen 

zu erleichtern und die Wiederverwendung von Wissen zu unterstützen. Sie definieren die bei einem 

Prozess durchzuführenden Aktivitäten, ihre Reihenfolge, die dabei entstehenden Artefakte, die daran 

beteiligten Personen und weitere benötigte Ressourcen (wie etwa die benötigte technische Ausstattung, 

zeitliche Restriktionen und finanzielle Mittel). Sie legen somit den organisatorischen 

Rahmen für die Abwicklung von Aufgaben, wie etwa Projekten, fest. Insbesondere beziehen sich 

die Verfasser auf Vorgehensmodelle, die die Aktivitäten in den verschiedenen Phasen eines Software-Projekts 

über dessen Lebenszyklus widerspiegeln. 

Der Einsatz von Vorgehensmodellen lässt folgende Punkte der Nutzenstiftung anführen: 

• Vergleichbarkeit mit erfolgreichen vergangenen Projekten ergibt eine Planungssicherheit 

für zukünftige Projekte, 

• Effizienz in Bezug auf Reduzierung von Redundanzen und Nachbearbeitungen wird gewährleistet, 

• Kostenreduzierung wird ermöglicht durch ein frühzeitiges Reagieren auf Abweichungen, 

• durch kontrolliertes Vorgehen wird Qualität gesichert und 

• Transparenz bei Eigenentwicklungen ermöglicht das Nachvollziehen gefällter Entscheidungen 

für Dritte, die z.B. später in den Konstruktionsprozess einsteigen. 

In der Erforschung softwaretechnischer Systeme lässt sich eine Untermengenbeziehung bezüglich 

der Anwendung von Vorgehensmodellen für die Zwecke des Projekts KOWIEN ausmachen: 

• Vorgehensmodelle aus dem Software Engineering (SE), 

• Vorgehensmodelle aus dem Knowledge Engineering (KE) und 

• Vorgehensmodelle aus dem Ontology Engineering (OE). 

Das Software Engineering befasst sich allgemein mit der Entwicklung von Software auf der Grundlage 

ingenieurmäßiger Entwicklungsmethoden. Innerhalb der Softwareentwicklung konzentriert 

sich das Knowledge Engineering auf die Entwicklung wissensbasierter Systeme, d.h. auf Systeme, 

die zur Zielsetzung haben, Wissen mittels Computer zu verarbeiten. Innerhalb der Entwicklung wissensbasierter 

Systeme konzentriert sich das Ontology Engineering auf die Konzeptualisierung des 

Wissens einer speziellen Domäne und die formalsprachige Repräsentation dieser Konzeptualisierung. 

Ontologien werden dabei als formalsprachliche Spezifikationen der sprachlichen Ausdrucks-

278 1.4 Vorgehensmodelle zur Konstruktion von Ontologien 

mittel einer Konzeptualisierung verstanden. 1) Die erwähnte Dreiteilung wird durch den Aufbau dieses 

Kapitels widergespiegelt. 

Das Ziel dieses Kapitels ist es, einen Überblick über Vorgehensmodelle aus den drei Bereichen zu 

geben. Hierzu werden die charakteristischen Merkmale ausgewählter Vorgehensmodelle erläutert 

sowie hinsichtlich ihrer Vor- und Nachteile diskutiert. Diese Analyse dient als Grundlage für das im 

Projekt KOWIEN zu entwickelnde Vorgehensmodell zur Konstruktion eines ontologiebasierten 

Kompetenzmanagementsystems. 

1.4.2 Vorgehensmodelle des Software Engineerings 

1.4.2.1 Einführung 

Das Software Engineering befasst sich mit der Anwendung von ingenieurmäßigen Prinzipien bei 

der Erstellung von Software. 2) Durch den Einsatz von ingenieurmäßigen Prinzipien werden bei der 

Erstellung von Software die Ziele verfolgt, die vorgenannten Nutzen stiftenden Punkte zu erreichen. 

Von der Forschungsdisziplin des Software Engineerings wird erwartet, dass sie Methoden und 

Werkzeuge bereitstellt, die es erlauben, 

• einerseits technische Probleme (Spezifikation, Entwurf und Implementierung von Software) 

und 

• andererseits organisatorische Probleme (Projektorganisation und Schnittstellenmanagement 3) ), 

die bei der Erstellung von Software auftreten können, zu lösen und damit die intendierten Ziele zu 

erreichen. 

Im Bereich des Software Engineerings werden Vorgehensmodelle in vielfältigen Variationen beschrieben. 

4) Dabei wird in diversen Vorgehensmodellen ein idealisierter Ablauf des Softwareentwicklungsprozesses 

vorgestellt. In diesen Vorgehensmodellen wird der Entwicklungsprozess in für 

sich überschaubare Phasen zerlegt 5) , wodurch die Planung, Durchführung und Kontrolle eines 

Software-Projekts ermöglicht werden sollen. Die gesamten Phasen und die Ordnung ihrer zeitlichen 

Reihenfolge beschreibt man als Software-Life-Cycle. 6) 

Die Vorgehensmodelle aus dem Software Engineering sind eine spezielle Form von Referenzmodellen 

7) , denn Vorgehensmodelle enthalten Empfehlungen. 

1) Für eine genauere Definition des Begriffs „Ontologien“ vgl. GRUBER (1993) und für eine Definition aus Sicht der Verfasser vgl. 

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.). 

2) Vgl. SOMMERVILLE (2001) S. 6 f.; BULLINGER/FÄHNRICH (1997) S. 6. 

3) Schnittstellenmanagement bezieht sich hier auf den ungehemmten, vollständigen Informationsfluss zwischen beispielsweise 

funktional getrennten Organisationseinheiten eines Unternehmens. 

4) Vgl. für einen Überblick über Vorgehensmodelle aus dem Software Engineering BULLINGER/FÄHNRICH (1997) S. 6 ff.; POMBER- 

GER/BLASCHEK (1993) S. 17 ff.; SOMMERVILLE (2001) S. 42 ff. u. 171 ff.; WANG, Y. (2002) S. 280 ff. 

5) Sämtliche Vorgehensmodelle lassen sich dabei in der Regel auf die vier groben Prozessphasen Analyse, Entwurf, Realisierung 

und Einführung zurückführen oder auf Teilphasen hiervon. 

6) Vgl. zum Begriff Software-Life-Cycle POMBERGER/BLASCHEK (1993) S. 18 f. und das folgende Kapitel. 

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 

1.4.2.2 Ausgewählte Ansätze des Software Engineerings 

1.4.2.2.1 Das sequentielle Software-Life-Cycle-Modell 

Mit dem Begriff des Software-Life-Cycle ist die Vorstellung einer Zeitspanne von der Entwicklung 

über den Einsatz von Software bis zum Ende der Benutzung der Software verbunden. In Abbildung 

20 ist das klassische sequentielle Phasenmodell 8) , der Software-Life-Cycle, wiedergegeben. 

Problemanalyse 

und 

Planung 

Systemspezifikation 

System- und 

Komponentenentwurf 

Implementierung 

und 

Komponententest 

Abbildung 20: Das Software-Life-Cycle-Modell 9) 

Systemtest 

Betrieb 

und 

Wartung 

Das sequentielle Software-Life-Cycle-Modell besteht aus den Phasen Problemanalyse und Planung, 

Systemspezifikation, System- und Komponentenentwurf, Implementierung und Komponententest, 

Systemtest, Betrieb und Wartung. Der Grundgedanke des sequentiellen Software-Life-Cycle- 

Modells ist, dass für jede der oben aufgeführten Phasen klar zu spezifizieren ist, welche Ergebnisse 

erwartet werden. Eine neue Phase wird erst dann begonnen, wenn die vorhergehende Phase abgeschlossen 

ist. 

Im Folgenden werden die Ziele der Phasen beschrieben: 10) 

1. Problemanalyse und Planung: 

Das Ziel der Problemanalyse und Planung ist es, den Aufgabenbereich der zu entwickelnden 

Software festzustellen und zu dokumentieren. Zu der Problemanalyse und Planung gehört auch 

die Bestimmung der finanziellen, personellen, technischen sowie zeitlichen Ressourcen, die zur 

Realisierung des Software-Projekts erforderlich sind. 

2. Systemspezifikation: 

In der Phase der Systemspezifikation wird zwischen dem Auftraggeber und dem Softwareentwickler 

festgelegt, was die zu entwickelnde Software leisten soll und welche Vorbedingungen 

für ihre Realisierung gelten. Die Anforderungen an die Software lassen sich in funktionale und 

nicht-funktionale Anforderungen unterteilen. 

Die funktionalen Anforderungen definieren die vom Benutzer erwarteten Systemfunktionen. 

Nicht-funktionale Anforderungen werden ebenfalls zumeist vom Benutzer an das System gestellt, 

berühren die eigentliche Funktionalität des Systems jedoch nicht. Diese Anforderungen 

8) Vgl. dazu POMBERGER/BLASCHEK (1993) S. 18 ff.; SCACCHI (2001) S. 998 f. 

9) In Anlehnung an POMBERGER/BLASCHEK (1993) S. 18. Um eine Vergleichbarkeit der in diesem Kapitel vorgestellten Vorgehensmodelle 

zu gewährleisten, wird versucht, die Ansätze in eine einheitliche Modelldarstellung zu transferieren. Da der Fokus 

auf der Vergleichbarkeit liegt, wird auf eine genaue Transformation zu Gunsten der besseren Lesbarkeit verzichtet. Dies bringt 

mit sich, dass zumeist lediglich gestrichelte Kanten mit der Hauptflussrichtung verwendet werden, um den übergeordneten Bezug 

darzustellen. Des Weiteren werden einzelne Phasen (auch Hauptphasen und Aktivitäten) durch abgerundete Kästchen dargestellt. 

Die Darstellung erfolgt gemäß den Quellen und soll jeweils lediglich der Orientierung dienen. Für eine genauere Darstellung 

(falls vorhanden) sei auf die betreffenden Quellen verwiesen, die in den jeweiligen Unterkapiteln angegeben werden. 

10) Vgl. für die einzelnen Phasen POMBERGER/BLASCHEK (1993) S. 18 ff.


werden zumeist implizit durch den Benutzer präsupponiert, wie z.B. eine hohe Zuverlässigkeit, 

größtmögliche Sicherheit und Portabilität sowie gewünschte Antwort- und Verarbeitungszeiten 

der Anwendung. Darüber hinaus enthalten die nicht-funktionalen Anforderungen die Spezifikation 

der Formen, in der die Benutzer mit der Software kommunizieren (Benutzerschnittstelle). 

Als ein Kontrakt zwischen Auftraggeber und Auftragnehmer muss die Systemspezifikation für 

die Beteiligten verständlich formuliert sein. Als Grundlage für die Kommunikation zwischen 

Auftraggeber und Auftragnehmer, die aus unterschiedlichen Erfahrungskontexten stammen 

können (z.B. betriebswirtschaftlich ausgebildeter Manager versus technisch orientierter Informatiker), 

wurden Artefakte, wie beispielsweise semi-formale Modellierungssprachen entwickelt, 

die eine Kommunikation ermöglichen sollen. 11) 

3. System- und Komponentenentwurf: 

Das Ziel dieser Phase ist es festzulegen, welche Systemkomponenten entwickelt oder erworben 

werden müssen, um die in der Systemspezifikation identifizierten Anforderungen abzudecken. 

Dabei stellt der Entwurf der Systemarchitektur die wichtigste Tätigkeit dar. Die Systemkomponenten 

werden durch den Entwurf ihrer Schnittstellen, die Festlegung ihrer Interdependenzen, 

die Spezifikation ihres zugrunde liegenden logischen Datenmodells und den Entwurf ihrer algorithmischen 

Struktur spezifiziert. 

4. Implementierung und Komponententest: 

Das Ziel der Implementierung ist es, die Ergebnisse formalsprachlich umzusetzen, die im System- 

und Komponentenentwurf enthalten sind, und damit auf dem Rechner ausführbar zu machen. 

5. Systemtest: 

Das Ziel des Systemtests ist es, die Interdependenzen der Softwarekomponenten unter realen 

Bedingungen zu prüfen, mögliche Fehler zu entdecken und zu beheben sowie zu gewährleisten, 

dass die Systemimplementierung die funktionalen und nicht-funktionalen Anforderungen erfüllt. 

Es wird sowohl verifiziert als auch validiert. Die Verifikation überprüft dabei den „korrekten“ 

Ablauf der Anwendung und die Validation überprüft die „Korrektheit“ der ausgegebenen 

Ergebnisse unter Berücksichtigung der Anforderungen, die an das System gestellt wurden. 

6. Betrieb und Wartung: 

Bei dieser Phase handelt es sich zeitlich gesehen um die längste Teilphase des Software-Life- 

Cycles. Nach Abschluss des Systemtests wird die Software zur Anwendung freigegeben. Die 

Aufgabe der Wartung ist es, Fehler, die erst während des Betriebs der Software auftauchen, zu 

beheben sowie Erweiterungen der Software vorzunehmen. 

11) Ein Beispiel für ein derartiges Artefakt ist die Unified Modeling Language (UML). UML stellt semi-formale sprachliche Ausdrucksmittel 

bereit, mit denen der Auftraggeber und der Auftragnehmer die Anforderungen an die zu entwickelnde Software 

eindeutig beschreiben können; vgl. zu UML im Rahmen der Anforderungsspezifikation für das Projekt KOWIEN ALAN 

(2002b) S. 13 ff.


1.4.2.2.2 Das Wasserfall-Modell 

Das Wasserfall-Modell ist eine Modifikation des sequentiellen Software-Life-Cycle-Modells. 12) 

Abbildung 21 zeigt das Wasserfall-Modell mit einem Top-Down-Vorgehen. 

Wie auch im sequentiellen Software-Life-Cycle-Modell werden hier die einzelnen Phasen als 

Gruppierungen von Aktivitäten verstanden, die jeweils vollständig bearbeitet und dokumentiert 

werden. 

System-Anforderungen 

Software-Anforderungen 

Analyse 

Entwurf 

Kodierung 

Abbildung 21: Das Wasserfall-Modell 13) 

Das Wasserfall-Modell als eine Verfeinerung des sequentiellen Software-Life-Cycle-Modells enthält 

zwei grundlegende Modifikationen: 14) 

Testen 

Betrieb 

• Rückkopplungen 15) zwischen den Phasen: Auf die strenge Sequentialisierung wird verzichtet. 

Stattdessen sind Rückkopplungen zwischen aufeinander folgenden Phasen vorgesehen. 

12) Vgl. zum Wasserfall-Modell ROYCE (1970). 

13) Vgl. BIETHAHN/MUKSCH/RUF (2000) S. 206. Bei dieser Darstellung finden sich die Phasen des vorangehenden Software-Life- 

Cycle-Modells in etwa folgend wieder: System- und Software-Anforderungen entsprechen der Problemanalyse und Planung; 

Analyse entspricht der Systemspezifikation; Entwurf entspricht dem System- und Komponentenentwurf; Kodierung entspricht 

der Implementierung und Komponententest; Testen entspricht Systemtest; Betrieb entspricht Betrieb und Wartung. 

14) Vgl. POMBERGER/BLASCHEK (1993) S. 24. 

15) Streng genommen findet sich die Rückkopplung erst in jüngeren Varianten des Wasserfall-Modells. In den ursprünglichen Versionen 

wurde eine Rückkopplung nicht vorgesehen. In diesem Sinne wäre es präziser, beim Wasserfall-Modell von einer Klasse 

von Modellen zu sprechen.


• Validierung: Der Software-Life-Cycle wird um die (experimentelle) Validierung der Phasenergebnisse 

erweitert. Jede einzelne Phase (beispielsweise Entwurf oder Kodierung) wird mit einer 

Validierung abgeschlossen; damit wird die Validierung des sequentiellen Software-Life-Cycles 

in die einzelnen Phasen integriert und zu einem kontinuierlichen Prozessmerkmal erweitert. 

Mit diesen beiden Modifikationen wird die streng sequentielle Vorgehensweise des klassischen 

Software-Life-Cycle-Modells aufgeweicht. Die Rückkopplungen insbesondere für die Systemspezifikation 

und den System- und Komponentenentwurf sowie die phasenweise Validierung sollen es 

ermöglichen, den Softwareentwicklungsprozess besser kontrollierbar zu gestalten. 

In Deutschland findet sich insbesondere das V-Modell als eine sehr verbreitete Adaption des Wasserfallmodells. 

16) 

1.4.2.2.3 Das prototypbasierte Software-Life-Cycle-Modell 

Im Unterschied zu den bisher vorgestellten Vorgehensmodellen unterscheidet sich das prototypbasierte 

Vorgehen durch die Überlappung bestimmter Phasen und der Ergebnisse in den Phasen. Die 

Phaseneinteilung bleibt zwar erhalten, jedoch mit dem Unterschied, dass die Phasen der Problemspezifikation 

und Planung sowie Systemspezifikation zeitlich überlappt ablaufen und die restlichen 

Phasen bis auf Betrieb und Wartung integriert werden. 17) Die Phasen sind somit nicht Teilabschnitte 

einer diskreten Softwareentwicklung. 

Die Erstellung einer vereinfachten Version der Software oder Softwarekomponente (Prototyp) ist 

ein iterativer Prozess: 18) Dabei werden die Phasen Prototyp-Spezifikation, -Konstruktion und -Test 

so lange wiederholt, bis der Benutzer den Prototyp akzeptiert. 

Anhand dieses Prototyps wird durch realen Einsatzbedingungen entsprechende Experimente untersucht, 

ob die Anforderungen erfüllt werden. Der Vorteil dieser Vorgehensweise liegt nahe: Schon 

frühzeitig kann der Benutzer ausprobieren, ob der Prototyp die Anforderungen an die Software erfüllt, 

und bei Bedarf können frühzeitig Änderungen vorgenommen werden. Das Risiko einer fehlerhaften 

und nicht vollständigen Spezifikation der Anforderungen wird reduziert. 

Es wird ein wesentlicher Unterschied zwischen dem klassischen Vorgehen und dem prototypbasierten 

Vorgehen deutlich: Während beim erstgenannten sehr spät – nachdem alle Spezifikations- 

und Entwurfsprozesse abgeschlossen sind – implementiert wird, wird dagegen beim letztgenannten 

sehr früh implementiert. 

16) Vgl. BRÖHL/DRÖSCHEL (1995) und für die KOWIEN-Zwecke APKE/DITTMANN (2003a), S 16 f. Das V-Modell zum Download 

findet sich unter: http://www.informatik.uni-bremen.de/gdpa/, Zugriff am 17.06.2004. 

17) Vgl. POMBERGER/BLASCHEK (1993) S. 25; WANG, Y. (2002) S. 282. 

18) Im Allgemeinen werden beim Prototyping (1) exploratives Prototyping, (2) experimentelles Prototyping und (3) evolutionäres 

Prototyping unterschieden; vgl. dazu SOMMERVILLE (2001) S. 171 ff.


1.4.2.2.4 Das Spiral-Modell 

Im Spiral-Modell 19) werden die bislang vorgestellten Vorgehensmodelle integriert (beispielsweise 

die Prototyp(fort)entwicklung durch separate Prozessschritte). Hierdurch wird die Möglichkeit geboten, 

eine den Anforderungen eines Projekts entsprechende Vorgehensweise auszuwählen. Die 

folgende Abbildung zeigt diese Variante des Software-Life-Cycle-Modells. 

Freigabe 

Ziele, 

Alternativen, 

Randbedingungen 

festlegen 

nächsten Schritt 

planen Planen 

Kumulative Kosten 

kumulative Kosten 

Prototyp 1 

Lebenszyklusplan 

Entwicklungsplan 

Integration 

und Testplan 

Schrittweises 

schrittweises 

Vorgehen 

Risikoanalyse 

Alternativen bewerten, 

Risiken identifizieren 

und auflösen 

Risikoanalyse 

RisikoanalyseRisikoanalyse 

Prototyp 2 Prototyp 3 

Vorgehenskonzept 

Software 

Anforderungen 

Validierung 

Der Anforderungen 

Entwurf 

Operationeller 

Prototyp 

DetailentwurfCodierungModultest 

Validierung und 

Verifikation des 

Entwurfs Integra- 

Produkt der nächsten 

tiontestInstallaAkzep- 

Stufe entwickeln und 

tanztion 

verifizieren 

test 

Abbildung 22: Das Spiral-Modell 20) 

Während die Ausdehnung der Spirale in Abbildung 22 den bis zu einem bestimmten Zeitpunkt entstandenen 

Gesamtaufwand wiedergibt, beziehen sich die Winkeldimensionen auf den Projektfortschritt 

in den jeweiligen Spiralzyklen. Das Spiral-Modell fasst den Entwicklungsprozess als iterativen 

Prozess auf, wobei jeder Zyklus folgende Aktivitäten enthält: 

19) Das Spiral-Modell geht auf BOEHM zurück; vgl. BOEHM (1988) und SOMMERVILLE (2001) S. 53 ff. 

20) In Anlehnung an BIETHAHN/MUKSCH/RUF (2000) S. 210.


1. Nächsten Schritt planen: 

Die Planung des ersten oder nächsten Schritts bei der Softwareentwicklung wird vollzogen. 

2. Ziele, Alternativen und Randbedingungen festlegen: 

In diesem Schritt erfolgt die Festlegung von Zielen, Alternativen und Randbedingungen als Anforderungen 

an das (Teil-) Produkt (im Sinne einer Anforderungsspezifizierung). 

3. Alternativen bewerten, Risiken identifizieren und auflösen: 

Die Alternativen zur Realisierung des (Teil-) Produkts werden entwickelt. Dabei werden Risiken 

und Restriktionen (Kosten- und Zeitrestriktionen sowie Interdependenzen mit anderen organisatorischen 

Einheiten) identifiziert. Im Anschluss erfolgt die Evaluation der identifizierten 

Lösungsalternativen hinsichtlich der Projektziele und unter dem Aspekt der Identifikation potenzieller 

Risikoquellen. Werden Risikoquellen identifiziert, schließen sich Maßnahmen zur 

Reduzierung des Risikos an. Hierbei kann insbesondere das Prototyping eingesetzt werden. 

4. Produkt der nächsten Stufe entwickeln und verifizieren: 

Das Produkt der ersten oder nächsten Stufe wird entwickelt und verifiziert. 

Dieses Vorgehen wird im Uhrzeigersinn fortgesetzt, und es folgt jeweils der nächste Schritt entsprechend 

dem klassischen Phasenmodell mit den zusätzlichen Aktivitäten je Zyklus: Risikoanalyse, 

prototypbasierte Validierung und Festlegung des Projektplans für den nachfolgenden Zyklus. 

Die Spirale endet, wenn der inkrementelle Entwicklungsprozess eine als fertig angesehene Software 

ergibt. 

1.4.2.3 Zusammenfassende Gegenüberstellung 

Ausgewählte Vorgehensmodelle aus dem Software Engineering wurden vorgestellt und es wurde 

dabei auf ihre Besonderheiten eingegangen. Im Folgenden werden die vorgestellten Vorgehensmodelle 

hinsichtlich ihrer Vor- und Nachteile kurz diskutiert. 

Das sequentielle Software-Life-Cycle-Modell bildet eine wichtige Grundlage für die ingenieurmäßige 

Entwicklung von Software. Der Vorteil dieses Vorgehensmodells liegt in seiner übersichtlichen 

Struktur, in der die wichtigsten Aktivitäten des Entwicklungsprozesses definiert und gegeneinander 

abgegrenzt werden. Dem stehen jedoch mehrere gravierende Nachteile gegenüber: 

• Das sequentielle Software-Life-Cycle-Modell basiert auf der Prämisse, dass die Anforderungen 

an die Software nach Abschluss der Spezifikationsphase vollständig erfasst sind. 

Angesichts der Komplexität der zu erstellenden Software ist eine vollständige Erfassung der 

Anforderungen der Benutzer zu diesem Zeitpunkt oft unmöglich. Änderungs- und Erweiterungswünsche 

ergeben sich erst mit dem wachsenden Verständnis für den Anwendungsbereich 

während des Softwareentwicklungsprozesses. 21) 

• Die strikte Trennung der einzelnen Phasen stellt zudem oft eine ungerechtfertigte Idealisierung 

dar. Denn in der Praxis lassen sich vielfältige Überlappungen der einzelnen Phasen feststellen. 

Außerdem sind die Interdependenzen komplexer, als es in dem sequentiellen Software-Life-Cycle-Modell 

dargestellt wird. 

21) Vgl. BIETHAHN/MUKSCH/RUF (2000) S. 202.


• Die sequentielle Vorgehensweise hat zur Konsequenz, dass erste spät „greifbare“ Ergebnisse 

erstellt werden, die unter realen Bedingungen evaluiert werden können. Dadurch werden Software-Fehler 

oder Änderungswünsche der Auftraggeber meist erst sehr spät identifiziert und 

können nur unter hohen Kosten berücksichtigt werden. 

Das Wasserfall-Modell hat gegenüber dem sequentiellen Software-Life-Cycle-Modell zum einen 

den Vorteil, dass am Ende einer jeden Phase eine Validierung vorgesehen ist. Hierdurch können die 

Phasenergebnisse hinsichtlich ihrer Korrektheit und Vollständigkeit überprüft und bei Bedarf angepasst 

werden. Zum anderen sind im Wasserfall-Modell Rückkopplungen zu vorangegangenen Phasen 

vorgesehen, so dass nachträglich neue Erkenntnisse aus nachfolgenden Phasen in vorangegangene 

Phasen(ergebnisse) integriert werden können. 22) 

Wie auch am sequentiellen Software-Life-Cycle-Modell lässt sich am Wasserfall-Modell kritisieren, 

dass die Spezifikation der Anforderungen nur in der Entwurfsphase vorgesehen ist, abgesehen 

von der Rückkopplungsmöglichkeit aus der Analysephase, und dass die Benutzer in den Softwareentwicklungsprozess 

nicht weiter involviert werden. 

Das prototypbasierte Vorgehen bietet gegenüber den zuvor vorgestellten Vorgehensmodellen den 

Vorteil, dass eine frühzeitige Entwicklung der Software oder der Softwarekomponenten beabsichtigt 

wird. Hierdurch kann schon frühzeitig der Prototyp unter realen Bedingungen hinsichtlich der 

gewünschten Anforderungen der Benutzer getestet und bei Bedarf modifiziert werden. Jedoch kann 

die wiederholte Entwicklung von Prototypen für eine Systemkomponente insbesondere bei großen 

Software-Projekten erhebliche Kosten verursachen. 

Im Spiral-Modell wird versucht, die Stärken der anderen Vorgehensmodelle durch Integration oder 

Behandlung als Sonderfälle zu berücksichtigen und durch deren Kombination die Schwächen abzumildern. 

Die Vorteile des Spiral-Modells liegen in der expliziten Berücksichtigung des Risikos 

innerhalb des Softwareentwicklungsprozesses. So können schon frühzeitig durch die Entwicklung 

von Prototypen ungeeignete Lösungsvarianten identifiziert und Software-Fehler beseitigt werden. 

In der folgenden Tabelle 2 sind die vorgestellten Vorgehensmodelle des Software Engineerings synoptisch 

gegenübergestellt. 

22) Abgesehen von der ersten Phase, für die mangels Objekt keine Rückkopplung vorgesehen wurde.


Modellart 

Sequentielles 

Software- 

Life-Cycle- 

Modell 

Wasserfall- 

Modell 

Prototypbasiertes 

Software- 

Life-Cycle- 

Modell 

Entwicklungsprozess 

sequentiell 

sequentiell 

mit Rückkopplungen 

aufeinander 

folgender 

Phasen 

iterativ 

Spiral-Modell iterativ 

Vorteile Nachteile 

• Zerlegung des Entwicklungsprozesses 

in zeitlich 

getrennte Abschnitte. 

• Planung und Überwachung 

werden leichter kontrollierbar. 

• Komplexitätsbewältigung 

durch Aufgabenteilung. 

• Validierung der Phasenergebnisse. 

• Rückkopplung zu vorhergehenden 

Phasen bei Vorliegen 

von neuen Erkenntnissen 

und Identifikation von 

Fehlern. 

• Frühe Implementierung eines 

vorläufigen Prototyps, 

so dass Änderungen und 

Fehler identifiziert und angepasst 

oder behoben werden 

können. 

• Validierung der Phasenergebnisse. 

• Berücksichtigung des Risikos 

des Softwareentwicklungsprozesses. 

• Softwareentwicklung ist kein 

sequentieller Prozess, sondern 

jede einzelne Phase kann zu 

Rückwirkungen auf frühere 

Phasen führen. Das sequentielle 

Vorgehen spiegelt nicht die 

Gegebenheiten der Softwareentwicklung 

wider. 

• Es wird von einer korrekten 

und abgeschlossenen Anforderungsspezifikationausgegangen. 

Hierbei wird nicht berücksichtigt, 

dass es zu Missverständnissen 

zwischen Auftraggeber 

und -nehmer kommen 

kann, die nachträglich revidiert 

werden müssen. 

• Da eine lauffähige Version 

erst am Ende des Entwicklungsprozesses 

vorliegt, wird 

die Beseitigung von Fehlern 

aufwendig und teuer. 

• Siehe Nachteile des sequentiellen 

Software-Life-Cycle- 

Modells. 

• Keine theoretische Systematik, 

die den Entwicklungsprozess 

mit Erfahrungswissen unterstützt. 

• Eignet sich nur zur Durchführung 

sehr komplexer, großer 

Entwicklungsprojekte. 

Tabelle 2: Synopse über Vorgehensmodelle des Software Engineerings


1.4.3 Vorgehensmodelle des Knowledge Engineerings 


Knowledge Engineering umfasst alle Tätigkeiten und Überlegungen zur Erfassung, Verwaltung, 

Verwendung und Transformation von Wissen. 23) Das Knowledge Engineering unterscheidet bei der 

Entwicklung wissensbasierter Systeme hauptsächlich eine Phase der Wissensakquisition und eine 

Phase der Wissensverwendung. 24) Die Wissensakquisition unterscheidet wiederum hauptsächlich 

die Phasen Wissenserhebung, Wissensinterpretation und Wissensoperationalisierung. Bei der Wissenserhebung 

wird primär das gemäß den Anforderungen relevante Wissen mittels für den Einzelfall 

geeigneter Erhebungstechniken festgestellt. In der Phase der Wissensinterpretation wird von 

den Entwicklern das ermittelte Wissen hinsichtlich der grundlegenden Strukturen und möglicher 

Schlussfolgerungsprozesse untersucht. Die anschließende Phase, in der die Ergebnisse der Interpretationsphase 

als Wissen in ein lauffähiges Computersystem implementiert werden, wird als Wissensoperationalisierung 

bezeichnet. 

Die im vorhergehenden Kapitel untersuchten Phasenmodelle des Software Engineerings lassen sich 

insgesamt für die Neuentwicklung eines wissensbasierten Systems durchaus anwenden. Sie werden 

jedoch nicht den spezifischen Anforderungen gerecht, die bei wissensbasierten Systemen auftreten 

können. Insbesondere sind sie nicht besonders geeignet für die Anforderungen, die sich bei der 

Wissensakquisition, d.h. beim Füllen des Systems mit „Leben“, ergeben. 25) 

Prinzipiell lassen sich zwei Ansätze des Knowledge Engineerings unterscheiden. Zum einen wird 

der Prototyp-Ansatz und zum anderen der modellbasierte Ansatz in der Literatur vorgestellt. 26) 

1.4.3.2 Ausgewählte Ansätze des Knowledge Engineerings 

1.4.3.2.1 Prototyp-Ansatz 

Aus erkennbarem zu repräsentierenden Wissen wird bei diesem Ansatz frühzeitig ein Prototyp als 

erste Implementierung einer Wissensbasis und für die weitere Wissensakquisition entwickelt. Dies 

entspricht einem einfachen Transfermodell, bei dem ein mentales konzeptuelles Modell direkt (ohne 

die Erstellung eines expliziten Modells) implementiert wird. 27) 

23) Vgl. PUPPE/STOYAN/STUDER (2003) S. 599. Diese „moderne“ Definition geht in ihrer Bedeutung weit über die in der Vergangenheit 

aufgestellten Definitionen hinaus. So wurde von WATERMAN 1986 das Knowledge Engineering bezeichnet als der Prozess 

der Erstellung eines Expertensystems (vgl. WATERMAN (1986) S. 5). Umfassendere Definitionen folgten, wie z.B. von 

HAUN im Jahr 2000, der den gesamten Entwicklungs- und Wartungsprozess eines Expertensystems als Knowledge Engineering 

definiert (vgl. HAUN (2000) S. 188). Vermutlich weil Erfahrungen mit der Entwicklung wissensbasierter System zeigen, dass 

Wissen in allen Phasen des wissensbasierten Software-Life-Cycles ingenieurmäßig erfasst, verwaltet, verwendet und transformiert 

werden muss, ist diese Entwicklung zu erklären. 

24) Vgl. HAUN (2000) S. 189. 

25) Zu einer ausführlichen Begründung vgl. HAUN (2000) S. 146 ff. 

26) Vgl. beispielsweise PUPPE/STOYAN/STUDER (2003) S. 602 ff. und HAUN (2000) S. 196. 

27) Deutlich wird dabei der Zusammenhang zum Prototyp-Ansatz des Software Engineerings: Beide versuchen möglichst früh eine 

lauffähige Anwendung zur weiteren Entwicklung zu erzeugen. In PUPPE/STOYAN/STUDER (2003) bezeichnen die Autoren ein 

solches Transfermodell als „naiv“ (S. 603).


Ein typisches Life-Cycle-Modell für den Prototyp-Ansatz beinhaltet folgende Phasen (siehe Abbildung 

23): 28) 

Konzeptu- 

Identifikation Formalisierung Implementierung 

alisierung 

neu formulieren 

neu entwerfen 

Verfeinerung 

Abbildung 23: Entwicklungsphasen des Prototyp-Ansatzes 29) 

1. Identifikation: 

Das gesamte Projektvorhaben wird analysiert und Anforderungen, wie etwa benötigte Ressourcen 

und Funktionen, werden identifiziert. Hiermit werden die Projektziele festgelegt. 

2. Konzeptualisierung: 

Es wird eine Konzeptualisierung für das spätere wissensbasierte System erarbeitet. Schon in 

dieser oftmals sehr zeitaufwendigen Phase werden möglichst umfassend die Anforderungen 

an den Prototyp berücksichtigt. 

3. Formalisierung: 

Unter Berücksichtigung der entwickelten Konzeptualisierung wird eine formale Beschreibung 

des bei der Konzeptualisierung identifizierten Wissens durchgeführt. Die Konzeptualisierung 

wird formalsprachlich spezifiziert, um im wissensbasierten System verarbeitet werden zu 

können. Hierzu müssen Anforderungen an die Wissensrepräsentation, die sich teilweise aus 

der Konzeptualisierung vererbt, berücksichtigt werden. 

4. Implementierung: 

An die Formalisierung des Wissens schließt sich die Erstellung des Prototyps an. Die formalsprachliche 

Spezifikation wird in Form eines Prototyps in einer Software-Umgebung implementiert. 

Auf die erste Entwicklung folgt die Verfeinerung gemäß den aufgestellten Anforderungen 

(siehe auch Punkt 5). 

5. Test: 

Mittels Verifikation und Validierung wird getestet. Wenn im Testbetrieb Abweichungen hinsichtlich 

der aufgestellten Anforderungen festgestellt werden, wird der Prototyp gegebenenfalls 

verändert. Streng genommen durchläuft die Entwicklung somit zum einen einen schleifenförmigen 

Prozess der Schritte 4 und 5. Bei größeren Abweichungen von den Anforderun- 

28) Vgl. HAUN (2000) S. 200 ff. Dieser Ansatz stammt ursprünglich von WATERMAN (1986) S. 136 ff. Die Vor- und Nachteile des 

Prototypings wurden bereits in ähnlicher Form im vorangegangenen Kapitel berücksichtigt; aus Übersichtlichkeitsgründen sei 

diese Redundanz bitte zu entschuldigen. 

29) Vgl. WATERMAN (1986) S. 136. 

Test


gen kommt es zum anderen zu einem neuen Entwurf der Formalisierung oder auch zur Neuformulierung 

von Inhalten der Identifikations- oder der Konzeptualisierungsphase. 

Deutlich werden hier die Bezüge zum Software Engineering. Das Vorgehen weist Ähnlichkeiten 

zum prototypbasierten Software-Life-Cycle auf. So werden die Phasen Identifikation, Konzeptualisierung, 

Formalisierung, Implementierung und Test so lange wiederholt, bis der Benutzer den Prototyp 

akzeptiert (siehe auch Kapitel 1.4.2.2.3, S. 282). 

Als Vorteile lassen sich für diesen Ansatz nennen: 

• Wissensingenieur und Experte können den Wissenstransfer direkt untereinander abstimmen, 30) 

• der Experte kann das Verhalten des Systems überprüfen und 

• kürzere Feedback-Zyklen und rasche Ergebnisse erhöhen die Motivation der Beteiligten. 

Als Nachteile lassen sich aufführen: 

• Die Repräsentationsart des Wissens wird zu einem sehr frühen Zeitpunkt bestimmt, 

• es erfolgt keine standardisierte Phaseneinteilung des eigentlichen Entwurfsprozesses (Entwicklung 

des Wissensmodells) und die Wissensakquisition bleibt undeutlich, 

• eine sehr frühe Konzentration auf Implementierungsdetails bindet Entwicklungsressourcen, die 

bei der Konzeptualisierung und Anforderungserhebung effektiver eingesetzt werden können, 

und 

• im Nachhinein wird es sehr schwierig, ein mentales konzeptionelles Modell zu revidieren, weil 

eine gemeinsame Diskussionsgrundlage fehlt. 

1.4.3.2.2 Modellbasierter Ansatz 

Historisch betrachtet ist der modellbasierte Ansatz eine Weiterentwicklung des Prototyp- 

Ansatzes. 31) Das wissensbasierte System soll dabei durch ein systematischeres Vorgehen als beim 

Prototyping erstellt werden. Der modellbasierte Ansatz fasst die Wissensakquisition als einen Modellierungsprozess 

auf. In der Praxis findet sich häufig folgendes Life-Cycle-Modell: 32) 

1. Identifikation: 

Die Anforderungen der späteren Benutzer und der Entwickler werden eruiert und dokumentiert. 


Die im Modell vorkommenden Begriffe werden definiert oder aus der Fachterminologie übernommen. 

Hierbei bezieht man sich auf das Wissen der Experten. 

30) Der Wissensingenieur entwickelt das System und das Wissen des Experten wird mittels Akquisitionstechniken im System hinterlegt. 

Für den Bereich KOWIEN wird der Wissensingenieur zum Ontologieentwickler. Experten sind sowohl die Personalabteilung 

als auch die Benutzer des Kompetenzmanagementsystems, weil sie selbst Wissen im System hinterlegen müssen und 

es nicht nur anwenden sollen. 

31) Vgl. PUPPE/STOYAN/STUDER (2003) S. 599 f.; HAUN (2000) S. 204. 

32) Der hier beschriebene Ablauf ergibt sich als Erweiterung des Prototyp-Ansatzes (vgl. zur Phasenbeschreibung HAUN (2000) S. 

204 ff.).


3. Modellierung der Problemlösung: 

Die Lösungen für Probleme, die in der Praxis Anwendung durch Experten erfahren, werden für 

die Verwendung innerhalb des wissensbasierten Systems modelliert. 

4. Formalisierung: 

Das akquirierte Wissen wird formalsprachlich spezifiziert. 


Die Spezifikation als das Produkt des Formalisierungsprozesses wird im System implementiert. 

6. Validierung/Verifikation und Weiterentwicklung: 

In Tests wird untersucht, ob das System weiterentwickelt werden muss, um die aufgestellten 

Anforderungen zu erfüllen. Falls erforderlich, wird das wissensbasierte System weiterentwickelt 

(dies ist der Regelfall). 

Der hauptsächliche Unterschied zum herkömmlichen Software Engineering liegt in einer in einzelnen 

Punkten verfeinerten Arbeitsmethodik, die insbesondere Wissensanalyse (Wissenserhebung 

und Wissensinterpretation), generische Problemlösungsmodelle und heuristische Klassifikationen 

(in der Wissensoperationalisierung) umfasst. 33) 

Als Vorteile lassen sich erkennen: 

• Es erfolgt eine klare Trennung von Analyse und Implementierung der Wissensbasis, 

• das Modell ist nahe an der Terminologie der Experten und 

• der Interpretationsprozess, also die Überführung akquirierten Wissens in eine formale Spezifikation, 

wird transparent, d.h. nachvollziehbar für Dritte, gemacht. 

Als Nachteile sind jedoch zu nennen: 

• Modelle zur Entwicklung wissensbasierter Systeme sind in der praktischen Anwendung nur 

von Fachleuten anwendbar, 

• häufig fehlt eine ausreichende Werkzeugunterstützung, d.h. die praktische Anwendung wird 

durch fehlende Hilfsmittel erschwert, und 

• Modelle verfügen oft nur über eine wenig ausgeprägte formale Semantik. 

Ein bekanntes modellbasiertes Vorgehensmodell stellen KADS und seine Weiterentwicklung zu 

CommonKADS dar. 34) Ein weiterer Ansatz wurde auf den Namen MIKE (Modellbasiertes und inkrementelles 

Knowledge-Engineering) getauft. 35) 

33) Vgl. HAUN (2000) S. 205 f. 

34) Zu diesem Vorgehensmodell siehe SCHREIBER ET AL. (2001a). Eine Kurzerklärung findet sich in APKE/DITTMANN (2003a) S. 26 

f. Der Bereich des Ontology Engineerings findet in diesem Zusammenhang innerhalb des Wissensmodells (Knowledge Models) 

seine Berücksichtigung in CommonKADS. SCHREIBER ET AL. verwenden den Begriff „Ontologien“ jedoch abweichend zu dem 

hier gebrauchten Verständnis. Vielmehr sprechen sie von „domain schemas“ (vgl. hierzu insbesondere SCHREIBER ET AL. 

(2001a) S. 91). Ontologien stellen für die Autoren in diesem Zusammenhang „generalized domain schemas“ dar (vgl. SCHREI- 

BER ET AL. (2001a) S. 331). 

35) Vgl. ANGELE ET AL. (1998).


1.4.3.3 Zusammenfassende Gegenüberstellung 

Die Abbildung 24 stellt den Zusammenhang zwischen Prototyp-Ansatz und modellbasiertem Ansatz 

schematisch dar. Deutlich wird, dass der modellbasierte Ansatz ein explizites Modell in der 

Phase der Wissensakquisition berücksichtigt, während beim Prototyping ein mentales konzeptionelles 

Modell repräsentiert wird. 

Wissensakquisition 

Wissensverwendung 

Knowledge Engineering 

Wissensoperationalisierung 

Mentales 

konzeptionelles Modell 

Experte 

Wissenserhebung 

Wissensinterpretation 

Prototyp-Ansatz Modellbasierter Ansatz 

Wissensrepräsentation 

Integration u. Wartung 

Explizites Modell 

Abbildung 24: Prototyp-Ansatz versus Modellbasierter Ansatz im Knowledge Engineering 36) 

Das (mentale) konzeptionelle Modell wird hier auf der Seite des Prototyp-Ansatzes „unterstellt“, 

um den Unterschied zwischen dem Prototyping-Ansatz und dem modellbasierten Ansatz herauszustellen. 

Streng genommen müsste auch beim modellbasierten Ansatz ein (mentales) konzeptionelles 

Modell vorangestellt werden. Das Knowledge Engineering umfasst insbesondere die Wissensakquisition, 

wie aus der Abbildung 24 ersichtlich wird. 

36) In Anlehnung an HAUN (2000) S. 197.


1.4.4 Vorgehensmodelle des Ontology Engineerings 


Das Ontology Engineering beschäftigt sich mit der prinzipiellen Entwicklung, Modifikation, Applikation 

und Evaluation von Ontologien. 37) 

Um die Vorgehensmodelle aus dem Bereich des Ontology Engineerings zu untersuchen und insbesondere 

hinsichtlich ihrer Verwertbarkeit für das Projekt KOWIEN zu bewerten, werden im Folgenden 

zuerst Anforderungen aufgestellt. Anschließend werden bekannte Vorgehensmodelle vorgestellt 

und anhand der Anforderungen analysiert. Bei den vorzustellenden Vorgehensmodellen wird 

deutlich, dass diese die Besonderheiten bei der Entwicklung von wissensbasierten Systemen berücksichtigen. 

Insbesondere stützen sich sämtliche Vorgehensmodelle des Ontology Engineerings 

auf den modellbasierten Ansatz, d.h., es wird immer ein Modell des abzubildenden Wissens (inklusive 

etwaiger Regeln) expliziert. Gerade die konstituierende Eigenschaft von Ontologien erfordert, 

dass ein Modell der zu repräsentierenden Domäne konzeptualisiert und formalisiert wird, so dass 

ein Prototyp-Ansatz im vorgenannten Sinne nicht angewendet werden kann. 

Nach einer Zusammenfassung der Analyseergebnisse werden in Kapitel 1.4.4.7 (S. 316 ff.) noch einige 

für das Verbundprojekt KOWIEN relevante Vorgehensmodelle, die sich lediglich mit einem 

spezifischen Teilfokus aus der Thematik der Ontologie-Konstruktion beschäftigen, vorgestellt. 

1.4.4.2 Anforderungen 

Die wichtigsten Anforderungen an das Vorgehensmodell, das im Kontext des KOWIEN-Projekts 

eingesetzt werden soll, um die Entwicklung von Kompetenzontologien zu beschreiben und zu strukturieren, 

werden im Folgenden dargestellt. Im Einzelnen sind dies: 

• Generizität 

• Anwendungsbezogenheit 

• Vollständigkeit 

• Dokumentation 

• Einfachheit 

• Klarheit 

• Werkzeugunterstützung 

37) Vgl. HOLSAPPLE/JOSHI (2002) S. 43. Einige Autoren, so auch HOLSAPPLE und JOSHI, verwenden den Begriff „Ontological Engineering“ 

statt „Ontology Engineering“; nach Ansicht der Verfasser bezeichnet dieser Begriff jedoch eher ein ontologisches 

Vorgehen bei der Anwendung ingenieursspezifischer Methoden. Diese Bezeichnung würde den angestrebten Hintergrund dieser 

Untersuchung jedoch nicht angemessen widerspiegeln, da es hier um die Ontologieentwicklung im informationstechnischen 

Sinne geht.


Ähnliche Zusammenstellungen von Kriterien für die Konstruktion von (Vorgehens-) Modellen und 

für ihre Bewertung sind beispielsweise in VERLAGE (1998) und in MOODY/SHANKS (1994) zu finden. 

38) Die hier genannten Anforderungen wurden aufgrund ihrer Bedeutung in der Literatur und 

wegen ihrer Relevanz für die im KOWIEN-Projekt vorliegenden spezifischen Gegebenheiten (wie 

z.B. Hintergrund der beteiligten Personen) ausgewählt. 

1.4.4.2.1 Generizität 

Das Vorgehensmodell soll insofern allgemeine Gültigkeit besitzen, als dass es nicht nur ausschließlich 

für ein bestimmtes Projekt konzipiert ist, sondern auch im Rahmen ähnlicher Vorhaben, also 

etwa grundsätzlich für die Entwicklung ontologiebasierter Kompetenzmanagementsysteme, zum 

Einsatz kommen kann. Ein generelles, auch domänenunabhängiges Vorgehensmodell ist eine 

Grundvoraussetzung für die allgemeine Anerkennung und die Reife der Disziplin der Ontologieentwicklung. 

39) Dadurch wird einerseits eine Wiederverwendung von Wissen ermöglicht, andererseits 

kann so ein Entwicklungsprozess leichter an projektspezifische Gegebenheiten angepasst werden. 

40) 

1.4.4.2.2 Anwendungsbezogenheit 

Damit es im Anwendungsfall eine Hilfestellung zur Umsetzung eines Softwareentwicklungsprojekts 

leistet, soll das Vorgehensmodell auch konkrete Beispiele und Handlungsempfehlungen für 

den Benutzer des Vorgehensmodells umfassen. Dazu zählt zum Beispiel eine exemplarische Detaillierung 

von Aktivitäten, um das methodische Fundament des Ansatzes zu erläutern. 41) Diese Anforderung 

steht nicht zwangsläufig im Gegensatz zum Kriterium der Generizität; sie könnte etwa dadurch 

realisiert werden, dass zusätzlich zu einer allgemeinen Phasenbeschreibung jeweils Beispiele 

eine mögliche Umsetzung verdeutlichen. 

1.4.4.2.3 Vollständigkeit 

Das Vorgehensmodell soll vollständig sein im Sinne seiner Anwendungsziele, somit von der Ausgangssituation 

bis zur Zielerreichung alle relevanten Aspekte darstellen. 42) Das bedeutet auf der einen 

Seite, dass aus Sicht der Benutzer alle notwendigen und sinnvollen Aktivitäten enthalten sein 

müssen. Auf der anderen Seite ist eine ausreichend genaue Beschreibung der einzelnen Schritte erforderlich, 

damit keine „Lücken“ entstehen, die bei der konkreten Projektdurchführung noch ge- 

38) Vgl. VERLAGE (1998) S. 73 und MOODY/SHANKS (1994) S. 101 f. 

39) Vgl. GUARINO/WELTY (2002) S. 61. 

40) Auch spezifische Modelle können selbstverständlich wiederverwendet werden, wenn die entsprechenden Rahmenbedingungen 

erfüllt sind. Nur die Wahrscheinlichkeit der Wiederverwendung ist deutlich geringer und auch ursprünglich nicht gewollt. 

41) Vgl. FERNÁNDEZ-LÓPEZ (1999) S. 4.3. 

42) Als Anwendungsziele des Vorgehensmodells werden die konkretisierten Ziele, die der Benutzer des Modells im Vorhinein festlegt 

und die zu einer erfolgreichen Ontologieentwicklung und der Implementierung der Ontologien in ein lauffähiges System 

erforderlich sind, bezeichnet.


schlossen werden müssen. Diese relative Definition von Vollständigkeit 43) führt dazu, dass die Erfüllung 

dieser Anforderung bei vielen Ansätzen im Vorhinein nicht überprüfbar ist, da die Anwendungsziele, 

Annahmen (im Sinne von Modellprämissen) und Ausgangssituationen oft nur implizit 

vorhanden oder nicht detailliert genug explizit beschrieben sind. Aus diesem Grund und weil es zu 

umfangreich wäre, eine Referenzanwendung in diesem Kapitel zu Hilfe zu nehmen, wird das Kriterium 

der Vollständigkeit an dieser Stelle zwar aufgeführt und erläutert, jedoch nicht zur Beurteilung 

der dargestellten Ansätze eingesetzt. 

1.4.4.2.4 Dokumentation 

Obwohl in den meisten Fällen Übereinstimmung darin besteht, dass eine umfassende und stetige 

Dokumentation für Projekte jeder Art von essentieller Bedeutung ist und eine Selbstverständlichkeit 

sein sollte, erscheint es sinnvoll, diese Tätigkeit als Bestandteil eines Vorgehensmodells explizit 

aufzunehmen, weil gerade die auf der Hand liegenden Aktivitäten Gefahr laufen vernachlässigt zu 

werden. 

Während jeder Phase sollen die ursprünglichen Intentionen und die Design Rationale 44) natürlichsprachlich 

(und nicht formalsprachlich) ausgeführt werden. Dieses Vorgehen erleichtert später 

eventuelle Rechtfertigungen gegenüber Änderungsvorschlägen. Außerdem kann durch regelmäßige 

Dokumentation die Nachvollziehbarkeit der Ontologieentwicklung und somit auch die Akzeptanz 

unter Benutzern und Entwicklern bedeutend verbessert werden. Ein weiterer Vorteil ist, dass solche 

zusätzlichen Informationen nachfolgende Änderungen für konkrete Anwendungen vereinfachen. 

Aus diesen Gründen soll das Vorgehensmodell die Dokumentation des Entwicklungsprozesses berücksichtigen 

und konkrete Methoden zur Umsetzung der Dokumentation nennen. 

1.4.4.2.5 Einfachheit 

Simplizität, bezogen auf die Größe und Komplexität eines Modells 45) , ist wünschenswert, weil der 

Inhalt des Vorgehensmodells für alle Projektbeteiligten und Benutzer verständlich sein soll. Insbesondere 

bei der Entwicklung von betriebswirtschaftlichen Applikationen wie Kompetenzmanagementsystemen 

ist es wichtig, dass das Vorgehensmodell nicht zu komplex aufgebaut ist, weil während 

eines großen Teils der Projektdurchführung „Nicht-Techniker“ beteiligt sind. Simplizität ist 

43) Vgl. z.B. SCHÜTTE (1997) S. 7. Dort wird ein Modell als vollständig angesehen, wenn es alle im Metamodell beschriebenen Beziehungen 

zwischen den Objekten in der gleichen Form einhält. MOODY/SHANKS (1994) S. 102, betrachten ein (Daten-) Modell 

als vollständig, sobald es die Fähigkeit besitzt, alle funktionalen Anforderungen der Benutzer umzusetzen. Diese Definitionen 

von Vollständigkeit richten sich also ebenfalls nicht nach einem allgemeingültigen Referenzmodell, sondern sind abhängig von 

dem jeweils vorgegebenen Metamodell bzw. von den Zielen oder Erwartungen der Benutzer des Modells. 

44) Als Design Rationale wird hier die Zusammenfassung von Merkmalen und deren Begründungen für eine Gestaltungsentscheidung 

verstanden. 

45) Eine ähnliche Erläuterung geben MOODY/SHANKS (1994) S. 102. Für die Messung der Komplexität eines Datenmodells schlagen 

sie vor, die Anzahl der Entitäten und die Menge der Beziehungen im jeweiligen Datenmodell zu addieren. Für Vorgehensmodelle 

können die Anzahl der Phasen und der Detaillierungsgrad der Phasenbeschreibungen (beispielsweise gemessen als Anzahl 

der einzelnen Phasenschritte) als reziprokes Maß für die Simplizität herangezogen werden.


deshalb für eine möglichst hohe Akzeptanz und auch Effizienz des Vorgehensmodells von großem 

Vorteil. 46) 

1.4.4.2.6 Klarheit 

Der Grundsatz der Klarheit bezieht sich auf „[...] die Verständlichkeit und die Eindeutigkeit von 

Modellsystemen“. 47) Das Vorgehensmodell soll verständlich und eindeutig formuliert sein, um unterschiedliche 

Interpretationen und eventuell zeitaufwendige Diskussionen unter den Projektverantwortlichen 

zu vermeiden. Die Anforderung ist wichtig für Anwendbarkeit und Akzeptanz des 

Vorgehensmodells, denn alle Modelle, insbesondere Vorgehensmodelle, dienen zur Veranschaulichung 

und damit immer auch als Diskussionsgrundlage, so dass Zweideutigkeiten nicht nur zu 

Missverständnissen führen, sondern auch die Qualität des Entwicklungsprozesses und der resultierenden 

Ontologien negativ beeinflussen können. Aus diesem Grund ist die Klarheit auch abhängig 

von der Konsistenz, also der syntaktischen Korrektheit, sowie der inhaltlichen Widerspruchsfreiheit 

eines Modells. Das Kriterium der Klarheit kann realisiert werden, indem die Modellelemente möglichst 

formalsprachlich beschrieben werden 48) , beispielsweise durch zusätzliche (semi-) formale 

Modellierungen wie Ereignisgesteuerte Prozessketten (EPK). 49) 

1.4.4.2.7 Werkzeugunterstützung 

Das Vorgehensmodell soll für den beschriebenen Prozess und die dafür vorgeschlagenen Methoden 

entsprechende IT-Werkzeuge empfehlen, die die einzelnen Aktivitäten unterstützen und die Qualität 

der Ergebnisse verbessern können. Die Umsetzung dieser Anforderung trägt ebenfalls zu einer 

leichteren Anwendung des Vorgehensmodells und einer höheren Akzeptanz unter den Beteiligten 

bei, da der Komfort und auch die Effizienz des Entwicklungsprozesses durch geeignete Computerunterstützung 

bedeutend gesteigert werden können. Der Einsatz einer Software zur kollaborativen 

Textverarbeitung etwa vereinfacht das gemeinsame Arbeiten mehrerer Personen an einem Dokument. 

Da das Gebiet der Ontologieentwicklung für Informatikzwecke und betriebswirtschaftliche Zwecke 

ein vergleichsweise junges Forschungsfeld darstellt, ist die Auswahl an Werkzeugen für die computerunterstützte 

Entwicklung von Ontologien im Vorhinein vergleichsweise begrenzt. So existieren 

beispielsweise weitaus mehr Werkzeuge zur Unterstützung herkömmlicher Programmiersprachen 

(wie C oder Java) als zur Entwicklung von Ontologien. Dennoch versuchen einige der Autoren 

existierender Ansätze, Hinweise und Empfehlungen bezüglich einer Software-Umgebung für die 

46) Die geforderte Einfachheit bezieht sich vornehmlich auf die Reduktion der Komplexität eines Modells. Beispielsweise sollte die 

Nebenläufigkeit nur dann, wenn es unbedingt notwendig ist, in einem Modell berücksichtigt werden. Die Nebenläufigkeit birgt 

in der Anwendung die Gefahr, dass Zuständigkeiten und Termine abgewälzt bzw. verschoben werden, weil davon ausgegangen 

wird, dass jeweils der andere „Strang“ zuständig bzw. verantwortlich für die Termineinhaltung ist. Eine effiziente Anwendung 

des Vorgehensmodells wird gegeben, wenn alle Projektbeteiligten das Vorgehensmodell akzeptieren und so anwenden, dass 

möglichst ressourcenschonend die angestrebten Ergebnisse erreicht werden. Nebenläufigkeit und effiziente Anwendung sind 

Bestandteile des Kriteriums „Einfachheit“. 

47) SCHÜTTE (1997) S. 10. 

48) Ein besonders hoher Grad an Formalität geht allerdings oft zu Lasten der Nachvollziehbarkeit eines Vorgehensmodells. An dieser 

Stelle kann die Kombination informaler Ausführungen mit (semi-) formalen Beschreibungen wie Modellen dazu beitragen, 

dass gleichzeitig die Simplizität und Nachvollziehbarkeit sowie die Klarheit der Methode gewährleistet sind. 

49) Zu Ereignisgesteuerten Prozessketten vgl. SCHEER (1999).


Umsetzung ihres Vorgehensmodells zu geben. Gerade in Bezug auf die vorangestellte Anwendungsbezogenheit 

ermöglichen geeignete Werkzeuge für den Ontologieentwickler eine Anwendung 

des Vorgehensmodells, die einen signifikanten Nutzen gegenüber einer „manuellen“ Entwicklung 

von Ontologien, beispielsweise hinsichtlich der Verkürzung der Entwicklungszeit, aufzeigt. 

1.4.4.3 Umsetzung der Anforderungen 

Bei der Umsetzung der dargestellten Anforderungen ist zu beachten, dass diese nicht unabhängig 

voneinander bestehen, sondern sich gegenseitig in ihrer Wirkung beeinflussen können. Einige der 

Kriterien verhalten sich komplementär zueinander. So führt zum Beispiel die (möglichst) vollständige 

Spezifikation eines Entwicklungsprozesses mit einer detaillierten Beschreibung der Phasenaktivitäten 

und Methoden in den meisten Fällen zu einer hohen Anwendungsbezogenheit. Auch die 

Einbeziehung von Möglichkeiten zur Prozessunterstützung durch Computerprogramme kann zu einer 

leichteren Realisierung und damit zur Anwendungsbezogenheit eines Vorgehensmodells beitragen. 

Andererseits können Anforderungen auch gegensätzliche Zielsetzungen verfolgen, so dass eine 

gleichzeitige Umsetzung schwierig ist. Wenn die Klarheit des Modells durch eine formalsprachliche 

Beschreibung, wie zum Beispiel mit mathematischen Formeln, realisiert wird, kann sich dies 

nachteilig auf die Einfachheit und damit auf die Nachvollziehbarkeit des Ansatzes auswirken. 50) Oft 

lassen sich solche Zielkonflikte durch Hinzunahme von Hilfsmitteln auflösen oder mindern, indem 

etwa verschiedene Abstraktionsniveaus sowohl eine generelle als auch eine anwendungsbezogene 

Sicht auf den Entwicklungsprozess ermöglichen oder für die Realisierung der Klarheit und Eindeutigkeit 

des Vorgehensmodells formale oder semi-formale Modelle, die zusätzlich zur textuellen Beschreibung 

erstellt wurden, genutzt werden. 

1.4.4.4 Ausgewählte Ansätze des Ontology Engineerings 

Es gab in den letzten Jahren einige Vorschläge zur Konstruktion von Ontologien, die jedoch teilweise 

von sehr unterschiedlichen Zielsetzungen und Voraussetzungen ausgingen. Zum einen lassen 

sich vollständige Vorgehensmodelle zur Konstruktion von Ontologien heranziehen. Zum anderen 

finden sich (unvollständige) Ansätze für Vorgehensmodelle, die ihren Fokus auf einen Teilbereich 

der Ontologieentwicklung legen. Beispielsweise konzentrieren sich viele existierende Ansätze in 

der Literatur bei der Ontologieentwicklung auf die Verknüpfung mehrerer bereits bestehender (Sub-) 

Ontologien, zum Beispiel SENSUS 51) und auch KACTUS 52) , oder sie beschäftigen sich mit der 

Verbesserung der Strukturierung der Terminologie. 

50) Hierüber lässt sich jedoch vortrefflich streiten, weil auch der Standpunkt vertreten werden kann, dass einem geübten Benutzer 

eine formalsprachliche Beschreibung die Nachvollziehbarkeit erleichtert. 

51) Vgl. SWARTOUT ET AL. (1997). Dieser Ansatz vereinigt u.a. die Ontologien Penman Upper Model, ONTOS und Wordnet, um 

aus einer breiten, allgemeinen SENSUS-Ontologie domänenspezifische Ontologien abzuleiten. Siehe hierzu auch Kapitel 

1.4.4.7.1 auf S. 316 f. 

52) Vgl. zum Beispiel SCHREIBER/WIELINGA/JANSWEIJER (1996). Die Autoren von KACTUS, das im Rahmen eines ESPRIT-Projekts 

entwickelt wurde, gehen von einer bereits bestehenden Wissensbasis aus, aus der durch Abstraktion eine generelle Ontologie 

entwickelt wird.


An dieser Stelle werden diejenigen Ansätze vorgestellt, die für das Projekt KOWIEN und somit 

insbesondere für die Entwicklung von Kompetenzontologien von besonderer Relevanz sind. Dies 

sind insbesondere die vollständigen Ansätze, denn auch die Zielsetzung des Projekts KOWIEN umfasst 

die Entwicklung eines generischen, vollständigen Vorgehensmodells. Aus der Untersuchung 

existierender Ansätze erhofften sich die Mitglieder des Projekts wertvolle Erkenntnisse als Grundlage 

der Entwicklung eines Vorgehensmodells für die Konstruktion eines Kompetenzmanagementsystems 

für die betriebliche Praxis. Die Auswahl von Ansätzen wurde also hinsichtlich ihrer Relevanz 

für das später zu entwickelnde generische Vorgehensmodell getroffen. Die unvollständigen 

Ansätze, von denen sich die Verfasser weitere wertvolle Informationen für die Entwicklung des generischen 

KOWIEN-Vorgehensmodells erhofften, werden der Vollständigkeit halber im später folgenden 

Kapitel 1.4.4.7 (S. 316 ff.) kurz vorgestellt, jedoch nicht einer Bewertung unterzogen. 

In den folgenden Kapiteln werden sechs der wichtigsten Vorgehensmodelle beschrieben, die wissenschaftlich 

anerkannt oder in der Praxis bewährt sind oder aufgrund ihrer Zielsetzung und der 

vorgeschlagenen Methoden besondere Bedeutung für die Konstruktion von Kompetenzontologien 

haben. Da die vorzustellenden Ansätze des Ontology Engineerings oft sowohl zeitlich als auch inhaltlich 

aufeinander aufbauen, werden sie weit gehend in der chronologischen Reihenfolge ihrer 

Veröffentlichung dargestellt: 53) 

1.4.4.4.1 IDEF5-Ansatz 

• IDEF5-Ansatz (1994) 

• Enterprise-Model-Ansatz (1995) 

• TOVE-Ansatz (1995) 

• METHONTOLOGY (1996) 

• On-To-Knowledge-Ansatz (2000) 

• Kollaborativer Ansatz (2002) 

IDEF5 wurde 1994 von KBSI (Knowledge Based Systems Inc.) entwickelt. 54) Der IDEF5-Ansatz 

wurde speziell entworfen, um die Entwicklung, die Modifizierung und die Instandhaltung von Ontologien 

zu unterstützen. IDEF steht hierbei als Akronym für Integrated Computer Aided Manufacturing 

Definition und ist Teil einer Familie von Definitionen. 

IDEF5 ist eine „Ontology Capture Method” 55) , die einen strukturierten Ansatz zur Entwicklung von 

Domänen-Ontologien beinhaltet. Der Ansatz umfasst folgende Hauptaktivitäten: 56) 

53) Die beiden beschriebenen Vorgehensmodelle Enterprise-Model-Ansatz und TOVE-Ansatz wurden etwa zeitgleich veröffentlicht; 

der Enterprise-Model-Ansatz wird hier vorangestellt, weil er einen sehr grundlegenden Ansatz darstellt. 

54) Vgl. KBSI (1994) S. 25 ff. 

55) KBSI (1994) S. 1. 

56) Vgl. KBSI (1994) S. 8. Auch wenn die nachfolgende Abbildung 25 ein sequentielles Vorgehen suggeriert, so finden sich doch 

erhebliche Überlappungen und Iterationen zwischen den einzelnen Aktivitäten.


1. Organisation und Umfang: 

Die Organisations- und Umfangsaktivitäten etablieren den Zweck, den Ausgangspunkt, die 

Sicht der Dinge und die Zusammenhänge des Ontologieentwicklungsprojekts. Des Weiteren 

werden den Teammitgliedern Rollen zugewiesen. 

2. Datensammlung: 

Während der Datensammlung wird „rohes” Datenmaterial, das für die Ontologieentwicklung 

benötigt wird, akquiriert. 

3. Datenanalyse: 

Die Daten werden zu dem Zweck analysiert, die Extraktion einer Ontologie aus den Daten zu 

erleichtern. 

4. Initiale Ontologieentwicklung: 

Die erste, anfängliche Ontologieentwicklung liefert eine präliminäre Ontologie auf Basis der 

gesammelten Daten. 

5. Verbesserung und Validation: 

Die Ontologie wird verbessert und validiert, um den Entwicklungsprozess abzuschließen. 

Organisation 

und 

Umfang 

Datensammlung 

Datenanalyse 

Initiale 

Ontologieentwicklung 

Abbildung 25: Vorgehensmodell IDEF5 

Verbesserung 

und 

Validation 

Des Weiteren beinhaltet der IDEF5-Ansatz zwei „Ontologiesprachen“ zur Unterstützung des Entwicklungsprozesses. 

Zum einen handelt es sich um eine schematic language, die speziell als graphische 

Sprache (vergleichbar etwa mit UML) entwickelt wurde, um übersichtlich und nachvollziehbar 

das Wissen einer Domäne abbilden zu können. Diese wird genutzt um das Wissen der zu repräsentierenden 

Domäne zu modellieren. Der durchschnittliche Benutzer kann somit die erstellten Ontologien 

leicht nachvollziehen. Zum anderen gibt es eine Ausarbeitungssprache (elaboration language). 

Sie stellt eine strukturierte textuelle Sprache dar, die es erlaubt, Elemente der Ontologien detailliert 

zu charakterisieren. 57) 

Der IDEF5-Ansatz enthält im zitierten Report-Anhang eine strukturierte Bibliothek von üblicherweise 

benutzten Relationen. Dazu gehören beispielsweise zeitliche Relationen, Abhängigkeitsrelationen 

und Einflussrelationen, auf die zurückgegriffen werden kann, um beispielsweise neue Relationen 

zu klassifizieren. 

57) Die elaboration language nutzt KIF als Basis, um eine Wiederverwendung und Integration bestehender Ansätze zu ermöglichen 

(vgl. KBSI (1994) S. 6).


1.4.4.4.2 Enterprise-Model-Ansatz 

USCHOLD und KING 58) erkennen einen Mangel an strukturierten Vorgehensweisen bei der Ontologieentwicklung. 

Basierend auf den Erfahrungen, die sie bei der Entwicklung der „Enterprise Ontology“ 

(Ontologien für Unternehmensmodellierungsprozesse 59) ) gemacht haben, gehen USCHOLD 

und KING auf einige grundsätzliche Aspekte ein, die bei der Konstruktion von Ontologien beachtet 

werden sollen. So wird ein Grundgerüst für ein Vorgehensmodell vorgeschlagen, in dem die wichtigsten 

Schritte der Ontologieentwicklung aufgeführt sind und das als Ausgangspunkt für ein detailliertes 

Vorgehensmodell dienen soll. 

Ihr Ansatz definiert die wichtigsten Schritte in Form einer Prozesskette. Nach der Bestimmung eines 

eindeutigen Einsatzzwecks werden die wichtigsten Begriffe gemeinsam vereinbart, in eine formale 

Sprache überführt und durch die Integration von bereits bestehenden Ontologien erweitert. 

Nach mehrfacher Revision und kritischer Beleuchtung werden die Ontologien letztlich in ihre abschließende 

Form überführt und ausführlich dokumentiert. 

Zusätzlich zu den Vorgehensschritten soll ein umfassendes Vorgehensmodell auch eine Reihe von 

Techniken, Prinzipien und Richtlinien für jede Phase sowie eine Beschreibung der Beziehungen 

zwischen den Aktivitäten 60) umfassen. 

Die einzelnen Phasen des Basis-Vorgehensmodells werden im Folgenden kurz erläutert. 

Zweckidentifikation 

Ontologie- 

Erfassung 


Ontologie- 

Kodierung 

Integration 

bestehender 

Ontologien 

Abbildung 26: Vorgehensmodell von USCHOLD und KING 

Evaluation 

Dokumentation 

1. Zweckidentifikation: 

Zu Beginn des Entwicklungsprozesses soll zunächst festgelegt werden, aus welchem Grund die 

Ontologien benötigt werden und welche Anforderungen sie erfüllen sollen. So besteht oftmals 

der oberste Zweck in der Wiederverwendung von Wissen. Aber auch die Art und Anzahl der 

Softwaresysteme, in denen die Ontologien eingesetzt werden sollen, sind wichtige Zwecke, die 

58) Vgl. USCHOLD/KING (1995), USCHOLD (1996a), USCHOLD (1996b). 

59) Vgl. USCHOLD/GRUNINGER (1996) S. 96. Für die Entwicklung eines „Enterprise Models“ werden unternehmensweite Daten-, 

Prozess- und Verhaltensmodelle zu einem konsistenten Modellsystem integriert, um eine Unternehmensrepräsentation zu bilden. 

60) Vgl. USCHOLD/KING (1995) S. 2.


vor der Konstruktion der Ontologien festzulegen sind. Eine weitere Aufgabe innerhalb der 

Zweckidentifikation vor der eigentlichen Entwicklung ist die Identifizierung der Benutzer der 

Ontologien und ihrer Erwartungen. 

2. Ontologieentwicklung: 

Diese Phase wird weiter unterteilt in die Schritte Ontologieerfassung, -kodierung und Integration 

bestehender Ontologien. Die Erfassung umfasst die Identifikation der relevanten Konzepte 

und ihrer Beziehungen, die Darstellung der Konzepte durch präzise und eindeutige Textdefinitionen 

sowie die Festlegung von Bezeichnungen für diese Konzepte und ihre Beziehungen 

(Konzeptualisierung). Im Rahmen der Kodierung wird nach einer expliziten Repräsentation der 

Konzeptualisierung durch eine formale Sprache gesucht. Dafür schlagen die Autoren zunächst 

die Definition einer Meta-Ontologie vor, die die Basisausdrücke für die Ontologiespezifikation 

enthält, um anschließend eine Repräsentationssprache auszuwählen und damit den Kode zu generieren. 

Während dieser beiden vorangegangenen Aktivitäten stellt sich außerdem die Frage, 

ob und wie bereits existierende Ontologien integriert werden können. Für eine Integration bestehender 

Ontologien ist es wichtig, alle jeweils gemachten Annahmen explizit zu formulieren 

und eine Übereinstimmung zwischen den verschiedenen Benutzergruppen zu erzielen. 

3. Evaluation: 

Hierfür empfehlen die Autoren die Adaption von Methoden des Wissensmanagements. 61) Voraussetzung 

für die Bewertung von Ontologien ist auch, dass zuvor ein Referenzrahmen festgelegt 

wurde, der als Grundlage für eine Überprüfung der entwickelten Ontologien dient, wie etwa 

eine Anforderungsspezifikation mit Kompetenzfragen (siehe Kapitel 1.4.4.4.3, S. 301 f.). 

4. Dokumentation: 

Um eine effiziente gemeinsame Nutzung und Wiederverwendung der Ontologien zu ermöglichen, 

sollen alle wichtigen Annahmen dokumentiert werden. Dazu zählen sowohl die Annahmen 

zu den Hauptkonzepten der Ontologien als auch die Annahmen für die Formulierung der 

Definitionen, also die Meta-Ontologie. 

1.4.4.4.3 TOVE-Ansatz 

Ziel des Projekts TOVE (Toronto Virtual Enterprise), das unter anderem von GRÜNINGER und FOX 

durchgeführt wurde, war die Entwicklung eines „Commonsense“-Unternehmensmodells, das auf 

Ontologien basieren sollte. 62) Die Autoren sprechen gar vom „Knowledge Engineering zweiter Generation“ 

im Hinblick auf das zu entwickelnde ontologiebasierte Unternehmensmodell. 

Aus den während des Projekts gewonnenen Erkenntnissen wurde anschließend ein umfassendes 

Vorgehensmodell formuliert, das Richtlinien für die Konstruktion von Ontologien sowie für die 

Evaluation ihrer Angemessenheit vorsieht. Kern des Vorgehensmodells ist die Durchführung der 

folgenden sechs Phasen (siehe Abbildung 27 auf der nächsten Seite): 

61) Der Evaluationsvorgang gemäß USCHOLD/KING bezieht sich vornehmlich auf die Validation der Ontologie. 

62) Vgl. GRÜNINGER/FOX (1995) S. 1.


Motivationsszenarien 

Informale 

Kompetenzfragen 

Terminologie- 

Spezifikation 

Formale 

Kompetenzfragen 

Axiom- 

Spezifikation 

Abbildung 27: Vorgehensmodell von GRÜNINGER und FOX 

Vollständigkeitstheoreme 

1. Motivationsszenarien: 

Den Ausgangspunkt für die Ontologieentwicklung bilden die unterschiedlichen Probleme, die 

z.B. von Unternehmen identifiziert werden und durch Ontologien gelöst werden sollen. Sie 

werden in Form von Motivationsszenarien beschrieben, wobei zusätzlich auch erste intuitive 

Lösungsansätze zu präsentieren sind. Jeder Vorschlag für neue Ontologien oder die Erweiterung 

bestehender Ontologien soll ein solches Motivationsszenario beinhalten, um die Begründbarkeit 

für die Zwecke der Ontologie zu gewährleisten. 

2. Informale Kompetenzfragen: 

Aus den zuvor erfassten Szenarien wird eine Reihe von Kompetenzfragen abgeleitet. Diese natürlichsprachlichen 

(für den Computer nicht weiter verarbeitbaren, d.h. informalen) Kompetenzfragen 

beziehen sich hier generisch auf Ontologien und nicht auf die spezifischen Zwecke 

eines Kompetenzmanagementsystems. Anforderungen, die als Wissen von der Ontologie beantwortet 

werden müssen, werden als Fragen ausformuliert. Sie sind somit sowohl für die Entwicklung 

der Ontologie als auch für die spätere Evaluation der Ontologie von Bedeutung. Die 

Autoren empfehlen eine hierarchische Strukturierung der informalen Kompetenzfragen und 

schlagen als erste Gliederung die Unterteilung in eine „Aktivitäten-Ontologie“ (Fragen zu den 

Aktivitäten in der Organisation und zur Planung der Aktivitäten) und eine „Organisations- 

Ontologie“ (Fragen bezüglich möglicher Einschränkungen dieser Aktivitäten) vor. 

3. Terminologie-Spezifikation: 

In dieser Phase wird die Terminologie der Ontologien definiert, indem für jede Kompetenzfrage 

alle zu ihrer Beantwortung notwendigen Objekte, Attribute und Relationen identifiziert und 

spezifiziert werden. Dafür sollen die Beteiligten zunächst alle relevanten Konzepte als Objekte 

festlegen und diese dann als Konstanten und Variablen in einer formalen Sprache (etwa KIF 63) ) 

darstellen. Die Attribute der Objekte werden anschließend in Form einstelliger Prädikate, die 

Relationen zwischen den Objekten durch mehrstellige Prädikate repräsentiert. 

4. Formale Kompetenzfragen: 

Die zuvor nur informal formulierten Kompetenzfragen werden in dieser Phase in eine formale 

Darstellung, also in die für die Ontologiespezifikation gewählte Sprache, transformiert. Die 

Spezifizierung von formalen Kompetenzfragen ist eine notwendige Voraussetzung für die spätere 

Evaluation der Ontologien. Außerdem schränken sie die Menge der Axiome ein, die später 

in die Ontologien aufzunehmen sind. 

63) Das Akronym KIF steht für Knowledge Interchange Format, vgl. GENESERETH/FIKES (1992). KIF wurde entwickelt, um den 

Austausch von Wissen zwischen verschiedenartigen Computerprogrammen zu erleichtern.


5. Axiom-Spezifikation: 

Um die Begriffe der Ontologie und die Bedingungen ihrer Interpretation festzulegen, wird eine 

Menge von Axiomen definiert. 64) Sie spezifizieren die Semantik der Begriffe und werden formalsprachlich 

unter Anwendung der Prädikate der Ontologie formuliert. Sie müssen hinreichend 

sein für die Formulierung der formalen Kompetenzfragen und ihrer Antworten. Wenn 

die vorgeschlagenen Axiome in dieser Hinsicht unzureichend sind, müssen in einem iterativen 

Prozess zusätzliche Axiome in die Ontologie aufgenommen bzw. die nicht notwendigen Axiome 

aus der Ontologie entfernt werden. 

6. Vollständigkeitssätze: 

Für die Evaluation der Ontologie werden zunächst die Bedingungen spezifiziert, unter denen 

die Antworten auf die Kompetenzfragen vollständig sind. Mit Hilfe dieser ebenfalls formalsprachlich 

formulierten Vollständigkeitssätze 65) können die Entwickler dann die Ontologie und 

die enthaltenen Axiome auf ihre Vollständigkeit in Bezug auf die Kompetenzfragen prüfen. 

1.4.4.4.4 METHONTOLOGY 

Der METHONTOLOGY-Ansatz, den FERNÁNDEZ, GÓMEZ-PÉREZ und JURISTO 1996 am Zentrum 

für Künstliche Intelligenz des Polytechnikums von Madrid erstmals veröffentlichten, sollte eine umfassende 

Hilfestellung für die Konstruktion von Ontologien von Grund auf bieten („from the 

scratch“). 66) METHONTOLOGY orientiert sich stark an der IEEE-Norm 1074-1995. 67) Von GÓ- 

MEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE 68) und FERNÁNDEZ ET AL. 69) wird der Ontologieentwicklung 

eher das Prädikat eines Handwerks als das einer wissenschaftlichen Disziplin zugewiesen. Jedes 

Entwicklungsteam verwende nämlich zuerst seine eigenen Prinzipien, Entwurfskriterien und - 

phasen. Der dadurch entstehende Mangel an strukturierten, vereinheitlichten Vorgehensweisen beschränkt 

die Zusammenarbeit zwischen verschiedenen Entwicklungsteams, woraus die Notwendigkeit 

eines „expliziten und vollständig dokumentierten Konzeptualisierungsmodells“ 70) abgeleitet 

wird. Dazu präsentieren die Autoren eine Reihe von Aktivitäten, die Bestandteile des Ontologieentwicklungsprozesses 

sein sollen, sowie die Darstellung eines prototypbasierten Lebenszyklus für 

Ontologien. Teil dieses Rahmenwerks ist auch das METHONTOLOGY-Vorgehensmodell. 71) Es 

handelt sich um eine detaillierte Beschreibung der Entwicklungsaktivitäten, wie sie durchzuführen 

64) Im KOWIEN-Projekt wird diesbezüglich zwischen Inferenz- und Integritätsregeln unterschieden. Nach GRÜNINGER und FOX 

spezifizieren Axiome in der Ontologie die Definitionen von Konzepten und beschränken die Möglichkeiten ihrer Interpretation 

(vgl. GRÜNINGER/FOX (1995) S. 11), hiermit sind sie den Integritätsregeln in KOWIEN zuzuordnen. 

65) Hier wird der Begriff „Vollständigkeitstheorem“ von GRÜNINGER und FOX verwendet. 

66) Vgl. FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997) S. 1. 

67) Vgl. IEEE 1074 (1996). 

68) Vgl. GÓMEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE (1996) S. 41. 

69) Vgl. FERNANDEZ-LOPEZ ET AL. (1999) S. 37. 

70) FERNÁNDEZ-LÓPEZ ET AL. (1999) S. 37. 

71) Dabei wird zwischen den „technischen“ Aktivitäten der Ontologieentwicklung – im oberen Teil der folgenden Abbildung 28 

die Phasen Anforderungsspezifizierung, Konzeptualisierung und Implementierung – sowie den zusätzlich auszuführenden Unterstützungsaktivitäten 

– betroffen sind die Phasen Wissensakquisition, Integration, Evaluation und Dokumentation im unteren 

Teil der Abbildung 28 – unterschieden.


sind, welche Techniken sich dafür eignen und welche Artefakte am Ende jeder Phase produziert 

werden. 

Anforderungsspezifizierung 


Konzeptualisierung 

Integration 

Evaluierung 

Abbildung 28: Vorgehensmodell von FERNÁNDEZ ET AL. 


Dokumentation 

1. Anforderungsspezifizierung: 

Ziel dieser Phase ist die Produktion eines natürlichsprachlich formulierten Ontologiespezifikationsdokuments, 

das die folgenden Informationen enthält: die intendierten Anwendungen und 

Benutzer der Ontologie, den Formalitätsgrad, in dem die Ontologie implementiert werden soll, 

sowie den Umfang und die Granularität der Begriffsrepräsentationen. Mehrere Alternativen für 

das Vorgehen bei der Spezifikation sind möglich, z.B. Kompetenzfragen oder auch natürlichsprachige 

Texte. 

2. Wissensakquisition: 

Die Wissensidentifikation und -erfassung wird zumindest teilweise parallel zur Anforderungsspezifizierung 

vorgenommen. In diesem Ansatz wird für die Wissensakquisition keine bestimmte 

Vorgehensweise vorgeschrieben. Stattdessen stellen die Autoren eine Reihe von möglichen 

Techniken vor, wie etwa Experteninterviews und Textanalysen. Anschließend sollen die 

relevanten Wissensquellen aufgelistet und die angewandten Erhebungstechniken beschrieben 

werden. 


Um die Problemstellung und ihre Lösung durch ein konzeptuelles Modell strukturiert darstellen 

zu können, wird zunächst eine vollständige Begriffssammlung erstellt, die die Konzepte, Instanzen, 

Verben und Eigenschaften der Domäne umfasst. Daraufhin werden die Begriffe in die 

beiden Kategorien Konzepte und Verben klassifiziert; diese werden dann in Baumhierarchien 

weiter verfeinert, um andere verwandte Konzepte oder Verben zu identifizieren. Zur Darstellung 

der Begriffe empfehlen die Autoren an dieser Stelle informale Repräsentationsarten wie 

Verzeichnislisten und Tabellen.


4. Integration: 

Da eines der wichtigsten Ziele des Ontology Engineerings die Wiederverwendung von Wissen 

ist, sollen die Verantwortlichen bereits existierende Ontologien auf ihre Möglichkeiten zur Integration 

überprüfen. Durch die Untersuchung von Meta-Ontologien und die Analyse von Ontologien 

hinsichtlich ihrer Kohärenz zu der im eigenen Projekt erarbeiteten Konzeptualisierung 

kann beurteilt werden, ob und wie andere Ontologien integriert werden können. Als Resultat 

dieser Phase sieht METHONTOLOGY ein Integrationsdokument vor, das alle eventuell benutzten 

Meta-Ontologien, Ontologien und die daraus verwendeten Begriffe zusammenfasst. 


In diesem Schritt soll die informale Darstellung der Ontologie in eine formale Repräsentation 

transformiert werden. Die Wahl der Sprache ist dabei in diesem Ansatz offen. Es wird jedoch 

die Nutzung einer Entwicklungsumgebung für die Kodierung der Ontologie empfohlen, um die 

Fehlerwahrscheinlichkeit zu verringern und die Implementierung zu erleichtern. 

6. Evaluierung: 

Vor ihrer Anwendung soll die Ontologie anhand eines Referenzrahmens, in diesem Falle der 

Anforderungsspezifikation, untersucht und bewertet werden. Dazu zählt einerseits die Verifikation, 

also die Überprüfung der Korrektheit der Ontologie sowie ihrer Software-Umgebung und 

ihrer Dokumentation, andererseits die Validation, das heißt die Überprüfung der Eignung der 

Ontologie im Hinblick auf ihren Zweck und die damit verbundenen Anforderungen. 

7. Dokumentation: 

Während des gesamten Ontologieentwicklungsprozesses sollen die Beteiligten alle wichtigen 

Annahmen, Entscheidungen und Ergebnisse dokumentieren, damit die gemeinsame Nutzung 

und auch die Wiederverwendung der Ontologie erleichtert werden. Nach dem Vorgehensmodell 

dieses Ansatzes sollen die in jeder Phase entstehenden Artefakte (Anforderungsspezifikation, 

Wissensakquisitionsdokument, konzeptuelles Modell sowie Formalisierungs-, Integrations- 

und Implementierungsdokument) eine umfassende und durchgehende Dokumentation 

gewährleisten. 

1.4.4.4.5 On-To-Knowledge-Ansatz 

Der On-To-Knowledge-Ansatz ist Bestandteil eines Konzepts zur Entwicklung eines ontologiebasierten 

Wissensmanagementsystems, der erstmals 2000 von SCHNURR, STUDER, SURE und AKKER- 

MANNS vorgestellt wurde 72) und mittlerweile im deutschsprachigen Raum eine große Bekanntheit 

erlangt hat. In diesem Ansatz wird zwischen zwei Arten von Prozessen unterschieden: zwischen 

dem Prozess der Einführung und Instandhaltung von Wissensmanagementsystemen (Wissens-Metaprozess) 

und dem Prozess der Generierung, Erfassung und Nutzung des Wissens, der als Wissensprozess 

bezeichnet wird. Der Wissens-Metaprozess umfasst gleichzeitig auch ein Vorgehensmodell 

zur Konstruktion von Ontologien und verfolgt dabei das Ziel, durch diese Einbettung der Ontologieentwicklung 

in die übergeordnete Wissensmanagementsystementwicklung die Anwendungsorientierung 

des Systems zu fördern. Das im Folgenden dargestellte Vorgehensmodell beschreibt 

72) Vgl. SCHNURR ET AL. (2000) S. 24 ff. Ferner vgl. auch SURE (2002a) und LAU/SURE (2002).


daher den gesamten Wissens-Metaprozess, der an die Vorgehensweise des CommonKADS-Ansatzes 

73) angelehnt ist. 

Machbarkeitsstudie 

Ontologie- 

Kickoff 

Verfeinerung 

Evaluation 

Abbildung 29: Vorgehensmodell von SCHNURR ET AL. 

Wartung 

1. Machbarkeitsstudie: 

Bevor die Mitglieder des Projektteams mit dem „eigentlichen“ Entwicklungsprozess beginnen, 

soll eine Machbarkeitsstudie durchgeführt werden, um die organisatorischen Rahmenbedingungen 

der Systementwicklung zu erfassen. Hauptbestandteil dieser Studie sind eine Markt- 

und Wettbewerbsanalyse sowie eine Untersuchung der unternehmensinternen Voraussetzungen. 

Hierbei sollen einerseits Chancen und Risiken aufgedeckt und dabei erste mögliche Konstruktionsansätze 

skizziert werden. Andererseits sollen die identifizierten Faktoren in eine breitere 

organisatorische Perspektive eingebettet werden. Durch dieses Vorgehen sollen Probleme 

und Möglichkeiten aufgezeigt und eine Entscheidung getroffen werden, inwiefern ein ontologiebasiertes 

Wissensmanagementsystem für die Lösung der betrachteten Probleme geeignet ist, 

d.h. die Studie soll als Entscheidungsgrundlage für die ökonomische und technische Machbarkeit 

des Projekts dienen. 

2. Ontologie-Kickoff: 

Wenn die Machbarkeitsstudie mit einer Entscheidung für das Projekt abgeschlossen wurde, 

müssen im nächsten Schritt die Anforderungen an die Ontologie erhoben werden. Dazu wird 

mit Hilfe strukturierter Interviews eine Anforderungsspezifikation erstellt, die das Ziel der Ontologie, 

die Eingrenzung der Anwendungsdomäne, die potenziellen Benutzer und die Benutzeranforderungen 

als Anforderungskatalog dokumentiert. Dieser Anforderungskatalog soll die 

Entwickler der Ontologie bei der hierarchischen Strukturierung der Begriffe unterstützen. Außerdem 

soll diese Phase eine Analyse der relevanten Wissensquellen (Domänenexperten, Organisationsdiagramme, 

Geschäftspläne, Wörterbücher, Indexlisten, Datenbank-Schemata etc.) 

umfassen sowie die Formulierung von Kompetenzfragen, die vom System beantwortet werden 

sollen. Darüber hinaus soll bereits eine erste informale (oder semi-formale) Beschreibung der 

Ontologie erstellt werden. 

3. Verfeinerung: 

In Zusammenarbeit mit Domänenexperten entwerfen die Ontologieentwickler eine Basis- 

Ontologie, die dann schrittweise erweitert und verfeinert wird. Dafür müssen alle relevanten 

Konzepte sowie Relationen zwischen den Konzepten und Regeln identifiziert und dargestellt 

werden und hinsichtlich ihrer Konsistenz und Vollständigkeit überprüft werden. Anschließend 

wählen die Entwickler eine Sprache zur formalen Repräsentation der Ontologie aus (die Autoren 

schlagen Sprachen wie RDF und DAML+OIL 74) vor) und transformieren die Elemente der 

73) Zu CommonKADS vgl. SCHREIBER ET AL. (2001a). 

74) Aktuelle Informationen zu den Sprachen DAML+OIL (DARPA Annotated Markup Language + Ontology Inference Layer) und 

RDF (Resource Description Framework) sind im Internet unter unter den URL „http://www.w3.org/TR/daml+oil-walkthru/“ 

bzw. „http:// www.w3.org/RDF/“ (Zugriffe am 21.06.2004) zu finden.


„Basis-Ontologie“ in formalsprachliche Konzepte, Relationen und Regeln der „Ziel-Ontologie“. 

Es lassen sich somit die folgenden Teilphasen unterscheiden: 

• Erstellung einer ersten informalen Taxonomie, die alle relevanten Begriffe aus der Kickoff-Phase 

enthält, 75) 

• Akquisition von Wissen von Domänen-Experten mit dem Ziel der Erstellung einer ersten 

natürlichsprachlichen Basis-Ontologie, die relevante Konzepte, Relationen zwischen den 

Konzepten und darauf aufbauende Axiome enthält, 

• Transformation der Basis-Ontologie in eine erste Ziel-Ontologie, die formalsprachlich repräsentiert 

wird. 

4. Evaluation: 

In dieser Phase wird die entwickelte Ontologie im Hinblick auf ihren Nutzen in der vorgesehenen 

Anwendungsumgebung bewertet. Zunächst überprüfen die Entwickler, ob die Ziel-Ontologie 

alle Kriterien der Anforderungsspezifikation erfüllt und ob sie die festgelegten Kompetenzfragen 

„beantworten“ kann. Darüber hinaus wird die Ontologie anhand eines Prototyps des 

Wissensmanagementsystems in ihrer späteren Anwendungsumgebung getestet, um durch 

Rückmeldungen der testenden Benutzer Fehler zu identifizieren. Falls sich durch die Evaluation 

ein Revisionsbedarf ergibt, müssen die Fehler durch eine Rückkehr in die Verfeinerungsphase 

behoben werden. 

In der Evaluationsphase soll die Nützlichkeit der entwickelten Ontologie und der darauf aufbauenden 

Softwareumgebung bewertet werden. Zuerst soll die Ziel-Ontologie hinsichtlich der 

Anforderungen überprüft werden. Dabei soll insbesondere analysiert werden, ob diese Ontologie 

alle Kompetenzfragen unterstützt. In einem folgenden Schritt soll die Ontologie in der jeweiligen 

Anwendungsumgebung getestet werden und durch Feedback von Testern verbessert 

werden. 

Die Evaluationsphase ist eng mit der Verfeinerungsphase gekoppelt. Bei der Entwicklung der 

Ontologie müssen so lange Zyklen durchlaufen werden, bis die Ziel-Ontologie den gewünschten 

Detaillierungsgrad erreicht hat. 

5. Wartung: 

SCHNURR ET AL. 76) empfehlen eine regelmäßige Erweiterung und Anpassung der Ontologie, um 

Änderungen in der Anwendungsdomäne Rechnung zu tragen. Da die Instandhaltung von Ontologien 

nach Meinung der Autoren in erster Linie ein organisationaler Prozess ist, sollten Regeln 

für die Aktualisierung formuliert und die Verantwortlichkeiten zur Durchführung der Modifikationen 

festgelegt werden (beispielsweise neue Versionsstände der Ontologie freigeben). Für 

größere Änderungen, wie z.B. Umstrukturierungen, ist oft ein erneuter Durchlauf der Verfeinerungs- 

und der Evaluationsphase erforderlich. Analog zur ersten Verfeinerungsphase soll das 

Feedback von den Benutzern wichtige Hinweise für erforderliche Änderungen an der Ziel-Ontologie 

liefern. Nach Inbetriebnahme des ontologiebasierten Wissensmanagementsystems muss 

nicht nur die Ontologie, sondern auch das darauf aufbauende System instand gehalten werden. 

Sowohl Modifikationen der Ontologie als auch Änderungen am Aufbau der Anwendung sollen 

hierbei im organisatorischen Kontext berücksichtigt werden. 

75) Bei der Terminologie-Spezifikation nach GRÜNINGER und FOX (vgl. S. 301) wird die Erstellung einer Taxonomie bei der Festlegung 

der Terme nicht vorrangig behandelt im Gegensatz zu der hier definierten Phase. 

76) Vgl. SCHNURR ET AL. (2000) S. 18 und S. 32.


1.4.4.4.6 Kollaborativer Ansatz 

HOLSAPPLE und JOSHI verfolgen in ihrem Ansatz zur Ontologieentwicklung das Ziel, den Aspekt 

der Bindung der unterschiedlichen Beteiligten an die Ontologie möglichst früh in den Entwicklungsprozess 

zu integrieren, um so die Akzeptanz und die gemeinsame Nutzung der Ontologie zu 

fördern. 77) Die Autoren unterscheiden fünf verschiedene Ansätze mit unterschiedlichen Ausgangspunkten 

für das Design von Ontologien: 78) 

• Inspiration (ausgehend von einer individuellen Sicht auf die Domäne), 

• Induktion (mit einem konkreten Fall als Grundlage für eine Verallgemeinerung), 

• Deduktion (basierend auf generellen Prinzipien, die angepasst und erweitert werden), 

• Synthese (die Zusammenfassung mehrerer bestehender Ontologien zu einer umfassenden) und 

• Kollaboration (Einbringung der Ansichten und Erfahrungen mehrerer Personen). 79) 

Jede dieser Vorgehensweisen hat Vor- und Nachteile und ist jeweils für eine bestimmte Situation 

besser geeignet als eine andere. HOLSAPPLE und JOSHI haben sich für die Durchführung einer Fallstudie 

für den kollaborativen Ansatz entschieden, da durch die Beteiligung einer größeren Menge 

von Personen die Chancen für die spätere Akzeptanz der Ontologie steigen und auch die Risiken 

einer lückenhaften Ontologiespezifikation verringert werden können. 

iterative 

Vorbereitung Verankerung 

Anwendung 

Verbesserung 

Abbildung 30: Vorgehensmodell von HOLSAPPLE und JOSHI 

1. Vorbereitung: 

In dieser ersten Phase werden Entwicklungskriterien, wie z.B. Verständlichkeit, Korrektheit, 

Klarheit und Nutzen, definiert, die einerseits als Richtlinien während der Entwicklung und andererseits 

für die Bewertung der Qualität der Ontologie im Nachhinein dienen sollen. Anschließend 

werden Grenzbedingungen festgelegt, um die Anwendung der Entwicklungskriterien 

auf bestimmte Bereiche einzuschränken. Die vorgestellte Fallstudie konzentriert sich auf 

betriebliches Wissensmanagement in Unternehmen, auf die Beschreibung von Wissensmanagement-Phänomenen 

und auf ein „Top-Down“-Vorgehen. Außerdem sollen in der Vorbereitungsphase 

Evaluationsstandards bestimmt werden, beispielsweise existierende Ontologien, bewährte 

Wissensmanagementkonzepte und Forschungsergebnisse, zu denen der Entwicklungsprozess 

und die resultierende Ontologie konsistent sein müssen. 

77) Vgl. HOLSAPPLE/JOSHI (2002) S. 43. 

78) Vgl. HOLSAPPLE/JOSHI (2002) S. 44; diese fünf Kategorien von Ansätzen können auch miteinander kombiniert werden. 

79) Diese Kategorien können auch für die Klassifizierung von Vorgehensmodellen verwendet werden. So baut TOVE beispielsweise 

auf der Inspiration auf. Der Ansatz der Kollaboration ist in den meisten Ansätzen zu finden. Die Kollaboration kann im engeren 

Sinne nach Ansicht der Verfasser nicht als eigenständige Kategorie behandelt werden, weil sie jeweils einen der vorgenannten 

vier Ansätze für eine initiale Ontologie benötigt.


2. Verankerung: 

Jeder der angesprochenen fünf Entwicklungsansätze kann für die Formulierung einer Basis- 

Ontologie angewendet werden, die einen „Anker“ zur Orientierung bei der eigentlichen Entwicklung 

darstellt. Die Autoren entschieden sich für eine Synthese, indem sie die Sprachen, 

Konzepte und Beziehungen aus den Evaluationsstandards konsolidierten und neu organisierten 

und dann in mehreren Iterationen die „Anker-Ontologie“ durch einen Abgleich mit den Design- 

Kriterien weiterentwickelten (siehe auch iterative Verbesserung). 

3. Iterative Verbesserung: 

In dieser Phase wird eine Adaption der Delphi-Methode 80) eingesetzt, um die Basis-Ontologie 

schrittweise zu verfeinern und zu vervollständigen. Zunächst werden dafür bestimmte Teilnehmer 

(vor allem die Benutzer) identifiziert und in Ausschüssen gruppiert. Die Ontologieentwickler 

senden die Basis-Ontologie an die Mitglieder der Ausschüsse, damit diese den ersten 

Entwurf kritisieren und kommentieren. Nachdem die Bewertungen der Ontologie zurückgeschickt 

worden sind, findet eine Revision statt, um die Kritik und Verbesserungsvorschläge in 

die Ontologie einzuarbeiten. Anschließend wird die modifizierte Version erneut an die Teilnehmer 

gesendet. Dieser Prozess wird iterativ so lange durchgeführt, bis die Ontologie von allen 

Beteiligten übereinstimmend als vollständig und den Anforderungen (also den Design- 

Kriterien) entsprechend angesehen wird. Um die verschiedenen Kommentare und Vorschläge 

zu verwalten und umzusetzen, teilen die Entwickler die Antworten in Kategorien ein (z.B.: begründet 

und häufig, gelegentlich, selten und zufällig) und fertigen ein Dokument zur Zusammenfassung 

der Kritik an. Die Modifikationen der nächsten Iterationsphase sollen sich hieran 

orientieren. 

4. Anwendung: 

Abschließend werden die Qualität und der Nutzen der Ontologie durch ihre Anwendung in 

konkreten Projekten überprüft. Die Autoren setzten ihre Ontologie z.B. als Rahmenwerk bei 

der Untersuchung von Wissensselektionsprozessen und Wissensselektionstechniken sowie bei 

der Generierung eines „Wissenskettenmodells“ ein. 

1.4.4.5 Evaluation der Ansätze 

Die im vorigen Kapitel dargestellten Vorgehensmodelle setzen verschiedene Schwerpunkte und lassen 

sich für einzelne Entwicklungsprojekte unterschiedlich einsetzen. Um eine Bewertung der Ansätze 

hinsichtlich ihrer Eignung für die Konstruktion von Kompetenzontologien, wie im KOWIEN- 

Projekt vorgesehen, vornehmen zu können, werden im Folgenden die in Kapitel 1.4.4.2 aufgestellten 

Anforderungen zur Evaluation herangezogen. Für jedes Kriterium wird untersucht, ob und inwieweit 

es in den einzelnen Ansätzen erfüllt wird. Anschließend werden die Ergebnisse dieser Analyse, 

also der Grad der Erfüllung der jeweiligen Anforderung durch die verschiedenen Vorgehensmodelle, 

in einer Tabelle am Ende dieses Kapitels dargestellt. 

80) Vgl. LINSTONE/TUROFF (1975). Die Delphi-Methode ist eine strukturierte Vorgehensweise für die Befragung von Experten sowie 

für die Sammlung und die Integration der verschiedenen Sichten auf eine bestimmte Problemstellung.


1.4.4.5.1 Generizität 

Der IDEF5-Ansatz ist im Kern sehr generisch, weil er im Vorhinein keinerlei Einschränkungen bezüglich 

der Domäne vorsieht. Allerdings verfügt er mit den beiden vorgegebenen Sprachen über eine 

Einschränkung, die die Generizität beeinträchtigt. Zwar basiert die elaboration language auf KIF 

und ist damit prinzipiell austauschbar, jedoch werden damit Anwendungen für das Semantic Web 

nur mittelbar ermöglicht. 

Dem Kriterium der Generizität wird in dem von USCHOLD und KING vorgestellten Enterprise- 

Model-Ansatz besondere Aufmerksamkeit geschenkt. Bevor sie detaillierter auf ihre eigenen Erfahrungen 

mit der Ontologieentwicklung eingehen, beschreiben die Autoren ein allgemeines, grob 

formuliertes Vorgehensmodell 81) , das auf ein sehr breites Spektrum von Projekten zur Ontologieentwicklung 

angewendet werden kann. 

Der TOVE-Ansatz von GRÜNINGER und FOX ist weniger generisch konzipiert. Zwar lässt sich auch 

dieses Modell auf viele Ontologieentwicklungsvorhaben übertragen, die Art der Durchführung ist 

aber zum Teil schon innerhalb der Phasen vorgegeben. So werden zum Beispiel bei TOVE die Spezifikation 

der Anforderungen durch Kompetenzfragen und die Implementierung der Ontologien 

durch Formulierung in der Prädikatenlogik der ersten Stufe realisiert. 

Die Autoren von METHONTOLOGY dagegen lassen sowohl die Wahl der formalen Sprache als 

auch die Art der Anforderungsspezifikation offen. Sogar die Reihenfolge der Aktivitäten, deren 

Durchführung sie empfehlen, kann für jedes Projekt neu entschieden werden. Die Generizität des 

Ansatzes wird besonders deutlich durch die allgemeine Formulierung der Phasen und durch die 

große Anzahl an Alternativen, die für ihre Umsetzung vorgeschlagen werden. 

Auch der On-To-Knowledge-Ansatz umfasst eine eher grobe Beschreibung der Aktivitäten, die 

durch Fallstudien instanziiert und detailliert werden. Das Vorgehensmodell ist auf andere Projekte 

übertragbar, jedoch nur auf solche, bei denen die Ontologien den Kern eines Wissensmanagementsystems 

bilden und in deren Rahmen die Ontologieentwicklung ein Teil der Wissensmanagementsystementwicklung 

ist. 

Bei der Arbeit von HOLSAPPLE und JOSHI liegt der Fokus ausschließlich auf der Ontologieentwicklung 

(unabhängig von ihrem Umfeld). Der vorgestellte kollaborative Ansatz erfüllt das Kriterium 

der Generizität in der Hinsicht, dass bei Projekten zur Ontologieentwicklung grundsätzlich mehrere 

Personen mit verschiedenen Ansichten beteiligt sind. 

1.4.4.5.2 Anwendungsbezogenheit 

Die meisten der vorgestellten Ansätze lassen sich als relativ detailliert und anwendungsnah einstufen. 

Die Anwendungsbezogenheit wird beim IDEF5-Ansatz durch zahlreiche Formblätter sichergestellt, 

die eine nachvollziehbare Anwendung ermöglichen sollen. So gibt es Formblätter etwa für die Zwecke 

der Ontologieentwicklung sowie der Verwaltung des Quellenmaterials und der in die Ontologie 

aufzunehmende Konzepte. Allerdings verfügt der Ansatz nicht über konkrete Handlungsempfehlun- 

81) Vgl. USCHOLD/KING (1995) S. 2. Dieses Modell bildet jedoch nur ein Grundgerüst und sollte nach Aussage der Autoren durch 

entsprechende Erweiterungen sowie durch die Festlegung von Techniken an konkrete Projekte angepasst werden.


gen für den Benutzer. Der Anspruch, eine „Ontology Capture Method“ zu sein, wird nur in Teilen 

erfüllt. 

Der Enterprise-Model-Ansatz hingegen erhebt nur den Anspruch, ein Grundgerüst für das Vorgehen 

bei der Ontologieentwicklung bereitzustellen. Die einzelnen Phasen werden genannt und erläutert. 

Eine genaue Beschreibung und Hinweise zur Umsetzung werden auch hier nicht gegeben. Allerdings 

gilt dies nur für das Vorgehensmodell selbst, denn in ihrem Artikel von 1995 gehen die Autoren 

anschließend auf ihre Erfahrungen aus einer Fallstudie ein, wobei sie konkrete Methoden zur 

Umsetzung ihres Vorgehensmodells darstellen. 82) Teilweise wird dadurch eine Erweiterung und 

Verfeinerung des Modells gegeben, doch für viele Vorgehensschritte nutzen USCHOLD und KING 

die Vorschläge und Erkenntnisse aus anderen Arbeiten und verweisen auf die jeweiligen Literaturquellen. 

Bei TOVE ist stattdessen die Beschreibung der Implementierungsmöglichkeiten und der Aktivitäten 

Bestandteil des Vorgehensmodells selbst. So werden beispielsweise konkrete Empfehlungen bezüglich 

der Anforderungsspezifizierung (Kompetenzfragen) und der Wahl der formalen Sprache (Prädikatenlogik) 

gegeben. Die Vorgehensschritte bei der Formalisierung werden relativ detailliert erläutert. 

Auch der Ansatz METHONTOLOGY beinhaltet bereits einige Beschreibungen von Methoden für 

die Durchführung einer Ontologieentwicklung. Obwohl die Autoren den Anspruch erheben, einen 

hohen Detaillierungsgrad zu erreichen 83) , sind die Phasenaktivitäten in den vorliegenden Quellen 

nur teilweise durch Realisierungshinweise konkretisiert. Dabei ist nicht festgelegt, auf welche Art 

und Weise das Vorgehensmodell umzusetzen ist, aber es werden für jede Phase mehrere Alternativen 

zur Realisierung der Aufgaben vorgestellt. So können die Projektverantwortlichen sich zum 

Beispiel bei der Wissensakquisition für strukturierte und unstrukturierte Interviews, für Brainstorming, 

Textanalyse oder für computerunterstützte Wissenserhebung entscheiden. 

On-To-Knowledge kann ebenfalls als anwendungsbezogen angesehen werden. Dabei konzentrieren 

sich die Autoren besonders darauf, die Ergebnisse der einzelnen Phasen, also etwa das Anforderungsspezifikationsdokument 

oder das Kompetenzfragen-Formular, genau zu beschreiben und ihren 

Aufbau durch Beispiel-Graphiken zu verdeutlichen. 

Im Kollaborativen Ansatz sind die Phasen des Vorgehensmodells und die Möglichkeiten zu ihrer 

Umsetzung auch sehr detailliert dargestellt. Damit erfüllt die Arbeit in dieser Hinsicht die Anforderung 

der Anwendungsbezogenheit. Allerdings liegt der Schwerpunkt dieses Ansatzes auf der Verfeinerung 

von Ontologien durch mehrere beteiligte Personen, während die Erstellung und Formalisierung 

einer ersten Basis-Ontologie nicht ausreichend genau behandelt wird, um den Ansatz in einem 

konkreten Projekt ohne weitere methodische Fundierung anwenden zu können. Weil der Einsatz 

der Delphi-Methode im Kontext der Ontologieentwicklung einen hohen Aufwand und umfassende 

Kenntnisse der Beteiligten über die Domäne sowie über Ontologien erfordert, ist die Methode 

hauptsächlich für größere und komplexere Projekte geeignet. 

82) Vgl. USCHOLD/KING (1995) S. 4 ff. 

83) Vgl. FERNÁNDEZ-LÓPEZ (1999) S. 4.9.



Der IDEF5-Ansatz verfügt über zahlreiche Dokumentationsvorgaben, die teilweise in ihrer bürokratischen 

Wirkung hemmend sein können. So gibt es beispielsweise eine Liste mit den in die Ontologie 

aufzunehmenden Konzepten (Term Pool) und eine Liste mit den Beschreibungen dieser Konzepte 

(Term Description Form), die lediglich zusätzlich eine kurze Beschreibung zum Konzept vorhält. 

Relationen zu weiteren Konzepten werden hier noch gar nicht erfasst und erst später in einem 

weiteren Dokument abgelegt. 

USCHOLD und KING definieren das Dokumentieren und Begründen von Entscheidungen und Annahmen 

als eigene Phase ihres Modells und stellen damit die Beachtung dieser wichtigen Aufgabe 

bei einer Anwendung des Enterprise-Model-Ansatzes sicher. Jedoch ist an dieser Stelle zu erwähnen, 

dass in den eigentlichen Entwicklungsphasen sowie bei der Darstellung der Fallstudie nicht 

mehr näher auf diese Tätigkeit eingegangen wird. 

In dem Vorgehensmodell von TOVE ist die Dokumentation der relevanten Entscheidungen und Ergebnisse 

eher implizit enthalten. So wird beispielsweise durch die Formulierung von Motivationsszenarien 

und Kompetenzfragen das Resultat der vorangegangenen Aktivitäten festgehalten. Die 

dabei vorhandenen personen- und situationsabhängigen Annahmen und Einschränkungen werden 

jedoch in diesem Ansatz nicht expliziert. 

Die Autoren von METHONTOLOGY präsentieren die Aufgabe der Dokumentation einerseits als 

eigenständige Phase in ihrem Vorgehensmodell und gleichzeitig auch als Bestandteil jeder einzelnen 

Ontologieentwicklungsphase. Die Dokumentation wird dabei als entscheidende Aktivität während 

des gesamten Entwicklungsprozesses dargestellt und durch die verschiedenen Artefakte realisiert, 

die im Laufe des Projekts entstehen, wie zum Beispiel Anforderungsspezifikation, Wissensakquisitionsdokument 

und konzeptuelles Modell. 

Im Gegensatz dazu wird dem Grundsatz der Dokumentation bei der Beschreibung des On-To- 

Knowledge-Ansatzes wenig Aufmerksamkeit geschenkt. Er findet in der Struktur des Vorgehensmodells 

keine Erwähnung, und auch in den wenigen während des Entwicklungsprozesses produzierten 

Artefakten werden Entscheidungen und ihre Begründungen allenfalls implizit dokumentiert. 

Der Kollaborative Ansatz von HOLSAPPLE und JOSHI enthält die Dokumentation auch nicht als eigenen 

Bestandteil des Phasenmodells. Doch in jedem Vorgehensschritt werden die wichtigsten Ergebnisse 

in Form von schriftlichen Ausführungen als Entscheidungsgrundlage an die nächsten Phasen 

weitergegeben. So soll etwa beim Einsatz der Expertenbefragung in der Verfeinerungsphase in 

jeder Iteration eine Zusammenfassung der eingegangenen Kritikpunkte und Kommentare angefertigt 

werden. 

1.4.4.5.4 Einfachheit 

Da die Einfachheit eines Vorgehensmodells zu einem großen Teil durch die Komplexität seines 

Aufbaus beeinflusst wird, kann ein so generelles und grob strukturiertes Grundgerüst, wie es etwa 

der TOVE-Ansatz bietet, dieses Kriterium leichter erfüllen als ein umfassenderes, ausführlich beschriebenes 

Vorgehensmodell. 

Die fünf Hauptphasen des IDEF5-Ansatzes lassen sich einfach erkennen und bieten in ihrer Zusammensetzung 

ein intuitives Vorgehen bei der Ontologieentwicklung. Die Verwendung der elaboration 

language erfordert jedoch umfangreiche Fachkenntnisse, die von Personen mit geringen


Vorkenntnissen nicht erbracht werden können. Hinzu kommt, dass kein eigentlicher Startpunkt der 

Ontologieentwicklung angegeben wird, d.h. der Ontologieentwickler beginnt mit einer losen Sammlung 

von Begriffen, die mehr oder weniger zufällig durch Relationen geordnet werden, die bei der 

Datenanalyse (zufällig) vorgefunden werden. 

Das von USCHOLD und KING entwickelte Vorgehensmodell besteht aus nur vier Phasen, von denen 

die umfassendste (die Ontologieentwicklung selbst) durch die Unterteilung in drei Vorgehensschritte 

weiter detailliert wird. Die Phasenbezeichnungen und ihre Beschreibungen der Aktivitäten sind 

wenig technisch, und für weitere Einzelheiten wird oft auf andere Quellen verwiesen, so dass das 

Modell relativ simpel gehalten und für die meisten Personen mit geringen Vorkenntnissen verständlich 

ist. 

Beim Einsatz des TOVE-Ansatzes dagegen ist spätestens bei der formalen Spezifikation der Kompetenzfragen 

und anschließend der Regeln und der Vollständigkeitsbedingungen logischmathematisches 

Vorstellungsvermögen erforderlich, um die einzelnen Schritte sowie die Erläuterungen 

und Definitionen nachvollziehen zu können. Natürlich wird die tatsächliche Formalisierung 

meist von Personen mit Informatik- oder Mathematik-Kenntnissen vorgenommen, doch es könnte 

bei TOVE schon bei der Planung zu Verständnis- oder sogar Akzeptanzschwierigkeiten auf der Seite 

des Projektleiters und anderer Beteiligter mit nicht formalem Hintergrund kommen. 

Die Phasenbeschreibungen, die bei METHONTOLOGY gegeben werden, und die Erläuterungen 

der in diesem Vorgehensmodell vorgeschlagenen Techniken sind auf der einen Seite nicht sehr 

komplex aufgebaut. Auf der anderen Seite kann die Struktur des Vorgehensmodells dadurch unüberschaubar 

wirken, dass der Ansatz sehr umfassend konzipiert ist und eine große Anzahl von 

Phasen aufweist. 

Die Menge der Vorgehensschritte, die im On-To-Knowledge-Ansatz dargelegt werden, ist dagegen 

noch übersichtlich und verständlich. Dennoch erfüllt dieser Ansatz das Kriterium der Einfachheit 

nur teilweise, weil er viele verschiedene Einflüsse aufnimmt (aus den Bereichen Software Engineering, 

Wissensmanagement und Ontology Engineering) und daher für die Realisierung der Aktivitäten 

sehr unterschiedliche Techniken vorgeschlagen werden. 84) 

Das Vorgehen des Kollaborativen Ansatzes ist sowohl in Hinsicht auf die äußere Struktur als auch 

bezüglich der Erläuterungen zu den einzelnen Phasen vergleichsweise simpel gestaltet. Da eventuelle 

„technische“ Details, die etwa die Formulierung der Basis-Ontologie oder auch später die formalsprachliche 

Implementierung betreffen, außer Acht gelassen werden, ist die Beschreibung der Phasen 

und ihrer Aktivitäten wenig komplex und durchaus leicht zu erfassen. 

84) So werden beispielsweise für die Erhebung der Anforderungen die Erstellung eines Anforderungsspezifikationsdokuments (aus 

dem Bereich des Software Engineerings) sowie zusätzlich die Formulierung von Kompetenzfragen (ein eher ontologieentwicklungsspezifisches 

Konzept) empfohlen und auch beide Dokumente später als Referenzrahmen bei der Evaluation herangezogen.


1.4.4.5.5 Klarheit 

Die dargestellten Ansätze beinhalten kaum formale oder auch nur semi-formale Beschreibungen der 

jeweiligen Vorgehensweise. Dennoch sind die Vorgehensmodelle meist klar und verständlich formuliert 

und oft durch eine graphische Darstellung des Phasenablaufs verdeutlicht. 

Der IDEF5-Ansatz besitzt eine klare Zielsetzung und eine übersichtliche Struktur. Die Aktivitäten 

in den einzelnen Phasen werden verständlich beschrieben und durch zahlreiche Formblätter mit 

Beispielen weiter verdeutlicht. Es existiert nur eine natürlichsprachliche Beschreibung der Phasenaktivitäten. 

Das Vorgehen des Enterprise-Model-Ansatzes besitzt ebenfalls eine klare Zielsetzung und eine 

übersichtliche Struktur. Auch die einzelnen Aktivitäten sind allgemein verständlich beschrieben, 

obwohl die Autoren für detaillierte Ausführungen oft auf andere Quellen verweisen. 

Die Anforderung der Klarheit wird bei dem TOVE-Ansatz von GRÜNINGER und FOX vor allem 

durch das sehr systematisch aufgebaute Phasenmodell umgesetzt. Auch die Phasen selbst sind eindeutig 

formuliert. Besonders bei der Darstellung der Aktivitäten zur Formalisierung der Ontologien 

verwenden die Autoren zusätzlich formalsprachliche Notationen, um die Präzision ihres Ansatzes 

zu erhöhen. 

Auch das METHONTOLOGY-Vorgehensmodell präsentiert eine systematische Herangehensweise 

an die Ontologieentwicklung. Das Grundgerüst dieses Ansatzes ist an den IEEE-Standard für die 

Entwicklung von Software-Lebenszyklus-Prozessen angelehnt 85) und wird durch eine detaillierte 

und klar formulierte Beschreibung der Techniken erweitert. 

Der Grundsatz der Klarheit wird im On-To-Knowledge-Ansatz ebenfalls beachtet: On-To-Knowledge 

beinhaltet ein strukturiertes Phasenmodell mit festgelegtem Umfeld und Zielvorgabe. Allerdings 

ist die Zuordnung der Aktivitäten zu den Phasen (in verschiedenen Veröffentlichungen) mehrdeutig 

oder sogar inkonsistent, so wird zum Beispiel die Erstellung von Basis-Ontologien einmal 

der Phase „Kickoff“ und einmal der Phase „Verfeinerung“ zugeordnet. 

Die Vorgehensweise im Kollaborativen Ansatz ist ausschließlich informal, aber eindeutig und verständlich 

dargestellt und durch ein strukturiertes Phasenschema unterstützt. Dennoch können dadurch 

Unklarheiten entstehen, dass die Autoren auf einige Aktivitäten, die Bestandteil des Vorgehensmodells 

sind, wie z.B. das Vorgehen bei der Entwicklung der Basis-Ontologien, gar nicht oder 

nur oberflächlich eingehen. 

1.4.4.5.6 Werkzeugunterstützung 

Neben den beiden Sprachen zur Ontologieentwicklung verfügt der IDEF5-Ansatz, der auf eine graphische 

Darstellung verzichtet, über zahlreiche Formblätter, die als einzelne Werkzeuge angesehen 

werden. Der Ansatz wurde so ausgelegt, dass ohne Computerunterstützung Ontologien entwickelt 

werden können, sofern man davon ausgeht, die elaboration language per Hand zu kodieren. Eine 

Integration der Werkzeuge wird nicht umfassend angestrebt. So gehen beispielsweise die Ansätze 

von METHONTOLOGY und On-To-Knowledge mit ihren „Suiten“ in der Mächtigkeit der Werkzeugunterstützung 

deutlich über diesen Ansatz hinaus. 

85) Vgl. FERNÁNDEZ-LOPÉZ (1999) S. 4-9.


USCHOLD und KING verweisen bei ihrem Enterprise-Model-Ansatz für die Kodierung der Ontologien 

und für die Dokumentation der Entwicklung auf die Nutzung von Ontolingua 86) , obwohl die 

Aktivitäten des Ansatzes selbst oft nur auf abstrakter Ebene beschrieben werden. 

Für das TOVE-Vorgehensmodell wäre es wegen seines strukturierten Phasenaufbaus und der vorgeschlagenen 

formalsprachlichen Notationen nahe liegend, den Entwicklungsprozess durch Computerwerkzeuge 

zu unterstützen. Diese Hilfsmittel werden aber bei der Darstellung des Ansatzes nicht 

erwähnt. 

Die Autoren von METHONTOLOGY unterstreichen den Nutzen des Einsatzes einer Software- 

Umgebung für die Ontologieentwicklung 87) und empfehlen für den Import, den Export und die Erstellung 

von Ontologien die eigens entwickelte Arbeitsplattform ODE (auch: WebODE). 88) Die Arbeitsplattform 

unterstützt wesentlich die Ontologieentwicklung. 

Im Rahmen des On-To-Knowledge-Ansatzes wird eine umfassende Architektur für die Realisierung 

einer Entwicklungsumgebung vorgestellt 89) , deren Kernbestandteil OntoEdit ist, eine Anwendung 

zur Erstellung, Bearbeitung, Formalisierung und Visualisierung von Ontologien. On-To-Knowledge 

verfügt somit über eine umfassende computerbasierte Werkzeugsammlung, die die Ontologieentwicklung 

wesentlich unterstützt. 

Der Kollaborative Ansatz von HOLSAPPLE und JOSHI hingegen fokussiert die zwischenmenschliche 

Diskussion zur gemeinsamen Ontologieentwicklung. Auf mögliche Unterstützung durch spezielle 

Computerwerkzeuge gehen die Autoren nicht ein. Nur für die Sammlung und Speicherung der 

Rückmeldungen der verschiedenen Teilnehmer wird der Einsatz einer Datenbank als Computerunterstützung 

erwähnt. 

Insgesamt fällt auf, dass die Vorschläge, die hinsichtlich der Nutzung von Software-Werkzeugen 

gemacht werden, sich in fast allen Fällen auf die Anwendung in einzelnen Projektphasen beziehen 

statt auf den gesamten Entwicklungsprozess, wie es zum Beispiel im Software Engineering bereits 

Praxis ist. 

86) Ontolingua ist eine Software-Umgebung zur Konstruktion von Ontologien durch verteilt arbeitende Gruppen, die neben einer 

Bibliothek bestehender Ontologien auch einen Editor für die Generierung und Bearbeitung von Ontologien bereitstellt und diese 

in verschiedene Sprachen übersetzen kann; vgl. dazu GRUBER (1993) S. 203 ff.; FARQUHAR/FIKES/RICE (1996) S. 2 ff. und in 

diesem Werk Kapitel 1.3.1.2 (S. 174 f.). 


88) ODE steht dabei als Kürzel für Ontology Development Environment. Vgl. zu WebODE ARPÍREZ ET AL. (2001). 

89) Vgl. SURE/STUDER (2002) S. 17 ff.


1.4.4.6 Zusammenfassung der Analyseergebnisse 

Die folgende Tabelle fasst die Ergebnisse zur Anforderungserfüllung durch die verschiedenen Ansätze 

zusammen. 

Kriterium 

Name 

IDEF5 

Enterprise- 

Model 

TOVE 

METHONTO- 

LOGY 

On-To- 

Knowledge 

Kollaborativer 

Ansatz 

Generizität + O O + O O 

Anwendungsbezogenheit O – / O + O + O / + 

Dokumentation O / + + O + – O 

Einfachheit O + – O O + 

Klarheit O + + + O O 

Werkzeugunterstützung O O – O / + + – 

Tabelle 3: Ergebnisse der Überprüfung der Anforderungen 90) 

Eine Untersuchung von FERNÁNDEZ-LÓPEZ 91) kommt zu dem Urteil, dass METHONTOLOGY das 

derzeit am weitesten entwickelte Vorgehensmodell zur Entwicklung von Ontologien darstellt. 

Nichtsdestotrotz erscheint es jedoch notwendig, für das Projekt KOWIEN ein spezifisches Vorgehensmodell 

zu entwickeln, um die Besonderheiten eines Kompetenzmanagementsystems ausreichend 

zu berücksichtigen, insbesondere weil Wissen über Wissen erhoben werden soll und nicht auf 

der Ebene der Erhebung von Objekt-Wissen verharrt wird. 

Der Fokus des zu entwickelnden generischen KOWIEN-Vorgehensmodells wird dabei wie folgt 

umschrieben: 

Das Vorgehensmodell soll Mitarbeiter eines Unternehmens bei der Konzipierung 

sowie späteren Nutzung eines computer- und ontologiebasierten Systems zum 

Managen von Wissen über Kompetenzen unterstützen. 

Dabei soll die Zuhilfenahme des Software-Prototyps der Comma Soft AG besondere Berücksichtigung 

finden. Das Vorgehensmodell erstreckt sich jedoch nicht auf die informationstechnische Im- 

90) Legende: (-) entspricht negativ, (o) entspricht durchschnittlich, (+) entspricht gut. Die scheinbare Doppelbewertung soll den 

Zwischenfall darstellen. 

91) Vgl. FERNÁNDEZ-LOPÉZ (1999). Die Untersuchung vergleicht Enterprise-Model-Ansatz, TOVE, METHONTOLOGY, KAC- 

TUS und SENSUS. Die Verfasser folgen hierbei nicht der Auffassung, dass es sich bei SENSUS auch um ein allgemeines Vorgehensmodell 

zur Erstellung von Ontologien handelt, sondern vielmehr um eine Anwendung, aus der auch Ontologien entwickelt 

werden können. Weil SENSUS jedoch auf eine bestehende Ontologie aufsetzt, sehen die Verfasser den Einfluss als zu 

hoch an, um zu sagen, dass es sich hierbei um die Erstellung „neuer“ Ontologien handelt. Ähnlich verhält es sich mit KACTUS, 

das ebenfalls nicht als vollständiges Vorgehensmodell angesehen wird. Ferner berücksichtigen die Verfasser den IDEF5-Ansatz 

sowie den On-To-Knowledge-Ansatz und den Kollaborativen Ansatz von HOLSAPPLE und JOSHI als „vollständige“ Vorgehensmodelle. 

Die letzten beiden wurden erst nach der Untersuchung von FERNÁNDEZ-LOPÉZ der Forschungswelt vorgestellt.


plementierung eines solchen Kompetenzmanagementsystems, sondern lediglich auf die Vorbereitung 

zur Einführung einer solchen Implementierung, d.h. insbesondere die zu berücksichtigenden 

Ontologien sollen mit Hilfe des Vorgehensmodells KOWIEN entwickelt werden. Es umfasst hierzu 

als Kernkomponente allgemein einsetzbare Methoden zur Konstruktion und Anwendung von Ontologien. 

Unternehmen unterschiedlicher Branchen sollen hierdurch konkrete Leitlinien für die Konzipierung 

und Realisierung eines computerbasierten Kompetenzmanagementsystems offeriert bekommen. 

Aus den vorangehenden Untersuchungen ergibt sich, dass ein solches generisches Vorgehensmodell 

zurzeit noch nicht zur Verfügung steht. Stattdessen existieren nur abstrakte Darstellungen, die sich 

aufgrund ihrer geringen Problemangemessenheit und ihrer mangelhaften Operationalisierung einer 

praktischen Umsetzung entziehen. Daher sollen für die Anwendungsszenarien des Projekts KO- 

WIEN zunächst jeweils praxisrelevante Anforderungen an die Wissensakquisition, die Wissensstrukturierung 

und die Wissensrepräsentation erhoben werden. Diese Anforderungen werden nach 

geeigneter Generalisierung in dem generischen Vorgehensmodell abgebildet, um nach ihrer Maßgabe 

anforderungsgerechte Ontologien zu konstruieren. Zusätzlich werden Instrumente zur situationsspezifischen 

Anpassung des generischen Vorgehensmodells berücksichtigt. Auf diese Weise soll 

es möglich sein, das Vorgehensmodell an jene konkrete Anwendungssituation anzupassen, die in 

einem Unternehmen anlässlich der Konzipierung und Realisierung seines Kompetenzmanagementsystems 

aktuell vorliegt. Als situative Einflussgrößen kommen z.B. die Gestaltungszwecke in Betracht, 

die mit einem Kompetenzmanagementsystem verfolgt werden. Ebenso gilt es, die Beschreibungssprachen 

und Repräsentationsformen zu beachten, die in den Informations- und Kommunikationssystemen 

eines betrieblichen Benutzers bereits eingesetzt werden. Durch die Berücksichtigung 

solcher situativer Einflussgrößen wird die Individualisierung (das „Tailoring“) des generischen 

Vorgehensmodells im Hinblick auf seine unternehmens- und benutzerspezifizische Einsatzumgebung 

unterstützt. 

1.4.4.7 Vorgehensmodelle mit spezifischem Teilfokus Ontologien 

An dieser Stelle werden noch einige Vorgehensmodelle berücksichtigt, die sich nur mit Teilen eines 

Ontologies-Life-Cycles dezidiert auseinander gesetzt haben. Sie besitzen somit nicht den umfassenden 

Anspruch an die Entwicklung von ontologiebasierten Systemen über den gesamten Life-Cycle 

wie die vorher genannten Ansätze. Jedoch erscheinen einige Erkenntnisse als so wertvoll, dass sie 

an dieser Stelle kurz vorgestellt werden. 

1.4.4.7.1 SENSUS 

Vorgestellt von SWARTOUT, PATIL und KNIGHT 92) , unterscheidet der Ansatz zuerst in Domänenontologie 

und Theorieontologie. Während die Theorieontologie eine Menge von Konzepten bereithält, 

die einen allgemeinen Aspekt der Welt abbilden (z.B. Zeit, Raum und Pläne), werden bei der Domänenontologie 

Konzepte abgebildet, die eine bestimmte Domäne beschreiben. Theorieontologien 

sind erwartungsgemäß weniger umfangreich als Domänenontologien, die leicht tausende Konzepte 

berücksichtigen können. Der SENSUS-Ansatz berücksichtigt lediglich Domänenontologien. 

92) Vgl. SWARTOUT ET AL. (1997).


SENSUS stellt eine natürlichsprachliche („natural language based“) Ontologie dar, die in ihrer 

Endversion über 50.000 Konzepte beinhaltet. Sie ist das Ergebnis der Verschmelzung von Penman 

Upper Model, Ontos, WordNet und von Begriffssammlungen aus elektronischen Wörterbüchern. 

Bei der Entwicklung von Domänen-Ontologien soll SENSUS als Ausgangsbasis genutzt werden. 

Zur Erstellung der spezifischen Domänen-Ontologien werden „Saat“-Begriffe („seed“ terms) als 

repräsentativ selektiert und von Hand mit SENSUS verlinkt. Alle Konzepte ausgehend von den 

Saat-Begriffen hin zu den Root-Begriffen werden in den zu erstellenden Domänen-Ontologien berücksichtigt. 

Hinzu kommen relevante semantische Kategorien und ganze Unterklassenbäume, die 

eine besondere Bedeutung für die Verbindung von Saat- und Root-Begriffen darstellen. Die 

verbleibenden SENSUS-Begriffe werden als irrelevant verworfen, um Speicherplatz zu sparen und 

die Effizienz zu erhöhen. 

1.4.4.7.2 ONIONS 

Die ONIONS (Ontologic Integration Of Naive Sources) Methode resultiert aus dem Interesse, bereits 

existierende Ontologien zu integrieren und wurde ab 1992 entwickelt. 93) 

Die Ziele waren: 

• ein gut abgestimmtes Set von generischen Ontologien zu entwickeln, 

• die Integration relevanter Domänen-Ontologien in formale, konzeptionell befriedigende Ontologien 

voranzutreiben und 

• ein explizites Nachverfolgen der Entwicklung von Konzepten, Einschränkungen und Varianten 

in der Ontologieentwicklung zu ermöglichen. 94) 

Die Methode beinhaltet ein allgemeines Vorgehen zur Interpretation von fachsprachlichen Definitionen 

der spezifischen Domänen-Ontologien und der anschließenden Erstellung neuerer und offener 

Domänen-Ontologien, die die zu integrierenden Domänen-Ontologien zusammenbringen. Das Modell 

gliedert sich in die folgenden 6 Schritte: 

1. Extrahieren von Quell-Begriffen, 

2. Feststellen der lokalen Definitionen der Begriffe, 

3. Anreicherung der lokalen Definitionen in Bezug auf generelle Theorien, 

4. Weiterentwicklung der generellen Theorien zur Bildung von Top-Level-Kategorien, 

5. Zusammenführung von lokalen Definitionen und Top-Level-Kategorien und 

6. Formalisierung des integrierten Modells. 

ONIONS fokussiert hierbei vor allem auf Probleme der Ontologie-Erstellung, wie das Abbruch- 

und das Relevanz-Kriterium. Das Abbruch-Kriterium beschäftigt sich mit dem notwendigen Detaillierungsgrad 

gemäß den Umgebungsbedingungen einer Konzeptualisierung. Das Relevanz-Kriterium 

beschäftigt sich mit der Frage, wie festgestellt werden kann, was als konzeptionell relevant an- 

93) Vgl. GANGEMI/STEVE/GIACOMELLI (1996); GANGEMI/PISANELLI/STEVE (1998). 

94) Vgl. GANGEMI/PISANELLI/STEVE (1998) S. 163.


erkannt wird. Wie JONES, BENCH-CAPON und VISSER feststellen, bleiben die Entwickler jedoch hier 

ausreichende Antworten schuldig. 95) 

1.4.4.7.3 ONTOCLEAN 

Der OntoClean-Ansatz wurde von GUARINO ET AL. entwickelt. Er dient insbesondere der Validierung 

von Taxonomien, indem er unangemessene und inkonsistente Modellierungen aufdeckt. 96) 

Hierbei bedient er sich formaler Begriffe, die so allgemeinen Charakter besitzen, dass sie in jeder 

Ontologie verwendet werden können. Mit diesen Begriffen wird ein Satz von Meta-Eigenschaften 

definiert, der genutzt wird, um relevante Teile von Klassen, Attributen und Relationen mit ihrer intendierten 

Bedeutung abzubilden. Aus diesem Vorgehen ergeben sich Erkenntnisse hinsichtlich der 

Bedeutung einzelner Begriffe. 

1.4.4.7.4 MENELAS 

Die MENELAS-Ontologie wurde von BOUAUD ET AL. 97) vorgestellt. Während ihrer Entwicklung 

wurden insbesondere vier Grundsätze ermittelt, die wichtig für die taxonomische Abbildung von 

Wissen innerhalb von Ontologien sind. Das Ziel von MENELAS war die Entwicklung eines natürlichsprachlichen 

Verständnissystems auf der Basis konzeptueller Graphen. 98) Nachfolgend werden 

die vier Grundsätze kurz erläutert: 99) 

1. Gleichheitsprinzip: 

Eine Unterklasse muss vom selben Typ der Oberklasse sein. 

2. Genauigkeitsprinzip: 

Eine Unterklasse muss von der Oberklasse unterscheidbar sein. Der Unterschied zusammen mit 

der Definition der Oberklasse bildet dann die notwendigen und hinreichenden Bedingungen für 

die Definition der Unterklasse. 

3. Gegensatzprinzip: 

Die Unterklassen einer Oberklasse sollen disjunkt sein, d.h. alle Unterklassen müssen paarweise 

inkompatibel sein. 

4. Prinzip der Einzigartigkeit semantischer Achsen: 

Die Unterklassen einer Oberklasse sollen anhand einer gemeinsamen Dimension oder Achse 

eingeengt werden, um sie von der Oberklasse zu unterscheiden. 

JONES ET AL. merken an, dass das hier kurz umrissene Vorgehen einen idealisierten Blick auf Taxonomien 

als Möglichkeit zur Repräsentation von Domänen wirft. Sie zweifeln an der Anwendbarkeit 

95) Vgl. JONES/BENCH-CAPON/VISSER (1998) S. 70. 

96) Vgl. GUARINO/WELTY (2002) S. 61. Hier wird auch näher auf unangemessene und inkonsistente Modellierungen eingegangen. 

97) Vgl. BOUAUD ET AL. (1994), BOUAUD ET AL. (1995). 

98) BOUAUD ET AL. (1994) S. 2. Zur Einführung zu Conceptual Graphs vgl. SOWA (2000) S. 476 ff. 

99) Vgl. BOUAUD ET AL. (1995) S. 5.


taxonomischer Repräsentationen bei vielen Domänen. 100) Dem schließen sich die Verfasser dieses 

Kapitels an. 

1.4.5 Schlussbemerkung 

Die Erkenntnisse der Untersuchungen in diesem Kapitel dienten, neben den Erfahrungen der Projektbeteiligten 

bei der Ontologieentwicklung, als Grundlage für die Entwicklung des generischen 

Vorgehensmodells KOWIEN, das in Kapitel 2.3.2, S. 373 ff., ausführlich dargestellt wird. In Kapitel 

3.2.1, S. 613 ff., und Kapitel 3.2.2, S. 625 ff., finden sich beispielhafte Anwendungen des KO- 

WIEN-Vorgehensmodells für die Karl Schumacher Maschinenbau GmbH und die Deutsche Montan 

Technologie GmbH. 

Insbesondere zeigte sich, dass ein anwendungsnahes Vorgehensmodell für die Praxis zur Entwicklung 

und Implementierung von Ontologien für das betriebliche Kompetenzmanagement notwendig 

über: 

• eine allgemeine Gültigkeit, die eine Anwendung im Rahmen ähnlicher Vorhaben zwecks Wiederverwendung 

ermöglicht, 

• eine weit gehende Anwendungsbezogenheit mit konkreten Beispielen und Handlungsempfehlungen, 

• einen vollständigen und detaillierten Aufbau zur Entwicklung eines KMS, 

• eine weit reichende Begründung bezüglich gefällter Entscheidungen und eine ausführliche Dokumentation 

zum Zwecke der Erleichterung der Nachvollziehbarkeit, 

• eine hinsichtlich der Komplexität des Vorgehensmodells angemessene Einfachheit (um durch 

Verständnis die Anwendung zu ermöglichen) und 

• eine ausreichende Werkzeugunterstützung in allen Phasen der Ontologieentwicklung 

verfügen muss. Darüber hinaus müssen unterschiedliche Interpretationsmöglichkeiten hinsichtlich 

des Vorgehens durch klare Vorgaben seitens des Vorgehensmodells vermieden werden. 

100) Vgl. JONES/BENCH-CAPON/VISSER (1998) S. 70.

2 Konzepte 


computerbasiertes Kompetenzmanagementsystem 

DIPL.-WIRT.-INF. SUSANNE APKE, DIPL.-VOLKS. ANNA BREMER 


DIPL.-INF. CHRISTOF BÄUMGEN 

Comma Soft AG 




2.1.1 Aufbau der Anforderungsspezifikation 

Im Fokus dieses Beitrags steht die Spezifikation derjenigen Anforderungen, die von der Praxis an 

eine Ontologie gestellt werden, die innerhalb des prototypischen KOWIEN-Kompetenzmanagementsystems 

(im Folgenden kurz „KOWIEN-Prototyp“) eine zentrale Stellung einnimmt. Das 

Hauptziel der Anforderungsspezifizierung 1) ist eine möglichst vollständige Erhebung der Anforderungen 

an die Kompetenzontologie für die Entwicklung des KOWIEN-Prototyps bei der Deutschen 

Montan Technologie GmbH (DMT). Dabei sind insbesondere die Anforderungen der späteren Benutzer 

der Ontologie zu berücksichtigen. Daher ist es erforderlich, diese Anforderungen in einer 

Form zu repräsentieren, die möglichst für alle betroffenen Mitarbeiter der DMT (also die entsprechenden 

Mitarbeiter der Personalabteilung, aber auch grundsätzlich für alle Mitarbeiter des Unternehmens) 

und alle Beteiligten im KOWIEN-Projekt verständlich ist. In dieser Phase der Ontologieentwicklung 

sollen nicht nur die funktionalen Anforderungen an die Ontologie, die die vom System 

bereitzustellenden Dienste 2) und das durch die Ontologie abzubildende Wissen spezifizieren, sondern 

auch die nicht-funktionalen Anforderungen erhoben werden. Diese nicht-funktionalen Anforderungen 

beschreiben, in welcher Qualität die funktionalen Leistungen erbracht werden müssen 3) , 

und spielen eine große Rolle für das Vorgehen und die Design-Entscheidungen während der Ontologieentwicklung. 

Aus diesem Grund ist die zusammenfassende Darstellung aller Anforderungen 

ein weiteres Ziel der Anforderungsspezifizierung. Daraus wird ein Katalog von Gütekriterien gebildet, 

der als Richtlinie bei der Entwicklung der Ontologie und auch als Referenzrahmen bei der Evaluation 

der Ontologie zu benutzen ist. 

Zunächst wird im Kapitel 2.1.2 kurz auf einige ausgewählte Charakterisierungen zur Ausgangssituation 

bei der DMT eingegangen. Kapitel 2.1.3 erläutert die Domäne und den Hauptzweck, den die 

Ontologie erfüllen soll. Anschließend werden die wichtigsten weiteren Ziele, die mit der Ontologie 

und dem darauf aufsetzenden Kompetenzmanagementsystem verfolgt werden, dargestellt. Kapitel 

1) An dieser Stelle ist zu unterscheiden zwischen der Phase und den darin enthaltenen Aktivitäten der Anforderungsspezifizierung 

gemäß dem KOWIEN-Vorgehensmodell und dem vorliegenden Kapitel, das die Anforderungsspezifikation für den 

KOWIEN-Prototyp einschließlich der DMT-Ontologie als Ergebnis der ausgeführten Aktivitäten umfasst. 

2) Vgl. SOMMERVILLE (2001) S. 100. 

3) Vgl. SCHIENMANN (2002) S. 132.

322 2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 

2.1.4 beschreibt das Umfeld der Ontologie in Form von Anwendungsbereichen und Benutzern, 

Schnittstellen zu anderen Systemen sowie denjenigen Software-Anwendungen, die die Ontologie 

unterstützen soll. In Kapitel 2.1.5 werden Anwendungsfälle aufgeführt, mit deren Hilfe die Anforderungen 

erhoben werden und die darin handelnden Akteure beschrieben. Anwendungsfälle sind 

ein Bestandteil der „Unified Modelling Language“ (UML) und beschreiben die verschiedenen Interaktionen 

der Benutzer mit dem System. Kapitel 2.1.6 geht insbesondere auf die Gütekriterien ein, 

die bei der Entwicklung der Kompetenzontologie zu berücksichtigen sind. Im letzten Kapitel 2.1.7 

werden schließlich die Rahmenbedingungen der Ontologiekonstruktion dargestellt. 

2.1.2 Ausgangssituation bei der DMT GmbH 

Die Deutsche Montan Technologie GmbH (DMT) ist ein internationales Technologie-Dienstleistungsunternehmen, 

das in den Bereichen Prüfung, Beratung, Planung, Messung und Entwicklung 

mit dem Schwerpunkt auf Rohstoff, Sicherheit und Infrastruktur tätig ist. 1990 ging die DMT aus 

einem Zusammenschluss des Steinkohlenbergbauvereins mit der Bergbau-Forschung GmbH und 

der Westfälischen Berggewerkschaftskasse (WBK) einschließlich der Bergbau-Versuchsstrecke und 

der Versuchsgrubengesellschaft mbH hervor. Sie beschäftigt derzeit 530 Mitarbeiter und hat ihren 

Geschäftssitz in Essen. Die operativen Organisationseinheiten sind in fünf verschiedene Geschäftsfelder 

(Bergbau Service, Gebäude Sicherheit, Bau Consulting, Industrie Systeme und Exploration & 

Geosurvey) unterteilt. Die nicht-operativen Organisationseinheiten, hauptsächlich die kaufmännischen 

Einheiten (Finanz- und Rechnungswesen, Einkauf, Controlling u.a.), aber auch das Personalwesen, 

das Informations- und Telekommunikationsmanagement sowie das Projektmanagement sind 

direkt der Geschäftsführung zugeordnet. Das folgende Organigramm (Abbildung 31), das an eine 

im DMT-Intranet hinterlegte Abbildung angelehnt ist, zeigt eine Übersicht über die Organisationsstruktur 

der DMT und die Aufteilung in operative sowie administrative Einheiten. 

Vorsitzender der 

Geschäftsführung 

Büro der 

Geschäftsführung 

IT- und 

Prozessmanagement 


Geschäftsführer 

Personal 

Öffentlichkeitsarbeit 

Personal- und 

Sozialwesen 

Kaufmännischer 

Geschäftsführer 

Controlling 

Finanz- und 

Rechnungswesen 

Einkauf und 

Materialwirtschaft 

Bergbau Service Gebäude Sicherheit Industrie Systeme 

Bau Consulting Exploration & Geosurvey 

Abbildung 31: Organigramm der DMT

2.1 Anforderungsspezifikation für ein computergestütztes Kompetenzmanagementsystem 323 

Die Kompetenzontologie wird in erster Linie bei der Abteilung IT- und Prozessmanagement (IP), 

aber auch in Abstimmung mit der Personalentwicklung (PS/E) erarbeitet. Letztere bildet eine Abteilung 

des Bereichs Personal- und Sozialwesen und trägt die Verantwortung für die Erfassung der aktuell 

vorhandenen Mitarbeiterkompetenzen. Da das betriebliche Kompetenzmanagement eine zentrale 

Aufgabe der Personalentwicklung darstellt, sind die Mitarbeiter dieser Abteilung als wichtige 

Ansprechpartner sowohl für die Erhebung der Anforderungen an die Kompetenzontologie als auch 

für die Erfassung des für die Ontologieentwicklung relevanten Wissens und die spätere Evaluation 

der Kompetenzontologie anzusehen. 

Auch die Mitarbeiter der Abteilung IT- und Prozessmanagement bilden wegen ihrer Kenntnisse im 

Bereich des Projektmanagements eine wichtige Unterstützung für die Konstruktion der Kompetenzontologie. 

Einige der IT-Systeme der DMT spielen ebenfalls eine große Rolle für das Vorgehen bei der Ontologieentwicklung. 

Insbesondere die Software Wissensmanager, die von den Mitarbeitern der Abteilung 

Personalentwicklung genutzt wird, beinhaltet das Wissen, das für die Erstellung der Kompetenzontologie 

relevant ist. Der Wissensmanager ist eine Datenbank zur Erfassung und Darstellung 

der aktuellen Mitarbeiterkompetenzen. Darin sind für jeden Mitarbeiter der DMT bestimmte aus 

SAP übernommene Daten (z.B. Name, Geburtstag und Kostenstelle) sowie Ausbildung, Zusatzqualifikationen, 

Berufserfahrungen und soziale, methodische und Selbstkompetenzen abgespeichert. 4) 

Diese Informationen lassen sich beispielsweise bei der Zusammenstellung von Projektteams nutzen. 

Die Aussagekraft der gespeicherten Profile ist begrenzt, da beispielsweise fachliche Kompetenzen 

in den Fragebögen nur in Form von Erfahrungen aus dem beruflichen Werdegang erfragt wurden 

und daher die jeweiligen Ausprägungen nicht vorliegen. Auch die Suche nach Mitarbeitern mit bestimmten 

Kompetenzen gestaltet sich häufig schwierig, da kein einheitliches Vokabular zur Beschreibung 

der Kompetenzen verwendet wurde. Aus diesen Gründen wird der Wissensmanager weniger 

oft und weniger intensiv genutzt, als es bei seiner Einführung gewünscht wurde. 

Weitere wichtige IT-Systeme für die Einarbeitung bei der DMT und für die Erfassung des vorhandenen 

Wissens über Kompetenzen sind das DMT-Intranet DINKS, das den Mitarbeitern aktuelle Informationen 

zu ihrem Arbeitsumfeld im Unternehmen zur Verfügung stellt, sowie mehrere Datenbanken, 

die Informationen über bereits abgeschlossene Projekte der DMT enthalten (so etwa die 

Projektpartner- und die Referenzdatenbank). 5) 

4) Abgesehen von den SAP-Daten wurden diese Informationen bei der Einführung der Wissensmanager-Datenbank durch Fragebögen 

erhoben. Dabei sollten die Mitarbeiter der DMT ihre Kompetenzen selbst einschätzen; die Begriffe für die Kompetenzen 

waren außerdem größtenteils nicht vorgegeben. 

5) Weiterführende Informationen zu den verwendeten Wissensquellen der DMT GmbH können dem Projektbericht DITTMANN 

(2002a) S. 10 ff. entnommen werden.


2.1.3 Gegenstand der Ontologie 

2.1.3.1 Domäne 

Im Rahmen des Verbundprojekts KOWIEN sollte eine Domänen-Ontologie für die DMT GmbH 

entwickelt werden, die die Konzepte, Relationen und Regeln aus dem Bereich der Technologie- 

Dienstleistung umfasst. 6) Ein besonderer Fokus liegt dabei auf der Beschreibung von Kompetenzen, 

da die Ontologie die Basis für ein betriebliches Kompetenzmanagementsystem bilden soll. Aus diesem 

Grund sind die Erfassung und die Strukturierung des Wissens über die Kompetenzen der DMT 

und ihrer Mitarbeiter die Hauptaufgaben der Ontologie. 

2.1.3.2 Ziele der Ontologieentwicklung 

Im diesem Kapitel werden die Ziele genannt, die aus Sicht der KOWIEN-Projektteilnehmer und der 

späteren Benutzer mit der Entwicklung der Kompetenzontologie verfolgt werden. Dabei ist zu unterscheiden 

zwischen den Zielen, die sich direkt auf die Konstruktion der Ontologie beziehen, und 

solchen, die mit dem Einsatz der Kompetenzontologie als Teil eines betrieblichen Kompetenzmanagementsystems 

(KMS) erreicht werden sollen. 

Direkte Ziele der Ontologieentwicklung sind: 

• Ermittlung des teilweise implizit vorhandenen Wissens über die Kompetenzen des Unternehmens 

und der Mitarbeiter, 

• Strukturierung und Vereinheitlichung (abteilungs-, bereichs- und evtl. unternehmensübergreifend) 

des Vokabulars, mit dem diese Kompetenzen beschrieben werden können, und 

• computerverarbeitbare Darstellung des Wissens über Kompetenzen. 

Ziele der Ontologieentwicklung für den Einsatz im Rahmen eines Kompetenzmanagementsystems 

sind: 

• Verbesserung des Prozesses „Team bilden“ 7) hinsichtlich Bearbeitungsdauer, Qualität der (Personen-) 

Auswahl nach Kompetenzanforderungen sowie Transparenz für den Projektleiter und 

die Personen, für die er die Auswahl begründen muss, 

• Vereinfachung der Suche nach Kompetenzträgern („Experten“), z.B. bei einer Fragestellung zu 

einem konkreten Problem, 

• Vereinfachung der Suche nach externen Kooperationspartnern, z.B. für eine Projektbearbeitung, 

• Unterstützung der Personalentwicklung durch einen besseren Überblick über vorhandene, fehlende 

und gewünschte Kompetenzen des Unternehmens sowie 

• Dezentralisierung des Kompetenzmanagements bei der Erhebung, Beschreibung, Suche und 

Aktualisierung von Kompetenzen (kann durch die Fachbereiche/Mitarbeiter selbst vorgenommen 

werden). 

6) Eine Domäne entspricht dabei einem abgeschlossenen Fachbereich, für den ein Wissensbasiertes System entwickelt wird; vgl. 

VDI/VDE 2621 (1996) S. 49. 

7) Siehe hierzu auch DITTMANN (2002a) S. 6.


2.1.3.3 Formulierung der Anforderungen an die Ontologie 

Die Anforderungen an die Kompetenzontologie müssen möglichst präzise und gleichzeitig verständlich 

für die Anwender 8) formuliert werden. Dabei ist zu berücksichtigen, dass die Ontologie 

selbst nicht als eigenständiges Anwendungssystem gesehen wird, sondern als Subsystem oder 

Grundgerüst eines Kompetenzmanagementsystems. Anstelle der Aktionen, die bestimmte Eingaben 

in bestimmte Ausgaben transformieren sollen, beschreiben die funktionalen Anforderungen hier den 

erforderlichen Umfang des Wissens, das durch die Konstrukte der Ontologie abzubilden ist. In der 

Software-Entwicklung werden die funktionalen Anforderungen häufig als Beschreibung der vom 

System erwarteten Aktionen in Form von „Muss“-, „Soll“- und „Kann“-Sätzen spezifiziert 9) , um die 

unterschiedliche Dringlichkeit der Anforderungen zu verdeutlichen. An dieser Stelle werden Kompetenzfragen 

mit Priorisierung, also mit einer Abstufung nach sehr hoher, hoher und mittlerer Priorität, 

bevorzugt. Kompetenzfragen beschreiben den Umfang des bereitzustellenden Wissens und 

sind anwendungsnah und intuitiv verständlich, da sie wie eine Anfrage eines Benutzers an die Ontologie 

formuliert sind. 

2.1.4 Umfeld der Ontologie 

2.1.4.1 Anwendungsbereiche und Benutzer 

Aus dem Hauptzweck der Ontologie, der Unterstützung des betrieblichen Kompetenzmanagements, 

lässt sich direkt ableiten, dass die Personalabteilung ein wichtiger Anwendungsbereich der Ontologie 

ist. Demnach gehören alle Mitarbeiter der Personalabteilung, insbesondere Personalentwickler 

und Personalreferenten, zu den Hauptanwendern der Ontologie. Darüber hinaus spielt Kompetenzmanagement 

jedoch in allen Abteilungen und Geschäftsfeldern eine große Rolle, so dass der zukünftige 

Anwendungsbereich nicht klar abgrenzbar ist. Benutzer der Ontologie sind auch Projektleiter, 

die ein Team zusammenstellen und organisieren müssen, und alle Personen, die Personalverantwortung 

tragen, die also bei Einstellungen, Versetzungen, Entlassungen und Weiterbildungen 

Entscheidungen treffen oder mitverantwortlich sind. Auch im Vorfeld einer Projekt- oder Auftragsbearbeitung 

kann das ontologiebasierte Kompetenzmanagementsystem eingesetzt werden, wenn 

etwa Vertriebsleiter das Potenzial des Unternehmens, eines Geschäftsfelds oder einer Abteilung im 

Hinblick auf eine Ausschreibung einschätzen möchten. Grundsätzlich können alle Mitarbeiter des 

Unternehmens Anwender der Ontologie sein, da sie auch bei häufig auftretenden Alltagsproblemen 

wie der „Expertensuche“ (bei der zu einem bestimmten Problem ein Mitarbeiter mit entsprechenden 

Kompetenzen gesucht wird) eingesetzt werden kann. 

Um eine Eingrenzung der zukünftigen Benutzer der Ontologie zum Zweck der Erhebung der Benutzeranforderungen 

vornehmen zu können, werden für diese Arbeit die Mitarbeiter der Abteilungen 

Personalentwicklung sowie IT- und Prozessmanagement als Repräsentanten der Ontologieanwender 

betrachtet. Stellvertretend für die ganze Abteilung und andere potenzielle Benutzer wird 

daher jeweils ein Mitarbeiter der beiden Abteilungen zu seinen Anforderungen an die Kompetenzontologie 

befragt. 

8) Die Begriffe „Anwender“ und „Benutzer“ werden in diesem Kapitel synonym verwendet. 

9) Durch solche Schlüsselwörter kann die Verbindlichkeit der Anforderungen dargestellt werden, also ob eine bestimmte Anforderung 

eine Pflicht („muss“), ein Wunsch („soll“) oder ein Vorschlag („kann“) ist; vgl. RUPP (2002) S. 160 ff. u. 165 (mit 

zwei zusätzlichen Varianten der Absicht und des Kommentars).


2.1.4.2 Technisches Umfeld 

Die Kompetenzontologie stellt ein semantisches Grundgerüst für das darauf aufsetzende Kompetenzmanagementsystem 

bereit. Durch die Ontologie werden die im Kompetenzmanagement zu 

verwendenden Begriffe, ihre Bedeutungen und ihre Zusammenhänge (Relationen), die Einschränkungen 

für ihre Verwendung (durch Integritätsregeln) und die Inferenzregeln für die Generierung 

neuen Wissens aus dem im Kompetenzmanagementsystem erfassten Wissen spezifiziert. 

Da die Ontologie in diesem Fall kein eigenständiges Anwendungssystem darstellt, ist sie zunächst 

nur über das Kompetenzmanagementsystem in die IT-Systemlandschaft des Unternehmens eingebettet. 

Wichtige Systeme im weiteren Umfeld der Ontologie sind daher diejenigen Programme mit 

einer Schnittstelle zum Kompetenzmanagementsystem, also beispielsweise Datenbanken mit den 

für das betriebliche Kompetenzmanagement relevanten Daten, aber auch umfangreiche Anwendungssysteme 

wie SAP. Bei der DMT sind in diesem Zusammenhang insbesondere die folgenden 

Systeme von Bedeutung: 

• In der Referenzdatenbank werden Name, Beschreibung, DMT-Aufgaben, Partner, Kunden und 

Auftragswert von bereits durchgeführten Projekten abgelegt, um etwa bei einer Angebotsabgabe 

entsprechende Referenzen bereitstellen zu können. 

Format: Access-Datenbank 

verantwortliche Abteilung: Abteilung IT- und Prozessmanagement 

Zugriff: Abteilung IT- und Prozessmanagement. 

• Die Projektpartnerdatenbank umfasst Daten zu Namen, Schlüsselwörtern, Budgets und beteiligten 

Partnern von abgeschlossenen Projekten und kann z.B. nach Projekten mit bestimmten 

Unternehmenspartnern durchsucht werden. 

Format: Access-Datenbank 

verantwortliche Abteilung: Abteilung IT- und Prozessmanagement 

Zugriff: Abteilung IT- und Prozessmanagement. 

• Der Wissensmanager, eine Datenbank zur Darstellung von Mitarbeiterkompetenzen, ist ein 

weiteres System, das für die Entwicklung und Nutzung der Ontologie und des Kompetenzmanagementsystems 

eine große Rolle spielt. Diese Datenbank soll durch das ontologiebasierte 

Kompetenzmanagementsystem (vorläufig) nicht abgelöst, aber erweitert und verbessert werden. 

Die vorhandenen Kompetenzprofile können wiederum für die erste „Füllung“ des Kompetenzmanagementsystems 

mit Daten der DMT in den KOWIEN-Prototyp importiert werden. 

Außerdem bilden die im Wissensmanager vorhandenen Daten über die Kompetenzprofile der 

Mitarbeiter der DMT eine wichtige Ausgangsbasis für die Erstellung der Kompetenzontologie. 

Die von den Mitarbeitern angegebenen Bezeichnungen für ihre Kompetenzen können für die 

Konstruktion eines Begriffsystems und die Identifizierung von Synonymen und Zusammenhängen 

für eine erste Taxonomie herangezogen werden. 

Format: Oracle-Datenbank 

Verantwortliche Abteilung: Personalentwicklung 

Zugriff: Personalentwicklung. 

Diese Datenbanken sind wichtig für die Erstellung der Ontologie und die Initialisierung des Kompetenzmanagementsystems, 

weil sie zahlreiche relevante Kompetenzbegriffe, deren Ausprägungen


und aktuelle Informationen zu Projekten enthalten. Ob die in ihnen gespeicherten Daten jedoch 

auch während des Betriebs des Kompetenzmanagementsystems genutzt werden, ist noch nicht festgelegt. 

Ein einmaliger Import, aber eventuell auch eine regelmäßige Übertragung oder Aktualisierung 

der Daten könnte über ein Excel- oder ein XML-Format durchgeführt werden. 

2.1.5 Anwendungsfälle 

2.1.5.1 Anwendungsfallmodell 

Das in Abbildung 32 auf der nächsten Seite dargestellte Anwendungsfallmodell umfasst eine Übersicht 

über die verschiedenen Anwendungsfälle des ontologiebasierten Kompetenzmanagementsystems. 

„Das System“ ist in diesem Zusammenhang das Kompetenzmanagementsystem, wobei die 

Kompetenzontologie als Bestandteil (in Form eines hinterlegten „Grundgerüsts“) des Kompetenzmanagementsystems 

gesehen wird. 

Das Anwendungsfallmodell zeigt eine graphische Darstellung der Use Cases und ihrer Beziehungen 

zueinander. Dabei sind die Anwendungsfälle durch Ellipsen mit der Bezeichnung und der Nummer 

des Use Case und die Beziehungen mit den Akteuren durch Kanten zwischen Use Case und Akteur 

dargestellt. Die Beziehungen der Anwendungsfälle untereinander werden gemäß der UML- 

Spezifikation der Object Management Group durch Pfeile zwischen den Use Cases visualisiert: Die 

Generalisierung wird durch einen durchgehenden Pfeil vom spezialisierten zum allgemeineren Use 

Case abgebildet, die „include“- und die „extends“-Beziehungen dagegen durch gestrichelte Pfeile 

zu dem Anwendungsfall, der ergänzt bzw. erweitert wird. 10) 

Darüber hinaus werden im Anwendungsfallmodell die Beziehungen der Anwendungsfälle untereinander 

gezeigt, die entweder Generalisierungs-Beziehungen (die durch einen durchgehenden Pfeil 

vom spezialisierten Anwendungsfall zum allgemeineren Anwendungsfall dargestellt werden), oder 

Erweiterungs- oder „includes“-Beziehungen sein können. Eine „includes“-Beziehung bedeutet, dass 

ein Anwendungsfall den in einem anderen Anwendungsfall spezifizierten Ablauf beinhaltet, während 

eine Erweiterung optional (an Bedingungen geknüpft) ist. Die beiden letztgenannten Beziehungen 

werden durch gestrichelte Pfeile mit der entsprechenden Bezeichnung visualisiert. 

Das Anwendungsfallmodell enthält auch eine grobe Darstellung der verschiedenen Benutzergruppen. 

Sie sind hier zu Ontologie-Administrator und KMS-Anwender, der alle zukünftigen Anwender 

des Kompetenzmanagementsystems (KMS) repräsentiert und im folgenden Kapitel weiter detailliert 

wird, zusammengefasst. 

10) Vgl. OBJECT MANAGEMENT GROUP (2003) S. 3.98.


2.1.5.2 Akteure 

Abbildung 32: Anwendungsfallmodell (Grobsicht) 

Ein Anwendungsfall wird durch einen Akteur angestoßen, der entweder einen menschlichen Benutzer 

oder ein anderes Programm repräsentiert. Da in einem Anwendungsfall, an dem ein Akteur beteiligt 

ist, eine bestimmte Interaktion des Akteurs mit dem System abgebildet wird, kann eine einzige 

menschliche Person mehrere Rollen einnehmen und daher in den Anwendungsfällen durch mehrere 

verschiedene Akteure abgebildet werden. 

Der im Anwendungsfallmodell dargestellte Akteur „KMS-Anwender“ wird an dieser Stelle in die 

Akteure Selbsteinschätzer, Projektteamkonfigurator, Kompetenzträgersuchender, Personalentwickler, 

Kompetenzauswertender, Personalverantwortlicher und Mitarbeiter der Personalabteilung aufgeteilt. 

Welcher Akteur an welchem Anwendungsfall beteiligt ist, wird bei der detaillierten Beschreibung 

der einzelnen Anwendungsfälle in Kapitel 2.1.5.3 dargestellt. Zusätzlich zu einer Erläuterung 

der verschiedenen Akteure wird an dieser Stelle die Position des Akteurs innerhalb der DMT 

untersucht.


Bezeichnung des 

Akteurs 

Selbsteinschätzer 

Projektteamkonfigurator 

Kompetenzträgersuchender 

Personalentwickler 

Kompetenzauswertender 

Personalverantwortlicher 

Mitarbeiter der 

Personalabteilung 

Ontologie- 

Administrator 

Kompetenzmanagementsystem 

Beschreibung 

Ein Selbsteinschätzer ist ein beliebiger Mitarbeiter des Unternehmens, 

der seine Kompetenzen (aus Eigeninitiative oder auf Nachfrage) 

selbst einschätzt und dokumentiert. 

Dieser Akteur erfüllt die Aufgabe, basierend auf den Kompetenzanforderungen 

eines konkreten Projekts und den Kompetenzen der verfügbaren 

Mitarbeiter ein Projektteam zusammenzustellen. Das Projektteam 

kann entweder von jemandem zusammengestellt werden, der 

den Überblick über das verfügbare Personal hat (z.B. ein Mitarbeiter 

der Personalabteilung) oder vom zukünftigen Projektleiter. 

Ein Kompetenzträgersuchender stellt zu einem bestimmten Zweck 

Fragen an das System bezüglich der Kompetenz eines Mitarbeiters 

des Unternehmens. Dabei kann es sich z.B. um einen Mitarbeiter handeln, 

der zur Lösung eines konkreten Problems nach einem Kollegen 

sucht, der über für das Problem relevante Kenntnisse verfügt. 

Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der 

die Weiterbildungsziele definiert und für die zum Erreichen dieser 

Ziele notwendigen (Weiter-) Bildungsmaßnahmen verantwortlich ist. 

Dieser Akteur nutzt das Kompetenzmanagementsystem, um sich zu 

Auswertungszwecken eine Übersicht über die Kompetenzen des Unternehmens 

oder einer Organisationseinheit anzeigen zu lassen. Er hat 

die Aufgabe, z.B. für Auftrags- und Projektakquisition, für den Aufbau 

und die Betreuung von Kooperationen mit externen Unternehmenspartnern 

oder für die Personalplanung Bewertungen der vorhandenen 

Kompetenzen vorzunehmen. 

Dieser Akteur ist ein Mitarbeiter des Unternehmens, der Personalverantwortung 

trägt, z.B. Abteilungs-, Projekt- und Divisionsleiter sowie 

Unit-Leiter. Er verfügt über besondere Rechte bezüglich des Zugriffs 

auf die Kompetenzen seiner Mitarbeiter. 

Dieser Akteur kann damit beauftragt werden, Lebensläufe von Bewerbern 

oder von neuen Mitarbeitern in das Kompetenzmanagementsystem 

einzugeben. 

Der Ontologie-Administrator ist für die Ontologie verantwortlich und 

entscheidet über die Aufnahme neuer Konzepte sowie über das Löschen 

von Konzepten aus der Ontologie und über eine Änderung ihrer 

Struktur. Es ist zu beachten, dass es als konstitutiv für Ontologien angesehen 

wird, dass sie das gemeinsame Verständnis mehrerer Personen 

über die enthaltenen Konzepte widerspiegeln. An der Bewertung 

und Aufnahme von Änderungen sind daher grundsätzlich mehrere 

Personen beteiligt. Der Ontologie-Administrator sollte neben technischen 

Kenntnissen auch über linguistische Kenntnisse und Fähigkeiten 

verfügen. 

Das Kompetenzmanagementsystem unterstützt das betriebliche Kompetenzmanagement. 

Es stellt eine Wissensbasis bereit, in der z.B. 

Wissen über die vorhandenen Mitarbeiter- und Unternehmenskompetenzen 

sowie über Projekte abgelegt wird. Die Ontologie liefert die 

dabei zugrunde liegende Struktur sowie Regeln, die auf das Wissen 

anzuwenden sind. 

Tabelle 4: Übersicht über die Akteure 

Position 

in der DMT 

Mitarbeiter im Allgemeinen 

Projektleiter 

zusammen mit 

F2/F3-Leiter oder 

Personalentwicklung 

Mitarbeiter 

im Allgemeinen 


F1/F2/F3-Leiter, 

Projektleiter, 

Betriebsrat oder 


Projektleiter 

oder 

F2/F3-Leiter 


Abteilung IT- und 

Prozessmanagement 

oder Personalentwicklung 

–


2.1.5.3 Konkrete Anwendungsfälle 

In den folgenden Kapiteln werden die einzelnen Anwendungsfälle detailliert erläutert. Dafür wird 

für jeden Anwendungsfall beschrieben, welche Akteure beteiligt sind oder sein können (Akteure), 

welche Interaktionen berücksichtigt werden müssen (Kurzbeschreibung) und wie der grundsätzliche 

Ablauf des Anwendungsfalls aussieht (Basisablauf). Mögliche Abweichungen von diesem Ablauf 

werden in Form von alternativen Abläufen dargestellt (alternative Abläufe). Darüber hinaus werden 

für jeden Anwendungsfall der Auslöser für seinen Ablauf (Trigger) und die erforderlichen Vorbedingungen 

(Vorbedingungen) sowie die erwünschten Nachbedingungen (Nachbedingungen) aufgeführt. 

Anschließend werden eventuelle Zusammenhänge des Anwendungsfalls mit anderen genannt, 

die auch schon aus dem Anwendungsfallmodell (siehe Abbildung 32) ersichtlich sind (Verbindungen 

zu anderen Anwendungsfällen). 11) 

2.1.5.3.1 Anwendungsfall 1: Kompetenzontologie pflegen 

1. Akteur: 

Ontologie-Administrator. 

2. Kurzbeschreibung: 

Bei Bedarf (wenn z.B. ein neuer Kompetenzbegriff 12) aufgenommen werden muss) kann die 

Kompetenzontologie vom Administrator überarbeitet und aktualisiert werden, etwa auf Anregung 

eines Mitarbeiters. 

3. Basisablauf: 

Der Ontologie-Administrator erhält (z.B. von einem Mitarbeiter oder von einem speziellen 

Experten oder Kompetenz-„Rechercheur“) Informationen zu einer erforderlichen Änderung 

im Inhalt oder in der Struktur der Kompetenzontologie. Diese Änderung kann etwa das Hinzufügen 

eines neuen Kompetenzbegriffs oder das Löschen oder Umbenennen eines alten sein. 

Auch schwerwiegendere (strukturelle) Änderungen, wie die Neuordnung von Teilhierarchien 

oder das Ändern von Kompetenzausprägungsstufen (z.B. Verfeinerung von 5 auf 8 Stufen) 

sollen vom Ontologie-Administrator vorgenommen werden können. Dieser muss jedoch zuvor 

prüfen, ob die daraus entstehenden Konsequenzen vertretbar sind und ob die Konsistenz 

der Ontologie gefährdet wird. 

4. Alternative Abläufe: 

Keine. 

5. Trigger: 

Eine Änderung in der Ontologie wird gewünscht, beispielsweise weil neue Konstrukte zur 

Repräsentation des Wissens über Kompetenzen erforderlich sind oder weil Strukturen im Unternehmen 

sich geändert haben. 

6. Vorbedingungen: 

Der Akteur hat administrative Zugriffsrechte auf die Ontologie. 

11) Diese Zusammenhänge werden durch Generalisierung (ein Anwendungsfall wird durch einen oder mehrere konkretere Anwendungsfälle 

spezialisiert), „includes“-Beziehungen (ein Anwendungsfall kann einen anderen umfassen und enthält in dem 

Fall auch die in dem anderen Anwendungsfall spezifizierten Aktionen) und „extends“-Beziehungen (ein Anwendungsfall 

kann unter bestimmten Bedingungen an einer festzulegenden Stelle durch einen anderen Anwendungsfall erweitert werden) 

repräsentiert. 

12) Die Bezeichnungen „Kompetenzbegriffe“ und „kompetenzbezogene Konzepte“ werden synonym verwendet.


7. Nachbedingungen: 

Die gewünschten Änderungen sind umgesetzt (sofern sie gerechtfertigt sind). 

8. Verbindungen zu anderen Anwendungsfällen: 

beinhaltet den Anwendungsfall 11. 

2.1.5.3.2 Anwendungsfall 2: Kompetenzprofile pflegen 

1. Akteure: 

Selbsteinschätzer, Mitarbeiter der Personalabteilung. 


Dieser Anwendungsfall dient dazu, die Kompetenzen der Mitarbeiter in Form von Kompetenzprofilen 

im Kompetenzmanagementsystem zu erfassen und anschließend laufend zu aktualisieren. 


Die vorhandenen Mitarbeiterqualifikationen und -kompetenzen werden strukturiert erfasst, 

entweder durch die Mitarbeiter selbst oder durch einen Mitarbeiter der Personalabteilung, der 

die Lebensläufe und Bewerbungsunterlagen der Mitarbeiter in das System eingibt. Die daraus 

entstehenden Kompetenzprofile der Mitarbeiter werden von den Mitarbeitern selbst in regelmäßigen 

Abständen oder nach der Teilnahme an einer Weiterbildungsmaßnahme oder einem 

Projekt aktualisiert. Das Kompetenzprofil enthält Angaben über die formale Qualifikation 

(Aus- und Weiterbildungsdaten) sowie Angaben zu weiteren fachlichen und funktionsübergreifenden 

Kompetenzen. 


Keine. 

5. Trigger: 

• Inbetriebnahme des Kompetenzmanagementsystems, 

• ein neuer Mitarbeiter wird eingestellt und eingewiesen oder 

• es haben sich Änderungen in bestehenden Kompetenzprofilen ergeben. 


• Die Mitarbeiter haben Zugriff auf die Kompetenzontologie und können durch sie „browsen“, 

um die richtigen Bezeichnungen für ihre Kompetenzen zu finden. 

• Die Ontologie stellt alle erforderlichen Kompetenzbegriffe bereit oder kann entsprechend 

erweitert werden (auf Antrag eines Mitarbeiters). 

• Die Mitarbeiter sind motiviert, ihre Kompetenzprofile („realistisch“) zu erstellen und regelmäßig 

zu aktualisieren. 


Für jeden Mitarbeiter existiert ein aktuelles Kompetenzprofil. 


Generalisierung der Anwendungsfälle 3 und 4; beinhaltet den Anwendungsfall 10. 

2.1.5.3.3 Anwendungsfall 3: Eigene Kompetenzen beschreiben 

1. Akteur: 

Selbsteinschätzer 


Der Akteur beschreibt seine Kompetenzen, indem er Kompetenzaussagen und Erfahrungen in


das System eingibt, wobei er auf die in der Ontologie enthaltenen Kompetenzbegriffe und 

Kompetenzausprägungen zurückgreift. 


Ein neuer Mitarbeiter meldet sich am Kompetenzmanagementsystem an. Er sucht für seine 

Kompetenzen die entsprechenden Bezeichnungen und die möglichen Ausprägungen in der 

Ontologie. Anschließend wählt er die für ihn zutreffenden Kompetenzen mit den jeweils von 

ihm eingeschätzten Ausprägungen aus und speichert diese als Bestandteil seines Kompetenzprofils 

ab. Ein weiterer Bestandteil seines Kompetenzprofils sind die Beschreibungen von Erfahrungen 

(wie beispielsweise Ausbildungs-, Berufs- und Projekterfahrungen), die er über 

entsprechende Formulare in das System eingeben und denen er auch entsprechende Kompetenzbegriffe 

zuweisen kann. 

4. Alternativer Ablauf: 

Der Mitarbeiter hat sein Kompetenzprofil bereits erstellt. Seine Kompetenzen (oder die jeweiligen 

Ausprägungen) haben sich aber geändert, z.B. durch Schulungen oder Projekte. Daher 

meldet er sich am Kompetenzmanagementsystem an und lässt sich sein zuletzt abgespeichertes 

Kompetenzprofil anzeigen. Er aktualisiert die Ausprägungen seiner Kompetenzen, fügt 

neue Kompetenzen mit den entsprechenden Ausprägungen hinzu oder löscht alte Kompetenzen 

(wenn er z.B. eine bestimmte Kompetenz dort nicht mehr aufgeführt sehen will). Danach 

speichert er das aktualisierte Kompetenzprofil ab. 

5. Trigger: 

• Ein neuer Mitarbeiter wird eingestellt und eingewiesen (Basisablauf) oder 

• die Kompetenzen/Kompetenzausprägungen eines Mitarbeiters haben sich geändert (alternativer 

Ablauf). 


• Die Mitarbeiter haben Zugriff auf die Kompetenzontologie und können durch sie „browsen“, 

um die richtigen Bezeichnungen für ihre Kompetenzen zu finden. 



• Die Mitarbeiter sind motiviert, ihre Kompetenzprofile („realistisch“) zu erstellen und regelmäßig 

zu aktualisieren. 


Für jeden Mitarbeiter existiert ein selbst erstelltes und gepflegtes, aktuelles Kompetenzprofil 

(Selbsteinschätzung). 


Spezialisierung von Anwendungsfall 2. 

2.1.5.3.4 Anwendungsfall 4: Kompetenzinformationen aus 

Bewerbungen strukturiert erfassen 

1. Akteure: 

Mitarbeiter der Personalabteilung oder Selbsteinschätzer. 


Ein Mitarbeiter der Personalabteilung gibt die Kompetenzinformationen, die in den Bewerbungsunterlagen 

eines Bewerbers oder eines neuen Mitarbeiters enthalten sind (z.B. in seinem 

Lebenslauf), in Form von Kompetenzaussagen und Erfahrungen ins System ein. 


Ein Mitarbeiter der Personalabteilung schaut sich die Bewerbungsunterlagen eines Bewerbers


bzw. eines neuen Mitarbeiters an und gibt die darin enthaltenen Informationen in Form von 

Kompetenzaussagen und Erfahrungen ins System ein. Wenn es sich um einen neuen Mitarbeiter 

handelt, so hat dieser danach die Möglichkeit, die eingegebenen Informationen zu vervollständigen 

und zu korrigieren, so dass das eingegebene Kompetenzprofil danach eine Selbsteinschätzung 

widerspiegelt. 


Keine. 

5. Trigger: 

• Die Personalabteilung hat Bewerbungen für eine Stelle im Unternehmen erhalten. 

• Ein neuer Mitarbeiter ist eingestellt worden und reicht seinen Lebenslauf bei der Personalabteilung 

ein. 

• Die Lebensläufe der bereits vor der Einführung des Kompetenzmanagementsystems eingestellten 

Mitarbeiter sollen in das System eingegeben werden, um eine Basis für die 

Korrektur und weitere Pflege der Kompetenzprofile (durch die Mitarbeiter selbst) zu haben. 


• Die Bewerbungsunterlagen bzw. Lebensläufe liegen der Personalabteilung vor. 

• Der neue Mitarbeiter ist damit einverstanden, dass ein Mitarbeiter der Personalabteilung 

auf der Basis seiner Unterlagen Informationen über seine Kompetenzen eingibt und ist 

bereit dazu, diese Informationen im Anschluss daran zu korrigieren und kontinuierlich zu 

pflegen. 


Für den Bewerber bzw für den neuen Mitarbeiter gibt es ein Kompetenzprofil. 


Spezialisierung von Anwendungsfall 2. 

2.1.5.3.5 Anwendungsfall 5: Kompetenzträger suchen 

1. Akteur: 

Kompetenzträgersuchender. 


Der Akteur sucht aus einem bestimmten Grund (z.B. weil er Hilfe bei einem konkreten Problem 

benötigt) nach einem anderen Mitarbeiter mit bestimmten Kompetenzen. 


Der Kompetenzträgersuchende hat einen Bedarf an bestimmten Informationen, durch die er 

sich z.B. Hilfe bei einem konkreten Problem erhofft. Er sucht mit Hilfe der Kompetenzontologie 

nach Begriffen für Kompetenzen, über die der gesuchte Kompetenzträger verfügen soll. 

Dabei kann er für die verschiedenen Kompetenzen auch jeweils eine Ausprägung angeben, in 

welcher der Kompetenzträger die entsprechende Kompetenz mindestens besitzen soll. 


Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der alle Anforderungen erfüllt. 

Wenn das der Fall ist, soll das Kompetenzmanagementsystem Personen vorschlagen, die den 

Anforderungen am nächsten kommen. 

5. Trigger: 

• Ein Mitarbeiter benötigt in einer bestimmten Situation die Kenntnisse oder Fähigkeiten 

eines anderen Mitarbeiters und weiß ohne Hilfe des Kompetenzmanagementsystems 

nicht, welcher Mitarbeiter über diese Kompetenzen verfügt.



• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens mit ihren aktuellen 

Kompetenzen und den Kompetenzausprägungen erfasst. 




• Der Kompetenzträgersuchende hat Informationen zu mindestens einem Mitarbeiter, der 

die von ihm angegebenen Kriterien (möglichst vollständig) erfüllt, oder das Kompetenzmanagementsystem 

hat eine entsprechende Meldung ausgegeben. 


beinhaltet den Anwendungsfall 9; ist enthalten in den Anwendungsfällen 6 und 7. 

2.1.5.3.6 Anwendungsfall 6: Projektteam bilden 

1. Akteur: 

Projektteamkonfigurator. 


Der Akteur ist mit der Bildung eines Projektteams beauftragt und sucht nach den entsprechenden 

Mitarbeitern mit den für die Projektbearbeitung erforderlichen Kompetenzen. 


Der Projektteamkonfigurator meldet sich am Kompetenzmanagementsystem an. Er durchsucht 

die Kompetenzontologie nach Begriffen für die gewünschten Kompetenzen und gibt 

(Kompetenz-) Kriterien ein, durch die er nach einem anderen Mitarbeiter sucht. Er wählt die 

Kompetenzarten aus, die benötigt werden, und gibt diejenigen Ausprägungen der Kompetenzarten 

ein, die der Mitarbeiter (mindestens) besitzen soll; z.B. „Sprachkenntnisse Polnisch: 

mindestens 3 von 4“. Dadurch wird ein Soll-Profil erstellt, mit dem das Kompetenzmanagementsystem 

die vorhandenen Kompetenzprofile vergleicht. Das System durchsucht die Datenbank 

nach den Mitarbeitern, die die Anforderungen (am besten) erfüllen. Anschließend 

gibt das Kompetenzmanagementsystem eine Liste dieser „geeigneten“ Mitarbeiter aus, die 

auch den Grad der Übereinstimmung mit den gesuchten Kompetenzen anzeigt. Der Projektteamkonfigurator 

kann sich dann das Kompetenzprofil der ausgegebenen Mitarbeiter in detaillierter 

Version anzeigen lassen. 


Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der die Anforderungen erfüllt. 

Wenn das der Fall ist, soll das Kompetenzmanagementsystem den Mitarbeiter ausgeben, dessen 

Kompetenzprofil den Anforderungen möglichst ähnlich ist. 

5. Trigger: 

• Für eine bestimmte Projektbearbeitung ist vom F3-Leiter jemand dazu bestimmt worden, 

das Projektteam zu bilden. Dies kann, muss aber nicht der zukünftige Projektleiter sein. 




• Die Ontologie stellt alle erforderlichen Begriffe bereit oder kann entsprechend erweitert 

werden (auf Antrag eines Mitarbeiters). 

• Der Projektteamkonfigurator besitzt die notwendigen Rechte für den Zugriff auf die 

Kompetenzprofile anderer Mitarbeiter.



• Der Projektteamkonfigurator hat Informationen zu mindestens einem Mitarbeiter, der die 

von ihm angegebenen Kriterien (möglichst vollständig) erfüllt. 


beinhaltet die Anwendungsfälle 5 und 12. 

2.1.5.3.7 Anwendungsfall 7: Stelle besetzen / Personal rekrutieren 

1. Akteur: 

Personalverantwortlicher. 


Der Akteur (ein Personalreferent oder ein Mitarbeiter von Personalentwicklung, evtl. auch ein 

Abteilungs-, oder Geschäftsfeldleiter) muss eine Stelle aus seinem Zuständigkeitsbereich neu 

besetzen und will mit Hilfe des ontologiebasierten Kompetenzmanagementsystems den für 

die Anforderungen der Position am besten geeigneten Mitarbeiter finden (Ebene 1: mittel- 

/langfristige Personalbeschaffung; Ebene 2: kurzfristige (Projekt-) Personalbeschaffung). 


Der Personalverantwortliche hat in seinem Verantwortungsbereich eine Stelle neu zu besetzen. 

Er überlegt sich, welche Kompetenzen ein Mitarbeiter in dieser Position haben soll, und 

sucht mit Hilfe der Kompetenzontologie nach Bezeichnungen für die Kompetenzen. Für jeden 

ausgewählten Kompetenzbegriff gibt er mit Hilfe einer Skala von Kompetenzausprägungen 

an, wie stark die Kompetenz (mindestens) ausgeprägt sein muss und erstellt damit ein „Soll- 

Kompetenzprofil“. Das Anforderungsprofil enthält eine detaillierte Aufgaben- und Tätigkeitsbeschreibung 

des neuen Mitarbeiters, Angaben über die geforderte formale Qualifikation 

(Aus- und Weiterbildungsdaten) sowie Angaben zu weiteren notwendigen fachlichen und 

funktionsübergreifenden Kenntnissen und Fertigkeiten. Das Kompetenzmanagementsystem 

sucht anhand dieser Anforderungen nach einem (möglichst gut) geeigneten Mitarbeiter oder 

Bewerber. Je nachdem, welche Berechtigungen der Personalverantwortliche besitzt (in Bezug 

auf jedes einzelne Ergebnis(profil)), werden ihm die entsprechenden Ergebnisse anonymisiert 

(z.B. nur Anzeige einer eindeutigen Identifizierungskennung für Nachfrage bei der Personalabteilung) 

oder vollständig angezeigt. 


Es gibt im Kompetenzmanagementsystem keinen Mitarbeiter, der die Anforderungen erfüllt. 

Wenn das der Fall ist, soll das Kompetenzmanagementsystem den Mitarbeiter ausgeben, dessen 

Kompetenzprofil den Anforderungen möglichst nahe kommt. 

5. Trigger: 

• Eine Stelle ist neu zu besetzen, für die noch kein Nachfolger feststeht. 

• Ein Projektauftrag kann mit den vorhandenen Personalkapazitäten nicht abgewickelt 

werden (unter Einhaltung der Liefer- und Leistungszusagen). 


• Im Kompetenzmanagementsystem sind alle Mitarbeiter des Unternehmens sowie eventuelle 

Bewerber mit ihren aktuellen Kompetenzen und den Kompetenzausprägungen erfasst. 



• Für jeden Mitarbeiter ist genau festgelegt, welche Zugriffsrechte er (als Personalverantwortlicher) 

auf die Kompetenzprofile anderer Mitarbeiter besitzt (also z.B. vollständige


Zugriffsrechte für Mitarbeiter aus seinem Zuständigkeitsbereich, ansonsten keine Rechte, 

daher Anonymisierung). 


• Der Personalverantwortliche hat Informationen zu mindestens einem Mitarbeiter, der die 

von ihm angegebenen Kriterien (möglichst vollständig) erfüllt. 


erweitert Anwendungsfall 8 (Anwendungsfall 7 kann Anwendungsfall 8 erweitern, wenn eine 

Kompetenzlücke ermittelt wurde, die nicht durch Weiterbildung geschlossen werden kann, so 

dass eine Neueinstellung oder Personalumlegung in Betracht gezogen wird); beinhaltet den 

Anwendungsfall 5. 

2.1.5.3.8 Anwendungsfall 8: Skill-Gaps ermitteln 

1. Akteure: 

Personalentwickler, Personalverantwortlicher oder Kompetenzauswertender. 


Das Ziel ist es, die Kompetenzlücken innerhalb der DMT systematisch zu ermitteln, zu dokumentieren 

und entsprechend zu analysieren, um geeignete Qualifizierungsmaßnahmen abzuleiten. 

Die Ermittlung des Weiterbildungsbedarfs vollzieht sich bei der DMT auf drei unterschiedlichen 

Ebenen: 

1. Ebene: Ermittlung des zukünftigen, langfristigen Weiterbildungsbedarfs (strategische 

Personalentwicklung): Ausgehend von bestimmten Anforderungen (z.B. den strategischen 

Zielsetzungen) sollen die Kompetenzlücken des Unternehmens oder 

eines Teils (Abteilung/Division/Unit/Tochterunternehmen) ermittelt werden (Ist 

versus Soll). 

2. Ebene: Ermittlung des aktuellen Weiterbildungsbedarfs im strukturierten Mitarbeitergespräch. 

3. Ebene: Kurzfristiger Weiterbildungsbedarf im DMT Projektmanagement: Im Hinblick 

auf ein bestimmtes Projekt sollen die Kompetenzlücken der für eine Projektbeteiligung 

in Frage kommenden Mitarbeiter ermittelt werden. 


1. Ebene: Die Geschäftsführung der DMT definiert die strategischen Unternehmensziele für 

das Unternehmen. Auf der Grundlage der Unternehmensstrategie (strategische 

Neuausrichtung der DMT) lassen sich die langfristigen und für die Zukunft zu 

entwickelnden Qualifikationsbedarfe der Mitarbeiter der DMT ableiten. Die notwendigen 

Qualifikationsbedarfe betreffen die gesamte Belegschaft oder spezielle 

Gruppen von Mitarbeitern, wie z.B. Vertriebsverantwortliche, Projektleiter und 

Führungskräfte. Der Prozess beginnt mit der Erarbeitung der strategischen Unternehmensziele 

und endet mit der Ableitung notwendiger Qualifizierungsmaßnahmen 

für die Mitarbeiter. 

2. Ebene: Das einmal jährlich stattfindende strukturierte Mitarbeitergespräch zwischen Vorgesetztem 

und Mitarbeiter ermittelt die kurzfristig notwendigen Qualifizierungsmaßnahmen 

für jeden einzelnen Mitarbeiter. Grundlage sind die konkreten Ziele 

und Aufgaben und die für das laufende Jahr anstehenden Projekte und Tätigkeiten. 

Der Abgleich mit den vorhandenen Kompetenzen wird gemeinsam vorgenommen. 

Der Prozess beginnt mit dem strukturierten Mitarbeitergespräch und en-


det mit der gemeinsamen Ableitung des konkreten Weiterbildungsbedarfs des jeweiligen 

Mitarbeiters. 

3. Ebene: Die vorhandenen Mitarbeiterkompetenzen werden mit den definierten Projektanforderungen 

abgeglichen. Grundlage eines Abgleichs ist ein klar strukturiertes, 

aktuelles und projektbezogenes Anforderungsprofil. Das Anforderungsprofil enthält 

eine detaillierte Aufgaben- und Tätigkeitsbeschreibung, Angaben über die geforderte 

formale Qualifikation (Aus- und Weiterbildungsdaten) sowie Angaben zu 

weiteren notwendigen fachlichen und funktionsübergreifenden Kenntnissen und 

Fertigkeiten. Der Prozess beginnt mit Erstellung eines Anforderungsprofils und 

endet mit der Analyse und Bewertung des Kompetenzabgleichs. 


Keine. 

5. Trigger: 

• Planung der strategischen Neuausrichtung (1. Ebene). 

• Durchführung des strukturierten Mitarbeitergesprächs (2. Ebene). 

• Planung einer Projektteambesetzung: Soll-Ist-Abgleich der Kompetenzen eines bestimmten 

Mitarbeiters (3. Ebene). 




• Soll-Profil ist festgelegt (Ebene 1: Organisationskompetenzen, Ebenen 2 und 3: Mitarbeiter-Kompetenzen). 




• Die kurzfristigen und langfristigen Qualifikationsbedarfe sind systematisch und strukturiert 

ermittelt, dokumentiert und analysiert worden. 


• beinhaltet einen „Extensionspunkt“ für Anwendungsfall 7: Wenn die ermittelten Kompetenzlücken, 

besonders auf den Ebenen 1 und 3, eher durch eine Neueinstellung oder Umlegung 

von Personal behoben werden können, bildet Anwendungsfall 7 eine Erweiterung 

für diesen Anwendungsfall. 

• Beinhaltet den Anwendungsfall 10. 

• Erweitert den Anwendungsfall 9: Der Anwendungsfall 8 ist ein spezielles Ziel der Analyse 

des Informationsnetzes. 

2.1.5.3.9 Anwendungsfall 9: Informationsnetz analysieren 

1. Akteur: 

Kompetenzauswertender. 


Der Akteur analysiert das Informationsnetz, das u.a. die Kompetenzinformationen (Wissen 

über Kompetenzen) enthält, und lässt sich beispielsweise, abhängig von seinen Rechten, die 

Kompetenzen des eigenen oder eines fremden Unternehmens oder die Kompetenzen einer 

Abteilung oder eines Tochterunternehmens (die sich u.a. aus den Kompetenzen der Mitarbeiter 

ableiten lassen) anzeigen.



Der Akteur benötigt (aus strategischen Gründen oder für die Planung von Aufträgen oder Projekten) 

eine Übersicht über die aktuellen Kompetenzen einer Gruppe von Personen, z.B. des 

ganzen Unternehmens oder einer Organisationseinheit. Er lässt sich z.B. die verschiedenen 

Organisationseinheiten anzeigen und wählt die entsprechende Organisationseinheit aus. Das 

System zeigt ein Kompetenzprofil dieser Organisationseinheit, das sich u.a. aus den Kompetenzprofilen 

der jeweiligen Mitarbeiter ergibt, sowie die im System vorhandenen Referenzen 

für das Unternehmen oder die entsprechende Organisationseinheit (Referenzdatenbank). 


• Der Akteur will eine Auswertung bezüglich einer bestimmten Kompetenz vornehmen, 

sich etwa anzeigen lassen, wie ausgeprägt die Kompetenzen des Unternehmens oder einer 

Organisationseinheit in einer bestimmten Kategorie oder in einem Themengebiet sind. 

Der Akteur kann auch für verschiedene auszuwählende Kompetenzen eine (statistische) 

Auswertung durchführen lassen. Dazu gehört auch, dass eventuell vorhandene Referenzen 

(wichtige abgeschlossene Projekte) des Unternehmens oder der Organisationseinheit 

zu dem Themengebiet angezeigt werden. 

• Über die Kompetenzen des Unternehmens oder der betreffenden Organisationseinheit 

liegen dem System keine Informationen vor. Dann wird eine entsprechende Fehlermeldung 

ausgegeben oder das Unternehmen bzw. die betreffende Organisationseinheit wird 

nicht zur Auswahl angeboten. 

5. Trigger: 

• Für die Einschätzung der Kompetenzen des Unternehmens oder einer Organisationseinheit 

(in Zukunft möglicherweise auch eines anderen Unternehmens) werden keine detaillierten 

Informationen über die Kompetenzen der einzelnen Mitarbeiter benötigt, sondern 

eine Übersicht über die Organisationskompetenzen, etwa für die strategische Planung 

oder um die Chancen für eine bestimmte Auftrags- oder Projektakquisition abzuschätzen. 


• Es ist ein Verfahren festgelegt, durch das (für jeden Kompetenzbegriff) aus den Kompetenzen 

der Mitarbeiter und anderen Faktoren die Kompetenzen des Unternehmens oder 

einer Organisationseinheit ermittelt werden können. 


Kompetenzen und den Kompetenzausprägungen sowie die bestehenden Organisationseinheiten 

und ihre Strukturen erfasst. 


• Der Akteur besitzt Informationen über die aktuellen Kompetenzen des Unternehmens 

oder der betreffenden Organisationseinheit oder hat eine entsprechende Fehlermeldung 

erhalten. 


• Beinhaltet einen „Extensionspunkt“ für Anwendungsfall 8: Wenn der Akteur im Anschluss 

an die Auswertung von aktuellen Kompetenzen (Ist), die im Anwendungsfall 9 

erfolgt ist, deren Resultate mit bestimmten Anforderungen (Soll) vergleichen möchte, 

bildet der Anwendungsfall 8 eine Erweiterung für diesen Anwendungsfall 9.


2.1.5.3.10 Anwendungsfall 10: Details zu einem Mitarbeiter anzeigen lassen 

1. Akteure: 

Personalverantwortlicher, Projektteamkonfigurator oder Personalentwickler. 


Der Akteur lässt sich, abhängig von seinen Rechten, die vorhandenen Informationen zu einem 

bestimmten Mitarbeiter anzeigen. 


Der Akteur sucht nach einem bestimmen Mitarbeiter, z.B. über den Namen, eine Identifizierung 

(wie z.B. eine Personalnummer) oder auch dessen Kompetenzprofil. Wenn der anfragende 

Akteur über die erforderlichen Rechte verfügt, zeigt das Kompetenzmanagementsystem 

alle vorhandenen (oder die für die entsprechende Berechtigung möglichen) Informationen 

über den Mitarbeiter an, z.B. Lebenslauf, Kompetenzprofil, detaillierten beruflichen Werdegang 

und (externe) Ansprechpartner. 


Über den gesuchten Mitarbeiter liegen keine Informationen (mehr) vor (z.B. weil er inzwischen 

das Unternehmen verlassen hat) oder der anfragende Akteur verfügt nicht über ausreichende 

Zugriffsrechte. Das Kompetenzmanagementsystem gibt dann eine entsprechende 

Meldung aus. 

5. Trigger: 

Der Akteur benötigt detaillierte Informationen zu einem anderen Mitarbeiter oder möchte sich 

ein bestimmtes Kompetenzprofil anzeigen lassen. 




• Für jeden Mitarbeiter ist genau festgelegt, welche Zugriffsrechte er auf die Kompetenzprofile 

anderer Mitarbeiter besitzt. 

7. Nachbedingung: 

Abhängig von der Berechtigung des anfragenden Akteurs werden alle verfügbaren oder alle 

den Zugriffsrechten entsprechenden Informationen zu dem gesuchten Mitarbeiter angezeigt. 


ist enthalten in den Anwendungsfällen 2, 8 und 9. 

2.1.5.3.11 Anwendungsfall 11: Details zu einem Begriff anzeigen lassen 

1. Akteure: 

Ontologie-Administrator, Personalverantwortlicher, Projektteamkonfigurator oder Personalentwickler. 


Der Akteur lässt sich die vorhandenen Informationen zu einem bestimmten Begriff anzeigen. 

Dazu gehört die Stellung dieses Begriffes in der Ontologie, d.h. die Anzeige der Ober- und 

Unterbegriffe sowie der äquivalenten (synonymen) und verwandten Begriffe. Wenn es sich 

um einen Kompetenzbegriff handelt, sieht der Akteur darüber hinaus, abhängig von seinen 

Rechten, welche Mitarbeiter diese Kompetenz in welcher Ausprägung besitzen und welche 

Erfahrungen mit diesem Kompetenzbegriff verbunden sind. 


Der Akteur sucht beispielsweise die Träger einer bestimmten Kompetenz und lässt sich dazu


die Details des entsprechenden Kompetenzbegriffs anzeigen, zu denen auch die Liste der 

Kompetenzträger gehört. Wenn es sich um den Ontologie-Administrator handelt, so schaut 

dieser sich das Begriffsportal beispielsweise an, um die Stellung des Begriffs in der Ontologie 

zu sehen oder einen neuen Begriff in die Ontologie einzufügen. 


Keine. 

5. Trigger: 

Der Akteur benötigt alle Details zu einem bestimmten Begriff, z.B. um einen Kompetenzträger 

zu finden oder im Rahmen der Ontologiepflege. 


Der Begriff, zu dem die Details angezeigt werden sollen, ist bereits als Informationsobjekt im 

System vorhanden, d.h., der Begriff wurde vorher eingegeben oder importiert. 

7. Nachbedingung: 

Der Akteur hat, abhängig von seinen Rechten, die Details des entsprechenden Begriffs (z.B. 

die Kompetenzträger, Definition oder Position innerhalb der Ontologie) eingesehen und ist 

klüger als vorher. 


ist enthalten in den Anwendungsfällen 1 und 9. 

2.1.5.3.12 Anwendungsfall 12: Details zu einem Projekt anzeigen lassen 

1. Akteure: 

Projektteamkonfigurator oder Personalverantwortlicher. 


Der Akteur lässt sich, abhängig von seinen Rechten, die vorhandenen Informationen zu einem 

bestimmten Projekt anzeigen. 


Der Akteur wählt aus den im Kompetenzmanagementsystem (z.B. aus der Projektdatenbank 

übernommenen) vorhandenen Projekten ein bestimmtes aus, über das er genauere Informationen 

benötigt oder für das er das Projektteam bilden möchte. Er kann auch, ausgehend von der 

Beschreibung eines speziellen anderen Projekts oder der Angabe anderer Suchkriterien, nach 

bestimmten abgeschlossenen (ähnlichen) Projekten suchen (um von früher gemachten Erfahrungen 

zu profitieren und auf erfahrene Mitarbeiter aufmerksam zu werden). Wenn er über die 

dafür notwendigen Rechte verfügt, kann er sich zu dem gefundenen Projekt das Themengebiet, 

das genaue Ziel, den Auftraggeber, die beteiligten Mitarbeiter und ihre jeweiligen Funktionen, 

eventuelle externe Projektpartner, den Zeitraum der Projektbearbeitung usw. anzeigen 

lassen. 


Zu den Suchkriterien wurde kein entsprechendes Projekt gefunden oder über das gefundene 

Projekt liegen keine Informationen vor oder der Akteur verfügt nicht über die notwendigen 

Zugriffsrechte. Dann gibt das Kompetenzmanagementsystem eine entsprechende Meldung 

aus. 

5. Trigger: 

Der Akteur benötigt genauere Informationen zu einem bestimmten Projekt, z.B. um beurteilen 

zu können, ob sich das betreffende Projekt als Referenz für eine neue Projektakquisition eignet 

oder um das Projektteam zu bilden.



• Im Kompetenzmanagementsystem oder einem angebundenen externen System sind möglichst 

viele abgeschlossene Unternehmensprojekte mit ihren Inhalten, Ergebnissen, beteiligten 

Mitarbeitern und weiteren Informationen erfasst. 

• Das Projekt, für das das Projektteam gebildet werden soll, wurde im Kompetenzmanagementsystem 

bereits als Informationsobjekt angelegt. 

• Die Ontologie stellt alle erforderlichen Begriffe für die Beschreibung von und die Suche 

nach Projekten bereit oder kann entsprechend erweitert werden (auf Antrag eines Mitarbeiters). 


• Der Akteur hat Informationen zu mindestens einem Projekt, das die von ihm angegebenen 

Kriterien (möglichst vollständig) erfüllt. 

• Abhängig von der Berechtigung des anfragenden Mitarbeiters werden alle verfügbaren 

oder alle den Zugriffsrechten entsprechenden Informationen zu dem gesuchten Projekt 

angezeigt. 


ist enthalten in den Anwendungsfällen 6 und 9. 

2.1.6 Anforderungen: Katalog von Gütekriterien 

In diesem Kapitel werden die Anforderungen an die Kompetenzontologie aufgezeigt, die beschreiben, 

welche Leistungen in welcher Qualität bei der Ontologieentwicklung erbracht werden müssen. 

Sie werden in der Form von Gütekriterien dargestellt, die als Richtlinien bei der Konstruktion der 

Kompetenzontologie und somit auch als Referenzrahmen für deren abschließende Evaluation dienen 

werden. Dafür wird ein Katalog von Gütekriterien aufgestellt, in dem die einzelnen Kriterien 

kurz beschrieben werden. Jedem Kriterium wird eine Priorität zugeordnet, die entweder „sehr 

hoch“, „hoch“ oder „mittel“ ist und die die Relevanz des Kriteriums für die Kompetenzontologie 

der DMT beschreibt. Im Anschluss wird die Wahl der Priorität für jedes Kriterium durch seine konkrete 

Bedeutung für die Ontologieentwicklung bei der DMT begründet. Ansätze für Maßnahmen 

zur Erfüllung der Kriterien werden genannt. Darüber hinaus werden erste Möglichkeiten zur Operationalisierung 

(Maß) der Kriterien diskutiert, um die spätere Bewertung der Kompetenzontologie zu 

erleichtern. Abschließend werden kurz die Beziehungen zu den verbleibenden Kriterien, falls vorhanden, 

genannt. Im Einzelnen wurden die folgenden Gütekriterien berücksichtigt: 

• Klarheit 

• Einfachheit 

• Erweiterbarkeit 

• Funktionale Vollständigkeit 

• Wiederverwendbarkeit 

• Minimalität 

• Konsistenz 

• Spracheignung 

• Richtigkeit der Sprachanwendung


2.1.6.1 Klarheit 

Der Grundsatz der Klarheit bezieht sich hier, wie auch bei Modellen im Allgemeinen 13) , auf die 

Eindeutigkeit und Nachvollziehbarkeit der Konstrukte einer Ontologie, und ist erfüllt, wenn die 

vorgesehene Bedeutung der Begriffe den Nutzern effektiv übermittelt werden kann. 14) Dieses Kriterium 

wird häufig auch als „Objektivität“ 15) einer Ontologie bezeichnet, denn es wird dann erfüllt, 

wenn die Definition der Konzepte, Relationen und Regeln für möglichst viele Personen eindeutig 

und nachvollziehbar ist. Im Unterschied zur situationsabhängigen Motivation zur Aufnahme eines 

bestimmten Konzepts in die Ontologie soll die Definition des Konzepts auch in anderen Kontexten 

nachvollziehbar sein. Des Weiteren setzt eine klar spezifizierte Ontologie Präzision, d.h. eine möglichst 

geringe Anzahl überlappender Konzept-Mengen, voraus. 

• Priorität: sehr hoch 

Das Kriterium der Klarheit besitzt eine sehr hohe Priorität, weil die resultierende Ontologie für 

alle am Projekt KOWIEN beteiligten Personen und alle betroffenen Mitarbeiter der DMT (insbesondere 

die Mitarbeiter der Personalabteilung) eindeutig vorliegen muss. Da sie hauptsächlich 

von einer Person entwickelt wird, aber für viele Personen Gültigkeit besitzen soll, müssen 

die Definitionen für möglichst viele Beteiligte nachvollziehbar formuliert werden. 

• Erfüllung: 

Für die Erfüllung (und Überprüfung) der Klarheit spielt vor allem die formale Spezifikation der 

Kompetenzontologie eine große Rolle 16) , da eine formale Repräsentation ein geringeres Risiko 

der Mehrdeutigkeit als die natürliche Sprache besitzt und leichter (automatisch) überprüfbar ist. 

Für die Nachvollziehbarkeit der Konstruktdefinitionen ist es im Kontext des KOWIEN-Projekts 

von großem Vorteil, wenn der formalen Repräsentation informale oder semiformale Erläuterungen 

hinzugefügt werden. 

• Maß: 

Nachvollziehbarkeit der Konstruktdefinitionen für verschiedene Personen in verschiedenen 

Kontexten (Befragung der Projektbeteiligten: Bedeutung der Konstrukte der Ontologie gleich 

ihrer Bedeutung im Arbeitsbereich der Personen?) 

• Beziehungen zu anderen Kriterien: 

Die Konsistenz und die Wiederverwendbarkeit einer Ontologie sind komplementäre Grundsätze 

zur Klarheit; die Konsistenz stellt dabei eine Grundvoraussetzung dar, während die Wiederverwendbarkeit 

eher als eine „Folge“ der Klarheit zu sehen ist. 

13) Vgl. SCHÜTTE (1997) S. 10. 

14) Vgl. GRUBER (1993) S. 200. 

15) „Objektivität“ bezieht sich in diesem Zusammenhang lediglich auf die intersubjektive Nachvollziehbarkeit. 

16) Hier sei darauf hingewiesen, dass die formale Spezifikation nach der hier verwendeten Definition als notwendige Eigenschaft 

einer Ontologie betrachtet wird.


2.1.6.2 Einfachheit 

Allgemein bezieht sich der Grundsatz der Einfachheit auf die Größe und Komplexität eines Modells 

17) . Für die Kompetenzontologie bedeutet die Erfüllung dieser Anforderung, dass ihr Umfang 

nicht größer als tatsächlich erforderlich sein soll und ihr Aufbau für alle beteiligten Personen im 

KOWIEN-Projekt und bei der DMT übersichtlich sein muss. 


Dieses Kriterium hat ebenfalls eine sehr hohe Priorität, da die zukünftigen Anwender der Kompetenzontologie 

keine Vorkenntnisse auf dem Gebiet Ontologien besitzen. Es ist damit für die 

Akzeptanz und damit auch den Nutzen der Ontologie von großer Bedeutung, dass Aufbau und 

Darstellung der Ontologie nicht zu komplex gestaltet sind. 


Zur Verwirklichung der Einfachheit einer Ontologie ist es hilfreich, nur die tatsächlich relevanten 

Konzepte aufzunehmen. 18) Daher besteht ein enger Zusammenhang mit dem Grundsatz der 

Minimalität. 

• Maß: 

Um die Einfachheit einer Ontologie zu messen, können die Anzahlen der Konzepte, der Hierarchieebenen, 

der Relationen und der Regeln herangezogen werden. Durch eine repräsentative 

Befragung der Anwender wird die Einfachheit erfasst. 

• Verbindungen zu anderen Kriterien: 

Die Einfachheit wird durch die Minimalität einer Ontologie positiv beeinflusst. Auch die im 

Folgenden erläuterte Erweiterbarkeit ist ein zur Einfachheit komplementäres, aber eher „nachgelagertes“ 

Kriterium (im Sinne einer möglichen Auswirkung). 

2.1.6.3 Erweiterbarkeit 

Eine Ontologie soll auch darauf ausgerichtet sein, hinsichtlich ihres Umfangs und ihrer Struktur mit 

möglichst geringem Aufwand verändert werden zu können. Das Hinzufügen neuer Konzepte, Relationen 

oder Regeln beispielsweise soll keine oder möglichst geringfügige Veränderungen der bestehenden 

Strukturen erfordern. 19) 


Es ist unwahrscheinlich, wenn nicht unmöglich, dass die Ontologie alle aktuellen und zukünftigen 

Anforderungen abdeckt. Aufgrund der Tatsachen, dass nur wenige Personen mit der Ontologieentwicklung 

beschäftigt sind und dass die DMT bislang keine Erfahrungen auf dem Gebiet 

Wissensmanagement mit Ontologien besitzt, spielt die Erweiterbarkeit eine große Rolle. 

17) Vgl. MOODY/SHANKS (1994) S. 102. 

18) Vgl. BENJAMINS/FENSEL (1998) S. 3. 

19) Vgl. GRUBER (1993) S. 201.



Eine hohe Erweiterbarkeit kann durch einen modularen Aufbau der Ontologie erreicht werden 

20) , bei dem eine starke Kohärenz der Konstrukte innerhalb der Module bestehen kann, aber 

nur eine möglichst geringe Kohärenz zwischen den Modulen. Auch die Granularität einer Ontologie, 

die Grob- oder Feinkörnigkeit der Konstrukte, die zur Repräsentation auf einer Abstraktionsebene 

herangezogen werden, beeinflusst die Möglichkeit, Konzepte auf verschiedenen 

Abstraktionsebenen darzustellen. 21) Eine feine Granularität hat grundsätzlich einen positiven 

Einfluss auf die Erweiterbarkeit, da das Hinzufügen neuer Konstrukte auf den unteren Hierarchieebenen 

meist leichter möglich ist als bei gröberer Granularität. 

• Maß: 

Aufwand für Erweiterungen (Zeit, Anzahl der zusätzlich zu ändernden bestehenden Konstrukte). 


Die Erweiterbarkeit einer Ontologie beeinflusst in hohem Maße auch ihre Wiederverwendbarkeit 

in einem anderen Kontext (siehe Kapitel 2.1.6.5). Ebenfalls komplementäre Grundsätze 

sind die Minimalität (siehe Kapitel 2.1.6.6) und die Konsistenz (siehe Kapitel 2.1.6.7), die Voraussetzungen 

für die Erweiterbarkeit bilden können. 

2.1.6.4 Funktionale Vollständigkeit 

Eine Kompetenzontologie ist dann funktional vollständig, wenn sie die für die Erfüllung der Aufgaben 

im Kompetenzmanagement erforderlichen Informationen repräsentiert. Der Grad der Erfüllung 

dieser Anforderung wird durch die Fähigkeit der Ontologie, Kompetenzfragen beantworten 

zu können und somit gewünschte Leistungen zu erbringen, entschieden. 22) Die Kompetenzfragen repräsentieren 

die Gesamtheit aller funktionalen Anforderungen an die Ontologie. 


Die funktionale Vollständigkeit der Kompetenzontologie ist wichtig, damit die Ontologie ihren 

ursprünglichen Zweck erfüllt und einen Nutzen für die Anwender erbringt. Auch die spätere 

Akzeptanz unter den Benutzern wird dadurch entscheidend beeinflusst. Die spezifizierten Konzepte, 

Relationen und Regeln müssen daher ausreichend sein, um die Anforderungen zu erfüllen 

und die Kompetenzfragen beantworten zu können. 

20) Auch BENJAMINS/FENSEL und ARPÍREZ ET AL. nennen Modularität (im Sinne von Erweiterbarkeit) als Anforderung an eine 

Ontologie, um sie erweiterbar und wiederverwendbar gestalten zu können; vgl. BENJAMINS/FENSEL (1998) S. 290 f. bzw. AR- 

PÍREZ ET AL. (1998) S. 21. 

21) Vgl. FOX/GRÜNINGER (1997c) S. 6. 

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 

Entwicklung der DMT-Kompetenzontologie erstellten Kompetenzfragen (Competency Questions) sind in den Kapiteln 

3.2.2.3.5.2 und 3.2.2.3.5.3 (S. 643 ff.) aufgeführt.



Bei der Entwicklung der Kompetenzontologie müssen die aufgestellten Anwendungsfälle und 

die Anforderungsspezifikation, insbesondere die erarbeiteten Kompetenzfragen, dazu herangezogen 

werden festzustellen, welche Bereiche die Ontologie abdecken soll. Durch eine genaue 

Analyse der Kompetenzfragen können bereits erste Design-Entscheidungen bezüglich der benötigten 

Konzepte, Relationen oder Regeln abgeleitet werden. 

• Maß: 

Die funktionale Vollständigkeit der Ontologie wird durch den Grad der Abdeckung der Kompetenzfragen 

gemessen, da diese die funktionalen Anforderungen im Rahmen der Konstruktion 

der Kompetenzontologie darstellen. 


Als Zusammenfassung aller funktionalen Anforderungen betrachtet dieses Kriterium nur die 

von der Ontologie geforderten Leistungen, jedoch nicht, auf welche Art diese Leistungen zu 

erbringen sind. Aus diesem Grund existieren wenige direkte Beziehungen zwischen der funktionalen 

Vollständigkeit und den anderen (nicht-funktionalen) Kriterien. Es besteht jedoch ein 

Zusammenhang zur Minimalität einer Ontologie, der weiter unten erläutert wird. 

2.1.6.5 Wiederverwendbarkeit 

Die Wiederverwendbarkeit einer Ontologie soll gewährleisten, dass sie auch in anderen Kontexten 

als dem ursprünglich geplanten Kontext eingesetzt werden kann. Dies wird durch die Wiederverwendung 

von vorhandenem Wissen ermöglicht. Der Aufwand für die Entwicklung weiterer ontologiebasierter 

Anwendungssysteme wird verringert. Dieser Grundsatz ist besonders für allgemeine 

Commonsense-Ontologien von Bedeutung. Allerdings sollten auch speziellere Ontologien wie Domänen- 

oder Aufgaben-Ontologien in anderen Anwendungssituationen nutzbar sein. Beispiele dafür 

sind Anwendungen im selben Unternehmen im Rahmen eines anderen Anwendungssystems sowie 

Anwendungen in einem anderen Unternehmen in einem ähnlichen Anwendungssystem. 

• Priorität: hoch 

In der vorliegenden Arbeit wird zwar zunächst „nur“ eine Kompetenzontologie für die DMT 

entwickelt. Es ist jedoch von Vorteil hinsichtlich Zeit und Aufwand, wenn die resultierende 

Ontologie auch für andere Unternehmen im KOWIEN-Projekt oder auch allgemein für Unternehmen 

der entsprechenden Domäne anwendbar ist. Wichtiger ist aber zunächst, dass die Ontologie 

bei der DMT eingesetzt werden kann und möglicherweise dort auch für ein anderes Anwendungssystem 

als das Kompetenzmanagementsystem angewendet werden kann. 


Auch für die Wiederverwendbarkeit spielt die modulare Gestaltung einer Ontologie eine große 

Rolle, weil einzelne Module (oder „Sub-Ontologien“) leichter modifiziert oder auch allein in 

einer anderen Anwendungssituation eingesetzt werden können. 23) Die Verwirklichung anderer 

Grundsätze wie Konsistenz und Minimalität trägt zur Wiederverwendbarkeit einer Ontologie 

bei. 

23) Vgl. BENJAMINS/FENSEL (1998) S. 290 f.


• Maß: 

Aufwand für einen Einsatz der Ontologie in einem anderen Kontext (z.B. Zeit, Anzahl der zu 

ändernden Konstrukte) 24) , Popularität und Erlernbarkeit der gewählten Repräsentationssprache 

(gemessen durch Befragung der Projektbeteiligten). 


Voraussetzungen für die Wiederverwendbarkeit einer Ontologie sind ihre Erweiterbarkeit, ihre 

Minimalität und ihre Konsistenz. 

2.1.6.6 Minimalität 

Die Minimalität einer Ontologie wird bestimmt durch die Auswahl der relevanten Konstrukte und 

den Ausschluss der nicht-relevanten Konstrukte, so dass kein Informationsobjekt 25) mehr aus der 

Ontologie entfernt werden kann, ohne dass ein Informationsverlust für den Benutzer eintritt. 26) 

Gleichzeitig ist auf die minimale ontologische Verpflichtung zu achten. 27) Danach sollen die Nutzer 

der Ontologie so wenige Verpflichtungen, die sich aus der Anwendung mit den festgelegten Konzepten, 

Relationen und Regeln ergeben, wie möglich eingehen müssen, um die Ontologie in ihrer 

ursprünglich intendierten Anwendung nutzen zu können. Das bedeutet, dass die Ontologie möglichst 

wenige Ansprüche an den repräsentierten Realitätsausschnitt stellen sollte, indem nur die 

wirklich notwendigen Konzepte für eine Kommunikation von Agenten in die Ontologie aufgenommen 

werden. 


Die zu entwickelnde Kompetenzontologie stellt eine Domänen-Ontologie 28) dar und wird am 

speziellen Beispiel der DMT erarbeitet. Sie ist daher nicht darauf ausgerichtet, branchenübergreifende 

Anwendbarkeit zu besitzen (das Kriterium der Allgemeingültigkeit wird deshalb hier 

nicht betrachtet), doch sie sollte auf andere Unternehmen mit ähnlicher Domäne übertragbar 

sein. Für dieses Ziel ist es wichtig, dass von (potenziellen) Nutzern der Ontologie so wenige 

Verbindlichkeiten hinsichtlich der Festlegungen wie möglich verlangt werden. 


Die Minimalität kann realisiert werden, indem die nicht wesentlichen Konstrukte nicht mit in 

die Ontologie aufgenommen werden, also für alle Konzepte, Relationen und Regeln der jeweilige 

Nutzen für die Anwender überprüft wird. Dazu gehört auch, dass Redundanzen vermieden 

werden. 

24) Problematisch an diesem Maß ist allerdings, dass eine „exakte“ Bestimmung nicht erfolgen kann, da nicht vorhergesagt werden 

kann, in welchem Zusammenhang die Ontologie einer Wiederverwendung zugeführt wird. 

25) Informationsobjekte können dabei sowohl Konzepte, Relationen und Regeln als auch deren Kombinationen sein. 

26) Vgl. SCHÜTTE (1997) S. 5. GÓMEZ-PÉREZ bezeichnet dieses Kriterium als Prägnanz einer Ontologie; vgl. GÓMEZ-PÉREZ 

(2001) S. 394. 

27) Vgl. GRUBER (1993) S. 201. 

28) Die Ontologie ist insofern domänenspezifisch, als dass sie auf den Bereich der Technologiedienstleistung und gleichzeitig 

auch auf den Bereich des Kompetenzmanagements ausgerichtet ist.


• Maß: 

Anzahl oder Anteil der Konstrukte, für die bewiesen werden kann, dass in der Ontologie kein 

anderes logisch äquivalentes Konstrukt existiert 29) , und Befragung der Anwender, inwieweit die 

Vorgaben der Ontologie die Anwender veranlassen, ihre gewohnten Begriffsverwendungen ändern 

zu müssen. 


Die Minimalität steht komplementär zur Einfachheit, Erweiterbarkeit und Wiederverwendbarkeit 

einer Ontologie, weil sie grundlegende Einflüsse auf die Realisierung dieser Kriterien ausübt. 

Nach der hier gewählten Definition der Kriterien Minimalität und funktionale Vollständigkeit 

beeinflussen diese sich positiv, weil Erstes den Ausschluss aller nicht relevanten Konstrukte 

und Zweites die Aufnahme aller relevanten Konstrukte verlangt. 

2.1.6.7 Konsistenz 

Konsistenz ist gleichzusetzen mit der Widerspruchsfreiheit einer Ontologie sowohl im logischen/syntaktischen 

Sinne als auch im materiellen/semantischen Sinne. Es wird eine Konsistenz aller 

Definitionen untereinander und auch in Bezug zur realen Welt gefordert. Durch mögliche 

Schlussfolgerungen sollen keine widersprüchlichen Aussagen entstehen können. 30) 


Für den Nutzen und die Akzeptanz der Ontologie unter ihren Anwendern ist es von Bedeutung, 

dass keine widersprüchlichen Aussagen aus der Ontologie oder aus dem Kompetenzmanagementsystem 

abgeleitet werden können. Darüber hinaus bildet die Konsistenz einer Ontologie 

eine Grundvoraussetzung für andere Grundsätze wie Klarheit, Erweiterbarkeit und Wiederverwendbarkeit 

einer Ontologie. 31) 


Um dieses Kriterium zu erfüllen, werden Integritätsregeln formuliert, die das Ableiten von widersprüchlichen 

Fakten aus der Ontologie verhindern. 

• Maß: 

Anzahl oder Anteil der bei der Evaluation „gefundenen“ (in den Konstrukten vorhandenen oder 

durch Anwendung der Regeln aufzeigbaren) Widersprüche. 


Klarheit, Erweiterbarkeit und Wiederverwendbarkeit einer Ontologie setzen die Konsistenz der 

Ontologie voraus. 

29) Vgl. FOX/GRÜNINGER (1997c) S. 7. 

30) Vgl. GÓMEZ-PÉREZ (2001) S. 395. 

31) Eine inkonsistente Ontologie wird leichter zu erweitern sein als eine konsistente Ontologie, weil weniger Rücksicht auf bestehende 

Definitionen genommen werden muss.


2.1.6.8 Spracheignung 

Das Kriterium der Spracheignung betrachtet die Angemessenheit einer Ontologierepräsentationssprache 

im Hinblick auf eine bestimmte Anwendungssituation. Dabei müssen die semantische 

Mächtigkeit, also die Ausdrucksfähigkeit, sowie der erforderliche Grad an Formalität der Sprache 

berücksichtigt werden. 32) Unter anderem durch die Ausdrucksfähigkeit wird die bei der Formalisierung 

entstehende Kodierungsverzerrung bestimmt, die möglichst gering gehalten werden sollte. 33) 

Eine hohe Ausdrucksmächtigkeit ermöglicht dem Ontologieentwickler die Modellierung einer Domäne 

mit wenigen Kodierungsverzerrungen, die einer Anpassung der Modellierung an die Modellierungsprimitive 

entstammen. Gleichzeitig ist eine Sprache für eine bestimmte Ontologiekonstruktion 

geeignet, wenn sie für die Entwickler und die späteren Benutzer verständlich ist und eine entsprechende 

Werkzeugunterstützung vorhanden ist. 34) Diese beiden letztgenannten Eigenschaften einer 

Repräsentationssprache werden entscheidend beeinflusst durch die Kenntnisse der Beteiligten 

und die vorhandene informationstechnische Unterstützung. 


