SlideShare a Scribd company logo
1 of 30
Die Lösung „Turbo iXtractor  „ Intelligente und lernende Altdatenintegration für die Serviceinformationen älterer Pkw- und Nfz-Baureihen Jens Freiberg, CSC Ploenzke AG
Agenda ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Der Ursprung der Lösung DMS DAISY NEWS FDOK Neue  Baureihen EPC -net WIS/ASRA -net EPC Alte  Baureihen DAS ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],WIS ASRA
Die Zielsetzung der Lösung ,[object Object],[object Object],[object Object],[object Object],[object Object],DAS DMS DAISY FDOK Lösung Intelligente Altdatenintegration/Turbo iXtractor Neue Lösung   Alte & neue Baureihen ASRA WIS EPC
Die Idee hinter der Lösung  ,[object Object],[object Object],[object Object]
Das Lösungsmodell Strukturiert   unstrukturiert Update Update Informationsquellen Intelligente Knowledge Base Abgeleitetes Informationsnetz Abfragelogik Ergebnislogik Modellierbare Informationslogik Turbo-iXtractor Calibration Process Ergebnis Anfrage
Die Lösung   besteht aus 3 zentralen Bausteinen Der Ontologie-Manager Knowledge Base Research Engine organisiert das Regel- und Zuordnungsnetzwerk, damit festliegt, dass ein Steuergerät zum Motor gehört und bei jeder Diagnose der Fehlerspeicher ausgelesen wird. Er organisiert die begriffliche Ordnung, damit festliegt, dass die Einspritzanlage 'Steuergerät' heißt, und zwar immer. erstellt und klassifiziert die Knowledge Base und sorgt dafür, dass dass die Suchergebnisse stets auf das Regel- und Zuordnungsnetzwerk abgestimmt alle relevanten Informationen zu einer Einspitzanlage gefunden werden indiziert und verknüpft alle relevanten Informations-objekte aus verschiedenen Datenquellen innerhalb eines assoziativen Informationsnetzes
Der Ontologie Manager OntoBroker ® Application Server Logic Compiler F-Logic, Prolog, RDF, OXML Inference Kernel Internal Database Knowledge Base OntoEdit ® Applications Front End Connectors Back End Connectors
Die Komponenten der Research Engine Research Engine Knowledge Base Applications Knowledge Browser Front End Connectors Knowledge Agent Knowledge Classify Knowledge Cluster Search Engine ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Die Knowledge Base Erzeugt generische Assoziationsnetze zur Inhaltserkennung, Knowledge Retrieval und Klassifizierung
Agenda ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Aufbau der Ontologie: Stufe 1 Produktstruktur Thesaurus Ontologiebasiertes Modell Stromversorgung Vernetzung / Verkabelung Beleuchtung Signalanlage Bordwerkzeuge / Zubehör Sicherungssysteme Reinigungssysteme Knowledge Base Komplettfahrzeug Antrieb Kraftübertragung Fahrwerk / Fahrgestell Aufbau Kommunikation / Information
Aufbau der Ontologie: Stufe 2 Produktstruktur  + Thesaurus Erweiterung der Struktur durch  Teilstrukturen aus den Altsystemen Ontologiebasiertes Gesamtmodell Knowledge Base
Aufbau der Ontologie: Stufe 3 Ontologiebasiertes Gesamtmodell EPC WIS ASRA Lösung Erweiterung der Struktur durch vollständige Strukturen aus den Altsystemen Knowledge Base
Konfiguration der Anfrage und Übergabe an die Research Engine Produktgliederung/Thesaurus Fahrzeug-/Abfragedefinition Service- literatur Teile- Daten Arbeits- ganginfor- mationen Research Engine Knowledge Base
Auswertung der Rechercheergebnisse Semantische Wolke Semantische Relevanz Topschlagwörter Inhaltsabriss
Schärfung des Rechercheergebnisses Durch eine  stärker fokussierte Betrachtungsweise  und eine  iterative Kalibrierung  des Suchprozesses wird eine signifikante  Schärfung des Suchvorganges  und damit eine Verbesserung des Rechercheergebnisses erreicht. Kalibrierung Search Cycle  1 „ Fokussierung“ 1. Anfragelogik „ Relevantes DELTA“ 1. Ergebnislogik Gap-Analyse 1. Anfragelogik + DELTA 2. Ergebnislogik „ Relevantes DELTA“ Gap-Analyse Search Cycle 2 „ Fokussierung“ 2. Anfragelogik 3. Ergebnislogik 2. Anfragelogik + DELTA 4. Ergebnislogik
Überblick Lösung  Kontexteinschränkung Produktgliederung Auswahlliste Start der Anfrage Freie Suche
Prozess: Anfrage
Prozess: Anfrage - Nockenwelle
Prozess: Anfrage – Finden in der Produktstruktur
Prozess: Anfrage – Start Ergebnis: Teilekatalog
Prozess: Anfrage – Beziehen auf ein Baujahr  Ergebnis: Teilekatalog – Erweiterung um Baujahr
Prozess: Anfrage – Übergabe an assoziative Suche Ergebnis: Teilekatalog – neues Ergebnis
Prozess: Anfrage Ergebnis: Serviceliteratur
Prozess: Anfrage Ergebnis: Arbeitsschlüssel
Experience. Results.
Das KM-basiertes Objektmodel für ein „Wort“ Aus Worten wird Inhalt Assoziationen zu anderen Zeichenketten Zeichenkette Sinnzusammenhang Innerhalb eines Wissensgebietes Kontext innerhalb eines Dokumentes Bedeutungen
Das Basiskonzept ist ein assoziatives Netzwerk Es ist Herbst. Die Bäume im Park verlieren ihre Blätter. Petra sitz auf einer  Bank im Centralpark und sonnt sich. Bank ist eine Sitzgelegenheit und steht im Umfeld von Bäumen Baum Park Centralpark Bank sitzt Petra Sitz- gelegenheit
Ontologie Menu Objekt Person Fahrzeug Ingenieur Wirtschaftler Düsenantrieb konstruiert eingebaut_in erbaut ähnlich Motor Teil_von Bauteil Antriebs- strang eingebaut_in besteht_aus erbaut P konstruiert B eingebaut_in F P F F B B F Regeln

