Durch die Fülle an vorhandener Information steigt das Bedürfnis nach einer geeigneten Strukturierung eben dieser Datenflut, um dem jeweiligen Benutzer/System die Extraktion von Wissen zu erleichtern, oder überhaupt erst zu ermöglichen. Der erste Schritt um vorgegebene Datenbestände zu strukturieren besteht darin, geeignete Konzepte zu finden und zu definieren, nach denen die Dokumente gruppiert werden können. Die Summe der einzelnen Konzepte und die Beziehungen untereinander bilden dann die Struktur (Ontologie, Taxonomie) in die, im nächsten Schritt, alle Dokumente des Datenbestandes eingeordnet werden sollen. Dieser Vorgang ist im Allgemeinen nicht nur mit hohem Zeitaufwand verbunden, sondern führt in der Regel auch zu Problemen bei der automatischen Zuordnung von Dokumenten zu Konzepten.Ziel dieser Arbeit ist es nun bestehende, unstrukturierte Datenbestände mit Hilfe von machine-learning Algorithmen (Clustering) in einem semi-automatischen Prozess als Wissensstrukturkarte abzubilden. Dieser Prozess umfasst die Manipulation der Datenrepräsentation mit der Absicht, relevante Konzepte für weiterführende Aufgaben (z.B. Textklassifikation) zu extrahieren.

Informationen, die aus verschiedenen Quellen stammen und von unterschiedlichen Zielgruppen gelesen werden, sind schwierig zu organisieren. Unterschiedliche Anforderungen müssen berücksichtigt werden, um einen zielgruppengerechten Prozess aufzusetzen.In dieser Master Thesis werden Strategien und Tools beschrieben, die zur Verwaltung heterogener Datenbestände dienen und die Arbeit mit einem System verbessern sollen. Es werden drei unterschiedliche Bereiche betrachtet, die den Zyklus der Informationsverabeitung abbilden. Der Bereich "Publizieren" beschäftigt sich mit dem Prozess, wie ein Dokument in eine Datenbank aufgenommen werden kann. Im Bereich "Suche und Navigation" finden sich Hilfsmittel und Tools, um zu den gewünschten Dokumenten zu gelangen. Der Bereich "Maintenance" schließlich beschreibt Wege, wie das vorhandene System den Anforderungen des Wachstums gerecht werden kann.

Wissenslandkarten werden in der gängigen Literatur immer wieder als Werkzeuge der Effizienzsteigerung in Unternehmen bezeichnet. Diese These beruht auf der Annahme, dass sie das Finden von Unternehmensinformationen erleichtern und so Doppelspurigkeiten vermeiden.Diese Diplomarbeit geht der Frage auf den Grund, wie die eigen entwickelte Wissenslandkarte des Know-Center konzipiert sein muss, um die Wiederverwendung von projektbezogenen Informationen in neuen Projekten zu unterstützen.Sie umfasst eine theoretische Auseinandersetzung mit den wichtigsten Begriffen dieser Arbeit anhand der gängigen Literatur. Darauf folgt ein praktischer Teil, der die Beschreibung der Entwicklung der Know-Center Wissenslandkarte zum Inhalt hat. Des Weiteren kommt es zu einer Evaluierung der Wissenslandkarte im Hinblick auf die Forschungsfrage.

Online Community Plattformen dienen dazu, die Interaktion zwischen Internetbenutzern, die durch gemeinsame Interessen oder Aufgaben miteinander verbunden sind, zu ermöglichen und zu erleichtern. In der vorliegenden Arbeit werden solche „virtuellen Treffpunkte“ vor dem speziellen Hintergrund von jährlichen Konferenzen erörtert. Der Ausgangspunkt ist die Frage, mit welchen Maßnahmen der Informations- und Wissensaustausch zwischen den Konferenzterminen verbessert werden kann. Das Hauptziel dieser Arbeit ist die Entwicklung eines Konzepts, in dem die Anforderungen der verschiedenen Teilnehmergruppen einer internationalen Tagung analysiert werden. Es besteht die Annahme, dass der Einsatz einer Online Community Plattform für Konferenzen dem Zusammenhalt der Teilnehmer in Gemeinschaften und gleichzeitig der Akquisition neuer Teilnehmer dient.Ein Review aktueller Fachliteratur mündet in der Klärung des Begriffs „Community“, sowie einer Darstellung der Basiswerkzeuge und Erfolgsfaktoren für Online Communities. Acht halbstrukturierte, problemzentrierte Interviews mit Mitarbeitern eines österreichischen Forschungs- und Beratungsunternehmens werden durchgeführt und mit einer qualitativen Inhaltsanalyse ausgewertet. Die Befragten werden aufgrund ihrer Schlüsselrollen in der Organisation der genannten internationalen Tagung ausgewählt. Aus den Interviewergebnissen werden die Ziele der unterschiedlichen Teilnehmergruppen verglichen und nach Priorität geordnet. Danach erfolgt die Ausarbeitung mehrerer Anwendungsfälle („Use-Cases“), um detaillierte Szenarien aufzuzeigen, wie eine Online Plattform die Schlüsselrollen unterstützt.In den Use Cases sind hauptsächlich die funktionalen und technischen Anforderungen für die Online Plattform enthalten. Abschließend werden Potentiale für gemeinsame Aktivitäten in und zwischen den Teilnehmergruppen vor dem Hintergrund des jährlichen Rhythmus der Konferenz identifiziert. Basierend auf diesen Ergebnissen beinhaltet weiterführende Forschung die Wahl einer geeigneten technischen Plattform und die Bewertung eines ersten Prototyps.