Für die Repräsentation der Kompetenzontologie muss eine Sprache ausgewählt werden, die den 

kontextspezifischen Anforderungen und Nebenbedingungen gerecht wird. Besonders die Verständlichkeit 

der Sprache spielt im Rahmen des KOWIEN-Projekts eine große Rolle, damit 

auch „Nicht-Ontologie-Experten“ an der Entwicklung, Evaluation und Nutzung der Ontologie 

mitwirken können. 


Da Ontologien nach der hier verwendeten Definition formal spezifiziert sein müssen, sind die 

Wahlmöglichkeiten bezüglich der Sprache bereits stark eingeschränkt. Auch das bei der Ontologieentwicklung 

einzusetzende Werkzeug OntoEdit ist bei der Auswahl der Sprache(n) zu berücksichtigen. 

• Maß: 

Verständlichkeit der Sprache für die Projektbeteiligten (abhängig von Kenntnissen und Erfahrungen 

Befragung), vorhandene Werkzeugunterstützung, Anzahl der erforderlichen „Kompromisse“ 

für die Darstellung der Ontologiekonstrukte ( Kodierungsverzerrung). 


Die Wahl einer für den Kontext geeigneten Repräsentationssprache kann eine Auswirkung auf 

die Klarheit (da die Eignung der Sprache eventuell die Eindeutigkeit und die Verständlichkeit 

der Ontologie beeinflusst) und die Wiederverwendbarkeit (da einige Sprachen wie etwa XML 

oder XML-basierte Sprachen weiter verbreitet und leichter erlernbar sind als andere) der Ontologie 

haben. 

32) Vgl. SCHÜTTE (1997) S. 7. 

33) Zur minimalen Kodierungsverzerrung siehe GRUBER (1993) S. 201. 

34) Vgl. KROGSTIE (1995) S. 114.


2.1.6.9 Richtigkeit der Sprachanwendung 

Bei einer korrekten Anwendung einer Sprache muss die Ontologie den Vorgaben des Metamodells 

(der Grammatik der Sprache) gehorchen, also nach Möglichkeit vollständig und konsistent zum 

Metamodell sein. 35) Vollständigkeit gegenüber dem Metamodell bedeutet, dass die Ontologie alle 

im Metamodell vorgeschriebenen Konstrukte und Informationen umfasst. 36) Eine Ontologie ist konsistent 

zum Metamodell der gewählten Sprache, wenn sie nur die im Metamodell spezifizierten 

Konstrukte enthält. 

• Priorität: mittel 

Die korrekte Anwendung der Sprachsyntax ist eine Voraussetzung für die Klarheit der Ontologie, 

daher muss sie bei der Evaluation in die Betrachtung mit aufgenommen werden. 


Bei der Formalisierung, also der Transformation des konzeptuellen Modells in die formale Darstellung, 

muss die Grammatik der jeweiligen Sprache eingehalten werden. Dabei ist darauf zu 

achten, dass die Ontologie keine syntaktisch ungültigen Konstrukte enthält und gleichzeitig 

keines der durch die Grammatik vorgeschriebenen Konstrukte fehlt. 

• Maß: 

Anzahl oder Anteil fehlender und falscher Konstrukte im Vergleich zum Metamodell der Sprache. 


Eine Vorraussetzung für die Richtigkeit der Sprachanwendung bei einer Ontologie kann die 

Wahl einer geeigneten Sprache sein, denn der Einsatz einer Sprache mit der erforderlichen 

Ausdrucksfähigkeit erhöht die Chancen auf eine zum Metamodell vollständige und konsistente 

Darstellung. Die Sprachrichtigkeit stellt wiederum eine Voraussetzung für die Klarheit dar, da 

Ontologieentwickler und Anwender das Metamodell der Sprache zum Verständnis der Ontologierepräsentation 

heranziehen können. 

Tabelle 5 auf der folgenden Seite fasst die genannten Gütekriterien synoptisch zusammen. 

35) Vgl. SCHÜTTE (1997) S. 7. Das bedeutet im Umkehrschluss, dass, wenn zur „natürlichen“ Repräsentation einer Domäne nur 

2-stellige Prädikate benötigt werden, eine Sprache, die lediglich 2-stellige Prädikate im Metamodell umfasst, einer Sprache 

vorgezogen wird, die 5-stellige Prädikate ermöglicht. Der Grund hierfür liegt im Kriterium der „Klarheit“, das als aufbauend 

auf dem Kriterium „Richtigkeit der Sprachanwendung“ zu sehen ist. 

36) Vgl. KROGSTIE (1995) S. 103.


Kriteriumsbezeichnung 

Klarheit sehr hoch 

Einfachheit sehr hoch 

Erweiterbarkeit sehr hoch 

funktionale 

Vollständigkeit 

Priorität Maß Erfüllung durch 

sehr hoch 

Wiederverwendbarkeit hoch 

Minimalität hoch 

Konsistenz hoch 

Spracheignung hoch 

Richtigkeit der 

Sprachanwendung 

mittel 

Nachvollziehbarkeit 

für verschiedene 

Personen 

Anzahl der Konstrukte 

und Hierarchieebenen 

Aufwand für 

Erweiterungen 

Grad der Abdeckung 

der Kompetenzfragen 

Aufwand für Einsatz 

in anderem Kontext 

Anzahl 

„nicht notwendiger“ 

Konstrukte 

Anzahl vorhandener 

oder ableitbarer 

Widersprüche 

notwendige 

„Kompromisse“, 

Verständlichkeit 

Anzahl fehlender oder 

falscher Konstrukte 

Spezifikation, Präzision, Erläuterung 

der formalen Konstruktdefinitionen 

Begrenzung der Komplexität des Aufbaus, 

Relevanz der Konzepte 

modularer Aufbau, Kohärenz (nur) 

zwischen den Modulen, Granularität 

Evaluation der Erfüllung der 

Anforderungsspezifikation und 

der Kompetenzfragen 

modularer Aufbau, Konsistenz 

Vermeidung von Redundanz, 

Ausschluss nicht-relevanter Konstrukte 

Formulierung von Integritätsregeln 

Auswahl der Sprache nach Verständlichkeit, 

Ausdrucksfähigkeit, Werkzeugunterstützung 

Anwendung der Sprache vollständig und 

konsistent zum Metamodell der Sprache 

Tabelle 5: Gütekriterien für die Kompetenzontologie (Übersicht)


2.1.7 Entwicklungsrahmenbedingungen 

Die Dauer der gesamten Ontologiekonstruktion wurde auf maximal sechs Monate begrenzt. 

Für eine systematische Ontologieentwicklung sollte das KOWIEN-Vorgehensmodell 37) angewendet 

werden. Dieses umfasst die Schritte Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung, 

Implementierung, Evaluation und Dokumentation/Projektmanagement. Wichtige Entwicklungsergebnisse 

bilden dabei die Dokumente Anforderungsspezifikation, Wissensträgerkarte und 

Liste der relevanten Dokumente, Konzeptualisierung, Ontologie sowie die Evaluation der verschiedenen 

Repräsentationsformate. 

Während der gesamten Ontologieentwicklung werden so weit möglich vorhandene Anwendungen 

für eine Computerunterstützung genutzt. Im Mittelpunkt steht dabei das Werkzeug OntoEdit, das 

den Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH darstellt. Es stellt 

Funktionalitäten für die Konstruktion von Ontologien bereit und unterstützt die Ausgabesprachen 

XML, F-Logic, RDF(S) und DAML+OIL. 

37) Vgl. APKE/DITTMANN (2003a) und Kapitel 2.3.2 (S. 373 ff.)

2.2 Architektur des KOWIEN-Prototyps 





Comma Soft AG 

2.2.1 Einführung 

Für die Koordinierung der Erfüllung von komplexen, insbesondere wissensintensiven Engineering- 

Aufgaben ist es erforderlich, diejenigen Kompetenzen zusammenzuführen und aufeinander abzustimmen, 

die als handlungsbefähigendes Wissen zur Aufgabenerfüllung benötigt werden. Um das 

Management von Kompetenzen zu unterstützen, wurde im Projekt ein Software-Prototyp eines ontologiebasierten 

Kompetenzmanagementsystems (KOWIEN-Prototyp) entwickelt. 

Die (Gesamt-) Aufgabe des KOWIEN-Prototyps erstreckt sich auf drei Teilaufgaben: Erstens soll er 

die Identifizierung derjenigen Kompetenzen, die zur Erfüllung von wissensintensiven Engineering- 

Aufgaben erforderlich sind, und die Aggregation der zur Aufgabenerfüllung erforderlichen Kompetenzen 

in einem aufgabenspezifischen Kompetenzprofil ermöglichen (Aufgabenperspektive). Zweitens 

soll der KOWIEN-Prototyp es gestatten, diejenigen Kompetenzen zu identifizieren, über die 

zum aktuellen Zeitpunkt einzelne Akteure als Kompetenzträger verfügen, und die Kompetenzen eines 

Akteurs in einem akteursspezifischen Kompetenzprofil zur Weiterverarbeitung vorhalten (Akteursperspektive). 

Schließlich und drittens soll es mit dem KOWIEN-Prototyp möglich sein, auf 

Basis der akteur- und der aufgabenspezifischen Kompetenzprofile Projektteams zur Bearbeitung bestimmter 

Engineering-Aufgaben zu bilden. Neben diesen Teilaufgaben des ontologiebasierten 

Kompetenzmanagements lässt sich eine Vielzahl von ergänzenden Aufgaben identifizieren, die in 

der betrieblichen Praxis durchaus eine bedeutsame Rolle spielen können. 

Der erfolgreiche Einsatz eines computerbasierten Kompetenzmanagementsystems wird in der betrieblichen 

Praxis durch mehrere Problemkomplexe erschwert, die als Herausforderungen bei der 

Entwicklung des KOWIEN-Prototyps betrachtet wurden. 

Erstens leidet der Zugriff auf – implizit vorhandenes oder explizit verfügbares – Wissen über Mitarbeiterkompetenzen 

in der betrieblichen Praxis oftmals unter der Verwendung heterogener Begrifflichkeiten 

zur Beschreibung gleichartiger Kompetenzen. Diese „Barriere“ des Wissensmanagements 

ist in der betrieblichen Praxis nicht nur zwischen verschiedenen Unternehmen (z.B. in Virtuellen 

Unternehmen und Supply Webs) von Bedeutung, sondern auch innerhalb eines Unternehmens, 

das aus verschiedenen Abteilungen besteht oder auf verschiedene Standorte verteilt ist. Zudem wird 

ein professionelles Wissensmanagement in der betrieblichen Praxis oftmals durch die unnötige Heterogenität 

der jeweils eingesetzten Formen der Wissensrepräsentation erheblich erschwert: Es werden 

unterschiedliche Repräsentationssprachen für die Erfassung desselben Gegenstandsbereichs nebeneinander 

verwendet. Aufgrund einer Nutzung unterschiedlicher Repräsentationsformen und 

-sprachen können nicht nur Ineffizienzen entstehen. Vielmehr drohen infolge der Redundanz bei der 

Aktualisierung von Objekt- und Prozessrepräsentationen sogar Inkonsistenzen. 

Darüber hinaus liegt zweitens das Wissen über die Mitarbeiterkompetenzen selten in expliziter 

Form vor, wie z.B. in Kompetenzdatenbanken und „Gelben Seiten”. Stattdessen ist es zumeist implizit 

in Dokumenten über bestimmte betriebliche Sachverhalte, wie z.B. in Projektberichten, abge-

354 2.2 Architektur des KOWIEN-Prototyps 

legt. Dieses implizite Wissen ist für das Wissensmanagement nicht unmittelbar zugänglich, insbesondere 

kann es nicht durch konventionelle Datenbankmanagementsysteme erschlossen werden. 

2.2.2 Komponenten des KOWIEN-Prototyps 

2.2.2.1 Allgemeiner Überblick über die Komponenten 

Der Software-Prototyp für ein computerbasiertes Kompetenzmanagementsystem wurde so gestaltet, 

dass er die o.a. Gesamtaufgabe eines Kompetenzmanagementsystems erfüllen kann. Bei der Entwicklung 

des Kompetenzmanagementsystems wurden außerdem die o.a. Problemkomplexe berücksichtigt. 

Abbildung 33 visualisiert den Aufbau des ontologiebasierten Kompetenzmanagementsystems, das 

im Projekt KOWIEN entwickelt wurde. Das Kompetenzmanagementsystem besteht aus vier zentralen 

Komponenten. Es besitzt neben den Ontologien, der Wissensbasis und infonea® als weitere 

Komponenten zwei Schnittstellen: die Benutzerschnittstelle und die XML-Schnittstelle. Die einzelnen 

Komponenten werden im Folgenden näher dargestellt. 

XML- XML 

Schnittstelle 

Ontologien 

Benutzer- 

schnittstelle 

infonea ® 

Konzepte, Relationen, 

Integritäts- Integritäts und Inferenzregeln 

Abbildung 33: Architektur des KOWIEN-Prototyps 

Wissens- 

basis


2.2.2.2 Spezifische Darstellung einzelner Komponenten 

2.2.2.2.1 Ontologien 

Die Ontologien sind ein zentraler Bestandteil des ontologiebasierten Kompetenzmanagementsystems. 

Hierbei lassen sich mehrere Ontologien unterscheiden. 

Die Top-Level-Ontologie repräsentiert die allgemeinen, allen anderen übergeordneten Sachverhalte 

des Realitätsausschnitts. Die Top-Level-Ontologie besteht aus einer Hierarchie mit der obersten 

Klasse Entität und weiteren, darunter angeordneten Klassen. 

Die Domänenontologien enthalten die Konzepte jeweils eines spezielleren Realitätsausschnitts. In 

den Domänenontologien werden die Konzepte der Top-Level-Ontologie verfeinert. Im Rahmen des 

ontologiebasierten Kompetenzmanagementsystems kommt zwei Domänenontologien eine herausragende 

Rolle zu. 

Hierbei handelt es sich zum einen um die Prozessontologie. Zwar konnte im Rahmen des Projekts 

KOWIEN kein Referenzmodell als Grundlage für die Konstruktion einer Prozessontologie herangezogen 

werden. Jedoch konnten die an der Projektarbeit orientierten Geschäftsprozesse der KO- 

WIEN-Praxispartner für die Konstruktion der Prozessontologie verwendet werden. Bei der Konstruktion 

der Prozessontologie wurden die gemeinsamen Merkmale der Geschäftsprozessmodelle 

der Praxispartner herausgearbeitet. 1) 

Neben der Prozessontologie, die die Geschäftsprozessorientierung des Kompetenzmanagementsystems 

sicherstellt, kommt der Kompetenzontologie im Rahmen des ontologiebasierten Kompetenzmanagementsystems 

eine zentrale Bedeutung zu. In der Kompetenzontologie werden diejenigen Begriffe 

(Konzepte) formalsprachlich spezifiziert, die zur Beschreibung sowohl der vorhandenen als 

auch der benötigten Kompetenzen eines Unternehmens erforderlich sind. Diese Kompetenzbegriffe 

sind durch verschiedene Relationen miteinander verbunden. Hierzu gehört auch die Is-a-Relation, 

die zwischen den Begriffen eine hierarchische Beziehung festlegt. Abbildung 34 auf der nächsten 

Seite visualisiert einen Ausschnitt aus der Kompetenzontologie, der im KOWIEN-Prototyp implementiert 

wurde. 2) 

1) Eine ausführliche Darstellung der Vorgehensweise bei der Herausarbeitung der gemeinsamen Merkmale findet sich in Kapitel 

3.1.1.1.1 (S. 571 ff.). 

2) Vgl. zur generischen Kompetenzontologie, die im Projekt KOWIEN entwickelt wurde, das Kapitel 2.4 (S. 429 ff., insbesondere 

S. 483 ff.).


IT-Kompetenz 

Branchenkompetenz 

Fremdsprachenkompetenz 

Präsentationsmethoden 

Fachkompetenz 

Lernbereitschaft 

Methodenkompetenz 

Kompetenz 

Selbstkompetenz 

Analysemethoden 

Sozialkompetenz 

Kreativität 

Abbildung 34: Ausschnitt aus der Kompetenzontologie 

Durchsetzungsfähigkeit 

Delegationsfähigkeit 

Motivationsfähigkeit 

Durch die Kompetenzontologie werden die sprachlichen Ausdrucksmittel für den Austausch von 

Wissen über die Kompetenzen eines Unternehmens einheitlich vorgegeben. Durch die Vorgabe einer 

einheitlichen terminologischen Basis wird dazu beigetragen, das Problem der terminologischen 

Diversität in Unternehmen zu beheben. Außerdem trägt die Kompetenzontologie dazu bei, das zunächst 

unstrukturierte Wissen über die Kompetenzen der Akteure so aufzubereiten, dass dieses 

Wissen nicht nur auf der syntaktischen, sondern vor allem auch auf der semantischen Ebene explizit 

und formalsprachlich strukturiert werden kann. 

Die Wissensmanagement-Architektur infonea® der Comma Soft AG stellt die technologische Basis 

des KOWIEN-Prototyps dar. Da infonea®-Anwendungen über ein so genanntes Objektmodell verfügen 

3) , gibt es neben der Prozess- und der Kompetenzontologie noch eine weitere Ontologie, die 

für das Kompetenzmanagementsystem von zentraler Bedeutung ist: das KOWIEN-Objektmodell. 

Die Begriffe dieser Ontologie sind die Namen der Objektklassen, die der zugehörigen Attribute und 

die der Assoziationen zwischen den Objektklassen. 4) Beispiele für Objektklassen sind die Klassen 

„Begriffe“ und „Prozesse“ mit den zugehörigen Attributen „Bezeichnung“, „Domäne“, „Prozessnummer“ 

und „Kurzname“ sowie den Assoziationen „Begriffshierarchie“, „Kompetenzbezug“, 

„Abstraktionsbeziehung“ und „Prozesshierarchie“. Da das KOWIEN-Objektmodell die Basis für 

die Definition und die Speicherung der Domänenontologien legt, könnte man es auch als Meta- 

Ontologie bezeichnen. Das Objektmodell bestimmt, welche Art von Informationsobjekten das 

Kompetenzmanagementsystem kennt und über welche Attribute und Assoziationen sie beschrieben 

und recherchiert werden können. Da das Objektmodell die Grundlage für die Erfüllung der Anforderungen 

an den KOWIEN-Prototyp darstellt, ist die Erstellung dieser Meta-Ontologie ein wichti- 

3) Vgl. Kapitel 3.1.1.1.1 auf S. 572 f. 

4) Die Bezeichnungen „Objektklassen“, „Attribute“ und „Assoziationen“ gehören zum infone®-spezifischen Sprachgebrauch. 

Sie stellen Synonyme zu den Bezeichnern „Begriffe“ („Konzepte“), „Merkmale“ bzw. „Relationen“ dar, die in früheren Kapiteln 

im Kontext von Ontologien eingeführt wurden.


ger Schritt bei der Implementierung des Kompetenzmanagementsystems. In Kapitel 3.1.1.1.1 werden 

einige wichtige Zusammenhänge des KOWIEN-Objektmodells beschrieben und graphisch veranschaulicht 

(S. 572 f.). 

Passend zum KOWIEN-Objektmodell werden neben den Objektklassen, den Attributen und den 

Assoziationen auch Integritäts- und Inferenzregeln spezifiziert. 5) 

Die Integritätsregeln sorgen dafür, dass keine inkonsistenten Fakten in das Kompetenzmanagementsystem 

eingegeben werden können. Bei der Eingabe einer Kompetenzaussage wird beispielsweise 

durch eine Integritätsregel sichergestellt, dass solche Aussagen nur zu Begriffen gemacht 

werden können, bei denen es sich um Kompetenzbegriffe handelt. Weitere Beispiele für Integritätsregeln 

werden im Kapitel 3.1.1.3.1.3 (S. 586 f.) genannt. 

Mit Hilfe der Inferenzregeln wird festgelegt, wie aus explizitem Wissen das darin enthaltene implizite 

Wissen erschlossen werden kann. Abbildung 35 visualisiert eine Inferenzregel zur Explizierung 

impliziten Wissens über Mitarbeiterkompetenzen. 

Schulung 

Legende: 

hat 

Schulung 

besucht 

vermittelt 

Kompetenz 

Mitarbeiter 

explizite Relationen 

Inferenz zur Erschließung impliziten Wissens 

Kompetenz 

Abbildung 35: Inferenzregel zur Explizierung impliziten Wissens 

Die Inferenzregel besagt, dass ein Mitarbeiter über eine bestimmte Kompetenz verfügt, wenn er eine 

Schulung besucht hat, deren Ziel die Vermittlung dieser Kompetenz war. Das ursprünglich nicht 

explizite Wissen über die Kompetenzen eines Mitarbeiters kann durch die Anwendung dieser Inferenzregel 

erschlossen werden. Auf diese Weise leisten Inferenzregeln einen wesentlichen Beitrag 

zur Schließung der oben erwähnten Explizierungslücke. 

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 

hinaus zur Gegenüberstellung von Inferenz- und Integritätsregeln das Kapitel 2.4.2.2.3 (S. 448 ff.).


Im KOWIEN-Prototyp wird bei der Suche nach Kompetenzträgern kenntlich gemacht, welche Personen 

aufgrund von expliziten Kompetenzaussagen gefunden wurden und bei welchen Personen das 

System mittels einer Inferenzregel gefolgert hat, es sei plausibel anzunehmen, dass sie über die gesuchten 

Kompetenzen verfügen. Eine Möglichkeit der Berücksichtigung von Inferenzregeln besteht 

darin, eine externe Inferenzmaschine in das System zu integrieren und die Benutzeranfragen beispielsweise 

in Form von F-Logic-Anfragen an diese Inferenzmaschine weiterzuleiten. Im Verlaufe 

des Projekts KOWIEN wurde seitens des Software-Partners jedoch entschieden, keine externe Inferenzmaschine 

einzubinden und stattdessen die von infonea®-verarbeitbaren Inferenzmechanismen 

zu verwenden. Diese infonea® Inferenzmechanismen werden ebenso wie das damit zusammenhängende 

Konzept der virtuellen Assoziationen in Kapitel 3.1.1.2.3 beschrieben (S. 582 f.). 

2.2.2.2.2 Wissensbasis 

Eine weitere Komponente des KOWIEN-Prototyps ist die Wissensbasis, deren Struktur durch das 

KOWIEN-Objektmodell bestimmt wird. In ihr werden die Kompetenzprofile der Mitarbeiter auf 

Basis der Kompetenzontologie abgelegt. Die Kompetenzprofile eines Mitarbeiters enthalten zwei 

verschiedene Arten von Wissen über Kompetenzen. 

Zum einen werden im Kompetenzprofil Kompetenzaussagen 6) spezifiziert. Die Kompetenzaussagen 

drücken das explizite Wissen über die Kompetenzen eines Mitarbeiters aus. Eine Kompetenzaussage 

steht mit der Person und der Kompetenz in Beziehung, auf die sie sich bezieht. Zusätzlich kann 

sie in Beziehung zu einem Begriff gesetzt werden, der eine Kompetenzausprägung bezeichnet. Die 

entsprechenden Assoziationen tragen folgende Namen: 

• Kompetenzbezug („beinhaltet_Kompetenz“), 

• Kompetenzangabe („betrifft_Akteur“) und 

• Kompetenzausprägung („beinhaltet_Kompetenzauspraegung“). 

Zum anderen enthält das Kompetenzprofil auch Aussagen über die Erfahrungen der Mitarbeiter. Bei 

den Erfahrungen eines Mitarbeiters kann es sich beispielsweise um Projekt-, Ausbildungs- und Berufserfahrungen 

handeln. Die erfassten Erfahrungen besitzen für ein ontologiebasiertes Kompetenzmanagementsystem 

eine herausragende Bedeutung, denn durch sie wird implizites Wissen über 

Mitarbeiterkompetenzen ausgedrückt. Durch den Einsatz von Inferenzmechanismen kann das in den 

Erfahrungsbeschreibungen implizit enthaltene Wissen über Kompetenzen expliziert werden. Bei der 

Eingabe der Kompetenzaussagen und der Zuordnung von Kompetenzen zu Erfahrungen kann ausschließlich 

der terminologische Apparat, der in der Kompetenzontologie spezifiziert ist, herangezogen 

werden. 

6) Vgl. zur Konzeptualisierung einer Kompetenzaussage Kapitel 2.4.3.1.2.1 auf S. 496 ff.


2.2.2.2.3 infonea® 

Neben der Kompetenzontologie ist infonea®, die Wissensmanagement-Architektur der Comma 

Soft AG, die zentrale Komponente des KOWIEN-Prototyps. Die gesamte Funktionalität des KO- 

WIEN-Prototyps wurde auf Basis von infonea® umgesetzt. Da die infonea®-Architektur, die infonea®-Modelle 

und die infonea®-Inferenzmechanismen ebenso wie die besonderen Merkmale und 

Stärken von infonea® ausführlich in Kapitel 3.1.1.2 (S. 579 ff.) beschrieben werden, wird an dieser 

Stelle nur kurz auf infonea® eingegangen. 

Im Rahmen des KOWIEN-Prototyps übernimmt infonea® u.a. folgende Aufgaben: 

• Eingabe, Pflege und Verwendung der Kompetenzontologie, 

• Auswertung der Anfragen seitens der Anwender (z.B. Kompetenzträgersuche), 

• Integration externer Daten (siehe unten) sowie 

• Eingabe und Pflege von Kompetenzprofilen. 

Bei einer Anfrage verarbeitet infonea® das Wissen über die Mitarbeiterkompetenzen in der Wissensbasis. 

Dabei werden auch die infonea®-Inferenzmechanismen eingesetzt, um aus dem explizit 

gespeicherten Wissen neues Wissen über die Mitarbeiterkompetenzen abzuleiten. 

2.2.2.2.4 Schnittstellen des KOWIEN-Prototyps 

Auf die Wissensbasis, in der u.a. die Kompetenzprofile gespeichert sind, kann über zwei verschiedene 

Schnittstellen zugegriffen werden. Über die XML-Schnittstelle können Informationen über 

Kompetenzen aus anderen Systemen übernommen werden, indem sie in das XML-basierte infonea®-Content-Exchange-Format 

(iCE) 7) transformiert werden. Darüber hinaus ist auch der Import 

einer mit einem beliebigen Ontologie-Editor erstellten Kompetenzontologie möglich. Die Pflege der 

Kompetenzontologie und der Kompetenzprofile erfolgt über die Benutzerschnittstelle. Als Client 

für den Zugriff auf die Benutzerschnittstelle kann jeder aktuelle Internet-Browser verwendet werden, 

da die für den Benutzer bestimmten Informationen vom infonea® Knowledge Server in einem 

XML-Format an den Web Application Server geschickt werden, der diese auf Basis eines GUI- 

Modells 8) in reine HTML-Seiten übersetzt und an die Clients weiterleitet. Details zur infonea® Architektur 

werden in Kapitel 3.1.1.2 (S. 579 ff.) beschrieben. 

7) Vgl. zum infonea®-Content-Exchange-Format (iCE) die Ausführungen im Kapitel 3.1.1.2.1 auf S. 580. 

8) Vgl. dazu Kapitel 3.1.1.2.2 (S. 581).


2.2.3 Wissensquellen des KOWIEN-Prototyps 

Das Wissen über die Kompetenzen der Mitarbeiter kann auf zwei verschiedene Weisen ins System 

gelangen. 

Erstens kann der Mitarbeiter selbst sein Kompetenzprofil bearbeiten und an der Benutzerschnittstelle 

via Browser sein Kompetenzprofil mit Fakten füllen. Dabei wird er durch die strukturierte Darstellung 

der Kompetenzontologie unterstützt. Diese Aufbereitung der Kompetenzontologie ist insbesondere 

für diejenigen Anwender hilfreich, die sich in der jeweiligen Kompetenzdomäne nicht 

auskennen. Mit der Unterstützung der Kompetenzontologie kann der Anwender: 

• Kompetenzaussagen (z.B. Kenntnisse und Fertigkeiten hinsichtlich einer bestimmten Kompetenz) 

oder 

• Erfahrungsaussagen (z.B. mehrjährige Tätigkeit bei einem Unternehmen aus dem Anlagenbau 

oder Teilnahme an einer Schulung) 

eingeben oder modifizieren. Um die Aktualität der Kompetenzprofile sicherzustellen, wird der Mitarbeiter 

auf seinem Intranetportal dazu aufgefordert, sein Kompetenzprofil zu aktualisieren, sobald 

es Anhaltspunkte dafür gibt, dass sich an seinen Kompetenzen etwas geändert hat (z.B. nach dem 

Besuch einer Schulung oder der Teilnahme an einem Projekt). 

Zweitens gestattet es das ontologiebasierte Kompetenzmanagementsystem, die vielfältigen Wissensquellen 

in Unternehmen für das betriebliche Wissensmanagement nutzbar zu machen. Denn 

neben den Mitarbeitern selbst gibt es zahlreiche andere Wissensquellen in Unternehmen, die Wissen 

über Mitarbeiterkompetenzen enthalten. Dieses Wissen über Mitarbeiterkompetenzen wird häufig 

in unterschiedlichen Informationssystemen oder Dokumenten vorgehalten. Es finden sich zahlreiche 

Beispiele für solche Wissensquellen: 

• Projektmanagementsysteme, 

• Personalinformationssysteme, 

• Projektdokumente und 

• Mitarbeiter-Homepages. 

Diejenigen Wissensquellen, die bereits in strukturierter Form vorliegen, können über einen anwendungsspezifischen 

Konnektor in das ontologiebasierte Kompetenzmanagementsystem integriert 

werden. Für den Import dieser Fakten über die Mitarbeiterkompetenzen werden die ursprünglichen 

Datenformate zuerst in das oben erwähnte iCE-Format transformiert und dann in die Wissensbasis 

importiert. Allerdings kann es durchaus vorkommen, dass das importierte Wissen nicht mit den 

Begriffen formuliert ist, die in der Kompetenzontologie spezifiziert sind. Daher werden diese neuen 

Begriffe beim Import durch infonea® besonders gekennzeichnet. Der Person, die die Aufgabe des 

„Ontologie-Administrators“ übernommen hat, kommt dann die Aufgabe zu, diese neuen Begriffe in 

die Kompetenzontologie einzuordnen. Entsprechende Inferenzmechanismen sorgen dafür, dass alle 

mit diesem neuen Begriff verbundenen Informationen nun auch mit der einheitlichen Kompetenzontologie 

verbunden sind. So können durch die manuelle Zuordnung einiger weniger Begriffe umfangreiche 

Informationsbestände mit der einheitlichen Kompetenzontologie vernetzt werden.

2.3 Systematisches Vorgehen zur Konstruktion und Nutzung 

ontologiebasierter Kompetenzmanagementsysteme 

2.3.1 Vorgehensweisen zur Einführung eines Kompetenzmanagementsystems 

in kleinen und mittelgroßen Unternehmen 

DR.-ING. HANS MEIER 

TEMA GmbH 

2.3.1.1 Kompetenzmanagement in kleinen und mittelgroßen Unternehmen 

Die TEMA GmbH erstellt mit ca. 25 Mitarbeitern bildverarbeitende Inspektionssysteme für den industriellen 

Einsatz. Mit solchen Systemen können z.B. Schraubverschlüsse für Konservengläser 

oder Kreditkarten in hohen Stückzahlen optisch auf Oberflächenschäden, Kratzer und andere Qualitätsmängel 

inspiziert werden. Die Entwicklung solcher Systeme ist stark vom Markt getrieben, der 

für eine Vielzahl von Anwendungsfällen jeweils kundenorientierte Lösungen verlangt. Bei der 

TEMA GmbH werden solche Lösungen, wie auch in anderen Betrieben der Softwareentwicklung 

oder auch beispielsweise des Maschinen- und Anlagenbaus, überwiegend in Kundenprojekten innerhalb 

einer projektorientierten Organisation entwickelt. 

Aufgrund der enormen Vielfalt der Anwendungsfälle für derartige Inspektionssysteme und der geringeren 

Wiederholhäufigkeit gleicher oder auch nur ähnlicher Anforderungen bei unterschiedlichen 

Projekten wird bei den involvierten Mitarbeitern im Laufe der Zeit ein sehr breit gefächertes 

Erfahrungswissen gesammelt. Damit gilt für die TEMA GmbH wie auch für andere kleine und mittelgroße 

Unternehmen mit hohem Engineeringanteil an der Gesamtwertschöpfung, dass ihre Wettbewerbsfähigkeit 

in hohem Maße von den Kompetenzen ihrer Mitarbeiter, speziell der hochqualifizierten 

und der erfahrenen Wissensträger, abhängt. Das in solchen Projekten akquirierte Wissen 

kann dabei nur unter hohem Aufwand dokumentiert und somit verfügbar gemacht werden, so dass 

es letztlich überwiegend „in den Köpfen der Mitarbeiter“ vorliegt. Gerade deshalb ist es von erheblicher 

Bedeutung, dass zumindest das Wissen über das Wissen der Mitarbeiter zur Verfügung steht, 

um sicherzustellen, dass für wichtige Aufgaben die Mitarbeiter mit den am besten geeigneten Kompetenzen 

herangezogen werden. 

Eine zentrale und immer wiederkehrende Aufgabe ist es in diesem Umfeld, Projektteams zusammenzustellen, 

die durch sich ergänzende Kompetenzen der Teammitglieder in der Lage sind, komplexe 

Aufgaben innerhalb des Projektzeit- und -kostenrahmens erfolgreich zu bewältigen. Erschwerend 

kommt hinzu, dass die Wissensträger in solchen Unternehmen oftmals in mehrere Projekte 

gleichzeitig eingebunden sind und zusätzlich unterstützende Arbeiten für andere Projekte oder Serviceunterstützung 

infolge früherer Projekte leisten müssen. Damit genügt es also nicht, bei der 

Teambildung nur die Kompetenzen an sich zu berücksichtigen, vielmehr müssen auch die durch das 

Multiprojekt-Umfeld bedingten Restriktionen einfließen. Des Weiteren ist es in einer längerfristigen 

Betrachtung sehr wichtig, gezielt z.B. durch eine an längerfristigen Kompetenzbedarfen orientierte 

Personalakquise oder eine entsprechende Mitarbeiterschulung Kompetenzen aufzubauen und Wissen, 

das in Projekten durch den einzelnen Mitarbeiter erarbeitet worden ist, innerhalb des Unternehmens 

verfügbar zu machen und zu halten. 

Die damit schon skizzierte Komplexität des Umgangs mit den Kompetenzen von Mitarbeitern legt 

eigentlich nahe, dass hierzu ein systematischer Umgang mit dem Wissen über das Wissen praktiziert 

werden sollte. Ein solches systematisches Kompetenzmanagement stellt sich allerdings als eine

362 2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 

komplexe Problematik dar, da in der vom Tagesgeschäft geprägten Praxis kaum auf in irgendeiner 

Form erprobte Formalismen zurückgegriffen wird und eine praxistaugliche Softwareunterstützung 

hierfür gänzlich fehlt. 

In kleinen und mittelgroßen Unternehmen, wie auch bei der TEMA GmbH, wird diese Problematik 

meist durch intuitiv erfahrungsgeleitetes Handeln von Entscheidern kompensiert, die häufig selbst 

das Wissen über das Wissen „in den Köpfen“ haben. Allerdings stößt dieses intuitive Kompetenzmanagement 

an Grenzen, sobald beispielsweise das im Betrieb vorhandene Wissen einen überschaubaren 

Umfang übersteigt oder sich auf für den jeweiligen Entscheider fremde Wissensdomänen 

bezieht. Ebenso stellt es ein erhebliches Problem dar, bei der allgemein hohen Mitarbeiterfluktuation 

speziell die durch neue Mitarbeiter andernorts bereits erworbenen Kompetenzen zu erkennen, 

zu erfassen und richtig in den Kategorien des eigenen Unternehmens einzuordnen. 

Zudem kann bei der unvermeidlichen Fluktuation auch von Entscheidern deren Kompetenzwissen 

kaum weitergegeben werden, sondern geht meist vollständig verloren. Der jeweilige Nachfolger 

muss sich dann dieses Wissen über die Kompetenzen entweder mühsam erarbeiten oder begleitend 

zu den Projekten gewissermaßen „nebenbei“ aufbauen. Kompetenzen, die in früheren Projekten 

zum Tragen kamen, werden hierbei sicherlich selten berücksichtigt. Diese Defizite werden allerdings 

oftmals von Entscheidern nicht gesehen oder es wird sogar das exklusive Wissen über Kompetenzen 

als persönliches Kapital angesehen, was die Situation tendenziell noch verschärft. 

2.3.1.2 Grundsatzentscheidung zur Systematisierung 

des Kompetenzmanagements 

Aus den Ausführungen des vorherigen Kapitels lässt sich ableiten, dass der erfolgreiche Aufbau und 

Einsatz eines systematischen Kompetenzmanagements für kleine und mittelgroße Unternehmen 

wirtschaftliche Vorteile bringen und sogar existenzielle Bedeutung haben kann. Deshalb ist es in jedem 

Falle sinnvoll zu analysieren, welche Defizite hinsichtlich des Kompetenzmanagements im eigenen 

Unternehmen tatsächlich bestehen und inwieweit ein entsprechendes Kompetenzmanagementsystem 

hier helfen könnte, verborgene Potenziale nutzbar zu machen. 

Zunächst ist dabei zu betrachten, welche Geschäftsprozesse durch ein systematisches Kompetenzmanagement 

tangiert werden. Für diese Geschäftsprozesse ist dann jeweils zu untersuchen, ob in 

der aktuellen Praxis Probleme bestehen, die durch ein entsprechendes Kompetenzmanagement vermieden 

oder abgemildert werden können. Dabei ist auch zu berücksichtigen, ob die aktuelle Praxis 

das Risiko birgt, bei ungünstigen Umständen erhebliche Fehlentwicklungen zu generieren. Solche 

Risiken wären dann entsprechend gewichtet in die Betrachtung aufzunehmen. Als Beispiel kann 

hier wieder die bereits erwähnte Zusammenstellung von Projektteams genannt werden. Hierbei ist 

einerseits zu betrachten, dass bei ungünstigen Zusammenstellungen erheblicher Personalmehraufwand 

und somit massive Zeit- und Kostenüberschreitungen entstehen können. Andererseits besteht 

durchaus auch das Risiko des vollständigen Scheiterns des Projekts, was in Extremfällen und speziell 

bei kleineren Unternehmen und bei größeren Projekten sogar ein existenzielles Risiko für das 

Unternehmen darstellen kann. 

Den Fokus ausschließlich auf die Behebung aktueller, konkreter Defizite zu legen, ist allerdings für 

eine vollständige Betrachtung nicht ausreichend. Von der Anwendung eines systematischen Kompetenzmanagements 

ist darüber hinaus auch zu erwarten, dass gewissermaßen durch Nebeneffekte 

weitere wirtschaftliche Vorteile für das Unternehmen erwachsen können, die nicht unmittelbar an 

der Beseitigung bestehender Defizite festgemacht werden können. Als ein Beispiel eines solchen

2.3.1 Vorgehensweise zur Einführung eines Kompetenzmanagementsystems 363 

Potenzials wäre z.B. eine mögliche allgemeine Verbesserung der Qualität der unternehmensinternen 

Dokumentation bis hin zur Vereinheitlichung und Präzisierung der relevanten, technischen Begrifflichkeiten 

zu nennen. 

Nun ist durch die relevanten Entscheidungsträger zu entscheiden, ob aufgrund dieser Defizite und 

Potenziale unter Berücksichtigung der möglichen wirtschaftlichen Vorteile sowie der vermiedenen 

Risiken die Einführung eines Kompetenzmanagementsystems grundsätzlich angegangen werden 

soll. Dabei geht es zunächst noch nicht um ein konkretes System, sondern vielmehr um die Frage, 

ob zum aktuellen Zeitpunkt weiterer Aufwand in die Anforderungsanalyse und die Spezifikation eines 

Kompetenzmanagementsystems investiert werden soll. Vor einer tatsächlichen Einführung 

müssen also in jedem Fall noch einige Bewertungsschritte stattfinden, die jeweils auch einen Aufschub 

oder sogar einen Abbruch dieses Vorhabens zur Folge haben können. 

Bei der Entscheidung, die Einführung eines Kompetenzmanagementsystems anzugehen, ist allerdings 

unbedingt darauf zu achten, dass diese Entscheidung von allen Beteiligten auch tatsächlich 

getragen wird. Bestehen dagegen grundsätzliche Zweifel an der Sinnhaftigkeit einer solchen Einführung, 

besteht ein erhebliches Risiko, dass diese später fortbestehen bleiben. Aufgrund der in jedem 

Falle nur schwer zu quantifizierenden oder gar monetär zu bewertenden Vorteile bleibt immer 

genug Interpretationsspielraum, um den Nutzen eines solchen Systems auch später weiter anzuzweifeln 

und bei dessen Anwendung zurückhaltend zu bleiben. Somit wäre der Erfolg einer Einführung 

möglicherweise trotz geeigneter technischer Lösungen gefährdet. 

Grundsätzlich kann mittels eines Pilotprojekts versucht werden, die Grundsatzentscheidung zur Einführung 

eines Kompetenzmanagementsystems zu unterstützen, indem dessen Vorteile anhand eines 

für das Unternehmen relevanten Geschäftsprozesses greifbar gemacht werden. Allerdings ist auch 

hierbei zu beachten, dass die Beteiligten dem Pilotprojekt aufgeschlossen gegenüber stehen und Bereitschaft 

zu einer fairen Extrapolation der Ergebnisse eines Pilotprojekts auf einen umfassenden 

Einsatz zeigen müssen. Andernfalls besteht auch hier das Risiko, dass Skeptiker nicht überzeugt 

werden können und somit trotz an sich guter Ergebnisse eines Pilotprojekts die Chancen auf eine erfolgreiche 

Einführung eines Kompetenzmanagementsystems gering bleiben. 

2.3.1.3 Skizzierung des angestrebten Kompetenzmanagementsystems 

Ist die Grundsatzentscheidung zur Weiterverfolgung der Einführung eines Kompetenzmanagementsystems 

gefallen, so gilt es nun, detaillierter die Einführung und die Nutzung eines solchen Systems 

zu skizzieren und die Herkunft der Daten, mit denen dieses System operieren soll, zu analysieren. 

Grundsätzlich ist davon auszugehen, dass es sich bei der heutigen Durchdringung der Arbeitswelt 

durch computerbasierte Methoden nur um ein Computerwerkzeug handeln kann. 

Bei der hier vorzunehmenden Skizzierung ist es zwar prinzipiell möglich, sich an Anforderungskatalogen 

für bestimmte Anwendungsszenarien, wie sie z.B. innerhalb des Projekts KOWIEN entstanden 

sind, zu orientieren. In jedem Fall sind diese Anforderungen unternehmensspezifisch und 

müssen daher entsprechend auf das eigene Umfeld abgebildet und gegebenenfalls ergänzt werden. 

Entscheidend ist dabei insbesondere die Gewichtung der relevanten, zu unterstützenden Geschäftsprozesse. 

So sind sicherlich einerseits einige der bereits in KOWIEN selektierten Geschäftsprozesse 

in den meisten Unternehmen gleichermaßen von hoher Bedeutung. Dazu gehört z.B. die kompetenzorientierte 

Zusammenstellung von Projektteams, die unter der Berücksichtigung der Ressourcenplanung 

in einem Multiprojektumfeld erfolgt.


Andererseits hängt die Bedeutung anderer Geschäftsprozesse sicher deutlich von den Spezifika des 

Unternehmens ab. So ist für die TEMA GmbH beispielsweise auch der Prozess der Angebotserstellung 

sehr hoch einzustufen, da hier die Einschätzung der Machbarkeit auf Basis bestehender Lösungen 

oder der Aufwand zur Entwicklung neuer Lösungen häufig nur durch Wissensträger mit einer 

ganz konkreten und oftmals nicht explizierten Projekterfahrung auf Detailebene korrekt eingeschätzt 

werden kann. Dabei kann sich durchaus sogar die Situation einstellen, dass sich für den Bearbeiter 

eines Angebots trotz eines umfassenden Überblicks über bereits abgeschlossene Projekte 

kaum plausibel erschließen lässt, ob eine bestimmte, für ein Angebot entscheidende Fragestellung 

aus dem Erfahrungsschatz eines Mitarbeiters tatsächlich zu beantworten sein könnte. Es erscheint 

allerdings gut vorstellbar, dass die hier dargestellte, große Bedeutung des Prozesses der Angebotserstellung 

für andere Unternehmen eine weit geringere Priorität hat. 

Sind nun die für das Kompetenzmanagementsystem relevanten Geschäftsprozesse ermittelt, sind im 

nächsten Schritt die Anwender des Kompetenzmanagementsystems zu identifizieren und es ist festzustellen, 

inwieweit bei diesen Anwendern Akzeptanz für ein Kompetenzmanagementsystem bereits 

vorhanden ist beziehungsweise ob und wie diese Akzeptanz aufzubauen ist. Dabei spielt nicht 

nur die Fragestellung eine Rolle, ob die Anwender für ihre eigenen Aktivitäten das Kompetenzmanagementsystem 

nutzen können. Vielmehr ist es hierbei entscheidend, ob von den Anwendern 

selbst genügend Informationen in die Datenbasis des Kompetenzmanagementsystems eingebracht 

werden, auf deren Basis dann die Arbeit anderer Anwender unterstützt werden kann. 

Es stellt sich also konkret die Frage, ob für den einzelnen Anwender erkennbar wird, dass sein Beitrag 

zur Pflege des Datenbestands des Kompetenzmanagementsystems ihm tatsächlich einen persönlichen 

Vorteil bringt. Am Beispiel der Zusammenstellung von Projektteams lässt sich dies plastisch 

erläutern: Es bietet sich an, dass Projektmitarbeiter zumindest teilweise selbst ihre Projekterfahrungen 

in das Kompetenzmanagementsystem einpflegen. Da der einzelne Projektmitarbeiter aber 

üblicherweise nur selten für eigene Zwecke das Kompetenzmanagementsystem nutzen wird, wird er 

zunächst für diese Arbeit nur wenig eigene Motivation aufbringen. Kann er aber erkennen, dass ihm 

eine korrekte Darstellung seiner eigenen Projekterfahrungen Vorteile bei seiner Einteilung in künftige 

Projekte oder sogar für die eigenen Chancen innerhalb des Unternehmens bringt, wird er hierauf 

wesentlich mehr Augenmerk legen. Umgekehrt ist zu beachten, dass die mögliche Vermutung, 

es bestünde ein zwangsläufiger Mechanismus zwischen dem Vorhandensein einer Kompetenz und 

der Einteilung zu einer damit in Verbindung stehenden Tätigkeit, zum gezielten Verschweigen von 

Kompetenzen auf ungeliebten Arbeitsgebieten führen kann. Zudem ist in der Anwendung des 

Kompetenzmanagementsystems Rücksicht darauf zu nehmen, dass Mitarbeiter sich auch persönlich 

weiterentwickeln wollen und es daher nicht sinnvoll ist, den jeweiligen Wissensträger ausschließlich 

für Aufgaben einzusetzen, bei denen sie bereits nachgewiesene Kompetenzen haben. Es ist also 

darauf zu achten, dass derartige Vorbehalte frühzeitig und glaubhaft ausgeräumt werden. 

Neben der aktiven Pflege des Datenbestands des Kompetenzmanagementsystems ist auch zu ermitteln, 

inwieweit der Datenbestand automatisiert aus den bestehenden und den in der täglichen Praxis 

laufend entstehenden Dokumenten gespeist werden kann. Insbesondere was die „Rückwärtsakquise“, 

also die für ein tatsächliches Funktionieren eines Kompetenzmanagementsystems unabdingbare 

initiale Erfassung von Kompetenzdaten aus der Vergangenheit angeht, ist die kompetenzorientierte 

Analyse bestehender Daten oftmals die einzige praktikable Lösung, da eine Handeingabe teilweise 

längst in Vergessenheit geratenen Kompetenzwissens schlicht nicht praktikabel ist. Als Datenquellen 

kommen hierzu im Allgemeinen beispielsweise Projektplanungs- und -controllingdateien, Stellenausschreibungen 

und Lebensläufe oder spezifisch für den Bereich der Softwareentwicklung zum 

Beispiel Versionshierarchien aus Sourcecode-Versionsverwaltungssystemen in Frage.


Abschließend kann in dieser Phase auf Basis der nun detaillierteren Vorstellungen des avisierten 

Leistungsumfangs eines Kompetenzmanagementsystems spezifisch für die einzelnen Geschäftsprozesse 

versucht werden, die wirtschaftlichen Potenziale des Einsatzes eines solchen Systems grob zu 

quantifizieren. Damit kann für die nächsten Schritte abgeschätzt werden, welcher personelle und finanzielle 

Aufwand für die Einführung und den Betrieb eines solchen Kompetenzmanagementsystems 

in etwa gerechtfertigt wäre. Gemessen an diesem Aufwand sollte dann jeweils entschieden 

werden, ob für einzelne zu unterstützende Geschäftsprozesse oder auch für das gesamte System die 

Einführung fortgesetzt, aufgeschoben oder auch abgebrochen werden soll. 

2.3.1.4 Vergleichende Bewertung verfügbarer 

Kompetenzmanagementsysteme 

Nachdem eine konkrete Vorstellung darüber entwickelt wurde, wie ein Kompetenzmanagementsystem 

für das eigene Unternehmen aussehen soll und aus welchen Quellen sein Datenbestand gespeist 

werden kann, stellt sich nun die Frage, wie ein solches System zu realisieren ist. Wie bereits 

festgehalten wurde, kommen dabei nur computerbasierte Systeme in Frage. Dabei ist es offensichtlich, 

dass gerade kleine und mittelgroße Unternehmen, wie beispielsweise die TEMA GmbH, keinesfalls 

ein solches System selbst entwickeln können. 

Es bedarf also einer Lösung, die zwar mit Sicherheit an die bereits skizzierten Vorstellungen für den 

Einsatz im eigenen Unternehmen anzupassen sein wird, im Übrigen aber ein kommerzielles Softwareprodukt 

sein muss, für das ein professioneller Support existiert und bei dessen Einführung beispielsweise 

Werkzeuge zur Analyse bestehender Daten verfügbar sind oder für das seitens des Anbieters 

Unterstützung bei der Einführung angeboten wird. Das Fehlen solcher Systeme war eine der 

wesentlichen Motivationen des Projekts KOWIEN. Deshalb soll für die weitere Betrachtung davon 

ausgegangen werden, dass neben der im Projekt KOWIEN entstandenen prototypischen Implementierung 

eines solchen Kompetenzmanagementsystems in Zukunft noch weitere solche Systeme am 

Markt verfügbar sein werden. 

Eine grundsätzliche Eigenschaft, die durch das Projekt KOWIEN herausgestellt wurde, ist dabei, 

dass ein solches Kompetenzmanagementsystem in der Lage sein muss, auch zu Fragestellungen 

plausible Antworten zu liefern, für die keine vorher explizit formulierten Zusammenhänge in das 

System implementiert wurden. Vielmehr sollte das System in der Lage sein, über nicht vorbestimmte 

Folgen von Zusammenhängen hinweg möglichst zutreffende Kompetenzaussagen zu treffen und 

diese dann entsprechend der geschäftsprozessspezifischen Fragestellung zusammenzustellen. Erst 

durch diese Eigenschaft gewinnt ein solches System einen Nutzwert, der den einer einfachen Kompetenzdatenbank 

mit explizit eingetragenen Kompetenzaussagen erheblich übersteigt. Sie ist damit 

auch gleichzeitig zwingende Voraussetzung für die Akzeptanz, da ein solches Kompetenzmanagementsystem 

gewissermaßen in Konkurrenz zum ausschließlich intuitiven, erfahrungsgeleiteten 

Handeln von Trägern des Kompetenzwissens steht. Konkret formuliert heißt das, dass ein Kompetenzmanagementsystem 

nur dann akzeptiert werden wird, wenn es dem Anwender Dinge sagen 

kann, die nicht vorher exakt so durch einen anderen oder sogar denselben Anwender in das System 

eingegeben wurden. 

Die Ergebnisse des Projekts KOWIEN legen nun nahe, dass zur Erzielung solcher Eigenschaften 

ernsthaft in die engere Auswahl zu nehmende Tools entweder auf Ontologien basieren sollten oder 

sich zumindest an den Fähigkeiten ontologiebasierter Tools messen lassen müssen. Für die weiteren


Ausführungen soll hier davon ausgegangen werden, dass nur solche Tools in die engere Auswahl 

genommen werden. 

Im folgenden Schritt steht die vergleichende Bewertung verfügbarer und grundsätzlich in Frage 

kommender Kompetenzmanagementsysteme an. Da sich ontologiebasierte Systeme insbesondere 

durch ihre Flexibilität und Erweiterbarkeit auszeichnen, ist es hier nicht das entscheidende Kriterium, 

ob das System bestimmte, konkrete Fragen bereits beantworten kann. Vielmehr ist darauf zu 

achten, dass das System in der Lage ist, Fragen zu beantworten, deren Beantwortung auf Basis der 

implementierten Inferenzregeln und des vorliegenden Testdatenbestands möglich ist. Selbstverständlich 

ist es dabei hilfreich, wenn bereits ein Basisbestand an Inferenzregeln vorliegt, mit dem 

ein Standardfunktionsumfang gewährleistet werden kann. Des Weiteren ist zu betrachten, welcher 

Aufwand zu leisten ist, um die zugrunde liegenden Ontologien unternehmensspezifisch zu ergänzen. 

Entscheidend ist weiterhin die Gestaltung der Benutzerschnittstelle, die übersichtlich und möglichst 

intuitiv bedienbar sein sollte, da dem Anwender weder zuzumuten ist, sich aufwendig in die Bedienung 

eines solchen Systems einzuarbeiten, noch zu erwarten ist, dass ein komplex zu bedienendes 

System Akzeptanz finden wird. Hier muss immer im Auge behalten werden, dass die Anwender des 

Systems keine Spezialisten für Kompetenzmanagementsysteme und auch keine „Kompetenzmanager“ 

sein werden, sondern Mitarbeiter aus verschiedenen Unternehmensbereichen, die von einem 

solchen System möglichst einfache Hilfestellung bei ihren primären Aufgaben, wie z.B. der Projektleitung 

oder der Angebotserstellung, erwarten. Hinsichtlich der Anwendungsfreundlichkeit in 

typischen Anwendungsfällen kann es zudem hilfreich sein, wenn für die dabei zu stellenden Anfragen 

spezielle Eingabemasken bereits individuell „vorkonfektioniert“ werden können, um speziell 

Anwendern, die nur selten und zu wenigen, vorhersehbaren Anlässen auf das System zugreifen, den 

Umgang zu erleichtern. 

Schließlich muss festgestellt werden, mit welchem Aufwand die Auswertung der bestehenden Datenbestände 

zum Aufbau der Datenbasis des Kompetenzmanagementsystems verbunden ist. Hier ist 

es hilfreich, wenn durch den Anbieter des Kompetenzmanagementsystems bereits entsprechende 

Akquisetools zur Verfügung gestellt werden können, da es in der täglichen Praxis im Unternehmen 

wohl kaum möglich sein wird, dazu extra eigene Tools zu entwickeln. 

Die Möglichkeit, beim Aufbau des Systems, bei der Einbringung der benötigten Ontologien und der 

Auswertung bestehender Datenbestände hinsichtlich darin implizit vorhandener Kompetenzaussagen 

Unterstützung durch den Toolhersteller zu erhalten, wird ebenfalls mit ausschlaggebend sein, 

da in kleinen und mittelgroßen Unternehmen in der Regel wohl kaum Spielraum besteht, das dazu 

notwendige Wissen und die nötige Erfahrung aufzubauen. 

Sind diese Fragen geklärt, so ist festzustellen, ob es für das aussichtsreichste Tool einerseits plausibel 

erscheint, dass der angestrebte Funktionsumfang technisch wie organisatorisch realisiert werden 

kann, und ob es andererseits zu erwarten ist, dass dieses System die notwendige Akzeptanz im 

Unternehmensalltag erreichen wird. Sofern dies bejaht werden kann, ist abschließend noch zu klären, 

ob die Abschätzung des Einführungs- und des Betriebsaufwands des Kompetenzmanagementsystems 

eine sinnvolle Relation zu den bereits ermittelten, wirtschaftlichen Vorteilen ergibt.


2.3.1.5 Aufbau und Anpassung des gewählten Kompetenzmanagementsystems 

Wird nun in den Aufbau eines entsprechenden Kompetenzmanagementsystems eingestiegen, so ist 

es in einem ersten Schritt erforderlich, die relevanten Informationen zur Erstellung der unternehmensspezifischen 

Ontologie zu erfassen. Dazu sind zunächst detailliert die Träger des Kompetenzwissens 

zu identifizieren. Mit diesen Kompetenzwissensträgern können dann beispielsweise in 

Brainstorming-Sitzungen und Interviews die für das Unternehmen relevanten Kompetenzen erfasst 

werden. Dabei bietet es sich an, gleich entsprechende Ausprägungen zu formulieren und bekannte 

Zuordnungen beispielsweise zu Mitarbeitern oder zu Projekten aufzunehmen. Es erscheint sinnvoll, 

sich in diesem Schritt bereits durch Experten des Anbieters der Systemplattform unterstützen zu 

lassen, um auf diese Weise eine zielgerichtete Arbeit sicherzustellen. 

In diesem Schritt sollten zusätzlich bereits diejenigen Dokumente identifiziert werden, aus denen 

sich Kompetenzaussagen ableiten lassen. Von Vorteil ist es, wenn es sich dabei um Dokumente 

handelt, die sich für eine automatische Analyse eignen. Beispiele solcher Dokumente wären, wie 

bereits erwähnt, Projektplanungs- und -controllingdateien oder im Bereich der Softwareentwicklung 

die in Sourcecode-Versionsverwaltungssystemen gespeicherten Änderungshistorien. Im Gegensatz 

zu der im Rahmen der Skizzierung des angestrebten Kompetenzmanagementsystems vorgenommenen, 

eher oberflächlichen Betrachtung der möglichen Datenquellen kommt es in diesem Schritt nun 

sehr genau darauf an, in welcher Form die Kompetenzaussagen in diesen Dateien vorliegen. Zudem 

sollte nun auch eine geeignete Terminologie aus den Datenbeständen extrahiert werden, anhand derer 

Kompetenzaussagen erkannt und kategorisiert werden können. 

Bei der Identifizierung Kompetenzaussagen enthaltender Dokumente ist allerdings mit größter Vorsicht 

vorzugehen, um Fehlinterpretationen auszuschließen. Am Beispiel der in einer Sourcecode- 

Versionsverwaltung gespeicherten Sourcecodedateien soll dies hier erläutert werden: Aus den Änderungslogs 

dieser Dateien geht typischerweise hervor, durch welchen Mitarbeiter welche Änderung 

eingepflegt wurde. Besteht ein bekannter Zusammenhang zwischen der Arbeit an bestimmten 

Dateien und der zu dieser Arbeit erforderlichen Kompetenzen oder kann dieser Zusammenhang 

zum Beispiel aus Schlüsselworten in zugehörigen Kommentaren erschlossen werden, so können aus 

dem Sourcecodebestand automatisiert Kompetenzprofile von Mitarbeitern generiert werden. 

Hierbei ist allerdings einerseits zu beachten, dass sich selbstverständlich nicht alle relevanten Kompetenzen 

von Softwareentwicklern auch erkennbar im Sourcecode niederschlagen. Die Fähigkeit, 

systematisch und letztlich erfolgreich einen Softwarefehler zu finden, wäre ein solches Beispiel. 

Hier kann es vorkommen, dass ein Mitarbeiter in mühevoller Arbeit einen Fehler lokalisiert und es 

dann dem Urheber des Fehlers überlässt, die oft nur eine einzelne, unscheinbare Zeile umfassende 

Codeänderung einzupflegen. Somit würde sich die kompetenzintensive Fehlerlokalisierung in keiner 

Weise im Sourcecode niederschlagen und könnte folglich zumindest nicht auf diese Weise in 

das Kompetenzmanagementsystem einfließen. 

Andererseits ist zu überlegen, wie sich in solchen Dateien „kosmetische“ von substanziellen Änderungen 

unterscheiden lassen. Im Falle des Sourcecodes lassen sich zumindest kosmetische von 

technischen Änderungen verhältnismäßig einfach und auch automatisch unterscheiden, die Unterscheidung 

trivialer inhaltlicher von substanziellen Änderungen fällt dagegen schwerer. Insgesamt 

kann aber basierend auf Änderungsumfang und Änderungshäufigkeit ein weit gehend zutreffendes 

Bild darüber gewonnen werden, durch welche Mitarbeiter die wesentlichen Kompetenzen eingebracht 

wurden. 

Bei der automatischen Erfassung kompetenzrelevanter Daten ist allerdings immer auch kritisch zu 

hinterfragen, ob die Informationen über den Urheber einer bestimmten Passage eines relevanten


Dokuments auch überwiegend die Realität widerspiegeln. Beispielsweise kann es in der allgemeinen 

Praxis durchaus vorkommen, dass ein bestimmter Mitarbeiter für eine bestimmte Umbauaktion 

in der Software zahlreiche Dateien auscheckt, zusammen mit anderen Kollegen den Umbau durchführt 

und anschließend gesammelt alle, auch die nicht von ihm selbst stammenden Änderungen, gesammelt 

von seinem Account aus wieder eincheckt. In diesem Fall bestünde also das Problem, dass 

diesem einen Mitarbeiter automatisch erhebliche und zum Teil eventuell gar nicht vorhandene 

Kompetenzen im gesamten Wirkungsbereich des Umbaus zugeordnet würden, während seine Kollegen 

„leer ausgehen“. Es muss also die betriebliche Praxis dahingehend beleuchtet werden, ob solche 

Fehlinterpretationen in den Datenbeständen gewissermaßen vorprogrammiert sind. Wenn solche 

Probleme zu erwarten sind, ist festzustellen, ob solche Problemfälle in den Datenbeständen bei 

der Erfassung der Kompetenzdaten erkennbar und eventuell sogar automatisch kompensierbar sind. 

Schon bei der Wissensakquisition ist im Übrigen ein positiver Nebeneffekt zu erwarten, da die intensive 

Beschäftigung mit den im Unternehmen relevanten Kompetenzen natürlich auch die Schaffung 

eines geschärften Bewusstseins für die vorhandenen Kompetenzen bewirkt und auch eventuell 

schon in Vergessenheit geratene Kompetenzen wieder ins Bewusstsein ruft. 

Im folgenden Schritt der Konzeptualisierung steht die Modellbildung auf Basis der bereits erfassten 

Terminologien und Begriffsbeziehungen im Mittelpunkt. Entsprechend den Arbeiten im Projekt 

KOWIEN kommen dabei grundsätzlich zwei Ansätze in Frage. Einerseits kann bei einer bereits 

vorliegenden, tiefen Strukturierung des Kompetenzwissens ein Top-Down-Ansatz gewählt werden, 

wobei beginnend von einer Top-Level-Ontologie Schritt für Schritt bis zu dem erforderlichen Maß 

an Detaillierung verfeinert wird. Andererseits kann bei einer eher schwach ausgeprägten Strukturierung 

des Kompetenzwissens auf einen so genannten „Middle-Out“-Ansatz, beginnend bei den relevantesten 

Terminologieinseln, zurückgegriffen werden. Zumindest für kleine und mittelgroße Unternehmen 

ist in der Regel davon auszugehen, dass das Kompetenzwissen nicht sehr strukturiert 

vorliegt, folglich also der letztgenannte Ansatz zur Anwendung kommen wird. Dabei sind nun 

Schritt für Schritt die Ontologien zu erweitern und zu verfeinern, bis eine ausreichende Basis für 

den zuvor skizzierten Funktionsumfang des Kompetenzmanagementsystems vorliegt. Darauf aufbauend 

sind schließlich die notwendigen Inferenz- und Integritätsregeln zu formulieren, die später 

die Funktion des Kompetenzmanagementsystems sicherstellen werden. Da diese Arbeiten ein erhebliches 

Maß an Erfahrung erfordern, beispielsweise um zu erkennen, wann eine solche Basis ausreichend 

entwickelt ist, liegt es nahe, dabei massiv auf die Unterstützung durch den Systemanbieter 

zurückzugreifen. 

Der Konzeptualisierung folgt nun die Implementierung der im Moment noch nicht in formalisierter 

Form vorliegenden Ontologien. Zunächst müssen dabei die Ontologien in eine formale Repräsentation 

überführt werden. Dies kann und wird in der Praxis wohl durch den Systemanbieter erfolgen, 

da hierzu einerseits die durch die Systemplattform bestimmte, formale Sprache der Repräsentation 

beherrscht werden muss und andererseits die dazu notwendigen Informationen bereits erfasst wurden, 

eine Mitarbeit der künftigen Anwender also bis auf die Klärung einzelner Rückfragen nicht 

mehr notwendig sein sollte. Anschließend oder auch schon parallel dazu muss die Systemplattform 

installiert werden. Danach sind die inzwischen in einer formalen Repräsentation vorliegenden Ontologien 

in die Systemplattform einzubringen. Zudem muss der Basisdatenbestand in das System eingebracht 

werden, wobei dies einerseits durch explizite Eingabe erfolgen kann, es andererseits aber 

erheblich eleganter ist, dies durch die automatisierte Analyse der als relevant identifizierten, Kompetenzaussagen 

enthaltenden Dokumente zu erledigen. Dazu können beim Systemanbieter bereits 

vorhandene Analysetools zum Einsatz kommen oder es müssen solche Werkzeuge erst noch entwickelt 

werden. Abschließend muss noch die Benutzerschnittstelle des Kompetenzmanagementsys-


tems derart angepasst werden, dass die definierten Anwendungsszenarien möglichst optimal unterstützt 

werden, um so die Akzeptanz der späteren Anwender sicherzustellen. 

Als letzter Schritt der Phase des Aufbaus des Kompetenzmanagementsystems steht nun dessen Evaluation 

an, wobei der Schwerpunkt auf die Überprüfung der Anforderungserfüllung zu legen ist. Die 

wichtigsten Teilschritte hierbei sind die Verifikation der Ontologien, die Validierung der geforderten 

Funktionalität sowie die Bewertung der Anwenderfreundlichkeit. 

Die Verifikation der Ontologien dient dabei der Feststellung der grundsätzlichen Korrektheit der 

Terminologien sowie der Inferenz- und Integritätsregeln und muss folglich ebenfalls noch intensiv 

vom Systemanbieter unterstützt werden. Gegebenenfalls muss hier, wie in allen vorherigen Schritten 

selbstverständlich auch, nochmals iterativ korrigiert werden, bis sichergestellt ist, dass das 

Kompetenzmanagementsystem mit geeigneten Ontologien operiert. 

Die Validierung der Funktionalität des Kompetenzmanagementsystems, bei der überprüft wird, ob 

die festgelegten Anwendungsszenarien tatsächlich in zufrieden stellender Weise unterstützt werden, 

ist dann zumindest zunächst im engeren Kreis des Projektteams durchzuführen, um eventuelle, gröbere 

Mängel abstellen zu können, bevor die späteren Anwender Kontakt mit dem System bekommen. 

Sonst bestünde die Gefahr, dass die Akzeptanz des Tools durch ohnehin noch zu behebende 

Fehler bereits nachhaltig beschädigt werden könnte. 

Abschließend ist noch die Anwenderfreundlichkeit des Kompetenzmanagementsystems zu überprüfen. 

Hierbei können bereits interessierte, aber vorher noch nicht involvierte Mitarbeiter herangezogen 

werden. Sind die in diesem Teilschritt sicherlich aufgetretenen Unzulänglichkeiten beseitigt, 

steht der Überführung des Kompetenzmanagementsystems in die Phase der aktiven Nutzung aus 

technischer Sicht nichts mehr im Wege. 

2.3.1.6 Überführung des Kompetenzmanagementsystems 

in die Nutzungsphase 

Bei der Überführung des nun einsatzbereiten Kompetenzmanagementsystems ist es zunächst von 

überragender Bedeutung, die Mitarbeiter, die als Anwender des Systems vorgesehen sind, zur Nutzung 

des Systems zu motivieren. Dazu ist es notwendig, den Leistungsumfang des Systems in 

greifbarer Weise zu kommunizieren, indem den Mitarbeitern anhand der definierten und nun umgesetzten 

Anwendungsszenarien die Funktionen des Systems präsentiert werden. Dabei ist darauf zu 

achten, dass möglichst jeder der zukünftigen Systemanwender für sich selbst die Nutzung des 

Kompetenzmanagementsystems überwiegend als Unterstützung bei der täglichen Arbeit erlebt und 

die unumgänglichen Pflichten bei der Eingabe von Daten in das System im Vergleich dazu keine 

dominante Rolle einnehmen. Es erscheint dabei durchaus sinnvoll, dass Anwender auch über diejenigen 

Anwendungsmöglichkeiten des Systems in Kenntnis gesetzt werden, die für ihre tägliche Arbeit 

keine direkte Rolle spielen, um Transparenz darüber zu schaffen, was mit den eingegebenen Informationen 

passiert. Somit kann bereits ein erster Beitrag zum Abbau von Vorbehalten der Nutzer 

gegenüber dem Kompetenzmanagementsystem geleistet werden. 

Ebenso muss den Mitarbeitern, von denen die Eingabe von Kompetenzdaten erwartet wird, transparent 

gemacht werden, in welcher Weise sich beispielsweise die Eintragung von Kompetenzaussagen 

über sich selbst oder von Informationen, die implizit Kompetenzaussagen über sich selbst enthalten, 

auf die eigene Arbeit auswirken. Schließlich ist erst dann eine freiwillige und ausreichende Beteiligung 

des einzelnen Mitarbeiters an der Pflege des Datenbestandes des Kompetenzmanagementsys-


tems zu erwarten, wenn für ihn die Vorteile dieser Aktivitäten für seine eigenen Ziele offensichtlich 

sind. 

Ein weiterer, wichtiger Aspekt bei der Sicherstellung der Motivation der Mitarbeiter zur Nutzung 

des Kompetenzmanagementsystems ist es, wie eingangs schon erwähnt, eventuelle Vorbehalte der 

Nutzer aufzugreifen und plausibel zu entkräften. Besteht also beispielsweise seitens der Anwender 

die Befürchtung, durch die Eingabe von Kompetenzen auf unbeliebten oder für das eigene Fortkommen 

nicht relevanten Wissensgebieten zwangsläufig zu Arbeiten verpflichtet zu werden, werden 

solche Kompetenzen sicherlich bei der Pflege der Kompetenzdaten übergangen. Hier kann nur 

seitens der Unternehmensleitung versucht werden, durch ein klares Bekenntnis zur Rücksichtnahme 

in solchen Fällen und zur Berücksichtigung persönlicher Fortentwicklungswünsche entgegenzuwirken. 

Ist nun alles Notwendige getan, um die Motivation der Mitarbeiter zur Nutzung des Kompetenzmanagementsystems 

zu fördern, ist es erforderlich, durch geeignete Schulungsmaßnahmen die Mitarbeiter 

in die Lage zu versetzen, mit dem Kompetenzmanagementsystem effizient umzugehen. Dabei 

erscheint es im Gegensatz zu den vorherigen Schritten sinnvoll, sich auf die Bedürfnisse der jeweiligen 

Nutzergruppen strikt zu fokussieren, um unnötigen Zeitaufwand bei der Schulung und eventuelle 

Verwirrung zu vermeiden. Zudem sollte die Schulungsphase auch dazu genutzt werden, das dabei 

entstehende Feedback hinsichtlich des Bedienungskomforts und gegebenenfalls auch der Funktionalität 

an sich zu nutzen und so zeitnah wie möglich in das Kompetenzmanagementsystem zurückfließen 

zu lassen. 

Abschließend ist es ratsam, mit den Mitarbeitern konkret zu vereinbaren, in welchen Formen die 

Nutzung des Kompetenzmanagementsystems von der Unternehmensleitung gewissermaßen als 

Mindestnutzung erwartet wird, so dass auch in dieser Hinsicht Klarheit besteht. 

2.3.1.7 Zusammenfassung 

Auch für kleine und mittelgroße Unternehmen wie beispielsweise die TEMA GmbH ist Kompetenzmanagement 

ein erfolgsentscheidender Faktor. Es liegt daher nahe, die Einführung eines ontologiebasierten 

Kompetenzmanagementsystems zu erwägen. Zur Findung einer Grundsatzentscheidung 

pro oder contra einer Einführung eines solchen Systems ist dabei zunächst zu analysieren, 

welche Defizite eines nicht systematisierten, typischerweise ausschließlich intuitiven Kompetenzmanagements 

bestehen, ob und wie sie durch ein Kompetenzmanagementsystem zu beheben wären 

und welche zusätzlichen Potenziale durch ein solches System nutzbar gemacht werden können. 

Im Falle einer grundsätzlich positiven Entscheidung diesbezüglich ist nun die Funktionalität eines 

solches System anhand der relevanten Anwendungsszenarien zu skizzieren und nach einer vergleichenden 

Bewertung kommerziell verfügbarer Systemplattformen für Kompetenzmanagementsysteme 

der Aufwand zu dessen Einführung zu ermitteln. Eine Eigenentwicklung einer solchen Systemplattform 

kommt dagegen zumindest für kleine oder mittelgroße Unternehmen nicht in Betracht. 

Vielmehr sollte darauf geachtet werden, dass durch den Anbieter der kommerziellen Lösung auch 

eine intensive Unterstützung bei der Einführung des Kompetenzmanagementsystems angeboten 

wird. 

Konnte auch angesichts des Aufwandes für die Einführung eines Kompetenzmanagementsystems 

eine überzeugende Aufwand-/Nutzenrelation festgestellt werden, so ist mit den eigentlichen Einführungsarbeiten 

zu beginnen. Diese umfassen die Wissensakquisition, die Konzeptualisierung, die


Implementierung und die Evaluation. Dabei können und sollten die Schritte der Konzeptualisierung 

und Implementierung zumindest zu großen Teilen durch den Systemanbieter erfolgen, da sie erhebliche, 

spezifische Erfahrungen und eine präzise Kenntnis der Systemplattform erfordern. Die Wissensakquise 

als vorgeschalteter Schritt muss dagegen unter Einbeziehung der Kompetenzwissensträger 

des Unternehmens erfolgen, während bei der Evaluation mit Bedacht bereits ausgewählte 

Anwender hinzugezogen werden können. 

Ergänzend sei hier nochmals darauf hingewiesen, dass neben den Kernprozessschritten die projektbegleitenden 

Prozesse wie die Dokumentation und das Projektmanagement nicht vernachlässigt 

werden dürfen. 

Besonderes Augenmerk ist schließlich im Rahmen der Überführung in die Nutzungsphase auf die 

Motivierung und Schulung der Anwender und auf die Konkretisierung der erwarteten Nutzung zu 

legen, um schließlich eine aktive Nutzung des Kompetenzmanagementsystems zu erreichen. Dabei 

ist insbesondere darauf zu achten, dass die vorgesehenen Anwender auch für sich selbst einen Nutzen 

aus dem System ziehen können und dies auch erkennen können sowie mögliche Vorbehalte gegenüber 

der Nutzung wirksam und plausibel entkräftet werden.

2.3.2 Das generische KOWIEN-Vorgehensmodell 

DIPL.-WIRT.-INF. SUSANNE APKE 





2.3.2.1 Konzipierung des generischen Vorgehensmodells 

Im Rahmen dieses Kapitels wird ein Vorgehensmodell vorgestellt, mit dessen Hilfe eine strukturierte 

und systematische Entwicklung von Kompetenzontologien für betriebliche Kompetenzmanagementsysteme 

ermöglicht wird. Nachdem dafür im Kapitel 2.1 (S. 321 ff.) zunächst die Anforderungen 

an ein solches Vorgehensmodell untersucht und bereits existierende Ansätze vorgestellt wurden, 

sollen diese Anforderungen und Ansätze als Ausgangsbasis und Entscheidungsgrundlage für 

das generische Vorgehensmodell KOWIEN herangezogen werden. Das KOWIEN-Vorgehensmodell 

wurde bei der Deutschen Montan Technologie GmbH (DMT) erfolgreich genutzt, um eine 

Kompetenzontologie zu entwickeln. 1) Ziel dieses Kapitels ist die Beschreibung eines systematischen 

Prozesses zur Konstruktion von Kompetenzontologien (inkl. deren Implementierung) mit Hilfe 

eines selbst entwickelten Vorgehensmodells. 

Es hat sich herausgestellt, dass das Festlegen eines Designs für und die konkrete Entwicklung von 

Ontologien keine trivialen Aufgaben sind, sondern ein systematisches Vorgehen erfordern. 2) Es gibt 

zwar in der Literatur zahlreiche Vorschläge für Vorgehensweisen zur Konstruktion von Ontologien, 

diese verfolgen jedoch oft sehr unterschiedliche Zielsetzungen oder sind nur für bestimmte Domänen 

geeignet. 3) Die Anwendung eines Vorgehensmodells in einem Projekt trägt dazu bei, den Entwicklungsprozess 

systematischer und effizienter zu gestalten, weil es die Transparenz des gesamten 

Prozesses sowohl für die Ontologieentwickler als auch für die Benutzer erhöht. Abweichungen von 

diesem Modell können frühzeitig erkannt und gegebenenfalls korrigiert werden. Aus diesem Grund 

sind Vorgehensmodelle von großem Nutzen für die Projektplanung und -steuerung, besonders für 

vergleichsweise neuartige Aufgaben wie die Konstruktion von Ontologien für betriebswirtschaftliche 

Ziele. Ein solches Vorgehensmodell sollte allerdings auch Qualitätskriterien entsprechen und 

für die jeweils gegebene domänen- und projekt-spezifische Situation geeignet sein. 

Die existierenden Ansätze für solche Vorgehensmodelle, die in Kapitel 1.4 (S. 277 ff.) erläutert 

wurden, erfüllen die zuvor dargestellten Anforderungen nur unvollständig. Sie setzen ihre Schwerpunkte 

nicht auf das betriebliche Kompetenzmanagement, sondern betrachten den gesamten Bereich 

des Wissensmanagements. Eine Besonderheit, die bei der Entwicklung von Kompetenzmanagementsystemen 

beachtet werden muss, ist zum Beispiel die Fokussierung auf Metawissen, also 

das Wissen über die Unternehmens- und Mitarbeiterkompetenzen. Weiterhin ist die große Menge 

von beteiligten Personen zu berücksichtigen, die etwa für die Erhebung der Anforderungen (die Benutzer) 

sowie der vorhandenen oder erforderlichen Kompetenzen (also ein großer Teil der Mitarbeiter) 

eine Rolle spielen. 

1) Siehe hierzu auch Kapitel 3.2.2, S. 625 ff. 

2) Vgl. HOLSAPPLE/JOSHI (2002) S. 42. 

3) Siehe hierzu auch Kapitel 1.4.4.4, S. 296 ff.

374 2.3.2 Das generische KOWIEN-Vorgehensmodell 

Das im Rahmen des Projekts entwickelte Vorgehensmodell bezieht unter anderem die genannten 

Faktoren ein. Es ist aber dennoch insofern generisch gestaltet, als dass es nicht ausschließlich für 

das Projekt KOWIEN konzipiert ist, sondern grundsätzlich für die Konstruktion von Kompetenzontologien 

angewendet werden kann. Damit die Ontologien zunächst unabhängig von einer Implementierungssprache 

entwickelt werden können, erfolgt das Vorgehen modellorientiert, so dass während 

des Entwicklungsprozesses die Modellierung der Problemlösung von ihrer computerbasierten 

Umsetzung getrennt wird. 

Entsprechend der Vorhabensbeschreibung wurde von Seiten des Universitätspartners vorgeschlagen, 

für dieses Arbeitspaket sukzessiv folgendermaßen vorzugehen: 

• Unabhängig von den Anwendungsszenarien des Produkt- und des Service-Engineerings und 

• unabhängig vom Vorliegen von Referenzmodellen, die das benötigte Domänenwissen zur 

Verfügung stellen, 

• wird ein generisches Vorgehensmodell für die Konstruktion von ontologiebasierten 

Kompetenzmanagementsystemen entwickelt. 

Um die praktische Anwendbarkeit des generischen Vorgehensmodells sicherzustellen, wurden die 

Projektpartner bei der Entwicklung schon frühzeitig eingebunden. 

Die vorliegende Version 2.0 des generischen Vorgehensmodells KOWIEN zur Konstruktion einer 

Kompetenzontologie stellt den derzeitigen Entwicklungsstand dar. Sie entspricht in ihrer Ausgestaltung 

dem geplanten Vorgehensmodell, das unabhängig von Referenzmodellen und Anwendungsszenarien 

angedacht war. 

Zunächst wird die oberste Ebene des Vorgehensmodells textuell und graphisch vorgestellt. Sie wird 

anschließend weiter ausgeführt und verfeinert. Das im Folgenden detailliert beschriebene Vorgehensmodell 

für die Entwicklung von Ontologien für Kompetenzmanagementsysteme baut auf den 

bereits existierenden Ansätzen auf. Es berücksichtigt zugleich auch die in Kapitel 1.4.4.2 (S. 292 

ff.) dargestellten Anforderungen; auf diesen Umstand wird zum Ende dieses Kapitels noch abschließend 

eingegangen. Im Anschluss an die detaillierte Darstellung des KOWIEN-Vorgehensmodells 

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 

entwickelte Web-Anwendung des Vorgehensmodells eingegangen. Diese Web-Anwendung wurde 

entwickelt, um eine verteilte Nutzung des Vorgehensmodells zu ermöglichen; d.h., es reicht aus, 

über einen Computer mit Internetanschluss zu verfügen, um das Vorgehensmodell nutzen zu können. 

2.3.2.2 Strukturierung des Konstruktionsprozesses 

Für den Aufbau eines Vorgehensmodells ist es zunächst wichtig, den Ausgangspunkt für das Projekt 

zu kennen oder festzulegen. Im vorliegenden Fall wird davon ausgegangen, dass bereits eine 

positive Entscheidung bezüglich der Ontologieentwicklung gefallen ist. Daher ist eine Evaluation 

des Nutzens der Ontologie im Rahmen einer Machbarkeitsstudie nicht mehr erforderlich. 

Die Ontologieentwicklung selbst soll mit der Spezifizierung der Anforderungen beginnen, die von 

der Ontologie erfüllt werden müssen. Dazu gehört nicht nur die Definition von Kriterien, die als 

Richtlinien während des Designs sowie als Referenzrahmen bei der Evaluation der erstellten Ontologie 

dienen, sondern auch die Festlegung ihrer zukünftigen Anwendungsbereiche und Benutzer.

2.3.2 Das generische KOWIEN-Vorgehensmodell 375 

Anschließend muss bei der Wissensakquisition alles relevante (Meta-) Wissen über die Verteilung 

des handlungsbefähigenden (Objekt-) Wissens – die im Unternehmen vorhandenen Kompetenzen – 

erfasst werden. 

Dieses (Meta-) Wissen wird dann im Rahmen der Konzeptualisierung strukturiert und verarbeitet. 

Dabei werden zunächst mit Hilfe von Domänenexperten die für ein Kompetenzmanagementsystem 

wichtigen Begriffe (Konzepte) identifiziert, beispielsweise in Form einer Taxonomie hierarchisch 

gegliedert und durch Attribute und Relationen beschrieben. 4) 

Nachdem diese Konzeptualisierung nur informal und modellhaft erfolgt ist, wird bei der Implementierung 

eine formale Repräsentationssprache ausgewählt und die Konzeptualisierung in eine formale 

Repräsentation transformiert. Die Semantik dieser Spezifikation wird dann einerseits durch Integritätsregeln 

zur Einschränkung der Interpretations- und Verknüpfungsmöglichkeiten der begrifflichen 

Konzepte und andererseits durch Inferenzregeln, die Schlussfolgerungen aus dem vorhandenen 

Wissen ermöglichen, festgelegt. 

Vor ihrem Einsatz in den Anwendungsbereichen soll eine gründliche Evaluation der resultierenden 

Ontologie erfolgen. Dazu wird zusammen mit den Benutzern die Erfüllung der zuvor aufgestellten 

Benutzeranforderungen überprüft und ihre Anwendbarkeit im späteren Systemumfeld getestet. 

Während des gesamten Entwicklungsprozesses werden die dabei erzielten Ergebnisse sowie die getroffenen 

Entscheidungen und ihre Grundlagen dokumentiert, um sowohl die Konstruktion einer 

Ontologie selbst als auch eine spätere Wissenswiederverwendung zu unterstützen. 

Weiterhin ist zu beachten, dass zusätzlich zum eigentlichen Entwicklungsprozess Projektplanungs- 

und -steuerungsaktivitäten durchzuführen sind, um beispielsweise den Budgetumfang zu bestimmen 

und zu kontrollieren. Diese grundsätzlichen Aufgaben des Projektmanagements werden in dem hier 

dargestellten Vorgehensmodell berücksichtigt. Sie sind jedoch nicht ontologieentwicklungsspezifisch, 

sondern bestehen allgemein bei Softwareentwicklungsprojekten. 5) 

Obwohl die ständige Aktualisierung und Weiterentwicklung einer Kompetenzontologie auch von 

großer Bedeutung für ihre Nutzbarkeit ist, liegt der Fokus in diesem Beitrag auf der grundlegenden 

Konstruktion der Ontologie bis zu ihrem Einsatz in einem Kompetenzmanagementsystem. Aus diesem 

Grund wird die Wartung, also die ständige Pflege einer Ontologie während ihrer Anwendung, 

hier nur kurz beleuchtet. Die Möglichkeiten zur Integration bestehender Ontologien werden in dem 

Vorgehensmodell berücksichtigt. 

Abbildung 36 auf der nächsten Seite veranschaulicht die Struktur des Vorgehensmodells. In den folgenden 

Kapiteln werden die einzelnen Phasen der Ontologieentwicklung genauer beleuchtet, die 

jeweils beteiligten Personen und die entstehenden Ergebnisse aufgezeigt sowie Methoden für die 

4) Entsprechend den üblichen Definitionen von Ontologien ist eine Dominanz der taxonomischen Strukturierung keineswegs 

zwingend. Es zeigt sich jedoch, dass es aus Gründen der leichteren Nachvollziehbarkeit durch Benutzer aus der betrieblichen 

Praxis sinnvoll ist, mit einer taxonomischen Strukturierung zu beginnen, wenn das Vorgehensmodell in der Praxis auf Akzeptanz 

stoßen soll. 

5) Hierfür wurden bereits Standards, wie etwa der IEEE-Standard 1074-1995, verfasst und auch akzeptiert. Der IEEE-Standard 

1074-1995 (vgl. IEEE 1074 (1996)) beschreibt den Softwareentwicklungsprozess (der weiter unterteilt wird in Prozesse des 

Softwarelebenszyklusmodells, des Projektmanagements sowie softwareentwicklungs-orientierte und integrale Prozesse), die 

dabei durchzuführenden Aktivitäten und mögliche Techniken zur Realisierung; vgl. auch FERNÁNDEZ-LÓPEZ (1999) S. 4.2.


Umsetzung der Phasen genannt. Um diese Beschreibungen klar und anschaulich darzustellen, wird 

außerdem der Ablauf jeder Phase in Form einer Ereignisgesteuerten Prozesskette 6) abgebildet. 



Dokumentation 


Projektmanagement 


Abbildung 36: Phasen und Unterstützungsleistungen des Vorgehensmodells 

2.3.2.2.1 Phasen der Ontologieentwicklung 

2.3.2.2.1.1 Anforderungsspezifizierung 

Evaluation 

Im ersten Schritt der Ontologieentwicklung – der Anforderungsspezifizierung 7) – ist es wichtig, das 

Ziel der Ontologie und ihre Anwendungsbereiche festzulegen, um möglichst alle Anforderungen zu 

erfassen, die während des Entwicklungsprozesses beachtet werden müssen. Neben dem Projektleiter 

und seinem Team sind dabei auch die späteren Benutzer der Ontologie und des Kompetenzmanagementsystems 

beteiligt. Ein wichtiges Ziel der Konstruktion von Kompetenzontologien ist zum Beispiel 

ein effizienteres Kompetenzmanagement. Ontologiebasierte Kompetenzprofile spielen dabei 

eine große Rolle, da sie die aktuellen Kompetenzen des Unternehmens darstellen und dadurch 

Kompetenzvergleiche, also die Gegenüberstellung der vorhandenen (Ist) und der gewünschten oder 

erforderlichen Kompetenzen (Soll), erleichtern. 8) Ontologien erfüllen dabei die Aufgabe, das im 

Unternehmen existierende Wissen über Kompetenzen explizit – insbesondere computerverarbeitbar 

6) Ereignisgesteuerte Prozessketten (EPK) dienen zur Darstellung zeitlich-logischer Ablauffolgen und setzen dabei den 

Schwerpunkt auf die Abbildung von Funktionen und Ereignissen in einem Prozess. Die wichtigsten Elemente dieser semiformalen, 

graphischen Beschreibungssprache und ihre Bedeutung werden im Kapitel 2.3.2.3.1 auf Seite 386 f. erläutert. 

7) Die Begriffe „Anforderungsspezifizierung“ und „Anforderungserhebung“ werden synonym verwendet. 

8) Vgl. ZELEWSKI (2002b) S. 14.


– darzustellen und ermöglichen darüber hinaus die Bezugnahme auf ein von mehreren Personen 

gemeinsam festgelegtes Begriffssystem. 

Nach der Spezifizierung des Hauptziels der Ontologieerstellung müssen diejenigen Anwendungsbereiche 

identifiziert werden, in denen die Ontologie zum Einsatz kommen soll. Grundsätzliche 

Anwendungsbereiche sind beispielsweise die Abteilungen Personal und Vertrieb, während einzelne 

Komponenten eines Kompetenzmanagementsystems eventuell allen Beschäftigten zur Verfügung 

stehen sollen. 

Sobald das technische und organisatorische Umfeld der Ontologie festgelegt ist, können die zukünftigen 

Benutzer identifiziert und in Gruppen eingeteilt werden (zum Beispiel „Vertriebsmitarbeiter“, 

„Standardbenutzer – hauptsächlich lesender Zugriff“). Anschließend wird eine Befragung der Benutzer, 

gegebenenfalls der Repräsentanten einer Benutzergruppe, vorgenommen, um eine möglichst 

vollständige Anforderungsdefinition erstellen zu können. Dafür muss das Projektteam ein Werkzeug 

auswählen, beispielsweise strukturierte oder unstrukturierte Interviews, mittels derer dann die 

von den Benutzern gewünschten Funktionalitäten der Ontologie erfasst werden. 

Durch die Erstellung von Anwendungsfällen (Use Cases) 9) und Szenarien können die verschiedenen 

Situationen der Nutzung der Ontologie veranschaulicht und die spezifizierten Anforderungen ergänzt 

und verfeinert werden. Mögliche Anforderungen sind etwa „Die Ontologie muss erweiterbar 

sein“ oder „Jeder Mitarbeiter soll nach einer Kollegin oder einem Kollegen mit einer bestimmten 

Kompetenz suchen können“. 

Bei einer sehr großen und unübersichtlichen Menge von Anforderungen ist die Nutzung eines Anforderungsmanagement-Werkzeugs 

10) sinnvoll, um eine computerbasierte Verwaltung der Anforderungen, 

ihrer Abhängigkeiten und ihrer Änderungen zu erleichtern. Inzwischen ist auch ontologieentwicklungsspezifische 

Software verfügbar, die die Erstellung einer Anforderungsspezifizierung 

unterstützt, zum Beispiel OntoKick (ein Plug-in für die Werkzeugsammlung des On-To- 

Knowledge-Ansatzes 11) ). 

Für die Implementierung der Ontologie ist es wichtig, dass zuvor auch das technische Umfeld im 

Hinblick auf Kompatibilität und Interoperabilität der Systeme analysiert wurde, dass also einerseits 

die verschiedenen Komponenten des Kompetenzmanagementsystems und andererseits alle Schnittstellen 

zu anderen Programmen wie SAP 12) oder Inter-/Intranet identifiziert worden sind. Die sich 

daraus ergebenden technischen Anforderungen werden als implementierungsspezifische Details bei 

der Konzeptualisierung nicht berücksichtigt, sondern erst bei der Implementierung, zum Beispiel 

bezüglich der zu verwendenden formalen Sprache. 

Die Befragung der Benutzer und die Analyse des Anwendungsbereichs werden so lange fortgeführt, 

bis die Anforderungsspezifizierung von Entwicklern und Benutzern als vollständig angesehen wird. 

9) Vgl. zum Beispiel JACOBSON ET AL. (1992). Anwendungsfälle sind ein Bestandteil der „Unified Modelling Language” (UML) 

und umfassen in der Regel mehrere Szenarien, die durch ein gemeinsames Benutzerziel verbunden sind. 

10) Beispiele für bekannte Anforderungsmanagement-Tools sind etwa Requisite Pro von Rational und DOORS von Telelogic. 

Aktuelle Informationen können im Internet unter unter den URL „http://www.rational.com/products/reqpro/index.jsp“ bzw. 

„http://www.telelogic.com/products/doorsers/doors/index.cfm“ (Zugriffe am 24.10.2004) gefunden werden. 

11) Vgl. SURE (2002a) und SURE/STUDER (2002) S. 43 f. 

12) Die SAP (Systeme, Anwendungen, Produkte in der Datenverarbeitung) AG wurde 1972 gegründet und ist mittlerweile einer 

der weltweit führenden Anbieter für Anwendungssoftware, insbesondere betriebswirtschaftliche „Standard“-Anwendungssoftware; 

vgl. die Informationen im Internet unter unter der URL „http://www.sap-ag.de/germany/“ (Zugriff am 21.12.2004).


Allerdings können die Phasen auch „überlappend“ umgesetzt werden, so dass das Projektteam nicht 

bis zum Abschluss der Anforderungsspezifizierung warten muss, bevor es mit der Wissensakquisition 

beginnt. 

2.3.2.2.1.2 Wissensakquisition 

In der Phase Wissensakquisition muss das Projektteam das relevante Wissen für die Ontologieerstellung 

erfassen, das für ein erstes konzeptionelles Modell des Realitätsausschnitts der Ontologie benötigt 

wird. Da die Aktivitäten der Erfassung und der Strukturierung von Wissen eng miteinander 

verwoben sind, stehen die Phasen Wissensakquisition und Konzeptualisierung in starkem Zusammenhang 

und sind iterativ durchzuführen. 

Zunächst sollen diejenigen Mitarbeiter identifiziert werden, die für das Kompetenzmanagement im 

Unternehmen allgemein (meist die Personalabteilung) oder in den einzelnen Organisationseinheiten 

(so genannte Domänenexperten oder auch die Abteilungsleiter) verantwortlich sind. Durch eine Befragung 

dieser Mitarbeiter werden Informationen über vorhandene Kompetenzen des Unternehmens 

und der Mitarbeiter oder der jeweiligen Organisationseinheiten, über die Verteilung dieser Kompetenzen 

im Unternehmen und über eventuell existierende Dokumente mit Wissen über Kompetenzen 

erhoben. 

Dabei ist zu beachten, dass es im Rahmen des Aufbaus eines Kompetenzmanagementsystems nicht 

allein um das Verwalten von Wissen, sondern von Wissen über Wissen (welches zum Handeln befähigt) 

geht und damit die Ebene des Metawissens im Vordergrund steht. Diese Besonderheit kann 

einen erhöhten Aufwand gerade bei der Wissensakquisition mit sich bringen, da Wissen über oftmals 

nur implizit vorhandenes Wissen wie Kompetenzen schwer zu formulieren und zu erfassen ist. 

Der Prozess der Explizierung impliziten Wissens, von NONAKA und TAKEUCHI als „Externalisierung“ 

bezeichnet, 13) ist essentiell für die Generierung neuen Wissens und kann durch Techniken wie 

Metaphern und Analogien unterstützt werden. Wenn Metawissen „externalisiert“ werden soll, ist 

auch die Schaffung eines Bewusstseins für das Vorhandensein und die Relevanz dieses Wissens 

von Bedeutung. 

Im Rahmen der Befragung der Wissensträger sind nicht nur die wichtigsten Kompetenz-Konzepte 

und ihre Relationen zu Kompetenzen im Unternehmen zu identifizieren, sondern auch Zuordnungen 

von Kompetenzen und ihren Ausprägungen zu den einzelnen Mitarbeitern, etwa in Form von Kompetenzprofilen, 

zu erstellen. 14) 

Zusätzlich zu den Mitarbeiterbefragungen durch Interviews oder auch „Brainstorming“-Sitzungen 

werden alle bereits erstellten Dokumente mit Wissen über Kompetenzen, beispielsweise Stellenbeschreibungen, 

Lebensläufe und eventuell sogar vorhandene Kompetenzprofile, vom Projektteam erfasst, 

aufgelistet und anschließend hinsichtlich der enthaltenen Konzepte und Relationen zu Kompetenzen 

analysiert. Auch das in diesen Dokumenten enthaltene Wissen über die tatsächlichen Aus- 

13) Vgl. NONAKA/TAKEUCHI (1997) S. 75 ff. 

14) An dieser Stelle ist die Wissensakquisitionsphase besonders eng mit der Konzeptualisierungsphase verknüpft, da für die Zuweisung 

von Kompetenzausprägungen zu bestimmten Personen die Festlegungen eindeutiger Kompetenzkonzepte und ihrer 

Unterteilungen in Subkonzepte (etwa „Programmiersprachen -> objektorientierte Sprachen -> Java“) sowie eines Stufenrasters 

für die Klassifikation ihrer Ausprägungen (z.B. vier Stufen „Anfänger“, Fortgeschrittener“, „Fachmann“, „Experte“) erforderlich 

sind. Diese Definitionen sind bereits Teil der Ontologie selbst; aus diesem Grund sollten Wissensakquisitions- und 

Konzeptualisierungsaktivitäten iterativ durchgeführt werden.


prägungen der Kompetenzen bei den Mitarbeitern dient als Ergänzung der bereits vorgenommenen 

Zuordnungen von Kompetenzen, 15) die später den ersten Basisinformationsbestand des Kompetenzmanagementsystems 

bilden. Die durch die Experteninterviews und Textanalysen identifizierten 

Konzepte bilden den Ausgangspunkt für die Basis-Terminologie, die dann schrittweise durch weitere 

Wissensakquisition verfeinert und ergänzt wird. Die Erfassung und Verwaltung des Domänenwissens 

16) und der verschiedenen Wissensquellen kann durch die Nutzung computerbasierter Werkzeuge 

wie Protégé-2000, einer Software-Umgebung für die Wissensakquisition und Ontologieentwicklung 

17) , oder das bereits angesprochene Werkzeug OntoKick erleichtert werden. 

2.3.2.2.1.3 Konzeptualisierung 

Bei der Konzeptualisierung wird eine modellhafte Darstellung eines Realitätsausschnitts erarbeitet, 

die einerseits ein Begriffssystem für die Domäne in Form einer Terminologie und andererseits Regeln 

für die Verwendung der Begriffe beinhaltet. Beteiligt sind dabei nicht nur die Mitglieder des 

Projektteams, sondern auch die schon bei der Wissensakquisition befragten Domänenexperten, damit 

eine realitätsnahe Ontologie aufgebaut werden kann. 

Um die Nachvollziehbarkeit der Entwicklung zu gewährleisten, ist eine durchgängige Dokumentation 

dieser Phase, insbesondere der konkreten Vorgehensweise und der getroffenen Entscheidungen, 

von hoher Bedeutung. 

Für die Durchführung der Konzeptualisierung wird in der Literatur meist ein so genannter „Middle- 

Out“-Ansatz empfohlen 18) . Bei ihm werden, ausgehend von den relevantesten Konzepten (beispielsweise 

den am häufigsten genannten Konzepten), zunächst domänen- oder abteilungsspezifische 

Terminologie-„Inseln“ erstellt, aus denen später die gesamte Konzeptualisierung gebildet wird. Eine 

andere Möglichkeit ist das „Top-Down“-Vorgehen. Hierbei sind zuerst die grundlegenden Konzepte 

als oberste Ebene für die Konzeptualisierung zu identifizieren, um diese dann anschließend zu 

verfeinern. Die Anwendung dieser Methode kann sehr tief strukturierte, umfassende Ontologien 

hervorbringen, doch sie setzt die Existenz entsprechender Informationen und Schemata zu Umfang 

und Reichweite der Domäne voraus sowie Erfahrung der Entwickler im Umgang mit konzeptueller 

Modellierung und Ontologien. Aus diesen Gründen wird im Vorgehensmodell die Entscheidung in 

Bezug auf die anzuwendende Methode abhängig von den Kenntnissen der Mitarbeiter und der 

Strukturierung des Wissens über die Unternehmenskompetenzen vorgenommen. 

15) Weitere Techniken zur Erhebung von Kompetenzen – neben der Zuweisung oder Selbstbewertung in Interviews sowie Textanalysen 

– sind die Qualifizierung durch Tests oder Prüfungsgespräche und die Ermittlung durch Beobachtung; vgl. dazu GE- 

BERT (2001) S. 13 und auch ALAN (2002a) für weiter gehende Informationen. 

16) Als Domäne gilt hier das Wissen über Kompetenzen. 

17) Protégé-2000 wurde von der Stanford Medical Informatics Group (SMI) an der Stanford Universität entwickelt; aktuelle Informationen 

sind unter http://protege.stanford.edu/ (Zugriff am 22.12.2004) zu erreichen. Vgl. auch Kapitel 1.3.1.2, S. 176. 

18) Dies ist auch bei den meisten der in APKE/DITTMANN (2003a) S. 34 dargestellten und untersuchten Vorgehensmodelle der 

Fall; vgl. daneben auch USCHOLD/KING (1995) S. 9 f.; GRÜNINGER/FOX (1995) S. 5; FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO 

(1997) S. 5 f.; SURE/STUDER (2002) S. 48.


Wenn bereits umfassendes und tief strukturiertes Wissen über Kompetenzen vorhanden ist, 19) soll 

der „Top-Down“-Ansatz gewählt werden. Die Ontologieentwickler erstellen in Zusammenarbeit mit 

Domänenexperten 20) eine „Top-Level“-Konzeptualisierung, indem sie die Konzepte auf der obersten 

Abstraktionsebene identifizieren und damit erste Klassen zur Detaillierung vorgeben. Ausgehend 

von dieser Grundstruktur wird die Ontologie anschließend erweitert und verfeinert, so dass für die 

Organisationseinheiten im Unternehmen eindeutige Konzepte für die verschiedenen Kompetenzen 

und zusätzliche Informationen, etwa Synonyme für die Begriffe und Raster für die Einstufung der 

jeweiligen Kompetenzausprägungen, festgelegt werden. Parallel zu der Terminologieverfeinerung 

formulieren die Ontologieentwickler die semantischen Regeln, die einerseits das implizit enthaltene 

Wissen durch explizite Schlussfolgerungen erschließen (Inferenzregeln), die aber auch in Form von 

Integritätsregeln die Zulässigkeit von Verknüpfungen der definierten Begriffe einschränken. 

Falls das Wissen der Organisationseinheiten über ihre Kompetenzen noch begrenzt und unstrukturiert 

ist, sollte die Ontologiekonstruktion nach dem „Middle-Out“-Ansatz durchgeführt werden. Ontologieentwickler 

und Abteilungsrepräsentanten identifizieren die relevantesten Konzepte und beschreiben 

diese durch Bezeichner, Attribute und Relationen und eventuell Integritätsregeln. Dann 

ergänzen sie die Konzepte in Gruppenarbeit (zum Beispiel für jede Organisationseinheit) und ordnen 

sie hierarchisch. Auf diese Art werden in jedem Bereich verschiedene Terminologie-„Inseln“ 

mit zusammenhängenden Begriffen gebildet, die miteinander zu verknüpfen sind. Die Zusammenführung 

verursacht oft einen hohen Aufwand, da bei der Verbindung leicht Redundanzen und verwirrende 

Strukturen entstehen. 21) Sowohl Redundanzen als auch Verwirrungen sollten zu einer ersten 

„ad hoc“-Evaluation herangezogen werden. 

Sobald ein Konzept oder eine Relation nicht eindeutig definiert werden kann oder Uneinigkeiten 

zwischen den Teilnehmern bestehen, sollen erneut Wissensakquisitionstechniken eingesetzt werden, 

um weitere Informationen zu beschaffen oder Fehler zu korrigieren. 

Wenn die Konzeptverfeinerung organisationseinheitsspezifisch durchgeführt wurde, existiert für jede 

Organisationseinheit ein Baum von Begriffen (etwa je ein „Kompetenzbaum“ für Personalwesen, 

Produktion, IT-Abteilung usw.), der mit den anderen Bäumen zu einer unternehmensweiten Konzeptualisierung 

der Kompetenzen kombiniert wird. Danach werden, wie auch im Rahmen des „Top- 

Down“-Ansatzes, Inferenzregeln und Integritätsregeln formuliert, um die Semantik der Konzeptualisierung 

zu spezifizieren. Das Vorgehen bei der Definition dieser Regeln ist schwierig und wegen 

der unterschiedlichen Strukturen und Zusammenhänge der Ontologien kaum systematisierbar. Die 

Entwickler sollten darauf achten, dass die Menge aller Regeln ausreichend ist, um alle Anforderungen 

an die Aussagekraft der Ontologie zu erfüllen. 22) 

19) Ein strukturierter Umgang mit den Kompetenzen des Unternehmens zeigt sich nicht nur in der Qualität der Dokumentation 

von vorhandenen und gewünschten Kompetenzen, sondern auch in der Verwaltung und gezielten Entwicklung der Mitarbeiterkompetenzen, 

beispielsweise durch Weiterbildungsmaßnahmen. 

20) An dieser Stelle wird zwischen Domänenexperten und Abteilungsvertretern unterschieden. Erstere sind Spezialisten für den 

übergeordneten Anwendungsbereich der Ontologie (hier z.B. Kompetenzmanagement) und können auch als externe Berater 

hinzugezogen werden, während die Abteilungsvertreter für die Aufnahme der abteilungsbereichsbezogenen (Kompetenz-) 

Begriffe und ihrer Beziehungen und Einschränkungen in der Ontologie zuständig sind. 

21) Vgl. LAU/SURE (2002) S. 129. 

22) Vgl. GRÜNINGER/FOX (1995) S. 7.


Für beide Vorgehensweisen gilt, dass die Terminologie sowie die verschiedenen Inferenz- und Integritätsregeln 

der späteren Ontologie zu diesem Zeitpunkt noch informal oder eventuell semiformal 

durch textuelle und graphische Repräsentationsarten dargestellt sind und damit die Konzeptualisierung 

bilden. Natürlichsprachliche Repräsentationen von Wissen über Kompetenzen stehen 

im Vordergrund der Konzeptualisierungsphase. 

Bevor diese konzeptuelle Beschreibung in der Implementierungsphase in eine formale Spezifikation 

transformiert wird, soll das Ergebnis der bisherigen Ontologieentwicklung beurteilt werden, um 

eventuelle Fehler möglichst frühzeitig aufzudecken. Daher sollte das Projektteam durch die Durchführung 

von Reviews, an denen auch Vertreter der Benutzer teilnehmen können, die Qualität der 

Konzeptualisierung überprüfen. Dabei sind eventuell an die Ontologierepräsentation gestellte Anforderungen 

der Benutzer und Entwickler ebenso zu beachten wie generelle Design-Kriterien, etwa 

Klarheit (die beispielsweise durch Objektivität und Vollständigkeit erreicht werden kann), Kohärenz 

(beispielsweise müssen die Inferenzregeln und Integritätsregeln sowohl untereinander als auch 

in Bezug auf die Begriffsdefinitionen konsistent sein), Erweiterbarkeit und minimale ontologische 

Verpflichtung (es sind möglichst wenige Forderungen an den modellierten Realitätsausschnitt zu 

stellen). 23) Für die Umsetzung der Reviews ist beispielsweise die Delphi-Methode geeignet, 24) bei 

der die Konzeptualisierung iterativ immer wieder modifiziert und verbessert wird, bis sie aus Sicht 

aller Beteiligten als vollständig anzusehen ist und den Anforderungen entspricht. Wenn eine erneute 

Konzeptualisierung nicht ausreichend ist, weil zum Beispiel wichtige Informationen fehlen oder 

Widersprüche existieren, findet ein Rücksprung zur Phase der Wissensakquisition statt, um diese 

Probleme zu lösen. Sobald zwischen allen Teilnehmern der Reviews eine Übereinstimmung hinsichtlich 

des Inhalts und des Designs der Konzeptualisierung erzielt wird, kann mit der Formalisierung 

begonnen werden. 

Um die Entwicklung, konzeptuelle Modellierung und Dokumentation der Kompetenzontologie zu 

unterstützen, können Software-Werkzeuge wie OntoEdit 25) , Protégé-2000 26) , die 1995 vorgestellte 

Entwicklungsumgebung Ontolingua 27) oder auch KAON 28) , eine Software-Anwendung für die Konstruktion, 

Formalisierung und Verwaltung von Ontologien, eingesetzt werden. 

23) Vgl. Kapitel 2.1.6, S. 341 ff. 

24) Vgl. HOLSAPPLE/JOSHI (2002) S. 45 ff. 

25) OntoEdit ist der Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH. Es stellt Funktionalitäten für die 

Konstruktion, insbesondere für die konzeptuelle Modellierung von Ontologien bereit und unterstützt die Ausgabesprachen 

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, 

S. 177 ff., und Kapitel 3.2.2.5.2.1, S. 663 f. 

26) Protégé-2000 (vgl. Kapitel 1.3.1.2, S. 176) beinhaltet u.a. Funktionalitäten zur Visualisierung und Bearbeitung von Ontologien 

in graphischer Form und ermöglicht die Implementierung in F-Logic, OIL, Ontolingua und RDF(S). 

27) Vgl. FARQUHAR/FIKES/RICE (1996) und FARQUHAR/FIKES/RICE (1997). Durch Ontolingua können Ontologien in die gleichnamige 

Sprache Ontolingua, aber auch in PROLOG, LOOM und CLIPS übersetzt werden. Vgl. auch Kapitel 1.3.1.2, S. 174 f. 

28) KAON steht für „Karlsruhe Ontology and Semantic Web Tool Suite”; vgl. die Informationen im Internet unter der URL 

„http://kaon.semanticweb.org/“ (Zugriff am 23.12.2004). Die Software-Anwendung kann zur Entwicklung ontologiebasierter 

Anwendungen genutzt werden. Sie wurde, wie auch die On-To-Knowledge-Werkzeuge, am Institut AIFB (Angewandte Informatik 

und Formale Beschreibungsverfahren) der Universität Karlsruhe entwickelt, stellt jedoch im Gegensatz zur On-To- 

Knowledge-Werkzeugsammlung eine nicht-kommerzielle Werkzeugsammlung dar.


2.3.2.2.1.4 Implementierung 

Ähnlich wie die Phase Kodierung des „Enterprise Model“-Ansatzes 29) umfasst die Implementierung 

die Erstellung einer formalen Repräsentation (Spezifikation) des konzeptuellen Modells, das am Ende 

der Konzeptualisierungsphase vorliegt, und die Integration in ein laufendes System. Die formale 

Repräsentation (Spezifikation) soll insofern getrennt von der Konzeptualisierung durchgeführt werden, 

als dass die Konzeptualisierung nicht auf bestimmte formale, computerbasiert verarbeitbare 

Sprachen oder andere technische Anforderungen ausgerichtet ist. 

Es können bei der Formalisierung Änderungen entstehen oder Mehrdeutigkeiten aufgedeckt werden, 

die das konzeptuelle Modell betreffen und eine Überarbeitung der Terminologie oder der Integritäts- 

und Inferenzregeln oder sogar eine erneute Wissensakquisition erfordern. 

Die Ontologieentwickler müssen zunächst eine formale Sprache auswählen. Dabei müssen sie auf 

eventuelle Benutzeranforderungen bezüglich der Funktionalität der Ontologie sowie auf die durch 

die technische Systemumgebung gegebenen Nebenbedingungen Rücksicht nehmen. 

Die möglicherweise während der Konzeptualisierung genutzte Entwicklungsumgebung kann die 

Aktivitäten der Formalisierung erleichtern und sogar zu einem großen Teil automatisieren, schränkt 

jedoch auch die Anzahl der zur Verfügung stehenden formalen Sprachen ein. 

Nachdem eine Entscheidung hinsichtlich der Auswahl einer Sprache getroffen wurde (für das KO- 

WIEN-Projekt sind die nahe liegenden Alternativen – unter anderem wegen der zur Verfügung stehenden 

Computer-Werkzeuge – zum Beispiel F-Logic, RDF(S), DAML+OIL und OWL), transformiert 

das Projektteam das konzeptuelle Modell in eine formale Darstellung. Dabei sollen die an die 

Spezifikation gestellten Anforderungen der Benutzer und Entwickler ebenso beachtet werden wie 

die bereits erläuterten generellen Design-Kriterien, insbesondere Klarheit, Objektivität, Formalität, 

Kohärenz, Erweiterbarkeit und minimale Verzerrung durch die Kodierung. 

Wenn während der Formalisierung Fehler, Widersprüche oder Unklarheiten entdeckt werden, müssen 

die Ontologieentwickler diese analysieren und abhängig vom Ursprung des Fehlers entsprechend 

reagieren. Bei einem formalen Fehler, zum Beispiel in der Syntax, ist nur die formalsprachliche 

Darstellung zu überprüfen und zu verbessern. Falls aber ein inhaltliches (konzeptuelles) Problem 

vorliegt oder relevante Informationen fehlen, muss die Konzeptualisierung überarbeitet oder 

sogar erneut zusätzliches Wissen akquiriert werden. 

Nachdem durch die Transformation die Spezifikation der Konzeptualisierung erstellt wurde, implementiert 

das Projektteam die Ontologie im Rahmen einer Computer-Anwendung, damit sie in den 

Anwendungsbereichen auch computerbasiert genutzt werden kann. Diese Software dient zur Realisierung 

des Kompetenzmanagementsystems, daher gehört dazu unter anderem die Entwicklung von 

Oberflächen für die Benutzerinteraktion (beispielsweise für die Visualisierung und Verwaltung von 

Kompetenzprofilen) ebenso wie die Programmierung/Verwendung einer Überwachung der Integritäts- 

und Inferenzregeln, etwa in Form einer Inferenzmaschine. 

Für die Unterstützung bei der formalsprachlichen Repräsentation des konzeptuellen Modells und ihrer 

Integration als Teil eines Kompetenzmanagementsystems können die schon in Kapitel 

2.3.2.2.1.3 vorgestellten Software-Umgebungen OntoEdit, KAON, Protégé-2000 oder Ontolingua 

eingesetzt werden. 

29) Vgl. USCHOLD/KING (1995) S. 3.


2.3.2.2.1.5 Evaluation 

Bevor die Kompetenzontologie eingeführt und benutzt werden kann, muss sie im Hinblick auf die 

Erfüllung der Benutzeranforderungen und ihre generelle Anwendbarkeit im IT-Systemumfeld bewertet 

werden. In dieser Phase wird daher eine Evaluation der Ontologie vorgenommen, das heißt 

eine Beurteilung ihrer Qualität hinsichtlich eines Bezugsrahmens 30) , den die Anforderungsspezifizierung 

bildet. Dabei wird zwischen Verifikation und Validation der Ontologie unterschieden: Die 

Verifikation untersucht die Frage, ob die Ontologie korrekt aufgebaut wurde und im Sinne der formalen, 

insbesondere der nicht-funktionalen Anforderungsspezifizierung korrekt ist, während bei der 

Validation geprüft wird, ob das Programm in einer bestimmten Zielumgebung lauffähig ist und insbesondere 

die vom Benutzer gewünschten Funktionalitäten liefert. 31) 

Wie in der Abbildung 43 auf S. 396 veranschaulicht, wird die Ontologie zunächst verifiziert, also 

auf ihre Konsistenz und Korrektheit und auf ihre Konformität zur formalen, insbesondere nichtfunktionalen 

Anforderungsspezifizierung überprüft. Daran sind sowohl die Ontologieentwickler als 

auch Domänenexperten beteiligt, da einerseits die formale Fehlerfreiheit (die Syntax) der Ontologie, 

andererseits auch die inhaltliche Richtigkeit (die Semantik) beurteilt werden muss. Die Verifizierer 

analysieren die einzelnen Bestandteile der Ontologie und untersuchen dabei, ob alle Konzepte, 

Relationen und Regeln korrekt definiert sind. Außerdem werden die Aussagen aller Integritäts- 

und Inferenzregeln auf ihre formale Fehlerfreiheit und auf ihre Konsistenz untereinander sowie zu 

den ermittelten Konzepten und Relationen geprüft. Geringere bei der Verifikation festgestellte 

Mängel werden direkt verbessert und dokumentiert. Wenn umfangreichere Änderungen erforderlich 

sind, sollten die Fehler zunächst in ein Evaluationsdokument eingetragen und die notwendigen Aktionen 

später entschieden werden. 

Sobald alle Konzepte, Relationen und Regeln auf ihre Erfüllung der Benutzer- und der Entwickleranforderungen 

(also auch hinsichtlich der in Kapitel 2.3.2.2.1.3 auf S. 381 genannten allgemeinen 

Design-Kriterien für Ontologien: Klarheit, Kohärenz, Erweiterbarkeit und minimale ontologische 

Verpflichtung) analysiert sind, beginnt das Projektteam mit der Validation. Dabei bewerten die 

Entwickler zusammen mit Vertretern der Benutzer, ob die Ontologie tatsächlich die erforderlichen 

sprachlichen Ausdrucksmittel für den betreffenden Realitätsausschnitt bereitstellt, den sie repräsentieren 

soll. Von besonderer Bedeutung bei der Validation ist der Vergleich mit dem im Rahmen der 

funktionalen Anforderungsspezifizierung definierten Hauptziel, also der ursprünglichen Intention 

der Ontologieentwicklung. Die fertig gestellte Ontologie muss das Ziel erfüllen und dafür diejenigen 

Leistungen erbringen, die in den Benutzeranforderungen als zu implementierende Funktionalitäten 

definiert wurden. Auch an dieser Stelle der Evaluation müssen umfangreichere Änderungsvorschläge 

im Evaluationsdokument festgehalten werden. Wenn die Beteiligten alle Bestandteile der 

Ontologie daraufhin getestet haben, ob sie ausreichend sind für das festgelegte Ziel, kann die Validation 

als abgeschlossen angesehen werden. 

Es ist jedoch wichtig, dass auch die Anwendbarkeit der Ontologie in ihren späteren Anwendungsbereichen 

gewährleistet ist. Daher sollte, sobald alle Komponenten des gesamten Kompetenzmanagementsystems 

implementiert sind, die Ontologie als Teil dieses Systems in den Anwendungsbereichen 

getestet werden. Durch eine Simulation der tatsächlichen Nutzung im Unternehmen können 

30) Vgl. GÒMEZ-PÉRÉZ (1994) S. 11. 

31) Die vermutlich meist zitierte Definition dieser beiden Aktivitäten ist die Formulierung von BOEHM (1988) S. 205. Er 

beschreibt Validation mit „are we building the right product?” und Verifikation durch „are we building the product right?”.


die Entwickler die Erfüllung der technischen Anforderungen, etwa die Interoperabilität und Kooperation 

mit anderen Systemen wie SAP, überprüfen. Auf der anderen Seite spielt auch die Benutzerfreundlichkeit 

der Bedienung, die unter anderem durch die Performanz und die Zugangsmöglichkeiten 

der verschiedenen Benutzer beeinflusst wird, eine große Rolle, da sich der Nutzen der Ontologie 

aus der Akzeptanz unter den Benutzern ergibt. 

Die Aktivität des Testens in den Anwendungsbereichen wird als Bestandteil der Validation angesehen, 

ihre Durchführbarkeit ist jedoch abhängig von der Implementierung des gesamten Kompetenzmanagementsystems, 

dessen Fertigstellung nicht mit dem Abschluss der Ontologieimplementierung 

zusammenfallen muss. Dennoch sollen auch die Ergebnisse der Anwendungsevaluation in 

das Evaluationsdokument einfließen, um anschließend anhand der festgestellten Mängel der Ontologie 

die weiteren Schritte zu planen. Geringe Fehler können sofort behoben werden, während gravierende 

formale Mängel zu einer erneuten Formalisierung und damit zu einer Modifikation der 

Ontologie führen. Wenn schwerwiegende inhaltliche Probleme vorliegen, muss das gesamte konzeptuelle 

Modell überarbeitet werden (und auch alle der Konzeptualisierung nachfolgenden Phasen 

müssen noch einmal durchlaufen werden). Falls alle Beteiligten darin übereinstimmen, dass die Ontologie 

den Zielen und Benutzerwünschen und somit der Anforderungsspezifikation gerecht wird, 

kann mit ihrer Einführung im Rahmen des Kompetenzmanagementsystems begonnen werden. 

Wie auch in den anderen Phasen der Ontologieentwicklung ist bei der Evaluation die Nutzung von 

Software-Werkzeugen zu empfehlen, um das Vorgehen zu erleichtern, möglicherweise (teilweise) 

zu automatisieren und den Überblick zu behalten. Bisher existieren jedoch auch in der Literatur nur 

wenige explizit für die Ontologieevaluation entwickelte Anwendungen, beispielsweise OCM 32) sowie 

OntoAnalyser und OntoGenerator. 33) 

2.3.2.2.2 Phasen der Ontologiepflege 

Die vorliegende Version 2.0 des KOWIEN-Vorgehensmodells berücksichtigt auch die Pflege von 

bereits entwickelten Ontologien, indem generell davon ausgegangen wird, dass nach der Beendigung 

der Entwicklung auf den Anfang des Vorgehensmodells gesprungen wird. Anschließend werden 

die Phasen aus Kapitel 2.3.2.2.1 (S. 376 ff.) erneut durchlaufen. Dabei wird jedoch während der 

Phase der Konzeptualisierung davon ausgegangen, dass der „Top-Down-Ansatz“ verfolgt wird, weil 

die angewendeten Ontologien eine Strukturierung des vorhandenen Wissens im Unternehmen bedeuten. 

Dieser pragmatische Ansatz sichert aufgrund von Klarheit und Einfachheit eine Verwendung 

des Vorgehensmodells in der Praxis. 

32) Der „Ontological Constraints Manager“ (OCM) wurde ursprünglich zur Konsistenzprüfung für die Verbesserung der Systemzuverlässigkeit 

entwickelt; das Werkzeug hat jedoch vielfältige Anwendungsmöglichkeiten und kann auch für die Evaluation 

von Ontologien selbst eingesetzt werden. Vgl. KALFOGLOU/ROBERTSON/TATE (1999) S. 13 ff. 

33) „OntoAnalyser“ und „OntoGenerator“ sind zwei Plug-Ins für das bereits erwähnte „OntoEdit“. An dieser Stelle ist besonders 

OntoAnalyser von Bedeutung, da die Anwendung zur Überprüfung von Ontologieeigenschaften dient (z.B. sprachliche Konformität 

und Konsistenz), während OntoGenerator für die Evaluation ontologiebasierter Anwendungen konstruiert wurde. 

Vgl. dazu ANGELE/SURE (2001) S. 3 ff.


2.3.2.2.3 Phasenübergreifende Unterstützungsleistungen 

Als phasenübergreifende Unterstützungsleistungen, die während der gesamten Entwicklung anzuwenden 

sind, werden im KOWIEN-Vorgehensmodell in der Version 2.0 die Unterstützungsleistungen 

Dokumentation und Projektmanagement unterschieden. 

2.3.2.2.3.1 Dokumentation 

Für die jeweils nachfolgenden Aktivitäten im Ontologieentwicklungsprozess, aber auch für spätere 

Modifikationen oder Wiederverwendungen der Ontologie ist eine gründliche Dokumentation von 

großer Bedeutung. 34) Aus diesem Grund soll das Projektteam parallel zur Ontologiekonstruktion eine 

genaue Beschreibung der relevanten Projektentscheidungen und -ergebnisse in digitaler (oder 

schriftlicher) Form anfertigen. Unabhängig vom aktuellen Stand der Entwicklung müssen der Prozessablauf 

verfolgt und wichtige Ereignisse festgehalten werden. Ein solches Ereignis ist beispielsweise 

das Erreichen eines Meilensteins im Projekt, etwa der (vorläufige) Abschluss einer Phase. 

Die dabei als Ergebnisse entstandenen Artefakte (Anforderungsspezifikation, Konzeptualisierung, 

Ontologie usw.) bilden einen bedeutenden Teil der Dokumentation. 

Schwieriger, aber ebenfalls essentiell für die Verbesserung der Nachvollziehbarkeit und der Akzeptanz 

der Ontologie ist die digitale (oder schriftliche) Fixierung wichtiger Entscheidungen 35) bezüglich 

des Vorgehens bei der Entwicklung. Während des gesamten Entwicklungsprozesses müssen die 

Mitglieder des Projektteams für diese Entscheidungen alle in Betracht gezogenen Alternativen, die 

letztendlich vorgenommene Auswahl und die dabei relevanten Gründe detailliert dokumentieren, 

um das Vorgehen für spätere Revisionen und für Rückfragen durch Personen, die nicht an dem 

Entwicklungsprozess beteiligt waren, transparent zu machen. 

Parallel zur Durchführung der einzelnen Aktivitäten entstehen Dokumente wie Auflistungen der 

Benutzer der Ontologie, der Wissensträger hinsichtlich der im Unternehmen verteilten Kompetenzen 

und der bei der Ontologiekonstruktion eingesetzten Wissensakquisitionstechniken. 

Die Dokumentation der Ontologieentwicklung ist erst abgeschlossen, wenn auch der Entwicklungsprozess 

selbst beendet ist. Auch in dieser phasenübergreifenden Unterstützungsleistung ist die Nutzung 

von Computerunterstützung sinnvoll. Der Einsatz einfacher Microsoft-Office-Produkte oder 

von Software für kooperatives Arbeiten (Computer Supported Cooperative Work) verringert unter 

anderem den Koordinationsaufwand bei der Zusammenarbeit mehrerer Personen. Die meisten Ontologieentwicklungswerkzeuge 

bieten eine Hilfestellung für die Dokumentation, indem sie die digitale, 

formale und oft auch graphische Darstellung erleichtern und außerdem das Einfügen von 

Kommentaren und Erläuterungen im Quellcode erlauben. 


35) An dieser Stelle ist die Bedeutung von „wichtig“ kontextspezifisch und schwierig zu definieren; besondere Aufmerksamkeit 

sollte jedoch solchen Entscheidungen gelten, die die Arbeit mehrerer Personen nachhaltig betreffen.


2.3.2.2.3.2 Projektmanagement 

Die Ausführungen aus dem vorangegangenen Kapitel gelten im Groben auch für den Unterstützungsprozess 

Projektmanagement. Unter Projektmanagement wird hier das Planen, Leiten und 

Lenken eines Projekts subsumiert. 36) Ein Projekt ist ein einmaliger Prozess, der aus einem Satz von 

abgestimmten und gelenkten Tätigkeiten mit Anfangs- und Endtermin besteht und durchgeführt 

wird, um ein Ziel zu erreichen, das spezifische Forderungen erfüllt, wobei Zeit-, Kosten- und Ressourcenbeschränkungen 

eingeschlossen sind. 

Insbesondere die Verfolgung des Projektablaufs wird dem Projektmanagement zugerechnet. Der 

Einsatz spezieller Software (beispielsweise MS-Project von Microsoft) kann das Management der 

Ontologiekonstruktion erheblich erleichtern und gleichzeitig wiederum die Dokumentation unterstützen, 

z.B. bei der automatischen Generierung von Reports. 

Im Vorgehensmodell finden sich die Objekte der Dokumentation und des Projektmanagements im 

oberen rechten Teil der graphischen Darstellung und zum Ende der Ontologiekonstruktion. 

2.3.2.3 Darstellung des generischen Vorgehensmodells 

2.3.2.3.1 Elemente Ereignisgesteuerter Prozessketten 

Durch Ereignisgesteuerte Prozessketten 37) (EPK) wird eine Folge von Funktionen im Sinne eines 

Prozesses dargestellt. Für jede Funktion müssen dabei die Start- und Endereignisse angegeben werden, 

wobei Ereignisse entweder Start oder Abschluss von Funktionen sind. Eine „schlanke“ EPK 

konstituiert sich dabei lediglich aus Funktionen, Ereignissen und Verknüpfungsoperatoren. 38) Diese 

werden mittels Kanten miteinander verbunden. In Abbildung 37 auf S. 388 repräsentieren die abgerundeten 

Felder die einzelnen Funktionen oder Aktivitäten der Ontologieentwicklung, während die 

Sechsecke die Ereignisse oder Zustände darstellen, die den Start oder Abschluss der jeweiligen Aktivität 

markieren. 

Die Bedeutung der Kanten ist abhängig von den Elementen, die sie verbinden: Von einem Ereignis 

zu einer Funktion verlaufend, repräsentieren sie eine „aktiviert“-Beziehung, in der umgekehrten 

Richtung stellen sie dar, dass die Funktion das Ereignis „erzeugt“. Zwischen einer Funktion und einem 

Informationsträger haben sie die Bedeutung „erzeugt Output auf“ und „liefert Input für“; durch 

die Verbindung eines Akteurs mit einer Funktion wird dagegen eine „führt aus“-Relation dargestellt. 

Eine Kante, die zu einer Regel (in Ereignisgesteuerten Prozessketten gibt es UND-, ODER- 

und XOR-Regeln für die logische Verknüpfung) verläuft oder von ihr ausgeht, hat die Bedeutung 

„führt zu“. Die einzelnen Regeln werden jeweils durch einen Kreis mit dem jeweiligen Symbol ihrer 

logischen Verknüpfung dargestellt. 

Erweiterte Ereignisgesteuerte Prozessketten (eEPK) bilden sich aus der „schlanken“ Prozesskette 

und weiteren Elementen. Als weitere Elemente finden sich Informationsträger und das eigentliche 

Kompetenzmanagementsystem als Softwareanwendung im KOWIEN-Vorgehensmodell. 

36) Vgl. LEONHARD/NAUMANN (2002) S. 243. 

37) Vgl. SCHEER (2001) S. 16 u. 108 f.; SEIDLMEIER (2002) S. 70 ff; vgl. daneben auch APKE/DITTMANN (2003b) S. 76 f. 

38) Vgl. SEIDLMEIER (2002) S. 21.


Es werden drei Arten von Informationsträgern unterschieden: Dokumente, Akteure und Werkzeuge. 

Die während der Ontologiekonstruktion entstehenden Dokumente werden durch grau hinterlegte 

Rechtecke, die am unteren Ende geschwungen abgeschnitten werden, dargestellt. In der Regel erfolgt 

die Darstellung direkt neben den Funktionen, durch die sie entstehen. Die runden Felder mit 

der Skizzierung eines Gesichts, die sich auch jeweils an der Seite der entsprechenden Aktivitäten 

befinden, geben die beim Entwicklungsprozess mitwirkenden Akteure (Personen oder Gruppen oder 

Organisationseinheiten) an. Dabei wird davon ausgegangen, dass das Projektteam der Ontologieentwickler 

in jeder Phase an allen Aktivitäten (meist hauptverantwortlich) beteiligt ist, daher 

werden diese Mitarbeiter im Vorgehensmodell nur an den Stellen explizit aufgeführt, wo sie besondere 

Bedeutung für den Prozessablauf haben. Durch einen stilisierten Ordnerrücken werden die 

Werkzeuge, deren Einsatz für die Durchführung einer Aktivität empfohlen wird, jeweils neben der 

zugeordneten Aktivität angegeben. Dabei findet sich links oben von dem Icon der Name des Werkzeugs 

und rechts davon (sofern vorhanden) eine Langbeschreibung des Werkzeugs, die in der Anwendung 

mittels Mausklicks erreicht werden kann. Darunter findet sich (ebenfalls sofern vorhanden) 

ein Beispiel für die Anwendung oder eine Vorlage, die die direkte Anwendung ermöglicht. 

Weil die zusammenhängende Darstellung des gesamten Modells auf einer Seite nicht möglich ist, 

werden Konnektoren in der Darstellung des Vorgehensmodells eingesetzt. Ein Konnektor wird dabei 

jeweils neben die Kante, die zu einem Teil des Modells führt, der nicht mehr abgebildet werden 

konnte, als Platzhalter gesetzt. Die einzelnen Konnektoren werden mit einem an einer Ecke abgewinkelten 

Rechteck dargestellt und besitzen jeweils eine eindeutige Bezeichnung in Form einer römischen 

Zahl. 

Abbildung 37 auf der nächsten Seite verdeutlicht die Anwendung von erweiterten Ereignisgesteuerten 

Prozessketten für die Repräsentation von Vorgehensmodellen anhand eines Ausschnitts aus dem 

KOWIEN-Vorgehensmodell. Die einzelnen Elemente, der Gesamtaufbau und die Komponenten des 

KOWIEN-Vorgehensmodells werden in den anschließenden Kapiteln näher erläutert.


Fragebogen 

Stakeholder Identifizierung 


Beispiel/Vorlage 

Langbeschreibung 


Ontologieentwickler 

Benutzer 

identifizieren 

IT-Abteilung 

Konnektor II 


Competency 

Questions 

Anwendungsfall-Modellierung 

Liste der 

Benutzer 

(-gruppen) 

IT-Abteilung 

Start der Entwicklung 

Ziele 

festlegen 

Ziele sind 

definiert 

Anwendungsbereiche 






Abbildung 37: Beispiel einer eEPK 

Konnektor I 

Anforderungsspezifikation 


Konnektor III 




Beispiel/Vorlage


2.3.2.3.2 Elemente im KOWIEN-Vorgehensmodell 

Folgende Objekte werden im Einzelnen im KOWIEN-Vorgehensmodell berücksichtigt: 

Schriftliche Befragung 

Competency 

Questions 

Symbol Bezeichnung Kurzerläuterung 


Personalbogen 




KMS 


Dokument 

Werkzeug 

Akteur 

Anwendung 

Ereignis 

Ein Dokument entsteht in der Regel während der Ontologieentwicklung 

und dient insbesondere der Dokumentation 

der Ergebnisse. Die Langbeschreibung enthält 

nähere Erläuterungen zur Art des Dokuments. Unterhalb 

der Langbeschreibung kann sich ein Beispiel 

oder eine Vorlage zur Arbeitserleichterung befinden. 

Ein Dokument gehört zur Gruppe der Informationsträger. 

Die zur Arbeitserleichterung und Durchführung der 

Prozessschritte notwendigen Werkzeuge werden mittels 

eines stilisierten Ordnerrückens dargestellt. Die 

Langbeschreibung enthält nähere Erläuterungen zur 

Art des Werkzeugs. Unterhalb der Langbeschreibung 

kann sich ein Beispiel oder eine Vorlage zur Anwendung 

befinden. 

Ein Werkzeug gehört zur Gruppe der Informationsträger. 

Mittels eines „Gesichts“ werden Akteure kenntlich 

gemacht, die bei einer bestimmten Durchführung eines 

Prozessschrittes von hervorgehobener Bedeutung sind, 

z.B. weil sie als einzige über notwendige Kenntnisse 

verfügen oder weil sie besondere Verantwortung tragen. 

Als Akteure wurden Ontologieentwickler, IT- 

Abteilung, Personalabteilung und Benutzer modelliert. 

Ein Akteur gehört zur Gruppe der Informationsträger. 

Das Kompetenzmanagementsystem wird als „die“ 

spezifische Softwareanwendung gesondert, d.h. nicht 

als Informationsträger ausgewiesen. 

Ein Ereignis ist ein Zustand, der vor dem Start oder 

nach dem Ende einer zugehörigen Funktion vorliegt.


Symbol Bezeichnung Kurzerläuterung 

Ziele 

festlegen 

Konnektor I 

Funktion 

Und-Regel 

exklusive 

Oder-Regel 

inklusive 

Oder-Regel 

Konnektor 

Durchgezogene 

Kante 

Gestrichelte 

Kante 

Gepunktete Kante 

Eine Funktion ist eine Aufgabe oder Tätigkeit an einem 

Objekt zur Unterstützung des Hauptziels des 

Vorgehensmodells, der Entwicklung einer Kompetenzontologie. 

Sie kann nur ausgeführt werden, wenn 

zuvor ein bestimmtes Ereignis eingetreten ist. 

Die Und-Regel stellt eine logische Verknüpfung dar. 

Sie wird genutzt, um parallele Abläufe darzustellen. 

Die exklusive Oder-Regel stellt eine logische Verknüpfung 

dar. Sie wird genutzt, um alternative Abläufe 

darzustellen. 

Die inklusive Oder-Regel stellt eine logische Verknüpfung 

dar. Sie wird genutzt, um parallele und alternative 

Abläufe darzustellen. 

Ein Konnektor verbindet zwei Modelle eindeutig. 

Beziehungen werden mittels Pfeilen 

zwischen den Elementen dargestellt. 

Durchgezogene Kanten verbinden im Sinne einer Reihenfolge 

Funktionen und Ereignisse. 



Gestrichelte Kanten verbinden Informationsträger mit 

Funktionen. 



Gepunktete Kanten verbinden einzelne Modelle. 

Durch die Kombination dieser Elemente zu erweiterten Ereignisgesteuerten Prozessketten können 

Prozesse auf abstrakter und anschaulicher Ebene modelliert werden.


2.3.2.3.3 Graphische Darstellung 

2.3.2.3.3.1 Gesamtdarstellung (Skizze) 


Fragebogen Anforderungsspezifizierung 




Evaluation 

Benutzer 

Begriffssammlung 

Inferenzregeln 

aufstellen (iterativ) 

gravierende 

formale Mängel 

festgestellt 


Stakeholder Identifizierung Langbeschreibung 


Brainstorming Langebeschreibung 

Mind Map Langbeschreibung 

Strukturierte Befragung Langbeschreibung 


Benutzer 


Benutzer sind 

identifiziert 

Mitarbeiterbeurteilung Langbeschreibung 


Unstrukturierte Befragung Langbeschreibung 


Schriftliche Befragung Langbeschreibung 


Psychologische Tests Langbeschreibung 

Assessment Center Langbeschreibung 


Beobachtung Langbeschreibung 



Unified Modeling Language Langbeschreibung 

ER-Modell Langbeschreibung 

Semantische Netze Langbeschreibung 

Frames Langbeschreibung 

CommonKADS Langbeschreibung 

Checkliste 

Projektplan 

Integrationsplan 

Lösungskonzept 

Installationsanleitung 

Testvorschriften 

Kompetenzwissenunstrukturiert 

relevante Begriffe 

ordnen 

Terminologie- 

"Inseln" sind 

erstellt 

"Inseln" 

zusammenführen 

(iterativ) 

Terminologie 

ist erstellt 


gravierende 

inhaltliche Mängel 

festgestellt 

Integritätsregeln 


Liste der 

Benutzer 

(-gruppen) 

Anforderungen sind 

unvollständig 

Terminologie- 

"Inseln" 

Wissensträger 



sind identifiziert 


befragen 

Befragungen 

beendet 

Befragungen 

auswerten 



IT-Abteilung 



Competency 

Questions 


Anwendungsfall-Modellierung Langbeschreibung 

Kasseler-Kompetenz-Raster Langbeschreibung 



Benutzer 

Benutzer 

Liste der 

Benutzer 

(-gruppen) 

IT-Abteilung 

IT-Abteilung 

Systemarchäologie 

PROLOG Langbeschreibung 


Loom Langbeschreibung 

F-Logic Langbeschreibung 

Ontologie 


Evaluationsdokument 



Workshop 

Feldbeobachtung 

Vorbereitung 

durchführen 


Ziele 

festlegen 

Ziele sind 

definiert 


Anforderungen des 

Umfeldes 


Anforderungen sind 

(vorläufig) 

vollständig 

IT-Abteilung 

Wissensträgerkarte 


Dokumentation der 

Erhebungstechniken 





Unified Modeling Language Langbeschreibung 

KIF Langbeschreibung 

Ontolingua Langbeschreibung 

DAML+OIL Langbeschreibung 

RDF(S) Langbeschreibung 



Benutzerhandbuch 


XML Langbeschreibung 

OWL Langbeschreibung 



Frames 





Liste der 

relevanten 

Dokumente 


Begriffe, 

Relationen 

identifiziert 

Wissen über 

Kompetenzen 

analysieren 

Kompetenzwissen 

strukturiert 

Basisbegriffe 

strukturieren 


Top-Level- 

Terminologie 

ist erstellt 



Ontobroker Langbeschreibung 

Ontologie-Evaluationsfragebogen 

OntoEdit Langbeschreibung 

Protégé Langbeschreibung 

Projektprotokoll 

IT-Abteilung 


IT-Abteilung 

Benutzer 



Benutzeranforderungen 

sind 

vollständig. 


Potentielle 

Benutzer identifizieren 

Start der 

Anforderungserhebung 

der Benutzer 

Identifizierte 

Benutzer 

werden befragt. 

Befragung wird 

abgeschlossen. 

Befragungsdaten 

werden zusammengetragen 

und 

analysiert. 

Auswertung wird 


Prüfung hinsichtlich 

Vollständigkeit. 



Reviews 

Übereinstimmung 

zwischen 

Beteiligten 

formale 

Sprache 

auswählen 

Sprache ist 

ausgewählt 

Benutzer 

Benutzer 

Benutzer 


ist 

erstellt 



Ontologie in 

formale Darst. Ontologie 


transformieren 

keine 

Fehler 

entdeckt 

Ontologie 

implementieren 

Ontologie 

ist implementiert 

KMS 



Ontologie 

verifizieren 

geringe 


festgestellt 

Fehler aus Verifikation 

korrigieren 

Verifikation 

abgeschlossen 

Ontologie 

validieren 

Fehler aus Validation 

korrigieren 

Validation 

abgeschlossen 

in Anwendungsbereichen 

testen 

Fehler aus Verifikation 

korrigieren 



abgeschlossen 

Dokumentation 

ist beendet 

Entwicklung beenden 


Ontologie 


Top-Level- 

Terminologie 


sind 

nicht vollständig. 

Terminologie 

verfeinern 

und ergänzen 

(iterativ) 




Entwicklung 

noch nicht 

abgeschlossen 

relevante Verzeichnisse 


Verzeichnisse sind 

identifiziert 

Verzeichnisse 

untersuchen 

relevante 

Dokumente 

identifiziert 

Dokumente 

analysieren 

Glossar 

Ontologie 


Dokumentation 



abschließen 

Abschlussdokument 







Start 

geringe 


festgestellt 

geringe 

Mängel in 

Anwendungsbereichen 

festgestellt 

Ende 







IT-Abteilung 

IT-Abteilung 









gravierende formale 

Mängel in 


festgestellt 



Nebenbedingen 

dokumentieren 


Verbesserungen 

erforderlich 

Beginn 


Prozessablauf, 

Entscheidungen 

verfolgen 

wichtige 

Entscheidung 

getroffen 

Liste der 

Benutzer 

(-gruppen) 

Annahmen 

dokumentieren 



Liste von 

Meilensteinen 

und wichtigen 


Entscheidung 

dokumentiert 

Prozessablauf 

verfolgen 

Projektplan 

gravierende inhaltliche 

Mängel in 


festgestellt 

Abbildung 38: Phasenmodell – Skizze Gesamtansicht 

Phase 

abgeschlossen 

Ergebnisse 

dokumentieren 

Ergebnis 

dokumentiert 

Unklarheiten/ 

Widersprüche 

entdeckt 

Fehler 

analysieren 

relevante 

Informationen 

fehlen 







syntaktische 

Fehler bei 

der Formalisierung 

Ontologie 







relevante 

Informationen 

fehlen


2.3.2.3.3.2 Einzelphasen 

2.3.2.3.3.2.1 Anforderungsspezifizierung 



Stakeholder Identifizierung Langbeschreibung 



Benutzer 


Benutzer sind 

identifiziert 

Anforderungen 

sind 

unvollständig 

Liste der 

Benutzer 

(-gruppen) 



Competency 

Questions 

IT-Abteilung 



Anwendungsfall-Modellierung Langbeschreibung 


IT-Abteilung 

Liste der 

Benutzer 

(-gruppen) 

Workshop 


IT-Abteilung 



sind 

vollständig. 

IT-Abteilung 


Vorbereitung 

durchführen 

Start der 

Entwicklung 

Ziele 

festlegen 

Ziele sind 

definiert 




sind 

identifiziert 

Potentielle 

Benutzer 


Start der 

Anforderungserhebung 

der Benutzer 

Identifizierte 

Benutzer 

werden befragt. 

Befragung wird 


Befragungsdaten 

werden zusammengetragen 

und 

analysiert. 

Auswertung 

wird 


Prüfung 

hinsichtlich 

Vollständigkeit. 

Anforderungen 

des Umfeldes 


Konnektor I 

Anforderungen 

sind 

(vorläufig) 

vollständig 

Abbildung 39: Phasenmodell – Anforderungsspezifizierung 

Start 


sind nicht 

vollständig. 


Konnektor II 

Anforderungsspezifikation Langbeschreibung 

Benutzer 







Beispiel/Vorlage


2.3.2.3.3.2.2 Wissensakquisition 


Mitarbeiterbeurteilung Langbeschreibung 

Assessment Center Langbeschreibung 

Brainstorming Langebeschreibung 

Mind Map Langbeschreibung 


Strukturierte Befragung Langbeschreibung 


Unstrukturierte Befragung Langbeschreibung 


Schriftliche Befragung Langbeschreibung 


Psychologische Tests Langbeschreibung 

Beobachtung Langbeschreibung 

Konnektor VI 

W issensträger 





befragen 

Befragungen 

beendet 

Befragungen 

auswerten 

Kasseler-Kompetenz-Raster Langbeschreibung 

IT-Abteilung 

Wissensträgerkarte Langbeschreibung 




Liste der 

relevanten 

Dokumente 



Begriffe, 

Relationen 

identifiziert 

Konnektor I 

Konnektor IV Konnektor V 

Abbildung 40: Phasenmodell – Wissensakquisition 

relevante 

Verzeichnisse 


Verzeichnisse 


Verzeichnisse 

untersuchen 

relevante 

Dokumente 

identifiziert 

Dokumente 

analysieren 


Konnektor III


2.3.2.3.3.2.3 Konzeptualisierung 

Benutzer 


KompetenzwissenunstrukturiertBegriffssammlung 

Terminologie- 

"Inseln" 

relevante Begriffe 

ordnen 

UML Langbeschreibung 








Terminologie- 

"Inseln" sind 

erstellt 

"Inseln" 

zusammenführen 

(iterativ) 

Terminologie 

ist erstellt 




UML Langbeschreibung 








Konnektor IV Konnektor V 



Wissen über 

Kompetenzen 

analysieren 


strukturiert 

Basisbegriffe 

strukturieren 

Top-Level- 

Terminologie 

ist erstellt 




ist 

erstellt 

Reviews 


zwischen 

Beteiligten 


Benutzer 

Top-Level- 

Terminologie 


Terminologie 

verfeinern 

und ergänzen 

(iterativ) 


Benutzer 

Abbildung 41: Phasenmodell – Konzeptualisierung 


erforderlich 

relevante 

Informationen 

fehlen 

Konnektor VII Konnektor VIII Konnektor IX Konnektor X


2.3.2.3.3.2.4 Implementierung 

PROLOG Langbeschreibung 

Loom Langbeschreibung 

F-Logic Langbeschreibung 

KIF Langbeschreibung 

Ontolingua Langbeschreibung 

DAML+OIL Langbeschreibung 

RDF(S) Langbeschreibung 

XML Langbeschreibung 

OWL Langbeschreibung 



Konnektor XII 


Ontobroker Langbeschreibung 

OntoEdit Langbeschreibung 

Protégé Langbeschreibung 

formale 

Sprache 

auswählen 

Sprache ist 

ausgewählt 

Ontologie in 

formale Darst. 

transformieren 

keine 

Fehler 

entdeckt 

Ontologie 

implementieren 

Ontologie 

ist implementiert 

Konnektor VII 

Konnektor XI 


IT-Abteilung 


Ontologie Langbeschreibung 

KMS 


IT-Abteilung 


Unklarheiten/ 

Widersprüche 

entdeckt 

Fehler 

analysieren 

relevante 

Informationen 

fehlen 

Abbildung 42: Phasenmodell – Implementierung 

Konnektor III 

syntaktische 

Fehler bei 

der Formalisierung 

Konnektor X


2.3.2.3.3.2.5 Evaluation 

Konnektor VI Konnektor XII 


Konnektor XI 

Konnektor VIII Konnektor II 

Checkliste 

Testvorschriften 

gravierende 


festgestellt 

Integrationsplan 


gravierende 

inhaltliche 

Mängel 

festgestellt 

Lösungskonzept 

Installationsanleitung Benutzerhandbuch 


Ontologie-Evaluationsfragebogen 




Benutzer 


Benutzer 




IT-Abteilung 

Benutzer 







Ontologie 

verifizieren 

geringe 


festgestellt 

Fehler aus 

Verifikation 

Verifikation 

abgeschlossen 

Ontologie 

validieren 


geringe 

inhaltliche 

Mängel 

festgestellt 

Fehler aus 

Validation 

Validation 

abgeschlossen 


testen 

geringe 

Mängel in 


Fehler aus 

Verifikation 


abgeschlossen 

Dokumentation 

abschließen 

Dokumentation 

ist beendet 

Entwicklung 

beenden 

Ende 

Projektplan 


Abbildung 43: Phasenmodell – Evaluation 


Glossar 




gravierende 




Konnektor IX 

gravierende 


in Anwendungsbereichen


2.3.2.3.3.3 Phasenübergreifende Unterstützungsleistungen 

Konnektor II 

Entwicklung 

noch nicht 

abgeschlossen 

Nebenbedingen 

dokumentieren 

Beginn Projektmanagement 

Prozessablauf, 


verfolgen 

wichtige 

Entscheidung 

getroffen 

Liste der 

Benutzer 

(-gruppen) 



Liste von 

Meilensteinen 

und wichtigen 


Entscheidung 

dokumentiert 

Prozessablauf 

verfolgen 




Annahmen 

dokumentieren 




Projektplan 



Phase 

abgeschlossen 

Ergebnisse 

dokumentieren 

Ergebnis 

dokumentiert 

geringe 

Mängel in Anwendungsbereichen 

festgestellt 

Fehler aus 

Verifikation 


abgeschlossen 

Dokumentation 

abschließen 

Dokumentation 

ist beendet 

Entwicklung 

beenden 

Ende 






Glossar 








Abbildung 44: Phasenmodell – Phasenübergreifende Unterstützungsleistungen


2.3.2.3.4 Weiter gehende Erläuterungen 

Die weiter gehenden Erläuterungen zu den Elementen des Vorgehensmodells werden im Folgenden 

exemplarisch für das Phasenmodell Anforderungsspezifizierung wiedergegeben. Die Auflistung der 

einzelnen Elemente erfolgt separat nach Funktionen, Ereignissen und Informationsträgern in alphabetischer 

Reihung der jeweiligen Bezeichner. Es werden für jedes Element immer der eindeutige 

Identifizierer und eine Definition oder Beschreibung angegeben. Die Informationsträger enthalten 

weitere Angaben zu Langbeschreibungen und Beispielen oder Vorlagen, zumeist in einer Quellenangabe. 

Diese Quellenangaben sind im webbasierten KOWIEN-Vorgehensmodell hinterlegt und 

durch Anwahl des entsprechenden Elements erreichbar. 

Auf die nähere Erläuterung weiterer Modellelemente, beispielsweise strukturbildender Verbindungen, 

wird an dieser Stelle verzichtet, um den Umfang der Darstellung auf die wesentlichen Modellinhalte 

zu beschränken und dem Leser einen ersten Eindruck zu ermöglichen. Zu vertiefenden Erläuterungen 

sei an dieser Stelle lediglich auf die Projektberichte APKE/DITTMANN (2003b) und 

APKE/DITTMANN (2004) verwiesen. 

2.3.2.3.4.1 Funktionen 

Anforderungen sind unvollständig 

Identifizierer: STD.4511 

Beschreibung/Definition: 

Anforderungen sind (vorläufig) vollständig 



Anwendungsbereiche sind identifiziert 



Auswertung wird abgeschlossen 



Die zuständigen Mitarbeiter der IT-Abteilung entscheiden, dass die Anforderungen 

noch nicht vollständig erhoben worden sind. 

Die zuständigen Mitarbeiter der IT-Abteilung entscheiden, dass die Anforderungen 

als (vorläufig) vollständig erhoben gelten können. 

Nach der Erstellung eines Dokuments, das die ermittelten Anwendungsbereiche 

aufzeigt, sind diese identifiziert. 

Mit der Erstellung einer Anforderungsspezifikation wird die Auswertung abgeschlossen.


Befragung wird abgeschlossen 



Benutzer sind identifiziert 



Benutzeranforderungen sind vollständig 


Wurden alle identifizierten Benutzer umfassend befragt, so wird die Befragung 

beendet. 

Nach der Erstellung eines Dokuments, das die ermittelten Benutzer aufzeigt, sind 

diese identifiziert. 

Beschreibung/Definition: Sind die Anforderungen vollständig, so wird der Unterprozess beendet. 

Benutzeranforderungen sind nicht vollständig 



Start 



Start der Anforderungserhebung der Benutzer 


Sollte festgestellt werden, dass nicht ausreichend Anforderungen erhoben worden 

sind, so wird der Prozess erneut durchlaufen. 

Es ist entschieden, dass ein computerbasiertes Kompetenzmanagementsystem 

implementiert wird. 

Beschreibung/Definition: Es wird begonnen, die Anforderungen der Benutzer zu erheben. 




Die eigentlichen Phasen der Entwicklung gemäß des Top-Levels des KOWIEN- 

Vorgehensmodells werden begonnen.


Ziele sind definiert 



2.3.2.3.4.2 Ereignisse 

Anforderungen des Umfeldes identifizieren 



Anwendungsbereiche identifizieren 



Die Ziele, die bei einem Einsatz eines Kompetenzmanagementsystems erreicht 

werden sollen, wurden festgelegt. 

Die Anforderungen durch das technische und organisatorische Umfeld müssen erhoben 

werden. Es muss ermittelt werden, welche IT-Systeme bereits vorhanden 

sind, auf welche Applikationen zurückgegriffen werden kann und in welcher Umgebung 

das Kompetenzmanagementsystem betrieben werden soll. Weiterhin muss 

geklärt werden, wie das System innerhalb der Organisation ausgelegt werden soll 

(beispielsweise durch Einbeziehung des Betriebsrats). 

Die Anwendungsbereiche für das Kompetenzmanagementsystem werden identifiziert. 

Anwendungsbereiche werden bezüglich Organisation und IT-Infrastruktur 

unterschieden. 

Befragungsdaten werden zusammengetragen und analysiert 



Benutzer identifizieren 



Die von den zukünftigen Benutzern gestellten Anforderungen an das Kompetenzmanagementsystem 

werden zentral zusammengestellt und ausgewertet. 

Die späteren Benutzer des Kompetenzmanagementsystems werden identifiziert 

und festgelegt.


Identifizierte Benutzer werden befragt 



Potenzielle Benutzer identifizieren 



Erstellzeitpunkt: 16.06.2004 12:34:56 

Prüfung hinsichtlich Vollständigkeit 



Vorbereitung durchführen 



Ziele festlegen 



Mittels qualitativer Interviews, Fragebögen und Use Cases werden die identifizierten 

Benutzer hinsichtlich ihrer Anforderungen an ein Kompetenzmanagementsystem 

befragt. 

Die potenziellen Benutzer des Kompetenzmanagementsystems werden identifiziert. 

Mit der Hilfe der potenziellen Benutzer sollen später die Anforderungen 

an das Kompetenzmanagementsystem erhoben werden. 

Die Daten der Analyse werden auf ihre Vollständigkeit von Ontologieentwickler 

und IT-Abteilung überprüft. 

Das Team wird zusammengestellt. Ein Zeitplan wird erstellt und das Budget 

festgelegt. 

Die Ziele, welche bei einem Einsatz eines Kompetenzmanagementsystems 

erreicht werden sollen, werden festgelegt. Insbesondere hinsichtlich der 

Funktionalität, die mit dem System abgedeckt werden soll, müssen die Ziele 

formuliert werden.


2.3.2.3.4.3 Informationsträger 



Langbezeichnung: KOWIEN Projektbericht 2/2004 


Bemerkung/ Beispiel: Anforderungsspezifikation.doc 

Titel 1: Beispiel/Vorlage 

Titel 2: Langbeschreibung 

Verknüpfung: 

Anwendungsfall-Modellierung 


Langbezeichnung: KOWIEN-Projektbericht 5/2002 


Die Anforderungsspezifikation legt präzise, detailliert und (so weit wie möglich) 

nachprüfbar fest, was von dem zu entwickelnden Kompetenzmanagamentsystem 

verlangt wird. Im Idealfall stellt sie die ausreichend vollständige und detaillierte 

Basis für den Entwurf des Systems dar. Dazu müssen die erwarteten Eigenschaften 

des Systems exakt spezifiziert werden. In einem Pflichtenheft (der so genannten 

Anforderungsspezifikation) werden die Ergebnisse der Anforderungsspezifizierung 

festgehalten. Ein Pflichtenheft sollte folgende Komponenten enthalten: 

(1) Ziele des ontologiebasierten Kompetenzmanagementsystems; 

(2) Anwendungsfälle, die vom ontologiebasierten Kompetenzmanagementsystem 

unterstützt werden sollen (in der Regel in Kombination mit den Geschäftsprozessen 

eines Unternehmens); 

(3) funktionale und nicht-funktionale Anforderungen an das Kompetenzmanagementsystem 

(z.B.: technische Anforderungen sowie Anforderungen hinsichtlich 

der Benutzerschnittstelle) einerseits und an die Ontologie (intersubjektive Nachvollziehbarkeit, 

Funktionalität) andererseits; 

(4) Auflistung der Dokumente, die bei der Anforderungsspezifizierung verwendet 

oder generiert worden sind. 

http://www.kowien.uni-essen.de/publikationen/ApkeBaeumgenBremerDittmann- 

Anforderungsspezifikation.pdf 

Durch die Anwendungsfall-Modellierung wird ein Überblick über das zu entwickelnde 

Kompetenzmanagementsystem und seine Funktionalität erreicht. Der 

Schwerpunkt der Anwendungsfall-Modellierung sind die in einem Kompetenzmanagementsystem 

auftretenden Geschäftsprozesse und das resultierende Geschäftsergebnis. 

Zwischen dem Geschäftsprozess und dem Geschäftsergebnis


Bemerkung/ Beispiel: Beispiel-Anwendungsfälle.doc 



steht ein Anwendungsfall (Use Case), dessen Bearbeitung durch das Kompetenzmanagementsystem 

unterstützt werden soll. Für die Beschreibung der Anwendungsfälle 

bestehen keine klaren Vorgaben. Aufgrund der Vagheit und Mehrdeutigkeit 

der natürlichen Sprache ist es jedoch ratsam, die Anwendungsfälle in einer 

formalen oder zumindest semi-formalen Sprache (z.B. UML) zu spezifizieren. 

Verknüpfung: http://www.kowien.uni-essen.de/publikationen/Anforderungen.pdf 

Benutzer 



Als Benutzer des Systems werden Selbsteinschätzer, Fremdeinschätzer, Projektteamkonfigurator, 

Expertensuchender und Kompetenzauswertender unterschieden. 

Diese Akteursrollen werden später vom System unterschieden, beispielsweise um 

Zugriffsrechte festzulegen. Ein Selbsteinschätzer ist ein beliebiger Mitarbeiter des 

Unternehmens, der seine Kompetenzen (aus Eigeninitiative oder auf Nachfrage) 

selbst einschätzt und dokumentiert. Ein Fremdeinschätzer ist ein Mitarbeiter des 

Unternehmens (z.B. ein Projekt- oder Abteilungsleiter), der die Kompetenzen eines 

anderen Mitarbeiters einschätzt. Dieser Akteur erfüllt die Aufgabe, basierend auf 

den Kompetenzanforderungen eines konkreten Projekts und den Kompetenzen der 

verfügbaren Mitarbeiter ein Projektteam zusammenzustellen. Das Projektteam 

kann entweder von jemandem zusammengestellt werden, der den Überblick über 

das verfügbare Personal hat (z.B. ein Mitarbeiter der Personalabteilung), aber 

selbst nicht am Projekt mitarbeiten wird, oder vom zukünftigen Projektleiter. 

Ein Expertensuchender stellt zu einem bestimmten Zweck Fragen an das System 

bezüglich der Kompetenz eines Mitarbeiters des Unternehmens. Dabei kann es sich 

z.B. um einen Mitarbeiter handeln, der zur Lösung eines konkreten Problems nach 

einem Kollegen sucht, der über für das Problem relevante Kenntnisse verfügt. 

Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der die Weiterbildungsziele 

definiert und für die zum Erreichen dieser Ziele notwendigen Weiterbildungsmaßnahmen 

verantwortlich zeichnet. Ein Kompetenzauswertender nutzt 

das Kompetenzmanagementsystem, um sich zu Auswertungszwecken eine Übersicht 

über die Kompetenzen des Unternehmens oder einer Organisationseinheit 

anzeigen zu lassen. Er hat die Aufgabe, z.B. für Auftrags- und Projektakquisition, 

für den Aufbau und die Betreuung von Kooperationen mit externen Unternehmenspartnern 

oder für die Personalplanung Bewertungen der vorhandenen Kompetenzen 

vorzunehmen.


Competency Questions 


Langbeschreibung: KOWIEN-Projektbericht 5/2002 


Die Methode der Competency Questions (Kompetenzfragen) erlangt im Rahmen 

der Konstruktion von Ontologien für ein Kompetenzmanagementsystem eine besondere 

Bedeutung. GRÜNINGER und FOX empfehlen, vor der Erstellung einer Ontologie 

so genannte Competency Questions zu formulieren, die von der zu erstellenden 

Ontologie beantwortet werden sollen, und in einem Fragenkatalog zu strukturieren. 

Die Erstellung eines solchen Fragenkataloges kann dazu beitragen, die 

funktionale Vollständigkeit der Ontologie zu erreichen. Competency Questions 

leisten in zweifacher Weise einen Beitrag zur Entwicklung einer Ontologie, die die 

intendierten Anwendungen unterstützt: Erstens kann aus der begrifflichen Struktur 

der Fragen abgeleitet werden, welche Begriffe in der Ontologie enthalten sein sollten. 

Zweitens kann aus dem semantischen Inhalt einer Frage auf potenzielle Anwendungsfälle 

des Kompetenzmanagementsystems (Use Cases) geschlossen werden. 

Bei der Gestaltung der Anwendungsfälle kann sich erneut ein Bedarf nach 

Begriffstrukturierung ergeben. 

Bemerkung/Beispiel: Mustervorlage_Competency_Questions.doc 



Verknüpfung: http://www.kowien.uni-essen.de/publikationen/Anforderungen.pdf 



Langbeschreibung: 


RUPP, C.: Requirements-Engineering und -Management – Professionelle, iterative 

Anforderungsanalyse für IT-Systeme, 2. Auflage, München – Wien 2002, S. 113 f. 

Bei der Feldbeobachtung werden die Anforderungen der Stakeholder durch einen 

Analytiker erhoben. Hierbei lernt der Analytiker die Arbeitsabläufe der Stakeholder 

beim Nutzen des bereits entwickelten Kompetenzmanagementsystems kennen. 

Feldbeobachtungen können im Rahmen der Anforderungsspezifizierung zur Analyse 

von komplexen Arbeitsabläufen eingesetzt werden. Zwar kann ein Analytiker 

bei der Feldbeobachtung die Tätigkeit der Stakeholder unmittelbar beobachten, 

er kann jedoch keine eigenen Erfahrungen bei der Benutzung des Systems sammeln. 

Daher ist keine vollständige Erfassung der Anforderungen mittels der Feldbeobachtung 

sichergestellt.





Bemerkung/Beispiel: Beispiel_Fragebogen.doc 


IT-Abteilung 



Liste der Benutzer (-gruppen) 


Fragebögen können im Rahmen der Anforderungsspezifizierung eingesetzt werden, 

um die Anforderungen der Stakeholder zu erfassen. Dabei können strukturierte und 

unstrukturierte Fragebögen eingesetzt werden. 

Die IT-Abteilung ist für die bisher vorhandene Informationstechnologie im Unternehmen, 

für das ein Kompetenzmanagementsystem entwickelt wird, verantwortlich. 

Insbesondere befasst sie sich mit der vorhandenen Infrastruktur und den 

Möglichkeiten des Datenaustauschs. Deshalb ist es oftmals notwendig, diese 

vorhandene Expertise zu berücksichtigen. 

Beschreibung/Definition: Aufstellung aller Benutzer des Kompetenzmanagementsystems (auch Gruppen). 




Personalentwickler 



Der Ontologieentwickler ist für die Ontologie verantwortlich und entscheidet über 

die Aufnahme neuer Konzepte, die von ihm selbst oder von anderen vorgeschlagen 

werden, sowie über das Löschen von Begriffen aus der Ontologie und über eine 

Änderung in ihrer Struktur. Es ist zu beachten, dass es als konstitutiv für Ontologien 

angesehen wird, dass sie das gemeinsame Verständnis mehrerer Personen über 

die enthaltenen Begriffe widerspiegeln. An der Bewertung und Aufnahme von 

Änderungen sind daher grundsätzlich mehrere Personen beteiligt. Die Funktionen 

des Ontologie-Administrators erfordern neben technischen auch linguistische 

Fähigkeiten. 

Ein Personalentwickler ist ein Mitarbeiter der Personalabteilung, der die Weiterbildungsziele 

definiert und für die zum Erreichen dieser Ziele notwendigen (Weiter-) 

Bildungsmaßnahmen verantwortlich ist.


Stakeholder 


Langbeschreibung: Stakeholder Identifikation 


Mit dem Kompetenzmanagementsystem sollen die Ziele unterschiedlicher Personen 

erfüllt werden. Stakeholder sind alle Personen, die von der Systementwicklung 

auf der einen Seite und der Systemanwendung auf der anderen Seite betroffen sind. 

Die Stakeholder sind Informationslieferanten für die Ziele und die Anforderungen 

an das Kompetenzmanagementsystem. Zu Beginn der Systementwicklung sollten 

alle Stakeholder des Kompetenzmanagementsystems identifiziert werden. 

Bemerkung/Beispiel: Formblatt_Stakeholder_Identifikation.doc 



Verknüpfung: Langbeschreibung_Stakeholder_Ident.doc 



Langbeschreibung: 


RUPP, C.: Requirements-Engineering und -Management – Professionelle, iterative 

Anforderungsanalyse für IT-Systeme, 2. Auflage, München – Wien 2002, S. 119; 

SCHIENMANN, B.: Kontinuierliches Anforderungsmanagement, Prozesse – Techni- 

ken – Werkzeuge, München et al. 2001, S. 90. 

Die Systemarchäologie ist ein Werkzeug zur Erhebung der Anforderungen an ein 

Kompetenzmanagementsystem. Hierbei werden Informationen über das zu entwickelnde 

Kompetenzmanagementsystem aus alten Analyse- und Designdokumenten 

sowie Quellcodes alter Systeme extrahiert. Anforderungsdokumente des alten Systems 

können aber nur dann verwendet werden, wenn diese regelmäßig aktualisiert 

wurden. Neben der Systemarchäologie sollten die Anforderungen an das Kompetenzmanagementsystem 

auch mittels anderer Methoden erhoben werden. Die Anforderungsdokumente 

aus der Systemarchäologie einerseits und aus alternativen 

Erhebungsmethoden andererseits sollten anschließend verglichen werden. Enthält 

das Anforderungsdokument aus der Systemarchäologie eine Anforderung, die mit 

den alternativen Erhebungsmethoden nicht ermittelt wurde, so ist zu prüfen, ob 

diese Anforderung relevant ist und daher in die Liste der aktuellen Anforderungen 

übernommen werden muss oder ob diese Anforderung veraltet ist und somit nicht 

weiter berücksichtigt zu werden braucht. Die Systemarchäologie ist ein sehr aufwendiges 

Verfahren, bei dem nur der Funktionsumfang des alten Systems ermittelt 

wird. Dieser Funktionsumfang kann jedoch erheblich vom Funktionsumfang des 

neuen Kompetenzmanagementsystems abweichen.


Workshop 



Umfangreiche Geschäftsprozesse erfordern eine gemeinsame Erarbeitung der Anforderungen 

seitens der Stakeholder. Das Ziel eines Workshops ist ein Anforderungsdokument, 

das von allen teilnehmenden Stakeholdern akzeptiert wird. Ein 

Workshop wird durch einen Moderator begleitet und unterliegt einem fest vorgegebenen 

Ablauf und klaren Regeln. Innerhalb eines Workshops können unterschiedliche 

Kreativitätstechniken (Brainstorming, Mind Mapping) für die Anforderungsspezifizierung 

eingesetzt werden. Die ermittelten Anforderungen werden 

dann hinsichtlich ihrer Bedeutung eingestuft, gruppiert und konkretisiert. Die Ergebnisse 

werden abschließend bewertet und in einem Anforderungsdokument/ 

Workshop-Protokoll festgehalten. Durch direkte Kommunikation zwischen Stakeholdern 

wird in einem Workshop einerseits das gegenseitige Verständnis für alternative 

Standpunkte gefördert und andererseits auch ermöglicht, genaue hinterfragbare 

Informationen zu erhalten. 

2.3.2.4 Vorgehensmodell KOWIEN als Web-Anwendung 

Um die praktische Anwendung des KOWIEN-Vorgehensmodells zu erleichtern, wurde das Modell 

in einer webbasierten Software-Anwendung umgesetzt. Der Anwender wird in die Lage versetzt, 

das KOWIEN-Vorgehensmodell von jedem beliebigen Computer mit Internet-Anschluss aufzurufen 

und zu nutzen. Insbesondere das Aufrufen der zahlreichen hinterlegten Werkzeuge für die einzelnen 

Phasen der Ontologieentwicklung bietet einen erheblichen praktischen Nutzen für den Anwender. 

Durch die unmittelbare Verfügbarkeit der berücksichtigten Werkzeuge, die teilweise Neuentwicklungen 

darstellen, kann der Benutzer des Vorgehensmodells an einem beliebigen Ort eine Ontologie 

für ein Kompetenzmanagementsystem entwickeln. Der Benutzer benötigt in der Regel keine weiteren 

Quellen, um erfolgreich zu handeln, weil alle notwendigen Hilfsmittel bereits im Vorgehensmodell 

berücksichtigt wurden. 

Im Folgenden wird näher auf die Web-Anwendung und ihre Möglichkeiten eingegangen. Nach einer 

kurzen Einführung ihren den Aufbau wird anhand einiger Screenshots verdeutlicht, wie sich das 

Vorgehensmodell Nutzen steigernd bei der Ontologieentwicklung einsetzen lässt. Die Vorstellung 

des webbasierten KOWIEN-Vorgehensmodells richtet sich nach den zuvor gemachten Ausführungen. 

Beginnend mit der Meta-Ebene (Top-Level) des KOWIEN-Vorgehensmodells, wird anschließend 

auf die fünf Hauptphasen Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung, 

Implementierung und Evaluation eingegangen. Hierauf folgen Ausführungen zu den phasenübergreifenden 

Unterstützungsleistungen Dokumentation und Projektmanagement. Den Schluss 

bilden Ausführungen zu einigen Sonderfunktionen (Modellindex, Modellliste, Objektindex und Objektliste), 

die sich in der Web-Anwendung als spezifische Elemente wiederfinden. 

In den nachfiolgenden Kapiteln wird jeweils ein Screenshot dargestellt und anschließend wird kurz 

auf die jeweiligen Inhalte der Web-Anwendung eingegangen.


Aktuell (Januar 2005) findet sich das KOWIEN-Vorgehensmodell im Internet unter der URL: 

http://kowien.uni-essen.de/vorgehensmodell/ 

Dort kann es von jedem Interessenten eingesehen und experimentell angewendet werden. Anregungen 

und Kritik werden ausdrücklich begrüßt und sind bitte an den Universitätspartner des Verbundprojekts 

KOWIEN zu richten. 

2.3.2.4.1 Aufbau der Web-Anwendung 

4 

1 

Abbildung 45: Startseite der Web-Anwendung für das KOWIEN-Vorgehensmodell – Screenshot 

Abbildung 45 zeigt die Startseite der Web-Anwendung für das KOWIEN-Vorgehensmodell beim 

ersten Aufruf. Die Darstellung wird mittels vier „Frames“ vorgenommen, die mit den 4 „Blasen“ 1 

bis 4 in Abbildung 45 adressiert werden. 

Im ersten Frame findet sich eine hierarchische Strukturierung des Gesamtmodells und der einzelnen 

Teilmodelle entsprechend den erwähnten Phasen, die zu durchlaufen sind, um eine Kompetenzontologie 

zu entwickeln. Der zweite Frame dient zur eigentlichen Modelldarstellung und ist beim ersten 

Aufruf noch leer. Der dritte Frame ermöglicht den Aufruf von Sonderfunktionen (wie beispielsweise 

einer Modellliste und eines Objektindexes, der wiederum vergleichbar mit einem Glossar ist) und 

3 

2


die Navigation über die gesamte Web-Anwendung (beispielsweise auch den Aufruf der KOWIEN- 

Homepage). Der vierte Frame dient zur Darstellung der detaillierten Inhalte einzelner Elemente des 

KOWIEN-Vorgehensmodells (wie beispielsweise von Informationsträgern und Akteuren). Auch 

dieser Frame bleibt beim ersten Aufruf leer. 

2.3.2.4.2 Top-Level des KOWIEN-Vorgehensmodells 



Dokumentation 




Evaluation 

Abbildung 46: Top-Level des KOWIEN-Vorgehensmodells – Screenshot 

Nach Auswahl des Punktes „Top Level KOWIEN Vorgehensmodell“ in Frame 1 erhält der Benutzer 

die Darstellung aus Abbildung 46. In Frame 2 findet sich dabei die Darstellung des Vorgehensmodells 

in der obersten Ebene (vgl. hierzu auch Abbildung 45). Der Benutzer hat hier die Möglichkeit, 

auf die tiefer liegenden Ebenen der detaillierten Darstellung (Anforderungsspezifikation oder – 

synonym – Anforderungserhebung, Wissensakquisition, Konzeptualisierung, Implementierung, 

Evaluation und Dokumentation 39) als phasenübergreifende Unterstützungsleistung) sowohl über 

Frame 1 als auch über Anwählen der einzelnen Phasen in Frame 2 zu gelangen. 

39) Neben der Dokumentation kommt ebenso das Projektmanagement als phasenübergreifende Unterstützungsleistung in Betracht. 

Es wurde hier in den KOWIEN-Prototyp noch nicht implementiert.


2.3.2.4.3 Gesamtansicht des KOWIEN-Vorgehensmodells 

Abbildung 47: Gesamtansicht des KOWIEN-Vorgehensmodells – Screenshot 1 

Nachdem der Benutzer in Frame 1 die Option „Gesamtansicht“ gewählt hat, wird in Frame 2 das 

Gesamtmodell geladen und dargestellt. Frame 4 enthält nach dem Laden eine Zusammenfassung 

der Elemente des KOWIEN-Vorgehensmodells, die jeweils angeklickt und detailliert dargestellt 


In Frame 2 ist zusätzlich (in der linken unteren Ecke) eine skizzenhafte Makrodarstellung des KO- 

WIEN-Vorgehensmodells in Form eines Pop-up-Fensters zu sehen, die einen groben Überblick 

gibt. Dabei entspricht die rechteckige Umrandung innerhalb der Makrodarstellung dem jeweils 

sichtbaren Modellausschnitt in Frame 2.


Abbildung 48: Gesamtansicht des KOWIEN-Vorgehensmodells – Screenshot 2 

Da das Gesamtmodell in der „normalen“, voreingestellten Auflösung nicht komplett dargestellt 

werden kann, bestehen zwei Möglichkeiten zur „Einsicht“. Zum einen kann mittels der Scrollbars 

(rechts und unten von Frame 2) die Modelldarstellung verschoben werden. Zum anderen kann 

mittels der rechten Maustaste ein Kontextmenü aufgerufen werden, das die Vergrößerung und 

Verkleinerung der Skalierung ermöglicht. 

Sichtbar für den Benutzer wird in dieser Abbildung 48 ein Ausschnitt aus der Gesamtdarstellung, 

der Teile der Phase der Anforderungsspezifizierung wiedergibt. Das Kästchen links oben in Frame 2 

mit der Beschriftung „Anforderungsspezifizierung“ markiert hierbei die einzelne Phase in der Gesamtdarstellung 

des KOWIEN-Vorgehensmodells.


2.3.2.4.4 Einzelansichten der Phasen des KOWIEN-Vorgehensmodells 

2.3.2.4.4.1 Anforderungsspezifizierung 

Abbildung 49: Einzelansicht der Phase Anforderungsspezifizierung – Screenshot 1 

In Frame 1 lässt sich durch die Hervorhebung innerhalb der Baumstruktur erkennen, dass die Ansicht 

der Einzelphase Anforderungsspezifizierung 40) ausgewählt worden ist. Die Modelldarstellung 

lässt sich mittels der Scrollbars oder durch „gedrücktes Halten“ der linken Maustaste verschieben. 

40) In den Abbildungen 49 und 50 wird die Bezeichnung „Anforderungserhebung“ anstelle der Bezeichnung „Anforderungsspezifizierung“ 

verwendet, weil bei der Implementierung des Prototyps zum Teil eine noch nicht vollständig vereinheitlichte 

Terminolgie verwendet wurde. Beide Bezeichnungen werden synonym verwendet.


Abbildung 50: Einzelansicht der Phase Anforderungsspezifizierung – Screenshot 2 

Durch „Zoomen“ mittels der rechten Maustaste (siehe S. 411) wird eine größere Darstellung in 

Frame 2 der Einzelansicht Anforderungsspezifizierung erreicht. In Frame 4 findet der Benutzer weiter 

gehende Informationen zu Elementen 41) der Modelldarstellung. In diesem Fall wurde die Funktion 

„Vorbereitung durchführen“ per Mausklick in Frame 2 angewählt. Als Attribute zu diesem Element 

finden sich Name, Identifizierer, Beschreibung/Definition, Typ, Erstellzeitpunkt und Ersteller. 

Der Name entspricht der Grobzusammenfassung der Bedeutung (im Sinne eines Verwendungszwecks) 

des Elements (hier: Vorbereitung durchführen). Eine nähere Beschreibung dieses Elements 

findet sich im Attribut Beschreibung/Definition; hier wird erläutert, was sich hinter der Durchführung 

des Phasenelements verbirgt. So soll an dieser Stelle ein Team zur Durchführung zusammengestellt, 

ein Zeitplan erstellt und ein Budget festgelegt werden. Die übrigen Attribute (Identifizierer, 

Typ, Erstellzeitpunkt und Ersteller) spezifizieren das Element noch näher. Auf diese Attribute wird 

in den folgenden Ausführungen noch näher eingegangen. 

41) In der Abbildung 50 findet sich für die Bezeichnung „Elemente“ alternativ die Bezeichnung „Objekte“. Beide Bezeichnungen 

werden synonym verwendet (vgl. dazu die voranstehende Fußnote).


2.3.2.4.4.2 Wissensakquisition 

Abbildung 51: Einzelansicht der Phase Wissensakquisition – Screenshot 1 

Sowohl das Vorgehensmodell als auch einzelne Elemente werden einem Typ zugeordnet. Während 

in der Abbildung 50 dem Element „Vorbereitung durchführen“ der Typ „Funktion“ zugeordnet ist, 

wird in Abbildung 51 dem Modell der Phase „Wissensakquisition“ der Typ „eEPK“ zugeordnet. 

Sowohl die einzelnen Modelle als auch alle Elemente der Modelle besitzen einen eindeutigen Identifizierer, 

der sich standardmäßig aus dem Präfix „STD.“ und einer zugeordneten Nummer ergibt. 

Der Identifizierer erlaubt die Suche und Kontrolle nach bzw. von Elementen/Modellen. Hier ist dem 

Phasenmodell „Wissensakquisition“ der Identifizierer „STD.3841“ zugeordnet (zu allen Angaben 

siehe Frame 4). 

Über die Darstellung von Kanten werden der Funktion „Wissensträger identifizieren“ Beziehungen 

zugeordnet. Die Beziehung „erhält Input aus“, die in Standardauflösung gestrichelt dargestellt wird, 

verbindet Informationsträger, die zur erfolgreichen Durchführung der Funktion notwendig sind, mit 

der Funktion.


Abbildung 52: Einzelansicht der Phase Wissensakquisition – Screenshot 2 

Hier finden sich in der Abbildung 52 beispielsweise Mitarbeiterbeurteilung, Assessment Center und 

Personalabteilung für die Funktion „Wissensträger identifizieren“. Während die ersten beiden Informationsträger 

den Werkzeugen („Ordnerrücken“-Darstellung) zugeordnet sind, handelt es sich 

bei der Personalabteilung um einen Akteur („Gesicht“-Darstellung). Durch Anwählen des hinterlegten 

Links zum jeweiligen Informationsträger in Frame 4 gelangt der Benutzer zur detaillierten Beschreibung. 

Im vorliegenden Fall wird eine Langbeschreibung zur Anwendung des Werkzeugs in 

dem Frame dargestellt. Eine Vorlage oder ein Beispiel wurde im System nicht hinterlegt. Dies lässt 

sich daran erkennen, dass rechts vom „Ordnerrücken“ lediglich ein Symbol für die Langbeschreibung 

zu finden ist und kein Symbol für ein Beispiel oder eine Vorlage. Dies liegt in der Regel darin 

begründet, dass, wie hier leicht nachvollziehbar, es teilweise nicht sinnvoll oder möglich ist, ein allgemeingültiges 

Beispiel bzw. eine generische Vorlage anzubieten. So wird es beispielsweise als 

ausreichend erachtet, die Anwendung eines Assessment Centers an dieser Stelle zu empfehlen, ohne 

die Ergebnisse eines durchgeführten Assessment Centers wiederzugeben. Schon aus datenschutzrechtlichen 

Gründen erscheint dieses Vorgehen als nachvollziehbar.


2.3.2.4.4.3 Konzeptualisierung 

Abbildung 53: Einzelansicht der Phase Konzeptualisierung – Screenshot 1 

Abbildung 53 zeigt, dass die Einzelansicht der Phase Konzeptualisierung ausgewählt wurde. Deutlich 

wird auch, dass die beiden Elemente „Inseln zusammenführen (iterativ)“ und „Basisbegriffe 

strukturieren“ durch zahlreiche Werkzeuge unterstützt werden. 

Die Anwahl einer bestimmten Einzelansicht lässt sich sowohl über die Baumstruktur in Frame 1 als 

auch über das Pull-down-Menü in Frame 3 (oben) durchführen.


Abbildung 54: Einzelansicht der Phase Konzeptualisierung – Screenshot 2 

Das Element „Kompetenzwissen unstrukturiert“ wurde als Ereignis modelliert und folgend umschrieben: 

Falls das Wissen der Organisation über ihre Kompetenzen noch begrenzt und unstrukturiert 

ist, sollte die Ontologiekonstruktion nach dem Middle-Out-Ansatz durchgeführt werden. Die 

angegebenen Beziehungen („aktiviert“ und „ist abhängig von“) verdeutlichen den Kontext, in dem 

das Element steht. Das Element ist Folge einer Entweder-oder-Regel (XOR), die sich rechts oben 

außerhalb des Screenshots der Abbildung 54 befindet. Dabei war hier zu entscheiden, ob das Kompetenzwissen 

einer Organisation entweder strukturiert oder unstrukturiert vorliegt. Hiervon hängt 

der weitere Verlauf der Ontologiekonstruktion ab. Es wird vorgeschlagen, einem Middle-Out-Ansatz 

zu folgen, falls das Kompetenzwissen unstrukturiert vorliegt. Dieser Middle-Out-Ansatz zur 

Ontologiekonstruktion wird mittels der weiteren Prozesskette durchgeführt, d.h., es wird das nachfolgende 

Element (die Funktion) „relevante Begriffe ordnen“ aktiviert. Unter der Kategorie „Objektausprägungen“ 

wird angegeben, in welchen der zur Verfügung stehenden Modelle dieses einzelne 

Element Verwendung findet (hier: in der Gesamtansicht und in der aktuellen Einzelansicht 

Konzeptualisierung).


2.3.2.4.4.4 Implementierung 

Konnektor 

Abbildung 55: Einzelansicht der Phase Implementierung – Screenshot 1 

Kompetenzmanagementsystem 

In der Abbildung 55 wird die Einzelansicht der Phase Implementierung als Screenshot angezeigt. 

Über die Konnektoren wird die Einbindung der Phase in das Gesamtmodell deutlich. 

Da die Implementierung die Umsetzung in ein lauffähiges Anwendungssystem vorsieht, wird an 

dieser Stelle auch das Kompetenzmanagementsystem als Element („KMS“) Gegenstand der Modellierung.


Abbildung 56: Einzelansicht der Phase Implementierung – Screenshot 2 

Abbildung 56 verdeutlicht die Vergrößerung und Anwahl des Elements „formale Sprache auswählen“. 

Es werden zahlreiche formale Sprachen zur Darstellung von Ontologien als Werkzeuge angeboten, 

wie z.B. F-Logic, OWL und DAML+OIL. Die Akteure „Ontologieentwickler“ und „IT- 

Abteilung“ müssen bei der Aktivität der Auswahl einer geeigneten Repräsentationssprache zusammenarbeiten.


2.3.2.4.4.5 Evaluation 

Abbildung 57: Einzelansicht der Phase Evaluation – Screenshot 

Die Phase der Evaluation unterscheidet die Validation und die Verifikation. Alle identifizierten Akteure 

nehmen an der Durchführung teil. Es bestehen zahlreiche Verbindungen (Kanten) zu den vorangegangenen 

Phasen für den Fall, dass Verbesserungen vorzunehmen sind. 

Für den Informationsträger „Checkliste“, der ein Meta-Dokument darstellt, weil er Informationen 

zu anderen Dokumenten enthält, wurde im KOWIEN-Vorgehensmodell eine Vorlage hinterlegt. 

Diese Vorlage ist über die Kategorie „Attribute“ in Frame 4 über die Verknüpfung 1 per Mausklick 

aufrufbar. Nach der Anwahl öffnet sich ein Word-Dokument, sofern die notwendigen Programme 

hierfür auf dem verwendeten Computer installiert wurden.


2.3.2.4.4.6 Phasenübergreifende Unterstützungsleistungen 

Abbildung 58: Phasenübergreifende Unterstützungsleistungen – Screenshot 

In diesem Fall wurde die Einzelansicht der Prozesskette für die phasenübergreifenden Unterstützungsleistungen 

angewählt. Im Gesamtmodell wurde dieser Teil so modelliert, dass ein nebenläufiger 

Ablauf zu den Hauptphasen vorgesehen ist. Die Durchführung soll demnach kontinuierlich über 

die gesamte Entwicklungszeit erfolgen. 

Die phasenübergreifenden Unterstützungsleistungen umfassen das Projektmanagement, das bei der 

Verfolgung von Prozessablauf und Entscheidungen vorsieht, getroffene Entscheidungen und ihre 

Begründungen ausreichend zu dokumentieren.


2.3.2.4.4.7 Sonderfunktionen 

2.3.2.4.4.7.1 Modellindex 

Abbildung 59: Sonderfunktion Modellindex – Screenshot 

Das Aufrufen der Sonderfunktion Modellindex über Frame 3 ermöglicht eine Übersicht über die 

einzelnen modellierten Komponenten (Modelle) des KOWIEN-Vorgehensmodells. 

Die Modellliste stellt eine weitere Möglichkeit des Überblicks über die einzelnen Modelle innerhalb 

des KOWIEN-Vorgehensmodells dar. Auch diese Darstellung wird über die Auswahl in Frame 3 

erzielt. Auf eine Darstellung wird an dieser Stelle verzichtet.


2.3.2.4.4.7.2 Objektindex 

Abbildung 60: Sonderfunktion Objektindex – Screenshot 

Über die Sonderfunktion Objektindex lassen sich sämtliche Elemente des KOWIEN-Vorgehensmodells 

auflisten. Die Wiedergabe erfolgt dabei in alphabetischer Reihenfolge. Es werden jeweils 

die Bezeichnungen mit Typ und Kurzbeschreibung/Definition zu jedem Element angegeben. Über 

die Suchfunktion (oben in Frame 2) lässt sich gezielt nach einzelnen Elementen textuell suchen.


2.3.2.4.4.7.3 Objektliste 

Abbildung 61: Sonderfunktion Objektliste – Screenshot 

Die Sonderfunktion Objektliste bietet eine weitere Darstellung der einzelnen Elemente des KO- 

WIEN-Vorgehensmodells in Form einer Liste. Dabei erfolgt eine Gliederung der Elemente anhand 

ihres Typs, d.h. eine Unterteilung der Liste in Elemente des Typs Ereignis (wie in Abbildung 61 

dargestellt), in Elemente des Typs Funktion sowie in Elemente des Typs Informationsträger.


2.3.2.5 Evaluation des Vorgehensmodells 

In diesem Kapitel wird das vorgestellte KOWIEN-Vorgehensmodell mit den in Kapitel 1.4.4.2 (S. 

292 ff.) aufgestellten Anforderungen verglichen, um seine Anwendbarkeit für die Entwicklung von 

Kompetenzontologien zu beurteilen. 42) 

• Generizität: Das Vorgehensmodell ist insofern generisch, als dass es eine allgemeine Beschreibung 

der Phasen zur Ontologiekonstruktion umfasst und für verschiedene Projekte angewendet 

werden kann. Es wird davon ausgegangen, dass die zu entwickelnde Ontologie für den Einsatz 

in einem betrieblichen Kompetenzmanagementsystem konzipiert werden soll; das Vorgehensmodell 

selbst jedoch ist nicht projekt- (oder KOWIEN-) spezifisch aufgebaut. Dieses Gestaltungsprinzip 

ermöglicht eine leichtere Anpassung an die Gegebenheiten eines konkreten Projekts 

und an nicht vorhersehbare Einschränkungen; außerdem bildet es die Voraussetzung für 

eine spätere Wiederverwendung des Vorgehensmodells in einem anderen Kontext. 

• Anwendungsbezogenheit: Zusätzlich zur generischen Beschreibung und Modellierung der Phasen 

und ihres Ablaufs wurde eine detaillierte Erläuterung der einzelnen Funktionen und Ereignisse 

gegeben. Die Darstellung der Aktivitäten in den verschiedenen Phasen umfasst auch 

Empfehlungen für Werkzeuge, die bei der Realisierung eingesetzt werden können. Zusammen 

mit einigen konkreten Beispielen oder Vorlagen zur Veranschaulichung sollen diese Empfehlungen 

eine Hilfestellung für die Ontologieentwickler bieten und die Anwendbarkeit des Vorgehensmodells 

fördern. 

• Begründung und Dokumentation: Die Dokumentation bildet eine eigene, phasenübergreifende 

Komponente des Vorgehensmodells, damit ihre Bedeutung als Bestandteil des Entwicklungsprozesses 

explizit dargestellt wird. Darüber hinaus wird in jeder Phase das Festhalten von Entscheidungen 

und deren Begründungen (etwa als Dokumentation der Erhebungstechniken, der 

Wissensträger oder der Kompetenzverteilung) sowie der jeweiligen Meilensteine und schriftlichen 

Ergebnisse (z.B. Anforderungsspezifikation, Konzeptualisierung und Evaluationsdokument) 

berücksichtigt. Dadurch enthält das Vorgehensmodell eine durchgängige Dokumentation 

während der gesamten Ontologiekonstruktion und verbessert damit die Nachvollziehbarkeit des 

Prozesses sowohl während seiner Durchführung als auch im Nachhinein. Außerdem bilden die 

Dokumentation der Entwicklung und die Begründung der wichtigen Entscheidungen eine 

„Erweiterung“ des Vorgehensmodells selbst, da die Nutzung der gesammelten Erfahrungen bei 

einem später eventuell stattfindenden ähnlichen Projekt von großem Vorteil sein kann. 

• Einfachheit: Die Inhalte der Phasen sind detailliert, aber nicht komplex beschrieben und auf 

eine nicht-technische Art und Weise formuliert, um grundsätzlich für alle am Projekt mitwirkenden 

Personen verständlich zu sein. Diese Eigenschaften machen die Simplizität des Modells 

aus; sie sind wichtig, damit die Beteiligten auch zu einer tatsächlichen Anwendung des Vorgehensmodells 

motiviert werden. Ein zu komplexes Vorgehensmodell wird möglicherweise nicht 

akzeptiert und dadurch nicht eingesetzt; damit verliert es seinen Nutzen. 

• Klarheit: Das Vorgehensmodell besitzt eine klare Gliederung und umfasst wenige Phasen, was 

insbesondere durch den graphischen Überblick veranschaulicht wird. Auch der Grundsatz der 

Klarheit besitzt eine große Bedeutung für die Anwendbarkeit eines Vorgehensmodells, da 

Mehrdeutigkeiten zu einer „falschen“ (nicht intendierten) Umsetzung oder sogar zu einer Ab- 

42) Vgl. APKE/DITTMANN (2003a) S. 29 ff. Die Anforderung der Vollständigkeit wird hier aufgrund der Argumentation, die auf S. 

294 erfolgte, nicht untersucht.


lehnung der Anwendung führen können. Aus diesem Grund wurden die Phasenbeschreibungen 

möglichst präzise formuliert, wofür besonders die semi-formale Darstellung durch erweiterte 

Ereignisgesteuerte Prozessketten eine Rolle spielt. Die Modellierung mit eEPK ermöglicht eine 

präzise und anschauliche Abbildung des Phasenablaufs und bildet zugleich eine wichtige Ergänzung 

zur informalen textuellen Beschreibung, da die einzelnen Funktionen, Ereignisse, Akteure 

und Informationsträger benannt und zueinander in Beziehung gesetzt werden. 

• Werkzeugunterstützung: Die Nutzung von Informationstechnologie in einem Entwicklungsprojekt 

ist vorteilhaft für eine leichtere und effizientere Prozessdurchführung, weil durch Software 

zum Beispiel große Informationsmengen verwaltet und einzelne Aktivitäten sogar automatisiert 

werden können. Daher werden im vorgestellten Vorgehensmodell nicht nur mögliche Methoden 

und Techniken zur Umsetzung genannt, sondern für jede Phase auch entsprechende Computerwerkzeuge 

zur Erleichterung und Automatisierung der Aktivitäten vorgeschlagen. Für die 

Konstruktion von (Kompetenz-) Ontologien sind zurzeit noch keine Anwendungen verfügbar, 

die alle Phasen des Entwicklungsprozesses gleichermaßen unterstützen, doch es gibt bereits 

zahlreiche Ontologieentwicklungsumgebungen zur Erstellung, Änderung, Visualisierung, Annotierung 

und auch zur Überprüfung von Ontologien (wie etwa die in den Kapiteln 2.3.2.2.1.3 

bis 2.3.2.2.1.5 kurz vorgestellten Produkte OntoEdit, Protégé-2000, Ontolingua, KAON oder 

OCM). Diese können im Rahmen der Konzeptualisierung und Formalisierung, eventuell auch 

bei der Evaluation und Dokumentation, eingesetzt und durch Computerwerkzeuge aus den Bereichen 

Software Engineering und Wissensmanagement (beispielsweise Anforderungsmanagement- 

und Dokumentations-Tools) ergänzt werden. Die im Vorgehensmodell beschriebenen 

Werkzeuge erleichtern die Ontologiekonstruktion für die Projektbeteiligten und führen damit 

zu einer höheren Anwendbarkeit und Akzeptanz des Vorgehensmodells. 

2.3.2.6 Zusammenfassung 

Ontologien können in Bereichen wie dem betrieblichen Kompetenzmanagement gewinnbringend 

eingesetzt werden, doch für ihre Erstellung ist ein systematisches Vorgehen erforderlich, das mit 

Hilfe eines Vorgehensmodells beschrieben werden kann. 

Ein solches Vorgehensmodell sollte bestimmte Anforderungen erfüllen, um eine Anwendung im 

Bereich ontologiebasierter Kompetenzmanagementsysteme und das Vorgehen bei der Entwicklung 

bestmöglich zu unterstützen. Die wichtigsten dieser Anforderungen wurden untersucht, beschrieben 

und anschließend zu einer Evaluation bereits bestehender Ansätze zur Ontologiekonstruktion herangezogen. 

Es wurde gezeigt, dass diese Ansätze den zuvor aufgestellten Anforderungen nur teilweise 

entsprechen. 

Das vorgestellte KOWIEN-Vorgehensmodell baut auf den existierenden Ansätzen auf, berücksichtigt 

jedoch zugleich die dargestellten Anforderungen und damit die Besonderheiten im Bereich 

Kompetenzontologien (und im Umfeld des KOWIEN-Projekts). Der Prozessablauf ist semi-formal 

gestaltet (indem die Konzipierung der Ontologie getrennt von ihrer Formalisierung vorgenommen 

wird) und umfasst auch Iterationen, durch die auf eventuelle Schwierigkeiten reagiert werden kann. 

Die Anwendung des KOWIEN-Vorgehensmodells im Rahmen eines Projekts zur Erstellung eines 

ontologiebasierten Kompetenzmanagementsystems trägt dazu bei, das geplante Vorgehen für das 

Projektteam transparent darzustellen, den Entwicklungsprozess strukturierter zu gestalten und damit 

auch – mutmaßlich – die Qualität der resultierenden Ontologien zu erhöhen. Gleichzeitig ist das 

Vorgehensmodell nicht als Verpflichtung zur Durchführung bestimmter Aktivitäten in einer vorge-


schriebenen Reihenfolge anzusehen, sondern als eine Hilfestellung und Richtlinie, die an die projektspezifische 

Situation angepasst werden kann. 

Weiterer Forschungsbedarf trotzdem beispielsweise noch im Bereich der Wissensakquisition; für 

die Erhebung der relevanten Konzepte sowie für die Zuordnung von Kompetenzen zu Mitarbeitern 

ist es wichtig, Techniken (unter Berücksichtigung des jeweils verursachten Aufwands) auszuwählen. 

Auch für die Spezifizierung einer Ontologie sind noch detaillierte Vorgehensweisen bezüglich 

der Identifikation von Integritäts- und Inferenzregeln zu untersuchen. 

Das KOWIEN-Vorgehensmodell wurde bereits erfolgreich bei der DMT angewendet, um hier eine 

unternehmensspezifische Kompetenzontologie zu entwickeln (siehe hierzu Kapitel 3.2.2, S. 625 ff.). 

Dabei wurde das Vorgehensmodell einer gründlichen Evaluation unterzogen (vgl. Kapitel 3.2.2.7, 

S. 694 ff.).

2.4 Generische Kompetenzontologie 

für computerbasierte Kompetenzmanagementsysteme 

UNIV.-PROF. DR. STEPHAN ZELEWSKI, DIPL.-KFM. YILMAZ ALAN 



2.4.1 Einführung 

In diesem Beitrag wird die KOWIEN-Ontologie 1) vorgestellt. Sie wurde im Rahmen des BMBF- 

Verbundprojekts KOWIEN am Institut für Produktion und Industrielles Informationsmanagement 

der Universität Duisburg-Essen, Campus Essen, zu Zwecken des ontologiebasierten Managements 

von Wissen über Kompetenzen, Kompetenzträger und Kompetenzprofile konstruiert. Dieser Konstruktion 

wurden im Wesentlichen drei Leitlinien zugrunde gelegt. Erstens soll die resultierende 

Ontologie theoretisch ausgerichtete Gütekriterien erfüllen, die an anderer Stelle ausführlich dokumentiert 

wurden. 2) Zweitens soll die KOWIEN-Ontologie auf jeden Fall solche Konstrukte umfassen, 

die sich aus den Anforderungen der Praxispartner des KOWIEN-Projekts ergeben haben. Diese 

Konstrukte werden als gemeinsames Sprachhandeln einer Gruppe von – projektbedingt – interagierenden 

Akteuren als „gegeben“ vorausgesetzt. Es wird also ausdrücklich darauf verzichtet, dieses 

faktische Sprachhandeln aus den Perspektiven anderer – sei es nur denkmöglicher oder auch tatsächlich 

praktizierter – „Sprachspiele“ kritisch zu hinterfragen. Drittens wurde Wert darauf gelegt, 

die Konstrukte, die aus den Anforderungen der Praxispartner resultieren, durch zusätzliche Konstrukte 

so zu einer „systematischen“ Ontologie zu ergänzen, dass sich die KOWIEN-Ontologie 

intern als kohärent erweist und bei externer Betrachtungsweise Anschlussfähigkeit gegenüber „etablierten“ 

Konzeptualisierungen sprachlicher Welterfassung erkennen lässt. 3) 

1) Die aktuelle Version der KOWIEN-Ontologie kann im Internet unter der URL „http://www.pim.uni-essen.de/mitarbeiter/ 

pimyial/Kompetenzontologie.flo“ [Stand: 01.03.2005] abgerufen werden. Gegenüber dieser Version wurden im hier vorgelegten 

Beitrag, insbesondere im Kapitel 2.4.3, noch einige kleine Modifizierungen vorgenommen, um geringfügige „Unebenheiten“ 

der KOWIEN-Ontologie zu glätten. Des Weiteren werden wesentliche Ausschnitte der KOWIEN-Ontologie dokumentiert 

und kommentiert in: ALAN (2003a); ALAN (2003b); APKE/BREMER/DITTMANN (2004) S. 3 ff., 82 ff., B-2 ff. und – vor allem – S. 

D-1 ff. Vgl. auch als Grundlage zur Entwicklung der KOWIEN-Ontologie die Anforderungsspezifikation für die KOWIEN- 

Ontologie aus der Perspektive eines der Praxispartner, der Essener DMT GmbH, in APKE/ BREMER/DITTMANN (2004) S. 10 ff.; 

APKE ET AL. (2004) S. 6 ff. 

2) Vgl. ALAN/BÄUMGEN (2002) S. 31 ff.; vgl. daneben auch zu Gütekriterien für Ontologien BURGUN ET AL. (2001) S. 99 ff.; CO- 

LOMB (2002) S. 3 ff.; COLOMB/WEBER (1998) S. 208 ff.; DITTMANN/PENZEL (2004) S. 473 ff.; FRANK (1998) S. 10 ff. u. 16 ff. 

(zwar explizit auf konzeptuelle Modellierungen bezogen, aber inhaltlich ohne Schwierigkeiten auf Ontologien übertragbar); 

GÓMEZ-PÉREZ (1996) S. 519 ff.; GÓMEZ-PÉREZ (2004) S. 251 ff., insbesondere S. 256 ff.; GRUBER (1995) S. 909 f.; GUARINO/ 

WELTY (2004) S. 151 u. 153 ff.; HEFLIN/VOLZ/DALE (2002) S. 10 ff.; SI-SAID CHERFI/AKOKA/COMYN-WATTIAU (2002) S. 416 

ff.; SWARTOUT ET AL. (1997) S. 139; SYCARA ET AL. (2002) S. 175; TERO/BRIGGS (1994) S. 883 ff.; VISSER/BENCH-CAPON 

(1998) S. 40 ff. 

3) Die Forderungen nach interner Kohärenz und nach externer Anschlussfähigkeit können auch als spezielle Gütekriterien für Ontologien 

aufgefasst werden. Aus dieser Sicht stellen sie keine speziellen Leitlinien dar, sondern lassen sich unter die erste Leitlinie 

der Ontologiekonstruktion subsumieren. Dieser Sichtweise wurde hier jedoch aus zwei Gründen nicht gefolgt. 

Erstens wurde in den ursprünglich aufgestellten Gütekriterien für Ontologien lediglich das Kriterium der Kohärenz erfasst 

(nicht aber das Kriterium der Anschlussfähigkeit). Das Kriterium der Kohärenz wurde sogar noch nicht einmal in seiner vollen 

inhaltlichen Breite, sondern nur für den Spezialfall der Kohärenz im Sinne der Widerspruchsfreiheit oder – synonym – der 

Konsistenz berücksichtigt. Weiterführende Kohärenzauffassungen, die auch die „Verknüpfungsintensität“ und „gegenseitige 

Stützung“ der Komponenten eines „kohärenten“ Geflechts aus Konzepten, Argumenten, Wissensteilen o.ä. einschließen, wurden 

dagegen unter den vorgenannten Gütekriterien noch nicht thematisiert. In diesem Kapitel wird jedoch das weiter gefasste

430 2.4 Generische Kompetenzontologie 

Für die Konstruktion der KOWIEN-Ontologie wurde die Vorentscheidung getroffen, die Ontologie 

mit Hilfe der (Wissens-) Repräsentationssprache 4) F-Logic auszugestalten. Daher wird im nächsten 

Kapitel zunächst ein kurzer Überblick über diejenigen grundlegenden Ausdrucksmittel (Modellierungsprimitive) 

der Repräsentationssprache F-Logic gegeben, die für den vorliegenden Beitrag relevant 

sind. 

Anschließend wird die KOWIEN-Ontologie vorgestellt. Aufgrund ihres Umfangs kann sie in der 

hier gebotenen Kürze nicht vollständig wiedergegeben werden. 5) Stattdessen beschränken sich die 

Ausführungen auf wesentliche Konstruktionsaspekte und einige Details, die den Verfassern als besonders 

diskussionswürdig erschienen. Dabei wird – entsprechend der taxonomischen Unterteilung 

in der KOWIEN-Ontologie – eine Differenzierung zwischen objekt- und metasprachlichen Entitäten 

vorgenommen. Nach der Erläuterung von ausgewählten Ontologiekomponenten werden objektsprachliche 

Inferenzregeln und Integritätsregeln diskutiert. Diese Inferenz- und Integritätsregeln unterscheiden 

sich von den metasprachlichen Inferenzregeln der Logik 6) deutlich. Sie bilden nach Ein- 

Kohärenzverständnis zugrunde gelegt. Es wird besonders prominent von RESCHER vertreten, vor allem aus der Perspektive der 

so genannten „Kohärenztheorie der Wahrheit“. Vgl. RESCHER (1973); RESCHER (1974) S. 703 ff.; RESCHER (1979) S. 66 ff. (insbesondere 

S. 72 ff.) und S. 82 ff.; RESCHER (1987a) S. 17 ff.; vgl. daneben auch BONJOUR (1994) S. 239 ff., insbesondere S. 244 

ff. (und mit einer Erörterung des Verhältnisses zur Korrespondenzauffassung der Wahrheit auf S. 260 ff.); COOMANN (1983); 

DAVIDSON (1994) S. 271 ff.; KLEIN (1989) S. 90 ff., insbesondere S. 92 ff. (als betriebswirtschaftliche Rezeption des Kohärenzverständnisses 

von RESCHER); am Rande auch COLOMB (2002) S. 5. Über dieses weit gefasste Kohärenzverständnis hinaus 

kommt der Aspekt der Anschlussfähigkeit neu hinzu, der in den ursprünglich aufgestellten Gütekriterien für Ontologien überhaupt 

nicht enthalten war. 

Zweitens erhält die Forderung nach interner Kohärenz und nach externer Anschlussfähigkeit erst durch die zweite Leitlinie, die 

speziellen Anforderungen der Praxispartner an die Konstrukte der KOWIEN-Ontologie als „gegeben“ zu behandeln, ihre besondere 

Bedeutung und wird so aus den allgemeinen Gütekriterien der ersten Leitlinie für die Ontologiekonstruktion herausgehoben. 

Denn jene Partneranforderungen stellten das Konstruktionsteam vor besondere „Herausforderungen“, sowohl die interne 

Kohärenz als auch die externe Anschlussfähigkeit zu wahren. Aufgrund dieses speziellen „situativen“ Konstruktionskontexts 

hat sich die besondere Bedeutung der Forderung nach Kohärenz und Anschlussfähigkeit als eigenständige, dritte Konstruktionsleitlinie 

herausgeschält. Hiermit wird jedoch nicht bestritten, dass es – alternativ – genauso möglich gewesen wäre, Kohärenz 

(als Erweiterung von Widerspruchsfreiheit und Konsistenz) und Anschlussfähigkeit in einen entsprechend überarbeiteten Katalog 

von Gütekriterien für die Ontologiekonstruktion aufzunehmen. 

4) Da in diesem Werk ausschließlich die Repräsentation von Wissen thematisiert wird, werden die Bezeichnungen „Wissensrepräsentationssprache“ 

und „Repräsentationssprache“ im Folgenden synonym verwendet. 

5) Die KOWIEN-Ontologie ist jedoch im Internet vollständig dokumentiert; vgl. dazu die eingangs angeführte Webadresse. 

6) Mit „der“ Logik ist in diesem Werk stets die konventionelle deduktive Logik gemeint, also die Prädikatenlogik 1. Stufe (einschließlich 

allgemein üblicher Erweiterungen, wie z.B. der Berücksichtigung des Identitätsprädikats). Die Prädikatenlogik 1. 

Stufe zeichnet sich dadurch aus, dass sich Quantoren und Prädikate (oder Relationen/Mengen oder Funktionen) nur über Individuen-Variablen 

erstrecken dürfen, also über Variablen, die durch individuelle formale Objekte ersetzt werden können. Prädikatsvariablen 

(oder Relations-/Mengen- oder Funktionsvariablen) bleiben dagegen der Prädikatenlogik 2. Stufe oder höherer 

Stufen vorbehalten. Wenn von „der“ Prädikatenlogik die Rede ist und kein qualifizierender Zusatz erfolgt, ist jeweils die Prädikatenlogik 

1. Stufe gemeint. 

Die Prädikatenlogik 1. Stufe wird in diesem Werk als Argumentationsbasis vorausgesetzt. Für diese Basisentscheidung sprechen 

im Wesentlichen drei Gründe, die inhaltlich miteinander zusammenhängen. Erstens besitzt die Prädikatenlogik 1. Stufe 

sowohl in erkenntnisund wissenschaftstheoretischen als auch in logischen Diskursen die Qualität einer „lingua franca“, auf die 

sich nahezu alle Autoren als gemeinsame formale Sprachbasis einigen können. Daher besitzen prädikatenlogisch basierte Ausführungen 

ein hohes Ausmaß an Anschlussfähigkeit an die Fachliteratur. Zweitens stellt die Prädikatenlogik 1. Stufe diejenige 

formale Logik dar, deren allgemeingültigen Eigenschaften im Vergleich zu alternativen Logiken am intensivsten erforscht sind. 

Drittens zeichnet sich die Prädikatenlogik 1. Stufe durch einen Kompromiss aus möglichst hoher Ausdrucksmächtigkeit und 

möglichst zuverlässigem Schlussfolgerungspotenzial aus, der nach Einschätzung der Verfasser von keiner anderen Logik bislang 

erreicht werden konnte. Die Aspekte der Ausdrucksmächtigkeit und des Schlussfolgerungspotenzials werden im Folgenden 

noch konkretisiert, z.B. anhand mehr als zweistelliger Prädikate und Reifizierungen (im Hinblick auf die Ausdrucksmächtigkeit) 

sowie aus dem Blickwinkel der Vollständigkeit und Korrektheit von Inferenzkalkülen (im Hinblick auf das Schlussfolgerungspotenzial).

2.4 Generische Kompetenzontologie 431 

schätzung der Verfasser einen wesentlichen Beitrag von Ontologien zur konzeptuellen Modellierung 

von Realitätsausschnitten (Domänen) 7) , der über das Leistungsvermögen konventioneller konzeptueller 

Modellierungsansätze – wie z.B. der konzeptuellen Datenmodellierung (wie etwa mit Entity-Relationship-Modellen) 

– hinausreicht. Der Beitrag endet mit einer exemplarischen Spezifikation 

von Wissen über Kompetenzen auf der Grundlage der KOWIEN-Ontologie. 

2.4.2 Überblick über die verwendete Repräsentationssprache 

2.4.2.1 Motivation der Verwendung von F-Logic 

Für die Konstruktion von Ontologien zur Repräsentation von Wissen über Kompetenzen wurde im 

Projekt KOWIEN die Repräsentationssprache F-Logic (Frame-Logic) 8) verwendet. F-Logic entstammt 

ursprünglich der Forschung zu dem Themengebiet objektorientierter deduktiver Datenbanksysteme. 

9) Seit einigen Jahren wird F-Logic darüber hinaus auch für die Konstruktion von Ontologien 

diskutiert. 10) Durch die Kombination von Prinzipen objektorientierter Konzeptualisierung 

einerseits und prädikatenlogischer Wissensrepräsentation 11) andererseits weist F-Logic eine hohe 

Ausdrucksstärke auf. Da in Ontologien oftmals komplexe Sachverhalte aus den jeweils betrachteten 

Domänen sprachlich erfasst werden müssen, stellt diese hohe Ausdrucksstärke ein wichtiges Argument 

zugunsten der Verwendung von F-Logic für Zwecke der Ontologie-Konstruktion dar. 

Darüber hinaus erlaubt die Deduktionskomponente von F-Logic die Anwendung von Inferenzregeln. 

Dadurch ermöglicht F-Logic, das mächtige Schlussfolgerungspotenzial der Prädikatenlogik 

für das jeweils repräsentierte Wissen fruchtbar zu machen: Inferenzregeln gestatten es, das implizit 

vorhandene, aber mittels konventioneller Datenbanksprachen nicht direkt zugreifbare Wissen über 

Kompetenzen und Kompetenzträger in einem Unternehmensnetzwerk indirekt zu erschließen. Auf 

diese Weise lässt sich das explizit verfügbare Kompetenzwissen erweitern, indem eine Vielzahl 

neuer Fakten aus bereits bekannten Fakten abgeleitet wird. Einerseits erweist sich diese Inferenzfähigkeit 

aus betriebswirtschaftlicher Perspektive als besonders vorteilhaft, weil sie zur Erhöhung der 

Effektivität des Einsatzes ontologiebasierter Software für Zwecke des Managements von Kompe- 

7) Die Begriffe „Realitätsausschnitt“ und „Domäne“ werden in diesem Werk synonym verwendet. Wenn von einer „Realitätsrepräsentation“ 

o.ä. die Rede ist, so ist niemals die „Realität als Ganzes“ gemeint, sondern stets ein zu repräsentierter Ausschnitt 

der Realität, also eine repräsentierte Domäne. 

8) Vgl. zur Repräsentationssprache F-Logic KIFER/LAUSEN/WU (1993) S. 1 u. 4 ff.; KIFER/LAUSEN/WU (1995) S. 741 ff.; vgl. 

daneben auch ANGELE/STAAB/SCHNURR (2003) S. 2 ff.; ANGELE/LAUSEN (2004) S. 30 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/ 

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 

Varianten der Prädikatenlogik erster Stufe AMIR (1999) S. 67 ff. 

9) Vgl. LAUSEN/VOSSEN (1996) S. 216 ff. 

10) Vgl. ANGELE/LAUSEN (2004) S. 29 ff. 

11) Die prädikatenlogische Wissensrepräsentation liegt allen deduktiven Datenbanksystemen zugrunde, weil nur aufgrund dieses 

prädikatenlogischen Fundaments die leistungsfähigen Inferenzregeln der Prädikatenlogik (1. Stufe) für die Durchführung von 

Deduktionen genutzt werden können.


tenzwissen beiträgt. 12) Andererseits wird diese Inferenzfähigkeit bei den meisten anderen Wissensrepräsentationssprachen 

– wie z.B. RDF(S), DAML+OIL sowie OWL 13) – vermisst, die zurzeit zur 

Konstruktion von Ontologien lebhaft diskutiert werden. Zwar lassen sich neuerdings verstärkt Bestrebungen 

beobachten, Wissensrepräsentationssprachen zur Konstruktion von Ontologien ebenso 

mit Inferenzfähigkeiten auszustatten. 14) Aber zu Beginn des KOWIEN-Projekts waren diese alternativen 

Wissensrepräsentationssprachen – zumindest hinsichtlich ihrer Inferenzfähigkeiten – bei weitem 

noch nicht so weit fortgeschritten wie F-Logic. Da im KOWIEN-Projekt von vornherein großer 

Wert darauf gelegt wurde, auch implizites Wissen mittels Inferenzen computerbasiert erschließen 

zu können, erfolgte zu Projektbeginn eine wohlbegründete Grundsatzentscheidung zugunsten von 

F-Logic. 

Des Weiteren wurde die Grundsatzentscheidung pro F-Logic auch dadurch motiviert, dass F-Logic 

zu Projektbeginn ein Alleinstellungsmerkmal hinsichtlich seiner Kombination aus hoher Ausdrucksstärke 

und mächtigem Schlussfolgerungspotenzial aufwies. In dieser Ausprägung wird die Kombination 

aus Ausdrucksstärke und Schlussfolgerungspotenzial auch zurzeit noch von keiner anderen, 

allgemein verfügbaren Wissensrepräsentationssprache offeriert. Daher halten es die Verfasser nach 

wie vor für gerechtfertigt, im KOWIEN-Projekt die Aufgaben der Wissensrepräsentation und der 

Wissenserschließung mit der Hilfe von F-Logic als Wissensrepräsentationssprache 15) zu erfüllen. 

Dies schließt jedoch keineswegs aus, dass zu späterer Zeit – z.B. in Folgeprojekten – zu anderen 

Wissensrepräsentationssprachen wie den o.a. „Ontologie-affinen“ Sprachen übergegangen wird, 

wenn sie die Fähigkeiten von F-Logic hinsichtlich der Kombination aus Ausdrucksstärke und 

Schlussfolgerungspotenzial übertreffen. 

Schließlich besitzt F-Logic für das Projekt KOWIEN eine projektspezifische Bedeutung, die sich 

nicht ohne weiteres auf andere Projekte zur Konstruktion von Ontologien übertragen lässt. Sie resultiert 

daraus, dass im Rahmen des Projekts die Ontologie-Entwicklungsumgebung OntoEdit sowie 

die Inferenzmaschine OntoBroker eingesetzt wurden. 16) Beide Softwareprodukte der „Onto“-Fami- 

12) Die Effektivität von Software für computerbasierte Kompetenzmanagementsysteme lässt sich durch die Mächtigkeit der Mengen 

von Fakten messen, die ein solches Kompetenzmanagementsystem über die Kompetenzen und Kompetenzträger eines Unternehmensnetzwerks 

für seine Benutzter zur Verfügung zu stellen vermag. Je größer diese Faktenmengen ausfallen, desto effektiver 

ist das betroffene Kompetenzmanagementsystem. Allerdings handelt es sich nur um einen groben Effektivitätsmaßstab, 

der bei genauerem Hinsehen einer Verfeinerung bedarf. Denn allein durch die Art der faktischen Wissensrepräsentation lässt 

sich die Anzahl der repräsentierten Fakten „manipulieren“. Beispielsweise können entweder relativ wenige, aber informationsreiche 

Fakten oder aber relativ viele, aber informationsarme Fakten verwendet werden, ohne den insgesamt repräsentierten 

Wissensinhalt zu ändern. Dies ist dadurch möglich, dass mehrere informationsarme Fakten durch Verknüpfung mittels eines logischen 

„und“ (konjunktive Verknüpfung) zu einem entsprechend informationsreicheren Faktum zusammengefasst werden – 

oder dass ein informationsreiches Faktum in mehrere entsprechend informationsärmere Teilformeln aufgespalten wird, die ihrerseits 

Fakten darstellen. 

13) Vgl. dazu die Hinweise im Kapitel 1.3.1.2 (S. 172 f.). 

14) Vgl. auch dazu die Erläuterungen im Kapitel 1.3.1.2 (S. 180 ff.). 

15) Streng genommen handelt es sich bei F-Logic sowohl um eine Wissensrepräsentations- als auch um eine Wissenserschließungssprache, 

da F-Logic – wie oben erläutert – auch über Inferenzfähigkeiten verfügt. In der öffentlichen Wahrnehmung dominiert 

jedoch der Aspekt der Wissensrepräsentation, weil die Wissenserschließung mittels Inferenzen oftmals vernachlässigt 

wird. Um die Anschlussfähigkeit zum allgemein üblichen Sprachgebrauch zu wahren, wird auch hier F-Logic als eine „Wissensrepräsentationssprache“ 

bezeichnet. 

16) Die Entscheidungen zugunsten der Verwendung von OntoEdit und OntoBroker erfolgten bereits bei der Projektbeantragung – 

zu einem Zeitpunkt, als insbesondere OntoBroker zu den am weitesten entwickelten Inferenzmaschinen gehörte, auf die in 

einem universitären Forschungsumfeld unter den allgemein bekannten Ressourcenbeschränkungen zugegriffen werden kann.


lie erweisen sich in ihren derzeitigen Versionen mit F-Logic kompatibel und unterstützten daher die 

Konstruktion der KOWIEN-Ontologie mittels dieser Wissensrepräsentationssprache. 

2.4.2.2 Exkurs zu den Grundlagen prädikatenlogischer 

Wissensrepräsentation und Wissenserschließung 

Obwohl Inferenzregeln, die im Kapitel 1.3.1.1.3 kurz erwähnt wurden (S. 163 ff.), in prädikatenlogisch 

basierten Wissensrepräsentationen eine herausragende Rolle spielen, werden sie in zahlreichen 

Publikationen zum Wissensmanagement unreflektiert verwendet. Daher erfolgt in den nächsten 

Kapiteln ein kurzer Exkurs zur Erläuterung dieser wichtigen Begrifflichkeiten – zunächst aus 

rein prädikatenlogischer Perspektive. 17) In diesem Exkurs wird ebenso auf Integritätsregeln eingegangen, 

weil sie für die Zulässigkeit prädikatenlogischer Wissensrepräsentationen und Schlussfolgerungen 

eine wichtige Funktion ausüben können und auch später bei der Konstruktion der KO- 

WIEN-Ontologie eingesetzt werden. Solche Integritätsregeln werden zwar im Rahmen der Prädikatenlogik 

kaum thematisiert, stellen aber für Datenbankmanagementsysteme ein weit verbreitetes Instrumentarium 

dar, um die „Integrität“ von Datenbankzuständen zu gewährleisten (insbesondere im 

Rahmen der transaktionsorientierten Datenverarbeitung). 18) Das Konzept integrer Datenbankzustände 

wird auf die Integrität – d.h. Zulässigkeit – von wissensrepräsentierenden Formelmengen und 

wissenserschließenden Inferenzregelanwendungen übertragen. Schließlich wird auch verdeutlicht 

werden, welches spezielle Verständnis von Fakten hier im Kontext von Ontologien und prädikatenlogisch 

basierten Wissensrepräsentationen vertreten wird. 

Leser, die mit den vorgenannten Aspekten prädikatenlogischer Wissensrepräsentation und Wissenserschließung 

vertraut sind, können die nachfolgenden Ausführungen des Kapitels 2.4.2.2 ohne Informationsverlust 

überspringen. 

17) Daher werden im Exkurs rein prädikatenlogische Notationen verwendet, um Leser, die mit den Konzepten der Prädikatenlogik 

noch nicht vertraut sind, zunächst in die Grundlagen der Prädikatenlogik so weit einzuführen, wie es für das Verständnis der 

später vorgestellten KOWIEN-Ontologie hilfreich erscheint. Da die KOWIEN-Ontologie jedoch nicht in „reiner“ Prädikatenlogik, 

sondern mittels der Wissensrepräsentationssprache F-Logic formuliert wurde, werden die zunächst „hilfsweise“ verwendeten 

prädikatenlogischen Notationen später durch Notationen in F-Logic ersetzt werden. 

18) Vgl. zur Verwendung von Integritätsregeln (Integritätsbedingungen, „integrity constraints“, Konsistenzbedingungen u.ä), vor 

allem im Kontext von Datenbanksystemen, ALAGIC (1986) S. 1 ff. u. 173 ff.; BOMAN ET AL. (1997) S. 67 ff.; DAS (1992) S. 275 

ff.; EHRICH/DROSTEN/GOGOLLA (1988) S. 132 f.; JARKE ET AL. (1994) S. 185 f. u. 189 f.; JABLONSKI (1990) S. 96 ff., insbesondere 

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- 

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 

f. (in Bezug auf Wissensbasierte Systeme); RAUH/STICKEL (1997) S. 69 ff.; VOSSEN (1994) S. 510 ff.; WIERINGA/MEYER/WEI- 

GAND (1989) S. 157 u. 160 ff.; WINTER (1991) S. 253 ff. 