More Related Content

Viewers also liked

Presentation SEO/SEM
Presentation SEO/SEMPresentation SEO/SEM
Presentation SEO/SEMHicham SBINI
 
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in Dortmund
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in DortmundMaklerkommunikation 2.0 – Vortrag auf der DKM 2012 in Dortmund
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in DortmundCybay New Media
 
Linkbaiting - SEMSEO 2011
Linkbaiting - SEMSEO 2011Linkbaiting - SEMSEO 2011
Linkbaiting - SEMSEO 2011get on top gmbh
 
produção de games com tecnologia livre ou proprietária, Qual usar?
produção de games com tecnologia livre ou proprietária, Qual usar?produção de games com tecnologia livre ou proprietária, Qual usar?
produção de games com tecnologia livre ou proprietária, Qual usar?Renan Nespolo
 
Congreso visión 2012 - taller introducción app engine
Congreso visión 2012 - taller introducción app engineCongreso visión 2012 - taller introducción app engine
Congreso visión 2012 - taller introducción app engineNigeŗ Arce
 
Introducción al desarrollo de videojuegos 2D con Wave Engine
Introducción al desarrollo de videojuegos 2D con Wave EngineIntroducción al desarrollo de videojuegos 2D con Wave Engine
Introducción al desarrollo de videojuegos 2D con Wave EngineEduard Tomàs
 
Google app engine para lean startups: the good, the bad and the ugly
Google app engine para lean startups: the good, the bad and the uglyGoogle app engine para lean startups: the good, the bad and the ugly
Google app engine para lean startups: the good, the bad and the uglyPET Computação
 
