Wissensmanagement – Methoden und Werkzeuge

Winter

(engl. Knowledge Management Methods and Instruments )

Modulnummer: FIN-INF-100373

Link zum LSF:	LSF
Verantwortung:	Myra Spiliopoulou
Dozent:in:	Myra Spiliopoulou
Lehrveranstaltungen:	Vorlesung Wissensmanagement - Methoden und Werkzeuge Übung Wissensmanagement - Methoden und Werkzeuge
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Kürzel WMS

CP 5

Semester Winter

Fachsem.

Dauer 1 Semester

Sprache deutsch

Niveau Bachelor

Angestrebte Lernergebnisse:
Nach dem erfolgreichen Abschliessen des Moduls, die Studierenden:

• verstehen, was Wissensmanagement bedeutet und was die Rolle und Ziele von einem WMS in einem Unternehmen sind
• verstehen die Ziele und Grundfunktionalitäten von einzelnen WMS Komponenten
• können erkennen, welche Instrumente für welche WMS-Aufgaben anzuwenden sind
• verstehen, wie einfache Text-Mining Methoden funktionieren
• verstehen, wie Modelle für herkömmliche und für multi-label Klassifikation abzuleiten sind
• können Klassifikationsmodelle evaluieren
• können Instrumente für vereinfachte WMS-Aufgaben anwenden

und haben damit notwendige Grundlagen erworben, um WMS-Lösungen gestalten zu können.

Inhalt:

• Wissensmanagement im Unternehmen: Begriffe und Ordnungsrahmen für Wissensmanagementlösungen
• Wissen und Strategie/Entscheidungsunterstützung
• Wissensmanagementmethoden für explizites und tazides Wissen, darunter Dokumentenmanagement und Text Mining
• Fallbeispiele

Arbeitsaufwand:

• 28 Stunden Vorlesung (Präsenz)
• 28 Stunden Übung (Präsenz)
• 94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie Prüfungsvorbereitung

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen	Schriftliche Prüfung - Klausur (120 min)	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Data Mining, Machine Learning, Information Retrieval

Medienformen:

Literatur:

Literatur zum Teil I der Lehrveranstaltung: 1. Franz Lehner ‘WISSENSMANAGEMENT - Grundlagen, Methoden und technische Unterstützung’ 6. überarbeitete und erweiterte Auflage, 2021, Verlag: HANSER; erreichbar unter www.hanser-elibrary.com von unserer Universitätsbibliothek 2. Fallstudien zusätzlich aus: • K. Mertins & H. Seidel. "Wissensmanagement im Mittelstand", SPRINGER (2009) • A. Stocker & K. Tochtermann, "Wissenstransfer mit Wikis und Weblogs: Fallstudien zum erfolgreichen Einsatzvon Web 2.0 in Unternehmen", GABLER (2010) Literatur zum Teil II der Lehrveranstaltung: 1. Einstiegshilfe für Klassifikation aus dem entsprechenden Kapitel des Buchs ‘Introduction to Data Mining’, 2. Auflage, (2018/2019) von Pan-Ning Tan, Michael Steinbach, Anuj Karpatne & Vipin Kumar, PEARSON (erreichbar unter https://www-users.cs.umn.edu/~kumar001/dmbook/index.php) 2. Auszüge zu Text Mining aus ‘Modeling the Internet and the Web: Probabilistic Methods and Algorithms’ (2003) von Pierre Baldi, Paolo Frasconi, Padhraic Smyth, WILEY 3. Tutorial von Jesse Read zu Multi-Label Klassifikation (verlinkt vom Foliensatz) 2013 Weitere Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel erscheinen im jeweiligen Veranstaltungsblock.

Hinweise: