Entwicklung eines Konzepts für die Einführung eines Wissensmanagementsystems im SAP-Umfeld am Beispiel der Software AG

Inhaltsverzeichnis

Abbildungsverzeichnis

1. Einleitung

2. Begriffliche Grundlagen
2.1. Wissen, Information und Daten
2.2. Effizienz und Effektivität
2.3. Wissensmanagement
2.3.1. Motivation
2.3.2. Ziel
2.3.3. Phasenmodell

3. Datenspeichersysteme
3.1. Dateisystem
3.2. Datenbanksystem
3.2.1. Hierarchisches Datenbankmodell
3.2.2. Netzwerkmodell
3.2.3. Relationales Datenmodell
3.2.4. Transaktionsorientierte Datenbanken
3.2.5. Objektorientierte Datenbanken
3.2.6. Semistrukturierte Datenbanken
3.2.7. Native XML-Datenbanken

4. Allgemeine Suchmethoden
4.1. Grundlagen erfolgreichen Suchens
4.2. Klassifikation von Dokumenten
4.3. Indexierung von Dokumenten
4.4. Thesaurus
4.5. Verknüpfte Suchterme
4.6. Suchaufhänger und Suchhilfen
4.7. Suchlösungen
4.7.1. Volltextsuche
4.7.2. Information Retrieval

5. Anforderungen und Bewertungskriterien
5.1. Ausgangslage
5.1.1. Organisation der Abteilung
5.1.2. Dokumentenablage
5.2. Anfallende Daten
5.2.1. Dokumentformate
5.2.2. Dokumentarten
5.2.3. Dokumenterfassung
5.2.4. Migration
5.3. Architektur
5.3.1. Plattform
5.3.2. Skalierbarkeit
5.4. Zugriff
5.4.1. Suchhilfen
5.4.2. Suchbewertung
5.5. System-Verwaltung
5.5.1. Berechtigungen
5.5.2. Systemadministration
5.5.3. Versionierung
5.5.4. Konfiguration
5.6. Organisation

6. Umsetzungskonzept
6.1. Dokumente erfassen
6.2. Dokumente strukturieren
6.2.1. Bildung von Kategorien
6.2.2. Dokumente indexieren
6.2.3. Metastruktur
6.3. Dokumente ablegen
6.3.1. Einsatz eines Datenbanksystems
6.3.2. Entwicklung des Datenbankschemas
6.3.3. Migration vorhandener Dokumente
6.4. Zugriff auf Dokumente
6.5. Verwaltung
6.5.1. Berechtigungskonzept
6.5.2. Systemadministration
6.5.3. Versionierung

7. Bewertung
7.1. Erfassungslösung
7.2. Dokumentenablage
7.3. Dokumentenzugriff
7.4. Organisatorische Probleme

8. Fazit

Literaturverzeichnis

Anhang

Glossar

Eidesstattliche Erklärung

Abbildungsverzeichnis

Abbildung 2-1: Die Beziehungen zwischen den Ebenen der Begriffshierarchie [Quelle: Schreyögg, G. und Conrad, P. (Hrsg., 1996), S. 6]

Abbildung 2-2: Das Kontinuum von Daten und Informationen zum Wissen [Quelle: Probst, G., Raub, S. und Romhardt, K. (1999), S. 38]

Abbildung 2-3: Bausteine des Wissensmanagements [Quelle Probst, G., Raub, K. und Romhardt, K. (1999), S. 58]

Abbildung 4-1: Wechselseitige Beziehung zwischen Informationserschließung und Informationssuche [Quelle: Meiss, B. (1997), S. 22]

Abbildung 5-1: Organigramm SAP Competence Center - SAP Business Applications Team [Quelle: Screenshot]

Abbildung 5-2: SAP Competence Center - Ordnerstruktur [Quelle: Screenshot]

Abbildung 5-3: Ordnereigenschaften SAP-Laufwerk [Quelle: Screenshot]

Abbildung 5-4: Zusammenhang zwischen Recall und Precision [Quelle: nach Henzler in Meiss, B. (1997), S. 58]

Abbildung 6-1: Übersicht X-Application [Quelle: Software AG (Hrsg., 2002), S. 4] .

Abbildung 6-2: Tamino Client-/Server Architektur [Quelle: Eigene Darstellung]

Abbildung 6-3: Dokumentenmanagementsystem - Schema Modell [Quelle: eigene Darstellung]

Abbildung 6-4: Hauptmenü - Dokumentationssystem [Quelle: Screenshot]

Abbildung 6-5: Suchmenü - Dokumentationssystem [Quelle: Screenshot]

Abbildung 7-1: Anforderungen und Hindernisse im Wissensmanagement [Quelle: FAZ (2002), S. 26]

Abbildung Anhang-1: Mindmap - Dokumentationssystem

1. Einleitung

Information ist in unserer so genannten Wissensgesellschaft zu einem wichtigen Produktionsfaktor geworden. Unternehmen können sich gegenüber Konkurrenten Wettbewerbsvorteile verschaffen, indem sie schnell, effizient und sicher auf Informationen zugreifen können^[1],^[2]. Dennoch wird der Effizienz und der Effektivität beim Umgang mit Informationen nur eine geringe Bedeutung beigemessen^[3] In vorliegender Studienarbeit liegt der Fokus von Wissensmanagement auf dem Verwalten und Zugreifen von Informationen aus elektronischen Dokumenten. Das Ziel der gesuchten Wissensmanagementlösung ist das effektive Finden relevanter Informationen

Motivation

Auftraggeber dieser Studienarbeit ist die Abteilung SAP Competence Center der Software AG. Diese Abteilung ist ein Teil des Corporate Information Services Bereichs und besteht aus zwei organisatorischen Einheiten, dem Team SAP Infrastructure Services und dem Team SAP Business Applications. Diese beiden Teams sind für das System SAP R/3 verantwortlich und haben operative und beratende Funktion innerhalb der Software AG.

