1 Prozessorientiertes Wissensmanagement Wissensmanagement wird von mehreren Disziplinen (Philosophie, Psychologie, So- ziologie, Wirtschaftswissenschaften, Infor- mationswissenschaften, Wirtschaftsinfor- matik, Informatik) beeinflusst und soll die Generierung, die Verteilung und den Nut- zen von Wissen in einer Organisation ver- bessern [DaPr98b]. Nach Lehner ist das Ziel des Wissensmanagements das Manage- ment des Wissens in der Organisation [Lehn00]. Lehner unterscheidet dabei zwei unterschiedlich fokussierte Ansa ¨tze. Der technologieorientierte Ansatz basiert auf der computergerechten Repra ¨sentation des Wissens fu ¨r dessen Verteilung durch Infor- mationstechnologie. Im Fokus des human- orientierten Ansatzes steht der Mensch als Wissenstra ¨ger und -erzeuger. Vorhandene Ansa ¨tze im Bereich Wissensmanagement sehen jedoch Wissensmanagement eher als das Management der Ressource Wissen als das Management der Wissensnutzung [Remu02]. In der Wissensmanagementlite- ratur wird zwischen den beiden Richtun- gen produktorientiertes und prozessorien- tiertes Wissensmanagement unterschieden [MeAY03], [GrMK05]. Der produktorien- tierte Ansatz ist stark auf die Erzeugung und Bewahrung von Wissen in Informati- onssystemen gerichtet. Hierbei fehlt jedoch oft der Bezug zu den Gescha ¨ftsprozessen [Heis02]. Dabei wird Wissen nicht als zu verwaltende Ressource betrachtet, sondern als wichtige, im wissensintensiven Ge- scha ¨ftsprozess Wert steigernde Fa ¨higkeit des Unternehmens in der Wertscho ¨ pfungs- kette. Das prozessorientierte Wissens- management kombiniert die Ansa ¨tze des Gescha ¨ftsprozessmanagements [BeKR05], [FeLo04], [GrMu ¨ 05], [GrMK05], [HiTP05], [JKSK00], [Sche98] und des Wissensmanagements [Remu02], [AHMM02], [BaVȘ02], [Heis02], [MeHV03], [Lehn00] und strebt an, die dy- namischen Wissensflu ¨ sse und Wissenskon- versionen entlang und zwischen den Ge- scha ¨ftsprozessen transparent zu machen und somit effizient zu fo ¨ rdern. Die derzeitigen Modellierungsmethoden und -werkzeuge des Gescha ¨ftsprozess- managements, wie beispielsweise ARIS (IDS Scheer), ADONIS (BOC Informa- tion Technologies Consulting GmbH) oder BONAPART (PIKOS GmbH), sind fu ¨r die Modellierung von Wissenskonversio- nen und wissensintensiven Gescha ¨ftspro- zessen nicht geeignet [GrMK05], da per- sonengebundenes Wissen, Anforderungen an wissensintensive Aufgaben und Um- wandlungsmechanismen zwischen den ver- schiedenen Arten von Wissen nicht erfasst und modelliert werden ko ¨ nnen. Das pro- zessorientierte Wissensmanagement kann die Lu ¨ cke zwischen Gescha ¨ftsprozess- management und Wissensmanagement schließen. Das wird erreicht, indem der hu- manorientierte und der technologieorien- tierte Ansatz bei der Betrachtung der Gescha ¨ftsprozesse integriert werden. Der Mensch als Aufgabentra ¨ger im Gescha ¨fts- WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349 – 360 Die Autoren Norbert Gronau Jane Fro ¨ming Prof. Dr-Ing. Norbert Gronau Dipl.-Inform. Jane Fro ¨ming Lehrstuhl fu ¨r Wirtschaftsinformatik und Electronic Goverment Universita ¨t Potsdam August-Bebel Str. 89 14482 Potsdam {ngronau|jfroeming}@wi.uni-potsdam.de KMDL â Eine semiformale Beschreibungssprache zur Modellierung von Wissens- konversionen Kernpunkte Mit KMDL â kann Art und Umfang einer Wissenskonversion modelliert und analysiert wer- den. Damit wird die Transparenz u ¨ber das vorhandene Wissen im Unternehmen erho ¨ht und der Ablauf wissensintensiver Gescha ¨ftsprozesse kann verbessert werden. Die semiformale Modellierungsmethode unterscheidet zwischen stillschweigendem, explizierbarem und expli- zitem Wissen und gestattet eine Analyse der Wissensverarbeitung in den einzelnen Prozess- schritten und darauf aufbauend die Identifikation von Potenzialen fu ¨r Verbesserungen. Wei- terhin ko ¨nnen Strategien fu ¨r Schulungskonzepte abgeleitet und Projektteams entsprechend den beno ¨tigten Skills zusammengestellt werden. Stichworte: Modellierung, wissensintensive Gescha ¨ftsprozesse, KMDL â , stillschweigendes und explizites Wissen, Prozessmuster WI – Innovatives Produkt
Transcript
1 ProzessorientiertesWissensmanagement
Wissensmanagement wird von mehrerenDisziplinen (Philosophie, Psychologie, So-ziologie, Wirtschaftswissenschaften, Infor-mationswissenschaften, Wirtschaftsinfor-matik, Informatik) beeinflusst und soll dieGenerierung, die Verteilung und den Nut-zen von Wissen in einer Organisation ver-bessern [DaPr98b]. Nach Lehner ist dasZiel des Wissensmanagements das Manage-ment des Wissens in der Organisation[Lehn00]. Lehner unterscheidet dabei zweiunterschiedlich fokussierte Ansatze. Dertechnologieorientierte Ansatz basiert aufder computergerechten Reprasentation desWissens fur dessen Verteilung durch Infor-mationstechnologie. Im Fokus des human-orientierten Ansatzes steht der Mensch alsWissenstrager und -erzeuger. Vorhandene
Ansatze im Bereich Wissensmanagementsehen jedoch Wissensmanagement eher alsdas Management der Ressource Wissen alsdas Management der Wissensnutzung[Remu02]. In der Wissensmanagementlite-ratur wird zwischen den beiden Richtun-gen produktorientiertes und prozessorien-tiertes Wissensmanagement unterschieden[MeAY03], [GrMK05]. Der produktorien-tierte Ansatz ist stark auf die Erzeugungund Bewahrung von Wissen in Informati-onssystemen gerichtet. Hierbei fehlt jedochoft der Bezug zu den Geschaftsprozessen[Heis02]. Dabei wird Wissen nicht als zuverwaltende Ressource betrachtet, sondernals wichtige, im wissensintensiven Ge-schaftsprozess Wert steigernde Fahigkeitdes Unternehmens in der Wertschopfungs-kette. Das prozessorientierte Wissens-management kombiniert die Ansatze desGeschaftsprozessmanagements [BeKR05],[FeLo04], [GrMu05], [GrMK05],[HiTP05], [JKSK00], [Sche98] und desWissensmanagements [Remu02],[AHMM02], [BaV�02], [Heis02],[MeHV03], [Lehn00] und strebt an, die dy-
namischen Wissensflusse und Wissenskon-versionen entlang und zwischen den Ge-schaftsprozessen transparent zu machenund somit effizient zu fordern.Die derzeitigen Modellierungsmethoden
und -werkzeuge des Geschaftsprozess-managements, wie beispielsweise ARIS(IDS Scheer), ADONIS (BOC Informa-tion Technologies Consulting GmbH) oderBONAPART (PIKOS GmbH), sind furdie Modellierung von Wissenskonversio-nen und wissensintensiven Geschaftspro-zessen nicht geeignet [GrMK05], da per-sonengebundenes Wissen, Anforderungenan wissensintensive Aufgaben und Um-wandlungsmechanismen zwischen den ver-schiedenen Arten von Wissen nicht erfasstund modelliert werden konnen. Das pro-zessorientierte Wissensmanagement kanndie Lucke zwischen Geschaftsprozess-management und Wissensmanagementschließen. Das wird erreicht, indem der hu-manorientierte und der technologieorien-tierte Ansatz bei der Betrachtung derGeschaftsprozesse integriert werden. DerMensch als Aufgabentrager im Geschafts-
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Die Autoren
Norbert GronauJane Froming
Prof. Dr-Ing. Norbert GronauDipl.-Inform. Jane FromingLehrstuhl fur Wirtschaftsinformatik undElectronic GovermentUniversitat PotsdamAugust-Bebel Str. 8914482 Potsdam{ngronau|jfroeming}@wi.uni-potsdam.de
KMDL�
Eine semiformale BeschreibungssprachezurModellierung von Wissens-konversionen
Kernpunkte
Mit KMDL� kann Art und Umfang einer Wissenskonversion modelliert und analysiert wer-den. Damit wird die Transparenz uber das vorhandene Wissen im Unternehmen erhoht undder Ablauf wissensintensiver Geschaftsprozesse kann verbessert werden. Die semiformaleModellierungsmethode unterscheidet zwischen stillschweigendem, explizierbarem und expli-zitem Wissen und gestattet eine Analyse der Wissensverarbeitung in den einzelnen Prozess-schritten und darauf aufbauend die Identifikation von Potenzialen fur Verbesserungen. Wei-terhin konnen Strategien fur Schulungskonzepte abgeleitet und Projektteams entsprechendden benotigten Skills zusammengestellt werden.
