2020 | OriginalPaper | Chapter
Vorgehensmodell zur Modellierung von Empfehlungsassistenten
Authors : Markus Matuszewski, Stephan Höhne, Roland Jochem
Published in: Potenziale Künstlicher Intelligenz für die Qualitätswissenschaft
Publisher: Springer Berlin Heidelberg
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Im Schatten derzeitiger Automatisierungsbestrebungen in Wirtschaft und Industrie manifestiert sich der menschliche Entscheidungsprozess als Achillesferse qualitätswissenschaftlicher Bemühungen. Die vor diesem Hintergrund zunehmende Bedeutung des Faktors Mensch und die steigende Komplexität moderner Unternehmenswelten fordern unweigerlich neue qualitätswissenschaftliche Antworten.Ein vielversprechender Lösungsansatz, die Entwicklung und der Einsatz von Empfehlungsassistenten mittels Fuzzy-Logik, ist insbesondere hinsichtlich des Entstehungsprozesses eben jener Systeme aus wissenschaftlicher Perspektive verwaist und unbegleitet.Das Ziel der Forschungsarbeit ist deshalb die Entwicklung eines Vorgehensmodells zur Modellierung von Empfehlungsassistenten, welches im Kern hauptsächlich für die Gestaltung von Managementsystemen optimiert ist. Die Empfehlungsassistenten sollen die unternehmerischen Rahmenbedingungen explizit berücksichtigen und somit eine unternehmensspezifische Empfehlung abgeben können.Zwei Hauptanforderungen, verschiedene Nebenanforderungen sowie weitere sieben wissenschaftliche Anforderungen definieren dabei den wissenschaftlichen Handlungsrahmen. Unter Verwendung hermeneutischer Methoden ist im Ergebnis ein Vorgehensmodell mit vier Hauptphasen und jeweils drei bis sechs Subphasen entwickelt worden, welches die große Herausforderung ‚Modellierung eines Empfehlungsassistenten‘ in viele kleine Teilprobleme zergliedert und mit gezieltem Methodeneinsatz unterstützt.Das Vorgehensmodell ermöglicht somit erstmalig eine systematische und methoden-orientierte Anwendung der Fuzzy-Logik, um eine Modellierung von Empfehlungsassistenten unter Einhaltung wissenschaftlicher Normen zu gewährleisten.Es kann in zukünftigen Anwendungsszenarien außerdem einen entscheidenden Beitrag leisten, die oben genannte anthropozentrische Entscheidungsqualität zu verbessern.