Vgl. darüber hinaus zu konkreten Beispielen einzelner Integritätsregeln, die nicht speziell auf Datenbanksysteme bezogen sind, 

FOX/GRÜNINGER (1997b) S. 28 ff. (im Rahmen der TOVE-Ontologie); FOX/GRUNINGER (1993) S. 12 f. (im Rahmen der TOVE- 

Ontologie); PREIß (1989) S. 48 f. (für Produktionsplanungen); REIMER (1989) S. 83 ff. (für Wissensbasierte Systeme); REIMER 

(1997) S. 90.


2.4.2.2.1 Inferenzregeln 

Inferenzregeln im engeren Sinn 19) , wie sie in der formalen Semantik der Prädikatenlogik definiert 

sind, gestatten es, aus vorliegenden prädikatenlogischen Formeln 20) (Antezedenz-Formeln) 21) neue 

Formeln (Konklusions-Formeln) 22) abzuleiten 23) , die in den Antezedenz-Formeln noch nicht explizit 

19) Als Inferenzregeln im engeren Sinn gelten hier alle Inferenzregeln der konventionellen Prädikatenlogik. Vgl. zu Übersichten 

über diese Inferenzregeln BUCHER (1987) S. 87 ff. und Faltblatt im Anhang; HERMES (1991) S. 30 f., 86 ff. u. 97 ff.; SOWA 

(2000) S. 472 f. 

Die prädikatenlogischen Inferenzregeln werden aus Gründen, die im Folgenden erläutert werden, auch als „metasprachliche“ 

Inferenzregeln bezeichnet. Daneben treten Subjugat-Formeln aus objektsprachlichen Formelsystemen, die – in einem speziellen, 

ebenso nachfolgend erläuterten Verständnis – als „Enabler“ von Inferenzregeln betrachtet werden können. Solche Subjugat-Formeln 

werden vereinfacht als „objektsprachliche“ Inferenzregeln angesprochen. Inferenzregeln im weiteren Sinn umfassen 

sowohl die meta- als auch die objektsprachlichen Inferenzregeln. 

20) Prädikatenlogische Formeln werden des Öfteren auch als „Prädikate“ oder „Sätze“ bezeichnet. Sie umfassen als Grenzfall die 

„Aussagen“ der einfachen Aussagenlogik, die sich als nullstellige Prädikate auffassen lassen. Im Folgenden wird der Einfachheit 

halber kurz von „Formeln“ geredet, wenn aus dem Kontext ersichtlich ist, dass Formeln der Prädikatenlogik gemeint sind. 

Insbesondere wird die Bezeichnung „Formeln“ bevorzugt, wenn es sich um (atomare oder zusammengesetzte) Formeln mit beliebiger 

Bedeutung handelt. Atomare Formeln, denen im Argumentationskontext eine bestimmte Bedeutung zugewiesen ist, 

werden dagegen oftmals als „Prädikate“ bezeichnet, um die Assoziation anklingen lassen, dass ihren Argumenten ein bestimmter 

Inhalt „prädiziert“ wird. 

21) Die Formeln, die bei der Anwendung einer Inferenzregel bereits vorliegen müssen, werden oftmals – in synonymer Verwendung 

– als „Axiome“, „Prämissen“ oder „Antezedenz-Formeln“ bezeichnet. Die Redeweise „Axiome“ wird hier nicht praktiziert, 

weil der Begriff „Axiome“ für solche prädikatenlogische Formeln reserviert bleiben soll, die sich – in Bezug auf ein jeweils 

betrachtetes prädikatenlogisches Formelsystem – aus keinen anderen Formeln des Formelsystems mittels prädikatenlogischer 

Inferenzregeln ableiten lassen. Diese Anforderung der Nichtableitbarkeit aus anderen Formeln braucht von den Formeln, 

auf die eine Inferenzregel angewendet wird, keineswegs erfüllt zu werden. Beispielsweise wird diese Anforderung in mehrstufigen 

Beweisführungen von zahlreichen Formeln nicht erfüllt, die ab der 2. Stufe in die „beweisende“ Anwendung einer Inferenzregel 

eingehen und auf vorangehenden Beweisstufen aus anderen Formeln mittels Inferenzregeln abgeleitet wurden. 

22) Die Formeln, die aus der Anwendung einer Inferenzregel hervorgehen, werden oftmals – in synonymer Verwendung – als 

„Theoreme“, „Konklusionen“ oder „Konklusions-Formeln“ bezeichnet. Auf die Bezeichnung als „Theoreme“ wird im Folgenden 

verzichtet, solange lediglich davon die Rede ist, dass eine Formel aus der Anwendung einer Inferenzregel hervorgegangen 

ist. Stattdessen wird die Bezeichnung „Theorem“ für solche Formeln reserviert, die aus einer vorliegenden Formelmenge mittels 

Inferenzregeln abgeleitet worden sind und in der ursprünglich vorliegenden Formelmenge noch nicht explizit enthalten waren. 

Dieses Theoremverständnis im engeren Sinn wird es an späterer Stelle erleichtern, die Schlussfolgerungsmächtigkeit von 

Formelmengen zu definieren. 

23) Der Prozess, eine Formel aus einer Menge vorliegender Formeln abzuleiten, in der die abgeleitete Formel noch nicht enthalten 

war („neue“ Formel), wird als (syntaktische) „Inferenz“ bezeichnet, wenn die Formelableitung ausschließlich auf die Form der 

involvierten Formeln, aber nicht auf deren Bedeutung Bezug nimmt. Inferenzen stellen daher rein formalsprachlich – oder syntaktisch 

– definierte Formelableitungen dar. Der Bereich der Prädikatenlogik, der sich mit Formelableitungen und den zugrunde 

liegenden Inferenzregeln befasst, wird als Inferenz-Semantik bezeichnet. Es handelt sich um einen Teil der formalen Semantik 

der Prädikatenlogik. Einerseits liegt es auf der Hand, dass dieser Teil über die Syntax der Prädikatenlogik hinaus weist, weil es 

nicht um die Formierungsregeln syntaktisch zulässiger Formeln geht, sondern darum, wie aus (als syntaktisch zulässig vorausgesetzten) 

Formeln andere (ebenso syntaktisch zulässige) Formeln abgeleitet werden können. Andererseits ist die Zugehörigkeit 

zur formalen Semantik der Prädikatenlogik nicht unmittelbar evident, weil sich Inferenzen gerade nicht auf die Bedeutung, sondern 

nur auf die Form von Formeln beziehen. Trotzdem handelt es sich um eine besondere Variante der formalen Semantik, 

weil aufgezeigt werden kann, dass Inferenzen unter speziellen Voraussetzungen (der Vollständigkeit und Korrektheit) zu den 

gleichen Resultaten führen wie eine andere Variante der formalen Semantik, die sich unmittelbar auf die (formalen) Bedeutungen 

von Formeln bezieht.


enthalten waren. Diese prädikatenlogischen Inferenzregeln zeichnen sich durch zwei charakteristische 

Eigenschaften aus. Erstens führen sie per definitionem zu einer Erweiterung der Menge der 

Antezedenz-Formeln, die schon vor der Regelanwendung vorlagen, um die Konklusions-Formeln, 

die erst nach der Regelanwendung als Schlussfolgerungen vorliegen. Zweitens besitzen Inferenz- 

Bei der zweiten Variante der formalen Semantik der Prädikatenlogik handelt es sich um die so genannte Modell-Semantik. Um 

Missverständnissen vorzubeugen, wird von vornherein darauf hingewiesen, dass der hierin involvierte prädikatenlogische Modellbegriff 

nichts mit dem wirtschaftswissenschaftlichen Modellbegriff gemeinsam hat. Da beide Modellbegriffe in den jeweils 

betroffenen Disziplinen zu den etablierten Termini technici gehören, werden sie in dem hier vorgelegten Werk beibehalten, um 

die Anschlussfähigkeit zur jeweils einschlägigen Fachliteratur zu wahren. Die Bezeichnung „Modell“ wird also homonym verwendet. 

In der Regel ist aus dem jeweils aktuellen Argumentationskontext ersichtlich, ob entweder der prädikatenlogische oder 

aber der wirtschaftswissenschaftliche Modellbegriff gemeint ist. Sollte eine Verwechslungsgefahr bestehen, wird der tatsächlich 

adressierte Modellbegriff durch ein erläuterndes Attribut verdeutlicht. Die prädikatenlogische Modell-Semantik beruht auf den 

metasprachlichen Ausdrücken der Gültigkeit (als Pendant zur aussagenlogischen Wahrheit) und der Ungültigkeit (als Pendant 

zur aussagenlogischen Falschheit), mit denen sich die „Bedeutung“ wahrheitsdefiniter prädikatenlogischer Formeln (oder Formelmengen) 

als „gültige“ bzw. „ungültige“ Formeln (oder Formelmengen) festlegen lässt. Wird aus der – semantisch definierten 

– Gültigkeit einer Formelmenge auf die Gültigkeit einer Formel geschlossen, die in der vorgenannten Formelmenge noch 

nicht explizit enthalten war, so wird von einem (semantischen) „Beweis“ gesprochen. Der prädikatenlogische Terminus technicus 

„Schlussfolgerung“ dient hier als Oberbegriff zu syntaktischen Inferenzen und semantischen Beweisen. 

Die wechselseitigen Beziehungen zwischen syntaktischen Inferenzen und semantischen Beweisen spielen in der Prädikatenlogik 

eine herausragende Rolle. Sie werden z.B. unter den o.a. Schlagworten „Inferenz-“ versus „Modell-Semantik“ diskutiert. 

Von diesen tiefgründigen Fundamenten der Prädikatenlogik wird im Folgenden der Übersichtlichkeit halber abgesehen, weil es 

für die hier diskutierten Aspekte der Konstruktion und Anwendung prädikatenlogisch fundierter Ontologien ausreicht, sich auf 

rein syntaktisch definierte Inferenzen zu beschränken. Diese Beschränkung ist zulässig, weil die Vollständigkeit und Korrektheit 

prädikatenlogischer Inferenzkalküle (Systeme aus Inferenzregeln) nachgewiesen wurde. Vgl. z.B. HERMES (1991) S. 85, 93 

ff. u. 126 ff.; SOWA (2000) S. 298. Die beiden Eigenschaften der Vollständigkeit und Korrektheit stellen sicher, dass durch die 

Inferenzregeln eines Inferenzkalküls alle Schlussfolgerungen generiert werden können, die gemäß einer prädikatenlogischen 

Modell-Semantik zulässige Beweise darstellen (Vollständigkeit), und nur solche Schlussfolgerungen generiert werden können, 

die gemäß einer prädikatenlogischen Modellsemantik zulässige Beweise darstellen (Korrektheit). Bei den Inferenzregeln, die 

im Folgenden erwähnt oder konkret angewendet werden, handelt es sich jeweils um Regeln aus Inferenzkalkülen, deren Vollständigkeit 

und Korrektheit nachgewiesen ist. Da in diesem Werk ausschließlich syntaktische Inferenzen – aber keine semantischen 

Beweise – verwendet werden, wird der Schlussfolgerungsbegriff fortan auf den Inferenzbegriff eingeengt (sofern keine 

ausdrücklich abweichenden Festlegungen erfolgen). Daher werden die Bezeichnungen „Inferenz“ und „Schlussfolgerung“ synonym 

verwendet. 

Eine Inferenzregel ist ein allgemeines Schema (Schlussfolgerungsschema), in das sich beliebige prädikatenlogische Formeln als 

Antezedenz-Formeln einsetzen lassen – sofern sie die formalen (syntaktischen) Anforderungen an die Antezedenz-Formeln aus 

der Inferenzregel erfüllen. Eine solche formale Anforderung kann z.B. darin bestehen, dass eine der Antezedenz-Formeln die 

syntaktische Form einer Subjugat-Formel aufweist. Auf diesen Subjugatsaspekt wird in Kürze noch ausführlicher zurückgekommen. 

Das Ergebnis der Anwendung einer Inferenzregel ist eine neue Formel (Konklusions-Formel), die in der Formelmenge, 

auf welche die Inferenzregel angewendet wurde (Antezedenz-Formeln), noch nicht enthalten war. Dieses Ergebnis der Inferenzregelanwendung 

wird oftmals als „Theorem“ oder – ebenso wie der Prozess der Ableitung einer Formel – als „Schlussfolgerung“ 

bezeichnet. Die Bezeichnung „Schlussfolgerung“ wird also in äquivoker Weise auf zwei unterschiedliche Sachverhalte 

angewendet: einerseits auf den Prozess der Ableitung einer neuen Formel aus einer vorliegenden Formelmenge (Inferenz) und 

andererseits auf das Ergebnis dieser Ableitung in Gestalt der „gefolgerten“ neuen Formel (Konklusion). Falls aus dem jeweils 

aktuellen Argumentationskontext ersichtlich ist, ob die Bezeichnung „Schlussfolgerung“ entweder prozess- oder aber ergebnisbezogen 

verwendet wird, wird diese allgemein übliche Bezeichnung benutzt. Andernfalls wird zur Klarstellung des jeweils gemeinten 

Sachverhalts von einer Inferenzregelanwendung (im Prozesskontext) bzw. von einer Konklusion (im Ergebniskontext) 

gesprochen.


regeln die Eigenschaft der Wahrheitserhaltung 24) , d.h., aus gültigen Antezedenz-Formeln werden 

immer „nur“ gültige Konklusions-Formeln abgeleitet. 25) 

Zu den Inferenzregeln der Prädikatenlogik gehören z.B. der Modus ponens 26) und der Modus tollens 

27) , die zumeist in „anschaulichen“, von menschlichen Akteuren vorgetragenen Schlussfolgerungen 

verwendet werden. Prädikatenlogische Inferenzregeln umfassen aber auch die Resolutions- 

und die Unifizierungsregel, die vor allem in maschinellen „Theorembeweisern“ sowie seitens der 

(prädikaten-) „logischen“ Programmiersprache Prolog Einsatz finden. 28) 

Die Inferenzregeln der Prädikatenlogik zeichnen sich gemeinsam dadurch aus, dass sie auf alle – 

syntaktisch korrekt formulierten – prädikatenlogischen Formeln angewendet werden können, und 

zwar vollkommen unabhängig von der Bedeutung („Semantik“) jener Formeln. Jede prädikatenlogische 

Inferenzregel gibt in ihrem regelspezifischen Schlussfolgerungsschema vor, wie aus einer 

gegebenen Menge objektsprachlicher Antezedenz-Formeln eine neue objektsprachliche Konklusi- 

24) Die Eigenschaft der Wahrheitserhaltung reicht über den rein syntaktisch definierten Aspekt der Erweiterung von Formelmengen 

hinaus in den Bereich der formalen (Modell-) Semantik, zu dem die „Gültigkeit“ oder (im aussagenlogischen Kontext) „Wahrheit“ 

von Formeln gehört. Die Gültigkeit von Formeln – und damit die semantische Ebene der Prädikatenlogik – wird in Kürze 

eine wichtige Rolle spielen, um die Rolle von Fakten bei der prädikatenlogischen Wissensrepräsentation zu präzisieren. 

25) Inferenzregeln sind zunächst rein syntaktisch definiert, d.h. ohne Bezug auf Kategorien der formalen Semantik wie „Wahrheitswerte“ 

und „Gültigkeit“ von Formeln. Denn das Schlussfolgerungsschema einer Inferenzregel gibt vor, wie eine (rein syntaktisch 

definierte) Konklusions-Formel aus einer Menge von (ebenso rein syntaktisch definierten) Antezedenz-Formeln abgeleitet 

werden kann. Bei dieser rein syntaktisch definierten Ableitung von Formeln aus Formeln durch Inferenzregelanwendungen 

wird an keiner Stelle ein „Wahrheitswert“ oder die „Gültigkeit“ einer Formel vorausgesetzt. Daher kommt die Eigenschaft 

der Wahrheitserhaltung nicht Inferenzregeln „an sich“ zu, sondern resultiert erst aus einer Verknüpfung zwischen Inferenzregeln 

und formaler (Modell-) Semantik der Prädikatenlogik (1. Stufe): Durch metasprachliche Beweisführungen kann gezeigt 

werden, dass sich die üblichen Inferenzkalküle der Prädikatenlogik – d.h. Systeme aus gemeinsam angewendeten Inferenzregeln 

– durch die semantischen Eigenschaften der Vollständigkeit und Korrektheit auszeichnen. Diese beiden Eigenschaften, die 

bereits in einer der voranstehenden Fußnoten kurz erläutert wurden, stellen sicher, dass Formelableitungen, die durch Anwendung 

von Inferenzregeln rein syntaktisch durchgeführt werden, zu denselben Ergebnissen führen wie Formelbeweise, die mit 

Instrumenten der formalen Semantik durch Bezugnahme auf die Gültigkeit von Formeln geführt werden (Modell-Semantik). 

Nur aufgrund dieser Vollständigkeits- und Korrektheitseigenschaften der Inferenzkalküle der Prädikatenlogik ist es zulässig, 

trotz der rein syntaktischen Definition von Inferenzregeln im Kontext von Inferenzregeln auch die Gültigkeit von Formeln zu 

adressieren (wie es hier hinsichtlich der Eigenschaft der Wahrheitserhaltung der Fall ist). Wenn Inferenzregeln auf eine Formelmenge 

angewendet werden, dann wird aus formal-semantischer Perspektive stets von der impliziten Voraussetzung ausgegangen, 

dass jede einzelne Formel aus dieser Formelmenge gültig ist (andernfalls wäre es widersinnig, von einer Wahrheits- 

„Erhaltung“ zu reden). Da die Formeln aus einer Formelmenge immer implizit als Konjunktiv verknüpft behandelt werden und 

ein Konjugat genau dann gültig ist, wenn jede seiner Teilformeln gültig ist, lässt sich die voranstehende Voraussetzung auch so 

paraphrasieren: Wenn Inferenzregeln auf eine Formelmenge angewendet werden, dann wird stets davon ausgegangen, dass diese 

Formelmenge als Ganzes gültig ist. 

26) Für die Formulierung von Inferenzregeln wird die metasprachliche Notation „FM F“ verwendet. Sie drückt die Inferenzbeziehung 

„Die Formel F ist ableitbar aus der Formelmenge FM.“ oder – mit anderen, aber äquivalenten Worten – die Schlussfolgerungsbeziehung 

„Aus den Antezedenz-Formeln der Menge FM lässt sich die Konklusions-Formel F ableiten.“ aus. Mithilfe 

dieser Notation kann die Inferenzregel des Modus ponens mit beliebigen prädikatenlogischen Formeln A und B durch folgendes 

Schlussfolgerungsschema ausgedrückt werden: {A;A→B} B . Vgl. zum Modus ponens LORENZ (2004e) S. 917; WOLTERS 

(2004a) S. 154. 

27) Die Inferenzregel des Modus tollens geht aus Inferenzregel des Modus ponens durch die so genannte „Kontraposition“ für Subjugate 

hervor. Das Schlussfolgerungsschema für den Modus tollens lautet mit beliebigen prädikatenlogischen Formeln A und B: 

{A→B;¬B} ¬A . Vgl. zum Modus ponens LORENZ (2004f) S. 917 f.; WOLTERS (2004a) S. 154 f. 

28) Vgl. CLOCKSIN/MELLISH (1987) S. 232 ff.; NILSSON/MALUSZYNSKI (1990) S. 37 ff.


ons-Formel abgeleitet werden kann. 29) Daher handelt es sich bei diesen Inferenzregeln um metasprachliche 

Ausdrücke. Aus diesem Grund werden die prädikatenlogischen Inferenzregeln hier auch 

als metasprachliche Inferenzregeln bezeichnet. Jede erfolgreiche Anwendung des Schlussfolgerungsschemas 

einer prädikatenlogischen Inferenzregel auf konkret vorgegebene, objektsprachliche 

Formeln stellt eine metasprachliche Schlussfolgerung (Inferenz) dar und bringt eine neue, in den 

Antezedenz-Formeln noch nicht explizit enthaltene Konklusions-Formel hervor (dies ist der bereits 

o.a. Erweiterungsaspekt). 30) 

Sofern Wissen über einen Realitätsausschnitt mit Hilfe prädikatenlogischer Ausdrucksmittel repräsentiert 

wird, besteht das aktuell verfügbare, explizit repräsentierte Wissen aus der Gesamtheit der 

vorliegenden – und jeweils als plausibel unterstellten – prädikatenlogischen Formeln. 31) Unter dieser 

Repräsentationsvoraussetzung zeichnen sich Inferenzregeln dadurch aus, neues explizites Wissen in 

der Gestalt von Konklusions-Formeln aus vorhandenem expliziten Wissen erschließen zu können, 

wenn das vorhandene explizite Wissen die Antezedenz-Formeln der angewendeten Inferenzregeln 

umfasst. Sämtliches Wissen, das in einer gegebenen prädikatenlogischen Formelmenge noch nicht 

explizit enthalten ist, jedoch daraus mittels prädikatenlogischer Inferenzregeln erschlossen werden 

kann, wird in Bezug auf diese Formelmenge und die eingesetzten Inferenzregeln als implizites Wissen 

bezeichnet. 32) Aus dieser Perspektive dienen die Inferenzregeln der Prädikatenlogik dazu, be- 

29) Die Menge der Antezedenz-Formeln umfasst in der Regel mehrere Formeln, kann aber auch aus nur einer Formel bestehen und 

– als Grenzfall – auch die leere Menge darstellen. Im allgemeinen Fall kann durch Anwendung einer Inferenzregel genau eine 

Konklusions-Formel abgeleitet werden. 

30) Dieser Erweiterungsaspekt braucht auf Formelmengen, auf die eine Inferenzregel angewendet wird und die mehr Formeln als 

nur die Anzedenz-Formeln aus der Inferenzregel enthalten, nicht zuzutreffen. Denn es kann durchaus der Fall sein, dass mittels 

einer Inferenzregel eine Konklusionsformel abgeleitet wird, die in der zugrunde liegenden Formelmenge bereits explizit enthalten 

war. In diesem Fall hat die Anwendung der Inferenzregel zu keinem Erkenntnisfortschritt in der Form einer neu abgeleiteten 

Konklusions-Formel geführt, sondern lediglich eine Formel „reproduziert“, die in der zugrunde liegenden Formelmenge bereits 

explizit enthalten (und als gültig vorausgesetzt) war. Der Erweiterungseffekt von Inferenzregeln trifft also nicht auf beliebige 

Formelmengen zu, sondern im strengen Sinn nur auf diejenigen Formel(teil)mengen, die genau diejenigen Antezedenz-Formeln 

umfassen, die in das Schlussfolgerungsschema einer Inferenzregel eingesetzt werden. Allerdings stellt die so genannte „Monotonie“ 

der Prädikatenlogik sicher, dass durch die Anwendung von Inferenzregeln auf Formelmengen diese Formelmengen niemals 

„schrumpfen“ können, sondern entweder – durch die Ableitung neuer Konklusions-Formeln – anwachsen oder – in dem 

Grenzfall, dass die Konklusions-Formeln in den jeweils betroffenen Formelmengen bereits explizit enthalten waren, – unverändert 

bleiben. 

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, 

jedoch äquivalenten Weisen darstellen: Entweder als Formelmenge {F 1;...;F N} oder als Formelsystem, in dem die Formeln 

im Allgemeinen zeilenweise notiert werden. Sowohl für die Elemente (Formeln) einer Formelmenge als auch für die Zeilen 

(Formeln) eines Formelsystems wird unterstellt, dass ihre Formeln implizit mittels eines logischen „und“, also konjunktiv 

miteinander verknüpft sind. Sowohl die Formelmenge als auch das Formelsystem sind daher äquivalent zu einer einzigen Konjugat-Formel 

F 1 ∧ ... ∧ F N. Aufgrund dieser Äquivalenz werden die Bezeichnungen „Formelmenge“ und „Formelsystem“ im 

Folgenden synonym verwendet. Wegen dieser impliziten konjunktiven Verknüpfung aller Formeln aus einer Formelmenge oder 

einem Formelsystem gilt darüber hinaus: Eine Formelmenge oder ein Formelsystem, das als Ganzes das explizit verfügbare 

Wissen über einen Realitätsausschnitt repräsentiert, ist genau dann gültig, wenn alle seine Teilformeln gültig sind. 

32) Die Implizitheit von Wissen in dem hier vertretenen „inferenziellen“ Sinne stellt also eine „relationale“ Eigenschaft dar, die einem 

expliziten Wissensbestand nicht „an sich“ zukommt. Vielmehr hängt das Wissen, das in jenem expliziten Wissensbestand 

implizit „enthalten“ ist, auch von den Regeln jenes Inferenzkalküls ab, das zur Ableitung und somit Explizierung des impliziten 

Wissens angewendet wird. Daher kann ein Wechsel des Inferenzkalküls dazu führen, dass trotz eines unverändert vorgegebenen 

expliziten Wissensbestands unterschiedliches implizites Wissen daraus abgeleitet werden kann. Das implizite Wissen ist daher 

streng genommen nicht allein im vorgegebenen expliziten Wissensbestand „enthalten“, sondern kommt nur der Gesamtheit aus 

vorgegebenem expliziten Wissensbestand und darauf angewandtem Inferenzkalkül zu. Im Rahmen der Prädikatenlogik 1. Stufe 

bereitet diese Inferenzkalkülabhängigkeit impliziten Wissens keine Schwierigkeiten, da alle Inferenzkalküle dieser Prädikatenlogik, 

angewendet auf denselben expliziten Wissensbestand, dasselbe implizite Wissen abzuleiten gestatten – sofern man sich 

auf vollständige und korrekte Inferenzkalküle beschränkt. Diese wichtige und „weise“ Beschränkung wird jedoch im Rahmen


reits implizit in anderem Wissen enthaltenes, aber noch nicht explizit repräsentiertes und somit 

nicht unmittelbar zugreifbares Wissen zu „erschließen“ und dabei in explizites, mittels prädikatenlogischer 

Formeln repräsentiertes Wissen zu transformieren. Der hier verwendete Begriff impliziten 

Wissens ist daher deutlich von dem äquivoken Begriff zu unterscheiden, der oftmals im Rahmen 

des Wissensmanagements in Anlehnung an POLANYI benutzt wird. 33) Um Missverständnissen vorzubeugen, 

wird jenes anders aufgefasste „implizite“ Wissen, das „in den Köpfen“ von Menschen 

„eingeschlossen“ ist, hier als tazites Wissen bezeichnet. 

Neben den metasprachlichen Inferenzregeln, die für die Prädikatenlogik im Allgemeinen gelten, 

spielen bei der Konstruktion von Ontologien speziell die objektsprachlichen Inferenzregeln eine 

bedeutsame Rolle. 34) Objektsprachliche Inferenzregeln stellen keine Inferenzregeln im prädikatenlogischen 

Sinn dar. Sie unterscheiden sich von prädikatenlogischen Inferenzregeln in zweifacher 

Hinsicht. Erstens erweisen sich objektsprachliche Inferenzregeln – im Gegensatz zu prädikatenlogischen 

Inferenzregeln – nicht als allgemeingültig. Vielmehr drücken objektsprachliche Inferenzregeln 

domänenspezifisches Wissen über Schlussfolgerungsmöglichkeiten aus, die nur in einem konzeptualisierten 

Realitätsausschnitt als plausibel anerkannt werden. 35) Zweitens erfüllen objektsprachliche 

Inferenzregeln streng genommen nicht das allgemeine Schema von Inferenzregeln 

(Schlussfolgerungsschema), wie es aus der Prädikatenlogik vertraut ist. 36) Stattdessen handelt es 

sich bei objektsprachlichen Inferenzregeln lediglich um Subjugat-Formeln, also nur um echte Bestandteile 

eines Schlussfolgerungsschemas. Diese Subjugat-Formeln können als objektsprachliche 

Antezedenz-Formeln an prädikatenlogischen Schlussfolgerungen teilhaben. Die Subjugat-Formeln 

besitzen eine epistemische „Enabler“-Qualität, d.h., sie ermöglichen prädikatenlogische Schlussfolgerungen, 

die mittels einer metasprachlichen Inferenzregel allein nicht hätten durchgeführt werden 

können. Diese „Enabler“-Qualität objektsprachlicher Subjugat-Formeln beruht auf dem Sach- 

des Wissensmanagements des Öfteren aufgegeben. Dies kann entweder daran liegen, dass man zwecks „Umgehung“ der fundamentalen 

Unentscheidbarkeit der Prädikatenlogik 1. Stufe zusätzliche Inferenzregeln oder Inferenzprämissen einführt, die 

alle prädikatenlogisch formulierbaren Entscheidungsprobleme zu „lösen“ gestatten. Dazu gehören vor allem die „negation as 

failure“-Inferenzregel und die „closed world“-Inferenzprämisse, die im Inferenzkalkül der (prädikaten-) „logischen“ Programmiersprache 

Prolog eng miteinander verwoben sind. Oder man verwendet „aus pragmatischen Erwägungen“ Prädikatenlogiken 

höherer Stufe oder Nonstandard-Logiken, die von der Prädikatenlogik grundsätzlich abweichen. Im erstgenannten Fall wird in 

der Regel die Prädikatenlogik 2. Stufe verwendet, wie etwa bei der „Reifizierung“ von Klassen, Relationen oder Prädikaten. Zu 

den Nonstandard-Logiken des zweitgenannten Falls gehören vor allem so genannte non-monotone Logiken. In ihnen ist die 

Monotonie-Eigenschaft der Prädikatenlogik, dass eine einmal als gültig nachgewiesene Formel unabhängig von allen später angewendeten 

Inferenzregeln stets weiterhin gültig bleibt, verletzt. Alle solche Abweichungen von der Prädikatenlogik 1. Stufe 

können zum Verlust der Vollständigkeit und Korrektheit der jeweils angewandten Inferenzkalküle führen – und infolgedessen 

auch zu unterschiedlichem impliziten Wissen trotz unverändert vorgegebenem expliziten Wissensbestand. Um Missverständnissen 

vorzubeugen, wird darauf hingewiesen, dass Abweichungen von der Prädikatenlogik 1. Stufe für Zwecke des Wissensmanagements 

durchaus gerechtfertigt sein können – und in der Praxis des computerbasierten Wissensmanagements sogar den Regelfall 

darstellen. Die voranstehenden Erläuterungen zielten lediglich darauf ab, dafür zu sensibilisieren, den Begriff impliziten 

Wissens nicht „naiv“ zu verwenden und auf ein „bloßes Enthaltensein“ in explizitem Wissen zu reduzieren, sondern sich seiner 

Abhängigkeit vom jeweils verwendeten Inferenzkalkül bewusst zu sein. 

33) Vgl. dazu die Ausführungen im Kapitel 1.1.2 (S. 40 ff.) – einschließlich der Quellenhinweise und Anmerkungen in der Fußnote 

21 (S. 40) – zu implizitem Wissen im Sinne von tazitem Wissen. 

34) Vgl. zu solchen objektsprachlichen Inferenzregeln JARKE ET AL. (1994) S. 173 ff. u. 184 f. (im Kontext von deduktiven Datenbanksystemen); 

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. 

457 ff.) und 2.4.4 (S. 524 ff.). 

35) Beispielsweise sprechen JARKE ET AL. (1994) S. 173 in Bezug auf Inferenzregeln von „application-specific deduction rules“. 

36) Vgl. zu diesem Inferenzregel- oder Schlussfolgerungsschema die Hinweise in den voranstehenden Fußnoten 23, 25 und 26 sowie 

in der nachfolgenden Erläuterung zur Inferenzregel des Modus ponens.


verhalt, dass metasprachliche Inferenzregeln wie der Modus ponens und der Modus tollens nur dann 

auf objektsprachliche Antezedenz-Formeln angewendet werden können, wenn jene Antezedenz- 

Formeln mindestens eine Subjugat-Formel umfassen. 

Die „Enabler“-Qualität von objektsprachlichen Inferenzregeln sei anhand der metasprachlichen Inferenzregel 

des Modus ponens exemplarisch verdeutlicht: FM F dient als metasprachliche Notation 

für die Inferenzbeziehung: „Die Formel F lässt sich aus der Formelmenge FM ableiten.“ 37) Mit 

Hilfe dieser Notation kann die Inferenzregel des Modus ponens mit beliebigen prädikatenlogischen 

Formeln A und B durch folgendes Schlussfolgerungsschema ausgedrückt werden: {A;A→B} B . 

Ohne die objektsprachliche Antezedenz-Formel A→B wäre es nicht möglich gewesen, mit Hilfe 

der Inferenzregel des Modus ponens die Konklusions-Formel B abzuleiten. 

Die Antezedenz-Formel A→B ist für die Ableitbarkeit der Konklusions-Formel B zwar nicht hinreichend 

(denn es muss die zweite Antezedenz-Formel A hinzu kommen), aber notwendig. In diesem 

speziellen Verständnis, notwendige Bedingungen für die Anwendbarkeit metasprachlicher Inferenzregeln 

– wie z.B. der des Modus ponens (oder Modus tollens) – darzustellen, werden hier objektsprachliche 

Subjugat-Formeln der Kürze halber als „objektsprachliche Inferenzregeln“ bezeichnet. 

Die Verfasser sind sich bewusst, dass sie eine „metaphorische“ und simplifizierende Diktion 

verwenden, weil tatsächlich keine Inferenzregeln im prädikatenlogischen Sinn vorliegen. Vielmehr 

handelt es sich „nur“ um objektsprachliche, aber immerhin notwendige Bestandteile aus der Antezedenz-Komponente 

des Schlussfolgerungsschemas einer prädikatenlogischen Inferenzregel. 

Für einen Wissensbestand, der mittels einer objektsprachlichen Formelmenge prädikatenlogisch 

repräsentiert wird, kann es erheblich von den darin enthaltenen objektsprachlichen Inferenzregeln in 

Subjugat-Form abhängen, in welchem Umfang sich Schlussfolgerungen zur Explizierung impliziten 

Wissens ziehen lassen. 38) Zur Erläuterung dieses Relevanzurteils wird im Folgenden davon ausgegangen, 

dass die Schlussfolgerungsmächtigkeit einer Formelmenge durch das Verhältnis zwischen 

der Anzahl aller Formeln, die in der Formelmenge zwar nicht explizit enthalten sind, sich aber aus 

der Formelmenge mittels Inferenzregeln ableiten lassen (Theoreme), und der Anzahl aller Formeln, 

die von Anfang an explizite Elemente der Formelmenge darstellen, gemessen wird. Der Einfachheit 

halber wird angenommen, dass die Anzahl der ableitbaren Theoreme endlich ist. 39) Um die Argumentation 

übersichtlicher zu gestalten, wird des Weiteren vereinfachend davon ausgegangen, dass 

lediglich der Modus ponens, der Modus tollens und das Transitivitätsgesetz 40) als prädikatenlogische 

Inferenzregeln angewendet werden. Schließlich wird der Übersichtlichkeit halber unterstellt, 

37) In einer Inferenzregel der Form FM F stellt die Formelmenge FM die Konklusions-Komponente und die Formel F die Konklusions-Komponente 

der Inferenzregel dar. Alle Formeln aus der Formelmenge FM sind die Antezedenz-Formeln der Inferenzregel, 

während die Konklusions-Formel der Inferenzregel mit ihrer Konklusions-Komponente F zusammenfällt. 

38) Im Folgenden wird stets von einem fest vorgegebenen (vollständigen und korrekten) Inferenzkalkül ausgegangen. Die metasprachlichen 

Inferenzregeln der Prädikatenlogik liegen also konstant vor, so dass Veränderungen des Umfangs zulässiger 

Schlussfolgerungen nicht durch jene metasprachlichen Inferenzregeln bedingt sein können, sondern in den objektsprachlichen 

Formeln des zugrunde liegenden Wissensbestands angelegt sein müssen. 

39) Sofern diese vereinfachende Annahme nicht erfüllt ist, lassen sich die Schlussfolgerungsmächtigkeiten zweier Formelmengen 

miteinander vergleichen, falls die Theoreme-Mengen für beide Formelmengen in einem Teilmengen- oder Obermengen-Verhältnis 

zueinander stehen. Von solchen Komplikationen wird hier abgesehen. Ebenso wird nicht näher darauf eingegangen, ob 

die ursprünglich vorgegebene Formelmenge in axiomatischer Form vorliegt – also keine aus der Formelmenge ableitbaren Theoreme 

enthält. Denn dieser Axiomatisierungsaspekt besitzt keine Bedeutung für die nachfolgende Argumentation. 

40) Das Transitivitätsgesetz muss hier neben Modus ponens und Modus tollens in die Argumentation einbezogen werden, weil andernfalls 

nachfolgend der Fall redundanter Subjugat-Formeln nicht ausgeschlossen werden könnte.


dass die ursprünglich vorliegende objektsprachliche Formelmenge keine redundanten Subjugat- 

Formeln umfasst, d.h., keine objektsprachliche Subjugat-Formel kann mit Hilfe von beliebigen Inferenzregeln 

– wie etwa transitiver Verkettung – aus anderen Subjugat-Formeln abgeleitet werden. 

41) Unter diesen Voraussetzungen lässt sich zeigen, dass die Anzahl der Formeln, die als Theoreme 

aus einer gegebenen objektsprachlichen Formelmenge abgeleitet werden können (Schlussfolgerungsmächtigkeit) 

42) , bei gleicher Anzahl von Formeln in der vorgegebenen Formelmenge tendenziell 

umso größer ausfällt, je mehr Subjugat-Formeln in dieser Formelmenge enthalten sind: 43) 

Es wird der Fall betrachtet, dass die Anzahl der Formeln in einer Formelmenge nicht verändert 

wird, aber eine Formel, die vorher kein Subjugat darstellte, durch eine Subjugat-Formel ersetzt 

wird; der Anteil der Subjugat-Formeln an der Formelmenge nimmt also zu, aber die Anzahl der 

Formeln der Formelmenge bleibt konstant. 44) In diesem Fall können zusätzliche Schlussfolgerungen 

41) Ohne diesen Ausschluss redundanter Subjugat-Formeln würde die nachfolgende Argumentation an Stringenz verlieren. Zur 

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 

die erste Formelmenge FM 1 bei gleicher Formelanzahl eine Subjugat-Formel mehr als die zweite Formelmenge FM 2 umfasst, 

besitzen beide Formelmengen mit der Theoreme-Menge {B;C} dieselbe Schlussfolgerungsmächtigkeit. Denn die eine 

Subjugat-Formel A→C, die zwar in der ersten, aber nicht in der zweiten Formelmenge enthalten ist, trägt nicht zur Schlussfolgerungsmächtigkeit 

der ersten Formelmenge bei, weil diese Subjugat-Formel A→C durch Anwendung des Transitivitätsgesetzes 

aus den beiden anderen Subjugat-Formeln A→B und B→C der ersten (und auch der zweiten) Formelmenge abgeleitet werden 

kann – also in den beiden anderen Subjugat-Formeln der ersten (und auch der zweiten) Formelmenge bereits implizit enthalten 

ist. 

42) Die Menge der Formeln, die als Theoreme aus einer gegebenen objektsprachlichen Formelmenge abgeleitet werden können und 

in dieser Formelmenge nicht explizit enthalten sind, stellt das Schlussfolgerungspotenzial jener Formelmenge dar (in Bezug auf 

ein ebenso vorgegebenes Inferenzkalkül). Die Anzahl der Elemente dieser Theoreme-Menge wird als Schlussfolgerungsmächtigkeit 

der objektsprachlichen Formelmenge (in Bezug auf das Inferenzkalkül) bezeichnet. 

43) In dem Grenzfall, dass die vorgegebene Formelmenge überhaupt keine Subjugat-Formel enthält, sondern z.B. nur atomare 

Formeln oder – unter Umständen zusätzlich – Konjugate oder Adjugate aus jeweils (nicht-negierten) atomaren Formeln umfasst, 

lässt sich aus einer solchen Formelmenge mittels des Modus ponens, des Modus tollens und des Transitivitätsgesetzes 

überhaupt keine Schlussfolgerung ziehen. Dies gilt unabhängig davon, wie groß diese Formelmenge ist. 

44) Die Fallkonstruktion erfolgte hier aus dem Blickwinkel, die tendenzielle Zunahme der Schlussfolgerungsmächtigkeit einer 

Formelmenge möglichst präzise erfassen zu können. Dies setzt streng genommen voraus, dass Formelmengen mit gleicher 

Mächtigkeit (Elementeanzahl) miteinander verglichen werden, wie es im oben konstruierten Fall geschieht. Andernfalls – wenn 

Formelmengen mit unterschiedlichen Elementeanzahlen miteinander verglichen würden – könnte die Zunahme der Schlussfolgerungsmächtigkeit 

beim Übergang von einer zu einer anderen Formelmenge nicht eindeutig auf den Anteil enthaltener Subjugat-Formeln 

zurückgeführt werden. Vielmehr könnte die Zunahme der Schlussfolgerungsmächtigkeit auch dadurch verursacht 

werden, dass bereits die zugrunde liegende Formelmenge, aus der jeweils Schlussfolgerungen gezogen werden, beim Übergang 

von einer zu einer anderen Formelmenge vergrößert wurde. 

Bei der Konstruktion von Ontologien spielt der voranstehende Fall – der nur für die möglichst präzise Herausarbeitung des Effekts 

einer tendenziell vergrößerten Schlussfolgerungsmächtigkeit betrachtet wurde – jedoch allenfalls eine untergeordnete Rolle. 

Denn bei der Ontologiekonstruktion geht es im Allgemeinen nicht darum, ob der Anteil von Subjugat-Formeln an einer 

Formelmenge konstanter Elementeanzahl vergrößert werden soll. Vielmehr eröffnet sich die Gestaltungsoption, eine konstante 

Menge atomarer Formeln (unter Umständen einschließlich Negaten von atomaren Formeln), auf die weiter unten aus dem 

Blickwinkel der Faktenbasis zurückgekommen wird, entweder um objektsprachliche Inferenzregeln in Subjugat-Form zu erweitern 

– oder aber darauf zu verzichten. In diesem Standardfall der Ontologiekonstruktion wird also die Formelmenge, auf die 

sich metasprachliche Inferenzregeln der Prädikatenlogik anwenden lassen, durch das Hinzufügen von objektsprachlichen Inferenzregeln 

in Subjugat-Form vergrößert, so dass sich der oben diskutierte Effekt einer tendenziell vergrößerten Schlussfolgerungsmächtigkeit 

nicht mehr eindeutig auf die hinzugefügten objektsprachlichen Inferenzregeln (bei konstanter Formelanzahl) 

zurückführen lässt. Aber diese eindeutige Effektlokalisierbarkeit ist kein primäres Anliegen der Ontologiekonstruktion. Stattdessen 

geht es bei der Ontologiekonstruktion darum, ob das Potenzial zulässiger Schlussfolgerungen, die sich aus der Faktenbasis 

ableiten lassen, durch das Hinzufügen von objektsprachlichen Inferenzregeln vergrößert werden kann. Diese Vergrößerung 

des Potenzials zulässiger Schlussfolgerungen trifft unter drei Voraussetzungen zu. Erstens darf es sich bei einer objektsprachlichen 

Inferenzregel nicht um eine Subjugat-Formel handeln, die im vorgegebenen Wissensbestand bereits implizit enthalten ist. 

Letztes wäre z.B. der Fall, wenn sich eine Subjugat-Formel mittels des Transitivitätsgesetzes aus bereits vorhandenen objektsprachlichen 

Inferenzregeln ableiten lässt (daher wurde in der o.a. Argumentation der Fall redundanter Subjugat-Formeln aus-


mittels des Modus ponens, des Modus tollens oder des Transitivitätsgesetzes ermöglicht werden, 

die vorher noch nicht möglich waren. Dieses zusätzliche Schlussfolgerungspotenzial resultiert, 

wenn die Antezedenz-Komponente des Schlussfolgerungsschemas von Modus ponens, Modus tollens 

oder Transitivitätsgesetz in der ursprünglichen Formelmenge durch keine Subjugat-Formel erfüllt 

wurde, durch die neu hinzu gekommene Subjugat-Formel jedoch erfüllt wird. Aufgrund dieser 

charakteristischen Eigenschaft, zusätzliche Schlussfolgerungen aus Formelmengen tendenziell zu 

ermöglichen 45) , werden objektsprachliche Subjugat-Formeln hier metaphorisch als „objektsprachliche 

Inferenzregeln“ bezeichnet. 

drücklich ausgeschlossen). Zweitens muss die hinzugefügte Subjugat-Formel dazu führen, dass sich mindestens eine metasprachliche 

Inferenzregel anwenden lässt, die vor dem Hinzufügen der Subjugat-Formel wegen Nichterfüllung ihrer Antezedenz-Komponente 

nicht angewendet werden konnte. Drittens muss mindestens eine metasprachliche Inferenzregel die Ableitung 

eines Theorems ermöglichen, das vor dem Hinzufügen der Subjugat-Formel durch keine anderen Inferenzregeln abgeleitet 

werden konnte. Da die drei vorgenannten Voraussetzungen keineswegs immer zutreffen müssen, führt das Hinzufügen von objektsprachlichen 

Inferenzregeln zu einer konstanten Menge atomarer Formeln (unter Umständen einschließlich Negaten von atomaren 

Formeln) nicht notwendig zur Vergrößerung des Potenzials zulässiger Schlussfolgerungen und damit zur Zunahme der 

Schlussfolgerungsmächtigkeit. Aber dieses Hinzufügen von objektsprachlichen Inferenzregeln kann das Potenzial zulässiger 

Schlussfolgerungen vergrößern – nämlich genau dann, wenn die vorgenannten drei Voraussetzungen erfüllt sind. Darüber hinaus 

kann das Hinzufügen von objektsprachlichen Inferenzregeln das Potenzial zulässiger Schlussfolgerungen niemals verringern, 

weil aufgrund der Monotonie der Prädikatenlogik Schlussfolgerungen, die sich aus einer Formelmenge ableiten lassen, 

niemals dadurch unzulässig werden können, dass die ursprüngliche Formelmenge vergrößert wird, wie hier im Falle zusätzlicher 

Subjugat-Formeln. Beide Effekte zusammen genommen – mögliche Vergrößerung und unmögliche Verkleinerung des Potenzials 

zulässiger Schlussfolgerungen – führen dazu, dass das Hinzufügen von objektsprachlichen Inferenzregeln zu einer 

Formelmenge die Schlussfolgerungsmächtigkeit tendenziell ansteigen lässt. Dies bestätigt im Ergebnis den oben konstruierten 

Fall. Nur lässt sich die tendenzielle Zunahme der Schlussfolgerungsmächtigkeit wegen der Vergrößerung der Formelmenge um 

die hinzugefügten Subjugat-Formeln der objektsprachlichen Inferenzregeln nicht mehr eindeutig auf die Subjugat-Form der objektsprachlichen 

Inferenzregeln zurückführen (sondern kann ebenso durch die Vergrößerung der zugrunde liegenden Formelmenge 

verursacht sein). 

45) Die voranstehenden Überlegungen stellen nur Tendenzargumente dar, weil die Antezedenz-Komponente des Schlussfolgerungsschemas 

von Modus ponens und Modus tollens als zweiten notwendigen Bestandteil für die Zulässigkeit einer Schlussfolgerung 

auch eine atomare Formel bzw. das Negat einer atomaren Formel umfasst. Daher können z.B. aus einer Formelmenge, 

die ausschließlich Subjugat-Formeln enthält, mittels Modus ponens und Modus tollens überhaupt keine Theoreme abgeleitet 

werden. Ebenso ist es möglich, dass sich in einzelnen Fällen Theoreme, die aus einer Formelmenge (die sowohl atomare Formeln 

als auch Subjugat-Formeln umfasst) ursprünglich mithilfe des Modus ponens oder des Modus tollens abgeleitet werden 

konnten, nicht mehr ableiten lassen, weil in dieser Formelmenge eine atomare Formel bzw. das Negat einer atomaren Formel, 

die an der Ableitung der Theoreme beteiligt waren, durch eine Subjugat-Formel ersetzt wurden. In den vorgenannten Fällen 

führt die Erhöhung des Anteils von Subjugat-Formeln an einer Formelmenge nicht zu einer Vergrößerung der Anzahl möglicher 

Schlussfolgerungen, sondern kann diese sogar in Einzelfällen sinken lassen. Trotz dieser denkmöglichen Ausnahmefälle 

zeigt aber die Erfahrung mit Formelmengen aus der prädikatenlogischen Repräsentation des Wissens über reale Sachverhalte, 

dass die Schlussfolgerungsmächtigkeit von wissensrepräsentierenden Formelmengen tendenziell zunimmt, wenn ihr Anteil an 

Subjugat-Formeln ansteigt.


Ein einfaches, aber instruktives Beispiel verdeutlicht die Ermöglichung zusätzlicher Schlussfolgerungen 

durch objektsprachliche Inferenzregeln in Subjugat-Form: Als Ausgangspunkt wird die 

Formelmenge FM1 mit FM1 = {A;B;A→C} betrachtet. Aus ihr lässt sich mittels prädikatenlogischer 

Inferenzregeln – hier: mit Hilfe des Modus ponens – nur die Formel C als Theorem ableiten, 

d.h. die Theoreme-Menge Th(FM1) besteht nur aus einem Element: Th(FM1) = {C}. Ersetzt man 

nun in der Formelmenge FM1 die atomare Formel B durch die Subjugat-Formel A→D, so kann aus 

der gleich mächtigen Formelmenge FM2 mit FM2 = {A;A→D;A→C} die zweielementige Theoreme-Menge 

Th(FM2) = {C;D} abgeleitet werden. Die Schlussfolgerungsmächtigkeit ist beim Übergang 

von der Formelmenge FM1 auf die Formelmenge FM2 also um den Faktor 2 angestiegen, obwohl 

sich der Umfang der jeweils zugrunde liegenden Formelmenge FM1 bzw. FM2 nicht verändert 

hat. Lediglich die Vergrößerung des Anteils von objektsprachlichen Subjugat-Formeln beim Übergang 

von der Formelmenge FM1 auf die Formelmenge FM2 hat dazu geführt, dass die Schlussfolgerungsmächtigkeit 

zugenommen hat. 46) In dieser Hinsicht, die Anzahl prädikatenlogisch ableitbarer 

Theoreme tendenziell zu steigern, werden objektsprachliche Subjugat-Formeln – wie im hier betrachteten 

Fall (u.a.) die Formel A→D – als „objektsprachliche Inferenzregeln“ bezeichnet. 

Allerdings wird die Bezeichnung „objektsprachliche Inferenzregel“ nicht auf jede Subjugat-Formel 

aus einer objektsprachlichen Formelmenge angewendet. Stattdessen bleibt diese Bezeichnung solchen 

Subjugat-Formeln vorbehalten, die vom Konstrukteur einer Ontologie in der Absicht eingeführt 

werden, im Zusammenwirken mit den metasprachlichen Inferenzregeln der Prädikatenlogik 

zusätzliche Schlussfolgerungen zu ermöglichen. Diese restriktive Verwendung der Bezeichnung 

„objektsprachliche Inferenzregel“ erweitert die bisherigen Betrachtungen um die semiotische Dimension 

der Pragmatik, die sich mit den Zwecken beschäftigt, zu deren Erfüllung bestimmte Konstrukte 

verwendet (oder verboten) werden. Die pragmatisch erweiterte Sicht auf objektsprachliche 

Inferenzregeln ist notwendig, weil nicht alle Subjugat-Formeln, die in einer objektsprachlichen 

Formelmenge enthalten sind, mit der Absicht formuliert worden sein müssen, zusätzliche Schlussfolgerungen 

zu ermöglichen. Stattdessen können objektsprachliche Subjugat-Formeln auch in einer 

anderen als einer schlussfolgernden Absicht verwendet werden. Dies trifft z.B. auf Integritätsregeln 

zu, die im folgenden Kapitel erläutert werden. 

46) Das voranstehende Beispiel verdeutlicht auch, dass es sich bei der Aussage, objektsprachliche Subjugat-Formeln würden die 

Schlussfolgerungsmächtigkeit einer Formelmenge ansteigen lassen, lediglich um eine Tendenzaussage handelt. Beispielsweise 

wird die geringfügig modifizierte Formelmenge FM 3 mit FM 3 = {A;B→D;A→C} betrachtet. Aus dieser Formelmenge kann 

mittels der Inferenzregel des Modus ponens als einzige Formel, die in der Formelmenge FM 3 noch nicht enthalten war, das 

Theorem C abgeleitet werden. Die Theoreme-Menge Th(FM 3) = {C} der Formelmenge FM 3 = {A;B→D;A→C} fällt also mit 

der Theoreme-Menge Th(FM 1) = {C} der o.a. Formelmenge FM 1 = {A;B;A→C} zusammen; die Schlussfolgerungsmächtigkeit 

ist trotz der Vergrößerung des Anteils objektsprachlicher Subjugat-Formeln beim Übergang von der Formelmenge FM 1 zur 

Formelmenge FM 3 nicht angestiegen (aber auch nicht zurückgegangen).


2.4.2.2.2 Integritätsregeln 

Integritätsregeln 47) stellen auf der syntaktischen Ebene – genau so, wie es für Inferenzregeln der 

Fall ist – Subjugat-Formeln dar. 48) Allerdings werden Integritätsregeln in einer anderen Absicht als 

Inferenzregeln benutzt: Integritätsregeln dienen dazu, mittels Integritätstests die Zulässigkeit von 

wissensrepräsentierenden Formelmengen und von wissenserschließenden Inferenzregelanwendungen 

zu prüfen und erforderlichenfalls erkannte Unzulässigkeiten zu beseitigen. 

Im ersten Fall, in dem die Zulässigkeit einer wissensrepräsentierenden Formelmenge überprüft 

wird, liegt eine statische Integritätsprüfung vor. Im zweiten Fall, in dem überprüft wird, ob die Anwendung 

einer Inferenzregel zur Wissenserschließung zulässig ist, wird von einer dynamischen Integritätsprüfung 

gesprochen. 

Wenn der Integritätstest positiv ausfällt, d.h. kein regelverletzender Sachverhalt in der geprüften 

Formelmenge bzw. hinsichtlich der geprüften Inferenzregelanwendung festgestellt wird, ist die geprüfte 

Formelmenge bzw. Inferenzregelanwendung in Bezug auf das jeweils untersuchte Integritätsmerkmal 

49) zulässig. 50) Andernfalls – wenn der Integritätstest negativ ausfällt und so eine Integritätsverletzung 

oder Inkonsistenz 51) festgestellt wird – wird versucht, die geprüfte Formelmenge in 

eine zulässige Formelmenge zu überführen (Integritätsherstellung) bzw. die geprüfte Inferenzregelanwendung 

zu verhindern oder rückgängig zu machen (Integritätswahrung). Im einfachsten Fall 

wird auf das negative Resultat eines Integritätstests nur mit dem Aussenden eines Inkonsistenzsignals 

reagiert, 52) so dass Versuche zur Integritätsherstellung oder -wahrung nicht mehr im Rah- 

47) Vgl. zu Integritätsregeln die Quellenhinweise, die bereits in der Fußnote 18 (S. 433) erfolgten. 

Integritätsregeln stellen nur einen Spezialfall von Integritätsbedingungen („integrity constraints“) dar. Integritätsbedingungen 

sind an keine bestimmte sprachliche Form gebunden, während Integritätsregeln stets als Subjugat-Formeln ausgedrückt werden. 

Da Integritätsbedingungen häufig die Form von Integritätsregeln annehmen, wird hier (zunächst) von Integritätsregeln gesprochen. 

Außerdem erleichtert es diese Redeweise, die pragmatischen Unterschiede gegenüber Inferenzregeln besonders deutlich 

herauszuarbeiten, weil sich Integritäts- und Inferenzregeln als Subjugat-Formeln hinsichtlich ihrer syntaktischen Erscheinungsweise 

nicht unterscheiden. Vgl. sowohl zur allgemeinen Formulierung von Integritätsbedingungen als auch zu ihrer Übersetzung 

in eine Regelform BOLEY/TABET/WAGNER (2001) S. 384 f. bzw. S. 385. Vgl. auch JEUSFELD/KRÜGER (1990) S. 6 zur alternativen 

Formulierung von Integritätsbedingungen entweder als existenzquantifizierte Konjugat- oder als allquantifizierte 

Subjugat-Formeln. 

48) Besonders klar wird die Subjugat-Form von Integritätsregeln bei PREIß (1989) S. 44. 

49) Das Integritätsmerkmal, das durch einen Integritätstest überprüft wird, ist durch die jeweils benutzte Integritätsregel inhaltlich 

festgelegt. 

50) Es ist wichtig festzuhalten, dass weder ein einzelner Integritätstest noch eine beliebig große – endliche – Anzahl von Integritätstests 

die Zulässigkeit von Formelmengen bzw. Inferenzregelanwendungen nachweisen können. Denn die Zulässigkeit beruht, 

wie im Folgenden näher erläutert wird, auf „außerlogischen“ Anforderungen an die Integrität von Formelmengen bzw. Inferenzregelanwendungen. 

Diese Anforderungen können inhaltlich im Prinzip „beliebig“ gefüllt werden. Daher können die positiven 

Ergebnisse beliebig vieler Integritätstests niemals sicherstellen, dass ein weiterer Integritätstest hinsichtlich einer zusätzlichen, 

bislang noch nicht überprüften Anforderung an die Integrität doch noch zur Feststellung einer Integritätsverletzung führt. 

Daher können Integritätstests streng genommen niemals die Zulässigkeit von Formelmengen bzw. Inferenzregelanwendungen 

„an sich“ nachweisen, sondern stets nur in Bezug auf die jeweils überprüften, für die Integritätsregel spezifischen Integritätsmerkmale. 

Wenn im Folgenden der Einfachheit halber nur von „zulässigen“ Formelmengen bzw. Inferenzregelanwendungen 

die Rede ist, so ist damit jeweils nur die Zulässigkeit auf das jeweils überprüfte Integritätsmerkmal gemeint. Dagegen kann mit 

nur einem Integritätstest die Unzulässigkeit einer Formelmenge bzw. Inferenzregelanwendung nachgewiesen werden. Denn eine 

Formelmenge bzw. Inferenzregelanwendung ist schon dann unzulässig, wenn sie mindestens ein Integritätsmerkmal verletzt. 

51) Beide Bezeichnungen werden synonym verwendet. 

52) Vgl. BOLEY/TABET/WAGNER (2001) S. 384 f.


men der Integritätsregeln selbst erfolgen, sondern im Zweifelsfall auf „manuelle“ Eingriffe verschoben 

werden. 

Integritätsprüfung, Integritätsherstellung und Integritätswahrung stellen Prozesse der Anwendung 

von Integritätsregeln dar, die etwas komplizierter ausfallen, als es oben im Hinblick auf Schlussfolgerungsprozesse 

mit der Hilfe von Inferenzregeln erläutert wurde. 53) Daher wird im Folgenden auf 

die Besonderheiten der Anwendung von Integritätsregeln auf prädikatenlogisch repräsentiertes Wissen 

näher eingegangen. 

Im Fall der statischen Integritätsprüfung wird von einer Formelmenge ausgegangen. Für diese 

Formelmenge existieren zusätzliche Vorstellungen darüber, unter welchen Bedingungen die Formelmenge 

als zulässig 54) erachtet wird. Die Zulässigkeit einer Formelmenge stellt zwar einen Aspekt 

dar, der sich mit objektsprachlichen Formeln der Prädikatenlogik ausdrücken lässt. Das wird 

weiter unten exemplarisch demonstriert. Aber die inhaltliche Qualifizierung dessen, was die Zulässigkeit 

einer Formelmenge bestimmt, weist über die Prädikatenlogik hinaus. 55) Insbesondere hat die 

Zulässigkeit einer Formel oder Formelmenge nichts mit der prädikatenlogisch wohldefinierten Gültigkeit 

einer Formel oder Formelmenge gemeinsam. 56) Die Qualifizierung der Zulässigkeit erfolgt 

53) Diese Kompliziertheit mag einen Grund für den bemerkenswerten Sachverhalt darstellen, dass das Verhältnis zwischen Inferenz- 

und Integritätsregeln kaum explizit thematisiert wird. Jedenfalls ist den Verfassern keine Quelle bekannt, die dieses Verhältnis 

auch nur ansatzweise diskutiert – geschweige denn erschöpfend behandelt. 

54) Alternativ können auch Bedingungen für die Unzulässigkeit der Formelmenge formuliert werden. Da sich die Bedingungen 

entweder für die Zulässigkeit oder aber für die Unzulässigkeit einer Formelmenge jeweils durch Negation äquivalent ineinander 

transformieren lassen, reicht es aus, nur einen von beiden Fällen explizit zu betrachten. Hier wird die Formulierung von Integritätsregeln 

in Bezug auf die Zulässigkeit von Formelmengen aus zwei Gründen bevorzugt. Erstens entspricht der „positive“ Inhalt 

von Zulässigkeit der ebenso „positiven“ Regelcharakteristik, die im Präfix „Integrität-“ ausgedrückt wird. Zweitens korrespondiert 

die Bezugnahme auf die „positive“ Eigenschaft der Zulässigkeit (von Formelmengen) in Integritätsregeln mit der Bezugnahme 

auf die ebenso „positive“ Eigenschaft der Gültigkeit (von Formeln) in Inferenzregeln. 

55) Für die Bestimmung der Zulässigkeit einer Formelmenge kommen sowohl „innerlogische“ als auch „außerlogische“ Quellen in 

Betracht. Eine „innerlogische“ Quelle ist z.B. die Anforderung, dass eine Formelmenge konsistent sein soll, d.h., dass sie keine 

logischen Widersprüche enthalten darf. Eine weitere „innerlogische“ Quelle stellt das „tertium non datur“ der „klassischen“ 

Logik dar. Diese beiden Anforderungen sind keineswegs „immanente“ Eigenschaften der Prädikatenlogik, weil sich sehr wohl 

prädikatenlogische Formelmengen und Inferenzkalküle vorstellen lassen, in denen diese Anforderungen nicht erfüllt sind. Die 

Konsistenzforderung wird durch „Logiken der Inkonsistenz“ verletzt. Auf das „tertium non datur“ verzichtet die intuitionistische 

Logik. Als „außerlogische“ Quelle für die Bestimmung der Zulässigkeit einer Formelmenge dienen im Allgemeinen Vorstellungen 

über einen sprachlich zu repräsentierenden Realitätsausschnitt. Wenn man z.B. der Ansicht ist, dass sich in der Realität 

Informationen niemals mit einer größeren Geschwindigkeit als der Lichtgeschwindigkeit übertragen lassen, dann werden 

alle Repräsentationen von Realitätsausschnitten als unzulässig erachtet, in denen sich Informationen überlichtschnell ausbreiten 

können. 

56) Der qualitative Unterschied zwischen der Zulässigkeit und der Gültigkeit von Formeln und Formelmengen lässt sich anhand eines 

einfachen Beispiels verdeutlichen: Auf der syntaktischen Ebene wird zunächst die zusammengesetzte prädikatenlogische 

Formel N(X) ∧ Z(W,X) ∧ L(W)>0 gebildet. Ihre atomaren Prädikate werden wie folgt interpretiert: N(X) bedeutet, dass das 

formale Objekt X ein Netzplan ist. Z(W,X) drückt aus, dass das formale Objekt W im Netzplan X einen zyklischen Weg darstellt. 

L(W)>0 schließlich gibt an, dass der Weg W eine positive Weglänge besitzt (die Weglänge lässt sich in einem Netzplan 

anhand der Summe aller rationalzahligen Anschriften an denjenigen Kanten messen, die einen Weg bilden). Die zusammengesetzte 

prädikatenlogische Formel N(X) ∧ Z(W,X) ∧ L(W)>0 bedeutet dann durch (konjunktive) Zusammenfassung der Interpretationen 

für ihre atomaren Bestandteile: Der Netzplan X umfasst einen zyklischen Weg W mit positiver Weglänge. Mittels 

der formalen Semantik der Prädikatenlogik lässt sich nun jeder der drei voranstehenden atomaren Formeln jeweils der Wahrheitswert 

„gültig“ zuordnen. Nach den elementaren Regeln der formalen Semantik für die Ermittlung der Wahrheitswerte zusammengesetzter 

Formeln ist in diesem Fall auch die Konjugat-Formel N(X) ∧ Z(W,X) ∧ L(W)>0 als Ganzes gültig. Mehr 

lässt sich mithilfe der formalen Semantik der Prädikatenlogik über die Gültigkeit der atomaren Formeln und aus der daraus zusammengesetzten 

Konjugat-Formel nicht aussagen. Dessen ungeachtet kann außerhalb der prädikatenlogischen Formalisierung 

zusätzliches Wissen über die „strukturellen Eigenarten“ von Netzplänen vorliegen, dass in Netzplänen zyklische Wege nur die 

Länge Null oder eine negative Weglänge aufweisen dürfen. Andernfalls käme es zu unzulässigen Zyklen, in denen die einzuhal-


durch besondere inhaltliche Anforderungen, die jede zulässige Formelmenge erfüllen muss. Die inhaltlichen 

Anforderungen werden im Allgemeinen als „Integritätsbedingungen“ bezeichnet. Sie 

können im Prinzip eine beliebige sprachliche Form annehmen. Wenn sie in der Form von Subjugaten 

formuliert werden, dann handelt es sich um Integritätsregeln. Solche Integritätsregeln werden 

hier – hinsichtlich der Abgrenzung von Inferenzregeln – zunächst zugrunde gelegt. 57) 

Jede Integritätsregel spezifiziert in ihrer Konklusionskomponente einen Sachverhalt, der von allen 

zulässigen Formelmengen erfüllt werden muss, sofern auf diese Formelmengen auch die Antezedenz-Komponente 

der Integritätsregel zutrifft. Wenn nun eine Formelmenge vorliegt, welche die 

Antezedenz-Komponente (mindestens) einer Integritätsregel erfüllt und zugleich die Konklusionskomponente 

dieser Integritätsregel nicht erfüllt, so wird die Integritätsregel verletzt. A fortiori liegt 

eine unzulässige Formelmenge vor. In diesem Sinne wird von einer (formelbedingten) Integritätsverletzung 

gesprochen. 

Mit einer Integritätsregel kann jedoch mehr geleistet werden, als „nur“ die Unzulässigkeit einer 

Formelmenge in Bezug auf vorgegebene Anforderungen festzustellen. Darüber hinaus bietet eine 

Integritätsregel zumeist auch die Möglichkeit zu erkennen, wodurch die Unzulässigkeit einer Formelmenge 

verursacht wurde und wie sich diese Unzulässigkeit beheben lässt. Wird dieses Erkenntnispotenzial 

ausgeschöpft, so wird die ursprüngliche Formelmenge in eine neue, zulässige Formelmenge 

transformiert. Diese Transformation wird als Integritätsherstellung bezeichnet. 

Bei der Integritätsherstellung gilt es mehrere Besonderheiten im Vergleich mit Inferenzregeln zu 

beachten. Erstens existieren im Gegensatz zu den Schlussfolgerungsschemata von Inferenzregeln 

keine mit Ausdrucksmitteln der Prädikatenlogik spezifizierten Vorgehensschemata („Mechanismen“), 

die beschreiben, wie die ursprüngliche, unzulässige Formelmenge in eine neue, zulässige 

Formelmenge transformiert werden kann. Vielmehr müssen für die Integritätsherstellung besondere, 

jeweils regelspezifische Vorgehensschemata entwickelt werden, welche das Ausdrucksvermögen 

der Prädikatenlogik übersteigen. Wenn beispielsweise die Unzulässigkeit einer Formelmenge aufgrund 

eines in ihr enthaltenen logischen Widerspruchs festgestellt wurde, muss eine Integritätsregel 

angeben, wie sich dieser Widerspruch beseitigen lässt. Im Allgemeinen wird die Integritätsherstellung 

darauf hinauslaufen, einen Algorithmus anzuwenden, der zunächst Formeln identifiziert, die 

sich gegenseitig logisch ausschließen, und alsdann aus diesen Formeln alle bis auf eine eliminiert. 

tenden Minimal- größer als die einzuhaltenden Maximalfristen wären. Daher wird in Netzplänen, die sowohl Minimal- als auch 

Maximalfristen erlauben und als positive bzw. negative Kantenanschriften ausdrücken, zuweilen die Integritätsbedingung formuliert, 

dass zyklische Wege in einem Netzplan genau dann zulässig (unzulässig) sind, wenn sie eine nicht-positive (positive) 

Weglänge aufweisen. Im voranstehenden Beispiel zeigt sich im Hinblick auf diese Integritätsbedingung, dass die Konjugat- 

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} 

dennoch unzulässig ist. Die Unzulässigkeit der Formelmenge FM wird durch die positive Länge des Wegs W – also die Gültigkeit 

der Teilformel L(W)>0 – verursacht. Bereits an diesem einfachen Beispiel wird deutlich, dass die Gültigkeit und die Zulässigkeit 

von Formeln und Formelmengen inhaltlich verschiedene Qualitäten sprachlicher Konstrukte darstellen. Aufgabe von Integritätsregeln 

ist es, das zusätzliche, zunächst natürlichsprachlich ausgedrückte und somit außerhalb der Prädikatenlogik eingebrachte 

Wissen über die Anforderung an die Länge zulässiger zyklischer Wege formalsprachlich so aufzubereiten, dass sich 

dieses Wissen über die Zulässigkeit von Netzplänen mit zyklischen Wegen innerhalb eines prädikatenlogischen Formelsystems 

ausdrücken lässt. 

57) Später wird aber anhand einer Integritätsregel zur Konsistenzwahrung exemplarisch aufgezeigt, dass sich Integritätsregeln auch 

in anderer, nicht-subjunktiver Form ausdrücken lassen. Darüber hinaus existiert ein weites Gebiet formalsprachlicher Konstrukte, 

in denen Integritätsregeln grundsätzlich nicht als Subjugat-Formeln, sondern (vornehmlich) als Gleichungen ausgedrückt 

werden. Es handelt sich um die so genannten algebraischen Spezifikationen, die hinsichtlich ihrer Ausdrucksmächtigkeit und 

ihres Inferenzpotenzials mit prädikatenlogischen Formelmengen eng verwandt sind, denen jedoch ein anderer formalsprachlicher 

Ansatz zugrunde liegt.


Aus diesem Beispiel wird zugleich eine zweite Eigenart von Integritätsregeln deutlich: Bei der Anwendung 

einer Integritätsregel zwecks Integritätsherstellung fällt die neue, zulässige Formelmenge 

im Allgemeinen kleiner aus als die ursprünglich vorliegende, aber unzulässige Formelmenge. 58) 

Durch die Anwendung der Integritätsregel kommt es also nicht wie bei Inferenzregeln tendenziell 

zu einer Vergrößerung, sondern zu einer Verkleinerung der Formelmenge (in Bezug auf die ursprünglich 

vorliegende Formelmenge). Drittens verhalten sich Integritätsregeln hinsichtlich des Ergebnisses 

der Integritätsherstellung im Allgemeinen nicht-deterministisch. Dies lässt sich abermals 

am voranstehenden Beispiel der Integritätsverletzung infolge eines logischen Widerspruchs verdeutlichen: 

Wenn der Widerspruch der ursprünglich vorliegenden Formelmenge im einfachsten Fall 

durch zwei kontradiktorische Formeln – wie etwa die Formeln A und ¬A – verursacht wurde, so 

kann die Zulässigkeit der Formelmenge durch mindestens 59) drei Maßnahmen herbeigeführt werden: 

entweder die Formel A wird aus der ursprünglichen Formelmenge eliminiert, oder die Formel 

¬A wird aus der ursprünglichen Formelmenge eliminiert, oder es werden beide Formeln A und ¬A 

gemeinsam aus der ursprünglichen Formelmenge eliminiert. Daher fällt die zulässige Formelmenge 

nach Integritätsherstellung zwar auf jeden Fall kleiner aus als die ursprüngliche, unzulässige Formelmenge. 

Aber es kann nicht deterministisch „vorhergesagt“ werden, welche dieser drei zulässigen 

Formelmengen aus der Integritätsherstellung hervorgehen wird – alle drei Optionen sind hinsichtlich 

des Zwecks der Integritätsherstellung pragmatisch gleichwertig. Auch durch diese Mehrdeutigkeit 

des Ergebnisses einer Integritätsherstellung 60) unterscheiden sich Integritätsregeln von Inferenzregeln. 

Denn die Anwendung einer Inferenzregel bringt gemäß ihrem Schlussfolgerungsschema 

immer eine eindeutig bestimmte Konklusions-Formel als Schlussfolgerungsergebnis hervor. 

Der alternative Fall der dynamischen Integritätsprüfung bezieht sich abermals auf Vorstellungen 

darüber, unter welchen Bedingungen Formelmengen als zulässig erachtet werden. Allerdings wird 

in diesem Fall davon ausgegangen, dass die ursprünglich vorliegende Formelmenge alle Integritäts- 

58) Zwar könnte es grundsätzlich möglich sein, dass die Zulässigkeit einer Formelmenge herbeigeführt wird, indem die ursprünglich 

gegebene, jedoch unzulässige Formelmenge durch zusätzliche Formeln erweitert wird. Aber den Verfassern ist kein integritätsherstellender 

Mechanismus bekannt, der nicht zu einer Eliminierung von Formeln und somit zu einer Verkleinerung der betroffenen 

Formelmenge führt. Außerdem erscheint es auf den ersten Blick schwer vorstellbar, wie die Unzulässigkeit einer 

Formelmenge lediglich durch Ergänzen – und nicht etwa durch Modifizieren oder Eliminieren – mindestens einer weiteren 

Formel behoben werden könnte. Es liegt aber außerhalb des Erkenntnishorizonts dieses Beitrags, diesen Aspekt zu klären. 

59) Weitere integritätsherstellende Maßnahmen lassen sich vorstellen, indem zusätzliche, dritte Formeln aus der ursprünglichen 

Formelmenge eliminiert werden. Da diese zusätzlichen Formeln jedoch an der Verursachung der Integritätsverletzung nicht beteiligt 

waren, würde es dem Prinzip „kognitiver Sparsamkeit“ widersprechen, sie in den Eliminierungsprozess einzubeziehen. 

Daher werden Maßnahmen solcher Art nicht weiter berücksichtigt. 

60) Streng genommen wurde die Mehrdeutigkeit des Ergebnisses einer Integritätsregelanwendung hinsichtlich der Integritätsherstellung 

nur anhand eines Beispiels demonstriert. Allein daraus die Ergebnismehrdeutigkeit zu folgern, würde eine unzulässige 

Generalisierung darstellen. In der Tat kennen die Verfasser kein allgemeingültiges Argument für die Ergebnismehrdeutigkeit 

von integritätsherstellenden Integritätsregelanwendungen. Aber alle Integritätsregeln, die von den Verfassern bislang analysiert 

wurden (nicht nur in Bezug auf prädikatenlogische Formelmengen, sondern z.B. auch im Hinblick auf algebraische Spezifikationen 

und auf PETRI-Netze), haben immer wieder zu derselben Einsicht geführt, dass das Ergebnis der Integritätsherstellung 

von den jeweils betroffenen Integritätsregeln nicht eindeutig determiniert wird. Diese Erfahrung ist zumindest ein Indiz für die 

Plausibilität der oben ausgesprochenen Generalisierung – bis zum Beweis des Gegenteils.


bedingungen erfüllt, also zulässig ist. 61) Objekt der Integritätsprüfung ist daher nicht die ursprünglich 

vorliegende Formelmenge. Vielmehr wird geprüft, ob die Anwendung einer „an sich“ – d.h. im 

Rahmen der Prädikatenlogik – zulässigen Inferenzregel zu einer neuen, im Sinne der Integritätsbedingungen 

unzulässigen Formelmenge führen würde. Durch „Rückübertragung“ der Unzulässigkeit 

der resultierenden Formelmenge wird dann auch die Anwendung der Inferenzregel als unzulässig 

qualifiziert. 62) Im Fall der dynamischen Integritätsprüfung gestatten es Integritätsregeln also, die 

Unzulässigkeit von Inferenzregelanwendungen festzustellen. Wird eine solche unzulässige Inferenzregelanwendung 

erkannt, liegt eine (inferenzbedingte) Integritätsverletzung vor. 

Analog zum statischen Fall bieten Integritätsregeln auch im Fall der dynamischen Integritätsprüfung 

die Möglichkeit, gegen Integritätsverletzungen vorzugehen. Allerdings unterscheidet sich die 

Art der Behandlung von Integritätsverletzungen in beiden Fällen: Wenn bei einer statischen Integritätsprüfung 

die Unzulässigkeit einer vorgegebenen Formelmenge erkannt wird, so lässt sie sich mittels 

einer Integritätsregel in eine zulässige Formelmenge transformieren. Die ursprünglich verletzte 

Integrität wird also durch den Übergang zur neuen, zulässigen Formelmenge hergestellt. Im Gegensatz 

dazu wirkt die Anwendung einer Integritätsregel bei der dynamischen Integritätsprüfung so, 

dass die Integrität der ursprünglichen, zulässigen Formelmenge bewahrt wird. Diese Integritätswahrung 

greift immer dann, wenn im Verlauf einer dynamischen Integritätsprüfung festgestellt wird, 

dass die Anwendung einer Inferenzregel unzulässig wäre, weil sie zu einer neuen, unzulässigen 

Formelmenge führen würde. In diesem Fall wird entweder die Anwendung der unzulässigen Inferenzregel 

von vornherein unterbunden. Oder die Anwendung der unzulässigen Inferenzregel wird 

nachträglich „neutralisiert“, indem durch eine Umkehrtransformation zu der ursprünglich gegebenen, 

noch zulässigen Formelmenge zurückgekehrt wird. In beiden Varianten ist das Ergebnis der Integritätsregelanwendung 

dasselbe und eindeutig: Nach der Integritätsregelanwendung liegt immer 

noch bzw. wieder diejenige zulässige Formelmenge vor, die vor dem Versuch der unzulässigen Inferenzregelanwendung 

gegeben war. 

61) In dieser Hinsicht besteht eine auffällige Analogie zu Inferenzregeln: Bei der Anwendung von Inferenzregeln auf Formelmengen 

wird vorausgesetzt, dass die vorgegebenen Formelmengen jeweils gültig sind. Bei der Anwendung von Integritätsregeln 

wird im dynamischen Fall lediglich die Gültigkeit der ursprünglich vorliegenden Formelmenge durch deren Zulässigkeit ersetzt. 

Dieser Unterschied ist allerdings wesentlich. Denn die Gültigkeit einer Formelmenge ist innerhalb der formalen Semantik 

der Prädikatenlogik vollständig definiert. Dagegen lässt sich die Zulässigkeit einer Formelmenge innerhalb dieser formalen 

Semantik nicht vollständig definieren, sondern beruht auf inhaltlichen Anforderungen an die Zulässigkeit einer Formelmenge, 

die über die Prädikatenlogik hinaus weisen. 

62) Man beachte die Nuancierung: Nicht die Inferenzregel „an sich“ ist unzulässig, sondern nur deren Anwendung auf eine bestimmte 

(zulässige) Formelmenge, weil die Regelanwendung zu einer unzulässigen Formelmenge führen würde. Darüber hinaus 

ist zu beachten, dass der Zulässigkeitsbegriff hier in zwei unterschiedlichen Bedeutungen verwendet wird, die nicht miteinander 

vermengt werden dürfen. Einerseits handelt es sich um die Zulässigkeit von Inferenzregeln im Rahmen der formalen Semantik 

der Prädikatenlogik. In diesem Kontext werden Inferenzregeln auf jeden Fall dann als zulässig angesehen, wenn sie zu 

einem vollständigen und korrekten Inferenzkalkül gehören. Andererseits ist die Zulässigkeit von Formelmengen betroffen, die – 

wie bereits mehrfach festgestellt – auf inhaltliche Anforderungen verweist, die außerhalb der Prädikatenlogik liegen.


2.4.2.2.3 Gegenüberstellung von Inferenz- und Integritätsregeln 

Integritätsregeln verhalten sich aus der Perspektive der Pragmatik wie ein „Spiegelbild“ zu Inferenzregeln. 

Aufgrund der Erläuterungen in den beiden voranstehenden Kapiteln lässt sich diese 

Spiegelbildlichkeit von Inferenz- und Integritätsregeln wie folgt charakterisieren: 63) 

• Inferenzregeln dienen dazu, aus einer ursprünglich gegebenen Formelmenge neue, in der Formelmenge 

noch nicht explizit enthaltene Formeln als Theoreme ableiten zu können. Inferenzregeln 

erlauben daher die Gewinnung „positiver“ Erkenntnisse durch die Ableitung von neuen 

Theoremen. Inferenzregeln führen deshalb – tendenziell – zu einer Vergrößerung der Formelmengen 

64) , auf die sie angewendet werden. Wenn die ursprüngliche Formelmenge ausschließlich 

gültige Formeln umfasste und durch die Anwendung einer Inferenzregel ein Theorem abgeleitet 

werden konnte, dann ist dieses Theorem wegen der charakteristischen Inferenzeigenschaft 

der Wahrheitserhaltung seinerseits eine gültige Formel. Dadurch ist auch die Menge der gültigen 

Formeln vergrößert worden, weil sie neben der ursprünglichen Formelmenge auch noch das 

abgeleitete Theorem umfasst. Für die Spezifizierung und die Anwendung von Inferenzregeln 

reichen die Ausdrucksmittel der Prädikatenlogik vollkommen aus. 

• Integritätsregeln werden dazu benutzt, entweder eine gegebene Formelmenge (statische Integritätsprüfung) 

oder die Anwendung einer Inferenzregel (dynamische Integritätsprüfung) auf Zulässigkeit 

zu prüfen. Integritätsregeln gestatten daher die Gewinnung „negativer“ Erkenntnisse 

durch das Aufzeigen der Unzulässigkeit von Formelmengen bzw. Inferenzregelanwendungen. 

Integritätsregeln bewirken – tendenziell – eine Verkleinerung von Formelmengen 65) , wenn die 

Inferenzregeln nicht nur zur Feststellung der Unzulässigkeit, sondern auch zur Wiederherstellung 

einer zulässigen Formelmenge angewendet wird. Integritätsregeln lassen sich zwar mit den 

Ausdrucksmitteln der Prädikatenlogik spezifizieren. Aber ihre integritätsherstellende oder integritätswahrende 

Anwendung erfordert zusätzliche Mechanismen, die in der Prädikatenlogik 

nicht vorgesehen sind. 

Zum Abschluss der Erläuterung von Inferenz- und Integritätsregeln werden drei kleine Beispiele 

angeführt, um die Gemeinsamkeiten und Unterschiede dieser beiden Regelarten zu verdeutlichen. 

Das erste Beispiel ist dem Bereich formaler Sprachen entnommen. Da es keinen Bezug auf bestimmte 

Eigenschaften von speziellen Realitätsausschnitten nimmt, besitzt es einen „hochgradig 

63) Vgl. zu den Schwierigkeiten, Inferenz- und Integritätsregeln voneinander abzugrenzen, MOERKOTE (1990) S. 18 ff.; PREIß 

(1989) S. 44 ff. 

64) Es wurde weiter oben schon erläutert, dass die Anwendung von Inferenzregeln nur tendenziell zu einer Vergrößerung von Formelmengen 

durch Ableitung neuer, in den ursprünglichen Formelmengen noch nicht explizit enthaltener Formeln (Theoreme) 

führt. Denn in Sonderfällen können die Formeln, die sich mittels einer Inferenzregel ableiten lassen, bereits in der ursprünglichen 

Formelmenge explizit enthalten gewesen sein. Um die Diktion zu vereinfachen, wird im Folgenden von solchen Sonderfällen 

abstrahiert, sofern sie im jeweils aktuellen Kontext keine nennenswerte Rolle spielen. Generell gilt, dass die Anwendung 

von Inferenzregeln den Umfang einer Formelmenge vergrößern kann oder unverändert lässt, aber niemals zu verringern vermag. 

65) Analog zu Inferenzregeln liegt auch hier im Hinblick auf Integritätsregeln nur eine Tendenzaussage vor. Denn die Verringerung 

des Umfangs einer Formelmenge tritt nur dann ein, wenn die Anwendung einer Integritätsregel die Zulässigkeit einer Formelmenge 

oder einer Inferenzregelanwendung aufgezeigt hat. Fällt hingegen die Zulässigkeitsprüfung positiv aus, führt die Anwendung 

einer Integritätsregel zu keiner Verringerung des Umfangs der betroffenen Formelmenge. Generell gilt, dass die Anwendung 

von Integritätsregeln den Umfang einer Formelmenge verringern kann oder unverändert lässt, aber niemals zu vergrößern 

vermag.


generischen“ Charakter. 66) Die beiden anderen Beispiele stammen aus speziellen Realitätsausschnitten 

und besitzen daher nur Geltung für diese Anwendungsbereiche formalsprachlicher Wissensrepräsentationen. 

An zulässige Wissensrepräsentationen wird – von extremen Ausnahmen abgesehen 67) – im Allgemeinen 

die Mindestanforderung gestellt, dass sie konsistent sein sollen. Der Konsistenzbegriff lässt 

sich natürlichsprachlich vieldeutig interpretieren, etwa im Sinn der logischen Widerspruchsfreiheit, 

der Freiheit von performativen Selbstwidersprüchen 68) oder auch „nur“ der begrifflichen Konsistenz 

69) . Im Folgenden wird ausschließlich die Konsistenz im engsten Sinn der (formal-) logischen 

Widerspruchsfreiheit betrachtet, weil Ontologien als formalsprachliche Konstrukte im Fokus des Interesses 

stehen. 

Logische Widerspruchsfreiheit bedeutet auf jeden Fall 70) , dass eine wissensrepräsentierende Formelmenge 

nicht sowohl eine Formel F als auch deren Negat ¬F enthalten darf (die Formel F kann 

dabei atomar oder auch beliebig komplex zusammengesetzt sein). Diese Anforderung der logischen 

Widerspruchsfreiheit an formalsprachliche Formelsysteme lässt sich mit Inferenzregeln nicht ausdrücken. 

Denn Inferenzregeln können stets nur in „positiver“ Weise bestimmen, welche Formeln 

sich aus einer gegebenen Formelmenge als Theoreme ableiten lassen. Das „negative“ Verbot der 

simultanen Existenz zweier Formeln F und ¬F in derselben Formelmenge übersteigt hingegen das 

Ausdrucksvermögen von Inferenzregeln. Beispielsweise sei die Formelmenge 

FM = {F1;F3;F1→F2;F3→F4;F2→(¬F4)} 

betrachtet. Aus ihr lässt sich mit Hilfe der Inferenzregel des Modus ponens {A;A→B} B als Theoreme-Menge 

Th(FM) = {F2;F4;¬F4} ableiten. Diese Theoreme-Menge enthält mit den Formeln F4 

und ¬F4 offensichtlich einen logischen Widerspruch. Die Anwendung der Inferenzregel des Modus 

ponens hat diesen logischen Widerspruch nicht verhindern können. 71) Es wird sich sogar keine Infe- 

66) Allerdings wagen die Verfasser die „mutige“ These, dass keine formalsprachliche Festlegung im strengen Sinn „allgemeingültig“ 

(„generisch“ im „absoluten“ Sinn) ist. Vielmehr trifft sie nur auf jene Anwender eines formalsprachlichen Kalküls zu, die 

gemeinsame Überzeugungen über die „nützlichen“ oder „adäquaten“ Eigenschaften eines solchen Kalküls teilen. Der Ausschluss 

logischer Widersprüche, der im ersten Beispiel thematisiert wird, erweist sich beispielsweise nicht als denknotwendig, 

sondern lässt sich in anderen formalsprachlichen Kalkülen – wie der „Logik der Inkonsistenz“ – suspendieren. Dabei wird unter 

einem formalsprachlichen Kalkül ein System verstanden, das einerseits aus Vorschriften zur Generierung formalsprachlicher 

Formeln (Syntax) und andererseits zur formalen Interpretation dieser Formeln (formale Semantik) besteht. 

67) Vgl. dazu Beiträge zur „Akzeptanz von Inkonsistenz“ oder gar „Logik der Inkonsistenz“ und ähnlichen Ansätzen, die logische 

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 

ff.; RESCHER (1987a) S. 28 ff. u. 41 ff.; RESCHER (1988) S. 79 ff. u. 83 ff. 

68) Vgl. APEL (1988) S. 8, 94 f., 114 f., 117, 150, 271, 354, 435 f., 445 u. 471. 

69) Begriffliche Konsistenz liegt genau dann vor, wenn derselbe Denkinhalt (Begriff) nur durch genau eine Bezeichnung referenziert 

wird – oder allenfalls durch Bezeichnungen, die explizit als Synonyme eingeführt worden sind, – und mit einer Bezeichnung 

nur genau ein Denkinhalt (Begriff) assoziiert wird. Es erfolgt also ein Ausschluss homonymer Bezeichnungen. 

70) Später wird aufgezeigt, dass die hier formulierte Integritätsbedingung nur eine notwendige, aber keine hinreichende Bedingung 

für logische Widerspruchsfreiheit darstellt. Diese notwendige Bedingung muss „auf jeden Fall“ erfüllt sein, damit eine Wissensrepräsentation 

logisch widerspruchsfrei sein kann (andernfalls enthielte die Wissensrepräsentation mindestens einen logischen 

Widerspruch). Allerdings reicht die Erfüllung der hier zunächst vorgestellten Integritätsbedingung noch nicht aus, um die 

logische Widerspruchsfreiheit einer Wissensrepräsentation sicherzustellen. Dies wird in Kürze anhand eines konkreten Beispiels 

verdeutlicht. 

71) Es wäre aber voreilig zu behaupten, die Inferenzregel des Modus ponens hätte den logischen Widerspruch der Formeln F 4 und 

¬F 4 verursacht. Denn dieser logische Widerspruch ist bereits – aber weniger offensichtlich – in der ursprünglichen Formelmenge 

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 – 

das simultane Vorliegen einer Formel und ihres Negats – ist für einen logischen Widerspruch auch nicht notwendig, sondern


renzregel finden lassen, die in der Lage wäre auszuschließen, dass die Theoreme-Menge Th(FM) = 

{F2;F4;¬F4} aus der Formelmenge FM abgeleitet werden kann. Denn Inferenzregeln können immer 

nur im „positiven“ Sinn aufzeigen, welche Formeln sich aus einer Formelmenge ableiten lassen, – 

aber nicht im „negativen“ Sinn die Ableitbarkeit einer Formel oder einer Formelmenge verhindern. 

Um die logische Widerspruchsfreiheit der Formelmengen einer prädikatenlogischen Wissensrepräsentation 

zu gewährleisten, kommen „also“ 72) nur Integritätsregeln – oder ohne Beschränkung der 

formalsprachlichen Formulierungsweise auf Subjugat-Formeln: nur Integritätsbedingungen – in Betracht. 

Dabei dienen die Integritätsregeln oder -bedingungen dazu, alle Formelmengen als unzuläs- 

lediglich hinreichend. Denn die logische Widersprüchlichkeit ist im Rahmen der formalen Semantik der Prädikatenlogik umfassender 

definiert: Eine Formelmenge ist genau dann logisch widersprüchlich (oder synonym: inkonsistent, unerfüllbar), wenn 

keine Interpretation für alle atomaren Formeln dieser Formelmenge existiert, unter der die betroffene Formelmenge als Ganzes 

gültig ist. Da eine Interpretation, unter der eine Formelmenge gültig ist, in der formalen Semantik der Prädikatenlogik – wenn 

vom Unterschied zwischen Interpretationen und interpretierenden Objekt-Tupeln vereinfachend abgesehen wird – als ein „Modell“ 

jener Formelmenge bezeichnet werden kann (daher heißt diese Art der formalen Semantik auch „Modell-Semantik“ der 

Prädikatenlogik), lässt sich das Vorliegen eines logischen Widerspruchs auch wie folgt paraphrasieren: Eine Formelmenge ist 

genau dann logisch widersprüchlich, wenn kein Modell dieser Formelmenge existiert. In dem hier betrachteten einfachen Fall, 

in dem die Formeln entweder variablenfrei definiert sind oder es sich um geschlossene Formeln handelt, deren Variablen vollständig 

durch Quantoren gebunden sind, entspricht die prädikatenlogische Interpretation einer Formel der Zuordnung von genau 

einem der beiden Wahrheitswerte „gültig“ oder „ungültig“ zu dieser Formel. Bei 4 atomaren Formeln F 1, F 2, F 3 und F 4 gibt 

es genau 2 4 = 16 unterschiedliche Interpretationen dieser atomaren Formeln. Über die Wahrheitswerte der Formelmenge FM 

unter diesen 16 Interpretationen gibt die nachfolgende „Wahrheitswertetafel“ Auskunft, in der die metasprachlichen Symbole 

„w“ für die Gültigkeit sowie „f“ für die Ungültigkeit oder Formelmenge stehen: 

Interpretationen F1 F2 F3 F4 ¬F4 F1→F2 F3→F4 F2→(¬F4) FM 

Nr. 1 w w w w f w w f f 

Nr. 2 w w w f w w f w f 

Nr. 3 w w f w f w w f f 

Nr. 4 w w f f w w w w f 

Nr. 5 w f w w f f w w f 

Nr. 6 w f w f w f f w f 

Nr. 7 w f f w f f w w f 

Nr. 8 w f f f w f w w f 

Nr. 9 f w w w f w w f f 

Nr. 10 f w w f w w f w f 

Nr. 11 f w f w f w w f f 

Nr. 12 f w f f w w w w f 

Nr. 13 f f w w f w w w f 

Nr. 14 f f w f w w f w f 

Nr. 15 f f f w f w w w f 

Nr. 16 f f f f w w w w f 

Aus der voranstehenden „Wahrheitswertetafel“ lässt sich in der rechten Spalte unmittelbar erkennen, dass keine der 16 denkmöglichen 

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 

denkmöglichen Interpretationen die Formelmenge FM – oder äquivalent: die Konjugat-Formel F 1 ∧ F 3 ∧ (F 1→F 2) ∧ (F 3→F 4) 

∧ (F 2→(¬F 4)) – ungültig ist. Folglich existiert für die Formelmenge FM kein Modell im Sinne der formalen Semantik der Prädikatenlogik; 

die Formelmenge FM ist also logisch widersprüchlich. 

72) Streng genommen liegt keine Schlussfolgerung aus dem vorher Gesagten vor. Denn aus dem Versagen von Inferenzregeln, die 

logische Widerspruchsfreiheit einer Formelmenge zu gewährleisten, kann nicht gefolgert werden, dass Integritätsregeln dies 

leisten könnten. Erstens wäre es möglich, dass nur ein Drittes – neben Inferenz- und Integritätsregeln – zu dieser Gewährleistung 

imstande wäre. Zweitens ließe sich ebenso vorstellen, dass es grundsätzlich unmöglich ist, die logische Widerspruchsfreiheit 

einer Formelmenge zu gewährleisten. Von diesen beiden Optionen wird in der oben angeführten, vereinfachten Argumentation 

abgesehen, dass Integritätsregeln tatsächlich in der Lage sind, die logische Widerspruchsfreiheit einer Formelmenge zu 

gewährleisten. Dabei wird unter „Gewährleistung“ logischer Widerspruchsfreiheit auch der Fall subsumiert, dass eine Formelmenge 

als in sich widersprüchlich erkannt und zugleich aufgezeigt wird, wie sich die logische Widerspruchsfreiheit der betroffenen 

Formelmenge herbeiführen lässt.


sig auszugrenzen, die sich als logisch widersprüchlich erweisen. Formelmengen sind im Sinne dieser 

Integritätsregeln oder -bedingungen also nur dann zulässig, wenn sie keinen logischen Widerspruch 

enthalten. Die konkrete Konstruktion solcher Integritätsregeln oder -bedingungen erweist 

sich jedoch als keineswegs trivial. Die auftretenden Schwierigkeiten können in der hier gebotenen 

Kürze nur angedeutet werden. 

Als erste, vermutlich am nächsten liegende Möglichkeit kann erwogen werden, eine Integritätsregel 

oder -bedingung zu formulieren, die zur Vermeidung logischer Widersprüche vorschreibt, dass zulässige 

Formelmengen FM niemals eine Formel F und zugleich deren Negat ¬F enthalten dürfen. 

Dadurch würde im o.a. Beispiel die Theoreme-Menge Th(FM) = {F2;F4;¬F4} als logisch widersprüchlich 

und somit unzulässig verboten. Die Formulierung dieser Anforderung lässt sich nicht als 

„Regel“, also nicht als Subjugat-Formel ausdrücken. Darüber hinaus übersteigt die Formulierung 

dieser Anforderung das Ausdrucksvermögen der Prädikatenlogik 1. Stufe, weil eine metasprachliche 

Aussage über alle objektsprachlichen Formeln erforderlich ist. Die oben natürlichsprachlich 

umschriebene Anforderung zur Vermeidung logischer Widersprüche lässt sich daher nur im Rahmen 

der Prädikatenlogik 2. Stufe 73) mit folgender Integritätsbedingung formalsprachlich präzisieren: 

∀ FM : ¬ F∈FM ∧ ¬ F∈ FM 

( ( ) ( ) ) 

Diese Integritätsbedingung kann sowohl in statischen als auch in dynamischen Integritätstests erfolgreich 

angewendet werden. So lassen sich mit ihr Formelmengen wie die o.a. Formelmenge 

{F2;F4;¬F4} wegen der logischen Widersprüchlichkeit der beiden Formeln F4 und ¬F4 von vornherein 

als unzulässig zurückzuweisen (statischer Integritätstest). Ebenso ist es möglich, die Anwendung 

von Inferenzregeln als unzulässig zu verhindern, wenn sie – wie im o.a. Beispiel – auf die 

Formelmenge FM angewendet und dabei die Theoreme-Menge Th(FM) = {F2;F4;¬F4} mit den logisch 

widersprüchlichen Formeln F4 und ¬F4 erzeugen würden (dynamischer Integritätstest). 

Aber die o.a. erste Integritätsbedingung stellt nur eine unzureichende Lösung des Problems dar, die 

logische Widerspruchsfreiheit von Formelmengen zu gewährleisten. Denn im o.a. Beispiel enthält 

bereits die ursprünglich vorgegebene Formelmenge FM = {F1;F3;F1→F2;F3→F4;F2→(¬F4)} einen 

logischen Widerspruch, der nur nicht offensichtlich war, weil die Formelmenge FM nicht zugleich 

eine Formel und deren Negat umfasst. Die logische Widersprüchlichkeit der Formelmenge FM liegt 

darin begründet, dass im Rahmen der formalen Semantik der Prädikatenlogik keine Interpretation 

ihrer atomaren Formeln existiert, welche die Formelmenge als Ganzes erfüllen, d.h. zu einer gültigen 

Formelmenge führen und daher ein Modell der Formelmenge darstellen würde. 74) Die Vorschrift 

der ersten Integritätsbedingung, dass zulässige Formelmengen niemals eine Formel und zugleich 

deren Negat enthalten dürfen, greift also zu kurz. Sie drückt nur eine notwendige, aber keine 

hinreichende Bedingung für die logische Widerspruchsfreiheit einer Formelmenge aus. 

Notwendig und hinreichend für die logische Widerspruchsfreiheit einer Formelmenge ist vielmehr 

die Bedingung, dass für diese Formelmenge in der formalen Semantik der Prädikatenlogik mindestens 

eine Interpretation existieren muss, unter der die Formelmenge gültig ist; es muss also mindestens 

ein prädikatenlogisches Modell dieser Formelmenge existieren. Diese zweite Integritätsbedin- 

73) Bei der nachstehenden Formel handelt es sich um einen prädikatenlogischen Ausdruck 2. Stufe, weil sich der Allquantor nicht 

über eine Individuen-, sondern über eine Mengen-Variable erstreckt: die Variable FM steht für eine beliebige Formelmenge. 

74) Die logische Widersprüchlichkeit der Formelmenge FM wurde bereits in der voranstehenden Fußnote 71 auf S. 449 f. mithilfe 

der Modell-Semantik der Prädikatenlogik aufgezeigt.


gung löst zwar das Problem, die logische Widerspruchsfreiheit von Formelmengen zu gewährleisten. 

Aber sie lässt sich – im Gegensatz zum oben vorgestellten ersten Versuch – nicht mehr mit objektsprachlichen 

Ausdrucksmitteln der Prädikatenlogik (auch nicht im Rahmen der Prädikatenlogik 

2. Stufe) ausdrücken. Stattdessen müsste auf den aufwendigeren und oftmals als intransparent empfundenen 

formalsprachlichen Apparat der formalen Modell-Semantik der Prädikatenlogik 1. Stufe 

zurückgegriffen werden, um die zweite Integritätsbedingung formalsprachlich korrekt wiederzugeben. 

75) 

F-Logic als Repräsentationssprache für Ontologien verfügt jedoch nicht über dieses Ausdrucksvermögen. 

Da in diesem Werk lediglich diejenigen formalsprachlichen Ausdrucksmittel thematisiert 

werden, die im Rahmen von F-Logic für die Konstruktion von Ontologien Einsatz finden können, 

wird darauf verzichtet, die zweite Integritätsbedingung formalsprachlich auszuformulieren. Ihr Beispiel 

mag aber ausreichen, um zu verdeutlichen, dass die Formalisierung von Integritätsregeln – und 

allgemeiner: von Integritätsbedingungen – keine triviale Aufgabe darstellt. Daher sollte es auch 

nicht verwundern, dass es im Rahmen des KOWIEN-Projekts zwar gelang, eine größere Anzahl 

neuer, objektsprachlicher Inferenzregeln zu gewinnen, aber die Ausbeute formalsprachlicher Integritätsregeln 

eher „dürftig“ blieb. 

Das zweite Beispiel entstammt dem Bereich der Netzplantechnik. 76) Es zielt zunächst darauf ab zu 

verdeutlichen, dass „gewöhnliche“ Integritätsbedingungen – im Gegensatz zum voranstehenden, 

besonders anspruchsvollen Fall der Sicherstellung der logischen Widerspruchsfreiheit – durchaus 

mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik formuliert werden können und dabei 

noch nicht einmal der Bereich der Prädikatenlogik 1. Stufe verlassen werden muss. Zugleich wird 

gezeigt, dass sich die betroffene Integritätsbedingung als Integritätsregel in Subjugat-Form darstellen 

lässt. Somit gibt das Beispiel den „Standardfall“ einer prädikatenlogisch darstellbaren Integritätsregel 

wieder. Darüber hinaus dient das Beispiel dazu, für die unterschiedliche „pragmatische 

Qualität“ von Inferenz- und Integritätsregeln zu sensibilisieren. Es wird gezeigt werden, dass dieselbe 

objektsprachliche Subjugat-Formel sowohl als eine (objektsprachliche) Inferenzregel als auch 

als eine Integritätsregel verwendet werden kann. Daher muss der Konstrukteur einer Ontologie jeweils 

festlegen, in welcher Absicht er eine solche Formel in eine Ontologie aufnimmt: entweder zu 

dem Zweck, zusätzliche Schlussfolgerungen ziehen zu können (im Fall einer Inferenzregel), oder zu 

dem Zweck, die Zulässigkeit der wissensrepräsentierenden Formelmengen sicherzustellen (im Fall 

einer Integritätsregel). Da sich dieser verfolgte Zweck der äußeren Form einer Formel nicht ansehen 

75) Stattdessen wäre es ebenso möglich, sich auf den – ebenso als intransparent geltenden, formalsprachlichen – Apparat der formalen 

Inferenz-Semantik der Prädikatenlogik 1. Stufe zu stützen: Aus diesem Blickwinkel ist eine Formelmenge genau dann 

widerspruchsfrei, wenn sich aus ihr die kontradiktorische Formel f (vgl. S. 244, 1 Induktionsregel, nicht zu verwechseln mit 

dem metasprachlichen Symbol f für die Gültigkeit einer Formel im Rahmen der Modell-Semantik) nicht ableiten lässt. Auf diese 

notwendige und hinreichende Bedingung für die Widerspruchsfreiheit einer Formelmenge aus der prädikatenlogischen Inferenz-Semantik 

greift z.B. die Resolutionsregel zurück, die neben der Unifizierungsregel dem Inferenzkalkül der prädikatenlogischen 

Programmiersprachen Prolog zugrunde liegt. 

76) Das Beispiel wurde bereits in der Fußnote 56 auf S. 444 f. verwendet. Es wird hier noch einmal aufgegriffen und ausführlicher 

diskutiert, um die unterschiedliche pragmatische Qualität von Inferenz- und Integritätsregeln zu verdeutlichen. Für die Leser, 

welche die frühere Fußnote nicht mehr in Erinnerung haben, werden die wesentlichen Aspekte des Netzplanbeispiels an dieser 

Stelle wiederholt, damit die Ausführungen hier „in sich“ verständlich erscheinen und somit ein Verweis auf zuvor Gesagtes 

überflüssig ist (Redundanzen werden daher bewusst in Kauf genommen).


lässt, muss der Konstrukteur einer Ontologie den pragmatischen Status von Formeln, die entweder 

Inferenz- oder aber Integritätsregeln darstellen sollen, selbst explizit festlegen. 77) 

Ein Netzplan lässt sich formalsprachlich als ein gerichteter Graph darstellen, dessen Knoten jeweils 

eine Aktivität und dessen Kanten jeweils eine Präzedenzbeziehung zwischen je zwei Aktivitäten 

darstellen. 78) Die Kanten können mit nicht-negativen (nicht-positiven) Rationalzahlen für Minimalfristen 

(Maximalfristen) beschriftet sein, die jeweils zwischen Anfangs- oder Endzeitpunkten zweier 

Aktivitätsausführungen einzuhalten sind. Falls Präzedenzbeziehungen mit Maximalfristen in der 

umgekehrten Richtung wie Präzedenzbeziehungen mit Minimalfristen dargestellt werden, können in 

einem netzplanrepräsentierenden Graphen zyklische Wege auftreten, die von jedem Knoten des 

Zyklus ohne Wechsel der Kantenrichtung zu diesem Knoten zurückführen. Durch elementare Überlegungen 

lässt sich zeigen, dass ein Netzplan nur dann zulässig sein kann, wenn der netzplanrepräsentierende 

Graph keinen zyklischen Weg mit positiver Länge 79) aufweist. Denn würde ein solcher 

Weg im Graph existieren, dann wären zwischen zwei Aktivitätsausführungen die (nicht-negativen, 

in der Regel sogar positiven) Minimalfristen insgesamt größer als die (nicht-positiven, in der Regel 

sogar negativen) Maximalfristen. Es kann aber in der Realität niemals zutreffen, dass die Summe 

der Minimalabstände zwischen zwei Referenzzeitpunkten größer als die Summe der Maximalabstände 

zwischen denselben Referenzzeitpunkten ist. Daher lässt sich als inhaltliche Anforderung an 

zulässige Netzpläne die (notwendige) Integritätsbedingung formulieren, dass jeder zyklische Weg 

W, der in der graphischen Repräsentation eines beliebigen Netzplans X vorkommt, eine nichtpositive 

Weglänge L(W) aufweisen muss. Mit N(X) als Prädikat für den Sachverhalt, dass das formale 

Objekt X die graphische Repräsentation eines Netzplans ist, und Z(W,X) als Prädikat für den 

Sachverhalt, dass das formale Objekt W in der graphischen Netzplanrepräsentation X einen zyklischen 

Weg darstellt, kann die vorgenannte Integritätsbedingung als folgende Integritätsregel in Subjugat-Form 

ausgedrückt werden: 

∀X∀W : ( N(X) ∧Z(W,X) ) →L(W) ≤0 

Diese Integritätsregel für (graphisch repräsentierte) Netzpläne wird nur mit objektsprachlichen 

Ausdrucksmitteln der Prädikatenlogik 1. Stufe formuliert. Die beiden Allquantoren und die atomaren 

Prädikate N(X), Z(W,X) sowie L(W) ≤ 0 erstrecken sich in der o.a. Subjugat-Formel jeweils nur 

über die Individuen-Variablen X und W für die formalen Objekte der (netzplanrepräsentierenden) 

Graphen bzw. der Wege in Graphen. 

Die Subjugat-Formel ( ) 

∀X∀W: N(X) ∧Z(W, X) → L(W) ≤ 0 könnte jedoch ebenso als eine objektsprachliche 

Inferenzregel aufgefasst werden. Sie lässt sich mit der metasprachlichen Inferenzre- 

77) Daher plädieren die Verfasser dafür, in Ontologien durch eine strukturierte Darstellungsweise jeweils Sektionen vorzusehen, in 

denen mittels natürlichsprachlicher Ergänzungen explizit festgelegt wird, ob die dort aufgeführten Formeln den pragmatischen 

Status von entweder Inferenz- oder aber Integritätsregeln besitzen. 

78) Da die Netzplantechnik in diesem Werk nicht im Fokus des Interesses steht, wird auf die vielfältigen Varianten der Netzplantechnik 

und deren Details nicht näher eingegangen. Stattdessen beschränken sich die Ausführungen auf das „Notwendigste“, 

um die Zweideutigkeit objektsprachlicher Subjugat-Formeln demonstrieren zu können. Dabei wird der „vorherrschende“ Typ 

der Vorgangs- oder Aktivitätsknoten-Netzpläne zugrunde gelegt, die z.B. in der MPM- und der VKN-Variante der Netzplantechnik 

Anwendung finden. 

79) Die Länge eines Wegs lässt sich in der graphischen Repräsentation eines Netzplans anhand der Summe aller rationalzahligen 

Anschriften an denjenigen (gleich gerichteten) Kanten messen, die gemeinsam mit den Knoten zwischen den Kanten den jeweils 

betrachteten Weg bilden.


gel des ARISTOTELISCHEN Syllogismus 80) kombinieren, die den Schluss vom Allgemeinen auf das 

Besondere ermöglicht. Diese Inferenzregel lautet zunächst in ihrer generischen Form mit „ob“ als 

Konstante für ein beliebiges formales Objekt und X als Individuen-Variable: 

{ A(ob); ∀X :A(X) →B(X) } B(ob) 

Diese metasprachliche Inferenzregel lässt sich nicht unmittelbar mit der o.a. objektsprachlichen 

Subjugat-Formel ( ) 

∀X∀W: N(X) ∧Z(W, X) →L(W) ≤ 0 kombinieren, weil das Schlussfolge- 

rungsschema der generischen Inferenzregel des ARISTOTELISCHEN Syllogismus mit seiner objektsprachlichen 

Subjugat-Formel A(X) → B(X) lediglich für einstellige Prädikate A(X) und B(X) definiert 

ist. Die objektsprachliche Subjugat-Formel für Netzpläne weist dagegen aufgrund des zweistelligen 

Prädikats Z(W,X) eine etwas komplexere Struktur auf. 

Die strukturellen Analogien zwischen erstens dem atomaren Prädikat A(·) und dem zusammengesetzten 

Prädikat N(·) ∧ Z(·) sowie zweitens zwischen dem atomaren Prädikat B(·) und dem ebenso 

atomaren Prädikat L(·)≤0 sind jedoch offensichtlich. Daher ist es möglich, die objektsprachliche 

Subjugat-Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0 in das Schlussfolgerungsschema der 

generischen Inferenzregel des ARISTOTELISCHEN Syllogismus als objektsprachliche Inferenzregel 

wie folgt einzubetten: 

⎧ ⎫ 

⎪ ⎪ 

⎨N(ob ) ∧Z(ob ,ob ); ∀X∀W : ( N(X) ∧Z(W,X) ) →L(W) ≤0⎬ L(ob ) ≤0 

 

1 2 1 2 

⎪⎩ objektsprachliche Inferenzregel ⎪⎭ 

Diese spezielle metasprachliche Inferenzregel, die nur auf die Domäne der Netzplantechnik bezogen 

ist (domänenspezifische Inferenzregel), drückt aus: Wenn ob2 ein zyklischer Weg in einem 

netzplanrepräsentierenden Graph ob1 ist, dann hat der zyklische Weg eine nicht-positive Weglänge. 

Die Notation der metasprachlichen Inferenzregel verdeutlicht auch, dass die objektsprachlichen Inferenzregeln 

keine eigenständigen Inferenzregeln darstellen, sondern nur als objektsprachliche Subjugat-Formeln 

an der Formulierung von metasprachlichen Inferenzregeln teilhaben. Dies wurde an 

früherer Stelle bereits ausführlicher erläutert. 

Die Behandlung der Subjugat-Formel ( ) 

∀X∀W: N(X) ∧Z(W,X) →L(W) ≤ 0 als eine objektsprachliche 

Inferenzregel würde jedoch zu falschen Resultaten führen, die sich letztlich in logischen 

Widersprüchen niederschlagen. Dies betrifft alle Graphen, die „syntaktisch korrekt“ konstruierte 

Netzpläne repräsentieren, aber hinsichtlich ihrer „temporalen Semantik“ unzulässig sind, weil sie 

mindestens einen zyklischen Weg (syntaktisch korrekt) mit positiver Weglänge (semantisch unzulässig) 

enthalten. Denn für jeden netzplanrepräsentierenden Graph ob1, der mindestens einen zyklischen 

Weg ob2 enthält, erzeugt die Anwendung der o.a. domänenspezifischen Inferenzregel das 

Theorem, dass dieser zyklische Weg ob2 wegen L(ob2) ≤ 0 eine nicht-positive Länge besitzt. Dies 

ist offensichtlich falsch, weil der zyklische Weg ob2 laut Voraussetzung eine positive Weglänge 

aufweist. Wenn die tatsächliche Weglänge des zyklischen Wegs ob2 als Faktum – z.B. L(ob2) = 8 

für die Weglänge von 8 Längeneinheiten – in einer Wissensbasis repräsentiert wird, dann enthält 

diese Wissensbasis nach Anwendung der domänenspezifischen Inferenzregel für Netzpläne ebenso 

80) Vgl. BUCHER (1987) S. 145. Streng genommen handelt es sich bei der o.a. Inferenzregel nur um eine „individuen-bezogene“ 

Variante aus der Familie von Syllogismen, die auf ARISTOTELES zurückgehen. Vgl. zu den – je nach Zählweise – insgesamt 15 

bis 19 Syllogismen (wenn von „unnötig „schwachen“ Inferenzregeln abgesehen wird) aus der ARISTOTELISCHEN Logik die systematischen 

Darstellungen bei BUCHER (1987) S. 138 ff. und WOLTERS (2004b) S. 156 ff.


das Faktum L(ob2) ≤ 0. Die beiden faktischen Formeln L(ob2) = 8 und L(ob2) ≤ 0 stellen einen logischen 

Widerspruch dar. 

Die objektsprachliche Subjugat-Formel lässt sich, wie das voranstehende Beispiel zeigte, sowohl in 

der Absicht benutzen, eine Integritätsregel auszudrücken, als auch in der Absicht verwenden, eine 

domänenspezifische Inferenzregel zu formulieren. Da der objektsprachlichen Subjugat-Formel nicht 

angesehen werden kann, in welcher Absicht sie in einer Ontologie aufgeführt wird, muss ihr der intendierte 

pragmatische Status – also ihr Charakter entweder als Inferenz- oder aber als Integritätsregel 

– explizit zugewiesen werden. In dem hier diskutierten Beispiel kommt nur ihre Verwendung 

zur Formulierung einer Integritätsregel in Betracht, da sie als Bestandteil einer domänenspezifischen 

Inferenzregel zu falschen Schlussfolgerungen und letztlich zu (unzulässigen) logischen Widersprüchen 

führen würde. 

Im Folgenden stellt die Subjugat-Formel ( ) 

∀X ∀W: N(X) ∧Z(W,X) →L(W) ≤ 0 eine Integritätsregel 

dar. Dann bleibt aber zu klären, wie in einer prädikatenlogisch basierten Wissensrepräsentation 

ein Integritätstest mit Hilfe dieser Integritätsregel realisiert werden kann. Darüber hinaus ist festzulegen, 

wie sich bei einem statischen Integritätstest im Fall einer festgestellten Integritätsverletzung 

die Integrität der betroffenen Formelmenge herstellen lässt und wie sich bei einem dynamischen Integritätstest 

im Fall einer festgestellten Integritätsverletzung die Integrität einer Formelmenge durch 

Verhinderung oder Rücksetzung der Anwendung einer integritätsverletzenden Inferenzregel wahren 

lässt. Weder die Durchführung des Integritätstests noch die Integritätsherstellung bzw. Integritätswahrung 

im Falle einer festgestellten Integritätsverletzung werden durch die objektsprachliche Subjugat-Formel 

∀X∀W: ( N(X) ∧Z(W,X) ) →L(W) ≤ 0 ausgedrückt. Stattdessen müssen in der prädikatenlogisch 

basierten Wissensrepräsentation zusätzliche Vorgehensschemata („Mechanismen“) 

verankert sein. 

Die Durchführung des Integritätstests lässt sich durch die prädikatenlogisch realisierbare Abfrage 

verwirklichen, ob in der Wissensbasis die Formel N(X) ∧ Z(W, X) ∧ L(W) > 0 durch mindestens 

einen netzplanrepräsentierenden Graph ob1 (d.h. N(ob1)) und mindestens einen zyklischen Weg ob2 

in diesem Graph (d.h. Z(ob2,ob1)) erfüllt wird, indem diese Abfrage mit der Anweisung verknüpft 

wird, alle Paare (ob1,ob2) aus Graphen ob1 und zyklischen Wegen ob2 auszugeben, welche die voranstehende 

Formel erfüllen. 81) Wenn die Abfrage mit einem „nein“ beantwortet wird, ist die Integritätsregel, 

die durch die objektsprachliche Subjugat-Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0 

ausgedrückt wird, eingehalten; die betroffenen Netzpläne sind zulässig – zumindest im Hinblick auf 

die Längen ihrer zyklischen Wege. 82) Andernfalls liefert die Abfrage im Falle mindestens einer Integritätsverletzung 

nicht nur ein schlichtes „ja“, sondern auch eine Auflistung aller Netzpläne und 

81) Eine solche Anweisung lässt sich z.B. in der (prädikaten-) logischen Programmiersprache Prolog mithilfe des metasprachlichen 

Findall-Operators verwirklichen. Vgl. CLOCKSIN/MELLISH (1987) S. 156 f.; O.V. (2001) S. 174 f.; SPENCER-SMITH (1991) S. 257 

f. Vgl. darüber hinaus O.V. (2002) S. 6 ff. zu einem Findall-analogen Operator im PAL-Plug-in der Ontologie-Software Protégé-2000. 

82) Ein Netzplan – oder im hier thematisierten Kontext genauer: ein netzplanrepräsentierender Graph – kann aus verschiedenen 

Gründen unzulässig sein. Daher ist die Abwesenheit zyklischer Wege mit positiver Weglänge keineswegs hinreichend dafür, 

dass ein Netzplan zulässig ist. Vielmehr handelt es sich nur um eine notwendige (Integritäts-) Bedingung für die Netzplanzulässigkeit: 

Wenn sie verletzt ist, wenn also mindestens ein zyklischer Weg mit positiver Weglänge in einem Netzplan existiert, 

dann ist dieser Netzplan unzulässig.


ihrer zyklischen Wege, welche die Integritätsregel jeweils verletzen. Der Integritätstest kann also 

mit prädikatenlogischen Hilfsmitteln „im Prinzip“ 83) realisiert werden. 

Größere Probleme bereitet hingegen die Integritätsherstellung 84) für den Fall, in dem eine Integritätsverletzung 

durch mindestens einen zyklischen Weg mit positiver Weglänge festgestellt wurde. 

Als pars pro toto sei einer dieser zyklischen Wege mit positiver Weglänge betrachtet. Um einen 

Zyklus bilden zu können, muss er mindestens zwei Kanten umfassen. Aus der prädikatenlogischen 

Wissensrepräsentation lässt sich nur schlussfolgern, dass die Gesamtheit aller – also mindestens 

zwei – Kanten des zyklischen Weges dessen positive Weglänge und damit die Unzulässigkeit desjenigen 

(netzplanrepräsentierenden) Graphen verursacht hat, zu dem der zyklische Weg gehört. 

Analog zur Gemeinkosten- oder Gemeinerlösproblematik der Betriebswirtschaftslehre gibt es keinen 

logisch zwingenden Grund, eine einzelne Kante oder echte Teilmenge der Menge aller Kanten 

des zyklischen Weges als Verursacher der positiven Weglänge auszuzeichnen. Daher kann es im 

Rahmen der Prädikatenlogik auch keine Hilfestellung geben, wie sich die Integrität des unzulässigen 

Graphen herstellen lässt, wie sich also sein zyklischer Weg so modifizieren lässt, dass ein neuer 

zyklischer Weg mit nicht-positiver Weglänge (oder sogar ein nicht-zyklischer Weg) resultiert. 

Stattdessen ist für solche integritätsherstellenden Operationen „außerlogisches“ Zusatzwissen erforderlich. 

Es kann z.B. heuristisches Wissen darüber enthalten, wie sich zyklische Wege positiver 

Weglänge mit einem „Minimum“ an Veränderungen des betroffenen Graphen eliminieren lassen. Je 

nachdem, wie dieses Veränderungsminimum operational definiert wird, können unterschiedliche 

Heurismen für die integritätsherstellende „Reparatur“ des betroffenen Graphen resultieren. 

Da in dem hier vorgelegten Werk Netzpläne und ihre Repräsentation durch Graphen nicht näher interessieren, 

braucht auf die Details solcher heuristischer „Reparaturmechanismen“ nicht eingegangen 

zu werden. Stattdessen reicht das Beispiel der netzplanrepräsentierenden Graphen aus, um zu 

veranschaulichen, dass die Formulierung von Integritätsregeln eine anspruchsvolle Aufgabe darstellt: 

Selbst wenn sich der „inhaltliche Kern“ 85) einer Integritätsregel noch mit objektsprachlichen 

83) Der „im Prinzip“-Zusatz verweist darauf, dass die Erfüllbarkeit prädikatenlogischer Formeln gewöhnlich nur auf nicht-konstruktive 

Weise überprüft werden kann. Denn die Abfrage nach Erfüllbarkeit der zugrunde liegenden Formel wird mittels einer 

zweiten Formel realisiert, deren Variablen jeweils durch einen Existenzquantor gebunden sind. Wenn es gelingt, die Gültigkeit 

dieser zweiten Formel zu beweisen, so weiß man zwar, dass die zugrunde liegende Formel durch mindestens ein Tupel aus 

formalen Objekten erfüllt wird, das ein „Modell“ der zugrunde liegenden Formel darstellt. Aber das Abfrage-Ergebnis lautet 

schlicht „ja“ in dem Sinne, dass die zugrunde liegende Formel erfüllbar ist. Aus diesem „ja“ ist jedoch nicht ersichtlich, welche 

konkreten Tupel aus formalen Objekten die zugrunde liegende Formel jeweils erfüllen: die formelerfüllenden Tupel werden 

nicht „konstruktiv“ angegeben. Vielmehr bedarf es zusätzlicher Mechanismen, die über die „reine“ Prädikatenlogik hinausgehen, 

um alle formelerfüllenden Tupel aus formalen Objekten, d.h. alle „Modelle“ der Formel, auflisten zu können. Ein solcher 

Mechanismus ist in der (prädikaten-) logischen Programmiersprache Prolog in der Gestalt des metasprachlichen Findall-Operators 

implementiert, der aus den Inferenzprozessen, welche die Erfüllbarkeit einer Formel abzuleiten gestatten, die formelerfüllenden 

Tupel „abgreift“. 

84) Hier wird nur die Integritätsherstellung für einen statischen Integritätstest betrachtet, der negativ verlaufen ist, d.h. eine Integritätsverletzung 

aufgezeigt hat. Die Integritätswahrung für einen dynamischen Integritätstest bleibt dagegen außer Acht, weil im 

hier diskutierten Beispiel keine „sinnvolle“ Inferenzregel vorkommt, deren Anwendung zu einer Integritätsverletzung führen 

könnte und daher zwecks Integritätswahrung zu verhindern oder rückgängig zu machen wäre. Als einzige Kandidatin für eine 

solche Inferenzregel käme die o.a. domänenspezifische Inferenzregel in Betracht, die aus der objektsprachlichen Subjugat- 

Formel ∀X∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤ 0 gewonnen wurde. Aber es wurde schon oben gezeigt, dass diese Inferenzregel 

zu falschen Resultaten und letztlich zu logischen Widersprüchen führen würde. Daher wurde sie als „sinnlose“ – d.h. logisch 

widersprüchliche – Inferenzregel ausgegrenzt. 

85) Als „inhaltlicher Kern“ einer Integritätsregel wird hier diejenige Regelkomponente verstanden, mit deren Hilfe sich der regelspezifische 

Integritätstest formulieren lässt. Nicht zu diesem Kern gehören die Vorgehensschemata oder „Mechanismen“, die 

im Falle der Feststellung einer Integritätsverletzung angewendet werden können, um die Integritätsverletzung zu beseitigen.


Ausdrucksmitteln der Prädikatenlogik 1. Stufe formulieren lässt, so betrifft dies in der Regel – wenn 

überhaupt 86) – nur die Formulierung des Integritätstests. Dies wurde hier im zweiten Beispiel mittels 

der objektsprachlichen Subjugat-Formel ∀X ∀W: ( N(X) ∧Z(W, X) ) → L(W) ≤0exemplarisch 

aufgezeigt. Allerdings sind für den Fall, dass aus dem Integritätstest die Feststellung einer Integritätsverletzung 

resultiert, zusätzliche Mechanismen erforderlich, um nach einem negativ ausgefallenen 

statischen Integritätstest die Integrität der überprüften Formelmenge herzustellen und nach einem 

negativ ausgefallenen dynamischen Integritätstest die Integrität der ursprünglich vorliegenden 

Formelmenge durch Verhinderung oder Rücknahme der integritätsverletzenden Anwendung einer 

Inferenzregel zu wahren. Diese zusätzlichen Mechanismen lassen sich im Rahmen der konventionellen 

Prädikatenlogik nicht mehr ausdrücken. Ebenso stehen in F-Logic keine Ausdrucksmittel zur 

Verfügung, um solche integritätsherstellenden bzw. -wahrenden Mechanismen zu spezifizieren. 

Dies stellt einen erheblichen Mangel von Ontologien dar, die mittels prädikatenlogisch basierter 

Wissensrepräsentationssprachen konstruiert werden. Dieser Mangel betrifft alle Ontologien, die in 

diesem Werk vorgestellt werden, weil eine (frühe) Basisentscheidung zugunsten der prädikatenlogisch 

basierten Wissensrepräsentationssprache F-Logic getroffen wurde. 87) 

Mit dem dritten und letzten Beispiel wird das komplizierte Feld der Integritätsregeln verlassen, um 

sich einer Regel zuzuwenden, die von vornherein nur als objektsprachliche Inferenzregel in Betracht 

kommt. Sie dient dazu, die Formulierung objektsprachlicher Inferenzregeln und ihre Einbettung 

in die metasprachlichen Inferenzregeln der Prädikatenlogik exemplarisch zu verdeutlichen. In 

späteren Ausführungen zur KOWIEN-Ontologie werden diese Erläuterungen als bekannt vorausgesetzt, 

so dass die Ausführungen dort wesentlich kompakter ausfallen können. 

Objektsprachliche Inferenzregeln zeichnen sich dadurch aus, dass sie keine eigenständigen Inferenzregeln 

darstellen, sondern nur objektsprachliche Subjugat-Formeln, die in metasprachliche Inferenzregeln 

der Prädikatenlogik eingebettet werden können. Darauf wurde bereits an früherer Stelle 

eingegangen. Darüber hinaus sind objektsprachliche Inferenzregeln stets auf einen speziellen Realitätsausschnitt 

– die so genannte „Domäne“ – bezogen, innerhalb dessen sie „inhaltliche“ 88) , die materiellen 

89) Eigenarten des Realitätsausschnitts berücksichtigende Schlussfolgerungen ermöglichen. 

Daher werden die objektsprachlichen Inferenzregeln auch als domänenspezifische Inferenzregeln 

86) Im ersten Beispiel wurde anhand der Integritätsbedingung für die logische Widerspruchsfreiheit aufgezeigt, dass sich noch nicht 

einmal der Integritätstest mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik 1. Stufe formulieren lässt. Stattdessen 

konnte nur eine notwendige, aber keine hinreichende Integritätsbedingung für die logische Widerspruchsfreiheit einer Formelmenge 

mit objektsprachlichen Ausdrucksmitteln formuliert werden. Darüber hinaus reichten für diese eingeschränkte – da nur 

notwendige – Integritätsbedingung die Ausdrucksmittel der Prädikatenlogik 1. Stufe nicht aus, sondern sie erforderte einen 

Übergang zur Prädikatenlogik 2. Stufe. 

87) Aufgrund dieses grundsätzlichen Mangels, Mechanismen zur Integritätsherstellung oder -wahrung nach Feststellung einer Integritätsverletzung 

mittels einer prädikatenlogisch basierten Wissensrepräsentationssprache nicht ausdrücken zu können, wird 

im Folgenden darauf verzichtet, Integritätsherstellung bzw. Integritätswahrung als Komponenten von Integritätsregeln zu thematisieren. 

Stattdessen wird nur noch der „inhaltliche Kern“ von Integritätsregeln diskutiert, der zur Formulierung des regelspezifischen 

Integritätstests dient. 

88) Mit dem Attribut „inhaltliche“ erfolgt eine Abgrenzung von den metasprachlichen Inferenzregeln der Prädikatenlogik, die in ihren 

Schlussfolgerungsschemata ausschließlich auf die Form der involvierten Formeln, nicht aber auf deren Bedeutungen („Inhalte“) 

Bezug nehmen. 

89) Die Attribute „inhaltlich“ und „materiell“ werden in diesem Werk synonym verwendet.


bezeichnet. 90) Die metasprachlichen Inferenzregeln der Prädikatenlogik nehmen dagegen keinen 

Bezug auf die Inhalte derjenigen Formeln, die in ihren Schlussfolgerungsschemata aufgeführt werden. 

Stattdessen ist für diese metasprachlichen Inferenzregeln nur die (prädikaten-) logische Form 

der involvierten Formeln maßgeblich. Daher gelten die metasprachlichen Inferenzregeln unabhängig 

von den besonderen materiellen Eigenarten eines Realitätsausschnitts; sie besitzen universelle, 

d.h. domänenunabhängige Geltung. 

Innerhalb der Domäne des KOWIEN-Projekts, des Managements von Wissen über Kompetenzen, 

Kompetenzträger und Kompetenzprofile, spielen Schlussfolgerungen eine große Rolle, mit denen 

auf die Kompetenz eines Akteurs geschlossen werden kann. Sie betreffen Situationen, in denen die 

Kompetenzen eines Akteurs nicht vollständig bekannt sind, aber aus anderem Wissen über den betroffenen 

Akteur mit „praktischer Plausibilität“ gefolgert werden kann, dass der Akteur über eine 

bestimmte, bislang nicht explizit bekannte Kompetenz verfügt. Diese objektsprachlichen, domänenspezifischen 

Inferenzregeln werden im Folgenden kurz als Kompetenzregeln 91) bezeichnet. Für die 

Verwendung von Kompetenzregeln bei der Konstruktion von Ontologien gilt es, zwei Besonderheiten 

zu beachten. 

Erstens ermöglichen objektsprachliche, domänenspezifische Inferenzregeln, zu denen die Kompetenzregeln 

gehören, in der Regel nur plausible Schlussfolgerungen. Solche Schlussfolgerungen besitzen 

eine besondere epistemische Qualität. Denn Plausibilitätsschlüsse erweisen sich zwar kraft 

praktischer, zeitlich rückwärts gerichteter Erfahrungen als oftmals zutreffend, aber lassen – sowohl 

in der Vergangenheit als auch in der Zukunft – plausibilitätsverletzende Ausnahmen zu. Daher kann 

dem Ergebnis eines Plausibilitätsschlusses niemals der „zwingende Gültigkeitsanspruch“ einer 

Konklusion zukommen, die mittels der metasprachlichen, allgemeingültigen Inferenzregeln der Prädikatenlogik 

aus einer gültigen Formelmenge abgeleitet wurde. Vielmehr besitzt das Ergebnis eines 

90) Es kann nicht ausgeschlossen werden, dass eine objektsprachliche, domänenspezifische Inferenzregel auch dann noch mit korrekten 

Resultaten angewendet werden kann, wenn sie innerhalb eines anderen Realitätsausschnitts (Transfer-Domäne) benutzt 

wird, als für den sie ursprünglich formuliert wurde (Ursprungs-Domäne). Ein solcher Inferenzregel-Transfer auf einen anderen 

Realitätsausschnitt wird aber nur dann weiterhin zu korrekten Resultaten führen, wenn die Transfer-Domäne der Ursprungs- 

Domäne zumindest hinsichtlich derjenigen inhaltlichen Merkmale hinreichend ähnelt, die für die Korrektheit der betrachteten 

Inferenzregel ausschlaggebend sind. Wenn dieser Inferenzregel-Transfer gelingt, stellt dies einen bemerkenswerten Beitrag zur 

Realisierung des Konzepts des „knowledge reuse“ dar, das im Wissensmanagement immer wieder herausgestellt wird. Allerdings 

stellen sich dem Versuch des Inferenzregel-Transfers erhebliche praktische Schwierigkeiten entgegen. Erstens gilt es, die 

korrektheitsrelevanten inhaltlichen Merkmale zu identifizieren. Zweitens muss die „hinreichende Ähnlichkeit“ von Realitätsausschnitten 

hinsichtlich solcher Merkmale operational spezifiziert werden. Beide Anforderungen stellen derart hohe Hürden 

für den angestrebten Inferenzregel-Transfer dar, dass von den Verfassern derzeit (noch) keine nennenswerte Perspektive gesehen 

wird, diesen Transfer praktisch leisten zu können. Daher wird auf diesen Aspekt hier nicht weiter eingegangen. 

91) Die Bezeichnung „Kompetenzregel“ ist von der ähnlichen Bezeichnung „Kompetenzfrage“ abzugrenzen, die im Kontext von 

Ontologien des Öfteren Verwendung findet. Während Erstgenanntes dafür reserviert ist, solche objektsprachlichen Inferenzregeln 

zu denotieren, mittels derer auf Kompetenzen und Kompetenzausprägungen in Bezug auf Akteure geschlossen werden 

kann, wird Zweitgenanntes dafür verwendet, die Ausdrucksmächtigkeit einer Ontologie zu operationalisieren (vgl. SURE (2003) 

S. 83 ff.). Die Ausdrucksmächtigkeit einer Ontologie wird in diesen Fällen danach bemessen, welche „Kompetenzfragen“ potenziell 

durch eine ontologiebasierte Wissensbasis beantwortet werden können. Mit Kompetenzfragen wird somit nicht auf die 

Kompetenz von Akteuren geschlossen, sondern auf die „Kompetenz einer Ontologie“. Sie erlangen ihre besondere Bedeutung 

im Rahmen von Vorgehensmodellen zur Konstruktion von Ontologien. Trotz der Unterschiede in der Auslegung von „Kompetenzregel“ 

und „Kompetenzfrage“ haben die beiden Bezeichnungen auch eine wesentliche Gemeinsamkeit. Durch beide Bezeichnungen 

werden nämlich Ausdrücke denotiert, die mit den objektsprachlichen Ausdrucksmitteln einer Ontologie konstruiert 

werden. Wie im Fall von Kompetenzregeln, so werden auch Kompetenzfragen als Formeln über einer – noch zu konstruierenden 

– Ontologie spezifiziert.


Plausibilitätsschlusses nur „vorläufige Gültigkeit“ im Sinne eines „Faute-de-mieux-Arguments“ 92) : 

Das Ergebnis wird als gültig akzeptiert, weil es kraft Erfahrung als plausibel erscheint, jedoch nur 

so lange, bis zusätzliches Wissen erworben wird, das dem bisher als gültig akzeptierten Schlussfolgerungsergebnis 

widerspricht. Tritt ein solcher Widerspruch durch Akquisition neuen Wissens auf, 

so wird das ursprünglich plausibel erscheinende Schlussfolgerungsergebnis ungültig – und die Inferenzregelanwendung, 

die zu diesem Schlussfolgerungsergebnis geführt hatte, muss zurückgenommen 

werden. 93) Dies führt dazu, dass die Monotonie 94) der metasprachlichen Inferenzregeln der Prädikatenlogik 

auf die objektsprachlichen, domänenspezifischen Inferenzregeln nicht zutrifft. Denn 

Formeln, deren Gültigkeit mit der Hilfe solcher objektsprachlicher Inferenzregeln abgeleitet wurde, 

können nachträglich durch die Akquisition neuen Wissens ungültig werden. Daher unterliegen prädikatenlogisch 

basierte Wissensrepräsentationen, die mit objektsprachlichen Inferenzregeln arbeiten, 

nur den komplizierten Regeln 95) einer non-monotonen Logik 96) , falls die objektsprachlichen Inferenzregeln 

„lediglich“ die epistemische Qualität von Plausibilitätsschlüssen aufweisen. Da objektsprachliche 

Inferenzregeln – zumindest in der kompetenzbezogenen Wissensmanagement-Domäne 

des KOWIEN-Projekts – tatsächlich nur plausible Schlussfolgerungen gestatten, stellt die Eigenschaft 

der Non-Monotonie bezüglich (plausibler) Schlussfolgerungen eine charakteristische Eigenschaft 

der hier konstruierten und analysierten Wissensrepräsentationen dar. 

92) Ein Faute-de-mieux-Schluss gilt in Ermangelung anderer, besserer Gründe vorläufig, bis bessere Gründe bekannt werden. Die 

Argumentationsfigur der Faute-de-mieux-Schlüsse geht auf RESCHER zurück; vgl. insbesondere RESCHER (1987b) S. 70, 73 ff., 

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) 

S. 259; RESCHER (1988) S. 36. RESCHER hat diese Argumentationsfigur vornehmlich zur Rechtfertigung induktiver Argumentationen 

verwendet. Ein Faute-de-mieux-Schluss besagt zwar, dass eine Alternative so lange als „beste“ Wahl rational gerechtfertigt 

werden kann, wie sich keine besser stellende Alternative präsentieren lässt („faute de mieux“). Hierdurch wird jedoch 

nichts über die theoretische Existenzmöglichkeit – bislang unbekannter – besserer Alternative ausgesagt. Vgl. auch ARNI (1989) 

S. 171 u. 174 f.; COOMANN (1983) S. 154; GETHMANN/SIEGWART (2004) S. 595; ZELEWSKI (1995) Band 4, S. 71. 

93) Für die nachträgliche Rücknahme von Anwendungen objektsprachlicher Inferenzregelanwendungen existieren elaborierte formalsprachliche 

Konzepte. Zu den viel versprechendsten gehört nach Einschätzung der Verfasser das Konzept der Assumptionbased 

Truth Maintenance Systems (ATMS). Dieses ATMS-Konzept wurde maßgeblich von DE KLEER in den achtziger Jahren 

entwickelt. In der hier gebotenen Kürze können die Feinheiten des ATMS-Konzepts nicht näher erläutert werden. Es muss die 

Andeutung reichen, dass die objektsprachlichen Inferenzregeln, die „gewöhnliche“ Subjugat-Formel darstellen, ohne Schwierigkeiten 

als Elemente der „assumption sets“ des ATMS-Konzepts dargestellt werden können. Das ATMS-Konzept stellt dann 

die Mechanismen zur Verfügung, die erforderlich sind, um alle Schlussfolgerungsprozesse und deren Ergebnisse zurückzunehmen, 

welche die Geltung einer objektsprachlichen Inferenzregel vorausgesetzt haben, von der nachträglich bekannt wurde, dass 

sie tatsächlich nicht zutrifft. Vgl. zu ausführlichen Beschreibungen und praktischen Anwendungen des ATMS-Konzepts BECK- 

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.; 

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. 

298; SHOHAM (1994) S. 125 ff.; ZELEWSKI (1994b) S. 490 ff. 

94) Die Monotonie der Prädikatenlogik besagt, dass Formeln, die durch die Anwendung von (metasprachlichen) Inferenzregeln aus 

einer gültigen Formelmenge einmal abgeleitet wurden, ihre Gültigkeit „bis in Ewigkeit“ behalten, unabhängig davon, welche 

weiteren Inferenzregelanwendungen in Zukunft auf die Formelmenge (und die daraus ableitbaren Theoreme) noch erfolgen. Eine 

einmal als gültig abgeleitete Formel bleibt also für immer gültig. 

95) Solche Regeln können beispielsweise die „wahrheitsverwaltenden Mechanismen“ des ATMS-Konzepts sein, das kurz zuvor 

erwähnt wurde. 

96) Vgl. SOWA (2000) S. 373 ff.


Zweitens nehmen Kompetenzregeln im Allgemeinen auf zwei unterschiedliche Kompetenzaspekte 

Bezug: einerseits die Kompetenzart 97) , hinsichtlich derer jeweils eine Schlussfolgerung getroffen 

wird, und andererseits die Kompetenzausprägung, d.h. die Ausprägung dieser Kompetenzart bei 

dem betroffenen Akteur, die als Ergebnis der Schlussfolgerung resultiert. Darüber hinaus ist der 

Kompetenzträger, d.h. der Akteur als Träger einer Kompetenz (einer bestimmten Art in einer bestimmten 

Ausprägung) wesentlich, weil dieselbe Kompetenz dem einen Akteur zukommen kann, 

während ein anderer Akteur nicht darüber verfügt. Folglich erfordern Inferenzregeln zur Repräsentation 

von Wissen, welche plausible Schlussfolgerungen über Kompetenzen von Kompetenzträgern 

ziehen lassen, im Allgemeinen dreistellige prädikatenlogische Formeln. Darüber hinaus können sogar 

vierstellige Formeln erforderlich werden, wenn die Kompetenzgeltungsdauer, d.h. die zeitliche 

Spanne der Gültigkeit von Aussagen über die Kompetenzen von Akteuren, ausgedrückt werden soll. 

Dies liegt z.B. nahe, um den Kompetenzerwerb durch Schulungen und den Kompetenzverlust durch 

mangelnde Praxis oder schlichtes Vergessen mittels prädikatenlogischer Formeln repräsentieren zu 

können. Diese Anforderung drei- oder sogar vierstelliger Formeln stellt für die Prädikatenlogik generell 

kein Problem dar, da prädikatenlogische Formeln für Argumente mit beliebiger (sofern endlicher) 

Stellenzahl definiert werden können. Aber die hier gewählte Variante der prädikatenlogisch 

basierten Wissensrepräsentation, F-Logic, lässt sich nur auf zweistellige Formeln problemlos anwenden. 

Diese Beschränkung auf höchstens zweistellige Formeln gilt auch für eine Vielzahl anderer 

Wissensrepräsentationssprachen, die zurzeit für Zwecke des computerbasierten Wissensmanagements 

– insbesondere im Kontext des „Semantic Web“ – diskutiert oder sogar schon praktisch eingesetzt 

werden. Auf die speziellen Probleme, die aus dieser Beschränkung resultieren, wird an späterer 

Stelle ausführlicher eingegangen. 

Eine typische Kompetenzregel lautet (unter Vernachlässigung der zeitlichen Kompetenzgeltungsdauer): 

Wenn ein Akteur X an einer Weiterbildungsveranstaltung Y zur Thematik Z erfolgreich 

teilgenommen hat, dann verfügt er über die Kompetenz der Art Z in der Ausprägung „Anfaenger“. 

Um diese Kompetenzregel mit objektsprachlichen Ausdrucksmitteln formulieren zu können, werden 

folgende Prädikate eingeführt: WB(Y,Z) drückt den Sachverhalt aus, dass die Weiterbildungsveranstaltung 

Y die Thematik Z behandelt. TN(X,Y) trifft genau dann zu, wenn der Akteur X an der 

Weiterbildungsveranstaltung Y teilgenommen hat. ET(X,Y) repräsentiert die erfolgreiche Teilnahme 

des Akteurs X an der Weiterbildungsveranstaltung Y. 98) Schließlich wird mit dem dreistelligen 

97) Solange keine Missverständnisse zu befürchten sind, wird die jeweils betroffene Kompetenzart der Kürze halber oftmals nur als 

„Kompetenz“ bezeichnet. Dies ist zwar inhaltlich etwas unscharf, weil „Kompetenz“ streng genommen den Oberbegriff zu 

Kompetenzart und Kompetenzausprägung (sowie Kompetenzträger und – unter Umständen – Kompetenzgeltungsdauer) darstellt. 

Aber diese Sprachregelung, Kompetenzarten kurz als „Kompetenzen“ zu bezeichnen, wurde schon zu Beginn des Verbundprojekts 

KOWIEN auf mehrheitlichen Wunsch der Praxispartner getroffen, so dass sie hier aufrecht erhalten wird, um die 

Anschlussfähigkeit zu einer Vielzahl von Projektdokumenten zu wahren. 

98) Es lässt sich trefflich darüber streiten, ob das Prädikat ET(X,Y) für die erfolgreiche Veranstaltungsteilnahme neben dem Prädikat 

TN(X,Y) für die Veranstaltungsteilnahme eingeführt werden soll. Denn es ist ebenso möglich, das Prädikat TN(X,Y) von 

vornherein für den Sachverhalt zu verwenden, dass der Akteur X an der Weiterbildungsveranstaltung Y erfolgreich teilgenommen 

hat. Dann wäre das zusätzliche Prädikat ET(X,Y) überflüssig. Dennoch wurde dieser Gestaltungsalternative nicht gefolgt. 

Zwar erscheint die Verwendung der zwei Prädikate ET(X,Y) und TN(X,Y) auf den ersten Blick aufwendiger als die Verwendung 

von nur einem, aber anders definierten Prädikat TN(X,Y). Die zwei Prädikate schaffen jedoch die Flexibilität, in anderen 

Kontexten formalsprachlich zwischen einer „schlichten“ und einer „erfolgreichen“ Teilnahme an einer Weiterbildungsveranstaltung 

differenzieren zu können. Um eine solche Flexibilität der sprachlichen Ausdrucksmittel nicht „vorschnell“ dem Effizienzargument 

der Vermeidung „unnötigen“ Aufwands zu „opfern“, wird hier die Verwendung zweier Prädikate bevorzugt. 

Anhand dieses Beispiels wird deutlich, dass es sich bei der sprachlichen Erfassung („Wortung“) von Sachverhalten, die in einem 

Realitätsausschnitt für relevant erachtet werden, um keine „objektive“ Tätigkeit der sprachlichen „Widerspiegelung“ von 

Realitätsstrukturen handelt. Vielmehr stellt diese sprachliche Erfassung eine konstruktive Leistung dar – man könnte auch von


Prädikat KMP(X,Z,A) ausgedrückt, dass der Akteur X die Kompetenz der Art Z in der Ausprägung 

A besitzt. In dieser Formulierung stellen die Symbole X, Y, Z und A jeweils Variablen dar, die 

durch beliebige prädikatenlogische Individuen – d.h. formale Objekte oder Individuen-Konstanten – 

ersetzt werden können, die ihrerseits jeweils einen Akteur (für X), eine Weiterbildungsveranstaltung 

(für Y), eine Kompetenzart oder eine Weiterbildungsthematik (für Z) bzw. eine Kompetenzausprägung 

(für A) repräsentieren. 

Es fällt auf, dass unter diesen objektsprachlichen Ausdrucksmitteln die eingangs angeführte Kompetenzausprägung 

„Anfänger“ noch nicht enthalten ist. Dieser „Mangel“ offenbart eine Eigenart 

von Kompetenzregeln, die im Verlauf der Konstruktion der KOWIEN-Ontologie „überrascht“ hat. 

Denn bei der Befassung mit Ontologien herrscht die Überzeugung vor, in Ontologien solle nur generisches, 

d.h. vom Einzelfall unabhängiges Wissen über die allgemeinen, sprachlich ausdrückbaren 

und vermittelten Strukturen eines Realitätsausschnitts (der Domäne) repräsentiert werden. Hinzu 

kommt die weithin geteilte Überzeugung, dass sich derart generisches Wissen auf der Ausdrucksebene 

von Prädikaten, Mengen und Relationen (mit Variablen in ihren Argumenten) 99) – auf 

der so genannten Konzeptebene 100) – vollständig repräsentieren lässt. Spezielles, auf Einzelfälle be- 

einer „kreativen“ oder „künstlerischen“ Leistung sprechen. Während des Konstruktionsprozesses der sprachlichen Realitätserfassung 

wird eine Vielzahl von Konstruktionsentscheidungen getroffen, die nicht allein von „der“ erfassten Realität bestimmt 

werden, sondern ebenso von einer Vielzahl von außer-realen Einflussgrößen, die zur Disposition des Subjekts stehen, das den 

Konstruktionsprozess durchführt (oder die Richtlinien für diesen Konstruktionsprozess vorgibt). Zu diesen Einflussgrößen gehören 

u.a. epistemische Repräsentationspräferenzen, wie im hier diskutierten Beispiel Präferenzen zugunsten der Ziele Repräsentationseffizienz 

versus Repräsentationsflexibilität. 

99) Im aktuellen Argumentationskontext reicht zur Verdeutlichung der Schwierigkeiten mit Kompetenzregeln eine „vergröberte“ 

Darstellungsweise aus, die von formalsprachlichen Feinheiten der Prädikatenlogik abstrahiert, um sich auf den inhaltlichen 

Kern der Schwierigkeiten fokussieren zu können. So wird z.B. davon abgesehen, dass es sich bei Prädikaten, Mengen und Relationen 

nicht um streng voneinander getrennte Konstrukte handelt, sondern dass diese ineinander überführt werden können. So 

lassen sich z.B. Mengen als einstellige Relationen darstellen. Ebenso können Prädikate und Relationen wechselseitig ineinander 

transformiert werden, weil sich die Extension eines Prädikats als diejenige Relation auffassen lässt, die genau alle prädikatserfüllenden 

Individuen-Tupel umfasst. Daher hängt es von formalsprachlichen Repräsentationspräferenzen der Konstrukteure 

einer Ontologie ab, welche Konstrukte sie in Bezug auf Prädikate, Mengen und Relationen bevorzugen oder ob sie mehrere dieser 

Konstrukte zugleich verwenden möchten. Des Weiteren wird davon abgesehen, dass sich differenzieren lässt zwischen einerseits 

nicht-interpretierten Prädikats-, Mengen- und Relationssymbolen auf der Ebene generischer Wissensrepräsentation 

(Konzeptebene) sowie andererseits Prädikaten, Mengen und Relationen, denen durch formalsprachliche Interpretationen jeweils 

konkret spezifizierte Extensionen – d.h. Mengen zugehöriger prädikatenlogischer Individuen – zugeordnet sind (Instanzenebene). 

Diese Unterscheidung trägt zwar wesentlich zu einer Präzisierung der formalsprachlichen Wissensrepräsentation auf 

unterschiedlichen Abstraktionsebenen bei, würde aber hier hinsichtlich der Formulierungsschwierigkeiten von Kompetenzregeln 

durch Bezugnahme auf prädikatenlogische Interpretationen vermutlich eher verwirren, als zur Klarheit der Argumentation 

beitragen. Immerhin wird – unter Vernachlässigung des Aspekts prädikatenlogischer Interpretationen – die Unterscheidung 

zwischen Konzept- und Instanzenebene aufgegriffen, um die o.a. Abweichung von der „Wissensmanagement-Folklore“, generisches 

Wissen lasse sich ausschließlich auf der Konzeptebene repräsentieren, zu verdeutlichen. 

100) Die Konzeptebene wird des Öfteren auch als Klassen-, Typ- oder Schemaebene bezeichnet. Die Bezeichnung „Klassenebene“ 

bezieht sich darauf, dass die Extensionen von Konzepten als Klassen (oder synonym im prädikatenlogischen Sinn: Mengen) definiert 

sind. Die Bezeichnung „Typebene“ verweist darauf, dass Konzepte (oder Klassen) als Mengen gleichartiger Objekte 

aufgefasst werden können und somit den „Typ“ (die Art) der Objekte festlegen. Die Bezeichnung „Schemaebene“ orientiert 

sich hingegen an terminologischen Usancen der Datenmodellierung. Dort werden Konzepte (im Sinne der objektorientierten 

Systemkonzeptualisierung) zumeist als abstrakte Datentypen oder Schemata (für konkrete Daten) bezeichnet. 

Die Bezeichnung „Konzeptebene“ und ebenso die nachfolgend angeführte Bezeichnung „Instanzenebene“ entstammen nicht 

der Prädikatenlogik, sondern herrschen in objektorientierten Systemkonzeptualisierungen vor. Sie genießen zurzeit eine weite 

Verbreitung sowohl im Bereich der Ontologiekonstruktion als auch im Bereich der konzeptuellen Datenmodellierung. Darüber 

hinaus sind sie auch im Rahmen der Wissensrepräsentationssprache F-Logic üblich, auf die später ausführlich zurückgegriffen 

wird. Daher wird die Redeweise von einer „Konzept-“ und einer „Instanzenebene“ bereits hier im Vorgriff auf spätere Ausführungen 

verwendet, zumal sich auf dem Gebiet der Prädikatenlogik keine ähnlich „griffige“ und zugleich breit akzeptierte begriffliche 

Unterscheidung zwischen den beiden adressierten Ausdrucksebenen herausgebildet hat.


zogenes Wissen sei hingegen auf der Ausdrucksebene von prädikatenlogischen Individuen – auf der 

so genannten Instanzenebene 101) – zu erfassen, indem die Prädikate, Mengen und Relationen in ihren 

Argumenten mit den jeweils betroffenen Individuen einzelfallspezifisch „instanziiert“ 102) werden. 

Beide Überzeugungen zusammen 103) implizieren, dass Individuen auf der Instanzenebene in 

Ontologien nicht vorkommen sollten. Diese normative Vorstellung über Ontologien lässt sich jedoch 

– wider Erwarten – bei der prädikatenlogischen Repräsentation von Kompetenzregeln nicht 

aufrechterhalten. 104) Denn die o.a. einfache Kompetenzregel lässt sich nur dann ausdrücken, wenn 

in ihre Formulierung die Kompetenzausprägung „Anfänger“ aufgenommen wird. Diese Kompetenzausprägung 

ist eine Individuen-Konstante, die hier mit der natürlichsprachlichen Zeichenfolge 

(„string“) „Anfänger“ notiert wird. 105) 

Ein erster Versuch, die Kompetenzregel „Wenn ein Akteur X an einer Weiterbildungsveranstaltung 

Y zur Thematik Z erfolgreich teilgenommen hat, dann verfügt er über Kompetenz der Art Z in der 

Ausprägung ‚Anfänger’.“ mit den zuvor eingeführten objektsprachlichen Ausdrucksmitteln zu formulieren, 

könnte wie folgt lauten: 

∀X∀Y∀Z∀A : ( WB(Y,Z) ∧TN(X,Y) ∧ET(X,Y) ) →( KMP(X,Z,A) ∧ A = "Anfänger" ) 

Es lässt sich darüber streiten, ob die Allquantifizierung der Variablen A für die Kompetenzausprägung 

erforderlich ist, da in der Kompetenzregel die Kompetenzausprägung ohnehin durch die Individuen-Konstante 

„Anfänger“ festgelegt ist. Daher kann die Kompetenzregel auf äquivalente Weise 

ebenso formuliert werden als: 

∀X∀Y∀Z: ( WB(Y, Z) ∧TN(X,Y) ∧ET(X,Y) ) → KMP(X, Z,"Anfänger") 

Dieser erste Versuch (in zwei äquivalenten Varianten) vermag jedoch aus zwei Gründen noch nicht 

zu überzeugen. Zunächst irritiert, dass die Variable Z in der zweiten Argumentstelle des Prädikats 

WB(Y,Z) und in der zweiten Argumentstelle des Prädikats KMP(X,Z,A) streng genommen für zwei 

unterschiedliche Sachverhalte verwendet wird: einerseits im Prädikat WB(Y,Z) für die Thematik Z 

101) Die Instanzenebene wird zuweilen auch als Individuenebene bezeichnet, weil die Instanzen aus objektorientierten Systemkonzeptualisierungen 

den Individuen (formalen Objekten) der Prädikatenlogik entsprechen. 

102) Die Schreibweisen „instanziieren“ versus „instantiieren“ variieren von Autor zu Autor. Die letztgenannte Schreibweise findet 

sich z.B. bei BONJOUR (1994) S. 252 u. 256. In diesem Beitrag wird die erstgenannte Schreibweise bevorzugt, weil sie sich unmittelbar 

an die Schreibweise des zugrunde liegenden Substantivs „Instanz“ anlehnt. 

103) Die beiden o.a. Überzeugungen werden in der Praxis des Wissensmanagements zumeist miteinander vermengt, so dass die 

Konstruktion von Ontologien von vornherein auf die Konzeptebene beschränkt wird. Die o.a. Argumentation hat jedoch verdeutlicht, 

dass diese Beschränkung streng genommen erst aus der Kombination zweier Überzeugungen zustande kommt, die im 

Prinzip unabhängig voneinander sind. 

104) Eine weitere seltene Ausnahme, in der Individuen („instances“) ausdrücklich zu den Bestandteilen von Ontologien gezählt werden, 

stellen die Ausführungen von TAMMA/BENCH-CAPON (2002) S. 47 dar. 

105) Diese Notationsweise entspricht dem Anliegen, in dieser Einführung in die Grundlagen einer prädikatenlogischen Wissensrepräsentation 

möglichst mit „selbstsprechenden“ Notationen zu arbeiten, ohne Rücksicht auf eventuell entgegen stehende Implementierungsrestriktionen 

zu nehmen. In späteren Kapiteln, in denen die KOWIEN-Ontologie vorgestellt wird, müssen hingegen 

die Restriktionen eingehalten werden, die einerseits durch die Wissensrepräsentationssprache F-Logic und andererseits 

durch Implementierungsumgebungen wie die Softwaretools OntoEdit und OntoBroker vorgegeben werden. Daher werden in 

jenen späteren Kapiteln die Notationen, die hier zunächst „rücksichtslos“ und „selbstsprechend“ verwendet werden, erforderlichenfalls 

an die vorgenannten Restriktionen angepasst werden. Dies betrifft z.B. die Groß- oder Kleinschreibung von Bezeichnern 

sowie die Unterlassung von Umlauten in Bezeichnern. Außerdem werden später (S. 490 ff.) die Kompetenzausprägungen 

nicht mehr als beliebige Zeichenfolgen („strings“), sondern als symbolische Konstanten verwendet. Dies bedeutet, dass dann 

Kompetenzausprägungen als Instanzen des Konzepts Kompetenzauspraegung behandelt werden und nicht mehr in Anführungszeichen 

eingeschlossen werden.


einer Weiterbildungsveranstaltung und andererseits im Prädikat KMP(X,Z,A) für die Art Z der erworbenen 

Kompetenz. Bei dieser Formulierung der Kompetenzregel wird implizit unterstellt, dass 

zwischen der Veranstaltungsthematik und der Kompetenzart keine Unterschiede bestehen, deren 

Berücksichtigung sich in einer Ontologie für das Kompetenzmanagement als relevant herausstellen 

könnte. 

Eine solche Unterstellung erscheint jedoch insbesondere im Kontext von Ontologien als verfehlt, 

die u.a. aus dem Anlass diskutiert werden, Probleme der sprachlichen Diversität in der betrieblichen 

Praxis mittels Computerunterstützung beherrschen zu können. Daher sollte in einer Kompetenzregel 

von vornherein dem Umstand Rechnung getragen werden, dass sich die tatsächlich verwendeten 

Bezeichnungen von Veranstaltungsthemen und Kompetenzarten unterscheiden können, obwohl die 

unterschiedlich bezeichneten Veranstaltungsthemen und Kompetenzarten inhaltlich in einem engen 

(Vermittlungs-) Zusammenhang zueinander stehen. Um den inhaltlichen Zusammenhang auszudrücken, 

dass Weiterbildungsveranstaltungen zum Thema Z die Kompetenz der Art K vermitteln, wird 

das zusätzliche Prädikat KV(Z,K) eingeführt. Mit seiner Hilfe lautet der zweite Versuch, die o.a. 

Kompetenzregel – in ihrer 2. Variante – formalsprachlich zu repräsentieren: 

∀X∀Y∀Z∀K : ( WB(Y,Z) ∧KV(Z,K) ∧TN(X,Y) ∧ET(X,Y) ) → KMP(X,K,"Anfaenger") 

Gegen diesen zweiten Versuch zur Formalisierung der Kompetenzregel „Wenn ein Akteur X an 

einer Weiterbildungsveranstaltung Y zur Thematik Z erfolgreich teilgenommen hat, dann verfügt er 

über Kompetenz der Art K in der Ausprägung ‚Anfänger’.“ lassen sich aber weitere Bedenken ins 

Feld führen. Sie beruhen darauf, dass die natürlichsprachliche Regelformulierung einen Interpretationsspielraum 

offen lässt, der in natürlichsprachlichen Spezifikationen immer droht, wenn der unbestimmte 

Artikel „ein“ verwendet wird: 106) Es kann entweder gemeint sein, dass die Kompetenz 

der Art K in der Ausprägung „Anfänger“ erworben wird, wenn mindestens eine Weiterbildungsveranstaltung 

mit der Thematik Z erfolgreich absolviert wurde. Oder es kann auch gemeint sein, dass 

für den Kompetenzerwerb in der Ausprägung „Anfänger“ genau eine Weiterbildungsveranstaltung 

mit der Thematik Z erfolgreich absolviert worden sein muss. Für beide Interpretationen lassen sich 

gute Gründe anführen. Hier wird der zweiten Variante gefolgt, die sich auf genau eine Weiterbildungsveranstaltung 

bezieht. Für diese Festlegung spricht, dass durch die erfolgreiche Absolvierung 

von mehr als einer Weiterbildungsveranstaltung zur Thematik Z ein höheres Kompetenzniveau 107) 

106) Anhand dieses Beispiels wird verdeutlicht, dass die Verfasser formalsprachliche gegenüber natürlichsprachlichen Konzeptualisierungen 

bevorzugen, weil durch die Formalisierung ein Gewinn an Präzision und Explizitheit derjenigen Inhalte erzielt wird, 

die jeweils gemeint sind. Dabei wird jedoch nicht die naive Auffassung vertreten, dass mittels Formalisierung nur diejenigen 

Inhalte „aufgedeckt“ werden, die von vornherein gemeint waren. Vielmehr stellt die Formalisierung einen Konstruktionsprozess 

formalsprachlicher Repräsentationen dar, innerhalb dessen Verlaufs zuweilen die Klärung von Verständnisproblemen angestoßen 

wird, die vorher unter der Mehrdeutigkeit und Vagheit natürlichsprachlicher Formulierungen verborgen blieben. 

Wenn solche Klärungen angestoßen werden, dann wird mittels der Formalisierung nicht nur von Anfang an schon vorhandener, 

natürlichsprachlich ausgedrückter Inhalt „rekonstruiert“, sondern auch neuer Inhalt hinzugefügt, der im natürlichsprachlich 

Ausgesagten zunächst nicht enthalten war. Im o.a. Beispiel war es in der natürlichsprachlich vorgegebenen Formulierung der 

Kompetenzregel offen gelassen, ob sie sich auf entweder genau oder aber mindestens eine erfolgreich absolvierte Weiterbildungsveranstaltung 

bezog. Die Eigenart natürlichsprachlicher Interpretationsspielräume überlässt es dem jeweiligen Rezipienten, 

in welchem Sinne er die Kompetenzregel auslegt. Erst die formalsprachliche Regel-„Rekonstruktion“ erfordert die präzise 

und explizite Repräsentation dessen, was tatsächlich gemeint ist. 

107) Der Begriff „Kompetenzniveau“ wird hier als eine Spezialisierung des Oberbegriffs „Kompetenzausprägung“ verwendet: Eine 

Kompetenzausprägung lässt sich immer dann als ein Kompetenzniveau ansprechen, wenn für die zugrunde liegende Kompetenzart 

unterschiedliche Ausprägungen existieren und für diese Kompetenzausprägungen eine vollständige Ordnungsrelation 

definiert ist, die mindestens ordinales Skalenniveau erfüllt. Unter diesen Voraussetzungen bilden die Kompetenzausprägungen 

eine lineare Rangfolge, anhand derer sich zwischen Kompetenzniveaus „höherer“ und „niedrigerer“ (Rang-) Stufe unterscheiden 

lässt.


als die Ausprägung „Anfänger“ erworben wird, das sich beispielsweise in den Kompetenzausprägungen 

„Problemlöser“ oder „Erfahrener“ niederschlagen kann. 108) 

Um dieser Festlegung Genüge zu leisten, muss die Antezedenz-Komponente der bislang verwendeten 

Subjugat-Formel für die Kompetenzregel überarbeitet werden, weil diese Antezedenz- 

Komponente auch dann erfüllt wäre, wenn ein Akteur mehrere Weiterbildungsveranstaltungen zur 

selben Thematik erfolgreich absolviert hätte. „Folglich“ müsste auch in diesem Fall mehrerer Weiterbildungsveranstaltungen 

dem Akteur die Kompetenzausprägung „Anfänger“ zugewiesen werden. 

Um diese nicht-intendierte Folgerung auszuschließen, muss eine Art „Zähler“ für die besuchten und 

erfolgreich absolvierten Weiterbildungsveranstaltungen eingeführt werden. 109) Im hier betrachteten 

„einfachen“ Fall, in dem nur die erfolgreiche Absolvierung mehrerer Weiterbildungsveranstaltungen 

zur selben Thematik ausgeschlossen werden muss, reicht es im dritten Versuch aus, die präzisierte 

Kompetenzregel „Wenn ein Akteur X an genau einer Weiterbildungsveranstaltung Y zur 

108) Für den Erwerb dieser Kompetenzausprägungen sind weitere Kompetenzregeln zu formulieren, die jeweils diejenigen Bedingungen 

spezifizieren, unter denen die „höheren“ Ausprägungen (Kompetenzniveaus) für die betroffene Kompetenzart erlangt 

werden. Es wird darauf verzichtet, dies hier konkret zu unternehmen, da lediglich auf exemplarische Weise in die Grundlagen 

der prädikatenlogisch basierten Wissensrepräsentation eingeführt werden soll. In der KOWIEN-Ontologie sind dagegen die erforderlichen 

Kompetenzregeln vollständig spezifiziert. 

109) Die Formalisierung solcher Zähler-Konstrukte bereitet erhebliche Schwierigkeiten, solange man sich auf die Ausdrucksmöglichkeiten 

der „reinen“ Prädikatenlogik beschränkt. Denn die Syntax und die formale Semantik der Prädikatenlogik gestatten 

zunächst nur, Aussagen darüber zu treffen, ob Sachverhalte (Prädikate) für mindestens ein Objekt (prädikatenlogisches Individuum) 

oder für alle Objekte gelten. Zur formalsprachlichen Erfassung dieser Quantitäten „mindestens ein“ und „alle“ dienen 

auf der syntaktischen Ebene der Existenz- bzw. der Allquantor sowie auf der semantischen Ebene die metasprachlichen Relationen 

der Erfüllbarkeit bzw. der Allgemeingültigkeit. Für die „dazwischen“ liegenden Quantitäten wie „genau ein“ oder – verallgemeinert 

– „genau n“ (mit n∈N +) sieht die „reine“ Prädikatenlogik jedoch weder auf der syntaktischen noch auf der semantischen 

Ebene eigenständige Ausdrucksmittel vor. Zwar existieren Erweiterungen der Prädikatenlogik, in denen der Existenzquantor 

∃ mit einem numerischen Parameter versehen wird, durch den angegeben werden kann, auf wie viele voneinander unterschiedliche 

formale Objekte sich die Quantifizierung bezieht. Den „populärsten“ Fall stellt der so genannte Einsquantor ∃ 1 

dar, mit dem ausgedrückt wird, dass genau ein formales Objekt existieren muss, auf das die Formel im Anschluss an den Einsquantor 

zutrifft. Der Einsquantor ist ein Einzelfall „numerisch definiter Quantoren“ (vgl. QUINE (1969) S. 295), für die numerische 

Parameter zugelassen sind. Numerisch definite (Existenz-) Quantoren werden mithilfe eines Induktionsschemas auf den 

konventionellen Existenzquantor ∃ zurückgeführt. Demnach ist eine Formel ∃ 1X: R(X) äquivalent mit der Formel ∃X: (R(X) ∧ 

∃ 0Y: (R(Y) ∧ Y≠X)). ∃ 0X: R(X) ist äquivalent mit ¬∃X:R(X). Alle weiteren numerischen (Existenz) Quantoren ∃ 2,∃ 3,...,∃ N 

können gemäß dem Induktionsschema für n∈N + und n ≥ 2: 

∃ nX: R(X) ⇔ ∃X: (R(X) ∧ ∃ n-1Y: (R(Y) ∧ Y≠X)) 

auf den konventionellen Existenzquantor ∃ zurückgeführt werden. Mit dem Symbol „⇔“ wird die Äquivalenz – d.h. die Austauschbarkeit 

ohne „Bedeutungsverschiebungen“ – prädikatenlogischer Formeln ausgedrückt. Aber solche Varianten der Prädikatenlogik 

haben sich nicht durchzusetzen vermocht, zumal oftmals im Dunkeln bleibt, ob die maßgeblichen Vorzüge der „reinen“ 

Prädikatenlogik – wie etwa die Vollständigkeit und Korrektheit ihrer Inferenzregeln – bei diesen Erweiterungen erhalten 

bleiben. Daher werden Erweiterungen dieser Art hier nicht weiter verfolgt. Stattdessen wird die Funktionalität von „Zählern“ in 

Implementierungen von prädikatenlogisch basierten Wissensrepräsentations- und Programmiersprachen realisiert. Dies trifft 

z.B. auf den Findall-Operator der (prädikaten-) logischen Programmiersprache Prolog zu, der bereits in der Fußnote 81 (S. 455) 

angesprochen wurde. Er gestattet es, zunächst alle Individuen-Tupel aufzulisten, die ein Prädikat erfüllen, und alsdann mittels 

eines Zähl-Operators die Anzahl aller Elemente zu bestimmen, die sich in dieser Liste befinden. Auf die Eigenarten dieser Zähler-Konstrukte 

in prädikatenlogisch basierten Wissensrepräsentations- und Programmiersprachen braucht an dieser Selle nicht 

näher eingegangen zu werden, weil „zufällig“ nicht der komplizierte Fall mit n Weiterbildungsveranstaltungen und n≥2 betrachtet 

wird. Stattdessen beleuchtet das o.a. Beispiel nur den einfachen Fall mit n=1 Weiterbildungsveranstaltungen, der sich 

noch im Rahmen der „reinen“ Prädikatenlogik ohne Rückgriff auf spezielle Zähler-Konstrukte erfassen lässt. Vgl. zu solchen 

Zähl-Operatoren wie „length_of“, „length“ und „listlen“ in der (prädikaten-) logischen Programmiersprache Prolog CLOCKSIN/ 

MELLISH (1987) S. 62 f.; O.V. (2001) S. 163 ff.; SPENCER-SMITH (1991) S. 253.


Thematik Z erfolgreich teilgenommen hat, dann verfügt er über Kompetenz der Art K in der Ausprägung 

‚Anfänger’.“ wie folgt formalsprachlich auszudrücken: 110) 

⎛WB(Y,Z) ∧KV(Z,K) ∧TN(X,Y) ∧ET(X,Y) 

⎞ 

∀X∀Y∀Z∀K: ⎜ ( Y´ Z´: ( WB(Y´, Z´) KV(Z´, K) TN(X, Y´) ET(X, Y´) ) Y´ Y) 

⎟ 

⎝ 

∧∀ ∀ ∧ ∧ ∧ → = 

⎠ 

→ KMP(X,K,"Anfänger") 

Diese Kompetenzregel-Formalisierung drückt im dritten „Anlauf“ das formalsprachlich aus, was 

mit der ursprünglich natürlichsprachlich spezifizierten und schließlich präzisierten Kompetenzregel 

gemeint ist. Sie verdeutlicht mehrere derjenigen Aspekte, die zuvor „abstrakt“, d.h. ohne Bezug auf 

ein konkretes Beispiel ausführlicher diskutiert wurden: Erstens wird die Kompetenzregel ausschließlich 

mit objektsprachlichen Ausdrucksmitteln der Prädikatenlogik (1. Stufe) formalisiert. 

Zweitens nimmt die Kompetenzregel die typische Gestalt einer Subjugat-Formel an. 111) Drittens erlaubt 

die Kompetenzregel das Ziehen von Schlussfolgerungen hinsichtlich der Kompetenzarten und 

-ausprägungen, die Akteure durch erfolgreiche Absolvierung von Weiterbildungsveranstaltungen 

erwerben. Sie besitzt daher die epistemische Qualität einer Inferenzregel. Aus der Kombination von 

erstem und drittem Aspekt folgt unmittelbar, dass die Kompetenzregel eine objektsprachliche Inferenzregel 

darstellt. Viertens besitzt die Kompetenzregel keinen formalen, d.h. nur von der Form der 

involvierten Formeln abhängigen Charakter, wie es bei den metasprachlichen Inferenzregeln der 

Prädikatenlogik der Fall ist. Stattdessen ist die Kompetenzregel eine materielle und zugleich domänenspezifische 

Inferenzregel. Denn die Kompetenzregel darf nur auf die Prädikate WB(Y,Z), 

KV(Z,K), TN(X,Y), ET(X,Y) und KMP(X,Z,A) mit den oben erläuterten Bedeutungen angewendet 

werden (Materialität 112) ). Darüber hinaus wird für die Inferenzregel kein universeller Geltungsanspruch 

erhoben, sondern ihre Geltung wird nur innerhalb der Domäne des Managements von Kompetenzwissen 

(Domänenspezifität) beansprucht. Fünftens handelt es sich um keine Inferenzregel, 

110) Der „Trick“ der hier gewählten Formalisierung liegt in der ergänzten Teilformel: 

∀Y´ ∀Z´: ( WB(Y´, Z´) ∧ KV(Z´, K) ∧ TN(X, Y´) ∧ ET(X, Y´) ) → Y´= Y. 

Sie drückt aus, dass alle „anderen“ Weiterbildungsveranstaltungen Y´ zu beliebigen (anderen oder auch gleichen) Themen Z´, 

an denen der Akteur X „ebenso“ erfolgreich teilgenommen hat, mit der einen Weiterbildungsveranstaltung Y identisch sind, sofern 

sie die Kompetenz der Art K vermitteln. Folglich hat der Akteur nur an genau einer Weiterbildungsveranstaltung teilgenommen, 

die für die Kompetenz der Art K relevant ist. Dieser „Trick“ lässt sich allerdings nicht verallgemeinern, sondern kann 

nur auf den Fall von n=1 Weiterbildungsveranstaltungen angewendet werden. Darüber hinaus wird am Rande darauf aufmerksam 

gemacht, dass diese Formulierung der Kompetenzregel u.a. gestattet, dass der jeweils betrachtete Akteur X an mehreren 

Weiterbildungsveranstaltungen Y lediglich teilgenommen – aber nur eine von ihnen erfolgreich absolviert – hat. Das Prädikat 

TN(X,Y) kann also durch mehrere Individuen-Konstanten für unterschiedliche Weiterbildungsveranstaltungen erfüllt sein. Dies 

bleibt für die Erreichung der Kompetenzausprägung „Anfaenger“ unbeachtlich, weil laut Kompetenzregel nicht die Anzahl der 

Veranstaltungsteilnahmen zählt, sondern ausschließlich die Anzahl der Weiterbildungsveranstaltungen, die erfolgreich absolviert 

wurden. An dieser Stelle manifestiert sich bereits die Flexibilität, die mithilfe der früheren Gestaltungsentscheidung erlangt 

wurde, die Teilnahme an Weiterbildungsveranstaltungen mittels der zwei Prädikate TN(X,Y) sowie ET(X,Y) formalsprachlich 

differenziert zu erfassen je nachdem, ob „nur“ teilgenommen oder auch „erfolgreich“ teilgenommen wurde. 

111) Die o.a. formalsprachliche Kompetenzregel enthält sogar zwei – ineinander verschachtelte – Subjugat-Formeln. Die „innere“ 

Subjugat-Formel ∀Y´ ∀Z´: ( WB(Y´, Z´) ∧ KV(Z´, K) ∧ TN(X, Y´) ∧ ET(X, Y´) ) → Y´= Y ist aber für die Formulierung von 

Inferenzregeln in Subjugat-Form unbeachtlich. Denn sie dient einem anderen Zweck: der Beschränkung der erfolgreich absolvierten 

Weiterbildungsveranstaltungen zur Kompetenz der Art K auf genau ein Exemplar. Die „charakteristische“ Subjugat- 

Formel der Kompetenzregel besteht daher aus den beiden ersten Formelzeilen (ohne die Quantoren, die sich über die gesamte 

Subjugat-Formel erstrecken) als Antezedenz-Komponente einerseits und aus der dritten Formelzeile (ohne den Junktor für das 

Subjugat) als Konklusions-Komponente andererseits. 

112) Von einer „materialen“ – im Gegensatz zur „formalen“ – Verwendung von Prädikaten (oder allgemein: Formeln) wird gesprochen, 

wenn nicht (nur) ein Bezug auf die Form, sondern (auch) auf die „inhaltlichen“ Bedeutungen von Prädikaten erfolgt.


die wie die metasprachlichen Inferenzregeln der Prädikatenlogik allgemeingültige Schlussfolgerungen 

gestattet. Vielmehr gestattet sie nur plausible Schlussfolgerungen, die sich im Licht nachträglich 

akquirierten Wissens als unzutreffend herausstellen können und dementsprechend zurückgenommen 

werden müssen. Beispielsweise kann nachträglich bekannt werden, dass der betroffene 

Akteur schon vor dem Besuch einer erfolgreich absolvierten Weiterbildungsveranstaltung hinsichtlich 

der betrachteten Kompetenzart die Ausprägung „Experte“ aufwies, so dass die Schlussfolgerung 

der Kompetenzausprägung „Anfaenger“ zwar plausibel erschienen sein mag, aber dennoch 

falsch war. 113) Oder ein später durchgeführter Kompetenztest zur Überprüfung der Weiterbildungseffektivität 

lässt erkennen, dass der betroffene Akteur zwar ein Zertifikat über die „erfolgreiche“ 

Veranstaltungsteilnahme erhalten hat, aber zum Zeitpunkt der Testdurchführung das „zertifizierte“ 

Kompetenzniveau eines Anfängers nicht erreicht, sondern nur mit der „untersten“ Kompetenzausprägung 

„Neuling“ eingestuft wird. 114) 

Abschließend wird noch einmal auf Integritätsregeln zurückgekommen. Denn anhand der voranstehenden 

objektsprachlichen Inferenzregel lässt sich demonstrieren, wie Inferenz- und Integritätsregeln 

in einer prädikatenlogisch basierten Wissensrepräsentation zusammenwirken können. 

Eine erste Integritätsregel stellt sicher, dass für jede zulässige Formelmenge gilt: Ein Akteur X kann 

eine Weiterbildungsveranstaltung Y nur dann erfolgreich absolviert haben, wenn er an dieser Weiterbildungsveranstaltung 

auch teilgenommen hat. Die Integritätsregel für den entsprechenden – statischen 

oder dynamischen – Integritätstest nimmt die typische Form eines Subjugats an: 115) 

∀X∀Y:ET(X,Y) → TN(X,Y) 

Durch diese Integritätsregel werden Integritätsverletzungen derart, dass ein Akteur X eine Weiterbildungsveranstaltung 

Y erfolgreich absolviert hat, an der er nicht teilgenommen hat, ausgeschlossen. 

116) Solche Integritätsverletzungen würden durch die Instanziierung der Formel ET(X,Y) ∧ 

113) Es lassen sich vielerlei Gründe vorstellen, warum der „Experte“ trotz seines hohen Kompetenzniveaus die Weiterbildungsveranstaltung 

besucht (und erfolgreich abgeschlossen) hat. Beispielsweise kann ihm die Veranstaltungsteilnahme als betrieblicher 

„incentive“ ermöglicht worden sein, ohne dass die Personalabteilung über das bereits erreichte Kompetenzniveau des Mitarbeiters 

Bescheid wusste. Vielleicht hat der Mitarbeiter trotz seines hohen Kompetenzniveaus gern teilgenommen, weil ihm vielleicht 

ein besonderer „Erlebniswert“ der Weiterbildungsveranstaltung bekannt war (dieses Phänomen soll in der betrieblichen 

Praxis – etwa bei einigen Weiterbildungsveranstaltungen für praktizierende Mediziner – nicht vollkommen von der Hand zu 

weisen sein) oder weil er die Hoffnung trug, eine ihm „emotional nahe stehende“ Mitarbeiterin während der Weiterbildungsveranstaltung 

intensiver kennen lernen zu können. Die vorstellbaren Gründe ließen sich beliebig vermehren. 

114) Auch hierfür lassen sich unterschiedliche Gründe vorstellen. Z.B. kann der Akteur zunächst durch die Teilnahme an der Weiterbildungsveranstaltung 

durchaus die Kompetenzausprägung „Anfänger“ erworben haben; aber durch zwischenzeitliches Verlernen 

ist seine Beherrschung der betroffenen Kompetenzart bis zur Durchführung des Kompetenztests auf die Ausprägung 

„Neuling“ gesunken. An dieser Erklärungsoption wird deutlich, dass Aussagen über Kompetenzausprägungen möglichst nicht 

„zeitlos“ formuliert werden sollten, wie es in den hier bewusst vereinfachten, einführenden Beispielen der Fall war, sondern 

auch eine Angabe zur Kompetenzgeltungsdauer umfassen sollten. Stattdessen lässt sich aber auch vorstellen, dass alle Teilnehmer 

an der Weiterbildungsveranstaltung ohne Überprüfung ihres Lernforschritts ein Zertifikat über die „erfolgreiche“ Veranstaltungsteilnahme 

erhalten haben, um zur Teilnahme an weiteren Veranstaltungen desselben Anbieters zu „motivieren“, der 

betroffene Akteur als „Neuling“ an der Weiterbildungsveranstaltung teilgenommen hat und aus der Veranstaltungsteilnahme für 

sich keinen persönlichen Kompetenzzuwachs erzielen konnte. 

115) Die Umkehrung der Subjugat-Formel aus der Integritätsregel – also die Formel ∀X∀Y : TN(X, Y) → ET(X, Y) – trifft jedoch 

nicht zu. Denn es wäre verfehlt, aus der Teilnahme an einer Weiterbildungsveranstaltung auch deren erfolgreiche Absolvierung 

folgern zu wollen (sofern die Subjugat-Formel als objektsprachliche Inferenzregel aufgefasst würde) oder für alle zulässigen 

Formelmengen zu fordern, dass ein Akteur, der an einer Weiterbildungsveranstaltung teilgenommen hat, diese auch erfolgreich 

absolviert haben muss (sofern die Subjugat-Formel als eine Integritätsregel aufgefasst würde). 

116) Würde die o.a. Regel hingegen als Inferenzregel ausgezeichnet werden, hätte sie eine alternative materiale Bedeutung. In diesem 

Fall müsste stets darauf geschlossen werden, dass ein Akteur X auch an einer Weiterbildungsveranstaltung Y teilgenommen 

hat, wenn angegeben ist, dass ein Akteur X die Weiterbildungsveranstaltung Y erfolgreich abgeschlossen hat. Dadurch, 

dass es sich bei der Regel um eine Integritätsregel handelt, kann jedoch nicht „automatisch“ auf die Teilnahme eines Akteurs X


(¬TN(X,Y)) mit konkreten Individuen für die Variablen X und Y ausgedrückt werden. Sobald eine 

Integritätsverletzung dieser Art festgestellt worden ist, gilt es festzulegen, wie die Integrität der 

Wissensrepräsentation im Falle eines statischen Integritätstests herzustellen oder im Falle eines dynamischen 

Integritätstests zu wahren ist. Eine Möglichkeit besteht darin, im erstgenannten Fall die 

Unzulässigkeit der betroffenen Formelmenge dadurch zu beseitigen, dass alle instanziierten Vorkommnisse 

des Prädikats ET(X,Y) aus der Wissensbasis entfernt werden, für die identisch instanziierte 

Vorkommnisse des Prädikats ¬TN(X,Y) in der Wissensbasis existieren. 117) Im zweiten Fall 

eines dynamischen Integritätstests liegt es hingegen nahe, diejenige Inferenzregel, deren Anwendung 

in der Wissensbasis zu einer Instanziierung der Formel ET(X,Y) ∧ (¬TN(X,Y)) mit konkreten 

Individuen führen würde, entweder von vornherein nicht anzuwenden oder – wenn ihre Anwendung 

bereits erfolgt ist – zurückzunehmen. 

Eine zweite Integritätsregel dient dazu festzulegen, dass in allen zulässigen Formelmengen und 

nach allen zulässigen Inferenzregelanwendungen einem Akteur hinsichtlich derselben Kompetenzart 

nur genau 118) eine Kompetenzausprägung zugewiesen werden darf. Denn es wäre in sich wider- 

an einer Weiterbildungsveranstaltung Y geschlossen werden, wenn ein Faktum existiert, demzufolge ein Akteur X die Weiterbildungsveranstaltung 

Y erfolgreich abgeschlossen hat. Eine solche Schlussfolgerung entspricht zwar dem intuitiven Verständnis, 

wird jedoch durch die o.a. Integritätsregel nicht impliziert. Auf einen denkmöglichen Fall, der der voranstehenden Schlussfolgerung 

widerspricht, wird in der nächsten Fußnoten eingegangen. Es kann lediglich die Unzulässigkeit einer Wissensbasis 

bezüglich der o.a. Integritätsregel angegeben werden, wenn in der Wissensbasis neben einem Faktum ET(a,b) auch ein Faktum 

¬TN(a,b) mit X=a und Y=b existiert. In diesem Fall steht die Gesamtheit aller Formeln aus der Wissensbasis im Widerspruch 

zu der o.a. Integritätsregel und ist somit bezüglich dieser Integritätsregel unzulässig. Existiert hingegen lediglich das Faktum 

ET(a,b), liegt keine Unzulässigkeit vor. Es kann auch nicht auf das Faktum TN(a,b) geschlossen werden. Eine solche Schlussfolgerung 

würde nur eine Inferenzregel erlauben. 

117) Anhand dieses Beispiels wird ein denkmöglicher – aber keineswegs denknotwendiger – Ansatz zur Lösung des oben erläuterten 

Problems aufgezeigt, dass sich im Falle einer Integritätsverletzung mithilfe der Prädikatenlogik allein nicht festlegen lässt, wie 

die Integritätsverletzung beseitigt werden soll. Im hier betrachteten Beispiel wird von der „epistemischen Präferenz“ ausgegangen, 

dass es bei Vorliegen der instanziierten Prädikate ET(c,d) und ¬TN(c,d) mit Individuen-Konstanten für jeweils einen 

wohlbestimmten Akteur c und eine ebenso wohlbestimmte Weiterbildungsveranstaltung d plausibler ist, auf das angebliche 

Wissen über die erfolgreiche Absolvierung der Weiterbildungsveranstaltung zu verzichten (also die instanziierten Prädikate 

ET(c,d) aus der Wissensbasis zu entfernen), als das mutmaßliche Wissen über die Nichtteilnahme an den Weiterbildungsveranstaltungen 

durch sein kontradiktorisches Gegenteil – also die Teilnahme an den Weiterbildungsveranstaltungen – zu ersetzen, 

um die erfolgreiche Absolvierung der betroffenen Weiterbildungsveranstaltungen zu „heilen“ (also die instanziierten Prädikate 

¬TN(c,d) aus der Wissensbasis zu entfernen und durch die identisch instanziierten Prädikate TN(c,d) zu ersetzen). Für diese 

Plausibilitätsannahme spricht z.B. die Alltagserfahrung, dass Zertifikate über die erfolgreiche Absolvierung einer Weiterbildungsveranstaltung 

gefälscht sein können. Allerdings handelt es sich um eine „fallible“ Plausibilitätsannahme, die durch Akquisition 

neuen Wissens widerlegt werden kann. Diesbezüglich gilt das Gleiche, das schon weiter oben zu plausiblen Schlussfolgerungen 

und der Möglichkeit ihrer nachträglichen Widerlegung erläutert wurde. 

118) Es lässt sich darüber streiten, ob in der Integritätsregel entweder auf „höchstens eine“ oder aber auf „genau eine“ Kompetenzausprägung 

Bezug genommen werden sollte. Prima facie kann eine Kompetenzart für denselben Akteur (zur selben Zeit) immer 

nur genau eine Ausprägung aufweisen. Dies spricht zugunsten der zweitgenannten Alternative. Zugunsten der erstgenannten 

Alternative lässt sich dagegen auf die Denkmöglichkeit verweisen, dass über die Ausprägung einer Kompetenzart für einen Akteur 

(in einem Zeitpunkt) unter Umständen kein Wissen vorliegt. Dann wäre die Kompetenzausprägung unbekannt, so dass nur 

davon die Rede sein könnte, dass jeweils „höchstens eine“ Kompetenzausprägung zuzuweisen ist. Allerdings kann der letztgenannte 

Fall auch auf den erstgenannten Fall von „genau einer“ Kompetenzausprägung zurückgeführt werden, indem für Situationen, 

in denen die Kompetenzausprägung unbekannt ist, die Individuen-Konstante „unbekannt“ als so genannter Default-Wert 

verwendet wird. Von dieser Möglichkeit wird aus zwei Gründen auch hier Gebrach gemacht. Erstens ist die Verwendung von 

Default-Werten bei der Gestaltung von sowohl Datenbanksystemen als auch Wissensbasierten Systemen weit verbreitet (Argument 

der Anschlussfähigkeit). Zweitens stellt die explizite Repräsentation des Nichtwissens, d.h. der Kompetenzausprägung 

„unbekannt“, eine präzisere Information als das schlichte Nichtanführen eines Prädikats hinsichtlich der betroffenen Kompetenzausprägung 

dar (Argument der Explizitheit). Denn aus dem Fehlen eines solchen Prädikats kann gar nichts geschlossen 

werden, weil das Fehlen aus vielerlei Gründen resultieren kann. Dafür kommt nicht nur das schlichte Nichtwissen hinsichtlich 

der Kompetenzausprägung in Betracht. Vielmehr könnte die Kompetenzausprägung auch „an sich“ bekannt sein, aber das Wissen 

über diese Kompetenzausprägung durch einen Fehler bei der Eingabe in eine Wissensbank verloren gegangen sein. Oder 

das Wissen über diese Kompetenzausprägung wurde durch die Anwendung einer objektsprachlichen Inferenzregel des plausiblen 

Schließens gelöscht, weil es aufgrund dieser Inferenzregel als „implausibel“ erschien, dem betroffenen Akteur die zunächst


sprüchlich, dass ein Akteur hinsichtlich derselben Kompetenzart – zur selben Zeit 119) – unterschiedliche 

Kompetenzausprägungen aufweist. Diese Integritätsregel lässt sich wie folgt ausdrücken: 120) 

∀X∀K∀A : ( KMP(X,K,A) ∧K(X,K,A´) ) → A´ = A 

Eine Integritätsverletzung würde genau dann eintreten, wenn demselben Akteur X hinsichtlich derselben 

Kompetenzart K mindestens zwei unterschiedliche Kompetenzausprägungen A und A´ zugewiesen 

wären. Die betroffene Formelmenge (statischer Integritätstest) oder die betroffene Inferenzregelanwendung 

(dynamischer Integritätstest) wären unzulässig. 

Im Falle eines dynamischen Integritätstests lässt sich die betroffene Inferenzregelanwendung, die zu 

der unzulässigen Formelmenge führen würde, von vornherein verhindern oder nachträglich zurücknehmen. 

121) Anders liegen die Verhältnisse, falls ein statischer Integritätstest negativ ausfallen, also 

die vorliegende Formelmenge als unzulässig aufzeigen sollte. In diesem Fall ist nur offensichtlich, 

dass es in sich widersprüchlich ist, demselben Akteur hinsichtlich derselben Kompetenzart (zur selben 

Zeit) unterschiedliche Kompetenzausprägungen zuzuschreiben. Aber es ist nicht offensichtlich, 

welche der integritätsverletzenden Kompetenzausprägungen – bis auf eine – zu eliminieren ist, um 

eine zulässige Formelmenge herzustellen. Diese Frage kann nicht allgemein beantwortet werden. 

Entweder müssen zusätzliche Konfliktregeln spezifiziert werden, die im Falle einer solchen Integritätsverletzung 

automatisch aufgerufen werden und „selbstständig“ alle integritätsverletzenden 

Kompetenzausprägungen bis auf eine für den betroffenen Akteur und die betroffene Kompetenzart 

eliminieren. Oder das computerbasierte Kompetenzmanagementsystem, das die prädikatenlogisch 

basierte Wissensrepräsentation verwaltet, muss einen Dialog mit seinem Benutzer initiieren, in dem 

es zunächst die aufgetretene Integritätsverletzung anzeigt und alsdann den Benutzer auffordert, diejenige 

Kompetenzausprägung zu spezifizieren, die seiner Ansicht nach auf den Akteur und die 

Kompetenzart (im relevanten Zeitraum) tatsächlich zutrifft. Beide Möglichkeiten übersteigen jedoch 

das Ausdrucksvermögen der Prädikatenlogik und sind nur mit Hilfe zusätzlicher „Integritätsmechanismen“ 

in computerbasierten Kompetenzmanagementsystemen zu realisieren. Daher wird 

darauf an dieser Stelle nicht näher eingegangen. 

bekannte Kompetenzausprägung hinsichtlich der betroffenen Kompetenzart zuzuerkennen. Aus den vorgenannten Gründen ziehen 

es die Verfasser vor, jeder Kompetenzart genau eine Kompetenzausprägung zuzuordnen – und im Falle fehlenden Wissens 

den expliziten Default-Wert „unbekannt“ für die Kompetenzausprägung zu verwenden. 

119) An dieser Stelle wird abermals deutlich, dass eine vollständige Repräsentation des Wissens über die Kompetenzen (in Bezug 

sowohl auf die Kompetenzarten als auch die Kompetenzausprägungen) von Akteuren einer Angabe hinsichtlich der jeweils betroffenen 

Kompetenzgeltungsdauer bedarf. Denn es ist keineswegs widersinnig, dass ein Akteur im Zeitverlauf die Ausprägung 

seiner Kompetenz auf ein höheres Kompetenzniveau entwickelt (Lernprozesse) oder auch auf ein tieferes Kompetenzniveau fallen 

lässt (Verlernprozesse). Da hier in der Einführung zur prädikatenlogisch basierten Wissensrepräsentation noch keine Kompetenzgeltungsdauern 

erfasst werden, lässt sich diese Denkmöglichkeit zeitlich variierender Kompetenzausprägungen noch 

nicht formalsprachlich berücksichtigen. 

120) Dabei wird auf den gleichen formalsprachlichen „Trick“ zurückgegriffen, der beim dritten Versuch zur Formalisierung der o.a. 

Kompetenzregel hilfreich war, um den erfolgreichen Abschluss von genau einer Weiterbildungsveranstaltung zu repräsentieren. 

121) Wie schon in den voranstehenden Beispielen deutlich wurde, lassen sich dynamische Integritätstests einschließlich der Maßnahmen 

zur Integritätswahrung im Falle eines negativen Testresultats relativ einfach realisieren. Denn die integritätswahrenden 

Maßnahmen sind unmittelbar ersichtlich: Es braucht nur dafür Sorge getragen zu werden, die Inferenzregelanwendung, die zu 

einer unzulässigen Formelmenge führen würde, zu unterbinden oder zurückzunehmen. Beide Maßnahmen führen zum selben 

Resultat, nämlich der Formelmenge, die vor der Inferenzregelanwendung vorgelegen hat. Dies gilt jedoch nicht für statische Integritätstests. 

Wenn diese negativ ausfallen, ist nicht mehr so klar bestimmt, welche Maßnahmen zu ergreifen sind, um eine zulässige 

Formelmenge herzustellen. Die Schwierigkeiten, die hierbei auftreten, wurden bereits oben anlässlich der Integritätsregel 

für netzplanrepräsentierende Graphen und darin enthaltene zyklische Wege erläutert.


2.4.2.2.4 Fakten 

Für die Konstruktion von Ontologien mittels prädikatenlogischer Ausdrucksmittel spielen neben 

den meta- und den objektsprachlichen Inferenzregeln sowie den Integritätsregeln, die zuvor ausführlicher 

erläutert wurden, die so genannten Fakten eine weitere wichtige Rolle. Unter einem Faktum 

– oder synonym: einer faktischen Formel – wird eine prädikatenlogische Formel verstanden, 

die erstens Wissen über einen Realitätsausschnitt repräsentiert (Aspekt der denotationalen Semantik) 

und zweitens diese Wissensrepräsentation in der Form leistet, dass die prädikatenlogische Formel 

in der sprachlichen Repräsentation des betroffenen Realitätsausschnitts – also innerhalb eines 

prädikatenlogischen Formelsystems – eine gültige Formel darstellt 122) (Aspekt der formalen Semantik). 

Der zweite Aspekt, dass Fakten stets gültige prädikatenlogische Formeln darstellen, wird oftmals 

ausgeblendet, wenn man sich damit begnügt, Formelsysteme auf der Ebene der rein syntaktisch 

definierten Formeln zu betrachten. Diese rein syntaktische Betrachtungsweise reicht für zahlreiche 

Zwecke der Wissensrepräsentation und Wissensanwendung vollkommen aus. 123) Dennoch 

wird hier der Aspekt der formalen Semantik, dass es sich bei Fakten stets um gültige prädikatenlogische 

Formeln handelt, aus zwei Gründen hervorgehoben. 

Erstens hilft der Aspekt der formalen Semantik zu verstehen, dass Fakten zwar ein weites Spektrum 

prädikatenlogischer Formeln überdecken, aber keineswegs jede syntaktisch zulässige Formel ein 

Faktum darstellen kann. Fakten lassen sich sowohl durch atomare als auch durch zusammengesetzte 

prädikatenlogische Formeln ausdrücken. 124) Allerdings kommt nicht jede prädikatenlogische Formel 

für ein Faktum in Betracht. Denn eine prädikatenlogische Formel kann nur dann ein Faktum sein, 

d.h. innerhalb eines wissensrepräsentierenden Formelsystems eine gültige Formel darstellen, wenn 

es sich um eine wahrheitsdefinite Formel handelt. Eine prädikatenlogische Formel ist genau dann 

wahrheitsdefinit, wenn ihr aufgrund ihrer formalen Gestalt genau ein wohldefinierter Wahrheitswert 

– in der Prädikatenlogik entweder „gültig“ (entsprechend dem „wahr“ der konventionellen Aussagenlogik) 

oder „ungültig“ (entsprechend dem „falsch“ der konventionellen Aussagenlogik) – zugeordnet 

werden kann. Dies ist keineswegs für alle syntaktisch zulässigen Formeln der Prädikatenlogik 

der Fall. Beispielsweise ist es möglich, dass die Formel A(X) in manchen Fällen gültig und in 

anderen Fällen ungültig ist, und zwar je nachdem, auf welches (formale) Objekt oder Individuum ob 

das einstellige Prädikat A(⋅) nach einer Substitution seiner Variable X (durch eine prädikatenlogische 

Interpretation) angewendet wird. Die allquantifizierte Formel ∀X: A(X) kann hingegen in allen 

Fällen nur entweder gültig oder aber ungültig sein. Generell kommen als wahrheitsdefinite prädikatenlogische 

Formeln – und somit Fakten – nur zwei Klassen von Formeln in Betracht: Entweder 

handelt es sich um variablenfreie Formeln (so genannte Grundterm-Formeln). Oder die Formeln 

enthalten zwar Variablen, aber alle Variablen sind jeweils durch einen All- oder einen Existenz- 

122) Die Auffassung, Fakten stellten gültige Formeln (oder wahre Gedanken) dar, geht auf FREGE zurück; vgl. SOMMERS (1996) S. 

134 („For Frege a ‚fact’ was just a true proposition.“). 

123) Beispielsweise wird diese rein syntaktische Ebene vom weiten und fruchtbaren Gebiet prädikatenlogischer Schlussfolgerungen 

nicht verlassen, solange ausschließlich mit Inferenzregeln gearbeitet wird. Da die Vollständigkeit und Korrektheit syntaktischer 

Inferenzregeln hinsichtlich der prädikatenlogischen (Modell-) Semantik nachgewiesen ist, bedeutet die Einschränkung auf syntaktisch 

definierte Inferenzregeln weder einen Verzicht auf zulässige Schlussfolgerungen (wegen der inferenziellen Vollständigkeit) 

noch die Gefahr unzulässiger Schlussfolgerungen (wegen der inferenziellen Korrektheit). 

124) Wenn mehrere Fakten F 1,...,F N mit N∈N und N2 verwendet werden, um Wissen über einen Realitätsausschnitt zu repräsentieren, 

so gelten diese als implizit mittels eines logischen „und“ (also „konjunktiv“) untereinander verknüpft. Stattdessen kann 

derselbe Wissensinhalt auch durch eine zusammengesetzte prädikatenlogische Formel repräsentiert werden, in der alle vorgenannten 

Fakten durch explizite Konjugatbildung zu einem „Super-Faktum“ F ⇔ F 1 ∧ ... ∧ FN zusammengefasst sind.


quantor gebunden (so genannte geschlossene Formeln). Durch diese beiden Anforderungen sind 

Fakten – über den Aspekt der formalen Semantik – auf eine echte Teilklasse aller Formeln eingeschränkt, 

die sich in der Prädikatenlogik syntaktisch zulässig „formen“ lassen. 

Zweitens erlaubt der Aspekt der formalen Semantik, die Anschlussfähigkeit des hier verwendeten 

Faktenbegriffs zum Wissensbegriff der Analytischen Philosophie zu wahren. Ohne hier auf die vielfältigen 

„Abgründe“ von Bemühungen einzugehen, die inhaltliche Tiefe des Wissensbegriffs auszuloten, 

sei nur am Rande angedeutet, dass sich Wissen aus der Perspektive der Analytischen Philosophie 

als wahre, epistemisch gerechtfertigte 125) Meinung oder Überzeugung 126) („true, justified belief“) 

qualifizieren lässt. 127) Wenn mit Fakten Wissen über einen Realitätsausschnitt repräsentiert 

werden soll und Wissen als wahre (...) Überzeugung gilt und die wissensausdrückenden Überzeugungen 

mittels prädikatenlogischer Formeln repräsentiert werden, so folgt daraus, dass die prädikatenlogischen 

Formeln zur Wissensrepräsentation als gültige („wahre“) 128) Formeln behandelt werden 

müssen. 

2.4.2.3 Einführung in die Verwendung von F-Logic 

zur Ontologiekonstruktion 

In diesem Kapitel werden Konstrukte aus der Wissensrepräsentationssprache F-Logic erläutert, die 

den Verfassern notwendig erscheinen, um die KOWIEN-Ontologie zumindest hinsichtlich ihrer wesentlichen 

Eigenschaften – je nach eingenommener Perspektive – erläutern oder nachvollziehen zu 

können. Dabei wird von vornherein auf exemplarische Fragmente der KOWIEN-Ontologie zurückgegriffen. 

Auf diese Weise wird beabsichtigt, die F-Logic-Konstrukte nicht in einem abstrakten 

„Raum sprachlicher Ausdrucksmöglichkeiten“ stehen zu lassen, sondern ihre Verwendung zur Ontologiekonstruktion 

an konkreten Beispielen zu verdeutlichen. 

Die folgende Abbildung 62 zeigt ein Screenshot der Ontologie-Entwicklungsumgebung OntoEdit. 

Sie vermittelt einen ersten groben, intuitiven und nur fragmentarischen Eindruck von der Ontologie, 

125) Mit epistemischer Rechtfertigung ist gemeint, dass eine Meinung als gerechtfertigt gilt, wenn ihre Wahrheit mit „guten Gründen“ 

angenommen werden kann. Durch den Verweis auf „gute Gründe“ lässt sich eine Meinung nur dann als epistemisch gerechtfertigt 

qualifizieren, wenn sie in einen umfassenderen Argumentationszusammenhang eingebettet ist und andere Argumente 

als die Meinung selbst die betroffene Meinung im Sinne von „guten Gründen“ stützen. Daher besteht ein enger inhaltlicher 

Zusammenhang zwischen dem hier zugrunde gelegten Konzept epistemischer Rechtfertigung einerseits und der Kohärenzauffassung 

der Wahrheit andererseits. Auf die kohärentistische Wahrheitsauffassung wurde bereits in Fußnote 3 auf S. 429 f. eingegangen. 

Vgl. zum Konzept epistemischer Rechtfertigung als Grundlage des Wissensbegriffs BIERI (1994a) S. 39 f. u. 58; BIE- 

RI (1994b) S. 80 f. u. 177 ff. Vgl. darüber hinaus zur Verknüpfung zwischen kohärentistischer Wahrheitsauffassung und epistemischer 

Rechtfertigung BIERI (1994b) S. 183 ff.; BONJOUR (1994) S. 239 ff.; DAVIDSON (1994) S. 273 ff. 

126) Meinungen und Überzeugungen werden hier synonym aufgefasst. Vgl. zu einer abweichenden Auffassung, die Überzeugungen 

als spezialisierte Meinungen behandelt, z.B. BIERI (1994a) S. 40. 

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.; 

GETTIER (1994) S. 91; BONJOUR (1994) S. 240 ff.; DAVIDSON (1994) S. 273; LEHRER/PAXSON (1994) S. 94 f., 99, 102 u. 105; 

HARMAN (1994) S. 108 u. 118 (mit Diskussion von Vorbehalten). Diese Wissensauffassung wird sogar außerhalb der Analytischen 

Philosophie zuweilen im Bereich des Wissensmanagements reflektiert; vgl. NEWELL (1982) S. 122; NONAKA/REIN- 

MOELLER/SENOO (1998) S. 673 („Knowlede is defined as justified true beliefs“, allerdings nur als die eine Seite des expliziten 

Wissens neben der anderen Seite des taziten Wissens als „bodily acquired skills“); NONAKA/TOYAMA/KONNO (2000) S. 7 

(„knowlede as ‚justified true belief’ “). Vgl. auch – allerdings distanziert – RESCHER (1974) S. 701 f.; RESCHER (1979) S. 75 f. 

128) Die Wahrheitswerte „gültig“ („ungültig“) und „wahr“ („falsch“) werden hier synonym verwendet. Es wird lediglich dem etablierten 

Sprachgebrauch gefolgt, im Fall von prädikatenlogischen Formeln bevorzugt von gültigen (ungültigen) Formeln zu sprechen, 

während im Fall von aussagenlogischen Formeln vornehmlich von wahren (falschen) Formeln die Rede ist.


die im Verbundprojekt KOWIEN entwickelt wurde. In der linken Spalte der Abbildung ist ein Auszug 

aus der Taxonomie der KOWIEN-Ontologie wiedergegeben. In dieser Taxonomie werden einerseits 

die Konzepte spezifiziert, mit denen sich der Realitätsausschnitt des KOWIEN-Projekts 

modellieren lässt. Andererseits umfasst sie taxonomische Über- und Unterordnungsbeziehungen 

zwischen den Konzepten. Die Gesamtheit aus Konzepten und ihren vorgenannten Beziehungen untereinander 

bildet die taxonomische Struktur der Ontologie. Die rechte Spalte enthält nichttaxonomische 

Relationen, die zwischen den Konzepten der Ontologie zusätzlich definiert sind. Auf 

beide Aspekte der KOWIEN-Ontologie – ihre Taxonomie und ihre nicht-taxonomischen Relationen 

– wird in den folgenden Kapiteln näher eingegangen. 

Abbildung 62: Screenshot der Ontologie-Entwicklungsumgebung OntoEdit 

Die taxonomische Struktur einer Ontologie besteht einerseits aus objektsprachlichen Konstrukten 

als Elementen der Ontologiestruktur und andererseits aus einer zweistelligen partiellen Ordnungsrelation, 

die es gestattet, metasprachliche Über- und Unterordnungsbeziehungen zwischen den objektsprachlichen 

Konstrukten zu spezifizieren. Die Repräsentationssprache F-Logic unterstützt von den 

objektsprachlichen Konstrukten, für die sich eine partielle Ordnung grundsätzlich vorstellen lässt, 

lediglich die Spezifikation einer partiellen Ordnung auf der Menge 129) der Konzepte. 130) Als partielle 

129) Abweichend von ihrer üblichen Verwendung in der Informatik und Wirtschaftsinformatik werden die Bezeichner „Menge“ und 

„Klasse“ im Folgenden synonym verwendet. Dies entspricht der gängigen Vorgehensweise in der Logik (vgl. FRANK (2003) S. 

15). Streng genommen ist diese synonyme Verwendungsweise nur statthaft, solange keine Komplikationen wie die Antinomie 

von RUSSEL („die Menge aller Mengen, die sich nicht selbst als Element enthalten“) zu befürchten sind. Da in diesem Beitrag 

keine metasprachlichen Aussagen dieser Art über Gesamtheiten von Mengen getroffen werden, besteht keine Gefahr von Anti-


Ordnungsrelation wird nur die metasprachliche „is a“-Relation zugelassen, die begriffliche Über- 

und Unterordnungsbeziehungen zwischen Konzepten wiedergibt 131) . Diese „is a“-Relation wird 

oftmals auch als taxonomische Relation bezeichnet. 132) Als formalsprachlicher Bezeichner für diese 

Relation werden zwei hintereinander aufgeführte Doppelpunkte („::“) verwendet. 133) Der „einfache“ 

Doppelpunkt („:“) ist in F-Logic hingegen dafür reserviert, die Zugehörigkeitsbeziehungen von Instanzen 

zu Konzepten zu spezifizieren. 134) 

nomien. Folglich können die Bezeichner „Menge“ und „Klasse“ komplikationsfrei synonym verwendet werden. Für diese Verwendungsweise 

spricht, dass sie die Anschlussfähigkeit der Ausführungen an unterschiedliche „vorherrschende Diktionen“ unterstützt. 

So wird im Folgenden – in Übereinstimmung mit dem vorherrschenden Sprachgebrauch – der Bezeichner „Klasse“ 

bevorzugt, wenn die Extensionen von Konzepten gemeint sind (obwohl die Extensionen aus logisch-mathematischer Sicht als 

„gewöhnliche“ Mengen definiert sind). Dagegen wird der Bezeichner „Menge“ bevorzugt, wenn die Zusammenfassung gleichartiger, 

aber paarweise wohlunterscheidbarer Objekte zu einer Gesamtheit gemeint ist und kein inhaltlicher Bezug auf Extensionen 

von Konzepten erfolgt (obwohl Konzeptextensionen nichts anderes als solche Zusammenfassungen darstellen). 

130) Die zweite Menge der objektsprachlichen Konstrukte einer Ontologie umfasst alle Relationen, die ihrerseits über den Konzepten 

definiert sind. Für eine unmittelbare Spezifikation einer partiellen Ordnung auf der Menge aller Relationen ist in F-Logic 

jedoch kein metasprachliches Ausdrucksmittel vorgesehen. Dieses Defizit lässt sich allerdings durch objektsprachliche Inferenzregeln 

heilen. Auf diese Möglichkeit, Ordnungen auf der Menge aller Relationen zu spezifizieren, wird später anhand exemplarischer 

Spezifikationen eingegangen. 

131) Ein Konzept k 1 steht zu einem anderen Konzept k 2 genau dann in einer begrifflichen Unterordnungsbeziehung (oder kurz: das 

Konzept k 1 ist ein Unterbegriff oder Subkonzept zum Konzept k 2), wenn die Extension E 1 des Konzepts k 1 immer eine Subklasse 

zur (oder synonym: Teilmenge der) Extension E 2 des Konzepts k 2 ist. Die Extension E 1 des untergeordneten Konzepts k 1 ist 

also in der Extension E 2 des übergeordneten Konzepts k 2 enthalten; es besteht die Inklusionsbeziehung E 1 ⊆ E 2 zwischen den 

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 

dann in einer begrifflichen Überordnungsbeziehung (oder kurz: das Konzept k 1 ist ein Oberbegriff oder ein Superkonzept zum 

Konzept k 2), wenn die Extension des Konzepts k 1 eine Superklasse zur (oder synonym: Obermenge der) Extension des Konzepts 

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 

k 1 bzw. k 2 in umgekehrter Richtung. 

Unter der Extension eines Konzepts wird – zunächst innerhalb einer formalen Semantik – die Klasse (oder synonym: die Menge) 

aller formalen Objekte verstanden, die „Aktualisierungen“ oder „Instanziierungen“ dieses Konzepts darstellen. Die Extension 

eines Konzepts wird daher auch synonym als Instanzenmenge des Konzepts bezeichnet. Falls diesen formalen Objekten – in 

einer nachgelagerten materiellen Semantik – mittels Korrespondenzregeln bestimmte Entitäten in dem jeweils betrachteten 

Realitätsausschnitt zugeordnet sind, lässt sich die Extension eines Konzepts auch als Menge aller realen Entitäten auffassen, die 

sich unter das jeweils betroffene Konzept subsumieren lassen. 

132) Als zweite taxonomische Relation kommt die Relation ist_Instanz_von in Betracht – allerdings nur dann, wenn eine Ontologie 

im weiteren Sinn unter Einschluss der Instanzenebene betrachtet wird. 

133) Im Folgenden wird zwischen der natürlichsprachlichen („is a“) und der formalsprachlichen („::“) Bezeichnung der taxonomischen 

Ordnungsrelation nicht weiter unterschieden, sofern dies im aktuellen Argumentationskontext nicht erforderlich erscheint. 

Außerdem wird die „is a“-Relation mitunter – nach Einschätzung der Verfasser präziser – als Relation ist_Subkonzept 

_von bezeichnet. Diese Bezeichnung nimmt unmittelbar auf den Sachverhalt Bezug, dass von zwei Konzepten, welche die 

„is a“-Relation erfüllen, das erste zum zweiten im Verhältnis eines Subkonzepts steht. In diesem Beitrag werden alle drei Bezeichnungen 

– „is a“-Relation, „::“ und „ist_Subkonzept_von“-Relation – synonym verwendet. 

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, 

wenn also i ∈ E n gilt. In diesem Fall wird i als Instanz von k n bezeichnet. Im Folgenden werden die beiden formalsprachlichen 

Notationen „i : k n“ und „i ∈ E n“ äquivalent verwendet. Die Notation „i : k n“ wird im Kontext von F-Logic bevorzugt, während 

die Notation „i ∈ E n“ zugrunde liegt, wenn F-Logic-Konstrukte mittels mengentheoretischer und prädikatenlogischer Erläuterungen 

rekonstruiert werden. Da die Notation „i : k n“ die Instanziierung einer Klasse durch ein Individuum ausdrückt, wird die 

Relation „i : k n“ auch als „ist_Instanz_von“-Relation bezeichnet. In diesem Beitrag werden beide Bezeichnungen – „:“ und 

„ist_Instanz_von“-Relation – synonym verwendet.


Über der Menge K aller Konzepte einer Ontologie wird durch die metasprachliche „is a“-Relation 

eine partielle Ordnung eingeführt. Die partielle Ordnung auf der Menge K aller Konzepte wird 

durch folgende Eigenschaften der „is a“-Relation ausgezeichnet: 135) 

• Reflexivität ∀k∈K: k :: k 

• Antisymmetrie ∀k1,k2∈K: (k1 :: k2 ∧ k2 :: k1) → k1 = k2 

• Transitivität ∀k1,k2,k3∈K: (k1 :: k2 ∧ k2 :: k3) → k1 :: k3. 

Stehen zwei Konzepte k1 und k2 in der „is a“-Relation zueinander (k1 :: k2), 136) ist das Konzept k1 

dem Konzept k2 untergeordnet; das Konzept k1 wird dann als Sub- oder Unterkonzept des Konzepts 

k2 bezeichnet. Das Konzept k2 ist in diesem Fall dem Konzept k1 übergeordnet und heißt ein Super- 

oder Oberkonzept des Konzepts k1. Die „is a“-Relation stellt daher eine Subkonzeptrelation dar und 

wird deswegen auch als Relation ist_Subkonzept_von bezeichnet. 137) Aufgrund der Transitivität dieser 

Subkonzeptrelation müssen zwei Konzepte k1 und k2 nicht in einem unmittelbaren Ordnungsverhältnis 

zueinander stehen, können aber dennoch über eine Verkettung von mehreren (gleichartigen 

138) ) unmittelbaren Ordnungsverhältnissen in einer mittelbaren Über- oder Unterordnungsbeziehung 

zueinander stehen. 

Die Inklusionsbeziehung zwischen den Instanzenmengen von zwei Konzepten k1 und k2, die zueinander 

in einem durch die „is a“-Relation geordneten Verhältnis stehen, wird durch ein metasprachliches 

„Gesetz“ oder „Axiom“ 139) gewährleistet. Mit I als Menge aller Instanzen (formalen Objekte), 

die für eine Ontologie definiert sind 140) , wird dieses Inklusionsgesetz wie folgt ausgedrückt: 

135) Zur kompakten Notation prädikatenlogischer Formeln wird in diesem Beitrag zuweilen darauf zurückgegriffen, dass die Prämisse 

eines Subjugats, mit der die Zugehörigkeit eines Individuums zu einer Menge ausgedrückt wird, auch „unter einen Quantor 

gezogen“ werden kann und dass sich mehrere gleichartige Quantoren zu einem Quantor zusammenfassen lassen, hinter dem 

die quantifizierten Variablen aufgezählt werden. Es gelten also folgende vereinfachte Notationen mit ihren jeweils äquivalenten 

„Bedeutungen“: 

∀k ∈K:F(k) ⇔ ∀k:k∈K→ F(k) 

∀k ,k ∈K : F(k ,k ) ⇔ ∀k∀k : (k ∈K∧ k ∈K) → F(k ,k ) 

1 2 1 2 1 2 1 2 1 2 

136) Streng genommen gilt: Wenn zwei Konzepte k1 und k 2 die taxonomische Unterordnungsbeziehung k 1 :: k 2 erfüllen, dann handelt 

es sich bei dieser Beziehung um ein Element der „is a“-Relation. Die „is a“-Relation selbst ist die Menge aller Paare 

(k 1 :: k 2) solcher Beziehungen zwischen je zwei Konzepten. Wenn keine Verwechslungsgefahr zwischen der Beziehung 

(k 1 :: k 2) als Element der „is a“-Relation und dieser „is a“-Relation selbst besteht, wird der Einfachheit halber auch davon gesprochen, 

dass zwei Konzepte k 1 und k 2 in der „is a“-Relation zueinander stehen, wenn für sie k 1 :: k 2 gilt. 

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 

Subkonzept des Konzepts k 2 darstellt, trifft auf die Extensionen E 1 bzw. E 2 der beiden Konzepte die Inklusionsbeziehung 

E 1 ⊆ E 2 zu. Infolgedessen kann die Subkonzeptrelation „::“ im Hinblick auf die Extensionen der involvierten Klassen auch als 

eine Subklassenrelation bezeichnet werden. Vgl. dazu Fußnote 131 auf S. 472. 

138) Eine mittelbare Beziehung vermittels transitiver Verkettung besteht nur dann, wenn alle „Kettenglieder“ entweder eine Unter- 

oder eine Überordnungsbeziehung zwischen den jeweils zwei miteinander verknüpften Konzepten darstellen. 

139) Aufgrund der allquantifizierten Subjugat-Formel, die in Kürze folgt, liegt die sprachliche Form einer gesetzesartigen Aussage 

vor. Für den Gesetzescharakter spricht ebenso, dass die Inklusionsbeziehung zwischen Instanzen in allgemeingültiger Weise, 

d.h. mit Geltungsanspruch für alle Konzepte und alle Instanzen einer Ontologie ausgedrückt wird. Da es sich um keine empirische, 

auf die Realwelt bezogene Behauptung, sondern um eine „innersprachliche“ Festlegung handelt, entfällt sogar – im Gegensatz 

zu nomischen Hypothesen der Realwissenschaften – die inhaltliche Differenzierung zwischen gesetzesartiger Aussage 

(als rein sprachliches Konstrukt) einerseits und ihrer empirischen Überprüfung als Gesetz mit universellem Geltungsanspruch in 

der Realität andererseits. Daher kann die allquantifizierte Subjugat-Formel für die Gewährleistung der Inklusionsbeziehung in 

der Tat als ein innersprachliches, ontologie-immanent definiertes Gesetz aufgefasst werden. Zugleich handelt es sich um eine 

Setzung, weil die Inklusionsbeziehung keineswegs denknotwendig ist, sondern sich lediglich als zweckmäßig erweist. Insofern


∀k1,k2∈K ∀i∈I: (k1:: k2 ∧ i : k1) → i : k2 

Wenn das Konzept k1 einem anderen Konzept k2 untergeordnet ist und ein formales Objekt i Instanz 

des Konzepts k1 ist, dann ist das formale Objekt i auch eine Instanz des Konzepts k2. 

Für die Spezifikation von zusätzlichen, objektsprachlichen Relationen r zwischen Konzepten neben 

der „is a“-Relation – also von nicht-taxonomischen objektsprachlichen Relationen – wird von F- 

Logic eine Vielzahl metasprachlicher Relationen zur Verfügung gestellt. In der KOWIEN-Ontologie 

werden vornehmlich die metasprachlichen Relationen „=>“, „=>>“, „->“ und „->>“ verwendet. 

Die metasprachlichen Relationen „=>“ und „=>>“ sind jeweils als dreistellige 141) , rechtseindeutige 

Relationen über dem kartesischen Produkt: 

K × R × K 

definiert. 142) Dabei umfasst die Menge K weiterhin alle Konzepte in einer Ontologie. Die Menge R 

umfasst alle nicht-taxonomischen und zugleich objektsprachlichen Relationen, die in einer Ontologie 

über deren Konzepten definiert sind. Da sich die metasprachlichen Relationen „=>“ und „=>>“ 

in ihrer ersten und letzten Stelle jeweils auf Konzepte beziehen, werden sie auch als konzeptbezogene 

Relationen bezeichnet (im Gegensatz zu den komplementären metasprachlichen Relationen 

„->“ und „->>“, auf die in Kürze zurückgekommen wird). 

Wenn ein 3-Tupel (k1,r,k2) Element einer der metasprachlichen Relationen „=>“ oder „=>>“ ist, 

dann können Instanzen des Konzepts k1 in der Relation r zu Instanzen des Konzepts k2 stehen. Dieser 

Sachverhalt wird in F-Logic als k1[r => k2] bzw. k1[r =>> k2] notiert. Mit der einfachen Pfeilspitze 

(„=>“) wird die Einwertigkeit der Relation r ausgedrückt, d.h., dass jede Instanz des Kon- 

könnte auch von einem Axiom die Rede sein. Allerdings ist dieses Axiom nicht unabhängig, sondern folgt aus den früheren 

Festlegungen hinsichtlich der Zugehörigkeit von Instanzen zu Konzepten (Enthaltensein der Instanzen in den Extensionen der 

Konzepte) und hinsichtlich der Subklassenbeziehungen zwischen den Extensionen von Konzepten, die in der Subkonzeptrelation 

zueinander stehen. Wegen dieses „derivativen“ Charakters der Inklusionsbeziehung wird hier der – durchaus zulässige – 

Axiombegriff nicht verwendet, um ihn für „originäre“ Festlegungen vorzubehalten, die nicht aus anderen Festlegungen gefolgert 

werden können. Vgl. dagegen zu umfangreichen Auflistungen und Diskussionen von „Axiomen“ für Ontologien BENJAMIN 

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. 

140) Diese allumfassende oder „universelle“ Instanzenmenge I wird auch als das „Universum“ einer Ontologie oder als „universe of 

discourse“ bezeichnet. Vgl. dazu Kapitel 1.3.2.3.1 (S. 246). 