prozess soll effizient bei der Erledigungseiner Aufgaben gefordert werden, so dasser relevantes Wissen schnell finden und er-zeugtes Wissen fur andere schnell verfug-bar machen bzw. aufbereiten kann.Der in diesem Beitrag vorgestellte An-
satz betrachtet wissensintensive Geschafts-prozesse, welche in erster Linie durch einehohe Komplexitat bei der Ausfuhrung,einer schwachen Strukturiertheit im Ab-lauf, das Vorhandensein von stark kom-munikationsorientierten Aufgaben und dasBestehen einer hohen Mitarbeiterautono-mie bei Entscheidungen charakterisiertsind [AHMM02], [BaV�02], [EpSR99],[GrMu05], [Remu02]. Im nachsten Ab-schnitt werden kurz die haufig verwende-ten Begriffe: explizites, stillschweigendes,explizierbares und kollektives Wissen, Wis-senskonversion, Konversionstypen, Kon-versionsarten und Konversionsmethodennaher erlautert. Nach der Begriffserklarungfolgt ein Abschnitt zur Einfuhrung in dieModellierungssprache KMDL�. Hier wirdkurz auf die Entwicklungsgeschichte ein-gegangen und dann das Vorgehensmodellerlautert. Im Anschluss folgt die Vorstel-lung der einzelnen KMDL�-Objekte undein anschauliches Beispiel. Der letzte Ab-schnitt dieses Beitrages stellt die Analyse-moglichkeiten der KMDL� vor.
2 Begriffsbestimmung
Zur allgemeinen Beschreibung wissens-intensiver Prozesse werden unterschied-liche Ansatze verwendet. Heisig stellt diePlanbarkeit des Wissensbedarfs in den Vor-dergrund und entscheidet uber die Wis-sensintensitat anhand des Vorhandenseinsvon Variabilitat und Ausnahmebedingun-gen [Heis02]. Andere Quellen sprechen vonwissensintensiven Prozessen, wenn eineVerbesserung mit klassischen Methodender Geschaftsprozessoptimierung nichtoder nur zum Teil moglich ist [Remu02].Davenport macht die Wissensintensitatu. a. anhand der Vielfaltigkeit und Unge-wissheit von Input und Output fest[DaPr98a]. Ein Prozess kann jedoch vorallem dann als wissensintensiv eingestuftwerden, wenn die durch ihn entstehendeWertschopfung in einem hohen Maßedurch das vorhandene Wissen der Prozess-beteiligten erreicht werden kann. Anhalts-punkte fur wissensintensive Prozesse sinddaher neben den bereits genannten Krite-rien insbesondere eine große Quellen- undMedienvielfalt, hohe Varianz und dyna-mische Entwicklung der Prozessorganisa-
tion [Hoff02], viele Prozessbeteiligte mitunterschiedlicher Expertise, der Einsatzvon Kreativitat, ein hoher Innovationsgradsowie ein großer Entscheidungsspielraum.
Die Betrachtung von stillschweigendem(engl. tacit) und explizitem Wissen in derKMDL� beruht auf den �berlegungenvon Polanyi [Pola58] sowie Nonaka undTakeuchi [NoTa95]. Polanyi fuhrte ur-sprunglich den Begriff des stillschweigen-den Wissens ein. Die Unterscheidung zwi-schen stillschweigendem und explizitemWissen findet in den Theorien von Nonakaund Takeuchi intensive Verwendung. Ex-plizites Wissen kann in einer formalen undsystematischen Sprache formuliert sowieleicht ubertragen und ausgetauscht werden.Im Gegensatz dazu fallt es schwer, still-schweigendes Wissen zu artikulieren undauszutauschen. Es ist personengebundenund kontextspezifisch und basiert auf per-sonlichen Erfahrungen, Intuition, Wahr-nehmungen und Erkenntnissen. Nur einTeil des stillschweigenden Wissens kann ineine explizite Form gebracht werden. Ne-ben der Unterscheidung der beiden Wis-sensarten werden die im wissensintensivenGeschaftsprozess genutzten Informationenebenfalls berucksichtigt. Informationenkonnen dabei in konventioneller Form alsText, Bild oder Diagramm auf Papier oderin elektronischer Form in Dokumenten,Audiodateien, Bitmaps oder Video bzw. inzusammengesetzten Dokumenten auftre-ten.
2.2 Umwandlung von Wissenund Informationen – Konversions-typen
Die Interaktion von explizitem und still-schweigendem Wissen wird als Haupt-antriebskraft bei der Wissenserzeugung[NoTa95] angesehen. Die Interaktionenzwischen stillschweigendem und explizi-tem Wissen konnen durch Konversionenzwischen diesen Wissensarten abgebildetwerden. Daher beschreiben Wissenskon-versionen die Umwandlung von Wissen inInformation und umgekehrt. Wissenskon-versionen treten stets zwischen den Pro-zessbeteiligten eines Unternehmens entlangoder quer zu den Geschaftsprozessen auf.Es werden die folgenden vier Konversions-typen unterschieden (siehe Bild 1).
& Sozialisation wird als Erfahrungsaus-tausch bezeichnet, bei dem stillschwei-gendes Wissen wie etwa Erfahrung undIntuition, gemeinsame mentale Modelleoder technische Fertigkeiten, entsteht.Dies kann in einem personlichen Ge-sprach, durch Erfahrungsaustausch beieiner Konferenz oder durch Nach-ahmung (learning-by-doing) geschehen.