TDD com Python e App Engine
TDD com Python e App EngineTDD com Python e App Engine
TDD com Python e App EngineRicardo Bánffy
 
Werksverzeichnis Hans Martin 1916
Werksverzeichnis Hans Martin 1916Werksverzeichnis Hans Martin 1916
Werksverzeichnis Hans Martin 1916Hugo E Martin
 
коллекция Audi в миниатюре
коллекция Audi в миниатюреколлекция Audi в миниатюре
коллекция Audi в миниатюреVag-Express
 
Digital Training (SEO: search engine optimization)
Digital Training (SEO: search engine optimization)Digital Training (SEO: search engine optimization)
Digital Training (SEO: search engine optimization)Carlos De La Ossa
 
Como fazer um comentário no Blog
Como fazer um comentário no BlogComo fazer um comentário no Blog
Como fazer um comentário no Blogmarlene_herter
 
Python, Google App Engine e Webapp-CE
Python, Google App Engine e Webapp-CE Python, Google App Engine e Webapp-CE
Python, Google App Engine e Webapp-CE Renzo Nuccitelli
 
Performance im Fokus
Performance im FokusPerformance im Fokus
Performance im FokusInxmail GmbH
 

Viewers also liked (20)

Presentation SEO/SEM
Presentation SEO/SEMPresentation SEO/SEM
Presentation SEO/SEM
 
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in Dortmund
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in DortmundMaklerkommunikation 2.0 – Vortrag auf der DKM 2012 in Dortmund
Maklerkommunikation 2.0 – Vortrag auf der DKM 2012 in Dortmund
 
Linkbaiting - SEMSEO 2011
Linkbaiting - SEMSEO 2011Linkbaiting - SEMSEO 2011
Linkbaiting - SEMSEO 2011
 
eind presentatie
eind presentatieeind presentatie
eind presentatie
 
produção de games com tecnologia livre ou proprietária, Qual usar?
produção de games com tecnologia livre ou proprietária, Qual usar?produção de games com tecnologia livre ou proprietária, Qual usar?
produção de games com tecnologia livre ou proprietária, Qual usar?
 
Communicating sustainibility
Communicating sustainibilityCommunicating sustainibility
Communicating sustainibility
 
Noções de Search Engine
Noções de Search EngineNoções de Search Engine
Noções de Search Engine
 
Congreso visión 2012 - taller introducción app engine
Congreso visión 2012 - taller introducción app engineCongreso visión 2012 - taller introducción app engine
Congreso visión 2012 - taller introducción app engine
 
Introducción al desarrollo de videojuegos 2D con Wave Engine
Introducción al desarrollo de videojuegos 2D con Wave EngineIntroducción al desarrollo de videojuegos 2D con Wave Engine
Introducción al desarrollo de videojuegos 2D con Wave Engine
 
Smart Industry
Smart IndustrySmart Industry
Smart Industry
 
Google app engine para lean startups: the good, the bad and the ugly
Google app engine para lean startups: the good, the bad and the uglyGoogle app engine para lean startups: the good, the bad and the ugly
Google app engine para lean startups: the good, the bad and the ugly
 
20100506 JAX BPMN 2.0 in der Praxis
20100506 JAX BPMN 2.0 in der Praxis20100506 JAX BPMN 2.0 in der Praxis
20100506 JAX BPMN 2.0 in der Praxis
 
TDD com Python e App Engine
TDD com Python e App EngineTDD com Python e App Engine
TDD com Python e App Engine
 
Werksverzeichnis Hans Martin 1916
Werksverzeichnis Hans Martin 1916Werksverzeichnis Hans Martin 1916
Werksverzeichnis Hans Martin 1916
 
SMM-SEO.SEM
SMM-SEO.SEMSMM-SEO.SEM
SMM-SEO.SEM
 
коллекция Audi в миниатюре
коллекция Audi в миниатюреколлекция Audi в миниатюре
коллекция Audi в миниатюре
 
