Laufende Promotionsarbeiten

Laufende Promotionsarbeiten


Ein datenzentriertes Qualitätsframework für Ontologien

Die Nutzung elektronischer ontologischer Wissensrepräsentationen reicht bis in die 90er Jahre zurück. Doch obwohl diese Technologie vergleichsweise alt ist, ist ihr Einsatz heute noch ungebrochen mit Anwendungsszenarien nicht nur zum Austausch von Informationen, sondern auch bei der Herleitung neuen Wissens durch automatisierte Schlussfolgerungen oder der Verarbeitung natürlicher Sprache. Da die Nutzung von Ontologien weiter steigt - wie kann man die Qualität und Korrektheit solcher Artefakte sicherstellen?
Die Verwendung objektiver, quantifizierbarer Metriken liefert valide Messpunkte. Und in der Vergangenheit wurde eine enorme Menge an Metriken vorgeschlagen, die - unter anderem - die Graphen- und Schemaattribute, Annotationen, Beziehungen oder Instanzen bewerten. Doch oft wird ihr Einfluss auf die tatsächliche Qualität nicht umfassend erforscht. Wie und in welcher Art von Zusammensetzung beeinflussen die von Tartir et. al. im OntoQA-Framework vorgeschlagenen Metriken die Verständlichkeit einer Ontologie? Welchen Einfluss haben die von Gangemi et. al. Vorgeschlagenen Graph-Metriken auf die Wiederverwendbarkeit einer Ontologie? Der Einfluss bestimmter Metriken auf konkrete Qualitätsmerkmale wird oft nicht beschrieben und wenn doch, dann nicht in einem empirisch fundierten Ansatz validiert. Zudem bleiben die meisten Metriken eher isoliert. Es ist oft nicht bekannt, wie die Metriken miteinander korrelieren. Diese Unzulänglichkeiten machen die Verwendung von Ontologie-Metriken willkürlich - besonders unerfahrene Modellierer stehen vor der Herausforderung, die richtigen Metriken für die richtigen Ziele auszuwählen. Auch wenn die Ontologie-Metriken objektiv berechnet werden, bleibt die Interpretation subjektiv.
Validierte Messungen der Ontologiequalität können diesen Modellierern helfen, ontologische Modelle auf der Grundlage ihres angestrebten Nutzungsszenarios zu entwickeln. Eine Übersetzung der abstrakten Messungen in hochwertige Qualitätsdimensionen wie u.a. "Vollständigkeit", "Klarheit" oder "Anpassungsfähigkeit" hilft, die eigene Arbeit in einen breiteren Kontext einzuordnen. Dies gilt insbesondere dann, wenn diese Metriken in einem Repository zur Verfügung gestellt werden, das den Vergleich zwischen dem eigenen Werk und verschiedenen anderen Ontologien ermöglicht. Darüber hinaus können auf der Grundlage der bereitgestellten Qualitätsberechnungen mögliche Verbesserungen für ein bestimmtes Qualitätsziel angegeben werden, wobei die Artefakte hervorgehoben werden, die für jede Qualitätsdimension die einflussreichsten Faktoren sind. Tatsächlich kann dies nicht nur zu besseren Ontologien, sondern langfristig auch zu besser ausgebildetem Modellierungspersonal führen.

Das Ziel dieser Doktorarbeit ist es, eine Verbindung zwischen umfassenden Qualitätsmessungen wie "Verständlichkeit" oder "Vollständigkeit" und den in der Literatur vorgeschlagenen Qualitätsmetriken herzustellen und zu validieren. Mit Hilfe eines datenzentrierten Forschungsdesigns sollen Qualitätsstufen und Verbesserungsvorschläge identifiziert werden. Dies hat das Potential, besonders unerfahrene Ontologie-Ingenieure bei der Beurteilung ihrer Arbeit und der Erstellung besserer Ontologien zu unterstützen. Die Neuheit dieser Forschung liegt in der Datenzentriertheit ihres Designs. Anhand einer Sammlung großer Mengen evolutionärer Ontologie-Metriken sollen statistisch relevante Korrelationen gefunden werden. Dies ermöglicht die Validierung bereits vorgeschlagener und die Identifizierung neuer Qualitätsmessungen.


