Wissensmanagement: Isolierte Informationen gehen in die Falle

Je mehr die Komplexität einer Situation die menschliche Fähigkeit zur Informationsverarbeitung überfordert, desto unumgänglicher werden technologische Lösungen, um Wissen verfügbar zu machen. Gegenwärtig häufig eingesetzte Lösungen werden unter dem Namen Semantic Web-Technologien zusammengefasst. Im Allgemeinen geht es darum, Informationen einheitlich zu formalisieren, so dass sie von Maschinen bedeutungsvoll verarbeitet werden können. Die Basistechnologien sind vorhanden, die einen effizienteren Umgang mit Information möglich machen. Dazu gehören XML (Extensible Markup Language), RDF (Resource Description Framework), RDF-S (Resource Description Framework Schema) und OWL (Web Ontology Language). Die Technologien basieren im Wesentlichen darauf, dass Daten formalisiert und dass den Daten definierte Strukturen aufgeprägt werden. Sie verfolgen insofern einen Top-Down-Ansatz. Wenn Daten gleichartig beschrieben sind, beziehungsweise eine gleichartige Struktur besitzen, wird es möglich, Information rasch und einfach zu aggregieren, auszutauschen und zu verknüpfen.

Für Unternehmen bedeutet dies, sie müssen eine Wissensstruktur bestehend aus Ontologien entwickeln, welche die vorliegende Information formal abbilden. Werden dann die einzelnen Informationselemente an eine Ontologie gebunden, kann Information systemübergreifend und aufeinander bezogen rasch aufgefunden werden. Auch Beziehungen zwischen einzelnen Informationselementen werden unmittelbar transparent. Auch wenn dieser Ansatz teilweise bereits erfolgreich angewendet wird, so ist es doch ein sehr aufwändiges Verfahren. Darüber hinaus erfordert das Ergebnis selbst aufgrund der Dynamik von Information und des Unternehmens eine ständige Überprüfung und Überarbeitung.

Alternativ zu Semantic-Web-Technologien bieten sich auch Bottom-Up-Ansätze an. Diese Ansätze nutzen Techniken aus Disziplinen wie Information Extraction, Knowledge Discovery oder Data Mining und beruhen darauf, dass sie über Systeme hinweg Inhalte automatisch hinsichtlich statistischer und linguistischer Eigenschaften analysieren und die Inhalte dann aufgrund dieser Eigenschaften zueinander in Beziehung setzen. Solche Beziehungen können beispielsweise durch bestimmte Personen definiert sein, die sich zu verschiedenen Themen geäußert oder Berichte dazu geschrieben haben. Oder auch durch Orte, die definieren, welcher geografischen Region zum Beispiel Zeitungsmeldungen zuzuordnen sind. Beispiele dafür sind die APA-LABS-Anwendungen “Runder Tisch” oder “Geo-Visualisierung” der Austria Presse Agentur.