& Externalisierung ist der Prozess derArtikulation von stillschweigendem ex-plizierbaren Wissen in explizite Kon-zepte. Unter Nutzung von Metaphern,Analogien oder Modellen kann still-schweigendes, explizierbares Wissen soausgedruckt werden, dass es durchDritte verstanden wird.
& Bei der Kombination wird bestehendesexplizites Wissen durch Verknupfung zuneuem expliziten Wissen zusammenge-setzt. In der KMDL� wird explizitesWissen mit Informationen gleichgesetzt.Explizites Wissen kann durch erneuteKonfiguration, Kategorisierung undAddition zu bestehendem explizitenWissen erweitert werden.
& Internalisierung ist der Prozess zurEingliederung von explizitem in still-schweigendes Wissen. Erfahrungen undFahigkeiten („Know-how“), die aufBasis von Sozialisation, Externalisierungoder Kombination gesammelt werden,werden in das individuell bestehendementale Modell integriert. Zu denMethoden der Internalisierung gehortz. B. das Lernen.
In Bild 1 sind die vier Basiskonversionen(auch als atomare Konversionen bezeich-net) in der aktuellen KMDL� Notationabgebildet. Die Methoden, die zu jederKonversionsart angegeben werden, be-schreiben Umfang, Genauigkeit und Qua-litat einer Wissensumwandlung. Beispiels-weise erfordert ein selbst programmierterAlgorithmus bezogen auf Nachhaltigkeitund Wissensbedarf eine umfassendereKonversion als das Lesen uber einen pro-grammierten Algorithmus. Bei dem selbstprogrammierten Algorithmus wird still-schweigendes Wissen durch eine Folge vonPraktizieren, Dokumentieren und ggf.Austausch mit anderen antrainiert. Das Le-sen uber programmierte Algorithmen befa-higt hingegen noch nicht unbedingt zumSelbstprogrammieren dieser Algorithmen.
2.3 Konversionsarten
Um die auftretenden Wissenstransforma-tionen entlang und zwischen den Prozess-schritten realitatsnah abbilden zu konnen,werden unterschiedliche Konversionsarten,
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
350 Norbert Gronau, Jane Froming
beruhend auf den Forschungs- undPraxisergebnissen beim Einsatz derKMDL�, differenziert und systematisiert(siehe Bild 2).& Atomare Konversionen bestehen aus
genau einem Input- und einem Output-objekt. Die Begriffe Input- und Output-objekt beziehen sich hier sowohl aufInformationsobjekte als auch auf Wis-sensobjekte. Atomare Konversionenentsprechen damit den Konversionenvon Nonaka und Takeuchi. Bei atoma-ren Konversionen ist eine eindeutigeIdentifizierung der Entstehungswegemoglich. Die Input- und Outputobjekteeiner Konversion definieren sowohl dieKonversionsart (atomar, komplex, ab-strakt) als auch den Konversionstyp(Sozialisation, Kombination, Internali-sierung, Externalisierung).
& Komplexe Konversionen setzen sich ausmehreren Inputobjekten und genaueinem Outputobjekt bzw. aus einemInputobjekt und mehreren Output-objekten zusammen. Dadurch ist eben-falls eine genaue Identifikation der Ent-
stehungswege moglich. Diese Art derKonversion ist jedoch ausdrucksstarkerund ermoglicht somit z. B. die Darstel-lung des Sachverhaltes, ein Buch zu le-sen und dabei gleichzeitig vorhandenesWissen zur Generierung neuen Wissenszu verwenden Dieser Sachverhalt waremit atomaren Konversionen nicht ein-deutig darstellbar.
& Abstrakte Konversionen setzen sich ausmehreren beteiligten Input- und Out-putobjekten zusammen. Bei abstraktenKonversionen konnen die Entstehungs-wege nicht mehr nachvollzogen werden.Sie werden verwendet, wenn die ver-wendeten Informations- und Wissens-objekte nicht mehr in atomare oderkomplexe Konversionen aufgeteilt wer-den konnen, weil keine eindeutige Zu-ordnung zu den erzeugten Informa-tions- bzw. Wissensobjekten moglichist.
& Unbestimmte Konversionen werdenverwendet, wenn die Konversionsart(atomar, komplex oder abstrakt) nichtfeststellbar ist. Sie stellen Platzhalter fur
die anderen Konversionsarten dar undkonnen im Zuge einer detaillierterenModellierung durch diese ersetzt wer-den.
2.4 Konversionsmethoden
An der Durchfuhrung der Wissenskonver-sionen sind verschiedene Methoden betei-ligt [NoTa95], [Hytt04], [PRSB94],[SAAH00], [BrDu98], [WeSn00],[KoFr06]. Nicht alle genannten Methodenkonnen sinnvoll in der KMDL� genutztwerden. So stellt beispielsweise die in[NoTK00] identifizierte Methode „Infor-melle soziale Meetings außerhalb des Ar-beitsplatzes“ fur die KMDL� eine eigen-standige Aktivitat dar, die durch mehrereMethoden beschrieben wird. Die fur dieKMDL� identifizierten Konversions-methoden stellen dabei elementare Metho-den dar, welche zur Beschreibung und Ab-bildung komplexerer Methoden verwendetwerden konnen:Fur die Sozialisation wurden die Me-
thoden Beobachten der Handlung Anderer
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 1 Konversionstypen
KMDL� 351
(durch Sehen oder Horen), Praktizierenund Kommunizieren identifiziert. UnterPraktizieren wird die Anwendung des vor-her Beobachteten und das learning-by-doing verstanden. Hierbei werden Zusam-menhange klar, die durch bloße Kommuni-kation nicht vermittelt werden konnen, daerst durch das „Selbsttun“ das notwendigeVerstandnis aufgebaut wird. Kommunizie-ren beschreibt bei der Sozialisation nur diedirekte menschliche Interaktion. Das Imi-tieren als haufig genannte Methode wirdals Kombination aus Beobachten undPraktizieren aufgefasst.Fur die Externalisierung wurde die Me-
thode Dokumentieren identifiziert. Meta-pherbildung, Analogiebildung und Mo-dellbildung sind mogliche Techniken, diebeim Dokumentieren genutzt werden kon-nen [NoTa95], [Hytt04]. Ein typisches Bei-spiel fur Strukturierungstechniken bei derExternalisierung sind MindMaps. Meta-phern dienen einer lebendigen, anschau-lichen Versprachlichung von Zusammen-hangen, welche sich einer exakten Darstel-lung fur das Individuum entziehen[Nona94]. Analogien zeigen funktionaleGemeinsamkeiten zwischen getrenntenWissensgebieten auf und bemuhen sich um
den direkten Transfer zwischen Anwen-dungsbereichen [Nona94]. Durch die Bil-dung von Modellen werden komplexe Zu-sammenhange problemspezifisch verein-facht und strukturiert dargestellt [Stac73],[Boss94], [BeKR05], [OWSW03], [Sche98],[VoBe96].Methoden der Kombination sind Sortie-
ren, Hinzufugen, Aggregieren, Kategori-sieren, Klassifizieren, Integrieren und Aus-tauschen. Durch das inhaltliche Sortieren,Kategorisieren und Klassifizieren erreichtman eine Strukturierung der vorhandenenInformationen. Durch das Hinzufugen,Austauschen und Integrieren von Texttei-len in ein Dokument kann der Informa-tionsgehalt des Dokumentes erhoht bzw.verbessert werden. Die Aggregation be-schreibt eine Ansammlung von gleicharti-gen Dokumenten.Das Lesen von Text, das Sehen von Bil-
dern bzw. Grafiken, das Horen und dasLernen stellen identifizierte Methoden derInternalisierung dar. Theoretisch sindauch die anderen Sinne wie Tastsinn undGeruchssinn fur die Internalisierung vonWissen verantwortlich. Diese werden je-doch nur in speziellen Bereichen (etwa derProduktentwicklung in der Lebensmittel-
industrie) relevant sein. Die diskutiertenMethoden werden bei einer Konversionnicht allein, sondern haufig gemischt auf-treten. Bei multimedialen Anwendungenwerden beispielsweise Bild, Schrift undTon gleichzeitig erfasst.