Ideen- und Innovationsmanagementsystem

Um langfristig erfolgreich zu sein, müssen sich Unternehmen an die sich ständig ändernden politischen, wirtschaftlichen und technischen Herausforderungen und Kundenanforderungen anpassen. Innovationen, zum Beispiel im Bereich der unternehmensinternen Prozesse oder der angebotenen Produkte und Dienstleistungen, tragen wesentlich zum wirtschaftlichen Erfolg von Unternehmen bei. Jede Innovation beginnt mit einer Idee und mehr Ideen führen zu einer höheren Wahrscheinlichkeit einer daraus resultierenden Innovation. Um eine große Anzahl von Ideen systematisch zu verwalten, ist eine IT-Unterstützung notwendig. Solche bereits existierenden Ideen- und Innovationsmanagementsysteme bieten zahlreiche Funktionalitäten, die den kompletten Innovationsprozess von der Ideeneinreichung, dem gemeinsamen Austausch darüber, dem Bewerten der Ideen bis hin zur Implementierung und Vermarktung unterstützen können. Doch bedeutet die Einführung eines solchen Systems nicht, dass ein Unternehmen langfristig innovativ ist. Oft nimmt die anfängliche Euphorie über die Nutzung eines neues Systems mit der Zeit ab bis es gar nicht mehr genutzt wird.

Innerhalb des Forschungsprojektes wird daher bei zwei kleinen und mittelständischen Unternehmen, die bereits ein IT-gestütztes Ideen- und Innovationsmanagementsystem verwendeten, untersucht, was mögliche Gründe für das Nachlassen der Aktivitäten waren. Gleichzeitig werden durch bottom-up-getriebene Studien Wünsche und Anforderungen der Mitarbeitenden an ein solches System erfasst. Dazu werden alle Mitarbeitenden beider Unternehmen von Anfang an, von der Erfassung der Anforderungen bis zur Gestaltung eines Prozessablaufs, einbezogen, so dass gemeinsam eine Methode und Plattform entwickelt wird. Zusätzlich werden mit ihnen Erfolgsfaktoren ausgearbeitet, die für eine langfristige Nutzung eines solchen Systems von Bedeutung sind und untersucht, welche Auswirkungen die Verwendung solch einer Plattform auf das Unternehmen und die Mitarbeitenden hat.


Context-sensitive Assistance Systems for Smart Self-Management

Die digitale Durchdringung des Alltags bietet große Potenziale und führt gleichzeitig zu neuen Herausforderungen. In der gegenwärtigen Arbeitswelt können insbesondere eine Arbeitsverdichtung, sowie Entgrenzung von Arbeits- und Privatleben beobachtet werden. Viele Arbeitnehmer stehen oft unter Zeitdruck. Häufige Unterbrechungen und Multitasking erschweren zusätzlich die Planung und Fertigstellung von Aufgaben, sowohl beruflich als auch privat. Der entstehende Stress und fehlende Erholung sind in allen Lebensbereichen kritische Faktoren. Somit kommt dem Selbstmanagement eine steigende Bedeutung zu, nicht nur im Hinblick auf die Produktivität, sondern insbesondere auch in Bezug auf die Erhaltung der Motivation, des Wohlbefindens und der Gesundheit des Einzelnen. Einen individuell passenden, reibungslosen Workflow zu entwickeln erfordert oftmals zusätzlichen Aufwand, kann aber insbesondere langfristig von großem Vorteil sein. Bisherige Werkzeuge, wie beispielsweise digitale Terminkalender oder To-do Listen, bieten nur eine rudimentäre Unterstützung, da sie meist statisch sind und eine permanente manuelle Anpassung benötigen. Zudem werden Entwicklungen im Bereich der Sensoren und Smart Devices bisher kaum berücksichtigt. Mit ihnen wird es möglich, Daten über den Nutzer und seine Umgebung zu erfassen. Die so gewonnenen Informationen, z.B. über den Ort des Nutzers, seine Bewegung oder biologische Werte, sowie Schlussfolgerungen, beispielsweise über die aktuelle Situation, können in Unterstützungsansätze für das Selbstmanagement einfließen.

