Grundlagen der Wirtschaftsinformatik

Die konsequent moderne, didaktische überzeugende Darstellung der Wirtschaftsinformatik.Gegenstand des vorliegenden Buches ist eine systematische Darstellung methodischer Grundlagen der Wirtschaftsinformatik. Im Mittelpunkt stehen spezifische Kerninhalte der Wirtschaftsinformatik in Form von Konzepten, Modellen und Methoden, die für die Analyse und Gestaltung von Informationssystemen benötigt werden. 

Das Buch versucht folgende Fragen zu beantworten: Welche Konzepte liegen betrieblichen Informationssystemen zugrunde? Welche Modelle sind geeignet, um die Architektur und die Funktionsweise betrieblicher Informationssysteme verstehen und beschreiben zu können? Welche Methoden eignen sich zur Analyse und Gestaltung betrieblicher Informationssysteme? Diese Auflage wurde vollständig überarbeitet und wesentlich erweitert.

4.1.4 Klassifikationsmerkmale von Aufgaben (S. 103-104)
Unter dem Blickwinkel der Automatisierbarkeit und des Einsatzspektrums von Aufgaben werden im Folgenden weitere Aufgabenmerkmale, nämlich der Modelltyp der Aufgabe, der Typ des Lösungsverfahrens und die Beschreibungsmittel für Aufgaben, eingeführt.

MODELLTYP DER AUFGABE
Eine Aufgabe als Teil eines Diskursweltobjekts modelliert einen Ausschnitt der Diskurswelt. Das Merkmal Modelltyp der Aufgabe charakterisiert deren Eigenschaften als Modell der Diskurswelt. Es werden folgende Modelltypen unterschieden:

- Analytische Modelle: Eine Aufgabe wird hier auf der Grundlage einer Theorie z. B. aus den Bereichen Betriebswirtschaft oder Technik als mathematisches Modell formuliert. Die zugrunde liegende Theorie dient als Rahmen zur Modellbildung und zur Prüfung des Modells auf Vollständigkeit und Widerspruchsfreiheit. Beispiele hierfür sind Modelle der Produktionsplanung oder der Finanzplanung. Die Modellierung bezieht sich in der Regel auf die Außensicht einer Aufgabe, d. h. auf das Aufgabenobjekt und die Aufgabenziele. Die Verwendbarkeit des Modells hängt allerdings auch von der Verfügbarkeit eines Lösungsverfahrens für die Aufgabe ab. Analytische Modelle und zugehörige Lösungsverfahren stehen im Mittelpunkt des Fachgebietes Operations Research [MüMe88].

- Wissensbasierte Modelle: Kann bei der Beschreibung einer Aufgabe nicht auf eine geschlossene Theorie zurückgegriffen werden, sondern beruht die Modellierung auf Wissen, das aus Beobachtungen, Erfahrungen oder logischen Ableitungen resultiert, so wird ein wissensbasiertes Modell erstellt. Als Wissensquelle werden Diskursweltexperten konsultiert. Prüfungen auf Vollständigkeit und Widerspruchsfreiheit des Modells können nur eingeschränkt durchgeführt werden. Während ein analytisches Modell auf Theoriewissen basiert, liegt einem wissensbasierten Modell Erfahrungswissen zugrunde. Aufgabenbeschreibungen dieser Art in formaler Notation werden zunehmend verwendet wegen der abgeschwächten Voraussetzungen bezüglich der Modellierbarkeit wissensbasierter Modelle und wegen der Verfügbarkeit dafür geeigneter rechnergestützter Lösungsverfahren. Beispiele hierfür sind Expertensysteme im Umfeld der verschiedenen betrieblichen Funktionsbereiche. Methodische Grundlagen für wissensbasierte Modelle liefern vor allem die mit dem Forschungsgebiet Künstliche Intelligenz befassten Fachgebiete [Pupp91].

- Konnektionistische Modelle: Analytische und wissensbasierte Modelle bilden das Verhalten und die Struktur der Diskurswelt ab. Konnektionistische Modelle be- schränken sich auf die Modellierung des Verhaltens der Diskurswelt in Form eines Input-Output-Systems. Sie betrachten die Diskurswelt als Black-Box-System und berücksichtigen keine systeminternen Zustände.

Die methodischen Grundlagen der konnektionistischen Modelle resultieren aus dem Bemühen, intelligente Maschinen nach dem Vorbild der Nervensysteme in Organismen zu bauen. Dieses Vorhaben führte zu neuronalen Netzwerken, die mittlerweile in Form von Hard- und Softwarerealisierungen sowie unterschiedlichen Größenordnungen erprobt werden. Neuronale Netzwerke bilden das Verhalten komplexer Systeme durch einen Verbund einfach gestalteter Neuronen mit einer kombinatorischen Anzahl von Kopplungsbeziehungen zwischen den Neuronen nach. Konnektionistische Modelle verwenden das Konzept neuronaler Netzwerke zur Modellierung komplexer Diskurswelten, deren Verhalten und insbesondere deren Struktur nur sehr beschränkt zugänglich sind. Ein Beispiel ist ein Prognosemodell für Aktienkurse, das keine Hypothesen über die Struktur des Aktienmarktes verwendet und das sich selbstständig an die Kursverläufe realer Kurse adaptiert [RePo91]. Ein Grund für die Verwendung konnektionistischer Modelle ist hier, dass keine Hypothese über die Struktur der Diskurswelt verfügbar ist oder dass bei einer vorhandenen Hypothese ihre Validierung nicht möglich ist.

Für konnektionistische Modelle in formaler Notation sind rechnergestützte Lösungsverfahren verfügbar. Diese Modellart wird daher ebenfalls zunehmend verwendet. Das Forschungsgebiet konnektionistische Modelle und neuronale Netzwerke wird den Kognitionswissenschaften zugerechnet [Kemk88].

- Natürlichsprachige Beschreibung: Die bisher genannten Modelle beschreiben die Diskurswelt formalisiert und mit dem Ziel der Vollständigkeit und Widerspruchsfreiheit.