2.5 Die Bedeutungdes kollektiven Wissens
In der Literatur wird zwischen individuel-lem und kollektivem Wissen unterschieden[Remu02], [Lehn00], [NoTa95]. Einerseitskann kollektives Wissen als das gemein-same Wissen aller Gruppenmitglieder an-gesehen werden. Damit wurde nur dasWissen dargestellt werden, das alle Grup-penmitglieder gemeinsam haben, aber nichtdas zusatzliche individuelle Wissen jedesEinzelnen. Auf der anderen Seite kann kol-lektives Wissen als das gesamte Wissen ei-ner Gruppe angesehen werden. Dies wurdedas individuelle Wissen jedes Einzelnen alsauch das Wissen, das lediglich im kollekti-ven Kontext verwendet wird, beinhalten.Fur die KMDL� wurde der zweite Ansatzgewahlt, um eine breitere Abbildung unter-schiedlichen Wissens zu erreichen. Damit
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 2 Beispiele fur Konversionsarten
352 Norbert Gronau, Jane Froming
kann ausgedruckt werden, dass das kollek-tive Wissen einer Gruppe u. U. großer seinkann als die Summe der einzelnen indivi-duellen Wissensobjekte der Gruppenmit-glieder.
3 Die BeschreibungsspracheKnowledge Modeling andDescription Language
Die Knowledge Modeling and DescriptionLanguage (kurz: KMDL�) ist eine semi-formale Modellierungssprache fur dieModellierung, Analyse, Bewertung undVerbesserung von Wissenskonversionen inwissensintensiven Geschaftsprozessen.Zunachst wird kurz die Herkunft derKMDL� vorgestellt. Im Anschluss daranfolgt die Vorstellung der Modellierungs-und Beschreibungssprache. Dabei wird dieModellierung anhand eines Beispielprozes-ses verdeutlicht.
3.1 Die Herkunft der KMDL�
Herkommliche Modellierungsmethodenbetrachten nur den reinen Prozessablauf.Informationen als Input bzw. Output vonAufgaben werden dabei ausfuhrlich model-liert. Personen und das an sie gebundeneWissen werden jedoch nur unzureichendbetrachtet. Aktuelle Geschaftsprozess-modellierungswerkzeuge berucksichtigennicht ausreichend die Besonderheiten beider Erfassung, Erzeugung und Verteilungvon Wissen entlang der Geschaftsprozesse[GPSW03]. Daher war die Entwicklungeiner neuen Modellierungssprache notwen-dig. Die so genannte Knowledge Modelingand Description Language (KMDL�) ori-entiert sich am bewahrten Modellierungs-paradigma fur Geschaftsprozesse und er-moglicht die rechnergestutzte Darstellungund Analyse von Wissensflussen und Kon-versionen, den Vergleich von Soll- und Ist-Modellen und die Abbildung von Kom-munikationsstrukturen. Die Modellierungder Entstehungswege und der Verteilungvon Informationen bzw. Wissen in einemGeschaftsprozess geben Aufschluss uberdie Verarbeitung von Wissen in diesem Ge-schaftsprozess und bieten so Ansatzpunk-te, die Wissensarbeit starker zu fordern.Die KMDL� wurde zunachst unter der
Motivation entwickelt, auch das personen-gebundene Wissen in Geschaftsprozessenzu betrachten. Sie wurde bereits in mehre-ren Forschungs- und Praxisprojekten er-folgreich eingesetzt [GrMK05], [KoHo04].
In dem vom BMBF geforderten Verbund-projekt M-WISE [M-Wise04] wurde dieKMDL� fur den Einsatz in der Software-entwicklung weiterentwickelt [MuBG05].Um die entstehenden Modelle fur andereAnwendungsfelder nutzbar zu machen,wurde das Konzept der Wissenskonversio-nen weiter detailliert und eine Formalisie-rung der Modellelemente, deren Beziehun-gen sowie deren Attribute vorgenommen.Neben der Modellierungsmethode wurdendas Vorgehensmodell der KMDL� erwei-tert sowie Mechanismen zur Potenzialana-lyse entwickelt [GrMu05]. Die erste Ver-sion der KMDL� lehnte sich an die klassi-sche Prozessmodellierung mit einerzusatzlichen Wissenssicht an. Die aktuelleVersion der KMDL� kann dagegen zwi-schen prozessorientierter und aktivitatsori-entierter Sicht unterscheiden.
3.2 Das Vorgehensmodellder KMDL�
Das in der KMDL� verwendete Vor-gehensmodell gewahrleistet die korrekteErfassung aller erforderlichen Daten undInformationen (siehe Bild 3). Das Modellbesteht aus sieben Phasen. Nach der Pro-jektanbahnung wird, beispielsweise ineinem Workshop, die KMDL� vorgestellt.Dabei erfolgt die Festlegung von Zielvor-stellungen der Prozessaufnahme und -ana-lyse. Gegebenenfalls findet hier eine Priori-sierung der Aufnahmereihenfolge statt. InPhase 2 erfolgt die Aufnahme der wissens-intensiven Geschaftsprozesse in dreiSchritten. Zunachst werden die wesent-lichen Prozesse interview-gestutzt auf-genommen. Als Hilfsmittel existierenInterviewleitfaden, Erfassungsbogen furObjekte und Attribute sowie Vorlagenz. B. fur eine Selbsterfassung durch dieMitarbeiter. Das Ergebnis dieser Phase istzunachst eine verbale Prozessbeschrei-bung. Im zweiten Schritt erfolgt die Nach-erfassung und Modellierung der erhobenenInformationen. Die erzeugten Prozess-modelle werden dem Projektpartner imdritten Schritt zur �berprufung uberge-ben. Diese Schritte werden iterativ bis zurvollstandigen Erhebung des Unter-suchungsgebiets im gewunschten Abstrak-tionsgrad durchgefuhrt. Wahrend der Pha-se 3 des Vorgehensmodells werden die auf-genommenen Prozesse auf ihre Starkenund Schwachen hin analysiert. Die ermit-telten Potenziale und Losungsvorschlagekonnen anschließend vom Projektpartnerbeurteilt und bewertet werden. In Phase 4wird aus den ermittelten und bewerteten
Potenzialen ein SOLL-Konzept erarbeitet.Verbesserungsmaßnahmen konnen sowohlorganisatorischer, informationstechnischer,personeller als auch kultureller Natur sein.In Phase 5 werden je nach definiertem Zielmit dem Projektpartner die Verbesserungs-maßnahmen umgesetzt. Zum Abschlusswerden die Ergebnisse anhand der Zielvor-gabe evaluiert.
3.3 Vorstellung der Objekteder KMDL�
Dieser Abschnitt beschreibt die einzel-nen Objekte der BeschreibungsspracheKMDL� auf Prozess- und Aktivitatssicht(siehe Bild 4). Zuerst werden die Objekteder Prozesssicht naher erlautert. Im An-schluss folgt die Erklarung der Objekte ausder Aktivitatssicht.