Digital Training (SEO: search engine optimization)
Digital Training (SEO: search engine optimization)Digital Training (SEO: search engine optimization)
Digital Training (SEO: search engine optimization)
 
Como fazer um comentário no Blog
Como fazer um comentário no BlogComo fazer um comentário no Blog
Como fazer um comentário no Blog
 
Python, Google App Engine e Webapp-CE
Python, Google App Engine e Webapp-CE Python, Google App Engine e Webapp-CE
Python, Google App Engine e Webapp-CE
 
Performance im Fokus
Performance im FokusPerformance im Fokus
Performance im Fokus
 

Similar to Die Loesung - Turbo iXtractor -

Patinfo09
Patinfo09Patinfo09
Patinfo09DauverC
 
amsl - Ergebnispräsentation der EFRE-Förderphase
amsl - Ergebnispräsentation der EFRE-Förderphaseamsl - Ergebnispräsentation der EFRE-Förderphase
amsl - Ergebnispräsentation der EFRE-FörderphaseBjörn Muschall
 
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenWebinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenB-S-S Business Software Solutions GmbH
 
Kollaborative Systeme treffen auf semantische Wissensmodelle
Kollaborative Systeme treffen auf semantische WissensmodelleKollaborative Systeme treffen auf semantische Wissensmodelle
Kollaborative Systeme treffen auf semantische WissensmodelleFlorian Kondert
 
MySQL: Gastvortrag an der Uni Frankfurt
MySQL: Gastvortrag an der Uni FrankfurtMySQL: Gastvortrag an der Uni Frankfurt
MySQL: Gastvortrag an der Uni FrankfurtKaj Arnö
 
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human InferenceDataValueTalk
 
BizDataX Testdatenmanagement Konzepte
BizDataX Testdatenmanagement KonzepteBizDataX Testdatenmanagement Konzepte
BizDataX Testdatenmanagement KonzepteDragan Kinkela
 
SAP_Basis_Klassisch.pdf
SAP_Basis_Klassisch.pdfSAP_Basis_Klassisch.pdf
SAP_Basis_Klassisch.pdfCazLP
 
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...DevDay Dresden
 
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...Markus Harrer
 
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -Falk Neubert
 
Cax systeme final
Cax   systeme finalCax   systeme final
Cax systeme finalLukas Ott
 
Die Zukunft der Portale - Kataloge der nächsten Generation
Die Zukunft der Portale - Kataloge der nächsten GenerationDie Zukunft der Portale - Kataloge der nächsten Generation
Die Zukunft der Portale - Kataloge der nächsten GenerationMartin Blenkle
 
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Harald Erb
 
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...CONOGY GmbH
 
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesDas modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesOPITZ CONSULTING Deutschland
 

Similar to Die Loesung - Turbo iXtractor - (20)

Patinfo09
Patinfo09Patinfo09
Patinfo09
 
Zeitreihen in Apache Cassandra
Zeitreihen in Apache CassandraZeitreihen in Apache Cassandra
Zeitreihen in Apache Cassandra
 
amsl - Ergebnispräsentation der EFRE-Förderphase
amsl - Ergebnispräsentation der EFRE-Förderphaseamsl - Ergebnispräsentation der EFRE-Förderphase
amsl - Ergebnispräsentation der EFRE-Förderphase
 
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr UnternehmenswissenWebinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
Webinar Slides: SharePoint als Drehscheibe fuer ihr Unternehmenswissen
 
Kollaborative Systeme treffen auf semantische Wissensmodelle
Kollaborative Systeme treffen auf semantische WissensmodelleKollaborative Systeme treffen auf semantische Wissensmodelle
Kollaborative Systeme treffen auf semantische Wissensmodelle
 
MySQL: Gastvortrag an der Uni Frankfurt
MySQL: Gastvortrag an der Uni FrankfurtMySQL: Gastvortrag an der Uni Frankfurt
MySQL: Gastvortrag an der Uni Frankfurt
 
