Bisher unbekanntes Wissen aus unstrukturierten Texten zu extrahieren ist Ziel von Text Mining. Es wird oft als Methode, Verfahren, Konzept oder Werkzeug bezeichnet. In sogenannten unstrukturierten Texten stößt man auf bisher nicht bekannte Inhalte, die durch geeignete Methoden erforscht werden können. Das Nutzen dieser Methoden wird daher auch zu Maßnahmen des Wissensmanagements gefasst.
Eine Statistik der International Data Corporation (IDC) besagt, dass Unternehmen weiterhin mit dem Wachstum von Daten mit unstrukturiertem Inhalt rechnen. Sie zählen zu den am stärksten wachsenden Datenquellen.
In behördlichen Einrichtungen ist es nicht unüblich unstrukturierte Dokumente digital zu verwalten. Der Plan der Bundesregierung ist bis zum Jahr 2020 in allen Bundesverwaltungen Dokumente bzw. Akten in elektronischer Form zu führen. Die Optimierung von Verwaltungsabläufen ist im Rahmen dieser Digitalisierungsinitiative nicht nur sinnvoll, sondern gleichzeitig auch eine gesetzliche Vorgabe im Rahmen des E-Government-Gesetzes (EGovG).
Man sollte an erster Stelle, an der Dokumente mit dem Unternehmen zusammentreffen, also der Poststelle, beginnen. So sagt auch Thomas Kleiner, CEO des Unternehmens iXenso, in einem Interview mit dem ECMguide: „Irrläufer und schlecht lesbare oder falsch interpretierte Dokumente sorgen nicht nur für Frust beim Empfänger, sondern verschlechtern auch die Qualität der Prozesse“. Es wird deutlich, welche Bedeutung der Posteingang für ein Unternehmen hat. Gerade für Behörden, bei denen ein Tätigwerden oftmals nur durch Anträge oder Anfragen begründet wird, ist dieses Problem enorm.
In dem Zusammenhang liest man immer wieder von Text Mining, das zur Lösung für automatisierte Postverteilung genutzt werden kann. Für die erfolgreiche Einführung einer solchen Technologie sind jedoch Erfolgsfaktoren zu identifizieren.
Hohe Investitionen in Digitalisierungsprojekte und Veränderungen von bewährten Prozessen werden in der Verwaltung eher schwergängig vorangetrieben. Daher wird mit dieser Thesis ein Grundstein für ein weiteres Vorgehen gelegt.
Inhaltsverzeichnis
1 Einleitung
1.1 Themeneinführung
1.2 Aufbau der Arbeit
1.3 Ziele der Arbeit
2 Projektplanung
2.1 Strukturplanung
2.2 Zeitplanung
3 Politische und wissenschaftliche Relevanz
3.1 Politik
3.2 Wissenschaft
4 Stand der Forschung
4.1 Text Mining
4.1.1 Definition
4.1.2 Abgrenzung
4.2 Verfahrensarten
4.3 Übersicht der Methoden
4.4 Prozess
4.4.1 Suche
4.4.2 Datenvorverarbeitung
4.4.3 Bewertung und Selektion
4.4.3.1 Klassifikation
4.4.3.2 Clustering-Verfahren
4.4.4 Informationsextraktion
4.5 Praxis
4.5.1 Anwendungsgebiete
4.5.2 Postverteilung
5 Erhebung von Expertenwissen
5.1 Untersuchungsgegenstand
5.2 Forschungsdesign
5.3 Qualitative Datenerhebung
5.3.1 Interview-Leitfaden
5.3.2 Interviewpartner
5.3.3 Durchführung und Protokollierung
5.3.4 Analyse
6 Interpretation der Ergebnisse
6.1 Teilergebnis: Ist-Prozess
6.2 Teilergebnis: Qualität Ist-Prozess
6.3 Teilergebnis: Potential von Text Mining
6.4 Teilergebnis: Erfolgsfaktoren
7 Handlungsempfehlungen
8 Fazit
8.1 Kritische Würdigung
8.2 Zusammenfassung
8.3 Ausblick
Zielsetzung & Themen
Das Hauptziel dieser Master-Thesis ist die Untersuchung der Einsatzmöglichkeiten von Text Mining zur Automatisierung der Postverteilung in einer Bundesbehörde. Dabei liegt der Fokus auf der Identifizierung relevanter Erfolgsfaktoren für die Implementierung solcher Technologien, um den Arbeitsaufwand bei der Verarbeitung unstrukturierter Dokumente zu minimieren und die Prozessqualität zu steigern.
- Grundlagen und theoretische Einordnung von Text Mining
- Analyse des aktuellen Postverteilungsprozesses (Ist-Analyse)
- Qualitative Erhebung und Auswertung von Expertenwissen
- Ableitung von Erfolgsfaktoren für das Management
- Erstellung von Handlungsempfehlungen für die Einführung
Auszug aus dem Buch
1.1 Themeneinführung
„Wir ertrinken in Information, aber wir hungern nach Wissen.“
Bisher unbekanntes Wissen aus unstrukturierten Texten zu extrahieren ist Ziel von Text Mining. Es wird oft als Methode, Verfahren, Konzept oder Werkzeug bezeichnet. In sogenannten unstrukturierten Texten stößt man auf bisher nicht bekannte Inhalte, die durch geeignete Methoden erforscht werden können. Der Nutzen dieser Methoden wird daher auch zu Maßnahmen des Wissensmanagements gefasst.
Eine Statistik der International Data Corporation (IDC) besagt, dass Unternehmen weiterhin mit dem Wachstum von Daten mit unstrukturiertem Inhalt rechnen. Sie zählen zu den am stärksten wachsenden Datenquellen.