Seit der Gründung der Abteilung im Jahr 1997 wird für die anfallenden Dokumente eine durch vielfältige Ordner strukturierte Dateiablage auf einem für die Abteilung freigegebenem Netzlaufwerk praktiziert. Da diese Ordnerstruktur immer wieder ergänzt und überarbeitet wurde, ist das Wiederfinden eines abgelegten Dokuments kein trivialer Vorgang. Man hat festgestellt, dass vorhandene Informationen nicht einfach zugreifbar sind.

Aufgrund dieses erkannten Mangels erhält Herr Lonthoff, Werkstudent des Teams SAP Business Applications, einen Auftrag zur Durchführung eines Projekts „Wissensmanagement“, dass er konzeptionell im Rahmen einer Studienarbeit entwickeln soll.

Ziel

Ziel dieser Arbeit ist einerseits die Herausbildung von Grundlagen des Wissensmanagements. Es wird ein Überblick über Methoden der Wissensstrukturierung gegeben. Zum besseren Verständnis wird dabei auch auf verfügbare Speichertechnologien eingegangen.

Ein zweites Ziel ist die Bildung von Erkenntnissen bei der praktischen Durchführung eines Wissensmanagementprojekts. Am Beispiel der Einführung einer Wissensmanagementlösung können spezifische Probleme gezeigt werden. Gesucht wird eine Möglichkeit, Dokumente und Wissen in Dokumenten auffindbar zu machen. In dem durch die Studienarbeit vorgegebenen Zeitrahmen soll eine praktikable Möglichkeit gefunden werden, die sich zum Finden von Dokumenten besser eignet, als die vorhandene Dateistruktur. Da die Software AG Hersteller der ersten nativen XML-Datenbank, mit dem Namen Tamino, ist, wird eine Umsetzung der Lösung in XML erwartet.

Vorgehensweise

In einem ersten Schritt werden die begrifflichen Grundlagen des Themas Wissensmanagement geklärt. Daran schließt sich ein Kapitel an, dass verschiedene Datenspeichermöglichkeiten vorstellt. Der Fokus dieser Arbeit liegt auf dem Finden von Informationen. Daher widmet sich ein eigenständiges Kapitel den allgemeinen Suchmethoden. Nach der Erarbeitung dieser Grundlagen erfolgt dann die Festlegung der Anforderungen an ein Wissensmanagementsystem für den Einsatz im SAP Competence Center der Software AG. Aus diesen Anforderungen heraus werden Bewertungskriterien zusammengestellt, an denen sich die umgesetzte Lösung zu messen hat. Daran schließt sich eine genaue Betrachtung des gewählten Umsetzungskonzeptes an, das in einem darauf folgenden Kapitel anhand der festgelegten Kriterien bewertet wird.

Abschließend gibt das Fazit eine kritische Zusammenfassung dessen, was erreicht werden sollte und erreicht worden ist.

2. Begriffliche Grundlagen

Das Thema Wissensmanagement verwendet viele spezifische Termini, die in diesem Grundlagenkapitel eingeführt werden. Dieses Kapitel ermöglicht dem Leser ein einheitliches Verständnis der Arbeit.

2.1. Wissen, Information und Daten

Der Wissensbegriff wird schon seit langer Zeit in den verschiedensten Forschungsgebieten behandelt, ohne dass bisher eine einheitliche und allgemein anerkannte Begriffserklärung erreicht werden konnte. In der Philosophie beispielsweise beschäftigt man sich mit diesem Begriff seit der Antike^[4]. Daher erfolgt hier keine neue endgültige Definition von Wissen. Vielmehr werden die Komplexität und wesentliche Bestimmungskriterien von Wissen aufgezeigt.

Wissensbegriff

Erste Anhaltspunkte zum Verständnis des Wissensbegriffs ergeben sich aus einer differenzierten Betrachtung der Termini Wissen, Information und Daten. Diese werden häufig nicht voneinander abgegrenzt oder nur zusammenhanglos gesehen. Das führt zu Missverständnissen und Problemen im Umgang mit Wissen^[5]. Folgende Abbildung verdeutlicht die Abgrenzung dieser Termini in einer Begriffshierarchie auf semiotischen Ebenen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-1: Die Beziehungen zwischen den Ebenen der Begriffshierarchie [Quelle: Schreyögg, G. und Conrad, P. (Hrsg., 1996), S. 6]

Aus Zeichen werden aufgrund bestimmter Ordnungsregeln isolierte Daten. Durch Anreicherung eines Bedeutungsgehalts und Zweckbezugs entstehen aus Daten Informationen. Deren Vernetzung und Verarbeitung in einem bestimmten Handlungskontext führt schließlich zu Wissen^[6]. Die Vorstellung eines Kontinuums von Daten und Informationen zum Wissen erscheint praxisnah und dem Entwicklungsprozess der Verdichtung von unstrukturierten Zeichen hin zu Wissen als strukturierten, kontextabhängigen kognitiven Handlungsmustern angemessen^[7].

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-2: Das Kontinuum von Daten und Informationen zum Wissen [Quelle: Probst, G., Raub, S. und Romhardt, K. (1999), S. 38]

Eine ganzheitliche und pragmatische Herangehensweise an den Umgang von Wissen im Unternehmen vertreten Probst, Raub und Romhardt. „Wissen bezeichnet die Gesamtheit der Kenntnisse und Fähigkeiten, die Individuen zur Lösung von Problemen einsetzen. Dies umfasst sowohl theoretische Erkenntnisse, als auch praktische Alltagsregeln und Handlungsanweisungen. Wissen stützt sich auf Daten und Informationen, ist im Gegensatz zu diesen jedoch immer an Personen gebunden. Es wird von Individuen konstruiert und repräsentiert deren Erwartungen über Ursache-Wirkungs-Zusammenhänge^[8].“

2. Begriffliche Grundlagen

Wissensformen

Wissen kann differenziert werden in individuelles und kollektives Wissen, sowie in implizites und explizites Wissen. Beide Unterscheidungen stellen Grundelemente komplementärer Beziehungen dar, die miteinander verknüpft sind. Das Wissen entsteht im Individuum. Durch integrierte Transformationsprozesse, bei denen der Einzelne sein implizites und explizites Wissen mit anderen teilt und kombiniert, entsteht kollektives Wissen. Dabei umfasst kollektives Wissen auch die Verknüpfungsmuster.

Implizites Wissen ist subjektiv und tief in Handlungen und Erfahrungen des Individuums verankert. Diese Wissensform ist unbewusst verinnerlicht und nur schwer formulierbar und formalisierbar. Demgegenüber ist explizites Wissen sprachlich verfügbar. Es liegt formuliert oder dokumentiert vor und kann somit kontextgebunden übermittelt und bearbeitet werden^[9].

„Die organisationale Wissensbasis setzt sich aus individuellen und kollektiven Wissensbeständen zusammen, auf die eine Organisation zur Lösung ihrer Aufgaben zurückgreifen kann. Sie umfasst darüber hinaus die Daten und Informationsbestände, auf welchen individuelles und organisationales Wissen aufbaut^[10].“

Information

Information lässt sich im Hinblick auf maschinelle Verarbeitung in Non Coded und Coded Information unterscheiden.

Man spricht von Non Coded Information (NCI), wenn Dokumente Informationen enthalten, die nicht direkt elektronisch weiterverarbeitet werden können. Als Beispiel seien Rastergrafiken oder Audio- und Videoinformationen genannt.

Mit Coded Information (CI) werden diejenigen Dokumentbestandteile bezeichnet, die von einem Computer als Menge maschinenlesbarer Zeichen erzeugt werden können und dadurch direkt weiterverarbeitbar sind, wie zum Beispiel Texte und Tabellen^[11].

2.2. Effizienz und Effektivität

Effizienz und Effektivität werden im deutschen Sprachgebrauch oft synonym verwendet. Dabei unterscheiden sich diese beiden Begriffe in ihrer Zielsetzung.

Effizienz

Effizienz ist aus dem Blickwinkel der Statistik ein Synonym für Wirksamkeit. Im Allgemeinen ist ein Vorgang effizient, wenn er nach festgelegten Bewertungskriterien besser ist als ein anderer Vorgang^[12]. Umgangssprachlich formuliert bedeutet dieses Maß, dass die Dinge richtig getan werden. Somit beschreibt die Effizienz das Verhältnis von Ergebnis und Einsatz^[13].

Effektivität

Die Effektivität ist ein Maß dafür, ob mit dem Ergebnis das eigentliche Ziel erreicht wurde. Umgangssprachlich formuliert bedeutet die Effektivität, die richtigen Dinge zu tun. Damit beschreibt die Effektivität das Verhältnis von Ergebnis und Ziel^[14].

2.3. Wissensmanagement

Wissensmanagement kann als Organisationsaufgabe der Wissensanalyse und Wissensstrukturierung mit Ziel verstanden werden^[15]. Die Ziele sind dabei sehr unterschiedlich und reichen vom Informationszugriff über Lernsysteme bis hin zu Kontaktvermittlungen zu gesuchten Experten^[16]. Ein Phasenmodell veranschaulicht die einzelnen Prozesse, die notwendig sind ein Wissensmanagement aufzubauen. Dieses Kapitel beschäftigt sich mit den Grundlagen des Wissensmanagements. Im praktischen Teil dieser Arbeit soll Wissensmanagement als ein System, das Wissen in Dokumenten verfügbar macht, verstanden werden.

2.3.1. Motivation

Wissen wird zunehmend als ein weiterer Produktionsfaktor neben den klassischen Faktoren Arbeit, Boden und Kapital angesehen^[17]. Die Menge an gespeicherten Informationen wächst ständig. Damit verbunden nimmt auch die Unordnung des Wissens zu^[18]. Die Suche nach und der Zugriff auf Informationen wird immer komplexer und nimmt mehr Zeit in Anspruch. Schätzungen gehen davon aus, dass das zu verarbeitende Informationsvolumen jährlich um 25% zunimmt. Weltweit werden täglich 2,6 Milliarden Seiten neu produziert. Jedes Jahr kommen Informationen zum weltweiten Wissen dazu, die in digitalisierter Form etwa 160 Terabyte umfassen, das ist achtmal soviel, wie in den 17 Millionen Bänden der Kongressbibliothek in Washington stehen. Allein 1998 wurden weltweit Datenträger mit einem Speichervolumen von 12 Exabyte^[19] verkauft^[20].