3.3.1 Objekte der Prozesssicht
Die Prozesssicht spiegelt den Prozess-ablauf eines Geschaftsprozesses wider. Aufdieser Ebene ist leicht erkennbar, welcheAufgaben nacheinander abgearbeitet wer-den mussen und welche Alternativen exis-tieren. Anhand von Prozessschnittstellenkonnen Teilprozesse miteinander verbun-den werden, um so den gesamten Prozessdarzustellen. In der Prozesssicht werdenden Aufgaben die Rollen und Informa-tionssysteme zugeordnet, die zur Bearbei-tung der Aufgabe genutzt werden. DieProzesssicht visualisiert den Kontrollfluss.
Aufgabe
Die Aufgabe steht fur eine Menge von Ak-tivitaten, die auf der Prozessebene nichttiefer detailliert werden sollen. Aufgabendienen der einfachen Strukturierung vonProzessen und konnen sich im Prozesswiederholen. Eine Aufgabe reprasentiertdie Bearbeitung eines geschlossenen Sach-verhaltes im Prozess. Ausgehend von einerProzessubersicht werden zielgerichtet wis-sensintensive Aufgaben identifiziert, die inder Aktivitatssicht detaillierter modelliertwerden.
Rolle
Den Aufgaben in der Prozesssicht sindRollen als Bearbeiter zugeordnet. Jede Per-son in der Aktivitatssicht nimmt an einerAufgabe in einer bestimmten Rolle teil.Personen konnen in einem Prozess in ver-schiedenen Rollen auftreten und eine Rol-len kann von verschiedenen Personen be-legt werden.
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
KMDL� 353
Informationssystem
Ein Informationssystem reprasentiert In-formations- bzw. Kommunikationstech-nologie, die im wissensintensiven Prozesseingesetzt wird. Aus Sicht des InformationRetrieval dient ein Informationssystem derrechnergestutzten Erfassung, Speicherung,Verarbeitung, Pflege, Analyse, Benutzung,Disposition, �bertragung und Visualisie-rung von Information [SaMc86]. Informa-tionssysteme decken die technischen An-forderungen von Konversionen ab undkonnen durch Sortieren, Kombinierenoder mathematische Funktionen Informa-tionsobjekte erzeugen bzw. bearbeiten.
Prozessschnittstelle
Prozessschnittstellen dienen dem Zusam-menfugen von Teilprozessen zu Prozess-ketten. Sie gestatten es, die wissensintensi-ven Aufgaben eines Prozesses detaillierterzu betrachten als die lediglich informa-tionsverarbeitenden Aufgaben.
3.3.2 Objekte der Aktivitatssicht
Den außeren Rahmen der Aktivitatssichtbildet die zu betrachtende Aufgabe. Sie be-steht aus einer Reihe von Aktivitaten derWissensverarbeitung, den Konversionen.Nur wissensintensive Aufgaben werden inder Aktivitatssicht verfeinert. Um dieseBetrachtungsweise zu ermoglichen, stehenkonkrete Personen und Teams, Wissens-,Anforderungs- und Informationsobjekteund Funktionen bzw. Konversionsmetho-den zur Modellierung zur Verfugung. DieAktivitatssicht visualisiert den Wissen- undInformationsfluss.
Informationsobjekt
Informationen werden als Informations-objekte dargestellt. Informationen konnendabei in konventioneller Form wie Text,Zeichnung oder Diagramm auf Papier oderin elektronischer Form, in Dokumenten,Audiodateien, Bitmaps oder Videoforma-ten existieren. Informationen bestehen un-
abhangig von Personen und konnen dasexplizierbare Wissen von Personen enthal-ten. Informationsobjekte konnen Input-oder Outputobjekte von Konversionensein. Ist ein Informationsobjekt Input-objekt einer Konversion, so tragt dessenInhalt zur Konversion bei, ist es Output-objekt der Konversion, so ist es ein Resul-tat der Konversion.
Wissensobjekt
Wissensobjekte reprasentieren das Wissenvon Personen oder Teams. Dabei wird alsWissensobjekt sowohl das stillschweigendeWissen als auch das explizierbare Wisseneiner Person/Team bezeichnet. Bei der Mo-dellierung von Wissen einer Person werdenso deren Kompetenzen abgebildet. Kom-petenzen beinhalten das Wissen, die Fahig-keiten, die Erfahrungen, die Einstellungenund das Verhalten von Personen bzw.Teams. Wissensobjekte werden in fach-liche, methodische, soziale Fahigkeiten so-wie Handlungsfahigkeiten unterschieden.
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 3 Vorgehensmodell bei der KMDL�-Modellierung
354 Norbert Gronau, Jane Froming
Sie konnen Eingang oder Ergebnis vonKonversionen sein.
Konversion
Konversionen beschreiben die Erzeugung,Anwendung und Verteilung von Wissenund die Erzeugung, Verteilung und Be-wahrung von Information. Sie besitzenInput- und Outputobjekte, welche durchInformationsobjekte bzw. Wissensobjektedargestellt sind. Die Konversionsart undder Konversionstyp sind durch die Input-und Outputobjekte einer Konversion ein-deutig bestimmt. Die Kanten einer Konver-sion zwischen den Input- und Output-objekten besitzen die gleiche Bezeichnungwie die Wissenskonversionen von Nonakaet al. oder sind unbestimmt [NoTa95]. DieHaufigkeit, mit der einer Konversion statt-findet, kann ebenfalls modelliert werden.
Anforderung
Die Anforderungen, die erforderlich sind,um eine Konversion zu realisieren bzw.durchzufuhren, werden durch das Objekt„Anforderung“ erfasst. Anforderungenkonnen durch das Wissen von Personenoder Teams oder durch die Funktioneneines Informationssystems abgedeckt wer-den. Anforderungen weisen fachliche,methodische, soziale und handlungsorien-tierte sowie technische Auspragungen auf.Technische Anforderungen konnen aus-schließlich durch Funktionen eines Infor-mationssystems abgedeckt werden. Anfor-derungen konnen obligatorisch oder fa-kultativ sein. Ist es ausreichend, wennmindestens ein Konversionsbeteiligter einegestellte Anforderung erfullt, wird voneiner fakultativen Anforderung gespro-chen. Mussen alle Konversionsbeteiligteneine gestellte Anforderung erfullen, wirddiese als obligatorische Anforderung be-zeichnet.
Person
Das Objekt Person reprasentiert jemanden,der Aufgaben in einem Geschaftsprozessdurchfuhrt. Personen sind Wissenstrager.Wissensobjekte werden an eine Person,eine unbestimmte Person oder ein Teammodelliert. Jedes so modellierte Wissens-objekt deutet an, dass diese Person diesesWissen besitzt.
Team
Ein Team kann aus Personen bzw. weiterenTeams bestehen und reprasentiert eineGruppe von Personen, die zusammen an
der Losung eines Problems arbeiten. Teamssind ebenfalls Wissenstrager. Das an einTeam modellierte Wissen (in Form vonWissensobjekten) reprasentiert das kollek-tive Wissen des Teams. Das kollektive Wis-sen eines Teams besteht aus der Gesamtheitdes Wissens aller Individuen des Teamsund zusatzlich aus dem Wissen, welchesnur in der Gruppe existiert, wie beispiels-weise Verhaltensregeln oder Unterneh-mensregeln.
