Ontologiebasiertes Information Retrieval für das Wissensmanagement

Datendefekte gefährden den Geschäftserfolg von Unternehmen. So können veraltete, ungenaue oder unvollständige Daten bei der Ausführung vermeintlich einfacher Prozessaktivitäten wie dem Transport von Shampoo-Flaschen, der Verfügbarkeitsprüfung von Telekommunikationsprodukten oder dem Zählen von Gleisen falsche Ergebnisse, Verzögerungen oder andere Minderungen der Prozessleistung verursachen. Um kritische Datendefekte frühzeitig erkennen und beheben zu können, sollten Unternehmen die Qualität insbesondere ihrer konzernweit genutzten Daten dauerhaft und systematisch überwachen. Unternehmen können ausserdem versuchen, mit präventiven Massnahmen das Auftreten von Datendefekten zu verhindern oder zumindest ihre Wirkung auf die Leistung betroffener Geschäftsprozesse zu reduzieren. Die Dissertation stellt zur Unterstützung eines qualitätsorientierten Managements konzernweit genutzter Daten vier Artefakte vor. Eine Methode zur Spezifikation geschäftsorientierter Datenqualitätskennzahlen unterstützt die Identifikation geschäftskritischer Datendefekte und die Spezifikation von Datenqualitätskennzahlen für die dauerhafte Überwachung dieser Defekte. Ein Reifegradmodell ermöglicht die Bewertung und den Vergleich von Strukturen für qualitätsorientiertes Konzerndatenmanagement. Ein Wiki-basierter fachlicher Metadatenkatalog unterstützt die kollaborative Definition und Pflege eines unternehmensweit einheitlichen Verständnisses von Geschäftsobjekten und Konzerndaten. Und ein Funktionsreferenzmodell unterstützt die bedarfsorientierte Analyse und Weiterentwicklung der Funktionalität von Informationssystemen für qualitätsorientiertes Management von Konzerndaten. Data defects compromise the business success of companies. For example, outdated, inaccurate or incomplete data may cause wrong results, delays or decreased performance even of supposedly simple processes such as transportation of shampoo bottles, availability checks for telecommunication products or counting of railway components. For being able to identify and correct critical data defects in time, companies should regularly and systematically monitor data quality, in particular quality of corporate data. By using preventive measures companies also could try to prevent the occurrence of data defects or at least to decrease the defects' impact on business process performance. For supporting corporate data quality management, the thesis at hand proposes four artifacts. A method for the identification of business oriented data quality metrics supports the identification of business critical data defects and the specification of data quality metrics for regularly monitoring those defects. A maturity model allows for assessing and comparing structures for corporate data quality management. A wikibased business data dictionary supports collaborative creation and maintenance of comprehensive and unambiguous business object and corporate data definitions. And a functional reference model supports functionality analysis and enhancement of corporate data quality management applications.