141) Aufgrund dieser Festlegung werden in F-Logic lediglich zweistellige objektsprachliche Relationen zugelassen. Auf Design- 

Entscheidungen, die sich aus dieser Beschränkung ergeben, wird in Kapitel 2.4.3.1.2.1 anlässlich der Erläuterung des abstrakten 

Konzepts Aussage auf S. 493 ff. näher eingegangen. 

142) Die Rechtseindeutigkeit der metasprachlichen Relationen „=>“ und „=>>“ äußert sich darin, dass jedes Tupel (k 1,r) ∈ (K×R) 

durch eine der metasprachlichen Relationen „=>“ und „=>>“ zu höchstens einem Konzept k 2∈K in Beziehung gesetzt werden 

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 

Konzepten k 2 und k 3 (k 2≠k 3) existieren, die jeweils durch einzelne formale Objekte instanziiert werden (skalare 

Konzepte). Analog gilt für die metasprachliche Relation „=>>“, dass in einer Ontologie keine Spezifikationen der Art 

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 

Mengen formaler Objekte instanziiert werden (mengenartige Konzepte). 

Ebenso könnte angenommen werden, dass es in einer Ontologie kein Tupel (k 1,r,k 2) mit sowohl ein- als auch mengenwertiger 

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 

Konzept gilt. Denn die objektsprachliche Relation r zwischen zwei Konzepten k 1 und k 2 sollte entweder nur ein- oder aber nur 

mengenwertig sein, um die Eindeutigkeit der Relationsspezifikationen zu gewährleisten (Monomorphismus). KIFER, LAUSEN 

und WU betonen allerdings explizit, dass solche polymorphen Spezifikationen in F-Logic erlaubt sind; vgl. KIFER/LAUSEN/WU 

(1995) S. 753 u. 758.


zepts k1 mit höchstens 143) einer Instanz des Konzepts k2 in der Relation r stehen kann. Dagegen wird 

mit der doppelten Pfeilspitze („=>>“) die Mengenwertigkeit der Relation r ausgedrückt, d.h., dass 

jede Instanz des Konzepts k1 mit höchstens einer nicht-leeren Menge von Instanzen des Konzepts k2 

in der Relation r stehen kann. 144) In beiden Fällen – sowohl der Ein- als auch der Mengenwertigkeit 

einer Relation r – muss für sie keine Linkstotalität gelten. 145) 

143) Die Möglichkeit, jeder Instanz des Konzepts k 1 höchstens eine Instanz des Konzepts k 2 zuordnen zu können, folgt bereits aus 

der Rechtseindeutigkeit – also dem „funktionalen“ Charakter – der metasprachlichen Relation „=>“. Allerdings kann durchaus 

der Fall eintreten, dass einer Instanz des Konzepts k 1 keine Instanz des Konzepts k 2 zugeordnet ist. Dieser letztgenannte Fall 

wird in Kürze als fehlende Linkstotalität der metasprachlichen Relation „=>“ angesprochen. Für diesen „degenerierten“ Fall, 

dass einer Instanz des Konzepts k 1 keine Instanz des Konzepts k 2 zugeordnet ist, bestehen streng genommen zwei Ausdrucksmöglichkeiten. 

Einerseits ist es möglich, die metasprachliche Relation „=>>“ als linkstotale (oder vollständige) Relation zu 

qualifizieren und für den „degenerierten“ Fall zu vereinbaren, dass der betroffenen Instanz des Konzepts k 1 die leere Menge 

von Instanzen des Konzepts k 2 zugeordnet ist. Andererseits ist es ebenso möglich, die metasprachliche Relation „=>>“ als nicht 

linkstotale (oder partielle) Relation zu qualifizieren und für den „degenerierten“ Fall zu vereinbaren, dass der betroffenen Instanz 

des Konzepts k 1 keine nicht-leere Menge von Instanzen des Konzepts k 2 zugeordnet ist. In der einschlägigen Fachliteratur 

– wie beispielsweise in KIFER/LAUSEN/WU (1995) – wird dieser definitorische Freiheitsgrad nicht explizit thematisiert. Die Verfasser 

haben sich – letztlich willkürlich – für die zweite Definitionsvariante entschieden, weil es auf diese Weise möglich war, 

die beiden metasprachlichen Relationen „=>“ und „=>>“ in derselben Weise als zwar rechtseindeutige, jedoch nicht linkstotale 

Relationen zu charakterisieren. 

144) Es wird darauf hingewiesen, dass die Bezeichnungen „rechtseindeutig“ und „rechtsmehrdeutig“ – in Unterschied zu manchen 

anderen Autoren – bewusst nicht synonym zu den Bezeichnungen „einwertig“ bzw. „mehrwertig“ verwendet werden. Mit den 

erstgenannten Bezeichnungen erfolgt eine Differenzierung zwischen einerseits rechtseindeutigen Relationen, die Objekten aus 

dem Vorbereich jeweils höchstens ein Objekt aus dem Nachbereich zuordnen (Funktionen), und andererseits rechtsmehrdeutigen 

Relationen, die Objekten aus dem Vorbereich jeweils auch mehrere Objekte aus dem Nachbereich zuordnen können. Dagegen 

wird mit den letztgenannten Bezeichnungen eine Differenzierung zwischen einerseits einwertigen Relationen, die Objekten 

aus dem Vorbereich einzelne Objekte (Skalare) zuordnen, und andererseits mehrwertigen Relationen, die Objekten aus dem 

Vorbereich nicht-leere Mengen von Objekten zuordnen, vorgenommen. Demnach können auch rechtseindeutige Relationen 

mengenwertig sein. Dies ist genau dann der Fall, wenn die betroffene Relation erstens funktionalen Charakter hat, also jedem 

Objekt aus ihrem Vorbereich höchstens ein Objekt zuordnen kann, und wenn es sich zweitens bei dem zugeordneten Objekt um 

eine nicht-leere Menge von Objekten handelt. 

Die o.a. Differenzierung zwischen Rechtsein- und Rechtsmehrdeutigkeit einerseits sowie Ein- und Mehrwertigkeit andererseits 

wird in dieser Form in F-Logic nicht vorgenommen. Trotzdem erscheint den Verfassern die vorgenannte Differenzierung aus 

zwei Gründen wichtig. Erstens führt sie zu einer präziseren, „aufgeklärten“ Verwendung der Begriffspaare „Rechtsein- und 

Rechtsmehrdeutigkeit“ versus „Ein- und Mehrwertigkeit“, die in Argumentationen zu F-Logic – und auch anderen Wissensrepräsentationssprachen 

– oftmals vermisst wird. Gerade in Ontologien sollte jedoch nach Überzeugung der Verfasser sprachliche 

Präzision zu den vorrangigen Gestaltungszielen gehören. Zweitens schafft die Differenzierung Gestaltungsspielräume für 

Ontologien (und andere formalsprachliche Spezifikationen), die in anderen Domänen als dem hier betrachteten Kompetenzmanagement 

davon profitieren können, zwischen einerseits „Rechtsein- und Rechtsmehrdeutigkeit“ sowie andererseits „Ein- und 

Mehrwertigkeit“ unterscheiden zu können. Beispielsweise erweist es sich bei der Prozessmodellierung mit der Hilfe von Höheren 

PETRI-Netzen, die auf prädikatenlogischen oder algebraischen Kalkülen basieren, durchaus als hilfreich, für die Markierung 

von Stellen und die Gewichtung von Kanten zwar rechtseindeutige, aber dennoch mengenwertige Funktionen als Markierungs- 

bzw. Gewichtungsfunktionen verwenden zu können; vgl. ZELEWSKI (1995) Band 5.1: S. 68 f., 76 u. 78 f. (streng genommen 

werden dort als Funktionsbilder nicht konventionelle Mengen, sondern Multimengen verwendet; aber diese Nuancierung interessiert 

hier nicht näher, weil sich Multimengen als Verallgemeinerungen „gewöhnlicher“ Mengen auffassen lassen). 

145) Vgl. KIFER/LAUSEN/WU (1995) S. 758. Sowohl die Relationen „=>“ und „=>>“ als auch die Relationen „->“ und „->>“ werden 

nämlich in der prädikatenlogischen Semantik auf partielle Relationen abgebildet. Daher können sie durchaus alle formalen Objekte 

aus ihrem Vorbereich auf formale Objekte aus ihrem Nachbereich abbilden, müssen es aber nicht. Wenn die vorgenannten 

Relationen wegen ihrer Rechtseindeutigkeit (s.o.) als Funktionen aufgefasst werden, so handelt es sich also wegen ihrer fehlenden 

Linkstotalität um partielle Funktionen. 

Aus der Perspektive der konzeptuellen Datenmodellierung kommen den metasprachlichen Relationen „=>“ und „=>>“ (sowie 

ebenso den metasprachlichen Relationen „->“ und „->>“) die „(Min,Max)-Kardinalitäten“ (0,1) bzw. (0,n) mit beliebig großem 

n∈N + zu. Vgl. KIFER/LAUSEN/WU (1995) S. 755 speziell zum Wert „0“ für die minimale Kardinalität für die Relationen „=>“ 

und „=>>“ bzw. „->“ und „->>“. Diese Festlegung hat den Vorteil, mittels der metasprachlichen Relation „=>“ (Analoges gilt 

für die Relation „->“) sowohl vollständig definierte als auch nur partiell definierte Funktionen (jeweils als rechtseindeutige Re-


Mittels einer so genannten Typrestriktion kann auf der metasprachlichen Ebene ausgedrückt werden, 

dass eine objektsprachliche Relation r, die zwischen zwei Konzepten k1 und k2 besteht, als 

„Beziehungstyp“ auch für ein drittes Konzept k3 erhalten bleibt, sofern es sich hierbei um ein Subkonzept 

des Konzepts k1 handelt: 

∀k1,k2,k3∈K ∀r∈R: (k1[r =>> k2] ∧ k3 :: k1) → k3[r =>> k2] 

Diese „Typerhaltung“ für objektsprachliche Relationen berücksichtigt explizit die taxonomische 

Struktur der Ontologie, die sich in der Relation „::“ niederschlägt. Die Typrestriktion gewährleistet, 

dass für alle Instanzen eines Konzepts k3, das einem Konzept k1 untergeordnet ist, diejenigen Relationen 

(wieder)verwendet werden können, die für das Konzept k1 und ein jeweils – relationsspezifisch 

– komplementäres Konzept k2 definiert sind. 

Zwar erweist sich die Typrestriktion auf der Instanzenebene als abundant. Denn der gleiche Sachverhalt 

ergibt sich wegen des o.a. Inklusionsgesetzes bereits daraus, dass Instanzen eines Konzepts 

(hier k3) immer auch Instanzen seines Superkonzepts (hier k1) sind. Somit stehen für diese Instanzen 

(von Konzept k3) wegen ihrer Eigenschaft, zugleich auch Instanzen des Superkonzepts (hier k1) 

darzustellen, alle objektsprachlichen Relationen (hier r) zur Verfügung, die für das Superkonzept 

definiert sind. Wenn allerdings die Betrachtung der Ontologie lediglich auf der Konzeptebene – also 

ohne Instanziierungen der Konzepte – von Interesse ist, wird die o.a. Typrestriktion benötigt. Durch 

diese Restriktion wird dann das „Gesetz“ ausgedrückt, dass alle Relationen, die für ein Konzept definiert 

sind, an die Subkonzepte des Konzepts „vererbt“ werden. 

Die metasprachlichen Relationen „=>“ und „=>>“ sind dafür reserviert, Konzepte und Relationen 

als objektsprachliche Ausdrucksmittel in „sinnvolle“ Beziehungen 146) zueinander zu setzen. Sie dienen 

somit dazu, die „Semantik“ der objektsprachlichen Ausdrucksmittel festzulegen, die von einer 

Ontologie zur Modellierung eines Realitätsausschnitts zur Verfügung gestellt werden. Dabei handelt 

es sich um eine Semantik besonderer Art. 147) Erstens gehört sie zum Typ der formalen Semantiken, 

weil sie auf rein formalsprachliche Ausdrucksmittel – die metasprachlichen Relationen „=>“ 

lationen) spezifizieren zu können. Mittels der metasprachlichen Relation „=>>“ (Analoges gilt für die Relation „->>“) lässt sich 

das gesamte Spektrum mengentheoretischer Ausdrucksmittel ausschöpfen. Aufgrund dieser Festlegungen stellen die beiden metasprachlichen 

Relationen „=>“ und „=>>“ keine Gegensätze dar. Vielmehr handelt es sich bei der Relation „=>“ um einen 

Spezialfall der Relation „=>>“ für die maximale Kardinalität n=1. Daher können Ontologien im Prinzip ausschließlich mit der 

allgemeinen Relation „=>>“ konstruiert werden. Allerdings ziehen es die Verfasser vor, die spezielle Relation „=>“ immer 

dann zu verwenden, wenn bekannt ist oder festgelegt werden soll, dass einem Objekt aus dem Vorbereich einer objektsprachlichen 

Relation niemals mehr als ein Objekt aus dem Nachbereich der Relation zugeordnet sein kann bzw. darf. Die spezielle Relation 

„=>“ lässt sich also benutzen, um zusätzliches Wissen über eine charakteristische Eigenschaft einer objektsprachlichen 

Relation formalsprachlich präzise und zugleich kompakt auszudrücken. 

146) In Ontologien existiert kein Kriterium dafür, was als eine „sinnvolle“ Beziehung zwischen einer Relation und zwei Konzepten 

angesehen werden kann. Vielmehr erfolgt die „Sinnstiftung“ außerhalb der Ontologie durch den Ontologiedesigner, der festlegt, 

welche zwei Konzepte k 1 und k 2 durch eine objektsprachliche Relation r miteinander in einer Beziehung stehen. Innerhalb der 

Ontologie wird dann diese „ontologie-exogene“ Sinnstiftung mittels der metasprachlichen Relationen „=>“ oder „=>>“ ausgedrückt, 

indem das Tripel (k 1,r,k 2) als Element einer der beiden voranstehenden Relationen spezifiziert wird. 

147) An dieser Stelle wird nur kurz darauf hingewiesen, dass der Begriff „Semantik“ zu den „schillerndsten“, facettenreichsten Begriffen 

gehört, die in wissenschaftlichen Diskursen verwendet werden. Daher wird von vornherein vor Missverständnissen gewarnt, 

die aus der Präsupposition eines bestimmten Semantikverständnisses resultieren können, das von dem hier vertretenen 

Semantikverständnis abweicht, aber als „natürlich“, „selbstverständlich“ o.ä. vorausgesetzt wird. Die Verfasser nehmen eine 

solche Qualifizierung für ihr Semantikverständnis in keiner Weise in Anspruch. Stattdessen explizieren sie lediglich dasjenige 

(Vor-) Verständnis von Semantik, das ihrem Wissen nach allen formalsprachlichen Ontologien zugrunde liegt – zumindest 

dann, wenn es sich um Ontologien mit prädikatenlogischer Fundierung handelt. Denn das hier vertretene Semantikverständnis 

lehnt sich weit gehend an die formale Semantik prädikatenlogischer Kalküle an.


und „=>>“ sowie die objektsprachlichen Konzepte und Relationen einer Ontologie – zurückgreift. 

Zweitens liegt eine „innersprachliche“ Semantik vor, weil die Bedeutung sprachlicher Artefakte 

(der objektsprachlichen Konzepte und Relationen) mittels anderer sprachlicher Artefakte (der metasprachlichen 

Relationen „=>“ und „=>>“) ausgedrückt wird. Es erfolgt also keine Referenz auf außersprachliche, 

„realweltliche“ Entitäten, die von den Konzepten und Relationen als deren (materielle) 

Bedeutungen „gemeint“ sein könnten. Für solche materiellen Bedeutungszuweisungen fehlen 

(noch) Korrespondenzregeln o.ä. Instrumente, die „bedeutungskonstituierende“ Beziehungen zwischen 

den sprachlichen Artefakten einerseits und den referenzierten „realweltlichen“ Entitäten andererseits 

herstellen könnten. Drittens werden die „Bedeutungen“ der objektsprachlichen Konzepte 

und Relationen nicht durch einzelne, separierbare Bedeutungszuschreibungen festgelegt, sondern 

„entstehen“ erst aus der Gesamtheit der ein- oder wechselseitigen Abhängigkeiten, die mittels der 

metasprachlichen Relationen „=>“ und „=>>“ zwischen den objektsprachlichen Konzepten und Relationen 

hergestellt werden. 148) Die Bedeutungen erschließen sich also erst durch den Gesamtzusammenhang 

des (formal)sprachlichen Netzwerks einer Ontologie. In dieser Hinsicht besteht eine 

bemerkenswerte Analogie zur Kohärenzauffassung für Wahrheit (im Gegensatz zur Korrespondenzauffassung). 

149) 

Mit Hilfe der metasprachlichen Relationen „=>“ und „=>>“ lässt sich nur bestimmen, welche Beziehungen 

(als Elemente objektsprachlicher Relationen) zwischen den Instanzen von Konzepten 

grundsätzlich bestehen können. Diese metasprachlichen Relationen gehören damit zur Konzeptebene, 

auf der „nur“ die objektsprachlichen Ausdrucksmittel zur Verfügung gestellt werden, mit denen 

sich Realitätsausschnitte auf der nachgelagerten Instanzenebene modellieren – d.h. objektsprachlich 

rekonstruieren – lassen. Auf dieser Konzeptebene werden also noch keine objektsprachlichen Modelle 

bestimmter Realitätsausschnitte formuliert. Stattdessen wird nur das Potenzial aller mit diesen 

Ausdrucksmitteln objektsprachlich formulierbaren Modelle festgelegt. Dies entspricht genau dem 

eingangs diskutierten Ontologieverständnis, dem zufolge Ontologien keine Konzeptualisierungen 

(„konzeptuellen Modelle“) von Realitätsausschnitten sind, sondern nur die sprachlichen Ausdrucksmittel 

spezifizieren, mit deren Hilfe sich solche Konzeptualisierungen formulieren lassen. 

148) Am Rande wird darauf aufmerksam gemacht, dass sich diese Argumentation auf die metasprachlichen Relationen „=>“ und 

„=>>“ nicht übertragen lässt. Diese Relationen werden zwar benutzt, um in einer formalen Semantik die Bedeutungen der objektsprachlichen 

Konzepte und Relationen in einer Ontologie festzulegen. Aber die Bedeutungen dieser metasprachlichen Relationen 

„=>“ und „=>>“ lassen sich selbst nicht mehr innerhalb einer Ontologie bestimmen, sondern werden als „gegeben“ vorausgesetzt. 

Entweder wird auf „außerontologische“ formalsprachliche Kalküle – wie etwa die Mengen- und Relationentheorie – 

zurückgegriffen, um die Bedeutungen der metasprachlichen Relationen „=>“ und „=>>“ durch spezielle Relationseigenschaften 

zu definieren. Auf diesen Ansatz wurde weiter oben zurückgegriffen, als die Rechtsein- oder Rechtsmehrdeutigkeit, die Ein- 

oder Mehrwertigkeit sowie die „(Min,Max)-Kardinalitäten“ dieser metasprachlichen Relationen diskutiert wurden. Oder es wird 

ein formalsprachliches Metamodell der Repräsentationssprache F-Logic erstellt, innerhalb dessen die „Bedeutungen“ der metasprachlichen 

Relationen „=>“ und „=>>“ präzise definiert sind. Dies geschieht wiederum im Rahmen einer formalen Semantik, 

jetzt aber auf einer meta-metasprachlichen Diskursebene (weil über meta-sprachliche Relationen verhandelt wird). Die oben 

angeführte Typrestriktion kann als ein Element aus einem solchen Metamodell aufgefasst werden. In der hier gebotenen Kürze 

– und im Rahmen eines (auch) praxisorientierten Einführungswerks in ontologiebasierte Kompetenzmanagementsysteme – 

können die zuvor skizzierten Aspekte der Bedeutungsfestlegung metasprachlicher Ausdrucksmittel nicht weiter vertieft werden. 

Interessierte Leser werden stattdessen exemplarisch auf die subtilen Ausführungen von FRANK verwiesen, die sich ausführlich 

mit der Metamodellierung von formalen (Repräsentations-) Sprachen auseinandergesetzt haben; vgl. z.B. FRANK (2000c) S. 345 

ff. 

149) Vgl. zur Kohärenzauffassung der Wahrheit die Quellen, die zu Beginn dieses Beitrags in der Fußnote 3 (S. 429 f.) zum Kohärenzkriterium 

angeführt wurden.


Allerdings hat es sich im Verlauf des KOWIEN-Projekts herausgestellt, dass es bei der konkreten 

Ausgestaltung von Ontologien ausgesprochen große Schwierigkeiten bereiten kann, Ontologien auf 

die Konzeptebene zu beschränken. Insbesondere Inferenz- und Integritätsregeln ließen sich im Allgemeinen 

nicht ohne „Zuflucht“ auf die Instanzenebene formulieren. 150) Dieser Instanzenbezug von 

Inferenz- und Integritätsregeln manifestiert sich bereits in ihrer formalen Gestalt, da sie oftmals 

nicht mit den konzeptbezogenen Relationen „=>“ und „=>>“, sondern mit den instanzbezogenen 

Relationen „->“ und „->>“ 151) formuliert werden. Darauf wird später im Kapitel 2.4.4 zurückgekommen. 

152) An dieser Stelle mag es ausreichen, dass praktische Gestaltungsprobleme bei der Konstruktion 

von Ontologien des Öfteren nahe legen, ebenso ausdrücken zu können, welche Beziehungen 

zwischen den Instanzen von Konzepten tatsächlich („faktisch“) bestehen. Daher verwundert es 

nicht, dass in allen untersuchten Repräsentationssprachen für die Konstruktion von Ontologien auch 

metasprachliche Ausdrucksmittel angeboten werden, um solche faktischen Beziehungen zwischen 

den Instanzen von Konzepten darstellen zu können. 153) 

Darüber hinaus wird sogar in allen untersuchten Repräsentationssprachen noch nicht einmal zwischen 

metasprachlichen Ausdrucksmitteln für die Konzeptebene einerseits und die Instanzenebene 

andererseits expressis verbis unterschieden, sondern die Ausdrucksmittel werden „gleichrangig“ 

nebeneinander verwendet. 154) Dieser undifferenzierten Verwendung metasprachlicher Ausdrucksmittel 

wird im KOWIEN-Projekt jedoch nicht gefolgt. Stattdessen erfolgt eine deutliche Grenzziehung 

zwischen drei Gestaltungsebenen: 

• Ontologien im engeren Sinn sind ausschließlich auf der Konzeptebene angesiedelt. Diese Ontologien 

i.e.S. enthalten keine Aussagen über Instanzen aus „logischen“ Modellen 155) oder aus 

konkreten Realitätsausschnitten. 

• Ontologieerweiterungen umfassen auch Ausdrücke auf der Instanzenebene. Solche „Erweiterungen“ 

gelten nur für Modelle oder Realitätsausschnitte, in denen die Instanzen tatsächlich 

vorkommen oder zumindest für realisierbar gehalten werden. Allerdings erstrecken sich solche 

Ontologieerweiterungen nur so weit, wie eine Wissensrepräsentation noch keine vollständig instanziierte 

Formel als Faktum enthält. Denn solche Fakten stellen kontingente Aussagen über 

den jeweils betrachteten Realitätsausschnitt dar, so dass sie nichts mehr mit dem ontologietypischen 

Potenzial der sprachlichen Ausdrucksmittel für die Konzeptualisierung dieses Realitätsausschnitts 

zu tun haben, sondern dieses Potenzial bereits zur Repräsentation des Wissens über 

den Realitätsausschnitt realisieren. 

150) Vgl. dazu auch die Ausführungen auf S. 461 ff. 

151) Die beiden instanzbezogenen Relationen „->“ und „->>“ werden in Kürze ausführlich erläutert. 

152) Vgl. S. 526 und die konkreten Kompetenzregeln auf S. 528 ff. 

153) Dazu gehören vor allem die beiden metasprachlichen Relationen „->“ und „->>“, die in Kürze näher erläutert werden. 

154) Die „gleichrangige“ Verwendungsmöglichkeit beruht im Allgemeinen auf einer Reifizierung der metasprachlichen Ausdrucksmittel. 

Vgl. dazu die Ausführungen auf S. 494 ff. Für einen Überblick über Vor- und Nachteile der Reifizierung von Ausdrucksmitteln 

vgl. WELTY/FERRUCCI (1999) S. 18 ff. 

155) In diesem Kontext sind ausschließlich die „Modelle“ gemeint, wie sie in der formalen (Prädikaten-) Logik definiert sind. Grob 

gesprochen handelt es sich bei solchen Modellen um komplexe formale Objekte, die aus formalen Objekten der Extensionen für 

die Konzepte einer Ontologie zusammengesetzt sind und die Eigenschaft aufweisen, dass sie alle formalsprachlich spezifizierten 

Anforderungen der jeweils betroffenen Ontologie erfüllen. Solche Anforderungen können z.B. als Integritätsbedingungen 

für eine Ontologie definiert sein. Ein solches (prädikaten-) „logisches“ Modell einer Ontologie stellt also ein rein formalsprachlich 

definiertes Artefakt ohne Bezug zu einer außersprachlichen Realität dar und darf daher nicht mit dem „üblichen“ ökonomischen 

Modellbegriff verwechselt werden.


• Wissensbasen liegen vor, sobald eine Wissensrepräsentation mindestens eine vollständig instanziierte 

Formel als faktische Aussage über den repräsentierten Realitätsausschnitt enthält. In 

der Regel umfassen solche Wissensbasen eine Fülle von Fakten. Der Klarheit halber werden 

hier Wissensbasen nur auf die Gesamtheit aller vollständig instanziierten Formeln (Fakten) bezogen, 

die Wissen über einen Realitätsausschnitt repräsentieren. 

Von einer Ontologie im weiteren Sinn wird fortan gesprochen, wenn ein ontologisches Gesamtsystem 

gemeint ist, das sowohl aus einer Ontologie im engeren Sinn als auch aus einer Ontologieerweiterung 

besteht. In Anlehnung an die formale Semantik der Prädikatenlogik ist dann auch von einer 

„partiell interpretierten“ Ontologie die Rede, weil die Konzepte und Relationen der Ontologie 

i.e.S. durch Instanzen aus der Ontologieerweiterung zumindest teilweise „interpretiert“ werden. Ein 

Wissensbasiertes System liegt hingegen vor, wenn eine Ontologie (im engeren oder im weiteren 

Sinn) mit einer Wissensbasis kombiniert wird. 156) 

Charakteristisch für eine Ontologie im engeren Sinn sind die beiden metasprachlichen Relationen 

„=>“ und „=>>“, auf die zuvor ausführlicher eingegangen wurde. Sie sind ausschließlich auf der 

Konzeptebene definiert, und zwar für die Konzepte einer Ontologie und die objektsprachlichen Relationen, 

die sich zwischen diesen Konzepten erstrecken. Zu den Ontologieerweiterungen, die einen 

Übergang zu einer partiell interpretierten Ontologie und somit zur Instanzenebene ermöglichen, gehören 

dagegen die beiden metasprachlichen Relationen „->“ und „->>“. Sie erlauben es, innerhalb 

der Repräsentationssprache F-Logic auszudrücken, dass eine objektsprachliche Beziehung (als Element 

einer objektsprachlichen Relation) zwischen zwei Instanzen faktisch besteht. 157) Daher werden 

sie auch als instanzbezogene Relationen bezeichnet. 

156) Über diese definitorische Festlegung lässt sich trefflich streiten. Denn zwischen einer Ontologie als Spezifikation der sprachlichen 

Ausdrucksmittel, die für die Repräsentation des Wissens über einen Realitätsausschnitt benutzt werden können, und einer 

Wissensbasis als „Container“ für die Gesamtheit aller kontingenten und vollständig instanziierten Aussagen über den betroffenen 

Realitätsausschnitt klafft eine „nomische Lücke“. Diese „nomische Lücke“ betrifft alle gesetzesartigen Aussagen über den 

Realitätsausschnitt, die nicht rein sprachlicher Art sind, sondern einen substanziellen – empirisch widerlegbaren – Inhalt über 

den repräsentierten Realitätsausschnitt ausdrücken, aber auch nicht kontingenter Art sind, weil sie mit „gesetzesartiger Notwendigkeit“ 

etwas über die materielle Struktur des repräsentierten Realitätsausschnitts aussagen, das nicht in der Beliebigkeit situativer 

Umstände („Kontingenz“) liegt. Bei der Gestaltung von Ontologien bereitet es erhebliche systematische Schwierigkeiten 

zu entscheiden, welchem Bereich solche gesetzesartigen Aussagen über den jeweils betrachteten Realitätsausschnitt zuzuordnen 

sind. Eine Option besteht darin, alle gesetzesartigen Aussagen zur Ontologie im engeren Sinn zu rechnen, falls sich die gesetzesartigen 

Aussagen ohne Bezugnahme auf Instanzen formulieren lassen, und andernfalls die verbleibenden gesetzesartigen 

Aussagen in die Ontologieerweiterung einer partiell interpretierten Ontologie einzufügen. Eine alternative Option bietet der 

„non statement view“ mit seinem strukturalistischen Theorienkonzept. In diesem Theorienkonzept werden (neben weiteren 

Komponenten) drei Theoriekomponenten unterschieden, die sich den hier thematisierten Komponenten von Wissensbasierten 

Systemen zuordnen lassen: erstens die Menge der potenziellen Modelle einer Theorie oder der terminologische Apparat der 

Theorie (entsprechend einer Ontologie im engeren Sinne), zweitens die Menge der Modelle einer Theorie, die aus der Ergänzung 

des terminologischen Apparats um die gesetzesartigen Aussagen der Theorie hervorgehen (entsprechend einer Ontologieerweiterung), 

und drittens die Menge aller intendierten Theorieanwendungen (entsprechend einer Wissensbasis als einer Menge 

von Fakten, die einen konkreten Realitätsausschnitt beschreiben). Das strukturalistische Theorienkonzept bietet also für die gesetzesartigen 

Aussagen einen wohldefinierten Platz: die Spezifikation der Menge der Modelle der betroffenen Theorie. Daher 

erweist sich der „non statement view“ nach Einschätzung der Verfasser als eine attraktive Ergänzung zu Ontologien. Umgekehrt 

bereichern auch Ontologien den „non statement view“, weil dort die Spezifikation der Menge der potenziellen Modelle 

einer Theorie – ihr terminologischer Apparat – eher „stiefmütterlich“ behandelt wird. Vgl. dazu die Ausführungen im Kapitel 

1.3.1.1.1 auf S. 128 ff. sowie die Literaturhinweise zum strukturalistischen Theorienkonzept oder „non statement view“, die im 

Kapitel 1.3.1.1.1 in den Fußnoten 62 und 63 (beide S. 128) aufgeführt sind. 

157) Bezeichnend für die mangelnde Trennschärfe von F-Logic ist es, dass die metasprachlichen Relationen „=>“ und „=>>“ einerseits 

sowie „->“ und „->>“ andererseits „gleichberechtigt“ nebeneinander verwendet werden. Ihre Zugehörigkeit zur Konzept- 

bzw. zur Instanzenebene wird in F-Logic nirgendwo formalsprachlich oder strukturell reflektiert.


Die beiden metasprachlichen Relationen „->“ und „->>“ sind über den kartesischen Produkten: 

I × R × I 

bzw. I × R × pot+(I) 

mit I als Menge aller Instanzen und R als Menge aller nicht-taxonomischen, objektsprachlichen Relationen 

einer Ontologie definiert. Jedes Element (i1,r,i2) aus der metasprachlichen Relation „->“ 

drückt aus, dass die objektsprachliche Relation r von den beiden Instanzen i1 und i2 tatsächlich erfüllt 

wird. Durch ein Element (i,r,{i1,...,in}) aus der metasprachlichen Relation „->>“ wird hingegen 

ausgedrückt, dass die Instanz i in der Beziehung r zu allen Instanzen aus der nicht-leeren Menge 

{i1,...,in} steht. 

Analog zu der Ausdrucksweise für die ein- oder mengenwertigen Relationen „=>“ bzw. „=>>“ auf 

der Konzeptebene wird auch auf der Instanzenebene für die Relationen „->“ bzw. „->>“ mit der 

Gestalt der Pfeilspitze ausgedrückt, welcher Art die jeweils betroffene Relation ist. Sowohl bei der 

Relation „->“ als auch bei der Relation „->>“ handelt es sich um rechtseindeutige Relationen. Somit 

lassen sich beide Relationen als Funktionen charakterisieren: Wenn für ein formales Objekt i1 mit 

i1:k1 auf der Konzeptebene die Beziehung k1[r => k2] gilt, dann kann es höchstens einmal an der 

ersten Argumentstelle einer Formel i1[r -> i2] vorkommen. Das formale Objekt i2 ist dabei stets eine 

einzelne Instanz des Konzepts k2. Die metasprachliche Relation „->>“ stellt zwar auch eine Funktion 

dar. Allerdings bildet sie Instanzen nicht auf jeweils eine Instanz, sondern auf eine nicht-leere 

Menge von Instanzen ab. Daher kann ein formales Objekt i1 mit i1:k1 und k1[r =>> k2] nur höchstens 

einmal an der ersten Argumentstelle einer Formel i1[r ->> {i2,...,in}] vorkommen. Wenn hingegen 

die skalare Schreibweise i1[r ->> i2], ... , i1[r ->> in] als vereinfachte, aber äquivalente Notation für 

die mengenbezogene Schreibweise i1[r ->> {i2,...,in}] zugelassen wird, 158) dann kann i1 beliebig oft 

158) Vgl. KIFER/LAUSEN/WU (1995) S. 755, allerdings explizit nur auf den Fall einelementiger Instanzenmengen bezogen. Zu den 

Fällen, in denen die Instanzenmengen aus Formeln der Art i 1[r ->> {i 2,...,i n}] auch mehrere Instanzen umfassen dürfen, äußern 

sich die Autoren der vorgenannten Quelle nicht explizit. Auch in zahlreichen anderen Quellen zu F-Logic haben die Verfasser 

keine eindeutigen Stellungnahmen zu diesem Aspekt vorgefunden. Eine der seltenen Ausnahmen stellen die Ausführungen in 

ONTOPRISE (2001) S. 5 zur Implementierung von F-Logic in der Inferenzmaschine OntoBroker dar. Dort wird anhand einer 

zweielementigen Instanzenmenge explizit festgelegt, dass die Formel i 1[r ->> {i 2,i 3}] äquivalent in den beiden skalaren 

Schreibweisen i 1[r ->> i 2] und i 1[r ->> i 3] wiedergegeben werden kann. In Anlehnung an diese Vorgehensweise haben die Verfasser 

die Behandlung einelementiger Instanzenmengen oben auf alle Fälle mehrelementiger Instanzenmengen konsistent übertragen. 

Darüber hinaus wird in ONTOPRISE (2001) S. 5 als zweite äquivalente Notationsweise für die Formel i 1[r ->> {i 2,i 3}] sogar 

deren Zerlegung in zwei mengenartige Schreibweisen i 1[r ->> {i 2}] und i 1[r ->> {i 3}] mit jeweils einelementiger Instanzenmenge 

zugelassen. Die Inferenzmaschine OntoBroker zeichnet sich daher durch eine „maximal liberale“ Notation für Formeln 

aus, in denen die mengenwertige Relation „->>“ verwendet wird. 

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 

rechtseindeutigen und mehrwertigen objektsprachlichen Relation r höchstens eine Instanzenmenge {i 2,...,i n} zugeordnet werden 

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}], ... , 

i 1[r ->> {i n}] suggerieren hingegen, der Instanz i 1 würden auf rechtsmehrdeutige Weise mehrere unterschiedliche Instanzen 

bzw. mehrere unterschiedliche Instanzenmengen zugeordnet. Während die erstgenannte Alternative mehrerer unterschiedlicher 

Instanzen zumindest noch „mit geistigen Klimmzügen“ auf die Mengenwertigkeit der Relation r zurückgeführt werden kann, 

scheint die zweitgenannte Alternative mehrerer unterschiedlicher Instanzenmengen der Rechtseindeutigkeit der Relation r zu 

widersprechen. Diese Eigentümlich- oder gar scheinbaren Widersprüchlichkeiten lassen sich zwar mittels entsprechender expliziter 

Festlegungen, dass es sich um äquivalente Schreibweisen handelt, beseitigen. Aber es bleibt der Eindruck einer zumindest 

missverständlichen Schreibweise, die mit der Rechtseindeutigkeit der Relation r nicht unmittelbar harmoniert. Daher bevorzugen 

die Verfasser die rechtseindeutige und explizit mengenwertige Schreibweise i 1[r ->> {i 2,...,i n}], wenn von den Argumenten 

in der nächsten Fußnote abgesehen wird. Da diese Schreibweise jedoch in der einschlägigen Fachliteratur kaum praktiziert 

wird, haben sie sich im Interesse der Anschlussfähigkeit ihrer Darstellungen an etablierte Notationen dazu entschlossen, im 

Verbundprojekt KOWIEN die äquivalente Schreibweise i 1[r ->> i2], ... , i1[r ->> in] zu benutzen.


– d.h. kein Mal, einmal oder auch mehrere Male – an der ersten Argumentstelle einer Formel mit 

der objektsprachlichen Relation r vorkommen. 159) 

Die Implementierung der voranstehend erläuterten Spezifikationen und Notationen der Wissensrepräsentationssprache 

F-Logic erfolgt in der Inferenzmaschine OntoBroker durch Zuweisungen, die 

in der nachfolgenden Tabelle 6 dargestellt sind. 160) F-Logic-Formeln werden bei ihrer Implementie- 

159) Eine solche Vereinfachung der Schreibweise hat weit reichende Konsequenzen, die oftmals nicht berücksichtigt werden. Dies 

wird anhand eines Beispiels diskutiert. Eine (objektsprachliche) Inferenzregel soll ausdrücken: „Wenn ein Mann Y den Vater X 

hat, dann hat X den Sohn Y“; vgl. ANGELE/LAUSEN (2004) S. 31. Unter der o.a. Prämisse der vereinfachten Schreibweise für 

Formeln, in denen die mengenwertige Relation „->>“ verwendet wird, kann diese Inferenzregel wie folgt formuliert werden: 

∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> Y] 

mit person[hat_vater => mann] und person[hat_sohn =>> mann]. 

Angewendet auf konkrete Instanzen, müsste die Variable Y im Rumpf (Antezedenz-Komponente) der Inferenzregel mit einer 

einzelnen Instanz des Konzepts „mann“ und im Regelkopf (Konklusions-Komponente) durch eine nicht-leere Menge aus Instanzen 

des Konzepts „mann“ substituiert werden. Denn im Regelrumpf wird die Relation „hat_vater“ durch die metasprachliche 

Relation „->“ als einwertige Relation ausgezeichnet, während die Relation „hat_sohn“ im Regelkopf durch die metasprachliche 

Relation „->>“ als mengenwertige Relation charakterisiert wird. Während die Relation „hat_vater“ Instanzen des Konzepts 

„person“ auf einzelne Instanzen des Konzepts „mann“ abbildet, ordnet die Relation „hat_sohn“ den Instanzen des Konzepts 

„person“ entweder jeweils eine nicht-leere Menge von Instanzen des Konzepts „mann“ oder – infolge fehlender Linkstotalität 

– keine Instanz des Konzepts „mann“ zu. Würde die vereinfachte Schreibweise nicht zugelassen werden, könnte die o.a. 

Inferenzregel lediglich in der Form: 

∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> {...,Y,...}] 

formuliert werden. Allerdings lässt sich diese Formulierungsweise nicht computerbasiert implementieren. Denn die Notation 

„{...,Y,...}“ ist wegen der Unbestimmtheit der „Pünktchen-Schreibweise“ vor und nach dem Element Y aus der Instanzenmenge 

nicht computerverarbeitbar. Dadurch offenbart sich eine besondere Problematik der o.a. objektsprachlichen Inferenzregel, die 

aus der eingangs benutzten vereinfachten Schreibweise nicht deutlich wurde: Wenn diese objektsprachliche Inferenzregel als 

Bestandteil der metasprachlichen Inferenzregel des Modus ponens angewendet wird, dann kann aus der Gültigkeit der Antezedenz-Komponente 

„Y:mann[hat_vater -> X]“ mithilfe der Konklusions-Komponente „X:mann[hat_sohn ->> {...,Y,...}]“ nur 

geschlussfolgert werden, dass für jede Variablenbelegung gilt: Die Instanz, mit der die Variable Y belegt wird, ist ein Element 

aus der Menge der Söhne derjenigen Instanz, mit der die Variable X belegt wird. Es fehlt jedoch bei dieser „isolierten“ Anwendung 

von objekt- und metasprachlicher Inferenzregel, bei der kein zusätzliches Wissen aus der zugrunde liegenden Wissensbasis 

ausgewertet wird, das Wissen darüber, ob die Instanz für die Variable Y entweder das einzige Element aus der Menge der 

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 

Variable Y noch weitere Elemente („Söhne“) umfasst. Dieses Unwissen bei Anwendung der beiden (objekt- und metasprachlichen) 

Inferenzregeln lässt sich umgehen, indem auf die zweite äquivalente Notationsweise für die Formeln der Art 

i1[r ->> {i 2,...,i n}] zurückgegriffen wird, die bereits in der voranstehenden Fußnote angesprochen wurde. In der OntoBroker- 

Implementierung von F-Logic kann gemäß ONTOPRISE (2001) S. 5 die voranstehende Formel mit mengenwertiger Relation r in 

äquivalente mengenartige Schreibweisen i 1[r ->> {i 2}], ... , i 1[r ->> {i n}] zerlegt werden, die jeweils nur eine einlementige Instanzenmenge 

verwenden. Mittels dieser speziellen Schreibweise kann die o.a. Inferenzregel mit expliziter Berücksichtigung 

der Mengenwertigkeit der Relation „hat_sohn“ so formuliert werden, dass die o.a. Unbestimmtheit der Menge {...,Y,...} vermieden 

wird: 

∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_sohn ->> {Y}] 

Nach Kenntnis der Verfasser erlaubt nur diese Schreibweise, zwei Anforderungen zugleich zu erfüllen: einerseits die „computertaugliche“ 

Formulierung objektsprachlicher Inferenzregeln und andererseits die explizite formalsprachliche Berücksichtigung 

der Ein- oder Mengenwertigkeit von Relationen durch die Verwendung von Skalaren bzw. Mengen. Leider ist diese 

Schreibweise in der Fachliteratur zu F-Logic jedoch kaum anzutreffen. Daher haben sich die Verfasser trotz ihrer persönlichen 

Präferenz für diese Schreibweise im Interesse der Anschlussfähigkeit an die etablierte Fachliteratur dafür entschieden, dass im 

Verbundprojekt KOWIEN die oben angeführte vereinfachte Schreibweise „∀X ∀Y: Y:mann[hat_vater -> X] → X:mann[hat_ 

sohn ->> Y]“ verwendet wird, bei der nicht explizit durch die Verwendung von Skalaren bzw. Mengen zwischen ein- und mengenwertigen 

Relationen differenziert wird, sondern diese Differenzierung nur implizit aus der formalen „Semantik“ der metasprachlichen 

Relationen „->“ bzw. „->>“ hervorgeht. 

160) Vgl. ANGELE/LAUSEN (2004) S. 45. Bemerkenswert erscheint, dass in der OntoBroker-Implementierung von F-Logic rechtsmehrdeutige 

Relationen mit mengenwertigen Relationen („setatttype“ und „setatt“) gleichgesetzt werden. Es wurde schon oben 

darauf hingewiesen, dass diese Gleichsetzung keineswegs denknotwendig ist und auf einer mangelhaften Differenzierung zwischen 

zwei unterschiedlichen Disjunktionen – Rechtsein- versus Rechtsmehrdeutigkeit einerseits sowie Ein- versus Mengenwertigkeit 

andererseits – beruht. Darüber hinaus fällt auf, dass in der OntoBroker-Implementierung die Zugehörigkeit einer Instanz 

zu einem Konzept mit „isa“ (nahezu) äquivok zur „is a“-Relation zwischen Konzepten notiert wird.


rung durch die Inferenzmaschine OntoBroker in Formeln der Art transformiert, wie sie aus der 

(prädikaten-) logischen Programmiersprache Prolog bekannt sind. Entsprechend den Zuweisungen 

in der Tabelle 6 werden dabei F-Logic-Formeln in einer äquivalenten Infix-Notation verwendet. 

F-Logic-Ausdruck 

OntoBroker- 


k1 :: k2 

sub_(k1,k2) 

i : k isa_(i,k) 

k1 [r =>> k2] setatttype_(k1,r,k2) 

k1 [r => k2] atttype_(k1,r,k2) 

i1 [r ->> i2] setatt_(i1,r,i2) 

i1 [r -> i2] att_(i1,r,i2) 

Tabelle 6: Implementierung metasprachlicher Ausdrücke im OntoBroker 

Weil die metasprachlichen Relationen „=>“ und „=>>“ einerseits sowie „->“ und „->>“ andererseits 

über den kartesischen Produkten K×R×K bzw. I×R×I und I×R×pot+(I) definiert sind, lassen sich in 

F-Logic unmittelbar nur zweistellige objektsprachliche Relationen definieren. Um mittelbar auch nstellige 

objektsprachliche Relationen mit n ≥ 3 ausdrücken zu können, müssen bei der Konstruktion 

von Ontologien einige Besonderheiten berücksichtigt werden. Auf diese Besonderheiten wird später 

in Kapitel 2.4.3.1.2.1 hinsichtlich des abstrakten Konzepts Aussage näher eingegangen. 

Schließlich gilt es zu beachten, dass in der vorliegenden Ausarbeitung eine F-Logic-Notation verwendet 

wird, die sowohl von der F-Logic-Spezifikation 161) als auch von bekannten F-Logic-Implementierungen 

162) abweicht. 

Hinsichtlich der F-Logic-Spezifikation liegt eine Abweichung bei der expliziten Aufführung aller 

Quantoren vor. Während in der F-Logic-Spezifikation des Öfteren 163) die implizite Allquantifizierung 

164) aller Variablen in Formeln angenommen wird, wird für die vorliegende Ausarbeitung die 

explizite Aufführung aller benötigten Quantoren bevorzugt. Dabei werden die üblichen Zeichen 

„∀“ und „∃“ für den Allquantor bzw. der Existenzquantor verwendet. In diesem Punkt weicht die 

verwendete Notation von der Notation ab, die von F-Logic-Implementierungen unterstützt wird. In 

der Notation von F-Logic-Implementierungen werden nämlich statt der Quantoren „∀“ und „∃“ die 

Quantoren „FORALL“ bzw. „EXISTS“ verwendet. Im Gegensatz zu den Unterschieden gegenüber 

der F-Logic-Spezifikation betrifft dieser Punkt allerdings eher unwichtige Aspekte. 

161) Zur Syntax von F-Logic entsprechend der F-Logic-Spezifikation vgl. KIFER/LAUSEN/WU (1995) S. 753 ff.; UPHOFF (1997) S. 23 

ff. 

162) Zur Syntax von F-Logic entsprechend der F-Logic-Implementierung in der Inferenzmaschine OntoBroker vgl. ANGELE/LAUSEN 

(2004) S. 45 f.; ONTOPRISE (2001) S. 2 ff. 

163) Hinsichtlich dieses Punkts weist die F-Logic-Spezifikation Inkonsistenzen auf. Obwohl in der Grammatik zur Konstruktion von 

F-Logic-Formeln („molecular F-Formulas“; KIFER/LAUSEN/WU (1995) S. 754) sowohl der Allquantor „∀“ als auch der Existenzquantor 

„∃“ eingeführt werden, finden sie in den vorgelegten Beispielen keine Verwendung; vgl. z.B. KIFER/LAUSEN/WU 

(1995) S. 748. 

164) Die implizite Allquantifizierung von Variablen in prädikatenlogischen Formeln ist in der Informatik auch aus anderen Teilbereichen 

bekannt. Beispielsweise werden in der algebraischen Gleichungslogik und in damit konstruierten abstrakten Datentypen 

des Öfteren Variablen ohne Allquantifizierung aufgeführt; vgl. LOECKX/EHRICH/WOLF (1996) S. 115 ff.; EHRICH/GOGOLLA/ 

LIPECK (1989) S. 20.


Darüber hinaus werden in diesem Beitrag Subjugat-Formeln nicht in der Reihenfolge „Konklusion 

(Regelkopf) vor Antezedenz (Regelrumpf)“ aufgeführt, sondern in der (formal-) logisch vertrauten 

Reihenfolge „Antezedenz (Regelrumpf) vor Konklusion (Regelkopf)“. Für die letztgenannte Reihenfolge 

sprechen sowohl die Anschlussfähigkeit an die etablierte prädikatenlogische Notation als 

auch Gründe der „kognitiven Ergonomie“. Die erstgenannte Reihenfolge ist dagegen nicht nur in F- 

Logic, sondern auch im Kontext der logischen Programmierung und bei deduktiven Datenbanken 

vorwiegend anzutreffen. Allerdings erschwert sie nach Ansicht der Verfasser die „natürliche“ 

Nachvollziehbarkeit von Subjugat-Formeln. Daher wird sie hier nicht verwendet. Außerdem kann 

die Schreibweise von Subjugat-Formeln, die hier bevorzugt wird, mühelos in eine implementierungsnahe 

Form überführt werden, indem die Reihenfolge von Konklusion und Antezedenz in Subjugat-Formeln 

vertauscht wird. 

2.4.3 Vorstellung ausgewählter Ontologiekomponenten 

2.4.3.1 Objektsprachliche Entitäten 

2.4.3.1.1 Überblick 

Das Maximalkonzept 165) in der KOWIEN-Ontologie ist das Konzept Entitaet 166) . Alle weiteren 

Konzepte in der KOWIEN-Ontologie sind Subkonzepte des Konzepts Entitaet. Auf der ersten Gliederungsstufe 

wird das Konzept Entitaet entsprechend der folgenden Spezifikation unterteilt: 

objektsprachliche_Entitaet :: Entitaet. 

metasprachliche_Entitaet :: Entitaet. 

Das Konzept objektsprachliche_Entitaet umfasst als Subkonzepte alle Konzepte, die für die Repräsentation 

des Objektwissens über einen Realitätsausschnitt benötigt werden. Das Konzept metasprachliche_Entitaet 

umfasst hingegen solche Subkonzepte, mit denen Metawissen über objektsprachliche 

Ausdrucksmittel ausgedrückt werden kann. Auf diese Besonderheit der KOWIEN- 

Ontologie, die aus formaler Perspektive interessante Eigenarten aufweist, wird in einem späteren 

Kapitel vertieft eingegangen. 

Untersuchungsgegenstand des aktuellen Kapitels sind die Subkonzepte des Konzepts objektsprachliche_Entitaet. 

Dabei wird ein grundsätzlich „objektorientierter“ Ansatz gewählt, d.h., alle Entitäten 

werden zunächst als Objekte konzeptualisiert. 167) Zunächst wird das Konzept objektsprachliche_Entitaet 

in die Subkonzepte Denkobjekt und Erfahrungsobjekt ausdifferenziert: 168) 

165) Unter einem Maximalkonzept wird ein „oberstes“ Konzept einer taxonomischen Struktur verstanden, das gemäß der „is a“- 

Relation kein Subkonzept zu irgendeinem anderen Konzept derselben Ontologie darstellt. Eine Ontologie kann im Prinzip auch 

mehrere Maximalkonzepte umfassen. In der Regel wird jedoch eine eindeutige „Spitze der Konzepte-Hierarchie“ geschaffen. 

166) Aus implementierungstechnischen Gründen werden Ausdrücke (objektsprachliche Konzepte, Relationen und Instanzen), die in 

der KOWIEN-Ontologie verwendet werden, ohne Umlaute und ohne „ß“ geschrieben, weil diese Zeichen von den meist englischsprachig 

erstellten Softwaretools oftmals nicht oder fehlerhaft verarbeitet werden. Darüber hinaus werden im Folgenden 

Ausdrücke (Konzepte, Relationen, Instanzen) aus der KOWIEN-Ontologie der Deutlichkeit halber im Fließtext durch kursive 

Formatierung hervorgehoben. 

167) Um Missverständnissen vorzubeugen, wird betont, dass die Bezeichnung „Objekt“ an dieser Stelle keinen unmittelbaren Bezug 

zu den – komplexer und spezieller – aufgefassten Objekten aus den eng miteinander verwandten Bereichen der objektorientierten 

Systemgestaltung und der objektorientierten Programmierung besitzt. Vielmehr resultiert der Objektbegriff hier aus der be-


Denkobjekt :: objektsprachliche_Entitaet. 

Erfahrungsobjekt :: objektsprachliche_Entitaet. 

Instanzen des Konzepts Denkobjekt sind Inhalte von Denkprozessen, d.h. Objekte der „inneren 

Wahrnehmung“. Diese Denkobjekte 169) werden von Subjekten „vor ihrem geistigen Auge“ vorgestellt 

– unabhängig davon, ob diese Objekte in der Realität tatsächlich existieren oder ob sie in der 

Realität überhaupt existieren könnten. Bei Instanzen des Konzepts Erfahrungsobjekt handelt es sich 

dagegen um Inhalte von Erfahrungsprozessen, d.h. Objekte der „äußeren Wahrnehmung“. Diese Erfahrungsobjekte 

existieren – zumindest „im Prinzip“ – in dem jeweils konzeptualisierten Realitätsausschnitt 

und können dort von Subjekten mittels ihrer realitätsbezogenen Sinne beobachtet werden. 

Die Dichotomie zwischen „denkbaren“ und „erfahrbaren“ Objekten erweist sich insofern als „epistemisch 

naiv“, als sie suggeriert, Denkprozesse seien grundsätzlich von Erfahrungen unabhängig 

und Erfahrungsprozesse könnten unabhängig vom Denken erfolgen. Die Verfasser räumen ein, dass 

beide Suggestionen verfehlt sind. Beispielsweise sei auf die „Naturalisierung der Erkenntnistheorie“ 

und die „evolutionäre Erkenntnistheorie“ (beide widersprechen der Vorstellung erfahrungsunabhängigen 

Denkens) sowie die „Sprachbedingtheit von Erfahrungen“ und die „Scheinwerfertheorie der 

Beobachtung“ (beide widersprechen der Vorstellung denkunabhängiger Erfahrungen) verwiesen. In 

diesen vorgenannten Argumentationskontexten, die in der hier gebotenen Kürze nur stichwortartig 

erwähnt, aber nicht näher erläutert werden können, werden jeweils die (Inter-) Dependenzen zwischen 

Denken und Erfahren tiefgründig reflektiert. Der Anspruch, diese Abhängigkeiten in der Systematisierung 

der KOWIEN-Ontologie zu berücksichtigen, hätte jedoch zu einer kaum noch bewältigbaren 

Komplexität geführt. Zumindest wäre sie für den hier verfolgten Zweck, die sprachlichen 

Ausdrucksmittel für den Realitätsausschnitt „betriebliche Kompetenzmanagementsysteme“ zu konzeptualisieren, 

nicht angemessen gewesen. Denn im „Mesokosmos“ der Realität von Unternehmen 

spielen die oben angerissenen Probleme der Verschränkungen zwischen Denken und Erfahren keine 

Rolle. Daher wurde im Interesse einer zweckadäquaten Komplexität davon abgesehen, die KO- 

WIEN-Ontologie mit solchen Verschränkungsproblemen zu belasten. Dies entspricht dem Bedürfnis 

der betrieblichen Praxis für möglichst klar strukturierte, trennscharf erscheinende Systematisierungen. 

Trotzdem möchten die Verfasser nicht verkennen, dass in einer Überarbeitung der KOWI- 

EN-Ontologie, die auf solche Bedürfnisse der Praxis keine Rücksicht zu nehmen braucht, die zuvor 

wussten Konfrontation mit dem denkenden und erfahrenden Subjekt, das der nachfolgenden Ausdifferenzierung in Denk- bzw. 

Erfahrungsobjekte implizit zugrunde liegt. Allerdings wird sich später zeigen, dass die hier konzeptualisierten Objekte durchaus 

Ähnlichkeiten zu den Objekten der objektorientierten Systemgestaltung und Programmierung aufweisen. So werden auch hier 

in der KOWIEN-Ontologie die Objekte, die als Konzepte und deren Instanzen erfasst werden, mit der Hilfe von zweistelligen 

Relationen konzeptualisiert, wie sie auch bei der objektorientierten Systemgestaltung und Programmierung üblich sind. Darüber 

hinaus wird bei der Konstruktion der KOWIEN-Ontologie zur Wissensrepräsentation die Repräsentationssprache F-Logic verwendet, 

die aus dem Bereich der objektorientierten Systemspezifizierung (als Teilbereich der objektorientierten Systemgestaltung) 

stammt. Folglich existieren mehrere inhaltliche „Querbezüge“ zur objektorientierten Systemgestaltung und Programmierung, 

so dass oben die Bezeichnung „Objekte“ Assoziationen mit objektorientierter Systemgestaltung und Programmierung bewusst 

„in Kauf genommen hat“. 

168) Vgl. zur Disjunktion zwischen Erfahrungs- und Denkobjekten die analoge Unterscheidung zwischen Erfahrungs- und Erkenntnisobjekten 

als empirischen bzw. theoretischen Konstrukten bei HAASE (1997) S. 27. 

169) Um die Diktion zu vereinfachen, wird in diesem Beitrag des Öfteren als Konvention vorausgesetzt, die Instanzen eines Konzepts, 

dessen Bezeichnung im Singular formuliert und kursiv formatiert ist, mit der Bezeichnung des Konzepts anzusprechen, 

diese Bezeichnung aber zur Unterscheidung vom Konzept im Plural zu verwenden und nicht kursiv zu formatieren. Beispielsweise 

werden hier Instanzen des Konzepts Denkobjekt (Bezeichnung im Singular und kursiv) als Denkobjekte (Bezeichnung im 

Plural und nicht kursiv) angesprochen.


skizzierten Bedenken in die Konzeptualisierung von Denk- und Erfahrungsobjekten einfließen sollten. 

Daraus könnte unter Umständen eine vollkommen anders strukturierte Ausdifferenzierung des 

Maximalkonzepts Entitaet resultieren. 

In der KOWIEN-Ontologie wird – nach Rückstellung der zuvor geäußerten „fundamentalen Selbstzweifel“ 

– das Konzept Denkobjekt in Subkonzepte für konkrete und abstrakte Denkobjekte ausdifferenziert. 

Ein Denkobjekt wird als konkret aufgefasst, wenn sich jede seiner Instanzen so vorstellen 

lässt, dass sie im konzeptualisierten Realitätsausschnitt eigenständig existieren könnte. 170) Da reale 

Existenz immer an ein materielles Substrat gebunden ist (zumindest in der hier erfolgenden Konzeptualisierung 

von Realität), zeichnen sich konkrete Denkobjekte durch ihre materielle Beschaffenheit 

aus. Ein Denkobjekt wird hingegen als abstrakt klassifiziert, wenn für seine Instanzen nicht 

angenommen wird, sie könnten im konzeptualisierten Realitätsausschnitt eigenständig existieren. 

Abstrakte Denkobjekte sind immaterieller Art. Sie können Eigenschaften von oder Beziehungen 

zwischen anderen – sowohl abstrakten oder auch konkreten – Denkobjekten ausdrücken. 

abstraktes_Denkobjekt :: Denkobjekt. 

konkretes_Denkobjekt :: Denkobjekt. 

Die Eigenarten einerseits abstrakter und andererseits konkreter Denkobjekte werden in den beiden 

anschließenden Kapiteln näher erläutert. Im dritten nachfolgenden Kapitel werden schließlich die 

Besonderheiten von Erfahrungsobjekten – als Pendants zu Denkobjekten – entfaltet. 

2.4.3.1.2 Denkobjekte 

2.4.3.1.2.1 Abstrakte Denkobjekte 

Das Konzept abstraktes_Denkobjekt umfasst in seiner Instanzenmenge alle formalen Objekte, die 

Objekte des Denkens (Denkobjekte) ohne eine materielle Beschaffenheit repräsentieren. Als Subkonzepte 

zu dem Konzept abstraktes_Denkobjekt werden in der KOWIEN-Ontologie Attribute, 

Quantitäten, Aussagen, prozessuale Denkobjekte und Stellen unterschieden: 172) 

170) Es kommt hier nicht darauf an, ob eine betroffene Instanz im Realitätsausschnitt „hic et nunc“ auch tatsächlich existiert. Beispielsweise 

können die Instanzen als „historische“ Objekte im Realitätsausschnitt existiert haben, zwischenzeitlich aber untergegangen 

sein. Ebenso ist es möglich, dass für eine Instanz angenommen wird, dass sie grundsätzlich existieren könnte, aber 

bislang noch keine reale Existenz dieser Instanz festgestellt werden konnte. 

171) Als Zugeständnis an eine „übersichtliche“ Gliederung wurde darauf verzichtet, die beiden Kapitel zu abstrakten und konkreten 

Denkobjekten als Unterkapitel einem gemeinsamen Kapitel „Denkobjekte“ unterzuordnen, das dem Kapitel „Erfahrungsobjekte“ 

in strenger Systematik gegenüber stehen müsste. 

172) Die Differenzierung zwischen den fünf Subkonzepten erweist sich hinsichtlich ihrer Systematisierungsqualität als unbefriedigend. 

So wird zum Subkonzept Quantitaet ein explizit aufgeführtes, komplementäres Subkonzept Qualitaet vermisst. Zwar 

kann das Subkonzept Attribut als ein solches komplementäres Subkonzept Qualitaet interpretiert werden, aber dann bleibt im 

Dunkeln, warum es nicht von vornherein so benannt wurde. Die Bezeichnung des Subkonzepts prozessuales_Denkobjekt überzeugt 

nicht vollauf, weil es als weitere Subkonzepte nicht nur Prozesse, sondern auch Zustände und Ereignisse umfasst (vgl. S. 

505 ff). Ereignisse, vor allem aber Zustände als Subkonzepte des Subkonzepts prozessuales_Denkobjekt aufzufassen, läuft der 

„natürlichen“ Konzeptualisierung von Zuständen als statischen, infolgedessen nicht prozessualen Phänomenen zuwider. Daher 

hätte es näher gelegen, die Subkonzepte Zustand, Ereignis und Prozess unter das Konzept zeitartiges_Denkobjekt zu subsumieren: 

Zustände stellen in Zeitintervallen invariante Phänomene dar, Ereignisse geschehen jeweils in einem Zeitpunkt, Prozesse 

laufen in Zeitintervallen ab und führen hierbei zu Veränderungen (z.B. von Systemzuständen oder von Objekteigenschaften). 

Diesem Konzept hätte ein komplementäres Konzept raumartiges_Denkobjekt gegenübergestellt werden können (analog zur


Attribut :: abstraktes_Denkobjekt. 

Quantitaet :: abstraktes_Denkobjekt. 

Aussage :: abstraktes_Denkobjekt. 

prozessuales_Denkobjekt :: abstraktes_Denkobjekt. 

Stelle :: abstraktes_Denkobjekt. 

Das Konzept Attribut, mit dem Merkmale als Subkonzepte spezifiziert werden können, wird zunächst 

in die Subkonzepte objektives_Attribut und subjektives_Attribut unterteilt. 

objektives_Attribut :: Attribut. 

subjektives_Attribut :: Attribut. 

Das Konzept objektives_Attribut umfasst als Subkonzepte alle Attribute, die so konzeptualisiert 

werden, als ob die Feststellung ihrer Ausprägungen von keinen subjektiven Einschätzungen abhängen 

würde. Zwar wird aus erkenntnistheoretischer Perspektive eingeräumt, dass sich subjektunabhängige 

Feststellungen („Beobachtungen“) von Attributausprägungen kaum vorstellen lassen, im 

Zweifelsfall sogar unmöglich sind. Der Einfluss des „beobachtenden“ Subjekts auf das Ergebnis der 

Feststellung kann sich in vielerlei Hinsicht manifestieren, z.B. in der Auswahl des Messverfahrens, 

in der Vorgabe eines Skalenniveaus für die Messwerte – oder auch in der generellen „Theorieimprägniertheit“ 

jedes Beobachtungsakts. Die Verfasser vertreten daher keineswegs die naive Auffassung, 

es könnten „unbezweifelbare“ Beobachtungs- oder Protokollsätze über die „tatsächlichen“ 

Ausprägungen objektiver Attribute informieren. 

In der hier gebotenen Kürze kann auf die vielfachen Quellen möglicher, vom beobachtenden Akteur 

(„Subjekt“) ausgehender Verzerrungen der Realitätserfahrung nicht näher eingegangen werden. 

Stattdessen wird lediglich die Ansicht vertreten, dass im alltäglichen Sprachgebrauch – auch im 

Diskurs der betrieblichen Praxis über Kompetenzen – Realitätserfahrung oftmals so konzeptualisiert 

wird, als ob sie vom jeweils beobachtenden Akteur nicht verzerrt würde. Beispielsweise können die 

mutmaßlich vorhandenen Verzerrungen als so geringfügig erachtet werden, dass sie im aktuellen 

Diskurskontext unerheblich erscheinen. In der Konzeptualisierung wird dann von sämtlichen subjektabhängigen 

Einflüssen auf die Feststellung der Attributausprägungen abstrahiert. Nur in diesem 

„aufgeklärten“, keineswegs naiv realistischen Verständnis wird in der KOWIEN-Ontologie davon 

ausgegangen, dass es sprachliche Ausdrucksmittel geben muss, um Attributausprägungen für Attribute 

artikulieren zu können, die für „objektiv“ gehalten werden. Die Verfasser fühlen sich in dieser 

Hinsicht in Übereinstimmung mit der Sprachpraxis betrieblicher Diskurse. 

Differenzierung zwischen den Konzepten zeitartiges_Erfahrungsobjekt und raumartiges_Erfahrungsobjekt als Subkonzepten 

zum Konzept Erfahrungsobjekt). Für das Subkonzeptepaar Attribut/Qualität und Quantitaet sowie die drei weiteren Subkonzepte 

Aussage, prozessuales_Denkobjekt und Stelle lässt sich nicht erkennen, zu welchem gemeinsamen Systematisierungskriterium 

sie alternative Ausprägungen darstellen könnten. Vielmehr erwecken sie den Anschein, ad hoc als Subkonzepte zum 

Konzept abstraktes_Denkobjekt eingeführt worden zu sein, um als wichtig empfundene Aspekte des Realitätsausschnitts 

„Kompetenzmanagementsysteme“ sprachlich konzeptualisieren zu können. Dies wird besonders deutlich anhand des Subkonzepts 

Stelle, das neben den übrigen vier Subkonzepten wie ein Fremdkörper wirkt, aber zur Spezifizierung der Kompetenzen 

und Kompetenzausprägungen des Inhabers einer (organisatorischen) Stelle erforderlich erscheint. 

Die vorgenannten Systematisierungsmängel wurden in der KOWIEN-Ontologie jedoch nicht behoben, weil im Vordergrund der 

Projektdurchführung stand, den Sprachgebrauch der Praxispartner so aufzubereiten, wie er in ihrer täglichen Praxis beim Management 

von Kompetenzwissen tatsächlich stattfindet. In einer späteren Überarbeitung der KOWIEN-Ontologie erscheint es 

jedoch angezeigt, die Subkonzepte des Konzepts abstraktes_Denkobjekt strenger zu systematisieren.


Das Konzept subjektives_Attribut umfasst als Subkonzepte alle Attribute, die von vornherein so 

konzeptualisiert werden, dass die Feststellung ihrer Ausprägungen von der subjektiven Einschätzung 

eines Akteurs abhängt – und somit von Akteur zu Akteur variieren kann. In der KOWIEN- 

Ontologie werden drei Konzepte als subjektive Attribute ausgedrückt: 

Kompetenz :: subjektives_Attribut. 

Intensitaet :: subjektives_Attribut. 

Kompetenzprofil :: subjektives_Attribut. 

Das Konzept Kompetenz 173) ist ein charakteristisches Beispiel für subjektive Attribute, weil die Einschätzung 

der Kompetenz eines Akteurs wesentlich von subjektiven Urteilen der jeweils befragten 

Akteure abhängt. Darüber hinaus werden in die KOWIEN-Ontologie Intensitäten und Kompetenzprofile 

als weitere subjektive Attribute zugelassen. Auf die beiden letztgenannten Konzepte Intensitaet 

und Kompetenzprofil wird weiter unten zurückgekommen. Auf der ersten Stufe wird das Konzept 

Kompetenz in die Subkonzepte Fachkompetenz, Selbstkompetenz, Methodenkompetenz und Sozialkompetenz 

unterschieden: 

Fachkompetenz :: Kompetenz. 

Methodenkompetenz :: Kompetenz. 

Selbstkompetenz :: Kompetenz. 

Sozialkompetenz :: Kompetenz. 

Bei den Instanzen des Konzepts Kompetenz handelt es sich um formale Objekte, mit denen handlungsbefähigendes 

Wissen repräsentiert wird. Entsprechend der Unterteilung des Konzepts Kompetenz 

in die Subkonzepte Fachkompetenz, Methodenkompetenz, Sozialkompetenz und Selbstkompetenz 

wird die konzeptspezifische Instanzenmenge zum Konzept Kompetenz in vier zueinander disjunkte 

und jeweils subkonzeptspezifische Teilmengen unterteilt. 

Fachkompetenzen entsprechen der Fähigkeit eines Akteurs, seine fachspezifischen Kenntnisse und 

Fertigkeiten zu Handlungszwecken einzusetzen. Die Kenntnisse und Fertigkeiten können sich auf 

z.B. technische und kaufmännische Bereiche erstrecken. Somit werden beispielsweise Branchen-, 

Sprach- und IT-Kompetenzen als Subkonzepte von dem Konzept Fachkompetenz umfasst. 

Branchenkompetenz :: Fachkompetenz. 

Sprachkompetenz :: Fachkompetenz. 

IT-Kompetenz :: Fachkompetenz. 

juristische_Kompetenz :: Fachkompetenz. 

Produktkompetenz :: Fachkompetenz. 

Mandantenkompetenz :: Fachkompetenz. 

Methodenkompetenzen entsprechen der Fähigkeit eines Akteurs, seine instrumentellen Kenntnisse 

und Fertigkeiten zu Handlungszwecken einzusetzen. Enthalten sind hierin sowohl die Fähigkeit, 

motorische Verfahren durchzuführen, als auch Fähigkeiten zur Strukturierung und Darstellung von 

Informationen. 

173) Beim Konzept Kompetenz handelt es sich streng genommen um eine Kompetenzart; vgl. dazu die Anmerkungen in der Fußnote 

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 

des Verbundprojekts KOWIEN, denen diese Bezeichnung als zu umständlich erschien, wurde die einfacher anmutende Bezeichnung 

„Kompetenz“ gewählt.


Analysemethodenkompetenz :: Methodenkompetenz. 

Unternehmensbewertungskompetenz :: Methodenkompetenz. 

Wirtschaftsprüfungskompetenz :: Methodenkompetenz. 

Präsentationskompetenz :: Methodenkompetenz. 

Kreativitätsmethodenkompetenz :: Methodenkompetenz. 

Planungsmethodenkompetenz :: Methodenkompetenz. 

Investitionsmethodenkompetenz :: Methodenkompetenz. 

In Einzelfällen ist es äußerst schwierig, zwischen konkreten Methoden- und Fachkompetenzen zu 

differenzieren. Oftmals überschneiden sich die beiden Kompetenzbereiche. Beispielsweise kann die 

Kompetenz, das Ertragswertverfahren zu Zwecken der Unternehmensbewertung anwenden zu können, 

sowohl zu den Fach- als auch zu den Methodenkompetenzen gezählt werden. In solchen Fällen 

wurde in der KOWIEN-Wissensbasis die Möglichkeit der multiplen Instanziierung in Anspruch genommen. 

Dabei handelt es sich um eine Zuweisung desselben formalen Objektes als Instanz zu 

zwei (oder mehr) verschiedenen Konzepten. Formalsprachlich bereitet dies keine Probleme, da es 

der Vorgehensweise bei der „Weitergabe“ von Instanzen an Superkonzepte entspricht. 174) 

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 

das Konzept k 1 ein Superkonzept zum Konzept k 2 darstellt, wenn also k 2 :: k 1 gilt. Denn bei dieser Subkonzeptbeziehung 

k 2 :: k 1 mit dem Konzept k 1 als Superkonzept gilt – wie schon an früherer Stelle erläutert wurde – notwendig die Inklusionsbeziehung 

E 2 ⊆ E 1 zwischen den Extensionen der beiden involvierten Konzepte k 2 und k 1. Daher folgt aus ob ∈ E 2 unmittelbar 

auch ob ∈ E 1 als „Weitergabe“ der Instanz „ob“ vom untergeordneten Konzept k 2 an sein Superkonzept k 1. 

Im Fall der multiplen Instanziierung wird ein formales Objekt „ob“ beispielsweise sowohl der Extension E 2 des Konzepts k 2 als 

auch mindestens einer weiteren Extension E 1 eines anderen Konzepts k 1 zugeordnet. Dann kann das formale Objekt „ob“ als 

Komponente in Beziehungen aus Relationen enthalten sein, die auf unterschiedlichen Trägermengen definiert sind. Die beiden 

Konzepte k 1 und k 2 brauchen keineswegs in einer Sub- oder Superkonzeptbeziehung zueinander zu stehen, sondern können 

auch – direkte oder indirekte – Subkonzepte zu einem gemeinsam übergeordneten Subkonzept darstellen. Lediglich zur Vereinfachung 

der Argumentation wird im Folgenden davon ausgegangen, dass im Fall der multiplen Instanziierung der Konzepte k 1 

und k 2 durch das formale Objekt „ob“ das Konzept k 1 ein Superkonzept zum Konzept k 2 ist. Unter dieser Voraussetzung gilt 

zweierlei. Zunächst kann das formale Objekt „ob“ in seiner „Rolle“ als Instanz von Konzept k 2 „direkt“ als Komponente in Beziehungen 

(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 

der Subkonzeptbeziehung k 2 :: k 1 kann das formale Objekt „ob“ in seiner „Rolle“ als Instanz des Superkonzepts k 1 aber auch 

„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 

k 2 :: k 1 trifft die Inklusionsbeziehung E 2 ⊆ E 1 zu. Würde das formale Objekt „ob“ lediglich in seiner „Rolle“ als Instanz 

des Konzepts k 2 und ohne die Inklusionsbeziehung E 2 ⊆ E 1 zwischen den beiden konzeptspezifischen Extensionen E 2 und 

E 1 betrachtet werden, wäre ein solches Objekttupel (ob,ob y) ∈ r b ausgeschlossen, da die Extension E 2 mit ob ∈ E 2 überhaupt 

nicht als Trägermenge der Relation r b mit r b ⊆ E 1×E y definiert wäre. Die multiple Instanziierung von Konzepten ist insbesondere 

dann notwendig, wenn in einer Ontologie solche Konzepte spezifiziert sind, die zwar unterschiedliche „Denkeinheiten“ repräsentieren, 

sich aber in ihrer denotationalen Semantik dennoch auf dieselben (realen) Objekte beziehen. Ein anschauliches Beispiel 

wurde bereits von FREGE durch die unterschiedlich zu interpretierenden Konzepte Morgenstern und Abendstern vorgelegt. 

Sie weisen in ihren Extensionen beide nur (dieselbe formalsprachliche Repräsentation für) den Planeten Venus als einzige Instanz 

auf. Solche „äquivalenten Konzepte“ mussten zwar in der KOWIEN-Ontologie nicht berücksichtigt werden, da in den betrachteten 

Realitätsausschnitten kein solcher Fall beobachtet werden konnte. Jedoch wurde die multiple Instanziierung von 

Konzepten nicht ausgeschlossen, um die hier vorgelegte Konzeption zur Konstruktion von Ontologien von vornherein so flexibel 

zu gestalten, dass sie mit Sonderfällen der vorgenannten Art umzugehen vermag. 

Auch aus der konzeptuellen Datenmodellierung sind bislang wenige Fälle bekannt, in denen äquivalente Strukturierungseinheiten 

für die Modellierung betriebswirtschaftlich interessanter Realitätsausschnitte vorliegen. Einer der wenigen Hinweise auf 

solche Äquivalenzen findet sich in ORTNER (1997) S. 31 ff. unter der Bezeichnung „Äquipollenzen“. Beispielhaft werden dort 

die Konzepte Warenbestand und Lagerkonto aufgeführt. Während mit dem Konzept Warenbestand der Artikelbestand eines 

Unternehmens wertmäßig erfasst wird, ist das Konzept Lagerkonto auf die rein mengenmäßige Erfassung des Artikelbestands 

ausgerichtet. Das Beispiel ORTNERS leidet allerdings unter dem Umstand, dass z.B. das Lagerkonto von dem Warenbestand abweichen 

kann, wenn Fehlbuchungen, Schwund u.ä. vorliegen. Die Extensionen von Warenbestand und Lagerkonto brauchen 

nicht in allen „möglichen Welten“ miteinander übereinzustimmen. Für die Äquivalenz von Konzepten ist es dagegen notwendig, 

dass es keinen Zustand geben kann, in dem ihre Extensionen voneinander abweichen. Daher stellt das Beispiel von ORTNER 

streng genommen keinen Anwendungsfall äquivalenter Konzepte dar.


Selbstkompetenzen entsprechen den reflexiven Persönlichkeitsmerkmalen eines Akteurs, die er zu 

Handlungszwecken einsetzen kann. Reflexiv handelt ein Akteur dann, wenn er ein Bewusstsein über 

seine eigene Person aufbaut. Hierzu gehören Selbstvertrauen, -bewusstsein und -wertgefühl. Sozialkompetenzen 

entsprechen den kommunikativen, kooperativen und kompetitiven Persönlichkeitsmerkmalen 

eines Akteurs, die er zu Handlungszwecken einsetzen kann. Teamfähigkeit, Einfühlungsvermögen 

und Konfliktlösungsbereitschaft sind Beispiele hierfür. 

Analog zu der Überschneidung von Fach- und Methodenkompetenzen liegen auch oftmals zwischen 

Selbst- und Sozialkompetenzen Überschneidungen vor. Dies ist in der Regel dann der Fall, 

wenn eine bestimmte Kompetenz sowohl im intrapersonellen als auch im interpersonellen Bereich 

Bedeutung hat. Selbstbewusstsein ist beispielsweise ein Persönlichkeitsmerkmal, das sich oftmals 

auch in den zwischenmenschlichen Handlungsmustern eines Akteurs widerspiegelt. 

Das Konzept Intensitaet dient dazu, die Messskala festzulegen 175) , auf der sich unterschiedliche 

Ausprägungen einer Kompetenz feststellen und hinsichtlich ihrer Ausprägungsstärke („Intensität“) 

miteinander vergleichen lassen. Die Eigenarten einer solchen Messskala bestimmen den Informationsgehalt, 

d.h. die „Granularität“ oder die „Differenziertheit“ des Vergleichs zwischen Kompetenzausprägungen. 

Für den Anwendungskontext des Verbundprojekts KOWIEN reicht es aus, in relativ 

grober Weise nur zwischen nominalen, ordinalen und kardinalen Messskalen zu unterscheiden. 176) 

nominal_skalierte_Intensitaet :: Intensitaet. 

ordinal_skalierte_Intensitaet :: Intensitaet. 

kardinal_skalierte_Intensitaet :: Intensitaet. 

Mit dem Konzept nominal_skalierte_Intensitaet werden solche Kompetenzausprägungen als Instanzen 

177) erfasst, die sich lediglich hinsichtlich ihrer Übereinstimmung (oder Nichtübereinstimmung) 

miteinander vergleichen lassen. Dazu gehören z.B. Instanzen wie „Kompetenz vorhanden“ und 

„Kompetenz nicht vorhanden“. Eine Rangfolge von Kompetenzausprägungen lässt sich damit nicht 

begründen, wenn von der trivialen Ausnahme abgesehen wird, dass eine vorhandene Kompetenz 

eine „höhere“ Kompetenzausprägung als eine nicht vorhandene Kompetenz aufweist. 

175) Dabei wird der Begriff „Intensität“ in einem weiteren Verständnis verwendet, als es sonst üblich ist. In der Regel werden nämlich 

Intensitäten mit mindestens ordinal skalierten Merkmalsausprägungen assoziiert. Stattdessen wird hier das Konzept Intensitaet 

als Superkonzept zu allen Konzepten verwendet, die Messskalen ausdrücken, also z.B. auch für das Konzept von lediglich 

nominal skalierten Merkmalsausprägungen. 

176) Das vielfältigere Differenzierungspotenzial der Messtheorie, das z.B. auch noch zwischen Absolut-, Verhältnis- und Intervallskalen 

unterscheidet, wird somit nicht ausgeschöpft. Auf solche Differenzierungen konnte im Projektkontext verzichtet werden, 

weil weder im Produkt- noch im Service-Engineering-Szenario ein praktisch relevanter Anwendungsfall für diese differenziertere 

Betrachtungsweise identifiziert werden konnte. 

177) Spätestens an dieser Stelle der KOWIEN-Ontologie tritt der „Sündenfall“ ein, durch den die Ebene einer Ontologie im engeren 

Sinne verlassen wird. Denn Instanzen gehören aufgrund der o.a. Festlegungen nicht mehr zu einer Ontologie im engeren Sinn, 

die nur Konzepte und Relationen über diesen Konzepten umfasst, sondern zu einer Ontologieerweiterung und somit zu einer 

Ontologie im weiteren Sinn oder – synonym – einer partiell interpretierten Ontologie. Daher spielt die Bezugnahme auf Kompetenzausprägungen 

– zumindest im Rahmen der KOWIEN-Ontologie – eine zentrale Rolle für die Demarkation zwischen einer 

Ontologie im engeren Sinne und einer partiell interpretierten Ontologie. Alle Inferenzregeln (oder auch Integritätsregeln), 

die sich auf Kompetenzausprägungen beziehen, müssen folglich den Geltungsbereich einer Ontologie im engeren Sinne übersteigen 

und zu einer partiell interpretierten Ontologie gehören. Dies erklärt, warum oben (vgl. S. 460 ff.) anlässlich der Erläuterung 

prädikatenlogischer Grundlagen in der einen Inferenzregel, die auf die Kompetenzausprägung „Anfänger“ Bezug nahm, 

der Rahmen einer Ontologie im engeren Sinne „gesprengt“ wurde (vgl. insbesondere S. 462).


Das Konzept ordinal_skalierte_Intensitaet umfasst solche Instanzen, die paarweise zueinander in 

einem Ordnungsverhältnis stehen. Die jeweiligen Instanzen lassen sich demnach nicht nur hinsichtlich 

ihrer Gleichheit, sondern auch hinsichtlich ihrer Anordnung miteinander vergleichen. Dadurch 

ist es möglich, eine Rangfolge der Kompetenzausprägungen aufzustellen, und zwar auch dann, 

wenn es zu einer Kompetenz mehr als nur zwei Kompetenzausprägungen gibt. 178) 

Das Konzept kardinal_skalierte_Intensitaet betrifft schließlich solche Instanzen, die nicht nur in einem 

paarweisen Ordnungsverhältnis zueinander stehen, sondern auch einen wohldefinierten Abstand 

der Kompetenzausprägungen aufweisen. Damit wird es im Fall kardinal skalierter Intensitäten 

möglich, auch Differenzen zwischen jeweils zwei Kompetenzausprägungen miteinander zu vergleichen. 

Für die KOWIEN-Ontologie ist nur das Konzept ordinal_skalierte_Intensitaet von Bedeutung. Es 

umfasst alle Instanzen, die zur Erfassung von Kompetenzausprägungen für ein Kompetenzmanagementsystem 

benötigt werden. Es handelt sich dabei zum einen um die Instanzen Neuling, Anfaenger, 

Problemloeser, Erfahrener und Experte. 179) Diese Kompetenzausprägungen sind allerdings 

dann nicht geeignet, wenn die Kompetenzausprägung eines Akteurs bezüglich einer Selbst- oder 

Sozialkompetenz spezifiziert werden soll. Beispielsweise würde es eigentümlich anmuten, einen 

Akteur als „Experten“ hinsichtlich der Kompetenzart „Flexibilität“ zu einzustufen. Um „natürlicher“ 

anmutende Kompetenzaussagen spezifizieren zu können, wurden daher zum anderen auch die 

Instanzen sehr_niedrig, niedrig, mittel, hoch und sehr_hoch in die Wissensbasis aufgenommen. 

Darüber hinaus wird die Instanz unbekannt ergänzt, um über ein sprachliches Ausdrucksmittel zu 

verfügen, auch das Nichtwissen hinsichtlich der Ausprägung einer Kompetenz bei einem Akteur 

formalsprachlich explizit darstellen zu können. 

Kompetenzauspraegung :: ordinal_skalierte_Intensitaet. 

unbekannt : Kompetenzauspraegung. 

Neuling : Kompetenzauspraegung. 

Anfaenger : Kompetenzauspraegung. 

Problemloeser : Kompetenzauspraegung. 

Erfahrener : Kompetenzauspraegung. 

Experte : Kompetenzauspraegung. 

sehr_niedrig : Kompetenzauspraegung. 

niedrig : Kompetenzauspraegung. 

mittel : Kompetenzauspraegung. 

hoch : Kompetenzauspraegung. 

sehr_hoch : Kompetenzauspraegung. 

178) Der triviale Fall von nur zwei Kompetenzausprägungen ist bereits bei nominal skalierten Kompetenzausprägungen gegeben, da 

sich dort – wie oben ausgeführt – zwischen vorhandenen und nicht vorhandenen Kompetenzen unterscheiden lässt. 

179) Die fünf Instanzen für Stufen unterschiedlicher Kompetenzausprägung wurden „praxisnah“ in Abstimmung mit den Praxispartnern 

des Verbundprojekts KOWIEN gebildet. Für diese Ausprägungsstufen spricht, dass sie von Unternehmensmitgliedern unmittelbar 

intuitiv nachvollzogen werden können. Vgl. zu ähnlichen Ausprägungsstufen für Kompetenzen beispielsweise 

STOCKMANN (2004) S. 25 (mit nur drei Ausprägungsstufen „Kenner“, „Könner“ und „Experte“). Allerdings wird eingeräumt, 

dass die nachfolgenden Charakterisierungen der fünf Kompetenzausprägungen (vgl. S. 492 f.) „diskussionswürdig“ sind, weil 

die jeweils charakterisierungsrelevanten Merkmale von Stufe zu Stufe variieren und daher keine strenge Systematik für die Stufenabgrenzungen 

zur Verfügung stellen können. Vgl. dagegen zu Konzepten für eine streng systematische Messung von Kompetenzausprägungen 

auf unterschiedlichen Skalenniveaus GÜTTLER/VON BELOW/ZÜLCH (1979) S. 11 ff.


Die Instanzen der Kompetenzausprägungen sind in der voranstehenden Reihenfolge entsprechend 

ihrer intuitiven Bedeutung zueinander angeordnet. 180) Jeder der oben angeführten natürlichsprachlichen 

Instanzen zur Erfassung von Kompetenzausprägungen kann mittels zweier Funktionen genau 

ein numerischer Wert als äquivalente Instanz zugeordnet werden. 181) Dadurch ist es möglich, die 

„numerisch übersetzten“ Kompetenzausprägungen auch für arithmetische Operationen zugänglich 

zu machen. Beispielsweise werden dadurch Matching-Operationen ermöglicht, die den Eignungs- 

180) Mit zunehmender Kompetenzausprägung nimmt beispielsweise der Anteil an tazitem Wissen tendenziell zu, auf das ein Akteur 

bei seinen Handlungen zurückgreift. 

181) Beispielsweise lassen sich als Zuordnungen realisieren: 

unbekannt → 0 

Neuling → 1 ← sehr_niedrig 

Anfaenger → 2 ← niedrig 

Problemloeser → 3 ← mittel 

Erfahrener → 4 ← hoch 

Experte → 5 ← sehr_hoch 

Für jede Zuordnung zwischen einer numerischen Kompetenzausprägung und den entsprechenden natürlichsprachlichen Kompetenzausprägungen 

sind eine Inferenz- und drei Integritätsregeln notwendig. Die Inferenzregel sorgt dafür, dass aus Kompetenzaussagen, 

die einer Kompetenz und einem Akteur eine natürlichsprachliche Kompetenzausprägung zuweisen, auf die entsprechende 

numerische Kompetenzausprägung (Kompetenzwert) für dieselbe Kompetenz und denselben Akteur geschlossen 

werden kann. Die Integritätsregeln stellen hingegen sicher, dass in jeder zulässigen Wissensrepräsentation nur solche Kompetenzaussagen 

vorkommen, in denen die o.a. Zuordnungen zwischen numerischen Kompetenzausprägungen einerseits und alternativen 

natürlichsprachlichen Kompetenzausprägungen andererseits nicht verletzt werden. Dies wird exemplarisch anhand der 

natürlichsprachlichen Kompetenzausprägungen Anfaenger und niedrig aufgezeigt, denen als äquivalente numerische Kompetenzausprägung 

(Kompetenzwert) die Zahl 2 zugeordnet ist. Hierfür lauten: 

a) die Inferenzregel zur Ableitung der entsprechenden numerischen Kompetenzausprägung: 

∀X 1,X 2,X 3: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2; 

betrifft_Akteur -> X 3; 

beinhaltet_Kompetenzauspraegung ->> Anfaenger] OR 

X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2; 


beinhaltet_Kompetenzauspraegung ->> niedrig] 

→ X 1:Kompetenzaussage [beinhaltet_Kompetenzauspraegung ->> 2]. 

b) die Integritätsregeln zur Sicherstellung der Entsprechung zwischen den natürlichsprachlichen und den 

numerischen Kompetenzausprägungen: 

b.1) ∀X 1,...,X 4: X 1:Kompetenzaussage [beinhaltet_Kompetenz -> X 2; 


beinhaltet_Kompetenzauspraegung ->> {Anfaenger,X 4}] 

→ X 4=niedrig OR X 4=2. 



beinhaltet_Kompetenzauspraegung ->> {niedrig,X 4}] 

→ X 4=Anfaenger OR X 4=2. 



beinhaltet_Kompetenzauspraegung ->> {2,X 4}] 

→ X 4=Anfaenger OR X 4=niedrig. 

Für den Fall der natürlichsprachlichen Kompetenzausprägung „unbekannt“ und den zugehörigen numerischen Kompetenzwert 

0 kann die Inferenzregel unter a) als Bijugat formuliert werden.


wert eines Akteurs mit einem bestimmten Ist-Kompetenzprofil für eine Stelle hinsichtlich ihres 

Soll-Kompetenzprofils ermitteln. 182) 

Die erste Stufe der Kompetenzausprägungen ist der Neuling. Der Neuling zerlegt ein ihm gestelltes 

Problem in kontextfreie Teile. Dadurch, dass er wenige allgemeine Regeln beherrscht, ist er in seinem 

Handeln sehr langsam. Das Wissen, das ein Neuling für die Bewältigung eines Problems benötigt, 

ist in der Regel durchgehend explizit vorhanden. Dadurch lässt sich die Handlungsweise eines 

Neulings mit der algorithmischen Funktionsweise eines informationsverarbeitenden Systems vergleichen. 

Der Anfänger weist die Fähigkeit auf, situative Aspekte in sein Handeln einzubinden. Er lernt aus 

realen Situationen und kann seine Kompetenzen ausbauen. Die Umstände, unter denen ein Problem 

gegeben ist, das der Anfänger zu lösen hat, fließen im Gegensatz zum Neuling in die Lösungsansätze 

des Anfängers ein. 

Der Problemlöser ist flexibel in seinem Handeln, da er die Gesamtsituation überblickt und Strategien 

zur Problemlösung entwickeln kann. Die Handlungen eines Problemlösers sind insbesondere 

dadurch gekennzeichnet, dass er ein komplexes Problem situationsabhängig in Teilprobleme zu 

unterteilen vermag, bevor er die Lösung des Gesamtproblems angeht. Somit ist die Fähigkeit zur 

Komplexitätsreduktion ein wesentliches Merkmal dieser Kompetenzausprägung. 

182) Auf diese Matching-Möglichkeit zwischen Ist- und Soll-Kompetenzprofilen in Kompetenzmanagementsystemen wird in einem 

weiteren Beitrag näher eingegangen; vgl. dazu Kapitel 2.5 auf S. 537 ff., insbesondere S. 553 ff. 

Allerdings lässt sich darüber streiten, ob die Zuordnung numerischer Kompetenzausprägungen zu natürlichsprachlichen Kompetenzausprägungen 

in einer (partiell interpretierten) Ontologie erstrebenswert ist. Für diese Vorgehensweise spricht, dass sich 

mittels der numerischen Kompetenzausprägungen später – an anderen Stellen außerhalb der Ontologie – leicht rechnen lässt, 

wie z.B. im Fall der oben angesprochenen Matching-Operationen. Jedoch erweist sich als fraglich, ob solche nachgelagerten 

Verwertungsoptionen überzeugende Argumente für die formalsprachliche Erfassung von Kompetenzausprägungen innerhalb 

einer (partiell interpretierten) Ontologie darstellen. Zumindest zwei Gründe sprechen gegen diese Vorgehensweise. Erstens 

suggerieren numerische Kompetenzausprägungen ein kardinales Skalenniveau, das von Kompetenzausprägungen im Allgemeinen 

nicht erfüllt wird. Die numerischen Kompetenzausprägungen sind daher zumindest missverständlich, wenn nicht gar unangemessen 

formuliert. Zweitens sollten in einer Ontologie aufgrund des Prinzips „minimaler ontologischer Commitments“ (hier 

übertragen auf eine partiell interpretierte Ontologie) keine Festlegungen über das hinaus erfolgen, was an sprachlichen Ausdrucksmitteln 

zur Repräsentation eines Realitätsausschnitts als unbedingt erforderlich erscheint. Für die ordinale Abstufung von 

Kompetenzausprägungen reichen die o.a. natürlichsprachlichen Instanzen vollkommen aus. Ob diesen Instanzen jedoch die 

numerischen Kompetenzausprägungen „0“ (für unbekannt) und „1“ bis „5“ zugeordnet werden, ist letztlich eine willkürliche 

und seitens des repräsentierten Realitätsausschnitts in keiner Weise determinierte Entscheidung. Beispielsweise würde die 

Rangfolge zwischen den natürlichsprachlichen Instanzen ebenso durch die Zuordnung der numerischen Kompetenzausprägungen 

„0“ (für unbekannt) und „100“ bis „1.000“ oder auch „-1“ (für unbekannt) und „1/5“ bis „1“ wiedergegeben werden können. 

Aufgrund dieser willkürlichen Ermessensspielräume halten es die Verfasser für angezeigt, auf solche „artifiziellen“ numerischen 

Kompetenzausprägungen in einer (partiell interpretierten) Ontologie grundsätzlich zu verzichten. Stattdessen reicht es 

vollkommen aus, die Rangfolge der natürlichsprachlichen Kompetenzausprägungen mittels einer zweistelligen Ordnungsrelation 

anzugeben, wie etwa derart, dass die Instanz Neuling eine niedrigere Kompetenzausprägung als die Instanz Anfaenger darstellt. 

Diese Ordnungsrelation könnte dann später in nachgelagerten Berechnungen, wie etwa den o.a. Matching-Operationen, in 

berechnungsspezifisch gültige, numerische Kompetenzausprägungen „übersetzt“ werden. Dies ließe den Spielraum, für jeden 

Berechnungszweck eine zweckentsprechende numerische Übersetzung der natürlichsprachlichen Kompetenzausprägungen 

wählen zu können, und würde zugleich verhindern, die (partiell interpretierte) Ontologie mit nicht-notwendigen numerischen 

Commitments zu belasten. 

Trotz der vorgenannten Vorbehalte wurde im Verbundprojekt KOWIEN aufgrund eines Wunsches der Praxispartner der Weg 

eingeschlagen, bereits in der Ontologie selbst mit numerischen Kompetenzausprägungen zu arbeiten. Dies musste im Interesse 

einer breiten Akzeptanz der KOWIEN-Ontologie unter den Praxispartnern akzeptiert werden, obwohl dadurch das Prinzip „minimaler 

ontologischer Commitments“ verletzt wurde.


Der Erfahrene kann auf – für die Problemlösung relevantes – Wissen zurückgreifen und seine Entscheidungen 

dementsprechend konsolidieren. Dadurch, dass er Analogien zwischen dem aktuellen 

Problem und Problemen, mit denen er in der Vergangenheit konfrontiert wurde, erkennen kann, hat 

er mögliche Lösungsmuster vor Augen. Diese Lösungsmuster erleichtern dem Erfahrenen den Umgang 

mit Problemen, da er nicht bei jeder neuen Problemstellung von neuem beginnen muss, einen 

Lösungsansatz zu entwickeln. 

Der Experte handelt zielbewusst, ohne einen rationalen Entscheidungsprozess zu durchlaufen. Sein 

Handeln erfolgt „instinktiv“. Das Wissen, das der Experte für die Lösung eines Problems heranzieht, 

ist oftmals zu einem Großteil taziter Natur. Der Experte führt oftmals Handlungen durch, die 

keinem von außen unmittelbar ersichtlichen Handlungsprofil folgen. 

Neben dem Konzept Kompetenz stellt das Konzept Aussage das zweite zentrale Konzept dar, das im 

Verbundprojekt KOWIEN für ontologiebasierte Kompetenzmanagementsysteme spezifiziert wurde. 

Das Konzept Aussage wird in der KOWIEN-Ontologie als „artifizielle Krücke“ benötigt, weil die 

Repräsentationssprache F-Logic aufgrund interner Beschränkungen nur in der Lage ist, (höchstens 

183) ) zweistellige prädikatenlogische 184) Formeln darzustellen. 185) Dieselbe Beschränkung auf 

zweistellige Formeln gilt auch für die Inferenzmaschine OntoBroker, die es ermöglicht, aus Wissen, 

das in F-Logic repräsentiert ist, Schlussfolgerungen mittels prädikatenlogischer Inferenzregeln zu 

ziehen. 186) 

183) Im Normalfall werden in F-Logic und zahlreichen anderen Repräsentationssprachen zweistellige Formeln – oder deren Äquivalente 

(wie die Relationen, die in der übernächsten Fußnote angesprochen werden) – zur objektsprachlichen Wissensrepräsentation 

verwendet. Dies schließt jedoch nicht aus, auch einstellige Formeln zu benutzen. Sie werden in F-Logic weniger offensichtlich, 

als es für zweistellige Formeln mittels Relationen der Fall ist, aber im Ergebnis ebenso äquivalent durch Konzepte 

repräsentiert. Denn jede einstellige prädikatenlogische Formel F(x) lässt sich in eine äquivalente F-Logic-Aussage der Form 

x : X transformieren (und umgekehrt), indem für alle Individuen x aus der Instanzenmenge I vereinbart wird: das Individuum x 

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 

X F genau alle Individuen x umfasst, die Instanzen des Konzepts X F sind, lässt sich die voranstehende Äquivalenz auch so 

wiedergeben: das Individuum x ist eine Instanz des Konzepts X F – also x ∈ E X/F – genau dann, wenn F(x) eine gültige Formel 

darstellt. Folglich sind die Extensionen des Konzepts X F und der einstelligen prädikatenlogischen Formel F dieselbe Menge von 

Instanzen aus der Trägermenge I. 

184) Im hier erörterten Kontext sind stets objektsprachliche Formeln gemeint. 

185) Streng genommen werden in F-Logic unmittelbar überhaupt keine Formeln in der üblichen prädikatenlogischen Notation dargestellt. 

Vielmehr greift F-Logic auf zweistellige Relationen als grundlegendes Ausdrucksmittel (neben Konzepten) zurück. Allerdings 

lässt sich jede zweistellige prädikatenlogische Formel F(X 1,X 2) in eine äquivalente zweistellige Relation r F ⊆ I × I 

transformieren (und umgekehrt), indem für alle Individuen X 1,X 2 aus der Instanzenmenge I vereinbart wird: (X 1,X 2) ∈ r F trifft 

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 

Menge von Paaren (X 1,X 2) aus dem kartesischen Produkt I × I der Trägermenge I. Daher bereitet es keine Schwierigkeiten, jede 

zweistellige prädikatenlogische Formel durch eine äquivalente zweistellige Relation in F-Logic zu „rekonstruieren“. 

186) Die Inferenzmaschine OntoBroker ist bei genauer Betrachtung ihres Inferenzvermögens nicht in allen Fällen auf (höchstens) 

zweistellige prädikatenlogische Formeln (oder deren Äquivalente, wie in der voranstehenden Fußnote erläutert) beschränkt. 

Stattdessen ist es möglich, mittels eines so genannten „Parameters“ („@“) auch prädikatenlogische Formeln mit mehr als zwei 

Stellen zu verarbeiten. Dies betrifft nicht nur dreistellige, sondern beliebige n-stellige Formeln mit n ≥ 3. Vgl. zu dieser „parametrischen“ 

Erweiterungsmöglichkeit von zweistelligen auf Formeln mit mehr als zwei Stellen ANGELE/LAUSEN (2004) S. 38 in 

Verbindung mit S. 33 f.; ANGELE/STAAB/SCHNURR (2003) S. 4 f.; ONTOPRISE (2001) S. 3 f.; ONTOPRISE (2003c) S. 4 f. u. 10. 

Allerdings ließ sich diese Option im Verbundprojekt KOWIEN aus zwei Gründen nicht auf benutzerfreundliche Weise nutzen. 

Erstens stellt die Verwendung des „Parameters“ eine formalsprachliche „Krücke“ dar. Sie erlaubt z.B. nicht, die drei Stellen 

einer dreistelligen Formel gleichartig zu repräsentieren, sondern zwingt den Ontologiedesigner dazu, für eine dieser drei Stellen 

eine artifiziell anmutende, kontraintuitive Darstellungsweise zu benutzen. Zweitens – und das war für das KOWIEN-Team ausschlaggebend 

– wird das „Parameter“-Konstrukt zwar von der Inferenzmaschine OntoBroker, allerdings nicht von dem Ontologie-Editierwerkzeug 

OntoEdit unterstützt. Daher ist für die Konstruktion von „parametrischen“ F-Logic-Formeln die „manuel-


Dieses Defizit von F-Logic – und der (u.a.) darauf aufbauenden Inferenzmaschine OntoBroker – 

wird dadurch bereinigt, dass prädikatenlogische Formeln, die in ihrer „natürlichen“ Form drei – 

oder mehr 187) – Stellen im Argument aufweisen müssten, reifiziert („verdinglicht“) 188) werden. Reifizierung 

bedeutet, dass ein sprachliches Konstrukt, das „eigentlich“ zur Konzeptebene gehört, formalsprachlich 

so behandelt wird, als ob es sich um ein einzelnes formales Objekt (ein „Ding“) und 

somit um ein prädikatenlogisches Individuum auf der Instanzenebene handeln würde. Aus einem 

sprachlichen Konstrukt, das auf der Konzeptebene eine mengenwertige Extension besitzen würde, 

189) wird so auf der Instanzenebene ein schlichtes Element aus der Menge aller Instanzen. Durch 

Reifizierung erfolgt also ein „Downsizing“ der Sprachebenen von der Konzept- auf die Instanzenebene. 

Dadurch wird die Konzeptebene in metaphorischer Redeweise „platt gedrückt“, d.h. auf die 

Ebene der Instanzen reduziert. 190) 

Der „Vorzug“ 191) der Reifizierung besteht im Allgemeinen darin, metasprachliche Ausdrücke zu 

vermeiden und sie „bedeutungserhaltend“ 192) auf die Ebene objektsprachlicher Ausdrücke zu transformieren. 

Metasprachliche Ausdrücke werden beispielsweise in der Prädikatenlogik 2. Stufe ver- 

le“ Spezifikation mithilfe eines konventionellen Text-Editors notwendig. Solche Formeln lassen sich zwar in der Regel durch 

den OntoBroker korrekt verarbeiten, können aber in OntoEdit nicht editiert werden. Wegen dieser erheblichen Editierungsmängel 

in Softwareprodukten der „Onto“-Familie wurde im Verbundprojekt KOWIEN auf die Verwendung von Formeln mit drei 

oder mehr Stellen verzichtet. 

Vgl. zu weiteren Ansätzen, die ebenso eine Spezifizierung von n-stelligen Formeln mit n ≥ 3 gestatten, BENJAMIN ET AL. (1994) 

S. 72 f. (in Bezug auf IDEF5); ERDMANN (2002) S. 14 (bezüglich der OntoEdit-spezifischen Ontologiesprache OXML); MEL- 

NIK/DECKER (2000) S. 10 (u.a. in Bezug auf das Ontologie-Werkzeug SHOE); ONTOPRISE (2001) S. 7; ONTOPRISE (2003c) S. 

10; O.V. (o.J.) S. 9 (nur andeutungsweise). 

187) Die nachfolgend skizzierte Reifizierungstechnik wurde so ausgelegt, dass sie sich auf prädikatenlogische Formeln beliebiger 

Stelligkeit anwenden lässt. Reifizierungsrelevant sind allerdings nur Formeln mit mehr als zwei Stellen, weil sich ein- und 

zweistellige Formeln in F-Logic unmittelbar repräsentieren und auch mittels der Inferenzmaschine OntoBroker unmittelbar verarbeiten 

lassen, um Schlussfolgerungen durchzuführen. 

188) Vgl. zu Reifizierungen AKINMUNMI (2000) S. 298 ff. (im Rahmen prädikatenlogischer Wissensrepräsentationen); BADEA (1997) 

S. 142 ff.; CHAMPIN (2001) S. 12 f.; CONEN/KLAPSING/KÖPPEN (2002) S. 1 ff. (mit einer ausführlichen Diskussion und „genesteten“ 

Ersatzkonstruktion für Reifizierungen in RDF); HUNT (1994) S. 228 f. („Reification implies treating an abstraction as 

having a real existence in the same sense that a thing exists ... it is ... the fallacy of taking abstractions and regarding them as 

actual existing entities ...“); KENT (2000) S. 155 ff.; KLAPSING (2003) S. 73 f. u. 145; MCBRIDE (2004) S. 62; MELNIK/DECKER 

(2000) S. 8 f.; NOY/HAFNER (1997) S. 72; O.V. (o.J.) S. 20 (mit den Wortspielen „framify“ und „thingify“); WELTY/FERRUCI 

(1999) S. 18 ff. 

189) Dazu gehören Konzepte, Relationen und Prädikate (Formeln). 

190) Aus „sprachästhetischer“ Perspektive stellt die Reifizierung eine höchst problematische Vorgehensweise dar, weil sie zwei 

wohlunterschiedene Sprachebenen miteinander vermengt. Darauf wird später zurückgekommen. Zunächst wird motiviert, warum 

Reifizierungen in prädikatenlogisch basierten (und objektorientierten) Wissensrepräsentationen oftmals Einsatz finden. 

191) Die Gründe, die hier zur distanzierenden Verwendung von Anführungszeichen veranlassen, werden in Kürze näher erläutert. 

192) Es ist ein schwieriges Unterfangen, inhaltlich präzise diejenigen Bedingungen festlegen zu wollen, die erfüllt sein müssten, um 

von einer Bedeutungserhaltung gerechtfertigt sprechen zu dürfen. Einer der Verfasser hat sich an anderer Stelle mit den 

Schwierigkeiten, den Begriff der Bedeutungserhaltung zu operationalisieren, im Kontext des empirischen Gehalts realwissenschaftlicher 

Theorien ausführlicher befasst; vgl. ZELEWSKI (1993a) S. 404 ff. Vgl. auch in diesem Werk die Ausführungen des 

Kapitels 1.3.1.1.2 auf S. 134 ff. zu der Problematik, bedeutungserhaltende Übersetzungen zwischen Wissensbeständen oder 

Theorien zu leisten. Die dort aufgezeigten Operationalisierungsprobleme lassen es als aussichtslos erscheinen, die Frage der 

Bedeutungserhaltung im hier vorgelegten Beitrag zufrieden stellend zu beantworten. Daher begnügen sich die Verfasser hier 

damit, in einer sehr groben, intuitiven Weise von der Bedeutungserhaltung eines Formelsystems zu sprechen, wenn die Schlussfolgerungen, 

die sich aus diesem Formelsystem mittels prädikatenlogischer Inferenzen ziehen lassen, durch ein anderes, „äquivalentes“ 

Formelsystem nicht verändert werden. Bedeutungserhaltung in Bezug auf ein Formelsystem wird also auf die Invarianz 

seiner deduktiven Hülle zurückgeführt.


wendet, um Aussagen über Eigenschaften von objektsprachlichen Relationen und Aussagen über 

Eigenschaften von objektsprachlichen Prädikaten (Formeln) zu treffen. 193) Zu solchen metasprachlichen 

Aussagen über Relationseigenschaften gehören z.B. Feststellungen, dass sich objektsprachliche 

Relationen transitiv oder symmetrisch verhalten. Eine metasprachliche Aussage über Prädikate 

kann z.B. dazu benutzt werden, um die Zuverlässigkeit auszudrücken, mit der das betroffene Prädikat 

für gültig erachtet wird. 194) Solche metasprachlichen Ausdrücke gelten jedoch als kompliziert – 

und die Prädikatenlogik 2. Stufe führt in ihrer formalen Semantik zu Komplikationen, 195) die sich 

durch eine Beschränkung auf die objektsprachlichen Ausdrücke der Prädikatenlogik 1. Stufe vermeiden 

lassen. Daher besteht der „epistemische Trick“ der Reifizierung darin, Ausdrücke der Konzeptebene 

(wie Konzepte, Relationen und Prädikate/Formeln) als prädikatenlogische Individuen auf 

der Instanzenebene zu behandeln. Diesen Individuen können dann mittels objektsprachlicher Aussagen 

Eigenschaften zugeschrieben werden; oder es können mittels objektsprachlicher Aussagen 

Beziehungen zwischen diesen Individuen ausgedrückt werden. Auf diese Weise wird es möglich, 

metasprachliche Aussagen der Konzeptebene über Eigenschaften von Relationen und Prädikaten 

durch objektsprachliche Aussagen für „relations-“ bzw. „prädikatsartige“ Individuen auf der Instanzenebene 

zu ersetzen. 

Aus den vorgenannten Gründen mag es nicht überraschen, dass in prädikatenlogisch basierten Wissensrepräsentationssprachen, 

wie sie für die Konstruktion von Ontologien (und auch andere Formen 

Wissensbasierter Systeme) verwendet werden, nach Kenntnis der Verfasser die Spezifikation metasprachlicher 

Ausdrücke weit gehend vermieden wird. Abgesehen von einigen „voreingestellten“ 

metasprachlichen Konstrukten, wie etwa den metasprachlichen Relationen „=>“, „=>>“, „->“ und 

„->>“ in F-Logic, werden keine frei definierbaren metasprachlichen Ausdrücke zugelassen. Stattdessen 

wird mittels ausdrücklicher oder – sogar überwiegend – impliziter Reifizierung metasprachlicher 

Ausdrücke erreicht, dass das relevante Wissen nahezu umfassend 196) mit objektsprachlichen 

Ausdrücken repräsentiert wird. Dadurch wird das „Handling“ des repräsentierten Wissens erheblich 

vereinfacht, weil sich auf alle objektsprachlichen Ausdrücke sowohl Inferenz- als auch Integritätsregeln 

– sowie andere, hier nicht näher thematisierte Analysetechniken 197) – in derselben Weise anwenden 

lassen. Der „epistemische Preis“ dieser Vereinfachungen besteht jedoch darin, dass der 

193) In dieser Argumentation wird expressis verbis nur noch auf Relationen und Prädikate (Formeln) Bezug genommen, weil für sie 

Reifizierungen am häufigsten verwendet werden. Ebenso möglich, aber in praxi selten anzutreffen sind Reifizierungen von 

Konzepten. Daher wird im Folgenden auf Konzepte nicht mehr explizit eingegangen. 

194) Am Rande sei erwähnt, dass sich auch alle prädikatenlogischen Inferenzregeln als metasprachliche Ausdrücke aus einer Prädikatenlogik 

2. Stufe auffassen lassen. Denn in den Inferenzregeln wird über alle objektsprachlichen Formeln der Prädikatenlogik 

1. Stufe „quantifiziert“ und festgelegt, welche Konklusions-Formeln sich aus welchen Antezedenz-Formeln ableiten lassen. Das 

„Ableitbarkeitsprädikat“ stellt daher einen metasprachlichen Ausdruck 2. Stufe dar, das sich in seinen Argumenten auf objektsprachliche 

Formeln als Ausdrücke 1. Stufe bezieht. 

Wie an dem voranstehenden Beispiel verdeutlicht, sind metasprachliche Aussagen nicht auf Eigenschaften von Relationen und 

Prädikaten (oder auch Konzepte, die hier nicht explizit thematisiert wurden) beschränkt. Vielmehr können sich metasprachliche 

Aussagen auch auf Beziehungen zwischen Relationen oder zwischen Prädikaten erstrecken, wie es etwa für die o.a. Ableitbarkeitsbeziehung 

zwischen Formeln der Fall ist. Nur der Übsichtlichkeit halber wird die Erläuterung der Reifizierung auf den besonders 

anschaulichen Fall metasprachlicher Eigenschaften von Relationen und Prädikaten beschränkt. 

195) Vgl. zu solchen Komplikationen der Prädikatenlogik 2. Stufe EBBINGHAUS/FLUM/THOMAS (1992) S. 157 ff. 

196) Ausgenommen bleiben die zuvor erwähnten „voreingestellten“ metasprachlichen Konstrukte. 

197) In diesem Zusammenhang lassen sich z.B. Implementierungen des ATMS-Konzepts vorstellen, um die „Wahrheitsverwaltung“ 

von Formelsystemen zu unterstützen, die auf kontingenten Prämissen beruhen. Das ATMS-Konzept wurde bereits kurz in der 

Fußnote 93 auf S. 459 angesprochen.


mehrstufige Aufbau sprachlicher (Formel-) Systeme verloren geht. Darauf wird in Kürze zurückgekommen. 

Zunächst gilt es, die besondere Art der Reifizierung 198) zu erläutern, die der KOWIEN-Ontologie 

zugrunde liegt. Denn die Reifizierung erfolgte im Verbundprojekt KOWIEN keineswegs in der Absicht, 

grundsätzlich metasprachliche in objektsprachliche Ausdrücke zu transformieren. Vielmehr 

wurde kein anderer Ausweg gesehen, als auf das Hilfsmittel der Reifizierung zurückzugreifen, um 

folgende domänenspezifische Diskrepanz zu überwinden: 

• Objektsprachliche (Kompetenz-) Aussagen darüber, dass ein Akteur (als Kompetenzträger) eine 

Kompetenz(art) in einer bestimmten Ausprägung (Kompetenzausprägung) aufweist, 199) stellen 

bei „natürlicher“ formalsprachlicher Rekonstruktion der Domäne „Kompetenzmanagement“ 

dreistellige objektsprachliche Formeln dar. 

• Die Wissensrepräsentationssprache F-Logic gestattet jedoch nur die Formulierung von (höchstens 

200) ) zweistelligen objektsprachlichen Formeln. 

„Eigentlich“ stellen Kompetenzaussagen der o.a. Art dreistellige objektsprachliche 201) Formeln auf 

der sprachlichen Konzeptebene dar. 202) Ihre drei Argumentstellen erstrecken sich auf die Konzepte 

198) Eine besondere Vorgehensweise oder Art der Reifizierung wird im Folgenden als Reifizierungstechnik angesprochen. Sie hebt 

spezielle Prozesse hervor, durch deren situationsabhängige Ausführung metasprachliche in objektsprachliche Ausdrücke transformiert 

werden, während der Begriff „Reifizierung“ hier als generischer Begriff für alle Ansätze verwendet wird, metasprachliche 

in objektsprachliche Ausdrücke zu transformieren. Die Situationsabhängigkeit der hier betrachteten Reifizierungstechnik 

kommt dadurch zustande, dass sie speziell für den Zweck eingesetzt wird, dreistellige Kompetenzaussagen mittels zweistelliger 

Hilfsrelationen „bedeutungserhaltend“ repräsentieren zu können. 

199) Aussagen dieser Art werden als „eigentliche“ oder „ursprüngliche“ Kompetenzaussagen bezeichnet, weil sie vor ihrer Transformation 

mittels Reifizierung vorliegen. Wenn ihre genuine Dreistelligkeit betont werden soll, ist auch davon die Rede, dass 

mit diesen Kompetenzaussagen Urteile über Kompetenzen, Akteure und Kompetenzausprägungen getroffen werden (der Begriff 

„Urteil“ assoziiert hier objektsprachliche prädikatenlogische Formeln – kurz: Prädikate – in ihrer Rolle, Urteile über die 

Individuen in ihren Argumentstellen auszudrücken). 

200) Einstellige objektsprachliche Formeln werden in F-Logic – etwas intransparent – mittels der Instanziierungsnotation „:“ ausgedrückt. 

Denn die Instanziierung eines Konzepts durch ein formales Objekt ist äquivalent zu der Gültigkeit einer einstelligen 

Formel, welche die Zugehörigkeit des formalen Objekts zu jenem Konzept ausdrückt. Auf den Fall einstelliger Formeln wird 

im Folgenden nicht weiter eingegangen, weil er im hier diskutierten Zusammenhang nicht problematisch ist. Stattdessen interessiert 

nur die Schnittstelle zwischen zweistelligen Formeln (in F-Logic) und dreistelligen Formeln (für „eigentliche“ Kompetenzaussagen). 

Daher wird fortan auf den Zusatz „höchstens“ der Kürze halber verzichtet, wenn aus dem Argumentationskontext 

ersichtlich ist, dass nur die Diskrepanz zwischen zwei- und dreistelligen Formeln von Interesse ist. 

201) An dieser Stelle sollte deutlich werden, dass Reifizierungen in der KOWIEN-Ontologie nicht zwecks Vermeidung metasprachlicher 

Ausdrücke benutzt werden. Vielmehr werden Reifizierungen auf objektsprachliche Formeln angewendet. Ziel der Reifizierungen 

ist es hier, dreistellige Ausdrücke (Formeln) in eine Gruppe von zweistelligen Ausdrücken (Hilfsrelationen) zu transformieren. 

Reifizierungen werden daher in der KOWIEN-Ontologie „atypisch“ benutzt, führen aber zu dem erwünschten Ergebnis, 

drei- und mehrstellige objektsprachliche Formeln vermeiden zu können. 

202) Streng genommen existiert auf der Konzeptebene nur genau eine dreistellige objektsprachliche Formel, deren drei Argumentstellen 

von den drei nachfolgend genannten, kompetenzbezogenen Konzepten gebildet werden. Erst eine „vollständige Instanziierung“ 

dieser Formel durch genau eine Instanz jedes der drei Konzepte aus den Argumentstellen der Formel führt auf der Instanzenebene 

zu beliebig vielen Exemplaren der einen Formel, die auf der Konzeptebene eingeführt worden ist. Um diesen Unterschied 

zu verdeutlichen, werden die vollständig instanziierten Formeln auf der Instanzenebene auch als „Vorkommnisse“ der 

einen Formel auf der Konzeptebene – oder kurz: als „Formelvorkommnisse“ – bezeichnet. Wenn diese präzise Differenzierung 

zwischen einer Formel auf der Konzeptebene und ihren beliebig vielen Formelvorkommnissen auf der Instanzenebene im aktuellen 

Argumentationskontext keine Rolle spielt, wird zwecks Vereinfachung der Diktion schlicht von „Formeln“ geredet. 

In anderen Kontexten heißen die vollständig instanziierten Formelvorkommnisse auch „interpretierte“ Formeln, weil die Zuweisung 

von Instanzen – oder synonym: Individuen oder formalen Objekten – zu den Argumentstellen einer prädikatenlogischen 

Formel im Rahmen der formalen Semantik der Prädikatenlogik durch eine so genannte Formel-Interpretation geschieht.


Kompetenz (im Sinne einer Kompetenzart), Akteur (als Kompetenzträger) und Kompetenzauspraegung 

(für die jeweils betroffene Kompetenzart). Die Extension einer solchen Formel, die Kompetenzwissen 

repräsentiert, ist die Menge aller 3-Tupel, für welche die dreistellige prädikatenlogische 

Formel gültig ist. Jedes dieser 3-Tupel besteht aus drei prädikatenlogischen Individuen (formalen 

Objekten), die als „Formelinstanziierungen“ eine konkrete Kompetenz, einen konkreten Akteur und 

eine konkrete Kompetenzausprägung repräsentieren. Jede vollständige Instanziierung der dreistelligen 

Formel für Kompetenzaussagen mit einem dieser 3-Tupel aus der Extension der Formel liefert 

auf der Instanzenebene ein Formelvorkommnis, 203) das – in Anlehnung an die Terminologie Wissensbasierter 

Systeme – auch als „Faktum“ bezeichnet wird. Die folgende Abbildung verdeutlicht 

die dreistellige Formel hat_Kompetenz für Kompetenzaussagen: 

Kompetenz 

Akteur 

1. 2. Argument 

hat_Kompetenz 

2. 1. Argument 3. Argument 

Abbildung 63: Dreistellige Formel hat_Kompetenz 

Kompetenzauspraegung 

Eine Kompetenzaussage kann jedoch in F-Logic nicht als dreistellige Formel hat_Kompetenz ausgedrückt 

werden, weil diese Repräsentationssprache auf zweistellige Formeln beschränkt ist. Daher 

erfolgt ein „Kunstgriff“ mittels einer dreistufigen Reifizierungstechnik. Sie ist speziell darauf zugeschnitten, 

die Stelligkeit „n“ prädikatenlogischer Formeln (mit n∈N+) in Fällen n ≥ 3 auf nur noch 

zweistellige Formeln zu reduzieren: 204) 

Zunächst wird die dreistellige Formel für Urteile über Kompetenzen, Akteure und Kompetenzausprägungen 

auf das einstellige 205) Konzept Kompetenzaussage reduziert. 

Formeln, deren Argumentstellen auf der Konzeptebene aus nicht-instanziierten Konzepten bestehen, werden auch als Prädikatssymbole 

bezeichnet. In einer „sortierten“ Prädikatenlogik entsprechen den Konzepten, die im vorliegenden Beitrag aus der Perspektive 

objektorientierter Wissensrepräsentationssprachen verwendet werden, den so genannten „Sorten“. 

203) Jedes solche Formelvorkommnis ist eine konkrete Kompetenzaussage, die ausdrückt, dass ein konkreter Akteur über eine konkrete 

Kompetenz in einer konkreten Ausprägung verfügt. Zugleich handelt es sich jeweils um ein gültiges Formelvorkommnis, 

weil alle Instanziierungen einer Formel mit Elementen aus ihrer Extension per definitionem gültige Formeln (Fakten) – oder in 

der hier bevorzugten Diktion – gültige Formelvorkommnisse darstellen. 

204) Vgl. zu einer ähnlichen, im Ergebnis gleichen, jedoch wesentlich „kompakter“ dargestellten Vorgehensweise MELNIK/DECKER 

(2000) S. 10. 

205) Konzepte entsprechen einstelligen Formeln. Darauf wurde bereits kurz zuvor hingewiesen.


Alsdann wird jedes vollständig instanziierte Vorkommnis der Formel – also jedes Faktum über 

eine Kompetenz, die einem Akteur in einer bestimmten Ausprägung zukommt, – auf ein formales 

Objekt reduziert, das eine Instanz des Konzepts Kompetenzaussage ist. Aus dieser Reduzierung 

jedes faktischen Formelvorkommnisses auf die Instanz eines Konzepts besteht die Reifizierung 

im engeren Sinn, weil eine kompetenzrepräsentierende Formel, die zunächst ein sprachliches 

Urteil über Individuen (Kompetenzen, Akteure und Kompetenzausprägungen) ausdrückt 

und im Allgemeinen zur Konzeptebene gerechnet wird, nach dem zweiten Transformationsschritt 

hinsichtlich jedes ihrer Vorkommnisse 206) in einer Wissensbasis selbst zu einem prädikatenlogischen 

Individuum – also aus prädikatenlogischer Perspektive zu einem „Ding“ auf der 

Instanzenebene – geworden ist. Über dieses Individuum, eine Instanz des Konzepts Kompetenzaussage, 

lassen sich mittels anderer Formeln – oder in F-Logic: Relationen – objektsprachliche 

Aussagen tätigen, 207) die diesem Individuum andere Individuen als Instanzen anderer 

Konzepte zuordnen. Nach dieser Reifizierung im engeren Sinn liegt in der Wissensbasis kein 

Formelvorkommnis der ursprünglich betrachteten, dreistelligen Kompetenzaussagen mehr vor. 

Stattdessen ist das Wissen hinsichtlich der Kompetenz, die einem Akteur in einer bestimmten 

Ausprägung zukommt, in dem unstrukturierten, atomaren Individuum, das eine Instanz des 

Konzepts Kompetenzaussage darstellt, scheinbar verloren gegangen. 

Um diesen Wissensverlust, der auf der 2. Stufe scheinbar eingetreten ist, nachträglich zu heilen, 

wird schließlich die Instanz des Konzepts Kompetenzaussage in die jeweils erste Argumentstelle 

von drei charakteristischen, jeweils nur noch zweistelligen Hilfsrelationen aufgenommen. Es 

handelt sich um die objektsprachlichen Hilfsrelationen beinhaltet_Kompetenz, betrifft_Akteur 

sowie beinhaltet_Kompetenzauspraegung. Jede dieser drei Hilfsrelationen entspricht genau einer 

Argumentstelle aus der ursprünglichen dreistelligen Formel hat_Kompetenz für Urteile über 

Kompetenzen, Akteure und Kompetenzausprägungen. Mittels dieser drei Hilfsrelationen werden 

der einen Instanz des Konzepts Kompetenzaussage insgesamt drei Instanzen der Konzepte 

Kompetenz, Akteur und Kompetenzauspraegung zugeordnet. 208) Dabei handelt es sich exakt um 

jene Instanzen, welche die drei Argumentstellen in der ursprünglich dreistelligen Formel hat_ 

Kompetenz für Urteile über Kompetenzen, Akteure und Kompetenzausprägungen von vornherein 

eingenommen („instanziiert“) hatten. Die Reifizierung führt aufgrund dieser Wissensreproduktion 

am Ende ihrer Anwendung also zu korrekten Resultaten. 

206) An dieser Stelle ist auf eine Besonderheit der hier eingesetzten Reifizierungstechnik hinzuweisen: Es werden nicht – wie vielleicht 

aufgrund der einleitenden Erläuterungen zur Reifizierung hätte erwartet werden können – metasprachliche Formeln in 

objektsprachliche Ausdrücke transformiert. Vielmehr werden dreistellige objektsprachliche Formelvorkommnisse – also vollständig 

mit prädikatenlogischen Individuen (formalen Objekten) instanziierte objektsprachliche Formeln – in zweistellige objektsprachliche 

Ausdrücke (Hilfsrelationen) transformiert. Aufgrund dieser Abweichungen erfolgt keine „gewöhnliche“ Reifizierung, 

sondern eine Reifizierung besonderer Art, die auf den speziellen Zweck zugeschnitten ist, die Stelligkeit objektsprachlicher 

Ausdrücke (mit mindestens drei Stellen) auf (höchstens) zwei Stellen zu reduzieren. 

207) In dieser Hinsicht, objektsprachliche Aussagen für ein Individuum zu ermöglichen, das aus der Reifizierung einer Relation oder 

eines Prädikats (hier: eines Formelvorkommnisses) hervorgegangen ist, stimmt die hier vorgestellte Reifizierungstechnik der 

KOWIEN-Ontologie wieder mit der „gewöhnlichen“ Reifizierung metasprachlicher Ausdrücke überein. 

208) In dieser Zuordnung liegt ein besonderer „Trick“ der hier verwendeten Reifizierungstechnik. Denn die Verwendung zweistelliger 

Hilfsrelationen hätte – ohne besondere Vorkehrungen – keineswegs sicherstellen können, dass sich diese Hilfsrelationen in 

einer Wissensbasis jeweils auf denselben Sachverhalt genau einer Kompetenzaussage bezogen hätten. Den inhaltlichen Zusammenhang 

zwischen den drei Hilfsrelationen stiftet erst die Instanz des Konzepts Kompetenzaussage, die in allen drei Hilfsrelationen 

jeweils die erste Argumentstelle einnimmt und dadurch anzeigt, dass sich die drei Instanzen der Konzepte Kompetenz, 

Akteur und Kompetenzauspraegung jeweils auf dieselbe Kompetenzaussage beziehen, also inhaltlich genau einen Sachverhalt 

repräsentieren.


Auf diese Weise „reproduzieren“ die drei Hilfsrelationen nach Abschluss der o.a. drei Stufen der 

Reifizierungstechnik dasjenige Wissen, das als Kompetenzaussage mit der ursprünglich betrachteten, 

dreistelligen objektsprachlichen Formel hat_Kompetenz von vornherein hätte ausgedrückt werden 

können. 209) Wegen ihrer Dreistelligkeit konnte diese „eigentliche“ Kompetenzaussage aber in 

F-Logic nicht ausgedrückt werden, sondern musste reifiziert werden. Das Resultat der Reifikation 

wird in der folgenden Abbildung verdeutlicht: 

1. Argument 

beinhaltet_Kompetenz 

Kompetenz 

Kompetenzaussage 

2. Argument 3. Argument 

betrifft_Akteur 

beinhaltet_Kompetenzauspraegung 

Akteur Kompetenzauspraegung 

Abbildung 64: Reifikation der dreistelligen Relation hat_Kompetenz 

Als Zusammenfassung der voranstehenden Erläuterungen auf S. 496 ff. einschließlich der Abbildungen 

63 und 64 lässt sich die spezielle Reifizierungstechnik für Kompetenzaussagen durch folgendes 

Beispiel verdeutlichen: 

• Ursprünglich liegt die Kompetenzaussage vor, dass der Akteur mueller4711 über die Kompetenz, 

Programme in der Sprache Java zu verfassen, in der Ausprägung Problemloeser verfügt. 

Diese Kompetenzaussage vor Reifizierung lässt sich durch die dreistellige atomare objektsprachliche 

Formel hat_Kompetenz, die für die drei Konzepte Akteur, Kompetenz und Kompetenzauspraegung 

definiert ist (vgl. Abbildung 63), mit Hilfe der Instanzen mueller4711, Java 

bzw. Problemloeser für die vorgenannten Konzepte wie folgt als vollständig instanziiertes Formelvorkommnis 

ausdrücken: 

hat_Kompetenz(mueller4711,Java,Problemloeser). 

• Die dreistellige objektsprachliche Formel hat_Kompetenz wird auf das einstellige Konzept 

Kompetenzaussage reduziert. 

• Das vollständig instanzierte Formelvorkommnis 

hat_Kompetenz(mueller4711,Java,Problemloeser) 

wird auf die Instanz KA_1 des Konzepts Kompetenzaussage reduziert. 

209) In diesem Sinne, dass das ursprünglich zu repräsentierende Wissen über die drei Instanzen aus einer vollständig instanziierten 

Kompetenzaussage („Formelvorkommnis“) nach Durchführung der dreistufigen Reifizierung in dem resultierenden objektsprachlichen 

Ausdruck mit drei Hilfsrelationen erhalten bleibt, kann von einer „bedeutungserhaltenden“ Reifizierung gesprochen 

werden. Sie stellt einen Spezialfall der früher dargelegten Auffassung dar, Bedeutungserhaltung als Invarianz der deduktiven 

Hülle eines Formelsystems zu betrachten. Denn die Schlussfolgerungen, die aus einem Formelsystem gezogen werden 

können, bleiben angesichts dieser speziellen Transformation einer dreistelligen Formel (Kompetenzaussage) über drei Instanzen 

in drei zusammenhängende, jeweils zweistellige Relationen über denselben Instanzen (sowie einer zusätzlichen, zusammenhangsstiftenden 

Instanz des Konzepts Kompetenzaussage) unverändert.


• Es werden drei jeweils zweistellige Hilfsrelationen beinhaltet_Kompetenz, betrifft_Akteur und 

beinhaltet_Kompetenzauspraegung eingeführt, die in F-Logic auf der Konzeptebene wie folgt 

spezifiziert sind (vgl. Abbildung 64): 

Kompetenzaussage [beinhaltet_Kompetenz => Kompetenz; 

betrifft_Akteur => Akteur; 

beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung]. 

• Der Inhalt der ursprünglich vorliegenden Kompetenzaussage, die mit Hilfe der dreistelligen 

atomaren objektsprachlichen Formel hat_Kompetenz formuliert war, wird jetzt nach Reifizierung 

bedeutungsgleich auf der Instanzenebene in F-Logic durch folgende komplexe Formel repräsentiert, 

die nur noch zweistellige Formeln in der Gestalt von zweistelligen Relationen umfasst: 

KA_1:Kompetenzaussage [beinhaltet_Kompetenz -> Java; 

betrifft_Akteur -> mueller4711; 

beinhaltet_Kompetenzauspraegung -> Problemloeser]. 

Reifizierungen, wie sie zuvor anhand der Formel hat_Kompetenz exemplarisch verdeutlich wurden, 

finden sowohl in prädikatenlogisch basierten als auch in objektorientierten Wissensrepräsentationen 

oftmals statt – auch wenn dies in den meisten Fällen nicht offen gelegt wird. Die weite Verbreitung 

der Reifizierung erklärt sich daraus, dass sie ein „bewährtes“ formalsprachliches Hilfsmittel darstellt, 

um Einschränkungen einer Repräsentationssprache – wie im hier diskutierten Kontext die 

Limitierung auf höchstens zweistellige Formeln (oder Relationen) – „elegant“ zu umgehen. 

Darüber hinaus gestattet es die Reifizierung einer Formel hat_Kompetenz für Kompetenzaussagen 

auch, solche Konstrukte zu spezifizieren, die explizit auf den metasprachlichen Charakter von Kompetenzaussagen 

Bezug nehmen. Zwar wird bei den Hilfsrelationen beinhaltet_Kompetenz, betrifft_ 

Akteur und beinhaltet_Kompetenzauspraegung der metasprachliche Charakter einer Kompetenzaussage 

noch nicht unmittelbar deutlich. Aber dieser Charakter wird bei einer vierten Hilfsrelation 

hat_Plausibilitaetskoeffizienten, mittels derer reelle Zahlen zu Kompetenzaussagen zugeordnet 

werden können, offensichtlich. 210) Mit einer solchen reellen Zahl kann beispielsweise angegeben 

werden, mit welchem Plausibilitätsgrad 211) die betroffene Kompetenzaussage „gültig“ ist. 212) 

210) Eine solche Hilfsrelation ist in früheren Versionen der KOWIEN-Ontologie eingebaut gewesen, wurde allerdings auf Wunsch 

der Praxispartner wieder entfernt, da ihrer Ansicht nach Plausibilitätsgrade – oder auch Wahrscheinlichkeitsgrade – für Kompetenzaussagen 

in der Praxis kaum Akzeptanz finden würden. Insbesondere aus arbeitsrechtlichen Hintergründen heraus seien 

solche Plausibilitäts- oder Wahrscheinlichkeitsgrade für Kompetenzaussagen äußerst umstritten. In wissenschaftlich ausgerichteten 

Ausarbeitungen erfreuen sich dagegen Verfahren, die mit Plausibilitäts- oder Wahrscheinlichkeitsgraden arbeiten, hoher 

Resonanz; vgl. beispielsweise BLANCHARD/HARZALLAH (2004) S. 12 ff. 

211) Plausibilitätsgrade lassen sich zu theoretisch fundierten Evidenzwerten ausbauen, mit denen sich sogar zwischen „positiven“ 

und „negativen“ Evidenzen für bzw. wider die Plausibilität einer Aussage unterscheiden lässt. Einer der Verfasser hat dieses 

Konzept zweistelliger Evidenzwerte an anderer Stelle ausführlicher beschrieben; vgl. ZELEWSKI (1993a) S. 198 ff. 

212) Dadurch wird der „selbstreferenzielle“ Charakter von Kompetenzaussagen offensichtlicht. Mit objektsprachlichen Ausdrucksmitteln 

aus einer Ontologie werden nämlich Aussagen über den Gültigkeitswert von objektsprachlichen Kompetenzaussagen 

gemacht. Solche Phänomene sind in der Logik – in Anlehnung an die EPIMENIDES-Antinomie – als „Lügner-Paradoxien“ seit 

längerem bekannt. Die Konstruktion von Kompetenzaussagen entgeht allerdings solchen Paradoxien, indem Gültigkeitswerte 

auf zwei unterschiedlichen Ebenen verwendet werden. Der „eigentliche“ Gültigkeitswert einer (Kompetenz-) Aussage wird erst 

modelltheoretisch bezüglich einer SIG-Struktur festgelegt. Dabei erfolgt die Festlegung der Gültigkeit eines objektsprachlichen 

Ausdrucks grundsätzlich mit den Ausdrucksmitteln einer Metasprache.


Hierbei ist allerdings zu beachten, dass es sich bei einem Plausibilitätsgrad nicht um den Gültigkeitsbegriff 

handelt, der für die Auswertung prädikatenlogischer Formeln herangezogen wird. In der 

zweiwertigen Prädikatenlogik werden nämlich nur die „Gültigkeitswerte“ (Wahrheitswerte) gültig 

und ungültig zugelassen. Alternativ hierzu existieren unter dem Schlagwort der „Fuzzy-Logik“ Varianten 

der konventionellen Prädikatenlogik, in denen Gültigkeitswerte aus dem Intervall [1,0] zulässig 

sind. 213) Auch solche Ansätze haben allerdings nichts mit dem gemeinsam, was mit der o.a. 

Hilfsrelation hat_Plausibilitaetskoeffizienten ausgedrückt werden soll. Dies wird anhand eines Beispiels 

verdeutlicht: 

Die prädikatenlogische 214) Formelmenge: 

beinhaltet_Kompetenz(KA1,K1) 

betrifft_Akteur(KA1,A1) 

beinhaltet_Kompetenzauspraegung(KA1,Experte) 

hat_Plausbilitaetskoeffizienten(KA1,0.5) 

lässt sich beispielsweise benutzen, um auszudrücken, dass eine Kompetenzaussage KA1, die einen 

Akteur A1 und die Kompetenzausprägung „Experte“ betrifft, eine Plausibilität mit dem Koeffizienten 

0,5 aufweist. Die o.a. Formelmenge ist in einer SIG-Struktur 215) entweder gültig oder ungültig. 

Sie ist genau dann gültig, wenn die entsprechenden Extensionen der Relationen in der SIG-Struktur 

vorliegen. Andernfalls ist sie ungültig. Demnach kann eine Formelmenge, in der anstelle der vierten 

Formel die „Ungültigkeit“ einer Kompetenzaussage KA1 mit Hilfe der Formel: 

hat_Plausbilitätskoeffizienten(KA1,0) 

ausgedrückt wird, in einer SIG-Struktur gültig sein. 

Analog verhält es sich bei der Fuzzy-Logik. So könnte für die o.a. Formeln in einer Fuzzy-Logik 

ausgedrückt werden, dass sie in der SIG-Struktur mit einem Möglichkeitswert (Possibilitätsmaß) 

von 0.2 gültig sind. 

Die Vergabe objektsprachlicher Gültigkeitswerte für reifizierte Aussagen ist ein „Bonus“, den Reifikationen 

bei der Konstruktion von Ontologien ermöglichen. Die Verfasser vermögen sich allerdings 

dieser positiven Einschätzung von Reifizierungen – oder zumindest ihrer unreflektierten Anwendung 

– nicht vollkommen anzuschließen. Denn Reifizierungen stellen aus ihrer Sicht einen obskuren 

„Reparaturmechanismus“ dar, der lediglich dazu dient, unnötige Einschränkungen der Ausdrucksmächtigkeit 

216) von Wissensrepräsentationssprachen nachträglich zu „heilen“. 217) Wegen die- 

213) Vgl. NILSSON (1998) S. 318 ff. 

214) Um die Diktion zu vereinfachen, wird kurzzeitig von der F-Logic-Notation abgesehen. Ansonsten könnte der Eindruck entstehen, 

auf der Instanzenebene würden beliebige Relationen verwendet, die für die entsprechenden Konzepte in der Ontologie 

nicht spezifiziert sind. 

215) SIG-Strukturen wurden in diesem Werk im Kapitel 1.3.2.3.1 (S. 245 ff.) eingeführt und ausführlicher behandelt. 

216) Im Allgemeinen betreffen Reifizierungen Einschränkungen der Ausdrucksmächtigkeit hinsichtlich metasprachlicher Ausdrücke, 

die zu objektsprachlichen Ausdrücken „verdinglicht“ werden. Im hier diskutierten Fall der KOWIEN-Ontologie stand jedoch 

nicht dieser Aspekt im Vordergrund, sondern die Reduzierung von mindestens dreistelligen (objektsprachlichen) Ausdrücken 

auf ebenso objektsprachliche Ausdrücke mit nur zwei Argumentstellen.


ser „Reparaturfähigkeit“ lassen Reifizierungen auf der Seite der Entwickler von Wissensrepräsentationssprachen 

den Antrieb erschlaffen, von vornherein Sprachkonzepte zu erschaffen, die ohne artifizielle 

Einschränkungen, wie z.B. auf nur höchstens zwei Formel- oder Relationsstellen, auskommen. 

Dies ist sehr zu bedauern. Stattdessen wäre es erstrebenswert, in Wissensrepräsentationssprachen 

von Anfang an die ungeschmälerte Ausdrucksmächtigkeit der Prädikatenlogik (1. Stufe) zur 

Verfügung zu stellen – dann wären nachträgliche „PROKRUSTES-Bett-Operationen“ 218) wie mit Hilfe 

der Reifizierungstechnik überhaupt nicht nötig. 

Zwar führt die Reifizierungstechnik am Ende ihrer Anwendung zu korrekten Resultaten. Dies ändert 

jedoch nichts daran, dass der Reifizierungsprozess selbst – wie zuvor skizziert – aufwendig ist 

und zahlreichen Wissensingenieuren als intransparent erscheint. Darüber hinaus verkomplizieren 

Reifizierungen die Wissensrepräsentation erheblich. 219) Dies wäre alles überflüssig, wenn eine Wissensrepräsentationssprache 

– im Hinblick auf die hier thematisierte Problematik von Kompetenzaussagen 

– die unmittelbare Darstellung (mindestens) dreistelliger objektsprachlicher Formeln gestatten 

(und auch deren Anwendung in prädikatenlogischen Inferenzen ermöglichen) würde. 220) 

Trotz dieser erheblichen Vorbehalte ließ sich im Verbundprojekt KOWIEN die Anwendung der 

Reifizierungstechnik nicht vermeiden. Denn zur Zeit des Entwurfs und der Implementierung der 

KOWIEN-Ontologie war keine prädikatenlogisch basierte und an F-Logic angelehnte Wissensre- 

217) In bildhafter und bewusst pointierter Diktion lässt sich dieser „Heilungsprozess“ mit der Metapher des PROKRUSTES-Betts umschreiben: 

Zunächst werden Formeln der Wissensrepräsentation durch eine „Schere im Kopf“ der Ontologiegestalter oder Wissensingenieure 

„gewaltsam“ auf die Maße eines PROKRUSTES-Betts zurecht gestutzt, das nur (höchstens) zweistellige Formeln 

gestattet. In dem Bewusstsein, dass den dadurch zu repräsentierenden Sachverhalten Gewalt zugefügt wird, hält man nach einer 

nachträglichen „Heilung“ Ausschau, die dafür Sorge trägt, dass Anwendungen des repräsentierten Wissens zu „richtigen“ Resultaten 

führen. In der Tat vermag die oben erläuterte spezielle Reifizierungstechnik die ursprüngliche Reduzierung auf (höchstens) 

zweistellige Formeln zu „heilen“. Aber die Anwender dieser Technik fragen sich zumeist nicht, ob dieser Heilungsprozess 

überflüssig gewesen wäre, wenn man vornherein davon Abstand genommen hätte, Formeln mit mehr als drei Stellen in ein repräsentationssprachlich 

provoziertes „Bett des PROKRUSTES“ zu zwängen. 

218) Vgl. zu dieser Metapher die pointierten Erläuterungen in der voranstehenden Fußnote. 

219) Aufwand, Intransparenz und Komplexität der Reifizierungen resultieren daraus, dass nur eine atomare dreistellige prädikatenlogische 

Formel, die zur „natürlichen“ Formulierung von Kompetenzaussagen dient, durch ein „artifizielles“, zusammengesetztes 

formales Objekt ersetzt wird, das aus drei jeweils zweistelligen Hilfsrelationen besteht und dessen inhaltlicher Zusammenhang 

obendrein durch eine „trickreiche“ Verschränkung der drei Hilfsrelationen über die gemeinsam geteilte Instanz des Konzepts 

Kompetenzaussage in ihrer jeweils ersten Argumentstelle hergestellt werden muss. 

220) In dieser Hinsicht teilen die Verfasser nicht die Einschätzung von MELNIK/DECKER (2000) S. 10: „ ... n-ary relationships are 

used fairly seldom compared to binary relationships ... “, sofern mit dieser Äußerung die geringe praktische Relevanz von mindestens 

dreistelligen objektsprachlichen Formeln (oder Relationen) artikuliert werden sollte. Denn im Verbundprojekt KO- 

WIEN stellte sich im Hinblick auf Kompetenzaussagen immer wieder heraus, wie groß die Bedeutung von drei- oder sogar 

vierstelligen objektsprachlichen Formeln ist, um das praktisch vorhandene Wissen über Kompetenzen und Kompetenzträger auf 

eine „natürlich“ anmutende Weise formalsprachlich repräsentieren zu können (vgl. dazu die Beispiele in diesem Kapitel). Die 

praktische Relevanz von (mindestens) dreistelligen Prädikaten manifestiert sich auch bei der Formalisierung anderer Wissensbereiche 

als dem Kompetenzmanagement, das dem Verbundprojekt KOWIEN zugrunde lag. Vgl. dazu beispielsweise die Verwendung 

dreistelliger Prädikate bei POLOS/HANNAN/CARROLL (1999) S. 7, 11, 14, 17 f., 20 f. u. 24. Vgl. auch die rege Diskussion 

über n-stellige Relationen und Prädikate (gemeint war insbesondere n ≥ 3), die im Zeitraum vom Februar bis zum Juli 2003 

in der Newsgroup zum Ontologie-Werkzeug Protégé-2000 im Internet unter der URL „http://protege.stanford.edu/lists.html“ 

geführt wurde. 

Aus den vorgenannten Gründen sollte nach Meinung der Verfasser die faktische Seltenheit mindestens dreistelliger objektsprachlicher 

Formeln keineswegs mit einem geringen Bedarf hierfür in Ontologien – und auch in anderen Anwendungen von 

computerbasierten Wissensmanagementsystemen – gesehen werden. Vielmehr resultiert die Seltenheit dieser Formeln aus dem 

mangelhaften Angebot an Repräsentationssprachen und Inferenzmaschinen für Wissen, die mit mindestens dreistelligen objektsprachlichen 

Formeln direkt, also ohne „formale Krücken“ wie die oben erläuterte Reifizierungstechnik, umzugehen vermögen.


präsentationssprache zugänglich, die es gestattet hätte, sowohl prädikatenlogische Formeln mit drei 

– oder sogar mehr – Argumentstellen zu darzustellen als auch prädikatenlogische Inferenzen auf 

diesen Formeln auszuführen. Daher musste im Sinne eines „faute de mieux“ auf die o.a. Reifizierungstechnik 

zurückgegriffen werden, um ursprünglich dreistellige objektsprachliche Formeln zur 

Repräsentation von Wissen über Kompetenzen, Kompetenzträger und Kompetenzausprägungen in 

F-Logic handhaben zu können. Im Folgenden werden die voranstehenden generellen Erläuterungen 

anhand konkreter Beispiele verdeutlicht. 

Durch Anwendung der Reifizierungstechnik können objektsprachliche prädikatenlogische Formeln 

mit drei oder mehr Argumentstellen als Instanzen des Konzepts Aussage ausgewiesen werden. Entsprechend 

der Stelligkeit der Formeln vor ihrer Reifizierung wird das Konzept in die Subkonzepte 

dreistellige_Aussage, vierstellige_Aussage usw. ausdifferenziert. Das zentrale Konstrukt, das für 

die Implementierung ontologiebasierter Kompetenzmanagementsysteme benötigt wird, sind Kompetenzaussagen. 

Sie werden in der KOWIEN-Ontologie mittels Reifizierung als Instanzen des Konzepts 

Kompetenzaussage eingeführt, das seinerseits ein Subkonzept zum Konzept dreistellige_Aussage 

221) darstellt. 

dreistellige_Aussage :: Aussage. 

vierstellige_Aussage :: Aussage. 

Kompetenzaussage :: dreistellige_Aussage. 



beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung]. 

Jede Instanz des Konzepts Kompetenzaussage ist ein formales Objekt, also ein prädikatenlogisches 

Individuum, 222) dem mittels der drei Relationen beinhaltet_Kompetenz, betrifft_Akteur und beinhaltet_Kompetenzauspraegung 

jeweils eine Instanz des Konzepts Kompetenz, eine Instanz des Konzepts 

Akteur bzw. eine nicht-leere Menge von Instanzen des Konzepts Kompetenzauspraegung zugeordnet 

wird. Die Relation beinhaltet_Kompetenzauspraegung muss mengenwertig spezifiziert 

werden, da es ansonsten nicht möglich wäre, in einer Kompetenzaussage derselben Kompetenz desselben 

Akteurs mehrere äquivalente Kompetenzausprägungen zuzuordnen. Die Verwendung äquivalenter 

Kompetenzausprägungen ist jedoch wünschenswert, um sowohl natürlichsprachliche als 

auch numerische Kompetenzausprägungen angeben zu können. 223) Beispielsweise lautet eine konkrete, 

„reifizierte“ Kompetenzaussage KA_3, die – auf der Instanzenebene – ausdrückt, dass der 

Akteur Maier über die Kompetenz Java in der Ausprägung Experte verfügt, in F-Logic-Notation: 

221) Kompetenzaussagen können mittels Reifizierung auch als Instanzen eines alternativen Konzepts Kompetenzaussage eingeführt 

werden, das seinerseits ein Subkonzept zum Konzept vierstellige_Aussage darstellt. In diesem Fall wird das Konzept Kompetenzaussage 

zusätzlich mit einer vierten Relation enthalten_in_Kompetenzprofil in Bezug auf dasjenige akteursspezifische 

Kompetenzprofil charakterisiert, in dem die betroffene Kompetenzaussage enthalten ist: 



beinhaltet_Kompetenzauspraegung =>> Kompetenzauspraegung 

enthalten_in_Kompetenzprofil => Kompetenzprofil]. 

Vgl. zu dieser erweiterten, vierstelligen Variante des Konzepts Kompetenzaussage HÜGENS (2004) S. 61. 

222) An dieser Stelle ist die Reifizierung im engeren Sinn erfolgt. 

223) Vgl. dazu Fußnote 181 auf S. 491.


KA_3: Kompetenzaussage [beinhaltet_Kompetenz -> Java; 

betrifft_Akteur -> Maier; 

beinhaltet_Kompetenzauspraegung ->> Experte]. 

Mittels dieser Reifizierungstechnik lassen sich im Prinzip prädikatenlogische Formeln mit beliebig 

vielen – mindestens drei und höchstens endlich vielen – Argumentstellen auf „Aussage-Objekte“ 

der voranstehenden Form reduzieren, in denen jede Argumentstelle der zugrunde liegenden Formel 

durch genau eine zweistellige Hilfsrelation ersetzt wird. Auf diese Weise wird im allgemeinen Fall 

eine n-stellige prädikatenlogische Formel (mit n ≥ 3) durch ein „Aussage-Objekt“ mit n jeweils 

zweistelligen Hilfsrelationen ersetzt. 224) 

Für die Repräsentation von Kompetenzwissen spielt in der KOWIEN-Ontologie ein weiteres Konzept 

– neben Kompetenzaussagen – eine bedeutsame Rolle. Es handelt sich um das Konzept Kompetenzprofil. 

Mit seiner Hilfe werden alle Kompetenzaussagen aggregiert, die entweder denselben 

Akteur oder aber dieselbe Stelle 225) innerhalb einer Organisation betreffen. Entsprechend wird das 

Konzept Kompetenzprofil in die Subkonzepte Akteur_Profil und Stellen_Profil unterteilt. 

Kompetenzprofil [beinhaltet_Kompetenzaussage =>> Kompetenzaussage]. 

Akteur_Profil :: Kompetenzprofil. 

Stellen_Profil :: Kompetenzprofil. 

Akteur_Profil [gehoert_zu_Akteur => Akteur]. 

Stellen_Profil [gehoert_zu_Stelle => Stelle]. 

Mit dem Akteursprofil wird die Gesamtheit der Kompetenzen mit ihren zugehörigen Kompetenzausprägungen 

ausgewiesen, über die ein Akteur – in einem Zeitpunkt – tatsächlich verfügt (akteursbezogenes 

Ist-Profil). Mit dem Stellenprofil werden hingegen diejenigen Kompetenzen und Kompetenzausprägungen 

ausgedrückt, die für eine Stelle erforderlich sind (stellenbezogenes Soll-Profil). 

Da sowohl zu einem Akteur als auch zu einer Stelle mehrere Kompetenzen mit zugehörigen Kompetenzausprägungen 

gehören können, wird mit der metasprachlichen Notation „=>>“ ausgedrückt, 

dass es sich um eine mengenwertige Relation beinhaltet_Kompetenzaussage handelt. Dadurch ist es 

möglich, dass mehrere Kompetenzaussagen denselben Akteur bzw. dieselbe Stelle betreffen. 226) 

Bei den Instanzen des Konzepts Akteur_Profil handelt es sich um formale Objekte, die in der Relation 

gehoert_zu_Akteur zu Instanzen des Konzepts Akteur stehen können. Somit ist jedes Akteursprofil 

genau einem Akteur zugeordnet. Dies wird durch die metasprachliche Relation „=>“ ausgedrückt, 

227) die wegen ihrer Einwertigkeit für eindeutige Beziehungen zwischen Instanzen verwendet 

224) Vgl. dazu die übereinstimmende Transformation n-stelliger Relationen (mit n ≥ 3) mittels Reifizierung in n jeweils zweistellige 

Hilfsrelationen bei MELNIK/DECKER (2000) S. 10. 

225) Der organisationswissenschaftliche Stellenbegriff wird hier als bekannt vorausgesetzt. Vgl. dazu z.B. JOST (2000) S. 290 ff. 

226) Die Mengenwertigkeit (oder – wie oben ausgeführt wurde – die fehlende Linkstotalität) einer Relation lässt aufgrund der oben 

festgelegten (Min,Max)-Kardinalitäten daneben auch zu, dass auf einen Akteur bzw. eine Stelle keine Kompetenzaussage zutrifft. 

Dann sind in der Wissensbasis für den Akteur bzw. die Stelle keine verfügbaren bzw. erforderlichen Kompetenzen (mit 

ihren zugehörigen Kompetenzausprägungen) bekannt. 

227) Streng genommen besteht diesbezüglich eine Unschärfe der Wissensrepräsentationssprache F-Logic (zumindest dann, wenn die 

oben eingeführten (Min,Max)-Kardinalitäten als Konkretisierungen von F-Logic akzeptiert werden). Denn die Rechtseindeutigkeit 

der Relationen gehoert_zu_Akteur und gehoert_zu_Stelle stellt jeweils nur sicher, dass jedes Akteursprofil höchstens einem 

Akteur und jedes Stellenprofil höchstens einer Stelle zugeordnet ist. Die Rechtseindeutigkeit vermag aber nicht zu gewährleis-


wird. Analog werden Stellenprofile mit der Relation gehoert_zu_Stelle immer jeweils genau einer 

Stelle zugewiesen. 

Mit den Konzepten Kompetenz, Akteur und Kompetenzprofil stehen – einschließlich der zugehörigen 

Subkonzepte und Relationen – die wesentlichen sprachlichen Konstrukte in der KOWIEN- 

Ontologie zur Verfügung, um in ontologiebasierten Kompetenzmanagementsystemen betriebliches 

Kompetenzwissen erfassen, verwalten und auswerten zu können. Darüber hinaus enthält die KO- 

WIEN-Ontologie weitere Konzepte, die sich im Zusammenhang mit dem Management von Kompetenzwissen 

als nützlich erwiesen haben. Dazu gehören beispielsweise Konzepte zur (sprachlichen) 

Strukturierung von wissensintensiven Geschäftsprozessen, weil in solchen Prozessen handlungsbefähigendes 

Wissen, d.h. Kompetenzen, qua definitione in einem – verglichen mit anderen betrieblichen 

Prozessen – relativ bedeutsamen Umfang eingesetzt oder erzeugt wird. Auf diese ergänzenden 

Konzepte und die zugehörigen Relationen wird im Folgenden nur noch exemplarisch eingegangen, 

weil sie nicht mehr zum kompetenzbezogenen Kern der KOWIEN-Ontologie gehören. 228) 

Das Konzept prozessuales_Denkobjekt umfasst die Gesamtheit aller untergeordneten Konzepte, mit 

denen Wissen über Prozesse repräsentiert werden kann. Zu diesem Zweck wird es in die Subkonzepte 

Zustand, Ereignis und Prozess ausdifferenziert: 

Zustand :: prozessuales_Denkobjekt. 

Ereignis :: prozessuales_Denkobjekt. 

Prozess :: prozessuales_Denkobjekt. 

Zustand [bezieht_sich_auf => objektsprachliche_Entitaet; 

erfordert_Ereignis =>> Ereignis; 

ermoeglicht_Ereignis =>> Ereignis]. 

Ereignis [erfordert_Zustand =>> Zustand; 

fuehrt_zu_Zustand =>> Zustand]. 

Prozess [beinhaltet_Zustand =>> Zustand; 

beinhaltet_Ereignis =>> Ereignis]. 

ten, dass ein Akteursprofil ebenso mindestens einem Akteur und ein Stellenprofil mindestens einer Stelle zugeordnet ist. Daher 

lassen die rechtseindeutigen Relationen gehoert_zu_Akteur und gehoert_zu_Stelle auch die „entarteten“ Fälle zu, dass in einer 

Wissensbasis Akteurs- oder Stellenprofile enthalten sind, die keinem Akteur bzw. keiner Stelle zugeordnet sind. Sofern dies im 

Rahmen des betrieblichen Kompetenzmanagements als „widersinnig“ empfunden wird, müsste mittels zusätzlicher Integritätsregeln 

sicher gestellt werden, dass in einer Wissensbasis nur Akteurs- und Stellenprofile enthalten sein dürfen, die jeweils genau 

einem Akteur bzw. genau einer Stelle zugeordnet sind. Diese Integritätsregeln könnten folgende Form annehmen: 

∀X: X:Akteur_Profil → ∃Y: Y:Akteur ∧ X[gehoert_zu_Akteur -> Y]. 

∀X: X:Akteur_Profil → ∃Y: Y:Stelle ∧ X[gehoert_zu_Stelle -> Y]. 

Die metasprachliche Relation „->“ schließt bereits aufgrund ihrer Einwertigkeit aus, dass mehrere Akteurs- oder mehrere Stelleninstanzen 

an der rechten Stelle derjenigen 2-Tupel stehen, welche die Relation gehoert_zu_Akteur bzw. gehoert_zu_Stelle 

erfüllen (vgl. KIFER/LAUSEN/WU (1995) S. 758). Daher ist der Existenzquantor in den Subjugaten der o.a. Formeln als Einsquantor 

zu interpretieren. Bei Einsquantoren handelt es sich um solche Existenzquantoren, mit denen die Existenz genau eines 

formalen Objektes ausgesagt werden kann, für das die Formel zutrifft, auf die der Einsquantor bezogen ist. Auf Einsquantoren 

wird in einem anderen Kontext später näher eingegangen werden. Mit der oben verwendeten Kombination aus einem Existenzquantor 

und der einwertigen Relation „->“ wird eine zur Verwendung des Einsquantors äquivalente Formulierung gewählt. 

228) Stattdessen können die ergänzenden Konzepte und Relationen in der vollständigen KOWIEN-Ontologie eingesehen werden, die 

im Internet frei zugänglich ist. Vgl. dazu die Fußnote 1 zu diesem Beitrag auf S. 429.


Das Konzept Zustand einer objektsprachlichen Entität wird hier als Gesamtheit aller Eigenschaftsausprägungen 

verstanden, die der betroffenen Entität zu einem bestimmten Zeitpunkt oder während 

eines Zeitintervalls zukommen. Somit geben Zustände Momentaufnahmen temporär invarianter 

Darstellungen von objektsprachlichen Entitäten wieder. Die konkreten Merkmale variieren von Entität 

zu Entität. Daher lassen sie sich nicht unmittelbar als Relationen zum Konzept Zustand festlegen, 

sondern müssen über „Merkmalsaussagen“ jeder Entität spezifisch zugeordnet werden. Da jede 

solche Merkmalsaussage eine objektsprachliche Entität, jeweils eines ihrer charakteristischen 

Merkmale, den adressierten Zustand und die zustandsspezifische Merkmalsausprägung umfasst, 

handelt es sich um eine vierstellige objektsprachliche Formel. Sie muss zwecks Wissensrepräsentation 

in F-Logic mit derselben Reifizierungstechnik, die oben für die dreistelligen objektsprachlichen 

Formeln für Kompetenzaussagen ausführlich erläutert wurde, in ein „Aussage-Objekt“ mit vier jeweils 

zweistelligen Hilfsrelationen transformiert werden. Da die detaillierte Darstellung der Vorgehensweise 

hier zu keinen neuartigen Erkenntnissen führen würde, werden die Merkmalsaussagen 

um der Kürze des Beitrags willen nicht näher vorgestellt. 

Darüber hinaus ist es möglich, die „Dynamik“ des jeweils repräsentierten Realitätsausschnitts durch 

die Konzepte Ereignis und Prozess zu erfassen. Sie sind mit dem Konzept Zustand inhaltlich verknüpft. 

229) 

Jeder Zustandswechsel besteht aus einem Übergang von einem vorangehenden Zustand zu einem 

anderen, (unmittelbar) nachfolgenden Zustand. Dieser Zustandsübergang wird durch den Eintritt 230) 

229) Die nachfolgenden Erläuterungen zur „Dynamik“ erfolgen sehr kompakt, da sie im Rahmen der KOWIEN-Ontologie für Kompetenzmanagementsysteme 

nur einen Nebenaspekt darstellen. Daher werden mehrere Aspekte, die bei der Konzeptualisierung 

von „dynamischen“ Realitätsausschnitten durchaus eine bedeutsame Rolle spielen können und sich oftmals durch eine erhebliche 

epistemische Komplexität auszeichnen, hier lediglich angedeutet. Den Argumentationshintergrund bilden PETRI-Netze, die 

ein formalsprachlich anspruchsvolles, prädikatenlogisch und algebraisch basiertes, infolgedessen ausdruckstarkes und inhaltlich 

„tiefes“ Instrumentarium zur Konzeptualisierung (und auch konkreten Modellierung) dynamischer Systeme zur Verfügung stellen. 

In den nachfolgenden Fußnoten bemühen sich die Verfasser, für interessierte Leser einige „Brücken“ zu PETRI-Netzen zu 

schlagen, können dies aber in der hier gebotenen Kürze nur jeweils andeutungsweise leisten. Eine ausführlichere Konzeptualisierung 

dynamischer Systeme (dort speziell: Flexibler Fertigungssysteme) mit der Hilfe von PETRI-Netzen hat einer der beiden 

Verfasser an anderer Stelle vorgelegt; vgl. ZELEWSKI (1995), insbesondere die Bände 3, 5.1, 5.2 und 7. 

Zugleich verdeutlicht der voranstehende Hinweis auf den PETRI-Netz-Hintergrund der hier vorgenommenen Konzeptualisierung, 

dass Konzeptualisierungen von Realitätsausschnitten stets Resultate von aktiven Konstruktionsleistungen darstellen, also 

keineswegs „die“ Realität passiv „widerspiegeln“. Vielmehr umfassen die Konstruktionsprozesse eine Vielzahl subjektiver und 

somit willkürlicher Designentscheidungen, wie etwa hier die Orientierung an den dynamischen Eigenarten von PETRI-Netzen. 

Darüber hinaus kann es sich bei Konzeptualisierungen sogar um kreative Leistungen handeln (manche Ontologiegestalter mögen 

vielleicht sogar „künstlerische“ Leistungen für sich in Anspruch nehmen wollen), wenn die Designentscheidungen nicht 

nur etablierte Gestaltungsroutinen betreffen, sondern auch innovative Gestaltungsaspekte umgreifen. 

230) Streng genommen muss in der Konzeptualisierung dynamischer Systeme, die sich an PETRI-Netzen orientiert, zwischen einem 

Ereignis (in einem PETRI-Netz: einer Transition) und dem Eintreten dieses Ereignisses (in einem PETRI-Netz: dem Schaltakt der 

betroffenen Transition) unterschieden werden. Denn dasselbe Ereignis kann in unterschiedlichen Zuständen (in einem PETRI- 

Netz: unter unterschiedlichen Netzmarkierungen) eintreten, und ein System kann auch denselben Zustand mehrfach durchlaufen 

und dabei kann dasselbe Ereignis in jedem Zustandsdurchlauf einmal, also insgesamt mehrfach eintreten. Auf diese Differenzierung 

zwischen Ereignissen einerseits und Ereigniseintritten andererseits wurde jedoch in der KOWIEN-Ontologie verzichtet, 

weil sie für Kompetenzmanagementsysteme im Allgemeinen keine substanzielle Rolle spielt, so dass ihre Berücksichtigung nur 

zu einer ökonomisch nicht rechtfertigbaren Verkomplizierung der Ontologie geführt hätte. Aufgrund dieser vereinfachten 

Sichtweise in der KOWIEN-Ontologie wird auch in den folgenden Ausführungen nicht streng zwischen Ereignissen und Ereigniseintritten 

unterschieden.


von einem Ereignis oder von einer Gruppe mehrerer nebenläufiger Ereignisse hervorgerufen. 231) 

Daher werden Zustände hier so konzeptualisiert, dass jeder Zustand ein Ereignis oder eine Gruppe 

nebenläufiger Ereignisse erfordert, das bzw. die ihm kausal (oder zeitlich) 232) vorangeht, und jeder 

Zustand ein Ereignis oder eine Gruppe nebenläufiger Ereignisse ermöglicht, die ihm kausal (oder 

zeitlich) folgen. 233) Komplementär dazu werden Ereignisse so konzeptualisiert, dass jedes Ereignis 

einen Zustand oder eine Gruppe von Zuständen erfordert, der bzw. die dem Ereigniseintritt kausal 

(oder zeitlich) vorangeht, und jedes Ereignis einen Zustand oder eine Gruppe von Zuständen ermöglicht, 

der bzw. die dem Ereigniseintritt kausal (oder zeitlich) folgen. 234) 

231) Eine besondere Stärke von PETRI-Netzen besteht darin, neben Zustandsübergängen durch jeweils einzelne Ereignisse auch berücksichtigen 

zu können, dass Zustandsübergänge durch mehrere Ereignisse „gleichzeitig“ bewirkt werden, die kausal voneinander 

unabhängig, d.h. „nebenläufig“ oder „concurrent“, stattfinden. Die zeitliche Reihenfolge, das zeitliche Überlappen und 

das gleichzeitige Eintreten solcher nebenläufiger Ereignisse sind streng genommen in PETRI-Netzen nicht definiert, da dort nur 

die kausale Abhängigkeit zwischen Zuständen und Ereigniseintritten konzeptualisiert wird, nicht aber deren zeitliche Verhältnisse. 

232) Wie bereits in der voranstehenden Fußnote angedeutet, wird in „puren“ PETRI-Netzen nur die kausale Struktur von Prozessen 

erfasst, nicht aber deren zeitliche Struktur. In der betrieblichen Praxis spielt aber die Unterscheidung zwischen rein kausalen 

und zeitlichen Prozesskonzeptualisierungen keine Rolle. Stattdessen lässt sich eine (auch) temporale Prozesskonzeptualisierung 

im Allgemeinen gar nicht vermeiden, da für Geschäftsprozesse (und auch andere betriebswirtschaftlich relevante Prozesse) sehr 

oft zeitliche Determinanten – wie etwa Ausführungsdauern und Liefertermine – eine erhebliche ökonomische Relevanz besitzen. 

Daher wird hier in der KOWIEN-Ontologie zwischen kausaler und zeitlicher Prozesskonzeptualisierung nicht näher unterschieden. 

Im Gegenteil wird sogar von einer primär zeitlichen Prozesskonzeptualisierung ausgegangen, um der zeitlich geprägten 

betrieblichen Realität zu entsprechen. Dies wird in nachfolgend präsentierten Konstrukten der KOWIEN-Ontologie noch 

deutlicher werden. Außerdem wurde mittlerweile auch eine Vielzahl von PETRI-Netz-Varianten entwickelt, die zwecks Annäherung 

an die primär zeitlich ausgerichtete Konzeptualisierung realer – z.B. betrieblicher – Prozesse die explizite Erfassung der 

Anschauungsform „Zeit“ in PETRI-Netzen gestatten. Vgl. zu solchen Zeit-PETRI-Netzen ZELEWSKI (1995), Band 6, S. 118 ff. 

und die dort angeführte vertiefende Literatur. 

233) Im o.a. Ausschnitt aus der KOWIEN-Ontologie wird bei der Spezifikation des Konzepts Zustand durch die metasprachliche Relation 

„=>>“ die frühere Festlegung ausgenutzt, dass die Mengenwertigkeit dieser Relation einer (Min,Max)-Kardinalität des 

Typs (0,n) entspricht. Deswegen kann es im Sinne der Minimalkardinalität Null auch Zustände geben, die kein vorangehendes 

Ereignis (oder keine vorangehende Ereignisgruppe) erfordern, und ebenso Zustände, die kein nachfolgendes Ereignis (oder keine 

nachfolgende Ereignisgruppe) ermöglichen. Es handelt sich dabei um die Anfangs- bzw. um die Endzustände eines dynamischen 

Systems. 

234) Die Präzision der KOWIEN-Ontologie erweist sich an dieser Stelle als unzureichend. Denn trotz analoger Spezifikation des 

Konzepts Ereignis zur Spezifikation des Konzepts Zustand ist hier – bei der Ereignisspezifikation – mit der Gruppe von Zuständen 

etwas anderes gemeint, als oben bei der Spezifikation von Zuständen mit der Gruppe von (nebenläufigen) Ereignissen 

gemeint war. Hier bei der Ereignisspezifikation kann einem Ereigniseintritt immer nur ein einzelner Zustand vorangehen und 

ebenso nur ein einzelner Zustand (unmittelbar) nachfolgen. Mit der Gruppe von Zuständen ist hier gemeint, dass dasselbe Ereignis 

in unterschiedlichen Zuständen eintreten kann (und dann auch unterschiedliche Ereigniseintritte vorliegen) und auch zu 

unterschiedlichen nachfolgenden Zuständen führen kann je nachdem, in welchem vorangehenden Zustand das Ereignis eingetreten 

ist. Es müsste also streng genommen zwischen Ereignissen einerseits und Ereigniseintritten andererseits differenziert 

werden. Da dies in der KOWIEN-Ontologie nicht geschieht, wie bereits kurz zuvor erläutert wurde, kann der zuvor skizzierte 

Unterschied auch sprachlich nicht präzise erfasst werden. Auf jeden Fall wäre es ein Konzeptualisierungsfehler (im Hinblick 

auf den Konzeptualisierungshintergrund der PETRI-Netze), davon zu sprechen, dass ein Ereignis eine Gruppe von vorangehenden 

Zuständen erfordern oder eine Gruppe von nachfolgenden Zuständen ermöglichen würde. Darauf wird im nachstehenden 

Absatz durch Unterlassen der Option „Gruppe“ Rücksicht genommen. 

Die Spezifikation des Konzepts Ereignis im o.a. Ausschnitt aus der KOWIEN-Ontologie durch die metasprachliche Relation 

„=>>“ lässt wegen ihrer (Min,Max)-Kardinalität des Typs (0,n) zu, dass es im Sinne der Minimalkardinalität Null auch Ereignisse 

gibt, die keinen vorangehenden Zustand erfordern, und ebenso Ereignisse, die keinen nachfolgenden Zustand ermöglichen. 

Dabei würde es sich um Ereignisse „aus dem Nichts“ handeln bzw. um Ereignisse, die „ins Nichts“ führen. Solche „seltsamen“ 

Ereignisse können in dynamischen Systemen nicht vorkommen – zumindest dann nicht, wenn die Systemdynamik mittels 

PETRI-Netzen konzeptualisiert wird. Daher müsste in einer vollständig ausgearbeiteten Prozess-Ontologie eine Integritätsregel 

ergänzt werden, welche die inhaltliche Anforderung an zulässige Wissensrepräsentationen ausdrückt, dass jedes Ereignis 

(mindestens) einen unmittelbar vorangehenden und (mindestens) einen unmittelbar nachfolgenden Zustand erfordert.


Prozesse werden schließlich als Gesamtheiten aus Zuständen und zustandstransformierenden Ereignissen 

oder Ereignisgruppen konzeptualisiert. Insbesondere wird von zwei Prämissen ausgegangen, 

die „wohlgeformte“ Prozesse definieren. Einerseits wird gefordert, dass jeder Prozess in einem 

wohldefinierten Zustand startet und in einem ebenso wohldefinierten Zustand endet (Prämisse der 

Zustandsartigkeit der Prozessgrenzen). Andererseits wird vorausgesetzt, dass jeder Prozess aus 

einer alternierenden Abfolge von Zuständen und Ereignissen besteht (Prämisse der Zustands-/ 

Ereignis-Verkettung). Diese beiden zusätzlichen inhaltlichen Anforderungen an die „dynamische“ 

Struktur wohlgeformter Prozesse werden allerdings durch die o.a. Spezifikation des Konzepts Prozess 

nicht erfasst. Für die Spezifikation dieser Anforderungen wären stattdessen zusätzliche Integritätsregeln 

erforderlich, die von allen zulässigen Prozessdarstellungen in einer Wissensbasis erfüllt 

werden müssen. In der hier gebotenen Kürze wird auf die Explizierung dieser Integritätsregeln verzichtet. 

Bei der Konstruktion der KOWIEN-Ontologie war es von besonderem Interesse, solche Prozesse 

sprachlich erfassen zu können, die bei den Projektpartnern in der betrieblichen Praxis vorzufinden 

sind. 235) Zur Strukturierung der Vielzahl von Prozessen und Prozessebenen, die von den Praxispartnern 

als ökonomisch relevant eingestuft wurden, diente ein hierarchisches Prozessmodell mit einer 

schrittweisen Verfeinerung der Prozessdarstellung. Auf der obersten Stufe der Prozesshierarchie 

wurden fünf Top-Level-Prozesse identifiziert, die durch folgende Subkonzepte des allgemeinen 

Konzepts Prozess erfasst werden: 236) 

Vor-Angebot :: Prozess. 

Angebot :: Prozess. 

Auftrag_durchfuehren :: Prozess. 

Projekt_nachbearbeiten :: Prozess. 

Projekte_unterstuetzen :: Prozess. 

Bei den Instanzen der voranstehenden Subkonzepte zum Konzept Prozess handelt es sich um formale 

Objekte, mit denen konkrete Prozesse repräsentiert werden. Dabei kann es sich sowohl um 

Prozesse aus der Vergangenheit handeln, die dokumentiert werden (Ist-Prozesse), als auch um Prozesse, 

die für die Zukunft geplant sind (Plan-Prozesse). Darüber hinaus kommen auch Prozesse in 

Betracht, die in normativer Weise als erstrebenswert ausgezeichnet werden (Soll-Prozesse) – unabhängig 

davon, ob sie bereits in der Vergangenheit realisiert wurden, für die Zukunft geplant werden 

235) Hierzu wurde von den Partnern des Verbundprojektes KOWIEN am 05.04.2002 ein Workshop zur Erhebung der gemeinsamen 

Top-Level-Prozesse durchgeführt. Die Ergebnisse des Workshops fanden zum einen in der Anforderungsanalyse für den KO- 

WIEN-Prototyp Berücksichtigung. Zum anderen wurden die Begriffe, mit denen die Prozesse beschrieben werden können, in 

der KOWIEN-Ontologie spezifiziert. Zu einem Vergleich der KOWIEN-Top-Level-Prozesse mit Referenzmodellen vgl. AL- 

PARSLAN (2002) S. 62 ff. Auf den Begriff „Referenzmodell“ wird in den folgenden Erläuterungen eingegangen. Vgl. auch die 

Ausführungen zu Referenzmodellen im Kapitel 1.3.1.3 (S. 199 ff.). 

236) Aus der Sicht des Universitätspartners liegt der nachfolgenden Auflistung von Subkonzepten keine überzeugende Systematik 

zugrunde. Beispielsweise bleibt die Abgrenzung zwischen „Auftrag“ und „Projekt“ unklar. Ebenso bleibt im Dunkeln, warum 

eine Vor-Angebotsphase erfasst wird, aber keine Nach-Angebotsphase. Schließlich stellen „Vor-Angebot“ und „Angebot“ 

streng genommen keine Prozesse, sondern Resultate von Prozessen dar. Es fehlt in beiden Fällen ein „tätigkeitssignalisierendes“ 

Verb wie in „Angebot_erstellen“. Gleiches gilt für die Instanzen „Vertrieb“ und „Rechnungswesen“ für das Subkonzept 

Projekte_unterstuetzten. Von solchen Systematisierungsmängeln wurde jedoch in der KOWIEN-Ontologie abgesehen, weil im 

Vordergrund der Projektdurchführung stand, den Sprachgebrauch der Praxispartner so aufzubereiten, wie er in ihrer täglichen 

Praxis beim Management von Kompetenzwissen und – im hier betrachteten Kontext – beim Management wissensintensiver 

Geschäftsprozesse tatsächlich stattfindet. In einer späteren Überarbeitung der KOWIEN-Ontologie erscheint es jedoch angezeigt, 

die Prozesshierarchie strenger zu systematisieren.


oder nichts von beidem zutrifft. 237) Bei der dritten Alternative wird die Wissensrepräsentation um 

eine normative Komponente bereichert, wie sie z.B. aus Referenzmodellen bekannt ist. 

Als konkrete Prozesse zur Instanziierung der o.a. Subkonzepte des Konzepts Prozess sind für Wissensbasen, 

die mit Hilfe der KOWIEN-Ontologie gebildet werden, folgende Instanzen vorgesehen: 

238) 

Markt_beobachten : Vor-Angebot. 

Projekt_identifizieren : Vor-Angebot. 

Machbarkeit_pruefen : Vor-Angebot. 

Interessenbekundung : Vor-Angebot. 

Follow_up_des_PQ_LOI 239) : Vor-Angebot. 

Kundenproblem_analysieren : Angebot. 

Loesungsansaetze_finden : Angebot. 

Angebot_kalkulieren : Angebot. 

Risiken_abschaetzen : Angebot. 

Verhandlung_und_Angebotsabschluss : Angebot. 

Start_und_Inception_Phase 240) : Auftrag_durchfuehren. 

Einzelauftrag_bearbeiten : Auftrag_durchfuehren. 

Projekt_managen_und_controllen : Auftrag_durchfuehren. 

Auftrag_abschliessen : Auftrag_durchfuehren. 

Projektbeurteilung_durchfuehren : Projekt_nachbearbeiten. 

Projekt_abschliessen : Projekt_nachbearbeiten. 

Kontaktpflege_zum_Kunden_einleiten : Projekt_nachbearbeiten. 

Wartung_und_Service_durchfuehren : Projekt_nachbearbeiten. 

237) Die Charakterisierung von Prozessen als Ist-, Plan- oder Soll-Prozesse kann durch die Konzepte Ist_Prozess, Plan_Prozess 

bzw. Soll_Prozess erfolgen, die jeweils ein Subkonzept zum Konzept Prozess darstellen. Ein einzelner, konkreter Prozess wäre 

dann zugleich eine Instanz von genau einem der o.a. Subkonzepte (Vor_Angebot bis Projekte_unterstuetzen) zum Konzept Prozess 

als auch eine Instanz von genau einem der hier eingeführten Subkonzepte Ist_Prozess, Plan_Prozess und Soll_Prozess. 

Derselbe Prozess wäre somit Instanz von zwei verschiedenartigen (Sub-) Konzepten. In diesem Fall liegt (unter Einschluss der 

Instanzenebene) eine taxonomische Heterarchie vor, die nicht mehr baum-, sondern netzartig strukturiert ist. Zugleich erfolgt 

eine multiple Instanzierung von jeweils zwei unterschiedlichen Subkonzepten des Konzepts Prozess durch denselben konkreten 

Prozess; vgl. dazu Fußnote 174 auf S. 488. 

238) Die angeführten Instanzen geben wiederum die Auffassung der Praxispartner wieder, welche (wissensintensiven) Prozesse aus 

ihrer Sicht besonders relevant sind und daher in einem ontologiebasierten Kompetenzmanagementsystem auf jeden Fall erfasst 

werden sollten. Bei anderen – vielleicht auch im Zeitablauf wechselnden – Relevanzurteilen sowie bei anderen Unternehmen 

können unterschiedliche Mengen von Prozess-Instanzen resultieren. Außerdem ist zu beachten, dass gemäß dem hier entfalteten 

Ontologieverständnis eine Instanzenmenge niemals Bestandteil einer Ontologie im engeren Sinn ist, sondern entweder eine Ontologieerweiterung 

darstellt (z.B. um Inferenzregeln formulieren zu können) oder zur Spezifizierung von Fakten in einer Wissensbasis 

dient, die „unter“ einer Ontologie eingerichtet wird. 

239) Die Bezeichnungen „PQ“ und „LOI“ werden für „Pre Qualification“ bzw. „Letter of Intent“ verwendet. Beide Bezeichnungen 

werden vorwiegend in der Domäne des Maschinen- und Anlagenbaus verwendet, der auch der Großteil der Praxispartner des 

KOWIEN-Projekts entstammen. Bei einer „Pre Qualification“ handelt es sich um ein Ausschreibungsverfahren, in dem nur eine 

„geschlossene“ Gruppe von potenziellen Anbietern berücksichtigt wird, die aus einer Vorauswahl hervorgegangen sind. Ein 

„Letter of Intent“ ist hingegen die Absichtserklärung eines Anbieters. 

240) Die Bezeichnungen „Start“ und „Inception“ werden im Kontext des Projektmanagements im Maschinen- und Anlagenbau synonym 

verwendet. Sie wurden in der KOWIEN-Ontologie in ihrer konjunktiven Verknüpfung aufgeführt, da einerseits die Bezeichnung 

„Start“ oftmals eine homonyme Verwendung findet und andererseits die Bezeichnung „Inception“ oft unverständlich 

bleibt.


Strategie_entwickeln : Projekte_unterstuetzen. 

Marketingprogramm_entwickeln : Projekte_unterstuetzen. 

Vertrieb : Projekte_unterstuetzen. 

Rechtsberatung : Projekte_unterstuetzen. 

Personal_managen : Projekte_unterstuetzen. 

Infrastruktur_bereitstellen : Projekte_unterstuetzen. 

Rechnungswesen : Projekte_unterstuetzen. 

Das Konzept Stelle wird dazu verwendet, solche Aufgabenkomplexe zu erfassen, die für ein Organisationsmitglied 

unabhängig von einer bestimmten Person vorgesehen sind. Stellen sind neben 

Abteilungen, Teams u.ä. organisatorische Einheiten, in denen Rechte und Pflichten eines Organisationsmitglieds 

institutionell geregelt werden. 

2.4.3.1.2.2 Konkrete Denkobjekte 

Bei dem zweiten Subkonzept des Konzepts Denkobjekt handelt es sich um das Konzept konkretes_Denkobjekt. 

Es umfasst in seiner Instanzenmenge alle formalen Objekte, die Objekte des Denkens 

(Denkobjekte) mit einer materiellen Beschaffenheit repräsentieren. Diese materiellen Objekte 

können entweder zu eigenständigem Handeln befähigt sein oder aber unfähig sein, eigenständig zu 

handeln. Im ersten Fall liegen Instanzen des Konzepts Akteur vor, im zweiten Fall Instanzen des 

Konzepts handlungsunfaehiges_Denkobjekt. Die weitere Ausdifferenzierung dieser beiden Konzepte 

in Subkonzepte, die zur sprachlichen Konzeptualisierung des Realitätsausschnitts „Kompetenzmanagementsysteme“ 

benötigt werden, lassen sich dem nachfolgenden Ausschnitt aus der KO- 

WIEN-Ontologie entnehmen: 

handlungsunfaehiges_Denkobjekt :: konkretes_Denkobjekt. 

Akteur :: konkretes_Denkobjekt. 

Gebiet :: handlungsunfaehiges_Denkobjekt. 

Gegenstand :: handlungsunfaehiges_Denkobjekt. 

Akteur [hat_Kompetenzaussage =>> Kompetenzaussage; 

hat_Kompetenzprofil => Akteur_Profil]. 

Individualakteur :: Akteur. 

Kollektivakteur :: Akteur. 

menschliches_Kollektiv :: Kollektivakteur. 

maschinelles_Kollektiv :: Kollektivakteur. 

einzelner_Mensch :: Individualakteur. 

einzelne_Maschine :: Individualakteur. 

Team :: menschliches_Kollektiv. 

Unternehmen :: menschliches_Kollektiv. 

Unternehmensnetzwerk :: menschliches_Kollektiv. 

Als Subkonzepte des Konzepts handlungsunfaehiges_Denkobjekt werden in der KOWIEN-Ontologie 

einerseits das Konzept Gebiet und andererseits das Konzept Gegenstand zugelassen. Das 

Konzept Akteur wird in die Subkonzepte Individualakteur und Kollektivakteur unterteilt. Das erstgenannte 

Subkonzept umfasst einzelne Menschen und einzelne Maschinen als untergeordnete Kon-


zepte, das letztgenannte Subkonzept umfasst einerseits menschliche und andererseits maschinelle 

Kollektive als untergeordnete Konzepte. 

Den Instanzen des Konzepts Akteur könnten Instanzen des Konzepts Kompetenzaussage und somit 

auch Instanzen des Konzepts Kompetenzprofil zugewiesen werden. Dies geschieht durch die Relationen 

hat_Kompetenzaussage und hat_Kompetenzprofil. Während die Relation hat_Kompetenzaussage 

wegen ihrer Mengenwertigkeit auf der Instanzenebene einem Akteur mehrere Kompetenzaussagen 

zuzuordnen vermag, kann durch die einwertige Relation hat_Kompetenzprofil auf der 

Instanzenebene jedem Akteur nur höchstens ein Kompetenzprofil zugewiesen werden. 241) 

Aufgrund der Unterteilung des Konzepts Akteur in die Subkonzepte Individualakteur und Kollektivakteur 

und der Vererbung von Konzeptmerkmalen (hier: Relationen) auf alle ihre Subkonzepte 

können auf der Instanzenebene sowohl Individual- als auch Kollektivakteuren jeweils Kompetenzaussagen 

und ein Kompetenzprofil zugewiesen werden. Während die Zuweisung von Kompetenzaussagen 

an Individualakteure dem intuitiven Verständnis kompetenter Akteure entspricht, bereitet 

die Zuweisung von Kompetenzaussagen an Kollektivakteure möglicherweise einigen Rezipienten 

Verständnisprobleme. Motiv für eine solche Spezifikation war der Wunsch, Bündeln von Individualakteuren 

– wie etwa Projektteams oder ganzen Unternehmen – genau so Kompetenzaussagen zuweisen 

zu können, wie es für Individualakteure selbstverständlich erscheint. Dadurch wird es möglich, 

Phänomene wie Projekt- bzw. Unternehmenskulturen hinsichtlich ihrer Ausstrahlung auf 

Kompetenzen (und Kompetenzausprägungen) zu erfassen. Beispielsweise wird einigen Unternehmen 

attestiert, 242) aufgrund ihrer besonderen Unternehmenskultur über eine exzellente Innovationskompetenz 

auf Unternehmensebene zu verfügen. 243) Zwar sind in der KOWIEN-Ontologie zurzeit 

noch keine objektsprachlichen Inferenzregeln spezifiziert, die es ermöglichen würden, von den 

Kompetenzen der beteiligten Individualakteure auf die Kompetenzen eines Kollektivakteurs zu 

schließen. Allerdings kann bereits jetzt eine Eingabe von Kompetenzen für einen Kollektivakteur 

„manuell“ erfolgen. 

241) Da die beiden metasprachlichen Relationen „=>>“ und „=>“ die (Min,Max)-Kardinalitäten vom Typ (0,1) bzw. (0,n) besitzen, 

kann hinsichtlich der Minimalkardinalität Null auch der Fall eintreten, dass einem Akteur auf der Instanzenebene überhaupt 

keine Kompetenzaussage oder überhaupt kein Akteursprofil zugeordnet ist. 

242) Häufig wurden (früher) in dieser Hinsicht u.a. Hewlett Packard und Sony erwähnt. 

243) Die Betonung der Unternehmensebene verdeutlicht, dass keineswegs jeder einzelne Mitarbeiter eines solchen Unternehmens 

eine exzellente Innovationskompetenz besitzen müsse. Vielmehr kann ein solches Unternehmen auch Mitarbeiter beschäftigen, 

die ihre Stärken nur in Routinearbeiten zu entfalten vermögen (wie z.B. die stigmatisierten „Erbsenzähler“). Gemeint ist also 

nur, dass das Unternehmen als Ganzes – als gedachte Einheit – über eine exzellente Innovationskompetenz verfügt.


2.4.3.1.3 Erfahrungsobjekte 

Das Konzept Erfahrungsobjekt dient neben dem Konzept Denkobjekt, das zuvor ausführlicher thematisiert 

wurde, zur Ausdifferenzierung des übergeordneten Konzepts objektsprachliche_Entitaet. 

Mit dem Konzept Erfahrungsobjekt werden alle Instanzen konzeptualisiert, die sich in den Anschauungsformen 

Raum und Zeit erfahren lassen. 244) Je nachdem, welche Anschauungsform bei der 

Konzeptualisierung überwiegt, wird die betroffene Instanz entweder dem Subkonzept zeitartiges_Erfahrungsobjekt 

oder dem Subkonzept raumartiges_Erfahrungsobjekt zugeordnet. 245) Die 

beiden Subkonzepte mit ihren weiterführenden Ausdifferenzierungen werden in dem nachfolgenden 

Ausschnitt aus der KOWIEN-Ontologie dargestellt: 

zeitartiges_Erfahrungsobjekt :: Erfahrungsobjekt. 

raumartiges_Erfahrungsobjekt :: Erfahrungsobjekt. 

Zeitpunkt :: zeitartiges_Erfahrungsobjekt. 

Zeitspanne :: zeitartiges_Erfahrungsobjekt. 

Zeitpunkt [liegt_in_Zeitspanne =>> Zeitspanne]. 

Zeitspanne [hat_Beginn => Zeitpunkt; 

hat_Ende => Zeitpunkt; 

beginnt_am_Beginn_von_Zeitspanne =>> Zeitspanne; 

beginnt_am_Ende_von_Zeitspanne =>> Zeitspanne; 

endet_am_Beginn_von_Zeitspanne =>> Zeitspanne; 

endet_zum_Ende_von_Zeitspanne =>> Zeitspanne; 

beinhaltet_Zeitspanne =>> Zeitspanne; 

waehrend_Zeitspanne =>> Zeitspanne; 

vor_Zeitspanne =>> Zeitspanne; 

nach_Zeitspanne =>> Zeitspanne; 

ueberlappt_mit_Zeitspanne =>> Zeitspanne; 

gleiche_Zeitspanne_wie =>> Zeitspanne]. 

Um zeitartige Erfahrungsobjekte mit einer Ontologie spezifizieren zu können, bedarf es einer Entscheidung 

zwischen entweder diskreten oder aber kontinuierlichen Zeitkonzepten. Während bei der 

Modellierung mittels eines kontinuierlichen Zeitkonzepts zeitliche Abstände als nicht-negative 246) 

reelle Zahlen dargestellt werden 247) , werden bei der Modellierung mittels eines diskreten Zeitkon- 

244) Die Anschauungsformen Raum und Zeit werden hier in Anlehnung an KANT verwendet. Vgl. KANT (1981) S. 69 ff. u. 204 ff., 

insbesondere S. 71 („ ... , daß es zwei reine Formen sinnlicher Anschauung, als Prinzipien der Erkenntnis a priori gebe, nämlich 

Raum und Zeit, ... “), sowie S. 71 ff. speziell zur Anschauungsform „Raum“ und S. 78 ff. speziell zur Anschauungsform „Zeit“. 

245) Es lässt sich durchaus vorstellen, dass bei der Konzeptualisierung von Instanzen (oder auch Subkonzepten) keine der beiden 

Anschauungsformen dominiert. In diesem Fall müssen die betroffenen Instanzen (Subkonzepte) beiden Konzepten zeitartiges_Erfahrungsobjekt 

und raumartiges_Erfahrungsobjekt zugleich untergeordnet werden. Daraus resultiert eine taxonomische 

Heterarchie. In der KOWIEN-Ontologie stellte sich ein solcher Fall jedoch nicht ein, so dass er hier nicht weiter berücksichtigt 

wird. 

246) „Normale“ Zeitabstände werden als positive reelle Zahlen dargestellt. Die Zahl Null wird ebenso zugelassen, um den „degenerierten“ 

Abstand ohne zeitliche Ausdehnung, also die Gleichzeitigkeit von Ereignissen (oder Prozessen) ausdrücken zu können. 

247) Durch den Einsatz reeller Zahlen können in kontinuierlichen Zeitmodellen stets neue Zeitpunkte zwischen allen Zeitpunkt- 

Paaren bestimmt werden; vgl. RITTGEN (1998) S. 176. Kontinuierliche Zeitkonzepte liegen beispielsweise zumeist stochastischen 

Modellen, wie z.B. MARKOV-Ketten, zugrunde; vgl. RITTGEN (1998) S. 43.


zepts meist natürliche Zahlen verwendet. Für die KOWIEN-Ontologie erfolgte eine Entscheidung 

zugunsten des diskreten Zeitkonzepts, weil betriebliche Informationsverarbeitungssysteme – insbesondere 

das Rechnungswesen, aber z.B. auch Projekt- und Personalinformationssysteme – im Allgemeinen 

mit diskreten, zumeist ganzzahligen Zeitangaben für Termine, Fristen, Ausführungsdauern 

u.ä. arbeiten. 248) 

Zur Konzeptualisierung der Anschauungsform Zeit wird in der KOWIEN-Ontologie eine Unterscheidung 

zwischen Zeitpunkten und Zeitspannen 249) vorgenommen. Bei dieser Unterscheidung 

wird davon ausgegangen, dass jede Entität zu jedem Zeitpunkt für jede ihrer Eigenschaften eine 

konkrete Ausprägung aufweist – und zwar unabhängig davon, ob die Entität zu einem Zeitpunkt gerade 

beobachtet wird oder nicht. 250) Für das temporale Verhältnis, in dem zwei Zeitspannen zueinander 

stehen können, wurden im o.a. Ausschnitt aus der KOWIEN-Ontologie bereits mehrere Relationen 

spezifiziert. Die nachfolgende Tabelle 7 veranschaulicht diese Relationen zwischen zwei 

Zeitspannen. 

In der Tabelle 7 sind 10 zweistellige Relationen aufgeführt, die zur Spezifikation von Beziehungen 

zwischen Zeitspannen herangezogen werden können. Die grauen Balken in der rechten Spalte der 

Tabelle repräsentieren jeweils das erste Argument derjenigen Relation, die in der linken Spalte zuerst 

aufgeführt ist. Die weißen Balken repräsentieren entsprechend das zweite Argument der ersten 

Relation aus der linken Spalte der Tabelle. 

Die inhaltlichen Beziehungen zwischen den Relationen, die in der Tabelle 7 aufgeführt sind, können 

aus zwei unterschiedlichen Perspektiven strukturiert werden. Es handelt sich dabei um eine horizontale 

und eine vertikale Sicht auf die Relationen, die zu entsprechenden Relationenanordnungen 

führen. 

248) Vgl. zu weiteren Rechtfertigungen der Verwendung diskreter Zeitkonzepte in Automatischen Informationsverarbeitungssystemen 

OBERWEIS (1990) S. 8. 

249) Zeitspannen werden synonym auch als Zeitintervalle oder als Zeiträume bezeichnet. 

250) Diese Annahme entspricht einem naiv-realistischen Standpunkt (als ontologisches Commitment!). Ihm zufolge besitzt eine Entität 

Eigenschaften mit wohldefinierten Ausprägungen unabhängig von ihrer Beobachtung durch wahrnehmende Subjekte. Die 

alternative Denkmöglichkeit, dass Eigenschaftsausprägungen erst durch Beobachtungsakte eines Subjekts „erschaffen“ werden, 

wie sie etwa seitens (vor allem „radikal“) konstruktivistischer Erkenntnispositionen vertreten wird, findet in der KOWIEN- 

Ontologie also keine Berücksichtigung. Ebenso wird von quantenphysikalischen Phänomenen abstrahiert, die bei Beobachtungen 

von Messquanten in der Größenordnung von HEISENBERGS Unschärferelation dazu führen, dass sich die „klassische“ Unterscheidung 

zwischen beobachtendem Subjekt und beobachtetem Objekt (Entität) nicht mehr aufrechterhalten lässt. Als pars pro 

toto sei an das makabre, aber nichtsdestoweniger illustrative Gedankenexperiment von „SCHRÖDINGERS Katze“ verwiesen. Die 

Verfasser verkennen keineswegs die gravierenden epistemischen Komplikationen der realistischen Erkenntnisposition, wie sie 

zuvor anhand zweier Beispiele skizziert wurden. Ganz im Gegenteil: sie akzeptieren die grundsätzliche Berechtigung solcher 

Einwände gegen einen naiven Realismus. Allerdings wirken sich Komplikationen der vorgenannten Art nach Überzeugung der 

Verfasser im „Mesokosmos“ des betrieblichen Alltags nicht so aus, dass sie zu irgendeiner „signifikanten“ Differenz gegenüber 

einer realistischen Position führen würden. Stattdessen entspricht die realistische Position sogar dem „gesunden Menschenverstand“ 

der alltäglichen betrieblichen Praxis. Hinzu kommt, dass mit Ontologien angestrebt wird, diejenigen sprachlichen Ausdrucksmittel 

zur Verfügung zu stellen, die von einer Gruppe von Akteuren für ihre Konzeptualisierungen eines Realitätsausschnitts 

tatsächlich verwendet oder benötigt werden. Daher gehen die Verfasser von dem Primat derjenigen Erkenntnisposition 

aus, die von der Zielgruppe der KOWIEN-Ontologie, also den Anwendern eines Kompetenzmanagementsystems in der betrieblichen 

Praxis, entweder tatsächlich eingenommen wird oder aber dieser Zielgruppe zumindest mit Plausibilitätsargumenten zugeschrieben 

werden kann. Alle Erfahrungen der Verfasser mit Akteuren aus der vorgenannten Zielgruppe haben zu der Einsicht 

geführt, dass Komplikationen der oben skizzierten Art in der betrieblichen Praxis auf „fassungsloses Unverständnis“ stoßen. 

Stattdessen herrscht eine (zumeist unreflektierte) naiv-realistische Grundhaltung vor. Aus den vorgenannten Gründen wird der 

KOWIEN-Ontologie – als zielgruppengerechtes ontologisches Commitment – eine naiv-realistische Erkenntnisposition 

zugrunde gelegt.


Relation (inverse Relation) 

beginnt_am_Beginn_von_Zeitspanne 

beginnt_am_Ende_von_Zeitspanne 

(endet_am_Beginn_von_Zeitspanne) 

endet_zum_Ende_von_Zeitspanne 

beinhaltet_Zeitspanne 

(waehrend_Zeitspanne) 

vor_Zeitspanne 

(nach_Zeitspanne) 

ueberlappt_mit_Zeitspanne 

gleiche_Zeitspanne_wie 

Zeitstrahl 

Tabelle 7: Relationen zwischen Zeitspannen 

Die horizontale Anordnung von Relationen in der Tabelle 7 bezieht sich darauf, zu einer jeweils betrachteten 

Relation deren inverse Relation zu definieren. Zu drei Relationen in der o.a. Tabelle sind 

jeweils in Klammern diejenigen Relationen aufgeführt, die sich zu der jeweils voranstehenden Relation 

(Bezugsrelation) invers verhalten. Die inversen Relationen sind für ein zweistelliges Argument 

genau dann gültig, wenn die Bezugsrelation nach Vertauschung der beiden Terme im Argument 

gültig ist. 

Zwischen den Relationen, die in der Tabelle 7 aufgeführt sind, existiert beispielsweise eine vertikale 

Anordnung zwischen der Relation beginnt_am_Ende_von_Zeitspanne als Subrelation und der 

Relation nach_Zeitspanne als Superrelation. Diese vertikale Anordnung wird in der KOWIEN- 

Ontologie durch folgende Regel 251) spezifiziert: 252) 

251) Im Prinzip handelt es sich um eine Integritätsregel. Denn der temporale Zusammenhang zwischen den Zeitspannen eines Realitätsausschnitts 

wäre unzulässig, wenn es mindestens zwei Zeitspannen gäbe, die der o.a. inhaltlichen Anforderung an das Verhältnis 

zwischen den Relationen beginnt_am_Ende_von_Zeitspanne und nach_Zeitspanne nicht gerecht werden. An dem Beispiel 

dieser Integritätsregel zeigt sich erneut, dass Ontologien im engeren Sinn, die nur auf der Konzeptebene definiert sind, für 

die vollständige Spezifikation von sprachlichen Ausdrucksmitteln nicht ausreichen. Denn die Integritätsregel für die Zulässigkeit 

von Zeitspannen, die sowohl zu einer Sub- als auch ihrer Superrelation gehören, lässt sich nur auf der Instanzenebene formulieren. 

Folglich gehört die Integritätsregel nicht mehr zur KOWIEN-Ontologie im engeren Sinn, sondern zur instanzenbezogenen 

Ontologieerweiterung. 

252) Da die KOWIEN-Ontologie mit der Wissensrepräsentationssprache F-Logic formuliert wurde, müssen bei der Regelformulierung 

in der KOWIEN-Ontologie einige Eigenarten von F-Logic berücksichtigt werden. Sie führen zu Abweichungen von der 

prädikatenlogischen Notationsweise, die bisher aufgrund ihrer Anschlussfähigkeit zu einer großen Zahl anderer formalsprachlicher 

Darstellungen bevorzugt wurde. Beispielsweise ist hinsichtlich der Quantifizierung von Variablen in F-Logic zu beachten, 

dass der prädikatenlogische Allquantor „∀“ üblicherweise in F-Logic durch die Notation „FORALL“ ersetzt wird. Eine entsprechende 

Ersetzung betrifft auch den Existenzquantor „∃“ durch die Zeichenkette „EXISTS“; dies braucht aber hier nicht erörtert 

zu werden, weil die nachfolgend dargestellten Formeln keine Existenzquantifizierungen enthalten. Außerdem wird in F- 

Logic die Reihenfolge von Antezedenz- und von Kunklusions-Komponente in Subjugat-Formeln „umgedreht“ (mit entsprechender 

Umkehrung der Richtung des „Subjugatpfeils“). In einer früheren Anmerkung wurde allerdings darauf hingewiesen, 

dass in der vorliegenden Ausarbeitung – u.a. zwecks Anschlussfähigkeit an die „vorherrschende“ wissenschaftliche Literatur – 

eine Notation verwendet wird, die sich möglichst eng an die Prädikatenlogik anlehnt. Daher wird von den vorgenannten Eigenarten 

von F-Logic, die bei der Implementierung der KOWIEN-Ontologie berücksichtigt werden mussten, im Folgenden – wie 

auch schon in den voranstehenden Ausführungen – abstrahiert. Stattdessen wird die bereits eingeführte prädikatenlogische Notationsweise 

fortgesetzt, um innerhalb dieses Beitrags eine in sich konsistente Notation zu verwenden.


∀ X,Y: X:Zeitspanne [beginnt_am_Ende_von_Zeitspanne ->> Y] → 

X:Zeitspanne [nach_Zeitspanne ->> Y]. 

Wenn für ein beliebiges Paar (X,Y) von Zeitspannen ausgedrückt ist, dass die Zeitspanne X am 

Ende von der Zeitspanne Y beginnt, muss auch gelten, dass die Zeitspanne X nach der Zeitspanne Y 

beginnt. Die Relation beginnt_am_Ende_von_Zeitspanne ist demnach eine Subrelation der Superrelation 

nach_Zeitspanne. Die Relation beginnt_am_Ende_von_Zeitspanne ist in der Relation nach_ 

Zeitspanne bereits implizit enthalten. Im Vergleich zu der Subrelation beginnt_am_Ende_von_Zeitspanne 

kann mit der Superrelation nach_Zeitspanne weniger ausgedrückt werden. Denn mit der 

Relation beginnt_am_Ende_von_Zeitspanne wird ausgedrückt, dass die Zeitspanne X unmittelbar 

nach Y beginnt, d.h. zwischen den beiden Zeitspannen besteht der zeitliche Abstand Null. Dagegen 

geht diese präzise zeitliche Abstandsinformation bei Verwendung der Relation nach_Zeitspanne 

verloren. Die letztgenannte Relation lässt es unbestimmt, ob die Zeitspanne X unmittelbar nach der 

Zeitspanne Y beginnt oder ob eine dritte Zeitspanne Z (größer Null) zwischen den Zeitspannen X 

und Y liegt. Folglich stellt die Superrelation nach_Zeitspanne eine Vergröberung der Subrelation 

beginnt_ am_Ende_von_Zeitspanne dar. 

Zur Konzeptualisierung raumartiger Erfahrungsobjekte wird in der KOWIEN-Ontologie zwischen 

Punkten, Strecken, Flächen und Räumen 253) unterschieden: 

Punkt :: raumartiges_Erfahrungsobjekt. 

Strecke :: raumartiges_Erfahrungsobjekt. 

Fläche :: raumartiges_Erfahrungsobjekt. 

Raum :: raumartiges_Erfahrungsobjekt. 

Im Gegensatz zu zeitartigen Erfahrungsobjekten, die nicht nur für betriebswirtschaftliche Realitätsausschnitte 

im Allgemeinen, sondern auch für Kompetenzmanagementsysteme im Speziellen eine 

große Rolle spielen, besitzen raumartige Erfahrungsobjekte für die KOWIEN-Ontologie nur eine 

untergeordnete Rolle. Sie werden beispielsweise benötigt, um die Adressen von Akteuren als Kompetenzträgern 

spezifizieren zu können. Wegen dieser Randrolle wurde auf eine subtile Konzeptualisierung 

raumartiger Erfahrungsobjekte verzichtet. Stattdessen kommt die KOWIEN-Ontologie mit 

einer relativ groben Konzeptualisierung der Anschauungsform Raum aus. 

Punkte werden durch die Koordinaten spezifiziert, mit denen sie in einem geographischen Informationssystem 

lokalisiert werden können. Strecken sind raumartige Erfahrungsobjekte mit jeweils 

einem Anfangs- und einem Endpunkt. Dies erfordert keinen linearen Verlauf zwischen den beiden 

Punkten. Im Falle der Nichtlinearität erfordert die Spezifikation einer Strecke allerdings neben 

ihrem Anfangs- und ihrem Endpunkt auch weitere Angaben zur Art des nichtlinearen Streckenverlaufs. 

Flächen werden durch die Koordinaten ihrer Eckpunkte beschrieben. 254) Räume werden 

253) Räume werden hier im Sinne raumerfüllender Körper verstanden. Sie sind daher nicht mit dem Raum als Anschauungsform 

oder dem Raum eines dreidimensionalen Koordinatensystems zu verwechseln. 

254) Dies bedeutet eine erhebliche Abstrahierung von realen Flächen, deren Ränder beliebig – insbesondere auch „kurvig“ – geformt 

sein können. In der KOWIEN-Ontologie erfolgte jedoch eine Einschränkung auf Flächen, die Polygone darstellen, also Vielecke 

mit jeweils geraden Randstrecken zwischen je zwei Eckpunkten. Reale Flächen können durch Polygone beliebig nahe approximiert 

werden, indem die Anzahl der Eckpunkte vergrößert wird und eine zweckmäßige Auswahl der Längen der randbildenden 

Strecken erfolgt.


ebenso durch die Koordinaten ihrer Eckpunkte spezifiziert, 255) allerdings in einem dreidimensionalen 

Koordinatensystem. 

2.4.3.2 Metasprachliche Entitäten 

Die beiden Top-Level-Konzepte objektsprachliche_Entitaet und metasprachliche_Entitaet hängen 

eng inhaltlich miteinander zusammen. Dieser komplexe Zusammenhang wird sowohl durch Konzepte 

„an sich“ als auch durch Relationen zwischen Konzepten gestiftet und im Folgenden näher erläutert. 

Das Top-Level-Konzept objektsprachliche_Entitaet und alle seine objektsprachlichen Subkonzepte 

stellen nach ihrer Reifizierung jeweils Instanzen des metasprachlichen Konzepts Konzept dar, das 

seinerseits ein Subkonzept des Konzepts metasprachliche_Entitaet ist. Diese Reifizierung von objektsprachlichen 

Konzepten wird immer dann nötig, wenn (metasprachliche) Aussagen über die objektsprachlichen 

Konzepte getroffen werden sollen. In der KOWIEN-Ontologie kommen solche 

Aussagen in der Form vor, dass einem objektsprachlichen Konzept mittels der (metasprachlichen) 

Relation hat_Bezeichner eine objektsprachliche Bezeichnung oder mittels der (metasprachlichen) 

Relation ist_definiert_als eine objektsprachliche Definition zugeordnet wird. Wenn beispielsweise 

dem Konzept Akteur die natürlich- und objektsprachliche Bezeichnung „Akteur“ sowie eine ebenso 

natürlich- und objektsprachliche Definition „Akteure sind definiert als ... “ zugeordnet sind, so lässt 

sich dies in der F-Logic-Notation der KOWIEN-Ontologie wie folgt ausdrücken: 256) 

255) Räume werden durch eine Abstrahierung von realen Räumen konzeptualisiert, die analog zu Flächen geschieht: Räume werden 

grundsätzlich als Polyeder aufgefasst, also als räumliche Gebilde, deren „Hülle“ aus beliebig geformten Polygonen gebildet 

wird. Reale (dreidimensionale) Räume können durch Polyeder beliebig nahe approximiert werden, indem die Anzahl hüllenbildender 

Polygone vergrößert wird und eine zweckmäßige Auswahl der Polygonform(en) erfolgt. 

256) In der nachfolgenden F-Logic-Formel ist zu beachten, dass der Ausdruck Akteur (ohne „“) auf der jeweils linken Seite der 

Infix-Notation für die Relationen hat_Bezeichnung und hat_Definition das reifizierte objektsprachliche Konzept Akteur und 

somit eine Instanz des metasprachlichen Konzepts Konzept darstellt. Auf der rechten Seite der Infix-Notation für die Relation 

hat_Bezeichnung steht hingegen der Ausdruck „Akteur“ (mit „“), der eine Instanz des objektsprachlichen Konzepts String darstellt. 

Dieses objektsprachliche Konzept String wird allgemein dazu benutzt, mit seinen Instanzen beliebige natürlichsprachliche 

Zeichenketten („strings“) formulieren zu können, die in den meisten Wissensrepräsentationssprachen (und auch Programmiersprachen 

wie Prolog) in Anführungszeichen eingeschlossen werden. Dieselbe Zeichenfolge „A-k-t-e-u-r“ steht hier 

also einmal für das reifizierte objektsprachliche Konzept Akteur und somit eine Instanz des metasprachlichen Konzepts Konzept 

(auf der linken Relationsseite) und das andere Mal für eine Instanz des objektsprachlichen Konzepts String. Es handelt sich also 

links und rechts von der Relation in Infix-Notation um verschiedenartige sprachliche Konstrukte trotz ihrer identischen 

Zeichenfolgen (sofern von den String-charakterisierenden Anführungszeichen abgesehen wird). Noch deutlicher wird der 

Unterschied, wenn natürlichsprachliche Bezeichner für Konzepte mit anderen Zeichenfolgen notiert werden als die 

formalsprachliche Konzeptbezeichnung. So kann beispielsweise dem reifizierten objektsprachlichen Konzept Intensitaet (hier 

in formalsprachlicher Notation ohne Umlaut) mittels der Relation hat_Bezeichnung die natürlichsprachliche Bezeichnung 

„Intensität“ (mit „“) als eine Instanz des objektsprachlichen Konzepts String zugeordnet werden. 

Schließlich ist zwecks Vermeidung von Missverständnissen darauf hinzuweisen, dass in den voranstehenden Erläuterungen für 

ein Konzept jeweils zwei Bezeichner verwendet wurden. Beispielsweise wurde das reifizierte Konzept Intensitaet sowohl in 

formalsprachlicher Notation (ohne Umlaut) mit der Zeichenkette „Intensitaet“ als auch in natürlichsprachlicher Notation (mit 

Umlaut) mit der Zeichenkette „Intensität“ bezeichnet. Die beiden Bezeichner „Intensitaet“ und „Intensität“ verhalten sich synonym 

zueinander, weil sie dasselbe zugrunde liegende Konzept Intensitaet bezeichnen. Die Rede über Konzepte und deren Bezeichnungen 

fällt so kompliziert aus, weil ein Konzept „an sich“ – also ohne seine Bezeichnung – gar nicht angesprochen werden 

kann. Daher wird in der Formulierung „Konzept Intensitaet“ bereits ein Bezeichner verwendet, obwohl „eigentlich“ nur das 

Konzept „an sich“ adressiert werden sollte. An dieser Stelle manifestiert sich die generelle Einsicht, dass über sprachliche Konstrukte 

nicht „außerhalb“ einer Sprache geredet werden kann, sondern sich Erörterungen sprachlicher Konstrukte immer als 

selbstreferenziell erweisen.


Akteur [hat_Bezeichnung ->> „Akteur“; 

hat_Definition -> „Akteure sind definiert als ... “]. 

In dieser – vielleicht „banal“ erscheinenden – Formel aus der KOWIEN-Ontologie manifestiert sich 

eine erhebliche Komplizierung von Ontologien, wenn in solchen Ontologien auf ihre eigenen Konzepte 

(und Relationen) mit Bezeichnungen und Definitionen Bezug genommen wird. Die Komplikationen 

betreffen das Verhältnis zwischen Konzept- und Instanzenebene. In der o.a. Formel werden 

die metasprachlichen Relationen „->>“ und „->“ verwendet, die nur zwischen Instanzen definiert 

sind. Die Ausdrücke auf den rechten Seiten der beiden Relationen (in Infix-Notation) 

hat_Bezeichnung und hat_Definition bereiten keine Schwierigkeiten, weil es sich von vornherein 

um Instanzen des Konzepts String handelt. Probleme entstehen jedoch auf der linken Relationenseite, 

weil der dort angeführte „Akteur“ eigentlich das objektsprachliche Konzept Akteur sein müsste. Dies 

wäre jedoch formalsprachlich unzulässig, weil die metasprachlichen Relationen „->>“ und „->“ nur 

zwischen Instanzen definiert ist. Um diesen „Ebenenkonflikt“ zwischen Konzept- und Instanzenebene 

aufzulösen, muss auf der linken Relationenseite das Konzept Akteur in eine Instanz transformiert 

werden. 

Zu diesem Zweck wird auf das Hilfsmittel der Reifizierung zurückgegriffen, das bereits an früherer 

Stelle in Bezug auf dreistellige Prädikate ausführlicher erläutert wurde. 257) Das Konzept Akteur wird 

reifiziert, indem es als Instanz zu einem neuen Konzept behandelt wird: dem metasprachlichen 

Konzept Konzept. Dieses metasprachliche Konzept umfasst als Instanzen alle objektsprachlichen 

Konzepte der KOWIEN-Ontologie, die als Konzept objektsprachliche_Entitaet oder dessen Subkonzepte 

definiert sind. 258) Auf diese Weise wird es möglich, innerhalb der Ontologie allen objektsprachlichen 

Konzepten beliebige – insbesondere natürlichsprachliche – Bezeichnungen und ebenso 

beliebige Definitionen zuzuordnen. In dieser Hinsicht leistet die KOWIEN-Ontologie eine Innovation, 

die nach Kenntnisstand der Verfasser bislang in keiner Ontologie für ökonomisch relevante 

Realitätsausschnitte diskutiert – geschweige denn konkret ausformuliert und implementiert – worden 

wäre. 

257) Hier kann die Reifizierung sogar in einer einfacheren Variante angewendet werden, als es oben für die Transformation nstelliger 

Prädikate (mit n ≥ 3) in „Aussage-Objekte“ mit n zusammenhängenden und jeweils zweistelligen Relationen der Fall 

war. Denn hier reicht es aus, ein Konzept als Ganzes in die Instanz eines anderen Konzepts – des metasprachlichen Konzepts 

Konzept – zu transformieren. Mehr ist an dieser Stelle nicht nötig. 

258) Qua Reifizierung werden also objektsprachliche Konzepte in metasprachliche Instanzen transformiert. Dadurch wird es möglich, 

ehemals metasprachliche Aussagen über Eigenschaften von und Relationen zwischen den objektsprachlichen Konzepten 

nach der Reifizierung als objektsprachliche Aussagen über Eigenschaften von und Relationen zwischen den Instanzen (als reifizierten 

Konzepten) zu treffen. Durch dieses „Downsizing“ ursprünglich metasprachlicher Aussagen geht die Differenzierung 

zwischen metasprachlichen Aussagen einerseits und den objektsprachlichen Konzepten andererseits, über die Aussagen gemacht 

werden, verloren. So werden in F-Logic sowohl Instanzen von objektsprachlichen Konzepten als auch Instanzen, die reifizierte 

objektsprachliche Konzepte darstellen, unterschiedslos behandelt. Um der fehlenden formalsprachlichen Differenzierung 

zwischen den beiden Konstrukttypen – einerseits „normale“ Instanzen von objektsprachlichen Konzepten und andererseits 

Instanzen als reifizierte objektsprachliche Konzepte – entgegenwirken zu können, wurde in der KOWIEN-Ontologie das Konzept 

metasprachliche_Entitaet eingeführt. Mit seiner Hilfe und der Hilfe seiner Subkonzepte ist es möglich, dieses Konzept, alle 

seine Subkonzepte und alle zugehörigen Instanzen trotz seiner bzw. ihrer formalsprachlichen Behandlung in F-Logic als objektsprachliche 

Konstrukte so zu verwenden, dass aufgrund ihrer Zugehörigkeit zum linken, „metasprachlichen Ast“ der KO- 

WIEN-Taxonomie stets deutlich wird, dass es sich inhaltlich um metasprachliche Aussagen über objektsprachliche Konstrukte 

aus dem rechten, „objektsprachlichen Ast“ der KOWIEN-Taxonomie handelt.


Über die voranstehenden Erläuterungen hinaus, die sich nur auf Konzepte „an sich“ bezogen, können 

das Top-Level-Konzept objektsprachliche_Entitaet und alle seine objektsprachlichen Subkonzepte 

auch in beliebigen objektsprachlichen Relationen zueinander stehen. Auch für diese Relationen 

stellt sich das Problem, wie sie sich in der KOWIEN-Ontologie mit objektsprachlichen – und in 

der Regel natürlichsprachlichen – Bezeichnungen sowie Definitionen verknüpfen lassen. Da sich 

dieses Problem nicht grundsätzlich von den Schwierigkeiten unterscheidet, Konzepte mit objekt- 

und natürlichsprachlichen Bezeichnungen sowie Definitionen zu verknüpfen, kann auf die voranstehenden 

Erläuterungen verwiesen werden. Analog zu den dort vorgetragenen Argumenten wird 

auch im Hinblick auf alle objektsprachlichen Relationen der KOWIEN-Ontologie festgelegt, dass 

sie – nach Reifizierung – Instanzen des metasprachlichen Konzepts Relation darstellen. 

Als metasprachliche Entitäten, d.h. als sprachliche Ausdrucksmittel für Aussagen über objektsprachliche 

Konzepte und Relationen, werden in der KOWIEN-Ontologie zunächst die Konzepte 

Konzept und Relation verwendet. Sie umfassen als Instanzen reifizierte objektsprachliche Konzepte 

bzw. Relationen. Da diese Instanzen mittels Reifizierung aus anderen, objektsprachlichen Konzepten 

und Relationen abgeleitet sind, werden die Konzepte Konzept bzw. Relation, deren Instanzen 

die reifizierten objektsprachlichen Konzepte bzw. Relationen darstellen, als abgeleitete oder derivative 

Konzepte bezeichnet. Dementsprechend stellen die Konzepte Konzept und Relation jeweils ein 

Subkonzept zum Konzept derivative_metasprachliche_Entitaet dar. Darüber hinaus umfasst die Extension 

des Konzepts metasprachliche_Entitaet auch solche Instanzen, die objektsprachlichen Entitäten 

entweder als Definitionen oder als Bezeichnungen zugeordnet sind. Diese Instanzen der Konzepte 

Definition und Bezeichnung sind eigenständige („originäre“), nicht aus anderen sprachlichen 

Entitäten abgeleitete Konstrukte. Daher werden die beiden vorgenannten Konzepte als Subkonzepte 

zum Konzept originäre_metasprachliche_Entitaet behandelt. Aus den voranstehenden Festlegungen 

ergibt sich folgender Ausschnitt aus der KOWIEN-Ontologie: 

1. derivative_metasprachliche_Entitaet :: metasprachliche_Entitaet. 

originaere_metasprachliche_Entitaet :: metasprachliche_Entitaet. 

2. Konzept :: derivative_metasprachliche_Entitaet. 

Relation :: derivative_metasprachliche_Entitaet. 

3. derivative_metasprachliche_Entitaet [hat_Bezeichnung =>> Bezeichnung; 

hat_Definition => Definition]. 

4. Definition :: originaere_metasprachliche_Entitaet. 

Bezeichnung :: originaere_metasprachliche_Entitaet. 

5. Definition [definiert => derivative_metasprachliche_Entitaet]. 

Bezeichnung [bezeichnet =>> derivative_metasprachliche_Entitaet; 

ist_synonym_zu =>> Bezeichnung; 

ist_homonym => BOOLEAN]. 

6. ∀ X,Y: X:Bezeichnung [bezeichnet ->> Y] ↔ 

Y:derivative_metasprachliche_Entitaet[hat_Bezeichnung ->> X]. 

∀ X,Y: X:Definition [definiert -> Y] ↔ 

Y:derivative_metasprachliche_Entitaet[hat_Definition -> X]. 

Mit den Spezifikationen 1 und 2 werden die Subkonzepte der Konzepte metasprachliche_Entitaet 

bzw. derivative_metasprachliche_Entitaet festgelegt. Als metasprachliche Entitäten werden Kon-


zept und Relation als Subkonzepte des Konzepts derivative_metasprachliche_Entitaet spezifiziert. 

Sowohl für Konzepte als auch für Relationen können im Anschluss an ihre Reifizierung jeweils Bezeichnungen 

und Definitionen angegeben werden. Bei den Konzepten Bezeichnung und Definition 

handelt es sich jeweils um originäre metasprachliche Entitäten. 

Die Spezifikationen 3 bis 5 dienen dazu, das komplexe Verhältnis zwischen dem Konzept derivative_metasprachliche_Entitaet 

und den beiden Subkonzepten Definition und Bezeichnung des Konzepts 

originaere_metasprachliche_Entitaet zu strukturieren. Zu diesem Zweck verbinden die beiden 

metasprachlichen Relationen definiert und bezeichnet die Konzepte Definition bzw. Bezeichnung 

jeweils mit dem Konzept derivative_metasprachliche_Entitaet. Hinzu kommen die zwei metasprachlichen 

Relationen ist_synonym_zu und ist_homonym. Sie erlauben es, die Synonymie zwischen 

Bezeichnungen und die Homonymie von Bezeichnungen formalsprachlich präzise zu spezifizieren. 

Auf diese Aspekte von Definitionen und Bezeichnungen wird in Kürze ausführlicher zurückgekommen. 

Mit den beiden Integritätsregeln, die in der Spezifikation 6 enthalten sind, werden die inversen Beziehungen 

zwischen den Relationen bezeichnet und hat_Bezeichnung einerseits sowie definiert und 

hat_Definition andererseits festgelegt. Eine Bezeichnung steht demnach genau dann für eine derivative 

metasprachliche Entität, wenn diese Entität durch die Bezeichnung bezeichnet wird. Analog 

steht eine Definition genau dann für eine derivative metasprachliche Entität, wenn diese Entität 

durch die Definition definiert wird. In allen anderen Fällen liegt eine unzulässige Verwendung der 

vorgenannten jeweils zwei Bezeichnungs- und Definitionsrelationen vor. 

Die Instanziierung der Konzepte Konzept und Relation erfolgt mit zwei Inferenzregeln: 259) 

∀ x: x :: objektsprachliche_Entitaet → x : Konzept. 260) 

∀ x,y,r: x[r =>> y] OR x[r => y] → r : Relation. 261) 

259) In F-Logic wird der prädikatenlogische Junktor „∨“ durch die Notation „OR“ wiedergegeben. Zu beachten ist ferner, dass es 

sich bei beiden Inferenzregeln um Formeln der Prädikatenlogik 2. Stufe handelt, weil sich die Allquantoren nicht mehr über Individuen-Variablen 

(Ausdrücke 1. Stufe), sondern über Konzepte und Relationen als Ausdrücke 2. Stufe erstrecken. Diese Besonderheit 

wird in der F-Logic-Notation jedoch nicht deutlich, weil die Wissensrepräsentationssprache F-Logic zwischen Ausdrücken 

1. und 2. Stufe nicht differenziert, sondern sie unterschiedslos wie Ausdrücke 1. Stufe behandelt. Dies steht im Zusammenhang 

mit den früher erläuterten Reifizierungen, die zu einem „Downsizing“ von Ausdrücken 2. Stufe, die auf der Konzeptebene 

angesiedelt sind, zu Ausdrücken 1. Stufe führt, die zur Instanzenebene gehören. 

260) In einer früheren Version der KOWIEN-Ontologie erfolgte die Reifizierung von Konzepten durch die Inferenzregel: 

∀ X,Y: (X :: Y) → X : Konzept AND Y : Konzept. 

Allerdings führte diese Regel dazu, dass auch die metasprachlichen Konzepte Konzept, Relation, Bezeichnung und Definition 

jeweils als Instanzen des Konzepts Konzept ausgewiesen wurden. Dies hätte erhebliche Komplikationen bedeutet, weil z.B. das 

Konzept Konzept als eine Instanz seiner selbst, also des Konzepts Konzept, ausgewiesen worden wäre. Um solche Zirkelschlüsse 

zu vermeiden, wurde in der neueren, oben im laufenden Text angeführten Regelversion die Konzept-Variable Y im Regelrumpf 

durch das Konzept objektsprachliche_Entitaet ersetzt. Da es sich bei der metasprachlichen Subkonzeptrelation „::“ um 

eine reflexive Relation handelt, wird auch das Konzept objektsprachliche_Entitaet selbst der Extension des metasprachlichen 

Konzepts Konzept als dessen Instanz zugewiesen. 

261) Entsprechend der Unterscheidung zwischen ein- und mengenwertigen Relationen auf der objektsprachlichen Ebene könnte auch 

das metasprachliche Konzept Relation in die Subkonzepte einwertige_Relation und mengenwertige_Relation ausdifferenziert 

werden. Die o.a. Regel würde in diesem Fall in zwei Regeln aufgespaltet werden, die jeweils entweder die Ein- oder aber die 

Mengenwertigkeit der betroffenen Relationen berücksichtigen. Von dieser Alternative wurde allerdings in der KOWIEN-Ontologie 

abgesehen, da hiervon kein nennenswerter Wissenszuwachs zu erwarten war.


Mit den beiden Regeln werden sowohl objektsprachliche Konzepte als auch objektsprachliche Relationen 

reifiziert und als Instanzen der metasprachlichen Konzepte Konzept bzw. Relation ausgewiesen. 

Für die Reifizierung von Relationen ist der Rückgriff auf Spezifikationen notwendig, in denen 

die Relationen neben beliebigen Konzepten – hier die Konzepte x und y für die zweistelligen Relationen 

r – vorkommen. Im Regelrumpf werden zwei adjunktiv miteinander verbundene Möglichkeiten 

der Spezifikation von Relationen erfasst. Bei dem ersten Adjunktionsglied handelt es sich um 

die Spezifikation einer mengenwertigen Relation. Das zweite Adjunktionsglied betrifft die Spezifikation 

einer einwertigen Relation. 

Für die metasprachlichen Konzepte Konzept und Relation gelten folgende Spezifikationen: 262) 

Konzept [ist_Argumentkonzept_von =>> Relation; 

ist_Zielkonzept_von =>> Relation]. 

Relation [hat_Argumentkonzept => Konzept; 

hat_Zielkonzept => Konzept]. 

∀ x,y,r: (x[r =>> y] OR x[r => y]) → 

(r[hat_Argumentkonzept -> x] AND 

r[hat_Zielkonzept -> y] AND 

x[ist_Argumentkonzept_von ->> r] AND 

y[ist_Zielkonzept_von ->> r]). 

Zusätzlich lassen sich für objektsprachliche Relationen allgemeine Relationseigenschaften mittels 

metasprachlicher Aussagen über Instanzen von Subkonzepten des Konzepts Relation feststellen. 

Dies wird nachfolgend in exemplarischer Weise nur für die Relationseigenschaft der Transitivität 

demonstriert 263) . Sie wird mit Hilfe des Subkonzepts transitive_Relation des Konzepts Relation und 

beliebigen Instanzen x, y, z aus dem Argument- und Zielkonzepten einer objektsprachlichen Relation 

r wie folgt spezifiziert: 

∀ r: r : transitive_Relation ↔ (∀x,y,z : (x[r ->> y] AND y[r ->> z]) → x[r ->> z]). 

Mittels dieser Spezifikation lässt sich die Transitivität einer beliebigen objektsprachlichen Relation 

r sehr kompakt ausdrücken, nämlich mittels der simplen metasprachlichen Aussage „r : transitive_ 

Relation“. 264) 

Das Konzept originaeres_metasprachliches_Konzept wird in die beiden Subkonzepte Bezeichnung 

und Definition unterteilt. Sowohl bei den Instanzen des Konzepts Bezeichnung als auch bei den Instanzen 

des Konzepts Definition handelt es sich um Zeichenketten („strings“). Diese Zeichenketten 

262) In F-Logic wird der prädikatenlogische Junktor „∧“ durch die Notation „AND“ wiedergegeben. Die 3. Spezifikation stellt 

abermals eine Formel der Prädikatenlogik 2. Stufe dar, weil sich ihr Allquantor über Konzepte und Relationen erstreckt. 

263) In analoger Weise könnten auch die Relationseigenschaften z.B. der Symmetrie, Antisymmetrie und Reflexivität spezifiziert 

werden. Im Kontext der Spezifikation objektsprachlicher Inferenz- und Integritätsregeln werden hierzu im nächsten Kapitel 

weitere Beispiele aufgeführt. 

264) In F-Logic wird der metasprachliche Charakter dieser Aussage allerdings nicht deutlich. Vielmehr werden in F-Logic infolge 

der bereits mehrfach angesprochenen Reifizierung alle metasprachlichen Ausdrücke als objektsprachliche Ausdrücke behandelt.


werden in F-Logic in Anführungszeichen notiert und stellen Instanzen des „reservierten“ 265) Konzepts 

String dar. Die Instanzen des Konzepts Bezeichnung lassen sich in der Regel als einzelne natürlichsprachliche 

Wörter auffassen, die Instanzen des Konzepts Definition hingegen als einzelne 

natürlichsprachliche Texte 266) . Ungeachtet dieser „natürlichen“ Interpretation stellen die Instanzen 

der Konzepte Bezeichnung und Definition innerhalb der KOWIEN-Ontologie weiterhin rein formale 

Objekte – uninterpretierte Zeichenketten – dar. Ihre natürlichsprachliche Bedeutung als Wort oder 

Text erhalten sie erst durch den (menschlichen) Anwender eines ontologiebasierten Kompetenzmanagementsystems. 

267) 

Bei den Instanzen des Konzepts Bezeichnung handelt es sich um formale Objekte, die eine natürlichsprachliche 

Bezeichnung von objektsprachlichen Konzepten und Relationen erlauben. Dies erhöht 

die Transparenz einer Ontologie für menschliche Rezipienten und erleichtert auch die Kommunikation 

menschlicher Rezipienten über eine Ontologie. Darüber hinaus lassen sich typische Eigenschaften 

von Bezeichnungen formalsprachlich präzise erfassen. Dabei handelt es sich vornehmlich 

um die Eigenschaften der Synonymie und Homonymie, die in praxisnahen sprachlichen Konzeptualisierungen 

von Realitätsausschnitten oftmals eine große Rolle spielen. Wenn für dasselbe 

Konzept zwei unterschiedliche Bezeichnungen verwendet werden, stehen die beiden Bezeichnungen 

im Verhältnis der Synonymie zueinander. Der umgekehrte Fall betrifft die Homonymie: Wenn 

dieselbe Bezeichnung für zwei unterschiedliche Konzepte verwendet wird, dann stellt die Bezeichnung 

ein Homonym dar. Synonymie und Homonymie werden durch die beiden folgenden Regeln 

spezifiziert: 268) 

265) Unter einem „reservierten“ Konzept wird ein Konzept verstanden, das nicht in einer Ontologie zwecks Repräsentation von Aspekten 

eines Realitätsausschnitts eingeführt wird, sondern aus anderen formalsprachlichen Kontexten in einer standardisierten, 

weithin akzeptierten Verwendungsweise übernommen wird. So handelt es sich beim Konzept String um ein Konstrukt, das in 

zahlreichen Wissensrepräsentations- und Programmiersprachen in derselben Weise verwendet wird, beliebige Zeichenketten 

aus einem natürlichsprachlichen Alphabet zu definieren. 

266) Ein natürlichsprachlicher Text wird hier als einzelner Satz oder als konjunktiver Zusammenhang mehrerer Sätze verstanden. 

Die kleinste Einheit eines Textes ist also ein Satz. Ein Satz ist die kleinste natürlichsprachliche Einheit, der ein Wahrheitswert 

zugeordnet werden kann, und entspricht deshalb einer aussagen- oder prädikatenlogischen Formel. 

267) Zur Verdeutlichung: Wenn die Zeichenkette „Akteur“ eine Instanz des Konzepts Bezeichnung ist, dann handelt es sich bei „Akteur“ 

(mit Anführungszeichen) zunächst um ein formales Objekt ohne jegliche natürlichsprachliche „Bedeutung“. Es stellt nicht 

mehr als eine „sinnlose“ Aneinanderreihung von Zeichen aus einem formalsprachlichen Alphabet dar. Wenn dieses formalsprachliche 

Alphabet jedoch mit einem natürlichsprachlichen Alphabet übereinstimmt (oder zumindest weit gehend übereinstimmt, 

weil z.B. Umlaute und ähnliche Sonderzeichen in formalsprachlichen Alphabeten oftmals fehlen) und die Zeichenkette 

„Akteur“ von einem menschlichen Rezipienten als ein Akteur (ohne Anführungszeichen) im Sinne eines handlungsfähigen Subjekts 

interpretiert wird, dann wird die die Zeichenkette „Akteur“ vom Rezipienten als ein sinnvolles Wort aus seiner Alltagssprache 

aufgefasst. 

268) Es handelt sich jeweils um „objektsprachliche“ Inferenzregeln, weil sie es gestatten, die Synonymie und die Homonymie zwischen 

bzw. für Bezeichnungen abzuleiten. Die beiden Inferenzregeln besitzen die gleiche Subjugat-Form wie die objektsprachlichen 

Inferenzregeln, die früher aus prädikatenlogischer Perspektive ausführlicher erläutert wurden. Allerdings ist hier die Besonderheit 

zu beachten, dass sich die Inferenzregeln jetzt „eigentlich“ auch auf allquantifizierte Konzept-Variablen, also Ausdrücke 

2. Stufe beziehen (neben den Individuen-Variablen für Instanzen des Konzepts Bezeichnung als Ausdrücken 1. Stufe). 

Die Inferenzregeln sagen hier also etwas über Konzepte (und Instanzen) aus und besitzen daher „eigentlich“ metasprachliche 

Qualität. Daher wurde zu Beginn dieser Fußnote das Attribut „objektsprachlich“ in distanzierenden Anführungszeichen verwendet. 

Allerdings wäre es aus zwei Gründen verfehlt, die hier vorgestellten Inferenzregeln für Synonymie und Homonymie als 

metasprachliche Inferenzregeln zu bezeichnen. Erstens fallen die Inferenzregeln für Synonymie und Homonymie in keiner 

Weise mit den „echten“ metasprachlichen Inferenzregeln der Prädikatenlogik zusammen, die an früherer Stelle z.B. als Modus 

ponens thematisiert wurden. Zweitens beruhen die Inferenzregeln für Synonymie und Homonymie auf der vorangehenden Reifizierung 

der involvierten objektsprachlichen Konzepte, so dass sie nach Reifizierung nur noch Instanzen des metasprachlichen 

Konzepts Konzept darstellen. Somit beziehen sich die Inferenzregeln für Synonymie und Homonymie nach Reifizierung in der


∀ x,a,b: (x:Konzept [hat_Bezeichnung ->> a] AND 

x:Konzept [hat_Bezeichnung ->> b] AND 

a≠b) 

→ a:Bezeichnung [ist_synonym_zu ->> b]. 

∀ x,y,a: (x:Konzept [hat_Bezeichnung ->> a] AND 

y:Konzept [hat_Bezeichnung ->> a] AND 

x≠y) 

→ a:Bezeichnung [ist_homonym -> true]. 

Bei den Instanzen des Konzepts Definition handelt es sich um formale Objekte, die eine natürlichsprachliche 

Definition von objektsprachlichen Konzepten und Relationen erlauben. Dadurch lässt 

sich eine intensionale Semantik 269) objektsprachlicher Entitäten in eine Ontologie integrieren. Zu 

diesem Zweck wird einer objektsprachlichen Entität mittels der Relation hat_Definition eine Instanz 

des Konzepts String zugeordnet, die sich als natürlichsprachlicher Text interpretieren lässt und unter 

dieser Interpretation die Intension („Bedeutung“) der betroffenen Entität erläutert. Auf diese 

Weise können reifizierte Konzepte und Relationen aus dem objektsprachlichen Bereich der Ontologie 

„intensional“ definiert werden. 

Die nachstehende Abbildung 65 gibt den Zusammenhang zwischen objekt- und metasprachlichen 

Konzepten der KOWIEN-Ontologie noch einmal überblicksartig wieder. Dabei beschränkt sich die 

Darstellung im Interesse ihrer Übersichtlichkeit auf diejenigen Konzepte, die in der taxonomischen 

Struktur der Ontologie relativ „hoch“ angesiedelt sind. Hinzu kommen die taxonomischen Relationen 

ist_Subkonzept_von und ist_Instanz_von sowie einige wenige nicht-taxonomische Relationen, 

um den Zusammenhang zwischen den abgebildeten Konzepten zu verdeutlichen. 

Tat nur noch auf prädikatenlogische Individuen (Instanzen), so dass sich auch die Allquantifizierungen nur auf Individuen- 

Variablen erstrecken. Daher handelt es sich bei den Inferenzregeln für Synonymie und Homonymie nach Reifizierung tatsächlich 

um objektsprachliche Inferenzregeln auf der Instanzenebene im früher erläuterten Verständnis. 

269) Die intensionale Semantik – oder kurz: Intension – eines objektsprachlichen Ausdrucks ist die Menge aller Merkmale, die auf 

alle Objekte in der Extension des Ausdrucks zutreffen. Die extensionale Semantik – oder kurz: Extension – eines objektsprachlichen 

Ausdrucks ist dagegen die Menge aller Objekte („Referenzen“), die mit einem objektsprachlichen Ausdruck angesprochen 

(„referenziert“) werden. Bei den referenzierten Objekte kann es sich insbesondere entweder um formalsprachliche Objekte 

oder aber um reale Objekte aus einem repräsentierten Realitätsausschnitt handeln. Im erstgenannten Fall stellt die extensionale 

eine formalsprachliche oder kurz formale Semantik dar; im zweiten Fall wird im Allgemeinen von einer denotationalen Semantik 

gesprochen. 

Während die extensionale Semantik einen wesentlichen Baustein der formalen Semantik (Modell-Semantik) der konventionellen 

Prädikatenlogik darstellt, werden intensionale Semantiken seitens der konventionellen Prädikatenlogik nicht unterstützt. Allerdings 

sind „Spielarten“ der konventionellen Prädikatenlogik entstanden, in denen die Modell-Semantik durch eine Mögliche- 

Welten-Semantik ergänzt wird; vgl. FRIEDRICHSDORF (1992) S. 259 ff.; LORENZ (2004h) S. 257; VON KUTSCHERA (1976) S. 22 

ff. Die intensionale Semantik objektsprachlicher Ausdrücke wird in diesen Ansätzen über die Notwendigkeit und Möglichkeit 

der Beschaffenheit ihrer Extensionen formuliert. Hiermit ist unweigerlich eine Verkomplizierung des prädikatenlogischen Kalküls 

verbunden. Dies widerstrebt dem Vorhaben, Ontologien auch als praxistaugliche Instrumente der Wissensstrukturierung 

und -repräsentation zu entwickeln. 

Im Interesse der Praxistauglichkeit von Ontologien sollten zusätzliche formal-logische Komplizierungen – über das ohnehin 

schon nicht trivial erscheinende Kalkül der Prädikatenlogik hinaus – unterlassen werden. Daher wird der Ansatz einer Prädikatenlogik 

mit intensionaler Semantik für Ontologien nur sehr selten verfolgt und wurde auch im Verbundprojekt KOWIEN nicht 

vertieft. Allerdings stellt dieser Ansatz aus theoretischer Perspektive eine herausfordernde, hochinteressante Gestaltungsoption 

dar. Eine Vorreiterrolle auf diesem Forschungsfeld, Varianten der Prädikatenlogik mit intensionaler Semantik und Ontologien 

zusammenzuführen, nehmen Arbeiten aus dem Umfeld von GUARINO ein; vgl. GUARINO (1998a) S. 4 ff.; GUARINO/GIARETTA 

(1995) S. 26 ff.


Die gestrichelte Linie („Demarkationslinie“) in der Abbildung 65 markiert den Übergang zwischen 

der KOWIEN-Ontologie im engeren Sinn, die sich nur auf die Konzeptebene erstreckt, und der Erweiterung 

der KOWIEN-Ontologie um Instanzen zu den Konzepten. Die Abbildung 65 stellt insgesamt 

einen Ausschnitt aus der KOWIEN-Ontologie im weiteren Sinn dar, die Konzept- und Instanzenebene 

gemeinsam umfasst. Oberhalb der Demarkationslinie sind Konzepte bis zur fünften Stufe 

aus der taxonomischen Struktur der KOWIEN-Ontologie aufgeführt. Unterhalb der Demarkationslinie 

befinden sich Instanzen zu den Konzepten. Beispielsweise gehört zum Konzept Akteur entsprechend 

der Abbildung eine Instanz „mueller4711“. 

derivative 


Entitaet 

bezeichnet 

Instanzenebene 


Entitaet 

originaere 


Entitaet 

definiert 

hat_Bezeichnung 

hat_Bezeichner 

Entitaet 

Konzept Relation Bezeichnung Definition abstraktes 

Denkobjekt 

hat_Kompetenzprofil „Akteur“ „Akteure sind definiert als ... “ 

hat_Definition 

ist_definiert_als 

objektsprachliche 

Entitaet 

Konzeptebene 

Denkobjekt Erfahrungsobjekt 

als 

Subkonzept 

Akteur 

als Instanz 

konkretes 

Denkobjekt 

zeitartiges 

Erfahrungsobjekt 

mueller4711 

Abbildung 65: Ausschnitt aus der KOWIEN-Ontologie 

handlungsunfähiges 

konkretes 

Denkobjekt 

raumartiges 

Erfahrungsobjekt 

„Demarkationslinie“ 

zwischen Konzept- und 

Instanzenebene 

ist_Instanz_von 

ist_Subkonzept_von 

nicht-taxonomische 

Relationen 

Die Erweiterung der KOWIEN-Ontologie im engeren Sinn um die Instanzenebene gestattet es, innerhalb 

der KOWIEN-Ontologie (im weiteren Sinn) reifizierte objektsprachliche Konzepte als Instanzen 

metasprachlicher Konzepte aufzuführen. In der Abbildung 65 handelt es sich z.B. bei der 

Instanz Akteur des metasprachlichen Konzepts Konzept um die Reifizierung des objektsprachlichen 

Konzepts Akteur. Dadurch ist es möglich, der Instanz Akteur sowohl mindestens eine Bezeichnung 

als auch genau eine Definition zuzuweisen. Zugleich führt diese Unterordnung von Akteur sowohl 

unter das metasprachliche Konzept Konzept (mittels der Relation ist_Instanz_von) als auch unter 

das objektsprachliche Konzept konkretes_Denkobjekt (mittels der Relation ist_Subkonzept_von) zu 

einer taxonomischen Heterarchie. Denn der Ausdruck Akteur ist nicht mehr eindeutig genau einem 

übergeordneten Ausdruck untergeordnet, wie es für eine hierarchische Taxonomie der Fall sein 

müsste, sondern ist – je nachdem, ob der Ausdruck entweder als Instanz oder aber als Subkonzept 

konzeptualisiert wird – zwei verschiedenen Ausdrücken – einerseits dem metasprachlichen Konzept 

Konzept und andererseits dem objektsprachlichen Konzept konkretes_Denkobjekt – untergeordnet.


2.4.4 Inferenz- und Integritätsregeln in der KOWIEN-Ontologie 

Die Möglichkeit zur Definition objektsprachlicher 270) Inferenz- und Integritätsregeln ist ein charakteristisches 

Merkmal von Ontologien. Diese beiden Regelarten bereichern ontologiebasierte Kompetenzmanagementsysteme, 

die neben einer Ontologie (im weiteren Sinn) auch eine inhaltlich gefüllte 

Wissensbasis umfassen, um Erkenntnispotenziale, die für die praktische Anwendbarkeit von 

Kompetenzmanagementsystemen im betrieblichen Alltag eine wesentliche Bedeutung besitzen. 

Mit Inferenzregeln kann Wissen, das in einer Wissensbasis noch nicht explizit zur Verfügung steht, 

aber in den Formeln dieser Wissensbasis – und den darauf angewendeten Inferenzregeln – bereits 

implizit enthalten ist, erschlossen und dabei in explizit verfügbares Wissen transformiert werden. 

Dadurch wird die Wissensmenge, die in der Wissensbasis explizit enthalten und somit unmittelbar 

verfügbar ist, um jenes Wissen angereichert, dass mittels Inferenzregeln als neues explizites Wissen 

abgeleitet wird. Integritätsregeln stellen hingegen sicher, dass die Formeln einer Wissensbasis stets 

eine zulässige Repräsentation des jeweils erfassten Realitätsausschnitts darstellen (Integritätswahrung). 

Oder die Integritätsregeln sorgen zumindest dafür, dass unzulässige Repräsentationen als solche 

identifiziert und Maßnahmen zur Rückkehr in einen zulässigen Repräsentationszustand eingeleitet 

werden können (Integritätsherstellung). Im Übrigen wird auf die ausführlicheren Erläuterungen 

von Inferenz- und Integritätsregeln verwiesen, die in früheren Kapiteln dieses Beitrags aus prädikatenlogischer 

Perspektive vorgetragen wurden. 

Von den Inferenzregeln, die in der KOWIEN-Ontologie spezifiziert sind, wurden in den vorherigen 

Kapiteln bereits einige vorgestellt. Es handelt sich einerseits um Inferenzregeln, die ohne konkretes 

Domänenwissen formuliert werden können (domänenunspezifische Inferenzregeln). Andererseits 

enthält die KOWIEN-Ontologie auch eine größere Anzahl von Inferenzregeln, die durch eine tiefer 

gehende Analyse der Domäne eruiert wurden (domänenspezifische Inferenzregeln). 

Eine erste Teilmenge der domänenunspezifischen Inferenzregeln umfasst Regeln, mit denen der 

Ordnungscharakter von Relationen formuliert werden kann. In erster Linie handelt es sich hierbei 

um Regeln, mit denen sich die Reflexivität, Symmetrie und Transitivität von Relationen festlegen 

lässt. Bereits im vorherigen Kapitel wurde im Kontext der Reifikation von Relationen aufgezeigt, 

wie Relationen als Instanzen von Subkonzepten des metasprachlichen Konzepts Relation spezifiziert 

und für das entsprechende metasprachliche Konzept „generische Inferenzregeln“ definiert werden 

können. Im Gegensatz hierzu wird in den folgenden Inferenzregeln jeweils auf bestimmte Relationen 

Bezug genommen, deren Ordnungseigenschaften nicht generisch, sondern spezifisch formuliert 

werden. Dabei wird jeweils eine beliebige Relation r aus der Menge R aller nicht-taxonomischen, 

objektsprachlichen Relationen 271) für die zugrunde gelegte Ontologie betrachtet. 

Im Folgenden wird ohne Einschränkung der Allgemeingültigkeit von objektsprachlichen Relationen 

r ausgegangen, die durch Spezifikationen der Art k1[r =>> k2] als zweistellige und mengenwertige 

Relationen zwischen zwei Konzepten k1 und k2 definiert sind. Die Konzepte k1 und k2 können, 

müssen aber nicht verschieden sein. Der komplementäre Fall von zwar zweistelligen, jedoch einwertigen 

Relationen r mit k1[r => k2] wird nicht näher betrachtet. Denn er lässt sich – soweit nicht 

270) Auf das Attribut „objektsprachlich“ wird im Folgenden verzichtet, da ausschließlich objektsprachliche Inferenz- und Integritätsregeln 

thematisiert werden. 

271) Da alle Relationen r aus der Menge R sowohl objektsprachlicher als auch nicht-taxonomischer Art sind, wird im Folgenden der 

Kürze halber oftmals nur von objektsprachlichen Relationen die Rede sein. Es wird dann als bekannt unterstellt, dass es sich 

ebenso um nicht-taxonomische Relationen handelt.


ausdrücklich auf Besonderheiten (wie im Fall der Transitivität) hingewiesen wird – ohne substanziellen 

Erkenntnisgewinn aus den nachfolgenden Regelspezifikationen für den Fall mengenwertiger 

Relationen dadurch ableiten, dass in den Regeln die metasprachliche, mengenwertige Relation 

„->>“ durch die komplementäre metasprachliche, jedoch einwertige Relation „->“ ersetzt wird. 

Bei der Spezifikation einer reflexiven Relation r mit k1[r =>> k1] wird z.B. der folgende Regeltyp 272) 

verwendet: 

∀x: (x : k1) → x[r ->> x] 

Wenn ein formales Objekt x eine Instanz des Konzepts k1 ist (x : k1), für das die Relation r in der 

Form k1[r =>> k1] definiert ist, dann steht dieses formale Objekt in der Relation r zu sich selbst. Zu 

beachten ist dabei, dass die Reflexivität von Relationen nur in Bezug auf jene formalen Objekte definiert 

werden sollte, welche die Relation auch erfüllen. Würde die Inferenzregel dagegen in der 

„unbedingten“ Form ∀x: x[r ->> x] spezifiziert werden, so hätte dies zur Folge, dass alle formalen 

Objekte aus der Instanzenmenge I („universe of discourse“) für die Variable x zu sich selbst in der 

Relation r stehen müssten. Dies würde auch solche formalen Objekte betreffen, welche die Relation 

r überhaupt nicht erfüllen können, weil sie nicht in der Instanzenmenge E1 des Konzepts k1 enthalten 

sind, die als Trägermenge der Relation r ⊆ E1 x E1 definiert ist. Um diesen in sich widersprüchlichen 

Sachverhalt auszuschließen, wird in der Antezedenz-Komponente der o.a. Subjugat-Formel 

die Reflexivität der Relation r auf jene formalen Objekte eingeschränkt, die Instanzen des Konzepts 

272) Es wird hier von einem „Regeltyp“ gesprochen, da die Relation, deren Ordnungseigenschaft ausgewiesen werden soll, zunächst 

unbestimmt bleibt. Sie wird lediglich mittels der Relationsvariable r und der zugehörigen Konzeptvariable k 1 notiert. Der Regeltyp 

lässt sich synonym auch als ein Regelschema bezeichnen. In einem Kalkül der Prädikatenlogik 2. Stufe könnten die Relationsvariable 

r und die zugehörige Konzeptvariable k 1 jeweils durch einen Allquantor gebunden werden, so dass der o.a. Regeltyp 

für alle nicht-taxonomischen, objektsprachlichen Relationen r∈R und Konzepte k 1∈K definiert wäre. Der Übergang zur 

Prädikatenlogik 2. Stufe würde jedoch aus formalsprachlicher Perspektive zu erheblichen Komplikationen führen, insbesondere 

im Hinblick auf Inferenzmaschinen, die auch auf Ontologien Anwendung finden sollen. Zu diesen Komplikationen gehört vor 

allem der Nachweis, dass Inferenzsysteme zur Prädikatenlogik 2. Stufe prinzipiell unvollständig sind, dass also kein System 

von Inferenzregeln existieren kann, mit dessen Hilfe alle im Sinne der Modell-Semantik gültigen Formeln rein syntaktisch abgeleitet 

werden können. Vgl. zu dieser prinzipiellen Unvollständigkeit der Prädikatenlogik 2. Stufe HERMES (1991) S. 155 ff.; 

SOWA (2000) S. 298. Daher wurde im Verbundprojekt KOWIEN von vornherein darauf verzichtet, sich auf das Terrain der Prädikatenlogik 

2. Stufe „vorzuwagen“. Stattdessen bleiben alle formalsprachlichen Spezifizierungen auf die Prädikatenlogik 1. 

Stufe beschränkt, für die – wie bereits oben ausgeführt wurde – mehrere jeweils vollständige und korrekte Inferenzsysteme bekannt 

sind. Unter der Prämisse dieser Einschränkung auf die Prädikatenlogik 1. Stufe muss daher für jede objektsprachliche Relation 

r∈R (mit zugehöriger Konzeptvariable k 1) eine relationsspezifische Subjugat-Formel definiert werden, die dem o.a. Regeltyp 

entspricht. Die relationsspezifische Subjugat-Formel geht aus dem Regeltyp schlicht dadurch hervor, dass die Relationsvariable 

r durch die eine konkrete Relation aus der Relationenmenge R und die zugehörige Konzeptvariable k 1 durch ein konkretes 

Konzept aus der Konzeptmenge K substituiert wird. 

Die voranstehenden Überlegungen treffen ebenso auf die nachfolgenden domänenunspezifischen Inferenzregeln zu, ohne dass 

jeweils ausdrücklich darauf hingewiesen wird. In allen Fällen wird jeweils keine „eigentliche“ Inferenzregel, sondern „nur“ ein 

Regeltyp für eine beliebige, durch die Relationsvariable r vertretene, objektsprachliche Relation vorgestellt. Wenn es im aktuellen 

Argumentationskontext unerheblich ist, zwischen einerseits dem Regeltyp und andererseits einer daraus hervorgehenden Inferenzregel 

für eine konkrete objektsprachliche Relation zu differenzieren, wird der Regeltyp der Einfachheit halber auch – inhaltlich 

verkürzt – als „Inferenzregel“ angesprochen.


k1 darstellen, für das die Relation r definiert ist. Auf diese Weise erfolgt eine „typgerechte“ Instanziierung 

des Konzepts k1. 273) 

Bereits anhand dieses – aus formaler Sicht sehr einfach strukturierten – Regeltyps wird eine charakteristische 

Eigenschaft von Inferenzregeln offensichtlich: Die Inferenzregeln, die aus dem o.a. Regeltyp 

durch Einsetzen konkreter nicht-taxonomischer, objektsprachlicher Relationen hervorgehen, 

lassen sich nicht ohne Zugriff auf die Instanzenebene formulieren: Zwar handelt es sich beim Konzept 

k1 und der Relation r (nach Ersetzen der Relationsvariable) um Ausdrücke der Konzeptebene, 

auf die sich die Ausdrucksmittel von Ontologien prima facie beschränken. Jedoch erstreckt sich jede 

Inferenzregel, die aus dem Regeltyp durch Ersetzen der Relationsvariable hervorgeht, notwendig 

auf Instanzen des Konzepts k1. Denn die Quantifizierung aus der o.a. Subjugat-Formel erstreckt sich 

mit der Variable x über einen Ausdruck der Instanzenebene (Individuen- oder Instanzenvariable). 

Hinzu kommt die metasprachliche Relation ist_Instanz_von, deren Elemente (z.B. die Beziehung 

(x : k1)) jeweils einen Ausdruck der Instanzenebene (die Instanzenvariable x) mit einem Ausdruck 

der Konzeptebene (dem Konzept k1) in Beziehung setzen. Diese eigentümliche Verknüpfung zwischen 

Konzept- und Instanzenebene findet sich auch in den nachfolgenden Inferenz- und Integritätsregeln 

wieder, wird dort aber nicht nochmals hervorgehoben. 

Aufgrund dieser Verknüpfung zwischen Konzept- und Instanzenebene durch Inferenz- und Integritätsregeln 

kann an dem „Dogma“ der Trennung zwischen Ontologien, die nur auf der Konzeptebene 

angesiedelt sind, und Wissensbasen, die sich auf die Instanzenebene erstrecken, nicht festgehalten 

werden. Dies gilt zumindest dann, wenn Inferenz- und Integritätsregeln als Bestandteile von 

Ontologien behandelt werden. Um der Verknüpfung zwischen Konzept- und Instanzenebene im 

Kontext von Ontologien gerecht zu werden, wurde im Kapitel 2.4.2.3 auf S. 478 f. der Vorschlag 

einer differenzierten Betrachtung von drei Gestaltungsebenen unterbreitetet: Sie erstrecken sich auf 

die Ebene der Ontologien im engeren Sinn, die auf die reine Konzeptebene beschränkt bleiben, auf 

die Ebene der Ontologien im weiteren Sinn, die unter Einbeziehung von Inferenz- und Integritätsregeln 

als Ontologieerweiterungen auch die Instanzenebene umfassen, sowie auf die Ebene der 

Wissensbasen, die nur auf der Instanzenebene definiert sind. 

Für eine symmetrische Relation r mit k1[r =>> k2] gilt stets folgender Regeltyp: 

∀x1,x2: x1:k1[r ->> x2] ↔ x2:k2[r ->> x1]. 

Durch die Symmetrie einer Relation r wird ausgedrückt, dass zu jedem Tupel (i1,i2) aus Instanzen i1 

und i2, das in der Extension der Relation r enthalten ist, auch das inverse Tupel (i2,i1) ein Element 

der Extension der Relation r sein muss (vice versa). 

273) Die „typgerechte“ Instanziierung des Konzepts k 1 stellt eine Besonderheit des Regeltyps für reflexive Relationen dar. Sie lässt 

sich als „Einbettung“ eines Integritätsaspekts in eine Inferenzregel auffassen. Denn durch die Antezedenz-Komponente der o.a. 

Subjugat-Formel werden unzulässige – „integritätsverletzende“ – Zustände eines Formelsystems ausgeschlossen, in denen formale 

Objekte aus der Instanzenmenge I zu sich selbst in der Relation r stehen, obwohl sie diese Relation nicht erfüllen können, 

weil sie nicht in der Trägermenge enthalten sind, über der die Relation r definiert ist. Wird dieser Auffassung gefolgt, so liegt 

der eigentümliche Fall vor, dass dieselbe Regel – streng genommen: dieselben Regeln, die aus dem o.a. Regeltyp für jede objektsprachliche 

Relation gewonnen werden können, – sowohl eine Integritäts- als auch eine Inferenzregel darstellt. Diese Einsicht 

ergänzt die Erkenntnis aus dem Kapitel 2.4.2.2.3, dass sich Inferenz- und Integritätsregeln nicht streng voneinander unterscheiden 

lassen – zumindest nicht aus der syntaktischen Perspektive der Art der Regelformulierung.


Die Spezifikation einer transitiven Relation r mit k1[r =>> k2] erfolgt durch folgenden Regeltyp: 

∀ x1,x2,x3: (x1[r ->> x2] AND x2[r ->> x3]) → x1[r ->> x3]. 

Transitive Relationen müssen stets als mengenwertige Relationen spezifiziert sein, da sie per definitionem 

zulassen, dass ein formales Objekt zu mindestens zwei weiteren formalen Objekten in Beziehung 

gesetzt werden kann. Dies wird in der o.a. Regel durch die metasprachliche Relation „->>“ 

ausgedrückt. Aufgrund der Mengenwertigkeit der Relation „->>“ lässt sich darstellen, dass ein formales 

Objekt i1, das mit einem anderen formalen Objekt i2 mittels der Beziehung i1[r ->> i2] direkt 

und mit einem weiteren formalen Objekt i3 mittels der Beziehung i1[r ->> i3] bei Transitivität der 

Relation r indirekt verknüpft ist, die mengenwertige Beziehung i1[r ->> {i2,i3}] erfüllt. Diese mengenwertige 

Beziehung lässt sich – wie an früherer Stelle erläutert wurde – auch in der äquivalenten, 

jedoch einwertigen Schreibweise i1[r ->> i2] und i1[r ->> i3] darstellen. Davon wird in dem o.a. Regeltyp 

für transitive Relationen Gebrauch gemacht. 

Zu den domänenspezifischen Inferenzregeln gehören insbesondere Inferenzregeln, die es gestatten, 

auf Kompetenzen und Kompetenzausprägungen von Akteuren zu schließen, wenn die Akteure bestimmte 

„kompetenzverdächtige“ Eigenschaften aufweisen. Solche Inferenzregeln wurden bereits 

an früheren Stellen vorgestellt und zum Teil ausführlicher diskutiert. 274) Daher reicht es im Folgenden, 

einige wenige Inferenzregeln dieser „kompetenzerschließenden“ Art – oder kurz: Kompetenzregeln 

– exemplarisch aufzulisten. 

Darüber hinaus wird auf eine grundsätzliche Schwierigkeit der softwaretechnischen Implementierung 

solcher domänenspezifischer Inferenzregeln in der KOWIEN-Ontologie aufmerksam gemacht. 

Diese Schwierigkeit liegt nicht in der Prädikatenlogik oder der F-Logic „an sich“ begründet, 

sondern in der Notwendigkeit, wegen der Einschränkung auf höchstens zweistellige Formeln (Prädikate 

oder Relationen) zum Hilfsmittel der Reifizierung zu greifen. Es führt zu nicht-intendierten, 

aber nichtsdestoweniger gravierenden „Nebenwirkungen“, die sich metaphorisch und bewusst pointiert 

als „Kollateralschäden artifizieller Reifizierung“ stigmatisieren lassen. 

Die Implementierungsschwierigkeiten von Kompetenzregeln beruhen darauf, dass die „eigentlich“ 

dreistellige Aussage, ein Akteur verfüge über eine Kompetenz in einer bestimmten Ausprägung, in 

der KOWIEN-Ontologie lediglich auf reifizierte Weise getätigt werden kann. Es wurde bereits an 

früherer Stelle ausführlich erläutert, dass die Reifizierung der dreistelligen Urteile über Akteure, 

Kompetenzen und Kompetenzausprägungen zu einem komplexen „Aussage-Objekt“ führt, das eine 

Instanz des Konzepts Kompetenzaussage darstellt und aus drei miteinander zusammenhängenden, 

jeweils zweistelligen Relationen besteht. Sobald eine Kompetenzregel auf ein Tripel aus solchen 

zweistelligen Relationen als faktischen Formeln in der Wissensbasis eines ontologiebasierten Kompetenzmanagementsystems 

angewendet werden kann und eine neue Kompetenzaussage abzuleiten 

gestattet, müsste automatisch eine neue Instanz des Konzepts Kompetenzaussage generiert werden. 

274) Vgl. Kapitel 1.3.1.1.3, S. 165 ff., insbesondere Abbildung 16, sowie Kapitel 2.4.2.2.3, S. 458 ff.


Diese „dynamische“ Generierung von Instanzen 275) lässt sich allerdings mit den derzeit verfügbaren 

Softwareinstrumenten zur Implementierung von Ontologien – wie etwa OntoEdit – nicht realisieren. 

Ein Lösungsvorschlag für diese Implementierungsschwierigkeiten von (Kompetenz-) Regeln wurde 

im KOWIEN-Projekt mit der Integration von Ontologien in Höhere PETRI-Netze unterbreitet, kann 

in der hier gebotenen Kürze jedoch nicht näher ausgeführt werden. 276) 

Um jedoch das Wissen über plausible Schlussfolgerungsmöglichkeiten hinsichtlich der Kompetenzen 

und Kompetenzausprägungen von Akteuren, die im KOWIEN Projekt erarbeiten wurden, nicht 

undokumentiert zu lassen, folgt eine Aufstellung „semiformaler“ Kompetenzregeln, in deren Formulierung 

die o.a. Implementierungsschwierigkeiten nicht verleugnet, aber in den Hintergrund gerückt 

werden. Auf diese Weise wird es möglich, den „inhaltlichen Kern“ der Kompetenzregeln – 

die Ableitbarkeit plausiblen Wissens über Akteure, deren Kompetenzen und die zugehörigen Kompetenzausprägungen 

– herauszuarbeiten. 

Beispielsweise wird mit der folgenden Regel ausgedrückt, dass ein Mitarbeiter eine bestimmte 

Kompetenz in der Ausprägung Problemloeser aufweist, wenn er an einer Schulung teilgenommen 

hat, die als Gegenstandsbereich unter anderem diese Kompetenz umfasste: 

∀ Schulung1, Kompetenz1, Mitarbeiter1: 

Schulung1:Weiterbildungskurs [hat_Gegenstandsbereich ->> Kompetenz1; 

hat_Teilnehmer ->> Mitarbeiter1] 

→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Kompetenz1; 

betrifft_Akteur -> Mitarbeiter1; 

beinhaltet_Kompetenzauspraegung ->> Problemloeser]. 

Mit dem Ausdruck KA_erz(KID) in der Konklusions-Formel der Inferenzregel wird darauf hingewiesen, 

dass für die Instanz des Konzepts Kompetenzaussage ein eindeutiger Identifikator – eine 

„ID“ – generiert werden muss, mit der sich die aktuell generierte Kompetenzaussage von allen bereits 

in der Wissensbasis vorhandenen und auch von allen zukünftig noch generierten Kompetenzaussagen 

eindeutig unterscheiden lässt. Andernfalls wären die Instanzen des Konzepts Kompetenzaussage 

nicht mehr voneinander wohlunterschieden. Dann könnten inkonsistente Zustände der Wissensbasis 

derart eintreten, dass sich „dieselbe“ Instanz des Konzepts Kompetenzaussage in ihren 

Argumentstellen auf unterschiedliche Instanzen der Konzepte Kompetenz, Akteur oder Kompetenzauspraegung 

bezieht. Folglich ist es erforderlich, jede neu generierte Instanz des Konzepts Kompetenzaussage 

mit einer eindeutigen „ID“ zu versehen. Diese Funktionalität steht jedoch in derzeit angebotenen 

Editoren für die softwaretechnische Implementierung von Ontologien – wie etwa Onto- 

Edit – nicht zur Verfügung. Sie ließe sich zukünftig beispielsweise durch eine prozedurale Funktionalität 

realisieren, mittels derer die bereits vergebenen IDs in der Wissensbasis überprüft werden 

275) Die Generierung der Instanzen wird als „dynamisch“ bezeichnet, weil sie erst zur „run time“ der Anwendung eines Kompetenzmanagementsystems 

erfolgt. Dies bereitet außerordentlich große Schwierigkeiten, weil in Software zur Implementierung 

von Ontologien im Allgemeinen unterstellt wird, dass die formalen Objekte, die zur Instanziierung eines Konzepts in Betracht 

kommen, von vornherein – also „statisch“ in Bezug auf die „run time“ der Anwendung eines Kompetenzmanagementsystems – 

bekannt sind. Genau diese Implementierungsprämisse wird von Kompetenzaussagen, die durch die Anwendung von Kompetenzregeln 

während der „run time“ generiert werden, verletzt. In diesem Sachverhalt liegt die oben angesprochene Implementierungsproblematik 

von Kompetenzregeln begründet, die auf reifizierte Kompetenzaussagen angewendet werden. 

276) Vgl. stattdessen die detaillierten Erläuterungen von einem der Verfasser in ALAN (2004) S. 84 ff. Vgl. darüber hinaus zur dynamischen 

Generierung von Instanzen die Andeutungen in NOY/HAFNER (1998) S. 617 f.


und die jeder neu erzeugten Kompetenzaussage eine individuelle, in der Wissensbasis noch nicht 

vergebene ID zuordnet. 

Darüber hinaus wurde in der KOWIEN-Ontologie eine größere Anzahl kompetenzerschließender 

Inferenzregeln spezifiziert. 277) Hiervon werden im Folgenden nur einige beispielhaft aufgeführt und 

lediglich kurz kommentiert, da sich ihre Bedeutungen jeweils intuitiv erschließen lassen. 278) 

Beispielsweise wird in der zweiten Inferenzregel: 

∀ Mitarbeiter1, Qualifikation1, Kompetenz1: 

Mitarbeiter1:Mitarbeiter [hat_Berufsausbildung ->> Qualifikation1] 

AND Qualifikation1:Ausbildung [erfordert_Kompetenzen ->> Kompetenz1] 



beinhaltet_Kompetenzauspraegung ->> hoch]. 

das Alltagswissen formal spezifiziert, dass mit Plausibilität auf eine hohe Kompetenz eines Mitarbeiters 

geschlossen werden kann, wenn bekannt ist, dass dieser Mitarbeiter eine Berufsausbildung 

genossen hat, welche jene Kompetenz erfordert. 

Mit der dritten Inferenzregel: 

∀ Mitarbeiter1, Jahre1: 

KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Lernbereitschaft; 


beinhaltet_Kompetenzauspraegung ->> sehr_hoch] 

AND Mitarbeiter1:Mitarbeiter [hat_Alter -> Jahre1] 

AND less_or_equal(Jahre1,50) 

→ Mitarbeiter1:Mitarbeiter [ist_Schulungskandidat -> true]. 

kann darauf geschlossen werden, dass ein Mitarbeiter ein Schulungskandidat ist, wenn er eine sehr 

hohe Lernbereitschaft aufweist und zudem sein Alter höchstens 50 Jahre beträgt. 

Mit der vierten Inferenzregel: 

∀ Mitarbeiter1, Anzahl1: 

Mitarbeiter1:Mitarbeiter[hat_Kinderzahl -> Anzahl1] 

AND greater_or_equal(Anzahl1,1) 

→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Flexibilität; 


beinhaltet_Kompetenzauspraegung ->> gering]. 

277) Eine ausführliche Darstellung der Inferenzregeln, die im Verbundprojekt KOWIEN für den Bereich des Managements von 

Wissen über Kompetenzen erarbeitet wurden, findet sich in HÜGENS (2004) S. 21 ff. u. 64 ff. (auf den letztgenannten Seiten 

eingebettet in die KOWIEN-Ontologie für Zwecke des Kompetenzmanagements, die auf S. 55 ff. dokumentiert ist). Allerdings 

wird in der vorgenannten Quelle noch nicht die Technik verwendet, mit dem Ausdruck „KA_erz(KID)“ anzudeuten, dass jeweils 

ein eindeutiger Identifikator für Instanzen des Konzepts Kompetenzaussage dynamisch erzeugt werden muss. 

278) Zwar werden in den Inferenzregeln gelegentlich Ausdrücke verwendet, die in den vorherigen Kapiteln nicht im Einzelnen vorgestellt 

wurden. Aber auch diesbezüglich bedarf es keiner ausführlichen Kommentierung, weil die Bedeutungen jener Ausdrücke 

ebenso intuitiv erschlossen werden können.


kann auf eine geringe Flexibilität eines Mitarbeiters geschlossen werden, wenn er mindestens ein 

Kind besitzt. 

Mit der fünften Regel: 

∀ Mitarbeiter1, Verein1: 

Mitarbeiter1:Mitarbeiter [hat_Ehrenamt_im_Verein ->> Verein1] 

→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Engagement; 



lässt sich auf ein hohes Engagement eines Mitarbeiters schließen, wenn bekannt ist, dass er in mindestens 

einem Verein ehrenamtlich tätig ist. 

Mit der sechsten Regel: 

∀ Mitarbeiter1, Maschine1, Maschine2, Maschine3, Maschinenart1 

Jahr1, Jahr2, Jahr3, Maschinenalter1, Maschinenalter2, Maschinenalter3: 

Mitarbeiter1:Mitarbeiter[hat_gebaut_Maschine ->> {Maschine1,Maschine2,Maschine3}] 

AND ( NOT equal(Maschine1,Maschine2) ) 



AND Maschine1:Maschine [ist_vom_Typ ->> Maschinenart1; 

wurde_hergestellt_im_Jahr -> Jahr1] 

AND equal(Maschinenalter1,(aktuelles_Jahr - Jahr1)) 

AND less_or_equal(Maschinenalter1,5) 









AND Maschnenart1:Maschinenart[erfordert_Herstellungskompetenzen ->> Kompetenz1] 



beinhaltet_Kompetenzauspraegung ->> sehr_hoch]. 

kann darauf geschlossen werden, dass ein Mitarbeiter eine sehr hohe Kompetenz bezüglich der Herstellung 

einer Maschinenart besitzt, wenn er in den zurückliegenden 5 Jahren mindestens 3 Exemplare 

dieser Maschinenart gebaut hat.


Schließlich kann mit der siebten Inferenzregel: 

∀ Mitarbeiter1, Projekt1, Projekt2: 

Mitarbeiter1:Mitarbeiter [hat_geleitet_Projekt ->> Projekt1; 

hat_geleitet_Projekt ->> Projekt2] 

AND ( NOT equal(Projekt1,Projekt2) ) 

AND Projekt1:Projekt[hat_bewertung -> erfolgreich] 

AND Projekt2:Projekt[hat_bewertung -> erfolgreich] 

→ KA_erz(KID):Kompetenzaussage [beinhaltet_Kompetenz -> Fuehrungsfaehigkeit; 

betrifft_Akteur -> Mitarbeiter1 


darauf geschlossen werden, dass ein Mitarbeiter hohe Führungsfähigkeiten besitzt, wenn er mindestens 

zwei voneinander unterschiedliche Projekte geleitet hat, die beide als „erfolgreich“ bewertet 

wurden. 

Bei allen voranstehenden Inferenzregeln kann trefflich darüber gestritten werden, ob es „angemessen“ 

ist, die jeweils ausgewiesenen Schlussfolgerungen zu ziehen. Beispielsweise lässt sich beliebig 

lange und beliebig intensiv darüber debattieren, aus welchen Gründen es gerechtfertigt sein könnte, 

einem Mitarbeiter eine sehr hohe Kompetenz zur Herstellung einer Maschinenart „schon“ oder 

„erst“ dann zu bescheinigen, wenn er in den zurückliegenden 5 Jahren mindestens 3 Exemplare dieser 

Maschinenart gebaut hat. So könnte angezweifelt werden, ob nicht etwa ein Zeitraum von 2 Jahren 

oder eine Mindestanzahl von 5 hergestellten Maschinenexemplaren „plausibler“ wäre. In diesen 

Streit möchten sich die Verfasser jedoch nicht einmischen. Denn es geht ihnen hier nicht um die inhaltliche 

Angemessenheit der voranstehenden Inferenzregeln. Stattdessen wird von vornherein eingeräumt, 

dass es für objektsprachliche Inferenzregeln charakteristisch ist, im Gegensatz zu den metasprachlichen 

Inferenzregeln der Prädikatenlogik keine Allgemeingültigkeit zu besitzen. 

Objektsprachliche Inferenzregeln weisen nur Plausibilitätscharakter auf und können im Einzelfall 

durchaus zu Fehlschlüssen verleiten. Insbesondere erlangen sie ihre Plausibilitätskraft nicht situations- 

und subjektunabhängig. Vielmehr werden solche Inferenzregeln nur unter bestimmten situativen 

Randbedingungen und nur von bestimmten Akteuren als plausibel anerkannt, wie z.B. von 

Mitarbeitern eines Unternehmens, die über einen gemeinsamen Erfahrungshintergrund verfügen. 

Daher kann die Plausibilität einer jeden objektsprachlichen Inferenzregel jederzeit – und mit guten 

Gründen – in Zweifel gezogen werden, indem die jeweils relevante Akteursgruppe und der ebenso 

relevante situative Kontext gewechselt werden. Daher spielt es für die Aufstellung von objektsprachlichen 

Inferenzregeln keine Rolle, ob sie von allen Rezipienten und für alle Situationen anerkannt 

werden. Vielmehr kommt es „nur“ darauf an, dass sich eine Gruppe von Akteuren für einen 

situativen Kontext – wie etwa die arbeitsteilige Erfüllung einer gemeinsam übernommenen Aufgabe 

– auf die Anerkennung der Plausibilität einer objektsprachlichen Inferenzregel zu einigen vermag. 

Dies entspricht unmittelbar dem Verständnis von Ontologien, das im Kapitel 1.3.1.1.3 (S. 141 ff.) 

dieses Werks entfaltet wurde. In Anspielung auf eine Redeweise, die für Ontologien weit verbreitet 

ist, kann eine Gruppe von Akteuren, die sich auf die Akzeptanz der Plausibilität einer objektsprachlichen 

Inferenzregel für einen gemeinsam geteilten situativen Kontext verständigt hat, als eine 

Ontogroup bezeichnet werden.


Neben Inferenzregeln spielen auch Integritätsregeln für Ontologien eine wichtige Rolle, um die Zulässigkeit 

der Repräsentation von Wissen über einen Realitätsausschnitt zu wahren oder herzustellen. 

Von den wichtigsten Integritätsregeln, die in der KOWIEN-Ontologie enthalten sind, werden 

nachfolgend einige Exemplare zur Verdeutlichung aufgelistet. Auf einzelne Exemplare wurde bereits 

an früherer Stelle ausführlicher eingegangen, 279) so dass an dieser Stelle knappe Kommentare 

zu den Integritätsregeln ausreichen. 

Mit der ersten Integritätsregel: 

∀ Mitarbeiter1, Mitarbeiter2: 

Mitarbeiter1:Mitarbeiter [hat_Vorgesetzte ->> Mitarbeiter2] 

→ NOT equal(Mitarbeiter1,Mitarbeiter2). 

wird die Irreflexivität der Relation hat_Vorgesetzte ausgedrückt. Demnach ist eine Formel in der 

Wissensbasis bezüglich der o.a. Integritätsregel unzulässig, wenn in der Formel ausgedrückt wird, 

dass ein Mitarbeiter in der Relation hat_Vorgesetzte zu sich selbst steht. 

Mit der zweiten Integritätsregel: 

∀ Mitarbeiter1, Jahr1: 

Mitarbeiter1:Mitarbeiter [hat_Geburtsjahr -> Jahr1] 

→ greater_or_equal(Jahr1,1900). 

können alle Formeln in der Wissensbasis als unzulässig ausgezeichnet werden, nach denen ein Mitarbeiter 

früher als im Jahr 1900 geboren wäre. 

Mit der dritten Integritätsregel: 

∀ Mitarbeiter1, Mitarbeiter2, Zahl1, Zahl2: 

Mitarbeiter1:Mitarbeiter [hat_Personalnummer -> Zahl1] 

AND Mitarbeiter2:Mitarbeiter [hat_Personalnummer -> Zahl2] 

AND NOT equal(Mitarbeiter1,Mitarbeiter2) 

→ NOT equal(Zahl1,Zahl2). 

werden alle Formelmengen als unzulässig ausgezeichnet, in denen zwei unterschiedlichen Mitarbeitern 

dieselbe Personalnummer zugeordnet ist. Hierdurch wird die Linkseindeutigkeit der Relation 

hat_Personalnummer gewährleistet. Auf diese Relationseigenschaft kann im betrieblichen Alltag 

nicht verzichtet werden. 

Mit der vierten Integritätsregel: 

∀ Mitarbeiter1: 

Mitarbeiter1:Mitarbeiter 

→ (∃ Abteilung1: Abteilung1:Abteilung 

AND Mitarbeiter1 [arbeitet_in_Abteilung ->> Abteilung1]). 

279) Vgl. Kapitel 2.4.2.2.3, S. 466 ff.


wird jede Instanziierung des Konzepts Mitarbeiter mit einer Instanz Mitarbeiter als unzulässig ausgezeichnet, 

wenn keine Abteilung existiert, in welcher der Mitarbeiter arbeitet. Dadurch wird die 

Linkstotalität der Relation arbeitet_in_Abteilung gewährleistet. 

Schließlich wird mit der fünften Integritätsregel: 

∀ Abteilung1: 

Abteilung1:Abteilung 

→ (∃ Mitarbeiter1: Mitarbeiter1:Mitarbeiter 

AND Mitarbeiter1[arbeitet_in_Abteilung ->> Abteilung1]). 

jede Instanz (Abteilung) des Konzepts Abteilung als unzulässig ausgezeichnet, wenn kein Mitarbeiter 

existiert, der in dieser Abteilung arbeitet. Dadurch wird die Rechtstotalität der Relation arbeitet_ 

in_Abteilung sichergestellt. 

2.4.5 Anschlussfähigkeit der Kompetenzontologie 

an Kompetenz-Wissensbasen – eine exemplarische Betrachtung 

auf der Instanzenebene 

Im Folgenden wird anhand eines Beispiels verdeutlicht, wie sich die Repräsentation von Wissen 

über Kompetenzen, Wissensträger und Kompetenzprofile in der Wissensbasis eines ontologiebasierten 

Kompetenzmanagementsystems auf der Basis der KOWIEN-Ontologie realisieren lässt. Als 

Grundlage hierfür dient die Spezifikation: 

mueller4711 : Individualakteur. 

mueller4711 [hat_Kompetenzprofil -> KP_mueller4711]. 

KP_mueller_4711: Kompetenzprofil [beinhaltet_Kompetenzaussage ->> {KA_1,KA_2}]. 

KA_1:Kompetenzaussage [beinhaltet_Kompetenz -> Java; 


beinhaltet_Kompetenzauspraegung ->> Problemloeser]. 

KA_2:Kompetenzaussage [beinhaltet_Kompetenz -> C++; 


beinhaltet_Kompetenzauspraegung ->> Anfaenger]. 

Mit dieser Spezifikation wird eine Instanz mueller4711 des Konzepts Individualakteur eingeführt. 

Dem Akteur mueller4711 wird die Instanz KP_mueller_4711 des Konzepts Kompetenzprofil durch 

die Relation hat_Kompetenzprofil zugewiesen. Das Kompetenzprofil KP_mueller4711 ist über die 

mengenwertige Relation beinhaltet_Kompetenzaussage mit den beiden Instanzen KA_1 und KA_2 

des Konzepts Kompetenzaussage verbunden. In der Kompetenzaussage KA_1 wird ausgedrückt, 

dass der Akteur mueller4711 die Kompetenz Java in der Ausprägung Problemloeser besitzt. Die 

Kompetenzaussage KA_2 drückt hingen aus, dass derselbe Akteur mueller4711 über die Kompetenz 

C++ nur in der Ausprägung Anfaenger verfügt.


Mit der o.a. Spezifikation wird der Zusammenhang formal erfasst, der in der Abbildung 66 graphisch 

illustriert ist. In dieser wird die KOWIEN-Ontologie, die mit der Wissensrepräsentationssprache 

F-Logic verfasst wurde, als ein semantisches Netz 280) rekonstruiert. Semantische Netze bieten 

sich dann als Metasprache zur Repräsentation von Wissen an, wenn eine anwenderfreundliche, 

graphisch basierte Syntax benötigt wird. Die Semantik bleibt hingegen unverändert, wenn die Modellierungsprimitive 

des semantischen Netzes eindeutig auf die Modellierungsprimitive aus der F- 

Logic-Notation abgebildet werden können. 

Java 

C++ 

beinhaltet 

Kompetenz 

beinhaltet 

Kompetenz 

Problemloeser 

beinhaltet 


KA_1 

betrifft 

Akteur 

mueller4711 hat_Kompetenzprofil KP_mueller4711 

betrifft 

Akteur 

KA_2 

beinhaltet 


Anfaenger 

beinhaltet_Kompetenzaussage 

beinhaltet_Kompetenzaussage 

Abbildung 66: Beispiel zur Repräsentation von Wissen über 

Kompetenzen, Kompetenzträger und Kompetenzprofile in der KOWIEN-Ontologie 

Da in der KOWIEN-Ontologie lediglich zweistellige Relationen spezifiziert sind, lässt sich das entsprechende 

semantische Netz unmittelbar intuitiv nachvollziehen. Das semantische Netz setzt sich 

aus Knoten und gerichteten Kanten zusammen. Die Knoten des Netzes entsprechen jeweils Instanzen 

281) aus der KOWIEN-Ontologie. Die gerichteten Kanten stellen Beziehungen zwischen Instanzen 

dar und entsprechen auf diese Weise jeweils einem Element aus den zweistelligen Relationen 

der KOWIEN-Ontologie zwischen ihren Konzepten. Der Knoten im Kantenursprung repräsentiert 

280) Zur Spezifikation von Ontologien mittels semantischer Netze vgl. CORBY/DIENG/HÉBERT (2000) S. 470 ff.; vgl. darüber hinaus 

– allerdings ohne expliziten Bezug zu Ontologien – zu semantischen Netzen BIBEL (1992) S. 82; SOWA (1984) S. 69 ff.; SOWA 

(2000) S. 23 ff. 

281) In dem hier betrachteten semantischen Netz sind lediglich Instanzen und Beziehungen zwischen Instanzen dargestellt. Sollen 

auch Konzepte und Relationen zwischen Konzepten dargestellt werden, ist es erforderlich, zusätzliche Hervorhebungsmittel im 

Netz aufzunehmen. Beispielsweise könnten Konzepte als Kreise und Instanzen als Rechtecke dargestellt werden. Entsprechend 

müssten auch unterschiedliche Kantentypen berücksichtigt werden für einerseits Beziehungen zwischen Instanzen und andererseits 

Beziehungen zwischen Konzepten. Hinzu käme ein dritter Kantentyp, der von einer Instanz zu einem Konzept führen kann 

und einem Element aus der Relation ist_Instanz_von entsprechen würde.


die erste Argumentstelle der jeweils betroffenen Relation, während die zweite Argumentstelle der 

Relation durch den Knoten im Kantenziel wiedergegeben wird. 

Die netzartige Darstellung von Ontologien und ontologiebasierten Wissensbasen wird seit kurzem 

von verschiedenen Softwareprodukten unterstützt. Das Softwaretool OntoEdit, das im Verbundprojekt 

KOWIEN eingesetzt wurde, verfügt beispielsweise über eine „Visualizer“-Komponente. Sie erlaubt 

nicht nur die passive Rekonstruktion von Ontologien in der Form von semantischen Netzen, 

sondern unterstützt darüber hinaus auch die aktive Konstruktion von Ontologien. Ein Screenshot 

dieser Komponente zeigt die Abbildung 67 auf der nächsten Seite. 

Abbildung 67: „Visualizer“-Komponente des Softwaretools OntoEdit 

mit einem Ausschnitt der KOWIEN-Ontologie

2.5 Unterstützung für computerbasierte Kompetenzmanagementsysteme 

durch Techniken des Operations Research 

DIPL.-KFM. MALTE L. PETERS, UNIV.-PROF. DR. STEPHAN ZELEWSKI 



2.5.1 Problemstellung 

In der betriebswirtschaftlichen Praxis finden sich zahlreiche Softwaresysteme, die Funktionen zur 

Dokumentation von Mitarbeiter-Kompetenzen bereitstellen. Solche Softwaresysteme finden sich 

insbesondere im Bereich der Personalverwaltung und Personalentwicklung oder – in „moderner“ 

Begrifflichkeit – des Human Resources Managements. Hinzu kommen fortschrittliche Kompetenzmanagementsysteme 

der Art, wie sie im Rahmen des hier vorgestellten Verbundprojekts KOWIEN 

entwickelt wurden. Sie gestatten es, nicht nur Mitarbeiter-Kompetenzen explizit zu dokumentieren, 

sondern auch implizit vorhandenes Wissen über Mitarbeiter-Kompetenzen computerbasiert zu erschließen. 

Die vorgenannten Softwaresysteme im Allgemeinen und Kompetenzmanagementsysteme im Besonderen 

ermöglichen zwar einem Anwender, Mitarbeiter mit bestimmten, für die Erfüllung einer 

Aufgabe benötigten Kompetenzen schnell aufzufinden. Aber sie leisten keine unmittelbare Unterstützung 

hinsichtlich des Problems, Mitarbeiter nach Maßgabe der verfügbaren oder benötigten 

Kompetenzen so zu Arbeitsplätzen zuzuordnen, dass für die Gesamtheit aller Mitarbeiter und Arbeitsplätze 

ein – hinsichtlich der zugrunde liegenden Optimierungskriterien noch zu konkretisierendes 

– „optimales“ Zuordnungsergebnis erzielt wird. Dieses Problem der optimalen Zuordnung zwischen 

Kompetenzträgern (Mitarbeitern) und Kompetenzanforderungen (Arbeitsplätzen) stellt aus 

betriebswirtschaftlicher Perspektive ein Kernproblem der kompetenzbasierten Personaleinsatzplanung 

dar. Für seine Lösung stehen mehrere Ansätze zur Verfügung. 1) Sie werden jedoch in der betrieblichen 

Praxis oftmals nicht konkret genutzt. 2) Insbesondere mangelt es an transparenten Entscheidungsmodellen 

für die optimale Planung des Personaleinsatzes, die speziell auf die Belange 

einer kompetenzbasierten Personaleinsatzplanung zugeschnitten sind. Daher bedürfen Kompetenzmanagementsysteme 

einer Erweiterung um entsprechende Entscheidungsmodelle. 

Die Berücksichtigung von Kompetenzaspekten bei der modellgestützten Zuordnung zwischen Mitarbeitern 

und Arbeitsplätzen erweist sich aus mindestens zwei Gründen als wünschenswert. Einerseits 

sollen Mitarbeiter so eingesetzt werden, dass sie die Kompetenzanforderungen ihres Arbeitsplatzes 

erfüllen können und somit ihren dortigen Aufgaben gewachsen sind. Dies stellt für die Effektivität 

der Mitarbeiter und die Qualität ihrer Arbeitsergebnisse eine conditio sine qua non dar. 

Andererseits entsprechen die Kompetenzanforderungen eines Arbeitsplatzes nicht notwendig den 

Präferenzen der Mitarbeiter, die sie hinsichtlich des Einsatzes ihrer Kompetenzen und hinsichtlich 

1) Ein breiter Überblick über Ansätze zur kompetenzbasierten Personaleinsatzplanung findet sich in MAIER/GOLLITSCHER (2000) 

S. 1 ff., insbesondere S. 5 ff.; vgl. am Rande auch AGRAWAL/BERRYMAN/RICHARDS (2003) S. 74. Vgl. des Weiteren zu speziellen 

Anwendungsbereichen der kompetenzbasierten Personaleinsatzplanung BOON/SIERKSMA (2003) S. 278 ff. (Teamkonfiguration 

im Sportbereich); HENDRIKS/VOETEN/KROEP (1999) S. 182 ff. (Multi-Projekt-Planung). 

2) Vgl. AGRAWAL/BERRYMAN/RICHARDS (2003) S. 70 f.: „ ... must companies abandon the attempt to make rational choices and 

instead merely guess how best to assign employees to jobs.” (S. 79) „ ... As a result, human capital – the skills and knowledge 

of employees – too often remains an untapped performance lever.“ (S. 72).

538 2.5 Techniken des Operations Research 

der Eigenschaften ihres Arbeitsplatzes hegen. Die Berücksichtung dieser Mitarbeiterpräferenzen bei 

der Personaleinsatzplanung kann wesentlich zu einer höheren Motivation der Mitarbeiter beitragen. 

Denn Mitarbeiter sind in der Regel umso motivierter, je mehr sie mit Aufgaben konfrontiert werden, 

die in ihren Interessensgebieten liegen. Wenn beispielsweise ein Mitarbeiter lieber englisch als 

spanisch spricht, wird er ceteris paribus einen Arbeitsplatz präferieren, für den die Kompetenz 

„englische Sprachkenntnisse“ bedeutender ist als die Kompetenz „spanische Sprachkenntnisse“. 

Ebenso wie die Berücksichtigung der Mitarbeiterpräferenzen hinsichtlich der Kompetenzen führt 

auch die Berücksichtigung ihrer Präferenzen hinsichtlich der Eigenschaften eines Arbeitsplatzes zu 

einer höheren Motivation. So präferiert eine Alleinerziehende gegebenenfalls einen Arbeitsplatz, 

bei dem eine Teilzeitbeschäftigung möglich ist, gegenüber einem Arbeitsplatz, der nur im Rahmen 

einer Vollzeitbeschäftigung besetzt werden kann. 

In diesem Beitrag wird das so genannte „Goal Programming“ als Technik 3) des Operations Research 

zur Lösung des oben skizzierten Zuordnungsproblems der kompetenzbasierten Personaleinsatzplanung 

von Mitarbeitern zu Arbeitsplätzen vorgestellt. Die Technik des Goal Programmings 

eignet sich vor allem aus zwei Gründen zur Lösung dieses Zuordnungsproblems: Erstens können 

beim Goal Programming mehrere Ziele als Entscheidungskriterien simultan berücksichtigt werden. 

Diese Ziele bestehen hier sowohl in der Beachtung der „objektiven“ Übereinstimmung zwischen 

Kompetenzanforderungen von Arbeitsplätzen und Kompetenzangeboten durch Mitarbeiter als auch 

in der Rücksichtnahme auf „subjektive“ Mitarbeiterpräferenzen. Zweitens dient das Goal Programming 

der Minimierung von Abweichungen zwischen Sollwerten und Istwerten. Diese Abweichungen 

erstrecken sich beim vorliegenden Problem der Personaleinsatzplanung zum einen auf Diskrepanzen, 

die zwischen den Kompetenzanforderungen der Arbeitsplätze (Sollwerte) und den tatsächlichen 

Kompetenzen der Mitarbeiter (Istwerte) bestehen. Zum anderen wird erfasst, inwieweit die 

Mitarbeiterpräferenzen für Kompetenzen und für Arbeitsplatzeigenschaften (jeweils Sollwerte) von 

den Bedeutungen dieser Kompetenzen für Arbeitsplätze bzw. den tatsächlichen Eigenschaften der 

betroffenen Arbeitsplätze (jeweils Istwerte) abweichen. 

Kein anderer Modellierungsansatz des Operations Research gestattet eine derart differenzierte und 

zugleich präzise Erfassung der Abweichungen zwischen Soll- und Istwerten für eine beliebig große 

Anzahl entscheidungsrelevanter Ziele, wie es seitens der Technik des Goal Programmings der Fall 

ist. Durch die Anwendung dieser Modellierungstechnik lassen sich Entscheidungsmodelle für die 

kompetenzbasierte Personaleinsatzplanung konstruieren und auch effizient lösen, in denen das zunächst 

nur vage umschriebene (Meta-) Ziel der optimalen Zuordnung von Mitarbeitern zu Arbeits- 

3) Als Technik wird hier eine Sammlung aus Methoden zur Konstruktion von Modellen mit einer bestimmten, für die Technik 

spezifischen Modellstruktur, aus Methoden zur Lösung der Modelle und aus unterstützenden Werkzeugen für die Modellkonstruktion 

und -lösung verstanden. Des Öfteren wird eine Technik explizit nur durch die Spezifizierung einer bestimmten Modellstruktur 

definiert. Die Methoden zur Modellkonstruktion und zur Modelllösung gelten in diesem Fall als „trivial“ (worüber 

sich trefflich streiten lässt). Sie werden als implizit „vereinbart“ betrachtet in dem Sinne, dass alle Konstruktionsmethoden zugelassen 

werden, deren Anwendung zu der technikspezifischen Modellstruktur führt, sowie alle Lösungsmethoden, die sich auf 

die technikspezifische Modellstruktur anwenden lassen. Wenn die Modelle, welche die technikspezifische Modellstruktur aufweisen, 

in pragmatischer Hinsicht speziell für die Bearbeitung von Entscheidungs- oder Optimierungsproblemen angewendet 

werden, wird die zugrunde liegende Technik auch als Entscheidungs- bzw. Optimierungstechnik bezeichnet. Bei den Werkzeugen, 

die zur Unterstützung von Modellkonstruktion und -lösung dienen, handelt es sich in der Regel um Software für die computerbasierte 

Anwendung einer Technik. Software für die Modellkonstruktion wird oftmals als Modelleditor, Software für die Modelllösung 

dagegen als Solver-Komponente bezeichnet. Oftmals sind Modelleditor und Solver-Komponente in einer integrierten 

Software gemeinsam vorhanden.

2.5 Techniken des Operations Research 539 

plätzen „handfest“ und praxisnah konkretisiert wird: Es gilt diejenige(n) Lösung(en) 4) des Zuordnungsproblems 

zu finden, in der (denen) die Gesamtheit der Abweichungen zwischen Soll- und 

Istwerten aller entscheidungsrelevanten (Objekt-) Ziele minimal ausfällt. 

2.5.2 Grundlagen 

2.5.2.1 Terminologische Grundlagen 

Ein Beispiel für eine Kompetenz im Sinne handlungsbefähigenden Wissens 5) ist die Fähigkeit eines 

Mitarbeiters, seine Fremdsprachenkenntnisse zu nutzen, um mit einem ausländischen Geschäftspartner 

zu verhandeln. Kompetenzen können qualitativ unterschiedlich ausgeprägt sein. Beispielsweise 

ist die Fähigkeit eines Mitarbeiters, in einer Fremdsprache zu verhandeln, niedrig ausgeprägt, 

wenn er nur über Grundkenntnisse in der jeweiligen Fremdsprache verfügt. Die Ausprägung dieser 

Kompetenz fällt hingegen hoch aus, wenn der Mitarbeiter umfassende Fremdsprachenkenntnisse 

besitzt und sie in jüngerer Zeit auch hinreichend oft in Verhandlungssituationen erfolgreich praktiziert 

hat. Solche qualitativen Ausprägungen von Kompetenzen werden als Kompetenzniveaus bezeichnet. 

Darüber hinaus können Kompetenzen in so genannten Kompetenzhierarchien strukturiert werden. 

In derartigen Kompetenzhierarchien werden ähnliche Kompetenzen unter jeweils einem „Knoten“ 

zu einem „Kompetenz-Cluster“ gruppiert. Beispielsweise können – wie in Abbildung 68 auf der 

nächsten Seite dargestellt ist – die Kompetenzen „englische Sprachkenntnisse“ und „französische 

Sprachkenntnisse” unter einem Knoten „Fremdsprachenkenntnisse“ gruppiert werden. 

4) Wie alle Entscheidungsmodelle können auch die hier betrachteten Entscheidungsmodelle zur Bearbeitung des Zuordnungsproblems 

der kompetenzbasierten Personaleinsatzplanung mehrere optimale Lösungen besitzen. Dies ist genau dann der Fall, wenn 

mehrere Lösungen des Zuordnungsproblems mit derselben minimalen Gesamtabweichung zwischen Soll- und Istwerten aller 

entscheidungsrelevanten Ziele existieren. Tritt dieser Fall einer Mehrdeutigkeit des Optimums auf, so kann der Entscheidungsträger 

eine von den optimalen Lösungen willkürlich auswählen: z.B. Mithilfe eines Zufallsverfahrens oder durch eine lexikographische 

Anordnung aller Entscheidungsalternativen, aus denen entweder die ranghöchste oder die rangtiefste selektiert wird. 

5) Vgl. Vorwort, S. 3.


Kompetenzen 

Fremdsprachenkenntnisse Softwarekenntnisse Rechnungslegungskenntnisse 

englische 

Sprachkenntnisse 

französische 


italienische 


portugiesische 


spanische 


Microsoft Access 

Microsoft Excel 

Microsoft Outlook 

Microsoft PowerPoint 

Microsoft Word 

Handelsgesetzbuch (HGB) 

United States- 

Generally Accepted Accounting 

Principles (US-GAAP) 

International 

Accounting Standards 

(IAS) 

Abbildung 68: Exemplarische Darstellung einer Kompetenzhierarchie 

Kompetenzhierarchien bilden eine zentrale konzeptionelle Schnittstelle – oder treffender: Nahtstelle 

– zwischen den hier vorgestellten Techniken der Operations Research einerseits und den ontologiebasierten 

Kompetenzmanagementsystemen des Verbundprojekts KOWIEN andererseits. Denn 

Kompetenzhierarchien lassen sich zum einen nutzen, um den Arbeitsaufwand für die Konstruktion 

und die Lösung von Entscheidungsmodellen der kompetenzbasierten Personaleinsatzplanung zu reduzieren. 

Dies wird im nachstehenden Kapitel zum Analytic Hierarchy Process verdeutlicht werden. 

Zum anderen können Kompetenzhierarchien unmittelbar aus einer Kompetenzontologie gewonnen 

werden, weil die taxonomische Struktur einer Ontologie von vornherein hierarchische 

Über- und Unterordnungsbeziehungen zwischen den erfassten Kompetenzen definiert. 6) Daher lassen 

sich die Kompetenzontologien, die Kompetenzmanagementsystemen zugrunde liegen, verwenden, 

um mit Hilfe ihrer taxonomischen Strukturen Kompetenzhierarchien zu bilden, die ihrerseits 

den Arbeitsaufwand von Entscheidungsmodellen der kompetenzbasierten Personaleinsatzplanung 

6) Zwar muss die taxonomische Struktur einer Ontologie nicht notwendig eine hierarchische Struktur darstellen. Vielmehr kann 

eine Kompetenzontologie aufgrund von „Mehrfachzuordnungen“ einer Kompetenz zu mehreren übergeordneten Kompetenzen 

auch eine (taxonomische) Netzstruktur aufweisen. Dieser Sonderfall tritt jedoch in der betrieblichen Praxis nach Erfahrung der 

Verfasser nur sehr selten auf. Darüber hinaus lässt sich die Goal-Programming-Technik für Entscheidungsmodelle zur kompetenzbasierten 

Personaleinsatzplanung sogar auch auf diesen Sonderfall übertragen. Zu diesem Zweck braucht lediglich der Analytic 

Hierarchy Process (AHP), der im anschließenden Kapitel als eine Basis der Entscheidungsmodelle entfaltet wird, durch die 

Variante des Analytic Network Process (ANP) ersetzt zu werden. Aufgrund seines komplexeren Aufbaus wird der ANP im hier 

vorgelegten Beitrag nicht näher betrachtet. Er kann aber prinzipiell zur Weiterentwicklung der hier präsentierten Entscheidungsmodelle 

verwendet werden. Vgl. zu Einführungen in den Analytic Network Process: SAATY (2001a) S. 227 f.; SAATY 

(2001c) S. 83 ff.


verringern können. Kompetenzontologien tragen über diese Wirkungskette mittelbar zur Aufwandsreduzierung 

bei der kompetenzbasierten Personaleinsatzplanung bei. Aus der Perspektive der betrieblichen 

Praxis spielt der Arbeitsaufwand, der für die Anwendung einer Planungstechnik anfällt, 

eine herausragende Rolle für die faktische Akzeptanz von Planungstechniken. Aus diesem Grund 

stellt der aufwandsreduzierende Effekt von Kompetenzontologien bei der kompetenzbasierten Personaleinsatzplanung 

ein wesentliches Argument für die betriebliche Praxis dar, fortschrittliche 

Kompetenzmanagementsysteme einzusetzen, die auf Ontologien basieren. 7) Diese Kompetenzmanagementsysteme 

sollten entweder über wohldefinierte Schnittstellen zur Personaleinsatzplanung 

verfügen oder aber selbst die Funktionalität aufweisen, kompetenzbasierte Personaleinsatzplanungen 

zu unterstützen, um den vorgenannten aufwandsreduzierenden Effekt von Kompetenzontologien 

auch tatsächlich nutzen zu können. 

Des Weiteren sind in der betrieblichen Praxis zwei Arten von Kompetenzprofilen zur Dokumentation 

von Kompetenzen erforderlich. Zum einen können Kompetenzprofile für Mitarbeiter angelegt 

werden. Ein solches Mitarbeiter-Kompetenzprofil enthält die faktischen Kompetenzniveaus eines 

Mitarbeiters für alle berücksichtigten Kompetenzen. Zum anderen finden Arbeitsplatz-Kompetenzprofile 

Verwendung, um für jede betrachtete Kompetenz dasjenige Kompetenzniveau festzulegen, 

das zur erfolgreichen Erfüllung der Aufgaben an einem Arbeitsplatz mindestens erforderlich ist. 

Neben dieser arbeitsplatzspezifischen Höhenpräferenz lassen sich in einem Arbeitsplatz-Kompetenzprofil 

ebenso Artenpräferenzen bezüglich der Kompetenzen berücksichtigen, indem festgelegt 

wird, wie bedeutend die einzelnen Kompetenzen für den jeweiligen Arbeitsplatz sind. 

Arbeitsplatzattribute, wie beispielsweise die Arbeitsstunden pro Tag, die Anzahl der Arbeitstage 

pro Woche, Anzahl der Urlaubstage pro Jahr, der Grad der Arbeitssicherheit und die Bürogröße, 

dienen der Beschreibung der Eigenschaften eines Arbeitsplatzes. Analog zu Kompetenzen können 

Arbeitsplatzattribute in einer Hierarchie strukturiert werden. Beispielsweise lassen sich die Arbeitsplatzattribute 

„Arbeitsstunden pro Tag“ und „Anzahl der Arbeitstage pro Woche“ einem Knoten 

„Arbeitszeit“ als Cluster von Arbeitszeitaspekten unterordnen. 

7) Da im Verbundprojekt KOWIEN von vornherein ontologiebasierte Kompetenzmanagementsysteme im Zentrum der Forschungs-, 

Entwicklungs- und Transferarbeiten standen, zeigt sich spätestens hier im Anwendungskontext der kompetenzbasierten 

Personaleinsatzplanung die unmittelbare Praxisrelevanz der Grundsatzentscheidung, für das Management von Wissen über 

Kompetenzen auf Ontologien zurückzugreifen. Die Verfasser möchten diese Einsicht insbesondere allen jenen Skeptikern zu 

bedenken geben, die – wie z.B. Vertreter von Projektträgern und des BMBF – die Ansicht vertreten oder auch nur das Gefühl 

hegen, bei Ontologien handele es sich um „praxisferne“ Konstrukte aus einer „reinen Theorie“, die keinen unmittelbar ersichtlichen 

Nutzen für die betriebliche Praxis stiften könne.


2.5.2.2 Methodische Grundlagen 

2.5.2.2.1 Analytic Hierarchy Process 

Im Rahmen der Goal-Programming-Technik sind verschiedenartige Bewertungen erforderlich. Zum 

einen gehören hierzu die Bewertungen der Bedeutungen der Kompetenzen für die einzelnen Arbeitsplätze, 

die Bewertungen der Bedeutungen der Arbeitsplatzattribute für die einzelnen Mitarbeiter 

sowie die Bewertungen der Bedeutungen der Erfüllung von Zielen für die kompetenzbasierte 

Personaleinsatzplanung. Zum anderen erfolgen Bewertungen der Kompetenzniveaus der Mitarbeiter 

sowie der Kompetenzniveauanforderungen der Arbeitsplätze. Beide Arten der Bewertung können 

mit Hilfe des – von SAATY entwickelten – Analytic Hierarchy Process (AHP) 8) durchgeführt werden. 

Für die erste Art, die Bewertung von Bedeutungen, wird die so genannte relative Bewertung 

(„relative measurement“) des AHP verwendet, während die zweite Art, die Bewertung von Kompetenzniveaus, 

mit Hilfe der so genannten absoluten Bewertung („absolute measurement“) des AHP 

erfolgt. 9) 

Die Bewertung der Bedeutungen wird mit der relativen Bewertung vorgenommen, da die Bedeutungsurteile 

voneinander abhängen; daher wird in diesem Zusammenhang auch oftmals von relativen 

Bedeutungen gesprochen. Beispielsweise führt die Erhöhung der Bedeutung eines Ziels zu einer 

geringeren relativen Bedeutung eines anderen Ziels. Kompetenzniveaus verschiedener Mitarbeiter 

und Arbeitsplätze sind dagegen in der Regel unabhängig voneinander. So führt die Erhöhung des 

Kompetenzniveaus eines Mitarbeiters hinsichtlich einer bestimmten Kompetenz nicht zur Reduktion 

des Kompetenzniveaus eines anderen Mitarbeiters. Ebenso verhält es sich im Allgemeinen mit 

den Kompetenzniveauanforderungen der Arbeitsplätze. Zwar lässt es sich vorstellen, dass die Kompetenzniveauanforderungen 

von Arbeitsplätzen etwas geringer ausfallen, wenn „benachbarte“ Arbeitsplätze 

mit hochkompetenten Mitarbeitern besetzt sind, die bei Problemen „kollegial“ aushelfen 

können. Jedoch sollte angestrebt werden, dass Mitarbeiter von vornherein die Kompetenzniveauanforderungen 

ihrer Arbeitsplätze erfüllen und nicht auf solche „Aushilfen“ Dritter angewiesen sind. 

Denn kollegiale Hilfe zur Lösung eines Problems bindet die Arbeitskraft zweier Mitarbeiter, so dass 

es kosteneffizienter ist, wenn jeder Mitarbeiter die Probleme an seinem eigenen Arbeitsplatz selbst 

zu lösen vermag. 

Die relative Bewertung im Rahmen des AHP erfordert Paarvergleichsurteile, um für jedes Bewertungsobjekt 

– nach Durchführung mehrerer, jeweils normierter Bewertungsschritte – ein methodisch 

fundiertes Bedeutungsurteil zu erhalten. Zur Operationalisierung dieser Paarvergleichsurteile 

wird oftmals auf eine AHP-spezifische Skala 10) zurückgegriffen, die in der nachstehenden 

Abbildung 69 aufgeführt ist. Auf dieser Skala wird die Überlegenheit („Dominanz“) eines Bewertungsobjekts 

– wie beispielsweise der Bedeutung einer Kompetenz für einen Arbeitsplatz – gegenüber 

einem anderen Bewertungsobjekt in Bezug auf ein jeweils unmittelbar übergeordnetes Bewertungskriterium 

in qualitativer Weise erfasst. 

8) Vgl. GÖTZE/BLOECH (2004) S. 188 ff.; PETERS/ZELEWSKI (2004b); SAATY (1980); SAATY (1994); SAATY (2001b); WEBER 

(1993) S. 73 ff.; WEBER (1995); WIND/SAATY (1980); ZELEWSKI/PETERS (2003). 

9) Vgl. zu „absoluter“ und „relativer“ Bewertung: PETERS/ZELEWSKI (2004b) S. 303 ff.; SAATY (2001b) S. 136 ff.; ZELEWSKI/ 

PETERS (2003) S. 1214 ff. 

10) Vgl. z.B. SAATY (1994) S. 26; SAATY (2001a) S. 215; SAATY (2001b) S. 73; SAATY (2001c) S. 26.


mögliche Werte für 

Paarvergleichsurteile 

a 

1 

ij 

Bedeutung der möglichen Werte für Paarvergleichsurteile a ij 

Bewertung der relativen Bedeutungen von Bewertungsobjekten 

gleiche Bedeutung der beiden Bewertungsobjekte i und j 

(Indifferenz) 

3 etwas höhere Bedeutung des Bewertungsobjekts i 

5 deutlich höhere Bedeutung des Bewertungsobjekts i 

7 viel höhere Bedeutung des Bewertungsobjekts i 

9 sehr viel höhere Bedeutung des Bewertungsobjekts i 

2 , 4, 

6, 

8 

Zwischenwerte 

1 

2 

, 

1 1 1 1 1 1 1 

, , , , , , 

3 4 5 6 7 8 9 

Reziprokwerte für „inverse“ Präferenzen, bei denen das Bewertungsobjekt 

j gegenüber dem Bewertungsobjekt i bevorzugt wird 

[Die Reziprokwerte werden im Allgemeinen in der unteren (oberen) Dreiecksmatrix 

der quadratischen Evaluationsmatrix mit allen Paarvergleichsurteilen “automatisch“ 

generiert, indem jedem Paarvergleichsurteil a ij in der oberen (unteren) 

Dreiecksmatrix durch Spiegelung der Evaluationsmatrix entlang ihrer Hauptdiagonale 

das inverse Paarvergleichsurteil a ji = 1 aij 

in der unteren (oberen) Dreiecksmatrix 

zugeordnet wird.] 

Abbildung 69: AHP-Skala für Paarvergleichsurteile 

Die Paarvergleichsurteile werden in eine quadratische Evaluationsmatrix A eingetragen (vgl. 

Abbildung 70). Wenn beispielsweise eine Kompetenz i im Vergleich zu einer anderen Kompetenz 

j als “etwas bedeutender” für die Aufgabenerfüllung an einem bestimmten Arbeitsplatz bewertet 

wird, muss für das Paarvergleichsurteil a ij eine 3 in die Evaluationsmatrix A eingetragen werden, 

während der Reziprokwert 1 3 auf das Paarvergleichsurteil a ji zutrifft. 

A 

⎛a 11 

⎜ 

⎜ ... 

⎜ a 

... 

... 

... 

a 1 j 

... 

a 

... 

... 

... 

a1m 

⎞ 

⎟ 

... ⎟ 

a ⎟ 

⎜ ... 

⎜ ⎜a ... 

... 

... 

a 

... 

... 

... ⎟ 

⎟ 

a ⎟ 

= i1 ij im 

⎜ ⎟ 

⎝ m1 mj mm ⎠ 

mit 

aij > 0 ∀ i = 1,...,m ∀ j = 1,...,m 

aij = 1 ∀ i = j 

a a − 

= ∀ i = 1,...,m ∀ j = 1,...,m 

1 

ij ji 

m ∈ + 

Abbildung 70: Formale Darstellung einer Evaluationsmatrix


Die Bedeutungsurteile für die Bewertungsobjekte lassen sich aus der Evaluationsmatrix berechnen, 

indem die Paarvergleichsurteile der Evaluationsmatrix A in normierte Indizes nor v i überführt werden, 

die in der AHP-Literatur oftmals auch als „Prioritäten“ bezeichnet werden 11) . Diese Indizes 

(„Bedeutungsurteile“) werden ermittelt, indem für jede Evaluationsmatrix deren normalisierter Eigenvektor 

berechnet wird. 12) 

Der – noch nicht normalisierte, vom Nullvektor verschiedene – Eigenvektor v zu einer Evaluationsmatrix 

A lässt sich ermitteln, indem zunächst die Eigenwerte λ der Evaluationsmatrix A durch 

Lösung der folgenden Matrixgleichung mit E als Einheitsmatrix bestimmt werden: 13) 

det( A −λ E ) = 0 

Anschließend benutzt die AHP-Technik den maximalen Eigenwert λ max der bereits ermittelten Eigenwerte 

λ , um den Eigenvektor v zu bestimmen. Dieser ergibt sich für die vorgegebene Evaluationsmatrix 

A in Bezug auf den maximalen Eigenwert λ max als Lösung der folgenden Matrixgleichung 

mit 0 als Nullvektor: 

(A−λ maxE)*v= 

0 

Da diese Matrixgleichung durch unendlich viele verschiedene, linear abhängige Eigenvektoren v 

erfüllt werden kann, erfolgt eine zweite Normierung: Es wird zunächst ein beliebiger der linear abhängigen 

Eigenvektoren v ausgewählt. 14) Dann erfolgt eine Normalisierung durch die Normierung 

der Komponentensumme des Eigenvektors auf den Wert 1 . Sie wird dadurch erreicht, dass jede 

Komponente des Eigenvektors durch die Summe aller seiner Komponenten dividiert wird. Im Er- 

nor 

gebnis resultiert ein eindeutig bestimmter, (zweifach) normierter Eigenvektor v . Die Summe aller 

Elemente dieses Eigenvektors beträgt 1 : 

m 

∑ v = 1 

i= 1 

i 

Darüber hinaus besteht beim AHP die Möglichkeit, die Konsistenz der Paarvergleichsurteile, die in 

einer Evaluationsmatrix A in Bezug auf die Bewertungsobjekte ausgedrückt sind, mit Hilfe eines 

Konsistenzindex ( C . I. 

: Consistency Index) und eines darauf aufbauenden Konsistenzwerts ( C . R. 

: 

Consistency Ratio) zu überprüfen: 15) 

max -m λ 

C.I.= 

m-1 

C. 

I. 

C . R. 

= 

R. 

I. 

11) Vgl. z.B. GÖTZE/BLOECH (2004) S. 188; SAATY (1994) S. 27 ff.; SAATY (2001b) S. 70 ff. 

12) Neben der in diesem Beitrag erörterten exakten Bestimmung des Eigenvektors existieren weitere Verfahren sowohl zur exakten 

als auch zur approximativen Bestimmung des Eigenvektors. Vgl. z.B. SAATY (1980) S. 19 und 179. 

13) Zur Ermittlung der Elemente eines Eigenvektors gibt es grundsätzlich zwei denkmögliche Lösungen: Zum einen ist dieses die 

triviale Linearkombination, bei der die Zeilen und Spalten der Matrix (A− λ E) linear unabhängig sind. Das bedeutet, dass alle 

Elemente des Eigenvektors gleich Null sein müssten. Die triviale Linearkombination ist jedoch per definitionem ausgeschlossen, 

da der Eigenvektor ein von Null verschiedener Vektor ist. Zum anderen besteht eine denkmögliche Lösung in der 

nicht-trivialen Linearkombination, bei der die Zeilen- und Spaltenvektoren der Matrix (A− λ E) linear abhängig sind. Das 

führt dazu, dass wenigstens ein Element des Eigenvektors ungleich Null ist. Bei linearer Abhängigkeit der Zeilen- und Spaltenvektoren 

der Matrix (A−λ E) gilt: det( A −λ E ) = 0 . Vgl. KARMANN (2000) S. 98. 

14) Vgl. zu einem Anwendungsbeispiel ZELEWSKI/PETERS (2004) S. 781. 

15) Vgl. z.B. SAATY (1980) S. 21; SAATY (1994) S. 41 f.; SAATY (2001b) S. 83; WEBER (1995) S. 188.


Zunächst wird der Konsistenzindex auf Basis des – bereits ermittelten – maximalen Eigenwerts 

λ max und der Dimension m der jeweils betroffenen Evaluationsmatrix A gebildet. Der Ermittlung 

des Konsistenzindex liegt die folgende Beziehung zugrunde: Der maximale Eigenwert λ max einer 

Evaluationsmatrix ist bei vollkommener Konsistenz der Evaluationsmatrix notwendig gleich ihrer 

Dimension m . 16) Eine Evaluationsmatrix gilt hierbei als vollkommen konsistent, wenn die folgende 

so genannte Konsistenzbedingung erfüllt ist: 17) 

a * a = a mit 

ik 

kj 

ij 

∀ i = 1,...,m 

∀ j = 1,...,m 

∀ k = 1,...,m 

m ∈ + 

Diese Konsistenzbedingung sichert nicht nur die Transitivität von Paarvergleichsurteilen bei rein 

ordinaler Beurteilungsskala, sondern darüber hinaus auch die „Konsistenz“ der numerischen Werte 

für Paarvergleichsurteile bei transitiver Urteilsverkettung. Sie stellt somit ein Spezifikum des AHP 

für Bewertungsskalen dar, die die Resultate der Paarvergleichsurteile über rein ordinale Rangfolgen 

hinaus auf numerische Werte abbilden. 

Des Weiteren wird zur Konsistenzbeurteilung der so genannte Random Index R . I. 

hinzugezogen. 

Dieser Random Index ist ein durchschnittlicher Konsistenzindex, der aus einer „großen“ Anzahl zufällig 

generierter, reziproker Evaluationsmatrizen berechnet wird. 18) Für jede Matrixdimension m 

lassen sich die zugehörigen Werte des Random Index aus einer einschlägigen – wie der in 

Abbildung 71 auf der folgenden Seite dargestellten – Wertetabelle des AHP übernehmen. 19) Mit 

Hilfe des Konsistenzindex C . I. 

sowie des Random Index R . I. 

wird der Konsistenzwert C . R. 

gemäß 

der oben angegebenen Quotientenformel C.R = C.I/R.I. bestimmt. Der Konsistenzwert C . R. 

wird im Rahmen des AHP als ein Indikator für oder wider die „hinreichende“ Konsistenz der Paarvergleichsurteile 

in der jeweils betrachteten Evaluationsmatrix interpretiert. 20) Diese Interpretation 

erfolgt „pragmatisch“, d.h. ohne explizierte „Hintergrundtheorie“: SAATY gibt als heuristische Empfehlung 

an, dass eine Überarbeitung einer Evaluationsmatrix wegen „unzureichender“ Konsistenz 

erfolgen sollte, wenn der Konsistenzwert C . R. 

über 0 , 05 bei einer Dimension der Evaluationsmatrix 

von m= 3, 

über 0 , 09 bei m=4 und über 0 , 1 bei m> 4 liegt. 21) 

16) Vgl. SAATY (1994) S. 41. 

17) Vgl. z.B. WIND/SAATY (1980) S. 645. 

18) Vgl. z.B. SAATY (2001c) S. 57. 

19) Vgl. für Wertetabellen des Random Index z.B. SAATY (2001b) S. 83; SAATY (2001c) S. 57. 

20) Vgl. SAATY (2001b) S. 80 ff. 

21) Vgl. z.B. SAATY (2001b) S. 81.


m 2 3 4 5 6 7 8 9 10 

R . I. 

0 , 00 0 , 52 0 , 89 1 , 11 1 , 25 1 , 35 1 , 40 1 , 45 1 , 49 

Abbildung 71: Wertetabelle für den Random Index 

Um eine Evaluationsmatrix vollständig auszufüllen, müssen insgesamt m*(m-1) 2 Paarvergleichsurteile 

gefällt werden. Denn alle Elemente auf der Hauptdiagonale der Evaluationsmatrix 

nehmen per constructionem den Wert 1 an. Darüber hinaus weist jedes Element oberhalb (unterhalb) 

der Hauptdiagonale den Reziprokwert des Werts für dasjenige Element der Evaluationsmatrix 

auf, das aus dem betrachteten Element oberhalb (unterhalb) der Hauptdiagonale bei einer Spiegelung 

entlang der Hauptdiagonale unterhalb (oberhalb) der Hauptdiagonale hervorgeht (vice versa). 

22) Voraussetzung ist allerdings, dass von vornherein mit Reziprokwerten gearbeitet wird und 

daher eine originäre Erhebung von Paarvergleichsurteilen nur für eine Dreiecksmatrix (ohne die 

Hauptdiagonale) durchgeführt wird. Diese Vorgehensweise ist für die praktische Anwendung des 

AHP typisch, aber keineswegs notwendig. Stattdessen könnte auch in Betracht gezogen werden, für 

alle Elemente der Evaluationsmatrix (mit Ausnahme ihrer Hauptdiagonale) Paarvergleichsurteile 

originär durchzuführen, um z.B. die Urteilskonsistenz in Bezug auf Paarvergleiche mit permutierter 

Reihenfolge der jeweils beurteilten Objekte zu überprüfen. Von dieser Option wird im Folgenden 

zugunsten der vorherrschenden AHP-Variante abgesehen, von vornherein mit den oben definierten 

Reziprokwerten zu arbeiten und daher den Erhebungsaufwand für Paarvergleichsurteile auf eine 

Dreiecksmatrix (ohne die Hauptdiagonale) zu beschränken. 

Je größer die Dimension m einer Evaluationsmatrix A ausfällt, umso mehr Paarvergleichsurteile 

müssen gefällt werden. Da die Goal-Programming-Modelle, die in diesem Beitrag vorgestellt werden, 

jeweils höchstens drei Ziele berücksichtigen, müssen maximal 3 ( =3*(3-1) 2 ) Paarvergleichsurteile 

zur Bewertung der Bedeutungen der Erfüllung von Zielen gefällt werden. Daher ist 

hierfür nur ein geringer Zeitaufwand erforderlich. Demgegenüber entsteht ein höherer Zeitaufwand 

für die Bewertung der Bedeutungen der Kompetenzen für die einzelnen Arbeitsplätze, die Bewertung 

der Präferenzen der Mitarbeiter hinsichtlich der Kompetenzen sowie für die Bewertung der 

Bedeutungen der Arbeitsplatzattribute für die einzelnen Mitarbeiter, da gegebenenfalls eine Vielzahl 

an Kompetenzen und Arbeitsplatzattributen in einem Modell berücksichtigt werden muss. Beispielweise 

erfordert die Berücksichtigung aller 13 Kompetenzen, die in der Abbildung 68 auf der 

untersten Stufe der Kompetenzhierarchie erfasst sind, dass in einer Evaluationsmatrix insgesamt 78 

( = 13* ( 13 − 1) 

2 ) Paarvergleichsurteile durchgeführt werden. Diese 78 Paarvergleichsurteile müssen 

pro Arbeitsplatz erneut gefällt werden, wenn die Bedeutungen der Kompetenzen arbeitsplatzspezifisch 

bewertet werden sollen. 

Die Anzahl der Paarvergleichsurteile lässt sich jedoch erheblich reduzieren, wenn für jeden Knoten 

der Kompetenzhierarchie, der keinen „untersten“ Knoten darstellt und somit die Qualität eines 

„Kompetenz-Clusters“ besitzt, eine knotenspezifische Evaluationsmatrix erstellt wird. Für die exemplarische 

Kompetenzhierarchie in Abbildung 68 müssten vier Evaluationsmatrizen ausgefüllt 

werden: Drei Evaluationsmatrizen sind zur Bewertung der Bedeutungen der Kompetenzen auf der 

22) Vgl. z.B. WEBER (1993) S. 84 f.


untersten Ebene der Kompetenzhierarchie innerhalb der „Kompetenz-Cluster“ für Fremdsprachen-, 

Software- und Rechnungslegungskenntnisse erforderlich. Eine zusätzliche, vierte Evaluationsmatrix 

wird benötigt, um die Bedeutungen der Knoten „Fremdsprachenkenntnisse“, „Softwarekenntnisse“ 

und „Rechnungslegungskenntnisse“ zu bewerten. Zur Bewertung der Bedeutungen dieser drei Knoten 

ist eine Evaluationsmatrix der Dimension m= 3 erforderlich, die durch drei Paarvergleichsurteile 

ausgefüllt werden kann. Auf der untersten Ebene ist eine Evaluationsmatrix der Dimension 

m= 5 für die Kompetenzen unterhalb des Knotens „Fremdsprachenkenntnisse“ erforderlich. Ebenso 

verhält es sich mit den Kompetenzen unterhalb des Knotens „Softwarekenntnisse“. Für jede dieser 

beiden Evaluationsmatrizen müssen 10 ( = 5*(5 − 1) 2) Paarvergleichsurteile gefällt werden. 

Hinzu kommen 3=3*(3-1)2 ( ) Paarvergleichsurteile für die Kompetenzen unterhalb des Knotens 

„Rechnungslegungskenntnisse“. Insgesamt sind also nur 26 ( = 3 + 10 + 10 + 3 ) Paarvergleichsurteile 

notwendig. Somit kann eine wesentliche Reduktion des Arbeitsaufwands gegenüber der Bewertung 

der Bedeutungen aller Kompetenzen in nur einer Evaluationsmatrix erreicht werden, die insgesamt 

78 Paarvergleichsurteile erforderte. 

Jedoch verursacht die Ermittlung der – im vorliegenden Beispiel 26 – Bedeutungsurteile aus den 

vier separaten Evaluationsmatrizen einen höheren Arbeitsaufwand zur Eigenvektorermittlung, als er 

bei der Bewertung der Bedeutungen aller Kompetenzen in nur einer monolithischen Evaluationsmatrix 

anfallen würde. Denn bei der Verwendung von nur einer monolithischen Evaluationsmatrix 

braucht lediglich der normierte Eigenvektor dieser einen Evaluationsmatrix bestimmt zu werden, 

der die relativen Bedeutungsurteile für alle Kompetenzen enthält. Hingegen muss bei der Verwendung 

von mehreren separaten, jeweils knotenspezifischen Evaluationsmatrizen für jede dieser Evaluationsmatrizen 

ein normierter Eigenvektor ermittelt werden. Im hier betrachteten Beispiel ist es 

also erforderlich, insgesamt viermal einen normierten Eigenvektor zu berechnen. Darüber hinaus 

müssen die relativen Bedeutungsurteile für die Kompetenzen noch aggregiert werden, indem die 

Bedeutungsurteile für jede Kompetenz auf der untersten Ebene der Kompetenzhierarchie mit den 

Bedeutungsurteilen entlang der „Pfade“ bis zur obersten Ebene der Kompetenzhierarchie multipliziert 

werden (pfadspezifische Aggregation von Bedeutungsurteilen). In der exemplarischen Darstellung 

in Abbildung 68 müssten also die Bedeutungsurteile für „englische Sprachkenntnisse“, „französische 

Sprachkenntnisse“, „italienische Sprachkenntnisse“, „portugiesische Sprachkenntnisse“ 

und „spanische Sprachkenntnisse“ jeweils mit dem Bedeutungsurteil für den Knoten „Fremdsprachenkenntnisse“ 

multipliziert werden. Die fünf resultierenden Produkte ergeben die (aggregierten) 

Bedeutungsurteile für die einzelnen Kompetenzen, die sich bei der Bewertung der Bedeutungen der 

Kompetenzen in einer monolithischen Evaluationsmatrix unmittelbar als 5 der 13 Elemente des 

normierten Eigenvektors für diese Matrix ermitteln ließen. 

Aufgrund der voranstehenden Überlegungen besteht bei der Ermittlung der Bedeutungen von Kompetenzen 

ein Trade-off zwischen der Durchführung von Paarvergleichsurteilen einerseits sowie der 

Berechnung von Eigenvektoren zur Ermittlung von Bedeutungsurteilen und der – unter Umständen 

erforderlichen –Aggregation von Bedeutungsurteilen entlang eines Pfads in einer Kompetenzhierarchie 

andererseits. Denn die Verwendung separater, jeweils knotenspezifischer Evaluationsmatrizen 

führt im Vergleich zur Benutzung nur einer monolithischen Evaluationsmatrix zu einer Verringerung 

der Anzahl erforderlicher Paarvergleichsurteile, dafür jedoch zu einer Vergrößerung der Anzahl 

notwendiger Eigenvektorberechnungen und der Anzahl pfadspezifischer Aggregationen von 

Bedeutungsurteilen. Im Allgemeinen ist keine Aussage darüber möglich, welche dieser beiden alternativen 

Vorgehensweisen für die Ermittlung relativer Bedeutungsurteile einen insgesamt geringeren 

Arbeitsaufwand verursacht. Daher ist es durchaus möglich, dass der Arbeitsaufwand für die 

Berechnungen mehrerer normierter Eigenvektoren zu separaten, knotenspezifischen Evaluations-


matrizen sowie für die pfadspezifische Aggregation der Bedeutungsurteile diejenige Arbeitsaufwandsersparnis 

überwiegt, die aufgrund der reduzierten Anzahl an Paarvergleichsurteilen gegenüber 

der Bewertung in einer monolithischen Evaluationsmatrix erzielt werden kann. 

Allerdings gilt es zu beachten, dass sich sowohl die normierten Eigenvektoren als auch die aggregierten 

Bedeutungsurteile durch einschlägige AHP-Software computerbasiert berechnen lassen, 

während die Paarvergleichsurteile durch Befragungen von Mitarbeitern originär erhoben werden 

müssen. Bei der kompetenzbasierten Personaleinsatzplanung sollte in der betrieblichen Praxis diejenige 

Vorgehensweise bevorzugt werden, die mit einer möglichst geringen Anzahl personalintensiver 

Paarvergleichsurteile auskommt, während das Ausmaß computerbasierter Berechnungen angesichts 

der kostengünstigen Verfügbarkeit von Rechnerleistung in der Regel weit gehend vernachlässigt 

werden kann. 23) Daher empfiehlt sich die Bewertung der Bedeutungen von Kompetenzen mit 

mehreren separaten Evaluationsmatrizen auf der Basis einer Kompetenzhierarchie. Darüber hinaus 

empfiehlt es sich, mit den Arbeitsplatzattributen analog zu verfahren, sofern eine große Anzahl von 

Arbeitsplatzattributen (in mindestens zweistelliger Größenordnung) berücksichtigt werden soll. 

Die Bewertung der Kompetenzniveaus der Mitarbeiter sowie die Bewertung der Kompetenzniveaus, 

die an den Arbeitsplätzen mindestens erforderlich sind (Kompetenzniveauanforderungen), 

können grundsätzlich mit Hilfe von Ordinalskalen erfolgen. Beispielsweise lässt sich eine Ordinalskala 

mit den Rangstufen von 1 bis 5 anwenden, auf der die Ausprägung 1 („Anfänger“) ein 

niedriges Kompetenzniveau und die Ausprägung 5 („Erfahrungsträger“) ein hohes Kompetenzniveau 

repräsentiert. In marktübliche Kompetenzmanagementsysteme 24) , Enterprise-Resource-Planning-Systeme 

und Projektmanagementsysteme sind entsprechende Funktionen zur Bewertung von 

Kompetenzniveaus implementiert worden. 25) Im vorliegenden Beitrag wird jedoch die absolute Bewertung 

des AHP als elaborierte Alternative zur Bewertung von Kompetenzniveaus 26) vorgestellt. 

Diese absolute Bewertung bietet gegenüber herkömmlichen Ordinalskalen den Vorteil, dass Bewertungen 

von Kompetenzniveaus nicht nur eine Rangfolge wiedergeben, sondern zusätzlich das Ausmaß, 

um wie viel ein Kompetenzniveau gegenüber anderen Kompetenzniveaus präferiert wird. 27) 

23) Dies gilt zumindest für die hier betrachteten Entscheidungsmodelle der kompetenzbasierten Personaleinsatzplanung, welche die 

Kapazitätsgrenzen realistisch verfügbarer Rechnerleistung in der betrieblichen Praxis kaum auszuschöpfen vermögen. Das trifft 

nicht nur im Hinblick auf Großunternehmen mit entsprechend ambitiöser ADV-Infrastruktur, sondern ebenso auf KMU zu, weil 

die hier vorgestellten Entscheidungsmodelle noch nicht einmal das Leistungsvermögen von Personalcomputern der Pentium- 

Klasse übersteigen. 

24) Vgl. zu computerbasierten Kompetenzmanagementsystemen Kapitel 1.2.1 auf S. 77 ff. 

25) Beispiele sind SAP R/3 als Enterprise-Resource-Planning-System sowie Primavera Enterprise als Projektmanagementsystem. 

26) Vgl. zu einer exemplarischen Anwendung der absoluten Bewertung des AHP zur Bewertung von Kompetenzniveaus: SAATY 

(1994) S. 33 ff. 

27) Voraussetzung dieser Vorgehensweise ist allerdings, dass die befragten Personen „valide“ Aussagen über das Ausmaß treffen 

können, in dem sie ein Kompetenzniveau gegenüber alternativen Kompetenzniveaus präferieren. Die Personen müssen in diesem 

Fall ihre Präferenzen für Kompetenzniveaus auf einer Kardinalskala artikulieren können. Dies stellt eine hohe Anforderung 

an das Artikulationsvermögen für Präferenzen dar. Ist sie nicht erfüllt, muss auf die sonst übliche Bewertung von Kompetenzniveaus 

auf Ordinalskalen übergegangen werden.


Zur absoluten Bewertung 28) von Kompetenzniveaus wird zunächst auf eine Evaluationsmatrix der 

Art zurückgegriffen, wie sie im Rahmen der relativen Bewertung erläutert wurde. Die zu bewertenden 

Objekte sind die Rangstufen einer herkömmlichen Ordinalskala. Wenn beispielsweise eine Ordinalskala 

für Kompetenzniveaus in der oben skizzierten Form mit Rangstufen von 1 bis 5 gewählt 

wird, erfolgt in einer Evaluationsmatrix A der Dimension m= 5 die Bewertung der relativen 

Präferenzen für die einzelnen Kompetenzniveaus vom „Anfänger“ bis zum „Erfahrungsträger“. 

Analog zur relativen Bewertung kann wiederum die Konsistenz dieser Evaluationsmatrix A überprüft 

werden, um die Evaluationsmatrix erforderlichenfalls zu überarbeiten. Die Elemente des normierten 

Eigenvektors zur – ursprünglichen oder auch korrigierten – Evaluationsmatrix A repräsentieren 

schließlich die Bewertungen der Kompetenzniveaus auf der neu abgeleiteten, nun jedoch kardinalen 

Bewertungsskala. 

28) Vgl. zur Vorgehensweise bei der absoluten Bewertung im Rahmen des AHP auch die ausführliche Darstellung in PETERS/ 

ZELEWSKI (2004b) S. 303 ff. mit einem konkreten Anwendungsbeispiel auf S. 306 ff.


2.5.2.2.2 Goal Programming 

Das von CHARNES/COOPER 29) eingeführte Goal Programming ist eine mathematische Optimierungstechnik, 

die mehrere Ziele („objectives“) simultan berücksichtigen kann. Die simultane Berücksichtigung 

mehrerer Ziele erfolgt in einem zweistufigen Verfahren: Zunächst wird für jedes Ziel ein erstrebenswerter 

Sollwert („goal“) festgelegt. Alsdann werden die Istwerte der Zielerreichung, die 

von den Entscheidungsalternativen verursacht werden, erfasst und die Abweichungen jener Istwerte 

von den vorgegebenen Sollwerten minimiert. So genannte Abweichungsvariablen („deviational variables“) 

geben für jedes Ziel das Ausmaß an, in dem die faktische Zielerreichung (Istwert) durch 

eine Entscheidungsalternative 30) von der erstrebten Zielerreichung (Sollwert) abweicht. 

Die Technik des Goal Programmings transformiert die Vielfalt der Ziele, die auf der Objektebene 

als „objectives“ problemspezifisch vorgegeben sind und daher auch als Objektziele bezeichnet werden, 

auf nur noch ein generisches, von speziellen Problemausprägungen unabhängiges Metaziel, die 

Gesamtheit der Abweichungen zwischen Soll- und Istwerten für alle Objektziele zu minimieren. 

Varianten des Goal Programmings unterscheiden sich im Prinzip nur in zweierlei Hinsicht: Einerseits 

kann auf unterschiedliche Weise festgelegt werden, wie die Abweichungen zwischen Soll- und 

Istwerten für die Objektziele gemessen werden (Aspekt der Abweichungsmessung). Andererseits 

bestehen Freiheitsgrade, wie diese Abweichungen in Bezug auf Objektziele innerhalb des Metaziels 

„Minimierung der Gesamtabweichung“ aggregiert werden (Aspekt der Abweichungsaggregation). 

Hinsichtlich des Aspekts der Abweichungsmessung kann ein Entscheider zunächst zwischen einseitig 

und zweiseitig angestrebten Zielen auswählen. 31) Aus entscheidungstheoretischer Sicht beruhen 

einseitig angestrebte Ziele auf einer Höhenpräferenz in der Gestalt eines Satisfizierungsziels, während 

zweiseitig angestrebte Ziele einer Höhenpräferenz in der Gestalt eines Fixpunktziels entsprechen. 

Einseitig angestrebte Ziele lassen sich darüber hinaus in untere einseitig angestrebte Ziele 

(„lower one-sided goals“) und obere einseitig angestrebte Ziele („upper one-sided goals“) differenzieren. 

32) Bei einem unteren einseitig angestrebten Ziel soll ein Sollwert erreicht oder überschritten 

werden 33) , während bei einem oberen einseitig angestrebten Ziel ein Sollwert erreicht oder unterschritten 

werden soll. 34) Bei einem zweiseitig angestrebten Ziel („two-sided goal“) soll ein Sollwert 

möglichst genau getroffen werden. 35) 

29) Vgl. CHARNES/COOPER (1961) S. 215 ff. 

30) Eine Entscheidungsalternative ist in einem Goal-Programming-Modell dadurch bestimmt, dass jeder Entscheidungsvariable genau 

ein Wert zugewiesen ist. Jede Entscheidungsalternative stellt daher eine mögliche Modelllösung dar, so dass die Bezeichnungen 

„Entscheidungsalternative“ und „Lösung“ eines (Entscheidungs-) Modells synonym verwenden werden können, sofern 

mit der „Lösung“ nicht der Prozess, sondern das Ergebnis der Ermittlung einer Modelllösung gemeint ist. Eine Entscheidungsalternative 

(Lösung) ist genau dann zulässig, wenn jeder Entscheidungsvariable genau ein zulässiger Wert aus dem Definitionsbereich 

der jeweils betroffenen Entscheidungsvariable zugewiesen ist. Eine optimale Entscheidungsalternative (Lösung) kann 

immer nur ein Element aus der Menge aller zulässigen Entscheidungsalternativen (Lösungen) sein. 

In den hier betrachteten Modellvarianten sind Entscheidungsvariablen xnj mit n=1,...,N und j=1,...,J für N Mitarbeiter und J Arbeitsplätze 

definiert. Eine zulässige Entscheidungsalternative (Lösung) stellt somit ein NxJ-Tupel ( xˆ ,...., x ˆ ) dar, in dem je- 

11 NJ 

de Komponente x ˆ einen zulässigen Wert aus dem Definitionsbereich der Entscheidungsvariable x darstellt. 

nj 

nj 

31) Vgl. HILLIER/LIEBERMAN (2001) S. 333 ff. 

32) Vgl. HILLIER/LIEBERMAN (2001) S. 332 f. 

33) Vgl. HILLIER/LIEBERMAN (2001) S. 332. 

34) Vgl. HILLIER/LIEBERMAN (2001) S. 333. 

35) Vgl. HILLIER/LIEBERMAN (2001) S. 333.


Für ein unteres einseitig angestrebtes Ziel i enthält die Zielfunktion eines Goal-Programming-Entscheidungsmodells 

eine nicht-negative untere Abweichungsvariable i d − . 36) Sie erfasst das Ausmaß, 

in dem der Istwert der Zielerreichung für das untere einseitig angestrebte Ziel i unter dessen Sollwert 

bleibt und somit die intendierte Erreichung oder Überschreitung des Sollwerts verfehlt. Wenn 

ein oberes einseitig angestrebtes Ziel berücksichtigt wird, enthält die Zielfunktion für das jeweilige 

Ziel eine nicht-negative obere Abweichungsvariable i d + . 37) Sie erfasst das Ausmaß, in dem der Istwert 

der Zielerreichung für das obere einseitig angestrebte Ziel i über dessen Sollwert bleibt und 

somit die intendierte Erreichung oder Unterschreitung des Sollwerts verfehlt. Sofern ein zweiseitig 

angestrebtes Ziel berücksichtigt wird, enthält die Zielfunktion eines Goal-Programming- 

Entscheidungsmodells sowohl eine nicht-negative untere Abweichungsvariable di − als auch eine 

nicht-negative obere Abweichungsvariable i d + für dieses Ziel. 

Hinsichtlich des Aspekts der Abweichungsaggregation kann die Zielfunktion eines Goal-Programming-Entscheidungsmodells 

um relative Bedeutungen der Ziele erweitert werden. 38) Die relativen 

Zielbedeutungen besitzen aus entscheidungstheoretischer Perspektive die Qualität von Artenpräferenzen. 

Sie werden in der Regel in der formalen Gestalt von Zielgewichten w i ausgedrückt. Die 

Zielgewichte werden im Allgemeinen normiert durch die Anforderungen: 

i 

I 

i= 

[ ] für und 

w ∈ 0;1 i = 1,...,I I ∈ 

∑ 1 

w = 1 

i 

+ 

Die relativen Zielbedeutungen bilden eine „natürliche“ Nahtstelle zwischen den Techniken des 

Analytic Hierarchy Process und des Goal Programmings. Denn der AHP lässt sich nutzen, um mittels 

seiner charakteristischen Paarvergleichsurteile die relativen Zielbedeutungen für das Goal Programming 

systematisch zu ermitteln. Darüber hinaus kann das zunächst „flache“ Zielsystem des 

Goal Programmings mit Hilfe des Strukturierungsansatzes des AHP in ein hierarchisches Zielsystem 

aus Ober- und Unterzielen transformiert werden. Auf dieses hierarchische Zielsystem lassen 

sich dann die zusätzlichen Bewertungstechniken des AHP für knotenspezifische Evaluationsmatrizen 

und die pfadspezifische Aggregation von Bedeutungsurteilen anwenden, die im Kapitel 

2.5.2.2.1 erläutert wurden. Dabei sind die Ziele des Goal Programmings als Bewertungsobjekte im 

Sinne des AHP zu verwenden. 

Aufgrund der voranstehenden Erläuterungen lässt sich die charakteristische Zielfunktion für jedes 

Goal-Programming-Entscheidungsmodell und beliebige Ziele i=1,...,I mit I∈N+ in generischer 

Form wie folgt darstellen: 

36) Vgl. KWAK/LEE (1997) S. 131. 

37) Vgl. KWAK/LEE (1997) S. 131. 

38) Wenn diese Option nicht explizit genutzt wird, gelten alle I Ziele als implizit gleich gewichtet. Diese implizite Annahme lässt 

sich durch die Zielgewichte gi=1/I für alle Ziele i mit i=1,...,I auch explizit wiedergeben.


− + 

Z = MIN w *( α * d +β * d ) 

mit: 

I 

∑ 

i= 

1 

i i i i i 

α i = 1∧β i = 0, 

falls Ziel i ein unteres einseitig angestrebtes Ziel darstellt 

α i = 0∧β i = 1, 

falls Ziel i ein oberes einseitig angestrebtes Ziel darstellt 

α i = 1∧ β i = 1, 

falls Ziel i ein zweiseitig angestrebtes 

Ziel darstellt 

− + 

di , di ≥ 0 für i = 1,...,I 

w ∈ 0;1 für i = 1,...,I und I ∈ 

i 

I 

∑ 

i= 

1 

[ ] 

w = 1 

i 

Aus dieser generischen Zielfunktion lässt sich eine beliebig große Anzahl spezieller Zielfunktionen 

ableiten, die auf das jeweils betrachtete, konkrete Entscheidungsproblem zugeschnitten sind. Dieses 

„Customizing“ der generischen Zielfunktion erfolgt einerseits durch die inhaltliche Spezifizierung 

der konkret verfolgten Ziele i=1,...,I (einschließlich der Festlegung der Anzahl I der Ziele mit 

I∈N+) und durch die Determination der binären Parameter αi und βi, mit denen für jedes Ziel i festgelegt 

wird, ob es sich entweder um ein oberes einseitig angestrebtes oder um ein unteres einseitig 

angestrebtes oder um ein zweiseitig angestrebtes Ziel handelt. 

Charakteristisch für die Technik des Goal Programmings ist es, dass die Modellstruktur für Entscheidungs- 

oder Optimierungsmodelle in der oben vorgestellten Weise nur hinsichtlich der formalen 

Gestalt der Zielfunktion spezifiziert wird. Die Modellstruktur bleibt hingegen hinsichtlich des 

Entscheidungsfelds, d.h. der Einschränkungen des Entscheiders durch Restriktionen, weit gehend 

unbestimmt. Lediglich die Vereinbarungen für die Abweichungsvariablen di − und i d + sowie die 

Zielgewichte w i , die oben im Zusammenhang mit der generischen Zielfunktion aufgeführt wurden, 

gehören streng genommen zur Festlegung des Entscheidungsfelds und stellen somit Restriktionen 

dar, die für die Technik des Goal Programmings spezifisch sind. Ansonsten lassen sich Entscheidungs- 

oder Optimierungsmodelle des Goal Programmings mit beliebig formulierten Restriktionen 

vereinbaren, so dass Goal-Programming-Modelle sehr flexibel an unterschiedliche Problemstrukturen 

angepasst werden können. 

Hinsichtlich des Aspekts der Abweichungsaggregation lassen sich über die vorgenannten Zielgewichte 

hinaus zwei Strukturvarianten von Goal-Programming-Modellen unterscheiden: die präemptive 

(„preemptive”) und die non-präemptive („non-preemptive”) Variante. 39) 

Bei der präemptiven Variante 40) des Goal Programmings werden Ziele gemäß ihrer Zugehörigkeit 

zu verschiedenen Zielebenen S priorisiert, so dass Ziele erster Priorität ( s = 1 ), Ziele zweiter Priorität 

( s = 2 ), Ziele dritter Priorität ( s = 3 ) usw. resultieren. Im ersten Schritt zur Lösung eines präemptiven 

Goal-Programming-Modells werden im Rahmen eines Teilmodells nur die Ziele erster 

Priorität berücksichtigt. Wenn die Ausführung dieses ersten Lösungsschritts zu mehr als einer opti- 

39) Vgl. HILLIER/LIEBERMAN (2001) S. 333 ff. 

40) Vgl. zu einem Anwendungsbeispiel der präemptiven Variante des Goal Programmings: BRUSCO/JOHNS (1995) S. 746 ff. 

+


malen Lösung führt, wird ein zweites Teilmodell gelöst, in welchem nur die Ziele zweiter Priorität 

explizit berücksichtigt werden. In diesem zweiten Teilmodell werden die optimalen Werte für die 

Ziele erster Priorität, die im ersten Teilmodell ermittelt wurden, als zusätzliche Restriktionen konstant 

vorgegeben, so dass die Ziele erster Priorität auch im zweiten Teilmodell Berücksichtigung 

finden, allerdings in impliziter Form durch restriktive Vorgaben optimaler Zielwerte. Solange die 

Lösung eines Teilmodells zu mehr als einer optimalen Lösung führt und Ziele niedrigerer Priorität 

definiert sind, wird ein weiteres Teilmodell zur Berücksichtigung dieser Ziele gelöst. Ziele mit 

niedrigerer Priorität werden also nur dann berücksichtigt, wenn für die Ziele höherer Priorität mehrere 

optimale Lösungen existieren. Dieses Vorgehen ist in nachfolgenden Abbildung 72 in der Form 

eines Struktogramms dargestellt. 

Ermittle die Anzahl der Zielebenen S 

Setze s := 1 

Lösung des Teilmodells der Zielebene s 

s < S ? 

Stopp 

nein 

ja 

Setze s:= s + 1 

Existieren mehrere 

optimale Lösungen für das Teilmodell 

der Zielebene s? 

Abbildung 72: Vorgehen zur Lösung der Teilmodelle beim präemptiven Goal Programming 

Im Gegensatz zur mehrstufigen Priorisierung von Zielen beim präemptiven Goal Programming 

werden beim non-präemptiven Goal Programming alle Ziele simultan in einer Zielfunktion berücksichtigt. 

Das non-präemptive Goal Programming entspricht daher der Basisversion des Goal Programmings, 

die zu Beginn dieses Kapitels vorgestellt wurde. 

Das präemptive Goal Programming gestattet aus entscheidungstheoretischer Sicht, eine neuartige 

Variante von Artenpräferenzen zu berücksichtigen. Die Prioritäten der verschiedenen Zielebenen 

entsprechen so genannten lexikographischen (nicht-additiven) Artenpräferenzen. Sie zeichnen sich 

dadurch aus, dass Ziele auf einer Zielebene mit höherer Priorität ein „unendlich“ größeres Gewicht 

als alle Ziele auf Zielebenen mit geringerer Priorität besitzen. Denn die Ziele auf Zielebenen mit geringerer 

Priorität werden nur dann berücksichtigt, wenn die Ziele auf einer Zielebene mit höherer 

Priorität zu mehreren optimalen Modelllösungen führen, die sich per definitionem als gleichwertig 

erweisen. Dadurch ist es möglich, in präemptiven Goal-Programming-Modellen auszuschließen, 

dass sich Auswirkungen auf Ziele höherer Priorität und entgegengesetzt gerichtete Auswirkungen 

ja 

nein


auf Ziele niedrigerer Priorität gegenseitig kompensieren können. Dagegen lassen sich beim nonpräemptiven 

Goal Programming solche Kompensationseffekte zwischen Zielwirkungen nicht 

grundsätzlich ausschließen. Zwar können in non-präemptiven Goal-Programming-Modellen die 

Ziele unterschiedlich gewichtet werden. Aber die additive Verknüpfung der gewichteten Zielwirkungen 

in der generischen Zielfunktion kann aufgrund ihrer Addition von Zielwirkungen niemals 

verhindern, dass „beliebig“ große Abweichungen in Bezug auf ein Ziel durch Abweichungen auf 

andere Ziele kompensiert werden, wenn diese anderen Zielabweichungen hinreichend groß sind 

oder die Gewichte der anderen Ziele hinreichend groß gewählt werden. 

2.5.3 Modelle für die kompetenzbasierte Personaleinsatzplanung 

2.5.3.1 Das Basismodell 

Beim Basismodell 41) wird nur das eine (Meta-) Ziel verfolgt, Mitarbeiter gemäß ihren Kompetenzniveaus 

bestmöglich 42) den vorhandenen Arbeitsplätzen zuzuordnen. Allerdings lässt sich das 

Bestreben, für jede einzelne Kompetenz eine möglichst kompetenzgerechte Zuordnung zwischen 

Mitarbeitern und Arbeitsplätzen vorzunehmen, als ein kompetenzspezifisches (Objekt-) Ziel auffassen. 

Daher weicht das Basismodell der kompetenzbasierten Personaleinsatzplanung im Prinzip nicht 

von der allgemeinen Modellstruktur des Goal Programmings mit einer beliebig großen Anzahl I von 

Zielen i ab. Es muss lediglich beachtet werden, dass die gewöhnlichen (Objekt-) Ziele i des Goal 

Programmings hier im Basismodell in der besonderen inhaltlichen Interpretation von Kompetenzen 

i verwendet werden. Da diese Kompetenzen simultan betrachtet werden, also keine Priorisierung 

zwischen unterschiedlichen Kompetenz-Clustern erfolgt, gehört das Basismodell zum non-präemptiven 

Goal Programming. 

Für den Anwender des Basismodells gilt es zunächst, die Werte für diejenigen Variablen zu bestimmen, 

die in der nachfolgenden Abbildung 73 als modellexogene Variablen deklariert sind. Demnach 

muss er entscheiden, welche I Kompetenzen, welche J Arbeitsplätze und welche N Mitarbeiter 

bei der Anwendung des Modells berücksichtigt werden sollen. Darüber hinaus müssen Kompetenzprofile 

sowohl für alle J Arbeitsplätze als auch für alle N Mitarbeiter spezifiziert werden. Ein 

Kompetenzprofil für einen Arbeitsplatz j besteht aus den Bedeutungsurteilen w ij für alle Kompetenzen 

i mit i = 1,...,I sowie der Angabe eines mindestens erforderlichen Kompetenzniveaus g ij 

für jede Kompetenz i. Die Kompetenzniveauanforderungen g ij besitzen die Qualität von Sollwerten 

(„goals“) für die Kompetenzen i aus der Perspektive eines Arbeitsplatzes j. Sie geben jeweils an, 

welches Kompetenzniveau hinsichtlich der Kompetenz i für einen Arbeitsplatz j als erforderlich betrachtet 

wird. Ein Kompetenzprofil für einen Mitarbeiter n besteht dagegen aus den Kompetenzniveaus 

a in für alle Kompetenzen i = 1,...,I . Die Kompetenzniveaus a in besitzen die Qualität von 

Istwerten für die Kompetenzen i aus der Perspektive des Mitarbeiters n. Sie geben jeweils an, über 

welches Kompetenzniveau hinsichtlich der Kompetenz i ein Mitarbeiter n tatsächlich verfügt. 

41) Das hier vorgestellte Basismodell geht auf das Modell zurück, das in PETERS/ZELEWSKI (2003) S. 278 f. erstmals vorgestellt 

wurde. 

42) Was unter „bestmöglich“ in diesem Anwendungsfall des Goal Programmings konkret zu verstehen ist, wird im Folgenden noch 

präzisiert.


Variablen, deren Werte vom Anwender modellexogen vorzugeben sind („Parameter“): 

I Anzahl der Kompetenzen 

J Anzahl der Arbeitsplätze 

N Anzahl der Mitarbeiter 

g ij erforderliches Kompetenzniveau für Kompetenz i am Arbeitsplatz j 

w ij Bedeutung der Kompetenz i am Arbeitsplatz j 

a in tatsächliches Kompetenzniveau von Mitarbeiter n hinsichtlich der Kompetenz i 

Variablen, deren Werte modellendogen bestimmt werden: 

+ 

d ij obere Abweichungsvariable für das Kompetenzniveau, 

das von Kompetenz i am Arbeitsplatz j benötigt wird 

− 

d ij untere Abweichungsvariable für das Kompetenzniveau, 

das von Kompetenz i am Arbeitsplatz j benötigt wird 

x nj Entscheidungsvariable mit folgender Interpretation: 

xnj = 0 : Mitarbeiter n wird Arbeitsplatz j nicht zugeordnet 

xnj = 1 : Mitarbeiter n wird Arbeitsplatz j zugeordnet 

Abbildung 73: Variablen des Basismodells 

In Abbildung 74 auf der nächsten Seite wird das vollständige Basismodell für die kompetenzbasierte 

Personaleinsatzplanung dargestellt, das nach Maßgabe der Goal-Programming-Technik konstruiert 

wurde. Mit seiner Hilfe kann die Zuordnung von Mitarbeitern zu Arbeitsplätzen ermittelt 

werden, die am ehesten sicherstellt, dass die Kompetenzniveauanforderungen der Arbeitsplätze 

durch die zugeordneten Mitarbeiter mit ihren tatsächlichen Kompetenzniveaus zumindest erfüllt 

werden.


Zielfunktion: 

I J 

[Z 1] Z1 MIN wij * dij i 1 j 1 

− 

= ∑∑ 

= = 

unter den Restriktionen: 

N 

[R 1.1] a * x + + d − − d = g ∀ i = 1,...,I ∀ j = 1,...,J 

∑ 

n= 1 

in nj ij ij ij 

[R 1.2] + d , d − ≥0∀ i = 1,...,I ∀ j = 1,...,J 

ij ij 

[R 1.3] { } 

[R 1.4] 

[R 1.5] 

x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N 

nj 

N 

∑ 

n= 1 

J 

∑ 

j= 1 

[R 1.6] [ ] 

[R 1.7] 

ij 

x = 1 ∀ j = 1,...,J 

nj 

x ≤1∀ n = 1,...,N 

nj 

w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J 

I J 

∑∑ 

i= 1 j= 1 

w = 1 

ij 

Abbildung 74: Das Basismodell der kompetenzbasierten Personaleinsatzplanung 

Das (Meta-) Ziel des Basismodells besteht darin, die Kompetenzniveauanforderungen – d.h. die angestrebten 

Kompetenzniveaus – an allen Arbeitsplätzen zu erreichen oder sogar zu überschreiten. 

Übererfüllungen der Kompetenzniveauanforderungen beeinflussen daher im Basismodell die Güte 

einer Entscheidungsalternative nicht, sondern werden als genauso gut wie die exakte Erreichung 

von Kompetenzniveauanforderungen beurteilt. 43) Deswegen enthält die Zielfunktion nur eine untere 

43) Diese Unbeachtlichkeit der Übererfüllung von Kompetenzniveauanforderungen ist keineswegs denknotwendig, sondern stellt 

eine kontingente Eigenart der hier – exemplarisch – vorgestellten Anwendung der Technik des Goal Programmings dar. Die 

Übererfüllung von Kompetenzniveauanforderungen erweist sich in der betrieblichen Praxis vor allem dann als nicht entscheidungsrelevant, 

wenn „normale“ Mitarbeiter zu Arbeitsplätzen zuzuordnen sind. Dabei werden Mitarbeiter als „normal“ qualifiziert, 

wenn sie erstens für das betrachtete Unternehmen hinsichtlich seines Bedarfs an kompetenten Mitarbeitern nicht knapp 

sind, sondern auf dem Arbeitsmarkt ohne Schwierigkeiten beschafft werden können, und wenn sie sich nicht dadurch demotiviert 

fühlen, dass ihre tatsächlichen Kompetenzniveaus von den Kompetenzniveauanforderungen ihres Arbeitsplatzes unterfordert 

werden. Die beiden vorgenannten Voraussetzungen brauchen in der betrieblichen Praxis keineswegs erfüllt zu sein. Sobald 

mindestens eine von ihnen verletzt ist, erweist sich die oben vorgestellte Modellformulierung nicht mehr als realitätsadäquat. 

Beispielsweise wird für die Zuordnung von hochqualifizierten Spezialisten zu Arbeitsplätzen mitunter empfohlen, dass ihre tatsächlichen 

Kompetenzniveaus den Kompetenzniveauanforderungen ihrer Arbeitsplätze möglichst genau entsprechen sollen. 

Vgl. SURE/MAEDCHE/STAAB (2000) S. 224. Für diese Auffassung spricht, dass sich hochqualifizierte Spezialisten durch die Unterforderung 

ihrer Kompetenzen tendenziell schnell demotiviert fühlen und darüber hinaus solche Spezialisten am Arbeitsmarkt 

im Allgemeinen knapp sind, so dass ihr Einsatz auf Arbeitsplätzen mit zu geringen Kompetenzniveauanforderungen eine unwirtschaftliche 

„Verschwendung“ der tatsächlichen Kompetenzniveaus der Spezialisten bedeuten würde. In solchen Fällen


Abweichungsvariable 

− 

ij 

d , jedoch keine obere Abweichungsvariable 

+ 

d ij für jede Kompetenz i und 

jeden Arbeitsplatz j . Für die Beurteilung der Lösungsgüte einer Entscheidungsalternative spielt es 

nur eine Rolle, ob – und wenn dieser Fall eintritt – in welchem Ausmaß die erforderlichen Kompetenzniveaus 

an den Arbeitsplätzen von den tatsächlichen Kompetenzniveaus der zugeordneten Mit- 

arbeiter unterschritten werden. Dieses entscheidungsrelevante Unterschreiten der Kompetenzni- 

− 

veauanforderungen wird durch die unteren Abweichungsvariablen d ij in der Zielfunktion des Basismodells 

erfasst. Darüber hinaus gehen in die Zielfunktion des Basismodells die arbeitsplatzspezifischen 

Bedeutungsurteile über die Kompetenzen als Gewichte w ij ein. Sie lassen sich – wie bereits 

oben erläutert wurde – mit Hilfe der relativen Bewertung des AHP ermitteln. 

Die unteren Abweichungsvariablen 

− 

ij 

d und die oberen Abweichungsvariablen 

+ 

d ij für jede Kompe- 

tenz i und für jeden Arbeitsplatz j gewährleisten, dass die Restriktion [R 1.1] immer erfüllt werden 

kann. Die Nichtnegativitätsrestriktion [R 1.2] verhindert, dass diese Abweichungsvariablen negative 

Werte annehmen, die von einem „problemblinden“ Lösungsverfahren aufgrund der zu minimierenden 

Zielfunktion erzeugt werden könnten, jedoch unzulässig sind, weil sie der Definition der 

Abweichungsvariablen inhaltlich widersprechen würden. Durch die Restriktion [R 1.3] werden die 

Entscheidungsvariablen x nj als Binärvariablen definiert, mit deren Hilfe die Zuordnung des n -ten 

Mitarbeiters zum j -ten Arbeitsplatz repräsentiert wird. Durch die Restriktion [R 1.4] ist sichergestellt, 

dass jedem Arbeitsplatz j genau ein Mitarbeiter zugeordnet wird, während durch die Restriktion 

[R 1.5] gewährleistet wird, dass jeder Mitarbeiter n maximal einem Arbeitsplatz zugeordnet 

wird. Sofern die Anzahl der Mitarbeiter die Anzahl der Arbeitsplätze übersteigt ( N > J ), werden 

N − J Mitarbeiter keinem Arbeitsplatz zugeordnet. Der Fall, dass mehr Arbeitsplätze zu besetzen 

sind, als Mitarbeiter zugeordnet werden können ( J > N ), wird im Rahmen dieses Basismodells 

nicht behandelt, d.h., es wird N ≥ J als Normalfall für das Basismodell vorausgesetzt. 44) Die 

Restriktionen [R 1.6] und [R 1.7] dienen lediglich dazu, die arbeitsplatzspezifischen Bedeutungen 

w ij der Kompetenzen zu normieren, und erfüllen daher nur eine „modellästhetische“ Funktion. 

Wenn eine solche Normierung für nicht erstrebenswert gehalten wird, können die Restriktionen 

[R 1.6] und [R 1.7] ohne Einfluss auf die Werte der Entscheidungsvariablen für die optimalen Modelllösungen 

gestrichen werden. 

Durch die Lösung des Basismodells werden diejenigen Entscheidungsalternativen als optimale Modelllösungen 

ermittelt, welche die gewichtete Summe der negativen Abweichungen der tatsächli- 

chen Kompetenzniveaus (Istwerte) von den erforderlichen Kompetenzniveaus (Sollwerte) – gemessen 

durch die unteren Abweichungsvariablen d – minimieren. Es können mehrere optimale Mo- 

− 

ij 

empfiehlt es sich, neben den unteren Abweichungsvariablen ij d − ebenso obere Abweichungsvariablen ij d + zu verwenden und ein 

zweiseitig angestrebtes Ziel für die kompetenzgerechte Personaleinsatzplanung – zumindest im Hinblick auf Mitarbeiter, die 

hochqualifizierte Spezialisten darstellen, – zu formulieren. Wie eine solche Zielformulierung mit unteren und oberen Abweichungsvariablen 

konkret erfolgen kann, wird später im Kapitel 2.5.3.2.2 (S. 560 ff.) anhand der dort ergänzten zweiten und dritten 

Ziele für die präemptive Variante des erweiterten Goal-Programming-Modells demonstriert. 

44) Der Sonderfall J > N lässt sich jedoch durch eine einfache Modifizierung des Basismodells ebenso erfassen. Zu diesem 

Zweck braucht lediglich die Restriktion [R 1.4] zur Restriktion [R 1.4´]: 

∑ 

= 1 

N 

n 

x ≤ 1 ∀ j = 1,..., J 

jn 

abgeschwächt zu werden. Dann ist es zulässig, dass einzelnen Arbeitsplätzen j keine Mitarbeiter zugeordnet werden. Die negative 

Kompetenzabweichung fällt in diesem Fall für den betroffenen Arbeitsplatz j gemäß der Restriktion [R 1.1] maximal aus, 

d.h. es gilt d− ij = gij 

. Die untere Abweichungsvariable ij d − geht mit ihrem maximal möglichen Wert g ij in die Zielfunktion 

[Z 1] ein, so dass die Erfüllung der zu minimierenden Zielfunktion entsprechend stark verschlechtert wird.


delllösungen existieren, die das (Meta-) Ziel der Minimierung der gewichteten negativen Kompetenzniveauabweichungen 

gleich gut erfüllen. Wenn mehrere gleichwertige, jeweils optimale Lösungen 

existieren, kann aus ihnen eine beliebige ausgewählt werden. Hierfür kommen z.B. ein Zufallsverfahren 

und das Verfahren lexikographischer Anordnung (sofern die Lösungen des Basismodells 

durch einen eindeutig identifizierenden Index geordnet sind) in Betracht. 

2.5.3.2 Erweiterungen des Basismodells 

2.5.3.2.1 Ziele und Variablen der Modellerweiterungen 

Durch Erweiterungen des Basismodells 45) für die kompetenzbasierte Personaleinsatzplanung lassen 

sich die folgenden drei (Meta-) Ziele berücksichtigen: 

• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung 46) zwischen 

tatsächlichen und erforderlichen Kompetenzniveaus größtmöglich ausfällt; 

• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung zwischen 

den Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und den relativen Bedeutungen 

der Kompetenzen für die Arbeitsplätze größtmöglich ausfällt; 

• Zuordnung der Mitarbeiter zu Arbeitsplätzen derart, dass die Übereinstimmung zwischen 

den Mitarbeiterpräferenzen hinsichtlich der Arbeitsplatzeigenschaften und den tatsächlichen 

Eigenschaften der Arbeitsplätze größtmöglich ausfällt. 

In der präemptiven Variante des erweiterten Goal-Programming-Modells wird das erste von den 

drei voranstehenden Zielen als einziges Ziel erster Priorität behandelt, während das zweite und dritte 

Ziel als Ziele zweiter Priorität berücksichtigt werden. Das zweite und das dritte Ziel befinden sich 

also auf einer gemeinsamen, dem ersten Ziel untergeordneten Zielebene. Aufgrund dieser Modellkonstruktion 

braucht der Anwender des erweiterten Modells nur die relativen Bedeutungen v 2 und 

v 3 des zweiten Ziels bzw. des dritten Ziels zu bewerten. 47) Denn durch die Priorisierung des ersten 

Ziels auf der übergeordneten Zielebene ist bereits implizit festgelegt, dass das erste Ziel im Sinne 

einer lexikographischen Anordnung eine „unendlich“ größere relative Bedeutung als das zweite und 

das dritte Ziel besitzt. Zur Ermittlung der relativen Bedeutungen v 2 und v 3 muss der Modellanwender 

nur ein Paarvergleichsurteil in einer Evaluationsmatrix A der Dimension m = 2 fällen. 

45) Die folgenden Modellerweiterungen basieren auf den Modellen in PETERS/ZELEWSKI (2004a) S. 36 ff. 

46) Im Basismodell wurde das Meta-Ziel verfolgt, die Gesamtheit der Abweichungen zwischen Soll- und Istwerten für die jeweils 

betrachteten Kompetenzen (Objekt-Ziele) zu minimieren. Im erweiterten Modell wird hingegen das (erste) Meta-Ziel zugrunde 

gelegt, die Übereinstimmung zwischen tatsächlichen und erforderlichen Kompetenzniveaus zu maximieren. Beide Meta-Ziel- 

Formulierungen verhalten sich äquivalent zueinander und lassen sich deswegen bei der Formulierung von Goal-Programming- 

Modellen gegeneinander austauschen. Die Äquivalenz der Zielformulierungen beruht darauf, dass tatsächliche Kompetenzniveaus 

den Istwerten und erforderliche Kompetenzniveaus den Sollwerten der jeweils betroffenen Kompetenzen entsprechen. 

Unter dieser Voraussetzung erweisen sich die Minimierung von Abweichungen und die Maximierung der (komplementär definierten) 

Übereinstimmung zwischen den vorgenannten Größen als äquivalente (Meta-) Ziele. 

47) Die relativen Bedeutungen v 2 und v 3 des zweiten bzw. dritten Ziels im erweiterten Modell sind von den arbeitsplatzspezifischen 

Bedeutungen w ij der Kompetenzen, die im Basismodell verwendet wurden, deutlich zu unterscheiden. Die relativen Bedeutungen 

v 2 und v 3 beziehen sich jetzt auf die Meta-Ziele, bei der Zuordnung von Mitarbeitern auf Arbeitsplätze über die Gesamtheit 

aller Mitarbeiter und Arbeitsplätze unterschiedliche Übereinstimmungsvorstellungen bestmöglich zu erfüllen. Im Basismodell 

wurden dagegen die arbeitsplatzspezifischen Bedeutungen w ij der Kompetenzen verwendet, um die relativen Bedeutungen jeder 

Kompetenz i (im Sinne eines Objekt-Ziels) für jeden Arbeitsplatz j einzeln auszudrücken.


In der non-präemptiven Variante des erweiterten Goal-Programming-Modells werden alle drei Ziele 

auf einer Zielebene als Ziele erster Priorität behandelt, so dass eine Bewertung der relativen Bedeutungen 

1 v , 2 v und v 3 aller drei Ziele erfolgen muss. Die non-präemptive Variante erfordert folglich 

drei Paarvergleichsurteile, da eine Evaluationsmatrix A der Dimension m = 3ausgefüllt 

werden 

muss. 

Sofern eines der drei Ziele nicht berücksichtigt werden soll, muss der Anwender der relativen Bedeutung 

1 v , 2 v oder v 3 des betroffenen Ziels den Wert 0 zuweisen und nur noch eine Evaluationsmatrix 

der Dimension m = 2 ausfüllen. In der präemptiven Modellvariante ist es nicht möglich, 

das erste Ziel nicht zu berücksichtigen. Im vorliegenden Anwendungsfall erscheint es jedoch ohnehin 

realitätsfern, das erste Ziel nicht zu berücksichtigen, da durch eine Zuordnung der Mitarbeiter 

zu Arbeitsplätzen anhand ihrer Präferenzen für Kompetenzen nicht gewährleistet ist, dass die Mitarbeiter 

den Kompetenzniveauanforderungen an ihren Arbeitsplätzen gewachsen sind. Aus diesem 

Grund sollte bei der Verwendung der non-präemptiven Variante dem ersten Ziel die höchste Bedeutung 

beigemessen werden, so dass das Bedeutungsurteil v 1 einen höheren Wert als die Bedeutungsurteile 

v 2 und v 3 annehmen müsste. 

Neben diesen Bedeutungsurteilen sind sämtliche Variablenwerte, die für das Basismodell benötigt 

werden, auch bei den beiden Varianten des erweiterten Modells erforderlich. Diese Variablenwerte 

werden in der nachfolgenden Abbildung 75 zusammengefasst. 

Variablen, deren Werte vom Anwender modellexogen vorzugeben sind („Parameter“): 

K Anzahl der Arbeitsplatzattribute 

b kj tatsächliche Ausprägung des Arbeitsplatzattributs k am Arbeitsplatz j 

h kn präferierte Ausprägung des Arbeitsplatzattributs k für Mitarbeiter n 

p in Präferenz des Mitarbeiters n hinsichtlich der Kompetenz i 

v 1 Bedeutungsurteil über die Erfüllung des ersten Ziels: Übereinstimmung 

zwischen tatsächlichen und erforderlichen Kompetenzniveaus 48) 

v 2 Bedeutungsurteil über die Erfüllung des zweiten Ziels: Übereinstimmung 

zwischen den Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und 

den relativen Bedeutungen der Kompetenzen für die Arbeitsplätze 

v 3 Bedeutungsurteil über die Erfüllung des dritten Ziels: Übereinstimmung 

zwischen den Mitarbeiterpräferenzen hinsichtlich der Ausprägungen von 

Arbeitsplatzattributen und den tatsächlichen Ausprägungen der 

Arbeitsplatzattribute 

w kn Bedeutung des Arbeitsplatzattributs k für den Mitarbeiter n 

Abbildung 75: Zusätzliche Variablen des erweiterten Goal-Programming-Modells 

48) Diese Variable wird nur in der non-präemptiven Variante des erweiterten Modells benötigt.


Darüber hinaus müssen zur Berücksichtigung des zweiten und des dritten Ziels Werte für zusätzliche, 

in Abbildung 75 auf der nächsten Seite angeführte exogene Variablen („Parameter“) erhoben 

werden. Für das zweite Ziel ist es erforderlich, für jeden Mitarbeiter n mit Hilfe der relativen Bewertung 

des AHP seine Präferenz p in hinsichtlich jeder Kompetenz i zu ermitteln. Im Hinblick auf 

das dritte Ziel muss der Anwender zunächst entscheiden, welche K Arbeitsplatzattribute k mit 

k = 1,...,K bei der Modellanwendung berücksichtigt werden sollen. Alsdann muss er für jedes Arbeitsplatzattribut 

k seine tatsächliche Ausprägung b kj am Arbeitsplatz j bestimmen. Die tatsächlichen 

Attributausprägungen b kj stellen arbeitsplatzspezifische Istwerte für die zuordnungsrelevanten 

Eigenschaften der betroffenen Arbeitsplätze dar. 49) Jeder Mitarbeiter n muss für jedes Arbeitsplatz- 

attribut k die von ihm präferierte Ausprägung h kn angeben. Die präferierten Attributausprägungen 

h kn besitzen die Qualität von Sollwerten für die zuordnungsrelevanten Eigenschaften der betroffenen 

Arbeitsplätze. Zusätzlich muss jeder Mitarbeiter n für jedes Arbeitsplatzattribut k mit Bedeutungsurteilen 

w kn bewerten, wie wichtig ihm die einzelnen Arbeitsplatzattribute sind. Diese Bedeutungsurteile 

können die Mitarbeiter durch das Ausfüllen von Evaluationsmatrizen im Rahmen der 

relativen Bewertung des AHP fällen. 

2.5.3.2.2 Präemptive Variante des erweiterten Goal-Programming-Modells 

Die präemptive Variante des erweiterten Goal-Programming-Modells besteht aus zwei Teilmodellen, 

da eine Aufteilung in Ziele erster Priorität und Ziele zweiter Priorität erfolgt. Wenn die Lösung 

des ersten Teilmodells der präemptiven Variante des erweiterten Goal-Programming-Modells in 

Abbildung 76 zu mehr als einer optimalen Lösung führt, wird das zweite Teilmodell in Abbildung 

77 angewendet. Für das zweite und das dritte Ziel in diesem zweiten Teilmodell muss der Anwender 

Bedeutungsurteile v 2 bzw. v 3 angeben. 

Durch die Zielfunktion [Z 2.1] wird nur das erste Ziel abgedeckt, eine möglichst große Übereinstimmung 

zwischen tatsächlichen und erforderlichen Kompetenzniveaus an allen Arbeitsplätzen zu 

erreichen, indem die Abweichungen zwischen den tatsächlichen Kompetenzniveaus der Arbeitskräfte 

und den Kompetenzniveauanforderungen der Arbeitsplätze minimiert werden. Es stellt das 

einzige Ziel erster Priorität dar. Dieses Übereinstimmungsziel wird – wie es schon im Basismodell 

der Fall war – als unteres einseitig angestrebtes Ziel konkretisiert. Es besteht darin, die an den Arbeitsplätzen 

erforderlichen Kompetenzniveaus durch entsprechende Mitarbeiterzuordnungen zu erreichen 

oder zu überschreiten. Die Zielfunktion enthält daher nur die unteren Abweichungsvariab- 

− 

len d ij für die Kompetenzen i und Arbeitsplätze j , die mit den kompetenz- und arbeitsplatzspezifischen 

Bedeutungsurteilen w ij individuell gewichtet sind. Denn die Lösungsgüte von Entscheidungsalternativen 

wird bei dieser Art der Konkretisierung des Übereinstimmungsziels nur dadurch 

(negativ) beeinflusst, dass die tatsächlichen Kompetenzniveaus der zugeordneten Mitarbeiter die 

Kompetenzniveauanforderungen der Arbeitsplätze unterschreiten. Dagegen werden die komplemen- 

+ 

tären oberen Abweichungsvariablen d ij in der Zielfunktion nicht berücksichtigt, weil Überschreitungen 

der Kompetenzniveauanforderungen bei einem unteren einseitig angestrebten Ziel keine 

Rolle spielen. 

49) Die Bezeichnung „Arbeitsplatzeigenschaft“ lässt nicht genau erkennen, ob eine Eigenschaft „an sich“ oder deren spezielle Ausprägung 

für einen bestimmten Arbeitsplatz gemeint ist. Daher wird im Folgenden zwischen einerseits Attributen k „an sich“ 

(oder Merkmalen) und ihren speziellen, arbeitsplatzspezifischen Ausprägungen bkj (Merkmalsausprägungen) differenziert.


Zielfunktion (erste Priorität): 

I J 

[Z 2.1] Z2.1 MIN wij * dij i 1 j 1 

− 

= ∑∑ 

= = 


N 

[R 2.1] a * x + + d − − d = g ∀ i = 1,...,I ∀ j = 1,...,J 

∑ 

n= 1 

+ − 

dij ij 

in nj ij ij ij 

[R 2.2] , d ≥ 0 ∀i 

= 1,..., 

I ∀ j = 1,..., 

J 

[R 2.3] { } 

[R 2.4] 

[R 2.5] 

[R 2.6] [ ] 

[R 2.7] 

x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N 

nj 

N 

∑ 

J ≤ N → x = 1 ∀ j = 1,...,J 

n= 1 

N 

∑ 

n= 1 

nj 

J > N → x ≤1∀ j = 1,...,J 

J 

∑ 

j= 1 

nj 

N ≤ J → x = 1 ∀ n = 1,...,N 

J 

∑ 

j= 1 

nj 

N > J → x ≤1∀ n = 1,...,N 

ij 

I J 

nj 

w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J 

∑∑ 

i= 1 j= 1 

w = 1 

ij 

Abbildung 76: Erstes Teilmodell des erweiterten Goal-Programming-Modells 

Die Restriktionen [R 2.1], [R 2.2], [R 2.3], [R 2.6] und [R 2.7] entsprechen den Restriktionen 

[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 

sichergestellt, dass jedem Arbeitsplatz nur höchstens ein Mitarbeiter zugeordnet wird, während 

durch die Restriktion [R 2.5] gewährleistet ist, dass jeder Mitarbeiter nur höchstens einem Arbeitsplatz 

zugeordnet wird. Die Restriktionen [R 2.4] und [R 2.5] entsprechen also den Restriktionen 

[R 1.4] bzw. [R 1.5] des Basismodells. Im Gegensatz zu diesen Restriktionen des Basismodells 

wird jedoch durch die Restriktionen [R 2.4] und [R 2.5] im erweiterten Modell zusätzlich berücksichtigt, 

dass die Anzahl J der Arbeitsplätze nicht mit der Anzahl N der Mitarbeiter übereinzustimmen 

braucht, sondern sowohl mehr Arbeitsplätze als Mitarbeiter ( J > N ) als auch mehr Mitarbeiter 

als Arbeitsplätze ( N > J ) vorhanden sein können.


Wenn das in Abbildung 76 dargestellte Teilmodell zu mehr als einer optimalen Lösung führt, muss 

das zweite – in Abbildung 77 ab der übernächsten Seite dargestellte – Teilmodell gelöst werden. 

Durch den Ausdruck in der ersten Zeile der Zielfunktion [Z 2.2] des zweiten Teilmodells wird das 

zweite Ziel berücksichtigt, eine möglichst große Übereinstimmung zwischen den Mitarbeiterpräferenzen 

hinsichtlich der Kompetenzen und den relativen Bedeutungen der Kompetenzen für die Arbeitsplätze 

herbeizuführen. Dieses Ziel wird als ein zweiseitig angestrebtes Ziel konkretisiert, so 

dass die Präferenzen p in der Mitarbeiter n bezüglich der Kompetenzen i durch die Bedeutungen w ij 

der Kompetenzen i für die Arbeitsplätze j möglichst genau getroffen, d.h. nach Möglichkeit weder 

unter- noch überschritten werden sollen. Die Erreichung dieses zweiseitig angestrebten Übereinstimmungsziels 

wird gemäß dem Standardansatz des Goal Programmings, Abweichungen zwischen 

Soll- und Istwerten für vorgegebene Ziele zu minimieren, in das äquivalente Ziel transformiert, die 

Gesamtheit der Abweichungen zwischen den Präferenzen p in der Mitarbeiter n bezüglich der 

Kompetenzen i als Sollwerten einerseits und den tatsächlichen Bedeutungen w ij der Kompetenzen i 

für die Arbeitsplätze j als Istwerten andererseits zu minimieren. Die Abweichungen zwischen Sollund 

Istwerten werden beim zweiten Ziel je Kompetenz i und Mitarbeiter n nicht unterschiedlich 

gewichtet, so dass in der ersten Zeile der Zielfunktion [Z 2.2] auf die Verwendung expliziter Gewichte 

win für die kompetenz- und mitarbeiterspezifischen Abweichungen verzichtet wird. 50) Um 

sowohl Unter- als auch Überschreitungen der Soll- durch die Istwerte zu erfassen, werden im Fall 

− 

des zweiseitig angestrebten zweiten Ziels sowohl die unteren Abweichungsvariablen d in als auch 

+ 

die oberen Abweichungsvariablen d in verwendet. Die konkreten Werte dieser Abweichungsvariablen 

werden in der Gleichungsfamilie der Restriktion [2.8] modellendogen festgelegt. 

In der zweiten Zeile der Zielfunktion [Z 2.2] wird das dritte Ziel berücksichtigt, eine möglichst große 

Übereinstimmung zwischen den Mitarbeiterpräferenzen hinsichtlich der Ausprägungen von Arbeitsplatzattributen 

und den tatsächlichen Ausprägungen der Arbeitsplatzattribute herbeizuführen. 

Dieses Ziel wird abermals als ein zweiseitig angestrebtes Ziel konkretisiert. Daher gilt es, dass die 

Ausprägungen h kn für Arbeitsplatzattribute k , die von Mitarbeitern n präferiert werden, von den 

tatsächlichen Attributausprägungen b kj der Arbeitsplätze j möglichst genau getroffen, d.h. nach 

Möglichkeit weder unter- noch überschritten werden. Die Erreichung dieses zweiseitig angestrebten 

Übereinstimmungsziels wird – analog zur Vorgehensweise beim zweiten Ziel – in das äquivalente 

Ziel transformiert, die Gesamtheit der Abweichungen zwischen den aus Mitarbeitersicht präferierten 

Attributausprägungen h kn (als Sollwerten) und den an den Arbeitsplätzen realisierten Attributausprägungen 

b kj (als Istwerten) zu minimieren. Die Abweichungen zwischen Soll- und Istwerten 

werden beim dritten Ziel unterschiedlich gewichtet je nachdem, wie hoch die Bedeutung w kn des 

Arbeitsplatzattributs k für den Mitarbeiter n ist. Um sowohl Unter- als auch Überschreitungen der 

Soll- durch die Zielwerte zu erfassen, werden im Fall des zweiseitig angestrebten dritten Ziels abermals 

sowohl die unteren Abweichungsvariablen dkn − als auch die oberen Abweichungsvariablen d kn 

+ 

verwendet. Die konkreten Werte dieser Abweichungsvariablen werden in der Gleichungsfamilie der 

Restriktion [2.9] modellendogen festgelegt. 

50) Stattdessen können auch explizite, gleich große Gewichte w in verwendet werden. Die erste Zeile der Zielfunktion [Z 2.2] würde 

dann – äquivalent – lauten: 

v 

2 

I N 

⎛ + ⎞ 

⎜∑∑ ( ) ⎟ 

⎝ i= 1 n= 1 

⎠ 

1 

* w * − 

in din + din mit win = ∀ i = 1..., I ∀ n = 1,..., N 

I * N


Mit einer derartigen Formulierung des dritten Ziels können Arbeitsplatzattribute wie beispielsweise 

Arbeitsstunden pro Tag und Arbeitstage pro Woche in das erweiterte Goal-Programming-Modell 

einbezogen werden, die aus der Perspektive der Mitarbeiter an ihren Arbeitsplätzen möglichst genau 

erfüllt werden sollen (zweiseitig angestrebte Ziele). Es ist jedoch zum einen ebenso vorstellbar, 

dass Arbeitsplatzattribute berücksichtigt werden sollen, für die eine bestimmte Ausprägung mindestens 

erreicht werden soll (unteres einseitig angestrebtes Ziel). Beispiele für derartige Arbeitsplatzattribute 

sind der Grad der Arbeitssicherheit und die Bürogröße. Zum anderen kann bei Arbeitsplatzattributen, 

wie beispielsweise der Lärmbelästigung, eine Formulierung als oberes einseitig angestrebtes 

Ziel erfolgen. Alle vorgenannten Zielvarianten lassen sich ohne Schwierigkeiten berücksichtigen, 

indem die Einbeziehung unterer und oberer Abweichungsvariablen in der Zielfunktion so 

an die Art der Zielanstrebung angepasst wird, wie es im Kapitel 2.5.2.2.2 (S. 551 f.) für die generische 

Zielfunktion des Goal Programmings skizziert wurde. 

Zielfunktion (zweite Priorität): 

[Z 2.2] 


I N 

⎡ ⎛ ⎞ ⎤ 

+ 

⎢ v * 

− 

2 ⎜∑∑din + din⎟ 

⎥ 

⎢ ⎝ i= 1 n= 1 ⎠ ⎥ 

Z2.2 = MIN ⎢ K N 

⎥ 

⎢ ⎛ ⎞ 

+ 

+ v * *( − + ) ⎥ 

3 ⎢ 

⎜∑∑wkn dkn dkn 

⎟ 

⎥ 

⎣ ⎝ k= 1 n= 1 

⎠⎦ 

I J 

[R 2.1] Z * 

2.1 wij* dij i 1 j 1 

− 

= ∑∑ 

= = 

+ − 

dij ij 

[R 2.2] , d ≥ 0 ∀i 

= 1,..., 

I ∀ j = 1,..., 

J 

[R 2.3] { } 

[R 2.4] 

[R 2.5] 

[R 2.6] [ ] 

[R 2.7] 

x = 0;1 ∀ j = 1,...,J ∀ n = 1,...,N 

nj 

N 

∑ 

J ≤ N → x = 1 ∀ j = 1,...,J 

n= 1 

N 

∑ 

n= 1 

nj 

J > N → x ≤1∀ j = 1,...,J 

J 

∑ 

j= 1 

nj 

N ≤ J → x = 1 ∀ n = 1,...,N 

J 

∑ 

j= 1 

nj 

N > J → x ≤1∀ n = 1,...,N 

ij 

nj 

w ∈ 0;1 ∀ i = 1,...,I ∀ j = 1,...,J 

I J 

∑∑ 

i= 1 j= 1 

w = 1 

ij


J 

− + 

∑ wij jn in in in 

j= 

1 

[R 2.8] * x + d − d = p ∀i 

= 1,..., 

I ∀ n = 1,..., 

N 

J 

[R 2.9] nor b * x + d − + − d nor = h = 1 ∀ k = 1,...,K ∀ n = 1,...,N 

[R 2.10] 

∑ 

j= 1 

kjn jn kn kn kn 

b 

nor kj 

bkjn = ∀ j = 1,...,J ∀ k = 1,...,K ∀ n = 1,...,N 

hkn 

h nor kn 

[R 2.11] hkn = = 1 ∀ k = 1,...,K ∀ n = 1,...,N 

h 

+ − 

din in 

kn 

[R 2.12] , d ≥ 0 ∀i 

= 1,..., 

I ∀n 

= n,..., 

N 

+ − 

dkn kn 

[R 2.13] , d ≥ 0 ∀k 

= 1,..., 

K ∀n 

= 1,..., 

N 

[R 2.14] [ ] 

[R 2.15] 

w ∈ 0;1 ∀ k = 1,...,K ∀ n = 1,...,N 

kn 

K N 

∑∑ 

k= 1 n= 1 

w = 1 

[R 2.16] [ ] 

kn 

v , v ∈ 0;1 und v + v = 1 

2 3 2 3 

Abbildung 77: Zweites Teilmodell des erweiterten Goal-Programming-Modells 

Die erste Restriktion [R 2.1] stellt sicher, dass die bestmögliche – d.h. hier: minimale – Erfüllung 

* 

Z des ersten Ziels, die durch mehrere optimale Lösungen (Entscheidungsalternativen) des ersten 

2. 

1 

Teilmodells erreicht wird, durch jede zulässige Lösung des zweiten Teilmodells ebenso erreicht 

wird. Dadurch kann die Erreichung des Ziels hoher Priorität (erstes Ziel in der Zielfunktion Z2.1), 

das dem ersten Teilmodell ausschließlich zugrunde lag, bei der Analyse der Erreichungen der beiden 

Ziele niedriger Priorität (zweites und drittes Ziel in den beiden Zeilen der Zielfunktion Z2.2) im 

zweiten Modell nicht verschlechtert – aber auch nicht verbessert – werden. 

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 

Teilmodells in Abbildung 76 gelten auch für das zweite Teilmodell und werden daher in Abbildung 

77 unverändert übernommen. 

Durch die Restriktionen [R 2.8] und [R 2.9] wird sichergestellt, dass die Werte für die unteren und 

oberen Abweichungsvariablen − 

d in und + 

d in bzw. − 

d kn und + 

d kn modellendogen bestimmt werden. 

Dies entspricht der Restriktion [R 2.1] des ersten Teilmodells. Zudem gewährleisten die Nichtnegativitätsrestriktionen 

[R 2.12] und [R 2.13] analog zur Restriktion [R 2.2] des ersten und des zweiten 

− + − 

+ 

Teilmodells, dass die Abweichungsvariablen d in , d in , d kn und d kn bei ihrer modellendogenen Bestimmung 

keine negativen Werte annehmen.


In die Formulierung der Restriktion [R 2.9] ist in Verknüpfung mit den Restriktionen [R 2.10] und 

[R 2.11] noch ein besonderer Modellierungsaspekt eingeflossen: Durch die Restriktionen [R 2.10] 

und [R 2.11] erfolgt eine Normierung der Ausprägungen der Arbeitsplatzattribute. 51) Entsprechend 

werden in der Restriktion [R 2.9] normierte Attributausprägungen verwendet, und zwar sowohl 

normierte Attributausprägungen nor h kn , die vom Mitarbeiter n für Arbeitsplatzattribute k präferiert 

werden (Sollwerte), als auch normierte Attributausprägungen nor b kjn , die Arbeitsplätze j für Arbeitsplatzattribute 

k tatsächlich aufweisen (Istwerte) und im Hinblick auf die Präferenzen h kn von Mitarbeiter 

n relativiert wurden. Eine derartige „doppelte“ Normierung empfiehlt sich, da es durch unterschiedliche 

Größenordnungen (Maßeinheiten) der Ausprägungen der Arbeitsplatzattribute zu Ergebnisverzerrungen 

kommen kann, wenn unterschiedlich skalierte Arbeitsplatzattribute berücksichtigt 

werden. 52) Beispielsweise ist es plausibel, dass sich Bürogrößenabweichungen in einer Größenordnung 

von bis zu ca. 30 [m 2 ] bewegen, während Abweichungen bei der Anzahl der Arbeitstage 

pro Woche maximal 6 [Tage] betragen können. Ohne eine Normierung beider Skalen bestünde daher 

die Gefahr, dass sich Bürogrößenabweichungen in der Zielfunktion entsprechend dem Verhältnis 

30:6 etwa 5-mal so stark wie Abweichungen hinsichtlich der Anzahl der Arbeitstage pro Woche 

auswirken. Es käme somit zu einer impliziten und ungewollten Gewichtung von Abweichungsarten 

aufgrund von Skaleneffekten, die nichts mit der expliziten Gewichtung für die Abweichungsarten 

durch die Bedeutungen w kn der Arbeitsplatzattribute k für Mitarbeiter n gemeinsam hat. Diese Verzerrungen 

werden verhindert, indem alle Abweichungsarten mit Hilfe der normierten Attributaus- 

nor 

h (Sollwerte) und b (Istwerte) auf derselben Größenskala gemessen werden. 

prägungen nor 

kn 

kjn 

Die normierten Attributausprägungen resultieren gemäß den Restriktionen [R 2.10] und [R 2.11] 

daraus, dass die ursprünglich aus der Perspektive der Mitarbeiter n präferierten Attributausprägungen 

kn h und die ursprünglich an den Arbeitsplätzen j realisierte Attributausprägung b kj durch die 

präferierte Attributausprägung h kn für das jeweils betroffene Arbeitsplatzattribut k dividiert werden. 

Daher nimmt die normierte realisierte Attributausprägung nor b kjn für ein Arbeitsplatzattribut k und 

einen Arbeitsplatz j genau dann den Wert 1 an, wenn die realisierte Attributausprägung b kj mit der 

präferierten Attributausprägung h kn aus der Sicht des Mitarbeiters n übereinstimmt. Die normierte 

nor 

präferierte Attributausprägung h kn beträgt dagegen per constructionem immer 1 , weil die aus Mitarbeitersicht 

präferierte Attributausprägung h kn stets durch sich selbst dividiert wird. Allerdings 

kommt erschwerend hinzu, dass sich die präferierten Attributausprägungen h kn für dasselbe Arbeitsplatzattribut 

k von Mitarbeiter n zu Mitarbeiter n´ unterscheiden können. Daher ist die nor- 

nor 

mierte realisierte Attributausprägung b kjn für ein Arbeitsplatzattribut k und für einen Arbeitsplatz j 

im Allgemeinen nicht eindeutig bestimmt. Denn bei der Aufstellung des Goal-Programming- 

Modells ist dessen Lösung noch nicht bekannt, so dass a priori nicht feststeht, welcher Mitarbeiter 

n mit welcher präferierten Attributausprägung h kn für das Arbeitsplatzattribut k einem Arbeitsplatz 

j zugeordnet wird. Daher müssen in Bezug auf unterschiedliche Mitarbeiter n in den Re- 

nor 

striktionen [R 2.9] und [R 2.10] auch verschiedene normierte realisierte Attributausprägungen b kjn 

für denselben Arbeitsplatz j verwendet werden. 

51) Vgl. SCHNIEDERJANS (1995) S. 38 f. 

52) Vgl. zur Illustration dieser Problematik anhand eines Beispiels: SCHNIEDERJANS (1995) S. 38 f.


Die Restriktionen [R 2.14], [R 2.15] und [R 2.16] dienen der Normierung der Bedeutungsurteile 

wkn, mit denen die Arbeitsplatzattribute k aus der Perspektive der Mitarbeiter n bewertet werden 

([R 2.14] und [R 2.15]), sowie der Bedeutungsurteile v2 und v3 des Entscheiders hinsichtlich seiner 

Wertschätzung des zweiten bzw. dritten Ziels ([R 2.16]). Eine „Verletzung“ dieser Restriktionen 

kann ausgeschlossen werden, sofern die Bedeutungsurteile im Rahmen der relativen Bewertung des 

AHP bestimmt werden, da diese Bedeutungsurteile dann stets positive Werte annehmen und auf den 

Gesamtwert 1 je Beurteilungsgruppe normiert sind. 

2.5.3.2.3 Non-präemptive Variante 

des erweiterten Goal-Programming-Modells 

Die nachfolgende Abbildung 78 repräsentiert die non-präemptive Variante des erweiterten Goal- 

Programming-Modells. Um die wesentlichen Unterschiede gegenüber der präemptiven Modellvariante 

aus der Abbildung 77 hervorzuheben, werden in der nur diejenigen Komponenten der non-präemptiven 

Modellvariante explizit formuliert, die sich von der präemptiven Modellvariante unterscheiden. 

Zielfunktion: 

[Z 3] 


I J 

⎡ ⎛ ⎞ ⎤ 

⎢ v1* wij * d− 

⎜∑∑ ij ⎟ ⎥ 

⎢ ⎝ i= 1 j= 1 ⎠ ⎥ 

⎢ I N 

⎥ 

⎛ ⎞ 

+ 

Z3= MIN ⎢+ v2* d− in + d ⎥ 

in 

⎢ 

⎜∑∑ ⎟ 

⎥ 

i= 1 n= 1 

⎢ 

⎝ ⎠ 

⎥ 

K N 

⎢ ⎛ ⎞⎥ 

+ 

⎢+ v3* wkn*( d− ⎜∑∑ kn + dkn) 

⎟⎥ 

⎢⎣ ⎝ k= 1 n= 1 

⎠⎥⎦ 

[R 2.2] bis [R 2.15] aus Abbildung 77 

[R 3.16] [ ] 

v , v , v ∈ 0;1 und v + v + v = 1 

1 2 3 1 2 3 

Abbildung 78: Non-präemptive Variante des erweiterten Goal-Programming-Modells


Bei dieser non-präemptiven Modellvariante werden alle drei Ziele in der Zielfunktion [Z 3] simultan 

berücksichtigt. Im Gegensatz zur präemptiven Variante sind bei der non-präemptiven Variante 

Kompensationseffekte zwischen allen drei Zielen möglich. Jede Zeile der Zielfunktion [Z 3] in repräsentiert 

eines dieser drei Ziele. Wie in der präemptiven Variante stellt das erste Ziel ein unteres 

einseitig angestrebtes Ziel dar, während sowohl das zweite als auch das dritte Ziel als zweiseitig angestrebte 

Ziele modelliert werden. Das erste Ziel – die kompetenzbasierte Zuordnung der Mitarbeiter 

zu Arbeitsplätzen – wird in der ersten Zeile der Zielfunktion berücksichtigt und mit dem Bedeutungsurteil 

v 1 gewichtet. Das zweite und das dritte Ziel werden mit den Bedeutungsurteilen v 2 bzw. 

v gewichtet. 

3 

Es ist möglich, dass mehrere optimale Lösungen (Entscheidungsalternativen) für die non-präemptive 

Variante des erweiterten Goal-Programming-Modells existieren. Diese optimalen Modelllösungen 

erfüllen alle drei Ziele des Goal-Programming-Modells insgesamt gleich gut, d.h., sie führen 

zum selben minimalen Zielfunktionswert der Zielfunktion [Z 3]. Die optimalen Modelllösungen unterscheiden 

sich in der Regel dadurch, dass sie Mitarbeiter n zu Arbeitsplätzen j auf unterschiedliche 

Weise zuordnen. Insbesondere Kompensationseffekte zwischen den Erreichungen der drei 

Ziele können zu mehreren optimalen Lösungen der non-präemptiven Variante des erweiterten Goal- 

Programming-Modells führen. Da die additive Verknüpfung aller drei Ziele in der Zielfunktion 

[Z 3] über die additive Verknüpfung von nur zwei Zielen in der Zielfunktion [Z 2.2] hinausgeht, besteht 

in der non-präemptiven Variante des erweiterten Goal-Programming-Modells mit der Zielfunktion 

[Z 3] – im Vergleich zur präemptiven Variante mit den Zielfunktionen [Z 2.1] und [Z 2.2] 

– eine höhere Wahrscheinlichkeit für die Existenz mehrdeutiger optimaler Modelllösungen. 

Die Restriktionen [R 2.2] bis [R 2.15] aus dem zweiten Teilmodell der präemptiven Variante des 

erweiterten Goal-Programming-Modells gelten auch in der non-präemptiven Modellvariante. Die 

Restriktion [R 2.1] aus dem zweiten Teilmodell der präemptiven Modellvariante entfällt, weil an ihre 

Stelle in der non-präemptiven Modellvariante die neue erste Zeile der Zielfunktion [Z 3] tritt. Die 

Restriktion [R 2.16] aus dem zweiten Teilmodell der präemptiven Modellvariante wird in der nonpräemptiven 

Modellvariante nur geringfügig zur Restriktion [R 3.16] modifiziert. Sie unterscheidet 

sich von der Restriktion [R 2.16] lediglich dadurch, dass in die Normierung der Zielgewichte auch 

das Bedeutungsurteil v1 für das erste Ziel einbezogen wird.


2.5.4 Schwierigkeiten bei der Anwendung der Modelle 

Anwendungen der voranstehenden Modelle können sich als problematisch erweisen, wenn die modellexogen 

vorzugebenden Variablenwerte nicht vollständig bekannt oder nicht aktuell sind. Beides 

kann gegebenenfalls irreführende Modelllösungen zur Folge haben. 

Hinsichtlich der Kompetenzen lässt sich der Unvollständigkeit und der mangelnden Aktualität der 

Variablenwerte mit einem ontologiebasierten Kompetenzmanagementsystem entgegenwirken, das 

die Kompetenzniveaus („Variablenwerte“) regelmäßig automatisch erhebt. 53) Ebenso ist die Entwicklung 

von Softwaresystemen denkmöglich, welche die Präferenzen der Mitarbeiter mit Hilfe 

von Ontologien erheben. Zurzeit existieren derartige Softwaresysteme jedoch noch nicht. 

In der betrieblichen Praxis tritt jedoch häufiger das Problem auf, dass benötigte Variablenwerte 

zwar nicht vollkommen unbekannt sind, jedoch unter erheblichen Informationsunschärfen leiden. 

Für diesen Fall unscharfer Informationen liegen bereits fortentwickelte Goal-Programming-Modelle 

vor, die unter Einbeziehung des Konzepts unscharfer Mengen („fuzzy sets“) ein so genanntes Fuzzy 

Goal Programming erlauben. 54) 

Ein weiteres Problem kann sich daraus ergeben, dass aufgrund der Modellanwendung Mitarbeiter 

den Arbeitsplatz wechseln müssen, die mit ihrem Arbeitsplatz bisher zufrieden waren und daher 

einen Wechsel vermeiden möchten. Ein derartiges Problem lässt sich umgehen, indem vor der Modellanwendung 

untersucht wird, ob die Mitarbeiter mit einem Arbeitsplatzwechsel einverstanden 

sind oder nicht. Sofern ein Mitarbeiter einem Arbeitsplatzwechsel nicht zustimmt, müssen eventuell 

vorhandene Kompetenzlücken am aktuell eingenommenen Arbeitsplatz, die sich aus Diskrepanzen 

zwischen den Kompetenzniveauanforderungen des Arbeitsplatzes und den tatsächlichen Kompetenzniveaus 

des betroffenen Mitarbeiters ergeben, gegebenenfalls durch Qualifizierungsmaßnahmen 

für den Mitarbeiter im Rahmen der Personalentwicklung geschlossen werden. Ebenso ist es möglich, 

Präferenzlücken zwischen präferierten Ausprägungen von Arbeitsplatzattributen und am Arbeitsplatz 

realisierten Attributausprägungen durch Veränderungen des Arbeitsplatzes zu schließen. 

Sowohl Personalentwicklungsmaßnahmen als auch Maßnahmen der Arbeitsplatzgestaltung weisen 

über den Dispositionsbereich der (kompetenzbasierten) Personaleinsatzplanung hinaus, die in diesem 

Beitrag untersucht wurde. 

53) Ein Beispiel für ein derartiges ontologiebasiertes Kompetenzmanagementsystem ist der KOWIEN-Prototyp, der im Kapitel 

3.1.1 (S. 571 ff.) ausführlicher behandelt wird. 

54) Vgl. LEE/WEN (1997) S. 182 ff.; MARTEL/AOUNI (1998) S. 129 ff.; PAL/MOITRA (2003) S. 481 ff.


2.5.5 Abschließende Bemerkungen 

In diesem Beitrag wurden mehrere Goal-Programming-Modelle zur Lösung des Realproblems der 

kompetenzbasierten Zuordnung von Mitarbeitern zu Arbeitsplätzen vorgestellt. Diese Modelle gestatten 

es, eine möglichst große Übereinstimmung zwischen Kompetenzniveauanforderungen der 

Arbeitsplätze, Bedeutungen der Kompetenzen für die Arbeitsplätze und tatsächlichen Ausprägungen 

von Arbeitsplatzattributen auf der einen Seite sowie tatsächlichen Kompetenzniveaus der Mitarbeiter, 

Mitarbeiterpräferenzen hinsichtlich der Kompetenzen und seitens der Mitarbeiter präferierten 

Ausprägungen von Arbeitsplatzattributen auf der anderen Seite zu erzielen. 

Als optimale Lösung(en) liefert das Basismodell des Goal Programmings wenigstens eine Option 

für die Zuordnung von Mitarbeitern zu Arbeitsplätzen, die die Summe der gewichteten Abweichungen 

zwischen den Kompetenzniveauanforderungen der Arbeitsplätze und den tatsächlichen Kompetenzniveaus 

der Mitarbeiter minimiert. Die beiden Varianten des erweiterten Goal-Programming- 

Modells berücksichtigen zudem die Abweichungen zwischen den Bedeutungen der Kompetenzen 

für die Arbeitsplätze und den Präferenzen der Mitarbeiter hinsichtlich dieser Kompetenzen sowie 

die Abweichungen zwischen realisierten Ausprägungen von Arbeitsplatzattributen und von Mitarbeitern 

präferierten Attributausprägungen. 

Die in diesem Beitrag vorgestellten Goal-Programming-Modelle lassen sich mit Hilfe von professioneller 

Software zur Konstruktion und Lösung von Optimierungsproblemen ohne Schwierigkeiten 

computerbasiert implementieren. Zu solchen integrierten Modell-Editoren und -Solvern gehören 

beispielsweise die Softwarepakete LINGO 55) und CPLEX 56) . 

55) Vgl. LINGO (2004). 

56) Vgl. ILOG (2004).

3 Anwendungen 

3.1 Informationstechnische Implementierung der Konzepte 

für ontologiebasierte Kompetenzmanagementsysteme 

3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 


Comma Soft AG, Bonn 

3.1.1.1 Vorgehensweise 

Nachdem in den ersten zwei Teilen dieses Werks die Grundlagen und Konzepte thematisiert wurden, 

die für ontologiebasierte Kompetenzmanagementsysteme von Bedeutung sind, wird in diesem 

Beitrag beschrieben, wie auf der Basis von infonea®, der Wissensmanagement-Architektur der 

Comma Soft AG, ein solches Kompetenzmanagementsystem schrittweise entwickelt worden ist und 

auf welche Weise es die iterativ erarbeiteten Anforderungen an ein solches Kompetenzmanagementsystem 

erfüllt. 

Der Rahmenplan des KOWIEN-Projekts sah vor, dass der KOWIEN-Prototyp in der Implementierungsphase 

ab Oktober 2003 entwickelt wird. Es hat sich jedoch als sinnvoll erwiesen, die Arbeitsergebnisse 

der ersten beiden Projektphasen, der Analyse- und der Entwicklungsphase, direkt strukturiert 

elektronisch zu erfassen und dadurch eine inhaltliche Basis für den Prototyp zu legen. Um 

einerseits die Literaturarbeit während der Analysephase zu unterstützen und andererseits die Ergebnisse 

der ersten beiden Projektjahre bei den anschließenden öffentlichen KOWIEN-Workshops mit 

Hilfe von infonea® präsentieren zu können, wurde bereits 2002 mit der Entwicklung einer infonea® 

Anwendung begonnen, die auf einem speziellen Server, dem KOWIEN-Server, installiert 

worden ist, damit die Projektmitarbeiter die Anwendung nutzen und evaluieren können. 

Die Vorgehensweise bei der Entwicklung dieser infonea® Anwendung, die im dritten Projektjahr 

zum KOWIEN-Prototyp weiterentwickelt wurde, wird in diesem Kapitel beschrieben. Besondere 

Aufmerksamkeit wird dabei der prozessorientierten Herangehensweise und der schrittweisen Erarbeitung 

der Anforderungen an den KOWIEN-Prototyp gewidmet. 

3.1.1.1.1 Erarbeitung des KOWIEN-Geschäftsprozessmodells 

Die Daseinsberechtigung eines Kompetenzmanagementsystems besteht unserer Ansicht nach darin, 

die Geschäftsprozesse des entsprechenden Unternehmens zu unterstützen. Bei der Erarbeitung der 

Anforderungen an ein solches System müssen daher als erstes die Geschäftsprozesse identifiziert 

werden, die durch das Kompetenzmanagementsystem unterstützt werden sollen. Da das KOWIEN- 

Projektteam neben dem Universitätspartner und dem Softwarepartner aus vier Praxispartnern bestand, 

bei denen es sich um recht unterschiedlich strukturierte Unternehmen handelt, die schwerpunktmäßig 

entweder hochtechnologische Produkte oder komplexe Dienstleistungen oder beides 

anbieten, mussten in einem ersten Schritt die Geschäftsprozesse identifiziert werden, die bei allen 

vier Unternehmen in irgendeiner Weise wieder zu finden sind. Dazu wurde zu Beginn der Analysephase 

zunächst nach einem Referenzmodell für Geschäftsprozesse gesucht, d.h. nach einem bereits 

existierenden Geschäftsprozessmodell, das sich auf die KOWIEN-Praxispartner übertragen lässt. Es 

wurden mehrere Referenzmodelle gefunden und auf ihre Tauglichkeit hin untersucht, aber es wurde

572 3.1.1 Der KOWIEN-Prototyp auf Basis von infonea® 

keines gefunden, das die Prozesse aller vier Praxispartner gleichermaßen gut widerspiegelt. Daher 

wurde beschlossen, ein eigenes KOWIEN-Geschäftsprozessmodell zu erarbeiten. Dabei sollte sich 

dieses auf Geschäftsprozesse fokussieren, die von einem ontologiebasierten Kompetenzmanagementsystem 

besonders profitieren würden. Da alle vier KOWIEN-Praxispartner (wie wahrscheinlich 

viele andere Unternehmen auch) projektorientiert arbeiten, kristallisierte sich schnell die Projektarbeit 

als Kern-Geschäftsprozess heraus. Um die Prozesse zu strukturieren, die für die Projektarbeit 

von Bedeutung sind, wurden vier Projektphasen definiert: die Vor-Angebotsphase, die Angebotsphase, 

die Durchführungsphase und die Nachbearbeitungsphase. Zu jeder dieser vier Projektphasen 

wurde dann u.a. in Workshops mit Hilfe der Metaplan-Methode eine Prozesshierarchie erarbeitet, 

wobei die Namen der Prozesse so gewählt wurden, dass sich alle vier Praxispartner in dieser 

projektorientierten Prozesshierarchie wieder fanden. Dabei wurde auch eine fünfte Gruppe phasenübergreifender 

Prozesse definiert, deren Aufgabe es ist, Projekte zu unterstützen. Zu dieser Gruppe 

gehören beispielsweise die Top-Level-Prozesse „Unternehmensstrategie entwickeln“ und „Personal 

managen“, die für ein Kompetenzmanagementsystem von besonderer Bedeutung sind, was die Unterprozesse 

„Position im Wettbewerb definieren“, „Qualifizierungsmaßnahmen planen“ und „Kompetenzprofile 

pflegen“ verdeutlichen. 

Nach der Erarbeitung der Prozesshierarchie erfolgte eine Einigung auf die Rollen, die Bestandteil 

des KOWIEN-Geschäftsprozessmodells sind: starten, informieren, beraten, mitwirken, ausführen, 

verantworten und genehmigen. Welche Rollen es gibt und welche Funktionen diese Rollen in den 

verschiedenen Prozessen übernehmen, ist selbstverständlich von Unternehmen zu Unternehmen 

verschieden. Unternehmensspezifisch sind auch die Ein- und Ausgaben der Prozesse, die eingesetzten 

Hilfsmittel und die Kompetenzen, die aus Sicht des Unternehmens für die Durchführung eines 

bestimmten Prozesses erforderlich sind. Dies sind entscheidende Informationen für die Kopplung 

eines Kompetenzmanagementsystems an die konkreten Geschäftsprozesse eines Unternehmens, d.h. 

für die bedarfsorientierte Ausrichtung eines Kompetenzmanagementsystems. 

Um diese unternehmensspezifischen Inhalte des KOWIEN-Geschäftsprozessmodells von den vier 

KOWIEN-Praxispartnern direkt in strukturierter Form elektronisch zu erfassen, haben wir ein infonea® 

Objektmodell für das KOWIEN-Geschäftsprozessmodell erstellt, das neben den bereits genannten 

Komponenten (Prozesse und Prozesshierarchie, Rollen und Rollenfunktionen, Hilfsmittel, 

eine „Artefakte“ genannte Objektklasse zur Modellierung der Prozessein- und -ausgaben sowie 

Kompetenzbegriffe) auch Abstraktionsebenen beinhaltet. Abbildung 79 zeigt einen Ausschnitt aus 

dem KOWIEN-Objektmodell, der u.a. die gerade genannten Objektklassen und Assoziationen 1) 

enthält. Darüber hinaus veranschaulicht diese Abbildung auch, wie der KOWIEN-Prototyp bestimmte 

Anwendungsfälle wie die Bildung von Projektteams und die Rekrutierung von Personal 

unterstützt. 2) 

Das Konzept der Abstraktionsebenen wurde eingeführt, um die unternehmensübergreifenden Inhalte 

des KOWIEN-Geschäftsprozessmodells zu den unternehmensspezifischen Inhalten in Beziehung 

setzen zu können. Die oberste Abstraktionsebene des KOWIEN-Geschäftsprozessmodells, das generische 

KOWIEN-Geschäftsprozessmodell mit den unternehmensübergreifenden Inhalten, wird im 

Folgenden als das KOWIEN-Referenzmodell bezeichnet, da es für die KOWIEN-Praxispartner die 

Funktion eines Referenzmodells erfüllte. Die Ebene darunter mit den unternehmensspezifischen Inhalten 

wird (KOWIEN-) Unternehmensmodell genannt. Das Konzept der Abstraktionsebenen er- 

1) Die Beziehungen zwischen den Objektklassen werden im infonea® Objektmodell Assoziationen genannt. 

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 

möglicht es, dass die Unternehmensmodelle die generische Benennung der Prozesse im KOWIEN- 

Referenzmodell entweder übernehmen oder teilweise durch unternehmensspezifische Prozessnamen 

ersetzen. Ebenso ist es möglich, den Prozessen bereits im KOWIEN-Referenzmodell unternehmensübergreifende 

Hilfsmittel (wie beispielsweise Normen, Standards, Literaturhinweise und best 

practises) zuzuweisen, damit alle Unternehmensmodelle, die darauf basieren, auf diese allgemeinen 

Hilfsmittel zurückgreifen können. 

Abbildung 79: Ausschnitt aus dem KOWIEN-Objektmodell 3) 

Der Prozess „Marktanalyse durchführen“ umfasst im Unternehmensmodell der Deutsche Montan 

Technologie (DMT) GmbH beispielsweise die informierenden Rollen „Geschäftsfeldmitarbeiter“ 

und „Kunde“, die zugleich ausführende und verantwortende Rolle „Produktmanager“, die Prozesseingaben 

„Internetrecherche“, „Investitionsanalyse“, „Kundenanalyse“, „Patentrecherche“ und „Wettbewerberanalyse“ 

sowie die Prozessausgabe „Marktanalyse“ (in Form eines Word-Dokuments). Die 

Kompetenzen, die für diesen Prozess erforderlich sind, umfassen neben Sozial- und Selbstkompetenzen 

wie Kontaktfreudigkeit, didaktische Fähigkeit und selbstständiges Arbeiten auch Branchen-, 

Produkt- und Marketing-Kenntnisse. Neben der Erfassung der Kompetenzanforderungen der Prozesse 

unterstützt der Prototyp auch die Erfassung von Kompetenzanforderungen, die an eine bestimmte 

Rolle gestellt werden. Dabei wird zwischen Projektrollen und Unternehmensrollen unterschieden. 

Die Anforderungen an die Rollen werden bei der softwaretechnischen Unterstützung der 

Projektteambildung und der Personalrekrutierung auf zu besetzende Stellen (Projekt- bzw. Unternehmensstellen) 

übertragen, so dass der Benutzer anhand der Kompetenzanforderungen und der 

3) In Kapitel 3.1.1.2.2 werden die verschiedenen Modelle beschrieben, aus denen eine infonea® Anwendung besteht.


Kompetenzprofile der Personen gezielt nach Kandidaten für diese Stellen suchen und diese schließlich 

besetzen kann. 

Die Begriffe, die zur Beschreibung der für einen Prozess erforderlichen Kompetenzen verwendet 

wurden, sind, wie das Beispiel „Branchenkenntnisse“ zeigt, teilweise recht unspezifisch, was daran 

liegt, dass es zum Zeitpunkt der Erfassung der unternehmensspezifischen Prozessangaben noch keine 

detaillierten Kompetenzontologien gab. Inzwischen ist jedoch eine detaillierte Kompetenzontologie 

für die DMT GmbH erarbeitet worden 4) , bei deren Integration in den KOWIEN-Prototyp mit 

den DMT-spezifischen Inhalten darauf geachtet wurde, dass die Schnittmenge der zur Beschreibung 

der Prozesse verwendeten Begriffe und der in der Kompetenzontologie enthaltenen Begriffe möglichst 

groß ist. Dem Begriff „Branchenkenntnisse“ sind in der Kompetenzontologie der DMT beispielsweise 

die Bezeichnungen derjenigen Branchen untergeordnet, die für die DMT von Bedeutung 

sind, wie z.B. die Automobilindustrie, der Bergbau und die Energiewirtschaft. 

3.1.1.1.2 Auswahl von relevanten wissensintensiven Prozessen 

Da einerseits nicht alle Geschäftsprozesse eines Unternehmens etwas mit Kompetenzmanagement 

zu tun haben und da andererseits im Rahmen eines Prototyps nur eine begrenzte Anzahl relevanter 

Prozesse unterstützt werden kann, war es erforderlich, aus dem erarbeiteten Geschäftsprozessmodell 

eine überschaubare Anzahl von Prozessen auszuwählen. 5) 

Dazu wurden die Prozesse in vier Gruppen eingeteilt, indem die Wissensintensität der Prozessein- 

und -ausgaben beurteilt wurde. Mit Wissensintensität ist in diesem Zusammenhang gemeint, wie 

wichtig das von dem entsprechenden Prozess benötigte Wissen bzw. das von diesem Prozess erzeugte 

Wissen für ein Kompetenzmanagementsystem ist. Dem Prozess „Projektbeurteilung durchführen“ 

wurde beispielsweise eine hohe Wissensintensität bei Ein- und Ausgabe zugeordnet, während 

der Prozess „Verhandlungen und Angebot abschließen“ vom KOWIEN-Projektteam als kaum 

wissensintensiv eingeschätzt und somit aussortiert worden ist. Andere Prozesse wie beispielsweise 

der Prozess „Machbarkeit prüfen“ benötigen zwar viel Wissen über im Unternehmen vorhandene 

Kompetenzen als Eingabe, liefern aber als Ausgabe nicht viel Wissen für das Kompetenzmanagementsystem 

zurück. Abbildung 80 zeigt das Diagramm, in das die Top-Level-Prozesse der vier Projektphasen 

entsprechend ihrer geschätzten Wissensintensität eingeordnet worden sind. Die Gruppe 

der projektunterstützenden Prozesse ist bei dieser Auswahl nicht berücksichtigt worden. 

4) Die Kompetenzontologie der DMT GmbH wurde von SUSANNE APKE im Rahmen ihrer Diplomarbeit erstellt (vgl. APKE 

(2003)), wobei sie das KOWIEN-Vorgehensmodell angewandt und die einzelnen Schritte ausführlich dokumentiert hat. 

5) Der Projektrahmenplan sah nur vor, dass der KOWIEN-Prototyp den Aufbau und die Pflege einer Kompetenzontologie sowie 

den Aufbau, die Pflege und die Recherche von Kompetenzprofilen unterstützt. Im Projektverlauf wurde jedoch vereinbart, 

dass auch die Unterstützung ausgewählter Geschäftsprozesse angestrebt werden soll, da die Pflege von Kompetenzprofilen 

nur dann wirklich Sinn macht, wenn zumindest einige der Geschäftsprozesse des Unternehmens von der Verfügbarkeit dieser 

Profile profitieren.


hoch 

Input 

niedrig 

1.3 Machbarkeit prüfen (grob) 

1.4 Interessensbekundung 

(Letter of Intent, 

Projektqualifikation) 

1.2 Projekt identifizieren 

2.5 Verhandlungen und 

Angebot abschließen 

weniger 

intensiv 

kaum intensiv 

1.5 Follow-up des PQ/LOI 

2.3 Angebot kalkulieren 

2.2 Lösungsansätze 

finden 

2.4 Risiken abschätzen 

3.3 Projekt managen 

und controllen 

4.4 Wartung und Service 

durchführen 

3.4 Auftrag abschließen 

sehr intensiv 

intensiv 

1.1 Markt 

beobachten 

3.2 Einzelauftrag 

bearbeiten 

2.1 Kundenproblem 

analysieren 

4.2 Projekt abschließen 

3.1 Start- und 

Inceptionphase 

4.3 Kontaktpflege zum 

Kunden einleiten 

niedrig hoch 

Output 

4.1 Projektbeurteilung 

durchführen 

weniger 

intensiv 

Abbildung 80: Einschätzung der Wissensintensität der Top-Level-Prozesse der vier Projektphasen 

Im Anschluss daran wurden die projektunterstützenden Prozesse und die Prozesse, die bei der Abschätzung 

der Wissensintensität hoch bewertet worden sind, mit dem Ziel genauer analysiert, daraus 

eine überschaubare Anzahl von Unterprozessen auszuwählen, um für diese Unterprozesse eine detaillierte 

Anforderungsanalyse durchzuführen. Die vier Praxispartner hatten dabei die Aufgabe, die 

Prozesse in Bezug auf zwei Kriterien zu bewerten, die Verbesserungspotenzial und Business- 

Relevanz genannt wurden. Die Praxispartner sollten also abschätzen, inwieweit der entsprechende 

Prozess in ihrem Unternehmen durch den KOWIEN-Prototyp noch verbessert werden könnte bzw. 

wie wichtig der Prozess für die Geschäftsziele ihres Unternehmens ist. Die Schätzung wurde auf einer 

Skala von 0 bis 3 vorgenommen, wobei der Wert 3 ein hohes Verbesserungspotenzial bzw. eine 

große Business-Relevanz bedeutete. Der Universitätspartner hatte zur gleichen Zeit die Aufgabe, 

auf der gleichen Skala die Relevanz der Prozesse für das KOWIEN-Projekt zu beurteilen, wobei das 

wissenschaftliche Interesse der Berücksichtigung des entsprechenden Prozesses im Rahmen eines 

ontologiebasierten Kompetenzmanagementsystems ausschlaggebend war. In der folgenden Übersicht 

werden einige der am höchsten bewerteten Unterprozesse zusammen mit den entsprechenden 

Oberprozessen und den Phasen aufgeführt. 6) Dahinter stehen in Klammern die aufsummierten Bewertungen. 

Bei den ersten beiden Kriterien Verbesserungspotenzial (V) und Business-Relevanz (B) 

war die Maximalpunktzahl 12, weil die von den vier Praxispartnern vergebenen Punkte aufsummiert 

wurden, während beim Kriterium der Relevanz (R) für das KOWIEN-Projekt maximal 3 

Punkte möglich waren, weil diese Bewertung nur vom Universitätspartner vorgenommen worden 

ist. 

6) Die „Unvollständigkeit“ der numerischen Kennzeichner für Unterprozesse, Oberprozesse und Phasen resultiert daraus, dass 

nur einige ausgewählte Prozesse bzw. Phasen mit jeweils hoher Relevanz für das KOWIEN-Projekt in die nachfolgende Darstellung 

aufgenommen wurden.


1. Vor-Angebotsphase 

1.3 Machbarkeit prüfen (grob) 

1.3.5 Angebot auf capability-fit untersuchen (4V / 7B / 3R) 

2. Angebotsphase 

2.2 Lösungsansätze finden 

2.2.1 Machbarkeit detailliert prüfen (6V / 12B / 2R) 

2.2.2 (Anlagen-) Konzept erstellen (6V / 12B / 3R) 

2.3 Angebot kalkulieren 

2.3.2 Projekt mit bereits durchgeführten Projekten vergleichen (5V / 8B / 3R) 

2.3.5 Staffing (intern/ extern) durchführen 

2.3.5.1 Projektteam bilden (6V / 9B / 3R) 

4. Nachbearbeitungsphase 

4.2 Projektbeurteilung durchführen 

4.2.1 Lessons learned dokumentieren (6V / 7B / 3R) 

4.2.2 Mitarbeiter bewerten (9V / 8B / 3R) 

5. Projektunterstützende Prozesse 

5.1 Strategie entwickeln/ ausrichten 

5.1.3 Position im Wettbewerb definieren (7V / 8B / 2R) 

5.5 Personal managen 

5.5.1 Personalentwicklung durchführen 

5.5.1.1 Kompetenzlücken ermitteln (9V / 9B / 3R) 

5.5.1.2 Qualifizierungsmaßnahmen planen (10V / 8B / 3R) 

5.5.2 Personal rekrutieren (9V / 9B / 2R) 

5.5.4 Kompetenzprofile pflegen (9V / 9B / 3R) 

5.5.7 Personalmanagementinstrumente pflegen 

5.5.7.5 Kompetenzontologie pflegen (8V / 7B / 3R) 

Legende: 

V = Verbesserungspotenzial 

B = Business-Relevanz 

R = Relevanz für KOWIEN 

3.1.1.1.3 Ist/Soll-Analyse mittels Fragebogen 

Für den nächsten Schritt in Richtung KOWIEN-Prototyp wurden Fragebögen erstellt, um zu den 

ausgewählten Prozessen die Ist- und die Soll-Situation zu erfassen, d.h. die Praxispartner wurden 

gebeten zu beschreiben, wie diese Prozesse momentan in ihrem Unternehmen ablaufen und welche 

Verbesserungen sie sich durch die Software-Unterstützung erhoffen. 

Im Fragebogenteil mit den Fragen zur Ist-Situation wurden die Praxispartner zunächst dazu aufgefordert 

zu definieren, was sie unter dem entsprechenden Prozess verstehen. Die Beantwortung dieser 

Frage bildet die Grundlage für ein gemeinsames Verständnis der KOWIEN-Geschäftsprozesse. 

Dann wurde danach gefragt, welche Ziele mit dem Prozess verfolgt werden und welche Personengruppen 

an diesem Prozess beteiligt sind. Diese Personengruppen stellen eine wichtige Information 

für die anschließende Anwendungsfallanalyse dar, da sie in Beziehung zu den Akteuren des Anwendungsfalls 

gesetzt werden müssen, der dem unterstützten Prozess entspricht. Ebenso wichtig ist 

die Beantwortung der letzten drei Fragen des ersten Teils, weil daraus hervorgeht, in welche Ar-


beitsschritte der Prozess in der bestehenden Unternehmenspraxis eingeteilt ist, welche Personengruppen 

an den einzelnen Arbeitsschritten beteiligt sind und welche generellen Stärken und Schwächen 

das bisherige Vorgehen hat. Zu jedem der angegebenen Arbeitsschritte wurden im Anschluss 

daran eine Reihe von Detailfragen gestellt, um in Erfahrung zu bringen, welche Ein- und Ausgaben 

der entsprechende Arbeitsschritt hat, wie er abläuft und welche Hilfsmittel dafür eingesetzt werden. 

Abgeschlossen wird der erste Teil durch einen Anhang, der aus zwei Tabellen besteht, in denen die 

zuvor benannten Hilfsmittel und Artefakte (Prozessein- und -ausgaben) kurz beschrieben werden. 

Der Fragebogenteil mit den Fragen zur Soll-Situation beginnt mit Überblicksfragen zur gewünschten 

Situation. Dazu gehört die Frage nach den Zielen der Änderungen, nach den Personengruppen, 

die in Zukunft in den Prozess involviert werden sollen, nach den Arbeitsschritten, in die der Prozess 

in Zukunft untergliedert werden soll, und nach den Chancen und Risiken, die im gewünschten Vorgehen 

gesehen werden. Daran schließen sich wieder einige Detailfragen zu den zuvor angegebenen 

Arbeitsschritten an, bei denen es u.a. darum geht zu erfahren, wie der KOWIEN-Prototyp den entsprechenden 

Arbeitsschritt unterstützen soll, welche Informationen das Kompetenzmanagementsystem 

den Benutzern zur Verfügung stellen und welche Fragen es beantworten können soll. Die an 

dieser Stelle formulierten Fragen sind für die Erstellung der Kompetenzontologien, auf denen der 

KOWIEN-Prototyp basiert, von großer Bedeutung, da mit ihrer Hilfe die Konzepte identifiziert 

werden können, die in die Ontologie aufgenommen werden müssen, um die Fragen beantworten zu 

können. 7) 

3.1.1.1.4 Integriertes Anforderungsmanagement 

Die Auswahl bestimmter Prozesse und die anschließende Ist/Soll-Analyse mit Hilfe eines Fragebogens 

bildete die Grundlage für eine weitere Detaillierung der Anforderungen an den Prototyp. Wie 

wichtig eine gründliche Anforderungsanalyse für ein erfolgreiches Softwareprojekt ist, kann gar 

nicht überbewertet werden, denn die anfangs getroffenen Entscheidungen in Bezug auf die Architektur 

und die angestrebte Funktionalität eines Informationssystems sind entscheidend für den weiteren 

Projektverlauf. Beim Anforderungsmanagement muss jedoch auch berücksichtigt werden, 

dass sich die Anforderungen an ein System im Laufe der Systementwicklung noch ändern können, 

z.B. weil den zukünftigen Benutzern nicht von Anfang an klar war, was sie vom System erwarten. 

Daher ist es erforderlich, Änderungen der Anforderungen in die weitere Systementwicklung einfließen 

zu lassen, d.h. das Management der Anforderungen in die Systementwicklung zu integrieren, 

denn nur so kann ein System entstehen, mit dem die zukünftigen Anwender zufrieden sind. 

Vor Beginn des dritten Projektjahres wurde bei einem KOWIEN-Projekttreffen die Reihenfolge 

festgelegt, in der die ausgewählten Prozesse bei der Systementwicklung zu berücksichtigen sind. Da 

die Unterstützung der folgenden drei Prozesse laut Projektrahmenplan den Kern des KOWIEN- 

Prototyps ausmacht, wurde mit ihrer Umsetzung als erstes begonnen: 

1. Kompetenzontologie pflegen, 

2. Kompetenzprofile pflegen, 

3. Kompetenzträger suchen. 

7) In der englischsprachigen Forschungsliteratur werden solche Fragen, die zur Beschreibung der Anforderungen an eine Ontologie 

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. 

635 f.), 3.2.2.3.5.2 und 3.2.2.3.5.3 (S. 643 ff.).


Danach sollten als nächstes die folgenden drei Prozesse des KOWIEN-Geschäftsprozessmodells angegangen 

werden: 

4. Projektteam bilden, 

5. Kompetenzlücken ermitteln, 

6. Personal rekrutieren. 

Da der Prozess „Qualifizierungsmaßnahmen planen“ auf den Ergebnissen des Prozesses „Kompetenzlücken 

ermitteln“ aufbaut, wurde auch eine Unterstützung dieses Prozesses in Angriff genommen. 

In Kapitel 3.1.1.3 wird auf die Art der Unterstützung dieser Prozesse durch den KOWIEN- 

Prototyp näher eingegangen. 

Für die oben aufgeführten Prozesse wurde basierend auf Methoden der Unified Modeling Language 

eine detaillierte Anwendungsfallanalyse durchgeführt, deren Ergebnisse direkt in strukturierter 

Form erfasst worden sind. 8) Dazu wurde das KOWIEN-Objektmodell um die Objektklassen „Anwendungsfälle“, 

„Anforderungen“, „Akteure“ und „Projektziele“ erweitert. Um direktes Feedback 

zu den Zwischenständen des KOWIEN-Prototyps einholen zu können, wurde eine weitere Objektklasse 

„Rückmeldungen“ eingeführt und den Praxispartnern die Möglichkeit gegeben, über in den 

Prototyp integrierte Feedback-Links und ein entsprechendes Formular Verbesserungsvorschläge zu 

den verschiedenen HTML-Seiten der Anwendung zu machen, wobei die Referenz auf die entsprechende 

Seite automatisch abgespeichert wurde. 

3.1.1.1.5 Iterative Anwendungsentwicklung 

Das Forschungsgebiet Software Engineering hat verschiedene Vorgehensmodelle hervorgebracht, 

zu denen das Wasserfallmodell 9) gehört. Dieses Modell sieht vor, dass ein Softwareprojekt aus verschiedenen 

Phasen besteht, die sequentiell hintereinander ablaufen. In der Praxis hat sich jedoch gezeigt, 

dass es besser ist, iterativ vorzugehen 10) , d.h. die verschiedenen Phasen eines Softwareprojekts 

von der Anforderungsanalyse bis zur Implementierung und Evaluierung mehrmals hintereinander 

zu durchlaufen. Bei einem solchen Vorgehen gibt es verschiedene Entwicklungsstände des 

Systems, die evaluiert werden, um das System als Reaktion auf die Rückmeldungen der Anwender 

schrittweise zu verbessern. Dahinter steht auch die Erfahrung, dass die verschiedenen Anwender 

erst dann ihre Anforderungen an das System präzise beschreiben können, wenn sie etwas haben, das 

sie sich anschauen und zu dem sie Verbesserungsvorschläge machen können. 

Vor der zweimonatigen Abschlussevaluation im November und Dezember 2004 wurden im April 

und im August 2004 mit Hilfe des KOWIEN-Servers und der oben beschriebenen Feedback- 

Funktionalität zwei Zwischenstände des KOWIEN-Prototyps evaluiert. Dies hat ebenso wie die individuellen 

Evaluationstreffen mit den verschiedenen Praxispartnern im September und die Rückmeldungen 

bei der öffentlichen Abschlusspräsentation des KOWIEN-Projekts Anfang Oktober dazu 

geführt, dass der Prototyp schrittweise verbessert worden ist. 

8) Hilfreich waren dabei insbesondere die beiden Bücher RUPP (2002) und HAHN ET AL. (2003). 

9) Vgl. Kapitel 1.4.2.2.2, S. 281 f. 

10) Vgl. Kapitel 1.4.2.2.3 und 1.4.2.2.4, S. 282 ff.


Der Ansatz der iterativen Anwendungsentwicklung wird von infonea® optimal unterstützt, da infonea® 

Anwendungen modelliert werden und die verschiedenen Modelle schrittweise erweitert werden 

können. 

3.1.1.2 Technologische Basis infonea® 

Der KOWIEN-Prototyp wurde auf der technologischen Basis von infonea® (information network 

architecture) realisiert und konnte aufgrund der Tatsache, dass Ontologien und Kompetenzen viel 

mit vernetzten Informationen zu tun haben, sehr von dieser Architektur profitieren. Daher wird im 

folgenden Kapitel ein Überblick über die infonea® Architektur gegeben. Darüber hinaus werden 

die wichtigsten Funktionen der verschiedenen infonea® Modelle sowie einige der besonderen 

Merkmale und Stärken von infonea® beschrieben. 

3.1.1.2.1 Architektur 

Die zentrale Komponente der infonea® Architektur ist der infonea® Knowledge Server. Er verarbeitet 

die Benutzeranfragen, die über den Web Application Server an ihn weitergeleitet werden, und 

berechnet die Ergebnisse auf der Grundlage der verschiedenen Modelle der infonea® Anwendung. 

Der infonea® Knowledge Server schickt die nachgefragten Informationen in einem XML-Format 

an den Web Application Server, der diese auf Basis des GUI-Modells in reine HTML-Seiten übersetzt 

und an die Clients weiterleitet, d.h., die Benutzer können mit einem Internet-Browser ihrer 

Wahl auf die infonea® Anwendung zugreifen und müssen nicht den Umgang mit einem speziellen 

Client-Programm erlernen. Der Hauptvorteil der Beschränkung auf HTML ist, dass es sicher ist und 

dass auf den Client-Rechnern keine Installation zusätzlicher Programme notwendig ist. Daher ist es 

sehr einfach, einer beliebig großen Anzahl von Benutzern über ein Intranet oder das Internet den 

Zugang zu einem auf infonea® basierenden Informationsnetzwerk zu ermöglichen. 

Die Funktionalität einer infonea® Anwendung wird zum überwiegenden Teil durch die verschiedenen 

Modelle beschrieben (Anwendungsmodell, Sicherheitsmodell etc.), kann aber auch durch Server-AddOns 

um spezielle Funktionen erweitert werden. Für den KOWIEN-Prototyp wurden verschiedene 

AddOns erstellt, von denen eins beispielsweise beim Anlegen eines neuen Ontologiebegriffs 

die eindeutige Begriffs-ID automatisch aus der Begriffsbezeichnung und der Domäne zusammensetzt. 

Durch das Workflow Package und das Versioning Package können Arbeitsabläufe 

und die Möglichkeit der Versionierung in infonea® Anwendungen integriert werden. 

Zur Entwicklung und zum Betrieb einer infonea® Anwendung gibt es verschiedene Programm- 

Module: die Model Suite, die Development Suite, die Content Suite und die Connection Suite (siehe 

Abbildung 81). Mit den Werkzeugen der Model Suite können die verschiedenen infonea® Modelle 

entwickelt werden, deren Funktionen im Folgenden beschrieben werden. Der in der Content Suite 

enthaltene Content Editor ermöglicht den für den Inhalt einer infonea® Anwendung verantwortlichen 

Administratoren, die Inhalte einer infonea® Datenbank über eine generische 32-Bit-Benutzerschnittstelle 

11) auf direktem Weg zu editieren, wobei zum Beispiel auch die Integritätsbedingungen 

11) Der Content Editor ist ein Windows-Programm (daher 32-Bit), das sich über das DCOM- oder das HTTP(S)-Protokoll mit 

einer beliebigen infonea® Datenbank verbinden kann und für diese eine Benutzerschnittstelle generiert, die dem enthaltenen 

Objektmodell entspricht. Als zugrunde liegende Datenbanktechnologie unterstützt infonea® u.a. den Microsoft SQL-Server® 

und Oracle®.


(Constraints) der infonea® Anwendung berücksichtigt werden. Die Inhalte anderer Systeme (z.B. 

SAP-Systeme) können über ein spezielles XML-basiertes Datenaustauschformat (infonea® Content 

Exchange – iCE) mit Hilfe des Content Exchange Managers in die infonea® Anwendung importiert 

und daraus exportiert werden. Eine derartige iCE-Datei enthält nicht nur die eigentlichen Daten, 

sondern auch die Information, was mit diesen Daten beim Import geschehen soll (create, update 

oder delete). Diese XML-Schnittstelle wurde im Rahmen des KOWIEN-Projekts intensiv genutzt, 

um bereits in strukturierter Form vorliegende Inhalte in den Prototyp zu importieren. Von großem 

Nutzen für die Zusammenarbeit mit den Projektpartnern war auch die Möglichkeit, im iCE-Format 

vorliegende Informationen in ein entsprechend strukturiertes Excel-Format zu konvertieren und 

umgekehrt. Zuletzt sei noch erwähnt, dass das Smart Tag Integration Kit im Rahmen des KO- 

WIEN-Projekts genutzt wurde, um über die Ontologiebegriffe den Zugriff aus Microsoft Office 

Anwendungen heraus (wie z.B. Word XP und höher) auf das entsprechende Begriffsportal im KO- 

WIEN-Prototyp zu ermöglichen. 

Abbildung 81: Überblick über die infonea® Module


3.1.1.2.2 Modelle 

Der erste Schritt bei der Modellierung einer infonea® Anwendung ist die Erstellung eines infonea® 

Objektmodells, das aus Objektklassen, Attributen und Assoziationen zwischen den Objektklassen 

besteht. Das Objektmodell des KOWIEN-Prototyps umfasst über 60 Objektklassen (z.B. Begriffe 

und Prozesse), über 400 Attribute und über 80 Assoziationen (z.B. die Assoziation „Kompetenzangabe“ 

zwischen einer Person, einem Team, einer Organisationseinheit oder einem Unternehmen einerseits 

und einer Kompetenzaussage, einer Erfahrung oder einer Zuständigkeit andererseits, Abbildung 

79, S. 573). Das Objektmodell enthält u.a. auch Integritätsbedingungen, wie z.B. die maximale 

Länge von String-Attributen (Zeichenketten) und die Kardinalitäten der Assoziationen (die Assoziation 

zwischen einem Deskriptor und den dazu synonymen Nicht-Deskriptoren ist z.B. eine 1:n- 

Assoziation). 

Eine besondere Art von String-Attributen sind hierarchische Attribute, bei denen sich die Zeichenkette 

aus mehreren Teilen zusammensetzt, die durch ein konfigurierbares Separatorzeichen (standardmäßig 

ein Punkt) getrennt werden. Im KOWIEN-Objektmodell ist beispielsweise die Erfahrungsart 

ein hierarchisches Attribut. Neben der für den Benutzer intuitiven Erfassbarkeit von Wertehierarchien 

(im Beispiel gibt es verschiedene Arten von Ausbildungserfahrungen) haben hierarchische 

Attribute auch den Vorteil, dass dazu in der infonea® Anwendung eine hierarchische Ansicht 

zur Auswahl von Informationsobjekten aufgebaut werden kann, wie sie von der Verzeichnisbaumstruktur 

des Windows Explorers bekannt ist. Für größere Hierarchien ist es jedoch sinnvoller, 

die ebenso verfügbare Hierarchie-Assoziation zu verwenden, die dann auch Polyhierarchien unterstützt. 

Wie in Kapitel 3.1.1.2.1 bereits erwähnt wurde, wird die Funktionalität einer infonea® Web-Anwendung 

zum größten Teil durch das Anwendungsmodell (Application Model) beschrieben. Eine 

Webseite der Anwendung entspricht in der Regel einer Teilanwendung und die verschiedenen 

Komponenten der Seite werden im Anwendungsmodell durch Anwendungseinheiten beschrieben, 

die auf verschiedenen Seiten eingesetzt werden können. Eng mit dem Anwendungsmodell verbunden 

ist das GUI-Modell 12) (GUI Model), das das Aussehen der infonea® Anwendung bestimmt. Die 

zahlreichen Anwendungseinheiten können damit über eine große Anzahl von GUI-Parametern individuell 

konfiguriert werden. Aber durch den Einsatz von Vererbungsmechanismen und globaler 

Werte lässt sich das Aussehen der Anwendung auch durch wenige zentrale Änderungen auf komfortable 

Art und Weise anpassen. 

Die Integritätsbedingungen der Anwendung werden im Constraints-Modell beschrieben. Darin lässt 

sich beispielsweise ausdrücken, dass der eingegebene Beginn einer Erfahrung vor dem eingegebenen 

Ende liegen muss. Das Sicherheitsmodell (Security Model) ermöglicht durch die Unterstützung 

von Sicherheitsregeln die Implementierung eines komplexen Rechtesystems. Die Festlegung von 

Lese- und Schreibrechten für verschiedene Benutzerrollen ist nur eine von vielen Anwendungsmöglichkeiten. 

Im Hierarchiemodell (Hierarchy Model) kann für jedes Attribut des Objektmodells je 

nach Attributtyp eine bestimmte Hierarchie aus einer Reihe von Hierarchien ausgewählt werden, 

die für diesen Attributtyp verfügbar sind. Neben den expliziten Hierarchien (hierarchische Strings, 

Hierarchie-Assoziationen) können je Datentyp auch verschiedene Algorithmen zur Berechnung von 

dynamischen Hierarchien ausgewählt und konfiguriert werden (relative Datumshierarchien „letzte 

Woche“, „gestern“ etc.). Die ausgewählten Hierarchien werden bei der Generierung der Attribut- 

12) GUI steht für Graphical User Interface (graphische Benutzerschnittstelle).


wertebäume verwendet, mithilfe derer eine bestimmte Menge von Informationsobjekten ausgewählt 

werden kann (z.B. alle Kompetenzaussagen, die dieses Jahr eingegeben worden sind). 

3.1.1.2.3 Inferenzmechanismen 

Ein Informationssystem lebt von aktuellen Inhalten und vom Nutzen für die Mitarbeiter. Wenn das 

System den Benutzern keine oder zu wenig verlässliche Information liefert, die sie bei ihrer alltäglichen 

Arbeit unterstützt, dann machen sich die Mitarbeiter auch nicht die Mühe, ihren Beitrag zur 

ständigen Aktualisierung der Inhalte zu leisten, und dadurch verliert das System noch mehr an 

Nützlichkeit und Akzeptanz. Inferenzmechanismen helfen dabei, diesen Teufelskreis zu durchbrechen 

und den Akquisitionsflaschenhals (acquisition bottleneck) in den Griff zu bekommen. Mit Akquisitionsflaschenhals 

ist gemeint, dass die Informationseingabe und -pflege so aufwendig ist, dass 

sie einen limitierenden Faktor darstellt. Ein Informationssystem kann nur die Informationen zur 

Verfügung stellen, die auf irgendeine Art und Weise akquiriert worden sind – aber, wenn es Inferenzmechanismen 

unterstützt, auch die, die von den akquirierten Informationen abgeleitet werden 

können. 

infonea® unterstützt Inferenzmechanismen in Form virtueller Assoziationen. Eine virtuelle Assoziation 

ist eine Beziehung zwischen Objektklassen, die nicht explizit gepflegt wird, sondern von anderen 

Assoziationen abgeleitet wird, die physikalisch oder auch virtuell sein können. 13) Im KO- 

WIEN-Prototyp gibt es beispielsweise eine virtuelle Assoziation zwischen Personen und Kompetenzbegriffen, 

die ausdrückt, dass es Anhaltspunkte dafür gibt, dass eine Person bestimmte Kompetenzen 

hat. Diese virtuelle Assoziation wird von drei anderen virtuellen Assoziationen abgeleitet, 

die ihrerseits von verschiedenen physikalischen Assoziationen abgeleitet werden und folgende Namen 

tragen: Kompetenzzuweisung über Kompetenzaussage, Kompetenzzuweisung über Schulungserfahrung 

und Kompetenzzuweisung über Projekterfahrung. Letztere wird von den drei physikalischen 

Assoziationen Kompetenzangabe (zwischen Personen und Erfahrungen), Projektbezug (zwischen 

Erfahrungen und Projekten) und Verschlagwortung (zwischen Projekten und Begriffen) abgeleitet. 