Unbestimmte Person
Eine unbestimmte Person reprasentierteine Person oder ein Team. Sie wird ver-wendet, wenn im Moment der Modellie-rung nicht erkennbar ist, wer an der Kon-version beteiligt ist oder wenn Sollprozessedargestellt werden.
Konversionsmethode
Die Konversionsmethoden geben an, wiedie Wissensumwandlung durchgefuhrtwird. Konversionsmethoden werden vonPersonen durchgefuhrt, die die durch dieAnforderungen bezeichneten Wissens-objekte aufweisen mussen.
Funktion
Funktionen sind an Informationssystemegebunden und realisieren die technischenAnforderungen von Konversionen.
Listener
Listener werden zur Beobachtung der In-put- und Outputobjekte von Konversio-nen verwendet. Sie dienen zur Definitionvon zusatzlichen Bedingungen und Ein-schrankungen an Konversionen. So kannals Bedingung an eine Konversion zusatz-lich notiert werden, dass die Konversionerst abgeschlossen ist, wenn die Qualitatder Outputobjekte einen definierten Werterreicht hat.
3.4 KMDL� – Beispielfur Prozess- und Aktivitatssicht
In diesem Abschnitt wird ein stark verein-fachter Prozess vorgestellt, um die Prinzi-pien der Modellierung mit KMDL� auf-zuzeigen. Das Beispiel besteht aus den dreiAufgaben in der Prozesssicht und einerdetaillierten Modellierung einer Aufgabe in
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 4 Objekte der KMDL�
KMDL� 355
der Aktivitatssicht (siehe Bild 5). Die Rol-len der Personen aus der Aktivitatssichtkonnen automatisch zur Generierung derProzesssicht verwendet werden. Die Pro-zesssicht ermoglicht einen schnellen �ber-blick uber die anstehenden Aufgaben. DieAktivitatssicht erlaubt einen �berblickuber die einzelnen wissensintensiven Akti-vitaten in einer konkreten Aufgabe.Das Prozessbeispiel beschreibt den Ab-
lauf bei der Erstellung eines wissenschaft-lichen Beitrags fur eine Konferenz. DerProzess enthalt wissensintensive (wie dasErarbeiten des Beitrags) und informations-verarbeitende Aufgaben (Reiseplanung).Wahrend es sicher nicht notwendig seinwird, die Wissensflusse und Konversionender Reiseplanung zu untersuchen, so zeigtdie Aktivitatensicht der Aufgabe „Artikelerarbeiten“ eine Vielzahl von Konversio-nen unterschiedlichen Charakters, die beieiner rein am Geschaftsprozess orientiertenModellierung verborgen blieben.In der Aktivitatssicht (siehe Bild 6) wer-
den die Wissenskonversionen dargestellt.Die Aufgabe „Artikel erarbeiten“ bestehtaus den Konversionen „Artikelidee gene-rieren“ und „Artikel schreiben“. Die Kon-version „Artikelidee generieren“ ist einekomplexe Sozialisation, bei der beide Per-sonen ihr individuelles Wissen einbringenund gemeinsam ein Verstandnis uber die„Artikelidee“ erzeugen. Nachdem die Ideedes Artikels existiert, wird diese in der
nachsten Konversion “Artikel schreiben“,eine atomare Externalisierung, nieder-geschrieben. Die zweite Aufgabe „Artikelrevidieren“ wird durch drei Konversionendetailliert. Die erste Version des Artikelswird nun gleichzeitig von zwei Personenweiter bearbeitet. Die eine Person revidiertden Artikel inhaltlich, die andere Personuberarbeitet die Grafiken. Beide Personenerzeugen in je einer komplexen Konver-sion eine neue Version des Artikels. Diesebeiden Versionen mussen nun von einerPerson zu einer gemeinsamen Version zu-sammengefasst werden. Dies wird in einerkomplexen Kombination erledigt.Ansatzpunkte fur Verbesserungen be-
stehen etwa, wenn das Wissen der Personden Anforderungen der Konversion nichtgerecht wird, der Prozess zu lange dauertoder das im Prozess erzeugte Wissennicht ausreichend von anderen genutztwird.Das kleine Beispiel zeigt, dass KMDL�
die Zusammenhange von Wissens- undInformationsflussen darstellen kann unddamit die Basis fur eine Analyse und Ver-besserung der Wissensflusse in den Prozes-sen bietet. Nachdem die Aufnahme undModellierung des Prozesses erfolgt ist,kann das Prozessmodell zur Analyse undAuswertung verwendet werden. Die Ana-lysemoglichkeiten werden im folgendenAbschnitt beschrieben.
4 Analysemoglichkeitenmit KMDL�
Mit KMDL� konnen wissensintensive Ge-schaftsprozesse nicht nur modelliert, son-dern auch umfangreich analysiert werden.In den nachfolgenden Abschnitten werdendie am haufigsten benutzten Analyseinstru-mente (Prozessmuster, Reports) vorgestellt.
4.1 Prozessmuster
In Praxisprojekten konnten mehrere Pro-zessmuster [GrUs04a], [BaBS05] in denProzessmodellen identifiziert werden, wel-che auf Potenziale und Schwachstellen inden Prozessen hindeuten. Dazu wurdendie identifizierten Prozessmuster in funfFamilien zusammengefasst (siehe Bild 7).Ein einzelnes Prozessmuster beschreibt da-bei eine konkrete Situation im Prozess undbesteht aus einer formalen Spezifikationder Konstellation der KMDL�-Objekte.& Occurence Pattern: Diese Familie be-
schreibt die Haufigkeit des Auftretenseinzelner KMDL�-Objekte in den be-trachteten Prozessen oder Aktivitaten.Personen, die an sehr vielen Aktivitatenin einem Prozess beteiligt sind, konnendurch das Person Occurence Patternidentifiziert werden. Das kann ein Hin-weis auf ein mogliches Wissensmonopoloder eine prozessrelevante Person sein.
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 5 Prozessbeispiel mit KMDL� auf Prozess- und Aktivitatsebene
356 Norbert Gronau, Jane Froming
Analog sind Wissens- oder Anforde-rungsobjekte prozessrelevant, wenn siesehr haufig nachgefragt werden.
& Multi-Step Pattern: Multi-Step Patternbeschreiben die Kombination von zweiWissenskonversionen. Das Multi-StepSocialization Pattern (umgangssprach-lich: Stille-Post-Effekt) beschreibt dieWeitergabe von Informationen und Wis-
sen durch Kommunikation. Dabei wer-den die Informationen nur unzurei-chend ubertragen und es besteht dieGefahr, dass Informationen verzerrt,verrauscht und deformiert werden oderganz verloren gehen.
& Relevance Pattern: Diese Familie be-schreibt prozessentscheidende Anforde-rungen an Konversionen. Sind z. B. fur
die Bearbeitung einer Konversion vieleInformations- und Wissensobjekte not-wendig oder werden in der Konversionviele Informations- und Wissensobjekteerzeugt, so ist diese Konversion fur denProzesserfolg besonders wichtig.
& Exclusive Pattern: Es werden zwei In-stanzen dieses Typs unterschieden: dasExclusive Knowledge und das Exclusive
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 6 Beispiel fur die Aktivitatssicht
Bild 7 Identifizierte Prozessmuster
KMDL� 357
Information Pattern. Diese Patternsdeuten auf Wissens- bzw. Informations-objekte in einem Prozess hin, die sehrhaufig nachgefragt werden.