Mit diesem steigenden Informationsaufkommen und den damit verbundenen längeren Zugriffszeiten entsteht der Wunsch nach einer effizienten Verwaltung der Information derart, dass auf gespeichertes Wissen zuverlässig zugegriffen werden kann. Denn nicht zugreifbares Wissen kostet Geld. Laut einer Studie des EDV-Analysten IDC gehen den 500 größten Unternehmen der Welt jährlich 24 Milliarden Dollar verloren, weil sie Wissen nicht oder nicht richtig nutzen. In den kommenden Jahren soll sich dieser Verlust auf 31 Milliarden Dollar erhöhen^[21].

„Wissen ist die einzige Ressource, welche sich durch Gebrauch vermehrt^[22].“

2.3.2. Ziel

Wissensmanagement stellt Organisationsmethoden bereit, Wissen unter der Berücksichtigung definierter Ziele zu analysieren, zu strukturieren und zu entwickeln. Zum Verfolgen des Ziels, Wissen in Dokumenten zu finden, wird methodisch das Dokumentenwissen identifiziert, analysiert und strukturiert^[23]. Ein weiteres Ziel ist es, von Mitarbeitern erworbenes Wissen für das Unternehmen dauerhaft zu erhalten, so dass dieses noch zugreifbar ist, wenn der Mitarbeiter das Unternehmen verlassen hat^[24].

2.3.3. Phasenmodell

Zum Aufbau eines Wissensmanagements eignet sich ein Phasenmodell mit Feedback. Probst und Romhardt konstruierten aus der Praxis ein Modell, das sie „Bausteine des Wissensmanagements“ nannten^[25]. Anstelle von Bausteinen ist der Begriff Phasen angebracht, da jeder Baustein eine Phase im Wissensmanagement- prozess repräsentiert. In nachstehender Abbildung wird das Zusammenspiel der einzelnen Phasen bei dem Aufbau eines solchen Systems dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2-3: Bausteine des Wissensmanagements [Quelle Probst, G., Raub, K. und Romhardt, K. (1999), S. 58]

Wissensziele

Analog zu der Formulierung von Unternehmenszielen, werden in dieser Phase Ziele formuliert, welches Wissen wo und in welchem Umfang benötigt wird^[26]. Ziele werden für die normative, strategische und operative Ebene formuliert und geben den Aktivitäten des Wissensmanagements die notwendige Ausrichtung^[27].

Wissensidentifikation

Während der Phase Wissensidentifikation wird festgestellt, welche Kapazitäten bereits im Unternehmen intern vorhanden oder extern erworben sind, und welches Wissen zum Erreichen der gewünschten unternehmerischen Ziele noch fehlt^[28].

Notwendig ist die Identifikation von explizitem Wissen in Dokumenten und Datenbanken, sowie das interne Wissen von Mitarbeitern^[29]. Damit soll Transparenz geschaffen werden^[30].

Wissenserwerb

Anschließend werden in der Phase Wissenserwerb Maßnahmen eingeleitet, um an das gewünschte Wissen zu gelangen. Dies kann beispielsweise Weiterbildung^[31], Wissensteilung^[32] oder auch Wissenszuwachs durch Einkauf^[33] von Wissen sein.

Wissensentwicklung

Die so gewonnenen Informationen werden durch die Wissensentwicklung an die firmenspezifischen Anforderungen angepasst. In dieser Phase gibt es verschiedene Ausprägungen von Kooperationsmöglichkeiten im Entwicklungsprozess, von der Eigen- bis zur Fremdentwicklung, sowie interne und externe Kooperationen^[34].

Wissens(ver)teilung

Eine Wissensverteilung erfolgt beispielsweise verbal, durch Dokumentationen, Intranet oder andere Methoden. Zu beachten sind hierarchische oder funktionale Barrieren, besonders in großen Unternehmen, die zu Wissensinseln in der Organisationsstruktur führen^[35]. Genau diese „Inseln“ gilt es miteinander zu vernetzen, um isoliert vorhandene Informationen nutzbar zu machen^[36].

Wissensnutzung

Die klassische Wissensnutzung besteht aus dem Gebrauch des Wissens bei der täglichen Arbeit. Hier wird erkennbar, ob das gespeicherte Wissen überhaupt zum produktiven Einsatz kommt und welchen Nutzen es für das Unternehmen bietet^[37]. Es kommt also darauf an, das bis dahin aufbereitete Wissen anzuwenden. Dazu muss das Wissen den Anforderungen der Nutzer entsprechen.

Wissensbewahrung

Nicht alle jetzt gewonnenen neuen Erfahrungen stehen auch automatisch für die Zukunft zur Verfügung. Die Hauptprozesse in der Phase Wissensbewahrung sind Selektieren, Speichern und Aktualisieren von Wissen. Ziel ist es relevante Informationen abzulegen und einen einfachen und schnellen Zugriff auf diese Informationen zu realisieren^[38]. In dieser Phase konvergiert das Wissens- managementsystem^[39].