Auf diese Weise findet der KOWIEN-Prototyp zu einem Kompetenzbegriff alle Personen, die 

möglicherweise diese Kompetenz haben, weil sie entweder eine Kompetenzaussage über sich selbst 

gemacht haben oder weil sie an einer Schulung teilgenommen haben, bei der diese Kompetenz 

vermittelt werden sollte oder weil sie bei einem Projekt mitgearbeitet haben, bei dem diese Kompetenz 

wichtig war. Die Verschlagwortung eines Projekts mit Kompetenzbegriffen kann also dazu 

führen, dass ein Benutzer potenzielle Kompetenzträger findet, auf die er sonst nicht gestoßen wäre. 

Die integrierten Inferenzmechanismen helfen daher dabei, die Benutzer zu motivieren, ihren Beitrag 

zur Aktualisierung der Inhalte des Kompetenzmanagementsystems zu leisten, indem die eingegebenen 

Informationen bei vielen Fragen an das System zur Berechnung der Ergebnismenge genutzt 

werden. 

Die Definition der von infonea® unterstützten virtuellen Assoziationen basiert auf einer eigenen 

Sprache zur Erstellung gespeicherter Suchanfragen, der infonea® SavedQuery-Language. Diese in 

einem XML-Format formulierten Suchanfragen unterstützen neben den logischen Operatoren AND, 

OR und NOT u.a. auch verschiedene Vergleichsoperatoren (z.B. EQUAL, LESS und GREATER) 

und Volltextsuchoperatoren (z.B. FREETEXT, CONTAINS und FULLTEXT mit Konjunktion, Dis- 

13) Natürlich darf sich die Schlange nicht selbst „in den Schwanz beißen“, d.h., jede virtuelle Assoziation muss durch eine Verkettung 

physikalischer (d.h. explizit gepflegter) Assoziationen berechnet werden können.


junktion, Negation, Rechtstrunkierung und Phrasensuche). Darüber hinaus können durch den 

LOOKUP-Operator Assoziationen in beide Richtungen verfolgt und bei Bedarf sogar iteriert werden, 

so dass die transitive Hülle einer Assoziation gebildet werden kann. Auf diese Weise können 

sehr komplexe Suchanfragen und virtuelle Assoziationen definiert werden. Über das Favoritenkonzept 

kann sogar jeder Benutzer komplexe Suchanfragen definieren, ohne die Query-Syntax lernen 

zu müssen. Dazu wählt er die Ergebnismenge mithilfe der Möglichkeiten, die infonea® ihm bietet 

(u.a. Volltextsuche, Tabellenfilter, Visual Search und Kontextnavigation), schrittweise aus und 

speichert die Query-Anfrage, die ohne sein Wissen im Hintergrund von infonea® passend zu seinen 

Auswahlschritten generiert worden ist, als Favorit ab, indem er der Ergebnismenge einen Namen 

gibt (z.B. „Kollegen meines Teams, die in den letzten beiden Jahren bei einem infonea® Pilot-Projekt 

die Aufgabe der Erstellung des Sicherheitsmodells übernommen haben“). Diese Suchfavoriten 

werden auf seinem persönlichen Startportal als Link angezeigt, so dass er sich über die dahinter verborgene 

SavedQuery jederzeit das Ergebnis der Suchanfrage anzeigen lassen kann, das basierend 

auf dem aktuellen Datenbestand und dem aktuellen Datum berechnet wird und sich somit im Laufe 

der Zeit verändert. 

3.1.1.2.4 Visual Search und Kontextnavigation 

Die Visual Search TM und die Kontextnavigation gehören zu den besonderen Merkmalen und Stärken 

von infonea®, von denen auch der KOWIEN-Prototyp intensiv Gebrauch macht. Am einfachsten 

lassen sich diese beiden Suchmöglichkeiten an einem Beispiel verdeutlichen. 

Abbildung 82: Kontextnavigation und Visual Search TM am Beispiel der Erfahrungsanalyse


Abbildung 82 zeigt, dass die 13 im Prototyp erfassten Personen, die am Institut für Produktion und 

Industrielles Informationsmanagement arbeiten, insgesamt 58 Erfahrungen in das System eingegeben 

haben, von denen die Auslands-, Berufs- und Ausbildungserfahrungen die überwiegende Mehrheit 

(zusammen 43 von 58) bilden. Diese Menge an Erfahrungen könnte noch weiter eingeschränkt 

werden, indem die Erfahrungen nach bestimmten Attributen gefiltert werden. Mittels Visual Search 

sieht der Benutzer zu einer gegebenen Menge von Informationsobjekten auf einen Blick, über welche 

Attribute die Menge weiter eingeschränkt werden kann und wie viele Informationsobjekte einen 

Wert für ein bestimmtes Attribut haben. Zu 38 der 43 Erfahrungen gibt es beispielsweise die Angabe, 

an welcher Institution die entsprechende Erfahrung gemacht worden ist, und zu 31 der 43 Erfahrungen 

wurde das Ende der Erfahrung erfasst, so dass die Menge dieser 43 Erfahrungen durch die 

Auswahl eines Zeitraums (z.B. die dieses Jahr abgeschlossenen Erfahrungen) weiter eingeschränkt 

werden kann. Wenn sich die Menge der Informationsobjekte ändert, wird die Verteilung der Attributwerte 

dynamisch neu berechnet. 

Die Kontextnavigation ermöglicht es, über eine Assoziation von einer Menge von Informationsobjekten 

zu einer anderen Menge von Informationsobjekten zu navigieren. Im Beispiel kann von 

der Menge der ausgewählten Erfahrungen zur Menge der zugehörigen Kompetenzbegriffe navigiert 

werden. Ebenso ist es möglich, von einer Menge von Personen zu der zugehörigen Menge von 

Kompetenzaussagen oder Publikationen zu wechseln. In der Suchhistorie wird beschrieben, wie die 

aktuell dargestellte Menge von Informationsobjekten ausgewählt worden ist. Dahinter verbirgt sich 

eine SavedQuery, die passend zu den Auswahlschritten des Benutzers generiert worden ist und als 

Suchfavorit zur späteren Wiederverwendung abgespeichert werden kann (vgl. Kapitel 3.1.1.2.3). 

3.1.1.3 Funktionsweise 

Nachdem in den voranstehenden Kapiteln die Vorgehensweise bei der Erstellung des KOWIEN- 

Prototyps und die technologische Basis infonea® ausführlich beschrieben worden sind, wird in den 

nachfolgenden Kapiteln näher auf die genaue Funktionsweise des prototypischen Kompetenzmanagementsystems 

eingegangen. Der Aufbau dieses Kapitels orientiert sich an den Prozessen, die in 

Kapitel 3.1.1.1.4 priorisiert worden sind. 

3.1.1.3.1 Aufbau und Pflege einer Kompetenzontologie 

Dem Prozess „Kompetenzontologie pflegen“, unter dem hier sowohl der Aufbau als auch die Pflege 

einer Kompetenzontologie verstanden wird, wurde im KOWIEN-Projekt die meiste Aufmerksamkeit 

gewidmet. Das KOWIEN-Vorgehensmodell beschreibt nur, wie man bei der Erstellung einer 

Kompetenzontologie vorgehen kann. 14) Das Vorgehen bei den anderen Prozessen, die – wie beispielsweise 

der Prozess „Projektteam bilden“ – ebenfalls vom KOWIEN-Prototyp unterstützt werden, 

wird durch das Vorgehensmodell in Übereinstimmung mit dem Projektrahmenplan nicht beschrieben. 

Andererseits können die im Vorgehensmodell beschriebenen Arbeitsschritte, die den 

Aufbau und die Pflege einer Kompetenzontologie betreffen, selbstverständlich nicht alle softwaretechnisch 

unterstützt werden, da beispielsweise das Zusammentragen wichtiger Unterlagen und die 

zwischenmenschliche Kommunikation in Form von strukturierten Interviews auch Teil des Vorge- 

14) Vgl. zum KOWIEN-Vorgehensmodell das Kapitel 2.3.2 auf S. 373 ff.


hens sind. Dieses Kapitel beschreibt also nicht das gesamte Vorgehensmodell, sondern nur, wie der 

KOWIEN-Prototyp den Aufbau und die Pflege einer Kompetenzontologie unterstützt. 

3.1.1.3.1.1 Erarbeitung einer Taxonomie vor der Inbetriebnahme 

Nach der Definition der Ziele eines Kompetenzmanagementsystems und der Identifikation der Anwendungsbereiche 

und der Benutzer sieht das KOWIEN-Vorgehensmodell zunächst die Erhebung 

der Anforderungen an die zu erstellende Ontologie vor. Der nächste Arbeitsschritt ist die Identifikation 

der wesentlichen Wissensträger und Dokumente, um mit ihrer Hilfe eine erste Begriffssammlung 

zu erstellen. Die erste Befragung der Wissensträger sollte nicht per Software erfolgen, da der 

zwischenmenschliche Dialog bei diesem Arbeitsschritt eine große Rolle spielt. Die dabei und bei 

der Analyse der wesentlichen Dokumente identifizierten Kompetenzbegriffe und Relationen zwischen 

den Begriffen sollten aber direkt in strukturierter Form elektronisch erfasst werden. Im KO- 

WIEN-Projekt wurde der Ontologie-Editor OntoEdit® dafür verwendet. 15) OntoEdit® ermöglicht 

u.a. den Aufbau einer Begriffshierarchie. In einem frühen Stadium der Ontologie-Entwicklung ist 

die Drag-and-Drop-Funktionalität von Vorteil, die es ermöglicht, mit der Maus Änderungen an der 

Taxonomie der Kompetenzbegriffe vorzunehmen. Die Erstellung dieser anfänglichen Taxonomie ist 

ein zeitintensiver Prozess, an dem alle betroffenen Personen und Domänenexperten beteiligt werden 

müssen, damit diese Konzeptualisierung am Ende einen Konsens darstellt und man von einer Kompetenzontologie 

reden kann. Die Diplomarbeit von SUSANNE APKE dokumentiert ausführlich die Erstellung 

der Kompetenzontologie für die DMT GmbH. 16) Im Anschluss an ihre Arbeit wurde die 

DMT-Ontologie in den KOWIEN-Prototyp importiert, indem die im pro-prietären OXML-Format 

von OntoEdit® vorliegende Begriffshierarchie in das XML-Datenaus-tauschformat von infonea® 

(iCE) transformiert worden ist. 

Neben OntoEdit® gibt es auch noch andere, zum Teil sogar frei erhältliche Software-Werkzeuge, 

mit denen eine anfängliche Begriffshierarchie erstellt werden kann. Eine Freeware, die sich dafür 

sehr gut eignet, ist beispielsweise die Mind Mapping Software FreeMind. 17) Dieses Programm speichert 

die hierarchisch strukturierten MindMaps in einem XML-Format ab, das sich leicht in das infonea® 

iCE-Format transformieren lässt. Natürlich ist es auch möglich, eine Kompetenzontologie 

vom ersten Begriff an mit dem KOWIEN-Prototyp zu erstellen, indem die Begriffe über das Web- 

Frontend eingegeben und mit den anderen Begriffen vernetzt werden. Dabei muss man jedoch bedenken, 

dass eine Stärke von infonea® darin besteht, dass die Anwender mit einem beliebigen, 

halbwegs aktuellen Browser auf die infonea® Anwendungen zugreifen können. Das hat zur Folge, 

dass man ohne Drag-and-Drop-Funktionalität auskommen muss, da ein reines HTML-Frontend 

diese Möglichkeit nicht bieten kann. 

Der große Vorteil der webbasierten Architektur des KOWIEN-Prototyps kommt bei der kontinuierlichen 

Erweiterung und Pflege der Kompetenzontologie zum Tragen, denn diese ermöglicht es, alle 

Benutzer des KOWIEN-Prototyps an der Erweiterung der Ontologie zu beteiligen und bestimmte 

15) OntoEdit® wurde ursprünglich im Rahmen eines BMBF-Projekts entwickelt, an dem die Universität Karlsruhe beteiligt war, 

und wird inzwischen von der Ontoprise GmbH, einem Spin-off der Universität Karlsruhe, vermarktet. Anfang 2005 wird die 

Version 2.7 von OntoEdit® durch die Version 1.0 von OntoStudio® abgelöst, einer Neuimplementierung auf Basis von Eclipse, 

die u.a. die Performanzprobleme von OntoEdit® bei der Bearbeitung umfangreicher Ontologien beseitigen soll. 

16) Siehe APKE (2003). 

17) Siehe http://freemind.sourceforge.net/.


Aufgaben der Ontologiepflege (wie z.B. die Suche nach neu aufzunehmenden Begriffen) zu dezentralisieren. 

3.1.1.3.1.2 Kontinuierliche Erweiterung und Pflege im Betrieb 

Nach der Erarbeitung einer anfänglichen Hierarchie von Kompetenzbegriffen und dem Import eines 

Grundstocks an weiteren Inhalten, zu denen auch die Kontaktinformationen der Mitarbeiter des Unternehmens 

gehören, kann das Kompetenzmanagementsystem in Betrieb genommen werden. Beim 

Aufbau und der Pflege von Kompetenzprofilen kann sich aber herausstellen, dass bestimmte Kompetenzbegriffe 

in der Ontologie noch fehlen. Dazu kommt, dass sich die Kompetenzen, die für die 

Erreichung der strategischen Ziele des Unternehmens von Bedeutung sind, im Laufe der Zeit ändern, 

so dass die Kompetenzontologie im laufenden Betrieb überarbeitet und erweitert werden 

muss. 

Für die konsistente Erweiterung und Pflege der Kompetenzontologie ist im KOWIEN-Prototyp die 

Person verantwortlich, die die Rolle des Ontologie-Administrators übernimmt. Diese Rolle ist mit 

speziellen Rechten ausgestattet. Sie kann sowohl einzelne Begriffe löschen und hinzufügen als auch 

die Beziehungen zwischen den Begriffen verändern, was z.B. die hierarchische Begriffsstruktur betrifft. 

Vorschläge für die Aufnahme eines neuen Kompetenzbegriffs können alle Benutzer machen, 

die Kompetenzaussagen und Erfahrungen eingeben können. Wie dies genau funktioniert, das wird 

weiter unten beschrieben. Die neu vorgeschlagenen Begriffe werden dem Ontologie-Administrator 

angezeigt und das System unterstützt ihn dabei, diese Begriffe entweder in die Ontologie aufzunehmen 

und mit den anderen Begriffen zu vernetzen oder eine Aufnahme in die Ontologie abzulehnen 

bzw. die neu vorgeschlagenen Begriffe einem bereits in der Ontologie enthaltenen Begriff als 

Synonym zuzuordnen. 

Wenn größere Änderungen an der hierarchischen Begriffsstruktur vorgenommen werden müssen, 

besteht die Möglichkeit, die Kompetenzontologie aus dem KOWIEN-Prototyp zu exportieren, mit 

einem externen Ontologie-Editor unter Einsatz von Drag-and-Drop-Mechanismen zu editieren und 

danach wieder in den KOWIEN-Prototyp zu importieren. Begriffe, die in Zukunft nicht mehr zur 

Beschreibung von Kompetenzen eingesetzt werden sollen, weil es inzwischen einen neuen Begriff 

für die entsprechende Kompetenz gibt, sollten bei der Überarbeitung der Ontologie nicht ganz aus 

der Ontologie entfernt, sondern dem neuen Begriff als Synonym zugeordnet werden, denn dann ist 

die entsprechende Kompetenz danach sowohl unter dem neuen als auch unter dem alten Begriff zu 

finden. Dies ist möglich, da der KOWIEN-Prototyp zwischen Deskriptoren und Nicht-Deskriptoren 

unterscheidet und neben der Hierarchierelation auch die anderen beiden Begriffsrelationen unterstützt 

(Äquivalenz- und Assoziationsrelation), die in der Deutschen Industrienorm 1463 zur Erstellung 

und Weiterentwicklung von Thesauri beschrieben werden (vgl. DIN 1463 (1987)). 

3.1.1.3.1.3 Berücksichtigung von Integritäts- und Inferenzregeln 

Der KOWIEN-Prototyp beinhaltet eine Reihe von Integritätsregeln, die dafür sorgen, dass keine inkonsistenten 

Inhalte ins System eingegeben werden können. Bei der Eingabe einer Erfahrung wird 

beispielsweise überprüft, ob der eingegebene Beginn der Erfahrung zeitlich vor dem eingegebenen 

Ende der Erfahrung liegt, und bei der Eingabe einer Kompetenzaussage wird sichergestellt, dass 

solche Aussagen nur zu Begriffen gemacht werden können, bei denen es sich um Kompetenzbegriffe 

handelt. Des Weiteren wurden sowohl Pflichtattribute als auch Pflichtassoziationen implemen-


tiert. Bei der Eingabe einer Erfahrung muss beispielsweise für das Attribut „Erfahrungsart“ auf jeden 

Fall ein Wert eingegeben werden, weil es sich dabei um ein Pflichtattribut handelt, und die Erfahrung 

muss in Beziehung zu einer Person gesetzt werden, weil es sich dabei um eine Pflichtassoziation 

handelt. Für verschiedene Attribute wurde eine Liste von Vorgabewerten definiert, die die 

Menge der zulässigen Werte für diese Attribute auf die Werte der entsprechenden Liste einschränkt. 

Diese und weitere Integritätsregeln sind im infonea® Constraints-Modell für den KOWIEN- 

Prototyp enthalten und werden sowohl bei der Dateneingabe über das Web-Frontend des KOWIEN- 

Prototyps als auch bei der Verwendung des 32-Bit-Frontends des generischen infonea® Content 

Editors ausgewertet und überwacht. 

Mithilfe der im KOWIEN-Prototyp integrierten Inferenzmechanismen ist das System dazu in der 

Lage, einfach formulierte Fragen des Benutzers differenziert zu beantworten. Wenn der Benutzer 

beispielsweise nach Personen sucht, die über eine bestimmte Kompetenz verfügen, die er vorher aus 

der Kompetenzontologie ausgewählt oder einfach eingegeben hat, liefert das System ihm dank der 

integrierten Inferenzmechanismen alle Personen zurück, die in irgendeiner Beziehung zu dieser 

Kompetenz stehen, d.h., es werden sowohl die Personen angezeigt, über die es eine explizite Kompetenzaussage 

zu dieser Kompetenz gibt, als auch die Personen, die an einer Schulung teilgenommen 

haben, bei der diese Kompetenz vermittelt werden sollte, und die Personen, die bei einem Projekt 

eine Aufgabe übernommen haben, für deren Erfüllung diese Kompetenz erforderlich war. Darüber 

hinaus werden auch die Beziehungen zwischen den Begriffen der Kompetenzontologie berücksichtigt, 

indem die Suche auf Wunsch hin auf verwandte Begriffe ausgeweitet werden kann. 

Die Ergebnismenge wird dem Benutzer dabei so angezeigt, dass er erkennen kann, weshalb eine bestimmte 

Person vom System gefunden worden ist. Auf weitere Einzelheiten wird weiter unten eingegangen. 

3.1.1.3.2 Aufbau und Pflege von Kompetenzprofilen 

So, wie das Vorhandensein einer Kompetenzontologie die Grundlage für den Aufbau und die Pflege 

von Kompetenzprofilen darstellt, ist das Vorhandensein von Kompetenzprofilen die Grundlage für 

geschäftsprozessorientierte Funktionen des KOWIEN-Kompetenzmanagementsystems, wie beispielsweise 

für die Unterstützung der Projektarbeit. 

In Kapitel 2.2.2.2.2 (S. 358) wurde darauf eingegangen, wie die Erfahrungen und Kompetenzaussagen 

modelliert worden sind, aus denen sich ein Kompetenzprofil im KOWIEN-Prototyp zusammensetzt. 

Im Folgenden wird beschrieben, wie sich diese Art der Modellierung von Kompetenzprofilen 

auf die Eingabe von Lebensläufen auswirkt und welche Rolle in diesem Zusammenhang die Erfassung 

von Maßnahmen und Projekten spielt. Außerdem wird darauf eingegangen, wie durch die Integration 

der Kompetenzprofilpflege in die Geschäftsprozesse dazu beigetragen wird, dass die 

Kompetenzprofile während der Geschäftstätigkeit laufend aktualisiert werden. Dies ist die Voraussetzung 

dafür, dass das Kompetenzmanagementsystem von den Benutzern konsultiert und akzeptiert 

wird. 

3.1.1.3.2.1 Eingabe von Lebensläufen 

Die Mitarbeiter, für die ein Kompetenzprofil erstellt werden soll, müssen im KOWIEN-Prototyp 

zunächst als Personen angelegt werden. Dabei können neben Angaben zur Erreichbarkeit (Adresse, 

E-Mail, Telefon- und Faxnummer) auch Angaben zur organisatorischen Einbindung in verschiede-


ne Teams gemacht werden. Danach ist zu überlegen, welche Informationen das Kompetenzprofil 

der Mitarbeiter bei Inbetriebnahme des Kompetenzmanagementsystems enthalten soll. Eine gute 

Ausgangsbasis dafür bilden die Lebensläufe der Mitarbeiter, die diese für ihre Bewerbungen angefertigt 

haben. Nachdem mit dem Betriebsrat geklärt worden ist, welche Informationen aus den Lebensläufen 

im Kompetenzmanagementsystem gespeichert werden und von wem diese Informationen 

eingesehen werden dürfen, können entweder die Personalabteilung oder die verschiedenen Mitarbeiter 

selbst die Aufgabe übernehmen, die entsprechenden Informationen mithilfe des Prototyps 

strukturiert zu erfassen. Der Grundgedanke besteht darin, die Lebensläufe in einzelne Kompetenzaussagen 

und Erfahrungen zu zerlegen, um aus diesen atomaren Einheiten Kompetenzprofile zusammenzusetzen, 

die auf vielfältige Art und Weise recherchiert und analysiert werden können. 

Abbildung 83: Auswahl der Erfahrungsart beim Erfassen einer neuen Erfahrung 

Ein Lebenslauf enthält Informationen über verschiedene Arten von Erfahrungen. Bei einem Bewerber, 

der sich direkt nach seiner Ausbildung um einen Arbeitsplatz bewirbt, stehen die Ausbildungserfahrungen 

im Vordergrund, von denen es verschiedene Unterarten gibt, die im Prototyp in einem 

hierarchischen Attribut gespeichert werden, für das es eine Liste von Vorgabewerten gibt, aus denen 

der Benutzer auswählen kann (vgl. Abbildung 83). 

Im Fall eines Hochschulstudiums wählt der Benutzer das Studienfach aus der Kompetenzontologie 

aus und ordnet diesen Kompetenzbegriff der Ausbildungserfahrung zu. Wenn es sich bei dem Bewerber 

um einen Hochschulabsolventen handelt, der auch ein oder zwei Semester im Ausland studiert 

hat, würde man eine Auslandserfahrung eingeben und diese Erfahrung mit dem entsprechen-


den Begriff für das Land (z.B. „Frankreich“) verknüpfen. Bei Mitarbeitern, die vorher schon in 

einem anderen Unternehmen gearbeitet haben, würde man eine Berufserfahrung erfassen und diese 

mit Begriffen verknüpfen, die ihre frühere Berufstätigkeit charakterisieren. 

Es besteht auch die Möglichkeit, Informationen über Erfahrungen und Kompetenzen, die in tabellarischer 

Form vorliegen, über das infonea® Datenaustauschformat iCE in den KOWIEN-Prototyp zu 

importieren. Beispiele für transformierbare tabellarische Informationen sind Daten aus SAP-Systemen 

oder Auswertungen von Stundenerfassungssystemen. 

Ein Beispiel für Kompetenzaussagen, die typischerweise in einem Lebenslauf enthalten sind, stellen 

die Angaben zu den Sprachkenntnissen dar. Darüber hinaus werden oft auch Aussagen zu Fachkompetenzen 

gemacht. Bei der Eingabe einer Kompetenzaussage erkennt der KOWIEN-Prototyp 

durch die Auswahl des entsprechenden Kompetenzbegriffs (z.B. „Englisch“ oder „MS Word 2003“) 

automatisch, auf Basis welcher Skala die Kompetenzausprägung bewertet werden muss, und bietet 

im Formular die entsprechenden Vorgabewerte zur Auswahl an. Zur Beurteilung von Sprachkenntnissen 

kann beispielsweise die Ausprägung „verhandlungssicher“ verwendet werden, während die 

Ausprägung „Experte“ ein möglicher Wert der Skala für Fachkompetenzen ist. Welche Werte die 

verschiedenen Skalen haben, ist von Unternehmen zu Unternehmen verschieden. Beispielsweise 

können zur Beurteilung von Sprachkenntnissen auch zwei verschiedene Skalen nebeneinander verwendet 

werden, wenn die Umstände es erfordern. 18) 

Normalerweise wählt der Benutzer bei der Eingabe einer Erfahrung oder einer Kompetenzaussage 

über eine spezielle Begriffsauswahlseite einen Begriff aus der Kompetenzontologie aus. Dabei wird 

es jedoch auch vorkommen, dass der Benutzer den Begriff, zu dem er eine Kompetenzaussage machen 

möchte oder den er einer Erfahrung zuordnen möchte, in der Kompetenzontologie nicht findet, 

weil diese Kompetenz bei der Erstellung der Kompetenzontologie nicht berücksichtigt worden ist. 

In diesem Fall hat der Benutzer die Möglichkeit, seinen neuen Begriff direkt in ein entsprechendes 

Feld einzugeben und die Eingabe der Erfahrung oder Kompetenzaussage abzuschließen. Die Person, 

die die Rolle des Ontologie-Administrators besitzt, hat die Aufgabe, die von den Benutzern bei 

der Erfassung einer Erfahrung oder einer Kompetenzaussage neu eingegebenen Begriffe in regelmäßigen 

Abständen zu überprüfen und zu entscheiden, ob die neuen Begriffe als Deskriptoren oder 

als Nicht-Deskriptoren in die Ontologie aufgenommen werden sollen. 19) Begriffe, die als Deskriptoren 

in die Kompetenzontologie aufgenommen werden, können u.a. über die Hierarchierelation und 

die Assoziationsrelation mit anderen Deskriptoren in Beziehung gesetzt und bei der Eingabe einer 

Erfahrung oder einer Kompetenzaussage als Kompetenzbegriff benutzt werden. Begriffe, die als 

Nicht-Deskriptoren in die Kompetenzontologie aufgenommen werden, werden über die Äquivalenzrelation 

einem Deskriptor als Synonym zugewiesen, können darüber hinaus aber nicht mit anderen 

Begriffen in Beziehung gesetzt werden. Die Äquivalenzrelation sorgt dafür, dass der entsprechende 

Deskriptor und die damit verbundenen Kompetenzaussagen und Erfahrungen auch dann gefunden 

werden, wenn der Benutzer bei der Suche nicht den Deskriptor, sondern einen dazu synonymen 

Nicht-Deskriptor eingibt. 

18) Die parallele Verwendung zweier verschiedener Skalen zur Beurteilung von Sprachkenntnissen war beispielsweise bei der 

DMT GmbH erforderlich, weil in den einheitlich strukturierten Lebensläufen der DMT-Mitarbeiter, die für die Bewerbung 

um EU-Projekte erstellt worden sind, eine andere Skala verwendet wurde als in der unternehmensweiten Datenbank mit Informationen 

aus Personalgesprächen und Mitarbeiterbefragungen. 

19) Die Begriffe „Deskriptor“ und „Nicht-Deskriptor“ sind geläufige Begriffe im Kontext der Erstellung von Thesauri und werden 

im Dokument DIN 1463 (1987) definiert.


Wenn beispielsweise ein Benutzer eine Aussage über sich selbst zur Kompetenz „Unified Modeling 

Language“ machen möchte und es diesen Begriff zu diesem Zeitpunkt in der Kompetenzontologie 

noch nicht gibt, dann könnte der Ontologie-Administrator entscheiden, ob er diesen neuen Kompetenzbegriff 

als Deskriptor oder als Nicht-Deskriptor in die Ontologie aufnimmt. Wenn er als Deskriptoren 

lieber Akronyme (und Abkürzungen) als ausgeschriebene Bezeichnungen verwendet, 

dann würde er in diesem Fall den Begriff „UML“ als neuen Deskriptor in die Kompetenzontologie 

aufnehmen und den vom Benutzer vorgeschlagenen Begriff „Unified Modeling Language“ als zum 

Begriff „UML“ synonymen Nicht-Deskriptor akzeptieren. Den Deskriptor „UML“ könnte er dabei 

dem vielleicht schon in der Ontologie enthaltenen Begriff „Modellierungssprachen“ unterordnen. 

Wenn danach jemand mit dem Begriff „Unified Modeling Language“ nach Kompetenzträgern 

sucht, dann wird nicht nur die Person gefunden, die diesen Begriff vorgeschlagen und die erste 

Kompetenzaussage dazu gemacht hat, sondern auch diejenigen, die im Anschluss daran eine Kompetenzaussage 

über sich selbst zum Begriff „UML“ gemacht haben. 

3.1.1.3.2.2 Erfassung von Weiterbildungsmaßnahmen und Projekten 

Es ist sinnvoll, sowohl Weiterbildungsmaßnahmen als auch Projekte zentral zu erfassen, um bei der 

Eingabe einer Erfahrung darauf verweisen zu können. Wenn beispielsweise mehrere Mitarbeiter an 

einer Weiterbildungsmaßnahme teilnehmen, sollte sich das danach in ihren Kompetenzprofilen widerspiegeln, 

d.h. zu jedem dieser Mitarbeiter sollte eine Erfahrung der Art „Ausbildungserfahrung. 

Weiterbildung“ eingegeben werden, die mit der zentral eingegebenen Weiterbildungsmaßnahme 

verknüpft wird. Dies hat den Vorteil, dass die Personalabteilung die Aufgabe übernehmen kann, alle 

Weiterbildungsmaßnahmen als Informationsobjekte im System anzulegen, zu beschreiben und zu 

verschlagworten, und dass die einzelnen Schulungsteilnehmer bei der Eingabe ihrer Weiterbildungserfahrungen 

einfach auf diese Informationsobjekte verweisen können. 

Bei der Zuordnung von Kompetenzbegriffen zu einer Weitebildungsmaßnahme besteht die Möglichkeit, 

zu jeder Kompetenz auch eine Ausprägung anzugeben. Ebenso können die Teilnahmevoraussetzungen 

beschrieben werden. Bei einer Weiterbildung mit dem Titel „Crashkurs C# und Visual 

Studio.NET“ könnte beispielsweise angegeben werden, dass bei den Teilnehmern Expertenkenntnisse 

in C++ und Grundkenntnisse in der Vorgängerversion Visual Studio 6 vorhanden sein 

müssen. Das Weiterbildungsziel könnte lauten, Expertenkenntnisse in C# und Grundkenntnisse im 

Umgang mit Visual Studio.NET zu vermitteln. Ein Mitarbeiter der Personalabteilung ordnet im 

Rahmen der zentralen Maßnahmenerfassung einer Weiterbildungsmaßnahme sowohl die entsprechenden 

Kompetenzbegriffe (inklusive ihrer Ausprägungen) als auch die Schulungsteilnehmer zu. 

Für jeden Schulungsteilnehmer legt das System dann automatisch eine entsprechende Weiterbildungserfahrung 

an, die mit der Maßnahme verknüpft wird und im Anschluss daran von den Teilnehmern 

editiert und kommentiert werden kann. Wie zu einer Weiterbildungserfahrung Kompetenzaussagen 

eingegeben werden können, die den individuellen Schulungserfolg eines Teilnehmers 

beschreiben, wird im folgenden Kapitel erläutert. 

Projekte werden ebenfalls zentral erfasst und beschrieben, wobei es zwei Möglichkeiten gibt, ein 

Projekt ins System einzugeben. Zum einen ist es möglich, das Projekt unabhängig vom KOWIEN- 

Geschäftsprozessmodell einzugeben und mit Begriffen zu verschlagworten, welche die für das Projekt 

erforderlichen Kompetenzen beschreiben. Zum anderen kann ein Projekt direkt an das entsprechende 

Unternehmensmodell gekoppelt werden. Dies geschieht, indem dem Projekt eine bestimmte 

Projektart zugewiesen wird, die mit einer Folge von Prozessen des Unternehmensmodells verknüpft 

ist. Aus den Projektrollen, die in mindestens einem dieser Prozesse eine Funktion übernehmen (star-


ten, informieren, beraten, mitwirken, ausführen, verantworten oder genehmigen), ergeben sich die 

Projektstellen, die zu besetzen sind. Dabei werden die Kompetenzanforderungen an die Projektrollen 

auf die automatisch generierten Projektstellen übertragen, so dass danach direkt mit der Suche 

nach geeigneten Kandidaten für diese Stellen begonnen werden kann. Darüber hinaus bringt die 

Kopplung an das Unternehmensmodell noch weitere Vorteile mit sich, die im folgenden Kapitel beschrieben 

werden. 

3.1.1.3.2.3 Integration in die Geschäftsprozesse 

Eine Integration in die Geschäftsprozesse ist für die Einführung eines Kompetenzmanagementsystems 

erfolgsentscheidend, weil der Wert eines Informationssystems von der Qualität der enthaltenen 

Informationen abhängt und brauchbare Informationen nur dann eingegeben und gepflegt werden, 

wenn der damit verbundene Aufwand gering und der Nutzen auch für den erkennbar ist, der sich 

zusätzlich zur Erledigung seiner Arbeit die Mühe macht, die Informationen einzugeben und zu pflegen. 

Während bestimmte Aufgaben, wie z.B. die Erstellung einer anfänglichen Begriffshierarchie 

und die zentrale Erfassung von Maßnahmen und Projekten, von Mitarbeitern der Personalabteilung 

oder von Projektleitern übernommen werden können, ist man bei der Pflege der Kompetenzprofile 

auf die Mitarbeit jedes einzelnen Mitarbeiters angewiesen. Daher sollte man sich darum bemühen, 

die Kompetenzprofilpflege in den Arbeitsalltag der Mitarbeiter zu integrieren und sie zu motivieren, 

durch ihre aktive Mitarbeit zu einer hohen Qualität und Aktualität der Informationsbasis beizutragen. 

Die Basis für die Integration des KOWIEN-Prototyps in die Geschäftsprozesse eines Unternehmens 

legt das KOWIEN-Geschäftsprozessmodell. Ein wichtiger Schritt ist daher die Erarbeitung des Unternehmensmodells 

mit den unternehmensspezifischen Angaben zu den Geschäftsprozessen. Wenn 

ein solches Unternehmensmodell erarbeitet worden ist, das die Informationen enthält, welche Projektrollen 

in welchen Prozessen welche Funktionen übernehmen und welche Kompetenzanforderungen 

an diese Projektrollen gestellt werden, dann kann beispielsweise die Projektarbeit eng damit 

verknüpft werden. Am Beispiel der infonea® Projektarbeit lässt sich gut verdeutlichen, wie das 

funktioniert und welche Vorteile damit verbunden sind. 

Basierend auf dem KOWIEN-Referenzmodell wurde eine Abstraktionsebene tiefer zuerst ein Unternehmensmodell 

für die Comma Soft AG erstellt. 20) Eine weitere Abstraktionsebene tiefer wurde, 

basierend auf dem Comma Soft Unternehmensmodell, das infonea® Projektvorgehen beschrieben, 

d.h., es wurden die Prozesse entsprechend benannt und beschrieben, die bei einem infonea® Projekt 

durchlaufen werden. Dabei wurden die infonea® Prozesse mit den entsprechenden Prozessen des 

Comma Soft Unternehmensmodells in Beziehung gesetzt. Darüber hinaus wurde erfasst, welche 

Projektrollen es in einem infonea® Projekt gibt (z.B. Entwickler, Kundenbetreuer und Projektleiter) 

und welche Funktionen diese in den verschiedenen Prozessen übernehmen. Außerdem wurden den 

Prozessen Hilfsmittel sowie Prozessein- und -ausgaben zugeordnet. Ein konkretes infonea® Projekt 

(wie beispielsweise die Erstellung des KOWIEN-Prototyps) kann nun an das infonea® Projektvorgehen 

gekoppelt werden, indem diesem Projekt eine bestimmte Projektart zugewiesen wird, die mit 

einer Folge von Prozessen des infonea® Projektvorgehens verknüpft ist. Bei Projekten der Art 

„Machbarkeitsstudie“ gestaltet sich die Prozesskette beispielsweise anders als bei der Erstellung 

20) Das Konzept der Abstraktionsebenen ist in Kapitel 3.1.1.1.1 (S. 572 f.) beschrieben worden.


von Prototypen oder Pilotsystemen. In Kapitel 3.1.1.3.4 wird beschrieben, wie der KOWIEN- 

Prototyp bei dieser Form der Projektanlage den Prozess der Projektteambildung unterstützt. 

Die prozessorientierte Organisation und Durchführung von Projekten bringt mehrere Vorteile mit 

sich. Ein Mitarbeiter, der in einem Projekt eine bestimmte Projektrolle übernommen hat, die in den 

verschiedenen Prozessen bestimmte Funktionen erfüllt, kann auf alle Hilfsmittel zugreifen, die den 

entsprechenden Prozessen auf den darüber liegenden Abstraktionsebenen (im geschilderten Beispiel 

das infonea® Projektvorgehen, das Comma Soft Unternehmensmodell und das KOWIEN-Referenzmodell) 

zugeordnet worden sind. Außerdem unterstützt ihn der Prototyp bei der Suche nach Kolleginnen 

oder Kollegen, die in einem anderen Projekt die gleiche Projektrolle übernommen haben, die 

er jetzt zugeteilt bekommen hat, so dass er bei Problemen eine ganze Reihe von Ansprechpartnern 

angezeigt bekommt, die er um Hilfe bitten kann. Auf die gleiche Weise kann er später von anderen 

Kollegen gefunden werden, da die Kompetenzanforderungen an die Projektrolle, die ein Mitarbeiter 

in einem Projekt übernommen hat, Aufschluss geben über die Kompetenzen, die dieser Mitarbeiter 

in das Projekt eingebracht hat. Auf diese Weise trägt die Unterstützung der Projektarbeit dazu bei, 

laufend Wissen über Kompetenzen zu akquirieren. 

Wie in Kapitel 3.1.1.3.2.2 beschrieben wurde, legt das System für Mitarbeiter, die an einer Weiterbildungsmaßnahme 

teilgenommen haben, automatisch eine entsprechende Erfahrung an, die mit den 

Kompetenzbegriffen verknüpft wird, mit denen die Maßnahme verschlagwortet worden ist. Eine 

Beurteilung, was die Weiterbildungsmaßnahme den einzelnen Teilnehmern gebracht hat, d.h. welche 

neuen Kompetenzen sie in welcher Ausprägung durch die Schulung erworben haben, kann natürlich 

nicht automatisch erfolgen. 21) Daher fordert das System die Teilnehmer im Anschluss an eine 

Weiterbildungsmaßnahme durch einen entsprechenden Link auf ihrem persönlichen Startportal 

dazu auf, einen Fragebogen auszufüllen, um zu den Schulungsthemen Kompetenzaussagen zu machen, 

bei denen es sich um eine persönliche Einschätzung ihres Kenntnisstands nach der Weiterbildungsmaßnahme 

handelt. 

An dieser Stelle muss darauf hingewiesen werden, dass es für ein funktionierendes Kompetenzmanagementsystem 

wichtig ist, dass die Mitarbeiter ihre Kompetenzen möglichst zutreffend und 

ehrlich selbst einschätzen. Dies liegt auch im Interesse jedes einzelnen Mitarbeiters, denn wenn er 

sein Licht „unter den Scheffel“ stellt, werden seine Kompetenzen nicht wahrgenommen und berücksichtigt. 

Wenn er jedoch zu viel von sich behauptet, fällt dies spätestens beim nächsten Projekt 

auf, bei dem er aufgrund seiner Kompetenzaussagen eine Aufgabe zugeteilt bekommen hat, der er 

nicht gewachsen ist. 

Selbsteinschätzungen stellen auf jeden Fall eine verlässlichere Informationsquelle dar als automatische 

Schlussfolgerungen der folgenden Art: „Jeder, der an einer Schulung teilgenommen hat, die 

Expertenkenntnisse in der Programmiersprache C# vermitteln sollte, ist danach ein C#-Experte.“ 

Jemand, der vorher schon Experte in C++ war, kann nach der Teilnahme an einem C#-Crashkurs 

vielleicht von sich behaupten, dass er nun auch Expertenkenntnisse in C# hat. Aber ein anderer 

Teilnehmer der gleichen Schulung würde danach vielleicht eher sagen, dass er jetzt erweiterte 

Grundkenntnisse in C# hat, weil es schon länger her ist, seitdem er das letzte Mal in C++ program- 

21) Wenn durch eine abschließende Prüfung festgestellt wurde, ob die Teilnahme an der Weiterbildungsmaßnahme für die einzelnen 

Teilnehmer erfolgreich war oder nicht, kann dies natürlich (u.U. zusammen mit einer Bewertung und einem erlangten 

Titel) in den generierten Erfahrungen gespeichert werden. Aber selbst in diesem Fall kann nicht mit Sicherheit automatisch 

gefolgert werden, welche neuen Kompetenzen die Teilnehmer in welchen Ausprägungen nach der Schulung haben.


miert hat, so dass er noch mehr Einarbeitungszeit benötigt, bevor er in einem Projekt als C#-Experte 

eingesetzt werden kann. 

Die Aufforderung des Systems zur Selbsteinschätzung im Anschluss an eine Weiterbildungsmaßnahme 

trägt also dazu bei, die Qualität und die Aktualität der Informationen über Kompetenzen zu 

gewährleisten. Sie ist ein weiteres Beispiel dafür, wie bei der Implementierung des KOWIEN- 

Prototyps versucht wurde, die Kompetenzprofilpflege in die vorhandenen Arbeitsabläufe zu integrieren. 

3.1.1.3.3 Suche nach Kompetenzträgern 

Die Beziehungen zwischen den Personen, Kompetenzaussagen, Erfahrungen, Kompetenzbegriffen, 

Weiterbildungsmaßnahmen, Projekten, Rollen und Prozessen werden bei richtiger Nutzung des Prototyps 

im Laufe der Zeit immer zahlreicher, so dass ein komplexes Informationsnetzwerk entsteht. 

Da infonea® für den Aufbau, die Analyse und die Navigation komplexer Informationsnetzwerke 

konzipiert wurde, ist die technologische Basis des KOWIEN-Prototyps ideal dafür geeignet, diese 

vielfältigen Informationszusammenhänge eines prozess- und ontologiebasierten Kompetenzmanagementsystems 

transparent zu machen. Die Suche nach Kompetenzträgern profitiert von infonea® 

ebenso wie die Analyse der Kompetenzlücken und die Planung von Weiterbildungsmaßnahmen. 

Da schon in Kapitel 3.1.1.2 die herausragenden Fähigkeiten von infonea® (wie beispielsweise 

die Visual Search auf S. 583 f.) beschrieben worden sind, beschränkt sich dieses Kapitel auf die besondere 

Unterstützung der Suche nach Kompetenzträgern. 

In Kapitel 3.1.1.2.3 (S. 582 f.) wurde bereits darauf hingewiesen, dass im Prototyp Inferenzmechanismen 

dafür eingesetzt werden, um bei der Suche nach Kompetenzträgern nicht nur die Personen 

als Ergebnis zurückzuliefern, über die es Kompetenzaussagen zu den gesuchten Kompetenzen gibt, 

sondern auch die Personen, die an einer Schulung teilgenommen haben, bei der diese Kompetenz 

vermittelt werden sollte, und die Personen, die bei einem Projekt eine Aufgabe übernommen haben, 

für deren Erfüllung diese Kompetenz erforderlich war. Da eine explizite Selbsteinschätzung nicht 

den gleichen Stellenwert hat wie die Vermutung, dass jemand eine Kompetenz besitzt, weil er an 

einer Schulung teilgenommen oder bei einem Projekt mitgearbeitet hat, zeigt der KOWIEN- 

Prototyp dem Fragesteller die Ergebnismenge der gefundenen Kompetenzträger so an, dass erkennbar 

ist, warum eine bestimmte Person vom System gefunden worden ist. Jeder Benutzer kann dann 

auf Basis dieser Information und seiner eigenen Auswahlkriterien entscheiden, in welcher Reihenfolge 

er die gefundenen Kompetenzträger ansprechen möchte, um sie beispielsweise um Rat zu fragen 

oder als Mitarbeiter in einem Projekt einzuplanen. 

Die Kompetenzbegriffe, zu denen das System Kompetenzträger sucht, kann der Benutzer entweder 

direkt eintippen und mit logischen Operatoren verknüpfen oder aus der hierarchischen Struktur der 

Kompetenzontologie auswählen. Wenn die Begriffe direkt eingegeben werden und einige der eingegebenen 

Begriffe in der Kompetenzontologie nicht vorkommen, dann weist das System den Benutzer 

darauf hin und bietet ihm verschiedene Optionen zur Fortsetzung der Suche an. Die verschiedenen 

Begriffsrelationen (Hierarchierelation, Assoziationsrelation und Äquivalenzrelation) 

werden benutzt, um die Suche auf verwandte Kompetenzbegriffe auszuweiten, wenn zu den gesuchten 

Kompetenzen keine oder zu wenige Kompetenzträger gefunden wurden.


3.1.1.3.4 Unterstützung der Projektarbeit 

Die Projektarbeit ist das Kerngeschäft der KOWIEN-Praxispartner. Der KOWIEN-Prototyp unterstützt 

diesen Kern-Geschäftsprozess, indem er die Möglichkeit bietet, konkrete Projekte an das 

KOWIEN-Geschäftsprozessmodell zu koppeln. Die folgenden Ergänzungen konzentrieren sich daher 

auf den Prozess der Projektteambildung. 

Wenn ein Unternehmen mit der Durchführung eines Projekts beauftragt wird, ist der erste Schritt 

nach der Projektakquisition in der Regel die Bestimmung eines Projektleiters. Eine dafür geeignete 

Person muss zum einen über ausreichend Projekterfahrung und über allgemeine Projektleiterkompetenzen 

verfügen, zu denen auch soziale Kompetenzen gehören. Zum anderen stellt jedes Projekt 

auch spezifische fachliche Kompetenzanforderungen an die Projektmitarbeiter und an den Projektleiter. 

Um einen geeigneten Projektleiter zu finden, der beiden Kriterien genügt, können die in Kapitel 

3.1.1.3.3 beschriebenen Möglichkeiten der Suche nach Kompetenzträgern genutzt werden. Natürlich 

sind neben der fachlichen Eignung auch die organisatorischen Rahmenbedingungen (z.B. die 

Zeitplanung und der Standort, an dem das Projekt durchgeführt werden soll) zu berücksichtigen. 

Eine integrierte Auslastungs- und Zeitplanung war jedoch kein Ziel bei der Erstellung des ontologiebasierten 

Kompetenzmanagementsystems. 

Wenn ein geeigneter Projektleiter gefunden worden ist, kann er damit beauftragt werden, das Projektteam 

zu bilden, d.h. Mitarbeiter zu suchen, die zusammen mit ihm die Kompetenzanforderungen 

des Projekts erfüllen. Wie in Kapitel 3.1.1.3.2.3 beschrieben wurde, muss dem Projekt dafür bei einer 

Kopplung an das entsprechende Unternehmensmodell eine Projektart zugewiesen werden, die 

mit einer Folge von Prozessen des Unternehmensmodells verknüpft ist (vgl. Abbildung 79). Aus der 

ausgewählten Prozesskette ergeben sich dann die Projektrollen, die in diesen Prozessen bestimmte 

Funktionen erfüllen und von konkreten Personen übernommen werden müssen. Ein spezielles Server-AddOn 

des KOWIEN-Prototyps (vgl. Kapitel 3.1.1.2.1, S. 579) generiert zu jeder Projektrolle, 

die in mindestens einem der Prozesse, die im Projekt zu durchlaufen sind, irgendeine Funktion übernimmt, 

eine Projektstelle, die zu besetzen ist. Dabei werden die Kompetenzanforderungen an die 

Projektrolle auf die Projektstelle übertragen. Derjenige, der die Aufgabe hat, das Projektteam zu 

bilden (das muss nicht unbedingt der zukünftige Projektleiter sein), kann den Projektstellen noch 

weitere projektspezifische Kompetenzanforderungen zuordnen oder einige automatisch übernommene 

Kompetenzanforderungen entfernen, bevor er sich auf die Suche nach Kandidaten für die verschiedenen 

Projektstellen macht. Bei dieser Suche auf Basis der im System enthaltenen Kompetenzprofile 

unterstützt ihn der KOWIEN-Prototyp mit allen Analysemöglichkeiten, die infonea® zu 

bieten hat (vgl. Kapitel 3.1.1.2.4, S. 583 f.), was durch eine speziell für KOWIEN entwickelte infonea® 

Funktionalität ermöglicht worden ist (eine neue Anwendungseinheit). Nachdem alle Projektstellen 

besetzt sind, d.h. nachdem das Projektteam gebildet worden ist, indem entschieden worden 

ist, welche Mitarbeiter welche Projektrollen übernehmen, unterstützt der KOWIEN-Prototyp die 

verschiedenen Projektmitarbeiter, indem er ihnen die Informationen und Hilfsmittel zur Verfügung 

stellt, die sie für die Erledigung ihrer Aufgaben benötigen, und indem er ihnen hilft, bei auftretenden 

Problemen geeignete Ansprechpartner zu finden (vgl. Kapitel 3.1.1.3.2.3, S. 592).


3.1.1.3.5 Unterstützung der Unternehmensentwicklung 

Die Prozesse „Kompetenzlücken ermitteln“, „Qualifizierungsmaßnahmen planen“ und „Personal rekrutieren“ 

hängen eng miteinander zusammen. Sie spielen eine wichtige Rolle für die Unternehmensentwicklung. 

Um im harten Wettbewerb bestehen zu können, muss sich jedes Unternehmen 

auf seine Kernkompetenzen konzentrieren und sich darum bemühen, diese weiter auszubauen. Da 

sich Märkte sehr schnell ändern können, muss auch ein Unternehmen schnell darauf reagieren, indem 

die Unternehmensziele den Marktgegebenheiten angepasst werden und die für die Erreichung 

dieser Ziele erforderlichen Kompetenzen entweder durch bedarfsorientierte Weiterbildungsmaßnahmen 

für die Mitarbeiter entwickelt oder durch gezielte Neueinstellungen hinzugewonnen werden. 

Beides setzt voraus, dass die Kompetenzlücken bekannt sind, die durch diese Maßnahmen geschlossen 

werden sollen. 

Die Ermittlung von Kompetenzlücken ist notwendig für die Ermittlung des mittel- bis langfristigen 

Weiterbildungsbedarfs, bei dem es darum geht, die Personalentwicklung an den strategischen Unternehmenszielen 

auszurichten. Wenn sich beispielsweise ein Telekommunikationsunternehmen im 

neuen UMTS-Markt positionieren möchte, dann sollte analysiert werden, welche Kompetenzen dafür 

erforderlich sind, wie viele Experten mit welchen Kompetenzen benötigt werden und wie viele 

Experten bereits im Unternehmen arbeiten, die durch entsprechende Weiterbildungsmaßnahmen in 

einem überschaubaren Zeitrahmen auf die neuen Aufgabenfelder vorbereitet werden können. Die 

Ermittlung von Kompetenzlücken ist aber auch notwendig für die Ermittlung des kurzfristigen projektgetriebenen 

Weiterbildungsbedarfs, der entsteht, wenn den Kompetenzanforderungen der akquirierten 

Projekte nicht genügend Experten mit den entsprechenden Kompetenzen gegenüberstehen. 

In diesem Fall ist es wichtig, durch kurzfristigen Know-how-Transfer den bestehenden Engpass zu 

überbrücken, indem die vorhandenen Experten als Multiplikatoren eingesetzt werden. In beiden 

Fällen hilft der KOWIEN-Prototyp dabei, die im Unternehmen vorhandenen Kompetenzen transparent 

zu machen und Kompetenzlücken aufzudecken. 

In Kapitel 3.1.1.3.2.2 wurde beschrieben, wie die Weiterbildungsziele und die Teilnahmevoraussetzungen 

von Weiterbildungsmaßnahmen zentral erfasst werden können. Diese detaillierten Informationen 

über Weiterbildungsmaßnahmen sind zusammen mit den Analysemöglichkeiten zur Aufdeckung 

von Kompetenzlücken eine ideale Basis für die Beantwortung der Frage, welche Mitarbeiter 

an welchen Weiterbildungsmaßnahmen teilnehmen sollten. Der KOWIEN-Prototyp unterstützt 

jeden einzelnen Mitarbeiter dabei, diese Frage für sich selbst zu beantworten und sich aus 

dem Pool von Weiterbildungsmaßnahmen, die ihm sein Unternehmen anbietet, die Kurse herauszusuchen, 

die für ihn geeignet sind und ihn auf die Übernahme einer bestimmten Projekt- oder Unternehmensrolle 

vorbereiten. Ermöglicht wird die Beantwortung dieser Frage durch die Erfassung der 

Kompetenzanforderungen an Projekt- und Unternehmensrollen, die Bestandteil der Funktionalität 

des KOWIEN-Prototyps ist, d.h., neben den Ist-Kompetenzprofilen für Mitarbeiter können mit dem 

KOWIEN-Prototyp auch Soll-Kompetenzprofile für Projekt- und Unternehmensrollen gepflegt 

werden. Durch eine spezielle Analysefunktion wird die Planung von Weiterbildungsmaßnahmen 

unterstützt, indem transparent gemacht wird, welche Weiterbildungsmaßnahmen für welche Unternehmensrollen 

wichtig sind. Diese Funktionalität ist besonders für Unternehmen interessant, die 

auch selbst ausbilden (z.B. im Rahmen von Trainee-Programmen oder einer Corporate University), 

da damit auch die Mitarbeiter, die das Weiterbildungsangebot planen, eine gute Entscheidungsgrundlage 

haben, um die Inhalte und die Häufigkeit der Durchführung von Weiterbildungsmaßnahmen 

bedarfsgerecht festzulegen.


Wenn in einer bestimmten Unternehmensabteilung ein Personalbedarf offensichtlich wird, weil das 

vorhandene Abteilungspersonal die übertragenen Aufgaben nicht alleine bewältigen kann, dann hat 

der Abteilungsleiter die Möglichkeit, über das Kompetenzmanagementsystem eine Personalbedarfsmeldung 

einzugeben. Die Personalabteilung kann die abgegebenen Personalbedarfsmeldungen mithilfe 

des Kompetenzmanagementsystems analysieren und entsprechende Stellenausschreibungen 

vorbereiten, die zunächst nur unternehmensintern bekannt gemacht werden. Wenn sich ein Mitarbeiter 

einer anderen Abteilung auf eine solche unternehmensinterne Stellenausschreibung hin meldet, 

kann ein Gespräch zwischen diesem Mitarbeiter, dem Einsteller der Personalbedarfsmeldung 

und Vertretern der Personalabteilung vereinbart werden, bei dem u.a. mithilfe des ontologiebasierten 

Kompetenzmanagementsystems besprochen werden kann, ob sich der interne Bewerber 

grundsätzlich für die ausgeschriebene Stelle eignet und ob es sinnvoll und zeitlich möglich ist, dass 

er zur Vorbereitung auf seine zukünftigen Aufgaben vorher noch an einer Weiterbildungsmaßnahme 

teilnimmt. Wenn sich kein interner Mitarbeiter auf die Stelle bewirbt, wird die Ausschreibung 

öffentlich gemacht, um zusätzliches Personal zu rekrutieren. Die Lebensläufe der eintreffenden Bewerbungen 

könnten dann nach einer Vorauswahl, wie in Kapitel 3.1.1.3.2.1 (S. 587 ff.) beschrieben, 

ins Kompetenzmanagementsystem eingegeben werden, um eine Entscheidungsgrundlage für die 

Einstellungsgespräche zu schaffen. 

Die Visual Search und die Kontextnavigation von infonea® (vgl. Kapitel 3.1.1.2.4, S. 583 f.) machen 

das hier beschriebene Kompetenzmanagementsystem auch zu einer Art Cockpit, das es ermöglicht, 

die Kompetenzen des ganzen Unternehmens zu analysieren und die Unternehmensentwicklung 

durch gezielte Kompetenzentwicklung zu steuern. So kann die Personalabteilung mit einer Visual 

Search über alle Kompetenzaussagen und Erfahrungen sofort sehen, wie sich z.B. zu bestimmten 

Fachgebieten die Kompetenzen und Erfahrungen auf Abteilungen und Standorte verteilen oder 

wie für eine Auswahl von Abteilungen die Verteilung der Kompetenzen zu einen Fachgebiet aussieht. 

Zu guter letzt sei noch erwähnt, dass der KOWIEN-Prototyp neben der Pflege von Kompetenzprofilen 

für einzelne Personen auch die Möglichkeit bietet, Kompetenzprofile für Teams zu erstellen und 

zu pflegen. Teams können durch ihre optimale Zusammenstellung und eine gute Zusammenarbeit, 

die sich in konkreten Projekten bewährt hat, Fähigkeiten für das Unternehmen entwickeln, die weit 

über die „Summe“ der Fähigkeiten der einzelnen Teammitglieder hinausgehen. Daher sind neben 

den Kompetenzen der Mitarbeiter auch die Kompetenzen von Teams wichtige Bausteine des Unternehmenswertes, 

deren Management sich lohnt. 

Das ontologiebasierte und prozessorientierte Kompetenzmanagementsystem, das im Rahmen des 

KOWIEN-Projekts entwickelt worden ist, versetzt die Mitarbeiter in leitenden Funktionen in die 

Lage, die Entwicklung der Unternehmenskompetenzen zielorientiert zu steuern, und hilft allen Mitarbeitern 

des Unternehmens, sich beruflich weiterzuentwickeln und die eigenen Kompetenzen ins 

Unternehmen einzubringen.

3.1.2 Die KOWIEN-E-Learning-Anwendung 

DIPL.-WIRT.-INF. THOMAS WEICHELT 



3.1.2.1 Begriffsabgrenzung 

Ein immer wichtiger werdendes Thema – vor allem vor dem Hintergrund der aktuellen Veränderungen 

der Arbeitswelt und der damit verbundenen steigenden Anforderungen insbesondere auch an 

die Arbeitnehmer – ist die berufliche Weiterbildung. So wird es in Zukunft immer weniger möglich 

sein, sich auf einmal im Rahmen der Schul- oder Berufsausbildung erlangtem Wissen „auszuruhen“, 

denn dessen Gültigkeit nimmt mit fortschreitender Zeit stetig ab. 1) Vielmehr wird für Arbeitnehmer 

die Bereitschaft und die Fähigkeit zur kontinuierlichen Weiterbildung, oft auch als Lifelong 

Learning 2) bezeichnet, immer wichtiger. Im Zusammenhang mit lebenslangem Lernen gewinnt auch 

das so genannte Just-in-time-Lernen zunehmend an Bedeutung. Neues Wissen wird demnach nicht 

„auf Vorrat“ erworben, sondern Personen lernen erst bei entsprechendem Bedarf. Eine effektive 

Möglichkeit dazu stellt E-Learning dar. Es ermöglicht den Nutzern zeit- und ortsunabhängiges Lernen 

sowie das Lernen „nach Bedarf“. 

Die E-Learning-Anwendung, die im Rahmen des Projekts KOWIEN vom Universitätspartner entwickelt 

wurde, stellt einen Beitrag dar, um das komplexe Thema „ontologie- und kompetenzprofilbasiertes 

Wissensmanagement“ einer breiten – sowohl wissenschaftlichen als auch nicht-wissenschaftlichen 

– Öffentlichkeit zugänglich zu machen. Zielgruppe sind vor allem die Nutzer des KO- 

WIEN-Prototyps 3) der Comma Soft AG, aber auch diejenigen, die selbst ein ontologiebasiertes 

Kompetenzmanagementsystem konstruieren wollen. Weiterhin wird mit der E-Learning-Anwendung 

interessierten Arbeitnehmern die Möglichkeit gegeben, sich in den genannten Bereichen weiterzubilden 

oder bereits vorhandene Kenntnisse aufzufrischen. 

Auch wenn sich der Begriff E-Learning großer Beliebtheit erfreut und häufig verwendet wird, ist 

nicht immer eindeutig, was damit genau gemeint ist. So kann beispielsweise das „E“ auf ganz verschiedene 

Arten interpretiert werden: 4) 

• Easy Learning 

• Effective Learning 

• Entertaining Learning 

• Elaborated Learning 

• Electronic Learning 

In den meisten Fällen und auch in den nachfolgenden Betrachtungen wird die letzte Variante – also 

Electronic Learning – gewählt. Dementsprechend wird E-Learning oft als „ ... Lernen mit Hilfe 

1) Vgl. BAUER/PHILIPPI (2001) S. 134 ff. 

2) Vgl. KRETSCHMER (2002) S. 14. 

3) Vgl. Kapitel 3.1.1, S. 571 ff., insbesondere S. 579 ff. 

4) Vgl. DICHANZ/ERNST (2002) S. 46.

598 3.1.2 Die KOWIEN E-Learning-Anwendung 

elektronischer Medien ...“ 5) verstanden. Auch wenn diese Sichtweise nicht falsch ist, greift sie aufgrund 

ihres sehr allgemeinen Charakters zu weit. Falls allein die Nutzung elektronischer Medien zur 

Unterstützung von Lernvorgängen ein hinreichendes Kriterium für E-Learning wäre, dann müsste 

z.B. auch die Präsentation von Lerninhalten mittels eines Overhead-Projektors konsequenterweise 

ebenfalls schon dieser Lernform zugerechnet werden. Deshalb wird im Folgenden die Reihe der 

elektronischen Medien auf den Computer eingeschränkt, so dass E-Learning als computerunterstütztes 

Lernen (CUL) verstanden werden kann. 6) 

Von besonderer Bedeutung in diesem Zusammenhang ist zudem der Begriff der computerunterstützten 

Lernumgebung (CULU). Damit sind rechnergestützte Systeme gemeint, mit denen die Realisierung 

und Anwendung des CUL erfolgt. 

Eine Ausprägung computerunterstützter Lernumgebungen ist das so genannte Computer-Based- 

Training (CBT), welches auch die derzeit meistgenutzte Form des E-Learnings darstellt. Im Vordergrund 

steht beim CBT der lernerzentrierte Zugang zu Wissen. CBT-Programme ermöglichen es 

dem Anwender, die Lerninhalte zeit- und ortsunabhängig zu nutzen und das Lerntempo seinen 

eigenen Bedürfnissen anzupassen. Die Inhalte sind dabei auf einem Datenträger gespeichert, so dass 

sie offline verwendet und zudem beliebig oft wiederholt werden können. 

CBT war ursprünglich vor allem auf den Bereich so genannter Drill-and-Practice-Programme beschränkt. 

Dieser Programmtyp zeichnet sich durch eine starke Systemsteuerung des Lernprozesses 

ohne wesentliche Einflussmöglichkeiten des Anwenders aus und bietet sich vor allem zur Vermittlung 

von strukturiertem Faktenwissen an. Neben diesen Drill-and-Practice-Programmen gehören 

zum Bereich der CBT-Anwendungen u.a. auch: 7) 

• tutorielle Programme (Schritt für Schritt-Anleitung), 

• Lernspiele (Wissenserwerb durch Spielhandlungen), 

• Simulationsprogramme (Durchspielen konkreter Anwendungssituationen) und 

• Hypermedia-Programme (freies Navigieren durch das Programm). 

Eine besondere Ausprägung des CBT ist das Web-Based-Training (WBT). Entsprechende Anwendungen 

können als eine Weiterentwicklung des CBT angesehen werden. 8) Bei diesen Programmen 

erfolgt die Distribution der Lerninhalte nicht auf Datenträgern, sondern netzbasiert. Dies kann im 

lokalen Netzwerk, im Extranet oder auch im Internet erfolgen, wobei im letzten Fall vor allem das 

World Wide Web (WWW) genutzt wird. Die Inhalte werden – bei Abruf durch den Anwender – 

über das Netz auf dessen Computer geladen und können dort in einem Webbrowser dargestellt und 

genutzt werden. 

5) DOWNLING/EBERSPÄCHER/PICOT (2003) S. 3. 

6) Vgl. PAWLOWSKI (2001) S. 6. 

7) Vgl. KRETSCHMER (2002) S. 29. 

8) Vgl. LANG/PÄTZOLD (2002) S. 27.

3.1.2 Die KOWIEN E-Learning-Anwendung 599 

3.1.2.2 Aufbau und Gestaltung der E-Learning-Anwendung 

Die KOWIEN-E-Learning-Anwendung wurde in Form einer webbasierten Applikation realisiert. 

Im Folgenden steht allerdings nicht die technische Umsetzung im Vordergrund, vielmehr werden 

der Aufbau sowie die inhaltliche Gestaltung der E-Learning-Anwendung betrachtet. 

Bei der Entwicklung der KOWIEN-E-Learning-Anwendung wurde insbesondere auf den Aspekt 

des selbst gesteuerten Lernens Wert gelegt. Die Bedeutung dieses Aspekts lässt sich aus den Anforderungen 

des lebenslangen Lernens ableiten, welches die Fähigkeit zum selbst gesteuerten Lernen 

erfordert. 9) Dementsprechend ist die E-Learning-Anwendung auch derart gestaltet, dass sie ein 

exploratives Vorgehen des Anwenders ermöglicht und unterstützt. Dazu trägt auch ihr Aufbau, bestehend 

aus einem Portal und den drei Modulen Grundlagen, Vorgehensmodell und Prototyp, bei 

(siehe Abbildung 84). 

KOWIEN -E-Learning-Anwendung 

P 

o 

rr 

tt 

a 

ll 

Modul Modul 1: 1: 

Grundlagen Grundlagen 


Vorgehensmodell 

Vorgehensmodell 


Prototyp Prototyp 

Abbildung 84: Aufbau der KOWIEN-E-Learning-Anwendung 

Das Portal dient vor allem dazu, die Anwender über den Aufbau und den Inhalt der KOWIEN-E- 

Learning-Anwendung zu informieren. Neben der Erläuterung der technischen Voraussetzungen für 

eine optimale Nutzung werden auch Hinweise zur Bedienung des Systems gegeben. Darüber hinaus 

9) Vgl. ARNOLD (2001) S. 42.


können die Anwender vom Portal aus mittels entsprechender Links die drei einzelnen Module der 

E-Learning-Anwendung aufrufen. 

Das Modul Grundlagen gibt dem Anwender einen Überblick über das Thema „ontologiebasiertes 

Wissensmanagement“ zum Zwecke des Managements von Wissen über Kompetenzen. Hierbei 

werden nicht nur die zentralen Begriffe geklärt, sondern es wird auch der Nutzen von Ontologien 

im Rahmen des Wissensmanagements verdeutlicht. 

Im Modul Vorgehensmodell wird erläutert, wie ein ontologiebasiertes Kompetenzmanagementsystem 

erstellt werden kann. Im Wesentlichen werden dabei verschiedene Werkzeuge zur Durchführung 

oder Unterstützung der einzelnen Phasen des KOWIEN-Vorgehensmodells vorgestellt. 

Das Modul Prototyp gibt dem Anwender einen Überblick über die Funktionalitäten des prototypischen 

Software-Tools der Comma Soft AG für ein ontologiebasiertes Kompetenzmanagementsystem 

(KOWIEN-Prototyp). Der Anwender kann sich mit den Möglichkeiten der Software vertraut 

machen und sie anschließend selbstständig bedienen. 

Bei der Entwicklung einer computerunterstützten Lernumgebung sind insbesondere die Gestaltung 

der Navigation und der Benutzerführung von Relevanz. Dabei hat sich allerdings bislang kein Konzept 

als eindeutig überlegen gezeigt. Als vorteilhaft erweisen sich jedoch die Wahlmöglichkeit zwischen 

freier Navigation und vorgeschlagenen Lernpfaden sowie Standortangaben innerhalb der 

Lernumgebung zur besseren Orientierung des Anwenders. 10) Um diesen Aspekten Rechnung zu tragen 

und um dem Anwender eine übersichtliche und einfache Navigation zu ermöglichen, gliedert 

sich die Benutzeroberfläche der E-Learning-Anwendung in drei Funktionsbereiche (siehe 

Abbildung 85): 

10) Vgl. ARNOLD (2001) S. 123.


Abbildung 85: Benutzeroberfläche der KOWIEN-E-Learning-Anwendung 

• Navigationsleiste: Unter Verwendung der Pfeile in der Navigationsleiste im oberen Bildschirmbereich 

kann der vorgegebene Lernpfad eines Moduls durchlaufen werden. Zusätzlich zeigt dieser 

Bildschirmbereich an, in welcher Lerneinheit eines Moduls sich der Anwender gerade befindet. 

• Navigationsbaum: Der Navigationsbaum im linken Bildschirmbereich enthält alle Lerneinheiten, 

die in dem Modul zur Verfügung stehen, in einer hierarchischen Struktur. Von hier aus 

können die einzelnen Lerneinheiten direkt aufgerufen werden. 

• Hauptfenster: Das Hauptfenster nimmt den größten Bereich der Benutzeroberfläche ein und 

dient der Anzeige der ausgewählten Lerneinheit. 

Neben der Gestaltung der Benutzeroberfläche ist vor allem die didaktisch sinnvolle Aufbereitung 

und adäquate mediale Umsetzung der Lerninhalte von Bedeutung. Allerdings gibt es auch hier kein 

eindeutig überlegenes Konzept oder allgemein gültige Empfehlungen bezüglich des Einsatzes verschiedener 

Medientypen (Text, Bild, Video, Ton etc.). Festhalten lässt sich aber, dass Texte die 

wichtigste Grundlage zur Vermittlung von Wissen darstellen; denn auch in computerunterstützten 

Lernumgebungen erfolgt der Wissenserwerb zu einem erheblichen Teil durch die Beschäftigung mit 

Texten. 11) Dabei muss allerdings beachten werden, dass das Lesen von Text am Computer- 

Bildschirm anstrengender ist und dass ca. 20 bis 30 Prozent langsamer gelesen wird als auf Papier. 

11) Vgl. LANG/PÄTZOLD (2002) S. 67.


Weiterhin sollte – sofern möglich – pro Bildschirmseite nur ein einzelner Aspekt eines Themas 

vermittelt werden. Daher bietet es sich an, einen komplexen Zusammenhang in Bildschirmfolgen zu 

zerlegen. Darüber hinaus sollte auch das Mittel des Scrollens so sparsam wie möglich eingesetzt 

werden, da gescrollter Text langsamer gelesen wird und zudem Probleme bei der mentalen Organisation 

des Inhalts bereitet. 12) 

Um den Anteil von Text in einer computerunterstützten Lernumgebung zu reduzieren, bietet sich 

der Einsatz von bildlichen Darstellungen, wie z.B. Graphiken oder Diagrammen, an. Dies ist insbesondere 

deshalb von Bedeutung, weil bildliche Informationen in der Regel schneller aufgenommen 

und auch leichter erinnert werden als Wörter. Ausgehend von diesen Vorteilen darf allerdings nicht 

der Fehler gemacht werden, alle Informationen einer Lernumgebung in einer bildhaften Darstellung 

vermitteln zu wollen. Vielmehr sollten die Inhalte aus kurzen Texten bestehen, die durch graphische 

Elemente und weiterführende Links aufgelockert werden. 13) 

Bei der Entwicklung der KOWIEN-E-Learning-Anwendung wurden insbesondere folgende Aspekte 

berücksichtigt: 

• viele graphische Elemente: Die drei Module enthalten nicht nur textbasierte Informationen, 

sondern auch vielfältige graphische Elemente. Weiterhin ist nach Möglichkeit jede Bildschirmseite 

auf die Darstellungsfläche eines handelsüblichen Monitors beschränkt, um möglichst wenig 

zum Scrollen zu veranlassen. Darüber hinaus wird intensiver Gebrauch von den immanenten 

Strukturierungsmöglichkeiten des Mediums (Hypertextstruktur mit vielfachen Verlinkungen) 

gemacht, um so dem intendierten explorativen Charakter der Anwendung Rechnung zu tragen. 

• viele Beispiele: Um die meist abstrakten Konzepte dem Anwender zu verdeutlichen, enthalten 

die Module zahlreiche Beispiele. Diese wurden in Zusammenarbeit mit den Praxispartnern des 

KOWIEN-Projekts gewonnen. 

• Literatur und Links: Um Anwendern die Möglichkeit zu geben, sich intensiver in die jeweils 

behandelte Thematik einzuarbeiten, enthalten die Module Angaben zu weiterführender Literatur 

sowie zu themenbezogenen Links. 

Die KOWIEN-E-Learning-Anwendung ist modular aufgebaut. Jedes der drei Module setzt sich aus 

einzelnen Lerneinheiten zusammen, die wiederum weitere (Unter-) Lerneinheiten enthalten können. 

Die Beschäftigung mit den Modulen kann auf verschiedene Arten erfolgen: 

• Wer sich noch gar nicht mit dem Thema „ontologie- und kompetenzprofilbasiertes Wissensmanagement“ 

befasst hat, kann durch lineares „Blättern“ den Lernpfad eines Moduls durchlaufen 

und so die einzelnen Lerneinheiten nacheinander bearbeiten. 

• Anwender, die bereits über entsprechende Vorkenntnisse verfügen, können mittels des Navigationsbereichs 

gezielt auf die gewünschten Lerneinheiten des jeweiligen Moduls zugreifen. 

Damit wird insbesondere dem Aspekt des selbst gesteuerten Lernens Rechnung getragen. 

• Diejenigen Anwender, die ihren eigenen Kenntnisstand überprüfen oder gezielt Wissenslücken 

schließen möchten, können direkt die Übungsfragen zum Selbsttest zu den einzelnen Lerneinheiten 

aufrufen. 

12) Vgl. BALLSTAEDT (1997) S. 91. 

13) Vgl. DOWNLING/EBERSPÄCHER/PICOT (2003) S. 96.


Die Lerneinheiten sind so gestaltet, dass sie sowohl bei der sequentiellen Betrachtung entlang des 

Lernpfads eines Moduls als auch unabhängig von anderen Lerneinheiten bearbeitet werden können. 

Zusammenhänge zwischen oder Verweise auf andere Lerneinheiten werden durch Hyperlinks realisiert. 

3.1.2.3 Lernszenario: Ontologien im Rahmen des Wissensmanagements 

Nachfolgend wird anhand eines Lernszenarios zum Modul Grundlagen exemplarisch beschrieben, 

wie Anwender mit der KOWIEN-E-Learning-Anwendung arbeiten und lernen können. Das Modul 

Grundlagen dient dazu, den Anwendern einen Überblick über die und grundlegende Informationen 

zur Thematik „ontologiebasiertes Wissensmanagement“ zum Zwecke des Managements von Wissen 

über Kompetenzen zu vermitteln. Im Einzelnen enthält es Inhalte zu folgenden Themenbereichen: 

• Wissensmanagement, 

• Ontologien, 

• Kompetenzen/Kompetenzprofile und 

• Kompetenzmanagementsysteme. 

Ein Anwender, der über keine Vorkenntnisse verfügt und der mehr über Ontologien und deren Einsatz 

im Rahmen des Wissensmanagements erfahren möchte, kann durch Anklicken von Ontologien 

die entsprechende Lerneinheit aufrufen (siehe Abbildung 86). 

Abbildung 86: Screenshot Modul Grundlagen: Inhalte und Lernziele der Lerneinheit Ontologien


Am Anfang jeder Lerneinheit werden deren Inhalte sowie die damit verfolgten Lernziele vorgestellt. 

Die Lerneinheit Ontologien beginnt mit der Definition dieses Begriffs (siehe Abbildung 87). 

Abbildung 87: Screenshot Modul Grundlagen: Ontologien – Definition


Anschließend folgt ein Anwendungsbeispiel, in dem gezeigt wird, wie Ontologien zur Lösung der 

praktischen Probleme des Wissensmanagements eingesetzt werden können (siehe Abbildung 88). 

Abbildung 88: Screenshot Modul Grundlagen: Ontologien – Anwendungsbeispiel


Ist sich der Anwender nicht sicher, welche Probleme dies sind, oder möchte er mehr über diese 

Probleme erfahren, so kann er zur entsprechenden Lerneinheit verzweigen. Hier wird u.a. erläutert, 

dass wesentliche Problembereiche beim Wissensmanagement die Explikation von implizitem Erfahrungswissen 

und die Identifikation von Wissensträgern sind (siehe Abbildung 89). 

Abbildung 89: Screenshot Modul Grundlagen: 

Wissensmanagement – Praktische Probleme des Wissensmanagements 

Kehrt der Anwender zum Anwendungsbeispiel zurück, so erfährt er, wie es mithilfe von Inferenzregeln 

möglich ist, implizites Erfahrungswissen zu explizieren und somit Wissensträger zu identifizieren 

(siehe Abbildung 88).


Möchte der Anwender nun wissen, was Inferenzregeln genau sind, so gelangt er durch Anklicken 

des entsprechenden Links zur zugehörigen Lerneinheit. In dieser wird erklärt, dass Inferenzregeln 

neben Begriffen, Relationen und Integritätsregeln zu den Bestandteilen von Ontologien gehören 

und es sich dabei um logische Formeln handelt, mittels derer implizites Wissen expliziert werden 

kann (siehe Abbildung 90). 

Abbildung 90: Screenshot Modul Grundlagen: Ontologien – Bestandteile von Ontologien


Fährt der Anwender entlang des Lernpfads zur nächsten Lerneinheit fort, so gelangt er zu den Repräsentationssprachen 

für Ontologien. Eine dieser Sprachen ist F-Logic (siehe Abbildung 91). Der 

Anwender erfährt etwas über die Herkunft und die einzelnen Ausdrucksmittel der Sprache. Zusätzlich 

wird in dieser Lerneinheit auf die Nutzung von F-Logic im Rahmen des Projekts KOWIEN zur 

formalsprachlichen Repräsentation von Kompetenzen verwiesen. Möchte der Anwender mehr Informationen 

zu diesem Thema erhalten, so kann er durch Anklicken des entsprechenden Links zur 

zugehörigen Lerneinheit verzweigen. 

Abbildung 91: Screenshot Modul Grundlagen: Repräsentationssprachen – F-Logic


Die nächste Lerneinheit entlang des Lernpfads im Bereich Ontologien befasst sich mit Tools zur 

Ontologie-Erstellung. Eines der vorgestellten Tools ist OntoEdit der Ontoprise GmbH 14) . In der zugehörigen 

Lerneinheit erfährt der Anwender mehr über u.a. Modellierungsfähigkeiten und -beschränkungen, 

unterstützte Import- und Export-Formate sowie weitere Eigenschaften dieser Software 

(siehe Abbildung 92). Jede der Lerneinheiten zu den betrachteten Tools enthält zudem einen 

Link auf die Homepage des Herstellers/Anbieters der Software, so dass von dort weitere Informationen 

bezogen werden können. 

Abbildung 92: Screenshot Modul Grundlagen: Tools zur Ontologie-Erstellung – OntoEdit 

14) Siehe http://www.ontoprise.de/.


Hat der Anwender die einzelnen Lerninhalte durchgearbeitet, so kann er zur Überprüfung seines 

Lernerfolgs die zugehörigen Fragen zur Selbstkontrolle aufrufen (siehe Abbildung 93). 

Abbildung 93: Screenshot Modul Grundlagen: Ontologien – Fragen zur Selbstkontrolle


Möchte der Anwender darüber hinaus noch zusätzliche Informationen zum Thema Ontologien erhalten, 

so kann er dies beispielsweise mit den Tipps zu weiterführender Literatur tun (siehe 

Abbildung 94). 

Abbildung 94: Screenshot Modul Grundlagen: Ontologien – Literaturtipps 

Damit hat der Anwender die Lerneinheit Ontologien erfolgreich abgeschlossen. Nun weiß er, 

• was Ontologien sind, 

• welche Bestandteile Ontologien haben, 

• wie Ontologien zur Lösung von praktischen Problemen des Wissensmanagements 

eingesetzt werden können, 

• welche Sprachen zur formalen Repräsentation von Ontologien existieren, 

• welche Software-Tools es zur Erstellung und Bearbeitung von Ontologien gibt und 

• wo weitere Informationen zu einer vertiefenden Betrachtung des Themas verfügbar sind.


für ontologiebasierte Kompetenzmanagementsysteme 

3.2.1 Szenario “Product Engineering” – 

Praktischer Einsatz des KOWIEN-Vorgehensmodells 

bei der Karl Schumacher Maschinenbau GmbH 


Karl Schumacher Maschinenbau GmbH 

3.2.1.1 Nutzung von ontologiebasierten Kompetenzmanagementsystemen 

bei der Karl Schumacher Maschinenbau GmbH 

Die Wettbewerbsposition eines Unternehmens innerhalb einer Branche hängt von der jeweiligen 

Unternehmenspolitik ab. Positionsbedingte Wettbewerbsvorteile können durch den Einsatz moderner 

betriebswirtschaftlicher Instrumente erzielt werden. Daher wird dem „Product Engineering“ bei 

der Karl Schumacher Maschinenbau GmbH (KSM) in Köln, einem Unternehmen des Anlagen- und 

Maschinenbaus, eine ganzheitliche Betrachtung geschenkt. Das „Product Engineering“ umfasst bei 

KSM Maßnahmen, die sich mit Prozessen zur Verbesserung der Produktion auseinander setzen: 

• Verfahren zur Prozessverbesserung in der Konstruktion, 

• mechanische Fertigung der Einzelteile, 

• Oberflächenbehandlung, 

• Montage von Einzelteilen und kompletten Baugruppen sowie 

• Inbetriebnahme von Maschinen bis hin zur Vorortmontage und Schulungen der Kunden. 

Ontologiebasierte Kompetenzmanagementsysteme sollen eine Plattform für die Realisierung der 

positionsbedingten Wettbewerbsvorteile bilden. Diesbezüglich wird in diesem Beitrag modellhaft 

die Entwicklung einer Ontologie unter dem praktischen Einsatz des KOWIEN-Vorgehensmodells 1) 

beschrieben. 

Bei der Entwicklung von neuen Maßnahmen zur prozessorientierten Gestaltung eines Unternehmens 

werden die Verantwortlichen oft mit den Problemen der Planungssicherheit, Kostenreduzierung 

und Komplexität der Problemfelder konfrontiert. Eine Hilfestellung für die Bewältigung 

dieser Probleme können generische Vorgehensmodelle bieten. Die Konstruktion der KSM-Ontologie 

und die Implementierung dieser Ontologie in die Unternehmensprozesse des Maschinenbaus 

sollen aus Sicht der Geschäftsleitung bei der Erfüllung projektbezogener Aufgaben behilflich sein. 

Die KSM-Ontologie basiert auf den Entwicklungs- und Forschungsarbeiten des KOWIEN-Projekts. 

1) Vgl. Kapitel 2.3.2, S. 373 ff.

614 3.2.1 Szenario „Product Engineering“ 

3.2.1.2 Ontologieentwicklung im Product-Engineering-Szenario 

3.2.1.2.1 Anforderungsspezifizierung 

Die Phase der Anforderungsspezifizierung bei der Entwicklung der KSM-Ontologie dient in erster 

Linie der Festlegung von Zielen und Anwendungsbereichen der zu entwickelnden Ontologie. Die 

Festlegung dieser Ziele und Anwendungsbereiche soll dem Entwickler der Ontologie bei der Erfassung 

aller Anforderungen Hilfestellungen liefern, die während des Entstehungsprozesses beachtet 

werden müssen. 

Die Anforderungsspezifizierung legt ein besonderes Augenmerk auf die Berücksichtigung der 

Sichtweisen und Wünsche des endgültigen Anwenders der Ontologie. Dabei kann es sich nicht nur 

um einzelne Mitarbeiter oder Verantwortliche des Unternehmens handeln, sondern auch um komplette 

Abteilungen oder Projektteams. Die einzelnen Personen bzw. Gruppen – als potenzielle Anwender 

der Ontologie – haben unterschiedliche Erwartungen an die inhaltliche und benutzerfreundliche 

Qualität eines ontologiebasierten Kompetenzmanagementsystems. In diesem Sinne erwarten 

die Mitarbeiter der ingenieurmäßigen Konstruktions-, Einzelfertigungs- und Montageabteilungen 

von der Ontologie, dass sie in die Lage versetzt, das vorhandene Wissen der Mitarbeiter über Qualifikationen 

in Bezug auf die in der Vergangenheit konstruierten und hergestellten Maschinen in den 

derzeitigen Produktionsprozessen wieder zu verwenden. 

Diese Konstellation erfordert von der KSM-Ontologie einerseits eine dezentrale Gestaltung des 

Kompetenzmanagementsystems und andererseits eine detaillierte Erfassung aller bisher erbrachten 

internen Tätigkeiten der Mitarbeiter. Dabei können die Herstellungsprozesse der Mitarbeiter nicht 

nur qualitativ betrachtet werden, sondern auch quantitativ, wie z.B. die zeitliche Erfassung einzelner 

Arbeiten. 

Die explizite Formulierung aller Anforderungen an die Kompetenzontologie ist in der ersten Phase 

des Vorgehensmodells eine bedeutende und feste Säule für die weitere Vorgehensweise. Die kaufmännische 

Geschäftsleitung erhofft sich von der Ontologie Unterstützung bei der Bewältigung der 

Aufgaben in Bezug auf die langfristige Planung des Mitarbeiterstammes, insbesondere bei der Rekrutierung 

neuer Mitarbeiter. Das Kompetenzmanagementsystem soll in der Lage sein, Informationen 

über deklarative und prozedurale Wissenskomponenten von ausscheidenden Mitarbeitern zu 

liefern, so dass die technischen bzw. kaufmännischen Anforderungen an das neue Personal konstruiert 

werden können. Des Weiteren verlangt die Geschäftsleitung von der KSM-Ontologie Hilfestellungen 

bei der Suche nach geeigneten Mitarbeitern für den Kundenservice. Die meisten Kunden 

erwarten von Maschinenherstellern einen relativ schnellen Reparaturservice für die hergestellten 

Maschinen. Das Kompetenzmanagementsystem soll innerhalb kurzer Zeit den kompetenten Mitarbeiter 

für eine bestimmte Reparaturmaßnahme ermitteln können. Eine weitere Anforderung an das 

System ist die Unterstützung bei Prozessen zur Teambildung für neu akquirierte Projekte. 

3.2.1.2.2 Wissensakquisition 

Das Ziel der Wissensakquisition ist die Erfassung von Informationen, die für die Erstellung der 

KSM-Ontologie benötigt werden. Hierzu wurden durch die Projektverantwortlichen und die Mitarbeiter 

der Personalabteilung Maßnahmen ergriffen, die das vorhandene Wissen im Unternehmen 

identifizieren, lokalisieren und analysieren. Dabei handelte es sich zum einen um die Identifizierung 

der handlungsbefähigenden Kenntnisse und Fertigkeiten der einzelnen Mitarbeiter und zum anderen 

um die Lokalisierung und Verwendung interner Dokumente, die Informationen über mögliche

3.2.1 Szenario „Product Engineering“ 615 

Kompetenzen enthalten (z.B. Lebensläufe, Stellenausschreibungen, Softwaresysteme und Daten des 

Projektcontrollings). 

Ferner ist zu beachten, dass Erfassungen dieser Art des persönlichen Wissens der Mitarbeiter einer 

Zustimmung des Betriebrates benötigen. Daher wurden im Vorfeld der Befragung die Mitglieder 

des Betriebsrates über alle geplanten Maßnahmen informiert. Ebenfalls wurde dem Betriebsrat die 

Struktur der Befragung erläutert sowie die Gesamtheit der verwendeten Formulare und Fragebögen 

für die Genehmigung zur Verfügung gestellt. 

Bei der Identifizierung der handlungsbefähigenden Kenntnisse und Fertigkeiten der einzelnen Mitarbeiter 

konnte sich die Geschäftsführung zwischen einem unstrukturierten und einem strukturierten 

Interview entscheiden. 2) Um die Erfüllung der festgelegten Anforderungen an die KSM-Ontologie 

gewährleisten zu können, hier insbesondere die Sicherstellung des einheitlichen Vokabulars der Ontologie, 

wird für die Erfassung der relevanten Informationen ein strukturiertes Interview verwendet, 

das in Form eines Fragebogens durchgeführt wird. Der Fragebogen 3) ist so gestaltet, dass er überwiegend 

Fragen zum Ankreuzen und so wenig wie möglich frei ausfüllbare Fragestellungen beinhaltet. 

Dieses soll dazu führen, dass die KSM-Ontologie sehr übersichtlich und mit einem einheitlichen 

Vokabular für alle beteiligten Mitarbeiter konstruiert werden kann. 

Der erste Teil des Fragebogens beinhaltet allgemeine Fragen zu der befragten Person sowie Informationen 

für die Mitarbeiter der Personalabteilung und der Lohnbuchhaltung. Diese Art der Informationserhebung 

soll dazu führen, dass die KSM-Ontologie nicht nur für die Ermittlung der Mitarbeiterkompetenzen 

genutzt werden kann, sondern auch einen allgemeinen Beitrag für alle bedeutsamen 

Mitarbeiterinformationen der Personalabteilung leistet. Damit wird versucht, die zurzeit sich 

an verschiedenen Stellen befindenden Informationen zentral in einer computerbasierten Software zu 

integrieren. 

Im nächsten Schritt werden alle Informationen bezüglich der Schulausbildung der befragten Mitarbeiter 

erhoben. Die Angaben erstrecken sich über besuchte Schulen, Fachschulen, Berufsausbildung 

und Universitätsstudium. Neben den allgemeinen Fragen zur Art der besuchten Institutionen werden 

auch Angaben bezüglich der Dauer und des erreichten Abschlusses gemacht. Bei fachspezifischen 

Ausbildungen, wie z.B. an Fachhochschulen und Universitäten, können Daten über die jeweiligen 

Fachrichtungen und Schwerpunkte des Studiums gemacht werden. 

Ein wichtiger Aspekt der Befragung sind die Angaben zu den bisherigen beruflichen Tätigkeiten 

der Mitarbeiter. Hier können anhand der besetzten Positionen und geleisteten Aufgaben die wichtigsten 

Wissenspotenziale der Mitarbeiter bezüglich der Kompetenzen in anderen Gebieten ermittelt 

werden. Neben den Angaben zu externen Beschäftigungsverhältnissen werden Informationen bezüglich 

Zusatzqualifikationen, Weiterbildungen und Schulungen erhoben, die im Laufe der Beschäftigung 

bei KSM erworben bzw. absolviert wurden. Hierbei handelt es sich vor allem um interne 

Schulungsmaßnahmen, wie z.B. interne Schulungen der Einzelteilfertigung, Inbetriebnahmeschulungen, 

KSM-interne Kurzanweisungen der Messelektronik, Schraubtechnik, Seminare der 

CAD-Technik, Hydraulik-, Pneumatik- und Elektriksteuerung. 

2) Vgl. ALAN (2002a) S. 31 ff. 

3) Bei der Konstruktion der KSM-Ontologie wurde ein Fragebogen verwendet, der auf der Grundlage eines Fragebogens anderer 

Projektpartner basiert. Hierbei wurden die Inhalte dieses Fragebogens an die Anforderungen der Maschinenbauindustrie angepasst.


Anschließend wurden Fragen gestellt, die den Wissensstand und die aktuelle Ausprägung des Wissens 

bezüglich der sprachlichen, technischen und sonstigen Kenntnisse der Wissensträger ermitteln 

sollen. Hierbei handelt es sich in erster Linie um die Erfassung des Ausprägungsniveaus der beherrschten 

Fremdsprachen mit den Ausprägungen Grund- bzw. Schulkenntnisse bis hin zur Muttersprache. 

Des Weiteren werden technische Kenntnisse und Fertigkeiten erfragt, die im Rahmen des 

Aufgabenspektrums bei Maschinenbauunternehmen verlangt werden. Dazu gehören Kenntnisse und 

Fertigkeiten des Schweißens, Fügens, Drehens mit den Ausprägungen „keine Kenntnisse“ bis hin zu 

„Experte“. Ferner wurden Erfahrungen der Wissensträger gesammelt, die einen Überblick über methodische 

Kompetenzen (z.B. Anlernen von Mitarbeitern, zielorientiertes Führen und Kreativität), 

soziale Kompetenzen (z.B. Zuverlässigkeit und Kontaktfreudigkeit) und psychische Kompetenzen 

(z.B. Belastbarkeit, Stressbewältigung und Lernfähigkeit) mit den Ausprägungen „gering“ bis „sehr 

gut“ geben. Zusätzlich wurde bei diesen Fragen die Option „keine Angabe“ als eine Antwortalternative 

in den Fragebogen eingebaut. 

Ergänzend zu dem strukturierten Interview wurden alle relevanten Dokumente auf explizit vorliegendes 

Wissen im Unternehmen analysiert. Hier wurde dem Projektverantwortlichen eine Reihe 

von internen Berichten und Statistiken zur Verfügung gestellt. Die Datenbank der KSM enthält wesentliche 

Bestandteile des explizit vorhandenen Wissens. Einige Dokumente gaben eine detaillierte 

Auskunft über alle bei KSM durchgeführten Projekte mit sämtlichen Angaben über die ausgeführten 

Tätigkeiten. Alle diese Dokumente wurden für die Erstellung der KSM-Ontologie über die 

Kompetenzen der Mitarbeiter als sehr wichtig angesehen und als unvermeidlich für die weiteren 

Arbeiten am Vorgehensmodell empfunden. 

3.2.1.2.3 Konzeptualisierung 

In der Phase der Konzeptualisierung wurde eine erste realitätsnahe KSM-Ontologie gebildet. Hier 

wurde durch die KOWIEN-Projektmitarbeiter in einer engen Zusammenarbeit mit den verantwortlichen 

Kompetenzträgern und anderen befragten Mitarbeitern das vorhandene Wissen im Unternehmen 

spezifiziert. Bei dieser Gelegenheit wurden die zuvor im Rahmen der Wissensakquisition 

erfassten Kenntnisse und Fertigkeiten der Mitarbeiter tiefgründiger analysiert. Dabei sollten die erfassten 

Informationen so in die KSM-Ontologie eingebunden werden, dass die Ontologie zum einen 

ein Begriffsystem für die Domäne und zum anderen Inferenz- und Integritätsregeln für die verwendeten 

Begriffe beinhaltet. Ein nicht zu unterschätzender Aspekt bei der Konstruktion der Ontologie 

war die Erfüllung der in der ersten Phase des Vorgehensmodells festgelegten Anforderungen. 

Im Laufe des KOWIEN-Forschungsprojekts wurde durch die Universitätsmitarbeiter für die Ontologieentwicklung 

eine Reihe von möglichen computerbasierten Werkzeugen analysiert. An einem 

der regelmäßig stattfindenden Projekttreffen, an denen alle Projektpartner über die aktuellen Fortschritte 

und Schwierigkeiten des Projekts berichtet haben, wurde die Entscheidung getroffen, die 

Software OntoEdit und OntoBroker aus dem Hause „Ontoprise“ 4) für die Konzeptualisierungsphase 

zu verwenden. Daher wurde die KSM-Ontologie ebenfalls mithilfe dieser Software konstruiert. 

Diese computerbasierten Werkzeuge ermöglichten die Konstruktion von Ontologien mit sämtlichen 

dazugehörigen Konzepten, Relationen, Regeln und Instanzen, die für die verwendeten Anwendungsfälle 

benötigt wurden. 

4) Weitere Informationen finden sich im Internet unter der URL „www.ontoprise.de“.


Bevor mit der Konstruktion der KSM-Ontologie begonnen wurde, gelangten die Projektmitarbeiter 

zu der Einschätzung, dass das Wissen im Unternehmen zwar in ausreichender Menge (z.B. Dokumente, 

Datenbanken, Projektberichte) vorhanden war, aber sehr unstrukturiert vorlag. Die relevanten 

Informationen über die Kompetenzen der Mitarbeiter bezüglich Projekterfahrungen und ausgeübten 

Tätigkeiten bei KSM befanden sich an verschiedenen Stellen und in unterschiedlicher Form. 

Das KOWIEN-Vorgehensmodell empfiehlt bei noch unstrukturiert vorliegendem Wissen in Organisationseinheiten 

die Verwendung des „Middle-Out“-Ansatzes. Bei dem „Middle-Out“-Ansatz werden 

die relevanten Konzepte identifiziert und dann mit Relationen, Inferenz- und Integritätsregeln 

beschrieben. Diesbezüglich wurden in erster Linie alle Informationen, die an verschiedenen Stellen 

abgelegt wurden, in einer einzigen Excel-Tabelle zusammengefasst. 

Die Excel-Tabelle beinhaltet zuerst Informationen bezüglich aller KSM-Mitarbeiter mit Vornamen, 

Nachnamen, Anschriften und Telefonnummern. Auf der Grundlage des Vor- und Nachnamens 

konnten für die spätere Ontologie relevante ID-Attribute der beschäftigten Mitarbeiter erstellt werden. 

Des Weiteren wurden Begriffe erstellt, die alle derzeitigen und in der Vergangenheit abgewickelten 

KSM-Projekte umfassen. Zu den Begriffen wurden Zusatzinformationen erhoben, wie z.B. 

Definition des Projekts, englische Bezeichnungen, Deskriptoren, Einsatzzweck usw. Der größte Teil 

der Darstellung beinhaltet Informationen zu den Erfahrungen und Kompetenzen der Mitarbeiter. 

Hier wurden alle KSM-Projekte und Dokumente der Personalabteilung der letzten 10 Jahre analysiert 

und in der Excel-Tabelle erfasst. In dem Verzeichnis zu den Erfahrungen der Mitarbeiter wurden 

in der Excel-Tabelle zusätzliche Informationen erfasst, wie z.B. interne Kommissionsnummer, 

interne Kostenstelle, Zeitvolumen, Erfahrungsart, Kompetenzbegriff, Projektname und Kurztitel der 

Erfahrung. Der Kurztitel gibt Auskunft darüber, welcher Mitarbeiter an welchem KSM-Projekt wie 

lange tätig war. Darüber hinaus wird der Kurztitel in verschiedene Erfahrungskategorien unterteilt. 

KSM unterscheidet folgende Erfahrungskategorien: 5) 

• Berufserfahrung.Projekterfahrung, 

• Ausbildungserfahrung.Lehre, 

• Ausbildungserfahrung.Hochschulstudium und 

• Ausbildungserfahrung.Weiterbildung. 

Abbildung 95 auf der nächsten Seite zeigt einen Ausschnitt aus der Excel-Tabelle der Kompetenzen 

der KSM-Mitarbeiter. 

5) Vgl. dazu die Erläuterungen zu hierarchischen Attributen mit den charakteristischen Separatorzeichen (standardmäßig ein 

Punkt) auf S. 581.


Abbildung 95: Kompetenzen der KSM-Mitarbeiter – Excel-Screenshot 

Nachdem die Informationen den Projektmitarbeitern strukturiert vorlagen, wurde mit der Konstruktion 

der KSM-Ontologie begonnen. Der Universitätspartner hat den Projektpartnern eine umfangreiche 

Musterontologie zur Verfügung gestellt. Nach intensiven Überlegungen der Projektmitarbeiter 

und der kaufmännischen Geschäftsleitung der KSM wurde festgestellt, dass auf Grund der Unternehmensgröße 

– zur Zeit der Ontologieerstellung ca. 30 Mitarbeiter – die Musterontologie des Universitätspartners 

für die KSM viel zu tief griff. Daher wurde für die KSM eine neue Ontologie konstruiert, 

die an die zuvor definierten Anforderungen angepasst war. Um die Übersichtlichkeit und Vereinfachung 

für die potenziellen Benutzer der Ontologie gewährleisten zu können, besitzt die Ontologie 

in der ersten Ebene nur vier unerlässliche Konzepte, die dann auf höchstens fünf weitere 

Ebenen ausgebaut werden können (zur Veranschaulichung siehe den Ausschnitt aus der KSM-Ontologie 

in Abbildung 96). Die wesentlichen Konzepte der ersten Ebene sind: 

• Akteur, 

• Aktivität, 

• Kompetenz und 

• Qualifikation.


Abbildung 96: KSM-Ontologie – Screenshot OntoEdit 

Das Konzept „Akteur“ wird in einer weiteren Ebene in die Konzepte „Person“ und „Unternehmen“ 

unterteilt. Hier werden alle Miterbeiter des Unternehmens erfasst und zusätzlich, um den Nutzungskreis 

der Ontologie zu erweitern, auch alle wichtigen Lieferanten und Unterlieferanten der KSM mit 

den jeweiligen Kompetenzprofilen. Das Konzept „Aktivität“ beinhaltet sämtliche zurzeit ausgeführte 

und in der Vergangenheit abgeschlossene Projekte. Alle diese Projekte werden durch Instanzen 

repräsentiert, die Informationen in Bezug auf Dauer, Inhalte, interne Bezeichnungen und Status des 

Projekts beinhalten. Hier konnten die Projektmitarbeiter sehr hilfreich auf die strukturierten Daten 

der Excel-Tabelle zugreifen. Das am tiefsten ausdifferenzierte Konzept in der KSM-Ontologie sind


die Kompetenzen der Mitarbeiter. Die Kompetenzen werden hier in Sozial-, Methoden- und Fachkompetenzen 

gegliedert, wobei die Fachkompetenzen in weitere Branchen-Kompetenzen mit allen 

für KSM relevanten Branchen aufgegliedert werden können. Des Weiteren werden in dieser Ebene 

Informationen zu den fremdsprachlichen Kompetenzen der Mitarbeiter gesammelt. Ebenfalls können 

in dieser Ebene Kompetenzausprägungen der sprachlichen, technischen und betriebswirtschaftlichen 

Kenntnisse festgelegt werden. Das letzte Konzept „Qualifikation“ auf der ersten Ebene wurde 

für die Erfassung des Bildungsgangs der befragten Mitarbeiter erstellt. Neben den allgemeinen 

Informationen zur Schulausbildung, zur Berufsausbildung und zum Studium können hier alle Hinweise 

zu den besuchten Weiterbildungsmaßnahmen oder Schulungen der Mitarbeiter abgelegt werden, 

selbstverständlich mit den dazugehörigen Ausprägungsmerkmalen. 

3.2.1.2.4 Implementierung 

Im Rahmen der Implementierung wird einerseits die zuvor konstruierte Ontologie für die im Unternehmen 

vorhandenen Kompetenzen formalsprachlich repräsentiert. Andererseits findet in dieser 

Phase des Vorgehensmodells eine Integration dieser Ontologie in eine computerbasierte Software 

statt. Um die Ontologie ohne größere Verluste an Informationen formalsprachlich zu repräsentieren 

und in eine Software integrieren zu können, werden zuerst geeignete Sprachen ausgewählt. 6) Im 

Laufe des Projekts hat der Universitätspartner die möglichen Sprachen analysiert und sich für die 

Implementierung der Ontologie in F-Logic und DAML+OIL entschieden. 

Die F-Logic-Ontologiesprache wurde bereits bei der Konstruktion der KSM-Ontologie mittels OntoEdit 

und OntoBroker eingesetzt. Dadurch eignet sie sich hervorragend für die Implementierung 

der Daten aus der OntoEdit-Software in den KOWIEN-Prototyp. 

DAML+OIL basiert auf der Sprache RDF(S) und ermöglicht eine Darstellung von Domänen in 

Form von Klassen mit deren Attributen. 

6) Mögliche Ontologiesprachen sind z.B. F-Logic, RDF, DAML+OIL, OWL oder OXML. In diesem Beitrag wird auf diese 

Sprachen zur Ontologierepräsentation nicht detailliert eingegangen. Vgl. stattdessen die Ausführungen in den Kapiteln 1.3.1.2 

(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.).


Abbildung 97: KSM-Ontologie-Screenshot des KOWIEN-Prototyps 

Nachdem die KSM-Ontologie in F-Logic und DAML+OIL exportiert wurde, haben die Projektmitarbeiter 

der Comma Soft AG die Ontologie in den KOWIEN-Prototyp eingebaut. Ein Ausschnitt 

des Prototyps mit der Ontologie der KSM ist in Abbildung 97 dargestellt. 

3.2.1.2.5 Evaluation 

Im Rahmen der Evaluation wurde die Ontologie hinsichtlich der Korrektheit, Einfachheit und 

gleichzeitig Vollständigkeit überprüft. Diese Evaluationsphase sollte dazu dienen, dass die Ontologie 

von späteren Anwendern anerkannt und in vollem Umfang genutzt wird. Neben der Erfüllung 

der Benutzeranforderungen wurde die Ontologie hinsichtlich der festgelegten Anwendungsbereiche 

aus der Phase der Anforderungsspezifizierung geprüft. Um möglichst alle Fehler in der Phase der 

Evaluation ausfindig zu machen, führten die Projektmitarbeiter diese Arbeiten immer direkt an dem 

KOWIEN-Prototyp (siehe Abbildung 98) durch. Dieses hat dazu beigetragen, dass die Benutzer des 

Systems einerseits Informationen über die ständige Weiterentwicklung des Prototyps besaßen und 

anderseits durch die Nutzung des Prototyps die Ontologie schon in der Evaluationsphase weiterentwickelt 

und verbessert werden konnte.


Abbildung 98: KOWIEN-Prototyp – Screenshot 

In der Weiterentwicklung und Verbesserung der KSM-Ontologie wurde die Ontologie um neue 

Ebenen mit dazugehörigen Instanzen erweitert. Gleichzeitig wurden in das Kompetenzmanagementsystem 

neue Mitarbeiterprofile mit sämtlichen Mitarbeiterinformationen und Kompetenzen eingefügt. 

Diese Arbeiten haben dazu beigetragen, dass die potenziellen Benutzer des Prototyps durch 

die Eingabe von neuen Begriffen die Funktionalität des Systems besser kennen lernten. Darüber 

hinaus wurde den Softwareentwicklern Feedback zu möglichen Verbesserungen des ontologiebasierten 

Kompetenzmanagementsystems weitergeleitet, die dann sofort durch die Mitarbeiter des 

Softwarepartners umgesetzt wurden. 

Im Zuge der Evaluation wurden durch die Mitarbeiter einige fehlerhafte Konstellationen der KSM- 

Ontologie entdeckt. Überwiegend lagen diese Fehler in den Variationen einiger Begriffe, die durch 

unterschiedliche Schreibweisen entstanden. Zum Beispiel tauchte der Begriff „AutoCAD“ mehrmals 

in der Ontologie auf, einmal mit der Schreibweise „AutoCAD“ und an einer anderen Stelle mit 

der Schreibweise „Auto-CAD“. Alle diese fehlerhaften Darstellungen wurden in der KSM- 

Ontologie lokalisiert und behoben.


3.2.1.3 Fazit und Ausblick 

Im Rahmen des Forschungsprojekts konnten die Projektmitarbeiter die im Unternehmen vorhandene 

Kompetenzen in Form von Kenntnissen und Fertigkeiten der Beschäftigten mittels der KSM-Ontologie 

erfassen. Die Ontologie zeigte nicht nur die benötigten Konzepte, sondern auch noch darüber 

hinaus Relationen zwischen den jeweiligen Konzepten auf. Nach der Implementierung der Ontologie 

im KOWIEN-Prototyp, der vom Softwarepartner – der Comma Soft AG – entwickelt wurde, 

gelang es, den Umfang der im Unternehmen vorhandenen Kompetenzen sichtbar zu machen. 

Die Karl Schumacher Maschinenbau GmbH kann von einem ontologiebasierten Kompetenzmanagementsystem 

nur profitieren, vor allem im Bereich der Akquisition von neuen Aufträgen, bei 

Aktivitäten zur Teambildung sowie während der Konstruktions-, Fertigungs- und Montagearbeiten. 

Einen sehr hohen Nutzen bietet dieses System bei Arbeiten im Rahmen des Kundenservices insbesondere 

dann, wenn es sich um Maschinen handelt, die vor Jahren produziert wurden. 

Das Kompetenzmanagementsystem kann nie als abgeschlossen betrachtet werden, sondern muss 

kontinuierlich an die sich ändernden Strukturen des Unternehmens angepasst werden. Wenn alle 

diese Punkte beachtet und realisiert werden, kann das Kompetenzmanagementsystem nicht nur in 

kleinen und mittelgroßen Unternehmen zur erheblichen Verbesserung der Wettbewerbsposition führen.

3.2.2 Szenario “Service Engineering” – 

Konstruktion einer Kompetenzontologie für die 


DIPL.-WIRT.-INF. SUSANNE APKE , DIPL.-VOLKS. ANNA BREMER 





3.2.2.1 Ausgangssituation der Ontologieentwicklung 

Dieser Beitrag dokumentiert die Ergebnisse, die bei der Konstruktion der Kompetenzontologie für 

die Deutsche Montan Technologie GmbH (DMT) im Rahmen des Verbundprojekts KOWIEN erzielt 

werden konnten. Der Aufbau des Kapitels orientiert sich an der obersten Ebene des generischen 

KOWIEN-Vorgehensmodells aus Kapitel 2.3.2 (S. 373 ff.). Dabei entspricht dieser Aufbau 

dem Ablauf bei der Entwicklung der DMT-Ontologie mithilfe des KOWIEN-Vorgehensmodells. 

Im folgenden Kapitel wird kurz auf die Ausgangssituation bei der DMT eingegangen. Hieran 

schließen sich die Kapitel zu den phasenübergreifenden Unterstützungsleistungen (Dokumentation 

und Projektmanagement) an. Die einzelnen Phasen des Vorgehensmodells – Anforderungsspezifizierung, 

Wissensakquisition, Konzeptualisierung, Implementierung sowie Evaluation – werden 

jeweils hinsichtlich ihrer Ziele, die erreicht werden sollen, ihrer Problemstellungen und ihrer 

Lösungsansätze, die bei der Durchführung auftraten bzw. ergriffen wurden, ihrer Methoden, die bei 

der Durchführung zum Einsatz kamen, ihres Vorgehens und ihrer Ergebnisse, die erzielt werden 

konnten, gegliedert und vorgestellt. Zum Schluss wird noch rückblickend ein Fazit hinsichtlich der 

Zielstellung des Projekts und der erreichten Ergebnisse gezogen. 

3.2.2.1.1 Kurzdarstellung der DMT 

Die DMT ist ein internationales Technologie-Dienstleistungsunternehmen, das in den Bereichen 

Bergbau, Infrastruktur, Bauwesen, Fahrzeug- und Verkehrstechnik, Maschinenbau und Anlagentechnik 

tätig ist. 1990 ging die DMT aus einem Zusammenschluss des Steinkohlenbergbauvereins 

mit der Bergbau-Forschung GmbH und der Westfälischen Berggewerkschaftskasse (WBK) einschließlich 

der Bergbau-Versuchsstrecke und der Versuchsgrubengesellschaft mbH hervor. Die 

operativen Organisationseinheiten der DMT sind in fünf verschiedene Divisions (Car Synergies, 

Engine Logic, Gas & Fire, Mines & More und Safe Ground) und zwei Units (Modern Fuels und 

Smart Drilling) unterteilt. Die nicht-operativen Organisationseinheiten, hauptsächlich die kaufmännischen 

Einheiten (Finanz- und Rechnungswesen, Einkauf, Controlling u.a.), aber auch das Personalwesen, 

das Informations- und Telekommunikationsmanagement sowie das Projektmanagement 

sind direkt der Geschäftsführung zugeordnet. 

Die Kompetenzontologie wurde in erster Linie bei der Abteilung Innovations- und Projektmanagement 

(IPM), aber auch in Abstimmung mit der Personalentwicklung (PS/E) erarbeitet. Letztere bildet 

eine Abteilung des Bereichs Personal- und Sozialwesen und trägt die Verantwortung für die Erfassung 

der aktuell vorhandenen Mitarbeiterkompetenzen und deren Erweiterung z.B. durch die Organisation 

entsprechender Weiterbildungsmaßnahmen. Da das betriebliche Kompetenzmanagement 

eine zentrale Aufgabe der Personalentwicklung darstellt, sind die Mitarbeiter dieser Abteilung als

626 3.2.2 Szenario „Service-Engineering“ 

wichtige Ansprechpartner sowohl für die Erhebung der Anforderungen an die Kompetenzontologie 

als auch für die Erfassung des für die Ontologieentwicklung relevanten Wissens und für die spätere 

Evaluation der Ontologie anzusehen. Auch die Mitarbeiter der Abteilung Innovations- und Projektmanagement 

bilden wegen ihrer Kenntnisse im Bereich des Projektmanagements eine wichtige Unterstützung 

für die Konstruktion der Kompetenzontologie. 

Einige der IT-Systeme der DMT spielen ebenfalls eine große Rolle für das Vorgehen bei der Ontologieentwicklung. 

Insbesondere der Wissensmanager, der von den Mitarbeitern der Abteilung Personalentwicklung 

genutzt wird, beinhaltet für die Erstellung der Ontologie relevantes Wissen. Der 

Wissensmanager ist eine Datenbank zur Erfassung und Darstellung der aktuellen Mitarbeiterkompetenzen. 

Darin sind für jeden Mitarbeiter der DMT bestimmte aus SAP übernommene Informationen 

(z.B. Name, Geburtstag und Kostenstelle) sowie Ausbildung, Zusatzqualifikationen, Berufserfahrungen 

und soziale, methodische und Selbstkompetenzen abgespeichert. 1) Diese Informationen lassen 

sich beispielsweise bei der Zusammenstellung von Projektteams nutzen. Allerdings können ausschließlich 

die Mitarbeiter der Abteilung Personalentwicklung auf die Datenbank zugreifen und die 

Daten pflegen, wodurch für diese Mitarbeiter erheblicher Aufwand entsteht und die Aktualität der 

Daten nicht gesichert ist. Darüber hinaus ist die Aussagekraft der gespeicherten Profile begrenzt, da 

beispielsweise fachliche Kompetenzen in den Fragebögen nur in Form von Erfahrungen aus dem 

beruflichen Werdegang erfragt wurden und daher die jeweiligen Ausprägungen nicht vorliegen. 

Auch die Suche nach Mitarbeitern mit bestimmten Kompetenzen gestaltet sich häufig schwierig, da 

kein einheitliches Vokabular zur Beschreibung der Kompetenzen verwendet wurde. Aus diesen 

Gründen wird der Wissensmanager weniger oft und weniger intensiv genutzt, als es bei seiner Einführung 

gewünscht wurde. 

Weitere wichtige IT-Systeme für die Einarbeitung bei der DMT und für die Erfassung des vorhandenen 

Wissens über Kompetenzen sind das DMT-Intranet DINKS, das den Mitarbeitern aktuelle Informationen 

zu ihrem Arbeitsumfeld im Unternehmen zur Verfügung stellt, sowie mehrere Datenbanken, 

die Informationen über bereits abgeschlossene Projekte der DMT enthalten (so etwa die 

Projektpartner- und die Referenzdatenbank, siehe auch Kapitel 3.2.2.3.4.4, S. 640). 

3.2.2.1.2 KOWIEN-Ontologie 

Im Rahmen des Verbundprojekts KOWIEN sollten für die Praxispartner mehrere auf die verschiedenen 

Unternehmen zugeschnittene Kompetenzontologien konstruiert werden, die entweder unternehmensspezifisch 

oder zumindest branchenspezifisch sind, also zwischen Sachgüter- und Dienstleistungsunternehmen 

differenzieren. Um die Entwicklung dieser Ontologien zu vereinfachen und 

ihre Interoperabilität zu gewährleisten, wurde vom Universitätspartner eine „Commonsense“-Ontologie 

konstruiert. Diese KOWIEN-Ontologie ist in F-Logic 2) formuliert und umfasst die zur detaillierten 

Beschreibung von Kompetenzen notwendigen allgemeinen Konzepte, Attribute, Relationen 

und Inferenz- sowie Integritätsregeln. Bei der Erstellung und Weiterentwicklung der KOWIEN-On- 

1) Abgesehen von den SAP-Informationen wurden diese Informationen alle bei der Einführung des Systems durch Fragebögen 

erhoben. Dabei mussten die Mitarbeiter der DMT ihre Kompetenzen selbst einschätzen; auch die Begriffe für die Kompetenzen 

waren größtenteils nicht vorgegeben. 

2) F-Logic (Frame-Logic) ist eine an die Prädikatenlogik angelehnte formale Sprache, die zur Spezifikation von Ontologien 

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 

in und Anwendungen von F-Logic.

3.2.2 Szenario „Service-Engineering“ 627 

tologie wurden, wie auch bei der Konstruktion der Kompetenzontologie für die DMT, die Ontologieentwicklungsumgebung 

OntoEdit und die Inferenzmaschine OntoBroker eingesetzt. 3) 

Die oberste Ebene der Ontologie wird durch das Konzept Entitaet gebildet, so dass alle weiteren 

Konzepte Subkonzepte von Entitaet darstellen. 4) In der aktuellen Version der KOWIEN-Ontologie 

wird das oberste Konzept unterteilt in objekt- und metasprachliche Entitäten (siehe Abbildung 99) 5) . 

Das Konzept der objektsprachlichen Entitäten umfasst alle sprachlichen Ausdrucksmittel, die zur 

Repräsentation des Wissens einer Domäne notwendig sind. 6) Mit dem Konzept der metasprachlichen 

Entitäten hingegen werden die Ausdrucksmittel beschrieben, die benötigt werden, um Aussagen 

über objektsprachliche Entitäten zu machen. Die folgende Abbildung veranschaulicht die obersten 

vier Ebenen der aktuellen KOWIEN-Ontologie. 

Abbildung 99: Obere Ebenen der KOWIEN-Ontologie – Screenshot OntoEdit 

Für die zu entwickelnde Kompetenzontologie der DMT sind besonders diejenigen Konzepte aus der 

KOWIEN-Ontologie von Bedeutung, die die Beschreibung von Kompetenzen und deren Zuordnung 

zu Personen oder Stellen ermöglichen. Dafür wird das Konzept Kompetenzaussage bereitgestellt, 

das Relationen zu den Konzepten Akteur, Kompetenz und Kompetenzauspraegung besitzt. 

Die Aussage, dass eine Person Michael Kompetenz in der Programmiersprache Java mit der Ausprägung 

Experte besitzt, wird durch folgende Relationen beschrieben: 7) 

3) Aktuelle Informationen zu den Produkten OntoEdit und OntoBroker sind im Internet unter den URL „http://www.ontoprise. 

de/products/ontoedit/“ bzw. „http://www.ontoprise.de/products/ontobroker/“ zu finden (Zugriffe am 03.07.2004). Eine kurze 

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 

ist ein Software-Tool zur Verarbeitung von (Ontologie-) Regeln, wie etwa Inferenzregeln. OntoBroker wird ebenfalls zur Unterstützung 

der Konstruktion der Kompetenzontologie herangezogen. 

4) In anderen Kontexten wird das (einzige) Konzept auf der obersten Obtologieebene auch als Root Concept bezeichnet. 

5) Vgl. auch Kapitel 2.4.3, S. 483 ff. 

6) Vgl. ALAN (2003b) S. 35. 

7) Vgl. S. 498 ff.


Kompetenzaussage_1_Michael[ 

beinhaltet_Kompetenz -> Java; 

betrifft_Akteur -> Individualakteur_Michael; 

beinhaltet_Kompetenzauspraegung ->> Experte]. 

Eine weitere wichtige Ausgangsbasis für die Erstellung der Kompetenzontologie der DMT sind die 

bereits vorhandenen Mechanismen zur Explikation zuvor impliziter Fakten. 8) Dafür wird beispielsweise 

in OntoEdit die Möglichkeit gegeben, formale Eigenschaften von Relationen zu spezifizieren. 

Solche Eigenschaften sind etwa Transitivität (z.B. Vorgesetzter_von), Symmetrie (z.B. arbeitet_mit) 

und Inverse (z.B. arbeitet_fuer und hat_Mitarbeiter). Durch die Formulierung einer Inferenzregel 

für die Transitivität der Relation Vorgesetzter_von zum Beispiel können implizit vorhandene Fakten 

auch automatisch abgeleitet werden, so dass der Vorgesetzte Z einer Person X, die Vorgesetzter von 

Person Y ist, auch als Vorgesetzter der Person Y erkannt wird. Auch objektsprachliche Inferenzregeln, 

die Plausibilitäts-Schlussfolgerungen ermöglichen 9) , sind in der KOWIEN-Ontologie spezifiziert 

und können in der Kompetenzontologie für die DMT weiterverwendet werden. 

Eine detaillierte Darstellung der KOWIEN-Ontologie sowie ihrer Entstehung und ihrer Modifikationen 

ist im Kapitel 2.4 (S. 429 ff.) sowie in ALAN (2003a) S. 23 ff. und in ALAN (2003b) S. 10 ff. 

zu finden. 

3.2.2.1.3 Vorgehen bei der Ontologieentwicklung 

Ein weiteres Artefakt im Zusammenhang mit dem KOWIEN-Projekt stellt das generische Vorgehensmodell 

KOWIEN dar. 10) Das KOWIEN-Vorgehensmodell beschreibt für die Konstruktion von 

Kompetenzontologien generisch die im Ontologieentwicklungsprozess durchzuführenden Aktivitäten 

und ihre Ergebnisse, um eine systematische Gestaltung des Entwicklungsprozesses zu ermöglichen. 

Es wurde unter Berücksichtigung der im KOWIEN-Projekt erhobenen Anforderungen an das 

Vorgehensmodell 11) konzipiert und durch die Umsetzung bei den Praxispartnern evaluiert. Die verschiedenen 

Aktivitäten und Ergebnisse bei der Ontologieentwicklung werden, entsprechend der 

obersten Gliederungsstufe des KOWIEN-Vorgehensmodells, den folgenden fünf Phasen zugeordnet: 

Anforderungsspezifizierung, Wissensakquisition, Konzeptualisierung, Implementierung, Evaluation. 

Hinzu kommen die phasenübergreifenden Unterstützungsleistungen Dokumentation und Projektmanagement 

(siehe auch Abbildung 100 auf der nächsten Seite). 

Bei der Anforderungsspezifizierung werden die zukünftigen Anwendungsbereiche und Benutzer der 

Ontologie festgelegt, damit anschließend in Zusammenarbeit mit den Benutzern die Anforderungen, 

die durch die Kompetenzontologie zu erfüllen sind, erhoben werden können. Im Rahmen der Wissensakquisition 

müssen dann die für die Kompetenzontologie relevanten Informationen beschafft 

8) Vgl. ALAN (2003b) S. 21 ff. sowie Kapitel 2.4.4 (S. 524 ff.). 

9) Im Gegensatz zu metasprachlichen Inferenzregeln wird durch objektsprachliche Inferenzregeln kein sicheres Wissen generiert, 

da sie nicht über die wahrheitserhaltende Stringenz der deduktiven Logik verfügen; vgl. ALPARSLAN ET AL. (2002) S. 47 

sowie Kapitel 2.4.2.2.3 (458 f.). 

10) Vgl. Kapitel 2.3.2 (S. 373 ff.). 

11) Diese Anforderungen (Generizität, Anwendungsbezogenheit, Vollständigkeit, Dokumentation, Einfachheit, Klarheit, Werkzeugunterstützung) 

werden im Kapitel 1.4.4.2 (S. 292 ff.) sowie in APKE/DITTMANN (2003a) S. 29 ff. erläutert.


werden, indem Personen, IT-Systeme und betriebliche Dokumente mit Wissen über Kompetenzen 

identifiziert werden. Durch eine Analyse der IT-Systeme und der Dokumente und eine Befragung 

der Personen (als Domänenexperten) werden bei der Konzeptualisierung die für die Kompetenzontologie 

relevanten Konzepte identifiziert und in Form einer Taxonomie hierarchisch gegliedert. Zusammen 

mit den Domänenexperten werden die Taxonomie verfeinert und nicht-taxonomische Relationen 

sowie Integritäts- und Inferenzregeln formuliert. Diese zunächst meist textuell und graphisch 

repräsentierten Konstrukte werden anschließend in eine formale Darstellung transformiert und implementiert 

(Implementierung). Bei der abschließenden Evaluation überprüfen die Ontologieentwickler 

zusammen mit den zukünftigen Benutzern, inwieweit die Ontologie die zuvor aufgestellten 

Anforderungen erfüllt. 

Während des gesamten Entwicklungsprozesses werden die dabei erzielten Ergebnisse sowie die getroffenen 

Entscheidungen und ihre Grundlagen im Rahmen der Dokumentation schriftlich festgehalten, 

um die Nachvollziehbarkeit zu erleichtern und die spätere Wissenswiederverwendung zu unterstützen. 

Zusätzlich zur Dokumentation stellt das Projektmanagement eine weitere phasenübergreifende 

Unterstützungsleistung dar. Es umfasst vor allem die Planung der Ontologieentwicklung vor 

dem Projektstart, die Überwachung und Lenkung während der Projektdurchführung sowie die Prüfung 

und Bewertung der Ergebnisse nach dem Abschluss der Ontologieentwicklung. 



Dokumentation 




Evaluation 

Abbildung 100: Überblick über Phasen und Unterstützungsleistungen des KOWIEN-Vorgehensmodells 

Abbildung 100 veranschaulicht die Struktur des Vorgehensmodells. Eine detaillierte Darstellung, 

sowohl textuell als auch mittels Ereignisgesteuerter Prozessketten (EPK) 12) , ist dem Kapitel 

2.3.2.2.1 (S. 376 ff.) zu entnehmen. 

Das generische Vorgehensmodell KOWIEN wurde für die in diesem Kapitel beschriebene Ontologieentwicklung 

eingesetzt. Dadurch sollte einerseits ein systematisches Vorgehen bei der Entwick- 

12) Ereignisgesteuerte Prozessketten (EPK) dienen zur graphischen Darstellung des Ablaufs von Funktionen im Sinne eines Geschäftsprozesses. 

Wichtigste Elemente dieses Modellierungskonzepts sind neben Funktionen die Ereignisse (oft auch im Sinne 

von Zuständen verwendet), die Auslöser und Ergebnisse von Funktionen sein können. Für eine detailliertere Beschreibung 

der Elemente von Ereignisgesteuerten Prozessketten siehe auch Kapitel 2.3.2.3.1, S. 386 ff.


lung der Kompetenzontologie gefördert werden. Andererseits wurden auch eine Bewertung des 

Vorgehensmodells hinsichtlich seiner Anwendbarkeit in der Praxis sowie eventuelle Verbesserungen 

und Ergänzungen ermöglicht. Im Laufe der Entwicklung der DMT-Ontologie wurde das KO- 

WIEN-Vorgehensmodell von der Version 1.0 mithilfe gemachter Erfahrungen und Evaluationsergebnisse 

zur Version 2.0 weiterentwickelt. 

3.2.2.2 Phasenübergreifende Unterstützungsleistungen 


Aus Gründen der Nachvollziehbarkeit und der Akzeptanz der Ontologie ist es wichtig, dass die einzelnen 

Aktivitäten und ihre Ergebnisse, aber auch die während der Ontologieentwicklung getroffenen 

Entscheidungen dokumentiert werden. Im generischen KOWIEN-Vorgehensmodell ist daher 

die Beschreibung des Ablaufs der Ontologieentwicklung und der relevanten Projektentscheidungen 

und -ergebnisse parallel zum gesamten Entwicklungsprozess vorgesehen. 

Das vorliegende Kapitel stellt die Realisierung der Dokumentation für die bei der DMT durchgeführte 

Ontologiekonstruktion dar. Dabei werden gemäß dem Vorgehensmodell die einzelnen Phasen 

und ihre Aktivitäten, die getroffenen Entscheidungen sowie die Ergebnisse der Phasen schriftlich 

festgehalten. 

Die folgenden Kapitel sind daher ähnlich dem Aufbau des Vorgehensmodells gegliedert: Für jede 

Phase wird dargestellt, welche Ziele verfolgt werden, welche Problemstellungen sich bei der Durchführung 

ergeben haben (z.B. durch besondere Gegebenheiten bei der DMT) und welche Methoden 

13) angewendet wurden, um die Ziele zu erreichen und die Probleme zu lösen. Darüber hinaus 

wird das genaue Vorgehen in der jeweiligen Phase erläutert, indem – angelehnt an den Aufbau des 

Vorgehensmodells – eine strukturierte Beschreibung der einzelnen Aktivitäten gegeben wird. Um 

die Bedeutung der Phase für die gesamte Ontologieentwicklung und die Ausgangsbasis für die 

„nächste“ Phase 14) zu verdeutlichen, werden abschließend für jede Phase die wichtigsten Ergebnisse 

aufgeführt. 

3.2.2.2.2 Projektmanagement 

Die für die Ontologieentwicklung erforderlichen Aktivitäten des Projektmanagements sind im Vorgehensmodell 

in seiner aktuellen Version (2.0) spezifiziert. 15) Hierzu wird an dieser Stelle kurz die 

Projektsituation dargestellt, wie sie aufgrund der Umsetzung im Rahmen des Verbundprojekts gegeben 

war. 

13) Der Begriff „Methode“ wird dabei im weiteren Sinne verwendet; an dieser Stelle werden darunter nicht nur abstrakte Vorgehensweisen, 

sondern auch konkrete Techniken, Werkzeuge und Ontologiesprachen verstanden. 

14) Die Darstellung aufeinander folgender einzelner Phasen ist nicht so zu interpretieren, dass diese tatsächlich sequentiell „abgearbeitet“ 

werden müssen. Anders als aus der Gliederung dieser Arbeit ersichtlich, sind die einzelnen Phasen und Aktivitäten 

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 

ff. 

15) Die meisten Projektmanagementaktivitäten sind implizit in der Beschreibung anderer Phasen, insbesondere der Dokumentation, 

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 

(2003b) S. 20 f. und S. 75.


Es war vorgesehen, dass die Entwicklung der Kompetenzontologie innerhalb eines Zeitrahmens von 

sechs Monaten durchgeführt werden sollte. Da die Konstruktion der Kompetenzontologie im Rahmen 

der Forschungs-, Entwicklungs- und Transferbemühungen des KOWIEN-Verbundprojekts umgesetzt 

wurde, konnten die Aufgaben der Kostenplanung vernachlässigt werden. Die Koordination 

mehrerer Projektmitarbeiter war nicht erforderlich, weil die Konstruktion der DMT-Ontologie maßgeblich 

von nur einer Person und Verfasserin dieses Beitrags (APKE) geleistet wurde. Eine regelmäßige 

Abstimmung mit den Ansprechpartnern bei der DMT, beim Univeritätspartner und bei den anderen 

Praxispartnern war dagegen nötig, um die parallel erfolgenden Arbeiten im Bereich ontologiebasierter 

Kompetenzmanagementsysteme untereinander zu koordinieren. Da die Ontologieentwicklung 

zu großen Teilen bei der DMT durchgeführt wurde und hier auch die Federführung diesbezüglich 

lag, fanden regelmäßige Gespräche mit den Ansprechpartnern bei der DMT statt. Mit den 

Mitarbeitern des Universitätspartners und der anderen Praxispartner wurde eine solche Abstimmung 

durch Projekttreffen und zusätzliche persönliche Treffen vorgenommen. 

3.2.2.3 Anforderungsspezifizierung 

3.2.2.3.1 Ziele 

Das Hauptziel der Anforderungsspezifizierung ist eine möglichst vollständige Erhebung der Anforderungen 

an die DMT-Ontologie. Dabei sind insbesondere die Anforderungen der späteren Benutzer 

der Ontologie zu berücksichtigen. Daher ist es erforderlich, diese Anforderungen in einer Form 

zu repräsentieren, die möglichst für alle anderen betroffenen Mitarbeiter der DMT (also die entsprechenden 

Mitarbeiter der Personalabteilung, aber auch grundsätzlich für alle Mitarbeiter des Unternehmens) 

und alle Beteiligten des KOWIEN-Projekts verständlich ist. In dieser Phase der Ontologieentwicklung 

sollen nicht nur die funktionalen Anforderungen an die Ontologie, die die vom System 

bereitzustellenden Funktionen 16) und das durch die Ontologie abzubildende Wissen spezifizieren, 

sondern auch die nicht-funktionalen Anforderungen erhoben werden. Diese beschreiben, in 

welcher Qualität die funktionalen Leistungen erbracht werden müssen 17) , und spielen eine große 

Rolle für das Vorgehen und die Design-Entscheidungen während der Ontologieentwicklung. Aus 

diesem Grund ist die zusammenfassende Darstellung aller Anforderungen ein weiteres Ziel der Anforderungsspezifizierung. 

Daraus wird ein Katalog von Gütekriterien gebildet, der als Richtlinie bei 

der Entwicklung der Ontologie und auch als Referenzrahmen bei der Evaluation der Ontologie zu 

benutzen ist. 

Das aus dieser Phase resultierende Dokument der Anforderungsspezifikation 18) soll gewährleisten, 

dass die zu entwickelnde Ontologie auch tatsächlich den von den Projektbeteiligten und den Mitarbeitern 

der DMT gewünschten Umfang besitzt und den Anforderungen der Benutzer entspricht. 

16) Vgl. SOMMERVILLE (2001) S. 100. 

17) Vgl. SCHIENMANN (2002) S. 132. 

18) Zur Abgrenzung werden die Phase und die darin enthaltenen Aktivitäten hier als Anforderungsspezifizierung, das daraus resultierende 

Dokument als Anforderungsspezifikation bezeichnet. Das Dokument Anforderungsspezifikation findet sich in dieser 

Publikation redaktionell überarbeitet als Kapitel 2.1 (S. 321 ff.) wieder.


3.2.2.3.2 Problemstellungen und Lösungsansätze 

Bei der Spezifizierung der Anforderungen an die Kompetenzontologie wurden die Problemstellungen 

Abgrenzung der Anforderungen, Erwartungen der Benutzer, Formulierung der Anforderungen 

an die Ontologie, Festlegung der Schnittstellen zu anderen Systemen und Operationalisierung der 

Gütekriterien beachtet. In den folgenden Kapiteln werden diese Problemstellungen mit den hierfür 

gefundenen Lösungsansätzen kurz skizziert. 

3.2.2.3.2.1 Abgrenzung der Anforderungen 

Die Ontologie ist von vornherein auf eine Anwendung im Rahmen eines computerbasierten Kompetenzmanagementsystems 

(KOWIEN-Prototyp) ausgerichtet. Deshalb ist eine Unterscheidung zwischen 

den Anforderungen an die Ontologie und den Anforderungen an das Kompetenzmanagementsystem 

schwierig. So wird im Rahmen der Anforderungsanalyse mit Use Cases die Interaktion 

der Benutzer mit dem System untersucht, das in diesem Fall das Kompetenzmanagementsystem mit 

der Kompetenzontologie als Subsystem ist. Daher beschreiben die identifizierten Anwendungsfälle 

19) meist nur eine indirekte Interaktion der Benutzer mit der Ontologie, denn das Kompetenzmanagementsystem 

muss die Benutzerschnittstelle mit der entsprechenden Funktionalität bereitstellen. 

Um dennoch bei der Spezifizierung der funktionalen Anforderungen den Bezug zur Ontologie zu 

erhalten, werden diese in Form von Competency Questions an die Ontologie formuliert. Der gesamte 

Katalog von Gütekriterien ist durch eine Analyse der vorliegenden Situation sowie der in der Literatur 

erwähnten Kriterien für die Bewertung von Ontologien und Modellen entstanden und im Unterschied 

zu den Anwendungsfällen speziell auf die Kompetenzontologie ausgerichtet. 

3.2.2.3.2.2 Erwartungen der Benutzer 

Bei den zukünftigen Benutzern der Ontologie existieren unterschiedliche Vorstellungen in Bezug 

auf die in der Ontologie enthaltenen Konzepte. So wünschen beispielsweise die Mitarbeiter der Personalabteilung, 

dass das vorhandene Wissen über Kompetenzen möglichst umfangreich repräsentiert 

und allgemein zugänglich gemacht wird, damit das betriebliche Kompetenzmanagement dezentraler 

gestaltet werden kann. Aus Sicht der Mitarbeiter der Abteilung Innovations- und Projektmanagement 

wäre es jedoch auch sinnvoll, Wissen über abgeschlossene und aktuelle Projekte, deren 

technische Lösungen und Ausschreibungen abzubilden, um bereits gemachte Erfahrungen nutzen zu 

können und so beispielsweise die Wiederverwendung von Wissen zu fördern. Eine genaue Abgrenzung 

des „sinnvollen“, also des erforderlichen und gleichzeitig ausreichenden Umfangs der Kompetenzontologie 

ist deshalb notwendig. Eine klare Spezifikation der funktionalen Anforderungen mittels 

der Formalisierung von Competency Questions spielt für die Lösung des Abgrenzungsproblems 

eine große Rolle. 

19) Die Begriffe „Use Case“ und „Anwendungsfall“ werden hier synonym verwendet.


3.2.2.3.2.3 Formulierung der Anforderungen an die Ontologie 

Die Anforderungen an die Kompetenzontologie müssen möglichst präzise und gleichzeitig für die 

Anwender 20) verständlich formuliert werden. Dabei ist auch zu berücksichtigen, dass die Ontologie 

selbst nicht als eigenständiges Anwendungssystem gesehen wird, sondern als Subsystem oder 

Grundgerüst des Kompetenzmanagementsystems. Anstelle der Aktionen, die bestimmte Eingaben 

in bestimmte Ausgaben transformieren sollen, beschreiben die funktionalen Anforderungen hier den 

erforderlichen Umfang des Wissens, das mithilfe der sprachlichen Ausdrucksmittel der DMT-Ontologie 

erfasst werden soll. In der Software-Entwicklung werden die funktionalen Anforderungen 

häufig als Beschreibung der vom System erwarteten Aktionen in Form von „Muss“-, „Soll“- und 

„Kann“-Sätzen spezifiziert 21) , um die unterschiedliche Dringlichkeit der Anforderungen zu verdeutlichen. 

An dieser Stelle werden Competency Questions mit Priorisierung, also mit einer Abstufung 

nach sehr hoher, hoher und mittlerer Priorität, bevorzugt. Competency Questions beschreiben den 

Umfang des bereitzustellenden Wissens. 22) Sie sind anwendungsnah und intuitiv verständlich, da sie 

wie eine Anfrage eines Benutzers an die Ontologie formuliert sind. 

3.2.2.3.2.4 Festlegung der Schnittstellen zu anderen Systemen 

Die Ontologie ist zunächst nur über das auf sie aufsetzende Kompetenzmanagementsystem in die 

IT-Systemlandschaft des Unternehmens eingebettet. Daher ist die Ontologie nur indirekt über das 

Kompetenzmanagementsystem mit anderen Softwaresystemen verbunden. Diese Systeme und die 

Art ihrer Schnittstellen zum Kompetenzmanagementsystem stehen zum Zeitpunkt der Ontologiekonstruktion 

noch nicht vollständig fest; weitere Überlegungen zu diesem Aspekt müssen bei der 

Entwicklung des KOWIEN-Prototyps angestellt werden. Die Analyse der technischen Rahmenbedingungen, 

durch die sich konkrete Anforderungen an die Ontologie ableiten lassen, beschränkt sich 

daher an dieser Stelle auf die durch den KOWIEN-Prototyp gegebenen Bedingungen. Z.B. sollte ein 

Export der Konstruktdefinitionen nach XML und Excel möglich sein. Die bei der DMT vorhandenen 

IT-Systeme spielen eine große Rolle für die Wissensakquisition, die Erstellung der Ontologie 

und für die spätere regelmäßige Aktualisierung der Ontologie. Sie müssen aus diesem Grund hinsichtlich 

der für das betriebliche Kompetenzmanagement relevanten Informationen untersucht werden. 

3.2.2.3.2.5 Operationalisierung der Gütekriterien 

Für eine systematische Evaluation müssen möglichst frühzeitig Indikatoren festgelegt werden, anhand 

derer eine Ontologie hinsichtlich der meist impliziten, nicht direkt beobachtbaren Gütekriterien 

bewertet werden kann. Ein Indikator deutet im Gegensatz zu dem Gütekriterium, dem er zugeordnet 

wird, als eine direkt messbare Größe auf die Erfüllung eines Gütekriteriums hin, setzt sie 

20) Die Begriffe „Anwender“ und „Benutzer“ werden in diesem Beitrag synonym verwendet. 

21) Durch solche Schlüsselwörter kann die Verbindlichkeit der Anforderungen dargestellt werden, d.h., ob eine Anforderung eine 

Pflicht („muss“), ein Wunsch („soll“), eine Absicht („wird“) oder ein Vorschlag („kann“) ist; vgl. RUPP (2002) S. 160 ff. u. 

165 (mit zwei zusätzlichen Varianten der Absicht und des Kommentars). 

22) Siehe dazu auch Kapitel 2.1.6.4 (S. 344 f.).


aber nicht voraus. 23) Die Identifikation solcher Indikatoren ist keine triviale Aufgabe, da ihre Wahl 

für die bei der Evaluation beteiligten Personen nachvollziehbar sein muss und eine für alle Beteiligten 

verständliche und umsetzbare Art der Bewertung festzulegen ist. Die für die hier festgelegten 

Gütekriterien gewählten Indikatoren werden nach einer Analyse der Vorschläge aus der Literatur 

und aufbauend auf den bisherigen KOWIEN-Arbeiten erarbeitet. 24) 

3.2.2.3.3 Methoden 

Bei der Durchführung der Anforderungsspezifizierung werden Anwendungsfälle (Use Cases) und 

Competency Questions eingesetzt, um die Erhebung und Formulierung der Anforderungen zu unterstützen. 

Im Folgenden werden diese beiden Methoden kurz erläutert und ihre Anwendung im 

Rahmen der Ontologieentwicklung wird beschrieben. 

3.2.2.3.3.1 Use Cases 

Anwendungsfälle sind ein Bestandteil der „Unified Modeling Language” (UML), die in den neunziger 

Jahren durch die Zusammenarbeit von JACOBSON, BOOCH und RUMBAUGH entwickelt und 

1997 von der Object Management Group (OMG) standardisiert wurde. 25) JACOBSON ET AL. definieren 

einen Use Case als Spezifikation einer Sequenz von Aktionen, die ein System durchführen kann 

und die erkennbare, für einen bestimmten Akteur nützliche Ergebnisse erbringen. 26) Ein Anwendungsfall 

beschreibt Interaktionen eines Benutzers mit dem System, das entwickelt werden soll. Im 

Allgemeinen wird ein Use Case durch einen Akteur angestoßen, der entweder einen menschlichen 

Benutzer oder auch ein anderes Programm oder externe Hardware repräsentiert und der mit dem 

System interagiert. 

Bei der Modellierung mit Use Cases wird empfohlen 27) , zusätzlich zum Basisablauf, also dem 

„normalen“, vom Akteur erwarteten Ablauf eines Anwendungsfalls, noch weitere wichtige Eigenschaften 

eines Use Cases zu beschreiben. Dazu gehören mögliche alternative Abläufe sowie Vor- 

und Nachbedingungen, die wichtige Merkmale des Systems vor und nach dem dargestellten Ablauf 

umfassen. 

Alle Akteure und Use Cases eines Systems werden in einem so genannten Anwendungsfallmodell 

graphisch zusammengefasst. 28) Dabei müssen nicht alle Use Cases unabhängig voneinander existie- 

23) Dies gilt unter dem Vorbehalt, dass von Problemen der Konstruktvalidität abgesehen werden kann. Im Allgemeinen hofft man 

auf eine positive Korrelation zwischen Indikator und „indizierter“ Größe. Nach dem kausalanalytischen Ansatz wird davon 

ausgegangen, dass latente Variablen Phänomene verursachen, die durch Indikatoren erfasst werden können. Diese „Wirkungs“-Indikatoren 

werden also als kausale Folgen der latenten Variablen aufgefasst; vgl. SCHNELL/HILL/ESSER (1995) S. 

123. Problematisch erscheint hierbei oftmals, den behaupteten kausalanalytischen Zusammenhang „belastbar“ zu belegen. 

24) Vgl. beispielsweise ALAN/ALPARSLAN/DITTMANN (2003) S. 57 f. 

25) Die OMG ist ein offenes, nicht-kommerzielles Konsortium aus zahlreichen Großunternehmen der Computer-Industrie, das 

Standards für objektorientierte Techniken entwickelt. Aktuelle Informationen sind im Internet unter der URL „http://www. 

omg.org/“ zu finden (Zugriff am 09.09.2004). 

26) Vgl. JACOBSON/BOOCH/RUMBAUGH (1999) S. 41. 

27) Vgl. JACOBSON/BOOCH/RUMBAUGH (1999) S. 155 ff. 

28) Für weitere Informationen zu Anwendungsfallmodellen siehe SCHIENMANN (2002) S. 227 f.


ren. In der aktuellen Version der UML sind drei verschiedene Beziehungen zwischen Use Cases 

standardmäßig vorgesehen: 29) 

• Generalisierung: Ein Anwendungsfall kann durch einen oder mehrere konkretere Anwendungsfälle 

spezialisiert werden. Der erstgenannte Anwendungsfall stellt dann eine Generalisierung 

der letztgenannten Anwendungsfälle dar. 

• Erweiterung: Ein Anwendungsfall kann unter bestimmten Bedingungen an einer festzulegenden 

Stelle durch einen anderen Use Case erweitert werden. 

• „Include“-Beziehungen: Ein Anwendungsfall kann einen anderen Anwendungsfall umfassen 

und enthält in diesem Fall auch die in dem anderen Use Case spezifizierten Aktionen. 

Der Einsatz von Use Cases bei der Anforderungserhebung ist insofern vorteilhaft, als dass der 

Schwerpunkt auf den Anforderungen aus Benutzersicht liegt und damit auch die Akzeptanz des 

Systems bei den Benutzern gesteigert werden kann. 

Darüber hinaus sind Use Cases hilfreich bei der systematischen Abgrenzung eines Systems von seiner 

Außenwelt. Es ist jedoch zu beachten, dass Anwendungsfälle in erster Linie die funktionalen 

Anforderungen an das System abbilden. Aus diesem Grund bilden die mithilfe der Use Cases abgeleiteten 

Competency Questions nur einen Bestandteil des Gütekriterien-Katalogs, der durch eine 

Analyse der in der Literatur genannten allgemeinen Anforderungen an Ontologien und deren Abgleich 

mit den speziellen Bedingungen der Ontologieentwicklung bei der DMT erstellt wurde. 

3.2.2.3.3.2 Competency Questions 

Die funktionalen Anforderungen, also die von der Ontologie erwarteten Leistungen für die Benutzer, 

werden im Projekt KOWIEN durch Competency Questions 30) repräsentiert. Diese stellen potenzielle 

Anfragen der zukünftigen Benutzer an die Ontologie dar und betreffen die in der Ontologie 

abzubildenden Aufgaben. 31) Darüber hinaus sind aus diesen Competency Questions später erste Informationen 

bezüglich der erforderlichen Bestandteile der Ontologie, also der benötigten Konzepte, 

Attribute und Relationen sowie der Inferenz- und Integritätsregeln, zu erhalten. Sie ermöglichen 

später bei der Evaluation eine einfachere Messung und eine „objektive“ Beurteilung der Funktionalität 

der Ontologie. 

Es wird hier zwischen informalen und formalen Competency Questions unterschieden. Informale 

Competency Questions sind in natürlicher Sprache oder einer beliebigen anderen Darstellungsform, 

die nicht unmittelbar computerverarbeitbar ist, verfasst. Hingegen sind formale Competency 

Questions direkt computerverarbeitbar, d.h. sie sind oftmals in einer höheren Programmiersprache 

abgefasst. 

29) Vgl. die genaue Spezifikation in OBJECT MANAGEMENT GROUP (2003). 

30) Um begrifflich „sauber“ zu bleiben, wird an dieser Stelle auf eine Übersetzung (etwa zu Kompetenzfragen) verzichtet. Zum 

einen gilt der Begriff Competency Questions als eingeführt und zum anderen würde die Bedeutung nicht der Verwendung des 

Begriffs Kompetenz innerhalb von Kompetenzmanagementsystemen entsprechen. 

31) Vgl. GRÜNINGER/FOX (1994b) S. 5.


Die Fragen können aus den zuvor erwähnten Anwendungsfällen abgeleitet werden oder auch in direkter 

Zusammenarbeit mit den Benutzern erhoben werden. 32) Um eine systematische und den Benutzeranforderungen 

gerechte Ontologieerstellung und -evaluation zu fördern, wird jeder Competency 

Question eine Priorität zugeordnet, die sich aus der Bedeutung der jeweiligen Funktionalität 

für die Benutzer (menschliche und technische, d.h. hauptsächlich das Kompetenzmanagementsystem 

betreffend) ergibt. 

3.2.2.3.4 Vorgehen 

Um die Nachvollziehbarkeit der erarbeiteten Ergebnisse zu erhöhen und einen Vergleich mit dem 

im generischen Vorgehensmodell definierten Ablauf zu ermöglichen, wird im Folgenden das genaue 

Vorgehen bei der Anforderungsspezifizierung, wie es auch durch die einzelnen Funktionen 

des generischen Vorgehensmodells KOWIEN festgelegt ist, erläutert. 33) 

Zu Beginn wurde das Dokument „Anforderungsspezifikation“ erstellt, das als Pflichtenheft für die 

Konstruktion der Kompetenzontologie dient und in dem alle Ergebnisse dieser Phase festgehalten 

werden. Gliederung und Inhalt dieses Dokuments wurden angelehnt an den IEEE 34) Standard für 

Software-Anforderungsspezifikationen, die von SCHIENMANN (2002) vorgeschlagene Struktur eines 

Pflichtenhefts und existierende Beispiele für „Ontologie-Anforderungsspezifikationen“. 35) Im weiteren 

Verlauf der Anforderungsspezifizierung wurde dieses Dokument Schritt für Schritt erweitert, 

überprüft und korrigiert. 

3.2.2.3.4.1 Ziele festlegen 

Wie im Vorgehensmodell vorgesehen, wurden zunächst der Zweck der Kompetenzontologie und 

die Hauptziele der Ontologieentwicklung formuliert. Dabei war zu beachten, welche Ziele sich speziell 

auf die Konstruktion der Kompetenzontologie beziehen und welche mit der Entwicklung des 

Gesamtsystems, also des ontologiebasierten Kompetenzmanagementsystems, verfolgt werden. So 

sind die Sichtbarmachung des Wissens über Kompetenzen, seine computerverarbeitbare Darstellung 

und die Bereitstellung eines einheitlichen Vokabulars zur Beschreibung von Kompetenzen Ziele der 

Ontologieentwicklung an sich, während beispielsweise die Unterstützung der Personalentwicklung, 

der Projektteambildung und der Suche nach Experten Ziele des gesamten Kompetenzmanagement- 

32) Zwischen Anwendungsfällen, funktionalen Anforderungen und Competency Questions existieren folgende Abhängigkeiten: 

Zunächst werden Anwendungsfälle erstellt, die als Grundlage für die Diskussion mit den Anwendern dienen. Aus diesen Anwendungsfällen 

können „klassische“ funktionale Anforderungen (z.B.: die Ontologie soll die sprachlichen Ausdrucksmittel 

bereitstellen, mit denen die Weiterbildungsaktivitäten eines Mitarbeiters festgehalten werden können) abgeleitet werden. Für 

die Ontologieentwicklung werden die funktionalen Anforderungen als Competency Questions formuliert. Diese Competency 

Questions werden somit aus den Anwendungsfällen abgeleitet und repräsentieren die funktionalen Anforderungen an die Ontologie. 

33) Funktionen sind ein wichtiges Modellelement von Ereignisgesteuerten Prozessketten und repräsentieren im Vorgehensmodell 

KOWIEN die einzelnen abgrenzbaren Aktivitäten bei der Ontologieentwicklung. Die hier übernommenen Bezeichnungen für 

die Funktionen der Anforderungsspezifizierung sind auch in Kapitel 2.1 zu finden. 

34) IEEE (Institute of Electrical and Electronics Engineers) ist eine international tätige Organisation, die 1963 in den USA gegründet 

wurde und sich um die Entwicklung von Standards für Elektrik und Elektronik kümmert; aktuelle Informationen sind 

im Internet unter der URL „http://www.ieee.org“ (Zugriff am 10.07.2003) zu finden. 

35) Vgl. IEEE 833 (1998) S. 10 ff.; SCHIENMANN (2002) S. 145 ff. und SURE/STUDER (2002) S. 38 ff.


systems (mit der Kompetenzontologie als „Subsystem“) sind. Die Formulierung dieser Ziele wurde 

später zusammen mit Vertretern der Personalabteilung überprüft und erweitert. So wurde beispielsweise 

das Ziel „Dezentralisierung des betrieblichen Kompetenzmanagements bei der DMT“ auf 

Wunsch der Personalentwicklung hinzugefügt. 

3.2.2.3.4.2 Anwendungsbereiche und Benutzer identifizieren 

Anschließend wurde das zukünftige Umfeld der Ontologie beschrieben, indem die Anwendungsbereiche 

und Benutzer identifiziert und die Schnittstellen zu anderen Systemen untersucht wurden. Es 

lassen sich drei Benutzergruppen der Kompetenzontologie identifizieren: Da ihr Anwendungsbereich 

im betrieblichen Kompetenzmanagement der DMT liegt, gehören die Mitarbeiter der Personalabteilung, 

insbesondere Personalentwickler und Personalreferenten 36) , zu den Hauptnutzern der 

Ontologie. Auch Projektleiter, Vertriebsleiter und andere Personalverantwortliche werden durch die 

Kompetenzontologie in ihrer Arbeit unterstützt, insbesondere bei der Personalführung, der Teambildung 

und der Projektakquisition. Grundsätzlich zählen jedoch auch die übrigen Mitarbeiter der 

DMT zu den potenziellen Benutzern der Ontologie, da beispielsweise das Auffinden von „Experten“ 

eine wichtige Hilfe bei Problemen im betrieblichen Alltag sein kann. 

3.2.2.3.4.3 Benutzeranforderungen erheben 

3.2.2.3.4.3.1 Anwendungsfälle entwickeln 

Für die Erhebung der Anforderungen an die Kompetenzontologie wurden zunächst die für das 

KOWIEN-Projekt bereits erarbeiteten Anwendungsfälle und Anforderungen analysiert. Auf Basis 

der bestehenden Anwendungsfälle wurden neue Anwendungsfälle entwickelt, die speziell auf die 

Kompetenzontologie für die DMT ausgerichtet waren und dadurch eine Konkretisierung und 

gleichzeitig eine Erweiterung der bestehenden Anwendungsfälle bildeten. Dafür wurden die verschiedenen 

Akteure 37) , die mit der Ontologie (meist indirekt über das Kompetenzmanagementsystem) 

interagieren, identifiziert und zusammen mit den Anwendungsfällen detailliert beschrieben. 

Dabei ist eine grobe Unterscheidung der Akteure in Benutzer (auch KMS-Anwender) und Ontologieentwickler 

(auch Ontologie-Administrator) möglich. 

Die Benutzer können weiter unterteilt werden in die Rollen Selbsteinschätzer, Fremdeinschätzer, 

Projektteamkonfigurator, Expertensuchender, Personalentwickler, Kompetenzauswertender und 

Personalverantwortlicher. Die bereits für KOWIEN spezifizierten Anwendungsfälle wurden untersucht 

und zu einem großen Teil detailliert und auf die Situation bei der DMT spezialisiert (so etwa 

die Use Cases 1, 3 bis 6, 11 und 12 aus Kapitel 2.1.5.3 auf S. 330 ff.). Einige wurden stark verändert 

in die neue Menge von Anwendungsfällen aufgenommen (Use Cases 2 und 8), während andere 

ganz weggelassen werden konnten, da sie aus Sicht der Entwickler und der zukünftigen Benutzer 

für die Erstellung der Kompetenzontologie nicht erforderlich waren (Use Cases 7, 9 und 10). 

36) Personalentwickler bei der DMT haben die Aufgabe, die aktuell vorhandenen Mitarbeiterkompetenzen zu erfassen, Weiterbildungsbedarf 

zu ermitteln und entsprechende Weiterbildungsmaßnahmen zu organisieren. Personalreferenten sind in erster 

Linie für Personalrekrutierung und -abrechnung zuständig. 

37) Ein Akteur definiert eine Menge von Rollen, die ein Benutzer einer Entität (z.B. eines Anwendungssystems) während der Interaktion 

mit der Entität einnehmen kann; vgl. OBJECT MANAGEMENT GROUP (2003) S. 3.97.


Stellvertretend für die späteren Benutzer der Ontologie erklärten sich je ein Mitarbeiter der Abteilung 

Personalentwicklung sowie der Abteilung Innovations- und Projektmanagement dazu bereit, 

die Akteure und Anwendungsfälle zu überprüfen und zu korrigieren. Ein Beispiel für eine dabei 

vorgenommene Modifikation der Use-Case-Beschreibungen ist die Konzentration auf die Selbsteinschätzung 

durch die DMT-Mitarbeiter. In Gesprächen mit den Benutzervertretern wurde deutlich, 

dass aufgrund von Missbrauchsrisiken, dadurch entstehenden Akzeptanzschwierigkeiten und bereits 

existierenden Betriebsratsvereinbarungen die Beschreibung von Kompetenzen durch andere Personen 

als den Kompetenzträger selbst nur als Ausnahme möglich ist. 38) 

Parallel zu dieser ersten iterativ durchgeführten Validierung der Anwendungsfälle wurden die Use 

Cases weiter detailliert und ihre Beziehungen und Abhängigkeiten untereinander untersucht. So 

konnte zum Beispiel der allgemeine Use Case „Kompetenzprofile pflegen“ durch die detaillierten 

Anwendungsfälle „eigene Kompetenzen beschreiben“, „Kompetenzen anderer Mitarbeiter beschreiben“ 

und „Kompetenzprofil automatisch pflegen“ spezialisiert werden, um die Ableitung konkreter 

Anforderungen zu vereinfachen. Da die Anwendungsfälle „Projektteam bilden“, „Stelle besetzen/Personal 

rekrutieren“, „Kompetenzträger suchen“ und „Skill-Gaps ermitteln“ auf einer gemeinsamen 

Aktionsfolge aufbauen, wurde diese als eigener Anwendungsfall („Kompetenzprofil 

‘matchen’“) formuliert und mit den anderen durch eine „include“-Beziehung verknüpft. Darüber 

hinaus wurden „extend“-Beziehungen identifiziert, durch die beispielsweise der Anwendungsfall 

„Stelle besetzen/Personal rekrutieren“ eine potenzielle Erweiterung zu „Skill-Gaps ermitteln“ bildet. 

Schließlich wurde der Anwendungsfall „Kompetenztäger suchen“ auf den neuen Anwendungsfall 

„Experte suchen“ spezialisiert, weil aus Sicht der DMT-Mitarbeiter nur der letztgenannte Spezialfall 

von großem praktischen Interesse ist. Daraus resultierte eine Struktur der Anwendungsfälle, 

die vom Anwendungsfallmodell in Kapitel 2.1.5.1 (vgl. Abbildung 32, S. 328) geringfügig abweicht. 

3.2.2.3.4.3.2 Competency Questions formulieren 

Die aus diesen Anwendungsfällen ableitbaren funktionalen Anforderungen wurden in Form von 

Competency Questions formuliert, um die durch die Ontologie bereitzustellenden sprachlichen Ausdrucksmittel 

möglichst vollständig und verständlich zu spezifizieren. Auch dafür existierten bereits 

Dokumente, in denen die verschiedenen Praxispartner im KOWIEN-Projekt „Competency Questions“ 

an die Ontologie und das ontologiebasierte Kompetenzmanagementsystem aufgestellt haben. 39) 

Diese Competency Questions wurden analysiert und anschließend dahingehend überarbeitet, dass 

sie die funktionalen Anforderungen an die Kompetenzontologie der DMT möglichst vollständig 

repräsentierten. Dabei wurden die bereits aufgestellten Anwendungsfälle für die Prüfung herangezogen, 

ob die Competency Questions richtig formuliert waren oder ob einige Fragen irrelevant waren 

oder fehlten. Dadurch konnten Verbindungen zwischen Anwendungsfällen und Competency 

Questions identifiziert werden, die für die Nachvollziehbarkeit der Anforderungen sowie für spätere 

Änderungen und ihre Auswirkungen eine Rolle spielen. 

38) Diese Personalpolitik zielt darauf ab, dass die permanente Verfügbarkeit und die hohe Eigenverantwortung bei einem Kompetenzmanagementsystem 

auf Basis von Selbsteinschätzungen für die Mitarbeiter der DMT genug Motivation hervorrufen, ihre 

eigenen Kompetenzen ehrlich einzuschätzen und ihr Profil regelmäßig zu aktualisieren. 

39) Vgl. ALAN/BÄUMGEN (2002) S. 18.


Die resultierenden Competency Questions, die unter den Ergebnissen der Phase Anforderungsspezifikation 

in Kapitel 3.2.2.3.5 auf S. 642 ff. aufgeführt sind, decken alle in ALAN/BÄUMGEN (2002) 

beschriebenen Fragen ab, wobei ihre Formulierung auf den Kontext der DMT angepasst ist. Zusätzlich 

wurden aus dem durch die Mitarbeiter der DMT erstellten Dokument „Competency Questions“, 

aus einer Befragung von zukünftigen Anwendern und aus der Analyse der Anwendungsfälle weitere 

Competency Questions identifiziert (Fragen 1, 2, 11, 13). Die Repräsentanten der Abteilungen Personalentwicklung 

sowie Innovations- und Projektmanagement untersuchten dann erneut die Ergebnisse 

auf ihre Richtigkeit und Vollständigkeit. Ebenfalls gemeinsam mit den Vertretern der Endnutzer 

wurde eine Priorisierung der Competency Questions vorgenommen, bei der die Dringlichkeit 

der „Umsetzung“ der einzelnen Fragen bei der Ontologieentwicklung bewertet wurde. Die Priorität 

einer Competency Question ergab sich in erster Linie aus der Bedeutung der darin angesprochenen 

Funktionalität für die Mitarbeiter. Darüber hinaus wurden auch die Dringlichkeit einer Frage für das 

darauf aufsetzende Kompetenzmanagementsystem (als nicht-menschlicher Akteur) sowie eine grobe, 

im Rahmen eines KOWIEN-Projekttreffens vereinbarte (Bearbeitungs-) Reihenfolge 40) der mit 

der Frage verknüpften Anwendungsfälle berücksichtigt. 

Die Competency Questions wurden dann formalisiert, um sie bei der Evaluation der Ontologie 

überprüfen zu können. Diese Aktivität wurde iterativ und über einen längeren Zeitraum durchgeführt, 

da die Formulierung der Fragen von der Ontologie abhängig ist, besonders von den Bezeichnungen 

der Konzepte, Attribute und Relationen. Aus diesem Grund konnten nicht sofort alle Fragen 

formal dargestellt werden; einige mussten nach Änderungen der Ontologie neu formuliert werden. 

Als Repräsentationssprache für die formalen Competency Questions wurde F-Logic ausgewählt, da 

auch schon die KOWIEN-Ontologie in diesem Format vorlag. 

3.2.2.3.4.3.3 Gütekriterien-Katalog erstellen 

Da die Competency Questions nur die funktionalen Anforderungen an die Kompetenzontologie repräsentieren, 

wurde ein Katalog von Gütekriterien erstellt, der die Gesamtheit aller Anforderungen 

an die Kompetenzontologie repräsentiert. Dabei wurde ein Schwerpunkt auch auf die Beschreibung 

der nicht-funktionalen Anforderungen gelegt, mit denen die erforderlichen Qualitätsmerkmale für 

die funktionalen Leistungen spezifiziert werden. Die bislang im Rahmen des KOWIEN-Projekts erarbeiteten 

Anforderungen an Ontologien 41) und die in der Literatur vorgeschlagenen Design-Kriterien 

42) wurden analysiert. Auf dieser Basis wurde ein eigener Katalog von Gütekriterien für die 

Kompetenzontologie der DMT erstellt. Insbesondere situative Rahmenbedingungen wie die geringen 

Erfahrungen mit Ontologien auf der Seite vieler Projektbeteiligter und der meisten zukünftigen 

40) So wurde im Rahmen eines Projekttreffens des Universitätspartners mit allen Praxispartnern am 03.06.2003 folgende grobe 

Priorisierung der Anwendungsfälle vorgenommen: Die Use Cases Kompetenzontologie pflegen und Kompetenzprofile pflegen 

sollten mit der höchsten Priorität behandelt werden (hier: Anwendungsfälle 1 bzw. 2 gemäß Abbildung 32, S. 328), während 

den Use Cases Kompetenzträger suchen, Projektteam bilden, Stelle bestzen/Personal rekrutieren und Skill-Gaps ermitteln 

eine weniger hohe Priorität zugewiesen wurde (hier: Anwendungsfälle 5 bis 8 gemäß Abbildung 32). Alle weiteren Anwendungsfälle 

im KOWIEN-Projekt, wie etwa Lessons learned dokumentieren und (Anlagen-)Konzept erstellen (nicht in Abbildung 

32 enthalten), werden mit der niedrigsten Priorität behandelt; ihre Realisierung war also vom zeitlichen Verlauf des Projekts 

abhängig. 

41) Siehe ALAN/BÄUMGEN (2002) S. 31 ff. 

42) Wichtige Design-Kriterien und Grundsätze für die Entwicklung von Ontologien oder Modellen im Allgemeinen sind in GRU- 

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 

SCHÜTTE (1998) S. 111 ff. zu finden.


Benutzer waren durch entsprechende Grundsätze wie Einfachheit und Erweiterbarkeit der Kompetenzontologie 

zu berücksichtigen. Auch bei einer ersten Priorisierung der Gütekriterien musste die 

spezielle Situiertheit dieser Ontologiekonstruktion beachtet werden, so dass etwa die Klarheit als 

sehr wichtig bewertet wurde, damit die Ontologie trotz der geringen Anzahl ihrer Entwickler für 

möglichst viele Personen (und Programme) bei der DMT eindeutig und nachvollziehbar ist. 

Der daraus entstandene Kriterienkatalog wurde iterativ überarbeitet und ergänzt. Dabei war es auch 

erforderlich, die Beziehungen der Kriterien untereinander zu analysieren, da einige Kriterien nicht 

unabhängig von den anderen bestehen. So wird beispielsweise die Wiederverwendbarkeit einer Ontologie 

stark (positiv) beeinflusst von ihrer Konsistenz, ihrer Minimalität und ihrer Erweiterbarkeit. 

Außerdem wurden Möglichkeiten zur Erfüllung und zur Messung der Gütekriterien untersucht, um 

eine konkrete Hilfestellung für die Berücksichtigung der Kriterien bei der Konstruktion und Evaluation 

der Kompetenzontologie zu geben. Dabei wurden die Vorschläge aus der Literatur 43) für die 

konkrete Entwicklungssituation im KOWIEN-Projekt spezialisiert, erweitert und mit Beiträgen des 

Universitätspartners 44) abgeglichen. 

Der resultierende Katalog von Gütekriterien ist in der Anforderungsspezifikation (siehe Kapitel 

2.1.6 auf S. 341 ff.) sowie der Übersichtlichkeit halber verdichtet in Kapitel 3.2.2.3.5.4 (S. 647) 

aufgeführt. 

3.2.2.3.4.4 Anforderungen des Umfelds identifizieren 

Obwohl die genauen Schnittstellen des Kompetenzmanagementsystems zu den IT-Systemen der 

DMT noch im Zuge der Entwicklung des KOWIEN-Prototyps zu spezifizieren waren, musste für 

die Konstruktion der DMT-Ontologie bereits frühzeitig eine Identifikation der Systeme, die für das 

weitere Umfeld der Ontologie wichtig sind oder die für die Erstellung der Ontologie relevante Daten 

umfassen, erfolgen. Folgende Systeme spielen für die Entwicklung und Nutzung der Ontologie 

im Rahmen des Kompetenzmanagementsystems eine große Rolle: 

• Der Wissensmanager ist eine Datenbank zur Darstellung von Mitarbeiterkompetenzen. Diese 

Datenbank soll durch das ontologiebasierte Kompetenzmanagementsystem (vorläufig) nicht 

abgelöst, jedoch erweitert und verbessert werden. 

• Die Referenzdatenbank umfasst Namen, Beschreibungen, DMT-Aufgaben, Partner, Kunden 

und Auftragswerte von bereits durchgeführten Projekten, so dass etwa bei einer Angebotsabgabe 

auf entsprechende Referenzen zugegriffen werden kann. 

• In der Projektpartnerdatenbank sind Namen, Schlüsselwörter, Budgets und beteiligte Unternehmen 

von abgeschlossenen Projekten abgelegt, um Informationen zu Projekten mit bestimmten 

Partnern bereitzustellen. 

Diese Systeme beinhalten relevante Daten sowohl für die Erstellung als auch für die regelmäßige 

Aktualisierung der Kompetenzontologie. Da jedoch eine eventuelle dauerhafte Verbindung zur Ontologie 

über das Kompetenzmanagementsystem zu realisieren ist und die Schnittstellen zwischen 

dem Kompetenzmanagementsystem und den genannten Datenbanken zu Beginn der Konstruktion 

43) Erste Ansätze zur Operationalisierung von Gütekriterien für Ontologien werden beispielsweise in FOX/GRÜNINGER (1997c) S. 

6 f., in GRUBER (1995) und in GÓMEZ-PÉREZ (2001) S. 394 ff. genannt. 

44) Siehe ALPARSLAN/DITTMANN (2002) und ALAN/ALPARSLAN/DITTMANN (2003) S. 44 f.


der DMT-Ontologie noch nicht feststanden, konnten konkrete technische Anforderungen an die Ontologie 

(wie etwa benötigte Austauschformate) noch nicht spezifiziert werden. Die Analyse der in 

den Datenbanken enthaltenen Informationen war jedoch bereits für die Wissensakquisition und die 

Konzeptualisierung von Bedeutung, um z.B. Informationen über die im Projektgeschäft der DMT 

verwendeten Begriffe zu erhalten. 

Nach der Analyse des technischen Umfelds wurden die Rahmenbedingungen der Ontologiekonstruktion, 

also der Zeitrahmen, die einzelnen Entwicklungsschritte und -ergebnisse sowie die zu 

verwendenden Werkzeuge, in der Anforderungsspezifikation erläutert. Diese Nebenbedingungen 

waren in erster Linie durch die organisatorischen Vorgaben des KOWIEN-Projekts bestimmt, so 

dass die Dauer der gesamten Ontologiekonstruktion auf maximal sechs Monate (Mai bis Oktober 

2003) begrenzt war und das Vorgehen bei der Entwicklung an dem zuvor entwickelten Vorgehensmodell 

auszurichten war. Als verfügbare Software-Unterstützung spielte vor allem das Entwicklungswerkzeug 

OntoEdit, das den Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise 

GmbH darstellt, eine große Rolle. Eine kurze Darstellung der Funktionalitäten und der Anwendung 

von OntoEdit wird in Kaptitel 3.2.2.5.2.1 gegeben (S. 663 f.). 

Abschließend wurde das Dokument der Anforderungsspezifikation von den Repräsentanten der Abteilungen 

Personalentwicklung sowei Innovations- und Projektmanagement sowie von Mitarbeitern 

des Universitätspartners überprüft und akzeptiert. Entscheidend war dabei, dass die darin spezifizierten 

Anforderungen von allen Beteiligten als richtig und vollständig für die Entwicklung der 

Kompetenzontologie der DMT angesehen wurden. 45) 

3.2.2.3.5 Ergebnisse 

Die Anforderungsspezifikation fasst die wesentlichen Ergebnisse dieser Phase zusammen. In diesem 

Artefakt werden die Ziele der Ontologieentwicklung, das zukünftige Umfeld der Ontologie, die 

identifizierten Anwendungsfälle, die funktionalen und nicht-funktionalen Anforderungen in Form 

des Gütekriterien-Katalogs sowie die Entwicklungsrahmenbedingungen spezifiziert. Um einen 

Überblick über diese Grundlage für die nachfolgenden Entwicklungsaktivitäten zu geben, werden 

im Folgenden die wichtigsten Bestandteile der Anforderungsspezifikation – die Anwendungsfälle, 

die Competency Questions sowie die Gütekriterien – kurz aufgeführt. 

45) Dennoch ist immer damit zu rechnen, dass im weiteren Verlauf der Ontologieentwicklung neue Anforderungen an die Kompetenzontologie 

entstehen oder Änderungen an den existierenden Anforderungen erforderlich werden. Aus diesem Grund 

muss die Anforderungsspezifikation regelmäßig überarbeitet und aktualisiert werden.


3.2.2.3.5.1 Anwendungsfälle 

Im Zuge der Anforderungsspezifikation wurden 13 Anwendungsfälle identifiziert, beschrieben und 

zueinander in Beziehung gesetzt. Die Anwendungsfälle und ihre Beziehungen lehnen sich an das 

Anwendungsfallmodell an, das in Kapitel 2.1.5.1 (S. 327 f.) vorgestellt und in Kapitel 2.1.5.3 (S. 

330 ff.) mit konkreten Anwendungsfällen ausgefüllt wurde (vgl. auch Abbildung 32 auf S. 328). Allerdings 

zeigte sich im Verlauf der Konstruktion der DMT-Ontologie, dass vom o.a. Anwendungsfallmodell 

hinsichtlich einiger Nuancen abgewichen werden musste, um die Einsichten zu berücksichtigen, 

die aus der Validierung der ursprünglich vorgesehenen Anwendungsfälle durch Mitarbeiter 

der DMT gewonnen wurden. 46) Daher weichen die Anwendungsfälle und ihre Beziehungen, die 

während der Ontologiekonstruktion bei der DMT schließlich verwendet wurden, geringfügig vom 

ursprünglich aufgestellten Anwendungsfallmodell und der Abbildung 32 auf S. 328 ab. Die nachfolgende 

Auflistung enthält die – neu nummerierten – Anwendungsfälle (AF) für die Konstruktion 

der DMT-Ontologie: 

1. Kompetenzprofile pflegen 

2. Eigene Kompetenzen beschreiben 

3. Kompetenzen anderer Mitarbeiter beschreiben 

4. Kompetenzprofil automatisch aktualisieren 

5. Kompetenzontologie pflegen 

6. Projektteam bilden 

7. Stelle besetzen / Personal rekrutieren 

8. Experten suchen 

9. Skill-Gaps ermitteln 

10. Kompetenzprofil „matchen“ 

11. Informationsnetz analysieren 

12. Details zu einem Mitarbeiter anzeigen lassen 

13. Details zu einem Projekt anzeigen lassen 

Bezüglich der Akteure wird aus Übersichtlichkeitsgründen nur zwischen dem Ontologie-Administrator 

und dem KMS-Anwender, der alle potenziellen Anwender des Kompetenzmanagementsystems 

(mit der Ontologie als Subsystem) repräsentiert, unterschieden. Auch hinsichtlich der Anwendungsfälle 

selbst stellt das (modifizierte) Anwendungsfallmodell nur eine Grobsicht dar. Use Case 5 

„Kompetenzontologie pflegen“ kann beispielsweise weiter detailliert werden, da bei der Pflege einer 

Ontologie meist mehrere Interaktionen mit dem Kompetenzmanagementsystem erforderlich 

sind. So muss beispielsweise zunächst ein Vorschlag für eine Änderung gemacht und dazu eine 

Entscheidung getroffen werden, was auch durch das Kompetenzmanagementsystem unterstützt 

werden sollte. Dieser Aspekt ist nicht mehr Gegenstand dieses Kapitels, sollte aber bei einer späteren 

Implementierung des Kompetenzmanagementsystems beachtet werden. 

46) Vgl. dazu die Ausführungen in Kapitel 3.2.2.3.4.3.1 auf S. 638 sowie den allgemeinen „Änderungsvorbehalt“ in der voranstehenden 

Fußnote.


3.2.2.3.5.2 Informale Competency Questions 

Aufbauend auf den zuvor dargestellten Anwendungsfällen wurden die funktionalen Anforderungen 

an die Kompetenzontologie der DMT identifiziert. Diese wurden in Form von priorisierten Competency 

Questions spezifiziert (mit den Prioritäten sehr hoch, hoch und mittel), die nachfolgend aufgeführt 

sind. 

1. Wie sieht mein eigenes aktuell gespeichertes Kompetenzprofil aus? (AF: 2) 

Priorität: sehr hoch 

2. Welche Begriffe bezeichnen die Kompetenzen in einem bestimmten Themengebiet? 

Welche Ausprägungen gibt es für diese Kompetenzen? (AF: 2, 3, 5) 


3. Wer hat erforderliches Expertenwissen auf einem bestimmten Level? (AF: 8) 


4. Welcher Mitarbeiter hat das geforderte Kompetenzprofil? (AF: 6,7) 


5. Wie sieht der Lebenslauf 47) des Mitarbeiters aus? (AF: 6, 7, 12) 


6. Wo sind im Hinblick auf ein bestimmtes Projekt Skill-Gaps bei Mitarbeitern? 

Wie groß sind diese? (AF: 9) 


7. Welche Referenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens 

zu einem bestimmten oder ähnlichen Themengebiet? 48) (AF: 11, 13) 


8. Welche Referenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens 

zu einem bestimmten Kunden oder Projektpartner? (AF: 11, 13) 


9. Welche Kompetenzen hat die DMT oder eine Division / Unit / Abteilung des Unternehmens? 

(AF: 11) 


10. Welcher Mitarbeiter hat in einem ähnlichen Projekt früher in welcher Funktion mitgearbeitet? 

(AF: 12, 13) 

Priorität: hoch 

47) Zur Abgrenzung der Competency Questions 1 und 5 sind an dieser Stelle kurz die Begriffe „Kompetenzprofil“ und „Lebenslauf“ 

zu erläutern. Der Lebenslauf eines Mitarbeiters umfasst seinen beruflichen Werdegang (in erster Linie Abschlüsse und 

bisherige Positionen) sowie Angaben zu Alter, Familienstand, Wohnort sowie zu Sprach- und EDV-Kenntnissen. Das Kompetenzprofil 

enthält darüber hinaus beispielsweise Informationen über die Selbst- und Sozialkompetenzen des Mitarbeiters 

und die konkreten Ausprägungen aller Kompetenzen. Es unterliegt daher noch stärkeren Sicherheitsvorschriften. 

48) Referenzen werden durch bereits abgeschlossene Projekte gebildet. Hier muss beachtet werden, dass bei der DMT Wissen 

über solche Projekte momentan nicht einheitlich in einem Software-System abgelegt wird; es gibt stattdessen eine Datenbank 

für abgeschlossene Projekte der Lieferung und Leistung (Referenz-Datenbank) und eine andere für abgeschlossene Forschungs- 

und Entwicklungsprojekte.


11. Welcher Mitarbeiter hat an welchen Weiterbildungsaktivitäten mit welchen Ergebnissen 

teilgenommen? (AF: 4) 

Priorität: hoch 

12. Welche Organisationseinheit ist für eine bestimmte betriebliche Aufgabe 

(z.B. Service-Leistungen für Akquisition / Abrechnung) zuständig? (AF: 8) 

Priorität: mittel 

13. Welche Projekte sind ausgeschrieben worden? Welche Projekte werden gerade akquiriert 49) ? 

Welche Projekte sind schon in Auftrag gegeben worden? (AF: 13) 


14. Welcher externe Projektpartner kommt für eine bestimmte Projektbearbeitung in Frage, 

weil er in ähnlichen Projekten bereits Erfahrungen hat? (AF: 13) 


15. Welcher Mitarbeiter hat Kontakt zu einem bestimmten Unternehmen? (AF: 12) 


3.2.2.3.5.3 Formale Competency Questions 

Aus den Competency Questions können später bei der Konzeptualisierung direkt erste elementare 

Design-Entscheidungen getroffen werden, wie z.B. bezüglich der Bestandteile der Ontologie, also 

der benötigten Konzepte, Attribute und Relationen sowie der Inferenz- und Integritätsregeln. 

Um die Competency Questions für die spätere Evaluation zu operationalisieren, müssen sie aus der 

informalen Darstellung in eine formale Darstellung transformiert werden. Die Auswahl der formalen 

Sprachen für die Implementierung der Ontologie war zu dem Zeitpunkt, in dem mit der Konstruktion 

der DMT-Ontologie begonnen wurde, noch nicht getroffen worden. Da F-Logic eine im 

KOWIEN-Projekt mehrfach verwendete Sprache darstellte – so ist die KOWIEN-Ontologie in F- 

Logic erstellt worden 50) – wurde diese Sprache auch für die Formalisierung der Competency 

Questions benutzt. Im Folgenden wird also jede Competency Question in F-Logic repräsentiert. 51) 

49) „Akquiriert werden“ bedeutet hier für Forschungs- und Entwicklungsprojekte, dass die Antragsstellung schon erfolgt ist; für 

Projekte aus Lieferung und Leistung bedeutet diese Formulierung, dass bereits ein Angebot abgegeben wurde. 

50) Vgl. ALAN (2003a) und ALAN (2003b) und das Kapitel 2.4.2 auf S. 431 ff. 

51) Die informalen Fragen aus Kapitel 3.2.2.3.5.2 sind allgemein formuliert, weshalb hier bei der formalen Darstellung für jede 

Frage eine Beispiel-Ausprägung aufgeführt wird (so wird etwa Frage 1 für den Benutzer „MA_H_Mueller“ formuliert). Bei 

der Evaluation der Ontologie sollen jedoch zu jeder Competency Question mehrere Ausprägungen getestet werden.


Formale Competency Questions: 

(1) 

FORALL KProfil,KAuss,Komp,KAusp >KAuss] AND 

KAuss:Kompetenzaussage[betrifft_Akteur->MA_H_Mueller; 

beinhaltet_Kompetenz->Komp; 

beinhaltet_Kompetenzauspraegung->>KAusp]. 

(2) 

FORALL Subkomp Englisch; 

beinhaltet_Kompetenzauspraegung->> 

KAusp:Kompetenzauspraegung[hat_numerischen_Wert->>Var]]] 

AND greaterorequal(Var,2). 

(5) 

FORALL IA,Geb,Adr,Fam,Rel,Staat,AusA, Ausb,Note,Inst,Var Var; hat_Geburtstag->Geb; 

hat_Adresse->>Adr; hat_Familienstand->Fam; 

hat_Religion->>Rel; hat_Staatszugehoerigkeit->>Staat] 

AND AusA:Ausbildungsaussage[betrifft_Person->MA_H_Mueller; 

beinhaltet_Ausbildung->Ausb; 

beinhaltet_Abschlussnote->>Note; beinhaltet_Institution->>Inst] 

AND equal(Var,"Hans_Mueller"). 

(6) 

FORALL MA,Komp,Var Bez; 

erfordert_Kompetenz->>Kooperationsfaehigkeit; 

wird_bearbeitet_von_DMT_Einheit->>Organisationsentwicklung].


(8) 

FORALL OE,Proj,Bez >Bez; 

wird_bearbeitet_von_DMT_Einheit->> Organisationsentwicklung; 

wird_bearbeitet_mit_Projektpartner->>Phoenics; 

hat_Auftragsstatus->beendet]. 

(9) 

FORALL KAuss,Komp,KAusp Innovations-_und_Projektmanagement; 

beinhaltet_Kompetenz->Komp; 

beinhaltet_Kompetenzauspraegung->>KAusp]. 

(10) 

FORALL MA,Proj,PMitA,Fkt >Waermetechnik; 

hat_Auftragsstatus->beendet] 

AND PMitA:Projektmitarbeit[betrifft_Projekt->>Proj; 

betrifft_Mitarbeiter->>MA; 

beinhaltet_Funktion->>Fkt]. 

(11) 

FORALL MA,Nam Nam; 

hat_teilgenommen_an_Weiterbildung->>Konfliktmanagement]. 

(12) 

FORALL OE >Vertragsentwuerfe]. 

(13) 

FORALL Proj,Bez >Bez; 

hat_Auftragsstatus->ausgeschrieben] 

OR Proj:F_und_E_Projekt[hat_Projekttitel->>Bez; 

hat_F_und_E_Projektstatus->ausgeschrieben]. 

(14) 

FORALL Org,Proj,Bez >Bez; 

wird_bearbeitet_mit_Projektpartner->>Org; 

erfordert_Kompetenz->>Kooperationsfaehigkeit].


(15) 


hat_Kontakt_zu_Unternehmen->>Roland_Berger]. 

An dieser Stelle sei darauf hingewiesen, dass Projektreferenzen der DMT entweder nach einer bestimmten 

Branche oder nach den dabei relevanten Kompetenzen gesucht werden können. Aus diesem 

Grund sind bei den Fragen 7, 10 und 14 mehrere Formulierungen als die hier dargestellten 

möglich. Z.B. kann die Teilformel betrifft_Branche ->> Gewinnung_von_Erdöl_und_Erdgas statt 

der Teilformel erfordert_Kompetenz ->> Erdöl-_und_Erdgasgewinnung verwendet werden. 

3.2.2.3.5.4 Katalog von Gütekriterien 

Die Menge aller funktionalen und nicht-funktionalen Anforderungen an die Kompetenzontologie 

wird durch Gütekriterien repräsentiert. Ein Katalog von Gütekriterien stellt ein weiteres Ergebnis 

dieser Phase des KOWIEN-Vorgehensmodells dar. Die folgende Aufzählung fasst die im Katalog 

enthaltenen Gütekriterien zusammen. Nähere Erläuterungen zu diesem Katalog sind dem Kapitel 

2.1.6 (S. 341 ff.) zu entnehmen: 

1. Klarheit, 

2. Einfachheit, 

3. Erweiterbarkeit, 

4. funktionale Vollständigkeit, 

5. Wiederverwendbarkeit, 

6. Minimalität, 

7. Konsistenz, 

8. Spracheignung und 

9. Richtigkeit der Sprachanwendung.


3.2.2.4 Wissensakquisition 

3.2.2.4.1 Ziele 

Ziele der Wissensakquisition sind in erster Linie die möglichst vollständige Identifizierung, Lokalisierung 

und Analyse des vorhandenen Wissens über die Kompetenzen der DMT. 52) Durch die Befragung 

von Mitarbeitern soll festgestellt werden, welche vorhandenen betrieblichen Dokumente 

und Softwaresysteme für die Ontologiekonstruktion relevant sind, über welche relevanten Informationen 

(z.B. in Form erster Konzeptbezeichnungen und Relationen) diese Mitarbeiter verfügen und 

welche weiteren Mitarbeiter befragt werden sollten. Die sorgfältige Analyse dieser Informationen 

sowie Interviews mit den entsprechenden Mitarbeitern der DMT dienen dazu, die Informationen für 

die Entwicklung der Kompetenzontologie zu erfassen, die für ein erstes konzeptuelles Modell und 

die nachfolgenden Schritte benötigt werden. Es ist jedoch zu beachten, dass die Aktivitäten der 

Identifizierung und der Strukturierung von Wissen eng miteinander verwoben sind. Damit hängen 

die Phasen Wissensakquisition 53) und Konzeptualisierung stark miteinander zusammen. Die Ergebnisse 

der Wissensakquisition bilden den Ausgangspunkt für die konzeptuelle Modellierung des betrachteten 

Realitätsausschnitts, also für die Vorstufe der Ontologiespezifikation. 


Aus der Größe des Unternehmens und den besonderen Eigenschaften des Bereichs Kompetenzmanagement 

ergeben sich Schwierigkeiten hinsichtlich der Verteilung des Wissens über Kompetenzen. 

Sie beruhen auf dem impliziten Charakter von Wissen über Kompetenzen und auf der begrenzten 

Gültigkeit des erhobenen Wissens. 

3.2.2.4.2.1 Verteilung des Wissens über Kompetenzen 

Bei der DMT existiert zwar bereits eine Datenbank Wissensmanager, in der Mitarbeiterprofile abgelegt 

und abrufbar sind; die darin enthaltenen Informationen über die Kompetenzen der Mitarbeiter 

wurden jedoch durch Fragebögen mit frei ausfüllbaren Textfeldern erhoben. Daher sind die dabei 

verwendeten Kompetenzbegriffe durch jeden Mitarbeiter neu formuliert worden und bauen 

nicht auf einem einheitlichen Vokabular auf. Auch die Zusammenhänge zwischen den verschiedenen 

Kompetenzen sind in dem System nicht abgelegt und müssen dem Benutzer bekannt sein, wenn 

er aus den Fakten der Wissensbasis weitere Schlüsse ziehen will. Das Wissen über diese Zusammenhänge 

ist verteilt auf verschiedene betriebliche Dokumente, Softwaresysteme und vor allem die 

52) Dabei ist anzumerken, dass im Rahmen dieses Beitrag „lediglich“ Wissen über die zur Beschreibung von Kompetenzen benötigten 

Begriffe und über die bei der DMT geltenden Zusammenhänge und Einschränkungen erhoben werden soll, nicht aber 

über die tatsächlich bei den Mitarbeitern vorhandenen Kompetenzen und deren Ausprägungen. 

53) Im Unterschied zu anderen Definitionen, in denen der Begriff „Wissensakquisition“ die Erhebung, Analyse, Modellierung 

(vgl. FRICK (1998) S. 97 sowie GREENWELL (1988) S. 11) und teilweise auch die Formalisierung von Wissen (vgl. BUCHA- 

NAN/SHORTCLIFFE (1984) S. 149) beschreibt, liegt hier eine starke Betonung auf der Identifizierung und Erhebung des relevanten 

Wissens. Die Wissensakquisition umfasst auch bereits eine Analyse und Strukturierung des Wissens, da die befragten 

Experten bei der Formulierung ihres Wissens dieses bereits implizit strukturieren. Die eigentliche Modellierung durch den 

Wissensingenieur findet jedoch erst im Rahmen der Konzeptualisierung statt, Wissensakquisition und Konzeptualisierung 

sind daher eng miteinander verwoben.


einzelnen Mitarbeiter der DMT. Bei einem Großunternehmen wie der DMT stellen die Identifizierung 

dieser verschiedenen Wissensträger und insbesondere auch die Befragung der Personen 

schwierige Aufgaben dar. Um bei der Wissensakquisition ein breites Spektrum an Kompetenzbereichen 

abzudecken, werden bei den Experteninterviews Mitarbeiter aus möglichst vielen unterschiedlichen 

Unternehmensbereichen befragt. 

3.2.2.4.2.2 Implizitheit von Wissen über Kompetenzen 

Erschwert wird die Wissensakquisition dadurch, dass ein großer Teil des für die Ontologie benötigten 

Wissens über Kompetenzen nicht explizit vorliegt, sondern den Mitarbeitern nur als „Hintergrundwissen“ 

implizit bekannt ist. Insbesondere das Wissen, das die Mitarbeiter dazu befähigt, beispielsweise 

aus neuen Fakten weiteres Wissen abzuleiten, und das in einer Ontologie durch Inferenzregeln 

explizit repräsentiert werden soll, ist selten explizit formuliert und für Neulinge im Unternehmen 

oft schwer zu erfassen. Aus diesen Gründen besitzen nicht alle Mitarbeiter der DMT dieses 

Wissen in gleichem Umfang, so dass die Wahl der „Experten“ im Rahmen der Mitarbeiterbefragung 

eine große Rolle spielt. Da sich implizites Wissen einem direkten Zugriff durch Computer 

entzieht 54) , sind bei einer solchen Befragung besondere Denkschritte seitens der Experten erforderlich, 

damit der Wissensingenieur das Wissen erfassen und explizit festhalten kann. Durch die Veranschaulichung 

der Bestandteile einer Ontologie mittels Beispielen und Einführung der KOWIEN- 

Ontologie als Ausgangspunkt für die Wissensakquisition soll das Bewusstsein der Experten für das 

hier relevante Wissen geschärft und dessen Explikation erleichtert werden. 

3.2.2.4.2.3 Begrenzte Gültigkeit des erhobenen Wissens 

Ein weiteres Problem für die Akquisition des Wissens über Kompetenzen besteht in der strategischen 

Neuausrichtung der DMT. Aufgrund der geringen positiven Zukunftsaussichten im Bergbau 

55) und in verwandten Branchen werden auch bei der DMT Kompetenzen verlagert und Organisationsstrukturen 

verändert. Darüber hinaus ist es für Unternehmen im Technologie-Dienstleistungsbereich 

allgemein von großer Bedeutung, flexibel agieren und sich auf neue Geschäftsfelder 

ausrichten zu können. Das bei der Wissensakquisition erhobene und für die Konzeptualisierung 

verwendete Wissen ist daher unter der Einschränkung zu betrachten, dass etwa Begriffe für fachliche 

Kompetenzen sowie Strukturen und Zuständigkeiten bestimmter Organisationseinheiten möglicherweise 

in wenigen Monaten nicht mehr zutreffen oder unvollständig sind. Im weiteren Verlauf 

der Ontologieentwicklung wurde vom (damals) aktuellen Stand der DMT im Zeitraum Juni/Juli/ 

August 2003 ausgegangen. Da die Nutzbarkeit einer Ontologie wesentlich von der Gültigkeit des 

darin spezifizierten Wissens abhängt, muss ihre regelmäßige Aktualisierung sichergestellt werden. 

54) Vgl. NEUWEG (1999) S. 5 f. Häufig wird auch die These vertreten, dass implizites Wissen nicht nur schwer verbalisierbar ist, 

sondern auch grundsätzlich nicht formalisiert, also durch Regeln abgebildet werden kann; vgl. NEUWEG (1999) S. 16 ff. Die 

Verfasser gehen jedoch davon aus, dass zumindest ein Teil des implizit vorhandenen Wissens auch explizit und formalsprachlich 

dargestellt werden kann. 

55) Überblicke über die aktuelle Situation und die Aussichten für die Bergbaubranche werden in Internet zum Beispiel unter den 

URL „http://www.wdr.de/themen/politik/nrw/steinkohle/hintergrund.jhtml?rubrikenstyle=politik“ und „http://www.nrw.de/01 

_land_nrw/11_land_und_leute/113_nrw_lexikon/lexbergbau.htm“ (Zugriffe am 14.09.2004) gegeben.



Zunächst werden die bereits durch die Einarbeitung bei der DMT und durch Hinweise der Mitarbeiter 

der Abteilung Innovations- und Projektmanagement erfassten Informationen über relevante 

Dokumente, IT-Systeme und Personen in Form einer Wissensträgerkarte festgehalten. Diese ist als 

eine tabellarische Übersicht über die Bezeichnungen der Wissensträger, ihre Lokalisierung im Unternehmen 

und über ihren jeweiligen „Kompetenzbereich“ (im Sinne des erwarteten zu akquirierenden 

Wissens) formuliert. Im weiteren Verlauf der Wissensakquisition wird die Wissensträgerkarte 

um weitere Informationen erweitert. 

Für diese Erweiterungen werden strukturierte sowie unstrukturierte Interviews bei der Befragung 

von Experten durchgeführt. Zur Unterstützung und Ergänzung der Interviews wird die Textanalyse 

eingesetzt, bei der die betrieblichen Dokumente und IT-Systeme 56) auf relevante Informationen untersucht 

werden. 

Damit wird die Wissensakquisition ausschließlich indirekt durchgeführt. 57) Weitere Methoden zur 

Akquisition von Wissen über Kompetenzen sind in ALAN (2002a) S. 26 ff. zu finden. Die dort genannten 

Methoden sind jedoch teilweise darauf ausgerichtet, die tatsächlich vorhandenen Kompetenzen 

der Mitarbeiter mit den entsprechenden Kompetenzausprägungen zu erheben. Aus diesem 

Grund wird ein Teil dieser Methoden (beispielsweise die Beurteilung durch Mitarbeiter) an dieser 

Stelle nicht berücksichtigt. 

3.2.2.4.3.1 Expertenbefragung 

Ein Experte ist ein Mensch, der sich durch spezialisierte Problemlösungsfähigkeiten in einem bestimmten 

Anwendungsgebiet (Domäne) von anderen Menschen unterscheidet. Er zeichnet sich damit 

durch „besonderes“ Wissen über eine Domäne aus, nicht nur in quantitativer (Umfang des Wissens), 

sondern auch in qualitativer Hinsicht (Art der Wissensorganisation und Problemlösungsstrategien). 

58) Er muss in die Wissensakquisition einbezogen werden, weil ein Wissensingenieur, der 

sich in die Domäne einarbeitet, nur mit einem „Neuling“ in diesem Bereich verglichen werden 

kann. Der Wissensingenieur kann seinerseits jedoch als „Experte“ auf dem Gebiet des Knowledge 

Engineerings betrachtet werden. 

Die Befragung 59) , ein häufig eingesetztes Verfahren, stellt eine indirekte Wissensakquisitionsmethode 

dar, weil der Wissensingenieur als „Vermittler“ zwischen den Experten und der Wissensbasis 

tätig ist. Er erfragt das jeweils erforderliche Wissen der Experten und ist selbst für die Analyse und 

Formalisierung des Wissens verantwortlich. Während des Interviews versucht der Wissensingenieur, 

im direkten Dialog mit dem Experten die Objekte, Beziehungen und Einschränkungen der be- 

56) Die beiden Begriffe „Dokumente“ und „IT-Systeme“ sind insofern voneinander abzugrenzen, als dass sich Letztere auf Computerprogramme 

für einen bestimmten betrieblichen Zweck beziehen, z.B. die Datenbank „Wissensmanager“, während unter 

Dokumenten die im Unternehmen vorhandenen Schriftstücke und einzelne Text-Dateien, z.B. Word- und PDF-Dateien, verstanden 

werden. 

57) Im Gegensatz dazu sind es bei der direkten Wissensakquisition die Experten selbst, die ihr Wissen formulieren und dafür häufig 

mit einem Wissensakquisitionswerkzeug, meist einem speziellen Editor, interagieren. Weitere Informationen dazu werden 

in FRICK (1998) S. 100 f. gegeben. 

58) Vgl. SCHMIDT (1995) S. 43. 

59) Die Begriffe „Befragung“ und „Interview“ werden hier synonym verwendet.


trachteten Domäne offen zu legen und zu erklären. Da sich eine Einflussnahme des Wissensingenieurs 

generell nicht vollständig vermeiden lässt, müssen die Ergebnisse des Interviews immer vor 

diesem Hintergrund bewertet werden. In Abhängigkeit von der vorher festzulegenden Strukturierung 

der Befragung wird zwischen unstrukturierten und strukturierten Interviews unterschieden: 

a) Unstrukturiertes (oder wenig strukturiertes) Interview: Bei der unstrukturierten Befragung wird 

ohne Fragebogen gearbeitet, und es bleibt dem Interviewer (dem Wissensingenieur) überlassen, 

die Inhalte und Reihenfolge seiner Fragen den Wünschen des Befragten anzupassen. 60) Es ist 

daher ein offenes Interviewverfahren, mit dem der Wissensingenieur versucht, einen Überblick 

über das Anwendungsgebiet zu erhalten. Es wird hier vor der strukturierten Befragung eingesetzt, 

um ein erstes Verständnis für das Expertenwissen zu erwerben. 

b) Strukturiertes Interview: Wird das Gespräch zwischen Wissensingenieur und Experten auf der 

Grundlage eines Fragebogens durchgeführt, so dass für alle Befragten die gleichen Fragen in 

gleicher Formulierung und Reihenfolge vorliegen, wird dies als strukturiertes Interview bezeichnet. 

61) Die Vorgabe einer Agenda und festgelegter Fragen soll eine Gleichheit der Interviewsituation 

bewirken und damit die Vergleichbarkeit der Befragungen erhöhen. Durch die 

Strukturierung des Gesprächs wird außerdem eine systematische Durchdringung der Domäne 

erleichtert und ein Schwerpunkt auf die Beseitigung von Lücken im bisher erhobenen Wissen 

gelegt. 62) Der Interviewer spielt dabei eine aktivere Rolle als bei der unstrukturierten Befragung 

und sollte daher auch höhere Anforderungen bezüglich seiner Vorkenntnisse der Domäne und 

seiner Neutralität gegenüber Thema und Befragtem erfüllen. 63) 

3.2.2.4.3.2 Textanalyse 

Ergänzend zur Befragung der Experten wird durch die Textanalyse das bereits explizit vorliegende 

Wissen über die Kompetenzen der DMT erhoben. Dabei werden für die Ontologieentwicklung alle 

betrieblichen Dokumente und IT-Systeme analysiert, die für die Wissensakquisition als relevant 

identifiziert wurden. Die Textanalyse dient einerseits zu Beginn der Wissensakquisition zur Einarbeitung 

des Wissensingenieurs in den betrachteten Problembereich, aber andererseits auch nach der 

Durchführung der Experteninterviews als Ergänzung. Die Untersuchung von Dokumenten kann bereits 

eine Menge von relevanten Konzepten liefern, in dieser Arbeit beispielsweise Bezeichnungen 

für Kompetenzen. Diese Bezeichnungen werden anschließend strukturiert. 

60) Vgl. SCHNELL/HILL/ESSER (1995) S. 300 f. 

61) Vgl. CORDINGLEY (1989) S. 103 f. Nach der dort vorgenommenen Unterscheidung zwischen hoch-strukturierten und semistrukturierten 

Befragungen ist die hier angewendete Methode als semi-strukturiert zu bezeichnen, da die Fragen sehr offen 

formuliert sind und ihre Menge eher als Agenda der Interviews anstatt als strikt festgelegter Fragebogen betrachtet wird. 

62) Bei strukturierten Interviews kann es jedoch dazu kommen, dass Lücken nicht erschlossen werden, weil nicht nach dem 

betreffenden Wissen gefragt wird und auch per Zufall nicht darauf gestoßen wird. Dieser Gefahr muss beim Design des Fragebogens 

Rechnung getragen werden. 

63) Vgl. SCHNELL/HILL/ESSER (1995) S. 302.



Die hier der Wissensakquisition zugeordneten Aktivitäten sind eng mit der Phase der Konzeptualisierung 

verbunden, weil die Experten bei der Befragung bereits ihr Wissen formulieren (und damit 

konzeptualisieren) müssen. Auch das in Dokumenten und IT-Systemen enthaltene Wissen über 

Kompetenzen ist zuvor durch einen menschlichen Wissensträger formuliert worden. Die Aufgabe 

des Wissensingenieurs ist es daher, dieses Wissen zusammenzutragen, zu überprüfen, gegebenenfalls 

zu ergänzen und dann im Rahmen der nächsten Phase zu einer einheitlichen Konzeptualisierung 

zusammenzuführen. Da nicht sichergestellt werden kann, dass das erhobene Wissen für die Erstellung 

der Ontologie ausreichen wird, ist die Wissensakquisition iterativ durchzuführen und eventuell 

später ein erneutes Durchlaufen dieser Phase erforderlich. Die folgende Unterteilung der Wissensakquisition 

nach einzelnen Aktivitäten entspricht, wie schon die Vorgehensbeschreibung der 

Anforderungsspezifizierung, den im generischen Vorgehensmodell KOWIEN spezifizierten Funktionen. 

Auch die Wissensakquisition wird aufbauend auf den bisherigen Ergebnissen des KOWIEN-Projekts, 

insbesondere der Projektberichte 2/2002 und 6/2002 64) , vorgenommen. 

3.2.2.4.4.1 Relevante Verzeichnisse und Wissensträger identifizieren 

Ein erster Schritt für die Wissensakquisition ist die Identifizierung der relevanten Verzeichnisse, in 

denen Informationen über die Wissensträger bei der DMT zu finden sind. Wissensträger sind hier 

alle betrieblichen Dokumente und IT-Systeme, die Wissen über die Kompetenzen der DMT enthalten, 

sowie alle Mitarbeiter des Unternehmens, die über solches Wissen verfügen. 

Um diese Wissensträger zu identifizieren, wurden das DMT-Intranet (DINKS 65) ) sowie die digitalen 

Ordnerstrukturen des IPM-Laufwerks analysiert und zusätzlich die Mitarbeiter der Abteilungen Innovations- 

und Projektmanagement, Personalentwicklung sowie Informationstechnologie befragt. 

Im Intranet und in den IPM-Ordnern sind wichtige Informationen zu Mitarbeitern, Dokumenten und 

Datenbanken der DMT mit Wissen über Kompetenzen abgelegt. Außerdem bietet DINKS viele 

Möglichkeiten, die einzelnen Bereiche der DMT und besonders ihre unterschiedlichen Aufgaben 

kennen zu lernen. 

Anhand dieser Verzeichnisse und in Zusammenarbeit mit der Abteilung Innovations- und 

Projektmanagement wurden verschiedene Mitarbeiter der DMT so ausgewählt, dass sie ein breites 

Spektrum der fachlichen und organisatorischen Einheiten abdecken. Diese Mitarbeiter wurden in 

einer Tabelle (Wissensträgerkarte) festgehalten und angesprochen, ob sie mit einer Befragung zum 

Thema Wissensmanagement und Kompetenzen bei der DMT einverstanden wären. 

64) Vgl. ALAN (2002a) bzw. ALPARSLAN (2002). 

65) DINKS steht für DMT Informations- und Kommunikationssystem. Das Intranet stellt unter anderem Zugriffsmöglichkeiten 

auf Datenbanken der DMT, ein Unternehmenstelefonbuch, Informationen zu den einzelnen Organisationseinheiten, Diskussionsforen 

sowie wichtige Formulare und Richtlinien für die Mitarbeiter bereit.


3.2.2.4.4.2 Verzeichnisse untersuchen, Wissensträger befragen 

Um Informationen über die zu befragenden Mitarbeiter zu gewinnen und die Interviews besser vorbereiten 

zu können, wurden die Verzeichnisse frühzeitig untersucht. 66) Die dabei identifizierten weiteren 

Systeme und Dokumente wurden zusammen mit den zu befragenden Mitarbeitern in der Wissensträgerkarte 

gespeichert. Dazu gehören beispielsweise die bereits bei der Anforderungsspezifizierung 

erwähnten Systeme Referenz- und Projektpartnerdatenbank, die Wissen über abgeschlossene 

Projekte der DMT enthalten. 

Für die Durchführung der Interviews wurde zunächst eine Agenda erstellt, die zur Strukturierung 

der Interviews dienen sollte (siehe auch Kapitel 3.2.2.4.5.2, S. 657 f.). Diese Agenda umfasst eine 

Beschreibung des groben Ablaufs der Befragung sowie eine detaillierte Darstellung des Vorgehens. 

Der letztere Teil enthält auch die den Experten zu stellenden Fragen und einzelne Beispiele, die die 

Intentionen der Fragen verdeutlichen sollen. Die Vorbereitung von Beispielen ist vorteilhaft, weil 

bei der Erstellung der Agenda offene Fragestellungen verwendet werden 67) und sich ein großer Teil 

der Fragen mit einem sehr abstrakten Themengebiet beschäftigt. 

Aus dem bereits aus Verzeichnissen, Dokumenten und IT-Systemen gewonnenen Wissen konnte 

man darauf schließen, dass die Mitarbeiter der Abteilungen Personalentwicklung sowie Innovations- 

und Projektmanagement im Vergleich zu den Mitarbeitern anderer Bereiche grundsätzliches 

Wissen für die Erstellung der Ontologie besitzen. Aufgrund ihrer Aufgabengebiete (Personal- bzw. 

Innovations- und Projektmanagement) werden diese Mitarbeiter als Ansprechpartner für die erste 

Verfeinerung der KOWIEN-Ontologie bezüglich der Konzepte wie Kompetenz, Kompetenzausprägung, 

Akteur und Prozess angesehen. Die Reihenfolge der Interviews wurde daher so gewählt, dass 

mit der Befragung von Vertretern der Abteilungen Personalentwicklung sowie Innovations- und 

Projektmanagement begonnen wurde. Diese Interviews wurden unstrukturiert durchgeführt, da die 

beteiligten Experten bereits mit Gegenstand und Ziel der Befragung (Erfassung des für die Kompetenzontologie 

relevanten Wissens, um dieses Wissen in Form von Konzepten, Attributen, Relationen 

und Regeln zu formulieren) vertraut waren. Außerdem wurde dem Wissensingenieur dadurch 

eine weitere Einarbeitung in den Sprachgebrauch bei der DMT und eine Verbesserung der Agenda 

für die strukturierten Interviews ermöglicht. 

Bei den weiteren Befragungen wurde diese Agenda eingesetzt, damit die verschiedenen für die Arbeit 

der DMT relevanten Kompetenzen systematisch erfasst und beschrieben werden konnten. Dabei 

wurde aus jedem operativen Bereich, also jeder Division und Unit, mindestens ein Mitarbeiter 

befragt. Auch für die meisten der administrativen Einheiten der DMT wurden Interviews mit einem 

oder mehreren Repräsentanten geführt. 68) 

66) Im generischen Vorgehensmodell KOWIEN war ursprünglich vorgesehen, dass die Identifizierung der Verzeichnisse und die 

Identifizierung der Wissensträger „parallel“ durchgeführt werden. Die Analyse der Dokumente und Systeme wird danach erst 

am Schluss der Wissensakquisition vorgenommen, um dabei die Hinweise aus den Interviews auf weitere Dokumente und 

Systeme berücksichtigen zu können; vgl. APKE/DITTMANN (2003b) S. 21. Aufgrund knapper Ressourcen bei der Umsetzung 

des Vorgehensmodells bei der DMT wurden die Verzeichnisse direkt zu Beginn der Wissensakquisition identifiziert und untersucht. 

Auch mit der Analyse der Dokumente und Systeme wurde schon vor den Expertenbefragungen begonnen, damit aus 

den Textanalysen gewonnenes Wissen für die Vorbereitung und Durchführung der Befragungen verwendet werden konnte. 

67) Die Fragen wurden hier offen formuliert, weil dadurch – im Gegensatz zu geschlossenen (ja-/nein-) Fragen – dem Interviewpartner 

eine größere Freiheit bei seiner Antwort gegeben und der Ergebnisraum damit nicht unnötig eingeschränkt wird. 

68) Im Einzelnen siehe hierzu die Wissensträgerkarte in Kapitel 3.2.2.4.5.1, S. 655 ff.


3.2.2.4.4.3 Befragungen auswerten 

Die Befragungen und ihre Auswertung wurden so durchgeführt, dass während jedes Interviews die 

Antworten der Experten durch den Wissensingenieur dokumentiert und im Nachhinein zusammengefasst 

wurden. Anschließend wurden diese Ergebnisse in einem konzeptuellen (Teil-) Modell beschrieben, 

um sie später in die Ontologie integrieren zu können. Bei den folgenden Interviews kamen 

die Ergebnisse bereits zum Einsatz, da sie einen Teil der Ausgangsbasis für die Befragung, 

wenn auch eher im Sinne eines Vorschlags, bildeten. Auf diese Weise ist es schon sehr früh in der 

Ontologieentwicklung möglich gewesen, das bei der Wissensakquisition erhobene Wissen zu evaluieren 

und gegebenenfalls zu vervollständigen. 

Die Ergebnisse der Befragungen wurden zusammen mit den Ergebnissen der Textanalysen in das 

Dokument „Wissensträger-Details“ aufgenommen. Darin ist zu jedem Interview festgehalten, wann 

es mit welchen DMT-Mitarbeitern durchgeführt wurde und welches Wissen über die Kompetenzen 

des jeweiligen Bereichs erfasst wurde. 69) Eine Zusammenfassung der Interviewergebnisse wird in 

Kapitel 3.2.2.4.5.3 (S. 659 f.) gegeben. 

3.2.2.4.4.4 Dokumente und Systeme analysieren 

Bereits während der Einarbeitung bei der DMT wurde deutlich, dass die Datenbank Wissensmanager, 

die von der Abteilung Personalentwicklung genutzte Kompetenzdatenbank, einen wesentlichen 

Teil des bereits explizit vorhandenen Wissens über Kompetenzen umfasst. Auch die mit dem Wissensmanager 

zusammenhängenden Dokumente, z.B. die Fragebögen und Informationsbroschüren, 

die die Mitarbeiter bei ihrer Einführung erhielten, beinhalten für die Kompetenzontologie wichtige 

Begriffe. 

Da ausschließlich die Mitarbeiter der Abteilung Personalentwicklung auf den Wissensmanager zugreifen 

dürfen, erklärte sich ein Vertreter der Abteilung dazu bereit, die Funktionalitäten des 

Systems und die der Datenbank zugrunde liegenden Strukturen vorzuführen. Das daraus gewonnene 

Wissen über das aktuelle Kompetenzmanagement der DMT gab wichtige Hinweise für notwendige 

Spezialisierungen und Erweiterungen einiger Konzepte der Kompetenzontologie, beispielsweise 

Kompetenz, Intensitaet und Kompetenzprofil. So wurde etwa deutlich, dass ein Kompetenzprofil im 

Sinne der Personalabteilung der DMT nicht nur die Kompetenzen eines Mitarbeiters mit den 

jeweiligen Ausprägungen umfasst, sondern auch damit zusammenhängende Informationen wie 

Ausbildung, Weiterbildung und berufliche Erfahrungen. 

Einige der Dokumente und Systeme wurden erst durch die Befragungen als relevant identifiziert, 

wie beispielsweise die Kostenstellenstruktur und das Materialverzeichnis aus SAP. Diese Dokumente 

enthalten die für die Zuordnung von Kosten erforderlichen bereichsspezifischen Kategorien, 

die als Aufgabenfelder der Bereiche formuliert sind. Auch einige Präsentationen und Broschüren, 

die von einzelnen Bereichen zur Analyse zur Verfügung gestellt wurden, umfassten relevante Kompetenzbegriffe 

und Wissen über die verschiedenen Aufgabenfelder des Unternehmens. 

Im Rahmen der Textanalyse wurden allerdings nicht nur DMT-interne Dokumente und IT-Systeme 

untersucht, sondern auch externe Quellen, die Wissen über Kompetenzen in Gebieten wie Bergbau, 

Bauwesen, Fahrzeugtechnik, Maschinenbau und Anlagentechnik enthalten. Dazu gehörte zum Bei- 

69) Das vollständige Dokument ist in APKE/BREMER/DITTMANN (2004) S. A-1 ff. zu finden.


spiel der FIZ-Technik-Thesaurus, der dem Universitätspartner zur Verfügung stand. 70) Auch die 

Ontologie PHYSSYS wurde auf für die Kompetenzontologie relevantes Wissen untersucht. 71) 

Zusätzlich zu einer ausführlichen Darstellung der Ergebnisse der Textanalysen im Projektbericht 

6/2002 72) werden in Kapitel 3.2.2.4.5.4 (S. 660 f.) beispielhaft einige der analysierten Dokumente 

und Systeme beschrieben. 


Die folgenden Kapitel geben einen Überblick über die Ergebnisse der Wissensakquisition. Dazu 

gehört neben einer kurzen Auflistung aller Wissensträger (also der befragten Personen und der analysierten 

Dokumente und Systeme) in Tabellenform (siehe Kapitel 3.2.2.4.5.1) auch die Agenda für 

die strukturierten Interviews (Kapitel 3.2.2.4.5.2). 

Die Ergebnisse der Befragungen und der Textanalysen sind im Dokument „Wissensträger-Details“ 

zusammengefasst. Darin wird für jedes Interview festgehalten, welcher Experte (oder welche Experten) 

befragt wurde(n), wann das Interview stattgefunden hat, ob es eher ein strukturiertes oder 

ein unstrukturiertes Interview war und welche Kompetenzen für den jeweiligen Bereich als relevant 

identifiziert wurden. Einige der Ergebnisse werden beispielhaft dargestellt; siehe Kapitel 3.2.2.4.5.3 

und 3.2.2.4.5.4). Die vollständigen Ergebnisse finden sich in Projektbericht 6/2004. 73) 

3.2.2.4.5.1 Wissensträgerkarte 

Die folgende Tabelle umfasst eine grobe Übersicht über die während der Wissensakquisition analysierten 

betrieblichen Dokumente und IT-Systeme der DMT und über den für die Kompetenzontologie 

relevanten Themenbereich. Außerdem werden die einzelnen Personen, die im Zuge der Experteninterviews 

befragt wurden, sowie ihre „Kompetenzbereiche“ im Hinblick auf die Kompetenzontologie 

dargestellt. 


zugehörige/ 

verantwortliche 

Abteilung 

Typ des 

Wissensträgers 

Wissensmanager PS Personalentwicklung System 

(Oracle-DB) 

Referenzdatenbank Innovations- und 


Projektpartner-DB Innovations- und 


70) Vgl. Kapitel 3.2.2.4.5.4, S. 660. 

71) Vgl. Kapitel 3.2.2.4.5.4, S. 660 f. 

72) Vgl. ALPARSLAN (2002) S. 37 f. 

73) Vgl. APKE/BREMER/DITTMANN (2004). 

System 

(Access-DB) 

System 

(Access-DB) 

Kompetenzbereich 

Kompetenzmanagement, 

insbesondere Kompetenzbegriffe 

Projekte aus Lieferung und Leistung 

abgeschlossene Projekte 

und jeweilige Partner



zugehörige/ 


Abteilung 

Ausschreibungs-DB Marketing und 

Vertrieb 

(Vertrieb) 

FIZ-Technik- 

Thesaurus 

Kompetenzbegriffe Personalentwicklung, 

eigene Ordner 

Typ des 


System 

(Access-DB) 


ausgeschriebene Projekte 

(Forschung und Entwicklung sowie 

Lieferung und Leistung) 

extern System (DB) hierarchische Einordnung von Begriffen 

zu Technik und Management, deutsche 

und englische Synonyme 

Dokument 

(Excel-Datei) 

Leistungsbegriffe IT, eigene Ordner Dokument 

(Excel-Datei) 

Leitfaden 

Großprojektmanagement 

Fragebögen 

Wissensmanager 

Präsentation 

Mines&More 

Innovations- und 


Dokument 

(PowerPoint-Datei) 

Personalentwicklung Dokument 

(Fragebögen) 

Mines & More Dokument 

(PowerPoint-Datei) 

Kostenstellenstruktur Controlling Dokument 

(aus SAP) 

Bibliothekssystematiken 

Wirtschaftszweigklassifikation 

extern Dokument 

(HTML-Datei) 

extern Dokument 

(PDF-Datei) 

Kompetenzbegriffe zu Projekterfahrungen, 

Mitgliedschaften, 

Tätigkeitsschwerpunkten 

Leistungen der DMT (2800 Begriffe) 

standardisierter Projektablauf mit Phasen, 

Aktivitäten, Verantwortlichkeiten, ... 

Kompetenz-Begriffe 

Kompetenz- und 

Aufgabenbeschreibung Mines&More 

Aufgabenfelder der Abteilungen 

naturwissenschaftlich-technische 

Kategorien und Verfeinerungen 

Brancheneinteilung 

Hr. Rehage Personalentwicklung Person Kompetenzmanagement im Allgemeinen, 

Wissensmanager 

Hr. Dannapfel Personalentwicklung Person Kompetenz-Begriffe 

Fr. Bremer 

Hr. Dr. Sowa 

Innovations- und 


Personen Projektmanagement, Kompetenzen 

bei Forschung und Entwicklung und 

Projekten, Review 

Fr. Flöte Engine Logic Person Kompetenzen Engine Logic, Review 

Hr. Dr. Clostermann Safe Ground Person Kompetenzen Safe Ground 

Hr. Dr. Apel Gas & Fire Person Kompetenzen Gas&Fire 

Hr. Dr. M. Schmid Mines & More Person Kompetenzen Mines&More 

Hr. Dr. C. Schmid Modern Fuels Person Modern Fuels Kompetenzen



Hr. Dr. von den 

Driesch 

zugehörige/ 


Abteilung 

Hr. Dr. Beyer Marketing 

und Vertrieb 

Typ des 



Smart Drilling Person Smart Drilling Kompetenzen 

Person Marketing und Vertrieb, 

Strategische Kompetenzen der DMT 

Fr. Koch, Hr. Bott IT Personen IT-Kompetenzen 

Fr. Brütt Buchhaltung Person Kompetenzen bei Finanzen, 

Steuern, Buchhaltung 

Hr. Strukelj Einkauf und Material Person Kompetenzen Einkauf 

Hr. Rochel Controlling Person Controlling 

Hr. Dr. Scharmann Recht Person juristische Kompetenzen 

Hr. Bolz Car Synergies Person Kompetenzen Car Synergies, Review 

Hr. Dr. Clostermann Safe Ground Person Kompetenzen Safe Ground, Review 

Tabelle 8: Wissensträgerkarte 

3.2.2.4.5.2 Agenda der strukturierten Interviews 

1. Vorstellung, Einführung in den Themenbereich 

Zunächst gibt der Wissensingenieur dem Experten eine Einführung zu Inhalt und Zweck des Interviews. 

Nach einer kurzen Vorstellung seiner Person erläutert der Wissensingenieur den Begriff 

„Ontologie“ und den Zusammenhang mit betrieblichem Kompetenzmanagement. Außerdem geht er 

auf die Zielsetzung der Kompetenzontologie und auf den KOWIEN-Prototypen, also das auf die 

Ontologie aufsetzende Kompetenzmanagementsystem, ein. 

2. Kurze Beschreibung der KOWIEN-Ontologie 

Um den Ausgangspunkt für das Gespräch zu verdeutlichen, werden Aufbau und Inhalt der KO- 

WIEN-Ontologie erläutert. Insbesondere die Konzepte, die für den im Interview zu behandelnden 

Kompetenzbereich relevant sind (falls in der Ontologie bereits vorhanden), und die möglichen 

übergeordneten „Super-Konzepte“ werden näher dargestellt. Dabei werden auch eventuelle Ergebnisse 

aus bisherigen Interviews aufgegriffen.


3. Fragen an die Experten 74) 

a) Welche betrieblichen Dokumente (Schriftstücke, Dateien) und IT-Systeme (z.B. Datenbanken), 

die Wissen über die Kompetenzen der DMT enthalten (z.B. Kompetenzbegriffe, -strukturen), 

sind Ihnen bekannt? 

b) In welchem/n Themengebiet/-en (innerhalb Ihrer Division/Unit/Abteilung) kennen Sie sich so 

weit aus, um die zur Erfüllung einer bestimmten Aufgabe notwendigen Kompetenzen nennen zu 

können? Besonders die fachlichen Kompetenzen sind dabei wichtig. Dies betrift die „oberste“ 

Ebene oder den „Konzeptbaum“ in der KOWIEN-Ontologie. 

c) Gehen Sie von einem Beispiel-Projekt oder -Auftrag aus (real oder hypothetisch). Welche (vor 

allem fachliche) Kompetenzen sind von den beteiligten Mitarbeitern gefordert? Dies betrift die 

erste Liste von Kompetenz-Konzepten. 75) 

d) Nach welchen Oberbegriffen würden Sie die unter c) genannten Kompetenzen gruppieren? Je 

nach dem Detaillierungsgrad der vorgenannten Kompetenzbegriffe sind eventuell mehrere Ebenen 

sinnvoll? Dies betrift die Hierarchie „nach oben“; ein Abgleich mit der KOWIEN-Ontologie 

gemeinsam mit Experten kann erforderlich werden. 

e) In welche Unterbegriffe würden Sie die unter c) genannten Kompetenzen verfeinern? Falls grobe 

„Kategorien“ genannt wurden, sind eventuell mehrere Verfeinerungen sinnvoll? 

f) Welche verschiedenen Ausprägungsstufen würden Sie bei den Kompetenzen jeweils vorsehen, 

also wie viele verschiedene Abstufungen mit welchen Bezeichnungen? Dies betrift den Abgleich 

mit der KOWIEN-Ontologie und mit bisherigen Interview-Ergebnissen. Unterschiede 

sind gemeinsam mit Experten auf einen Nenner zu bringen. 

g) Welche Zusammenhänge in Form von Beziehungen bestehen zwischen den verschiedenen 

Kompetenzen? Dies betrift die Relationen. 

