Inhaltsverzeichnis

Einleitung   3

Daten  und Prozesse  4

Zusammenhang  : Daten, Informationen und Wissen  4

Explizites  Wissen nach Polanyi  5

Implizites  Wissen nach Polanyi  5

Abh  ängigkeit der Daten von Prozessen  6

Abgrenzung  wissensintensiver Prozesse  7

  Überblick über Anwendungssysteme mit Unterstützung wissensintensiver Prozesse  8

Klassifizierung  von Datentypen  10

Allgemeiner  Klassifizierungsansatz von Datentypen  10

Aufz  ählung gängiger Datentypen und Datenformate  11

Klassifizierungsansatz  mit wissensintensivem Prozessbezug  13

Textuelle  Dokumente  13

Numerische  Dokumente  13

Geometrische  Dokumente  13

Analyse  von Datentypen wissensintensiver Prozesse  14

Beispiel  : wissensintensiver Prozess - Angebotserstellung  14

Analyse  von Datentypen textueller Dokumente  16

Dokumentformate  - Textverarbeitung: Text  16

Dokumentformate  - Textverarbeitung: Word oder ähnliche Dokumente  17

Exkurs  : Dokumentformate - Transport Dokumente: XML  17

Exkurs  : Referenzen - Standard Referenz: Internet Media Type (MIME)  19

Exkurs  : Elementare Datentypen und String  21

Exkurs  : Collections  25

Dokumentformate  - Präsentationen: PowerPoint oder ähnliche Dokumente  28

Dokumentformate  - Transport Dokumente: PDF oder ähnliche Dokumente  29

Dokumentformate  - Transport Dokumente: Webseiten  29

Dokumentformate  - Transport Dokumente: Artikel  30

Dokumentformate  - Transport Dokumente: Kalender  30

Dokumentformate  - Transport Dokumente: Reports und Formulare  30

Analyse  von Datentypen numerischer Dokumente  31

Dokumentformate  - Tabellenkalkulation: Excel oder ähnliche Dokumente  31

Dokumentformate  - Betriebswirtschaftliche Dokumente  31

Analyse  von Datentypen geometrischer Dokumente  32

Dokumentformate  - Arbeitspläne  32

Dokumentformate  - Stücklisten  32

Dokumentformate  - Geometrische Zeichnungen: CAD  32

Zusammenfassung  und Ausblick auf analytische Methoden und Vergleichbarkeit  33

Literaturverzeichnis   34

Einleitung

Laut einer Studie der International Data Corporation (IDC) [1] wächst seit der Einführung der ersten Rechenmaschinen die von ihnen erfasste Datenmenge jährlich um etwa 60 %. Gleichzeitig fallen die Preise für Speichermedien im Zeitverlauf stetig. Wo früher Bücher geführt wurden, um Vorgänge festzuhalten oder wichtige Informationen für Interessengruppen für längere Zeit verfügbar zu machen, stehen jetzt Computer und speichern die Daten auf ihren Festplatten. Dieser Wandel hat einerseits in der einschlägigen Literatur den Begriff des Informationszeitalters [2] geprägt, andererseits die Globalisierung durch Vernetzung der Informationsbestände, sowie die Schaffung von globalen Märkten, wie den des world wide webs, weiter vorangetrieben. Andy Grove (Vorstandsmitglied bei Intel) fasst diese Situation folgendermaßen zusammen:

„Sie haben keine andere Wahl als in einer Welt zu operieren welche von Globalisierung und einer revolutionären Entwicklung der Informationstechnologie gezeichnet ist. Es gibt zwei Optionen: anpassen oder sterben.“ [2] Preface S.1

Der Wandel ermöglicht auch den Einsatz verschiedener Anwendungs- und Kommunikationssysteme. Diese bieten effizienten Zugriff auf Informationen, unterstützen die Automatisierung von Geschäftsprozessen oder deren Aktivitäten und ebnen neue, verglichen mit dem Schriftverkehr schnellere und komfortablere Kommunikationswege. Ferner werden auch neue Möglichkeiten geschaffen, welche mit den herkömmlichen Mitteln, falls überhaupt, nur mit sehr viel größerem Aufwand zu realisieren wären. Die Studie IT-Trends [3] von Capgemini bietet hierbei einen Überblick über neue, derzeit wenig verbreitete Nutzungsmöglichkeiten der IT. Ein aus dem konsequenten Einsatz der IT entstehender Nutzungsbereich ist die schnelle Beschaffung, Austausch und die Auswertung von Informationen. Als Beispiel hierfür kann der effiziente Zugriff auf eigene Produktinformationen oder die eines Lieferanten dienen. Dieser Zugriff kann auch mit interaktiven und rechtswirksamen Vorgängen verbunden sein, wie beispielsweise der sofortigen Bestellung. Es lassen sich auch Aktivitäten definieren, welche bei Auslösung bestimmter Ereignisse automatisch eingeleitet werden, beispielsweise eine Nachbestellung eines Rohstoffes. Diese Vorgänge erlauben eine enge Zusammenarbeit beteiligter Unternehmen trotz geographischer Distanz entlang der gesamten Produktionskette (Supply Chain) [4]. Dies ist ein entscheidender Wettbewerbsvorteil gegenüber Unternehmen, welche die Technologie noch nicht oder nicht in vollem Umfang einsetzten.

In dieser Seminararbeit werden, ausgehend von ausgewählten wissensintensiven Prozessen, die dabei anfallenden Daten klassifiziert und im Kontext der Prozesse die Daten mit den darauf zulässigen Operationen als komplette Datenstruktur analysiert. Hierfür wird im ersten Kapitel ein Überblick über die Zusammenhänge zwischen den Daten und den in ihnen gespeicherten Informationen geschaffen. Innerhalb des Kapitels wird erläutert, welches Wissen diese Informationen darstellen und wie es in den Unternehmensprozessen generiert und benötigt wird. Das zweite Kapitel beschäftigt sich mit der Frage, welche Klassifizierungskategorien für Daten möglich sind und aus dem Blickwinkel der wissensintensiven Prozesse sinnvoll erscheinen. Schließlich wird im letzten Kapitel ein Beispielprozess aufgezeigt, bei den das zuvor erarbeitete Wissen detailliert aufgearbeitet wird.

Daten und Prozesse

Zusammenhang: Daten, Informationen und Wissen

In Anlehnung an [5] bestehen Unterschiede zwischen den drei gedanklichen Konstrukten (Daten, Informationen und Wissen), obgleich diese nicht ganz trennscharf von einander abgegrenzt werden können. Einen möglichen Grund sehen die Verfasser darin, dass bei hohem Abstraktionsgrad einer gedanklichen Konstruktion die unterschiedlichen Blickwinkel der Betrachter so weit divergieren können, dass komplexe Zusammenhänge aufgrund der Divergenz polymorph erscheinen und somit nicht mehr eindeutig definiert werden können.

Das elementarste der drei Konstrukte sind die gespeicherten oder schriftlich erfassten Daten, welche jedoch vorerst nur bedeutungslose Muster darstellen. Daten werden als Einsen und Nullen oder auf einer etwas höheren Ebene als Symbole gespeichert. Die elementarste Information darüber, wie diese Symbole zu interpretieren sind, ist bei gespeicherten Daten in den zugehörigen Datentypen bzw. bei schon erkannten Wörtern in der Grammatik der Sprache enthalten. Hierbei wird die Aussage gegenüber reinen Symbolen um die Syntax bereichert.