Wissensbewertung

Die Wissensbewertung beurteilt die gespeicherten Informationen anhand von Messgrößen und Indikatoren, wie zum Beispiel Prozesszeiten, Ausbildungserfolge oder erreichter Fortschritt. Wissen kann jedoch nur mittelbar und unscharf bewertet werden.

Ein entscheidender Faktor ist die Rückkopplung^[40] zwischen Wissensbewertung und Wissenszielen. Das bedeutet, dass durch Überprüfen und Bewerten des im Unternehmen verwendeten Wissens und der zuvor festgelegten Wissensziele die Schaffung von neuem Wissen oder Optimierung von vorhandenem Wissen gesteuert werden kann^[41].

Die genannten acht Phasen sind in zwei Kreisläufen angeordnet. Der äußere Kreislauf entspricht mit Zielsetzung, Umsetzung und Bewertung einem traditionellen Managementprozess. Der innere Kreislauf führt die einzelnen Stationen und Ansatzpunkte bei der Umsetzung von Wissensmanagement auf ^[42]. Dieser Kreislauf wird ständig durchlaufen. Parameter müssen immer wieder der aktuellen Situation angepasst werden^[43].

3. Datenspeichersysteme

Zu einem Wissensmanagementsystem gehört eine Ablage der Daten. Denn das Wissen muss physikalisch gespeichert werden, um später mit Methoden darauf zugreifen zu können. Auf technischer Ebene erstreckt sich die Bandbreite von Dateiablagen bis hin zu Datenbanksystemen. In diesem Kapitel wird ein Überblick über derzeit mögliche Speichertechnologien gegeben.

3.1. Dateisystem

Daten und somit auch Dokumente können recht einfach in einem Dateisystem abgelegt werden. Die Dateien können mit Verzeichnissen hierarchisch strukturiert und somit organisiert werden.

In einer Dateiablage können einzelnen Benutzern oder Benutzergruppen getrennt Lese- und Schreibrechte zugeteilt werden. Das Recht kann an eine Datei vergeben werden. Aus praktischen Gründen erfolgt eine Rechtevergabe in der Regel auf Verzeichnisebene. Eine Mehrbenutzerfähigkeit wird durch Methoden ermöglicht, die ein paralleles Schreiben einer Datei von mehreren Benutzern verhindert. Jede Datei erhält von dem Dateisystem Beschreibungsinformationen, die zur Verwaltung des Datenbestandes notwendig sind. Solche Beschreibungsdaten sind Attribute, wie zum Beispiel Eigentümer, Autorisierungsinformation, Dateigröße, Dateityp und Zeitinformationen, wie Erstellungsdatum und letzter Zugriff^[44].

Effiziente Dateistruktur

Eine effiziente Dateistruktur zeichnet sich dadurch aus, dass sie den gesamten Anforderungsbereich umfasst, dabei aber noch einfach und überschaubar ist. Die Schwierigkeit eine solche Dateistruktur zu finden, besteht darin, geeignete Verzeichnisse vorzugeben nach denen alle Dokumente eingeordnet werden können. Ein Problem dabei ist, dass Dokumente durchaus in mehrere Kategorien gleichzeitig passen. Der Ablageort auf einem Dateisystem ist immer eindeutig.

Bei der Definition einer solchen Struktur muss zunächst eine Entscheidung darüber getroffen werden, ob die Ordnerstruktur offen gestaltet wird oder ein abgeschlossenes System bildet, das nicht mehr änderbar ist. Beide Möglichkeiten erfordern Kompromisse. Bei einer offen gestalteten Ordnerstruktur ist das Erstellen weiterer Ordner erlaubt. Dadurch ist die Übersichtlichkeit beziehungsweise Einfachheit einer entwickelten effizienten Struktur gefährdet.

Erlaubt man jedoch keine Änderung an der Struktur, besteht das Problem, dass neue Dokumente nicht vollständig übereinstimmend in eine vorgegebene Kategorie passen.

Hier stößt man in Dateisystemen offensichtlich auf ein Dilemma.

3.2. Datenbanksystem

Ab einer gewissen Anzahl zu verwaltender Dokumente bietet sich ein Datenbanksystem als Ablage- und Verwaltungsort an. Ein Datenbanksystem besteht aus einer Datenbank und einem Datenbankmanagementsystem. In der Datenbank wird der Datenbestand strukturiert abgelegt. Das Datenbankmanagementsystem besteht aus einer Reihe von Software Modulen, die zur Verwaltung der Datenbank notwendig sind^[45].

In einer Datenbank können alphanumerische Daten, wie beispielsweise Texte, Tabellen oder Zahlen und binäre Daten, wie zum Beispiel Bilder, Audiodateien oder komplexe Dokumente abgelegt werden. Grundlage einer Datenbank ist die Datenbasis. Diese wird definiert als eine Menge von maschinenlesbaren Datenelementen, die nicht redundant, unabhängig voneinander und mehrfach benutzbar sind. Das heißt, dass in der Datenbasis jedes Datenelement einmal vorhanden ist und beliebig oft abgefragt werden kann.

Zu einer wichtigen Eigenschaft einer Datenbank gehört die Trennung der Datenhaltung von den Benutzern. Die Organisation der Daten wird von einer zentralen Datenverwaltung übernommen. Dies hat wesentliche Vorteile: Der Benutzer muss sich nicht um das Organisieren des Datenbestandes kümmern, ebenso wenig bei einer Reorganisation der internen Datenbankstruktur. Die Datenintegrität sollte auch bei möglicher Fehlbedienung gewährleistet sein^[46].

In Anlehnung an die Codd’schen Regeln^[47], erfüllen Datenbanksysteme folgende Grundmerkmale:

- Ein Datenbankmanagementsystem verwaltet persistente, das heißt langfristig zu haltende Daten. Die Langlebigkeit des Informations- bestandes ist sicherzustellen.
- Große Datenmengen müssen effizient verwaltet werden.
- Datenbankmanagementsysteme definieren ein Datenmodell, mit dessen Konzepten alle Daten einheitlich beschrieben werden.
- Operationen und deskriptive Sprachen, wie zum Beispiel Datendefinitionssprache, Abfragesprache oder Datenmanipulationssprache werden anwendungsunabhängig zur Verfügung gestellt.
- Ein Datenbanksystem unterstützt das Transaktionskonzept, das logisch zusammenhängende Operationen zu einer unteilbaren^[48] Transaktion zusammenfasst.
- Datenbanksysteme stellen Methoden zur Mehrbenutzerkontrolle bereit.
- Die Daten werden so organisiert, dass Einhaltung des Datenschutzes, Datenintegrität im Sinne von Konsistenz und Sicherheit gewährleistet werden^[49].

Datenbanken können sowohl unter strukturellen als auch unter inhaltlichen Aspekten betrachtet werden. An dieser Stelle wird ein Überblick über Datenbanken nach der Art des zugrunde liegenden Datenmodells gegeben^[50].

3.2.1. Hierarchisches Datenbankmodell

Bei einem hierarchisch definierten Datenbankmodell ist die Baumstruktur die Grundlage. Vorteile liegen dabei in dem sequentiellen Zugriff auf die Daten, wobei komplexe Beziehungen nicht darstellbar sind^[51].

Dieses Modell wurde 1969 von IBM mit dem System IMS eingeführt und gehört zu dem erfolgreichsten Datenbankmodell der ersten Generation^[52].

3.2.2. Netzwerkmodell

Der Datenbestand besteht im Netzwerkmodell aus verketteten Datensätzen, die somit ein Netzwerk bilden^[53]. Ein Datentyp kann mehreren Hierarchien zugeordnet werden. Dieser Vorteil der Darstellung von Mehrfachbeziehungen in einem Datenmodell hat den Nachteil, dass der Zugriff nicht ausschließlich sequentiell erfolgen kann. Was somit zu einem Mehraufwand bei der Realisierung einer Datenmanipulationssprache führt^[54].

Dieses Modell wurde 1971 von der CODASYL-DBTG^[55] festgelegt^[56].

3.2.3. Relationales Datenmodell

Im relationalen Datenbankmodell werden die Daten als ungeschachtelte (flache) Tabellen dargestellt. Beziehungen zwischen den Objektrepräsentanten unterliegen keinerlei Beschränkungen. Die Idee basiert auf den Ergebnissen der mathematischen Theorie der Relationen^[57]. Die Terminologie im Zusammenhang mit dem Relationenmodell weicht von dem traditionellen Sprachgebrauch konventioneller Datenbanken ab. Unter der Bezeichnung Structured Query Language (SQL) wurde eine relativ einfache Datenbankabfragesprache von IBM entwickelt und als ISO Standard für relationale Datenbanksysteme eingesetzt.

Als Relation bezeichnet man eine Tabelle, in der die Datenelemente in zweidimensionaler Anordnung dargestellt werden. Eine relationale Datenbank wird aus verschiedenen solcher Relationen aufgebaut. Die einzelnen Zeilen in der Tabelle werden mit Tupel bezeichnet. Alle auf ein Objekt bezogenen Feldwerte sind zu einem Tupel zusammengefasst. Eine Spalte nennt man Attribut, was einem Datenfeldtyp entspricht. Die Menge der verschiedenen Feldwerte eines Attributes heißt Domäne. Jedes Tupel muss einen bestimmten Schlüssel besitzen, mit dem es identifiziert werden kann und es muss redundanzfrei sein. Kein Attribut aus dem Schlüssel darf weggelassen werden, ohne die Eigenschaft der eindeutigen Identifikation zu verändern.

Die Flexibilität einer solchen relationalen Datenbank liegt in der Einfachheit, mit der Relationen durch Projektion aufgeteilt und durch Join wieder zusammen- geführt werden können, um wieder neue Relationen zu bilden. Ein solches Datenbankmodell kann einfach erweitert werden durch Hinzunahme von neuen Attributen und Relationen.

Im Vergleich zu anderen Datenbankmodellen können Verknüpfungen durch Relationen sehr viel präziser, entsprechend der relationalen Algebra, realisiert werden. Ein Nachteil ist, dass die abzubildende Datenstruktur nicht immer in einer Tabellenform vorliegt^[58].

Das Relationenmodell wurde 1970 von Codd eingeführt, es ist das derzeit am weitesten verbreitete Datenbankmodell^[59].

3.2.4. Transaktionsorientierte Datenbanken

Für ein solches Datenbanksystem sind mindestens drei Arten von Dateien notwendig. Eine Dokumentdatei, auch Masterfile genannt, in der alle Dokumente, allgemein Objekte, in chronologischer Form durchnummeriert gespeichert sind. Sie haben einen direkten Zugriff auf das Dokument und eventuell auch einen direkten Zugriff auf die Kategorien.

