Wissensmanagement – Methoden und Werkzeuge

Winter

(engl. Knowledge Management Methods and Instruments )

Kürzel

WMS

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
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. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

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)

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:

Revision #1
Created 2026-10-01 07:22:07 UTC by Fakultät für Informatik
Updated 2026-10-01 07:22:07 UTC by Fakultät für Informatik