Ist die Kenntnis über den Datentyp und die Grammatik gegeben und sind daraus resultierende Vorgaben erfüllt, dann kann im nächsten Schritt die Semantik der Daten geprüft werden. Ist die Semantik ebenfalls gültig, so handelt es sich, bezogen auf den Kontext, in welchem auf die Daten zugegriffen wird, um eine bedeutungsvolle oder bedeutungslose Information. Die Frage nach dem Informationsgehalt und Nutzen einer Information fällt hierbei in den Bereich der Pragmatik. Der Informationsgehalt ist auch in gewissen Situationen durch Data Mining Instrumente messbar [2]. Als Unterscheidungskriterium kann hier der Prozess der Interpretation angesehen werden, bei dem die syntaktische Struktur in einen semantischen Kontext überführt wird, in welchem sie einen Sinn ergeben kann. Die Interpretation wird auch in anderen Gebieten der Informatik als die Berechnung der Semantik beschrieben. Als Anwendung könnte hier die Lehre des Compilerbaus dienen [6]. Die Information kann bereits eine Eingabe oder Ausgabe eines Entscheidungsprozesses darstellen [5].

Beim Wissen handelt es sich um erlernte Informationen und es ist somit die Ausgabe eines Lernprozesses. Das Wissen wird zunächst bei der Interpretation benötigt, denn nur auf der Grundlage von Wissen über z.B. die Grammatik einer Sprache können Interpretationen stattfinden, um Daten in Informationen zu transferieren. Das Wissen ermöglicht die Ableitung bzw. Ausarbeitung neuer aus bestehenden Informationen. Es fließt bei Lernprozessen als Eingabe mit ein und ist gleichzeitig deren Ausgabe. Die Resolution in der logischen Programmierung ist eine Möglichkeit aus Wissen und Informationen neues Wissen zu generieren. Die Prädikatenlogik von Programmiersprachen wie Prolog ermöglicht durch die Resolution die Beantwortung einer indirekt gestellten Frage durch das Finden einer Kombination aus bestehenden Wissensbeständen, so dass die indirekt gestellte Frage beantwortet werden kann [7].

Das Wissen erfüllt demnach drei Funktionen [5]:

1. Dateninterpretation (Interpretation) (Transfer: Daten → Informationen)

2. Ausarbeitung (Elaboration) (Ableitung neuer Informationen aus Bestehenden)

3. Lernen (Learning) (Erwerb neuen Wissens)

Abbildung 1 dient der Veranschaulichung der Zusammenhänge der drei Konzepte:

Abbildung 1: Zusammenhang zwischen Wissen, Information und Daten (Übersetzung aus [5])

Erst durch die Verwendung und Nutzung von Informationen in einem bestimmten Handlungsumfeld kommt die Pragmatik zum tragen und entscheidet z.B. ob eine Person mit „du“ oder „sie“ angesprochen wird. In ihr befinden sich weitere Informationen über die Begleitumstände einer Aussage und somit auch Wissen, welches über den eigentlichen Sinn einer Aussage hinausgeht. Dieses Wissen wird in der Literatur nicht durchgehend der Semantik zugerechnet.

Der Begriff des Wissens wird in der Informationstechnologie ferner synonym zum Glauben an unbeweisbare Tatbestände verwendet. Einerseits ist die Zuweisung eines Wahrscheinlichkeitswertes p als Ausdruck für die Gültigkeit einer unbeweisbaren These sehr komplex bis undurchführbar. Andererseits wird auch in der Philosophie, welche hier den theoretischen Kontrapunkt darstellt, über die Anerkennung paralleler Bedeutungen gestritten [5].

Explizites Wissen nach Polanyi

Explizites Wissen entspricht formalen Zwängen, die es ermöglichen dieses in medialer Form zu speichern und zu übertragen. Dadurch ist das explizite Wissen nicht an bestimmte einzelne Personen gebunden, da es in Form von Dokumenten standardisiert und strukturiert verfügbar gemacht werden kann [8].

Implizites Wissen nach Polanyi

Implizites Wissen ist gegenüber dem Expliziten nur schwer formalisierbar und lässt sich somit nicht strukturiert vermitteln. Da es sich hierbei i.d.R. um subjektives „Know-how“ handelt, treten als geeignete Vermittlungsmethoden mentale Modelle, wie Paradigmen oder Überzeugungen, in den Vordergrund [8].