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference
‘Fehler vorprogrammiert’ Paul Tours, Senior Consultant/Human Inference
 
proceedings
proceedingsproceedings
proceedings
 
proceedings
proceedingsproceedings
proceedings
 
Relevance Assessment Tool - Ein Werkzeug zum Design von Retrievaltests sowie ...
Relevance Assessment Tool - Ein Werkzeug zum Design von Retrievaltests sowie ...Relevance Assessment Tool - Ein Werkzeug zum Design von Retrievaltests sowie ...
Relevance Assessment Tool - Ein Werkzeug zum Design von Retrievaltests sowie ...
 
BizDataX Testdatenmanagement Konzepte
BizDataX Testdatenmanagement KonzepteBizDataX Testdatenmanagement Konzepte
BizDataX Testdatenmanagement Konzepte
 
SAP_Basis_Klassisch.pdf
SAP_Basis_Klassisch.pdfSAP_Basis_Klassisch.pdf
SAP_Basis_Klassisch.pdf
 
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...
Dev Day 2019: Stephan Birnbaum – Die Glaskugel hat ausgedient, wir machen Sof...
 
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
 
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
Open-Source ERP und BI - Kriterien für ein effizientes Zusammenspiel -
 
Cax systeme final
Cax   systeme finalCax   systeme final
Cax systeme final
 
Die Zukunft der Portale - Kataloge der nächsten Generation
Die Zukunft der Portale - Kataloge der nächsten GenerationDie Zukunft der Portale - Kataloge der nächsten Generation
Die Zukunft der Portale - Kataloge der nächsten Generation
 
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
Endeca Web Acquisition Toolkit - Integration verteilter Web-Anwendungen und a...
 
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...
Webinarunterlagen: Datenvorbereitung für erfolgreiche Analysen mit SAP Predic...
 
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTiggesDas modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
Das modulare DWH-Modell - DOAG SIG BI/DWH 2010 - OPITZ CONSULTING - ArnoTigges
 

