Erfahrungswissenbasiertes Technologiemonitoring

Erfahrungswissenbasiertes Technologiemonitoring Tim Schloen, Fraunhofer Institut für Arbeitswirtschaft und Organisation (IAO)1 Marc Rüger, Fraunhofer Institut für Arbeitswirtschaft und Organisation (IAO)2 1. Ausgangssituation Die Identifikation, der Zugang und die Integration von Technologien stellen für Unternehmen wichti- ge Fähigkeiten dar, um die Wettbewerbsposition weiter zu verbessern. Vor allem die Kombination verschiedener, scheinbar nicht zusammenpassender, Technologien verspricht in Zukunft neue Mög- lichkeiten und Potenziale. Neue Branchen bilden sich heraus, die sich ganz bewusst auf eine interdis- ziplinäre Kombination ursprünglich getrennter Domänen konzentrieren. Als Beispiel können hier Mechatronik (als Kombination von Maschinenbau und Elektrotechnik) und Polytronik (als Kombinati- on von Kunststoffen und Elektronikbauelementen) genannt werden. Darüber hinaus werden die Leistungsumfänge einzelner Produkte und Dienstleistungen ständig um- fangreicher. So erwarten die Kunden nicht die Leistung an sich, sondern aus ihrer Sicht betrachtet die Lösung ihres Problems. Diese beinhaltet eine Kombination aus Produkten und Dienstleistungen, sie können daher auch als hybride Produkte bezeichnet werden. Diese integrierte (Problemlösungs-) Betrachtungsweise erfordert konsequenterweise eine entsprechende Integration des gesamten er- forderlichen Wissens. 2. Das Konzept des strategischen Technologiemonitoring Dem erhöhten Wissensbedarf und der steigenden Komplexität steht ein täglich steigendes Informa- tionsangebot gegenüber. Für die Unternehmen wird es also zunehmend wichtiger, aus dem Informa- tionsangebot mit einem vertretbaren Aufwand genau diejenigen Informationen herauszufiltern, die dem Bedarf entsprechen und diese so weiterzuverarbeiten und zu nutzen, dass kundengerechte In- novationen entwickelt und verkauft werden können. Ein solches systematisches Technologiemonito- 1 tim.schloen@iao.fhg.de 2 marc.rueger@iao.fhg.de Fraunhofer IAO Seite 1 ring ist allerdings in den wenigsten Unternehmen etabliert. Gleichzeitig werden aber auch die Gren- zen der bisherigen Methoden sichtbar: Da einerseits auf immer mehr qualifizierte Informationen zugegriffen werden kann, werden halbau- tomatische Verfahren benötigt, um die Informationsmenge strukturieren und damit für die Mitarbei- ter handhabbar machen zu können. Andererseits gibt es immer weniger Experten, die neben ihrem eigenen Fachgebiet auch aktuelle Entwicklungen auf benachbarten Gebieten überblicken und bewerten können. Es sind aber genau diese Grenzflächentechnologien (d.h. die Kombination mehrerer Technologien wie z.B. Polytronik), die einen nachhaltigen Wettbewerbsvorsprung ermöglichen. Die Unternehmen müssen folglich in der Lage sein, unterschiedliche Experten innerhalb und außerhalb des Unternehmens zu identifizie- ren und einen Rahmen entwickeln, in dem eine schneller und effektiver Informations- und Erfah- rungsaustausch zwischen den Experten möglich ist. 2.1 Konzept Das IAO hat auf Basis intensiver Forschungsarbeiten und Praxisprojekte eine integrierte Vorgehens- weise entwickelt, die die Anforderungen an ein strategisches Monitoring aufnimmt und Unterneh- men ein handhabbares Instrumentarium bietet. Zwei wesentliche Elemente prägen diese Vorgehensweise: a) ontologiebasierte Textanalyse Der verfügbare Textkorpus wird durch halbautomatische Verfahren analysiert und aufbereitet. Ab- hängig von der verwendeten Software können Cluster gebildet, Relevanzlisten erstellt, Phrasen ext- rahiert und eine graphische Darstellung (Begriffsnetz) entwickelt werden. Je nach gewünschtem Er- gebnis kann die textbasierte Analyse durch eine ontologische Aufbereitung der Fachterminologie weiter verfeinert werden. Die skizzierten Verfahren können jedoch keine impliziten Schlüsse aus den analysierten Texten zie- hen, somit sind auch keine Aussagen bezüglich zukünftiger Entwicklungen von Technologien möglich. Diese Aufgabe wird von Expertennetzwerken, den Communities of Technology (CoT) übernommen. b) Communities of Technology Die durch die Textanalyse erzielten Ergebnisse fließen als Input in die Communities of Technology ein. Diese Netzwerke von Fachexperten haben die Aufgabe, die Textanalyse zu interpretieren und auf Fraunhofer IAO Seite 2 Basis ihres Erfahrungswissens