Eine Beschreibung in Form von „Best Practices“ stellt somit den Versuch einer Transformation von impliziten in explizites Wissen dar.

Abhängigkeit der Daten von Prozessen

Der Zweck der Datenhaltung ist auf die Notwendigkeit der Speicherung von Informationen zurückzuführen, welche sowohl für das System wie auch den mit dem System interagierenden Menschen als solche erscheinen. Diese Tatsache impliziert einen Grund für die Datenhaltung, von welchem die Qualität, die Quantität und nicht zuletzt auch die Sicherheit der Daten abhängt. Angenommen, der Grund der Aufnahme von Daten wäre z.B. die geplante Einführung eines neuen Sportcoupés, dann würden Genauigkeit und Vollständigkeit der Messwerte und anderer Parametern des neuen Produktes ein Maß für die Datenqualität darstellen. Die Quantität könnte sich beispielsweise in der Anzahl der Marktumfragen, die zu diesem Produkt gestartet worden wären, widerspiegeln. Ein Maß für die Sicherheit wäre der Aufwand, der zum Schutz der Produktinformationen des neuen Prototypen gegen Industriespionage und weiteren unerwünschten Zugriffen, betrieben worden wäre. Dieser Grund ist ebenfalls unmittelbar mit den in den Unternehmen stattfindenden Prozessen verbunden, welche sowohl über das implizite wie auch explizite Wissen entscheiden, welches zu ihrer Erfüllung benötigt wird. Auch die Anwendungssysteme sind auf die Unterstützung der Unternehmensprozesse ausgerichtet. Dadurch hängen die von ihnen intern abgelegten Daten indirekt auch von diesen Prozessen ab. Es gibt gesetzliche Vorgaben und Richtlinien zur Datenhaltung, welche in Gesetzestexten, wie dem Bundesdatenschutzgesetz (BDSG), verankert sind. Ein weiters Beispiel wären die Anordnungen zur Datensicherheit wie das Gesetz zur Kontrolle und Transparenz im Unternehmensbereich (KonTraG) und weitere Empfehlungen wie das CObIT oder das IT-Grundschutzhandbuch, welche den Handlungsspielraum der leitenden Organe eines Unternehmens eingrenzen. Die Gesetze und Richtlinien gelten für bestimmte Unternehmen, welche wiederum nach ihren Branchen klassifiziert werden können. Ein grober Überblick über die verschiedenen Brachen mit den jeweils typischen Anwendungssystemen wird am Ende dieses Kapitels geboten. Die Wahl der Informationen, welche durch Datenhaltung erfasst werden und somit die Entscheidung, welche Anwendungsprozesse mit welchen Daten betrieben werden, hängt letztendlich vom Management, genauer gesagt von den strategischen und operativen Zielen, die das Management für ein Unternehmen ausformuliert hat, ab. Als Relation zwischen den strategischen und operativen Zielen und den Geschäftsprozessen wird im steigenden Maße die Balanced Scorecard eingesetzt. Hierbei werden die Ziele ausgehend von den strategischen auf die operativen Geschäftsbereiche immer weiter verfeinert und wirken sich somit auf einzelne Aktivitäten der Prozesse aus [9]. Da die Prozesse auf die Erreichung der Ziele und somit die Einhaltung der Vorgaben optimiert werden müssen, spiegelt sich in ihnen ebenfalls die Strategie eines Unternehmens wider. Zusammenfassend lässt es sich sagen, dass die Daten eine Ressource für und das Ergebnis von Prozessen darstellen, dadurch sind sie eindeutig an die Prozessen gebunden. Die Prozesse hängen ihrerseits von den Zielen der Unternehmen ab, welche wiederum von gesetzlichen Vorgaben und Empfehlungen wie auch weiteren Faktoren abhängen. Dies ist der Grund, weshalb den Prozessen im Rahmen dieser Seminararbeit ein besonderes Augenmerk zugesprochen wird.