Daneben gibt es eine oder mehrere Registerdateien, Deskriptor-Files, in denen Suchbegriffe alphabetisch oder zusätzlich über eine Notation hierarchisch gespeichert sind. Je nach Design oder Praktikabilität werden alle Suchbegriffe in einem Register gespeichert oder es werden mehrere unterschiedliche Registertypen angelegt.

Als drittes gibt es die invertierte Datei, inverted File. Das ist eine Zeigerliste, die hinter den Suchbegriffen steht. Aus technischen Gründen, wegen des unterschiedlichen Aufbaus, bildet sie eine eigenständige Datei. Weitere Dateien sind möglich, beispielsweise eine Datei für das Registrieren von Suchanfragen mit den entsprechenden Ergebnissen oder eine Datei mit dem Benutzerverzeichnis und deren Berechtigungen.

Die Suche und damit der Zugriff auf die Daten erfolgt nur über die getrennt abgelegten invertierten Listen, in denen zu den jeweiligen Suchbegriffen die Adressen der zugehörigen Datensätze gespeichert sind.

Eine solche Datenbank findet insbesondere in Information Retrieval Systemen Anwendung^[60].

3.2.5. Objektorientierte Datenbanken

Objektorientierte Datenbanken nutzen das Konzept des abstrakten Datentyps. Ein solcher abstrakter Datentyp erfasst die Datenstruktur und die dazu gehörigen Verarbeitungsregeln. Die Operationen auf abstrakte Datentypen sind entsprechend komplex. In der objektorientierten Sicht spricht man von Klassen, Methoden, Objekten, Instanzen und Nachrichten. Die Objektidentität dient als Schlüssel für Objekte, indem ein Objekt eine eindeutige Objektnummer zugewiesen bekommt. Die Vererbung von Attributen und Methoden wird analog zu der objektorientierten Programmierung unterstützt^[61].

Die Möglichkeit, Funktionalität an Daten zu koppeln, besteht zwar auch bei relationalen Datenbanken, sie ist aber nur an einzelne Felder oder Zeilen einer normalisierten Tabelle gekoppelt, wodurch komplexe Objekte schwer abbildbar sind. Für ein solches Datenbankmodell ist eine eigene Abfragesprache implementiert, sie heißt Object Query Language (OQL), die sich von der Syntax an SQL und der Definitionssprache Object Definition Language (ODL) anlehnt^[62]. Dieses objektorientierte Datenbankmodell war 1987 erstmals kommerziell verfügbar. Erst 1989 lieferte Beeri^[63] ein theoretisch fundiertes Modell dazu^[64]. Im Jahr 1997 wurde von der Object Data Management Group (ODMG) ein Standard für objektorientierte Datenmodelle, das ODMG-97 Datenmodell, festgelegt^[65].

3.2.6. Semistrukturierte Datenbanken

Semistrukturierte Daten besitzen kein zentrales Datenschema. Stattdessen sind die Strukturen und Beziehungen implizit in jedem einzelnen Dokument enthalten. Eine solche Struktur ist nicht langlebig. Der Unterschied zwischen Daten und Schema ist unscharf. Die Daten an sich haben eine wechselnde Struktur. Ein konkretes Dokument kann von der Typisierung abweichen. Datentypen dienen hierbei nicht der Integrität. Die Anzahl möglicher Attribute ist sehr hoch und kann komplex strukturiert sein. Anfrageoperationen, wie Vergleichsprädikate, beziehen sich häufig nicht nur auf ein Attribut, sondern auf eine Menge von Attributen oder das gesamte Dokument.

Dieser Typ von Datenbankmodellen unterstützt semistrukturierte Daten, wie beispielsweise Hypertext Markup Language (HTML) oder Extensible Markup Language (XML) ^[66].

3.2.7. Native XML-Datenbanken

Native XML-Datenbanken speichern XML-Dokumente in deren nativer Form, also in der Struktur, die das XML-Dokument vorgibt. In der Literatur setzt sich der Begriff XML-Datenbankmanagementsystem (XML-DBMS) für native XMLDatenbanksysteme durch. Im eigentlichen Sinne ist ein XML-DBMS ein semistrukturiertes Datenbanksystem auf XML-Basis^[67].

XML ist eine Metasprache, mit deren Hilfe Sprachen modelliert werden können. Ein XML-basiertes Dokument hat eine physische und eine logische Struktur^[68]. Ein XML-Dokument ist mit einem selbstbeschreibenden Datensatz^[69] vergleichbar und daher zum Datenaustausch zwischen heterogenen Systemen geeignet. In einer Document Type Definition (DTD) erfolgt eine Beschreibung von Elementen und deren Struktur, sowie die Menge der Attribute der Elemente, die für einen bestimmten XML-Dokumenttyp verwendet werden dürfen. Als Erweiterung zu der DTD hat das World Wide Web Consortium (W3C) im Jahr 2001 eine Empfehlung für XML-Schema herausgegeben. Mit Hilfe von XML-Schema ist es möglich in einer XML-Syntax einfache und komplexe Datentypen mit Wertebereichen und Kardinalität zu definieren, was weit über die Funktionalität der DTD hinaus reicht. In der DTD ist letztendlich nur ein zeichenbasierter Datentyp, PCDATA, bekannt^[70].