In behördlichen Einrichtungen ist es nicht unüblich unstrukturierte Dokumente digital zu verwalten. Der Plan der Bundesregierung ist bis zum Jahr 2020 in allen Bundesverwaltungen Dokumente bzw. Akten in elektronischer Form zu führen. Die Optimierung von Verwaltungsabläufen ist im Rahmen dieser Digitalisierungsinitiative nicht nur sinnvoll, sondern gleichzeitig auch eine gesetzliche Vorgabe im Rahmen des E-Government-Gesetzes (EGovG).
Man sollte an erster Stelle, an der Dokumente mit dem Unternehmen zusammentreffen, also der Poststelle, beginnen. So auch Thomas Kleiner, CEO des Unternehmens iXenso, in einem Interview mit dem ECMguide: „Irrlaüfer und schlecht lesbare oder falsch interpretierte Dokumente sorgen nicht nur für Frust beim Empfänger, sondern verschlechtern auch die Qualität der Prozesse“. Es wird deutlich, welche Bedeutung der Posteingang für ein Unternehmen hat. Gerade für Behörden, bei denen ein Tätigwerden oftmals durch Anträge oder Anfragen begründet wird, ist dieses Problem enorm.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Thematik der Wissensextraktion aus unstrukturierten Texten ein, erläutert den Aufbau der Thesis und definiert die Forschungsziele.
2 Projektplanung: Hier werden die methodischen Grundlagen für die Durchführung des Projekts, einschließlich Struktur- und Zeitplanung, dargelegt.
3 Politische und wissenschaftliche Relevanz: Das Kapitel verortet das Thema im Kontext der Digitalisierungsstrategien der Bundesregierung und der Wirtschaftsinformatik.
4 Stand der Forschung: Es erfolgt eine detaillierte Auseinandersetzung mit dem theoretischen Fundament von Text Mining, seinen Verfahren, Prozessen und Anwendungsgebieten.
5 Erhebung von Expertenwissen: Dieses Kapitel beschreibt das qualitative Forschungsdesign und die Durchführung der Experteninterviews zur Untersuchung des Ist-Zustandes.
6 Interpretation der Ergebnisse: Die im Rahmen der Interviews gewonnenen Daten werden ausgewertet, visualisiert und hinsichtlich der Erfolgsfaktoren analysiert.
7 Handlungsempfehlungen: Basierend auf den gewonnenen Erkenntnissen werden konkrete Empfehlungen für das Management zur Implementierung von Text Mining entwickelt.
8 Fazit: Die Arbeit schließt mit einer kritischen Reflexion, einer Zusammenfassung der Ergebnisse sowie einem Ausblick auf zukünftige Entwicklungen.
Schlüsselwörter
Text Mining, E-Government, Postverteilung, Wissensmanagement, Experteninterview, Prozessautomatisierung, unstrukturierte Daten, Informationsextraktion, Digitale Verwaltung, Erfolgsfaktoren, Klassifikation, Clustering, Business Intelligence, Digitalisierung, BPMN 2.0
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Master-Thesis befasst sich mit der Anwendung von Text Mining-Technologien zur Optimierung der automatisierten Postverteilung innerhalb einer Bundesbehörde.
Was sind die zentralen Themenfelder der Untersuchung?
Die Arbeit verknüpft technologische Aspekte des Text Minings (Extraktion, Klassifikation) mit organisatorischen Herausforderungen des E-Governments und dem Wissensmanagement.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Hauptziel ist die Identifizierung der relevanten Erfolgsfaktoren, die bei der Einführung von Text Mining zur automatisierten Postverteilung in einer Behörde beachtet werden müssen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt ein qualitatives Forschungsdesign, bestehend aus leitfadengestützten Experteninterviews und deren anschließender Auswertung mittels qualitativer Inhaltsanalyse nach Mayring.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil umfasst den theoretischen Stand der Forschung zu Text Mining, die detaillierte Analyse des aktuellen Posteingangsprozesses sowie die Identifikation von Potenzialen und Erfolgsfaktoren durch Expertenbefragungen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Text Mining, E-Government, Postverteilung, Wissensmanagement, Prozessautomatisierung und Digitale Verwaltung.
Welche Bedeutung hat das E-Government-Gesetz für diese Thesis?
Das Gesetz fungiert als politischer und rechtlicher Rahmen, der Behörden zur Digitalisierung von Verwaltungsabläufen und zur elektronischen Aktenführung verpflichtet.
Warum wird der Ist-Prozess explizit mit BPMN 2.0 modelliert?
Die Modellierung mit BPMN 2.0 dient der visualisierten Darstellung der derzeitigen, unstrukturierten Posteingangsprozesse, um Schwachstellen für eine spätere Automatisierung identifizierbar zu machen.
Welche Rolle spielen Experten für das Ergebnis der Arbeit?
Da in dem spezifischen Behördenkontext wenig Vorwissen zu Text Mining existierte, dient das Expertenwissen als notwendige explorative Datenquelle zur Generierung von Hypothesen und Handlungsempfehlungen.
Welches Fazit zieht der Autor zur technischen Machbarkeit?
Der Autor stellt fest, dass eine vollständige Automation ohne menschliches Eingreifen derzeit kaum erreichbar ist, betont jedoch das große Potenzial von Text Mining als wertvolle Entscheidungshilfe im Posteingangsprozess.
- Citar trabajo
- M. Sc. Fabian Werk (Autor), 2018, Text Mining in der elektronischen Postverteilung einer Bundesbehörde, Múnich, GRIN Verlag, https://www.grin.com/document/437681