Beispiel: „Kompetenz Lufthygiene setzt Kompetenz Thermodynamik voraus.“ 

h) Welche Einschränkungen (Nebenbedingungen) gelten in diesem Bereich? => Integritätsregeln 

Beispiele: „Einem Projekt ist immer genau ein Projektleiter zugewiesen.“ „Ein Mitarbeiter kann 

an maximal zwei Projekten gleichzeitig mitarbeiten.“ 

i) Welche Regeln (Schlussfolgerungen) gelten in diesem Bereich? Dies betrift die Inferenzregeln. 

Beispiel: „Wenn ein Mitarbeiter eine Schulung zu Brandschutz erfolgreich absolviert hat, dann 

besitzt er die Kompetenz Brandschutz mindestens mit der Ausprägung ‘Neuling’.“ 

74) Die Fragen sind hier nicht als ausschließlicher Inhalt des Interviews aufzufassen (neben den Antworten des Experten), sondern 

eher als eine Gliederung. Es kann zum gegenseitigen Verständnis sehr förderlich sein, wenn der Wissensingenieur seine 

Fragen um zusätzliche Erklärungen ergänzt (wenn der Experte sie möglicherweise nicht verstanden hat) und seinerseits bei 

den Antworten des Experten gegebenenfalls nachhakt. 

75) Besonders bei den Fragen zu Konzepten, Attributen, Relationen und Regeln ist zu berücksichtigen, dass die Antworten nur 

potenzielle Bestandteile der Kompetenzontologie sind. Sie bilden erste Anhaltspunkte, anhand derer im Rahmen der Konzeptualisierung 

eine „Vor-Ontologie“ entwickelt werden kann.


3.2.2.4.5.3 Ergebnisse der strukturierten Interviews 

Neben der Ergänzung der in Kapitel 3.2.2.4.5.1 aufgeführten Wissensträgerkarte wurden bei den Interviews 

vor allem Begriffe zur Beschreibung von Kompetenzen gesucht und hierarchisch strukturiert. 

Dadurch entstanden Begriffslisten und -bäume, die eine wichtige Ausgangsbasis für die Konzeptualisierung 

der Kompetenzontologie für die DMT bildeten. Um dem Leser einen Eindruck von 

den Ergebnissen der Befragungen zu geben, wird im Folgenden eine Zusammenfassung der Antworten 

aus Interviews mit Repräsentanten der Abteilung IT dargestellt. 

a) Es sind keine Dokumente/IT-Systeme bekannt, die speziell Wissen über die Kompetenzen der 

IT-Abteilung beinhalten, aber über das Intranet können einige Kompetenzbegriffe identifiziert 

werden. Darüber hinaus existiert in der IT-Abteilung eine Excel-Liste, in der ca. 2.800 Begriffe 

für technische Leistungen der DMT den einzelnen zuständigen Divisions und Units zugeordnet 

sind. 

b) Kompetenzen im Bereich Informations- und Telekommunikationsmanagement sind vorhanden. 

Diese Kompetenzen sind allerdings nicht sehr hoch ausgeprägt, da ein Teil der spezielleren 

IT-Kompetenzen der DMT in den einzelnen operativen Bereichen vorhanden ist. Die 

meisten Aufgaben zur Hardware-Versorgung und zur Netzwerkbetreuung werden von einem 

externen Dienstleister übernommen. 

c) Wichtige IT-Kompetenzen sind Programmiersprachen- und Betriebssystemkenntnisse sowie 

Kompetenzen in MS-Office, SAP, MS-Project, Datenbanken und Hardware. 

Anhand der Fragen c) bis e) aus Kapitel 3.2.2.4.5.2 (S. 658) sowie der bereits vorhandenen Konzepte 

der KOWIEN-Ontologie konnte folgende Begriffsliste erstellt werden: 

Programmiersprachen: C, C++, Pascal, Delphi, Java, VisualBasic, HTML, ASP, PHP. 

Betriebssysteme: Windows, Linux. 

Anwendungsprogramme: SAP (Versionen: R/2, R/3, MySAP; Module: CO, MM, HR, FI, SD, 

AA), Graphikprogramme (AutoCAD, AutoSketch, CorelDesigner, Micrografx Designer), 

Büroanwendungen (MS-Office: Word, Excel, PowerPoint, Outlook; weitere Büroanwendungen: 

Visio, Frontpage, MS-Project). 

Entwicklungstools: VisualStudio, MagumoStudio. 

Datenbanken: Access, Oracle. 

Internet: Webdesign, Webprogrammierung. 

Netzwerktechnologie: Netzwerkkomponenten, Netzwerkdienste, Netzwerkprotokolle. 

Hardware und Peripherie: Computerhardware, Peripheriegeräte. 

d) Als Ausprägungsstufen wäre eine Einteilung in geringe, durchschnittliche und gute Kompetenzausprägung 

wahrscheinlich ausreichend. Eventuell kann es sinnvoll sein, zusätzlich zwischen 

geringer und gar keiner Kompetenzausprägung zu unterscheiden. 

e) Beziehungen bestehen insbesondere zwischen den programmiersprachlichen Kompetenzen. 

Die Sprache Pascal ist beispielsweise schwach verwandt mit der Sprache Delphi, während 

zwischen C und C++ sogar eine starke Verwandtschaftsbeziehung besteht.


f) Es sind keine Einschränkungen im Bereich IT-Kompetenzen bekannt, die sich zur Spezifizierung 

von Integritätsregeln eignen würden. 

g) Inferenzregeln könnten z.B. aufbauend auf der Verwandtschaftsbeziehung zwischen IT- 

Kompetenzen formuliert werden. Ein Mitarbeiter, der Experte ist auf einem Gebiet, hat mindestens 

Grundkenntnisse in einem verwandten Gebiet und mindestens durchschnittliche 

Kompetenzen in einem stark verwandten Gebiet. Siehe hierzu die Verwandschaftsbeziehungen, 

die exemplarisch im Hinblick auf Programmiersprachen im Abschnitt e) skizziert wurden. 

3.2.2.4.5.4 Ergebnisse der Textanalysen 

• Fragebögen Wissensmanager: Im Jahr 2002 wurde in einer zweiten Erhebung eine erneute 

Befragung der DMT-Mitarbeiter zu ihren Kompetenzen und ihren Berufserfahrungen durchgeführt. 

Durch eine Analyse dieser neueren Version der Fragebögen konnten folgende für die 

Kompetenzontologie wichtige Konzepte und Subkonzepte identifiziert werden: Ausbildung 

(Schulabschluss, Fachschule, Lehre, Studium), Weiterbildung (DMT-intern, extern) und Erfahrung 

(Auslandserfahrung, Berufserfahrung, Projekterfahrung). Neben diesen Lebenslaufkategorien 

konnten den Fragebögen auch Subkonzepte und entsprechende Instanzen für das 

zentrale Konzept Kompetenz entnommen werden. Dazu gehören die Konzepte methodische 

Kompetenz (mit Instanzen wie Zeitmanagement, systematische Problemlösungs- und Organisationsfähigkeit), 

soziale Kompetenz (unter anderem mit Kommunikationsfähigkeit und Zuverlässigkeit) 

und psychische (oder Selbst-) Kompetenz (wie etwa Flexibilität und Lernbereitschaft). 

• FIZ-Technik-Thesaurus 76) : Dieser Thesaurus ist ein hierarchisch strukturiertes Fachwortverzeichnis 

für die Bereiche Technik und Management, das vom Fachinformationszentrum (FIZ) 

für Technik erstellt und gepflegt wird. Die hier verwendete Ausgabe (2003, 4. Auflage) enthält 

51.400 deutsche und 50.900 englische Fachwörter, die in 34.900 Begriffsfamilien gegliedert 

sind. Zu jedem gespeicherten Begriff können deutsche und englische Synonyme sowie 

Ober- und Unterbegriffe angezeigt werden. Um nach einem Begriff zu suchen, kann der Benutzer 

entweder die alphabetische Wortliste oder auch die Wortstammsuche verwenden. Für 

die Entwicklung der Kompetenzontologie kommt der Thesaurus als Hilfsmittel in Betracht, 

weil die darin enthaltenen Begriffe aus Branchen wie Maschinen- und Anlagenbau, Elektrotechnik, 

Elektronik, Informationstechnik, Werkstoff- und Medizintechnik für fachfremde Personen 

schwierig zu verstehen und zu strukturieren sind. 

• PHYSSYS 77) : PHYSSYS ist eine Ingenieur-Ontologie für die Modellierung, Simulation und das 

Design physikalischer Systeme. Sie wurde von BORST an der Universität Twente (Enschede) 

entwickelt und bildet die Basis für das Olmeco-System, eine Modellkomponenten-Bibliothek 

für physikalische Systeme. In der PHYSSYS-Ontologie werden drei verschiedene Sichten auf 

ein physikalisches System abgebildet: 

a) den Systemaufbau; 

b) das den physikalischen Prozessen zugrunde liegende Verhalten und 

76) Vgl. FIZ TECHNIK (2002). 

77) Vgl. BORST (1997).


c) deskriptive mathematische Relationen. 78) 

Diese drei Sichten auf das System werden durch drei (Sub-) Ontologien in PHYSSYS repräsentiert 

(eine Komponenten-, eine Prozess- und die EngMath-Ontologie 79) ), die ihrerseits auf 

kleineren abstrakten Ontologien beruhen. Dies sind die Mereological Ontology, die die formale 

Darstellung der Teile und ihrer Relationen repräsentiert, die Topological Ontology, die 

Konzepte zur Beschreibung von Komponenten, ihrem Verhalten und ihren Interaktionen umfasst, 

und die Systems Theory Ontology, in der systemspezifische Konzepte wie Systemgrenzen 

und Systemumgebungen definiert sind. 

Um diese Ontologien für PHYSSYS miteinander zu verknüpfen und zu vereinheitlichen, wurden 

ihre Interdependenzen formalisiert. Dabei wurde jeweils eine Ontologie importiert und 

entweder durch neue Konzepte und Relationen erweitert, durch konkretere Konzepte spezialisiert 

oder mit einer anderen Ontologie verbunden. 80) Die PHYSSYS-Ontologie wird in diesem 

Beitrag nicht weiter berücksichtigt, da der größte Teil der darin definierten Konzepte spezifisch 

für die adressierte Domäne der physikalischen Systeme ist. Für die hier zu entwickelnde 

Kompetenzontologie wird kein Wissen über mathematische oder technische Details benötigt, 

sondern Wissen über Bezeichnungen für Kompetenzen und über die in einem techniknahen 

Unternehmen geltenden Zusammenhänge zwischen den Kompetenzen. Die in die PHYSSYS- 

Ontologie integrierten Regeln zu Transitivität und Asymmetrie sind auch für die Kompetenzontologie 

relevant, wurden jedoch bereits in der KOWIEN-Ontologie spezifiziert. 

3.2.2.5 Konzeptualisierung 

3.2.2.5.1 Ziele 

Im Rahmen der Konzeptualisierung wird ein konzeptuelles Modell 81) erstellt, das den für das Kompetenzmanagement 

bei der DMT relevanten Realitätsausschnitt strukturiert. Es umfasst die natürlichsprachliche 

(informale) und/oder semiformale Darstellung eines Begriffssystems für die Domäne 

und der darin geltenden Zusammenhänge und Einschränkungen (also Inferenz- und Integritätsregeln). 

Das wichtigste Ziel dieser Phase ist die Erfüllung der zuvor spezifizierten Anforderungen, so 

dass alle erforderlichen Aspekte der Realität in der Konzeptualisierung abgedeckt sind. Daneben 

müssen auch die nicht-funktionalen Anforderungen wie Einfachheit, Klarheit und Erweiterbarkeit 

berücksichtigt werden. Dabei ist darauf zu achten, dass die konzeptuelle Modellierung eine abstrakte 

Beschreibung von Realitätsstrukturen intendiert, wobei implementierungsspezifische Details vernachlässigt 

werden. 82) 

78) Vgl. BORST (1997) S. 26. 

79) Die EngMath-Ontologie wurde zur Darstellung mathematischer Grundlagen im Ingenieur-Bereich entwickelt und umfasst 

Konzepte wie physical-quantity, physical-dimension und unit-of-measure; für weitere Informationen siehe GRUBER (1995). 

80) Vgl. BORST (1997) S. 53 f. 

81) Unter einem konzeptuellen Modell wird die Strukturierung eines Teils der Realität (hier: der Kompetenzen der DMT und ihrer 

Mitarbeiter) durch ontologische Konstrukte, also Konzepte, Attribute, Relationen und Regeln, verstanden. Das konzeptuelle 

Modell ist als „Vorstufe“ einer Ontologie zu sehen, da die Konstrukte „nur“ informal oder semiformal repräsentiert werden. 

Vgl. auch die Ausführungen in Kapitel 1.3.1.3 zur inhaltlichen Abgrenzung zwischen konzeptuellen Modellen und Ontologien 

(S. 204 ff.). 

82) Vgl. BRODIE/MYLOPOULOS/SCHMIDT (1984) S. V.



Bei der Konzeptualisierung ergaben sich auch mehrere Probleme, die sich nicht auf das allgemeine 

Vorgehen in dieser Phase bezogen (wie die in den nachfolgenden Kapiteln 3.2.2.5.2.1 und 

3.2.2.5.2.2 dargestellten Probleme), sondern auf konkrete Aspekte des Designs der DMT-Ontologie. 

Diese Probleme und die daraufhin getroffenen Entscheidungen werden hier nur beispielhaft aufgeführt, 

siehe Kapitel 3.2.2.5.2.3 (S. 665 f.). Eine ausführlichere Beschreibung dieser DMT-spezifischen 

Aspekte ist in Projektbericht 6/2004 83) zu finden. 

3.2.2.5.2.1 Werkzeugunterstützung 

Eine sehr wichtige Frage bei der Ontologieentwicklung ist die der computerbasierten Werkzeugunterstützung. 

Im Rahmen dieser Phase soll der relevante Realitätsausschnitt konzeptuell modelliert, 

also unter Vernachlässigung einzelfallspezifischer Aspekte strukturiert werden. Dafür wurden verschiedene 

computerbasierte Werkzeuge untersucht, die für die Unterstützung der Konzeptualisierung 

eingesetzt werden könnten: 

Rational Rose 84) : Die graphische Modellierungssprache „Unified Modeling Language“ (UML) 

umfasst nicht nur die bereits in Kapitel 3.2.2.3.3.1 (S. 634 f.) erwähnten Use Cases, sondern 

auch Diagramme zur Beschreibung von statischen Strukturen. Für diesen Zweck sieht UML die 

Anwendung von Klassen- und Objektdiagrammen vor, in denen statische Strukturen mittels 

Klassen, deren Attributen und Relationen zwischen den Klassen sowie mittels Objekten (als Instanzen 

der Klassen) repräsentiert werden. 85) Die Motivation einer Nutzung von UML für die 

Konzeptualisierung 86) besteht darin, dass UML eine standardisierte graphische Repräsentation 

von Strukturen ermöglicht. Damit werden das Verstehen bestehender Konzepte, Attribute und 

Relationen sowie das Erarbeiten neuer ontologischer Konstrukte erleichtert, insbesondere für 

Personen ohne Vorkenntnisse im Bereich Ontologien. Darüber hinaus hat UML den Vorteil, 

dass es ein allgemein anerkannter und vielfach verwendeter Standard ist und zahlreiche computerbasierte 

Werkzeuge die Modellierung mit UML unterstützen. Ein Beispiel dafür ist Rational 

Rose, eine Modellierungs- und Entwicklungsumgebung der IBM Rational. Mithilfe dieses 

Werkzeugs und den damit zu erstellenden Klassen- und Objektdiagrammen könnte die Konzeptualisierung, 

vor allem die Zusammenarbeit mit den „Experten“ bei der DMT, erleichtert werden. 

83) Vgl. APKE/BREMER/DITTMANN (2004) S. 46 ff. 

84) Aktuelle Informationen zu Rational Rose und seinen Anwendungsmöglichkeiten sind im Internet unter der URL „http://www. 

ibm.com/software/rational/“ zu finden (Zugriff am 15.09.2004). 

85) Vgl. die UML-Spezifikation in OBJECT MANAGEMENT GROUP (2003) S. 3.34 ff. 

86) Auch Ansätze aus der Literatur propagieren den Einsatz von UML-Diagrammen für die Modellierung bei der Entwicklung 

von Ontologien; vgl. CRANEFIELD/PURVIS (1999) S. 2 ff.


Generic Modeling Environment (GME) 87) : Eine weitere Möglichkeit zur computerbasierten 

konzeptuellen Modellierung ist das an der Vanderbilt University entwickelte Generic Modeling 

Environment (GME). Dieses Tool stellt eine graphische Modellierungsumgebung dar und kann 

für verschiedenste Modellierungsziele konfiguriert werden. 88) Dies wird erreicht, indem die 

Anwender ein Metamodell erstellen, das die zu verwendenden Konstrukte und deren Repräsentation 

spezifiziert. Die Anwender können damit die durch das Tool zu unterstützende Modellierungssprache 

selbst bestimmen. Für die Konzeptualisierung der Kompetenzontologie könnte 

mithilfe von GME ein Metamodell erstellt werden, das die bei der konzeptuellen Modellierung 

zu verwendenden Konstrukte spezifiziert. Damit könnten speziell auf die Ontologieentwicklung 

ausgerichtete Modelle konstruiert werden. 

OntoEdit: Das bereits erwähnte Werkzeug OntoEdit ist eine Ontologie-Entwicklungsumgebung, 

die das Erstellen, Bearbeiten, Formalisieren und Visualisieren von Ontologien unterstützt. 

OntoEdit ist der Kern der On-To-Knowledge-Werkzeugsammlung der Ontoprise GmbH. 89) Es 

ermöglicht die Spezifikation von Konzepten, die sofort in einer Hierarchie geordnet sind, sowie 

ihrer Instanzen, Attribute, Relationen und Regeln. 90) Zunächst werden diese Konstrukte im 

Tool-spezifischen OXML-Format formalisiert und gespeichert; OntoEdit unterstützt jedoch 

auch die Ausgabesprachen XML, F-Logic, RDF(S) und DAML+OIL. Die im KOWIEN-Projekt 

verwendete Version von OntoEdit stellt neben der hierarchisch sortierten Auflistung der Konzepte 

auch eine graphische Ansicht bereit: Mithilfe der Plug-ins Visualizer kann der Anwender 

durch die Konzepte der Ontologie „navigieren“ und die Konzepte auch bearbeiten. Im Visualizer 

werden die Konzepte in Form von Knoten, die Relationen zwischen den Konzepten durch 

Kanten dargestellt, wobei kein Unterschied zwischen taxonomischen und nicht-taxonomischen 

Relationen deutlich wird. Auch Attribute und Regeln können mit diesem Werkzeug nicht visualisiert 

werden. Abbildung 101 auf der nächsten Seite zeigt ein Beispiel für einen im Visualizer 

dargestellten „Ontologie-Graph“ (mit dem Konzept Organisationseinheit im Mittelpunkt). 

87) Eine Übersicht über die Ziele und die Funktionen von GME sowie Links zu weiteren Dokumentationen werden im Internet 

unter der URL „http://www.isis.vanderbilt.edu/Projects/gme/default.html“ gegeben (Zugriff am 16.09.2004). 

88) Vgl. LEDECZI ET AL. (2001) S. 1. 

89) Aktuelle Informationen sind im Internet unter der URL „http://www.ontoprise.de/“ zu finden (Zugriff am 20.09.2004). 

90) Für eine ausführlichere Darstellung der Ontologiekonstruktion mit OntoEdit siehe ALAN (2003a) S. 6 ff.


Abbildung 101: Darstellung eines Ausschnitts aus der DMT-Ontologie 

durch das OntoEdit Plug-in Visualizer – Screenshot 

Nach einer Analyse der Alternativen wurde die Entscheidung getroffen, OntoEdit für die Konzeptualisierung 

einzusetzen. Die beiden Werkzeuge OntoEdit und OntoBroker stehen im KOWIEN- 

Projekt zur Verfügung und wurden bereits für die Erstellung der KOWIEN-Ontologie benutzt (siehe 

Kapitel 3.2.2.1.2, S. 626 ff.); sie sollen auch bei der Implementierung der DMT-Kompetenzontologie 

eingesetzt werden. Es ist jedoch zu beachten, dass OntoEdit eine Entwicklungsumgebung 

zur Erstellung von Ontologien und kein auf konzeptuelle Modellierung ausgerichtetes Werkzeug 

darstellt. Durch die Benutzung von OntoEdit in dieser Phase könnte schon früh eine Festlegung auf 

bestimmte Design-Entscheidungen erforderlich werden. Die Anwendung eines speziell auf die konzeptuelle 

Modellierung ausgerichteten Computerwerkzeugs kann daher Vorteile für die Strukturierung 

des relevanten Wissens bei der DMT bringen, insbesondere im Hinblick auf die Zusammenarbeit 

mit den Mitarbeitern des Unternehmens. Streng genommen widerspricht die Verwendung von 

OntoEdit der Forderung nach Implementierungsunabhängigkeit der Konzeptualisierung. Jedoch 

verursacht die Anschaffung und Nutzung eines weiteren Computerwerkzeugs, z.B. Rose oder GME, 

einen großen Zusatzaufwand. Dieser Aufwand bezieht sich nicht nur auf zusätzliche Anschaffungskosten 

und die erforderliche Zeit für Installation und Einarbeitung, sondern auch auf die Anbindung 

an OntoEdit. Es konnte nicht sichergestellt werden, dass die im Modellierungstool geschaffenen 

Modelle anschließend in ein für OntoEdit und OntoBroker lesbares Format exportiert werden können. 

Daher wurde bereits bei der Konzeptualisierung OntoEdit eingesetzt. Die Hauptgrundlage für 

die Gespräche mit den Experten und die Entwicklung eines konzeptuellen Modells bildeten allerdings 

manuelle Zeichnungen, Begriffslisten und textuelle Beschreibungen, deren Inhalte dann durch 

den Ontologieentwickler in OntoEdit zu erfassen waren.


3.2.2.5.2.2 Identifizierung und Formulierung von Regeln 

Zusammenhänge und Einschränkungen, die in einem bestimmten Realitätsausschnitt gelten, können 

in einer Ontologie als Integritäts- und Inferenzregeln formuliert werden. Sie besitzen eine große 

Bedeutung für die Generierung neuen Wissens und für die Wahrung der Konsistenz einer Ontologie. 

Für die Erfassung solcher Zusammenhänge und Einschränkungen sind allerdings Hintergrundwissen 

über die Domäne sowie eine intensive Zusammenarbeit mit den Experten erforderlich. Bereits 

bei den Befragungen der Wissensakquisition hat es sich als sehr schwierig herausgestellt, den 

befragten Mitarbeitern die Bedeutung und den Sinn dieser Regeln verständlich zu machen. Wissen 

über Zusammenhänge und Einschränkungen ist oft als Hintergrundwissen der länger in einem Bereich 

tätigen, „erfahreneren“ Mitarbeiter vorhanden. Den Mitarbeitern fällt die Formulierung dieses 

Wissens meist schwer, weil sie es unbewusst anwenden. 

Die Erfassung solcher Regeln kann erleichtert werden, indem im Gespräch mit den Experten jeweils 

Beispiele für Integritäts- und Inferenzregeln vorgestellt werden. Mithilfe dieser Beispiele können 

die Experten besser verstehen, worauf der Ontologieentwickler hinaus will, und bekommen Anregungen, 

wie sie selbst die Regeln formulieren können. 

3.2.2.5.2.3 Konzepte versus Instanzen 

Insbesondere im Bereich Kompetenzmanagement stellt es oftmals eine schwierige Aufgabe dar, 

einen Begriff entweder als ein Konzept oder als eine Instanz zu definieren. Bei Kompetenzen ist es 

meist nur eine Frage des Detaillierungsgrads, wo die letzte, „unterste“ Ebene der Begriffshierarchie 

liegt. Es ist schwierig, zwischen Kategorien (Konzepten) und realen Objekten (Instanzen) zu unterscheiden, 

weil auch die Begriffe der untersten Ebene Kategorien darstellen oder als solche interpretiert 

werden können. Generell gilt für die DMT, dass die Kompetenzen des Unternehmens und der 

Mitarbeiter auf verschiedenen Gebieten unterschiedlich stark ausgeprägt sind. Damit ist auch das 

Begriffssystem zur Abbildung dieser Kompetenzen (also der Begriffsbaum unter dem Konzept 

„Kompetenz“) uneinheitlich tief strukturiert. An einigen Stellen befinden sich die Instanzen schon 

auf der dritten Ebene, bei den naturwissenschaftlich-technischen Kompetenzen zum Teil erst auf 

der siebten Ebene. 

Außerdem wird von den Wissensträgern und den zukünftigen Benutzern der Kompetenzontologie 

häufig gewünscht, dass sowohl die allgemeinere Kategorie (z.B. „Microsoft Office“) als auch die 

spezifischeren Begriffe („Excel“ oder sogar „Excel 2000“) als Kompetenzen angegeben werden 

können. Um dies zu ermöglichen, könnte einer der folgenden Lösungsansätze verfolgt werden: 

• Für das Konzept „Office-Kompetenz“ könnte „Office allgemein“ als Instanz neben der Instanzen 

„Excel“, „Word“, „PowerPoint“, „Access“ und „Outlook“ definiert werden. 

• Unter dem Konzept „Office-Kompetenz“ könnte man die Subkonzepte „Generalistenkompetenz 

Office“ und „Spezialistenkompetenz Office“ mit den entsprechenden Instanzen „Office 

allgemein“ bzw. „Excel“, „Word“, „PowerPoint“, „Access“ und „Outlook“ definieren. 

• Auf der ersten Ebene der KOWIEN-Ontologie wird zwischen objektsprachlicher und metasprachlicher 

Entität unterschieden. Metasprachliche Entitäten sind die Konzepte „Konzept“, 

„Relation“, „Regel“ und „Definition“. 91) Darüber hinaus wird eine Regel definiert, nach der 

91) Dieser dritte Lösungsansatz wurde nicht vollständig, aber zu großen Teilen in der generischen KOWIEN-Ontologie verwirklicht; 

vgl. Kapitel 2.4.3.2 (S. 516 ff.), insbesondere Abbildung 65 auf S. 523.


alle Konzepte der Ontologie Instanzen von „Konzept“ sind. Dadurch ist bereits ein Mechanismus 

geschaffen worden, durch den (bei entsprechender Unterstützung durch das Kompetenzmanagementsystem) 

die Benutzer der Kompetenzontologie auch Kompetenz-Konzepte als 

Bestandteile ihrer Kompetenzaussagen (als „Instanzen“) heranziehen können. 

Der erste Ansatz stellt keine „saubere“ Konzeptualisierung dar, weil beispielsweise die Instanzen 

„Office allgemein“ und „Excel“ in ihrer Bedeutung unterschiedliche Generizität besitzen und daher 

nicht als Instanzen desselben Konzepts definiert sein sollten. Nach dem zweiten Lösungsansatz sind 

sie zwar ebenfalls Instanzen derselben Ebene des Begriffssystems, aber nicht demselben Konzept 

zugeordnet. Der letztgenannte Ansatz erweist sich im Hinblick auf die Formulierung von Kompetenzaussagen 

als einziger „systematisch korrekter“ Ansatz, kann jedoch zu einer unübersichtlichen 

Struktur der Konzeptualisierung führen und wird von einigen Ontologiesprachen (z.B. OWL, siehe 

Kapitel 3.2.2.6.3.3, S. 688 f.) auch nicht unterstützt. Daher wurde für die DMT-Ontologie der zweite 

Lösungsansatz gewählt. Er stellt einen Kompromiss zwischen systematischer Konzeptualisierung 

einerseits und Benutzerfreundlichkeit des Begriffssystems andererseits dar. 


Im Rahmen der Wissensakquisition wurden die für die Ontologieentwicklung relevanten Wissensträger 

identifiziert und erste Kompetenzbegriffe gesammelt. Das dadurch erhobene Wissen wurde 

bei der Konzeptualisierung in Zusammenarbeit mit einigen der (menschlichen) Wissensträger erweitert 

und zu einem konzeptuellen Modell integriert. Um in diesen Gesprächen möglichst offen für 

die Vorschläge der Experten zu sein und gleichzeitig die bei der Konzeptualisierung intendierten 

Ergebnisse erzielen zu können, wurden die Resultate aus den Befragungen der Wissensakquisition 

als Ausgangsbasis benutzt und mithilfe der Brainstorming-Methode (siehe Kapitel 3.2.2.5.3.1) erweitert. 

Dadurch entstanden Bäume von Kompetenzbegriffen (siehe Kapitel 3.2.2.5.3.2), mit deren 

Hilfe schließlich ein umfassendes konzeptuelles Modell erstellt wurde. 

3.2.2.5.3.1 Brainstorming 

Brainstorming 92) ist eine „klassische“ Kreativitätstechnik, die der Ideenfindung zur Lösung bestimmter 

Probleme dient. Sie wurde 1941 von ALEX OSBORN entwickelt, um die teilweise wenig 

ergebnisreichen „konventionellen“ Konferenzen zu verbessern. Beim Brainstorming setzen sich 

mehrere Teilnehmer mit meist unterschiedlichem fachlichen Hintergrund zusammen und sammeln 

Ideen zu einer konkreten Fragestellung. Ein Moderator hält dabei die von den Teilnehmern geäußerten 

Gedanken schriftlich fest. Während des Brainstormings sollten nach OSBORN vier grundsätzliche 

Regeln berücksichtigt werden: 93) 

1. (Negative) Kritik der Ideen findet erst im Nachhinein statt. 

2. Ungewöhnliche Ideen sind willkommen. 

3. Es sollen möglichst viele Ideen geäußert werden. 

92) Details zur Methode Brainstorming im Allgemeinen und zu verschiedenen Ausprägungen des Brainstormings sind in CLARK 

(1972) S. 37 ff. sowie. in ALAN (2002a) S. 51 ff. zu finden. 

93) Vgl. CLARK (1972) S. 54.


4. Es ist erwünscht, die Ideen der anderen Teilnehmer aufzugreifen und zu erweitern oder miteinander 

zu kombinieren. 

Diese Regeln sollen einen möglichst hohen Anreiz für die Teilnehmer schaffen, zahlreiche Vorschläge 

bezüglich der Fragestellung vorzubringen, unabhängig von der Umsetzbarkeit dieser Vorschläge. 

Im Rahmen der Konzeptualisierung wurde Brainstorming eingesetzt, um gemeinsam mit den Repräsentanten 

der verschiedenen Organisationseinheiten das Wissen über die Kompetenzen der DMT 

zu erfassen. Eine der bei diesen Gesprächen diskutierten Fragestellungen lautete zum Beispiel: Wie 

lassen sich die Kompetenzen Ihrer Organisationseinheit und Ihrer Mitarbeiter am besten in einem 

hierarchischen Begriffssystem darstellen? 94) 

3.2.2.5.3.2 Begriffsbäume 

Das bisher erhobene Wissen über Kompetenzkonzepte und ihre hierarchischen Beziehungen sollte 

in einer Form repräsentiert werden, die keine zeitaufwendige Einarbeitung der bei der Konzeptualisierung 

beteiligten Abteilungsvertreter erfordert. Aus diesem Grund wurden textuelle und teilweise 

auch graphische, baumartige Darstellungen dieser Konzeptstrukturen – im Folgenden als Begriffsbäume 

95) bezeichnet – verwendet, um das erhobene Wissen in eine einheitliche Struktur zu bringen 

und gemeinsam mit den Abteilungsvertretern zu erweitern. Diese Vorgehensweise hat den Vorteil, 

dass die dabei entstehenden Modelle leicht verständlich sind und für ihre Erstellung keine zusätzliche 

Software-Unterstützung außerhalb des Office-Umfeldes (inkl. MS-Visio) nötig ist. Die Entwicklung 

einer Ontologie in der Praxis (wie hier in einem Unternehmen) wird dadurch deutlich erleichtert. 

Die folgende Abbildung 102 zeigt als Beispiel den textuell dargestellten Begriffsbaum der IT-Kompetenzen, 

der die in Kapitel 3.2.2.4.5.3 vorgestellte Begriffsliste (vgl. S. 659) erweitert und mit den 

entsprechenden Konzepten der KOWIEN-Ontologie abgeglichen ist. Dabei wird deutlich, dass nur 

einigen Konzepten Instanzen (im Begriffsbaum jeweils kursiv hervorgehoben) zugeordnet sind. 96) 

Dieser Begriffsbaum wurde im Zuge der Konzeptualisierung durch weitere Gespräche mit Abteilungsvertretern 

überprüft und um zusätzliche Instanzen und Konzepte erweitert. 

94) Nach CLARK (1972) S. 56 sind auf Aktionen ausgerichtete Fragen für Brainstorming vorteilhaft. 

95) Die Konzepte werden dabei durch Begriffe aus dem jeweils relevanten Kompetenzbereich repräsentiert, ihre hierarchischen 

Beziehungen durch die Baumstruktur. 

96) Es ist außerdem anzumerken, dass ab der zweiten Ebene des Begriffsbaums der Zusatz „Kompetenz“ aus Gründen der Übersichtlichkeit 

weggelassen wurde. Dennoch ist z.B. mit der Bezeichnung „Windows“ die Kompetenz und nicht das Produkt 

gemeint.


IT-Kompetenzen 

Anwendungsprogramme Kompetenz 

– SAP 

• Version: R/2, R/3, MySAP 

• Modul: CO, MM, HR, FI, SD, AA 

– Fachspezifische Anwendungsprogramme 

• Automatisierungssoftware 

• Bau-Software 

• Geowissenschaften-Software 

• Seismik-Software 

– Grafikprogramme: AutoCAD, AutoSketch, CorelDesigner, MicrografxDesigner 

– Büroanwendungen 

• Office: Word, Excel, PowerPoint, Outlook 

• andere Büroanwendungen: Visio, Frontpage, MS-Project 

Betriebssysteme Kompetenz: Windows, Linux 

Computersprachen Kompetenz 

– Auszeichnungssprachen: HTML, XML 

– Modellierungssprachen: UML, EPK, Petrinetze 

– Programmiersprachen: C/C++, Pascal/Delphi, Java, VisualBasic, Assembler 

Datenbanken Kompetenz: Access, Oracle 

Entwicklungstools Kompetenz: VisualStudio, MagumoStudio 

Hardware und Peripherie Kompetenz: Peripheriegeräte, Computerhardware 

Internet Kompetenz 

– Webdesign 

– Webprogrammierung: HTML, ASP, PHP, JavaScript 

Netzwerktechnologie Kompetenz: Netzwerkkomponenten, Netzwerkdienste, 

Netzwerkprotokolle, Netzwerktopologien, Netzwerkarchitekturen 


Abbildung 102: Begriffsbaum für IT-Kompetenzen 

Nach dem generischen Vorgehensmodell KOWIEN verzweigt sich der Prozessablauf in der Phase 

Konzeptualisierung in Abhängigkeit von der Strukturiertheit des Wissens über Kompetenzen. Die 

folgenden Kapitel sind, wie auch die Vorgehensbeschreibungen der vorangegangenen Phasen, nach 

den einzelnen Funktionen des Vorgehensmodells gegliedert. Diese Funktionen werden zur Übersicht 

für das weitere Vorgehen in der nachfolgenden Abbildung 103 dargestellt. Dabei ist zu beachten, 

dass nur der hier relevante Pfad der Prozesskette gezeigt wird. Es wird von Kompetenzwissen, 

das strukturiert vorliegt, ausgegangen.


(Wissensakquisition) 


Top-Level-Terminologie 


Inferenz- und 


aufstellen 

(iterativ) 

Relevante 

Informationen 

fehlen 

Wissen über 

Kompetenzen 

analysieren 


strukturiert 

Basisbegriffe 

strukturieren 

Top-Level- 

Terminologie 

ist erstellt 


ist 

erstellt 

Reviews 


zw. 

Beteiligten 

Terminologie 

verfeinern und 

ergänzen 

(iterativ) 


erforderlich 

Abbildung 103: Vorgehen bei der Konzeptualisierung 

3.2.2.5.4.1 Wissen über Kompetenzen analysieren 

Domänenexperten 

Abteilungsvertreter 

Vertreter 

der 

Benutzer 

Zu Beginn wurde das bei der DMT und im KOWIEN-Projekt vorhandene Wissen über Kompetenzen 

analysiert. In der Personalabteilung der DMT ist bereits das Wissensmanagementsystem Wissensmanager 

mit Mitarbeiterprofilen im Einsatz. Aufgrund der Angaben der Mitarbeiter existierten 

zu diesen Profilen bereits Listen von Kompetenzbegriffen, so dass das Wissen über Kompetenzen 

zum Teil in strukturierter Form vorlag. 97) Außerdem war mit der KOWIEN-Ontologie schon eine 

Commonsense-Ontologie entwickelt worden, die als Ausgangspunkt für eine Verfeinerung dienen 

konnte. Somit lag die Anwendung eines „Top-Down-Ansatzes“ nahe. Beim Top-Down-Ansatz wer- 

97) Neben der Existenz konkreter Kompetenzbegriffe und der Erfassung von Mitarbeiterprofilen ist auch die gezielte Weiterentwicklung 

der Mitarbeiterkompetenzen durch Weiterbildungsmaßnahmen ein Aspekt für die Strukturierung des Wissens über 

Kompetenzen. Bei der DMT wird dies einerseits durch interne und externe Schulungsangebote, andererseits auch durch das 

Online-Schulungsprogramm „FutureZone“, das über das DMT-Intranet zugänglich ist, realisiert.


den zunächst die grundlegenden Konzepte des Realitätsausschnitts identifiziert, um diese dann als 

Grundstruktur zu benutzen und durch speziellere Konzepte zu verfeinern. 98) 

Da die KOWIEN-Ontologie und auch die bisherige Struktur der Mitarbeiterprofile im Wissensmanager 

für eine solche Grundstruktur herangezogen werden konnten, wurde bei den weiteren Aktivitäten 

der Konzeptualisierung der Pfad des Top-Down-Ansatzes verfolgt. 

3.2.2.5.4.2 Basisbegriffe strukturieren 

Aufgrund der Wahl des Top-Down-Ansatzes müssen für die Erstellung eines konzeptuellen Modells 

zunächst sehr abstrakte Konzepte identifiziert werden, die dann später die oberste Ebene der 

Ontologie bilden. Die KOWIEN-Ontologie stellt bereits eine Konzeptstruktur mit generischen und 

gleichzeitig auf Kompetenzmanagement ausgerichteten Konzepten bereit und wird hier als Basis für 

die weitere Konzeptualisierung verwendet. Aus diesem Grund ist es nicht erforderlich, die grundlegenden 

Konzepte zu identifizieren und zu strukturieren; stattdessen muss die Konzeptstruktur der 

KOWIEN-Ontologie untersucht und gegebenenfalls angepasst werden. 

Die obersten vier Ebenen der KOWIEN-Ontologie, die in Kapitel 3.2.2.1.2 (S. 626 ff.) bereits vorgestellt 

wurden, wurden für die Kompetenzontologie der DMT vollständig übernommen. Besonders 

relevant für die Kompetenzontologie war das Konzept Denkobjekt, weil ihm alle weiteren Konzepte 

zur Beschreibung von Kompetenzen als Subkonzepte zuzuordnen waren. Auch die Unterteilung in 

abstrakte und konkrete_Denkobjekte wurde übernommen, um zwischen konkreten Konzepten „des 

täglichen Lebens“ (im Unternehmen) und ihren abstrakten Beschreibungen zu unterscheiden. Innerhalb 

dieser Kategorien 99) wurden die ersten Modifikationen vorgenommen. So wurde etwa die Verfeinerung 

des Konzepts Unternehmen in verschiedene Branchen gelöscht und stattdessen ein neues 

Konzept Branche, mit den einzelnen Branchen 100) als Subkonzepten, unter objektives_Attribut (das 

ein Subkonzept von abstraktes_Denkobjekt ist) eingefügt. Weitere Modifikationen der Konzeptstruktur 

der KOWIEN-Ontologie werden in den folgenden Kapiteln beispielhaft dargestellt. Eine 

ausführlichere Beschreibung ist im Dokument „Design-Entscheidungen“ zu finden, das dem Projektbericht 

6/2004 zu entnehmen ist. 101) 

98) Eine Alternative wäre der „Middle-Out-Ansatz“, bei dem zunächst die relevantesten (z.B. die bei der Wissensakquisition am 

häufigsten genannten) Konzepte identifiziert werden. Diese Konzepte werden verfeinert, so dass sich einzelne „Inseln“ von 

hierarchischen Begriffssystemen bilden, die dann später in einem konzeptuellen Gesamtmodell zu integrieren sind. Vgl. Kapitel 

2.3.2.2.1.3 (S. 379 f.) und APKE/DITTMANN (2003b) S. 12 f. 

99) Mit „Kategorien“ werden hier diejenigen Konzepte bezeichnet, die noch weitere Subkonzepte besitzen. 

100) Die Branchenbezeichnungen und ihre hierarchische Struktur wurden an die Wirtschaftszweigklassifikation des Statistischen 

Bundesamtes angelehnt; vgl. STATISTISCHES BUNDESAMT (2003). 

101) Vgl. APKE/BREMER/DITTMANN (2004) S. B-1 ff.


3.2.2.5.4.3 Terminologie verfeinern und ergänzen 

Verfeinerung der KOWIEN-Ontologie 

Ausgehend von den oberen Begriffsebenen der KOWIEN-Ontologie wurden anhand des bei der 

Wissensakquisition erhobenen Wissens weitere grundlegende Konzepte identifiziert und in das 

Begriffssystem eingeordnet. Wenn möglich, wurden diese neuen Konzepte und die dadurch hinzukommenden 

Begriffsbäume zusammen mit verschiedenen Mitarbeitern der DMT, insbesondere der 

Abteilungen Innovations- und Projektmanagement sowie Personalentwicklung, erarbeitet und überprüft. 

Unter dem Konzept konkretes_Denkobjekt wurden auf diese Weise zum Beispiel Organisationskonzept 

und Projekt als neue Subkonzepte definiert, die die Begrifflichkeiten der Organisationsstrukturen 

und der Projektbearbeitung bei der DMT umfassen. Beim Konzept Individualakteur (das als 

Subkonzept von Akteur ein weiteres Konzept unter konkretes_Denkobjekt ist) wurde zusätzlich zwischen 

den Subkonzepten Mitarbeiter (der DMT) und externer_Akteur unterschieden, um die Sichtweise 

eines Unternehmens wie der DMT zu berücksichtigen. 

Allgemeine Konstrukte zur Beschreibung von Kompetenzen 

Für die weiteren im Kompetenzmanagement zentralen Konzepte wie Kompetenz, Kompetenzauspraegung 

und Kompetenzprofil waren besonders die Analyseergebnisse der Fragebögen zum Wissensmanager 

sowie mehrere Gespräche mit Vertretern der Personalabteilung von Bedeutung. Bei 

den Kompetenzausprägungen beispielsweise wurden die bereits im Wissensmanager vorhandenen 

Abstufungsraster 102) in das Begriffssystem aufgenommen. An dieser Stelle ergab sich erneut das 

Problem der Abgrenzung zwischen Konzepten und Instanzen (siehe auch Kapitel 3.2.2.5.2.3, S. 665 

f.). In der KOWIEN-Ontologie war ursprünglich vorgesehen, die verschiedenen Kompetenzausprägungen 

(z.B. Anfänger, Fortgeschrittener, Experte) als Subkonzepte des Konzepts Kompetenzauspraegung 

zu definieren. Diese Konzepte besaßen jeweils nur eine Instanz, die mit dem numerischen 

Wert der Ausprägung bezeichnet wurde. Für die Kompetenzontologie der DMT wurde entschieden, 

auf Konzeptebene zwischen verschiedenen Skalen zu unterscheiden (z.B. Kompetenzauspraegung_Sprache 

versus Kompetenzauspraegung_allgemein) und die Kompetenzausprägungen als 

Instanzen (und nicht als Subkonzepte) der jeweiligen Skala zu erfassen. Auf diese Weise wurden 

zwar die Begriffe für die Kompetenzausprägungen nicht in die Konzeptmenge aufgenommen. Dafür 

konnten aber mehrere Skalen berücksichtigt werden, ohne dass die Gefahr bestand, dieselben Instanzen 

mit unterschiedlichen Bedeutungen zu verwenden. Nach der Systematik der KOWIEN- 

Ontologie müsste es beispielsweise für die sprachlichen Kompetenzen der DMT die Ausprägungskonzepte 

Grundkenntnisse, weitergehende_Kenntnisse, verhandlungssicher und Muttersprache mit 

den entsprechenden Instanzen 1, 2, 3 und 4 geben und für die IT-Kompetenzen entsprechend die 

Konzepte geringe_Kenntnisse, durchschnittliche_Kenntnisse und gute_Kenntnisse mit den Instanzen 

1, 2 und 3. Die Instanzen 1, 2 und 3 wären damit Instanzen mehrerer Konzepte, aber jeweils mit un- 

102) Die Abstufung von Kompetenzausprägungen ist im Wissensmanager zurzeit nicht einheitlich: So basieren die Kompetenzausprägungen 

bei Sprachen auf einer Skala von 1 bis 4 (mit 4=Muttersprache) und bei IT-Kompetenzen auf einer Skala mit 

den Werten 1 (gering), 2 (durchschnittlich) und 3 (gut). Bei methodischen und sozialen Kompetenzen sind dagegen Ausprägungen 

von 0 (keine Angabe) bis 4 (sehr gut) vorgesehen. Für die Kompetenzontologie wurden diese Skalenvariablen auf 

zwei verschiedene Skalen reduziert: eine 4-stufige Skala für Ausprägungen der sprachlichen Kompetenzen (die der Skala aus 

dem Wissensmanager entsprach) und eine 5-stufige Skala für allgemeine Kompetenzausprägungen („keine Angaben, -1“ bis 

„Experte, 3“).


terschiedlicher Bedeutung. Aus diesem Grund sprechen die Anforderungen der Klarheit und der 

Einfachheit, aber auch der Minimalität dafür, die Kompetenzausprägungen nicht in die Menge der 

Konzepte aufzunehmen, sondern als Instanzen zu erfassen. Die Realisierung dieser Entscheidung 

wird in Abbildung 104 veranschaulicht. 

Um mit den Ausprägungen auf Instanzenebene numerische Berechnungen durchführen zu können 

(damit z.B. die Übereinstimmung eines Ist- mit einem Soll-Kompetenzprofil ermittelt werden 

kann), wurde ein Attribut hat_numerischen_Wert eingeführt. Dieses gibt mit einem Integer-Wert 

an, mit welcher Rangfolge auf einer Ordinalskala die Kompetenzausprägung zu verknüpfen ist (siehe 

auch Abbildung 104). 

Abbildung 104: Konzepte und Instanzen für Kompetenzausprägungen – partieller Screenshot OntoEdit 

Als ein weiteres zentrales Konzept für das betriebliche Kompetenzmanagement wurde das Konzept 

Kompetenzaussage (siehe Kapitel 2.4.3.1.2.1 und 3.2.2.1.2, S. 497 ff. bzw. 627 f.) aus dem Begriffssystem 

der KOWIEN-Ontologie übernommen. Mit diesem Konzept wird eine dreistellige 

Aussage ermöglicht, durch die einem Akteur (oder auch einer Stelle) eine Kompetenz mit einer bestimmten 

Kompetenzausprägung zugeordnet wird. 103) Diese Zuordnung wird mithilfe von drei verschiedenen 

Relationen, beinhaltet_Kompetenz, beinhaltet_Kompetenzauspraegung und betrifft_ 

Akteur, realisiert. Um alle Merkmale eines Akteurs, die sich auf seine Kompetenzen beziehen oder 

diese beeinflussen, in einem Profil ablegen und abrufen zu können, wurden die Instanzen des Konzepts 

Kompetenzprofil mittels der Relation beinhaltet_Kompetenzaussage mit den vorhandenen 

Kompetenzaussagen zu einem Akteur (oder einer Stelle) verknüpft. Ähnliche Relationen wurden 

eingefügt, damit in einem Kompetenzprofil für einen Akteur auch Aus- und Weiterbildungsaktivitäten 

sowie gesammelte Erfahrungen (wie z.B. Berufs- und Auslandserfahrungen) abgelegt werden 

können. 

103) Vgl. dazu auch das Kapitel 2.4.3.1.2.1 auf S. 496 ff.


Spezielle Strukturierung der Begriffe für Fachkompetenzen 

Neben diesen eher allgemeinen Aspekten des Kompetenzmanagements, die im Begriffssystem zu 

spezifizieren waren, musste die Menge der fachlichen Kompetenzbegriffe untersucht und strukturiert 

werden. Dafür wurden, aufbauend auf den Ergebnissen der Wissensakquisition, mehrere Begriffsbäume 

für die verschiedenen Gebiete von Fachkompetenzen erstellt. Zunächst wurde unterschieden 

zwischen Branchenkompetenz, fremdsprachlicher_Kompetenz, IT-Kompetenz, juristischer, 

betriebswirtschaftlicher, naturwissenschaftlich-technischer und kommunikativer_Kompetenz. Diese 

Konzepte wurden in Zusammenarbeit mit den Abteilungsrepräsentanten der DMT bis auf Instanzenebene 

verfeinert. Da die DMT als Technologie-Dienstleister über zum Teil sehr spezielle Kompetenzen 

auf vielen verschiedenen technischen und naturwissenschaftlichen Gebieten verfügt, existierte 

aus der Wissensakquisition bereits eine große Menge von Begriffen für diese Gebiete. Um eine 

Strukturierung dieser Begriffe zu erleichtern, wurde nach Recherchen im Internet 104) und weiteren 

Analysen der Wissensträgerdokumente eine grobe Strukturierung für die naturwissenschaftlichtechnischen 

Kompetenzen erstellt. Die ersten Subkonzepte von naturwissenschaftlich-technischer 

Kompetenz waren daher – in Anlehnung an die Benennung der Studiengänge und Fachbereiche an 

Hochschulen – Bauingenieurwesen, Bergbau, Biologie, Chemie, Elektrotechnik, Energietechnik, 

Geowissenschaft, Maschinenbau, Physik, Sicherheitstechnik, Umweltschutz und Verfahrenstechnik. 

Diese Konzepte wurden weiter verfeinert, bis das Begriffssystem aus Sicht der Abteilungsrepräsentanten 

dazu ausreichte, die Kompetenzen der Mitarbeiter und der Abteilungen zu beschreiben. Auf 

die gleiche Weise wurden Begriffsbäume für IT-Kompetenz, juristische und betriebswirtschaftliche 

Kompetenz entwickelt und in die Konzeptualisierung 105) eingefügt. 

Für Konzepte stellt OntoEdit Möglichkeiten zur Angabe von Synonymen und Erläuterungen bereit. 

Damit die Benutzer auch auf Instanzenebene Synonyme suchen und eingeben können, wurde für alle 

Instanzen des Konzepts Kompetenz ein Attribut hat_Synonym eingefügt. Dieses Attribut wurde 

jedoch anhand der Ergebnisse der Wissensakquisition nur für einige Instanzen beispielhaft genutzt. 

Im laufenden Betrieb des Kompetenzmanagementsystems sollte die Ontologie in dieser Hinsicht 

weiter „gefüllt“ werden, z.B. durch Vorschläge der Benutzer. Zu einem ähnlichen Zweck wurde für 

das Konzept Kompetenzauspraegung ein Attribut wird_erlaeutert_durch definiert, um textuelle Erläuterungen 

zu den Instanzen der Kompetenzausprägungen hinterlegen zu können. 106) 

104) Wichtige Quellen für den Aufbau eines solchen Schemas waren die online zugänglichen Bibliothekssystematiken der Technischen 

Universität München, der Universität Duisburg-Essen (Campus Duisburg) und der Fern-Universität Hagen. Diese sind 

im Internet unter den URL „http://www.ub.tum.de/bib/html_sys/syst_tit.html“, „http://www.ub.uni-duisburg.de/ghb/index. 

html“ sowie „http://ub-doc2.fernuni-hagen.de/systematik/index.htm“ (Zugriffe am 14.09.2004) zu finden. 

105) Als Konzeptualisierung werden an dieser Stelle das Begriffssystem (mit den Konzepten und ihrer hierarchischen Struktur) 

und die bisher erarbeiteten (nicht-hierarchischen) Relationen (einschließlich Attributen) bezeichnet. 

106) Siehe hierzu auch das Screenshot der Abbildung 104 auf S. 672.


3.2.2.5.4.4 Inferenz- und Integritätsregeln aufstellen 

Wie bereits in Kapitel 3.2.2.5.2.2 auf S. 664 beschrieben, stellte die Identifizierung und Formulierung 

von Inferenz- und Integritätsregeln für eine Kompetenzontologie eine schwierige Aufgabe dar. 

Einige Regeln wurden daher zunächst ohne die Mitwirkung der DMT-Mitarbeiter erarbeitet und 

spezifizierten die Eigenschaften der schon formulierten Relationen zwischen Konzepten. Dabei 

wurden die in der KOWIEN-Ontologie schon enthaltenen Regeln aufgegriffen 107) und durch neue 

Inferenzregeln für die zusätzlichen Relationen ergänzt. Die Relationen wurden zunächst daraufhin 

untersucht, ob sie transitiv oder symmetrisch sind oder sich invers zu einer anderen Relation verhalten: 

• Bei transitiven Relationen, wie etwa bei der Relation hat_Vorgesetzten zwischen zwei Mitarbeitern, 

kann im Fall zweier spezifizierter Beziehungen auf die Existenz einer dritten Beziehung 

geschlossen werden (falls die „Ziel“-Instanz der einen Beziehung identisch ist mit der 

„Ausgangs“-Instanz der anderen Beziehung). Wenn beispielsweise Mitarbeiter X Vorgesetzter 

von Mitarbeiter Y ist und dieser wiederum Vorgesetzter von Mitarbeiter Z ist, dann ist X auch 

Vorgesetzter von Z. 

• Symmetrie einer Relation bedeutet, dass zu jeder Bziehung zwischen zwei Instanzen auch die 

Umkehrung gilt. Ein Beispiel dafür ist die Relation verwandt_mit zwischen zwei Fachkompetenzen. 

Wenn für die Kompetenz Hydrogeologie spezifiziert ist, dass sie verwandt ist mit der 

Kompetenz Grundwassermanagement, kann daraus (automatisch) darauf geschlossen werden, 

dass die Grundwassermanagement-Kompetenz auch mit der Hydrogeologie-Kompetenz verwandt 

ist. 

• Zueinander inverse Relationen haben die Eigenschaft, dass sie sich „gegensätzlich“ zueinander 

verhalten. Die zuvor bereits erwähnte Relation beinhaltet_Kompetenz zwischen den 

Konzepten Kompetenzaussage und Kompetenz beispielsweise ist invers zur Relation enthalten_in_Kompetenzaussage 

(zwischen Kompetenz und Kompetenzaussage). Wenn also für das 

Konzept Kompetenzaussage die Instanz KA_1 spezifiziert ist mit der Beziehung beinhaltet_Kompetenz 

Englisch, dann ist auch die Beziehung Englisch ist_enthalten_in_Kompetenzaussage 

KA_1 gültig. 

Im Unterschied zu den gerade genannten Inferenzregeln, die für Schlussfolgerungen nur die inhaltsunabhängige 

(syntaktische) Struktur des spezifizierten Wissens benutzen, berücksichtigen objektsprachliche 

Inferenzregeln auch die enthaltene Semantik. 108) Mithilfe dieser Regeln kann das oft 

domänen- oder sogar unternehmensspezifische Wissen über alltägliche Zusammenhänge expliziert 

werden. So wurde bei Gesprächen mit Vertretern der IT-Abteilung deutlich, dass einige fachliche 

Kompetenzen, insbesondere auf dem Gebiet der Computersprachen, miteinander verwandt oder sogar 

stark verwandt sind und daher bestimmte Kompetenzen eines Mitarbeiters auf weitere bei ihm 

vorhandene Kompetenzen hinweisen. So konnte eine objektsprachliche Inferenzregel für folgende 

Schlussfolgerung formuliert werden: 

107) Vgl. ALAN (2003b) S. 21 ff. 

108) Vgl. ALPARSLAN ET AL. (2002) S. 47 sowie Kapitel 2.4.2.2.1 (S. 438 ff.).


Wenn ein Mitarbeiter eine Kompetenz X in der Ausprägung sehr_gut 109) besitzt und diese Kompetenz 

verwandt ist mit Kompetenz Y, dann besitzt der Mitarbeiter auch Kompetenz Y mindestens mit 

der Ausprägung gering. 

Eine Eigenschaft objektsprachlicher Inferenzregeln ist, dass durch ihre Anwendung kein sicheres 

Wissen generiert wird. So ist es auch im Fall des oben erläuterten Zusammenhangs keine gesicherte 

Tatsache, dass der Mitarbeiter die Kompetenz Y in der Ausprägung gering besitzt. Aus diesem 

Grund wurde dem Konzept Kompetenzaussage ein Attribut hat_Wahrscheinlichkeit 110) zugeordnet 

111) . Dieses Attribut war hier weniger dafür gedacht, Unsicherheiten bei der Beurteilung von 

Mitarbeiterkompetenzen durch andere Personen zu berücksichtigen, sondern in erster Linie für die 

Spezifizierung von Unsicherheit bei der automatischen Wissensgenerierung. 112) 

Neben den Inferenzregeln wurden Integritätsregeln formuliert, die später die Konsistenz der Ontologie 

und der (mithilfe der Inferenzregeln ableitbaren) Fakten sichern sollen. So darf es zum Beispiel 

nicht möglich sein, dass ein Mitarbeiter als sein eigener Vorgesetzter angegeben wird. Um 

diesen Fall auszuschließen, wurde eine Integritätsregel aufgestellt, nach der die Ziel-Instanz in keiner 

Beziehung aus der Relation hat_Vorgesetzten identisch sein darf mit der Ausgangs-Instanz aus 

derselben Beziehung. 

3.2.2.5.4.5 Reviews 

Die textuelle und teilweise auch graphische Darstellung der erarbeiteten Konzepte, Attribute, Relationen 

und Regeln wurde zusammen mit einigen Abteilungsvertretern der DMT überprüft. Dabei 

wurde untersucht, ob die Konzeptualisierung aus Sicht der Mitarbeiter umfangreich genug war und 

die Realität bezüglich der Kompetenzen der DMT repräsentierte, also ob die Konzeptualisierung als 

funktional vollständig betrachtet werden konnte. Auch weitere im Rahmen der Anforderungsspezifizierung 

festgelegte Anforderungen an die Ontologie – Klarheit, Einfachheit, Erweiterbarkeit, 

Wiederverwendbarkeit, Minimalität und Konsistenz – wurden bereits bei der Konzeptualisierung 

überprüft. Damit war es möglich, eventuelle Fehler früh zu bemerken und zu korrigieren. Einige 

„Lücken“ im Begriffsbaum der naturwissenschaftlich-technischen Kompetenzen beispielsweise, die 

von den Review-Teilnehmern zwar entdeckt, aber nicht gefüllt werden konnten, wurden durch 

Nachfragen bei den entsprechenden (menschlichen) Wissensträgern der DMT und durch weitere Internet-Recherchen 

beseitigt. 

Die Spracheignung sowie die Richtigkeit der Sprachanwendung konnten an dieser Stelle im Ontologieentwicklungsprozess 

noch nicht überprüft werden. Diese Anforderungen waren bei der Implementierung 

und bei der Evaluation zu berücksichtigen. 

109) Dabei wurde von einer Abstufung in geringe (1), durchschnittliche (2), gute (3) und sehr gute (4) Kenntnisse ausgegangen. 

110) In OntoEdit ist eine zusätzliche Relation zwischen Kompetenzaussage und dem Datentyp Double zu wählen. 

111) Vgl. ALAN (2003b) S. 11. 

112) Bei der DMT ist es nach Meinung der Personalabteilung nicht denkbar, dass die Kompetenzen eines Mitarbeiters durch eine 

andere Person beschrieben werden. Aus dieser Sicht ist damit die Zuweisung einer Wahrscheinlichkeit zu einer Kompetenzaussage 

nur für den Fall von automatischen Schlussfolgerungen zu verwenden. In einem Kompetenzmanagementsystem 

könnte das so realisiert werden, dass der Mitarbeiter durch das System über einen „Änderungsvorschlag“ bezüglich der ihn 

betreffenden Kompetenzaussagen informiert wird und dann selbst über die Korrektheit dieser Änderung entscheidet. Für andere 

Unternehmen (oder auch langfristig für die DMT) könnte das Attribut der Wahrscheinlichkeit auch für Kompetenzaussagen, 

die durch andere Personen getätigt wurden, von Bedeutung sein.


Die Reviews und damit die Phase der Konzeptualisierung wurden als abgeschlossen betrachtet, 

nachdem zwischen den beteiligten Personen Übereinstimmung hinsichtlich des Inhalts und des Designs 

der erarbeiteten Konzeptualisierung bestand. 

3.2.2.5.4.6 Ergebnisse 

Da bereits für die Konzeptualisierung das Werkzeug OntoEdit genutzt wurde, das die eingegebenen 

Konzepte, Attribute, Relationen und Regeln in einer Werkzeug-spezifischen formalen Sprache 

(OXML) ablegt, existiert kein graphisches konzeptuelles Gesamtmodell zu den Ergebnissen der 

Konzeptualisierung. Stattdessen werden in den folgenden Kapiteln Beispiele für die erarbeiteten 

Begriffsbäume sowie einige exemplarische Attribute, Relationen und Regeln in textueller Form vorgestellt. 

3.2.2.5.4.6.1 Begriffsbäume 

3.2.2.5.4.6.1.1 Begriffsbaum für Kompetenzarten 

Ein zentrales Konzept der Konzeptualisierung ist Kompetenz. Die Unterteilung in Subkonzepte von 

Kompetenz entspricht der Unterteilung der KOWIEN-Ontologie. 113) Bei der Bedeutung der Subkonzepte 

und den ihnen zugeordneten Instanzen wurde die Sichtweise der Mitarbeiter der DMT berücksichtigt. 

Im Folgenden wird diese Unterteilung in einer graphischen Übersicht dargestellt (siehe 

Abbildung 105) sowie eine genauere Erläuterung der Bedeutung der Konzepte aus Sicht der Personalentwickler 

der DMT gegeben. 

Fachkompetenz 

Sozialkompetenz 

Kompetenz 

Selbstkompetenz 

Abbildung 105: Subkonzepte von Kompetenz 

Methodenkompetenz 

113) Ähnliche Gliederungen der obersten Stufe finden sich auch in der einschlägigen Literatur; vgl. z.B. ERPENBECK/HEYSE (1999) 

S. 155 ff. und LEHMANN/NIEKE (2000) S. 2.


• Fachkompetenz: Fachkompetenz beschreibt die Kenntnisse und Fertigkeiten einer Person im 

Hinblick auf einen Tätigkeitsbereich. Hierzu gehören die Kenntnisse über Zusammenhänge 

und Hintergründe in diesem Bereich sowie die Fertigkeiten, dieses Wissen zu verknüpfen und 

zu sachbezogenen Urteilen heranzuziehen. 

• Sozialkompetenz: Sozialkompetenz umfasst Kenntnisse und Fertigkeiten, die das Verhalten 

einer Person gegenüber anderen Personen, z.B. Kollegen, Vorgesetzten oder Kunden, charakterisieren. 

Unter anderem sind neben Kommunikations- und Kontaktverhalten, Einfühlungsvermögen 

und Kooperationsbereitschaft dafür auch die Fähigkeit, konstruktive Kritik zu üben 

oder darauf konstruktiv zu reagieren, und Kenntnisse über sozial „angemessene“ Verhaltensweisen 

von Bedeutung. 

• Selbstkompetenz: Diese Kompetenzart entspricht den reflexiven Persönlichkeitsmerkmalen 

einer Person, also den Merkmalen, die das Bewusstsein über die eigene Person und den Umgang 

hiermit betreffen. 114) Dazu gehören die Kenntnisse und Fertigkeiten, die dazu beitragen, 

sich selbst zu motivieren und konstruktive Kritik auf eigenes Verhalten zu übertragen, aber 

auch Merkmale wie Selbstständigkeit und Zielstrebigkeit. 115) 

• Methodenkompetenz: Unter Methodenkompetenz werden die Kenntnisse und Fertigkeiten 

verstanden, Instrumente und Vorgehensweisen anwenden zu können, die in einem Tätigkeitsbereich 

erforderlich sind. Methodenkompetenzen sind zum Beispiel Informationsbeschaffung 

und -strukturierung, Präsentieren komplexer Sachverhalte sowie das Erkennen, Analysieren 

und Lösen von Problemen. 

3.2.2.5.4.6.1.2 Begriffsbaum für Projekte 

Der folgende Begriffsbaum in Abbildung 106 zeigt ein weiteres Beispiel für die Bestandteile der 

Konzepthierarchie aus der DMT-Ontologie. Um noch mehr Informationen darstellen zu können, 

wird dieser Begriffsbaum nicht, wie der Begriffsbaum für Kompetenzarten in Abbildung 105, graphisch 

veranschaulicht, sondern in einer strukturierten textuellen Form. In dieser Abbildung 106 

werden neben dem hierarchischen Zusammenhang und der Bedeutung der Konzepte auch einige 

diesen Konzepten zugeordnete Projekte (als Instanzen) aufgeführt. 

Generell gilt für die Konstruktion der DMT-Kompetenzontologie, dass die in der Wissensbasis abzulegenden 

Instanzen nur beispielhaft erhoben wurden. Insbesondere außerhalb des Bereichs der 

fachlichen Kompetenzen, der hier auch auf Instanzenebene bereits sehr umfangreich gestaltet wurde, 

ist die Wissensbasis vor einem Einsatz der Ontologie noch durch weitere Erhebungen oder Import 

aus anderen IT-Systemen (zum Beispiel dem Wissensmanager) zu vervollständigen. 

114) Vgl. ALAN (2003a) S. 42. 

115) Vgl. LEHMANN/NIEKE (2000) S. 6.


Projekte 

Projekt 

Bedeutung: einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem 

definierten Ziel, das die Zusammenarbeit mehrerer Personen unter einer Leitung 

erfordert 

- Auftrag 

Bedeutung: Kundenauftrag, der in Form eines Projekts bearbeitet wird 

• Großprojekt 

Bedeutung: Auftrag mit mindestens einer Million Euro Umsatz 

Archivierungssystem für Kartenwerke, Exploration der nördlichen 

Anschlussfelder, geologische Kartierung Rheinland-Pfalz 

• normales Projekt 

Bedeutung: Auftrag mit weniger als einer Million Euro Umsatz 

Geländeerfassung mit Luftbildern, geologisches Übersichtskartenwerk, 

Greenhouse Gas Mitigation Technologien 

- F&E-Projekt 

Bedeutung: Projekt für Forschung und Entwicklung mit öffentlichem 

Zuschussgeber 

KOWIEN 

- internes Projekt 

Bedeutung: Projekt ohne externen Auftrag- oder Zuschussgeber, das intern 

initiiert und verrechnet wird 

3.2.2.5.4.6.2 Attribute und Relationen 

Abbildung 106: Begriffsbaum für Projekte 

Das in Kapitel 3.2.2.5.4.6.1.2 erläuterte Konzept Projekt dient hier weiterhin als Beispiel, um einige 

der den Konzepten zugeordneten Attribute zu nennen. Die folgende Auflistung umfasst die Attribute 

und Relationen von Projekt in der DMT-Ontologie: 116) 

Projekt 

• hat_Projekttitel (String) 

• hat_Kurzbeschreibung (String) 

• hat_Budget_in_Euro (Integer) 

116) Attribute und Relationen lassen sich nicht streng voneinander unterscheiden (vgl. Fußnote 151 auf S. 157). Daher stellen die 

nachfolgend aufgelisteten Konstrukte sowohl Attribute des Konzepts Projekt als auch zweistellige Relationen zwischen dem 

Konzept Projekt und demjenigen Konzept (oder Datentyp) dar, das (der) in der nachfolgenden Auflistung jeweils am Zeilenende 

in Klammern aufgeführt ist. Allerdings lassen sich Attribute als ein Spezialfall von zweistelligen Relationen für vordefinierte 

Datentypen auffassen. Darauf wird in Kürze zurückgekommen.


• hat_Auftraggeber (Organisation) 

• wird_bearbeitet_mit_Projektpartner (Organisation) 

• hat_Starttermin (Datum) 

• hat_Endtermin (Datum) 

• wird_bearbeitet_von_Mitarbeiter (Mitarbeiter) 

• wird_geleitet_von_Projektleiter (Mitarbeiter) 

• wird_bearbeitet_von_DMT-Einheit (Organisationsteil) 

• betrifft_Branche (Branche) 

• erfordert_Kompetenz (Kompetenz) 

• hat_hauptverantwortliche_Organisation (Akteur) 

• wird_bearbeitet_in_Ort (Ort) 

• wird_bearbeitet_in_Land (Staat) 

Für die Konzeptualisierung der Kompetenzontologie wird das von den OntoEdit-Entwicklern verwendete 

Verständnis von Relationen und Attributen aufgegriffen, wonach Relationen Konzepte 

miteinander verknüpfen. Attribute werden ebenfalls als Verknüpfungen gesehen, die jedoch nicht 

unter den Konzepten der Ontologie, sondern zwischen den Konzepten und vordefinierten Datentypen 

(z.B. String, Integer, Boolean) bestehen. 117) Demnach stellen hat_Projekttitel, hat_Kurzbeschreibung 

und hat_Budget_in_Euro die Attribute des Konzepts Projekt und die restlichen aufgeführten 

Verknüpfungen die diesem Konzept zugehörigen Relationen dar. 

3.2.2.5.4.6.3 Regeln 


Bei der Relation „Mitarbeiter X ist_Vorgesetzter_von Mitarbeiter Y“ kann X nicht identisch sein mit 

Y. Obwohl bei dieser Relation Ausgangs- und Ziel-Instanz demselben Konzept angehören, dürfen 

die Instanzen nicht identisch sein. Gleiches gilt für die inverse Relation hat_Vorgesetzten. 


Insbesondere bei naturwissenschaftlich-technischen Kompetenzen und bei IT-Kompetenzen gibt es 

zahlreiche Kompetenzkonzepte, die sich inhaltlich überschneiden. Aus diesem Grund wurden Inferenzregeln 

formuliert, die einem (menschlichen) Akteur mit einer bestimmten fachlichen Kompetenz 

auch die mit dieser Kompetenz verwandten Fachkompetenzen zuweisen: „Wenn Akteur X die 

Kompetenz A in einer bestimmten Ausprägung (z.B. Experte) besitzt und die Kompetenz A stark 

verwandt ist mit der Kompetenz B, dann besitzt X auch die Kompetenz B, allerdings in einer geringeren 

Ausprägung (z.B. Anfänger).“ Zuvor muss jedoch sichergestellt werden, dass es noch keine 

Kompetenzaussage für den Akteur X bezüglich der Kompetenz B gibt (Einsatz einer Integritätsregel, 

s.o.). 

117) Vgl. ONTOPRISE (2003a) S. 4.


Aufgrund von Anregungen mehrerer Interviewpartner sollte ein Mechanismus bereitgestellt werden, 

der die zeitliche Variabilität von Kompetenzaussagen, besonders bei fachlichen Kompetenzen, berücksichtigt: 

Wenn eine Kompetenzaussage, die einen menschlichen Akteur betrifft, zwei Jahre 

oder länger nicht verändert worden ist, dann wird die Wahrscheinlichkeit für die Gültigkeit der 

Kompetenzaussage auf höchstens 40 Prozent herabgesetzt. Hierdurch wird berücksichtigt, dass 

Kompetenzaussagen über Akteure und ihre Kompetenzen, die über „längere Zeit“ nicht aktualisiert 

wurden, nicht als zuverlässig gelten können, weil die Gefahr besteht, dass Kompetenzen durch längeren 

Nichtgebrauch nachlassen. 

Um die Aktualität der Kompetenzprofile nicht nur durch manuelle Eingaben der Akteure, sondern 

auch durch automatisch generiertes Wissen fördern zu können, werden Regeln formuliert, die aufgrund 

bestimmter Fakten neue Kompetenzaussagen generieren. Ein Beispiel ist das Schließen auf 

Mitarbeiterkompetenzen durch Weiterbildungsaktivitäten: „Wenn Akteur X an der Weiterbildung Y 

teilgenommen hat und die Weiterbildung Y die Kompetenz A vermittelt, dann besitzt der Akteur X 

mindestens Anfängerkenntnisse hinsichtlich der Kompetenz A.“ Die neuen Kompetenzaussagen 

werden zunächst mit einer vergleichsweise geringen Wahrscheinlichkeit belegt, damit die Unsicherheit 

dieser Aussagen abgebildet wird. Der KOWIEN-Prototyp könnte diese Unsicherheit berücksichtigen, 

indem das Kompetenzmanagementsystem die Mitarbeiter über eventuell generierte 

Kompetenzaussagen informiert und nachfragt, ob die Aussagen zutreffen. 

3.2.2.6 Implementierung 

3.2.2.6.1 Ziele 

Die Ziele der Implementierung sind die formalsprachliche Repräsentation des konzeptuellen Modells 

und die Integration dieser Repräsentation in ein computerbasiertes Kompetenzmanagementsystem. 

118) Dafür ist es wichtig, eine geeignete Implementierungssprache auszuwählen, damit bei 

der Formalisierung des konzeptuellen Modells möglichst geringe Informationsverluste oder andere 

Abweichungen entstehen. Für die hier angestrebte Ontologieentwicklung werden mehrere Sprachen 

ausgewählt, um die damit implementierten Ontologien miteinander vergleichen und bewerten zu 

können. 


Die im Folgenden dargestellten Problemstellungen sind während unterschiedlicher Aktivitäten bei 

der Implementierung aufgetreten. Um die einzelnen Hintergründe der getroffenen Entscheidungen 

verdeutlichen zu können, werden diese Problemstellungen (wie auch in den vorangegangenen Kapiteln) 

bereits vor der Beschreibung des Vorgehens erläutert. 

118) Vgl. APKE/DITTMANN (2003b) S. 15.


3.2.2.6.2.1 Auswahl der Sprachen 

Die Auswahl von Ontologiesprachen gestaltet sich insofern als schwierig, als in der Literatur eine 

große Anzahl formaler Sprachen zur Spezifikation und Implementierung von Ontologien vorgeschlagen 

wird. 119) Diese Sprachen weisen jedoch zum Teil große Ähnlichkeit untereinander auf, 

weil sie z.B. die gleichen Wurzeln besitzen oder sogar aufeinander aufbauen. Beispiele dafür sind 

die Beziehungen zwischen RDF(S) und DAML+OIL sowie zwischen KIF und Ontolingua. Für 

DAML+OIL und Ontolingua wurden RDF(S) bzw. KIF als Ausgangsbasis zur Entwicklung einer 

ausdrucksmächtigeren Sprache genutzt, indem diese Sprachen um neue Konstrukte erweitert wurden. 

120) Bei einer Auswahl von stark verwandten Ontologiesprachen wäre der Gewinn von Informationen, 

die die Vorteile und Nachteile der Sprachen im Hinblick auf die Kompetenzontologie der 

DMT betreffen, begrenzt. Aus diesem Grund wurden Sprachen aus eher unterschiedlichen Forschungsansätzen 

miteinander verglichen. Die folgende Aufzählung enthält Sprachen, die für die Implementierung 

der Kompetenzontologie in Frage kommen: 

• F-Logic: Da die KOWIEN-Ontologie (siehe auch Kapitel 3.2.2.1.2, S. 626 ff.) bereits in F- 

Logic spezifiziert ist und darüber hinaus die im KOWIEN-Projekt genutzten Tools OntoEdit 

und OntoBroker F-Logic verwenden, war diese Frame- und Prädikatenlogik-basierte Sprache 

„vorgegeben“ (für eine ausführlichere Darstellung siehe Kapitel 3.2.2.6.3.1, S. 684 ff.). 

• RDF: Neben F-Logic lag die Auswahl einer Sprache aus dem „Semantic Web“-Umfeld nahe. 

Die Zielsetzung des Semantic-Web-Ansatzes besteht vor allem in der Anreicherung von Web- 

Seiten mit formaler Semantik, damit ihre Inhalte auch computerbasiert ausgewertet werden 

können. 121) Da zu diesem Zweck Spezifikationsmittel für die formale Darstellung und die 

Vergleichbarkeit allgemeiner Zusammenhänge benötigt werden, ist das Semantic Web ein 

sehr wichtiges Anwendungsfeld für Ontologien. Aus diesem Grund ist es für eine möglichst 

breite Nutzbarkeit und Werkzeugunterstützung der Kompetenzontologie von Vorteil, wenn 

sie in einer Sprache vorliegt, die auch im Semantic-Web-Umfeld eingesetzt wird. Eine bekannte 

Sprache, die in diesem Kontext entstanden ist, stellt das Resource Description Framework 

(RDF) dar. 122) RDF baut auf der XML-Syntax auf 123) und ist entwickelt worden, um das 

Hinzufügen von Metadaten zu Web-Seiten zu ermöglichen. Diese Metadaten beschreiben die 

Inhalte von Web-Seiten und können von verschiedenen Software-Anwendungen verarbeitet 

werden. Eine semantische Erweiterung zu RDF stellt das RDF Schema (RDFS) 124) dar, das 

119) Für eine umfassende Übersicht über verschiedene Ontologiesprachen und ihre Herkunft siehe FENSEL ET AL. (2003) S. 28 ff.; 

GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2002) S. 73 ff.; GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) S. 199 ff. Ein 

Vergleich und eine Bewertung mehrerer Sprachen finden sich sowohl in CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2003) S. 

54 ff. als auch in RIBIÈRE/CHARLTON (2000) S. 3 ff. 

120) Vgl. zu DAML+OIL und seiner Herkunft die Informationen im Internet unter der URL „http://www.w3.org/TR/daml+oilreference“ 

(Zugriff am 05.09.2004) bzw. zu Ontolingua GRUBER (1993) S. 204 ff. 

121) Für eine Einführung in die Idee des Semantic Web siehe BERNERS-LEE/HENDLER/LASSILA (2001) und FENSEL ET AL. (2003). 

122) RDF wird seit 1997 vom World Wide Web Consortium (W3C) entwickelt und besitzt den Status einer W3C „Recommendation“. 

Aktuelle Informationen zu RDF werden im Internet unter der „URL http://www.w3.org/RDF/“, die detaillierte Spezifikation 

unter der URL „http://www.w3.org/TR/rdf-syntax-grammar/“ (Zugriffe am 16.09.2004) bereitgestellt. 

123) Die Extensible Markup Language (XML) ist ein Datenaustauschformat und eine Möglichkeit zur Strukturierung der Inhalte 

von Internet-Seiten; weitere Informationen sind im Internet unter der „URL http://www.w3.org/XML“ (Zugriff am 17.09. 

2004) zu finden. 

124) Die aktuelle Spezifikation von RDFS ist im Internet unter der URL „http://www.w3.org/TR/rdf-schema/“ (Zugriff am 14.09. 

2004) zu finden.


gleichzeitig das von RDF verwendete Vokabular definiert. Mithilfe von RDFS können die 

Elemente von RDF und ihre Zusammenhänge genauer beschrieben werden, z.B. durch eine 

Klassenhierarchie. Die Kombination von RDF und RDFS (RDF(S)) bildet eine wichtige 

Grundlage für die Formulierung, den Austausch und die computerbasierte Nutzung strukturierter 

Metadaten und für die Spezifikation von Ontologien. 

• DAML+OIL: Eine aktuellere Entwicklung, die ebenfalls aus dem Forschungsansatz des Semantic 

Web hervorgegangen ist, stellt DAML+OIL dar. Diese Spezifikationssprache erweitert 

RDF(S) um einige Modellierungskonzepte, um zusätzliche Möglichkeiten zur formalsprachlichen 

Beschreibung von Metainformationen (z.B. Kardinalitätseinschränkungen) bereitzustellen. 

• OWL: Die aktuellste Entwicklung aus dem Semantic-Web-Umfeld für eine Ontologiesprache 

ist die Web Ontology Language (OWL). OWL stellt eine Weiterentwicklung von DAML+ 

OIL dar und besitzt seit Februar 2004 den Status einer „Recommendation“ des W3C. 125) 

• OXML: Das hier verwendete Ontologieentwicklungswerkzeug OntoEdit benutzt als eigenes 

Ontologie-Repräsentationsformat OXML (XML basierte Ontologiesprache). Diese Sprache 

baut auf XML auf und wurde von den Mitarbeitern der Ontoprise GmbH speziell dafür entwickelt, 

die Komponenten (Konzepte, Attribute, Relationen und Regeln) und Metadaten einer 

Ontologie darzustellen. 126) 

• Ontolingua: Die Repräsentationssprache Ontolingua, die auf dem Knowledge Interchange 

Format (KIF) basiert, stellt Mittel für die Definition von Klassen, Relationen, Funktionen, 

Objekten und Regeln bereit. 127) Die Zielsetzung ihrer Entwicklung lag vor allem darin, eine 

Ausgangsbasis für die Übersetzung von Ontologien in zahlreiche andere Sprachen zu schaffen. 

Aufgrund seiner Herkunft – KIF besitzt ebenso wie F-Logic „Wurzeln“ in der Prädikatenlogik 

– weist Ontolingua Ähnlichkeiten mit F-Logic auf. 

Für die Implementierung der Kompetenzontologie der DMT wurden F-Logic und DAML+OIL ausgewählt. 

F-Logic wird bereits im KOWIEN-Projekt verwendet und ist hier als Repräsentant der 

prädikatenlogischen Sprachen zu sehen. 128) DAML+OIL stellt ein Beispiel für die Sprachen aus 

dem Semantic-Web-Umfeld dar und ist aufgrund seiner Ausdrucksfähigkeit besser für die Spezifikation 

von Ontologien geeignet als RDF(S). F-Logic und DAML+OIL stammen aus unterschiedlichen 

Forschungsrichtungen und bilden daher einen interessanten Gegensatz für die Evaluation (für 

eine detaillierte Beschreibung der Sprachen siehe die Kapitel 3.2.2.6.3.1 und 3.2.2.6.3.2 auf S. 683 

ff.). 

Die Sprache Ontolingua wird wegen der fehlenden Werkzeugunterstützung durch OntoEdit und OntoBroker 

bei der Implementierung der DMT-Ontologie nicht berücksichtigt. Auch OXML wird 

nicht weiter betrachtet, weil es außerhalb der Anwendungen der Ontoprise GmbH (noch) keine Bedeutung 

besitzt. OWL ist noch nicht weit verbreitet und wird aufgrund seiner Neuheit von vielen 

Werkzeugen noch nicht unterstützt, insbesondere nicht von OntoEdit und OntoBroker (zum Zeit- 

125) Vgl. die aktuelle Spezifikation zu OWL im Internet unter der URL „http://www.w3.org/TR/owl-ref/“ (Zugriff am 16.09. 

2004). 

126) Ausführlichere Informationen zu OXML (in der aktuellen Version 2.0) werden in einem von der Ontoprise GmbH im Internet 

veröffentlichten Tutorial (URL „http://www.ontoprise.de/customercenter/support/tutorials“; Zugriff am 14.09.2004) gegeben. 

127) Vgl. GRUBER (1993) S. 204. 

128) Zur Auswahl einer geeigneten Repräsentationssprache siehe auch Kapitel 3.2.2.6.3 (S. 684 ff).


punkt der DMT-Ontologieentwicklung). Aus diesem Grund wird OWL bei der Implementierung 

und Evaluation der Kompetenzontologie ebenfalls nicht berücksichtigt. Um jedoch eventuelle (theoretische) 

Vorteile gegenüber dem „Vorgänger“ DAML+OIL zu untersuchen, wird in Kapitel 

3.2.2.6.3.3 (S. 688 f.) ein kurzer Ausblick auf OWL gegeben. 

3.2.2.6.2.2 Implementierung der Regeln 

Bei der Implementierung der Regeln wird das Problem deutlich, dass einige Integritätsregeln sich 

zwar sinngetreu in der von OntoEdit und OntoBroker für Regeln genutzten Sprache F-Logic darstellen, 

aber beispielsweise von dem Werkzeug OntoBroker nicht verarbeiten lassen. Ein Beispiel 

dafür ist die in Kapitel 3.2.2.5.4.6.3 beschriebene Integritätsregel für die Relation ist_Vorgesetzter_ 

von, nach der Ausgangs- und Ziel-Instanz dieser Relation nicht identisch sein dürfen. Eine Formalisierung 

dieser Integritätsregel ist nur mittels einer Negation im Kopf der Regel möglich, beispielsweise 

in der Form: 

FORALL MA1,MA2 (NOT equal(MA1,MA2)) >MA2]. 

Eine solche Regel, die den Ausschluss eines unzulässigen Faktums spezifiziert, kann zwar als Hornformel 

formuliert werden 129) , ist aber dennoch nicht in OntoBroker verarbeitbar. Eine ähnliche 

Problemstellung, die Spezifizierung von Antisymmetrie, wird in ALAN (2003a) 130) beschrieben. In 

Anlehnung an die dort genannten Lösungsmöglichkeiten kommen hier folgende Vorgehensweisen 

in Frage: 

• Durch die Einführung aussagenlogischer Konstrukte könnte eine Regel formuliert werden, die 

eine Inkonsistenz in der Wissensbasis feststellt, falls die beiden an der Relation beteiligten Instanzen 

identisch sind: 

FORALL MA1,MA2 (inkonsistent) >MA2] AND equal(MA1,MA2). 

Wenn dieser Fall eintritt, kann zwar die Aussage getroffen werden, dass die Wissensbasis eine 

Inkonsistenz enthält; diese kann jedoch nicht „zurückverfolgt“ und daher nur schwer behoben 

werden. 

• Eine zweite Möglichkeit ist, eine solche Inkonsistenz im Vorhinein zu vermeiden und die 

eventuellen Ursachen für die Inkonsistenz zu finden. Eine Fehlerquelle für die falsche Zuordnung 

einer Zielinstanz (range) zu der Relation einer anderen Instanz (domain) ist die falsche 

Eingabe durch den Benutzer der Ontologie. Dies lässt sich kaum verhindern; möglicherweise 

könnte aber der KOWIEN-Prototyp den Benutzer an dieser Stelle entsprechend unterstützen. 

129) Eine Hornformel enthält nur Hornklauseln, also Klauseln mit jeweils höchstens einem positiven Literal (vgl. EHRIG ET AL. 

(1999) S. 297). Die oben genannte Regel entspricht aus abstrakter Sicht der folgenden Aussage: A -> ¬B (wenn A, dann nicht 

B). In disjunktiver Normalform lautet sie: ¬A V ¬B. Somit enthält diese Formel kein positives Literal und stellt eine Hornklausel 

dar. Viele Inferenzmaschinen sind auf die Verarbeitung von Hornformeln beschränkt, weil das so genannte Resolutionsverfahren, 

durch das die Unerfüllbarkeit einer Formel nachgewiesen werden kann, bei Hornformeln eine deutliche geringere 

Laufzeit in Anspruch nimmt. Vgl. EHRIG ET AL. (1999) S. 299 ff. 

130) Vgl. ALAN (2003a) S. 31 ff.


• Eine andere Fehlerquelle ist das nicht manuell eingegebene Wissen, das beispielsweise durch 

die Anwendung der Transitivitätsregel für die Relation ist_Vorgesetzter_von generiert wird. 

Eine falsche Verarbeitung der Transitivitätsregel kann verhindert werden, indem definiert 

wird: 

FORALL MA1,MA2,MA3 MA1[hat_Vorgesetzten->>MA3] >MA2] AND 

MA2[hat_Vorgesetzten->>MA3] AND 

NOT equal(MA1,MA3). 

Da die erste Möglichkeit das Problem der Inkonsistenz nicht löst, sondern nur explizit macht, und 

die „Inkonsistenz-Aussage“ bei mehr als einer Integritätsregel nicht mehr der auslösenden Inkonsistenz 

zugeordnet werden kann, wird diese Vorgehensweise hier nicht umgesetzt. Die zweite Möglichkeit 

bezieht sich nicht direkt auf die Ontologieentwicklung und wird deshalb hier nicht weiter 

betrachtet. Stattdessen wird die dritte Möglichkeit gewählt, um die Konsistenz der Ontologie hinsichtlich 

des automatisch generierten Wissens zu sichern. 

3.2.2.6.3 Ontologiesprachen 

Die folgenden Kapitel geben eine Einführung in die verwendeten Sprachen F-Logic und DAML+ 

OIL (sowie OWL), um den Ausgangspunkt für die Implementierung und die Evaluation zu verdeutlichen. 

131) 

3.2.2.6.3.1 F-Logic 

F-Logic 132) , eine Abkürzung für Frame Logic, wurde erstmals 1995 von den Autoren KIFER, LAU- 

SEN und WU vorgestellt. Wie die Bezeichnung andeutet, stellt diese Sprache eine Integration framebasierter 

Sprachen 133) mit der Prädikatenlogik 1. Stufe dar. F-Logic berücksichtigt die strukturellen 

Aspekte objektorientierter und framebasierter Sprachen und setzt Konzepte um wie Objektidentität, 

Vererbung, polymorphe Typen, Kapselung und Abfragemechanismen. 134) Dabei wird von der Annahme 

ausgegangen, dass die Repräsentation der Realität aus Objekten besteht, die eine Identität 

besitzen. Diese Objekte sind Instanzen von Klassen (die hier den Konzepten einer Ontologie entsprechen) 

und können an Relationen zu anderen Objekten teilnehmen. Diese Relationen werden 

durch Methoden spezifiziert und sind entweder funktional (einwertig, wie z.B. die Relation hat_ 

Vater) oder mengenwertig (mehrwertig, wenn es mehrere Ziel-Objekte geben kann, etwa bei der 

Relation hat_Sohn). 

131) Detaillierte Erläuterungen zu diesen Sprachen sind in KIFER/LAUSEN/WU (1995) und in HORROCKS (2002) zu finden. 

132) Zu F-Logic vgl. auch die Kapitel 2.4.2.1 und 2.4.2.3 (S. 431 ff. bzw. 470 ff.). 

133) Für detaillierte Informationen zum Frame-Konzept vgl. MINSKY (1975). Obwohl der Name F-Logic an dieses Konzept aus 

dem Bereich der Künstlichen Intelligenz angelehnt ist, wurde die Terminologie für F-Logic eher aus dem Ansatz der objektorientierten 

Programmierung übernommen. Der objektorientierte Ansatz besitzt große Ähnlichkeit mit dem Frame-Konzept. 

134) Vgl. KIFER/LAUSEN/WU (1995) S. 741.


Einen großen Vorteil für die Strukturierung von Konzeptmengen einer Ontologie bietet die in F- 

Logic vorgesehene Einordnung von Klassen in eine Generalisierungshierarchie. Dabei werden 

Klassen durch die „is-a“-Relation, in der F-Logic-Syntax durch „::“ dargestellt (z.B.: Fachkompetenz::Kompetenz), 

als Subklassen anderer Klassen definiert und erben die Eigenschaften dieser Superklassen. 

Die Attribute und Methoden einer Klasse, die Ergebnisse der Methoden (d.h. die Instanzen aus den 

Ziel-Klassen) und eventuelle Parameter (flache Datentypen, wie z.B. String oder Integer) werden 

durch die Signatur einer Klasse definiert. 135) Die Klasse Akteur der Kompetenzontologie zum Beispiel 

besitzt die folgende Signatur: 

Akteur[hat_Name => String; 

ist_betroffen_von_Kompetenzaussage =>> Kompetenzaussage; 

hat_Kompetenzprofil => Akteurs_Profil; 

hat_Adresse =>> Ort]. 

Durch diese Signatur wird festgelegt, dass allen Objekten vom Typ Akteur ein Attribut hat_Name 

vom Typ String zugewiesen wird. Darüber hinaus definiert sie für alle Instanzen von Akteur die 

Methoden ist_betroffen_von_Kompetenzaussage, hat_Kompetenzprofil und hat_Adresse, wobei die 

Ergebnisse auf die Klassen Kompetenzaussage, Akteurs_Profil bzw. Ort eingeschränkt werden. 

Die Signatur einer Klasse wird in F-Logic benutzt, um Informationen über Instanzen dieser Klasse 

in so genannten F-Molekülen 136) zu spezifizieren. Einer Instanz der Klasse Akteur können anhand 

der oben genannten Signatur folgende Eigenschaften zugewiesen werden: 

MA_H_Mueller:Akteur 

MA_H_Mueller[hat_Name -> "Hans_Mueller"; 

ist_betroffen_von_Kompetenzaussage ->> KA_1_H_Mueller; 

hat_Kompetenzprofil -> Profil_H_Mueller; 

hat_Adresse ->> Schützenbahn_70_in_45141_Essen]. 

Dieses F-Molekül beinhaltet mehrere Fakten über das Objekt Mitarbeiter Hans Müller. Eine Sammlung 

solcher Fakten bildet in F-Logic einen Teil der Object Base, die zusammen mit der Deklaration 

der Generalisierungshierarchie und der Signaturendeklaration ein F-Logic-Programm (und damit 

die Ontologie) bildet. Zur Object Base gehören neben den Fakten auch Regeln für zusätzliche Informationen 

(Inferenz- und Integritätsregeln). 137) Diese Regeln beschreiben Wissen über allgemeine 

Merkmale der Klassen oder der Methoden und sind durch einen Regelkopf (die Konklusion) und 

einen Regelkörper (die Bedingung) aufgebaut. 

Das auf S. 674 erwähnte Beispiel der inversen Relationen enthalten_in_Kompetenzaussage und beinhaltet_Kompetenz 

wird in F-Logic folgendermaßen formuliert: 

FORALL X,Y X[beinhaltet_Kompetenz->Y] 

Y[enthalten_in_Kompetenzaussage->X]. 

135) Vgl. KIFER/LAUSEN/WU (1995) S. 748. 

136) F-Molekül ist eine Kurzform für molekulare F(rame)-Formel; vgl. KIFER/LAUSEN/WU (1995) S. 754. 

137) Damit können durch F-Logic sowohl extensionale Fakten (alle einem Begriff zugeordneten Objekte der realen Welt) als auch 

intensionale Informationen (alle Attribute, die den diesem Begriff zugeordneten Objekten gemeinsam sind) spezifiziert werden.


Die Object Base kann durch Queries nach bestimmten Informationen durchsucht werden. Die Form 

einer Query ist der einer Regel sehr ähnlich; sie enthält jedoch keinen Kopf, also keine Konklusion. 

In der unten genannten Query wird beispielsweise an die Faktenbasis die Anfrage gestellt, welcher 

Mitarbeiter an einer Weiterbildungsaktivität zum Konfliktmanagement teilgenommen hat (siehe 

auch Competency Question 11, S. 644 u. 646). 


hat_teilgenommen_an_Weiterbildung ->> Konfliktmanagement]. 

Aufgrund der genannten Fähigkeiten bezüglich der Repräsentation von Wissen, die durch die Kombination 

objektorientierter Paradigmen mit dem deduktiven Ansatz der Prädikatenlogik ermöglicht 

werden, bildet F-Logic eine ausdrucksmächtige formale Sprache, insbesondere auch zur Spezifikation 

von Ontologien. Relationseigenschaften wie Transitivität und Inverse können jedoch nicht „direkt“ 

spezifiziert werden, sondern sind, wie in dem oben genannten Beispiel, als Inferenzregeln zu 

formulieren. 

3.2.2.6.3.2 DAML+OIL 

Die Ontologiesprache DAML+OIL ist aus einer Zusammenführung der beiden Projekte DAML und 

OIL entstanden. Das US-amerikanische Programm DAML (DARPA Agent Markup Language) 

wurde im Jahr 2000 mit der Zielsetzung initiiert, eine Sprache und Werkzeuge zur Förderung des 

Semantic-Web-Konzepts zu schaffen. 138) Etwa zur gleichen Zeit begann eine Gruppe von Forschern 

in Europa mit der Erarbeitung eines (ebenfalls webbasierten) Standards zur Spezifikation und zum 

Austausch von Ontologien, den sie OIL (Ontology Inference Layer) nannten. 139) Die an den beiden 

Projekten beteiligten Forscher waren der Meinung, dass eine Zusammenarbeit Erfolg versprechender 

wäre, so dass die bereits entwickelten Sprachen DAML-ONT und OIL zu DAML+OIL zusammengeführt 

wurden. 

DAML+OIL ist, wie auch die beiden Ausgangsentwicklungen, eine RDF(S)-basierte Sprache, die 

um ausdrucksfähige Modellierungskonzepte erweitert wurde. So wird der objektorientierte Ansatz 

aufgegriffen, um die Struktur einer Domäne in Form von Klassen und deren Eigenschaften zu beschreiben. 

Gleichzeitig ist DAML+OIL aus formaler Sicht verwandt mit Beschreibungslogiken, da 

z.B. Klassen nicht nur durch eindeutige Namen (URIs: Unified Resource Identifiers) definiert werden 

können, sondern auch durch Klassen-Ausdrücke wie Aufzählungen oder Eigenschaftsrestriktionen. 

140) Obwohl die Syntax der Beschreibungslogiken kompakter als die RDF-Syntax ist, wurde 

DAML+OIL in dieser Hinsicht an RDF angelehnt, um Kompatibilität zu den Sprachen im Semantic-Web-Umfeld 

zu erreichen. Daher übernimmt DAML+OIL die sprachlichen Konstrukte aus 

RDF, wie etwa resource, property, type, subClassOf, range und domain. Einige Konstrukte werden 

jedoch durch DAML+OIL anders als in RDF (z.B. Class) oder ganz neu definiert, beispielsweise 

cardinality, TransitiveProperty und inverseOf. 

Besondere Bedeutung hat das Konstrukt Datatype, weil die zu repräsentierende Realität bei 

DAML+OIL in zwei Gruppen unterteilt wird: einen Teil, der die zu den XML-Schema-Datentypen 

138) Vgl. http://www.daml.org (Zugriff am 16.09.2004). 

139) Für weitere Informationen zum Projekt OIL vgl. FENSEL ET AL. (2000) S. 1 ff. 

140) Vgl. HORROCKS (2002) S. 5.


gehörenden Werte umfasst (die Datatype-Domäne), und einen anderen Teil mit allen Objekten, die 

als Mitglieder der DAML+OIL-Klassen betrachtet werden. 141) 

Die DAML+OIL-Spezifikation einer Ontologie besteht aus null oder mehr Köpfen, in denen Informationen 

zur aktuellen Version und zu importierten Ontologien abgelegt werden können, sowie aus 

null oder mehr Klassenelementen, Eigenschaftselementen und Instanzen: 

• Ein Klassenelement (daml:Class) enthält den Namen und die Definition einer Klasse und 

kann z.B. subClassOf-Elemente (die die Superklasse der Klasse benennen) und disjointWith- 

Elemente (deren Klassen keine gemeinsamen Instanzen mit der zu definierenden Klasse haben 

dürfen) umfassen. Gegebenenfalls können in einem Klassenelement auch boolsche Kombinationen 

von Klassenausdrücken (wie intersectionOf) sowie Aufzählungselemente (oneOf) 

angegeben werden. 

• Bei Eigenschaftselementen (rdf:Property) wird zwischen ObjectProperty und DatatypeProperty 

unterschieden; erstgenannte beschreibt die Relation zwischen Objekten (Instanzen von 

Klassen), während DatatypeProperty Objekte mit Datentypen verknüpft (in Form von Attributen). 

Neben dem Namen der Eigenschaft beinhaltet ein Eigenschaftselement u.a. domain- 

Elemente, die die Klasse(n) spezifizieren, für deren Instanzen die Eigenschaft gilt, range- 

Elemente, die die Klasse(n) der Ziel-Instanzen spezifizieren, und inverseOf-Elemente für die 

Spezifikation der zu dieser Eigenschaft inversen Eigenschaft. 

• Instanzen der Klassen und der Eigenschaften werden gemäß der RDF(S)-Syntax formuliert; 

die genaue Notation kann dabei unterschiedlich aussehen. Der Name einer Instanz wird entweder 

mittels ID oder durch about spezifiziert. Zusätzlich besteht die Möglichkeit, identische 

(sameIndividualAs) und unterschiedliche Objekte (differentIndividualFrom) zu definieren. 

Das folgende Beispiel zeigt die DAML+OIL-Spezifikation einer Klasse Fremdsprachliche_Kompetenz, 

die Subklasse von Fachkompetenz ist und eine Relation verwandt_mit besitzt. Zielobjekte 

der Relation sind wiederum Instanzen der Klasse Fremdsprachliche_Kompetenz. Anschließend 

wird die Instanz Schwedisch spezifiziert, die mit der Instanz Norwegisch verwandt ist. 

 

 

 

 

 

 

 

 

 

 

#Schwedisch 

 

 

141) Vgl. HORROCKS (2002) S. 8 ff. Die klare Trennung zwischen Instanzen von (Objekt-) Klassen und Instanzen von Datentypen 

wird u.a. damit motiviert, dass dadurch das System der Datentypen ohne Auswirkungen auf die Ontologiesprache erweitert 

werden kann und umgekehrt.


Aufgrund der Möglichkeiten zur Festlegung von Restriktionen (bezüglich Klassen und Eigenschaften, 

z.B. Kardinalitäten) und allgemeiner Zusammenhänge (wie etwa Transitivität und inverse Relationen) 

142) stellt DAML+OIL eine ausdrucksmächtige Weiterentwicklung der Verbindung von 

RDF(S) mit Beschreibungslogiken dar. Im Gegensatz zu F-Logic ist jedoch in der aktuellen Version 

von DAML+OIL (März 2001 143) ) keine Spezifikation und Verarbeitung von Inferenzregeln möglich. 

Es gibt allerdings seit Ende 2000 eine Initiative zur Definition einer einheitlichen Rule Markup 

Language (RuleML) 144) und ihrer Einbindung in webbasierte Ontologiesprachen. Mit ihrer Hilfe 

sollen auf der Basis von XML Regeln (z.B. Transformations- und Inferenzregeln) ermöglicht und 

ein entsprechender Standard entwickelt werden. 

3.2.2.6.3.3 OWL 

OWL, die Web Ontology Language, wird vom World-Wide-Web-Konsortium als möglicher Standard 

zur Definition von Web-Ontologien für das Semantic Web entwickelt. Diese Web-Ontologien 

sollen dazu dienen, ein Vokabular zur Beschreibung von Web-Seiten bereitzustellen und die Bedeutungen 

und die Zusammenhänge der dafür relevanten Begriffe zu spezifizieren. OWL basiert auf 

RDF(S) und wird als Weiterentwicklung von DAML+OIL gesehen. Es umfasst drei „Subsprachen“, 

die auf unterschiedliche Zielgruppen und Anwendungssituationen zugeschnitten sind: 

• OWL-Lite unterstützt in erster Linie die Spezifikation einer Klassenhierarchie und einfache Einschränkungsmechanismen 

wie Kardinalitäten. Dabei wird auf die Reduzierung von Komplexität 

geachtet, indem nur eine Teilmenge der OWL-Sprachkonstrukte zur Verfügung gestellt wird. 

• OWL-DL (in Anlehnung an Description Logics) beinhaltet dagegen das vollständige OWL- 

Vokabular. Dieses kann jedoch nur unter bestimmten Restriktionen verwendet werden. So wird 

beispielsweise eine strikte Trennung zwischen Klassen, Instanzen und Eigenschaften vorgeschrieben. 

OWL-DL richtet sich damit vor allem an Benutzer, die eine ausdrucksmächtige 

Sprache wünschen, aber gleichzeitig Wert auf operationale Vollständigkeit legen. 

• OWL-Full umfasst dasselbe Vokabular wie OWL-DL, die Konstrukte können dabei jedoch ohne 

Einschränkungen verwendet werden. Damit stellt OWL-Full eine Erweiterung von RDF dar, 

bei der die größtmögliche Ausdrucksmächtigkeit im Vordergrund steht. 

142) Allerdings stellt DAML+OIL keine Konstrukte zur Spezifizierung von Symmetrie bereit. 

143) Die aktuelle Referenzbeschreibung zu DAML+OIL, die dem World Wide Web Konsortium vorgelegt wurde, ist im Internet 

unter der URL „http://www.w3.org/TR/daml+oil-reference“ (Zugriff am 15.09.2004) zu finden. Dort werden auch weitere 

ausführliche Informationen zu den Sprachkonstrukten von DAML+OIL zur Verfügung gestellt. 

144) Aktuelle Informationen zu RuleML sind im Internet unter der URL „http://www.dfki.uni-kl.de/ruleml/“ (Zugriff am 16.09. 

2004) zu finden. Die Sprache wird in ihrem derzeitigen Entwicklungsstand (Stand Version 0.87, September 2004) auch die 

besonderen Modellierungsprimitive von F-Logic berücksichtigen, so dass ein zufrieden stellender Austausch zwischen den 

beiden hier vorgestellten Sprachen möglich sein wird. Darüber hinaus existieren zurzeit Entwicklungsbestrebungen, die eine 

Einbettung der RuleML in OWL (vgl. Kapitel 3.2.2.6.3.3) vorsehen, so dass in Zukunft mit einer mächtigen Sprache für die 

Ontologiekonstruktion im Semantic-Web-Umfeld zu rechnen ist. Siehe hierzu die Informationen im Internet unter der URL 

„http://www.w3.org/Submission/2004/SUBM-SWRL-20040521/“ (Zugriff am 16.09.2004).


Die aktuelle Version von OWL (vom 10.02.2004) besitzt den Status einer „Recommendation“. 145) 

Zurzeit werden erste Erfahrungen mit Implementierungen in der Praxis geprüft. OWL ist somit eine 

sehr neue, wenig erprobte Sprache und wird aufgrund der fehlenden Werkunterstützung (zum Zeitpunkt 

der Ontologieentwicklung für die DMT) nicht weiter betrachtet. 


Bei der Implementierung sollte berücksichtigt werden, dass in dieser Phase für die Kompetenzen 

der DMT nicht eine, sondern zwei Ontologien erstellt wurden: eine F-Logic-Ontologie sowie eine 

DAML+OIL-Ontologie. Dies ist im generischen Vorgehensmodell KOWIEN nicht explizit vorgesehen. 

Dennoch können die darin enthaltenen Aktivitäten gemäß ihren Spezifikationen durchgeführt 

werden, weil jede der beiden Ontologien auf die gleiche Art und Weise, wie im Vorgehensmodell 

beschrieben, implementiert wird. 

3.2.2.6.4.1 Formale Sprachen auswählen 

Das Problem der Auswahl mehrerer formaler Sprachen wurde bereits in Kapitel 3.2.2.6.2.1 (S. 681 

ff.) dargestellt. Die Entscheidung, F-Logic und DAML+OIL zu verwenden, wurde insbesondere 

durch die gegebene Werkzeugunterstützung (OntoEdit und OntoBroker) beeinflusst. Des Weiteren 

war es aus Gründen der Wiederverwendbarkeit der Ontologie(n) wichtig, Sprachen zu wählen, die 

dokumentiert und auch allgemein bekannt sind. Für die Wiederverwendbarkeit spielt auch die 

Werkzeugunterstützung außerhalb des KOWIEN-Projekts eine Rolle. Für F-Logic wurden nicht nur 

in OntoEdit und OntoBroker, sondern auch in den Werkzeugen Protégé-2000 und in WebODE 146) 

Schnittstellen implementiert. DAML+OIL wird zum Beispiel von OilEd 147) , WebODE und Protégé- 

2000 unterstützt. Daher können die Ontologien, die in F-Logic und DAML+OIL implementiert 

wurden, später auch mithilfe anderer Werkzeuge bearbeitet und leicht in einem anderen Kontext 

wieder verwendet werden. 

3.2.2.6.4.2 Ontologien in formale Darstellungen transformieren 

Da für die Entwicklung der Kompetenzontologie das Werkzeug OntoEdit genutzt wurde, konnten 

die im Rahmen der Konzeptualisierung identifizierten Konzepte, Attribute, Relationen und Instanzen 

in OntoEdit eingegeben werden (sofern sie nicht schon vorher darin erfasst worden waren). 

Auch diejenigen Inferenzregeln, die die Eigenschaften bestimmter Relationen spezifizieren (beispielsweise 

Transitivität), konnten mithilfe von OntoEdit leicht formuliert werden. Für alle weiteren 

145) Die vollständige Spezifikation von OWL ist im Internet unter der URL „http://www.w3.org/TR/owl-ref/“ zu finden; ein 

Überblick über die Eigenschaften der Sprache wird im OWL Language Guide unter der URL „http://www.w3.org/TR/owlfeatures/“ 

gegeben (Zugriff am 15.09.2004). 

146) Aktuelle Informationen zu Protégé-2000 sind im Internet unter der URL „http://protege.stanford.edu/index.html“ (Zugriff am 

08.09.2004) zu finden. Eine ausführlichere Darstellung zu WebODE wird in ARPÍREZ ET AL. (2001) S. 6 ff. gegeben. Problematisch 

bei WebODE ist, dass auf der Homepage, im Gegensatz zur vorgenannten Quelle, nicht von einer Unterstützung von 

F-Logic berichtet wird; vgl. „http://delicias.dia.fi.upm.es/webODE/“ (Zugriff am 16.09.2004). 

147) Weitere Informationen zum Ontologie-Editor OilEd werden im Internet unter der URL „http://oiled.man.ac.uk/“ (Zugriff am 

08.09.2004) zur Verfügung gestellt.


Inferenz- und Integritätsregeln war es jedoch notwendig, sie bereits in formaler Schreibweise (in F- 

Logic-Format) in das Werkzeug einzugeben. 

Dabei ergaben sich, zusätzlich zu den bereits erwähnten Schwierigkeiten bei der Formulierung einiger 

Integritätsregeln, Probleme mit der Abfrage von Variablen aus der Systemumgebung. Beispielsweise 

wird für die Inferenzregel, nach der die Wahrscheinlichkeit einer mindestens 2 Jahre alten 

Kompetenzaussage auf 40 Prozent herabgesetzt wird (siehe Kapitel 3.2.2.5.4.6.3, S. 680), die 

aktuelle Zeit benötigt. Da diese zurzeit nicht über OntoEdit oder OntoBroker ermittelt werden kann, 

wird die Regel zunächst „statisch“ formuliert. Alle Kompetenzaussagen, die zuletzt im Jahr 2001 

oder früher geändert wurden, werden als nicht aktuell eingestuft, damit das System ihre Wahrscheinlichkeit 

auf 40 Prozent setzt, falls diese nicht vorher schon 40 Prozent oder weniger betrug. 

Es ist wünschenswert, dass durch den KOWIEN-Prototyp eine entsprechende Variable mit dem jeweils 

aktuellen Datum gesetzt werden kann, um diese Inferenzregel „dynamisch“ formulieren zu 

können. 

Bei der Formalisierung wurden einige syntaktische Fehler entdeckt, die bei der Formulierung der 

Regeln entstanden. Gemäß dem generischen KOWIEN-Vorgehensmodell wurde daraufhin die Ontologie 

überprüft und entsprechend verbessert. 

3.2.2.6.4.3 Ontologien implementieren 

Sobald die Konzeptualisierung vollständig in OntoEdit übertragen war und auch die Integritäts- und 

Inferenzregeln in OntoEdit formal spezifiziert waren, konnte die dadurch entstandene (OXML-) 

Ontologie in die beiden Formate F-Logic und DAML+OIL exportiert werden. Die daraufhin durch 

OntoEdit generierten Ontologien wurden jedoch noch manuell nachbearbeitet, weil das Werkzeug 

beispielsweise die Eigenschaften der Relationen (wie etwa Transitivität, siehe Kapitel 3.2.2.5.4.4, S. 

674) in der DAML+OIL-Ontologie nicht spezifiziert hatte. Diese Eigenschaften wurden nachträglich 

in die Ontologie eingefügt, ebenso wie einige Kommentare und Erläuterungen, die nach dem 

Export durch OntoEdit in der mittels F-Logic repräsentierten Ontologie fehlten. Die Implementierung 

der Kompetenzontologien konnte anschließend als beendet angesehen werden. 


Um einen Eindruck von den Ergebnissen der Implementierung zu vermitteln, werden in den folgenden 

beiden Kapiteln Ausschnitte aus den zwei resultierenden Ontologien dargestellt. Für jede der 

Ontologien werden als Beispiele die Spezifikationen des gleichen Realitätsausschnitts gezeigt, damit 

diese Spezifikationen direkt miteinander verglichen werden können. Die unten aufgeführten 

Ontologie-Ausschnitte umfassen die formalen Spezifikationen derjenigen Konzepte, Attribute, Relationen 

und Regeln, die während der Konzeptualisierung für den Realitätsausschnitt Projekte erarbeitet 

wurden. Ein Teil dieser Konstrukte ist bereits bei den Ergebnissen der Konzeptualisierung in 

informaler und semiformaler Form vorgestellt worden (siehe Kapitel 3.2.2.5.4.6, S. 676 ff.). 

Auffallende Unterschiede, die in den folgenden Ausschnitten deutlich werden, liegen beispielsweise 

im Umfang der Repräsentation. Während der Ausschnitt der F-Logic-Ontologie nur wenige Zeilen 

umfasst, ist der inhaltlich vergleichbare Teil der DAML+OIL-Ontologie aufgrund der zahlreichen 

erforderlichen Tags knapp zwei Seiten lang. Ein weiterer Nachteil von DAML+OIL, der an dieser 

Stelle jedoch nicht sichtbar wird, ist die fehlende Möglichkeit zur Spezifikation von Regeln. Bis auf 

wenige Ausnahmen, wie etwa Kardinalitäten und Transitivität, können in DAML+OIL keine In-


tegritäts- oder Inferenzregeln formuliert werden. Andererseits stellt DAML+OIL im Gegensatz zu 

F-Logic Konstrukte zur Spezifikation von Synonymen und disjunkten Konzepten sowie zur Angabe 

zusätzlicher Erläuterungen (comment) bereit. 

3.2.2.6.5.1 F-Logic-Ontologie (Ausschnitt) 

Projekt::konkretes_Denkobjekt. 

// einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem definierten Ziel, das die 

Zusammenarbeit mehrerer Personen unter einer Leitung erfordert 

Auftrag::Projekt. // externer Kundenauftrag 

F_und_E_Projekt::Projekt. 

// Projekt fuer Forschung und Entwicklung mit oeffentlichem Zuschussgeber 

Internes_Projekt::Projekt. 

Grossprojekt::Auftrag. // Auftrag mit mindestens einer Million Euro Umsatz 

Normales_Projekt::Auftrag. // Auftrag mit weniger als einer Million Euro Umsatz 

Projekt[hat_Projekttitel => xsdSTRING; 

hat_Kurzbeschreibung =>> xsdSTRING; 

wird_bearbeitet_von_DMT_Einheit =>> Organisationsteil; 

wird_geleitet_von_Projektleiter => Mitarbeiter; 

wird_bearbeitet_von_MA =>> Mitarbeiter; 

hat_Auftraggeber =>> Organisation; 

wird_bearbeitet_mit_Projektpartner =>> Organisation; 

hat_Budget_in_Euro => xsdINTEGER; 

hat_Starttermin => Datum; 

hat_Endtermin => Datum; 

erfordert_Kompetenz =>> Kompetenz; 

hat_Projektstatus => Projektstatus]. 

KOWIEN:F_und_E_Projekt. 

KOWIEN[hat_Projekttitel ->> "Kooperatives Wissensmanagement in Engineering-Netzwerken"; 

wird_bearbeitet_von_DMT_Einheit ->> IPM; 

wird_geleitet_von_Projektleiter -> MA_F_Sowa; 

wird_bearbeitet_von_MA ->> MA_A_Bremer; 

wird_bearbeitet_von_MA ->> MA_F_Sowa; 

wird_bearbeitet_mit_Projektpartner ->> Universitaet_Duisburg_Essen; 

wird_bearbeitet_mit_Projektpartner ->> Comma_Soft; 

wird_bearbeitet_mit_Projektpartner ->> KSM_Koeln; 

wird_bearbeitet_mit_Projektpartner ->> Roland_Berger; 

hat_Starttermin -> "01_10_2001"; 

hat_Endtermin -> "31_12_2004"; 

erfordert_Kompetenz ->> Einsatzbereitschaft; 

erfordert_Kompetenz ->> Kooperationsfaehigkeit; 

erfordert_Kompetenz ->> Wissensmanagement_Organisationales_Lernen; 

hat_Projektstatus -> in_Bearbeitung].


3.2.2.6.5.2 DAML+OIL-Ontologie (Ausschnitt) 

 

einmaliges, neuartiges, zeitlich begrenztes Vorhaben mit einem 

definierten Ziel, das die Zusammenarbeit mehrerer Personen unter einer Leitung erfodert 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

externer Kundenauftrag 

 

 

 

Projekt fuer Forschung und Entwicklung mit 

oeffentlichem Zuschussgeber 

 

 

 

 

 

 

Auftrag mit mindestens einer Million Euro 

Umsatz 

 

 

 

 

Auftrag mit weniger als einer Million Euro 

Umsatz 

 

 

 

 


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Projekte erfordern vor allem Fachkompetenz, 

es koennen aber auch andere Kompetenzarten benoetigt werden 

 

 

 

 

 

 

Kooperatives Wissensmanagement in Engineering- 

Netzwerken 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


3.2.2.7 Evaluation 

3.2.2.7.1 Ziele 

Die Evaluation dient dazu, die Ontologie (hier: die beiden Ontologien) hinsichtlich eines Referenzrahmens 

zu beurteilen 148) , der durch die Anforderungsspezifikation konstituiert wird. Mit diesem 

muss die Ontologie verglichen werden, um anschließend eine Bewertung und gegebenenfalls eine 

Verbesserung der Ontologie vorzunehmen. Dieses Vorgehen soll sicherstellen, dass die Ontologie 

die Anforderungen erfüllt und später von den Anwendern akzeptiert wird. Bei der Entwicklung der 

DMT-Kompetenzontologie wurden zwei Ontologien implementiert und evaluiert. Damit wurden 

auch die beiden Sprachen F-Logic und DAML+OIL miteinander verglichen. Das Ziel dieser Vorgehensweise 

war die möglichst genaue Evaluation verschiedener Sprachen nicht nur vor ihrer Anwendung 

bei der Implementierung, sondern auch darüber hinaus. Dadurch konnten zwei fertig gestellte 

Ontologien bewertet und daraus die im Sinne der Anforderungen „beste“ ausgewählt werden. 


3.2.2.7.2.1 Auswahl der Evaluatoren 

Für die Durchführung der Evaluation in einer Ontologieentwicklung ist es einerseits erforderlich, 

Experten im Bereich Ontologien und Wissensrepräsentation hinzuzuziehen. Andererseits ist aber 

auch die Befragung der zukünftigen Anwender notwendig, um die Funktionalität der Ontologie zu 

beurteilen. Die Auswahl von Personen für die Evaluation der beiden Kompetenzontologien gestaltete 

sich schwierig, weil die Mitarbeiter der DMT keine Erfahrung in der Entwicklung oder der Beurteilung 

von Ontologien besaßen. Es war jedoch von großer Bedeutung, dass bei der Evaluation besonders 

die beiden zur Repräsentation verwendeten Sprachen berücksichtigt werden, damit anschließend 

die hinsichtlich der Anforderungen am besten geeignete Ontologie bestimmt werden 

konnte. Aus diesem Grund wurden im Rahmen der Evaluation nicht nur Mitarbeiter der DMT, sondern 

darüber hinaus auch Mitarbeiter des Universitätspartners und des Softwarepartners befragt. Bei 

dieser Befragung, die in den Kapiteln 3.2.2.7.3.1 und 3.2.2.7.3.2 erläutert wird, wurden unterschiedliche 

Schwerpunkte gesetzt: Bei der Befragung von Vertretern der DMT stand die Beurteilung der 

Funktionalität und des grundsätzlichen Aufbaus der Ontologien im Mittelpunkt. Bei den weiteren 

Befragungen war es ebenso wichtig, die auf die unterschiedlichen Sprachen zurückzuführenden 

Qualitätsunterschiede zu identifizieren, um diese dann für die Auswahl der „besseren“ Ontologie 

heranzuziehen. 

3.2.2.7.2.2 Ermittlung und Auswertung der Ergebnisse 

In der Anforderungsspezifikation wurden bereits erste Überlegungen zur Operationalisierung der 

Gütekriterien dargestellt. Diese reichen jedoch nicht aus, um die Erfüllung der Anforderungen 

durch die Ontologien ermitteln und bewerten zu können, weil sie noch nicht vollständig operationalisiert 

worden sind. Daher wurden anhand der schon identifizierten Indikatoren (siehe dazu auch 

148) Vgl. GÓMEZ-PÉREZ (2001) S. 393.


Kapitel 3.2.2.3.2.5, S. 633 f.) und aufbauend auf weiteren Ergebnissen des KOWIEN-Projekts 149) 

Messgrößen für die Berechnung von Kennzahlen festgelegt. 

Für das Kriterium der Klarheit ist beispielsweise der Indikator Anzahl der intersubjektiv nicht nachvollziehbaren 

Konstrukte (NniN) bestimmt worden, der in der Messgröße αNniN = NniN / NK (mit 

NK = Anzahl aller Konstrukte in der Ontologie) zur Berechnung einer Kennzahl für die Klarheit 

benutzt wird. Zur einfacheren und intersubjektiv nachvollziehbaren Bewertung wurden Schwellenwerte 

festgelegt, anhand derer sich eine Kennzahl immer genau einem Wert auf einer Ordinalskala 

zuordnen lässt. So wurde zum Beispiel die Klarheit einer Ontologie mit 0,01 ≥ αNniN ≥ 0 als sehr gut 

bewertet. Die Festlegung dieser Schwellenwerte orientierte sich an den Sollwerten, die die Mitarbeiter 

der DMT durch das Ausfüllen des Fragebogens „Erhebung des Soll-Ontologie-Profils“ bestimmt 

haben. Die Kennzahl wurde anschließend auf einer Ordinalskala eingeordnet, indem man ihr 

einen der Werte 0 bis 4 (hier: keine, geringe, durchschnittliche, gute oder sehr gute Klarheit) zuordnete. 

Diese Art der Bewertung soll dazu beitragen, das Ausfüllen des Fragebogens für die Evaluatoren zu 

vereinfachen und die Ergebnisse vergleichbarer zu machen. Dabei ist zu beachten, dass zur Beurteilung 

der Ontologien nicht mit einer Kardinalskala gearbeitet wird, die erforderlich wäre, um anschließend 

etwa einen Nutzwert für jede Ontologie zu berechnen. Die für die Erfüllung der Anforderungen 

vergebenen „Punkte“ sind stattdessen als ordinale Bewertung zu sehen, die später für die 

Visualisierung der Ergebnisse in Polarprofilen und für die Auswahl der „besten“ Ontologie verwendet 

wird (siehe Kapitel 3.2.2.7.5.2, S. 704 f.). 


3.2.2.7.3.1 Strukturiertes Interview 

Ähnlich wie bereits in der Phase der Wissensakquisition wurde für die Evaluation eine Befragung 

vorgenommen, um Informationen über die subjektiv wahrgenommene Qualität der Ontologien zu 

erheben. Im Unterschied zur Wissensakquisition wurde hier jedoch nicht nur eine Agenda für den 

groben Ablauf erstellt, sondern ein detaillierter Fragebogen, in dem die einzelnen bei der Anforderungsspezifizierung 

festgelegten Kriterien noch einmal erläutert und operationalisiert werden. Dafür 

wurde ein bereits vom Universitätspartner erarbeiteter Fragebogen („Erhebung des Ist-Ontologie- 

Profils“) 150) als Ausgangsbasis verwendet, und die darin enthaltenen Kriterien wurden an die Kriterien 

der Anforderungsspezifikation angepasst. Durch strukturierte Interviews, die bereits früher ausführlich 

dargestellt worden sind (siehe Kapitel 3.2.2.4.3.1, S. 650 f.), wurde der Fragebogen anschließend 

mit verschiedenen Repräsentanten der DMT ausgefüllt. Die Befragung der Mitarbeiter 

der DMT wurde persönlich durchgeführt, besonders um eventuelle Fragen bezüglich der „Handhabung“ 

der Ontologien beantworten zu können. 

149) Vgl. dazu die Ausführungen von ALPARSLAN in ALAN/ALPARSLAN/DITTMANN (2003) S. 57 f. 

150) Vgl. zu diesem Fragebogen die Ausführungen von ALPARSLAN in ALAN/ALPARSLAN/DITTMANN (2003) S. 159 ff. und AL- 

PARSLAN (2003).


3.2.2.7.3.2 Schriftliche Befragung 

Wie bereits erwähnt, wurden neben den Mitarbeitern der DMT weitere am Projekt KOWIEN beteiligte 

Personen für die Evaluation der Kompetenzontologien befragt. Um zusätzliche Bewertungen 

der Ontologien, insbesondere der verwendeten Sprachen, zu erheben, haben einige Mitarbeiter des 

Universitäts- und des Softwarepartners ebenfalls den Evaluationsfragebogen erhalten. Diese Personen 

wurden auf schriftlichem Wege befragt, indem die Zusendung des Fragebogens und der Ontologien 

sowie das Zurückschicken des ausgefüllten Fragebogens via Email durchgeführt wurden. 151) 

Vorteile dieser „postalischen“ Befragung liegen neben dem reduzierten (zeitlichen und organisatorischen) 

Aufwand für den Interviewer vor allem darin, dass die Befragten sich mehr Zeit zum Ausfüllen 

des Fragebogens nehmen können und möglicherweise ehrlicher und konzentrierter antworten als 

in Anwesenheit eines Interviewers. 

Einige Ausschnitte aus dem Fragebogen, der sowohl bei den Interviews als auch bei der schriftlichen 

Befragung verwendet wurde, werden in Kapitel 3.2.2.7.5.1 (S. 700 ff.) dargestellt. 152) 


Auch für den Ablauf der Evaluation ist zu beachten, dass die im Vorgehensmodell spezifizierten 

Aktivitäten für zwei Ontologien durchgeführt werden mussten. Darüber hinaus ist es wichtig, dass 

die Ontologieentwicklung mit der Evaluation oft nicht abgeschlossen ist. In Abhängigkeit von den 

Ergebnissen der Evaluation kann es notwendig sein, noch einmal zur Implementierung „zurückzugehen“ 

oder sogar das konzeptuelle Modell zu überarbeiten. Die Evaluation einer Ontologie umfasst 

einerseits ihre Validation und andererseits ihre Verifikation. Bei der Validation wird überprüft, 

ob eine Ontologie ihre Anforderungsspezifikation erfüllt. Dabei wird im Allgemeinen davon ausgegangen, 

dass die Überprüfung mittels informaler Methoden erfolgt. Bei der Verifikation geht es 

hingegen darum, die Korrektheit einer Ontologie in Bezug auf eine formalsprachliche Spezifikation 

mittels formaler Methoden zu überprüfen. 153) Die zu verifizierende Korrektheit entspricht weit gehend 

dem Kriterium der Konsistenz, das in Kapitel 2.1.6.7 (S. 347) erläutert wurde. 

Die beiden im generischen Vorgehensmodell KOWIEN zusätzlich enthaltenen Evaluationsaktivitäten, 

die das Testen der Ontologie in ihren zukünftigen Anwendungsbereichen und die Korrektur 

der dabei entdeckten Fehler beschreiben, wurden bei der DMT-Ontologieentwicklung nicht berücksichtigt. 

Die Umsetzung dieser Funktionen war nicht möglich, weil zum Zeitpunkt der Entwicklung 

noch kein Kompetenzmanagementsystem zur Verfügung stand, in dessen Rahmen die gewählte Ontologie 

eingesetzt werden konnte. Der von der Comma Soft AG zu entwickelnde KOWIEN-Prototyp 

soll ein solches Kompetenzmanagementsystem bereitstellen, das einen benutzerfreundlichen 

Zugriff auf die Konstrukte der Ontologie und auf die Wissensbasis ermöglicht. 154) 

151) Für weitere Informationen zur Methode der schriftlichen Befragung siehe SCHNELL/HILL/ESSER (1995) S. 333. 

152) Der vollständige Fragebogen ist in APKE/BREMER/DITTMANN (2004) S. C-1 ff. zu finden. 

153) Ähnliche Definitionen für den Begriff Verifikation werden in GÓMEZ-PÉREZ (2001) S. 393 (speziell für Ontologien) und in 

BALZERT (1998) S. 446 (für Software allgemein) gegeben. 

154) Vgl. dazu Kapitel 3.1.1, S. 571 ff., insbesondere S. 579 ff.


3.2.2.7.4.1 Ontologien verifizieren 

Da für die Kompetenzontologien der DMT keine formalsprachliche Spezifikation existierte, wie sie 

das Wissen über Kompetenzen zu repräsentieren hatten, war ein Beweis ihrer semantischen Korrektheit 

nicht möglich. 

Der zweite Bestandteil der Verifikation ist der Beweis der syntaktischen Korrektheit, wobei die Definitionen 

aller Konzepte, Attribute, Relationen und Regeln der Ontologien zu untersuchen sind. 

Aufgrund der Nutzung des Werkzeugs OntoEdit wurde die Codierung der Ontologien mit Ausnahme 

einiger Regeln und Kommentare hier nicht manuell, sondern durch den Computer vorgenommen. 

Aus diesem Grund konnte man, zumindest für die hier geltenden Ansprüche, von einer korrekten 

Definition dieser Konstrukte ausgehen. 155) 

Eine weitere Verifikation der Ontologien wurde wegen des fehlenden formalen Referenzrahmens 

nicht durchgeführt; stattdessen wurde die syntaktische und semantische Korrektheit der Ontologien 

durch Tests (in Form von Abfragen) mit OntoEdit und OntoBroker überprüft. 

3.2.2.7.4.2 Fehler aus der Verifikation korrigieren 

Ähnlich wie bereits bei der Formalisierung und Implementierung (siehe Kapitel 3.2.2.6.4.2 bzw. 

3.2.2.6.4.3, beide S. 690) wurden im Zuge der Verifikation einige syntaktische Fehler in den manuell 

formulierten Inferenzregeln der F-Logic-Ontologie festgestellt und daraufhin behoben. Da in der 

DAML+OIL-Ontologie diese Regeln nicht spezifiziert werden konnten und sie daher nur aus den 

aus OntoEdit exportierten Daten bestand, mussten darin keine syntaktischen Fehler korrigiert werden. 

Nachdem auch die Verarbeitun und 3,2.6.4.3g der F-Logic-Ontologie durch OntoEdit und OntoBroker 

fehlerfrei war, galt diese ebenfalls als syntaktisch korrekt. 

3.2.2.7.4.3 Ontologien validieren 

3.2.2.7.4.3.1 Befragung der Projektbeteiligten 

Bei der Validation einer Ontologie wird überprüft und bewertet, inwieweit die Ontologie dem Realitätsausschnitt 

entspricht, den sie abbilden soll. 156) Als Referenzrahmen für die Validation wurde 

hier die Anforderungsspezifikation verwendet, insbesondere die darin festgelegten Gütekriterien 

und Competency Questions. Anhand dieses Referenzrahmens mussten die Evaluatoren, also die 

Mitarbeiter der DMT sowie des Software- und des Universitätspartners, einschätzen, welche der 

beiden Kompetenzontologien am besten die gestellten Anforderungen erfüllt. Der zu diesem Zweck 

erstellte Fragebogen umfasste für jedes Kriterium aus der Anforderungsspezifikation Orientierungsfragen 

und/oder Algorithmen zur Berechnung von Kennzahlen, die die Bewertung der Ontologien 

erleichtern sollten. Da die Evaluatoren den Fragebogen für beide Ontologien ausfüllten, wurde jede 

der Ontologien nicht nur mit dem Referenzrahmen, der Anforderungsspezifikation, sondern indirekt 

auch mit der anderen Ontologie verglichen. Auf diese Weise war es schließlich möglich, die für 

155) Diese Annahme setzt ein „blindes“ Vertrauen in die Korrektheit von Computern voraus, auf das an dieser Stelle nicht weiter 

eingegangen werden kann. Einstweilen soll der Verweis, dass eine Fokussierung auf die Praktikabilität des Vorgehens erfolgte, 

als Begründung für diese Annahme reichen. 

156) Vgl. GÓMEZ-PÉREZ (2001) S. 393.


eine Anwendung bei der DMT und im KOWIEN-Projekt am besten geeignete Ontologie auszuwählen. 

3.2.2.7.4.3.2 Auswertung der Befragungsergebnisse 

Anhand der Antworten der Befragten und der berechneten Kennzahlen wurde für jede der beiden 

Ontologien zu jedem Kriterium ein Durchschnittswert gebildet, der sich aus der Gesamtheit der 

ausgefüllten Fragebögen ergab. Diese Durchschnittswerte wurden mithilfe von MS-Excel in ein 

Netzdiagramm übertragen und damit graphisch visualisiert. Neben den „Profilen“ der beiden Ontologien 

enthält das Netzdiagramm auch eine Darstellung der jeweils höchstmöglichen Werte für alle 

Kriterien, die damit das „Idealprofil“ repräsentiert. Diese Ontologieprofile ermöglichen einen qualitativen 

Vergleich der F-Logic- mit der DAML+OIL-Ontologie (siehe Kapitel 3.2.2.7.5.2, S. 704 f.). 

Unterschiede in der Bewertung der beiden Ontologien ergaben sich in erster Linie nur beim Kriterium 

der Spracheignung. Für die Wiederverwendbarkeit wurden den Ontologien von einigen Evaluatoren 

ebenfalls unterschiedliche Bewertungen vergeben, alle weiteren Kriterien wurden nach Ansicht 

der Befragten von beiden Ontologien gleich gut erfüllt. 

Anhand der Ergebnisse zu diesen letztgenannten Kriterien konnte daher eine allgemeine Überprüfung 

der nicht durch die Sprache beeinflussten, „inhaltlichen Qualität“ der beiden Ontologien vorgenommen 

werden. Wie aus den Netzdiagrammen der Ontologien deutlich wird, erhielten beide 

Ontologien hohe Bewertungen für die Kriterien Klarheit, funktionale Vollständigkeit, Konsistenz 

und Richtigkeit der Sprachanwendung. Besonders bei der Klarheit und der funktionalen Vollständigkeit 

war dieses Ergebnis überaus wichtig, da für diese Kriterien im Rahmen der Anforderungsspezifizierung 

eine sehr hohe Priorität festgelegt worden war. Die Einfachheit der Ontologien 

sowie ihre Erweiterbarkeit und auch ihre Minimalität bewerteten die Evaluatoren etwas schlechter, 

aber immer noch deutlich überdurchschnittlich. Die einzelnen Kritikpunkte der Evaluatoren waren 

sehr ähnlich und bezogen sich meist auf die oberen Ebenen der Ontologien, die von der KOWIEN- 

Ontologie übernommen worden waren. Hier wünschten sich die befragten Personen eine weiter gehende 

Vereinfachung der Konzepthierarchie und eine stärkere Fokussierung auf die für die DMT 

relevanten und verständlichen Konzepte. Diese Anregungen wurden dann durch weitere Überarbeitungen 

und Verbesserungen umgesetzt (siehe dazu das folgende Kapitel 3.2.2.7.4.4). 

Bezüglich der Wiederverwendbarkeit sahen einige der Evaluatoren Vorteile in der Wahl der 

DAML+OIL-Ontologie. Aufgrund ihrer großen Bedeutung für den Forschungsansatz des Semantic 

Web ist es wahrscheinlich, dass die Sprache DAML+OIL auch später noch zahlreichen Personen 

bekannt ist und sie von vielen Werkzeugen unterstützt wird. F-Logic ist ebenfalls weit verbreitet, 

daher wurde die Wiederverwendbarkeit der F-Logic-Ontologie nur geringfügig schlechter beurteilt. 

Beim Kriterium der Spracheignung bewerteten die Evaluatoren die F-Logic-Ontologie dagegen 

deutlich besser als die DAML+OIL-Ontologie, was auch aus der Übersicht der Netzdiagramme ersichtlich 

ist (siehe Kapitel 3.2.2.7.5.2, S. 705). Hauptursache für diese Bewertung war die größere 

Ausdrucksfähigkeit von F-Logic. In der aktuellen Version von DAML+OIL ist zwar die Spezifikation 

und Verarbeitung von Relationseigenschaften wie Transitivität möglich, die Formulierung von 

Integritätsregeln und objektsprachlichen Inferenzregeln jedoch nicht. Die im Rahmen der Konzeptualisierung 

identifizierten Regeln (siehe Kapitel 3.2.2.5.4.4 und 3.2.2.5.4.6.3, S. 674 f. bzw. 679 f.) 

konnten daher nicht in die DAML+OIL-Ontologie aufgenommen werden.


Aus diesem Grund stellt die F-Logic-Ontologie die hinsichtlich der aufgestellten Anforderungen 

besser geeignete Ontologie dar. Sie wurde für die weitere Verwendung im Kontext des KOWIEN- 

Projekts ausgewählt und zu diesem Zweck noch geringfügig überarbeitet. 

3.2.2.7.4.4 Fehler aus der Validation korrigieren 

Nachdem anhand der unterschiedlichen Bewertungen der beiden Ontologien durch die Evaluatoren 

die in diesem Zusammenhang „beste“ Ontologie bestimmt worden war, wurden die bei der Validation 

angeregten Verbesserungsvorschläge überprüft und umgesetzt. Bei dieser weiteren Überarbeitung 

wurde jedoch nur noch die F-Logic-Ontologie berücksichtigt, da sie die bei der DMT und im 

KOWIEN-Projekt einzusetzende Ontologie darstellt. 

Ein großer Teil der von den Evaluatoren angesprochenen Kritikpunkte bezog sich auf die oberen 

Ebenen der Kompetenzontologien. Diese waren aus der KOWIEN-Ontologie übernommen worden, 

stellten sich jedoch im Nachhinein als nicht notwendig für die Kompetenzontologien der DMT heraus. 

Daher wurden einige Konzepte der oberen Ebenen entfernt, um die Konzepttiefe der DMT-Ontologie 

zu verringern und ihre Einfachheit und Minimalität zu verbessern. Das Konzept metasprachliche_Entitaet 

beispielsweise wurde zusammen mit seinen Subkonzepten gelöscht, da es für 

die Beschreibung der Kompetenzen der DMT nicht benötigt wurde. Um weiterhin textuelle Erläuterungen 

zu Instanzen hinterlegen zu können, wie es vorher durch Instanzen des Konzepts Definition 

realisiert wurde, wurde ein zusätzliches Attribut wird_erläutert_durch vom Typ STRING spezifiziert. 

Darüber hinaus wurden einige der Konzeptbezeichnungen vereinfacht (konkretes_Denkobjekt 

wurde z.B. ersetzt durch konkretes_Objekt) oder verallgemeinert (von DMT-interne_Weiterbildung 

zu interne_Weiterbildung), damit die Einfachheit und die Wiederverwendbarkeit der Ontologie verbessert 

wurden. 

Diese und weitere Überarbeitungen wurden (da sie einen „Rücksprung“ zur Phase der Konzeptualisierung 

darstellten) zur Erhöhung der Nachvollziehbarkeit in das Dokument der Design-Entscheidungen 

eingefügt. 157) Sie hatten zur Folge, dass die (F-Logic-) Kompetenzontologie nur noch 

eine maximale Konzepttiefe von 9 und eine durchschnittliche Konzepttiefe von 6,48 besaß. Nach 

der Implementierung, aber noch vor der Validation lagen diese Werte noch bei 12 bzw. 9,02, so 

dass die Ontologie stark vereinfacht und ihr Umfang reduziert wurde. Diese Überarbeitungen trugen 

dazu bei, die Qualität der Ontologie zu verbessern und dadurch ihre Akzeptanz bei den zukünftigen 

Benutzern zu erhöhen. 


Zu den Ergebnissen der Evaluationsphase zählt zum einen der Fragebogen, der für die Erhebung der 

Ist-Profile der beiden Ontologien verwendet wurde. Er baut auf einem bereits vom Universitätspartner 

entwickelten Fragebogen („Erhebung des Ist-Ontologie-Profils“) auf und erweitert die in der 

Anforderungsspezifizierung vorgeschlagenen Ansätze zur Messung und Bewertung der Qualität 

von Ontologien hinsichtlich der Gütekriterien. 

Die durch die Auswertung der ausgefüllten Fragebögen gewonnenen Profile stellen ein weiteres bedeutendes 

Ergebnis dar, weil sie die Grundlage für eine Entscheidung für eine der beiden Ontolo- 

157) Vgl. APKE/BREMER/DITTMANN (2004) S. B-1 ff.


gien bilden. Diese Profile werden in Kapitel 3.2.2.7.5.2 in graphischer Form als Netzdiagramm zusammengefasst 

aufgeführt (Abbildung 108, S. 705). 

3.2.2.7.5.1 Evaluationsfragebogen 

Der Fragebogen umfasste für jedes in der Anforderungsspezifikation festgelegte Kriterium Fragen 

an die Evaluatoren, die eine Orientierung für die Bewertung der Ontologien darstellten. Im Vordergrund 

der Evaluation stand die Anwendbarkeit in der Praxis (im Sinne des Forschungsvorhabens). 

Deshalb wurde bei der Entwicklung des Fragebogens darauf geachtet, die Krierien möglichst plausibel 

und „einfach“ zu erfassen. Dieses Vorgehen wurde bewusst einem wissenschaftlichen Ansprüchen 

genügenden Ansatz vorgezogen, um eine Anwendbarkeit in der Praxis zu ermöglichen. 158) Die 

folgende Abbildung zeigt noch einmal eine Übersicht über die Kriterien für die Evaluation der Ontologiegüte. 

1. Klarheit 

Evaluationsfragebogen 

Klarheit 

Einfachheit 

Erweiterbarkeit 

funktionale Vollständigkeit 

Wiederverwendbarkeit 

Minimalität 

Konsistenz 

Spracheignung 

Richtigkeit der Sprachanwendung 

Abbildung 107: Kriterien für die Evaluation der Ontologiegüte 

Frage: Ist die Bedeutung der Konstrukte der Ontologie (so, wie sie in der Dokumentation beschrieben 

ist oder wie sie durch Verbindungen zu anderen Konstrukten deutlich wird) anders als die Bedeutung 

in Ihrem Arbeitsbereich? Falls ja, welchen Konstrukten werden von Ihnen oder Ihrer Abteilung 

andere Bedeutungen zugeschrieben? 

Berechnung: Anteil der Konstrukte in der Ontologie, die intersubjektiv nicht nachvollziehbar sind: 

NniN 

α NniN = mit NK ≠ 0 und 1 ≥ αNniN ≥ 0 

NK 

158) Es gilt hierbei die Regel: so viel Wissenschaft wie möglich und so viel Praxis wie nötig.


mit αNniN = Anteil der Konstrukte in der Ontologie, die intersubjektiv nicht nachvollziehbar sind, 

NK = Anzahl aller Konstrukte, NniN = Anzahl der nicht intersubjektiv nachvollziehbaren Konstrukte. 

Bewertung: keine Klarheit (0): 1≥ αNniN > 0,1; geringe Klarheit (1): 0,1 ≥ αNniN > 0,06; durchschnittliche 

Klarheit (2): 0,06 ≥ αNniN > 0,03; gute Klarheit (3): 0,03 ≥ αNniN > 0,01; sehr gute Klarheit 

(4): 0,01 ≥ αNniN ≥ 0. 

2. Einfachheit 

Frage: Wie würden Sie die Einfachheit der Kompetenzontologie hinsichtlich der Tiefe der Begriffshierarchie 

bewerten? 

Berechnung: Messgröße zur Bestimmung der Komplexität einer Ontologie hinsichtlich ihrer Kon- 

NC 

strukte: NSI = 

NC + NR + NA 

mit NC = Anzahl der Konzepte in der Ontologie, NR = Anzahl der nicht-taxonomischen Relationen 

in der Ontologie, NA = Anzahl der Regeln (Axiome) in der Ontologie; 

zusätzlich subjektive Einschätzung der Komplexität der Konzepttiefe durch die Evaluatoren (Bewertung 

von 0, große Komplexität, bis 4, hohe Simplizität). 

Bewertung: Zunächst wird die Komplexität der Ontologie hinsichtlich ihrer Konstrukte bewertet: 

sehr geringe Konstruktkomplexität (4): 0,8 ≤ NSI ≤ 1; geringe Konstruktkomplexität (3): 0,6 ≤ NSI 

< 0,8; durchschnittliche Konstruktkomplexität (2): 0,3 ≤ NSI < 0,6; hohe Konstruktkomplexität (1): 

0,15 ≤ NSI < 0,3; sehr hohe Konstruktkomplexität (0): 0 ≤ NSI < 0,15. Anschließend erfolgt die 

gleichgewichtete Kombination der Komplexität der Konzepttiefe und der Konstruktkomplexität zu 

einem „Durchschnittswert“ zwischen 0 (keine Einfachheit) und 4 (sehr hohe Einfachheit) durch die 

Evaluatoren. 

3. Erweiterbarkeit 

Frage: Wie würden Sie den Aufwand für Erweiterungen der DMT-Ontologie (hinsichtlich der dafür 

benötigten Zeit und der zusätzlich erforderlichen Änderungen an bestehenden Konstrukten) einschätzen? 

Berechnung: Es erfolgt eine subjektive Einschätzung der Erweiterbarkeit durch die Evaluatoren. 

Bewertung: Bewertung der Erweiterbarkeit der Ontologie von 0, keine Erweiterbarkeit, bis 4, sehr 

gute Erweiterbarkeit. 

4. Funktionale Vollständigkeit 

Frage: Werden alle Competency Questions der Anforderungsspezifikation von der Kompetenzontologie 

beantwortet? Falls nein, welche Fragen werden nicht beantwortet? Bitte ordnen Sie unter 

„Gruppe“ die jeweiligen Fragen entsprechend ihrer Relevanz in die Gruppen A (sehr wichtig), B 

(wichtig) oder C (weniger wichtig) ein, sofern Ihre Einschätzung nicht mit der Priorisierung aus der 

Anforderungsspezifikation übereinstimmt. Es ist äußerst wichtig, dass alle Fragen subsumiert werden, 

da sonst das Kriterium bei der Bewertung nicht korrekt genutzt wird.


Berechnung: Messgröße zur Bestimmung der funktionalen Vollständigkeit: 

MNF = (3*NbA + 2*NbB + NbC) / (3*A + 2*B + C) 

mit NbA = Anzahl der nicht beantworteten Fragen der Kategorie A, NbB der Kategorie B und NbC 

der Kategorie C, A = Anzahl der Fragen der Kategorie A (B und C entsprechend). 

Bewertung: 159) keine funktionale Vollständigkeit (0): 1 ≥ MNF > 0,4; geringe funktionale Vollständigkeit 

(1): 0,4 ≥ MNF > 0,2; durchschnittliche funktionale Vollständigkeit (2): 0,2 ≥ MNF > 0,08; 

gute funktionale Vollständigkeit (3): 0,08 ≥ MNF > 0,04; sehr gute funktionale Vollständigkeit (4): 

0,04 ≥ MNF ≥ 0. 

5. Wiederverwendbarkeit 

Frage: Wie würden Sie die Wiederverwendbarkeit der Kompetenzontologie in Bezug auf den zu 

erwartenden Aufwand für Änderungen und die Verbreitung der verwendeten Sprache einschätzen? 

Berechnung: subjektive Einschätzung der Wiederverwendbarkeit durch die Evaluatoren. 

Bewertung: Bewertung der Wiederverwendbarkeit der Ontologie in vier Stufen von 0, keine Wiederverwendbarkeit, 

bis 4, sehr gute Wiederverwendbarkeit. 

6. Minimalität 

Frage: Enthält die Kompetenzontologie „überflüssige“ Konstrukte, die ohne den Verlust von Informationen 

entfernt werden können (redundante Konstrukte) oder die keine Relevanz für den intendierten 

Anwendungsbereich besitzen (abundante Konstrukte)? Falls ja, welche sind das? 

NrK 

Berechnung: Messgröße zur Bestimmung der Minimalität der Ontologie: α NRF = 1− NK 

mit NrK = Anzahl nicht relevanter Konstrukte, NK = Anzahl aller Konstrukte. 

Bewertung: keine Minimalität (0): 0 ≤ αNRF < 0,6; geringe Minimalität (1): 0,6 ≤ αNRF < 0,8; durchschnittliche 

Minimalität (2): 0,8 ≤ αNRF < 0,95; gute Minimalität (3): 0,95 ≤ αNRF < 0,98; sehr gute 

Minimalität (4): 0,98 ≤ αNRF ≤ 1. 

7. Konsistenz 

Fragen: Wurden in der Ontologie Widersprüche zwischen den vorhandenen Konstrukten gefunden? 

Wurde durch die Anwendung von Inferenzregeln neues Wissen erschlossen, das im Widerspruch zu 

dem expliziten Wissen in der Wissensbasis steht? Bitte beschreiben Sie die festgestellten Inkonsistenzen. 

Wie würden Sie die Anzahl und Qualität der Inkonsistenzen einschätzen? 

Berechnung: subjektive Einschätzung der Konsistenz durch die Evaluatoren. 

Bewertung: Bewertung der Konsistenz der Ontologie von 0, sehr geringe Konsistenz, bis 4, sehr gute 

Konsistenz. 

159) Um eine größere Aussagefähigkeit zu erhalten, wäre bei Bedarf auch eine logarithmische Aufteilung der Bewertungsskala 

möglich (z. B. in 0; 2; 4; 8; 16).


8. Spracheignung 

Frage: Wie würden Sie die Eignung der ausgewählten Sprache (F-Logic oder DAML+OIL) hinsichtlich 

der Verständlichkeit der Sprache für die Projektbeteiligten, der vorhandenen Werkzeugunterstützung 

und der erforderlichen Ausdrucksfähigkeit für diese Ontologieentwicklung bewerten? 

Berechnung: subjektive Einschätzung der Spracheignung durch die Evaluatoren. 

Bewertung: Bewertung der Eignung der Ontologiesprache von 0, sehr geringe Spracheignung, bis 4, 

sehr gute Spracheignung. 

9. Richtigkeit der Sprachanwendung 

Fragen: Wird für die Spezifikation der Konstrukte der Kompetenzontologie nur diejenige Notation 

benutzt, die in dem Metamodell der gewählten Repräsentationssprache definiert ist? Falls nein, welche 

sind die im Vergleich zum Metamodell der Sprache fehlenden oder falschen Konstrukte? Wie 

würden Sie die Anzahl und Qualität der Abweichungen vom Metamodell einschätzen? 

Berechnung: subjektive Einschätzung der Richtigkeit der Sprachanwendung durch die Evaluatoren. 

Bewertung: Bewertung der Richtigkeit der Sprachanwendung von 0, kaum richtige Sprachanwendung, 

bis 4, sehr hohe Richtigkeit der Sprachanwendung.


3.2.2.7.5.2 Befragungsergebnis 

Die einzelnen Werte, die sich aus den Antworten der Evaluatoren und aus den berechneten Kennzahlen 

ergaben, werden in der folgenden Tabelle 9 auf der folgenden Seite zusammengefasst. Die 

sechs befragten Personen, die durch die Buchstaben A bis F repräsentiert werden, gaben jeweils 

zwei verschiedene Bewertungen ab. Eine Bewertung bezog sich auf die F-Logic-Ontologie (in der 

Tabelle durch FL gekennzeichnet), die andere auf die DAML+OIL-Ontologie (DO). Wie bereits 

erwähnt, war die schlechtest mögliche Bewertung eine „0“ (sehr geringe Ausprägung des Krieriums) 

und die bestmögliche Bewertung eine „4“ (sehr hohe Ausprägung des Kriteriums). Der Fall, 

dass ein Evaluator zu einem Kriterium keine Bewertung abgab, wird in der nachfolgenden Tabelle 9 

mit einem „-“ angezeigt. 

Evaluatoren A B C D E F 

Kriterien Ontologien FL DO FL DO FL DO FL DO FL DO FL DO 

Klarheit 4 4 4 4 4 4 4 4 3 3 4 4 

Einfachheit 3 3 2 2 3 3 3 3 2 2 3 3 

Erweiterbarkeit 2 2 3 3 4 4 2 2 3 3 3 3 

funktionale Vollständigkeit 3 3 4 4 3 3 4 4 3 3 4 4 

Wiederverwendbarkeit 3 3 4 4 2 3 3 3 3 3 4 4 

Minimalität 4 4 4 4 3 3 3 3 4 4 3 3 

Konsistenz 4 4 4 4 3 3 4 4 2 2 4 4 

Spracheignung - - 4 2 3 2 3 2 3 2 2 3 

Richtigkeit der Sprachanwendung - - 4 4 4 4 3 3 4 4 4 4 

Tabelle 9: Bewertung der Ontologien durch die Evaluatoren 

Aus den von den Evaluatoren vergebenen Werten wurde für jedes gleichgewichtete Kriterium und 

für jede der beiden Ontologien ein Durchschnittswert berechnet, der zwischen 0 (sehr geringe Ausprägung 

des Kriteriums) und 4 (sehr hohe Ausprägung des Kriteriums) liegt. Diese Durchschnittswerte 

wurden dann mithilfe von Excel in einem Netzdiagramm graphisch dargestellt. Das Netzdiagramm 

umfasst die Polarprofile der zwei Ontologien und stellt zusätzlich mit den jeweils höchstmöglichen 

Werten zu allen Kriterien ein „Ideal-Profil“ dar (siehe Abbildung 108 auf der nächsten 

Seite).


Polarprofile 

Richtigkeit der 

Sprachanwendung 

Spracheignung 

Konsistenz 

Minimalität 

Klarheit 

4 

2 

0 

'Ideal-Profil' 

Durchschnitt F-Logic 

Durchschnitt DAML+OIL 

Einfachheit 

Erweiterbarkeit 

funktionale Vollständigkeit 

Wiederverwendbarkeit 

Abbildung 108: Polarprofile für die Evaluation der beiden DMT-Ontologien 

Diese Profile ermöglichen einen qualitativen Vergleich der Evaluationsergebnisse zu den beiden 

Ontologien und darüber hinaus auch eine Validation der Ontologien hinsichtlich der festgelegten 

Anforderungen. An den Stellen, bei denen die Linien der Ontologieprofile dem Idealprofil „nahe 

kommen“, erfüllen die Ontologien das jeweilige Kriterium in hohem Ausmaß. Je weiter die Profillinie 

in Richtung des Mittelpunkts kommt, desto weniger wird das Kriterium durch die betreffende 

Ontologie erfüllt. 

Die Abbildung 108 macht deutlich, dass die Profile der beiden Ontologien sehr ähnlich sind. Bei 

der Spracheignung wird jedoch ein starker Unterschied ersichtlich; die F-Logic-Ontologie wurde 

von den Evaluatoren hinsichtlich dieses Kriteriums offensichtlich besser bewertet.


3.2.2.8 Fazit 

Im Kapitel 3.2.2 wurde die Konstruktion einer Kompetenzontologie für die DMT detailliert erläutert. 

Neben einem Überblick über bereits entstandene Ontologien und über die Ausgangssituation 

der Ontologieentwicklung bei der DMT liefert dieses Kapitel eine Dokumentation des gesamten 

Entwicklungsprozesses. Dafür wurden in den vorangegangenen Kapiteln die Aktivitäten, die Problemstellungen 

und die getroffenen Entscheidungen zu jeder Entwicklungsphase beschrieben und die 

einzelnen Ergebnisse beispielhaft aufgeführt. 

Zu diesen Ergebnissen, die in ausführlicher Form im Projektbericht 6/2004 160) zu finden sind, gehören: 

• ein Katalog von Gütekriterien als Richtlinien für die Entwicklung einer Kompetenzontologie 

sowie als Referenzrahmen bei ihrer Überprüfung, 

• eine Auflistung und Beschreibung aller identifizierten Wissensträger bei der DMT, 

• eine Strukturierung des relevanten Realitätsausschnitts auf konzeptueller Ebene unter Nutzung 

von OntoEdit und von Begriffsbäumen, 

• die Auswahl zweier formaler Sprachen zur Ontologiekonstruktion (F-Logic und DAML+OIL) 

und ihre praktische Anwendung, 

• die Transformation der Konzeptualisierung in zwei formalsprachliche Ontologien mittels Exports 

aus OntoEdit und manueller Nachbearbeitung, 

• eine Evaluation der beiden Ontologien anhand der zuvor festgelegten Gütekriterien mithilfe 

der Mitarbeiter der DMT sowie des Software- und des Universitätspartners, 

• die Auswahl der F-Logic-Ontologie als „DMT-Kompetenzontologie“ aufgrund der besseren 

Bewertung im Rahmen der Evaluation und 

• eine weitere Verbesserung der F-Logic-Ontologie anhand der Antworten und Anmerkungen 

der Evaluatoren. 

Die ausführliche Dokumentation der Erarbeitung dieser Ergebnisse ermöglicht nicht nur eine leichtere 

Nachvollziehbarkeit der entstandenen Artefakte, insbesondere der DMT-Kompetenzontologie, 

sondern auch die Überprüfung und Bewertung des angewendeten generischen KOWIEN-Vorgehensmodells. 

Aus der Umsetzung des Vorgehensmodells im Rahmen der Ontologieentwicklung bei 

der DMT und der Dokumentation dieser Entwicklung konnten Rückschlüsse für eine Verbesserung 

des Vorgehensmodells gezogen werden. So wurde beispielsweise deutlich, dass einige der im Vorgehensmodell 

enthaltenen Aktivitäten ausführlicher beschrieben werden sollten, um seine Anwendungsbezogenheit 

zu erhöhen. 161) 

Die entstandene DMT-Kompetenzontologie umfasst alle sprachlichen Ausdrucksmittel, die zur Repräsentation 

des Wissens über die Kompetenzen der DMT erforderlich sind, in Form von Konzepten, 

Attributen, Relationen und Regeln. Damit stellt sie nicht nur den Mitarbeitern des Unternehmens 

ein gemeinsames Vokabular zur Beschreibung ihrer Kompetenzen bereit, sondern ermöglicht 

160) Vgl. APKE/BREMER/DITTMANN (2004). 

161) Hierbei ist allerdings darauf zu achten, dass die Inhalte des Vorgehensmodells nicht zu spezifisch sind, um die Generizität des 

KOWIEN-Vorgehensmodells nicht zu verringern.


auch die computerverarbeitbare Explikation vorhandener Zusammenhänge und Einschränkungen, 

die zum Teil zuvor nur implizit bekannt waren. 

Von einem Einsatz der Ontologie im Rahmen eines Kompetenzmanagementsystems, wie etwa des 

KOWIEN-Prototyps, kann die DMT insofern profitieren, als zum Beispiel Mitarbeitern im Vertrieb 

und in der Personalabteilung eine detaillierte und aktuelle Übersicht über die Kompetenzen des Unternehmens 

und der Mitarbeiter bereitgestellt wird. Aufgrund der Wiederverwendbarkeit und Erweiterbarkeit 

der Ontologie kann sie auch in anderen Unternehmen, beispielsweise bei den anderen 

Praxispartnern des KOWIEN-Projekts, genutzt werden. Zu diesem Zweck müssen in einem nächsten 

Schritt die in der Wissensbasis abzulegenden Fakten, die während der Ontologieentwicklung 

beispielhaft als Instanzen in die Ontologie eingefügt wurden, neu erhoben oder aus anderen IT- 

Systemen wie dem Wissensmanager übernommen werden. 

Für einen Einsatz in der Praxis ist zu berücksichtigen, dass eine Domänen-Ontologie grundsätzlich 

nicht als endgültig fertig gestellt betrachtet werden kann, da sich auch die betreffende Domäne stetig 

verändert. Die Kompetenzen eines Unternehmens entwickeln sich weiter oder werden neu ausgerichtet, 

so dass sich auch die Ausdrucksmittel, die zur Beschreibung der Kompetenzen geeignet erscheinen, 

ändern können. Aus diesem Grund ist eine stetige Anpassung der DMT-Kompetenzontologie 

erforderlich, um ihren Nutzen zu erhalten und zu fördern.

Autorenverzeichnis 

Dipl.-Kfm. Yilmaz Alan Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles 

Informationsmanagement, Universität Duisburg-Essen 

(Campus Essen), Tätigkeitsschwerpunkte: Konzeptionelle Modellierung, 

Ontologien, Petri-Netze. 

Dipl.-Kfm. Adem Alparslan Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles 


(Campus Essen), Tätigkeitsschwerpunkte: strukturalistische Rekonstruktion 

von Theorien der Allgemeinen Betriebswirtschaftslehre, 

insbesondere der Prinzipal-Agenten-Theorie, sowie die Gestaltung 

von Ontologien und Kompetenzmanagementsystemen. 

Dipl.-Wirt.-Inf. Susanne Apke Beraterin und Softwareentwicklerin im Bereich SAP Business Intelligence 

bei der Itellium Systems & Services AG (Essen); sie beschäftigt 

sich dabei in erster Linie mit dem Aufbau und der Nutzung 

von Data Warehouses bei Kunden wie der Karstadt Warenhaus 

AG. 

Dipl.-Inf. Christof Bäumgen Mitarbeiter im infonea® Team, Comma Soft AG, Tätigkeitsschwerpunkte: 

Konzeption und Entwicklung von infonea® Anwendungen; 

Studium der Informatik, Mathematik, Kommunikationsforschung 

und Phonetik, Französisch und Spanisch an den 

Universitäten Bonn und Toulouse, Doktorand am Institut für Informatik 

der Universität Bonn, Forschungsschwerpunkte: knowledge 

acquisition, knowledge representation, semantic web technologies, 

ontology engineering, skill management. 

Dipl.-Volks. Anna Bremer Studium der Wirtschaftswissenschaften, Schwerpunkt Volkswirtschaftslehre, 

an der (ehemaligen) Universität – Gesamthochschule 

Essen; langjährige Mitarbeiterin der Deutschen Montan Technologie 

GmbH, verantwortlich für das Projekt- und Qualitätsmanagement. 

Dipl.-Ing. Lars Dittmann Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles 


(Campus Essen), Teilprojektleiter im Verbundprojekt KOWIEN 

für das Institut, Tätigkeitsschwerpunkte: computerbasiertes Wissensmanagement, 

Instrumente des Qualitätsmanagements und die 

Gestaltung von Ontologien. 

Kai Engelmann Roland Berger Strategy Consultants, Coordinator des Bereichs 

Business Intelligence, Staabsfunktionen im Hause Roland Berger 

im Bereich bits (business research and technology services), 

Tätigkeitsschwerpunkte: Führungskräfteinformation, Wissensmanagement 

und Research. 

Dipl.-Phys. Roger Hübbers Director Vision & Development infonea®, Comma Soft AG.

710 Autorenverzeichnis 

Dr.-Ing. Hans Meier Dr.-Ing. Hans Meier hat an der Technischen Universität München 

Maschinenbau studiert und wurde danach am Institut für Werkzeugmaschinen 

und Betriebswissenschaften der Technischen Universität 

München auf dem Gebiet der Steuerungstechnik promoviert. 

Seit 2000 ist Herr Dr. Meier in der Steuerungstechnik des 

auf Produktionsausrüstungen für Smart Cards sowie für das Halbleiter-Backend 

spezialisierten Sondermaschinenherstellers Mühlbauer 

AG tätig. Nach der Übernahme der TEMA GmbH, einem 

Anbieter von bildverarbeitenden Informationssystemen für den 

industriellen Einsatz, durch die Mühlbauer AG wurde Herr Dr. 

Meier mit der Leitung des Informationsmanagements der TEMA 

GmbH betraut. 

Dipl.-Kfm. Malte L. Peters Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles 


(Campus Essen), Tätigkeitsschwerpunkte: Operations Research, 

erweiterte Wirtschaftlichkeitsanalyse, Wissensmanagement und 

Vertrauen in Unternehmenskooperationen. 

Dipl.-Kfm. 

Marianne Schumacher 

Dipl.-Wirt.-Inf. 

Thomas Weichelt 

Univ.-Prof. Dr. 

Stephan Zelewski 

Geschäftsführende Gesellschafterin (kaufmännischer Bereich) bei 

der Karl Schumacher Maschinenbau GmbH. 

Wissenschaftlicher Mitarbeiter am Institut für Produktion und Industrielles 


(Campus Essen), Tätigkeitsschwerpunkte: Wissensmanagement, 

webbasierte Informationssysteme, E-Learning. 

Direktor des Instituts für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen (Campus Essen), 

Hauptarbeitsgebiete: Produktionstheorie und Produktionsmanagement, 

PPS-Systeme, Künstliche Intelligenz und ihre betriebswirtschaftlichen 

Anwendungen, insbesondere wissensbasierte Systeme 

und Multi-Agenten-Systeme, Operations Research sowie Wissenschaftstheorie. 

Dipl.-Kfm. Stefan Zug Projekt- und Qualitätsmanagement, Karl Schumacher Maschinenbau 

GmbH.

Literaturverzeichnis 

ABECKER ET AL. (1998a) 

Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Toward a Technology for Organizational 

Memories. In: IEEE Intelligent Systems & their Applications, Vol. 13 (1998), No. May/June, S. 40-48. 

ABECKER ET AL. (1998b) 

Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Techniques for Organizational Memory 

Information Systems. Document D-98-02, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH. 

Kaiserslautern – Saarbrücken 1998. 

ABECKER ET AL. (2000) 

Abecker, A.; Bernardi, A.; Hinkelmann, K.; Kühn, O.; Sintek, M.: Context-Aware, Proactive Delivery of 

Task-Specific Information: The KnowMore Project. In: Information Systems Frontiers, Vol. 2 (2000), No. 

3/4, S. 253-276. 

ABECKER/DECKER (1999) 

Abecker, A.; Decker, S.: Organizational Memory: Knowledge Acquisition, Integration, and Retrieval Issues. 

In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future Directions. 5th Biannual 

German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, Proceedings. Berlin et al. 

1999, S. 113-124. 

ADAMS (2002) 

Adams, K.: The Semantic Web – Differentiating Between Taxonomies and Ontologies. In: Online, Vol. 

2002, No. July/August, S. 20-23. Online-Dokument, im Internet unter der URL: „www.onlinemag.net“ 

(Zugriff am 09.11.2002). 

ADHIKARI (2004) 

Adhikari, R.: Web Services and the Mainframe. In: Application Development Trends, Vol. 2004, No. June, 

S. 27-31. 

AGIRRE ET AL. (2000) 

Agirre, E.; Ansa, O.; Hovy, E.; Martinez, D.: Enriching very large ontologies using the WWW. In: o.V.: 

Proceedings of the ECAI 2000 Workshop on Ontology Learning. O.O. 2000, o.S. (S. 1-6). 

AGRAWAL/BERRYMAN/RICHARDS (2003) 

Agrawal, V.; Berryman, K.; Richards, J.E.: Matching people and jobs. In: The McKinsey Quarterly, 2003 

Special Edition. New York 2003, S. 70-79. 

AIER/SCHÖNHERR (2004) 

Aier, S.; Schönherr, M.: Enterprise Application Integration als Enabler flexibler Unternehmensarchitekturen. 

In: Hasselbring, W.; Richert, M.: (Hrsg.): EAI-Workshop 2004 – Enterprise Application Integration, Proceedings. 

Berlin 2004, S. 69-78. 

AJDUKIEWICZ (1934) 

Ajdukiewicz, K.: Das Weltbild und die Begriffsapparatur. In: Erkenntnis, Bd. 4 (1934), S. 259-287. 

AKINKUNMI (2000) 

Akinkunmi, B.O.: On the Expressive Limits of Reified Theories. In: Journal of Logic and Computation, 10. 

Jg. (2000), Nr. 2, S. 297-313. 

ALAGIC (1986) 

Alagic, S.: Relational Database Technology. New York et al. 1986. 

ALAN (2002a) 

Alan, Y.: Methoden zur Akquisition von Wissen über Kompetenzen. Projektbericht 2/2002, Projekt KO- 

WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002.

712 Literaturverzeichnis 

ALAN (2002b) 

Alan, Y.: Evaluation der KOWIEN-Zwischenergebnisse. Projektbericht 7/2002, Projekt KOWIEN, Institut 

für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002. 

ALAN (2003a) 

Alan, Y.: Konstruktion der KOWIEN-Ontologie. Projektbericht 2/2003, Projekt KOWIEN, Institut für Produktion 

und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen 

2003. 

ALAN (2003b) 

Alan, Y.: Modifikation der KOWIEN-Ontologie. Projektbericht 5/2003, Projekt KOWIEN, Institut für Produktion 


2003. 

ALAN (2004) 

Alan, Y.: Erweiterung von Ontologien um dynamische Aspekte. Projektbericht 4/2004, Projekt KOWIEN, 

Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus 

Essen). Essen 2004. 

ALAN/ALPARSLAN/DITTMANN (2003) 

Alan, Y.; Alparslan, A.; Dittmann, L.: Werkzeuge zur Sicherstellung der Adaptibilität des KOWIEN-Vorgehensmodells. 

Projektbericht 6/2003, Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen (Campus Essen). Essen 2003. 

ALAN/BÄUMGEN (2002) 

Alan, Y.; Bäumgen, C.: Anforderungen an den KOWIEN-Prototypen. Projektbericht 5/2002, Projekt KO- 

WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002. 

ALAN ET AL. (2005) 

Alan, Y.; Alparslan, A.; Dittmann, L., Weichelt, W.; Zelewski, S.: Intelligentes Kompetenzmanagement – 

Forschungsergebnisse des Verbundprojekts „Kooperatives Wissensmanagement in Engineering-Netzwerken“. 

In: wt Werkstattstechnik online, 95. Jg. (2005), Heft 1/2, S. 35-37. Online-Dokument, im Internet unter 

der URL: „http://www.werkstattstechnik.de/wt/2005/01/08.htm“ (Zugriff am 04.01.2005). 

ALAN/ZELEWSKI (2003) 

Alan, Y.; Zelewski, S.: Ontologiebasierte Wissensräume. In: Sure, Y.; Schnurr, H.-P. (Hrsg.): WOW 2003: 

Workshop Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in Luzern, CEUR Workshop 

Proceedings, Vol. 68. Karlsruhe 2003, 6. Beitrag, o.S. (S. 1-12). Online-Dokument, im Internet unter 

der URL: „http://CEUR-WS.org und http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol- 

68/“ (Zugriff am 04.01.2005). 

ALAN/ZELEWSKI/SCHÜTTE (2003) 

Alan, Y.; Zelewski, S.; Schütte, R.: Implementation of Knowledge Spaces in Ontologies. In: Callaos, N.; 

Lesso, W.; Sánchez, P.; Hansen, E. (Hrsg.): The 7th World Multiconference on Systemics, Cybernetics and 

Informatics (SCI 2003), 27.-30.07.2003 in Orlando, Proceedings, Vol. VI – Information Systems, Technologies 

and Applications: I. O.O. (Orlando) 2003, S. 183-188. 

ALBERT (1964) 

Albert, H.: Probleme der Theoriebildung – Entwicklung, Struktur und Anwendung sozialwissenschaftlicher 

Theorien. In: Albert, H. (Hrsg.): Theorie und Realität – Ausgewählte Aufsätze zur Wissenschaftslehre der 

Sozialwissenschaften. Tübingen 1964, S. 3-70. 

ALBERT (1982) 

Albert, H.: Die Wissenschaft und die Fehlbarkeit der Vernunft, Tübingen 1982. 

ALBERT (1987) 

Albert, H.: Kritik der reinen Erkenntnislehre. Tübingen 1987. 

ALBERT (1991) 

Albert, H.: Traktat über kritische Vernunft. 5. Auflage, Tübingen 1991.

Literaturverzeichnis 713 

ALBERTAZZI (1996) 

Albertazzi, L.: Formal and Material Ontology. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht 

– Boston – London 1996, S. 199-232. 

ALBRECHT/LEMBKE (2002) 

Albrecht, S.; Lembke, G.: Über die Verteilung von Wissen in Organisationen. In: Wissensmanagement – Das 

Magazin für Führungskräfte, 4. Jg. (2002), Heft 1, S. 53-55. 

ALEXANDER ET AL. (1986) 

Alexander, J.H.; Freiling, M.J.; Shulman, S.J.; Staley, J.L.; Rehfuss, S.; Messick, S.L.: Knowledge Level 

Engineering: Ontological Analysis. In: American Association for Artificial Intelligence (Hrsg.): Proceedings 

of the National Conference on Artificial Intelligence (AAAI-86). Menlo Park 1986, S. 963-968. 

AL-LAHAM (2003) 

Al-Laham, A.: Organisationales Wissensmanagement – Eine strategische Perspektive. München 2003. 

ALLEN (2001) 

Allen, C.: Competencies 1.0 (Measurable Characteristics), Recommendation 2001-Oct-16. Paper, HR-XML 

Consortium. Online-Dokument, im Internet unter der URL: „http://www.hr-xml.org“ (Zugriff am 16.02. 

2002). 

ALPARSLAN (2002) 

Alparslan, A.: Wissensanalyse und Wissensstrukturierung. Projektbericht 6/2002, Projekt KOWIEN, Institut 

für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen 

2002. 


Alparslan, A.: Ontologie-Evaluationsbogen. Laptop-Präsentation anlässlich: Projekttreffen der Verbundprojekts 

KOWIEN, 06.08.2004 in Düsseldorf. 


Alparslan, A.: Evaluation des KOWIEN-Vorgehensmodells. Projektbericht 1/2004, Projekt KOWIEN, Institut 

für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). 

Essen 2004. 

ALPARSLAN ET AL. (2002) 

Alparslan, A.; Dittmann, L.; Ilgen, A.; Zelewski, S.: Wissensmanagement im Anlagenbau: Computergestütztes 

Management von Wissen über Mitarbeiterkompetenzen. In: Industrie Management, 18. Jg. (2002), Nr. 6, 

S. 45-48. 

ALPARSLAN/DITTMANN (2002) 

Alparslan, A.; Dittmann, L.: Gütekriterien für ontologiegestützte Kompetenzmanagementsysteme. In: Hofmann, 

G.R.; Alm, W. (Hrsg.): Management der Mitarbeiter-Expertise in IT-Beratungsbetrieben – Grundlagen, 

Methoden und Werkzeuge. Tagungsband zur MultiKonferenz Wirtschaftsinformatik 2002, 09.-11.09. 

2002. Nürnberg 2002, S. 66-79. 

ALSTON (1994) 

Alston, W.P.: Zwei Arten von Fundamentalismus. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 

3. Auflage, Weinheim 1994, S. 217-238. 

ALVARADO/ROMERO-SALCEDO/SHEREMETOV (2004) 

Alvarado, M.; Romero-Salcedo, M.; Sheremetov, L.: A corporative memory based on the user profiles. In: 

Expert Systems with Applications, Vol. 26 (2004), No. 1, S. 87-94. 

AMIR (1999) 

Amir. E.: Object-Oriented First-Order Logic. In: Electronic Transactions on Artificial Intelligence, Vol. 3 

(1999), Section C, S. 63-84. 

ANDERSON (1988) 

Anderson, P.F.: Relativism Revidivus: In Defense of Critical Relativism. In: The Journal of Consumer Research, 

Vol. 15 (1988), S. 403-406.


ANGELE (2003) 

Angele, J.: Einsatz von Ontologien zur intelligenten Verarbeitung von Informationen. Ontoprise GmbH. 

Online-Dokument, im Internet unter der URL: „http://www.ontoprise.de/intelligente_verarbeitung_von_ 

Informationen_2003_06“ (Zugriff am 11.07.2003). 

ANGELE et al. (1998) 

Angele, J.; Fensel, D.; Landes, D.; Studer, R.: Developing Knowledge-Based Systems with MIKE. In: Journal 

of Automated Software Engineering, Vol. 5 (1998), Nr. 4, S. 389-418. 

ANGELE/LAUSEN (2004) 

Angele, J.; Lausen, G.: Ontologies in F-Logic. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. 

Berlin – Heidelberg 2004, S. 29-50. 

ANGELE/STAAB/SCHNURR (2003) 

Angele, J.; Staab, S.; Schnurr, H.-P.: Object Oriented Logics for Ontologies. Whitepaper Series, Ontoprise 

GmbH. Karlsruhe 2003. 

ANGELE/SURE (2001) 

Angele, J.; Sure, Y.: Whitepaper: Evaluation of Ontology-based Tools. Paper IST-2001-29243, Ontoprise 

GmbH und Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität 

Karlsruhe. Karlsruhe 2001. 

ANTONIOU/VAN HARMELEN (2004a) 

Antoniou, G.; van Harmelen, F.: A Semantic Web Primer. Cambridge 2004. 

ANTONIOU/VAN HARMELEN (2004b) 

Antoniou, G.; van Harmelen, F.: Web Ontology Language: OWL. In: Staab, S.; Studer, R. (Hrsg.): Handbook 

on Ontologies. Berlin – Heidelberg 2004, S. 67-92. 

APARICIO/VARELA/SILVA (2002) 

Aparicio, J.N.; Varela, L.R.; Silva, S.C.: Share Your (Scheduling) Problems. Paper, Department of Computer 

Science, New University of Lisbon and Department of Production and Systems, University of Minho. Lisbon 

– Minho o.J. (2002). 

APEL (1988) 

Apel, K.-O.: Diskurs und Verantwortung – Das Problem des Übergangs zur postkonventionellen Moral. 

Frankfurt/Main 1988. 

APKE (2003) 

Apke, S.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der Deutschen Montan Technologie 

GmbH (DMT). Diplomarbeit, Fachbereich Wirtschaftswissenschaften der Universität Duisburg-Essen 

(Campus Essen). Essen 2003. 

APKE ET AL. (2004) 

Apke, S.; Bäumgen, C.; Bremer, A.; Dittmann, L.: Anforderungsspezifikation für die Entwicklung einer 

Kompetenz-Ontologie für die Deutsche Montan Technologie GmbH. Projektbericht 2/2004, Projekt KO- 

WIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen 


APKE/BREMER/DITTMANN (2004) 

Apke, S; Bremer, A.; Dittmann, L.: Konstruktion einer Kompetenz-Ontologie, dargestellt am Beispiel der 

Deutschen Montan Technologie GmbH (DMT). Projektbericht 6/2004, Projekt KOWIEN, Institut für 

Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen 

2004. 

APKE/DITTMANN (2003a) 

Apke, S.; Dittmann, L.: Analyse von Vorgehensmodellen aus dem Software, Knowledge und Ontologies 

Engineering. Projektbericht 1/2003. Projekt KOWIEN. Institut für Produktion und Industrielles Informationsmanagement. 

Universität Duisburg-Essen (Campus Essen). Essen 2003.


APKE/DITTMANN (2003b) 

Apke, S.; Dittmann, L.: Generisches Vorgehensmodell KOWIEN Version 1.0. Projektbericht 4/2003. Projekt 

KOWIEN. Institut für Produktion und Industrielles Informationsmanagement. Universität Duisburg-Essen 


APKE/DITTMANN (2004) 

Apke, S.; Dittmann, L.: Generisches Vorgehensmodell KOWIEN Version 2.0. Projektbericht 7/2004. Projekt 

KOWIEN. Institut für Produktion und Industrielles Informationsmanagement. Universität Duisburg-Essen 


ARNI (1989) 

Arni, J.-L.: Die Kontroverse um die Realitätsnähe der Annahmen in der Ökonomie. Dissertation, Universität 

Zürich. Grüsch 1989. 

ARNOLD (2001) 

Arnold, P.: Didaktik und Methodik telematischen Lehrens und Lernens: Lernräume – Lernszenarien – Lernmedien 

– State-of-the-Art und Handreichung. Münster et al. 2001. 

ARPÍREZ ET AL. (1998) 

Arpírez, J.; Gómez-Pérez, A.; Lozano, A.; Pinto, S.: (ONTO) 2 Agent: An ontology-based WWW broker to 

select ontologies. In: o.V.: Proceedings of the Workshop on Applications of Ontologies and Problem-Solving 

Methods. Brighton 1998, S. 16-24. 

ARPIREZ ET AL. (2000) 

Arpirez, J.C.; Gómez-Pérez, A.; Lozano-Tello, A.; Pinto, H.S.: Reference Ontology and (ONTO) 2 Agent: The 

Ontology Yellow Pages. In: Knowledge and Information Systems, Vol. 2 (2000), S. 387-412. 

ARPÍREZ ET AL. (2001) 

Arpírez, J.; Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: WebODE: a Scalable Workbench for Ontological 

Engineering. In: Gil, Y.; Musen, M.; Shavlik, J. (Hrsg.): Proceedings of the International Conference 

on Knowledge Capture – KCAP-01, Victoria 2001, S. 6-13. 

BAADER/HORROCKS/SATTLER (2004) 

Baader, F.; Horrocks, I.; Sattler, U.: Description Logics. In: Staab, S.; Studer, R. (Hrsg.): Handbook on 

Ontologies. Berlin – Heidelberg 2004, S. 3-28. 

BAADER/NUTT (2002) 

Baader, F.; Nutt, W.: Basic Description Logics. In: Baader, F.; Calvanese, D.; McGuiness, D.L.; Nardi, D.; 

Patel-Schneider, P.F. (Hrsg.): The Description Logic Handbook. Cambridge 2002, S. 47-100. 

BACLAWSKI ET AL. (2002) 

Baclawski, K.; Kokar, M.K.; Kogut, P.A.; Hart, L.; Smith, J.; Letkowski, J.; Emery, P.: Extending the Unified 

Modeling Language for Ontology Development. In: Software and Systems Modeling, Vol. 1 (2002), No. 

2, S. 142-156. 

BADA ET AL. (2004) 

Bada, M.; Stevens, R.; Goble, C.; Gil, Y.; Ashburner, M.; Blake, J.A.; Cherry, J.M.; Harris, M.; Lewis, S.: A 

short study on the success of the Gene Ontology. In: Web Semantics: Science, Services and Agents on the 

World Wide Web, Vol. 1 (2004), S. 235-240. 

BADEA (1997) 

Badea, L.: Reifying Concepts in Description Logics. In: Pollack, M.E. (Hrsg.): IJCAI-97, Proceedings of the 

Fifteenth International Joint Conference on Artificial Intelligence, 23.-29.08.1997 in Nagoya, Vol. 1. San 

Francisco 1997, S. 142-150. 

BÄUMGEN/HÜBBERS (2004) 

Bäumgen, C.; Hübbers, R.: Ontologiebasiertes Kompetenzmanagementsystem auf Basis von infonea®. In: 

Zelewski, S.; Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, 

Engineering und Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GI- 

NA, KoEffizient und KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 161-173.


BAILER-JONES (2002) 

Bailer-Jones, D.M.: Naturwissenschaftliche Modelle: Von Epistemologie zu Ontologie. In: Beckermann, A.; 

Nimtz, C. (Hrsg.): Argument & Analyse – Sektionsvorträge, Vor-Veröffentlichung des e-Bandes. O.O. o.J. 

(2002). 

BALA ET AL. (2002) 

Bala, J.; Baik, S.; Hadjarian, A.; Pachowicz, P.: Cognitive Support Of Imagery Exploitation Through Incorporation 

Of Naive Geographical Reasoning. In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World 

Multiconference on Systemics, Cybernetics and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings. 

Orlando 2002, o.S. (S. 1-5). 

BALLSTAEDT (1997) 

Ballstaedt, S.P.: Wissensvermittlung – Die Gestaltung von Lernmaterialien. Weinheim 1997. 

BALZER (1989) 

Balzer, W.: On Incommensurability. In: Gavroglu, K.; Goudaroulis, Y.; Nicolacopoulos, P. (Hrsg.): Imre 

Lakatos and Theories of Scientific Change. Contributions from the International Conference in Epistemology, 

August 1986 in Thessaloniki. Dordrecht – Boston – London 1989, S. 287-304. 

BALZER/MOULINES (1996) 

Balzer, W.; Moulines, C.U. (Hrsg.): Structuralist Theory of Science – Focal Issues, New Results. Berlin – 

New York 1996. 

BALZER/MOULINES (2000) 

Balzer, W.; Moulines, C.U.: Introduction. In: Balzer, W.; Sneed, J.; Moulines, C.U. (Hrsg.): Structuralist 

Knowledge Representation – Paradigmatic Examples. Amsterdam – Atlanta 2000, S. 5-18. 

BALZER/MOULINES/SNEED (1987) 

Balzer, W.; Moulines, C.U.; Sneed, J.D.: An Architectonic for Science. The Structuralist Program. Dordrecht 

et al. 1987. 

BALZER/SNEED/MOULINES (2000) 

Balzer, W.; Sneed, J.; Moulines, C.U. (Hrsg.): Structuralist Knowledge Representation – Paradigmatic Examples. 

Amsterdam – Atlanta 2000. 

BALZERT (1998) 

Balzert, H.: Lehrbuch der Software-Technik. Band 2, Heidelberg 1998. 

BAMBERGER/WRONA (2002) 

Bamberger, I.; Wrona, T.: Konzeption der strategischen Unternehmensberatung. In: Bamberger, I. (Hrsg.): 

Strategische Unternehmensberatung – Konzeptionen, Prozesse, Methoden. 3. Auflage, Wiesbaden 2002, S. 

1-38. 

BARBUCEANU/FOX (1994) 

Barbuceanu, M.; Fox, M.S.: The Information Agent: An Infrastructure Agent Supporting Collaborative Enterprise 

Architectures. Paper, Enterprise Integration Laboratory, Department of Industrial Engineering, University 

of Toronto. Toronto o.J. (1994). 

BARSON ET AL. (2000) 

Barson, R.J.; Foster, G.; Struck, T.; Ratchev, S.; Pawar, K.; Weber, F.; Wunram, M.: CORMA – Inter- and 

Intra-Organisational Barriers to Sharing Knowledge in the Extended Supply-Chain. In: Stanford-Smith, B.; 

Kidd, P.T. (Hrsg.): E-Business – Key Issues, Applications, Technologies. Amsterdam et al. 2000, S. 367- 

373. 

BATEMAN (1992) 

Bateman, J.A.: The Theoretical Status of Ontologies in Natural Language Processing. Report cmplg/9704010, 

Gesellschaft für Mathematik und Datenverarbeitung mbH (GMD), 05.03.1992. O.O. (Darmstadt) 

1992. 

BAUER/PHILIPPI (2001) 

Bauer, B.; Philippi, T.: Einstieg ins E-Learning: Die Zukunftschance für beruflichen und privaten Erfolg. 

Nürnberg 2001.


BAYARDO ET AL. (1997) 

Bayardo, R.J.; Bohrer, W.; Brice, R.; Cichocki, A.; Fowler, J.; Helal, A.; Kashyap, V.; Ksiezyk, T.; Martin, 

G.; Nodine, M.; Rashid, M.; Rusinkiewicz, M.; Shea, R.; Unnikrishnan, C.; Unruh, A.; Woelk, D.: Info- 

Sleuth: Agent-Based Semantic Integration of Information in Open and Dynamic Environments. In: o.V.: 

Proceedings of the ACM SIGMOD International Conference on Management of Data, 1997 in Tucson. New 

York 1997, S. 195-206. 

BECHHOFER ET AL. (2004) 

Bechhofer, S.; van Harmelen, F.; Hendler, J.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.; Stein, 

L.A.: OWL Web Ontology Language Reference – W3C Recommendation 10 February 2004. Online- 

Dokument, im Internet unter der URL: „http://www.w3.org/TR/owl-ref/“ (Zugriff am 04.01.2005). 

BECKER ET AL. (2000) 

Becker, J.; Holten, R.; Knackstedt, R.; Schütte, R.: Referenz-Informationsmodellierung. In: Bodendorf, F.; 

Grauer, M. (Hrsg.): Verbundtagung Wirtschaftsinformatik 2000. Aachen 2000, S. 86-109. 

BECKER/NEUMANN (2003) 

Becker, J.; Neumann, S.: Referenzmodelle für Workflow-Applikationen in technischen Dienstleistungen. In: 

Bullinger, H.-J.; Scheer, A.-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer 

Dienstleistungen. Berlin – Heidelberg 2003, S. 619-645. 

BECKSTEIN (1996) 

Beckstein, C.: Begründungsverwaltung – Grundlagen, Systeme und Algorithmen. Stuttgart – Leipzig 1996. 

BEIERLE/KERN-ISBERNER (2000) 

Beierle, C.; Kern-Isberner, G.: Methoden wissensbasierter Systeme – Grundlagen, Algorithmen, Anwendungen. 

Braunschweig – Wiesbaden 2000. 

BENCH-CAPON/MALCOLM (1999) 

Bench-Capon, T.; Malcolm, G.: Formalising Ontologies and Their Relations. In: Bench-Capon, T.; Soda, G.; 

Min Tjoa, A. (Hrsg.): Database and Expert Systems Applications. 10th International Conference, DEXA '99, 

Florence, Italy, August 30 – September 3, 1999, Proceedings. Berlin et al. 1999, S. 250-259. 

BENCH-CAPON/MALCOLM/SHARE (2003) 

Bench-Capon, T.; Malcolm, G.; Shave, M.: Semantics for Interoperability: Relating Ontologies and Schemata. 

In: Marík, V.; Retschitzegger, W.; Stepánková, O. (Hrsg.): Database and Expert Systems Applications. 

14th International Conference, DEXA 2003, Prague, Czech Republic, September 1-5, 2003, Proceedings. 

Berlin et al. 2003, S. 703-712. 

BENCH-CAPON/VISSER (1997) 

Bench-Capon, T.J.M.; Visser, P.R.S.: Ontologies in Legal Information Systems. The Need for Explicit 

Specifications of Domain Conceptualisations. In: o.V.: ICAIL’97, Proceedings of the Sixth International 

Conference on Artificial Intelligence and Law, 1997 in Melbourne. o.O. 1997, S. 132-144. 

BENJAMIN ET AL. (1994) 

Benjamin, P.C.; Menzel, C.P.; Mayer, R.J.; Fillion, F.; Futrell, M.T.; de Witte, P.S.; Lingineni, M.: IDEF5 

Method Report, Revision Date: September 21, 1994. Knowledge Based Systems, Inc. College Station 1994. 

BENJAMIN ET AL. (1996) 

Benjamin, J.; Borst, P.; Akkermans, H.; Wielinga, B.: Ontology Construction for Technical Domans. In: 

Shadbolt, N.; O’Hara, K.; Schreiber, G. (Hrsg.): Advances in Knowledge Acquisition, 9th European Knowledge 

Acquisition Workshop, EKAW’96, 14.-17.05.1996 in Nottingham, Proceedings. Berlin – Heidelberg – 

New York 1996, S. 98-114. 

BENJAMINS/FENSEL (1998) 

Benjamins, V.R.; Fensel, D.: The Ontological Engineering Initiative (KA) 2 . In: Guarino, N. (Hrsg.): Formal 

Ontology in Information Systems, Proceedings of the First International Conference (FOIS’98), 06.-08.08. 

1998 in Trento. Amsterdam et al. 1998, S. 287-301.


BENJAMINS/FENSEL/GOMEZ-PEREZ (1998) 

Benjamins, R.; Fensel, D.; Gomez-Perez, A.: Knowledge Management through Ontologies. In: Reimer, U. 

(Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge Management 

(PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 5-1 – 5-12. 

BENSLIMANE ET AL. (2000) 

Benslimane, D.; Leclercq, E.; Savonnet, M.; Terrasse, M.-N.; Yetongnon, K.: On the definition of generic 

multi-layered ontologies for urban policies. In: Computers, Environment and Urban Systems, Vol. 24 (2000), 

No. 3, S. 191-214. 

BERGHOFF/DROBNIK (1998) 

Berghoff, J.; Drobnik, O.: Aufbau und Erweiterung domänenspezifischer Ontologien am Beispiel einer 

CSCW-Ontologie. Paper, Fachbereich Informatik, Universität Frankfurt/Main. Frankfurt/Main o.J. (1998). 

BERGMANN (2001) 

Bergmann, K.: Wissenslandkarten. In: Antoni, C.H.; Sommerlatte, T. (Hrsg.): Spezialreport Wissensmanagement 

– Wie deutsche Firmen ihr Wissen profitabel machen. Düsseldorf 2001, S. 109-110. 

BERNERS-LEE/HENDLER/LASSILA (2001) 

Berners-Lee, T.; Hendler, J.; Lassila, O.: The Semantic Web – A new form of Web content that is meaningful 

to computers will unleash a revolution of new possibilities. In: Scientific American, Vol. 284 (2001), No. 

5, S. 28-37. 

BERTOLAZZI/KRUSICH/MISSIKOFF (2001) 

Bertolazzi, P.; Krusich, C.; Missikoff, M.: An Approach to the Definition of a Core Enterprise Ontology: 

CEO. Paper, LEKS, IASI-CNR. Rom o.J. (2001). 

BIBEL (1992) 

Bibel, W.: Deduktion. München – Wien 1992. 

BIBEL/HÖLLDOBLER/SCHAUB (1993) 

Bibel, W.; Hölldobler, S.; Schaub, T.: Wissensrepräsentation und Inferenz – Eine grundlegende Einführung. 

Wiesbaden 1993. 

BICK (2004) 

Bick, M.: Knowledge Management Support System – Nachhaltige Einführung organisationsspezifischen 

Wissensmanagements. Dissertation, Universität Duisburg-Essen (Campus Essen). Essen 2004. 

BIERI (1994a) 

Bieri, P.: Generelle Einführung. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 3. Auflage, 

Weinheim 1994, S. 9-72. 

BIERI (1994b) 

Bieri, P.: Einleitung. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 3. Auflage, Weinheim 

1994, S. 75-84, 177-188, 293-308 u. 409-421. 

BIETHAHN/MUKSCH/RUF (2000) 

Biethahn, J.; Muksch, H.; Ruf, W.: Ganzheitliches Informationsmanagement, Band 1: Grundlagen. 5. Auflage, 

München 2000. 

BIZER ET AL. (2004) 

Bizer, C.; Heese, R.; Mochol, M.; Oldakowski, R.; Tolksdorf, R.; Eckstein, R.: The Impact of Semantic Web 

Technologies on Job Recruitment Processes. Paper, Freie Universität Berlin und Humboldt Universität 

Berlin. Berlin o.J. (2004). 

BLAKE (2000) 

Blake, M.B.: KOJAC: Implementing KQML with Jini to Support Agent-Based Communication in Emarkets. 

In: o.V.: KBEM’00 – Knowledge-based Electronic Markets, a AAAI’00 Workshop, 31.07.2000 in Austin. 

o.O. 2000, o.S. (S. 1-7).


BLANCHARD/HARZALLAH (2004) 

Blanchard, E.; Harzallah, M.: Reasoning on Competence Management. In: Dieng-Kuntz, R.; Matta, N. 

(Hrsg.): ECAI’2004 – Workshop on Knowledge Management and Organizational Memories. Valencia 2004, 

S. 12-17. 

BLESSING/BACH (2000): 

Blessing, D.; Bach, V.: Wissensmanagement in Beratungsunternehmen. Gestaltungsmöglichkeiten und Fallbeispiele. 

In: Zeitschrift für Führung und Organisation, 69. Jg. (2000), Heft 5, S. 268-276. 

BLESSING/RIEMPP/ÖSTERLE (2001) 

Blessing, D.; Riempp, G.; Österle, H.: Entwicklungsstand und -perspektiven des Managements dokumentierten 

Wissens bei großen Beratungsunternehmen. In: Wirtschaftsinformatik, 43. Jg. (2001), Heft 5, S. 431-444. 

BOEHM (1988) 

Boehm, B.W.: A Spiral Model of Software Development and Enhancement. In: IEEE Computer, Vol. 21 

(1998), No. 3, S. 61-72. 

BÖHM (2001) 

Böhm, I.: Mitarbeiterprofile. In: Antoni, C.H.; Sommerlatte, T. (Hrsg.): Spezialreport Wissensmanagement – 

Wie deutsche Firmen ihr Wissen profitabel machen. 4. Auflage, Düsseldorf 2001, S. 119-127. 

BOER (2000) 

Boer, A.: The Consultancy Game. In: Breuker, J.; Leenes, R.; Winkels, R. (Hrsg.): Legal Knowledge and 

Information Systems – Jurix 2000: The Thirteenth Annual Conference. Amsterdam 2000, S. 99-111. 

BOER/HOEKSTRA/WINKELS (2001) 

Boer, A.; Hoekstra, R.; Winkels, R.: The CLIME Ontology. In: o.V.: Proceedings of the Second 

International Workshop on Legal Ontologies. Amsterdam 2001, S. 37-47. 

BOLEY/TABET/WAGNER (2001) 

Boley, H.; Tabet, S.; Wagner, G.: Design Rationale of RuleML: A Markup Language for Semantic Web 

Rules. In: Cruz, I.F.; Decker, S.; Euzenat, J.; McGuinness, D. (Hrsg.): Proceedings of SWWS’01, The First 

Semantic Web Working Symposium, 30.07.-01.08.2001 an der Stanford University, California, USA. o.O. 

2001, S. 381-401. 

BOLLOJU/KHALIFA/TURBAN (2002) 

Bolloju, N.; Khalifa, M.; Turban, E.: Integrating knowledge management into enterprise environments for 

the next generation decision support. In: Decision Support Systems, Vol. 33 (2002), S. 163-176. 

BOMAN ET AL. (1997) 

Boman, M.; Bubenko Jr., J.A.; Johannnesson, P.; Wangler, B.: Conceptual Modeling. London et al. 1997. 

BONJOUR (1994) 

Bonjour, L.: Die Kohärenztheorie empirischen Wissens. In: Bieri, P. (Hrsg.): Analytische Philosophie der 

Erkenntnis. 3. Auflage, Weinheim 1994, S. 239-270. 

BOON/SIERKSMA (2003) 

Boon, B.H.; Sierksma, G.: Team formation: Matching quality supply and quality demand. In: European 

Journal of Operational Research, Vol. 148 (2003), S. 277-292. 

BORGO ET AL. (1997) 

Borgo, S.; Guarino, N.; Masolo, C.; Vetere, G.: Using a Large Linguistic Ontology for Internet-Based 

Retrieval of Object-Oriented Components. Preprint, Padova – Bari 1997. (Veröffentlichung In: o.V.: 

Proceedings of the Ninth International Conference of Software Engineering and Knowledge Engineering 

SEKE’97, 18.-20.06.1997 in Madrid.) 

BORST (1997) 

Borst, W.: Construction of Engineering Ontologies for Knowledge Sharing and Reuse. Dissertation Universität 

Twente. Enschede1997.


BORST/AKKERMANS (1997) 

Borst, P.; Akkermans, H.: An Ontology Approach to Product Disassembly. In: Plaza, E.; Benjamins, R. 

(Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop, EKAW’97, 15.-18. 

10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 33-48. 

BORST/AKKERMANS/TOP (1997) 

Borst, P.; Akkermans, H.; Top, J.: Engineering ontologies. In: International Journal of Human-Computer 

Studies, Vol. 46 (1997), S. 365-406. 

BOUAUD ET AL. (1994) 

Bouaud, J.; Bachimont, B.; Charlet, J.; Zweigenbaum, P.: Acquisition and Structuring of an Ontology within 

Conceptual Graphs. In: o.V.: Proceedings of ICCS'94 Workshop on Knowledge Acquisition using Conceptual 

Graph Theory, University of Maryland, College Park 1994, S. 1-25. 

BOUAUD ET AL. (1995) 

Bouaud, J.; Bachimont, B.; Charlet, J.; Zweigenbaum, P.: Methodological Principles for Structuring an Ontology. 

Presented at the Workshop on Basic Ontological Issues in Knowledge Sharing (in conduction with 

IJCAI-95), Montreal 1995, S. 1-7. Auch erschienen als DIAM Rapport Interne RI-95-148. Online-Dokument, 

im Internet unter der URL: „http://www. biomath.jussieu.fr“ (Zugriff am 21.6.2004). 

BOULOS (2004) 

Boulos, M.N.K.: A first look at HealthCyberMap medical semantic subject search engine. In: Technology & 

Health Care, Vol. 12 (2004), No. 1, S. 33-41. 

BOULOS/ROUDSARI/CARSON (2002) 

Boulos, M.N.K.; Roudsari, A.V.; Carson, E.R.: Towards a semantic medical Web: HealthCyberMap’s tool 

for building an RDF metadata base of health information resources based on the Qualified Dublin Core 

Metadata Set. In: Med Sci Monit – Diagnostic and Medical Technology, Vol. 8 (2002), No. 7, S. MT124 – 

MT136. 

BOYENS (2001) 

Boyens, C.: OntoKick – Ein Werkzeug zur Unterstützung von ontologiebasiertem Wissensmanagement. Diplomarbeit, 

Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität 

Karlsruhe. Karlsruhe 2001. 

BRANDNER (1993) 

Brandner, R.: Heidegger – Sein und Wissen – Einführung in sein Denken. Wien 1993. 

BRAY/PAOLI/SPERBERG-MCQUEEN (1998) 

Bray, T.; Paoli, J.; Sperberg-McQueen, C.M.: Extensible Markup Language (XML) 1.0, W3C Recommendation 

10-Feb-98. Report REC-xml-19980210. Online-Dokument, im Internet unter der URL: „http://www. 

w3.org/TR/REC-xml“ (Zugriff am 81.03.2000). 

BREMER ET AL. (1999) 

Bremer, C.F.; Mundim, A.P.F.; Michilini, F.V.S.; Siqueira, J.E.M.; Ortega, L.M.: New Product Search and 

Development as a Trigger to Competencies Integration in Virtual Enterprises. In: Sieber, P.; Griese, J. 

(Hrsg.): Organizational Virtualness and Electronic Commerce, Proceedings of the 2nd International VoNet- 

Workshop, 23.-24.09.1999 in Zürich. O.O. 1999, S. 213-222. 

BREUKER ET AL. (2002) 

Breuker, J.; Elhag, A.; Petkov, E.; Winkels, R.: Ontologies for Legal Information Serving and Knowledge 

Management. In: Bench-Capon, T.J.M.; Daskalopulu, A.; Winkels, R.G.F. (Hrsg.): Legal Knowledge and Information 

Systems – Jurix 2002: The Fifteenth Annual Conference. Amsterdam 2002, S. 73-82. 

BRICKLEY/GUHA (2004) 

Brickley, D.; Guha, R.V.: RDF Vocabulary Description Language 1.0: RDF Schema, W3C Recommendation 

10 February 2004. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/rdf-schema/“ (Zugriff 

am 04.01.2005). 

BRINK/REWITZKY (2002) 

Brink, C.; Rewitzky, I.: Three Dual Ontologies. In: Journal of Philosophical Logic, Vol. 31 (2002), S. 543- 

568.


BRINKKEMPER/SAEKI/HARMSEN (1999) 

Brinkkemper, S.; Saeki, M.; Harmsen, F.: Meta-Modelling based Assembly Techniques for Situational 

Method Engineering. In: Information Systems, Vol. 24 (1999), No. 3, S. 209-228. 

BRODIE/MYLOPOULOS/SCHMIDT (1984) 

Brodie, M.; Mylopoulos, J.; Schmidt, J.: Preface. In: Brodie, M.; Mylopoulos, J.; Schmidt, J (Hrsg.): On 

Conceptual Modelling – Perspectives from Artifical Intelligence, Databases, and Programming Languages. 

New York 1984, S. v-viii. 

BROEKSTRA ET AL. (2000) 

Broekstra, J.; Klein, M.; Decker, S.; Fensel, D.; Horrocks, I.: Adding formal semantics to the Web. Paper, 

4th September 2000. O.O. 2000. 

BRÖHL/DRÖSCHEL (1995) 

Bröhl, A.-P.; Dröschel, W.: Einführung in das V-Modell. In: Bröhl, A.-P.; Dröschel, W. (Hrsg.): Das V- 

Modell – Der Standard für die Softwareentwicklung mit Praxisleitfaden. 2. Auflage, München 1995. 

BROOKS/DURFEE (1999) 

Brooks, C.H.; Durfee, E.H.: Congregation Formation in Information Economics. In: o.V.: AI for Electronic 

Commerce, AAAI-99 Workshop, 18.07.1998 (Anmerkung der Verfasser: gemeint ist wohl “1999”) in Orlando. 

O.O. o.S. (S. 1-7). 

BROWN (2000) 

Brown, A.: A comment on Dow’s „Post Keynesianism and critical realism: what is the connection?“. In: 

Journal of Post Keynesian Economics, Vol. 23 (2000), No. 2, S. 349-355. 

BRUNS ET AL. (2005) 

Bruns, I.; Killich, S.; Schlick, C.; Luzcak, H.: – Service Navigator – Ein Methodenbaukasten zur Tertiarisierung. 

In: Schlegel, T.: Spath, D. (Hrsg.): Entwicklung innovativer Dienstleistungen – Wissen, Kreativität, 

Lernen. Stuttgart 2005, S. 107-119. 

BRUSCO/JOHNS (1995) 

Brusco, M.J.; Johns, T.R.: Improving the Dispersion of Surplus Labor in Personnel Scheduling Solutions. In: 

Computers & Industrial Engineering, Vol. 28 (1995), No. 4, S. 745-754. 

BUCHANAN/SHORTCLIFFE (1984) 

Buchanan, B.; Shortcliffe, E. (Hrsg.): Rule-Based Expert Systems – The MYCIN Experiments of the Stanford 

Heuristic Programming Project. Reading, Massachusetts 1984. Online-Dokument, im Internet unter der 

URL: „http://www.aaai.org/Resources/Classics/Mycin/mycin.html” (Zugriff am 13.09.2004). 

BUCHER (1987) 

Bucher, T.G.: Einführung in die angewandte Logik. Berlin – New York 1987. 

BUDIN (1996) 

Budin, G.: Wissensorganisation und Terminologie – Die Komplexität und Dynamik wissenschaftlicher Informations- 

und Kommunikationsprozesse. Tübingen 1996. 

BULLINGER/FÄHNRICH (1997) 

Bullinger, H.-J.; Fähnrich, K.-P.: Betriebliche Informationssysteme – Grundlagen und Werkzeuge der methodischen 

Softwareentwicklung, Berlin et al. 1997. 

BULLINGER/SCHEER (2003) 

Bullinger, H.-J.; Scheer, A-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer 

Dienstleistungen. Berlin – Heidelberg 2003. 

BULLINGER/WÖRNER/PRIETO (1997) 

Bullinger, H.-J.; Wörner, K.; Prieto, J.: Wissensmanagement heute – Daten, Fakten, Trends. Fraunhofer Institut 

für Arbeitswissenschaft und Organisation (IAO). Stuttgart 1997. 

BUNGE (1977) 

Bunge, M.: Treatise on Basic Philosophy, Volume 3, Ontology I: The Furniture of the World. Dordrecht – 

Boston – London 1977.


BUNGE (1979) 

Bunge, M.: Treatise on Basic Philosophy, Volume 4, Ontology II: A World of Systems. Dordrecht – Boston 

– London 1979. 

BUNGE (1993) 

Bunge, M.: Realism and Antirealism in Social Science. In: Theory and Decision, Vol. 35 (1993), S. 207-235. 

BUNGE (1998) 

Bunge, M.: Philosophy of Science, Volume One: From Problem to Theory. Revised Edition, New Brunswick 

– London 1998. 

BÜRGEL/LUZ (2000) 

Bürgel, H.D.; Luz, J.: Wissen nutzen – Wissen messen. In: io management, o.Jg. (2000), Nr. 10, S. 18-24. 

BURGUN ET AL. (2001) 

Burgun, A.; Botti, G.; Fieschi, M.; Le Beux, P.: Issues in the Design of Medical Ontologies Used for Knowledge 

Sharing. In: Journal of Medical Systems, Vol. 25 (2001), No. 2, S. 95-108. 

BUZZONI (1997) 

Buzzoni, M.: Erkenntnistheoretische und ontologische Probleme der theoretischen Begriffe. In: Journal for 

General Philosophy of Science, Vol. 28 (1997), S. 19-53. 

CARRARA/GUARINO (1999) 

Carrara, M.; Guarino, N.: Formal Ontology and Conceptual Analysis: A Structured Bibliography. Report 

LADSEB-CNR V2.5 vom 22.03.1999. Padova 1999. 

CARSTENSEN ET AL. (2001) 

Carstensen, K.-U.; Ebert, C.; Endriss, C.; Jekat, S.; Klabunde, R.; Langer, H.: Computerlinguistik und 

Sprachtechnologie. Heidelberg 2001. 

CHAMPIN (2001) 

Champin, P.-A.: RDF Tutorial. Paper, April 5, 2001. O.O. 2001. 

CHANDRASEKARAN/JOHNSON/SMITH (1992) 

Chandrasekaran, B.; Johnson, T.R.; Smith, J.W.: Task Structure Analysis for Knowledge Modeling. In: 

Communications of the ACM, Vol. 35 (1992), No. 9, S. 124-137. 

CHARNES/COOPER (1961) 

Charnes, A.; Cooper, W.W.: Management Models and Industrial Applications of Linear Programming, Volume 

I. New York – London – Sydney 1961. 

CHAUDHRI ET AL. (1998) 

Chaudhri, V.K.; Farquhar, A.; Fikes, R.; Karp, P.D.; Rice, J.P.: Open Knowledge Base Connectivity 2.0.3 – 

Proposed – April 9, 1998. Report, Artificial Intelligence Center of SRI International and Knowledge Systems 

Laboratory of Stanford University. Stanford 1998. 

CHECKEL (2001) 

Checkel, J.T.: Why Comply? Social Learning and European Identity Change. In: International Organization, 

Vol. 53 (2001), No. 3, S. 553-588. 

CHEN, P.P. (1976) 

Chen, P.P.: The Entity Relationship Model – Toward a Unified View of Data. In: ACM Transactions on Database 

Systems, Vol. 1 (1976), No. 1, S. 9-36. 

CHEN, P.P. (1997) 

Chen, P.P.: From Ancient Egyptian Language to Future Conceptual Modeling. In: Chen, P.P.; Akoka, J.; 

Kangassalo, H.; Thalheim, B. (Hrsg.): Conceptual Modeling, Current Issues and Future Directions, Selected 

Papers from the Symposium on Conceptual Modeling, Los Angeles, California, USA, held before ER’97. 

Berlin et al. 1997, S. 56-64. 

CHEN, X. (1997) 

Chen, X.: Thomas Kuhn’s Latest Notion of Incommensurability. In: Journal for General Philosophy of Science, 

Vol. 28 (1997), S. 257-273.


CHEN, X. (2002) 

Chen, X.: The ‘Platforms’ for Comparing Incommensurable Taxonomies: A Cognitive-Historical Analysis. 

In: Journal for General Philosophy of Science, Vol. 33 (2002), S. 1-22. 

CHEN/CHONG/JUSTIS (2000) 

Chen, Y.-S.; Chong, P.; Justis, R.T: An Intranet-based knowledge repository. A structure for learning organizations 

in franchising. In: Human Systems Management, Vol. 19 (2000), S. 277-284. 

CHOMSKY (1996) 

Chomsky, N.: Probleme sprachlichen Wissens. Weinheim 1996. 

CHOO (1996) 

Choo, C.W.: The Knowing Organization: How Organizations Use Information to Construct Meaning, Create 

Knowledge and Make Decisions. In: International Journal of Information Management, Vol. 16 (1996), No. 

5, S. 329-340. 

CLANCEY (1989) 

Clancey, W.J.: Commentary on Jon Sticklen’s ‘Problem-solving architecture at the knowledge level’. In: 

Journal of Experimental and Theoretical Artificial Intelligence, Vol. 1 (1989), No. 4, S. 249-253. 

CLARK (1972) 

Clark, C.: Brainstorming. 4. Auflage, München, 1972. 

CLOCKSIN/MELLISH (1987) 

Clocksin, W.F.; Mellish, C.S.: Programming in Prolog. 3. Auflage, Berlin et al. 1987. 

COCCHIARELLA (1996) 

Cocchiarella, N.B.: Conceptual Realism as a Formal Ontology. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. 

Dordrecht – Boston – London 1996, S. 27-60. 

COELHO/LAPALME (1996) 

Coelho, E.; Lapalme, G.: Describing Reusable Problem-Solving Methods with a method Ontology. In: o.V.: 

Proceedings of Tenth Knowledge Acquisition for Knowledge-Based Systems Workshop (KAW’96), 09.-14. 

11.1996 in Banff. Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/KAW/KAW96/ 

KAW96Proc.html“ (Zugriff am 29.03.1999). 

COLOMB (2002) 

Colomb, R.M.: Quality of Ontologies in Interoperating Conceptual Modeling. Paper, School of Information 

Technology and Electrical Engineering, The University of Queensland. Queensland o.J. (2002). 

COLOMB/WEBER (1998) 

Colomb, R.M.; Weber, R.: Completeness and Quality of an Ontology for an Information System. In: 

Guarino, N. (Hrsg.): Formal Ontology in Information Systems, Proceedings of the First International Conference 

(FOIS’98), 06.-08.08.1998 in Trento. Amsterdam et al. 1998, S. 207-217. 

CONEN/KLAPSING (2001) 

Conen, W.; Klapsing, R.: Utilizing Host Formalisms to Extend RDF Semantics. In: o.V: International Semantic 

Web Working Symposium (SWWS), im Juli 2001 in Stanford. O.O. 2001, o.S. (S. 1-13). 

CONEN/KLAPSING/KÖPPEN (2002) 

Conen, W.; Klapsing, R.; Köppen, E.: RDF M&S revisited: From Reification to Nesting, from Containers to 

Lists, from Dialect to pure XML. In: o.V: The Emerging Semantic Web. O.O. 2002, o.S. (S. 1-14). 

CONNOLLY ET AL. (2001) 

Connolly, D.; van Harmelen, F.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.; Stein, L.A.: 

DAML+OIL (March 2001) Reference Description – W3C Note 18 December 2001. Online-Dokument, im 

Internet unter der URL: „http://www.w3.org/TR/daml+oil-reference“ (Zugriff am 10.03.2002). 

COOMANN (1983) 

Coomann, H.: Die Kohärenztheorie der Wahrheit – Eine kritische Darstellung der Theorie Reschers vor ihrem 

historischen Hintergrund. Dissertation, Universität Düsseldorf. Frankfurt/Main – Bern – New York 

1983.


CORBY/DIENG/HÉBERT (2000) 

Corby, O.; Dieng, R.; Hébert, C.: A Conceptual Graph Model for W3C Resource Description Framework. 

In: Ganter, B.; Mineau, G.W. (Hrsg.): Conceptual Structures: Logical, Linguistic, and Computational Issues, 

8th International Conference on Conceptual Structures, ICCS 2000, Darmstadt, Germany, August 14-18, 

2000, Proceedings. Berlin et al. 2000, S. 468-482. 

CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2001) 

Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: Technical Roadmap v1.0. Project IST-2000-29243, 

Report vom 30.11.2001. O.O. 2001. 

CORCHO/FERNÁNDEZ-LÓPEZ/GÓMEZ-PÉREZ (2003) 

Corcho, O.; Fernández-López, M.; Gómez-Pérez, A.: Methodologies, tools and languages for building ontologies 

– Where is their meeting point? In: Data and Knowledge Engineering, Vol. 46 (2003), No. 1, S. 41- 

64. 

CORCHO/GÓMEZ-PÉREZ (2000) 

Corcho, O.; Gómez-Pérez, A.: A Roadmap to Ontology Specification Languages. In: Dieng, R.; Corby, O. 

(Hrsg.): Knowledge Acquisition, Modeling and Management, 12th International Conference (EKAW 2000), 

02.-06.10.2000 in Juan-les-Pins, Proceedings. Berlin et al. 2000, S. 80-96. 

CORDINGLEY (1989) 

Cordingley, E.: Knowledge Elicitation Techniques for Knowledge Based Systems. In: Diaper, D. (Hrsg.): 

Knowledge Elicitation – Principles, Techniques and Applications, Chichester 1989, S. 89-172. 

CORREA DA SILVA ET AL. (2002) 

Correa da Silva, F.S.; Vasconcelos, W.W.; Robertson, D.S.; Brilhante, V.; de Melo, A.C. V.; Finger, M.; 

Agusti, J.: On the insufficiency of ontologies: problems in knowledge sharing and alternative solutions. In: 

Knowledge-based Systems, Vol. 15 (2002), S. 147-167. 

CORSTEN (1998) 

Corsten, H.: Grundlagen der Wettbewerbsstrategie. Stuttgart – Leipzig 1998. 

CORSTEN/WILL (1993) 

Corsten, H.; Will, T.: Simultaneous Achievement of Cost Leadership and Differentiation by Strategic Production 

Organisation – Support Potential by Information Technology and Work Organisation –. In: Pappas, 

I.A.; Tatsiopoulos, I.P. (Hrsg.): Advances in Production Management Systems. Amsterdam et al. 1993, S. 

47-55. 

CORSTEN/WILL (1994) 

Corsten, H.; Will, T.: Simultaneität von Kostenführerschaft und Differenzierung durch neuere Produktionskonzepte 

– Informationstechnologisches und arbeitsorganisatorisches Unterstützungspotential. In: Zeitschrift 

Führung und Organisation, 63. Jg. (1994), Nr. 5, S. 286-293. 

CRANEFIELD/PURVIS (1999) 

Cranefield, S.; Purvis, M.: UML as an ontology modelling language. In: Fensel, D.; Knoblock, C.; Kushmerick, 

N.; Rousett, M. (Hrsg.): Proceedings of the Workshop on Intelligent Information Integration, 16th 

International Joint Conference on Artifical Intelligence, Stockholm 1999. Online-Dokument, im Internet unter 

der URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-23/cranefield-ijcai99-iii. 

pdf“ (Zugriff am 14.09.2004). 

CRUBEZY/MUSEN (2004) 

Crubezy, M.; Musen, M.A.: Ontologies in Support of Problem Solving. In: Staab, S.; Studer, R. (Hrsg.): 

Handbook on Ontologies. Berlin – Heidelberg 2004, S. 321-341. 

CRUZ ET AL. (2002) 

Cruz, I.F.; Decker, S.; Euzenat, J.; McGuinness, D.L.: The Emerging Semantic Web, Selected Papers from 

the First Semantic Web Working Symposium. Amsterdam 2002. 

CUI/TAMMA/BELLIFEMINE (1999) 

Cui, Z.; Tamma, V.A.M.; Bellifemine, F.: Ontology management in enterprises. In: BT Technology Journal, 

Vol. 17 (1999), No. 4, S. 98-107.


DAMAST (1989) 

Damast, T.M.D.: Sartres Einleitung in die phänomenologische Ontologie. Dissertation, Universität Bonn 

1989. Bonn 1989. 

DANIEL (1984) 

Daniel, C.: Kant verstehen – Einführung in seine theoretische Philosophie. Frankfurt/Main – New York 

1984. 

DAS (1992) 

Das, S.K.: Deductive Databases and Logic Programming. Wokingham et al. 1992. 

DAVENPORT/PRUSAK (1998a) 

Davenport, T.H.; Prusak, L.: Working Knowledge: How Organizations Manage What They Know. Boston 

(Massachusetts) 1998. 

DAVENPORT/PRUSAK (1998b) 

Davenport, T.H.; Prusak, L.: Wenn Ihr Unternehmen wüsste, was es alles weiß ... Das Praxishandbuch zum 

Wissensmanagement. Landsberg/Lech 1998. 

DAVIDSON (1994) 

Davidson, D.: Eine Kohärenztheorie der Wahrheit und der Erkenntnis. In: Bieri, P. (Hrsg.): Analytische Philosophie 

der Erkenntnis. 3. Auflage, Weinheim 1994, S. 271-290. 

DEAN ET AL. (2002) 

Dean, M.; Connolly, D.; van Harmelen, F.; Hendler, J.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, 

P.F.; Stein, L.A.: OWL Web Ontology Language 1.0 Reference, W3C Working Draft 29 July 2002. Online- 

Dokument, im Internet unter der URL: „http://www.w3.org/TR/owl-ref/“ (Zugriff am 02.11.2002). 

DE BARROS/HENDLER/BENJAMINS (1997) 

de Barros, L.N.; Hendler, J.; Benjamins, V.R.: Par-KAP: a Knowledge Acquisition Tool for Building Practical 

Planning Systems. In: Pollack, M.E. (Hrsg.): IJCAI-97, Proceedings of the Fifteenth International Joint 

Conference on Artificial Intelligence, 23.-29.08.1997 in Nagoya, Vol. 2. San Francisco 1997, S. 1246-1251. 

DECKER ET AL. (1998a) 

Decker, S.; Erdmann, M.; Fensel, D.; Studer, R.: How to Use Ontobroker. Report, Institut für Angewandte 

Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1998). 

DECKER ET AL. (1998b) 

Decker, S.; Brickley, D.; Saarela, J.; Angele, J.: A Query and Inference Service for RDF. In: o.V.: Proceedings 

of the W3C Query Language Workshop (QL-98), 03.-04.10.1998 in Boston. Online-Dokument, im 

Internet unter der URL: „http://www.w3.org/TandS/QL/QL98/pp/queryservice.html“ (Zugriff am 05.04. 

1999). 

DECKER ET AL. (1999) 

Decker, S.; Erdmann, M.; Fensel, D.; Studer, R.: Ontobroker: Ontology based Access to Distributed and 

Semi-Structured Information. In: Meersman, R.; Tari, Z.; Stevens, S. (Hrsg.): Database Semantics – 

Semantic Issues in Multimedia Systems. Boston – Dordrecht – London 1999, S. 351-369. 

DECKER ET AL. (2000) 

Decker, S.; Melnik, S.; van Harmelen, F.; Fensel, D.; Klein, M.; Broekstra, J.; Erdmann, M.; Horrocks, I.: 

The Semantic Web: The Roles of XML and RDF. In: IEEE Internet Computing, Vol. 2000, No. 5, S. 2-13. 

DE CLERCQ ET AL. (2001) 

de Clercq, P.A.; Hasman, A.; Blom, J.A.; Korsten, H.H.M.: The application of ontologies and problemsolving 

methods for the development of shareable guidelines. In: Artificial Intelligence in Medicine, Vol. 22 

(2001), No. 1, S. 1-22. 

DEGEN ET AL. (2001) 

Degen, W.; Heller, B.; Herre, H.; Smith, B.: GOL: A General Ontological Language. In: Welty, C.; Smith, 

B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from the Second International Conference 

(FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 34-46.


DEITERS/LUCAS/WEBER (1999) 

Deiters, W.; Lucas, R.; Weber, T.: Skill-Managenent. Ein Baustein für das Management flexibler Teams, 

ISST-Bericht 50/99, Fraunhofer Institut Software- und Systemtechnik. Dortmund 1999. 

DE KLEER (1984) 

de Kleer, J.: Choices Without Backtracking. In: o.V.: Proceedings of the Fourth National Conference on Artificial 

Intelligence, AAAI-84, 06.10.1984 in Austin. Los Altos 1983 (Anmerkung der Verfasser: Druckfehler 

in “1983”; gemeint ist wohl “1984”), S. 79-85. 

DE KLEER (1986a) 

de Kleer, J.: An Assumption-based TMS. In: Artificial Intelligence, Vol. 28 (1986), S. 127-162. 

DE KLEER (1986b) 

de Kleer, J.: Extending the ATMS. In: Artificial Intelligence, Vol. 28 (1986), S. 163-196. 

DE KLEER (1986c) 

de Kleer, J.: Problem Solving with the ATMS. In: Artificial Intelligence, Vol. 28 (1986), S. 197-224. 

DE KLEER (1988) 

de Kleer, J.: A General Labeling Algorithm for Assumption-based Truth Maintenance. In: o.V.: Proceedings 

AAAI-88, Seventh National Conference on Artificial Intelligence, 21.-26.08.1988 in St. Paul, Vol. 1. San 

Mateo, S. 188-192. 

DE KLEER/WILLIAMS (1986) 

de Kleer, J.; Williams, B.C.: Back to Backtracking: Controlling the ATMS. In: o.V.: Proceedings AAAI-86, 

Fifth National Conference on Artificial Intelligence, 11.-15.08.1986 in Philadelphia, Vol. 2. Los Altos, S. 

910-917. 

DEUTSCH (1996) 

Deutsch, D.: Die Physik der Welterkenntnis – Auf dem Weg zum universellen Verstehen. Basel – Boston – 

Berlin 1996. 

DEUTSCH (2002) 

Deutsch, H.: Relative Identity. In: Zalta, E.N. (Hrsg.): Stanford Encyclopedia of Philosophy. The Metaphysics 

Research Lab, Center for the Study of Language and Information, Stanford University. Stanford 2002, 

o.S. (S. 1-29). Online-Dokument, im Internet unter der URL: „http//www.science.uva.nl/~seop/archives/ 

spr2004/entries/identity-relative/“ (Zugriff am 17.08.2004). 

DICHANZ/ERNST (2002) 

Dichanz, H.; Ernst, A.: E-Learning – begriffliche, psychologische und didaktische Überlegungen. In: Scheffer, 

U.; Hesse, F.W. (Hrsg.): E-Learning: Die Revolution des Lernens gewinnbringend einsetzen. Stuttgart 

2002, S. 43-66. 

DIEMER (1959) 

Diemer, A.: Einführung in die Ontologie. Meisenheim 1959. 

DIEMER (1967) 

Diemer, A.: Ontologien. In: Diemer, A.; Frenzel, I. (Hrsg.): Philosophie. Frankfurt/Main 1967, S. 209-240. 

DIN 1463 (1987) 

Deutsche Industrienorm 1463 zur Erstellung und Weiterentwicklung von Thesauri 1987. 

DING (2001) 

Ding, Y.: A review of ontologies with the Semantic Web in view. In: Journal of Information Science, Vol. 27 

(2001), No. 6, S. 377-384. 

DING ET AL. (2002) 

Ding, Y.; Fensel, D.; Klein, M.; Omelayenko, B.: The semantic web: yet another hip? In: Data & Knowledge 

Engineering, Vol. 41 (2002), S. 205-227. 

DING ET AL. (2004) 

Ding, Y.; Fensel, D.; Klein, M.; Omelayenko, B.; Schulten, E.: The Role of Ontologies in eCommerce. In: 

Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 593-615.


DING/FENSEL (2001) 

Ding, Y.; Fensel, D.: Project Presentation OntoWeb: Ontology-based Information Exchange for Knowledge 

Management and Electronic Commerce. Draft Paper vom 29.01.2001. Amsterdam 2001. 

DITTMANN (2002a) 

Dittmann, L.: Sprachen zur Repräsentation von Wissen – eine untersuchende Darstellung. KOWIEN- 

Projektbericht 3/2002, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. 

Essen 2002. 

DITTMANN (2002b) 

Dittmann, L.: Zwecke und Sprachen des Wissensmanagements zum Managen von Kompetenzen. KOWIEN- 

Projektbericht 4/2002, Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. 

Essen 2002. 

DITTMANN (2004) 

Dittmann, L.: Ontology-based Skills Management. Work Report No. 22, Projekt KOWIEN, Institut für Produktion 


2004. 

DITTMANN/PENZEL (2004) 

Dittmann, L.; Penzel, J.: Platons Gütekriterium für Ontologien. In: Frank, U. (Hrsg.): Wissenschaftstheorie 

in Ökonomie und Wirtschaftsinformatik – Theoriebildung und -bewertung, Ontologien, Wissensmanagement. 

Tagung der Kommission Wissenschaftstheorie des Verbands der Hochschullehrer für Betriebswirtschaft 

e.V., 05.-06.06.2003 in Koblenz. Wiesbaden 2004, S. 457-478. 

DITTMANN/PETERS/ZELEWSKI (2003a) 

Dittmann, L.; Peters, M.L.; Zelewski, S.: Mitarbeitermotivation und Kompetenzmanagementsysteme. In: 

Reimer, U.; Abecker, A.; Staab, S.; Stumme, G. (Hrsg.): WM2003: Professionelles Wissensmanagement – 

Erfahrungen und Visionen, Beiträge zur 2. Konferenz, 02.-04.04.2003 in Luzern. Bonn 2003, S. 9-16. 

DITTMANN/PETERS/ZELEWSKI (2003b) 

Dittmann, L.; Peters, M.L.; Zelewski, S.: Motivationale Aspekte beim Einsatz von konventionellen und ontologiebasierten 

Kompetenzmanagementsystemen. In: Sure, Y.; Schnurr, H.-P. (Hrsg.): WOW 2003: Workshop 

Ontologie-basiertes Wissensmanagement, Proceedings, 02.-04.04.2003 in Luzern, CEUR Workshop 

Proceedings, Vol. 68. Karlsruhe 2003, 5. Beitrag, o.S. (S. 1-16). 

DITTMANN/PETERS/ZELEWSKI (2004) 

Dittmann, L.; Peters, M.L.; Zelewski, S.: Wissensträger identifizieren und motivieren. In: Wissensmanagement 

– Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 51-53. 

DITTMANN/PETERS/ZELEWSKI (2005) 

Dittmann, L.; Peters, M.L.; Zelewski, S.: Wissenstransfermotivation und ontologiebasierte Kompetenzmanagement-Systeme. 

In: MEYER, J.A. (Hrsg.): Wissens- und Informationsmanagement in kleinen und mittleren 

Unternehmen – Jahrbuch der KMU-Forschung und -Praxis 2005. Lohmar- Köln 2005, S. 143-160. 

DITTMANN/RADEMACHER/ZELEWSKI (2004a) 

Dittmann, L.; Rademacher, T.; Zelewski, S.: Performing FMEA Using Ontologies. In: de Kleer, J.; Forbus, 

D. (Hrsg.): QR 2004 – 18th International Workshop on Qualitative Reasoning, 02.-04.08.2004 in Evanston 

(Illinois). Evanston 2004, S. 209-216. 

DITTMANN/RADEMACHER/ZELEWSKI (2004b) 

Dittmann, L.; Rademacher, T.; Zelewski, S.: Combining Knowledge Management and Quality Management 

Systems. In: o.V.: European Organization for Quality Congress Materials, 48th EOQ (European Organization 

for Quality) Congress, 07.-09.09.2004 in Moskau, o.S. (S. 1-8). 

DITTMANN/SCHÜTTE/ZELEWSKI (2003) 

Dittmann, L.; Schütte, R.; Zelewski, S.: Darstellende Untersuchung philosophischer Probleme mit Ontologien. 

In: Freyberg, K.; Petsche, H.-J.; Klein, B. (Hrsg.): Knowledge Management and Philosophy, Proceedings 

of the WM 2003 Workshop on Knowledge Management and Philosophy, 02.-04.04.2003 in Luzern, CEUR 

Workshop Proceedings, Vol. 85. Kaiserslautern 2003, 3. Beitrag, o.S. (S. 1-13). Online-Dokument, im Internet 

unter der URL: „http://CEUR-WS.org und http://sunsite.informatik.rwth-aachen.de/Publications/CEUR- 

WS/Vol-85/“ (Zugriff am 04.01.2005).


DITTMANN/ZELEWSKI (2004a) 

Dittmann, L.; Zelewski, S.: Ontology-based Skills Management. In: Callaos, N.; Lefebvre, V.; Hansen, E.; 

Dickopp, T.; Jaw-Sin, S. (Hrsg.): The 8th World Multi-Conference on Systemics, Cybernetics and Informatics, 

18.-21.07.2004 in Orlando, Vol. IV – Information Systems, Technologies and Applications: I. O.O. (Orlando) 

2004, S. 190-195. 

DITTMANN/ZELEWSKI (2004b) 

Dittmann, L.; Zelewski, S.: Integrating Computer-based Systems of Knowledge and Quality Engineering to 

Manage Skills. In: VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (Hrsg.): 8th International 

Symposium on Measurement and Quality Control in Production (ISMQC), Symposium, 12.-15.10.2004 in 

Erlangen. Düsseldorf 2004, S. 181-187. 

DÖRING-KATERKAMP/TROJAN (2002) 

Döring-Katerkamp, U.; Trojan, J.: Motivation und Wissensmanagement – eine praktische Perspektive. In: 

Franken, R.; Gadatsch, A. (Hrsg.): Integriertes Knowledge-Management. Konzepte, Methoden, Instrumente 

und Fallbeispiele. Braunschweig – Wiesbaden 2002, S. 135-152. 

DOMINGUE (1998) 

Domingue, J.B.: Tadzebao and WebOnto: Discussing, Browsing, and Editing Ontologies on the Web. In: 

o.V.: Proceedings of KAW’98, Eleventh Workshop on Knowledge Acquisition, Modeling and Management, 

18.-23.04.1998 in Banff. O.O. o.S. (S. 1-22). 

DOMSCH (1980) 

Domsch, M.: Systemgestützte Personalarbeit, Wiesbaden 1980. 

DONINI ET AL. (1996) 

Donini, F.M.; Lenzerini, M.; Nardi, D.; Schaerf, A.: Reasoning in Description Logics. In: Brewka, G. 

(Hrsg.): Principles of Knowledge Representation. Stanford 1996, S. 191-236. 

DOOLEY/CORMAN/MCPHEE (2002) 

Dooley, K.J.; Corman, S.R.; McPhee, R.D.: A knowledge directory for identifying experts and areas of expertise. 

In: Human Systems Management, Vol. 21 (2002), S. 217-228. 

DORN (1999) 

Dorn, J.: Towards Reusable Intelligent Scheduling Software. In: Puppe, F. (Hrsg.): XPS-99: Knowledge- 

Based Systems – Survey and Future Directions, 5 th Biannual German Conference on Knowledge-Based Systems, 

03.-05.09.1999 in Würzburg, Proceedings. Berlin et al. 1999, S. 101-112. 

DOW (1999) 

Dow, S.C.: Post Keynesianism and critical realism: What is the connection. In: Journal of Post Keynesian 

Economics, Vol. 22 (1999), No. 1, S. 15-33. 

DOW (2000) 

Dow, S.C.: Brown´s comment: a reply. In: Journal of Post Keynesian Economics, Vol. 23 (2000), No. 2, S. 

357-360. 

DOWNLING/EBERSPÄCHER/PICOT (2003) 

Downling, M.; Eberspächer, J.; Picot, A.: eLearning in Unternehmen – Neue Wege für Training und Wieterbildung. 

Berlin et al. 2003. 

DOZ (1997) 

Doz, Y.: Managing core competency for corporate renewal. Towards a managerial theory of core competencies. 

In: Campell, A.; Sommers, K. (Hrsg.): Core competence based strategy. London 1997, S. 53-75. 

DRÖSSER (1997) 

Drösser, A.: Wettbewerbsvorteile durch Qualitätskommunikation. Bewertungsmodell für traditionelle Marktsignale 

und zertifizierte Managementsysteme. Wiesbaden 1997. 

DUINEVELD ET AL. (1999) 

Duineveld, A.J.; Stoter, R.; Weiden, M.R.; Kenepa, B.; Benjamins, V.R.: WonderTools? – A comparative 

study of ontological engineering tools. Report, Department of Social Science Informatics (SWI), University 

of Amsterdam. Amsterdam o.J. (1999).


DÜNTSCH/GEDIGA (1996) 

Düntsch, I.; Gediga, G.: Skills and Knowledge Structures. Preprint, Fachbereich Psychologie / Methodenlehre, 

Universität Osnabrück. Osnabrück o.J. (1996). 

DURFEE ET AL. (1998) 

Durfee, E.H.; Mullen, T.; Park, S.; Vidal, J.M.; Weinstein, P.: The Dynamics of the UDML Service Market 

Society. In: Klusch, M.; Weiß, G. (Hrsg.): Cooperative Information Agents II – Learning, Mobility and Electronic 

Commerce for Information Discovery on the Internet, Second International Workshop CIA’98, 04.- 

07.07.1998 in Paris, Proceedings. Berlin et al. 1998, S. 55-78. 

DÜWEL/HESSE (1998) 

Düwel, S.; Hesse, W.: Bestimmung von Objektkandidaten mit Hilfe von Formaler Begriffsanalyse. In: Pohl, 

K.; Schürr, A.; Vossen, G. (Hrsg.): Modellierung’98, Proceedings des GI-Workshops, 11.-13.03.1998 in 

Münster, CEUR Workshop Proceedings, Vol. 9, o.S. (S. 1-5). Online-Dokument, im Internet unter der URL: 

„http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 04.01.2005). 

EBBINGHAUS/FLUM/THOMAS (1992) 

Ebbingahaus, H.D.; Flum, J.; Thomas, W.: Einführung in die mathematische Logik. 3. Auflage, Mannheim 

et al. 1992. 

EEKELS (2001) 

Eekels, J.: On the fundamentals of engineering design science: The geography of engineering design science. 

Part 2. In: Journal of Engineering Design, Vol. 12 (2001), No. 3, S. 255-281. 

EHRICH/DROSTEN/GOGOLLA (1988) 

Ehrich, H.-D.; Drosten, K.; Gogolla, M.: Towards an Algebraic Semantics for Database Specification. In: 

Meersman, R.A.; Sernadas, A.C. (Hrsg.): Data and Knowledge (DS-2), Proceedings of the Second IFIP 2.6 

Working Conference on Database Semantics, 03.-07.11.1986 in Albufeira. Amsterdam et al. 1988, S. 119- 

135. 

EHRICH/GOGOLLA/LIPECK (1989) 

Ehrich, H.-D.; Gogolla, M.; Lipeck, U. W.: Algebraische Spezifikation abstrakter Datentypen. Stuttgart 

1989. 

EHRIG ET AL. (1999) 

Ehrig, H.; Mahr, B.; Cornelius, F.; Große-Rhode, M.; Zeitz, P.: Mathematisch-strukturelle Grundlagen der 

Informatik. Berlin et al. 1999. 

ELLINGER/BEUERMANN/LEISTEN (2001) 

Ellinger, T.; Beuermann, G.; Leisten, R.: Operations Research – Eine Einführung. 5. Auflage, Berlin – Heidelberg 

2001. 

ENDRES-NIGGEMEYER (2000) 

Endres-Niggemeyer, B.: Empirical methods for ontology engineering in bone marrow transplantation. In: 

Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für 

Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen 

Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 335-341. 

ENGLISH/GEORGE (2002) 

English, J.B.; George, R.: An Automated Taxonomy for Process Control in Knowledge Management Applications. 

In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics 

and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-5). 

EPPLER (2003) 

Eppler, M.J.: Making Knowledge Visible through Knowledge Maps: Concepts, Elements, Cases. In: Holsapple, 

C.W. (Hrsg.): Handbook of Knowledge Management, Vol. 1: Knowledge Matters. Berlin – Heidelberg 

2003, S. 189-205. 

ERDMANN (2001) 

Erdmann, M.: Ontologien zur konzeptuellen Modellierung der Semantik von XML. Dissertation, Universität 

Karlsruhe 2001. O.O. (Karlsruhe) 2001.


ERDMANN (2002) 

Erdmann, M.: OXML 2.0 – Reference manual for users and developers of OntoEdit’s XML-based Ontology 

Representation langage. Last update: 2002-03-04. Karlsruhe 2002. 

ERDMANN/STUDER (1999) 

Erdmann, M.; Studer, R.: Ontologies as Conceptual Models for XML Documents. In: o.V.: Proceedings of 

the 12th Workshop on Knowledge Acquisition, Modelling and Management (KAW’99), im Oktober 1999 in 

Banff. O.O. o.S. (S. 1-19). 

ERIKSSON ET AL. (1994) 

Eriksson, H.; Shahar, Y.; Tu, S.W.; Puerta, A.R.; Musen, M.A.: Task Modeling with Reusable Problem- 

Solving Methods. Report, Medical Computer Science Group, Knowledge Systems Laboratory, Stanford 

University School of Medicine. Stanford 1994. (Auch erschienen in: Artificial Intelligence, Vol. 79 (1995), 

S. 293-326.) 

ERPENBECK/HEYSE (1999) 

Erpenbeck, J.; Heyse, V.: Die Kompetenzbiographie – Strategien der Kompetenzentwicklung durch selbstorganisiertes 

Lernen und multimediale Kommunikation, Münster 1999. 

EUZENAT (2002) 

Euzenat, J.: Research Challenges and Perspectives of the Semantic Web, European Commission – US National 

Science Foundation Strategic Research Workshop, 03.-05.10.2001 in Sophia Antipolis, Workshop Report 

and Recommendations. Modified version 11.01.2002. O.O. 2002. 

FAIX (1991) 

Faix, W.G.; Laier, A: Soziale Kompetenz. Wiesbaden 1991. 

FALASCONI/LANZOLA/STEFANELLI (1996) 

Falasconi, S.; Lanzola, G.; Stefanelli, M.: Using Ontologies in Multi-Agent Systems. In: o.V.: Proceedings 

of Tenth Knowledge Acquisition for Knowledge-Based Systems Workshop (KAW’96), 09.-14.11.1996 in 

Banff. Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/KAW/KAW96/KAW96 

Proc.html“ (Zugriff am 04.05.1999). 

FALKENBERG ET AL. (1996) 

Falkenberg, E.D.; Hesse, W.; Lindgreen, P.; Nilsson, B.E.; Oei, H.J.L.; Rolland, C.; Stamper, R.K.; van Assche, 

F.J.; Verrijn-Stuart, A.A.; Voss, K.: FRISCO. A Framework of Information Systems. Summary of the 

FRISCO Report, December 1996. Online-Dokument, im Internet unter der URL: „ftp://leidenuniv.nl/pub/rul/ 

fri-w60.zip” (Zugriff am 04.04.1997). 

FARQUHAR ET AL. (1995) 

Farquhar, A.; Fikes, R.; Pratt, W.; Rice, J.: Collaborative Ontology Construction for Information Integration. 

Technical Report KSL-95-63, Knowledge Systems Laborytory, Stanford University. Stanford 1995. 

FARQUHAR/FIKES/RICE (1996) 

Farquhar, A.; Fikes, R.; Rice, J.: Tools for Assembling Modular Ontologies in Ontolingua. Technical Report, 

Knowledge Systems Laborytory, Stanford University. Stanford o.J. (1996). 

FARQUHAR/FIKES/RICE (1997) 

Farquhar, A.; Fikes, R.; Rice, J.: The Ontolingua Server: a tool for collaborative ontology construction. In: 

International Journal of Human-Computer Studies, Vol. 46 (1997), No. 6, S. 707-727. 

FELLBAUM (1999) 

Fellbaum, C. (Hrsg.): WordNet: An Electronic Lexical Database. 2. Druck, Cambridge (Massachusetts) 

1999. 

FENSEL (2001a) 

Fensel, D.: Ontologies: A Silver Bullet for Knowledge Management and Electronic Commerce. Berlin – 

Heidelberg – New York 2001. 

FENSEL (2001b) 

Fensel, D.: Ontologies and Electronic Commerce. In: IEEE Intelligent Systems & their Applications, Vol. 16 

(2001), No. 1, S. 8.


FENSEL ET AL. (1997) 

Fensel, D.; Motta, E.; Decker, S.; Zdrahal, Z.: Using Ontologies for Defining Tasks, Problem-Solving 

Methods and their Mappings. In: Plaza, E.; Benjamins, R. (Hrsg.): Knowledge Acquisition, Modeling and 

Management, 10th European Workshop, EKAW’97, 15.-18.10.1997 in Sant Feliu de Guixols, Proceedings. 

Berlin et al. 1997, S. 113-128. 

FENSEL ET AL. (1998a) 

Fensel, D.; Decker, S.; Erdmann, M.; Studer, R.: Ontobroker: The Very High Idea. In: o.V.: Proceedings of 

the 11th International Flairs Conference (FLAIRS’98), im Mai 1998 in Sanibal Island. O.O. 1998, S. 131- 

135. 

FENSEL ET AL. (1998b) 

Fensel, D.; Decker, S.; Erdmann, M.; Studer, R.: Ontobroker: How to make the WWW Intelligent. Report, 

Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. 

Karlsruhe 1998. 

FENSEL ET AL. (1998c) 

Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Staab, S.; Studer, R.; Witt, A.: On2broker: 

Semantic-based access to information sources at the WWW. Report, Institut für Angewandte Informatik und 

Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1998). 

FENSEL ET AL. (1999a) 

Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Staab, S.; Studer, R.; Witt, A.: On2broker: 

Semantic-Based Access to Information Sources at the WWW. In: o.V.: Proceedings of the World Conference 

on the WWW and Internet (WebNet 99), 25.-30.10.1999 in Honolulu. O.O. 1999, o.S. (S. 1-5). 

FENSEL ET AL. (1999b) 

Fensel, D.; Angele, J.; Decker, S.; Erdmann, M.; Schnurr, H.-P.; Studer, R.; Witt, A.: On2broker: Lessons 

Learned from Applying AI to the Web. Report, Institut für Angewandte Informatik und Formale Beschreibungsverfahren 

(AIFB), Universität Karlsruhe. Karlsruhe o.J. (1999). 


Fensel, D.; Horrocks, I.; van Harmelen, F.; Decker, S.; Erdmann, M.; Klein, M.: OIL in a nutshell. In: Dieng, 

R. (Hrsg.): Proceedings of the 12th European Workshop on Knowledge Acquisition, Modeling and Management 

(EKAW’00), Juan-les-Pins 2000, S. 1-16. 


Fensel, D.; van Harmelen, F.; Horrocks, I.; McGuiness, D.L.; Patel-Schneider, P.F.: OIL: An Ontology Infrastructure 

for the Semantic Web. In: IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No. 

March/April, S. 38-45. 


Fensel, D.; Hendler, J.; Lieberman, H.; Wahlster, W. (Hrsg.): Spinning the Semantic Web – Bringing the 

World Wide Web to Its Full Potential. London 2003. 

FERNÁNDEZ/GÓMEZ-PÉREZ/JURISTO (1997) 

Fernández, M.; Gómez-Pérez, A.; Juristo, N.: METHONTOLOGY: From Ontological Art Towards Ontological 

Engineering. In: Farquar, A.; Grüninger, M. (Hrsg.): Ontological Engineering – Papers from the 1997 

AAAI Spring Symposium, Stanford 1997, S. 33-40. 

FERNÁNDEZ-LÓPEZ (1999) 

Fernández-López, M.: Overview Of Methodologies For Building Ontologies. In: Benjamins, V.R.; Chandrasekaran, 

B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.): Proceedings of the IJCAI-99 Workshop on 

Ontologies and Problem-Solving Methods, Stockholm 1999, S. 4.1-4.13. 

FERNÁNDEZ-LÓPEZ ET AL. (1999) 

Fernández-López, M.; Gómez-Pérez, A.; Pazos Sierra, J.; Pazos Sierra, A.: Building a Chemical Ontology 

using Methontology and the Ontology Design Environment. In: IEEE Intelligent Systems: Special Issue on 

Uses of Ontologies, Vol. 14 (1999), No. 1, S. 37-46. 

FERSTL/SINZ (1998) 

Ferstl, O.K.; Sinz, E.J.: Wirtschaftsinformatik. 3. Auflage, München – Wien 1998.


FETTKE/LOOS (2003) 

Fettke, P.; Loos, P.: Ontologische Evaluierung von Ereignisgesteuerten Ereignisketten. In: Nüttgens, M.; 

Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten Ereignisketten, 2. 

Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen des Arbeitskreises „Geschäftsprozessmanagement 

mit Ereignisgesteuerten Ereignisketten (WI-EPK)“, 08.10.2003 in Bamberg, Proceedings. Bonn 

2003, S. 61-78. 

FEUCHT (1992) 

Feucht, R.H.: Die Neoontologie Nicolai Hartmanns im Licht der Evolutionären Erkenntnistheorie. Dissertation, 

Universität Passau 1992. Regensburg 1992. 

FEYERABEND (1970) 

Feyerabend, P.K.: Against Method: Outline of an Anarchistic Theory of Knowledge. In: Radner, M.; Winokur, 

S. (Hrsg.): Minnesota Studies in the Philosophy of Science, Vol. IV: Analyses of Theories and Methods 

of Physics and Psychology. Minneapolis 1970, S. 17-130. 


Feyerabend, P.: Wider den Methodenzwang – Skizze einer anarchistischen Erkenntnistheorie. Frankfurt 

1976. 


Feyerabend, P.: Wider den Methodenzwang. 5. Auflage, Frankfurt/Main 1995. 

FIKES ET AL. (1991) 

Fikes, R.; Cutkosky, M.; Gruber, T.; Van Baalen, J.: Knowledge Sharing Technology – Project Overview –. 

Report, Knowledge Systems Laboratory, Stanford University. Stanford 1991. 

FIZ TECHNIK (2002) 

Fachinformationszentrum Technik e.V. (Hrsg.): Thesaurus Technik und Management 2002. 3. Aufl., Frankfurt/Main 

2002. 

FLEETWOOD (2001) 

Fleetwood, S.: Causal Laws, Functional Relations and Tendencies. In: Review of Political Economy, Vol. 13 

(2001), No. 2, S. 201-220. 

FLOYD (1992) 

Floyd, C.: Human Questions in Computer Science. In: Floyd, C.; Züllighoven, H.; Budde, R.; Keil-Slawik, 

R. (Hrsg.): Software Development and Reality Construction. Berlin et al. 1992, S. 15-27. 

FØLLESDALL (2001) 

Føllesdall, D. (Hrsg.): Philosophy of Quine, Vol. 4: Ontology. New York – London 2001. 

FORMICA/MISSIKOFF (2002) 

Formica, A.; Missikoff, M.: An Extended XML Approach to Ontology Engineering. In: Callaos, N.; Porter, 

J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2002), 

14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-3). 

FORMICA/PAGANO/TAGLINO (2001) 

Formica, A.; Pagano, I.; Taglino, F.: Fetish Project – The SymOntos 2.1 user guide. Report Version 2.1, May 

2001. O.O. 2001. 

FOSS (1994) 

Foss, N.J.: The two Coasian traditions. In: Review of Political Economy, Vol. 6 (1994), No. 1, S. 37-61. 

FOWLER ET AL. (1999) 

Fowler, J.; Nodine, M.; Perry, B.; Bargmeyer, B.: Agent-Based Semantic Interoperability in InfoSleuth. In: 

SIGMOD Record, Vol. 28 (1999), No. 1, S. 60-67. 

FOWLER/SCOTT (1998) 

Fowler, M.; Scott, K.: UML – konzentriert. Die Standardmodellierungssprache anwenden. Bonn et al. 1998. 

FOX/CHIONGLO/FADEL (1993) 

Fox, M.S., Chionglo, J.F.; Fadel, F.G.: A Common-Sense Model of the Enterprise. In: o.V.: Proceedings of 

the 2nd Industrial Engineering Research Conference, 1993 in Norcross. O.O. 1993, S. 425-429.


FOX/GRUNINGER (1993) 

Fox, M.S., Gruninger, M.: Ontologies for Enterprise Integration. Paper, University of Toronto. Toronto 

1993. 

FOX/GRÜNINGER (1997a) 

Fox, M.S., Grüninger, M.: Ontologies for Enterprise Modelling. In: Kosanke, K., Nell, J.G. (Hrsg.): Enterprise 

Engineering and Integration: Building International Consensus. Proceedings of ICEIMT’97, International 

Conference on Enterprise Integration and Modeling Technology, 28.-30.10.1997 in Turin. Berlin et al. 

1997, S. 190-200. 

FOX/GRUNINGER (1997b) 

Fox, M.S., Gruninger, M.: Enterprise Modelling. Paper, Department of Mechanical and Industrial Engineering, 

University of Toronto. Toronto 1997. 

FOX/GRÜNINGER (1997c) 

Fox, M.; Grüninger, M.: On Ontologies and Enterprise Modelling. In: Kosanke, K.; Nell, J. (Hrsg.): Proceedings 

of the International Conference on Enterprise Integration Modelling Technology, Berlin et al. 1997. Online-Dokument, 

im Internet unter der URL: „http://www.eil.utoronto.ca/enterprise-modelling/papers/ 

fox-eimt97.pdf“ (Zugriff am 15.06.2004), o.S. (S. 1-10). 

FRANCONI ET AL. (1998) 

Franconi, E.; De Giacomo, G.; MacGregor, R.M.; Nutt, W.; Welty, C.A. (Hrsg.): Proceedings of the 1998 International 

Workshop on Description Logics (DL’98), 06.-08.06.1998 in Povo – Trento, CEUR Workshop 

Proceedings, Vol. 11. Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen. 

de/Publications/CEUR-WS/Vol-11“ (Zugriff am 04.01.2005). 

FRANK (1998) 

Frank, U.: Die Evaluation von Aretefakten: Eine zentrale Herausforderung der Wirtschaftsinformatik. Paper, 

Institut für Wirtschaftsinformatik, Universität Koblenz-Landau. Koblenz o.J. (1998). (Auch veröffentlicht in: 

Tagungsband des Workshops „Evaluation und Evaluationsforschung in der Wirtschaftsinformatik“, am 

05.06.1998 in Linz.) 

FRANK (2000a) 

Frank, U.: Unified Modeling Language (UML) – ein bedeutsamer Standard für die konzeptionelle Modellierung. 

In: Das Wirtschaftsstudium, 29. Jg. (2000), Heft 5, S. 709-718. 

FRANK (2000b) 

Frank, U.: Entwurf eines Referenzmodells für Handelsplattformen im Internet. Paper, Institut für Wirtschaftsinformatik, 

Universität Koblenz-Landau. Koblenz o.J. (2000). (Auch veröffentlicht in: Tagungsband 

der Fachtagung KnowTech, Leipzig 2000.) 

FRANK (2000c) 

Frank, U.: Modelle als Evaluationsobjekt. In: Heinrich, L.J.; Häntschel, I. (Hrsg.): Evaluation und Evaluationsforschung 

in der Wirtschaftsinformatik. München – Wien 2000, S. 339-352. 

FRANK (2001) 

Frank, U.: Einige Gründe für eine Wiederbelebung der Wissenschaftstheorie. Paper, Institut für Wirtschaftsinformatik, 

Universität Koblenz-Landau. Koblenz o.J. (2001). (Auch veröffentlicht in: Tagungsband der 

Tagung der Kommission Wissenschaftstheorie im Verband der Hochschullehrer für Betriebswirtschaftslehre 

e.V., Augsburg 2001.) 

FRANK (2003) 

Frank, U.: Ebenen der Abstraktion und ihre Abbildung auf konzeptionelle Modelle – oder: Anmerkungen zur 

Semantik von Spezialisierungs- und Instanzierungsbeziehungen. In: Emisa-Forum, 23. Jg. (2003), Nr. 2, S. 

14-18. 

FRANK/HAGENGRUBER/SCHAUER (2002) 

Frank, U.; Hagengruber, R.; Schauer, H. (Hrsg.): ∃cO – Economic Ontology. Part 1: Towards a basal Enterprise 

Ontology – Ein Reader zur formalen Ontologie, Ontologie der Ökonomie und Ontologie der Unternehmen. 

In Verbindung mit dem Workshop ∃cO – Economic Ontology, 23.07.2002 in Koblenz. ∃cO Reports 

Nr. 1, Forschungsgruppe Unternehmensmodellierung, Universität Koblenz-Landau. Koblenz 2002.


FRANK/PRASSE (1997) 

Frank, U.; Prasse, M.: Ein Bezugsrahmen zur Beurteilung objektorientierter Modellierungssprachen – 

veranschaulicht am Beispiel von OML und UML. Arbeitsberichte des Instituts für Wirtschaftsinformatik Nr. 

6, Universität Koblenz-Landau. Koblenz 1997. 

FRAUENFELDER (2001) 

Frauenfelder, M.: A Smarter Web. In: Technology Review, Vol. 2001, No. November, S. 52-59. 

FREESE (1999) 

Freese, T.: Eine allgemeine Klassenstruktur zur Repräsentation von Ablaufplanung. In: Puppe, F.; Fensel, 

D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future 

Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, 

Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition. Internal Report, Institut für Informatik, 

Universität Würzburg. Würzburg 1999, S. 82-87. 

FREGE (1999) 

Frege, G.: Über Sinn und Bedeutung. In: Bermes, C. (Hrsg.): Sprachphilosophie. Freiburg – München 1999, 

S. 109-119. (Auch erschienen in: Patzig, G. (Hrsg.): Funktion, Begriff, Bedeutung – Fünf logische Studien. 

3. Auflage, Göttingen 1969, S. 18-39.) 

FRENCH (1989) 

French, S.: Why the Principle of the Identity of Indiscernibles is Not Contingently True Either. In: Synthese, 

Vol. 79 (1989), S. 141-166. 

FRICK (1998) 

Frick, D.: Die Akquisition betriebwirtschaftlichen Wissens zum Aufbau von wissensbasierten Entscheidungsunterstützungssystemen. 


FRIDSMA/GENNARI/MUSEN (1997) 

Fridsma, D.B.; Gennari, J.; Musen, M.: Acquiring, Maintaining, and Customizing Organizational Work 

Process Descriptions. In: o.V.: AAAI Spring Symposium on Artificial Intelligence in Knowledge Management, 

24.-26.03.1997 in Stanford, Proceedings. Online-Dokument, im Internet unter der URL: „http://ksi. 

cpsc.ucalgary.ca/AIKM97/“ (Zugriff am 29.07.1999), o.S. (S. 1-9). 

FRIEDLAND/ALLEN (2004) 

Friedland, N.S.; Allen, P.G.: The Halo Pilot: Towards A digital Aristotle. O.O o.J. (2004). Online- 

Dokument, im Internet unter der URL: „http://www.projecthalo.com/content/docs/halopilot_vulcan_finalreport.pdf“ 

(Zugriff am 04.01.2005). 

FRIEDRICHSDORF (1992) 

Friedrichsdorf, U.: Einführung in die klassische und intensionale Logik. Braunschweig – Wiesbaden 1992. 

FÜRST/LECLÈRE/TRICHET (2003) 

Fürst, F.; Leclère, M.; Trichet, F.: Ontological engineering and mathematical knowledge management: A 

formalization of projective geometry. In: Annals of Mathematics and Artificial Intelligence, Vol. 38 (2003), 

S. 65-89. 

GABRIEL (2004) 

Gabriel, G.: Denotation. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 1. Unveränderte Sonderausgabe, Stuttgart – Weimar 2004. S. 451. 

GAINES (1997) 

Gaines, B.: Knowledge Level Modeling of Agents, Organizations and Technologies. In: o.V.: AAAI Spring 

Symposium on Artificial Intelligence in Knowledge Management, 24.-26.03.1997 in Stanford. Online-Dokument, 

im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/AIKM97/“ (Zugriff am 29.07.1999), o.S. (S. 1- 

13). 

GALLIER (1986) 

Gallier, J.H.: Logic for Computer Science. New York et al. 1986.


GANGEMI ET AL. (2001) 

Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.: Understanding top-level ontological distinctions. In: 

Gómez-Pérez, A.; Gruninger, M.; Stuckenschmidt, H.; Uschold, M. (Hrsg.): Proceedings of the IJCAI-2001 

Workshop on Ontologies and Information Sharing, 04.-05.08.2001 in Seattle, CEUR Workshop Proceedings, 

Vol. 47, S. 26-33. 

GANGEMI ET AL. (2002a) 

Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.: Restructuring WordNet’s Top-Level. Report, National 

Research Council, Institute for Cognitive Science and Technologies (ISTC-CNR). O.O. o.J. (2002). 

GANGEMI ET AL. (2002b) 

Gangemi, A.; Guarino, N.; Masolo, C.; Oltramari, A.; Schneider, L.: Sweeting Ontologies with DOLCE. Report, 

National Research Council, Institute for Cognitive Science and Technologies (ISTC-CNR). Rom – Padua 

o.J. (2002). 

GANGEMI/GUARINO/OLTRAMARI (2001) 

Gangemi, A.; Guarino, N.; Oltramari, A.: Conceptual Analysis of Lexical Taxonomies: The case of WordNet 

Top-Level. In: Welty, C.; Smith, B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from 

the Second International Conference (FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 285-296. 

GANGEMI/PISANELLI/STEVE (1998) 

Gangemi, A.; Pisanelli, D. M.; Steve, G.: Ontology Integration: Experiences with Medical Terminologies. In: 

Guarino, N. (Hrsg.): Formal Ontology in Information Systems, Amsterdam 1998, S. 163-178. 

GANGEMI/STEVE/GIACOMELLI (1996) 

Gangemi, A.; Steve, G.; Giacomelli, F.: ONIONS: An Ontological Methodology for Taxonomic Knowledge 

Integration. In: van der Vet, P. (Hrsg.): Proceedings of the Workshop on Ontological Engineering (in conjunction 

with ECAI´96), Budapest 1996. Online-Dokument, im Internet unter der URL: „http://wwwkbs.cs. 

utwente.nl/EcaiWorkshop/fullpapers.html” (Zugriff am 18.2.2003), o.S. (S. 1-11). 

GEBERT (2001) 

Gebert, H.: Kompetenz-Management – Bewirtschaftung von implizitem Wissen in Unternehmen. Kolloquium 

für Doktoranden der Wirtschaftsinformatik 18.09.2001. Online-Dokument, im Internet unter der URL: 

„http://verdi.unisg.ch/org/iwi/iwi_pub.nsf/wwwPublRecentEng/14CBE590F8A36F65C1256DF900395EF1“ 

(Zugriff am 24.11.2004). 

GEBERT/KUTSCH (2003) 

Gebert, H., Kutsch, O.: Potenziale des Skill-Managements. In: Wirtschaftsinformatik, 45. Jg. (2003), Nr. 2, 

S. 227-229. 

GEERTS/MCCARTHY (2000) 

Geerts, G.L.; McCarthy, W.E.: An ontological analysis of the economic primitives of the extended-REA enterprise 

information architecture. Paper, Department of Accounting and MIS, University of Delaware. Newark 

o.J. (2000). 

GENESERETH (1998) 

Genesereth, M.R.: Knowledge Interchange Format – draft proposed American National Standard (dpANS). 

Paper NCITS.T2/98-004. Online-Dokument, im Internet unter der URL: „http://logic.stanford.edu/kif/dpans. 

html“ (Zugriff am 06.02.2003). 

GENESERETH/FIKES (1992) 

Genesereth, M.R.; Fikes, R.E.: Knowledge Interchange Format – Version 3.0 – Reference Manual. Report 

Logic-92-1, Computer Science Department, Stanford University. Stanford 1992. 

GENESERETH/NILSSON (1987) 

Genesereth, M.R.; Nilsson, N.J.: Logical Foundations of Artificial Intelligence. Palo Alto 1987. 

GENNARI ET AL. (1994) 

Gennari, J.H.; Tu, S.W.; Rothenfluh, T.E.; Musen, M.A.: Mapping Domains to Methods in Support of Reuse. 

In: International Journal of Human-Computer Studies, Vol. 41 (1994), S. 399-424. (Auch erschienen als: 

SMI Technical Report No. SMI-93-0497, Stanford Medical Informatics, Stanford University. Stanford 

1993.)


GENNARI ET AL. (2002) 

Gennari, J.H.; Musen, M.A.; Fergerson, R.W.; Grosso, W.E.; Crubezy, M.; Eriksson, H.; Noy, N.F.; Tu, 

S.W.: The Evolution of Protégé: An Environment for Knowledge-Based Systems Development. SMI Technical 

Report No. SMI-2002-0943, Stanford Medical Informatics, Stanford University. Stanford 2002. 

GEORGE/JONES (2000) 

George, J.M.; Jones, G.R.: The Role of Time Theory and Theory Building. In: Journal of Management, Vol. 

26 (2000), No. 4, S. 657-684. 

GERPOTT (1999) 

Gerpott, T.J.: Strategisches Technologie- und Innovationsmanagement – Eine konzentrierte Einführung. 

Stuttgart 1999. 

GETHMANN (2004a) 

Gethmann, C.F.: Fundamentalontologie. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 1: A-G. Sonderausgabe, Stuttgart – Weimar 2004, S. 688-689. 

GETHMANN (2004b) 

Gethmann, C.F.: Realismus (ontologisch). In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 502-504. 

GETHMANN/SIEGWART (2004) 

Gethmann, G.F.; Siegwart, G.: Rescher. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 594-597. 

GETTIER (1994) 

Gettier, E.L.: Ist gerechtfertigte, wahre Meinung Wissen? In: Bieri, P. (Hrsg.): Analytische Philosophie der 

Erkenntnis. 3. Auflage, Weinheim 1994, S. 91-93. 

GILBERT/STREBEL (1987) 

Gilbert, Xavier, X.; Strebel, P.P.: Strategies to outpace the competition. In: Journal of Business Strategy, 

Vol. 8 (1987), No. 1, S. 28-36. 

GINSBURG (1999) 

Ginsburg, M.: An Agent Framework for Intranet Document Management. In: Autonomous Agents and 

Multi-Agent Systems, Vol. 2 (1999), S. 271-286. 

GOBLE ET AL. (2001) 

Goble, C.A.; Paton, N.W.; Stevens, R.; Baker, P.G.; Ng, G.; Peim, M.; Bechhofer, S.; Brass, A.: Transparent 

access to multiple bioinformatics information sources. In: IBM Systems Journal, Vol. 40 (2001), No. 2, S. 

532-550. 

GÖTZE/BLOECH (2004) 

Götze, U.; Bloech, J.: Investitionsrechnung – Modelle und Analysen zur Beurteilung von Investitionsvorhaben. 

4. Auflage, Berlin et al. 2004. 

GOLEBIOWSKA (2000) 

Golebiowska, J.: SAMOVAR – Setting up and Exploitation of Ontologies for Capitalising on Vehicle Project 

Knowledge. Paper, Equipe Acacia. Inria Sophia Antipolis o.J. (2000). 

GÓMEZ-PÉREZ (1994) 

Gómez-Pérez, A.: From Knowledge Based Systems to Knowledge Sharing Technology: Evaluation and Assessment. 

Technical Report KSL 94-73. Knowledge Systems Laboratory. Stanford University, California. 

Stanford 1994. 


Gómez-Pérez, A.: Towards a Framework to Verify Knowledge Sharing Technology. In: Expert Systems 

With Applications, Vol. 11 (1996), No. 4, S. 519-529. 


Gómez-Pérez, A.: Knowledge Sharing and Reuse. In: Liebowitz, J. (Hrsg.): The Handbook of Applied Expert 

Systems. Boca Raton et al. 1998, S. 10-1 – 10-36.


GOMEZ-PEREZ (2001) 

Gómez-Pérez, A.: Evaluation of Ontologies. In: International Journal of Intelligent Systems, Vol. 16 (2001), 

No. 3, S. 391-409. 

GOMEZ-PEREZ (2004) 

Gómez-Pérez, A.: Ontology Evaluation. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – 

Heidelberg 2004, S. 250-273. 

GÓMEZ-PÉREZ/BENJAMINS (1999) 

Gómez-Pérez, A.; Benjamins, V.R.: Overview of Knowledge Sharing and Reuse Components: Ontologies 

and Problem-Solving Methods. In: Benjamins, V.R.; Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.; 

Uschold, M. (Hrsg.:) Proceedings of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods 

(KRR5), am 02.08.1999 in Stockholm. Amsterdam 1999, S. 1-1–1-15. 

GÓMEZ-PÉREZ/FERNÁNDEZ/DE VINCENTE (1996) 

Gómez-Pérez, A.; Fernández, M.; de Vincente, A.J.: Towards a Method to Conceptualize Domain Ontologies. 

In o.V.: Proceedings of the Workshop Ontological Engineering ECAI-96, Budapest 1996, S. 41-52. 

GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2002) 

Gómez-Pérez, A.; Fernández-López, M.; Corcho, O.: Ontoweb – Technical Roadmap. Ontoweb Deliverable 

1.1.2, Universidad Politécnica de Madrid, 2002. Online-Dokument, im Internet unter der URL: „http:// 

ontoweb.aifb.uni-karlsruhe.de/About/Deliverables/D1.1.2_v1_0.zip“ (Zugriff am 16.09.2003). 

GÓMEZ-PÉREZ/FERNÁNDEZ-LÓPEZ/CORCHO (2004) 

Gómez-Pérez, A.; Fernández-López, M.; Corcho, O.: Ontological Engineering with examples from the areas 

of Knowledge Management, e-Commerce and the Semantic Web, London 2004. 

GONZALO ET AL. (1998) 

Gonzalo, J.; Verdejo, F.; Peters, C.; Calzolari, N.: Applying EuroWordNet to Cross-Language Text Retrieval. 

In: Cumputers and the Humanities, Vol. 32 (1998), S. 185-207. 

GOODMAN (1987) 

Goodman, N.: Vom Denken und anderen Dingen. Frankfurt/Main 1987. 

GOTTWALD (2003) 

Gottwald, M.: HR-Lösungen – Durchweg hoher Standard. In: Personal – Zeitschrift für Human Resource 

Management, 55. Jg. (2003), Heft 7, S. 32-35. 

GRANT (1996) 

Grant, R.M.: Toward a Knowledge based Theory of the Firm. In: Strategic Management Journal, Vol. 17 

(1996), S. 109-122. 

GRASSL (1999) 

Grassl, W.: The Reality of Brands: Towards an Ontology of Marketing. In: American Journal of Economics 

& Sociology, Vol. 58 (1999), No. 2, S. 313-360. 

GREAVES (2004) 

Greaves, M.: 2004 DAML Program Directions. o.O. 2004. Online-Dokument, im Internet unter der URL: 

„www.daml.org/listarchive/daml-all/att-0301/01-2004_DAML_Program_Directions.doc“ (Zugriff am 04.01. 

2005). 

GREEN/ROSEMANN (1999) 

Green, P.; Rosemann, M.: An Ontological Analysis of Integrated Process Modelling. Preprint, Ipswich – 

Münster 1999. (Veröffentlicht in: Jarke, M. (Hrsg.): CAiSE’99, 11th Conference on Advanced Information 

Systems Engineering. Berlin et al. 1999.) 

GREEN/ROSEMANN (2000) 

Green, P.; Rosemann, M.: Integrated Process Modeling: An Ontological Ecaluation. In: Informations 

Systems, Vol. 25 (2000), No. 2, S. 73-87. 

GREENWELL (1988) 

Greenwell, M.: Knowledge Engineering for Expert Systems. Chichester 1988.


GROB/VOLCK (1995) 

Grob, H.L.; Volck, S.: Abbildung von Geschäftsprozessem mit ereignisgesteuerten Prozessketten. In: Wirtschaftswissenschaftliches 

Studium, 24. Jg. (1995), Heft 11, S. 604-608. 

GROSSMANN (1992) 

Grossmann, R.: The Existence of the World. An Introduction to Ontology. London 1992. 

GROSSO ET AL. (1999) 

Grosso, W.E.; Eriksson, H.; Fergerson, R.W.; Gennari, J.H.; Tu, S.W.; Musen, M.A.: Knowledge Modeling 

at the Millenium (The Design and Evolution of Protégé-2000). SMI Technical Report No. SMI-1999-0801, 

Stanford Medical Informatics, Stanford University. Stanford 1999. 

GRUBER (1993) 

Gruber, T.R.: A translation approach to portable ontology specifications. In: Knowledge Acquisition, Vol. 5 

(1993), No. 2, S. 199-220. Auch erschienen als: Knowledge Systems Laboratory Technical Report KSL 92- 

71 (überarbeitete Version vom April 1993, Original vom September 1992), Computer Science Department, 

Stanford University. Stanford 1993. 

GRUBER (1995) 

Gruber, T.R.: Toward principles for the design of ontologies used for knowledge sharing. In: International 

Journal of Human-Computer Studies, Vol. 43 (1995), S. 907-928. Auch erschienen als: Technical Report 

KSL 93-04 (überarbeitete Version vom August 1993), Knowledge Systems Laboratory, Stanford University, 

Stanford 1993. Ebenso erschienen in: Guarino, N.; Poli, R. (Hrsg.): Formal Ontology in Conceptual Analysis 

and Knowledge Representation. Amsterdam et al. 1993. 

GRUBER/OLSEN (1996) 

Gruber, T.R.; Olsen, G.R.: The configuration design ontologies and the VT elevator domain theory. In: 

International Journal of Human-Computer Studies, Vol. 44 (1996), S. 569-598. 

GRÜNINGER (2004) 

Grüninger, M.: Ontology of the Process Specification Language. In: Staab, S.; Studer, R. (Hrsg.): Handbook 


GRÜNINGER/ATEFI/FOX (2000) 

Grüninger, M.; Atefi, K.; Fox, M.S.: Ontologies to Support Process Integration in Enterprise Engineering. In: 

Computational & Mathematical Organization Theory, Vol. 6 (2000), S. 381-394. 

GRUNINGER/FOX (1994a) 

Gruninger, M.; Fox, M.S.: An Activity Ontology for Enterprise Modelling. Paper, Department of Industrial 

Engineering, University of Toronto. Toronto 1994. 

GRUNINGER/FOX (1994b) 

Gruninger, M.; Fox, M.S.: The Role of Competency Questions in Enterprise Engineering. Paper, Department 

of Industrial Engineering, University of Toronto. Toronto 1994. 

GRÜNINGER/FOX (1995) 

Grüninger, M.; Fox, M.S.: Methodology for the Design and Evaluation of Ontologies. Paper, Department of 

Industrial Engineering, University of Toronto. Toronto 1995. 

GUARINO (1992) 

Guarino, N.: Concepts, Attributes, and Arbitrary Relations – Some Linguistic and Ontological Criteria for 

Structuring Knowledge Bases. In: Data & Knowledge Engineering, Vol. 8 (1992), S. 249-261. 

GUARINO (1995) 

Guarino, N.: Formal ontology, conceptual analysis and knowledge representation. In: International Journal of 

Human-Computer Studies, Vol. 43 (1995), S. 625-640. 

GUARINO (1997a) 

Guarino, N.: Understanding, building and using ontologies. In: International Journal of Human-Computer 

Studies, Vol. 46 (1997), No. 2/3, S. 293-310.


GUARINO (1997b) 

Guarino, N.: Some Organizing Principles for a Unified Top-Level Ontology. In: Farquhar, A.; Gruninger, M. 

(Hrsg.): Ontological Engineering, Papers from the 1997 AAAI Symposium, 24.-26.03.1997 in Stanford, 

Technical Report SS-97-106. Menlo Park 1997, S. 57-63. 

GUARINO (1997c) 

Guarino, N.: Semantic Matching: Formal Ontological Distinctions for Information Organization, Extraction, 

and Integration. In: Pazienza, M.T. (Hrsg.): Information Extraction: A Multidisciplinary Approach to an 

Emerging Information Technology, Summer School on Information Extraction, 14.-19.07.1997 in Frascati. 

Berlin et al. 1997, S. 139-170. 


Guarino, N.: Formal Ontology and Information Systems. In: Guarino, N. (Hrsg.): Formal Ontology in 

Information Systems. Proceedings of the First International Conference (FOIS’98), 06.-08.06.1998 in Trento. 

Amsterdam et al. 1998, S. 3-15. 


Guarino, N.: Some Ontological Principles for Designing Upper level Lexical Resources. In: Rubio, N.; 

Gallardo, N.; Castro, R.; Tejada, A. (Hrsg.): Proceedings of First International Conference on Language 

Resources and Evaluation, 28.-30.05.1998 in Granada. O.O. 1998, S. 527-534. 


Guarino, N.: Avoiding IS-A Overloading: The Role of Identity Conditions in Ontology Design. Report, 

LADSEB-CNR. Padova 1999. 


Guarino, N.: The Role of Identity Conditions in Ontology Design. In: Freksa, C.; Mark, D.M. (Hrsg.): 

Spatial Information Theory – Cognitive and Computational Foundations of Geographic Information Science, 

Proceedings of International Comference COSIT’99. Berlin et al. 1999, S. 221-234. (Auch erschienen in: 

Benjamins, V.R.; Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings 

of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in 

Stockholm. Amsterdam 1999, S. 2-1 – 2-7.) 

GUARINO (1999c) 

Guarino, N.: The Ontological Level. Paper, LADSEB-NCR, National Research Council, Padova 1999. 

(Revised Version vom 30.08.1999 des gleichnamigen Beitrags in: Casati, R.; Smith, B.; White, G. (Hrsg.): 

Philosophy and the Cognitive Sciences. 16th Wittgenstein Symposium, im August 1993 in Kirchberg/Wechsel. 

Wien 1994, S. 443-456.) 

GUARINO/CARRARA/GIARETTA (1994a) 

Guarino, N.; Carrara, M.: Giaretta, P.: Formalizing Ontological Commitments. In: o.V.: Proceedings of National 

Conference on Artificial Intelligence (AAAI-94), 1994 in Seattle. San Mateo 1994, S. 560-567. 

GUARINO/CARRARA/GIARETTA (1994b) 

Guarino, N.; Carrara, M.: Giaretta, P.: An Ontology of Meta-Level Categories. In: Sandewall, E.; Torasso, P. 

(Hrsg.): Principles of Knowledge Representation and Reasoning: Proceedings of the Fourth International 

Conference (KR94), San Mateo 1994, S. 270-280. 

GUARINO/GIARETTA (1995) 

Guarino, N.; Giaretta, P.: Ontologies and Knowledge Bases – Towards a Terminological Clarification. In: 

Mars, N.J.I. (Hrsg.): Towards very large knowledge bases: knowledge building & knowledge sharing. Amsterdam 

1995, S. 25-32. 

GUARINO/MASOLO/VETERE (1999a) 

Guarino, N.; Masolo, C.; Vetere, G.: OntoSeek: Using Large Linguistic Ontologies for Accessing On-Line 

Yellow Pages and Product Catalogs. LADSEB-CNR Technical Report 01/98, revision January 1999. Padova 

1999. 

GUARINO/MASOLO/VETERE (1999b) 

Guarino, N.; Masolo, C.; Vetere, G.: OntoSeek: Content-Based Access to the Web. In: IEEE Intelligent Systems, 

Vol. 14 (1999), No. 3, S. 70-80.


GUARINO/WELTY (2000a) 

Guarino, N.; Welty, C.: A Formal Ontology of Properties. In: Dieng, R.; Corby, O. (Hrsg.): Knowledge Engineering 

and Knowledge Management – Methods, Models and Tools. Proceedings of the 12th International 

Conference on Knowledge Engineering and Knowledge Management. Berlin et al. 2000, S. 97-112. (Auch 

veröffentlicht als: Report, LADSEB-CNR. Padova 2000.) 

GUARINO/WELTY (2000b) 

Guarino, N.; Welty, C.: Identity, Unity, and Individuality: Towards a Formal Toolkit for Ontological Analysis. 

In: Horn, W. (Hrsg.): Proceedings of ECAI-2000, The European Conference on Artificial Intelligence, 

im August 2000 in Berlin. Amsterdam et al. 2000, S. 219-223. (Auch veröffentlicht als: Report, LADSEB- 

CNR. Padova 2000.) 

GUARINO/WELTY (2000c) 

Guarino, N.; Welty, C.: Ontological Analysis of Taxonomic Relationships. Report, LADSEB-CNR. Padova 

2000. (Auch veröffentlicht in: Laender, A.; Storey, V. (Hrsg.): Proceedings of ER-2000: The 19th International 

Conference on Conceptual Modeling, im Oktober 2000. Berlin et al. 2000.) 

GUARINO/WELTY (2000d) 

Guarino, N.; Welty, C.: Towards a methodology for ontology based model engineering. Report, LAD- 

SEB/CNR. Padova 2000. (Auch veröffentlicht in: o.V.: Proceedings of ECOOP-2000 Workshop on Model 

Engineering, 2000 in Cannes.) 

GUARINO/WELTY (2001) 

Guarino, N.; Welty, C.: Identity and Subsumption. Internal Report, LADSEB-CNR 01/2001. Padova 2001. 

(Auch veröffentlicht in: Green, R.; Bean, C.A.; Myaeng, S.H. (Hrsg.): The Semantics of Relationships: An 

Interdisciplinary Perspective. Amsterdam et al. 2001.) 


Guarino, N.; Welty, C.: Evaluation Ontological Decisions with OntoClean. In: Communications of the ACM, 

Vol. 45 (2002), No. 2, S. 61-65. 


Guarino, N.; Welty, C.A.: An Overview of OntoClean. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. 


GUHA/LENAT (1994) 

Guha, R.V.; Lenat, D.B.: Enabling Agents to Work Together. In: Communications of the ACM, Vol. 37 

(1994), No. 7, S. 127-142. 

GUIZZARDI/HERRE/WAGNER (2002) 

Guizzardi, G.; Herre, H.; Wagner, G.: On the General Ontological Foundations of Conceptual Modeling. In: 

Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International 

Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 65-78. 

GÜLDENBERG (1997) 

Güldenberg, S.: Wissensmanagement und Wissenscontrolling in lernenden Organisationen. Ein systemtheoretischer 

Ansatz. Wiesbaden 1997. 

GÜTTLER/VON BELOW/ZÜLCH (1979) 

Güttler, E.; von Below, F.; Zülch, G.: Klassifikation von Arbeitsplatzanforderungen durch Clusteranalyse. 

Forschungsberichte der Landes Nordrhein-Westfalen Nr. 2837. Opladen 1979. 

HAASE (1997) 

Haase, M.: Betriebswirtschaftslehre – weder deskriptiv noch normativ, sondern theoretisch. In: Kahle, E. 

(Hrsg.): Betriebswirtschaftslehre und Managementlehre. Selbstverständnis – Herausforderungen – Konsequenzen, 

Tagung der Kommission Wissenschaftstheorie. Wiesbaden 1997, S. 27-54. 

HAASE (2000) 

Haase, K.: Interlingual BRICO. In: IBM Systems Journal, Vol. 39 (2000), No. 3/4, S. 589-596. 

HABERMAS (1986) 

Habermas, J.: Entgegnung. In: Honneth, A.; Joas, H. (Hrsg.): Kommunikatives Handeln – Beiträge zu Jürgen 

Habermas’ „Theorie des kommunikativen Handelns“. Frankfurt/Main 1986, S. 327-405.


HAGENGRUBER (2004) 

Hagengruber, R.: Ontologische Strukturen. Gegenwärtige Tendenzen und ihre Anwendung in der Wirtschaftsinformatik. 

In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik – 

Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen Kommission 

„Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.-06.06. 

2003 in Koblenz. Wiesbaden 2004, S. 417-431. 

HAGENGRUBER/SCHAUER (2002) 

Hagengruber, R.; Schauer, H.: Gute Gründe für eine Ontologie der Ökonomie und der Unternehmung auf 

Basis der Basic Formal Ontology (BFO). In: Frank, U.; Hagengruber, R.; Schauer, H. (Hrsg.): ∃cO – Economic 

Ontology. Part 1: Towards a basal Enterprise Ontology – Ein Reader zur formalen Ontologie, Ontologie 

der Ökonomie und Ontologie der Unternehmen. In Verbindung mit dem Workshop ∃cO – Economic Ontology, 

23.07.2002 in Koblenz. ∃cO Reports Nr. 1, Forschungsgruppe Unternehmensmodellierung, Universität 

Koblenz-Landau. Koblenz 2002, S. 35-48. 

HAHN ET AL. (2003) 

Hahn, J.; Queins, S.; Rupp, C.; Zengler, B.; Jeckle, M.: UML 2 glasklar. München 2003. 

HAHN/REIMER (1998) 

Hahn, U.; Reimer, U.: Text Summarization Based on Terminological Logics. In: Prade, H. (Hrsg.): ECAI 98, 

13th European Conference on Artificial Intelligence, 23.-28.08.1997 in Brighton, Proceedings. Chichester et 

al. 1998, S. 156-169. 

HAHN/SCHULZ (2004) 

Hahn, U.; Schulz, S.: Building a Very Large Ontology from Medical Thesauri. In: Staab, S.; Studer, R. 

(Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 133-150. 

HAMM (1997) 

Hamm, V.: Informationstechnik-basierte Referenzprozesse – Prozeßtechnische Gestaltung des industriellen 

Einkaufs. Dissertation, Technische Universität Freiberg 1997. Wiesbaden 1997. 

HANSEN ET AL. (1992) 

Hansen, H.R.; Mühlbacher, R.; Neumann, G.: Begriffsbasierte Integration von Systemanalysemethoden. 

Heidelberg 1992. 

HANSEN/NEUMANN (2005) 

Hansen, H.R.; Neumann, G.: Wirtschaftsinformatik I – Grundlagen und Anwendungen. 9. Auflage, Stuttgart 

2005. 

HANSEN/NOHRIA/TIERNEY (1999) 

Hansen, M.T.; Nohria, N.; Tierney, T.: What’s Your Strategy for Managing Knowledge? In: Harvard Business 

Review, Vol. 77 (1999), No. March – April, S. 106-116. 

HARE (1999) 

Hare, C.: Towards an Ontology of Intellectual Property: A Suggested Reconstruction. In: American Journal 

of Economics & Sociology, Vol. 58 (1999), No. 2, S. 285-297. 

HARMAN (1994): 

Harman, G.H.: Wissen, Gründe und Ursachen. In: Bieri, P. (Hrsg.): Analytische Philosophie der Erkenntnis. 

3. Auflage, Weinheim 1994, S. 108-123. 

HARRAS (2000) 

Harras, G.: Concepts in Linguistics – Concepts in Natural Languag. In: Ganter, B.; Mineau, G.W. (Hrsg.): 

Conceptual Structures: Logical, Linguistic, and Computational Issues, 8th International Conference on Conceptual 

Structures, ICCS 2000, Darmstadt, Germany, August 14-18, 2000, Proceedings. Berlin et al. 2000. S. 

13-26. 

HARRAS/HERMANN/GRABOWSKI (1997) 

Harras, G.; Hermann, T.; Grabowski, J.: Aliquid stat pro aliqui – aber wie? In: Grabowski, J.; Harras, G.; 

Herrmann, T. (Hrsg.): Bedeutung – Konzepte – Bedeutungskonzepte. Opladen 1997, S. 9-19.


HARS (2001) 

Hars, A.: Designing Scientific Knowledge Infrastructures: The Contribution of Epistemology. In: Information 

Systems Frontiers, Vol. 3 (2001), No. 1, S. 63-73. 

HARTMANN (1948) 

Hartmann, N.: Zur Grundlegung der Ontologie. 3. Auflage, Meisenheim 1948. 

HARTMANN (1982) 

Hartmann, N.: Die Erkenntnis im Lichte der Ontologie. Hamburg 1982. 

HARTMANN/JANICH (1996) 

Hartmann, D.; Janich, P.: Methodischer Kulturalismus. Zwischen Naturalismus und Postmoderne. Frankfurt/Main 

1996. 

HARTMANN/JANICH (1998) 

Hartmann, D.; Janich, P.: Die kulturalistische Wende. Zur Orientierung des philosophischen Selbstverständnisses. 


HARZALLAH/LECLÈRE/TRICHET (2002) 

Harzallah, M.; Leclère, M.; Trichet, F.: CommOnCV: modelling the competencies underlying a Curriculum 

Vitae. In: o.V.: Proceedings of the 14th International Conference on Software Engineering and Knowledge 

Engineering, 15.-19.07.2002 in Ischia. O.O 2002, S. 65-71. 

HAUGEN/MCCARTHY (2000) 

Haugen, R.; McCarthy, W.E.: REA, a semantic model for Internet supply chain collaboration. In: o.V.: Business 

Objects and Component Design and Implementation Workshop VI: Enterprise Application Integration, 

16.10.2000 in Minneapolis. Online-Dokument, im Internet unter der URL: „http://jeffsutherland.org/ 

oopsla2000/oopsla2000.html“ (Zugriff am 02.05.2002). 

HAUN (2000) 

Haun, M.: Wissensbasierte Systeme. Renningen 2000. 

HAUN (2002): 

Haun, M.: Handbuch Wissensmanagement – Grundlagen und Umsetzung, Systeme und Praxisbeispiele. Berlin 

et al. 2002. 

HAYES (2002) 

Hayes, P.: RDF Model Theory, W3C Working Draft 29 April 2002. Online-Dokument, im Internet unter der 

URL: „http://www.w3.org/TR/rdf-mt/“ (Zugriff am 02.11.2002). 

HECHT (1998) 

Hecht, H.: Nachwort. In: Hecht, H. (Hrsg.): Gottfried Wilhelm Leibniz – Monadologie. Stuttgart 1998, S. 

97-118. 

HEFLIN (2001) 

Heflin, J.D.: Towards the Semantic Web: Knowledge Representation in a Dynamic, Distributed Environment. 

Dissertation, University of Maryland, Department of Computer Science. College Park 2001. 

HEFLIN/VOLZ/DALE (2002) 

Heflin, J.; Volz, R.; Dale, J.: Requirements for a Web Ontology Language, W3C Working Draft 08 July 

2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/webont-req/“ (Zugriff am 07. 

10.2002). 

HEIDEGGER (1988) 

Heidegger, M.: Ontologie – Hermeneutik der Faktizität. Band 63 der Gesamtausgabe. Frankfurt/Main 1988 

(im Original: 1923). 

HELBIG (2001) 

Helbig, H.: Die semantische Struktur natürlicher Sprache – Wissensrepräsentation mit MultiNet. Berlin et al. 

2001. 

HENDRIKS/VOETEN/KROEP (1999) 

Hendriks, M.H.A.; Voeten, B.; Kroep, L.: Human resource allocation in a multi-project R&D environment. 

In: International Journal of Project Management, Vol. 17 (1999), No. 3, S. 181-188.


HENGSTENBERG (1998) 

Hengstenberg, H.-E.: Beiträge zur Ontologie. Dettelbach 1998. 

HENRY/PENE (2001) 

Henry, E.; Pene, H.: Kaupapa Maori: Locating Indigenous Ontology, Epistemology and Methodology in the 

Academy. In: Organization, Vol. 8 (2001), No. 2, S. 234-242. 

HENTZE (1995) 

Hentze, J.: Personalwirtschaftslehre, Band 2: Personalerhaltung und Leistungssimulation, Personalfreistellung 

und Personalinformationswirtschaft. 6 Auflage, Bern et al. 1995. 

HERBST (1997) 

Herbst, H.: Business Rule-Oriented Conceptual Modeling. Heidelberg 1997. 

HERBST ET AL. (1994) 

Herbst, H.; Knolmayer, G.; Myrach, T.; Schlesinger, M.: The Specification of Business Rules: A Comparison 

of Selected Methodologies. In: Verijn-Stuart, A.A.; Olle, T.-W. (Hrsg.): Methods and Associated Tools 

for the Information System Life Cycle. IFIP Working Group 8.1 Conference CRIS 94, 1994 an der University 

of Limburg in Maastricht. Amsterdam et al. 1994, S. 29-46. 

HERMEIER (2000) 

Hermeier, B.: Management-Kompetenz in kleinen und mittelgroßen Unternehmen (KMU). In: Thielemann, 

F. (Hrsg.): Kompetenzentwicklung im Mittelstand – Das Beispiel Kompetenz-Entwicklungs-Center. Essen 

2000, S. 48-125. 

HERMES (1991) 

Hermes, H.: Einführung in die mathematische Logik – Klassische Prädikatenlogik. 5. Auflage, Stuttgart 

1991. 

HEWITT (2003) 

Hewitt, M.: Algernon Overview. Last Updated July 24, 2003. Online-Dokument, im Internet unter der URL: 

„http://smi.stanford.edu/people/hewett/research/ai/algernon/doc/“ (Zugriff am 14.09.2003). 

HEYLIGHEN (1995) 

Heylighen, F.: Ontology, introduction. In: o.V.: Principia Cybernetica Web. Online-Dokument, im Internet 

unter der URL: „http://pespmc1.vub.ac.be/ONTOLI.html“ (Zugriff am 15.08.1995). 

HEYSE/ERPENBECK (2004) 

Heyse, V.; Erpenbeck, J.: Kompetenztraining: Informations- und Trainingsprogramme. Stuttgart 2004. 

HILLIER/LIEBERMAN (2001) 

Hillier, F.S.; Lieberman, G.J.: Introduction to Operations Research. 7. Auflage, Boston et al. 2001. 

HINTERHUBER/HANDLBAUER/MATZLER (1997) 

Hinterhuber, H.H.; Handlbauer, G.; Matzler, K.: Kundenzufriedenheit durch Kernkompetenzen. Eigene Potentiale 

erkennen – entwickeln – umsetzten. München et al. 1997. 

HOLMSTRÖM/MILGROM (1991) 

Holmström, B.; Milgrom, P.: Multitask Principal-Agent Analyses: Incentives Contracts, Asset Ownership, 

and Job Design. In: The Journal of Law, Economics & Organization, Vol. 7 (1991), No. 2, S. 24-52. 

HOLSAPPLE/JOSHI (2002) 

Holsapple, C. W.; Joshi, K. D.: A Collaborative Approach to Ontology Design. In: Communications of the 

ACM, Vol. 45 (2002), No. 2, S. 42-47. 

HOMER (2001) 

Homer, M.: Skills and competency management. In: Industrial and Commercial Training, Vol. 33. (2001), 

Nr. 2, S. 59-62. 

HOPPENBROUWERS (1997) 

Hoppenbrouwers, J.: Conceptual Modeling and the Lexicon. Dissertation, Universität Brabant. Brabant 1997.


HORROCKS (2002) 

Horrocks, I.: DAML+OIL – A Reasonable Web Ontology Language. In: Jensen, C.; Jefferey, K.; Pokorny, 

J.; Saltenis, S.; Bertino, E.; Böhm, K.; Jarke, M. (Hrsg): Proceedings of the 8 th Conference on Extending Database 

Technology. Prag 2002, S. 2-13. 

HORROCKS ET AL. (2001) 

Horrocks, I.; Fensel, D.; Broekstra, J.; Decker, S.; Erdmann, M.; Goble, C.; van Harmelen, F.; Klein, M.; 

Staab, S.; Studer, R.; Motta, E.: The Ontology Inference Layer OIL. Technical Report, Vrije Universiteit 

Amsterdam, Stand: 09.03.2001. Online-Dokument, im Internet unter der URL: „http://www.ontoknowledge. 

org/oil/TR/oil.long.html“ (Zugriff am 21.10.2002). 

HOSKING/BOUWEN (2000) 

Hosking, D.M.; Bouwen, R.: Organizational learning: Relational-constructionist approaches: An overview. 

In: European Journal of Work and Organizational Psychology, Vol. 9 (2000), No. 2, S. 129-132. 

HOYNINGEN-HUENE (2002) 

Hoyningen-Huene, P.: Paul Feyerabend und Thomas Kuhn. In: Journal of General Philosophy of Science, 

Vol. 33 (2002), S. 61-83. 

HUBER (1998) 

Huber, H.: Document Research Based on Collaborative Provided Structural Knowledge. In: Reimer, U. 

(Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge Management 

(PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 11-1 – 11-10. 

HÜGENS (2004) 

Hügens, T.: Inferenzregeln des „plausiblen Schließens“ zur Explizierung von implizitem Wissen über Kompetenzen. 

Projektbericht 3/2004, Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement, 

Universität Duisburg-Essen (Campus Essen). Essen 2004. 

HUHNS/GASSER (1989) 

Huhns, M.N.; Gasser, L.: (Hrsg.): Distributed Artificial Intelligence – Papers. London 1989. 

HUHNS/SINGH (1998) 

Huhns, M.N.; Singh, M.P.: (Hrsg.): Readings in Agents. San Francisco 1998. 

HUNT (1994) 

Hunt, S.D.: On the Rhetoric of Qualitative Methods – Toward Historically Informed Argumentation in 

Management Inquiry. In: Journal of Management Inquiry, Vol. 3 (1994), No. 3, S. 221-234. 

HUSSERL (1985) 

Husserl, E.: Die phänomenologische Methode – Ausgewählte Texte I. Stuttgart 1985. 

IEEE 1074 (1996) 

IEEE Standards Association: IEEE Standard for Developing Software Life Cycle Processes – IEEE 1074- 

1995. The Institute of Electrical and Electronics Engineers (Hrsg.). New York 1996. 

IEEE 833 (1998) 

IEEE Standards Association: IEEE Recommended Practice for Software Requirements Specifications – 

IEEE 830-1998. The Institute of Electrical and Electronics Engineers (Hrsg.). New York 1998. 

IIVARI/HIRSCHHEIM/KLEIN (1998) 

Iivari, J.; Hirschheim, R.; Klein, H.K.: A Paradigmatic Analysis Contrasting Information Systems Development 

Approaches and Methodologies. In: Information Systems Research, Vol. 9 (1998), No. 2, S. 164-193. 

ILOG (2004) 

ILOG SA: CPLEX 9.0. Gentilly 2004. Online-Dokument, im Internet unter der URL: „http://www.ilog. 

com/products/cplex/“ (Zugriff am 01.11.2004). 

ISHIKAWA (1985) 

Ishikawa, K.: What is Total Quality Control? The Japanese Way. New York 1985.


IWAZUME ET AL. (1996) 

Iwazume, M.; Shirakami, K.; Hatadani, K.; Takeda, H.; Nishida, T.: IICA: An Ontology-based Internet 

Navigation System. In: Franz, A.; Kitano, H. (Hrsg.): Internet-Based Information Systems, Papers from the 

1996 AAAI Workshop, 05.08.1996 in Portland, Technical Report WS-96-06. Menlo Park 1996, S. 65-71. 

JABLONSKI (1990) 

Jablonski, S.: Datenverwaltung in verteilten Systemen – Grundlagen und Lösungskonzepte. Berlin et al. 

1990. 

JACKSON (1995) 

Jackson, W.A.: Naturalism in Economics. In: Journal of Economic Issues, Vol. 29 (1995), No. 3, S. 761-780. 

JACOBS (2002) 

Jacobs, S.: Polanyi’s presagement of the incommensurability concept. In: Studies in History and Philosophy 

of Science, Vol. 33 (2002), S. 105-120. 

JACOBSON ET AL. (1992) 

Jacobson, I.; Christerson, M.; Jonsson, P.; Overgaard, G.: Object-Oriented Software Engineering. A Use- 

Case-driven Approach. Wokingham 1992. 

JACOBSON/BOOCH/RUMBAUGH (1999) 

Jacobson, I.; Booch, G.; Rumbaugh, J.: The Unified Software Development Process. Reading 1999. 

JACOBY (1993) 

Jacoby, G.: Allgemeine Ontologie der Wirklichkeit, Erster und Zweiter Band. 2. Auflage, Tübingen 1993 (1. 

Auflage 1925 [Erster Band] und 1928-1955 [Zweiter Band]). 

JARDINE/MATZOV (1988) 

Jardine, D.A.; Matzov, A.: Ontology and Properties of Time in Information Systems. In: Meersman, R.A.; 

Sernadas, A.C. (Hrsg.): Data and Knowledge, Proceedings of the Second IFIP 2.6 Working Conference on 

Database Semantics, ’Data and Knowledge’ (DS-2), 03.-07.11.1986 in Albufeira. Amterdam et al. 1988, S. 

173-188. 

JARKE ET AL. (1994) 

Jarke, M.; Gallersdörfer, R.; Jeusfeld, M.A.; Staudt, M.; Eherer, S.: ConceptBase – A Deductive Object Base 

for Meta Data Management. In: Journal of Intelligent Information Systems, Vol. 3 (1994), S. 167-192. 

JARKE ET AL. (1997) 

Jarke, M.; Pohl, K.; Weidenhaupt, K.; Lyytinen, K.; Marttiin, P.; Tolvanen, J.-P.; Papazoglou, M.: Meta 

Modelling: A Formal Basis for Interoperability and Adaptability. In: Krämer, B.; Papazoglou, M.; Schmidt, 

H.-W. (Hrsg.): Information Systems Interoperability. Taunton et al. 1997, S. 229-263. 

JECKLE ET AL. (2004) 

Jeckle, M.; Rupp, C.; Zengler, B.; Queins, S.; Hahn, J.: UML 2.0 – Neue Möglichkeiten und alte Probleme. 

In: Informatik Spektrum, Bd. 27 (2004), Heft 4, S. 323-331. 

JENNINGS/SYCARA/WOOLDRIDGE (1998) 

Jennings, N.R.; Sycara, K.; Wooldridge, M.: A Roadmap of Agent Research and Development. In: 

Autonomous Agents and Multi-Agent Systems, Vol. 1 (1998), S. 7-38. 

JENNINGS/WOOLDRIDGE (1998) 

Jennings, N.R.; Wooldridge, M.J. (Hrsg.): Agent Technology – Foundations, Applications, and Markets. 


JEUSFELD/KRÜGER (1990) 

Jeusfeld, M.; Krüger, E.: Deductive Integrity Maintenance in an Object-Oriented Setting. Bericht MIP-9013, 

Fakultät für Mathematik und Informatik, Universität Passau. Passau 1990. 

JIE/KARLAPALEM/LOCHOVSKY (2000) 

Jie, M.; Karlapalem, K.; Lochovsky, F.: A Multi-agent Framework for Expertise Location. In: Lespérance, 

Y.; Wagner, G.; Yu, E. (Hrsg.): Agent-Oriented Information Systems 2000, Proceedings of AOIS-2000 at 

CAiSE*2000. Berlin 2000, S. 101-111.


JOHNSON (1999) 

Johnson, L.: Towards a Reinachian Ontology of Television. In: American Journal of Economics & Sociology, 

Vol. 58 (1999), No. 2, S. 241-243. 

JONES/BENCH-CAPON/VISSER (1998) 

Jones, D.; Bench-Capon, T.; Visser, P.: Methodologies for Ontology Development. In: o.V.: Proceedings 

IT&KNOWS Conference, XV. IFIP World Computer Congress, Budapest 1998, S. 62-75. 

JONES/PATON (1997) 

Jones, D.M.; Paton, R.C.: Acquisition of Conceptual Structure in Scientific Theories. In: Plaza, E.; 

Benjamins, R. (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop, 

EKAW’97, 15.-18.10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 145-158. 

JOST (2000) 

Jost, P.-J.: Organisation und Koordination. Wiesbaden 2000. 

JUNG (1999) 

Jung, H.: Personalwirtschaft. 3. Aufl., München et al. 1999. 

JURISICA/MYLOPOULOS/YU (1999) 

Jurisica, I.; Mylopoulos, J.; Yu, E.: Using Ontologies for Knowledge Management: An Information Systems 

Perspective. In: o.V.: Annual Conference of the American Society for Information Science, 01.-04.11.1999 

in Washington. O.O. 1999, o.S. (S. 1-15). 

KAIB (2004); 

Kaib, M.: Enterprise Application Integration – Grundlagen, Integrationsprodukte, Anwendungsbeispiele. 

Dissertation, Universität Marburg 2002. Wiesbaden 2004. 

KALFOGLOU ET AL. (2001) 

Kalfoglou, Y.; Domingue, J.; Motta, E.; Vargas-Vera, M.; Shum, S.B.: myPlanet: an ontology-driven Webbased 

personalised news service. Paper, Knowledge Media Institute (KMI), The Open University. Milton 

Keynes o.J. (2001). 

KALFOGLOU/ROBERTSON/TATE (1999) 

Kalfoglou, Y.; Robertson, D.; Tate, A.: Using Meta-Knowledge at the Application Level. Technical Report, 

Department of Artificial Intelligence, University of Edinburgh. Edinburgh 1999. 

KALLENBERG (2002) 

Kallenberg, R.: Ein Referenzmodell für den Service in Unternehmen des Maschinenbaus. Dissertation, 

Fakultät für Maschinenwesen, Technische Hochschule Aachen. Aachen 2002. 

KAMPS (1999) 

Kamps, J.: On Criteria for Formal Theory Building: Applying Logic and Automated Reasoning Tools to the 

Social Sciences. Technical Report, Applied Logic Laboratory, Institute for Logic, Language and Computation, 

University of Amsterdam. Amsterdam 1999. 

KAMPS/PELI (1995) 

Kamps, J.; Peli, G.: Qualitative Reasoning beyond the Physics Domain: The Density Dependence Theory of 

Organizational Ecology. In: Bredeweg, B. (Hrsg.): Ninth International Workshop on Qualitative Reasoning, 

1995 in Amsterdam. Amsterdam 1995, S. 114-122. 

KAMPS/POLOS (1999) 

Kamps, J.; Polos, L.: Reducing Uncertainty: A Formal Theory of Organizations in Action. In: American 

Journal of Sociology, Vol. 104 (1999), No. 6, S. 1776-1810. 

KANEIWA (2001) 

Kaneiwa, K.: An Order-sorted Logic with Predicate-Hierarchy, Eventuality and Implicit Negation. 

Dissertation, School of Information Science, Ishikawa – Japan. Ishikawa 2001. 

KANT (1981) 

Kant, I.: Kritik der reinen Vernunft, Band III der Theorie-Werkausgabe Immanuel Kant, herausgegeben von 

W. Weischedel. 5. Auflage, Frankfurt/Main 1981 (im Original: Riga 1781).


KAPS (2001) 

Kaps, G.: Erfolgsmessung im Wissensmanagement unter Anwendung von Balanced Scorecards. Arbeitspapiere 

Wissensmanagement, Nr. 2/2001, Fachhochschule Stuttgart. Stuttgart 2001. 

KARMANN (2000) 

Karmann, A.: Mathematik für Wirtschaftswissenschaftler – Problemorientierte Einführung. 4. Auflage, 

München – Wien 2000. 

KASCHEK (1998) 

Kaschek, R.: Prozeßontologie als Faktor der Geschäftsprozeßmodellierung. In: Pohl, K.; Schürr, A.; Vossen, 

G. (Hrsg.): Modellierung’98, Proceedings des GI-Workshops, 11.-13.03.1998 in Münster, CEUR Workshop 

Proceedings, Vol. 9, o.S. (S. 1-5). Online-Dokument, im Internet unter der URL: „http://sunsite.informatik. 

rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 04.01.2005). 

KAUFFELD/GROTE (2002) 

Kauffeld, S.; Grote, S.: Kompetenz – ein strategischer Wettbewerbsfaktor. In: Personal - Zeitschrift für 

Human Resource Management, 54. Jg. (2002), Heft 11, S. 30-32. 

KAUFFELD/GROTE/FRIELING (2003) 

Kauffeld, S.; Grote, S.; Frieling, E.: Das Kasseler Kompetenz-Raster (KKR). In: Erpenbeck, J.; Rosenstiel, 

L. v. (Hrsg.): Handbuch Kompetenzmessung – Erkennen, verstehen und bewerten von Kompetenzen in der 

betrieblichen, pädagogischen und psychologischen Praxis. Stuttgart 2003, S. 261-282. 

KBSI (1994) 

Knowledge Based Systems Inc. (KBSI): The IDEF5 Ontology Description Capture Method – Overview, 

Texas 1994. Online-Dokument, im Internet unter der URL: „http://www.idef.com/Downloads/pdf/Idef5.pdf“ 

(Zugriff am 16.06.2004). 

KELLER (1974) 

Keller, A.: Sein. In: Krings, H.; Baumgartner, H.M.; Wild, C. (Hrsg.): Handbuch philosophischer Grundbegriffe, 

Band 5. München 1974, S. 1288-1304. 

KELLER (2002) 

Keller, W.: Enterprise application integration. Heidelberg 2002. 

KELLER/NÜTTGENS/SCHEER (1992) 

Keller, G.; Nüttgens, M.; Scheer, A.-W.: Semantische Prozeßmodellierung auf der Grundlage „Ereignisgesteuerter 

Prozeßketten (EPK)“. Veröffentlichungen des Instituts für Wirtschaftsinformatik (IWi), Universität 

des Saarlandes, Heft 89. Saarbrücken 1992. 

KENT (2000) 

Kent, R.E.: Conceptual Knowledge Markup language: An Introduction. In: Netnomics, Vol. 2 (2000), S. 

139-169. 

KIFER/LAUSEN/WU (1993) 

Kifer, M.; Lausen, G.; Wu. J.: Logical Foundations of Object-Oriented and Frame-Based Languages. 

Technical Report 93/06, Department of Computer Science, SUNY at Stony Brook. Stony Brook 1993. 

KIFER/LAUSEN/WU (1995) 

Kifer, M.; Lausen, G.; Wu. J.: Logical Foundations of Object-Oriented and Frame-Based Languages. In: 

Journal of the ACM, Vol. 42 (1995), No. 4, S. 741-843. 

KILLINGER (1999) 

Killinger, S.: Kernproduktbegleitende Dienstleistungen – Dienstleistungen im Leistungsspektrum 

industrieller Unternehmungen. In: Corsten, H.; Schneider, H. (Hrsg.): Wettbewerbsfaktor Dienstleistung, 

Produktion von Dienstleistungen – Produktion als Dienstleistung. München 1999, S. 129-155. 

KIM/FOX (1994) 

Kim, H.M.; Fox, M.S.: Formal Models of Quality and ISO 9000 Compliance: An Information Systems 

Approach. Paper, Department of Industrial Engineering, University of Toronto. Toronto 1994.


KIM/FOX/GRÜNINGER (1999) 

Kim, H.M.; Fox, M.S.; Grüninger, M.: An ontology for quality management – enabling quality problem 

identification and tracing. In: BT Technology Journal, Vol. 17 (1999), No. 4, S. 131-140. 

KIM/PAULSON/PETRIE (2000) 

Kim, K.; Paulson, B.C.; Petrie, C.J.: Agent-based Electronic Markets for Project Supply Chain Coordination. 

In: o.V.: KBEM’00 – Knowledge-based Electronic Markets, a AAAI’00 Workshop, 31.07.2000 in Austin. 

o.O. 2000, o.S. (S. 1-5). 

KINDLER (2003) 

Kindler, E.: On the semantics of EPCs: A framework for resolving the vicious circle – Extended abstract. In: 

Nüttgens, M.; Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten 

Prozessketten, 2. Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen ihres Arbeitskreises 

„Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten (WI-EPK)“, 08.10.2003 in Bamberg, 

Proceedings. Bonn 2003, S. 7-15. 

KIRSCH (1990) 

Kirsch, W.: Unternehmenspolitik und strategische Unternehmensführung. München 1990. 

KIRYAKOV/SIMOV (1999) 

Kiryakov, A.K.; Simov, K.I.: Mapping of EuroWordnet Top Ontology into Upper Cyc Ontology. Paper, 

OntoText Lab., Sirma AI Ltd., und Linguistic Modelling Laboratory, Bulgarian Academy of Sciences. Sofia 

o.J. (1999). 

KIRYAKOV/SIMOV/DIMITROV (2001) 

Kiryakov, A.; Simov, K.I.; Dimitrov, M.: OntoMap: Portal for Upper-Level Ontologies. In: Welty, C.; 

Smith, B. (Hrsg.): Formal Otology in Information Systems, Collected Papers from the Second International 

Conference (FOIS’01), 17.-19.10.2001 in Ogunquit. New York 2001, S. 47-58. 

KITAMURA/MIZOGUCHI (2002) 

Kitamura, Y.; Mizoguchi, R.: An Ontological Schema for Sharing Conceptual Engineering Knowledge. 

Paper, The Institute of Scientific and Industrial Research, Osaka University. Osaka o.J. (2002). 

KLAPSING (2003) 

Klapsing, R.: Beschreibung von Web-basierten Informationssystemen mittels RDF-Metadaten. Dissertation, 

Universität Essen. Essen 2003. 

KLAPSING/NEUMANN/CONEN (2001) 

Klapsing, R.; Neumann, G.; Conen, W.: Semantics in Web Engineering: Applying the Resource Description 

Framework. In: IEEE MultiMedia, Vol. 8 (2001), No. 2, S. 62-68. 

KLEIN (1989) 

Klein, S.: Theorie der Unternehmungsplanung – Struktur und Beitrag einer anwendungsorientierten Planungstheorie. 

Dissertation, Universität zu Köln. Stuttgart 1989. 

KLEIN ET AL. (2002) 

Klein, M.; Kiryakov, A.; Ognyanov, D.; Fensel, D.: Finding and Characterizing Changes in Ontologies. In: 

Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International 

Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 79-89. 

KLEINMANN (2003) 

Kleinmann, M.: Assessment-Center: Stand der Forschung – Konsequenzen für die Praxis. Göttingen 2003. 

KLEMBKE/KRÖPELIN/KUTH (2003) 

Klembke, R.; Kröpelin, P.; Kuth, C.: Ganzheitliches Kompetenzmanagement. In: Personalwirtschaft, o.Jg. 

(2003), Heft 2, S. 26-31. 

KLOPPMANN ET AL. (2004) 

Kloppmann, M.; König, D.; Leymann, F.; Pfau, G.; Roller, D.: Business process choreography in 

WebSphere: Combining the power of BPEL and J2EE. In: IBM Systems Journal, Vol. 43 (2004), No. 2, S. 

270-296.


KLUSCH (1996) 

Klusch, M.: Rational kooperative Erkennung von Interdatenbankabhängigkeiten. Dissertation, Universität 

Kiel. Kiel 1996. 

KLYNE/CARROLL (2002) 

Klyne, G.; Carroll, J.: Resource Description Framework (RDF): Concepts and Abstract Data Model, W3C 

Working Draft 29 August 2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/rdfconcepts/“ 

(Zugriff am 02.11.2002). 

KO/NECHES/YAO (2000) 

Ko, I.-Y.; Neches, R.; Yao, K.-T.: Semantically-Based Active Document Collection Templates for Web Information 

Management Systems. In: ECDL 2000 Workshop on the Semantic Web, 21.09.2000 in Lissabon. 

Online-Dokument, im Internet unter der URL: „http://www.ics.forth.gr/proj/isst/SemWeb/program.html” 

(Zugriff am 21.07.2001). 

KOEPSELL (1999) 

Koepsell, D.R.: Introduction to Applied Ontology: The Philosophical Analyses of Everyday Objects. In: 

American Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 217-220. 

KOEPSELL (2000) 

Koepsell, D.R.: An emerging ontology of jurisdiction in cyberspace. In: Ethics and Information Technology, 

Vol. 2 (2000), S. 99-104. 

KOMPA (1999) 

Kompa, A.: Assessment Center – Bestandsaufnahme und Kritik. 6. Aufl., München et al. 1999. 

KOPETZKY/GROHMANN (1998) 

Kopetzky, R.; Grohmann, A.: Using an Agent-Enhanced Approach for the Implementation of Environment 

Information Systems of the Third Generation. In: Trappl, R. (Hrsg.): Cybernetics and Systems ’98, 

Proceedings of the Fourteenth European Meeting on Cybernetics and Systems Research, 14.-17.04.1998 in 

Wien. Wien 1998, S. 713-718. 

KREFT (2002) 

Kreft, H.-D.: Das Humanpotenzial – ein Messwert für Wissen. In: Wissensmanagement online, Online- 

Dokument, im Internet unter der URL: „http://www.wissensmanagement.net/online/archiv/2002/02_0302/ 

wissen-messen.shtml“, o.S. (S. 1-7). (Auch erschienen in: Wissensmanagement – Das Magazin für 

Führungskräfte, 4. Jg. (2002), Heft Februar/März.) 

KREFT (2003) 

Kreft, H.-D.: Geld und Wissen: humatics – Theorie der operablen Wissenseigenschaften. Berlin 2003. 

KREFT (2004) 

Kreft, H.-D.: Vom Wert des Wissens – Wie lässt sich das intellektuelle Kapital messen und bewerten? In: 

Wissensmanagement – Das Magazin für Führungskräfte, 6. Jg. (2004), Heft 4, S. 22-26. 

KREMPE (1989) 

Krempe, G.: Ein Früherkennungssystem auf der Basis von Diffusionsfunktionen als Element des 

strategischen Marketing. In: Raffée, H.; Wiedmann, K.-P. (Hrsg.): Strategisches Marketing. 2. Auflage 

(Sonderausgabe), Stuttgart 1989, S. 349-369. 

KREOWSKI (1991) 

Kreowski, H.-J.: Logische Grundlagen der Informatik. München – Wien 1991. 

KRESS/MÄNTYLÄ/RANTA (1997) 

Kress, H.; Mäntylä, M.; Ranta, M.: Virtual Engineering: Supporting Engineering Processes in a Virtual 

Enterprise. In: o.V.: Proceedings of IT-Vision – European Conference on Virtual Enterprises and networked 

Solutions, im April 1997 in Paderborn. Online-Dokument, im Internet unter der URL: „http://hni.unipaderborn.de/itvision/proceedings/“ 

(Zugriff am 18.03.1998), o.S. (S. 1-19). 

KRETSCHMER (2002) 

Kretschmer, M.: E-Learning in der Hochschulausbildung – Projektmanagement für ein hochschulübergreifendes 

Partner-Netzwerk. Leutenbach 2002.


KRIPKE (1987) 

Kripke, S.A: Wittgenstein über Regeln und Privatsprache – Eine elementare Einführung. Frankfurt/Main 

1987. 

KRISHNAN/LI/STEIER (1992) 

Krishnan, R.; Li, X.; Steier, D.: A Knowledge-Based Mathematical Model Formulation System. In: Communications 

of the ACM, Vol. 35 (1992), No. 9, S. 138-146. 

KROGSTIE (1995) 

Krogstie, J.: Conceptual Modeling for Computerized Information Systems Support in Organizations. Dissertation 

Universität Trondheim. Trondheim 1995. 

KROGSTIE/JØRGENSEN (2002) 

Krogstie, J.; Jørgensen, H.D.: Quality of Interactive Models. Paper, Norwegian University of Science and 

Technology, Institute of Computer and Information Sciences, and SINTEF Telecom Informatics. o.O. 

(Trondheim) o.J. (2002). 

KRUSE (1996) 

Kruse, C.: Referenzmodellgestütztes Geschäftsprozeßmanagement – Ein Ansatz zur prozeßorientierten Gestaltung 

vertriebslogistischer Systeme. Dissertation, Universität Saarbrücken 1995. Wiesbaden 1996. 

KUHN (1973) 

Kuhn, T.S.: Die Struktur wissenschaftlicher Revolutionen. Frankfurt/Main 1973. 

KUHN (1988) 

Kuhn, T.: Possible Worlds in History of Science. In: Allen, S. (Hrsg.): Possible Worlds in Humanities, Arts 

and Sciences. Berlin 1988, S. 9-32. 

KUHN (1993) 

Kuhn, T.: Afterwords. In: Horwich, P. (Hrsg.): World Changes: Thomas Kuhn and the Nature of Science. 

Boston 1993, S. 311-341. 

KUPER (1987) 

Kuper, G.M.: Logic Programming with Sets. In: o.V.: Proceedings of the Sixth ACM SIGACT-SIGMOD- 

SIGART Symposium on Principles of Database Systems, 23.-25.03.1987 in San Diego. New York 1987, S. 

11-20. 

KUPRIES/NOSELEIT (1998) 

Kupries, M.; Noseleit, C.: Co-ordination of Software Agents with Speech Act Theory. Preprint 006/1998, 

Universität Potsdam, Institut für Informatik. Potsdam 1998. 

KVASZ (1999) 

Kvasz, L.: On Classification of Scientific Revolutions. In: Journal for General Philosophy of Science, Vol. 

30 (1999), S. 201-232. 

KWAK/LEE (1997) 

Kwak, N.K.; Lee, C.: A Linear Goal Programming Model for Human Resource Allocation. In: Journal of 

Medical Systems, Vol. 21 (1997), No. 3, S. 129-140. 

LAGOZE/HUNTER (2001) 

Lagoze, C.; Hunter, J.: The ABC Ontology and Model. In: Journal of Digital Information, Vol. 2 (2001), Issue 

2. Online-Dokument, im Internet unter der URL: „http://jodi.ecs.soton.ac.uk/Atrticles/v02/i02/Lagoze/“ 

(Zugriff am 06.02.2003), o.S. (S. 1-18). 

LAM (1998) 

Lam, A.: Tacit Knowledge, Organisational Learning and Innovation: A Societal Perspective. DRUID 

(Danish Research Unit for Industrial Dynamics) Working Paper No. 98-22. Aalborg 1998. 

LAMBRIX ET AL. (1999) 

Lambrix, P.; Borgida, A.; Lenzerini, M.; Möller, R.; Patel-Schneider, P. (Hrsg.): Proceedings of the 1999 

International Workshop on Description Logics (DL’99), 30.07.-01.08.1999 in Linköping, CEUR Workshop 

Proceedings, Vol. 22. Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen. 

de/Publications/CEUR-WS/Vol-22/“ (Zugriff am 04.01.2005).


LANG (1997) 

Lang, K.: Gestaltung von Geschäftsprozessen mit Referenzprozeßbausteinen. Dissertation, Universität 

Erlangen-Nürnberg 1996. Wiesbaden 1997. 

LANG/PÄTZOLD (2002) 

Lang, M.; Pätzold, G.: Multimedia in der Aus- und Weiterbildung – Grundlagen und Fallstudien zum 

netzbasierten Lernen. Köln 2002. 

LANGE (1998) 

Lange, E.M.: Ludwig Wittgenstein: › Philosophische Untersuchungen ‹ – Eine kommentierende Einführung. 

Paderborn et al. 1998. 

LAU/SURE (2002) 

Lau, T.; Sure, Y.: Introducing Ontology-based Skills Management at a large Insurance Company. In: Glinz, 

M.; Müller-Luschnat, G. (Hrsg.): Modellierung 2002, Arbeitstagung der Gesellschaft für Informatik e.V., 

25.-27.03.2002 in Tutzing. Bonn 2002, S. 123-134. 

LAUSEN/VOSSEN (1996) 

Lausen, G.; Vossen, G.: Objekt-orientierte Datenbanken: Modelle und Sprachen. München – Wien 1996. 

LEDECZI ET AL. (2001) 

Ledeczi, A.; Maroti, M.; Bakay, A.; Karsai, G.; Garrett, J.; Thomason, C.; Nordstrom, G.; Sprinkle, J.; 

Volgyesi, P.: The Generic Modelling Environment. In: IEEE (Hrsg.): Proceedings of the International 

Workshop on Intelligent Signal Processing, Budapest 2001. Online-Dokument, im Internet unter der URL: 

„http://www. isis.vanderbilt.edu/Projects/gme/GME2000Overview.pdf” (Zugriff am 16.09.2004) . 

LEE (1988) 

Lee, R.M.: Logic, Semantics and Data Modeling: An Ontology. In: Meersman, R.A.; Sernadas, A.C. (Hrsg.): 

Data and Knowledge, Proceedings of the Second IFIP 2.6 Working Conference on Database Semantics, 

’Data and Knowledge’ (DS-2), 03.-07.11.1986 in Albufeira. Amterdam et al. 1988, S. 221-243. 

LEE (2001) 

Lee, B.H.: Using FMEA models and ontologies to build diagnostic models. In: Artificial Intelligence for 

Engineering Design, Analysis and Manufacturing, Vol. 15 (2001), No. 4, S. 281-293. 

LEE ET AL. (1998) 

Lee, J.; Gruninger, M.; Jin, Y.; Malone, T.; Tate, A.; Yost, G. (et al.): The Process Interchange Format and 

Framework. In: The Knowledge Engineering Review, Vol. 13 (1998), No. 1, S. 91-120. 

LEE/WEN (1997) 

Lee, C.-S.; Wen, C.-G.: Fuzzy goal programming approach for water quality management in a river basin. 

In: Fuzzy Sets and Systems, Vol. 89 (1997), No. 2, S. 181-192. 

LÉGER (2002) 

Léger, A. (Hrsg.): OntoWeb – Ontology-based information exchange for knowledge management and 

electronic commerce. Project IST-2000-29243, Report vom 15.01.2002. O.O. 2002. 

LEHMANN/NIEKE (2000) 

Lehmann, G.; Nieke, W.: Zum Kompetenzmodell. Schwerin 2000. Online-Dokument, im Internet veröffentlicht 

über den Bildungsserver Mecklenburg-Vorpommern unter der URL: „http://www.bildung-mv.de/ 

download/fortbildungsmaterial/text-lehmann-nieke.pdf“ (Zugriff am 04.01.2005). 

LEHNER (2000) 

Lehner, F.: Organisational Memory – Konzepte und Systeme für das organisatorische Lernen und das 

Wissensmanagement. München – Wien 2000. 

LEHNER (2001) 

Lehner, F.: Computergestütztes Wissensmanagement – Fortschritt durch Erkenntnisse über das organisatorische 

Gedächtnis. In: Schreyögg, G. (Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden. 

Berlin 2001, S. 223-247.


LEHRER/PAXSON (1994): 

Lehrer, K.; Paxson, T.: Wissen: Unwiderlegt gerechtfertigte, wahre Meinung. In: Bieri, P. (Hrsg.): Analytische 

Philosophie der Erkenntnis. 3. Auflage, Weinheim 1994, S. 94-107. 

LEIBNIZ (1985) 

Leibniz, G.W.: Lehrsätze der Philosophie – Monadologie. Regensburg o.J. (1985). 

LEIBNIZ (1998) 

Leibniz, G.W.: Monadologie. In: Hecht, H. (Hrsg.): Gottfried Wilhelm Leibniz – Monadologie. Stuttgart 

1998, S. 10-65. (Original von 1714.) 

LEIDIG (2000) 

Leidig, T.: Technologische Aspekte didaktischer Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. 

(Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme, 

Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, 

23.-25.09.1999 in Hamburg. Würzburg 2000, S. 443-450. 

LEINFELLNER/KRAEMER/SCHANK (1982) 

Leinfellner, W.; Kraemer, E.; Schank, J. (Hrsg.): Sprache und Ontologie, Akten des sechsten Internationalen 

Wittgenstein-Symposiums, 23.-30.08.1981 in Kirchberg/Wechsel. Wien 1982. 

LENAT (1998) 

Lenat, D.: The Dimensions of Context-Space. Report, Cycorp, Austin 1998. 

LENAT ET AL. (1990) 

Lenat, D.B.; Guha, R.V.; Pittman, K.; Pratt, P.; Shepherd, M.: Cyc: toward programs with common sense. In: 

Communications of the ACM, Vol. 33 (1990), No. 8, S. 30-49. 

LENAT/GUHA (1990) 

Lenat, D.B.; Guha, R.V.: Building Large Knowledge-based Systems – Representation and Inference in the 

Cyc Project. Reading et al. 1990. 

LENZ (1998) 

Lenz, M.: Managing the Knowledge Contained in Technical Documents. In: Reimer, U. (Hrsg.): Proceedings 

of the 2nd International Conference on Practical Aspects of Knowledge Management (PAKM98), 29.-30.10. 

1998 in Basel. Zürich 1998, S. 15-1 – 15-6. 

LEONHARD/NAUMANN (2002) 

Leonhard, K.-W.; Naumann, P.: Managementsysteme – Begriffe: Ihr Weg zu klarer Kommunikation. 

Deutsche Gesellschaft für Qualität e.V. (Hrsg.). 7. Auflage, Berlin 2002. 

LI ET AL. (2000) 

Li, Q.; Shilane, P.; Noy, N.F.; Musen, M.A.: Ontology Acquisition from On-line Knowledge Sources. SMI 

Report No. SMI-2000-0850, Stanford Medical Informatics, Stanford University. Stanford 2000. (Erschienen 

in: o.V.: Proceedings AMIA Annual Symposium, Los Angeles 2000.) 

LIAO ET AL. (1999) 

Liao, M.; Hinkelmann, K.; Abecker, A.; Sintek, M.: A Competence Knowledge Base System as Part of the 

Organizational Memory. In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future 

Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, 

Proceedings. Berlin et al. 1999, S. 125-137. 

LIN/HO (1999) 

Lin, C.-Y.I.; Ho,C.-S.: Generating domain-specific methodical knowledge for requirement analysis based on 

methodology ontology. In: Information Sciences, Vol. 114 (1997), S. 127-164. 

LINDGREN/HENFRIDSSON/SCHULTZE (2004) 

Lindgren, R.; Henfridsson, O.; Schultze, U.: Design Principles for Competence Management Systems. A 

Synthesis of an Action Research Study. In: MIS Quarterly, Vol. 28 (2004), No. 3, S. 435-472. 

LINGO (2004) 

Lindo Systems Inc.: Lingo 9.0. Chicago 2004. Online-Dokument, im Internet unter der URL: „http://www. 

lindo.com“ (Zugriff am 04.01.2005).


LINSTONE/TUROFF (1975) 

Linstone, H.; Turoff, M.: The Delphi Method: Techniques and Applications. Reading 1975. 

LINTHICUM (2003) 

Linthicum, D.S.: Enterprise application integration. 5. Druck., Reading 2003. 

LIPECK (1989) 

Lipeck, U.W.: Dynamische Integrität von Datenbanken – Grundlagen der Spezifikation und Überwachung. 


LOBIN (1998) 

Lobin, H.: Handlungsanweisungen – Sprachliche Spezifikation teilautonomer Aktivität. Habilitationsschrift, 

Universität Bielefeld 1996. Wiesbaden 1998. 

LÖBNER (2003) 

Löbner, S.: Semantik. Berlin – New York 2003. 

LOECKX/EHRICH/WOLF (1996) 

Loeckx, J.; Ehrich, H.D.; Wolf, M.: Specification of abstract data types. Chichester et al. 1996. 

LOERCH/SANDERS (2002) 

Loerch, U.; Sanders, M.: Using Lexical Domain Graphs to Disambiguate English Sentences. In: Callaos, N.; 

Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI 

2002), 14.-18.07.2002 in Orlando, Proceedings. Orlando 2002, o.S. (S. 1-6). 

LORENZ (2004a) 

Lorenz, K.: Identität. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band 2: 

H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 189-192. 

LORENZ (2004b) 

Lorenz, K.: Semantik. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band 

3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 768-775. 

LORENZ (2004c) 

Lorenz, K.: Sprachanalyse. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 47-49. 

LORENZ (2004d) 

Lorenz, K.: Wende, linguistische. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und 

Wissenschaftstheorie, Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 658-659. 

LORENZ (2004e) 

Lorenz, K.: modus ponens. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 917. 

LORENZ (2004f) 

Lorenz, K.: modus tollens. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 


LORENZ (2004g) 

Lorenz, K.: Philosophie, analytische. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und 

Wissenschaftstheorie, Band 3: P-So. Sonderausgabe, Stuttgart – Weimar 2004, S. 139-145. 

LORENZ (2004h) 

Lorenz, K.: intensional / Intension. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 


LORENZEN (1987) 

Lorenzen, P.: Lehrbuch der konstruktiven Wissenschaftstheorie. Mannheim et al. 1987. 

LU/JIN (2000) 

Lu, R.; Jin, Z.: Domain Modeling-Based Software Engineering – A Formal Approach. Boston – Dordrecht – 

London 2000.


LUCZAK (1999) 

Luczak, H. (Hrsg.): Servicemanagement mit System – Erfolgreiche Methoden für die Investitionsgüterindustrie. 


LUKE ET AL. (1997) 

Luke, S.; Spector, L.; Rager, D.; Hendler, J.: Ontology-based Web agents. In: Johnson, W.L. (Hrsg.): 

Proceedings of the First International Conference on Autonomous Agents, ICAA´97, 05.-08.02.1997 in 

Marina del Rey. New York 1997, S. 59-66. 

LUKE/SPECTOR/RAGER (1996) 

Luke, S.; Spector, L.; Rager, D.: Ontology-Based Knowledge Discovery on the World-Wide Web. In: Franz, 

A.; Kitano, H. (Hrsg.): Internet-Based Information Systems. Papers from the 1996 AAAI Workshop, 

05.08.2005 in Portland. Technical Report WS-96-06. Menlo Park 1996, S. 96-102. 

LUNDSTEN (1999) 

Lundsten, L.: Modal Ontology of Television: How to Create Social Objects. In: American Journal of 

Economics & Sociology, Vol. 58 (1999), No. 2, S. 221-240. 

LUTTERS ET AL. (2000) 

Lutters, E.; ten Brinke, E.; Streppel, T.; Kals, H.: Information management and design & engineering processes. 

In: International Journal of Production Research, Vol. 38 (2000), No. 17, S. 4429-4444. 

LUTZ (2001) 

Lutz, M.: Ontologien für die Eingriffsregelung – Modellierung eines Verfahrens zur Bewertung von Eingriffen 

in Natur und Landschaft und prototypische Umsetzung in einem Informationssystem für Verkehrsplaner. 

Diplomarbeit, Fachbereich Geowissenschaften, Universität Münster. Münster 2001. 

LUTZ/MÖLTGEN/KUHN (2002) 

Lutz, M.; Möltgen, J.; Kuhn, W.: Ontologien zur Spezifikation von Informationssystemen für Verkehrsplaner. 

In: o.V: Multimediaplan.at & IEMAR, Technische Universität Wien 2002, S. 151-156. 

LUTZEIER (1995) 

Lutzeier, P.R.: Lexikologie. Tübingen 1995. 

MAAMAR/MOULIN (1997) 

Maamar, Z.; Moulin, B.: Interoperability of Distributed and Heterogeneous Systems Based on Software 

Agent-Oriented Frameworks. In: Kandzia, P.; Klusch, M. (Hrsg.): Cooperative Information Agents, First 

International Workshop, 26.-28.02.1997 in Kiel, Proceedings. Berlin – Heidelberg – New York 1997, S. 248- 

259. 

MAEDCHE (2002) 

Maedche, A.: Ontology Learning for the Semantic Web. Dissertation, Universität Karlsruhe. Boston et al. 

2002. 

MAEDCHE/MOTIK/STOJANOVIC (2003) 

Maedche, A.; Motik, B.; Stojanovic, L.: Managing multiple and distributed ontologies on the Semantic Web. 

In: The VLDB Journal, Vol. 12 (2003), No. 4, S. 286-302. 

MAEDCHE/STAAB (2001) 

Maedche, A.; Staab, S.: Ontology Learning for the Semantic Web. In: IEEE Intelligent Systems & their 

Applications, Vol. 16 (2001), No. 2, S. 72-79. 

MAHALINGAM/HUHNS (1997) 

Mahalingam, K.; Huhns, M.N.: An Ontology Tool for Query Formulation in an Agent-Based Context. In: 

Chen, A.L.P.; Klas, W.; Singh, M.P. (Hrsg.): Proceedings of the Second IFCIS International Conference on 

Cooperative Information Systems (CoopIS´97), 24.-27.06.1997 in Kiawah Island. Los Alamitos et al. 1997, 

S. 170-178. 

MAIER (2003) 

Maier, R.: Wissensmanagement in Organisationen – Stand und Entwicklungspotenziale aus Sicht der Wirtschaftsinformatik. 

In: Ehrenberg, D.; Kaftan, H.-J. (Hrsg.): Herausforderungen der Wirtschaftsinformatik in 

der Informationsgesellschaft. Leipzig 2003, S. 157-176.


MAIER (2004): 

Maier, R.: Knowledge Management Systems – Information and Communication Technologies for Knowledge 

Management. 2. Auflage, Berlin et al. 2004. 

MAIER/GOLLITSCHER (2000) 

Maier, M.; Gollitscher, M.: Überlegungen zum Skill-Matching-Modul eines Leitstands für den regionalen, 

zwischenbetrieblichen Personalaustausch. Bayerischer Forschungsverbund Wirtschaftsinformatik, FORWIN- 

Bericht-Nr. FWN-2001-007. Bamberg et al. 2000. 

MÄKI (2000) 

Mäki, U.: Reclaiming relevant realism. In: Journal of Economic Methodology, Vol. 7 (2000), No. 1, S. 109- 

125. 

MANHART (1995) 

Manhart, K.: KI-Modelle in den Sozialwissenschaften – Logische Struktur und wissensbasierte Systeme von 

Balancetheorien. München – Wien 1995. 

MANICAS (1998) 

Manicas, P.T.: Explaining the Past and Predicting the Future. In: American Behavioral Scientist, Vol. 42 

(1998), No. 3, S. 398-405. 

MANOLA/MILLER (2004) 

Manola, F.; Miller, E.: RDF Primer. Online-Dokument, im Internet unter der URL: „http://www. w3.org/TR/ 

2004/REC-rdf-primer-20040210/“ (Zugriff am 04.01.2005). 

MANZANO (1993) 

Manzano, M.: Introduction to Many-sorted Logic. In: Meinke, K.; Tucker, J.V. (Hrsg.): Many-sorted Logic 

and its Applications. Chichester et al. 1993, S. 3-86. 

MARENT (1995) 

Marent, C.: Branchenspezifische Referenzmodelle für betriebswirtschaftliche IV-Anwendungsbereiche. In: 

Wirtschaftsinformatik, 37. Jg. (1995), Nr. 3, S. 303-313. 

MARS (1994) 

Mars, N.J.I.: The role of ontologies in structuring large knowledge bases. In: Fuchi, K.; Yokoi, T. (Hrsg.): 

Knowledge Building and Knowledge Sharing. Tokyo et al. 1994, S. 240-248. 

MARTEL/AOUNI (1998) 

Martel, J.M.; Aouni, B.: Diverse Imprecise Goal Programming Model Formulations. In: Journal of Global 

Optimization, Vol. 12 (1998), No. 2, S. 127-138. 

MARWICK (2001) 

Marwick, A.D.: Knowledge management technology. In: IBM Systems Journal, Vol. 40 (2001), No. 4, S. 

814-830. 

MASOLO ET AL. (2002) 

Masolo, C.; Borgo, S.; Gangemi, A.; Guarino, N.; Oltramari, A.; Schneider, L.: WonderWeb Deliverable 

D17: The WonderWeb Library of Foundational Ontologies – Preliminary Report. Report, National Research 

Council, Institute for Cognitive Science and Technologies (ISTC-CNR). Padova 2002. 

MAYBURY/D’AMORE/HOUSE (2002): 

Maybury, M.; D’Amore, R.; House, D.: Awareness of organizational expertise. In: International Journal of 

Human-Computer-Interaction, Vol. 14 (2002), No. 2, S. 199-217. 

MCBRIDE (2004) 

McBride, B.: The Resource Description Framework (RDF) and its Vocabulary Description Language RDFS. 

In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 51-65. 

MCCARTHY (1999) 

McCarthy, W.E.: Semantic Modeling in Accounting Education, Practice, and Research: Some Progress and 

Impediments. In: Chen, P.P.; Akoka, J.; Kangassalo, H.; Thalheim, B. (Hrsg.): Conceptual Modeling: 

Current Issues and Future Directions. Berlin – Heidelberg 1999, S. 144-153.


MCCLOSKEY (1983) 

McCloskey, D.N.: The Rhetoric of Economics. In: Journal of Economic Literature, Vol. 21 (1983), S. 481- 

517. 


McCloskey, D.N.: The Rhetoric of Economics. 2. Auflage, Madison 1998. 


McCloskey, D.N.: Economical Writing. 2. Auflage, Prospect Heights 2000. 

MCDOWELL (1984) 

McDowell, J.: Wittgenstein on Following a Rule. In: Synthese, Vol. 58 (1984), S. 325-363. 

MCGUINESS (1999) 

McGuiness, D.L.: Ontologies for Electronic Commerce. In: AIEC99 – AI for Electronic Commerce, a 

AAAI-99 Workshop, 18.07.1999 in Orlando. O.O. 1999, o.S. (S. 1-2). 

MCSWITE (1997) 

McSwite, O.C.: Jacques Lacan and the Theory of the Human Subject. In: American Behavioral Scientist, 

Vol. 41 (1997), No. 1, S. 43-63. 

MEDER (2000) 

Meder, N.: Didaktische Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und 

Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. 

Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, 23.-25.09.1999 in 

Hamburg. Würzburg 2000, S. 401-416. 

MEGGLE (1987) 

Meggle, G.: Pragmatische Semantik im Ausgang von Ludwig Wittgensteins Sprachspielkonzept. In: 

Stachowiak, H. (Hrsg.): Pragmatik – Handbuch des pragmatischen Denkens, Band II: Der Aufstieg 

pragmatischen Denkens im 19. und 20. Jahrhundert. Hamburg 1987, S. 279-301. 

MEIER (2004) 

Meier, H.: Das Vorgehen zur Konstruktion eines ontologiebasierten Kompetenzmanagementsystems. In: 

Zelewski, S.; Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, 


GINA, KoEffizient und KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 207-216. 

MEIJS (1994) 

Meijs, C.: Principles of reference models and the linking to object oriented systems. In: Schertler, W.; 

Schmid, B.; Tjoa, A.M.; Werthner, H. (Hrsg.): Information and Communications Technologies in Tourism, 

Proceedings of the International Conference, 1994 in Innsbruck. Wien – New York 1994, S. 244-253. 

MEIXNER (1994) 

Meixner, U.: Von der Wissenschaft der Ontologie. In: Logos – Zeitschrift für systematische Philosophie, Bd. 

1 (1994), S. 375-399. 

MELCIC (1986) 

Melcic, D.: Heideggers Kritik der Metaphysik und das Problem der Ontologie. Würzburg 1986. 

MELNIK/DECKER (2000) 

Melnik, S.; Decker, S.: A Layered Approach to Information Modeling and Interoperability on the Web. 

Paper, Stanford University, Database Group. Stanford 2000. 

MENA ET AL. (2002) 

Mena, E.; Illarramendi, A.; Kashyap, V.; Sheth, A.P.: OBSERVER: An Approach for Query Processing in 

Global Information Systems Based on Interoperation Across Pre-Existing Ontologies. In: Distributed and 

Parallel Databases, Vol. 8 (2000), S. 223-271. 

MENNE (1973) 

Menne, A.: Definition. In: Krings, H.; Baumgartner, H.M.; Wild, C. (Hrsg.): Handbuch philosophischer 

Grundbegriffe, Band I. München 1973, S. 268-274.


MERTINS/ALWERT (2003) 

Mertins, K.; Alwert, K.: Integrierte Wissensbewertung – Ein Instrument zur Bewertung, Steuerung und Bilanzierung 

von Wissen. In: Zeitschrift für wirtschaftlichen Fabrikbetrieb, 98. Jg. (2003), Heft 11, S. 578-582. 

METAIS (2002) 

Metais, E.: Enhancing information systems management with natural language processing techniques. In: 

Data & Knowledge Engineering, Vol. 41 (2002), S. 247-272. 

MEYER/WEIGAND/WIERINGA (1989) 

Meyer, J.-J.; Weigand, H.; Wieringa, W.: A Specification Language for Static, Dynamic and Deontic 

Integrity Constraints. In: Demetrovics, J.; Thalheim, B. (Hrsg.): 2nd Symposium on Mathematical 

Fundamentals of Database Systems, Proceedings. Berlin – Heidelberg – New York 1989, S. 343-366. 

MIDDLETON/DE ROURE/SHADBOLT (2004) 

Middleton, S.E.; De Roure, D.; Shadbolt, N.R.: Ontology-based Recommender Systems. In: Staab, S.; 

Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 477-498. 

MIHOUBI/SIMONET/SIMONET (1998) 

Mihoubi, H.; Simonet, A.; Simonet, M.: Towards a Declarative Approach for Reusing Domain Ontologies. 

In: Information Systems, Vol. 23 (1998), No. 6, S. 365-381. 

MIKA ET AL. (2004) 

Mika, P.; Iosif, V.; Sure, Y.; Akkermans, H.: Ontology-based Content Management in a Virtual 

Organization. In: Staab, S.; Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 455- 

475. 

MILLER (1998) 

Miller, E.: An Introduction to the Resource Description Framework. In: Bulletin of the American Society for 

Information Science, Vol. 1998, No. October/November, S. 15-19. 

MINSKY (1975) 

Minsky, A.: Framework for Representing Knowledge. In: Winston, P. (Hrsg.): The Psychology of Computer 

Vision, New York 1975, S. 211-277. Online-Dokument, im Internet unter der URL: „http://web.media.mit. 

edu/~minsky/papers/Frames/frames.html” (Zugriff am 2.09.2004). 

MIRO-QUESADA-CANTURIAS (1990) 

Miro-Quesada-Canturias, F.: Mario Bunge´s Philosophy of Logic and Mathematics. In: Weingartner, P.; 

Dorn, G.J.W. (Hrsg.): Studies on Mario Bunge´s Treatise. Amsterdam – Atlanta 1990, S. 285-299. 

MISSIKOFF/TAGLINO (2004) 

Missikoff, M.; Taglino, F.: An Ontology-based Platform for Semantic Interoperability. In: Staab, S.; Studer, 

R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 617-633. 

MISSIKOFF/VELARDI/FABRIANI (2003) 

Missikoff, M.; Velardi, P.; Fabriani, P.: Text Mining Techniques to Automatically Enrich a Domain 

Ontology. In: Applied Intelligence, Vol. 18 (2003), S. 323-340. 

MITRA/WIEDERHOLD (2004) 

Mitra, P.; Wiederhold, G.: An Ontology-Composition Algebra. In: Staab, S.; Studer, R. (Hrsg.): Handbook 


MITTELMANN (1999) 

Mittelmann, A.: Weitergabe von Wissen – keine Selbstverständlichkeit. In: o.V.: IBM-Tage des 

Wissensmanagements – Wissenstransfer in Unternehmen, 21.09.1999 in Wien. Online-Dokument, im 

Internet unter der URL: „www.artm-friends.at/am/publications/TdKM_Wien210999.pdf“ (Zugriff am 19.11. 

2004), S. 1-11. 

MITTELSTRAß (2004) 

Mittelstraß, J.: Harmonie, prästabilierte. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 

Band 2: H-O. Sonderausgabe, Stuttgart – Weimar 2004, S. 41.


MIZOGUCHI (1994) 

Mizoguchi, R.: Knowledge Reuse and Ontology. In: Fuchi, K.; Yokoi, T. (Hrsg.): Knowledge Building and 

Knowledge Sharing. Tokyo et al. 1994, S. 125-132. 

MIZOGUCHI (2004) 

Mizoguchi, R.: Ontology Engineering Environments. In: Staab, S.; Studer, R. (Hrsg.): Handbook on 


MOERKOTTE (1990) 

Moerkotte, G.: Inkonsistenzen in deduktiven Datenbanken – Diagnose und Reparatur. Berlin et al. 1990. 

MOODY/SHANKS (1994) 

Moody, D.; Shanks, G.: What makes a good Data Model? Evaluating the Quality of Entity Relationship 

Models. In: Loucopoulos, P. (Hrsg.): Entity-Relationship Approach – 13th International Conference on the 

Entity-Relationship Approach, Manchester 1994, S. 94-111. 

MOORE (2002) 

Moore, M.S.: Legal Reality: A Naturalist Approach to Legal Ontology. In: Law and Philosophy, Vol. 21 

(2002), S. 619-705. 

MORCÖL (2001) 

Morcöl, G.: What Is Complexity Science? – Postmodernist or Postpositivist? In: Emergence, Vol. 3 (2001), 

No. 1, S. 104-119. 

MORTON/LINDQUIST (1997) 

Morton, N.O’R.; Lindquist, S.A.: Revealing the Feminist in Mary Parker Follett. In: Administration & 

Society, Vol. 29 (1997), No. 3, S. 348-371. 

MOSTERMAN/ZHAO/BISWAS (1998) 

Mosterman, P.J.; Zhao, F.; Biswas, G.: An Ontology for Transitions in Physical Dynamic Systems. In: o.V.: 

Proceedings Fifteenth National Conference on Artificial Intelligence (AAAI-98) and Tenth Conference on 

Innovative Applications of Artificial Intelligence (IAAI-98), 26.-30.07.1998 in Madison. Menlo Park – 

Cambridge – London 1998, S. 219-224. 

MOTTA/SHUM/DOMINGUE (2000) 

Motta, E.; Shum, S.B.; Domingue, J.: Ontology-driven document enrichment: principles, tools and 

applications. In: International Journal of Human-Computer Studies, Vol. 52 (2000), S. 1071-1109. 

MOULINES (1991) 

Moulines, C.U.: Pragmatics in the Structuralist View of Science. In: Schurz, G.; Dorn, G.J.W. (Hrsg.): 

Essays in Honour of Paul Weingartner on the Occasion of the 60 th Anniversary of his Birthday. Amsterdam – 

Atlanta 1991, S. 313-326. 

MOULINES (1996) 

Moulines, C.U.: Structuralism: The Basic Ideas. In: Balzer, W.; Moulines, C.U. (Hrsg.): Structuralist Theory 

of Science – Focal Issues, New Results. Berlin – New York 1996, S. 1-13. 

MÜLDER (2000) 

Mülder, W.: Personalinformationssysteme – Entwicklungsstand, Funktionalität und Trends. In: Wirtschaftsinformatik, 

42. Jg. (2000), Sonderheft, S. 98-106. 

MÜLLER (1993) 

Müller, J. (Hrsg.): Verteilte Künstliche Intelligenz – Methoden und Anwendungen. Mannheim et al. 1993. 

MUHR (2001) 

Muhr, G.: Kompetenzprofile im Skillsmanagement. Report der Knowbotic Systems GmbH & Co KG. 


MURTAGH ET AL. (2003) 

Murtagh, F.; Taskaya, T.; Contreras, P.; Mothe, J.; Englmeier, K.: Interactive Visual User Interfaces: A 

Survey. In: Artificial Intelligence Review, Vol. 19 (2003), S. 263-283.


MUSGRAVE (1979) 

Musgrave, A.: How to Avoid Incommensurability. In: Niiniluoto, I.; Tuomela, R. (Hrsg.): The Logic and 

Epistemology of Science Change. Proceedings of a Philosophical Colloquium, 12.-14.12.1977 in Helsinki, 

zugleich: Acta Philosophica Fennica, Vol. 30 (1978), Issues 2-4, Amsterdam 1979, S. 336-346. 

MYLOPOULOS (1998) 

Mylopoulos, J.: Information Modeling in the Time of the Revolution. In: Information Systems, Vol. 23 

(1998), No. 3/4, S. 127-155. 

NAKATA ET AL. (1998) 

Nakata, K.; Voss, A.; Juhnke, M.; Kreifelts, T.: Collaborative Concept Extraction from Documents. In: 

Reimer, U. (Hrsg.): Proceedings of the 2nd International Conference on Practical Aspects of Knowledge 

Management (PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 20-1 – 20-11. 

NARAYANAN/MCILRAITH (2002) 

Narayanan, S.; McIlraith, S.A.: Simulation, Verification and Automated Composition of Web Services. In: 

o.V.: International World Wide Web Conference WWW 2002, Proceedings of the Eleventh International 

Conference on World Wide Web, 07.-11.05.2002 in Honolulu. New York 2002, S. 77-88. 

NECHES ET AL. (1991) 

Neches, R.; Fikes, R.; Finin, T.; Gruber, T.; Patil, R.; Senator, T.; Swartout, W.R.: Enabling Technology for 

Knowlegde Sharing. In: AI Magazine, Vol. 12 (1991), No. 3, S. 36-56. 

NELSON (1999) 

Nelson, K.: Software Gives Bank One A Grip on IT Skill Levels. In: Information Technology, April 1999, S. 

28. 

NEUWEG (1999) 

Neuweg, G.H.: Könnerschaft und implizites Wissen – Zur lehr-lerntheoretischen Bedeutung der Erkenntnisund 

Wissenstheorie Michael Polanyis. Habilitationsschrift, Universität Linz 1998. 2. Auflage, Münster et al. 

1999. 

NEWELL (1982) 

Newell, A.: The Knowledge Level. In: Artificial Intelligence, Vol. 18 (1982), S. 87-127. 

NILES (2003) 

Niles, I.: CVS log for SUO/Merge.txt, Revision 1.47 (download) vom 30.01.2003. Dokumentation von 

SUMO (Suggested Upper Mergend Ontology). Online-Dokument, im Internet unter der URL: „http:// 

ontology.teknowledge.com/cgi-bin/cvsweb.cgi/SUO/Merge.txt“ (Zugriff am 20.02.2003). 

NILES/PEASE (2001) 

Niles, I.; Pease, A.: Origins of The IEEE Standard Upper Ontology. Paper, Teknowledge. O.O. o.J. (2001). 

NILSSON (1998) 

Nilsson, N.J.: Artificial Intelligence – A New Synthesis. San Francisco 1998. 

NILSSON/MALUSZYNSKI (1990) 

Nilsson, U.; Maluszynski, J.: Logic, Programming and Prolog. Chichester et al. 1990. 

NODINE (1998) 

Nodine, M.: The InfoSleuth Agent System. In: Klusch, M.; Weiß, G. (Hrsg.): Cooperative Information 

Agents II – Learning, Mobility and Electronic Commerce for Information Discovery on the Internet, Second 

International Workshop CIA’98, 04.-07.07.1998 in Paris, Proceedings. Berlin et al. 1998, S. 19-20. 

NONAKA (1991) 

Nonaka, I.: The Knowledge-Creating Company. In: Harvard Business Review, Vol. 69 (1991), Issue 

November-December, S. 96-104. 

NONAKA/REINMOELLER/SENOO (1998): 

Nonaka, I.; Reinmoeller, P.; Senoo, D.: The ‘ART’ of Knowledge: Systems to Capitalize on Market Knowledge. 

In: European Management Journal, Vol. 16 (1998), No. 6, S. 673-684.


NONAKA/TAKEUCHI (1995) 

Nonaka, I.; Takeuchi, H.: The Knowledge-Creating Company – How Japanese Companies Create the Dynamics 

of Innovation. New York – Oxford 1995. 

NONAKA/TAKEUCHI (1997) 

Nonaka, I.; Takeuchi, H.: Die Organisation des Wissens – Wie japanische Unternehmen eine brachliegende 

Ressource nutzbar machen. Frankfurt/Main et al. 1997. 

NONAKA/TOYAMA/KONNO (2000): 

Nonaka, I.; Toyama, R.; Konno, N.: SECI, Ba and Leadership: a Unified Model of Dynamic Knowledge 

Creation. In: Long Range Planning, Vol. 33 (2000), S. 5-34. 

NONAKA/TOYAMA/NAGATA (2000): 

Nonaka, I.; Toyama, R.; Nagata, A.: A Firm as a Knowledge-Creating Entity: A New Perspective on the 

Theory of the Firm. In: Industrial and Corporate Change, Vol. 9 (2000), No. 1, S. 1-20. 

NORTH (2002) 

North, K.: Wissensorientierte Unternehmensführung – Wertschöpfung durch Wissen. 3. Auflage, Wiesbaden 

2002. 

NOY ET AL. (2001) 

Noy, N.F.; Sintek, M.; Decker, S.; Crubezy, M.; Fergerson, R.W.; Musen., M.A.: Creating Semantic Web 

Contents with Protégé-2000. In: IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No. 2, S. 60- 

71. 

NOY/FERGERSON/MUSEN (2000) 

Noy, N.F.; Fergerson, R.W.; Musen, M.A.: The knowledge model of Protégé-2000: combining interoperability 

and flexibility. SMI Technical Report No. SMI-2000-0830, Stanford Medical Informatics, Stanford 

University. Stanford 2000. (Auch erschienen in: Dieng, R.; Corby, O. (Hrsg.): Knowledge Acquisition, 

Modeling and Management, 12th International Conference (EKAW’ 2000), 02.-06.10.2000 in Juan-les- 

Pines, Proceedings. Berlin et al. 2000, S. 17-32.) 

NOY/HAFNER (1997) 

Noy, N.F.; Hafner, C.D.: The State of the Art in Ontology Design – A Survey and Comparative Review. In: 

AI Magazine, Vol. 18 (1997), No. Fall 1997, S. 53-73. 

NOY/HAFNER (1998) 

Noy, N.F.; Hafner, C.D.: Representing Scientific Experiments: Implications for Ontology Design and 

Knowledge Sharing. In: o.V.: Proceedings Fifteenth National Conference on Artificial Intelligence (AAAI- 

98), 26.-30.07.1998 in Madison. Menlo Park – Cambridge – London 1998, S. 615-622. 

NOY/MCGUINNESS (2000) 

Noy, N.F.; McGuinness, D.L.: Ontology Development 101: A Guide to Creating Your First Ontology. 

Report, Stanford University. Stanford o.J. (2000). 

NÜTTGENS/RUMP (2002) 

Nüttgens, M.; Rump, F.J.: Syntax und Semantik Ereignisgesteuerter Prozessketten (EPK). In: Desel, J.; 

Weske, M. (Hrsg.): Prozessorientierte Methoden und Werkzeuge für die Entwicklung von Informationssystemen 

(Promise’2002), 09.-11.10.2002 in Potsdam, CEUR Workshop Proceedings, Vol. 65, 8. Beitrag, 

o.S. (S. 1-14). Online-Dokument, im Internet unter der URL: „http://sunsite.informatik.rwth-aachen.de/ 

Publications/CEUR-WS/Vol-65/“ (Zugriff am 04.01.2005). 

NÜTTGENS/RUMP (2003) 

Nüttgens, M.; Rump, F.J. (Hrsg.): EPK 2003 – Geschäftsprozessmanagement mit Ereignisgesteuerten 

Prozessketten, 2. Workshop der Gesellschaft für Informatik e.V. (GI) und Treffen ihres Arbeitskreises 

„Geschäftsprozessmanagement mit Ereignisgesteuerten Prozessketten (WI-EPK)“, 08.10.2003 in Bamberg, 

Proceedings. Bonn 2003. 

NWANA/NDUMU (1999) 

Nwana, H.S.; Ndumu, D.T.: A Perspective on Software Agents Research. In: The Knowledge Engineering 

Review, Vol. 14 (1999), No. 2, S. 1-18.


OBERLE ET AL. (2004) 

Oberle, D.; Volz, R.; Staab, S.; Motik, B.: An Extensible Ontology Software Environment. In: Staab, S.; 

Studer, R. (Hrsg.): Handbook on Ontologies. Berlin – Heidelberg 2004, S. 299-319. 

OBERLE/SPYNS (2004) 

Oberle, D.; Spyns, P.: The Knowledge Portal “OntoWeb”. In: Staab, S.; Studer, R. (Hrsg.): Handbook on 


OBERWEIS (1990) 

Oberweis, A.: Zeitstrukturen in Informationssystemen. Dissertation, Universität Mannheim. Mannheim 

1990. 

OBERWEIS (1996) 

Oberweis, A.: Modellierung und Ausführung von Workflows mit Petri-Netzen. Habilitationsschrift 

Universität Karlsruhe 1995 (überarbeitet). Stuttgart – Leipzig 1996. 

OBJECT MANAGEMENT GROUP (2001) 

Object Management Group, Inc. (Hrsg.): OMG Unified Modeling Language Specification. Version 1.4, 

September 2001. O.O. 2001. 

OBJECT MANAGEMENT GROUP (2003) 

Object Management Group, Inc. (Hrsg.): Unified Modeling Language Specification. Version 1.5, o. O. 2003. 

Im Internet unter der URL: http://www.omg.org/technology/documents/formal/uml.htm (Zugriff am 

6.07.2004). 

OECHSLER (1997) 

Oechsler, W. A.: Personal und Arbeit: Einführung in die Personalwirtschaft unter Einbeziehung des 

Arbeitsrechts. 6. Auf., München 1997. 

O’HARA/SHADBOLT (2001) 

O’Hara, K.; Shadbolt, N.: Issues for an Ontology for Knowledge Valuation. Paper, Intelligence, Agents and 

Multimedia Group, Department of Electronics and Computer Science, University of Southampton. Southampton 

o.J. (2001). 

O’HARE/JENNINGS (1996) 

O’Hare, G.M.; Jennings, N.R. (Hrsg.): Foundations of Distributed Artificial Intelligence. New York et al. 

1996. 

OHLBACH/SCHAFFERT (2004) 

Ohlbach, H.J.; Schaffert, S. (Hrsg.): Principles and Practice of Semantic Web Reasoning, Second 

International Workshop, PPSWR 2004, 06.-10.09.2004 in St. Malo, Proceedings. Berlin et al. 2004. 

OLDAGER (2003) 

Oldager, N.: Conceptual Knowledge Representation and Reasoning. Dissertation, Technical University of 

Denmark. o.O. 2003. 

O’LEARY (1997) 

O’Leary, D.E.: Impedients in the use of explicit ontologies for KBS development. In: International Journal of 


ONIONS/ORANGE (2002) 

Onions, P.E.W.; Orange, G.: The Three K’s – A model for knowledge that supports ontology and epistemology. 

In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, 

Cybernetics and Informatics (SCI 2002), 14.-18.07.2002 in Orlando, Proceedings, Vol. VII – Information 

Systems Development II. Orlando 2002, o.S. (S. 1-6). 

ONTOPRISE (2001) 

Ontoprise GmbH (Hrsg.): How to Write F-Logic Programs – A Tutorial for the Language F-Logic. Stand: 

März 2001. O.O. (Karlsruhe) 2001. 

ONTOPRISE (2003a) 

Ontoprise GmbH (Hrsg.): How to Work with OntoEdit – User’s Guide for OntoEdit Version 2.6. Karlsruhe 

2003.


ONTOPRISE (2003b) 

Ontoprise GmbH (Hrsg.): How to Use Ontobroker® – Users and Developers Guide for the Ontobroker 

System Version 3.6. Karlsruhe 2003. 

ONTOPRISE (2003c) 

Ontoprise GmbH (Hrsg.): How to Write F-Logic Programs – A Tutorial for the Language F-Logic covers 

OntoBroker® Version 3.6. Karlsruhe 2003. 

ONTOPRISE (2004a) 

Ontoprise GmbH (Hrsg.): OntoEdit TM v2.0 – Designing the Semantiv Web. Online-Dokument, im Internet 

unter der URL: „http://www.ontoprise.de“ (Zugriff am 30.10.2004). O.O. (Karlsruhe) o.J. (2004). 

ONTOPRISE (2004b) 

Ontoprise GmbH (Hrsg.): OntoBroker TM v3.2 – Die Inferenzmaschine. Online-Dokument, im Internet unter 

der URL: „http://www.ontoprise.de“ (Zugriff am 30.10.2004). O.O. (Karlsruhe) o.J. (2004). 

OPP (2005) 

Opp, K.-D.: Methodologie der Sozialwissenschaften – Einführung in Probleme ihrer Theorienbildung und 

praktischen Anwendung. 6. Auflage, Wiesbaden 2005. 

ORTNER (1997) 

Ortner, E.: Methodenneutraler Fachentwurf. Stuttgart – Leipzig 1997. 

OTTO (1999) 

Otto, A.: Referenzmodelle als Basis des Benchmarkings. In: io management, o.Jg. (1999), Nr. 4, S. 23-29. 

OUZZANI/BENATALLAH/BOUGUETTAYA (2000) 

Ouzzani, M.; Benatallah, B.; Bouguettaya, A.: Ontological Approach for Information Discovery in Internet 

Databases. In: Distributed and Parallel Databases, Vol. 8 (2000), S. 367-392. 

O.V. (2001) 

o.V.: Visual Prolog Version 5.x – Language Tutorial. Copenhagen o.J. (2001). 

O.V. (2002) 

o.V.: The Protégé Axiom Language and Toolset (“PAL”). Online-Dokument, im Internet unter der URL: 

„http://protege.stanford.de/plugins/paltabs/pal-documentation/index.html“ (Zugriff am 20.04.2002). 

O.V. (O.J.) 

o.V.: The Protégé Axiom Language: Overall Design Considerations. o.O. o.J. 

PAL/MOITRA (2003) 

Pal, B.B.; Moitra, B.N.: A goal programming procedure for solving problems with multiple fuzzy goals 

using dynamic programming. In: European Journal of Operational Research, Vol. 144 (2003), No. 3, S. 480- 

491. 

PARTRIDGE (2002) 

Partridge, C.: The Role of Ontology in Integrating Semantically Heterogeneous Databases. Technical Report 

05/02, LADSEB-CNR. Padova 2002. 

PASTOR ET AL. (1997) 

Pastor, J.A.; Taylor, S.L.; McKay, D.P.; McEntire, R.: An Architecture for Intelligent Resource Agents. In: 

Chen, A.L.P.; Klas, W.; Singh, M.P. (Hrsg.): Proceedings of the Second IFCIS International Conference on 

Cooperative Information Systems CooIS’97, 24.-27.06.1997 in Kiawah Island. Los Alamitos et al. 1997, S. 

151-159. 

PATEL-SCHNEIDER/HORROCKS/VAN HARMELEN (2002) 

Patel-Schneider, P.F.; Horrocks, I.; van Harmelen, F.: OWL Web Ontology Language 1.0 Abstract Syntax, 

W3C Working Draft 29 July 2002. Online-Dokument, im Internet unter der URL: „http://www.w3.org/TR/ 

owl-absyn/“ (Zugriff am 02.11.2002). 

PATIG (2001) 

Patig, S.: Flexible Produktionsfeinplanung mit Hilfe von Planungsschritten. Dissertation, Universität 

Magdeburg. Magdeburg 2001.


PATIG (2004) 

Patig, S.: Zur Ausdruckstärke der Stammdaten des Advanced Planning und Scheduling. In: Wirtschaftsinformatik, 

46. Jg. (2004), Heft 2, S. 97-106. 

PAWAR ET AL. (2001) 

Pawar, K.; Horton, A.; Gupta, A.; Wunram, M.; Barson, R.J.; Weber, F.: Inter-Organisational Knowledge 

Management: Focus on Human Barriers in the Telecommunications Industry. In: o.V.: CE2001 – 

Proceedings of the 8th ISPE International Conference on Concurrent Engineering, 29.07.-01.08.2001 in 

California. O.O. 2001, o.S. (S. 1-8). 

PAWLOWSKI (2001) 

Pawlowski, J.: Das Essener-Lern-Modell (ELM) – Ein Vorgehensmodell zur Entwicklung 

computerunterstützter Lernumgebungen. Dissertation, Universität Essen. Essen 2001. 

PEARCE (1987) 

Pearce, D.: Roads to Commensurability. Überarbeitete Habilitationsschrift, Freie Universität Berlin 1986. 

Dordrecht et al. 1987. 

PERZANOWSKI (1996) 

Perzanowski, J.: The Way of Truth. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht – Boston – 

London 1996, S. 61-130. 

PETERS/ZELEWSKI (2003) 

Peters, M.L.; Zelewski, S.: Competence-Based Workplace Assignment Using a Goal Programming 

Approach. In: Zülch, G.; Stowasser, S.; Jagdev, H.S. (Hrsg.): Human Aspects in Production Management. 

Proceedings of the IFIP WG 5.7 Working Conference on Human Aspects in Production Management, Vol. 1. 

Aachen 2003, S. 276-282. 

PETERS/ZELEWSKI (2004a) 

Peters, M.L.; Zelewski, S.: Competence and Preference-based Workplace Assignment. In: Zülch, G.; Jagdev, 

H.S.; Stock, P. (Hrsg.): Integrating Human Aspects in Production Management – Proceedings of the 

International Conference on Human Aspects in Production Management, 05.-09.10.2003 in Karlsruhe. 

Boston – Dordrecht – London 2004, S. 31-44. 

PETERS/ZELEWSKI (2004b) 

Peters, M.L.; Zelewski, S.: Möglichkeiten und Grenzen des „Analytic Hierarchy Process“ (AHP) als 

Verfahren zur Wirtschaftlichkeitsanalyse. In: Zeitschrift für Planung & Unternehmenssteuerung, 15. Jg. 

(2004), S. 295-324. 

PETERSEN/RAO/TVEIT (2002) 

Petersen, S.A.; Rao, J.; Tveit, A.: Virtual Enterprises: Challenges in Selecting and Integrating Computational 

and Human Resources. In: o.V.: 1st International Workshop on Challenges in Open Agent Systems, am 15. 

07.2002 in Bologna. Online-Dokument, im Internet unter der URL: „http://www.agentcities.org/Challenge 

02/“ (Zugriff am 29.08.2002), o.S. (S. 1-4). 

PETKOFF (O.J.) 

Petkoff, B.: Strukturalistische Ontogenetik. Paper, Nexus GmbH. O.O. o.J. 

PFLÜGLMAYER (2001) 

Pflüglmayer, M.: Informations- und Kommunikationstechnologien zur Qualitätsverbesserung im 

Krankenhaus. Dissertation, Universität Linz. Linz 2001. 

PIGNEUR (2002) 

Pigneur, Y.: An Ontology for m-Business Models. In: Spaccapietra, S.; March, S.T.; Kambayashi, Y. 

(Hrsg.): Conceptual Modeling – ER 2002. 21st International Conference on Conceptual Modeling, 07.-11.10. 

2002 in Tampere, Proceedings. Berlin et al. 2002, S. 3-6. 

PIRLEIN (1995) 

Pirlein, T.: Wiederverwendung von Commonsense Ontologien im Knowledge Engineering – Methoden und 

Werkzeuge. Dissertation, Universität Karlsruhe 1995. Sankt Augustin 1995.


POCSAI (2000) 

Pocsai, Z.: Ontologiebasiertes Wissensmanagement für die Produktentwicklung. Dissertation, Universität 

Karlsruhe 2000. Forschungsberichte aus dem Institut für Rechneranwendung in Planung und Konstruktion 

der Universität Karlsruhe, Band 3/2000. Aachen 2000. 

POLANYI (1959) 

Polanyi, M.: The Study of Man. Chicago – London 1959. 

POLANYI (1985) 

Polanyi, M.: Implizites Wissen. Frankfurt/Main 1985 (Original: The Tacit Dimension. New York 1966). 

POLI (2002) 

Poli, R.: Ontological methodology. In: International Journal of Human-Computer Studies, Vol. 56 (2002), S. 

639-664. 

POLI/SIMONS (1996) 

Poli, R.; Simons, P. (Hrsg.): Formal Ontology. Dordrecht – Boston – London 1996. 

POLLACK (2001) 

Pollack, M.A.: International Relations Theory and European Integration. In: Journal of Common Market Studies, 

Vol. 39 (2001), No. 2, S. 221-244. 

POLOS/HANNAN/CARROLL (1999) 

Polos, L.; Hannan, M.T.; Carroll, G.R.: Forms and Identities: On the Structure of Organizational Forms. 

Paper, Lorand University, Budapest, University of Amsterdam, Stanford University, University of 

California, Berkeley. o.O. 1999. 

POMBERGER/BLASCHEK (1993) 

Pomberger, G.; Blaschek, G.: Software-Engineering – Grundlagen des Software Engineering: „Prototyping 

und objektorientierte Software-Entwicklung“. München 1993. 

POPPER (1965) 

Popper, K.R.: Conjectures and Refutations – The Growth of Scientific Knowledge. 2. Auflage, London 1965. 

POPPER (1972) 

Popper, K.R.: Die Zielsetzung der Erfahrungswissenschaft. In: Albert, H. (Hrsg.): Theorie und Realität – 

Ausgewählte Aufsätze zur Wissenschaftslehre der Sozialwissenschaften. 2. Auflage, Tübingen 1972, S. 29- 

41. 

POPPER (1979) 

Popper, K.R.: Die beiden Grundprobleme der Erkenntnistheorie (Aufgrund von Manuskripten aus den Jahren 

1930-1933). Tübingen 1979. 

POPPER (1989) 

Popper, K.R.: Logik der Forschung. 9. Auflage, Tübingen 1989. 

POPPER (1995) 

Popper, K.R.: Objektive Erkenntnis. Ein evolutionärer Entwurf. 3. Auflage, Hamburg 1995. 

PORTER (1999) 

Porter, M.: Wettbewerbsstrategie (Competitive Strategy) – Methoden zur Analyse von Branchen und 

Konkurrenten. 10. Auflage, Frankfurt/Main – New York 1999. 

PORTER (2001) 

Porter, T.B.: Theorizing Organizational Identity. In: o.V.: Academy of Management Proceedings, Vol. 2001, 

S. D1-D6. 

POSSEL-DOELKEN/ZHENG (2002) 

Possel-Doelken, F.; Zheng, L.: PRO-Net Reference Model for the Technical Order Processing. In: Zheng, L.; 

Possel-Dölken, F. (Hrsg.): Strategic Production Networks. Berlin – Heidelberg 2002, S. 250-294. 

POTTER/EDWARDS/WETHERELL (1993) 

Potter, J.; Edwards, D.; Wetherell, M.: A Model of Discourse in Action. In: American Behavioral Scientist, 

Vol. 36 (1993), No. 3, S. 383-401.


PRAHALAD/HAMEL (1990) 

Prahalad, C.K.; Hamel, G.: The Core Competence of the Corporation. In: Harvard Business Review, Vol. 68 

(1990), No. May – June, S. 79-90. 

PRANGE/PROBST/RÜLING (1996) 

Prange, C.; Probst, G.; Rüling, C.-C.: Lernen zu kooperieren – Kooperieren, um zu lernen. Plädoyer für eine 

lernorientierte Betrachtung von Unternehmenskooperationen. In: Zeitschrift Führung & Organisation, o. Jg. 

(1996), Heft 1, S. 10-16. 

PREIß (1989) 

Preiß, N.: Ein Konzept für die deduktive Erweiterung eines relationalen Datenbanksystems. Dissertation, 

Universität Karlsruhe 1989. Karlsruhe 1989. 

PREISSLER/ROEHL/SEEMANN (1997) 

Preissler, H.; Roehl, H.; Seemann, P.: Haken, Helm und Seil – Erfahrungen mit Instrumenten des 

Wissensmanagements. In: Organisationsentwicklung, 17. Jg. (1997), Nr. 2, S. 4-17. 

PROBST/RAUB/ROMHARDT (2003): 

Probst, G.; Raub, S.; Romhardt, K.: Wissen managen – Wie Unternehmen ihre wertvollste Ressource 

optimal nutzen. 4. Auflage, Wiesbaden 2003. 

PUPPE/STOYAN/STUDER (2003) 

Puppe, F.; Stoyan , H.; Studer, R.: Knowledge Engineering. In: Görz, G.; Rollinger, C.-R.; Schneeberger, J. 

(Hrsg.): Handbuch der Künstlichen Intelligenz. 4. Auflage, München – Wien 2003, S. 599-641. 

PURVIS ET AL. (2002) 

Purvis, M.; Cranefield, S.; Nowostawski, M.; Ward, R.; Carter, D.; de Oliveira, M.A.: Agentcities Interaction 

Using the Opal Platform. In: o.V.: 1st International Workshop on Challenges in Open Agent Systems, held at 

the International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS’02), 15.-19.07. 

2002 in Bologna. O.O. 2002, o.S. (S. 1-5). 

PUTNAM (1980) 

Putnam, H.: Modell und Wirklichkeit. In: conceptus, 16. Jg. (1982), Nr. 38, S. 9-30. (Auch erschienen in: 

The Journal of Symbolic Logic, Vol. 45 (1980), No. 3, S. 464-482.) 

PUTNAM (1982) 

Putnam, H.: Vernunft, Wahrheit und Geschichte. Frankfurt 1982. 

QUINE (1969) 

Quine, W.v.O.: Grundzüge der Logik. Frankfurt/Main 1969. 

QUINE (1975) 

Quine, W.V.O.: Ontologische Relativität – und andere Schriften, Stuttgart 1975. 

QUINE (2002) 

Quine, W.V.O.: Wort und Gegenstand. Stuttgart 2002 (im Original: „Word and Object”, Cambridge 1960). 

RADEMACHER/DITTMANN (2004) 

Rademacher, T; Dittmann, L.: OntoFMEA: ein Softwaretool für ontologiebasierte Fehlermöglichkeits- und 

-einflussanalysen – konzeptionelle Entwicklung und prototypische Implementierung. Projektbericht 11/2004, 

Projekt KOWIEN, Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg- 

Essen (Campus Essen). Essen 2004. 

RAMIREZ/DE ANTONIO (1998) 

Ramirez, J.; de Antonio, A.: MECORI: a Method for Knowledge Base Semantic Verification based on 

Integrity Constraints. In: van Harmelen (Hrsg.): Proceedings of the 1998 European Workshop on Validation 

and Verification of Knowledge-Based Systems, 06.-08.06.1998 in Povo – Trento, CEUR Workshop 

Proceedings, Vol. 16. Amsterdam 2003, 7. Beitrag, o.S. (S. 1-2). Online-Dokument, im Internet unter der 

URL: „http:// sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-16/“ (Zugriff am 04.01.2005). 

RAMONI/RIVA (1997) 

Ramoni, M.; Riva, A.: Basic Science in Medical Reasoning: An Artificial Intelligence Approach. In: 

Advances in Health Sciences Education, Vol. 2 (1997), S. 131-140.


RAUH/STICKEL (1997) 

Rauh, O.; Stickel, E.: Konzeptuelle Datenmodellierung. Stuttgart – Leipzig 1997. 

REDEKER (2000) 

Redeker, G.: Didaktische Ontologien – Stand der internationalen Forschung. In: Ohly, H.P.; Rahmstorf, G.; 

Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und 

Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für 

Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 417-429. 

REHÄUSER/KRCMAR (1996) 

Rehäuser, J.; Krcmar, H.: Wissensmanagement im Unternehmen. In: Schreyögg, G.; Conrad, P. (Hrsg.): 

Managementforschung 6 – Wissensmanagement. Berlin – New York 1996, S. 1-40. 

REIMER (1989) 

Reimer, U.: FRM: Ein Frame-Repräsentationsmodell und seine formale Semantik – Zur Integration von 

Datenbank- und Wissensrepräsentationsansätzen. Berlin et al. 1989. 

REIMER (1997) 

Reimer, U.: Knowledge Integration for Building Organisational Memories. In: Abecker, A.; Decker, S.; 

Hinkelmann, K.; Reimer, U. (Hrsg.): Workshop Knowledge-Based-Systems for Knowledge Management in 

Enterprises, 09.-12.09.1997 in Freiburg. O.O. 1997, S. 85-96. 

RESCHER (1973) 

Rescher, N.: The Coherence Theory of Truth. Oxford 1973. 


Rescher, N.: Foundationalism, Coherentism and the Idea of Cognitive Systematization. In: The Journal of 

Philosophy, Vol. 71 (1974), No. 19, S. 695-708. 


Rescher, N.: Methodological Pragmatism – A Systems-Theoretic Approach to the Theory of Knowledge. 

New York 1977. 


Rescher, N.: Cognitive Systematization – A systems-theoretic approach to a coherentist theory of knowledge. 

Oxford 1979. 

RESCHER (1980a) 

Rescher, N.: Scepticism – A critical reappraisal. Oxford 1980. 

RESCHER (1980b) 

Rescher, N.: The Logic of Inconsistency – A Study in Non-Standard Possible-World Semantics and 

Ontology. Oxford 1980. 


Rescher, N.: The Coherence Theory of Truth. Washington 1982 (Nachdruck der Ausgabe Oxford 1973). 

RESCHER (1987a) 

Rescher, N.: Forbidden Knowledge – and Other Essays on the Philosophy of Cognition. Dordrecht et al. 

1987. 

RESCHER (1987b) 

Rescher, N.: Induktion – Zur Rechtfertigung induktiven Schließens. München – Wien 1987. 


Rescher, N.: Rationality – A Philosophical Inquiry into the Nature and the Rationale of Reason. Oxford 

1988. 

RESNICK (1994) 

Resnick, P.: Intentionality Is Phlogiston. In: Dietrich, E. (Hrsg.): Thinking Computers and Virtual Persons – 

Essays on the Intentionality of Machines. San Diego et al. 1994, S. 37-69.


RIBIÈRE/CHARLTON (2000) 

RIBIÈRE, M.; CHARLTON, P.: Ontology Overview, Paris 2000. Online-Dokument, im Internet unter der URL: 

„http://www.fipa.org/docs/input/f-in-00045/f-in-00045.pdf” (Zugriff am 16.09.2004). 

RICHARDS/COMPTON (1997) 

Richards, D.; Compton, P.: Knowledge Acquisition First, Modelling Later. In: Plaza, E.; Benjamins, R. 

(Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop, EKAW’97, 15.-18. 

10.1997 in Sant Feliu de Guixols, Proceedings. Berlin et al. 1997, S. 237-252. 

RIEDL/WUKETIS (1987) 

Riedl, R.; Wuketis, F.M. (Hrsg.): Evolutionäre Erkenntnistheorie. Bedingungen – Lösungen – Kontroversen. 

Berlin – Hamburg 1987. 

RITTGEN (1998) 

Rittgen, P.: Prozeßtheorie der Ablaufplanung. Stuttgart – Leipzig 1998. 

RITTGEN (2000) 

Rittgen, P.: Quo vadis EPK in ARIS? Ansätze zu syntaktischen Erweiterungen und einer formalen Semantik. 

In: Wirtschaftsinformatik, 42. Jg. (2000), Heft 1, S. 27-35. 

RODRIGUEZ ET AL. (1998) 

Rodriguez, H.; Climent, S.; Vossen, P.; Bloksma, L.; Peters, W.; Alonge, A.; Bertagna, F.; Roventini, A.: 

The Top-Down Strategy for Building EuroWordNet: Vocabulary Coverage, Base Concepts and Top 

Ontology. In: Cumputers and the Humanities, Vol. 32 (1998), S. 117-152. 

ROEHL (2000) 

Roehl, H.: Instrumente der Wissensorganisation – Perspektiven für eine differenzierende Interventionspraxis. 

Dissertation. Wiesbaden 2000. 

ROSEMANN/GREEN (2002) 

Rosemann, M.; Green, P.: Developing a meta model for the Bunge–Wand–Weber ontological constructs. In: 

Information Systems, Vol. 27 (2002), S. 75-91. 

ROSEMANN/SCHÜTTE (1999) 

Rosemann, M.; Schütte, R.: Multiperspektivische Referenzmodellierung. In: Becker, J.; Rosemann, M.; 

Schütte, R. (Hrsg.): Referenzmodellierung – State-of-the-Art und Entwicklungsperspektiven. Heidelberg 

1999, S. 22-44. 

ROTHEM (1999) 

Rothem, R.J.: Post Keynesian Economics and Realist Philosophy. In: Journal of Post Keynesian Economics, 

Vol. 22 (1999), No. 1, S. 71-103. 

ROYCE (1970) 

Royce, W.W.: Managing the Development of Large Software Systems, Concepts and Techniques. 

Proceedings of the IEEE WESCON, Los Angeles 1970, S. 1-9. 

RUPP (2002) 

Rupp, C.: Requirements-Engineering und -Management – Professionelle, iterative Anforderungsanalyse für 

die Praxis. 2. Auflage, München – Wien 2002. 

RUSSELL (1905) 

Russell, B.: On Denoting. In: Mind, Vol. 15 (1905), S. 479-493. (Deutsche Übersetzung “Über das 

Kennzeichnen” in: Wiehl, R. (Hrsg.): Geschichte der Philosophie in Text und Darstellung, Band 8: 20. 

Jahrhundert. Stuttgart 1984, S. 270-289.) 

RUTGERS (2001) 

Rutgers, M.R.: Traditional Flavors? The Different Sentiments in European and American Administrative 

Thought. In: Administration & Society, Vol. 33 (2001), No. 2, S. 220-244. 

SAATY (1980) 

Saaty, T.L.: The Analytic Hierarchy Process – Planning, Priority Setting, Resource Allocation. New York et 

al. 1980 (2. Auflage von 1990).


SAATY (1994) 

Saaty, T.L.: How to Make a Decision: The Analytic Hierarchy Process. In: Interfaces, Vol. 24 (1994), No. 6, 

S. 19-43. 

SAATY (2001a) 

Saaty, T.L.: Creative Thinking, Problem Solving & Decision Making. Pittsburgh 2001. 

SAATY (2001b) 

Saaty, T.L.: Decision Making for Leaders – The Analytic Hierarchy Process for Decisions in a Complex 

World. 3. Auflage, 4. Druck, Pittsburgh 2001. 

SAATY (2001c) 

Saaty, T.L.: Decision Making With Dependence And Feedback – The Analytic Network Process. 2. Auflage, 

Pittsburgh 2001. 

SARTRE (1991) 

Sartre, J.-P.: Das Sein und das Nichts – Versuch einer phänomenologischen Ontologie. Reinbek/Hamburg 

1991 (im Original: Paris 1943). 

SCACCHI (2001) 

Scacchi, W.: Process Models in Software Engineering. In: Marciniak, J. (Hrsg.): Encyclopedia of Software 

Engineering. 2. Auflage, New York 2002, S. 993-1005. 

SCHADER/KORTHAUS (1998) 

Schader, M.; Korthaus, A. (Hrsg.): The Unified Modeling Language – Technical Aspects and Application. 


SCHAUER (2004) 

Schauer, H.: Impulse der Erkenntnistheorie und des Wissenschaftsbetriebs für eine betriebliche 

Wissensbewertung. In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik – 

Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen 

Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.- 

06.06.2003 in Koblenz. Wiesbaden 2004, S. 289-309. 

SCHEER (1999) 

Scheer, A.-W.: „ARIS – House of Business Engineering“ – Konzept zur Beschreibung und Ausführung von 

Referenzmodellen. In: Becker, J.; Rosemann, M.; Schütte, R. (Hrsg.): Referenzmodellierung – State-of-the- 

Art und Entwicklungsperspektiven. Heidelberg 1999, S. 1-21. 

SCHEER (2001) 

Scheer, A.-W.: ARIS – Modellierungsmethoden, Metamodelle, Anwendungen. 4. Auflage, Berlin – 


SCHEUBLE (1998) 

Scheuble, S.: Wissen und Wissenssurrogate – Eine Theorie der Unternehmung. Dissertation, Universität 

München 1998. Wiesbaden 1998. 

SCHIENMANN (2002) 

Schienmann, B.: Kontinuierliches Anforderungsmanagement – Prozesse, Techniken, Werkzeuge. München 

et al. 2002. 

SCHINZER/THOME (1999) 

Schinzer, H.; Thome, R.: Extensible Markup Language. In: Das Wirtschaftsstudium, 28. Jg. (1999), Heft 2, 

S. 208-215. 

SCHLEGEL/SPATH (2005) 

Schlegel, T.; Spath, D. (Hrsg.): Entwicklung innovativer Dienstleistungen – Wissen, Kreativität, Lernen. 


SCHLENOFF/IVESTER/KNUTILLA (1998) 

Schlenoff, C.; Ivester, R.; Knutilla, A.: A Robust Process Ontology for Manufacturing Systems Integration. 

In: o.V.: Proceedings of the 2nd International Conference on Engineering Design and Automation. 07.-14.08. 

1998 in Maui. O.O. 1998, o.S. (S. 1-6).


SCHLESINGER (1999) 

Schlesinger, M.: ALFRED – Konzept und Prototyp einer aktiven Schicht zur Automatisierung von 

Geschäftsregeln. Dissertation, Universität Bern. Bern 1999. 

SCHMID (1999) 

Schmid, C.: Informationsflüsse in Zuliefernetzwerken. Dissertation, Eidgenössische Technische Hochschule 

Zürich 1998. Wiesbaden 1999. 

SCHMIDT (1995) 

Schmidt, G.: Modellbasierte, interaktive Wissensakquisition und Dokumentation von Domänenwissen. 

Dissertation, Universität Kaiserslautern. Sankt Augustin 1995. 

SCHNEIDER (1996): 

Schneider, U.: Wissensmanagement in der wissensbasierten Unternehmung – Das Wissensnetz in und 

zwischen Unternehmen knüpfen. In: Schneider, U. (Hrsg.): Wissensmanagement – Aktivierung des 

intellektuellen Kapitals. Frankfurt 1996, S. 13-49. 

SCHNELL/HILL/ESSER (1995) 

Schnell, R.; Hill, P.; Esser, E.: Methoden der empirischen Sozialforschung. 5. Auflage, München 1995. 

SCHNIEDERJANS (1995) 

Schniederjans, M.J.: Goal Programming: Methodology and Applications. Boston – Dordrecht – London 

1995. 

SCHNOTZ/HEISS (2004) 

Schnotz, W.; Heiss, S.F.: Die Bedeutung der Sprache im Wissensmanagement. In: Mandl, H.; Reinmann, G. 

(Hrsg.): Psychologie des Wissensmanagements – Perspektiven, Theorien und Methoden. Göttingen 2004, S. 

41-52. 

SCHNURR ET AL. (2000) 

Schnurr, H.; Sure, Y.; Studer, R.; Akkermanns, H.: On-To-Knowledge Methodology – Baseline Version. 

On-To-Knowledge Deliverable D-15, Institut AIFB, Universität Karlsruhe, Karlsruhe 2000. Online-Dokument, 

im Internet unter der URL: „http://www.ontoknowledge.org/countd/countdown.cgi?del15.pdf“ (Zugriff 

am 04.01.2005). 

SCHNURR/STAAB/STUDER (1999) 

Schnurr, H.-P.; Staab, S.; Studer, R.: Ontology-based Process Support. Report, Institut für Angewandte 

Informatik und Formale Beschreibungsverfahren (AIFB), Universität Karlsruhe. Karlsruhe o.J. (1999). 

SCHOLZ (1994) 

Scholz, C.: Personalmanagement – Informationsorientierte und verhaltenstheoretische Grundlagen. 4. Auflage, 

München 1994. 

SCHREIBER ET AL. (2001a) 

Schreiber, G.; Akkermans, H.; Anjewierden, A.; de Hoog, R.; Shadbolt, N.; Van de Velde, W.; Wielinga, B.: 

Knowledge engineering and management: the CommonKADS methodology. 2. Druck, Cambridge 

(Massachusetts) 2001. 

SCHREIBER ET AL. (2001b) 

Schreiber, A.T.(G.); Dubbeldam, B.; Wielemaker, J.; Wielinga, B.: Ontology-Based Photo Annotation. In: 

IEEE Intelligent Systems & their Applications, Vol. 16 (2001), No. May/June, S. 2-10. 

SCHREIBER/WIELINGA/JANSWEIJER (1996) 

Schreiber, G.; Wielinga, B., Jansweijer, W.: The KACTUS View on the ‘O’ Word. Report, University of 

Amsterdam, Social Science Informatics. Amsterdam o.J. (1996). 

SCHREYÖGG/GEIGER (2004) 

Schreyögg, G.; Geiger, D.: Kann man implizites in explizites Wissen konvertieren? Die Wissensspirale auf 

dem Prüfstand. In: Frank, U. (Hrsg.): Wissenschaftstheorie in Ökonomie und Wirtschaftsinformatik – 

Theoriebildung und -bewertung, Ontologien, Wissensmanagement. Tagung der Wissenschaftlichen 

Kommission „Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 05.- 

06.06.2003 in Koblenz. Wiesbaden 2004, S. 269-288.


SCHREYÖGG/NOSS (1997) 

Schreyögg, G.; Noss, C.: Zur Bedeutung des organisationalen Wissens für organisatorische Lernprozesse. In: 

Wieselhuber, N.; Nahl, A. (Hrsg.): Handbuch Lernende Organisation – Unternehmens- und 

Mitarbeiterpotentiale erfolgreich erschließen. Wiesbaden 1997, S. 67-76. 

SCHULTE (2001) 

Schulte, J.: Wittgenstein – Eine Einführung. Stuttgart 2001. 

SCHUMACHER/ZUG (2004) 

Schumacher, M.; Zug, S.: Qualitätssicherung durch Kompetenzmanagementsysteme. In: Zelewski, S.; 

Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und 

Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient und 

KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 151-160. 

SCHÜPPEL (1996) 

Schüppel, J.: Wissensmanagement – Organisatorisches Lernen im Spannungsfeld von Wissens- und 

Lernbarrieren. Dissertation, Universität St. Gallen 1996. Wiesbaden 1996. 

SCHÜTTE (1996) 

Schütte, R.: Referenzprozeßmodelle für Handelsunternehmen. In: Handbuch der modernen 

Datenverarbeitung (HMD), 33. Jg. (1996), Heft 192, S. 72-87. 


Schütte, R.: Die neuen Grundsätze ordnungsmäßiger Modellierung. Paper zum Forschungsforum ’97, 

Leipzig 1997. 


Schütte, R.: Grundsätze ordnungsmäßiger Referenzmodellierung – Konstruktion konfigurations- und 

anpassungsorientierter Modelle. Dissertation, Universität Münster. Wiesbaden 1998. 

SCHÜTTE (1999a) 

Schütte, R.: Basispositionen in der Wirtschaftsinformatik – ein gemäßigt-konstruktivistisches Programm. In: 

Becker, J.; König, W.; Schütte, R.; Wendt, O.; Zelewski, S. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie. 

Wiesbaden 1999, S. 211-241. 

SCHÜTTE (1999b) 

Schütte, R.: Architectures for evaluating the quality of information models – a meta and an object level 

comparison. In: Akoka, J.; Bouzeghoub, M.; Comyn-Wattiau, I.; Metais, E. (Hrsg.): Conceptual Modelling – 

ER’99, Proceedings of the 18th International Conference on Conceptual Modeling, 15.-18.11.1999 in Paris. 

Berlin et al. 1999, S. 490-505. 

SCHÜTTE/ZELEWSKI (1999) 

Schütte, R.; Zelewski, S.: Wissenschafts- und erkenntnistheoretische Probleme beim Umgang mit 

Ontologien. In: König, W.; Wendt, O. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie – Verteilte 

Theoriebildung, 08.-09.10.1999 in Frankfurt/Main. Frankfurt/Main 1999, Beitrag 2, S. 1-19. 


Schütte, R.; Zelewski, S.: Epistemological Problems in Working with Ontologies. Arbeitsbericht Nr. 13, 

Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2001. 


Schütte, R.; Zelewski, S.: Epistemological Problems in Working with Ontologies. In: Callaos, N.; Porter, J.; 

Rishe, N. (Hrsg.): The 6th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2002), 

14.-18.07.2002 in Orlando, Proceedings, Vol. VII – Information Systems Development II. Orlando 2002, S. 

161-167. 

SCHWEGMANN (1999) 

Schwegmann, A.: Objektorientierte Referenzmodellierung – Theoretische Grundlagen und praktische 

Anwendung. Dissertation, Universität Münster 1999. Wiesbaden 1999. 

SEARLE (1997) 

Searle, J.R.: Die Konstruktion der Gesellschaftlichen Wirklichkeit. Zur Ontologie sozialer Tatsachen. 

Reinbek 1997.


SEIDLMEIER (2002) 

Seidlmeier, H.: Prozessmodellierung mit ARIS® – Eine beispielorientierte Einführung für Studium und 

Praxis. Braunschweig – Wiesbaden 2002. 

SHANKS (1997) 

Shanks, G.G.: Conceptual Data Modelling. An Empirical Study of Expert and Novice Data Modellers. In: 

Australian Journal of Information Systems, Vol. 4 (1997), No. 2, S. 63-73. 

SHARMA/STEARNS/NG (2002) 

Sharma, R.; Stearns, B.; Ng, T.: Connector Architecture and Enterprise Application Integration. München et 

al. 2002. 

SHIMP (1991) 

Shimp, T.A.: The Role of Subject Awareness in Classical Conditioning: A Case of Opposing Ontologies and 

Conflicting Evidence. In: Advances in Consumer Research, Vol. 18 (1991), S. 158-163. 

SHOHAM (1994) 

Shoham, Y.: Artificial Intelligence Techniques in Prolog. San Francisco 1994. 

SHUM (1997) 

Shum, S.B.: Negotiating the Construction and Reconstruction of Organisational Memories. In: Journal of 

Universal Computer Science, Vol. 3 (1997), No. 8, S. 899-928. 

SHUM/MOTTA/DOMINGUE (2000) 

Shum, S.B.; Motta, E.; Domingue, J.: ScholOnto: an ontology-based digital library server for research 

documents and discourse. In: International Journal on Digitital Libraries, Vol. 3 (2000), S. 237-248. 

SIEDENTOPF (1999) 

Siedentopf, J.: Das Rekonstruktionsparadigma in der reformulierten starken KI-These. In: Becker, J.; König, 

W.; Schütte, R.; Wendt, O.; Zelewski, S. (Hrsg.): Wirtschaftsinformatik und Wissenschaftstheorie. 

Wiesbaden 1999, S. 393-415. 

SIEGWART (1999) 

Siegwart, G.: Identität/Gleichheit. In: Sandkühler, H.J. (Hrsg.): Enzyklopädie Philosophie. Hamburg 1999, S. 

603-607. 

SIGEL (2000) 

Sigel, A.: Zum Wert multipler und adaptiver Indexierung mit Konzeptrahmen für die Sozialwissenschaften. 

In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für 

Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der Internationalen 

Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 343-361. 

SIMONS ET AL. (2000) 

Simons, J.; Arampatzis, A.T.; Wondergem, B.C.M.; Shomaker, L.R.B.; van Bommel, P.; van der Weide, 

T.P.; Koster, C.H.A.: Profile – A Multi-Disciplinary Approach to Information Discovery. In: Lesperance, Y.; 

Wagner, G.; Yu, E. (Hrsg.): Agent-Oriented Information Systems 2000, Proceedings of AOIS-2000 at 

CAiSE*00. Berlin 2000, S. 73-89. 

SINGH (1999) 

Singh, M.P.: An ontology for commitments in multiagent systems: Toward a unification of normative 

concepts. In: Artificial Intelligence and Law, Vol. 7 (1999), S. 97-113. 

SI-SAID CHERFI/AKOKA/COMYN-WATTIAU (2002) 

Si-Said Cherfi, S.; Akoka, J.; Comyn-Wattiau, I.: Conceptual Modeling Quality – From EER to UML 

Schemas Evaluation. In: Spaccapietra, S.; March, S.T.; Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 

2002. 21st International Conference on Conceptual Modeling, 07.-11.10.2002 in Tampere, Proceedings. 

Berlin et al. 2002, S. 414-428. 

SKIRBEKK/GILJE (1993) 

Skirbekk, G.; Gilje, N.: Geschichte der Philosophie – eine Einführung in die europäische Philosophiegeschichte 

mit Blick auf die Geschichte der Wissenschaften und die politische Philosophie. Frankfurt 1993.


SKUCE (1997) 

Skuce, D.: Hybrid KM: Integrating Documents, Knowledge Bases, Databases, and the Web. In: o.V.: AAAI 

Spring Symposium “Artificial Intelligence in Knowledge Management”, 24.-26.03.1997 in Stanford. O.O. 

o.J. (1997), o.S. (S. 1-10). Online-Dokument, im Internet unter der URL: „http://ksi.cpsc.ucalgary.ca/ 

AIKM97/“ (Zugriff am 29.07.1999). 

SMITH/BECKER (1996) 

Smith, S.F.; Becker, M.A.: An Ontology for Constructing Scheduling Systems. Paper, The Robotics 

Institute, Carnegie Mellon University. Pittsburgh o.J. (1996). 

SMITH/MARK (1999) 

Smith, B.; Mark, D.: Ontology with Human Subjects Testing: An Empirical Investigation of Geographic 

Catagories. In: American Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 245-272. 

SNEED (1979) 

Sneed, J.D.: The Logical Structure of Mathematical Physics. 2. Auflage, Dordrecht – Boston – London 1979. 

SNEED (1983) 

Sneed, J.D.: Structuralism and Scientific Realism. In: Erkenntnis, Vol. 19 (1983), S. 345-370. 

SOARES/AZEVEDO/DE SOUSA (2000) 

Soares, A.L.; Azevedo, A.L.; de Sousa, J.P.: Distributed planning and control systems for the virtual 

enterprise: organizational requirements and development life-cycle. In: Journal of Intelligent Manufacturing, 

Vol. 11 (2000), S. 253-270. 

SOMMERS (1996) 

Sommers, F.: Existence and Correspondence-to-Fact. In: Poli, R.; Simons, P. (Hrsg.): Formal Ontology. 

Dordrecht – Boston – London 1996, S. 131-158. 

SOMMERVILLE (2001) 

Sommerville, I.: Software Engineering. 6. Auflage, Harlow 2001. 

SOWA (1984) 

Sowa, J.: Conceptual Structures. Reading et al. 1984. 

SOWA (1995) 

Sowa, J.F.: Top-level ontological categories. In: International Journal of Human-Computer Studies, Vol. 43 

(1995), S. 669-685. 

SOWA (2000) 

Sowa, J.F.: Knowledge Representation – Logical, Philosophical, and Computational Foundations. Pacific 

Grove et al. 2000. 

SPALLEK (1999) 

Spallek, P.: Knowledge Management at Work: The Chemical Information Network of Arthur D. Little. In: 

Puppe, F.; Fensel, D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based Systems – 

Survey and Future Directions. 5th Biannual German Conference on Knowledge-Based Systems, 03.-05.09. 

1999 in Würzburg, Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition. Internal Report, 

Institut für Informatik, Universität Würzburg. Würzburg 1999, S. 57-60. 

SPENCER-SMITH (1991) 

Spencer-Smith, R.: Logic and Prolog. New York et al. 1991. 

SPINNER (2000) 

Spinner, H.F.: Ordnungen des Wissens: Wissensorganisation, Wissensrepräsentation, Wissensordnung. In: 

Ohly, H.P.; Rahmstorf, G.; Sigel, A. (Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für 

Wissen, Wissenschaft und Informationssysteme, Proceedings der 6. Tagung der Deutschen Sektion der 

Internationalen Gesellschaft für Wissensorganisation, 23.-25.09.1999 in Hamburg. Würzburg 2000, S. 3-23.


SPINNER (2002) 

Spinner, H.F.: Das modulare Wissenskonzept des Karlsruher Ansatzes der integrierten Wissensforschung – 

Zur Grundlegung der allgemeinen Wissenstheorie für ‚Wissen aller Arten, in jeder Menge und Güte’. In: 

Weber, K.; Nagenborg, M.; Spinner, H.F. (Hrsg.): Wissensarten, Wissensordnungen, Wissensregime – Beiträge 

zum Karlsruher Ansatz der integrierten Wissensforschung. Opladen 2002, S. 13-46. 

STAAB (2001) 

Staab, S.: Semantic Web – Das Web der nächsten Generation. In: Karlsruher Transfer, Heft 15 (Sommersemester 

2001), S. 18-23. 

STAAB (2002a) 

Staab, S.: Wissensmanagement mit Ontologien und Metadaten. In: Informatik Spektrum, Bd. 25 (2002), S. 

194-209. 

Staab (2002b) 

Staab, S.: Wissensmanagement mit Ontologien und Metadaten. Habilitationsschrift, Universität Karlsruhe 

2002. 

STAAB ET AL. (2000a) 

Staab, S.; Erdmann, M.; Maedche, A.; Decker, S.: An Extensible Approach for Modeling Ontologies in 

RDF(S). In: Christophides, V.; Plexousakis, D. (Hrsg.): Proceedings of the EDL-2000 Workshop „Semantic 

Web: Models, Architectures and Management“, 21.09.2000 in Lissabon. O.O. 2000, S. 43-52. 

STAAB ET AL. (2000b) 

Staab, S.; Angele, J.; Decker, S.; Erdmann, M.; Hotho, A.; Maedche, A.; Schnurr, H.-P.; Studer, R.: Semantic 

Community Web Portals. In: Computer Networks, Vol. 13 (2000), S. 473-491. 

STAAB/MAEDCHE (2000) 

Staab, S.; Maedche, A.: Ontology Engineering beyond the Modeling of Concepts and Relations. In: Benjamins, 

R.V.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.): Proceedings of the ECAI 2000 (14th 

European Conference on Artificial Intelligence) Workshop on Applications of Ontologies and Problem-Solving 

Methods, 21.-22.08.2000 in Berlin. O.O. 2000, S. 8.1-8.6. 

STAAB/MAEDCHE (2001) 

Staab, S.; Maedche, A.: Knowledge Portals – Ontologies at Work. In: AI Magazine, Vol. 22 (2001), S. 63- 

75. 

STANOEVSKA-SLABEVA ET AL. (1998) 

Stanoevska-Slabeva, K.; Hombrecher, A.; Handschuh, S.; Schmid, B.: Efficient Information Retrieval: Tools 

for Knowledge Management. In: Reimer, U. (Hrsg.): Proceedings of the 2nd International Conference on 

Practical Aspects of Knowledge Management (PAKM98), 29.-30.10.1998 in Basel. Zürich 1998, S. 23-1 – 

23-6. 

STATISTISCHES BUNDESAMT (2003) 

Statistisches Bundesamt: Klassifikation der Wirtschaftszweige – Ausgabe 2003 (WZ 2003). Wiesbaden 

2003. Online-Dokument, im Internet unter der URL: „http://www.destatis.de/allg/d/klassif/wz2003.htm“ 

(Zugriff am 14.09.2004). 

STEELS (1998) 

Steels, L.: The Origins of Ontologies and Communication Conventions in Multi-Agent Systems. In: 

Autonomous Agents and Multi-Agent Systems, Vol. 1 (1998), S. 169-194. 

STEGMÜLLER (1970) 

Stegmüller, W.: Erfahrung, Festsetzung, Hypothese und Einfachheit in der wissenschaftlichen Begriffs- und 

Theoriebildung. Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band II: 

Theorie und Erfahrung, Studienausgabe Teil A. Berlin et al. 1970. 


Stegmüller, W.: Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band 2: 

Theorie und Erfahrung, 2. Halbband: Theorienstrukturen und Theoriendynamik. Berlin – Heidelberg 1973.



Stegmüller, W.: The Structuralist View of Theories – A Possible Analogue of the Bourbaki Programme in 

Physical Science. Berlin – Heidelberg – New York 1979. 

STEGMÜLLER (1986a) 

Stegmüller, W.: Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band II: 

Theorie und Erfahrung, Dritter Teilband: Die Entwicklung des neuen Strukturalismus seit 1973. Berlin – 

Heidelberg – New York 1986. 

STEGMÜLLER (1986b) 

Stegmüller, W.: Kripkes Deutung der Spätphilosophie Wittgensteins – Kommentarversuch über einen 

versuchten Kommentar. Stuttgart 1986. 

STEGMÜLLER (1987a) 

Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band II. 8. Auflage, 


STEGMÜLLER (1987b) 

Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band III. 8. 

Auflage, Stuttgart 1987. 


Stegmüller, W.: Hauptströmungen der Gegenwartsphilosophie – Eine kritische Einführung, Band I. 7. Auflage, 


STEPHENS (2001) 

Stephens, C.U.: The Ontology of Trust and the Transformation of Capitalism in a Knowledge Economy – A 

Commentary on Paul Andler´s „Market, Hierarchy, and Trust: The Knowledge Economy and the Future of 

Capitalism”. In: Organization Science, Vol. 12 (2001), No. 2, S. 238-240. 

STEVENS ET AL. (2004) 

Stevens, R.; Wroe, C.; Lord, P.; Goble, C.: Ontologies in Bioinformatics. In: Staab, S.; Studer, R. (Hrsg.): 


STICKLEN (1989) 

Sticklen, J.: Problem-solving architecture at the knowledge level. In: Journal of Experimental and 

Theoretical Artificial Intelligence, Vol. 1 (1989), No. 4, S. 233-247. 

STOCKMANN (2004) 

Stockmann, L.: Kompetenzmanagement bei der Deutschen Steinkohle AG – als Element von Wissensmanagement. 

Präsentation anlässlich des Praxisforums Wissensmanagement, am 06.05.2004 in Essen (Handout). 

STRAHRINGER (1995) 

Strahringer, S.: Zum Begriff des Metamodells. Schriften zur Quantitativen Betriebswirtschaftslehre, Nr. 

6/95, Technische Hochschule Darmstadt. Darmstadt 1995. 

STRAHRINGER (1998) 

Strahringer, S.: Ein sprachbasierter Metamodellbegriff und seine Verallgemeinerung durch das Konzept des 

Metaisierungsprinzips. In: Pohl, K.; Schürr, A.; Vossen, G. (Hrsg.): Modellierung’ 98 – Proceedings, 11.-13. 

03.1998 in Münster. Bericht Nr. 6/98-I, Institut für Angewandte Mathematik und Informatik, Universität 

Münster. Münster 1998, S. 15-20. (Auch erschienen in: CEUR Workshop Proceedings, Vol. 9., im Internet 

unter der URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-9/“ (Zugriff am 12. 

07.1999). 

STUDER ET AL. (1999) 

Studer, R.; Fensel, D.; Decker, S.; Benjamins, V.R.: Knowledge Engineering: Survey and Future Directions. 

In: Puppe, F. (Hrsg.): XPS-99: Knowledge-Based Systems – Survey and Future Directions, 5th Biannual 

German Conference on Knowledge-Based Systems, 03.-05.09.1999 in Würzburg, Proceedings. Berlin et al. 

1999, S. 1-23.


STUDER ET AL. (2001) 

Studer, R.; Erdmann, M.; Mädche, A.; Oppermann, H.; Schnurr, H.-P.; Staab, S.; Sure, Y.; Tempich, C.: Arbeitsgerechte 

Bereitstellung von Wissen – Ontologien für das Wissensmanagement. Report, Forschungsgruppe 

Wissensmanagement, Institut für Angewandte Informatik und Formale Beschreibungsverfahren 

(AIFB), Universität Karlsruhe. Karlsruhe 2001. 

STUDER/BENJAMINS/FENSEL (1998) 

Studer, R.; Benjamins, R.V.; Fensel, D.: Knowledge Engineering: Principles and Methods. In: Data & 

Knowledge Engineering, Vol. 25 (1998), S. 161-197. 

STUDER/OPPERMANN/SCHNURR (2001) 

Studer, R.; Oppermann, H.; Schnurr, H.-P.: Die Bedeutung von Ontologien für das Wissensmanagement. 

Report der Ontoprise GmbH. Karlsruhe 2001. 

STUDER/SCHNURR/NIERLICH (2001) 

Studer, R.; Schnurr, H.-P.; Nierlich, A.: Semantisches Knowledge Retrieval. Whitepaper der Ontoprise 

GmbH. Karlsruhe 2001. 

STUMME ET AL. (2001) 

Stumme, G.; Taouil, R.; Bastide, Y.; Pasquier, N.; Lakhal, L.: Intelligent Structuring and Reducing of 

Association Rules with Formal Concept Analysis. In: Baader, F.; Brewka, G.; Eiter, T. (Hrsg.): KI 2001: 

Advances in Artificial Intelligence, Joint German/Austrian Conference on AI, 19.-21.09.2001 in Wien, 

Proceedings. Berlin – Heidelberg – New York 2001, S. 335-350. 

STUMME/MAEDCHE (2001) 

Stumme, G.; Maedche, A.: FCA-Merge: Bottom-Up Merging of Ontologies. In: o.V.: Proceedings of the 

17th International Conference on Artificial Intelligence, IJCAI-2001, 01.-06.08.2001 in Seattle. O.O. o.S. (S. 

1-6). 

STUMME/STUDER/SURE (2000) 

Stumme, G.; Studer, R.; Sure, Y.: Towards an Order-Theoretical Foundation for Maintaining and Merging 

Ontologies. In: Bodendorf, F.; Grauer, M. (Hrsg.): Verbundtagung Wirtschaftsinformatik 2000. Aachen 

2000, S. 136-149. 

SUGUMARAN/STOREY (2002) 

Sugumaran, V.; Storey, V.C.: Ontologies for conceptual modeling: their creation, use, and management. In: 

Data & Knowledge Engineering, Vol. 42 (2002), S. 251-271. 

SUKOWSKI (2002) 

Sukowski, O.: Der Einfluss der Kommunikationsbeziehungen auf die Effizienz des Wissenstransfers – Ein 

Ansatz auf Basis der Neuen Institutionenökonomie. Dissertation, Universität St. Gallen. St. Gallen 2002. 

SULLIVAN (1998) 

Sullivan, D.: The Ontology of International Business: A Comment on International Business: An Emerging 

Vision. In: Journal of International Business Studies, Vol. 29 (1998), No. 4, S. 877-886. 

SURE (2002a) 

Sure, Y.: On-To-Knowledge Ontology based Knowledge Management Tools and their Application. In: 

Künstliche Intelligenz, 16. Jg. (2002), Heft 1, S. 35-37. 

SURE (2002b) 

Sure, Y.: Travelling Domain Experiment: Engineering with OntoEdit. In: Angele, J.; Sure, Y. (Hrsg.): Proceedings 

of the 1st Workshop on Evaluation of Ontology-based Tools (EON2002), held at the 13th 

International Conference on Knowledge Engineering and Knowledge Management (EKAW 2002), 30.09. 

2002 in Siguenza, CEUR Workshop Proceedings, o.S. (S. 1-10). Online-Dokument, im Internet unter der 

URL: „http://sunsite.informatik.rwth-aachen.de/Publications/CEUR-WS/Vol-62/“ (Zugriff am 04.01.2005). 

SURE (2003) 

Sure, Y.: Methodology, Tools & Case Studies for Ontology based Knowledge Management. Dissertation, 

Universität Karlsruhe. Karlsruhe 2003.


SURE ET AL. (2002) 

Sure, Y.; Erdmann, M.; Angele, J.; Staab, S.; Studer, R.; Wenke, D.: OntoEdit: Collaborative Ontology 

Development for the Semantic Web. In: o.V.: Proceedings of the First International Semantic Web Conference 

2002 (ISWC 2002), 09.-12.06.2002 in Sardinia. Berlin et al. 2002, S. 221-235. 

SURE/MAEDCHE/STAAB (2000) 

Sure, Y.; Maedche, A.; Staab, S.: Leveraging Corporate Skill Knowledge – From ProPer to OntoProPer. In: 

Mahling, D.; Reimer, U. (Hrsg.): Proceedings of the Third International Conference on Practical Aspects of 

Knowledge Management (PAKM 2000), 30.-31.10.2000 in Basel. Basel 2000, S. 221-229. 

SURE/STAAB/STUDER (2004) 

Sure, Y.; Staab, S.; Studer, R.: On-To-Knowledge Methodology (OTKM). In: Staab, S.; Studer, R. (Hrsg.): 


SURE/STUDER (2002) 

Sure, Y.; Studer, R.: On-To-Knowledge Methodology – final version. On-To-Knowledge deliverable D-18, 

Institut AIFB, Universität Karlsruhe, Karlsruhe 2002. Online-Dokument, im Internet unter der URL: „http:// 

www.ontoknowledge.org/downl/del18.pdf“ (Zugriff am 09.07.2004). 

SWARTOUT ET AL. (1997) 

Swartout, B.; Patil, R.; Knight, K.; Russ, T.: Toward Distributed Use of Large-Scale Ontologies. In: 

Farquhar, A.; Gruninger, M. (Hrsg.): Ontological Engineering, Papers from the 1997 AAAI Symposium, 24.- 

26. 03.1997 in Stanford, Technical Report SS-97-106. Menlo Park 1997, S. 138-148. 

SWERTZ (2000) 

Swertz, C.: Ausbildung zum Gebrauch didaktischer Ontologien. In: Ohly, H.P.; Rahmstorf, G.; Sigel, A. 

(Hrsg.): Globalisierung und Wissensorganisation: Neue Aspekte für Wissen, Wissenschaft und Informationssysteme, 

Proceedings der 6. Tagung der Deutschen Sektion der Internationalen Gesellschaft für Wissensorganisation, 

23.-25.09.1999 in Hamburg. Würzburg 2000, S. 431-447. 

SYCARA ET AL. (1999) 

Sycara, K.; Klusch, M.; Widoff, S.; Lu, J.: Dynamic Service Matchmaking Among Agents in Open Information 

Environments. Preprint 1999. (Veröffentlicht in: Ouksel, A.; Sheth, A. (Hrsg.): Journal ACM 

SIGMOD Record, Special Issue on Semantic Interoperability of Global Information Systems 1999.) 

SYCARA ET AL. (2002) 

Sycara, K.; Widoff, S.; Klusch, M.; Lu, J.: LARKS: Dynamic Matchmaking Among Heterogeneous Software 

Agents in Cyberspace. In: Autonomous Agents and Multi-Agent Systems, Vol. 5 (2002), S. 173-203. 

SYCARA/PAOLUCCI (2004) 

Sycara, K.; Paolucci, M.: Ontologies in Agent Architectures. In: Staab, S.; Studer, R. (Hrsg.): Handbook on 


SYLVAN/THORSON (1992) 

Sylvan, D.A.; Thorson, S.J.: Ontologies, Problem Representation, and the Cuban Missile Crisis. In: Journal 

of Conflict Resolution, Vol. 36 (1992), No. 4, S. 709-732. 

SZUMILEWICZ (1977) 

Szumilewicz, I.: Incommensurability and the Rationality of the Development of Science. In: The British 

Journal for the Philosophy of Science, Vol. 28 (1977), S. 345-350. 

TAMMA/BENCH-CAPON (2002) 

Tamma, V.; Bench-Capon, T.: An ontology model to facilitate knowledge-sharing in multi-agent systems. 

In: The Knowledge Engineering Review, Vol. 17 (2002), No. 1, S. 41-60. 

TATE (1998) 

Tate, A.: Roots of SPAR – Shared Planning and Activity Representation. In: The Knowledge Engineering 

Review, Vol. 13 (1998), No. 1, S. 121-128.


TAUTZ/GRESSE VON WANGENHEIM (1999) 

Tautz, C.; Gresse von Wangenheim, C.: A Representation Formalism for Supporting Reuse of Software Engineering 

Knowledge. In: Puppe, F.; Fensel, D.; Köhler, J.; Studer, R.; Wetter, T. (Hrsg.): XPS-99: Knowledge-Based 

Systems – Survey and Future Directions. 5th Biannual German Conference on Knowledge- 

Based Systems, 03.-05.09.1999 in Würzburg, Proceedings for: Workshop 1, Workshop 2, Workshop 4, Exhibition. 

Internal Report, Institut für Informatik, Universität Würzburg. Würzburg 1999, S. 61-70. 

TEGTMEIER (1994) 

Tegtmeier, E.: Der Hyperdynamismus in der Ontologie der Zeit – Eine Auseinandersetzung mit Brentano 

und McTaggert. In: Logos – Zeitschrift für systematische Philosophie, Bd. 1 (1994), S. 400-421. 

TERO/BRIGGS (1994) 

Tero, A.; Briggs, P.: Consistency versus compatability: a question of levels? In: International Journal of 


THAM/FOX/GRUNINGER (1994) 

Tham, K.D.; Fox, M.S.; Gruninger, M.: A Cost Ontology for Enterprise Modelling. Paper, Department of 

Industrial Engineering, University of Toronto. Toronto 1994. (Auch erschienen in: o.V.: Proceedings of the 

Third Workshop on Enabling Technologies – Infrastructures for Collaborative Enterprises. West Virginia 

University 1994.) 

THOMAS/SCHEER (2003) 

Thomas, O.; Scheer, A.-W.: Customizing von Dienstleistungsinformationssystemen. In: Bullinger, H.-J.; 

Scheer, A.-W. (Hrsg.): Service Engineering – Entwicklung und Gestaltung innovativer Dienstleistungen. 


THOMSEN (2000) 

Thomsen, E-H.: Management von Kernkompetenzen. Methodik zur Identifikation und Entwicklung von 

Kernkompetenzen für die erfolgreiche strategische Ausrichtung von Unternehmen. München 2000. 

TOULMIN/ROEKE/JANIK (1979) 

Toulmin, S.; Roeke, R.; Janik, A.: An introduction to reasoning. New York – London 1979. 

TRICHET/LECLÈRE (2002) 

Trichet, F.; Leclère, M.: A Framework for building Competency-Based Systems dedicated to Human 

Resource Management. Online-Paper, IRIN – Computer Science Research Institute, University of Nantes. 

Nantes o.J. (2002). Online-Dokument, im Internet unter der URL: „http://www.scince.univ-nantes.fr/irin/ 

commoncv“ (Zugriff am 11.03.2003). 

TSCHAITSCHIAN/ABECKER/SCHMALHOFER (1997) 

Tschaitschian, B.; Abecker, A.; Schmalhofer, F.: Information Tuning with KARAT: Capitalizing on Existing 

Documents. In: Plaza, E.; Benjamins, R.: (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th 

European Workshop (EKAW’97), 15.-18.10.1997 in Sant Feliu de Guixols. Berlin et al. 1997, S. 269-284. 

TU ET AL. (1994) 

Tu, S.W.; Eriksson, H.; Gennari, J.; Shahar, Y.; Musen, M.A.: Ontology-Based Configuration of Problem- 

Solving Methods and Generation of Knowledge-Acquisition Tools: Application of PROTÉGÉ-II to Protocol- 

Based Decision Support. SMI Technical Report No. 94-520, Section on Medical Informatics, Stanford 

University School of Medicine. Stanford 1994. 

ULMER (2002) 

Ulmer, G.: Die Bewertung nach Aufgabenerfüllung führt aus dem Patt. In: Personal – Zeitschrift für Human 

Resource Management, 54. Jg. (2002), Heft 7, S. 46-48. 

UPHOFF (1997) 

Uphoff, H.: Ein Ansatz zur Integration von Pfadausdrücken in Frame-Logik. Dissertation, Universität 

Freiburg im Breisgau. Freiburg im Breisgau 1997. 

USCHOLD (1996a) 

Uschold, M.: Converting an Informal Ontology into Ontolingua: Some Experiences. In: Proceedings of the 

Workshop on Ontological Engineering (in conjunction with ECAI´96), Budapest 1996. (Auch erschienen als 

AIAI Technical Report 192.)


USCHOLD (1996b) 

Uschold, M.: Building Ontologies: Towards A Unified Methodology. In: 16th Annual Conference of the 

British Computer Society Specialist Group on Expert Systems, Cambridge 1996. (Auch erschienen als AIAI 

Technical Report 197.) 

USCHOLD (1996c) 

Uschold, M.: Knowledge level modelling: concepts and terminology. In: The Knowledge Engineering 

Review, Vol. 11 (1996), No. 2, S. 5-29. 

USCHOLD ET AL. (1998) 

Uschold, M.; King, M.; Moralee, S.; Zorgios, Y.: The Enterprise Ontology. In: The Knowledge Engineering 

Review, Vol. 13 (1998), No. 1, S. 31-89. 

USCHOLD/GRUNINGER (1996) 

Uschold, M.; Gruninger, M.: Ontologies: principles, methods and applications. In: The Knowledge 

Engineering Review, Vol. 11 (1996), No. 2, S. 93-136. (Auch erschienen als: Ontologies: Principles, 

Methods and Applications. Report AIAI-TR-191, Artificial Intelligence Applications Institute, The 

University of Edinburgh. Edinburgh 1996.) 

USCHOLD/JASPER (1999) 

Uschold, M.; Jasper, R.: A Framework for Understanding and Classifying Ontology Applications. In: 

Benjamins, V.R.; Chandraskendaran, B.; Gomez-Perez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings 

of the IJCAI-99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in 

Stockholm. Amsterdam 1999, S. 11-1 – 11-12. 

USCHOLD/KING (1995) 

Uschold, M.; King, M.: Towards a Methodology for Building Ontologies. In: Workshop on Basic 

Ontological Issues in Knowledge Sharing (in conjunction with IJCAI-95). Montreal 1995. (Auch erschienen 

als AIAI Technical Report 183.) 

VAN DER AALST/VAN HEE (2002) 

van der Aalst, W.; van Hee, K.: Workflow Management – Models, Methods, and Systems. Cambridge – 

London 2002. 

VAN HARMELEN/FENSEL (1999) 

van Harmelen, F.; Fensel, D.: Practical Knowledge Representation for the Web. In: Fensel, D.; Knoblock, 

C.; Kushmerick, N.; Rousset, M.-C. (Hrsg.): Proceedings of the IJCAI-99 Workshop on Intelligent 

Information Integration, 31.07.1999 in Stockholm, CEUR Workshop Proceedings, Vol. 23. Aachen 1999, 

o.S. (S. 1-7). 

VAN HEIJST/SCHREIBER/WIELINGA (1997) 

van Heijst, G.; Schreiber, T.; Wielinga, B.J.: Using explicit ontologies in KBS development. In: International 

Journal of Human-Computer Studies, Vol. 45 (1997), S. 183-292. 

VAN HOOF/FILLIES (2003) 

van Hoof, A.; Fillies, C.: Das semantische Unternehmensprozessweb – Aufgaben- und rollengerechte 

Informationsversorgung durch vorgebaute Informationsräume. In: Künstliche Intelligenz, 17. Jg. (2003), 

Heft 3/4, S. 50-53. 

VASCONCELOS/KIMBLE/GOUVEIA (2000) 

Vasconcelos, J.; Kimble, C.; Gouveia, F.R.: A Design for a Group Memory System Using Ontologies. In: 

o.V.: Proceedings of 5th UKAIS Conference, 2000 in Cardiff. o.O. 2000, o.S. (S. 1-11). 

VDI/VDE 2621 (1996) 

Verein Deutscher Ingenieure/Verein Deutscher Elektrotechniker (Hrsg.): Qualitätsmanagement mit 

Wissensbasierten Systemen – Anwenderleitfaden. Richtlinie 2621 – Entwurf. Düsseldorf 1996. 

VERLAGE (1998) 

Verlage, M.: Vorgehensmodelle und ihre Formalisierung. In: Kneuper, R.; Müller-Luschnat, G.; Oberweis, 

A. (Hrsg.): Vorgehensmodelle für die betriebliche Anwendungsentwicklung. Leipzig 1998, S. 60-76. 

VICKERY (1997) 

Vickery, B.C.: Ontologies. In: Journal of Information Sciences, Vol. 23 (1997), No. 4, S. 277-286.


VISSER (2004) 

Visser, U.: Intelligent Information Integration for the Semantic Web. Berlin et al. 2004. 

VISSER ET AL. (2002a) 

Visser, U.; Stuckenschmidt, H.; Schuster, G.; Vögele, T.: Ontologies for geographic information processing. 

In: Computers & Geosciences, Vol. 28 (2002), S. 103-117. 

VISSER ET AL. (2002b) 

Visser, U.; Stuckenschmidt, H.; Schlieder, C.; Wache, H.; Timm, I.: Terminology Integration for the Management 

of Distributed Information Resources. In: Künstliche Intelligenz, 16. Jg. (2002), Heft 1, S. 31-34. 

VISSER/BENCH-CAPON (1998) 

Visser, P.R.S.; Bench-Capon, T.J.M.: A Comparison of Four Ontologies for the Design of Legal Knowledge 

Systems. In: Artificial Intelligence and Law, Vol. 6 (1998), S. 27-57. 

VISSER/TAMMA (1999) 

Visser, P.R.S.; Tamma, V.A.M.: An Experience with Ontology-based Agent Clustering. In: Benjamins, 

V.R.; Chandraskendaran, B.; Gomez-Perez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings of the IJCAI- 

99 Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in Stockholm. Amsterdam 

1999, S. 12-1 – 12-13. 

VOLLMER (1987) 

Vollmer, G.: Was Evolutionäre Erkenntnistheorie nicht ist. In: Riedl, R.; Wuketis, F.M. (Hrsg.): 

Evolutionäre Erkenntnistheorie. Bedingungen – Lösungen – Kontroversen. Berlin – Hamburg 1987, S. 140- 

155. 

VOLLMER (1994) 

Vollmer, G.: Evolutionäre Erkenntnistheorie. 6. Auflage, Stuttgart 1994. 

VON FOERSTER (1987) 

von Foerster, H.: Erkenntnistheorien und Selbstorganisation. In: Schmidt, S.J. (Hrsg.): Der Diskurs des 

Radikalen Konstruktivismus. Frankfurt/Main 1987, S. 133-158. 

VON HUMBOLDT (1963) 

von Humboldt, W.: Schriften zur Sprachphilosophie. Darmstadt 1963 (im Original: 1830-1835). 

VON KROGH/ROOS (1996) 

von Krogh, G.; Roos, J.: Conversation Management for Knowledge Development. In: von Krogh, G.; Roos, 

J. (Hrsg.): Managing Knowledge: Perspectives on Communication and Competition. London et al. 1996, S. 

218-226. 

VON KUTSCHERA (1975) 

von Kutschera, F.: Sprachphilosophie. 2. Auflage, München 1975. 

VON KUTSCHERA (1976) 

von Kutschera, F.: Einführung in die intensionale Semantik. Berlin – New York 1976. 

VON SAVIGNY (1996) 

von Savigny, E.: Der Mensch als Mitmensch – Wittgensteins › Philosophische Untersuchungen ‹. München 

1996. 

VOSSEN (1994) 

Vossen, G.: Datenmodelle, Datenbanksprachen und Datenbank-Management-Systeme. 2. Auflage, Bonn et 

al. 1994. 

WAND (1996) 

Wand, Y.: Ontology as a foundation for meta-modelling and method engineering. In: Information and 

Software Technology, Vol. 38 (1996), S. 281-287. 

WAND ET AL. (1995) 

Wand, Y.; Monarchi, D.E.; Parsons, J.; Woo, C.C.: Theoretical foundations for conceptual modelling in 

information systems development. In: Decision Support Systems, Vol. 15 (1995), S. 285-304.


WAND/WEBER (1989) 

Wand, Y.; Weber, R.: An ontological evaluation of systems analysis and design methods. In: Falkenberg, 

E.D.; Lindgreen, P. (Hrsg.): Information System Concepts: An Indepth Analysis. Amsterdam et al. 1989, S. 

79-107. 

WAND/WEBER (1995) 

Wand, Y.; Weber, R.: On the deep structure of information systems. In: Information Systems Journal, Vol. 5 

(1995), S. 203-223. 

WANG, X. (2002) 

Wang, X.: Taxonomy, truth-value gaps and incommensurability: a reconstruction of Kuhn´s taxonomic 

interpretation of incommensurability. In: Studies in History and Philosophy of Science, Vol. 33 (2002), S. 

465-485. 

WANG, Y. (2002) 

Wang, Y.: Software Engineering Standards: Review and Perspectives. In: Chang, S.K. (Hrsg.): Handbook of 

Software Engineering und Knowledge Engineering, Vol. 1: Fundamentals. Singapore 2002, S. 277-304. 

WARNECKE/GISSLER/STAMMWITZ (1998) 

Warnecke, G.; Gissler, A.; Stammwitz, G.: Referenzmodell Wissensmanagement – Ein Ansatz zur 

modellbasierten Gestaltung wissensorientierter Prozesse. In: Information Management, 13. Jg. (1998), Heft 

1, S. 24-50. 

WATERMAN (1986) 

Waterman, D.A.: A Guide to Expert Systems. Reading 1986. 

WEBER (1993) 

Weber, K.: Mehrkriterielle Entscheidungen. München – Wien 1993. 

WEBER (1995) 

Weber, K.: AHP-Analyse. In: Zeitschrift für Planung, 6. Jg. (1995), Heft 2, S. 185-195. 

WEBER (1997) 

Weber, R.: Ontological Foundation of Information Systems. Melbourne 1997. 

WEBER (2002) 

Weber, R.: Conceptual Modelling and Ontology: Possibilities and Pitfalls. In: Spaccapietra, S.; March, S.T.; 

Kambayashi, Y. (Hrsg.): Conceptual Modeling – ER 2002. 21st International Conference on Conceptual 

Modeling, 07.-11.10.2002 in Tampere, Proceedings. Berlin et al. 2002, S. 1-2. 

WEI (1999) 

Wei, F.: F-logic Semantics and Implementation of Internet Metadata. Paper, Technische Universität Dresden, 

Computational Logic/Universität Freiburg, Institut für Informatik. Dresden – Freiburg 1999. 

WEINRICH (1985) 

Weinrich, H.: Wege der Sprachkultur. Stuttgart 1985. 

WEINSTEIN (1998) 

Weinstein, P.C.: Ontology-Based Metadata: Transforming the MARC Legacy. In: o.V.: Proceedings of the 

Third ACM Conference on Digital Libraries, 1998 in Pittsburgh. New York 1998, S. 254-263. 

WEINSTEIN/BIRMINGHAM (1998) 

Weinstein, P.C.; Birmingham, W.P.: Creating ontological metadata for digital library content and services. 

Paper, University of Michigan Digital Library, Artificial Intelligence Laboratory, University of Michigan. 

Michigan 1998. 

WEISGERBER (1962) 

Weisgerber, L.: Die sprachliche Gestaltung der Welt. 3. Aufl., Düsseldorf 1962. 


Weisgerber, L.: Die geistige Seite der Sprache und ihre Erforschung. Düsseldorf 1971.



Weisgerber, L.: Die anthropologische Tragweite der energetischen Sprachbetrachtung. In: Gadamer, H.-G.; 

Vogler, P. (Hrsg.): Neue Anthropologie, Band 7: Philosophische Anthropologie, Zweiter Teil. Stuttgart 

1975, S. 168-203. 

WEISS (2001) 

Weiss, G. (Hrsg.): Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. 3. 

Auflage, Cambridge 2001. 

WEISSMAHR (1991) 

Weissmahr, B.: Ontologie – Grundkurs Philosophie 3. 2. Auflage, Stuttgart – Berlin – Köln 1991. 

WELTY/FERRUCCI (1999) 

Welty, C.; Ferrucci, D.A.: Instances and Classes in Software Engineering. In: Intelligence, Vol. 10 (1999), 

No. 2, S. 18-23. 

WELTY/GUARINO (2001) 

Welty, C.; Guarino, N.: Supporting ontological analysis of taxonomic relationships. In: Data & Knowledge 

Engineering, Vol. 39 (2001), S. 51-74. 

WHITELEY (2002) 

Whiteley, A.: Core values, GSS and Social Constructionism: Paradigmatic Reflections – A concept by 

Stephen Simpson (Whiteley, Simpson and Soutar, 2000). In: Callaos, N.; Porter, J.; Rishe, N. (Hrsg.): The 

6th World Multiconference on Systemics, Cybernetics and Informatics, 14.-18.07.2002 in Orlando, Proceedings, 

Vol. VII – Information Systems Development II. Orlando 2002, o.S. (S. 1-7). 

WHORF (1997) 

Whorf, B.L.: Sprache – Denken – Wirklichkeit. Grundzüge zur Metalinguistik und Sprachphilosophie. 21. 

Auflage, Hamburg 1997. 

WIELINGA/SCHREIBER (1994) 

Wielinga, B.; Schreiber, G.: Reusable and Shareable Knowledge Bases: A European Perspective. In: Fuchi, 

K.; Yokoi, T. (Hrsg.): Knowledge Building and Knowledge Sharing. Tokyo et al. 1994, S. 110-120. 

WIERINGA/MEYER/WEIGAND (1989) 

Wieringa, W.; Meyer, J.-J.; Weigand, H.: Specifying dynamic and deontic integrity constraints. In: Data & 

Knowledge Engineering, Vol. 4 (1989), S. 157-189. 

WILKESMANN/RASCHER (2002) 

Wilkesmann, U.; Rascher, I.: Lässt sich Wissen durch Datenbanken managen? Möglichkeiten und Grenzen 

von elektronischen Datenbanken. In: Zeitschrift Führung und Organisation, 71. Jg. (2002), Heft 6, S. 342- 

351. 

WILLASCHEK (1996) 

Willaschek, M.: Sprachphilosophie. In: Gniffke, F.; Herold, N. (Hrsg.): Philosophie. Problemfelder und 

Disziplinen. Münster 1996, S. 157-177. 

WIND/SAATY (1980) 

Wind, Y.; Saaty, T.L.: Marketing Applications of the Analytic Hierarchy Process. In: Management Science, 

Vol. 26 (1980), No. 7, S. 641-658. 

WINTER (1991) 

Winter, R.: Mehrstufige Produktionsplanung in Abstraktionshierarchien auf der Basis relationaler 

Informationsstrukturen. Dissertation, Universität Frankfurt/Main 1989. Berlin et al. 1991. 

WINTER (2000) 

Winter, A.: Referenz-Metaschema für visuelle Modellierungssprachen. Dissertation, Universität Koblenz- 

Landau 2000. Wiesbaden 2000.


WITTGENSTEIN (1921), 

Wittgenstein, L.: Logisch-Philosophische Abhandlung. In: Annalen der Naturphilosophie, Bd. 14 (1921), S. 

185-262. (Auch erschienen als: a) Tractatus Logico-Philosophicus. 6. Druck, London 1955. b) Wiehl, R. 

(Hrsg.): Geschichte der Philosophie in Text und Darstellung, Band 8: 20. Jahrhundert. Frankfurt/Main 1984, 

S. 290-325 (auszugsweise). c) Wittgenstein: Ausgewählt und vorgestellt von Thomas H. Macho. München 

1996, S. 91-166.) 

WITTGENSTEIN (1977) 

Wittgenstein, L.: Philosophische Untersuchungen. Frankfurt/Main 1977. 

WITTGENSTEIN (1996) 

Wittgenstein: Ausgewählt und vorgestellt von Thomas H. Macho. München 1996. 

WOLTERS (2004a) 

Wolters, G.: Syllogismus, hypothetischer. Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und 

Wissenschaftstheorie, Band 4: Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 154-155. 

WOLTERS (2004b) 

Wolters, G.: Syllogistik. Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, Band 4: 

Sp-Z. Sonderausgabe, Stuttgart – Weimar 2004, S. 156-158. 

WOLTERS (2004c) 

Wolters, G.: Korrespondenzregel. In: Mittelstraß, J. (Hrsg.): Enzyklopädie Philosophie und Wissenschaftstheorie, 


WRIGHT (1999) 

Wright, A.: Knowledge & Skills Management at NSA – It’s all about people. In: Knowledge Management 

Review, Vol. 1999, No. 9, S. 20-23. 

WUWONGSE ET AL. (2003) 

Wuwongse, V.; Akama, K.; Anutariya, C.; Nantajeewarawat, E.: A Data Model for XML Databases. In: 

Journal of Intelligent Information Systems, Vol. 20 (2003), No. 1, S. 63-80. 

YAMAGUCHI (1999) 

Yamaguchi, T.: Constructing Domain Ontologies Based on Concept Drift Analysis. In: Benjamins, V.R.; 

Chandraskendaran, B.; Gómez-Pérez, A.; Guarino, N.; Uschold, M. (Hrsg.:) Proceedings of the IJCAI-99 

Workshop on Ontologies and Problem-Solving Methods (KRR5), am 02.08.1999 in Stockholm. Amsterdam 

1999, S. 13-1 – 13-7. 

YATES-MERCER/BAWDEN (2002) 

Yates-Mercer, P.; Bawden, D.: Managing the paradox: the valuation of knowledge and knowledge 

management. In: Journal of Information Science, Vol. 28 (2002), No. 1, S. 19-29. 

YEN/TEH/LIVELY (1998) 

Yen, J.; Teh, S.H.; Lively, W.M.: Principled Modeling and Automatic Classification for Enhancing the 

Reusability of Problem Solving Methods of Expert Systems. In: Applied Intelligence, Vol. 1 (1998), S. 139- 

155. 

YOO/KIM (2002) 

Yoo, S.B.; Kim, Y.: Web-based knowledge management for sharing product data in virtual enterprises. In: 

International Journal of Production Economics, Vol. 75 (2002), S. 173-183. 

YUAN/CHENG (2004) 

Yuan, S.-T.; Cheng, C.: Ontology-based personalized couple clustering for heterogeneous product recommendation 

in mobile marketing. In: Expert Systems with Applications, Vol. 26 (2004), No. 4, S. 461-476. 

ZARNEKOW (1999) 

Zarnekow, R.: Softwareagenten und elektronische Kaufprozesse – Referenzmodelle zur Integration. Dissertation, 

Technische Universität Freiberg 1999. Wiesbaden 1999.


ZARRI/AZZAM (1997) 

Zarri, G.P.; Azzam, S.: Building Up and Making Use of Corporate Knowledge Repositories. In: Plaza, E.; 

Benjamins, R.: (Hrsg.): Knowledge Acquisition, Modeling and Management, 10th European Workshop 

(EKAW’97), 15.-18.10.1997 in Sant Feliu de Guixols. Berlin et al. 1997, S. 301-316. 

ZDRAHAL/VALASEK/CERMAK (1999) 

Zdrahal, Z.; Valasek, M.; Cermak, J.: Selecting Manufacturing Technology: A Knowledge Modelling 

Approach. In: Journal of Intelligent and Robotic Systems, Vol. 26 (1999), S. 405-422. 

ZELEWSKI (1990) 

Zelewski, S.: Schwache Argumente gegen die starke KI-These – Ein Beitrag zur Diskussion über Searle’s 

chinesisches Zimmer. Arbeitsberichte des Industrieseminars der Universität zu Köln, Nr. 32. Köln 1990 

(veröffentlicht in: WI-Depot Nr. 93/5). 


Zelewski, S.: Die starke KI-These – Zu Searle’s Wiederbelebung einer fragwürdigen Debatte über die 

Grundlagen des Erkenntnisprogramms der Erforschung Künstlicher Intelligenz (KI). In: Journal for General 

Philosophy of Science, Vol. 22 (1991), S. 337-348. 

ZELEWSKI (1993a) 

Zelewski, S.: Strukturalistische Produktionstheorie – Konstruktion und Analyse aus der Perspektive des „non 

statement view“ (Habilitationsschrift unter dem Titel “Strukturalistische Produktionstheorie – Ein Vorschlag 

für Formulierung und Leistungsvergleich produktionswirtschaftlicher Theorien“, Universität zu Köln 1992). 

Wiesbaden 1993. 

ZELEWSKI (1993b) 

Zelewski, S.: Searle’s Wiederbelebung der starken KI-These – Ein Beitrag zur Diskussion des Erkenntnisprogramms 

der Erforschung Künstlicher Intelligenz (KI). In: Casati, R.; White, G. (Hrsg.): Philosophy and 

the Cognitive Sciences, Papers of the 16th International Wittgenstein Symposium, 15.-22.08.1993 in Kirchberg, 

Beiträge der Österreichischen Ludwig Wittgenstein Gesellschaft (Nr.) 1. Kirchberg 1993, S. 611-616. 


Zelewski, S.: Produktionstheorie aus der Perspektive des „non statement view“. Ein Beitrag zur strukturalistischen 

Formulierung produktionswirtschaftlicher Theorien. In: Zeitschrift für Betriebswirtschaft, 64. Jg. 

(1994), S. 897-922. 


Zelewski, S.: Die ATMS-Technik – Das Einsatzpotential begründungsverwaltender Systeme für Anpassungsplanungen. 

In: Zahn, E. (Hrsg.): Technologiemanagement und Technologien für das Management, 55. 

Wissenschaftliche Jahrestagung des Verbandes der Hochschullehrer für Betriebswirtschaft e.V. an der 

Universität Stuttgart 1993. Stuttgart 1994, S. 487-506. 


Zelewski, S.: Petrinetzbasierte Modellierung komplexer Produktionssysteme – Eine Untersuchung des Beitrags 

von Petrinetzen zur Prozeßkoordinierung in komplexen Produktionssystemen, insbesondere Flexiblen 

Fertigungssystemen. Bände 1 bis 10, Arbeitsberichte Nr. 5 bis 15, Institut für Produktionswirtschaft und 

Industrielle Informationswirtschaft, Universität Leipzig. Leipzig 1995. 


Zelewski, S.: Evolution produktionswirtschaftlicher Theoriebildung unter dem Einfluss ökologischer Problemstellungen. 

Eine Rekonstruktion auf der Basis des „non statement view“. In: Weber, J. (Hrsg.): Umweltmanagement 

– Aspekte einer umweltbezogenen Unternehmensführung, Tagungsband der 58. Wissenschaftlichen 

Jahrestagung des Verbandes der Hochschullehrer für Betriebswirtschaft e.V. in Vallendar 1996. Stuttgart 

1997, S. 335-373. 


Zelewski, S.: Ontologien zur Strukturierung von Domänenwissen – Ein Annäherungsversuch aus betriebswirtschaftlicher 

Perspektive. Arbeitsbericht Nr. 3, Institut für Produktion und Industrielles Informationsmanagement, 

Universität Essen. Essen 1999.



Zelewski, S.: Grundlagen. In: Corsten, H.; Reiß, M.: (Hrsg.): Betriebswirtschaftslehre. 3. Auflage, München 

– Wien 1999, S. 1-125. 


Zelewski, S.: Ontologien – ein Überblick über betriebswirtschaftliche Anwendungsbereiche. In: o.V.: 

Workshop „Forschung in schnellebiger Zeit“, 30.-31.03.2001 in Appenzell, Beitrag 5, Kurzfassung o.S. (S. 

1-9) und Langfassung (S. 1-22). 


Zelewski, S.: Organisierte Erfahrung – Wissensmanagement mit Ontologien. In: Essener Unikate, Nr. 18: 

Wirtschaftsinformatik – Wissensmanagement und E-Services. Essen 2002, S. 63-73. 


Zelewski, S.: Wissensmanagement mit Ontologien – eine einführende Darstellung. Arbeitsbericht Nr. 15, 

Institut für Produktion und Industrielles Informationsmanagement, Universität Essen. Essen 2002. 


Zelewski, S.: Epistemische Unterbestimmtheit ökonomischer Theorien – eine Analyse des konventionellen 

Theorienkonzepts aus der Perspektive des „non statement view“. In: Frank, U. (Hrsg.): Wissenschaftstheorie 

in Ökonomie und Wirtschaftsinformatik – Theoriebildung und -bewertung, Ontologien, Wissensmanagement. 

Tagung der Kommission Wissenschaftstheorie des Verbands der Hochschullehrer für Betriebswirtschaft 

e.V., 05.-06.06.2003 in Koblenz. Wiesbaden 2004, S. 1-30. 


Zelewski, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken (KOWIEN). In: Zelewski, S.; 

Alparslan, A. (Hrsg.): Industrieerprobte Lösungen und Werkzeuge für Produktentwicklung, Engineering und 

Kompetenzmanagement, Proceedings zum Abschlussworkshop der Verbundprojekte GINA, KoEffizient und 

KOWIEN, 05.-06.10.2004 in Braunschweig. Essen 2004, S. 21-83. 

ZELEWSKI (2004c) 

Zelewski, S.: Kooperatives Wissensmanagement in Engineering-Netzwerken – (Vorläufiger) Abschlussbericht 

zum Verbundprojekt KOWIEN. Arbeitsbericht Nr. 25 und zugleich KOWIEN-Projektbericht 10/2004, 

Institut für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus 

Essen). Essen 2004. 

ZELEWSKI ET AL. (2005) 

Zelewski, S.; Ahlert, D.; Kenning, P.; Schütte, R. (Hrsg.): Wissensmanagement in Dienstleistungsnetzwerken 

– Wissenstransfer fördern mit der Relationship Management Balanced Scorecard. Wiesbaden 2005. 

ZELEWSKI/FISCHER (1999) 

Zelewski, S.; Fischer, K.: Ontologiebasierte Koordination von Anpassungsplanungen in Produktions- und 

Logistiknetzwerken mit Multi-Agenten-Systemen. Arbeitsbericht Nr. 5, Institut für Produktion und Industrielles 

Informationsmanagement, Universität Essen. Essen 1999. 

ZELEWSKI/PETERS (2003) 

Zelewski, S.; Peters, M.L.: Lösung multikriterieller Entscheidungsprobleme mit Hilfe des Analytical 

Hierarchy Process (AHP). In: Das Wirtschaftsstudium, 32. Jg. (2003), Heft 10, S. 1210-1218. 

ZELEWSKI/PETERS (2004) 

Zelewski, S.; Peters, M.L.: Die Fallstudie aus der Betriebswirtschaftslehre – Standortplanung mit Hilfe des 

Analytical Hierarchy Process (II). In: Das Wirtschaftsstudium, 33. Jg. (2004), Heft 6, S. 780-784. 

ZELEWSKI/SCHÜTTE/SIEDENTOPF (2001) 

Zelewski, S.; Schütte, R.; Siedentopf, J.: Ontologien zur Repräsentation von Domänen. In: Schreyögg, G. 

(Hrsg.): Wissen in Unternehmen – Konzepte, Maßnahmen, Methoden. Tagung der Wissenschaftlichen Kommission 

„Wissenschaftstheorie“ des Verbandes der Hochschullehrer für Betriebswirtschaft e.V., 18.-19.06. 

1999 in Berlin. Berlin 2001, S. 183-221.


ZELEWSKI/SIEDENTOPF (1999) 

Zelewski, S., Siedentopf, J.: Ontology-based coordination of planning activities in networks of autonomous 

production facilities using multi-agent systems. In: Kirn, S.; Petsch, M. (Hrsg.): Workshop „Intelligente 

Softwareagenten und betriebswirtschaftliche Anwendungszenarien“, Technische Universität Ilmenau. Ilmenau 

1999, S. 77-84. 

ZOGLAUER (1993) 

Zoglauer, T.: Das Problem der theoretischen Terme. Eine Kritik an der strukturalistischen Wissenschaftstheorie. 

Braunschweig – Wiesbaden 1993. 

ZUG/KLUMPP/KROL (2003) 

Zug, S.; Klumpp, M.; Krol, B.: Wissensmanagement im Gesundheitswesen. Arbeitsbericht Nr. 16, Institut 

für Produktion und Industrielles Informationsmanagement, Universität Duisburg-Essen (Campus Essen). Essen 

2003. 

ZUNIGA (1999) 

Zuniga, G.L.: An Ontology of Economic Objects: An Application of Carl Menger’s Ideas. In: American 

Journal of Economics & Sociology, Vol. 58 (1999), No. 2, S. 299-311.

Ontologiebasierte Kompetenzmanagementsysteme (12.8 MB)

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?