Nach einer Reihe von Standardisierungen für XML-Abfragesprachen, wie XML Query Language (XQL) und XPath, hat das W3C im Jahr 2001 XML-Query in einem Arbeitspapier als ein Datenmodell für XML-Dokumente vorgeschlagen. Die Operationen werden in XML-Notation formuliert und ermöglichen leicht

[...]

---

^[1] Vgl. ILOI (1997).

^[2] Vgl. Oberniedermaier, G. (2001), S. 33.

^[3] Vgl. Zimmermann, H. und Schramm, V. (1998), S. 236.

^[4] Vgl. Ohly, P., Rahmstorf, G. und Sigel, A. (2000), S. 41.

^[5] Vgl. Ebenda, S. 49f.

^[6] Vgl. Schreyögg, G. und Conrad, P. (Hrsg., 1996), S. 3ff.

^[7] Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 38.

^[8] Probst, G., Raub, S. und Romhardt, K. (1999), S. 46.

^[9] Vgl. Ohly, H., Rahmstorf, G. und Sigel, A. (2000), S. 56.

^[10] Probst, G., Raub, S. und Romhardt, K. (1999), S. 46.

^[11] Vgl. Oberniedermaier, G. (2001), S. 52.

^[12] Vgl. Gabler (Hrsg., 1988), S. 1350.

^[13] Vgl. Krems, B. (Hrsg., 2002), S. 1.

^[14] Vgl. Ebenda.

^[15] Vgl. Borghoff, U. und Pareschi, R. (1998), S. 13.

^[16] Vgl. Freiberg, U. (2001), S. 25.

^[17] Vgl. Stewart, T. (1998), S. 63f.

^[18] Vgl. ISKO (Hrsg., 1995), S. 23.

^[19] 12 Exabyte entsprechen 12 Milliarden Gigabyte.

^[20] Vgl. Habbe, C. (2000), S. 170f.

^[21] Vgl. Herbst, d. (2000), S. 21.

^[22] Probst, G., Raub, S. und Romhardt, K. (1999), S. 17.

^[23] Vgl. ISKO (Hrsg., 1995), S. 210.

^[24] Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 41.

^[25] Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 49.

^[26] Vgl. Schmidt, R. (2000), S. 21.

^[27] Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 57.

^[28] Vgl. Pipp, E. (2000), S. 156.

^[29] Vgl. Schmidt, R. (2000), S. 21.

^[30] Vgl. Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 54.

^[31] Vgl. Ohly, H., Rahmstorf, G. und Sigel, A. (2000), S. 377.

^[32] Vgl. Pipp, E. (2000), S. 156f.

^[33] Vgl. Schmidt, R. (2000), S. 22.

^[34] Vgl. Pipp, E. (2000), S. 157.

^[35] Vgl. Ebenda.

^[36] Vgl. Schmidt, R. (2000), S. 22.

^[37] Vgl. Ebenda.

^[38] Vgl. Schmidt, R. (2000), S. 22.

^[39] Vgl. Pipp, E. (2000), S. 157.

^[40] Engl. Feedback.

^[41] Vgl. Pipp, E. (Hrsg., 2000), S. 156ff.

^[42] Vgl. Schmidt, R. (2000), S. 20f.

^[43] Vgl. Probst, G., Raub, S. und Romhardt, K. (1999), S. 61f.

^[44] Vgl. Härder, T. und Rahm, E. (1999), S. 73ff.

^[45] Vgl. Heuer, A. und Saake, G. (2000), S. 8f.

^[46] Vgl. Meiss, B. (1997), S. 40f.

^[47] Die 12 Codd’schen Regeln in: Codd, E. (1970).

^[48] Anstelle von unteilbar wird häufig das Wort atomar gebraucht.

^[49] Vgl. Heuer, A. und Saake, G. (2000), S. 8f.

^[50] Vgl. Poetzsch, E. (1998), S. 29.

^[51] Vgl. Meiss, B. (1997), S. 41.

^[52] Vgl. Heuer, A. und Saake, G. (2000), S. 122.

^[53] Vgl. Heuer, A. und Saake, G. (2000), S. 47.

^[54] Vgl. Meiss, B. (1997), S. 41.

^[55] Die CODASYL-DBTG, Database Task Group der Conference on Data Systems and Languages ist ein Normungsausschuss.

^[56] Vgl. Heuer, A. und Saake, G. (2000), S. 119.

^[57] Vgl. Ebenda, S. 106ff.

^[58] Vgl. Meiss, B. (1997), S. 41ff.

^[59] Vgl. Heuer, A. und Saake, G. (2000), S. 106.

^[60] Vgl. Meiss, B. (1997), S. 43f.

^[61] Vgl. Heuer, A. und Saake, G. (2000), S. 128.

^[62] Vgl. Meiss, B (1997), S. 44ff.

^[63] Catriel Beeri lieferte das erste anerkannte objektorientierte Modell in dem Aufsatz: "Formal Models for Object-Oriented Databases," In Proc. of the 1st Intl. Conf. on Deductive and ObjectOriented Databases, pages 370--395, Kyoto, Dec. 1989.

^[64] Vgl. Heuer, A. und Saake, G. (2000), S. 129.

^[65] Vgl. Ebenda, S. 139.

^[66] Vgl. Heuer, A. und Saake, G. (2000), S. 158f.

^[67] Vgl. Bourret, R. (2002).

^[68] Vgl. Heuer, A. und Saake, G. (2000), S. 159f.

^[69] Vgl. Bourret, R. (2002).

^[70] Vgl. Cover, R. (2002).