Da jedoch nicht alle Prozesse im Rahmen dieser Arbeit Beachtung finden können, wird der Fokus auf die als besonders interessant erscheinenden, wissensintensiven Prozesse gelegt. Die Abgrenzung wissensintensiver Prozesse von übrigen Geschäftsprozessen wird im folgenden Kapitel beschrieben. Diese erscheinen als besonders geeignet, denn bei denen werden besonders viele verschiedene Daten zusammengetragen, aufgenommen, verarbeitet und abgerufen. Dies schafft die Möglichkeit die meisten komplexen Datentypen in einen gemeinsamen Kontext eines Geschäftsprozesses zu analysieren.

Abgrenzung wissensintensiver Prozesse

Definition wissensintensiver Prozesse

„Ein wissensintensiver Prozess ist ein Prozess, der sowohl eine oder mehrere wissensintensive Aktivität(en) enthält, als auch - abgesehen von dem Aspekt der Verwaltung prozessbezogenen Wissens - zur Unterstützung durch Workflow Management geeignet ist.“ [10]

Die obige Definition nutzt den Begriff der wissensintensiven Aktivität und setzt die Kenntnis über Workflow Management Systeme voraus, weshalb diese zunächst erläutert werden.

Definition wissensintensiver Aktivitäten

„Eine wissensintensive Aktivität ist gekennzeichnet durch flexible, nicht planbare Wissensbedarfe, unterschiedliche Ergebnisse und einen überdurchschnittlich hohen Kommunikations- und Kooperationsbedarf bei der Durchführung der Aktivität.“ [10]

Die wissensintensiven Aktivitäten unterscheiden sich also von Routineaktivitäten (Sachbearbeitung) in drei Punkten:

1. Erhöhten und nicht planbaren und somit auch schwer vorhersehbaren Informations- bzw. Wissensbedarf. Dadurch kann die Relevanz der hierbei benötigten Dokumente zum Zeitpunkt der Modellierung nicht festgestellt werden oder sie werden erst bei der Bearbeitung eines Geschäftsfalls erstellt und in weiteren Verlauf genutzt

2. Unterschiedlichen und somit sehr stark von dem Verlauf des Prozesses abhängige Ergebnissen, welche in Form von Ausnahmen oder Sonderfällen auch entsprechend unterschiedlich dokumentiert werden

3. Überdurchschnittlich hohen Kommunikations- und Kooperationsbedarf, welcher auf die Absprache mit anderen Teilnehmern wegen überdurchschnittlich hoher Komplexität und der den Teilnehmern zugesprochenen Handlungsspielräume zurückzuführen ist

Um die Ausführung und den Fortschritt eines Geschäftsprozesses zu überwachen oder zu unterstützen, werden in zunehmendem Maße so genannte Workflow Management Systeme (WfMS) eingesetzt. Diese steuern die Ausführung des Workflows entsprechend dem definierten Geschäftsprozess durch die Organisation.

Definition eines Workflows

„Ein Workflow (Wf) bezeichnet mehrere dynamische, abteilungsübergreifende aber fachlich zusammenhängende, arbeitsteilige Aktivitäten, die in logischer oder zeitlicher Abhängigkeit zueinander stehen.“ [11]

Somit besteht ein Workflow aus der Gesamtheit der Vorgänge, die der Ausführung eines Geschäftsprozesses dienen. Dabei unterstützt ein WfMS die an den Geschäftsprozessen beteiligten Arbeitskräfte mit dem Zugriff auf relevante Dokumente. Dies erfolgt entweder durch pull-Funktion oder auch push-Funktion. Bei der pull-Funktion können sich die Akteure aus einer gebotenen Menge passende Dokumente selbst auswählen während sie bei der push-Funktion mit relevanten Dokumenten beim Eintritt von gewissen Bedingungen automatisch versorgt werden [10].

Der Einsatz von WfMS ist an folgende Voraussetzungen gebunden. Diese umfassen laut [11]:

• die einzelnen Vorgangsschritte sind klar gegeneinander abgegrenzt,

• der Ablauf eines Vorgangs ist eindeutig, nach klaren Regeln definiert,