Die Loesung - Turbo iXtractor -

  • 1. Die Lösung „Turbo iXtractor „ Intelligente und lernende Altdatenintegration für die Serviceinformationen älterer Pkw- und Nfz-Baureihen Jens Freiberg, CSC Ploenzke AG
  • 2.
  • 3.
  • 4.
  • 5.
  • 6. Das Lösungsmodell Strukturiert unstrukturiert Update Update Informationsquellen Intelligente Knowledge Base Abgeleitetes Informationsnetz Abfragelogik Ergebnislogik Modellierbare Informationslogik Turbo-iXtractor Calibration Process Ergebnis Anfrage
  • 7. Die Lösung besteht aus 3 zentralen Bausteinen Der Ontologie-Manager Knowledge Base Research Engine organisiert das Regel- und Zuordnungsnetzwerk, damit festliegt, dass ein Steuergerät zum Motor gehört und bei jeder Diagnose der Fehlerspeicher ausgelesen wird. Er organisiert die begriffliche Ordnung, damit festliegt, dass die Einspritzanlage 'Steuergerät' heißt, und zwar immer. erstellt und klassifiziert die Knowledge Base und sorgt dafür, dass dass die Suchergebnisse stets auf das Regel- und Zuordnungsnetzwerk abgestimmt alle relevanten Informationen zu einer Einspitzanlage gefunden werden indiziert und verknüpft alle relevanten Informations-objekte aus verschiedenen Datenquellen innerhalb eines assoziativen Informationsnetzes
  • 8. Der Ontologie Manager OntoBroker ® Application Server Logic Compiler F-Logic, Prolog, RDF, OXML Inference Kernel Internal Database Knowledge Base OntoEdit ® Applications Front End Connectors Back End Connectors
  • 9.
  • 10. Die Knowledge Base Erzeugt generische Assoziationsnetze zur Inhaltserkennung, Knowledge Retrieval und Klassifizierung
  • 11.
  • 12. Aufbau der Ontologie: Stufe 1 Produktstruktur Thesaurus Ontologiebasiertes Modell Stromversorgung Vernetzung / Verkabelung Beleuchtung Signalanlage Bordwerkzeuge / Zubehör Sicherungssysteme Reinigungssysteme Knowledge Base Komplettfahrzeug Antrieb Kraftübertragung Fahrwerk / Fahrgestell Aufbau Kommunikation / Information
  • 13. Aufbau der Ontologie: Stufe 2 Produktstruktur + Thesaurus Erweiterung der Struktur durch Teilstrukturen aus den Altsystemen Ontologiebasiertes Gesamtmodell Knowledge Base
  • 14. Aufbau der Ontologie: Stufe 3 Ontologiebasiertes Gesamtmodell EPC WIS ASRA Lösung Erweiterung der Struktur durch vollständige Strukturen aus den Altsystemen Knowledge Base
  • 15. Konfiguration der Anfrage und Übergabe an die Research Engine Produktgliederung/Thesaurus Fahrzeug-/Abfragedefinition Service- literatur Teile- Daten Arbeits- ganginfor- mationen Research Engine Knowledge Base
  • 16. Auswertung der Rechercheergebnisse Semantische Wolke Semantische Relevanz Topschlagwörter Inhaltsabriss
  • 17. Schärfung des Rechercheergebnisses Durch eine stärker fokussierte Betrachtungsweise und eine iterative Kalibrierung des Suchprozesses wird eine signifikante Schärfung des Suchvorganges und damit eine Verbesserung des Rechercheergebnisses erreicht. Kalibrierung Search Cycle 1 „ Fokussierung“ 1. Anfragelogik „ Relevantes DELTA“ 1. Ergebnislogik Gap-Analyse 1. Anfragelogik + DELTA 2. Ergebnislogik „ Relevantes DELTA“ Gap-Analyse Search Cycle 2 „ Fokussierung“ 2. Anfragelogik 3. Ergebnislogik 2. Anfragelogik + DELTA 4. Ergebnislogik
  • 18. Überblick Lösung Kontexteinschränkung Produktgliederung Auswahlliste Start der Anfrage Freie Suche
  • 20. Prozess: Anfrage - Nockenwelle
  • 21. Prozess: Anfrage – Finden in der Produktstruktur
  • 22. Prozess: Anfrage – Start Ergebnis: Teilekatalog
  • 23. Prozess: Anfrage – Beziehen auf ein Baujahr Ergebnis: Teilekatalog – Erweiterung um Baujahr
  • 24. Prozess: Anfrage – Übergabe an assoziative Suche Ergebnis: Teilekatalog – neues Ergebnis
  • 25. Prozess: Anfrage Ergebnis: Serviceliteratur
  • 26. Prozess: Anfrage Ergebnis: Arbeitsschlüssel
  • 28. Das KM-basiertes Objektmodel für ein „Wort“ Aus Worten wird Inhalt Assoziationen zu anderen Zeichenketten Zeichenkette Sinnzusammenhang Innerhalb eines Wissensgebietes Kontext innerhalb eines Dokumentes Bedeutungen
  • 29. Das Basiskonzept ist ein assoziatives Netzwerk Es ist Herbst. Die Bäume im Park verlieren ihre Blätter. Petra sitz auf einer Bank im Centralpark und sonnt sich. Bank ist eine Sitzgelegenheit und steht im Umfeld von Bäumen Baum Park Centralpark Bank sitzt Petra Sitz- gelegenheit
  • 30. Ontologie Menu Objekt Person Fahrzeug Ingenieur Wirtschaftler Düsenantrieb konstruiert eingebaut_in erbaut ähnlich Motor Teil_von Bauteil Antriebs- strang eingebaut_in besteht_aus erbaut P konstruiert B eingebaut_in F P F F B B F Regeln