Um Risikomanagement den heutigen wirtschaftlichen Bedingungen anzupassen und insbesondere wissensintensive Unternehmen bestmöglich zu unterstützen, wird am Grazer Know-Center an einem Framework zur Integration von Wissensrisiken in bestehende Risikomanagementmodelle und -systeme geforscht. Die Bewertung von Wissensrisiken ist ein kritischer Bereich, dessen Erfolg von der Kompatibilität der klassischen Risikobewertungsmodelle mit der praktischen Anwendbarkeit für Wissensrisiken abhängt. Das Ziel der Arbeit ist, eine optimale Methode zur Bewertung von Wissensrisiken zu empfehlen. Diese Methode muss eine geeignete Bewertung von Wissensrisiken ermöglichen und zudem anhand klassischer Risikobewertungsmodelle erfolgen. Um dieses Ziel zu erreichen, ist eine umfassende Literaturaufarbeitung über die vorherrschenden Ansätze notwendig. Die finale Auswahl der Modelle ist geprägt durch die Häufigkeit ihrer Verwendung in Theorie und Praxis. Zusätzlich zur Beschreibung dieser Modelle wird deren Anwendung für Wissensrisiken diskutiert. Im zweiten Teil der Arbeit werden die vorgestellten Modelle klassifiziert und anhand eines selbst definierten Kriterienkatalogs bewertet. Die Ergebnisse dieser Analyse werden anschließend aufbereitet und miteinander verglichen. Zudem wird ein Analyseraster zur Entscheidungsunterstützung bei der Auswahl der Modelle entwickelt. Abschließend wird eine Methode zur Bewertung von Wissensrisiken anhand klassischer Risikobewertungsmodelle empfohlen.

Aufgrund steigenden Wettbewerbs, neuen Gesetzen und Vorschriften gewinnt der Umgang mit Risiken immer mehr an Bedeutung. Ein effizientes Risikomanagement erfordert die Betrachtung von erfolgskritischen Risiken. In wie fern sich die Entwicklung von geeigneten Steuerungsmaßnahmen für diese Risiken unterstützen lässt, untersucht der Autor in dieser Arbeit.Dazu fasst er die für ein Unternehmen mit wissensintensiven Geschäftsprozessen und Tätigkeiten kritischen Risiken in einer neuen, weiter reichenden Definition zusammen. Darin wird zwischen wissensbasierten und wissensgefährdenden Risiken unterschieden. Aufbauend auf dieser Definition für den Begriff Wissenrisiken entwirft der Autor das Risk Response Planning Modell und implementiert einen Prototyp zur vereinfachten Anwendung.Wesentliche Stützpunkte des Modells sind ein Katalog an abstrahierten, generellen Wissensrisiken und ein Katalog an geeigneten Steuerungsmaßnahmen. Diese Kataloge werden durch eine vom Autor entwickelte Logik miteinander verbunden. Instanziiert ein Benutzer ein neues fallspezifisches Risiko von einem aus dem generischen Wissensrisikokatalog, kann das Modell anhand der logischen Verbindung zwischen den beiden Katalogen dem Benutzer geeignete generische Steuerungsmaßnahmen vorschlagen. Auf diese Weise unterstützt das Modell den Benutzer bei der Entwicklung von passenden Steuerungsmaßnahmen für Wissensrisiken.