& Prerequisite Pattern: Das PrerequisiteKnowledge Socialization Pattern be-schreibt eine im Prozess beteiligte Per-son, die zur Ausfuhrung ihrer Arbeitdas Wissen einer nicht im Prozess invol-vierten Person benotigt.
Als Beispiel wird nun dasMulti-Step-Socia-lization Pattern (siehe Bild 8) erlautert. Die-
ses Prozessmuster beschreibt eine Situation,in derWissen informell ubermehrere Schrit-te weitergegeben wird. In Bild 8 wird dasWissen von Person A an Person B weiterge-geben. Anschließend gibt Person B dasWis-sen anPersonCweiter. Bei jedemSchritt der�bertragung nimmt die Qualitat des uber-tragenen Wissens ab bzw. wird das Wissenverandert. Zudem findet eine zeitlicheVerzogerung statt. Dieser Effekt ist auch alsStille-Post-Effekt bekannt. Daher muss beiAuftreten solcherMuster uberpruftwerden,
ob Wissen dokumentiert und somit Nach-vollziehbarkeit hergestellt werden sollte.
4.2 ReportsAls weitere Analysemoglichkeit derKMDL� stehen Reports zur Verfugung.Ein Report bildet Eigenschaften des Pro-zesses zu einem bestimmten Zeitpunkt ab.Reports weisen einen statischen Charakterauf, im Gegensatz zu den oben vorgestell-ten Sichten. Ein Competence Report stelltbeispielsweise alle Wissensobjekte einerPerson dar und kann somit zur Identifika-tion von Kompetenzen verwendet werden.Ein Task-Coverage Report stellt den Ab-deckungsgrad einer Person fur die gestell-ten Anforderungen an eine Konversiondar. �ber einen Externalization Reportkann festgestellt werden, welches Wissenin einem Prozess bzw. in einer Aufgabe ex-ternalisiert, also in Dokumenten oder an-derer Form festgehalten wurde. Weiterhinbietet die KMDL� durch die Abbildungund Modellierung von personengebunde-nem Wissen Voraussetzungen fur Personal-planung oder Schulungsmaßnahmen imBereich Skillmanagement [GrUs04b].
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 8 Multi-Step-Socialization Pattern
Bild 9 Benutzerschnittstelle des K-Modelers
358 Norbert Gronau, Jane Froming
4.3 Der K-Modeler
Der K-Modeler (siehe Bild 9) dient derModellierung und Analyse von wissens-intensiven Geschaftsprozessen mit derKMDL� und bietet Funktionen zur Ana-lyse und Auswertung [BoKo05]. Durch dieProzessverwaltung in Projekten konnendie Prozesse zweckmaßig organisiert wer-den. Die Organisation erfolgt in einerBaumstruktur im Navigator, ahnlich wieim Dateisystem. Ein leicht bedienbarerModelleditor sowie Wizards und Benut-zerdialoge erleichtern den Modellierungs-prozess und minimieren somit den Model-lierungsaufwand und Modellierungsfehler.Aus der Objektpalette konnen KMDL�-Objekte einfach per Drag&Drop auf dieZeichenoberflache gezogen werden. Eineim Hintergrund laufende Syntaxuberpru-fung gewahrleistet, dass lediglich formalkorrekte Modelle erstellt werden. Verstoßewerden dem Benutzer direkt signalisiert.Der Modelluberblick bietet eine Gesamt-sicht auf den Prozess. Die Analyse derProzesse kann uber die bereits erwahntenProzessmuster erfolgen, welche vomK-Modeler automatisch erkannt und in derAnalysekomponente aufgefuhrt werden[MuGr05]. Selektiert man ein gefundenesProzessmuster, so wird es im Prozess visu-ell dargestellt und eine entsprechende Lo-sung vorgeschlagen. Zur weiteren Auswer-tung der Prozesse konnen Reports erzeugtwerden, welche sowohl in XML als auch inHTML exportiert werden konnen. Somitkann ein leichter Austausch der Modellesowie eine Weiterverwendung außerhalbdes K-Modelers gewahrleistet werden.
5 Ausblick
Der vorgestellte Ansatz zur Modellierungvon Wissenskonversionen zeigt die Mog-lichkeiten und den Anwendungsbereich,der mit herkommlicher Geschaftsprozess-modellierung nicht ausgenutzt werdenkann. Um die Verbreitung und Nutzungvon KMDL� zu erhohen, ist es moglich,vorhandene Ereignisgesteuerte Prozessket-ten in die Prozesssicht von KMDL�-Mo-dellen zu uberfuhren. Da in der KMDL�
zusatzliche Informationen wie Wissen,Person, Anforderung und Konversionenerfasst werden, ist anschließend eine selek-tive �berarbeitung der Prozesse notwen-dig. Die zentralen Eigenschaften des Um-gangs mit Wissen im Unternehmen konnenmit der KMDL� durch Wissenskonversio-nen, Personenwissen und Konversions-
anforderungen modelliert, analysiert undfur zukunftige Aktivitaten und Entschei-dungen bereitgestellt werden. Die Einfuh-rung von Abstraktionskonzepten wie Ge-neralisierung/Spezialisierung, Aggregationund Komposition in die Modellierungs-sprache ermoglichen eine problemange-messene Modellierung des Diskursberei-ches. Die differenzierte Betrachtung derWissenskonversionen erweitert die bisheri-ge Modellierung wissensintensiver Prozes-se. Aktuelle Forschungsarbeiten zur Wei-
terentwicklung der KMDL� beschaftigensich u. a. mit der vereinfachten Prozessauf-nahme und Ermittlung der relevanten In-formationen fur die KMDL�-Modelle, derGenerierung von Referenz- bzw. Sollpro-zessen und der Simulation wissensintensi-ver Geschaftsprozesse. Damit soll u. a. dieAusbreitungsgeschwindigkeit von Wissenermittelt werden.Mit der Weiterentwicklung der
KMDL�-Methode und des K-Modelerskonnen die Einsatzbereiche erweitert wer-
WIRTSCHAFTSINFORMATIK 48 (2006) 5, S. 349–360
Bild 10 Prozessorientiertes Wissensmanagement mit KMDL�
Abstract
KMDL�A semiformal approach to model knowledge conversions
Knowledge Management is still assigned to IT departments and therefore strongly driven bytechnical aspects. The so developed knowledge management applications are seldom inte-grated into the business processes within the organization. Therefore these knowledge man-agement systems are rarely accepted permanently. The presented method for modeling andanalyzing of knowledge intensive processes allows to identify the creation and use of knowl-edge within the business process and therefore allows to deduce suggestions for improve-ment. Thereby it becomes possible to integrate the knowledge of the employees into the va-lue chain and achieve competitive advantage.
Keywords: Modeling, Knowledge Intensive Business Processes, KMDL�, Tacit and ExplicitKnowledge, Process Pattern
KMDL� 359
den (siehe Bild 10). Prozessverbesserungenkonnen in Form von Referenzprozessenoder Best Practices angegeben werden. An-hand der Anforderungen aus Sollprozessenkann Personalplanung prazisiert oder eineExpertensuche aufgebaut werden. Es istvorgesehen, dass der Modellierer aus einemsemantischen Netz (z.B. einer Taxonomie,Topic Map oder Ontologie) Wissensobjek-te und Konversionsanforderungen aus-wahlt bzw. einfugt. Aus den aufgenom-menen Prozessmodellen sollen zukunftigsemantischen Netze generiert bzw. erstelltwerden.Die KMDL�-Spezifikation, Visio-Sha-
pes sowie eine Experimentierversion desK-Modeler stehen unter www.kmdl.dekostenlos zum Download zur Verfugung.