Ziel der Forschungsarbeiten ist es, ein Konzept für ein innovatives Assistenzsystem zum kontextsensitiven Selbst-Management zu entwickeln und zu erproben. Hierbei soll insbesondere das Potenzial von Sensoren und Smart Devices zur Erfassung benötigter Daten und zur Umsetzung einer ubiquitär nutzbaren Vorschlagsfunktion untersucht werden. Die Ergebnisse sollen dazu verwendet werden, ein personalisiertes, situationsbezogenes und stresssensitives Assistenzsystem zum Selbst-Management zu entwickeln.


Eine Methode zur Entwicklung von Referenz-Unternehmensarchitekturen

Mit Zielen wie erfolgreicher Organisationsentwicklung und der Harmonisierung von Geschäfts- und IT Landschaft versuchen Unternehmensarchitekturen ein ganzheitliches Bild einer Organisation zu erfassen. Ein Unternehmensarchitektur-Modell beschreibt eine Organisation dabei aus verschiedenen Perspektiven wie Organisationsstrategie, -struktur, Geschäftsprozesse, Datenstrukturen, Informationssystemen und IT-Infrastruktur, um diese dann miteinander in Beziehungen zu setzen. Das Forschungsfeld des Unternehmensarchitektur-Management (engl. Enterprise Architecture Management – EAM) bietet dabei verschiedene Rahmenwerke, Methoden, Notationssprachen sowie Werkzeuge, um solche Architekturmodelle zu entwickeln, zu realisieren und zu analysieren. Obwohl Organisationen eine individuelle Architektur besitzen, können sie anhand verschiedener Merkmale gruppiert werden (z.B. anhand der Branche). Somit lassen sich Gemeinsamkeiten innerhalb solcher Gruppen identifizieren. Zusätzlich können Veränderungen des Geschäftsumfelds (wie z.B. regulatorische Veränderungen, technologische Entwicklungen) ähnliche Konsequenzen für verschiedene Organisationen bedeuten. Mit der Hilfe von Referenzmodellen ist es möglich, gemeinsame Strukturen abzubilden und allgemeingültige Lösungsansätze in Form eines Unternehmensarchitektur-Modells festzuhalten. Die Anwendung solcher Referenzmodelle auf spezielle Organisationskontexte unterstützt dabei eine ganzheitliche, effektive und effiziente Unternehmensentwicklung. Zwar existieren verschiedene Referenzmodelle, die sich auch teilweise auf Strukturen von Unternehmensarchitekturen beziehen, jedoch fehlt es bislang an einer konkreten Methodik Referenz-Unternehmensarchitekturen zu entwickeln.

Ziel dieses Promotionsprojektes ist es, eine Methode zur Entwicklung von Referenz-Unternehmensarchitekturen zu entwickeln. Dabei liegt der Fokus auf Referenzmodelle für Organisationsgruppen, die in einem dynamischen Geschäftsumfeld agieren. Zur Entwicklung der Methode wird das Forschungsdesign Design Science Research genutzt, woraus die Methode als Artefakt entsteht. Die Methode wird durch ihre Anwendung in verschiedenen Fallstudien evaluiert. Dementsprechend entstehen im Laufe des Projektes auch Referenz-Unternehmensarchitekturen, die selbst wiederum als Artefakt gesehen werden können.

Zur Realisierung des Vorhabens, werden verschiedene Ansätze aus dem Bereich der Referenzmodellierungsforschung genutzt. Relevante Fragen dabei sind u.a.: Wann kann eine Referenz-Unternehmensarchitektur als solche bezeichnet werden? Wie lassen sich die relevanten Daten erheben? Wie können bestehende Ansätze auf Strukturen von Unternehmensarchitekturen angewandt werden? Wie lassen sich induktive und deduktive Referenzmodellierung in der Methode integrieren? Des Weiteren werden Fragen aus dem EAM-Gebiet adressiert: Welche Struktur sollte eine Referenz-Unternehmensarchitektur aufweisen? Wie lassen sich EA-Modelle miteinander vergleichen? Welche Ansätze der EAM Analyse können für das Vorhaben genutzt werden?