fundierte Aussagen bezüglich der Relevanz und Entwicklung von Tech- nologien abzuleiten. Abb.1: Einbindung den Gesamtzusammenhang 2.1.1 ontologiebasierte Textanalyse Der Aufwand für eine ontologiebasierte Textanalyse hängt stark von den erwarteten Ergebnissen ab. Für eine detaillierte Relevanzanalyse einer bestimmten Technologie fallen erwartungsgemäß höhere Aufwände an als für eine kurze Potenzialanalyse. Basierend auf der konkreten Aufgabenstellung ist darüber hinaus zu klären, welche Fragen durch die Textanalyse geklärt werden können und welche Einschätzungen durch die Experten erfolgen müssen. Die grundsätzlich für eine automatische Textanalyse zur Verfügung stehenden Verfahren reichen von der einfachen Stichwortextraktion über statistische und informationslinguistische Verfahren bis zu begriffsorientierte Verfahren, die bereits einfache Textbedeutungen erkennen können. Grenzen erreichen die automatischen Verfahren, wenn es um Aufbau und Abbildung von Fachwissen geht. Die bisher erarbeiteten Ergebnisse können nur durch manuelle Unterstützung von Experten zu Fraunhofer IAO Seite 3 einer Ontologie weiterentwickelt werden. Ausgehend von der philosophischen Definition der Onto- l e al „Lehre des Sei ogi s enden“ w i hi rd erunter i der I n nform ati ei defi erte Struktur von Konzep- k ne ni ten, Instanzen und Relationen verstanden. Ziel ist es, Suchergebnisse noch umfangreicher mit Kon- textwissen anzureichern und die Qualität der Ergebnisse somit weiter zu steigern. So können beispielsweise Dokumente gefunden werden, die zwar inhaltlich relevant sind, den eigentlichen Suchterm aber nicht enthalten. Darüber hinaus können Dokumente angezeigt werden, die inhaltlich in einer horizontalen Beziehung stehen, folglich über eine hierarchische Navigation nicht gefunden werden können. Für die Implementierung einer Ontologie in die IT-Architektur reicht eine graphische Darstellung der Begriffe und Beziehungen natürlich nicht aus. Die Ontologie muss wesentlich exakter in einer forma- len Sprache beschrieben sein erfordert damit einen erheblichen Mehraufwand gegenüber einer „kl schen“ hi assi erarchi schen Struktur.Basi erend auf den vorhandenen Strukturen und Begri ffsdefi ni- tionen sind drei weitere Schritte für die Erstellung einer Ontologie notwendig: Konzepterstellung Die wesentlichste Ergänzung der bisherigen Beschreibung des Themenfeldes liegt in der Definition semantischer Regeln, die die Relation der Konzepte zueinander exakt beschreiben. Hierzu werden Inferenz- und Integritätsregeln verwendet. Im ersten Schritt werden die Relationen untersucht, ob es sich jeweils um transitive, symmetrische oder inverse Relationen handelt. Bei transitiven Relationen (z.B. ist Teil von) ist es möglich, mit Hilfe von zwei Relationen auf eine dritte zu schließen. Symmetri- sche Relationen haben die Eigenschaft, dass auch die Umkehrung der Relation gültig ist. Inverse Rela- tionen verhalten sich dagegen immer gegensätzlich. Diese eindeutigen Regeln decken allerdings nur einen Teil der Möglichkeiten ab, wie Relationen be- schrieben werden können. Oft können in der Praxis Schlussfolgerungen gezogen werden, die nicht immer zu 100% Gültigkeit besitzen. Neuere Methoden zur Ontologieentwicklung schließen daher auch Wahrscheinlichkeiten mit ein. So ist es durchaus wahrscheinlich, dass ein Mitarbeiter, der in ei Kom petenz „A“ ei ner nen Expertenstatus besi zum i tzt, ndest auch G rundkenntni sse i ei ande- n ner ren Kom petenz „B“ hat, sofern bei Kom petenzen ei de nen engen i tlchen Zusam m enhang besi nhal i t- zen. So kennen Programmierer, die mit HTML arbeiten, in den meisten Fällen auch die Grundzüge von XML, da beide Sprachen ähnlich aufgebaut sind. Implementierung Nach der Überprüfung der inhaltlichen Darstellung der Ontologie durch die Experten erfolgt die In- tegration der Ontologie in das technische System. Hierfür ist es erforderlich, eine formale Sprache auszuwählen. Bekannte Sprachen zur Abbildung von Ontologien sind beispielsweise F-Logic, DAML+OIL, OWL oder RDF. Viele Anbieter von Entwicklungswerkzeugen bieten auch Softwareappli- kationen an, die es ermöglichen, das konzeptuelle Modell der Ontologie schnittstellenfrei formal zu Fraunhofer IAO Seite 4 repräsentieren. Die Auswahl der Sprache ist in diesem Fall allerdings auf die Vorgaben des Herstellers beschränkt.