Literatur
[AHMM02] Abecker, A.; Hinkelmann, K.; Maus,H.; Muller, H. J.: GeschaftsprozessorientiertesWissensmanagement. Springer-Verlag, BerlinHeidelberg, New York 2002.
[BaBS05] Bahrs, J.; Bogen, J.; Schmid, S.: Patternbased Analysis and Redesign of knowledge in-tensive Business Processes. 13. Leipziger Infor-matik Tage, 21.–23. September 2005, LIT 2005,S. 21.–23.
[BeKR05] Becker, J.; Kugeler, M.; Rosemann, M.:Prozessmanagement – ein Leitfaden zur prozess-orientierten Organisationsgestaltung. 5. uberarb.Aufl., Springer, Berlin 2005.
[Boss94] Bossel, H.: Modellbildung und Simula-tion: Konzepte, Verfahren, und Modell zum Ver-halten dynamischer Systeme. Vieweg Verlag1994.
[BrDu98] Brown, J.; Duguid, P.: Organizingknowledge. In: California Management Review40 (1998) 3, S. 90–111.
[DaPr98a] Davenport, T.; Prusak, L.: Wenn IhrUnternehmen wußte, was es alles weiß . . . DasPraxishandbuch zum Wissensmanagement.2. Aufl., Landsberg/Lech 1998.
[DaPr98b] Davenport, T.; Pruzak, L.: WorkingKnowledge. How Organizations manage whatthey know. Boston 1998.
[EpSR99] Eppler, M. J.; Seifried, P. M.; Ropnack, A.:Improving Knowledge Intensive Processesthrough an Enterprise Knowledge Medium. In:Proceedings of the 1999 ACM SIGCPR Confer-ence on Computer Personnel Research.
[GrMK05] Gronau N.; Muller C.; Korf R.: KMDL– Capturing, Analysing and ImprovingKnowledge-Intensive Business Processes. In:Journal of Universal Computer Science, 11(2005) 4, S. 452–472.
[GrMu05] Gronau, N.; Muller, C.: Wissensarbeitprozessorientiert modellieren und verbessern.In: Wissensmanagement (2005) 3, S. 50–52.
[GrUs04a] Gronau, N.; Uslar, M.: Antipattern zurPotenzial-Analyse mittels KMDL in wissens-intensiven Prozessen im Software Engineering.In: Gronau N.; Petkoff B.; Schildhauer T.(Hrsg.): Wissensmanagement – Wandel, Wert-schopfung, Wachstum. Tagungsband zurKnowTech 2004, Munchen, 18.–19. Oktober2004 im Rahmen der Systems 2004, Internatio-nales Congress Center Munchen, GITO-Verlag,Berlin 2004, S. 233–246.
[GrUs04b] Gronau, N.; Uslar, M.: Creating SkillCatalogues for Competency Management Sys-tems with KMDL. In: Mehdi Khosrow-Pour(Hrsg.): Innovations through Information tech-nology: Proceedings of the Information Resour-ces Management Association International Con-ference 2004 (IRMA 2004), New Orleans, IDEAGroup press, S. 288–291.
[GPSW03] Gronau, N.; Palmer, U.; Schulte, K.;Winkler, T.: Modellierung von wissensintensivenGeschaftsprozessen mit der Beschreibungsspra-che K-Modeler. In: Reimer, U.; Abecker, A.;Staab, S.; Stumme, G. (Hrsg.): ProfessionellesWissensmanagement – Erfahrungen und Visio-nen. 2.–4. April in Luzern, Proceedings der GI,Bonn 2003, S. 315–322.
[Heis02] Heisig, P.: GPO-WM: Methode undWerkzeuge zum geschaftsprozessorientiertenWissensmanagement. In: Abecker, A.; Hinkel-mann, K.; Maus, H.; Muller, H. J. (Hrsg.): Ge-schaftsprozessorientiertes Wissensmanagement.Berlin 2002, S. 47–64.
[Hoff02] Hoffmann, M.: Analyse und Unterstut-zung von Wissensprozessen als Voraussetzungfur erfolgreiches Wissensmanagement. In: Ab-ecker, A. (Hrsg.): GeschaftsprozessorientiertesWissensmanagement, Springer, Berlin Heidel-berg New York, (2002).
[Hytt04] Hyttinen, L.: Knowledge conversions inknowledge work – a descriptive case study. Li-centiate Thesis, Helsinki University of Technol-ogy 2004.
[JKSK00] Junginger, S.; Kuhn, H.; Strobl, R.; Kara-giannis, D.: Ein Geschaftsprozessmanagement-Werkzeug der nachsten Generation – ADONIS:Konzeption und Anwendungen. In: Wirtschafts-informatik 42 (2000) 5, S. 392–401.
[KoFr06] Korf, R.; Froming J.: Management ofKnowledge Intensive Business Processes withKMDL(R) v2.0. Multikonferenz Wirtschafts-informatik 2006, 20.–22. February 2006, Passau.
[KoHo04] Kopecny, A.; Hopfner, V.: Wissens-intensive Geschaftsprozesse nah am Konsumen-ten-Bericht eines Wissensmanagementpilotpro-jektes bei der Kraft Foods Deutschland GmbH.In: Gronau, N.; Petkoff, B.; Schildhauer, T.(Hrsg.): Wissensmanagement – Wandel, Wert-schopfung, Wachstum. GITO-Verlag, Berlin2004, S. 77–85.
[Lehn00] Lehner, F.: Organisational Memory –Konzepte und Systeme fur das organisatorischeLernen und das Wissensmanagement. HanserVerlag, Munchen, Wien 2000.
[MeAY03] Mentzas, G.; Apostolou, D.; Young, R.:Knowledge Asset Management. Springer-Verlag,Berlin, Heidelberg, New York 2003.
[MuBG05] Muller, C.; Bahrs, J.; Gronau, N.:Requirements on the Modelling of Knowledgeintensive Business Process in the Area of Soft-ware Engineering. 5. International Conferenceon Knowledge Management. Proceedings ofI-KNOW’05, S. 365–372.
[MeHV03] Mertins, K.; Heisig, P.; Vorbeck, J.(Hrsg.): Knowledge Management – Conceptsand Best Practice. 2. Aufl., Springer, Berlin, Hei-delberg, New York 2003.
[M-Wise04] Projekthomepage M-Wise. http://www.m-mise.de, 2004, Abruf am 2006-01-16.
[Nona94] Nonaka, I.: A Dynamic Theory of Or-ganizational Knowledge Creation, OrganizationScience, 5 (1994) 1, S. 14–37.
[NoTa95] Nonaka, I.; Takeuchi, H.: The Knowl-edge-Creating Company – How Japanese Com-panies Create the Dynamics of Innovation. Ox-ford University Press, New York (1995).
[NoTK00] Nonaka, I.; Toyama, R.; Konno, N.:SECI, Ba and Leadership: a Unified Model ofDynamic Knowledge Creation, Long RangePlanning 33, (2000) S. 5–34.
[OWSW03]Oesterreich, B.; Weiss, C.; Schroder, C.;Weilkiens, T.; Lenhard, A.: ObjektorientierteGeschaftsprozessmodellierung mit der UML.dpunkt.verlag, Heidelberg 2003.
[Pola58] Polanyi, M.: Personal Knowledge – To-wards a Post-Critical Philosophy. The Univer-sity of Chicago Press, Chicago 1958.
