01. Explorative Dokumentanalyse

Statt Dokumente wie bisher zu lesen, um einen Überblick zu erhalten, werden wir das tun, was jedem, der mit Zahlen arbeitet, beigebracht wird: Daten werden erhoben, gesammelt, in eine übersichtliche Form gebracht und anschließend mit Hilfe von Kennzahlen charakterisiert. Der Fachbegriff daführ lautet: Beschreibende Statistik", oder Explorative Datenanalyse (EDA)". Durch Verfahren des maschinellen Lernens" sind inzwischen noch zusätzliche Analysemöglichkeiten vorhanden.

Sie haben schon Messdaten ausgewertet und kennen "Explorative Datenanalyse (EDA)"? Bei der Analyse von Messdaten gibt es ja immer eine erste Orientierungsphase, wenn man nicht weiß, welche Situation vorliegt: um die zu untersuchenden Daten besser zu verstehen, führt man verschiedene Standardanalysen durch, wie z. B. Boxplot, Histogramm, Q-Q-Plot, Scatterplotmatrix, etc. Niemand käme auf die Idee, Messdaten in Form von Zahlenkolonnen durchzusehen und zu glauben, er könnte auf diese Weise ein Verständnis über die Daten bekommen. Das, was wir hier machen, ist EDA mit Dokumenten. Wir fangen nicht an, einzelne Dokumente zu lesen, sondern führen eine Explorative Dokumentanalyse (EDA)" durch. Lesen können Sie immer noch, aber bitte erst später, und dann nur das, was im Moment für Sie wichtig ist.

02. Warum maschinelles Lesen technischer Dokumente?

Berufliches Lesen besteht zum großen Teil aus "querlesen"; dabei geht es darum, in kurzer Zeit die wesentlichen Inhalte von Dokumenten zu erfassen und zu wissen, ob es überhaupt lohnt, sich näher mit dem Dokument zu beschäftigen. Falls es sich lohnt, ist es von Bedeutung, den Inhalt des Dokuments in Relation zu dem zu sehen, was man bereits gelesen hat, um einerseits die Bedeutung besser einschätzen zu können, und andererseits zu wissen, im Zusammenhang mit welchen anderen Dokumenten man diesen Text gedanklich einsortieren muss.

Die Dokumente, mit denen sich Numberland beschäftigt, kommen im wesentlichen aus einem der vier folgenden Bereiche:

Marketing und Vertrieb (lesen externer Dokumente zur Markt- und Wettbewerbsanalyse: Porter fünf Kräfte, Ansoff-Matrix, Stärken-Schwächen-Analyse (SWOT)), Technische Dokumentation, Produktion, Qualitätsmanagement (lesen interner Dokumente zur Erfüllung der Kundenbedürfnisse: Quality-Function-Deployment, TRIZ, 6 Sigma), Forschung und Entwicklung (lesen interner und externer Dokumente wie z. B. Projektberichte, Praktikums- und Abschlußarbeiten, Patente, wissenschaftliche Publikationen) und Strategisches Management (lesen interner und externer Dokumente, z. B. für das Technologie-Roadmapping).

03. Welche Dokumente?

Aus welcher Anwendung die Dokumente kommen und in welchem Format sie vorliegen, soll keine Rolle spielen.

Analysen - so, wie wir sie für Sie machen wollen - sind oft gerade nur dann nützlich, wenn es gelingt, Dokumente aus den unterschiedlichsten Quellen zu einem Datenbestand zusammen zu führen und gemeinsam zu untersuchen. Wir lesen aus diesem Grund alle relevanten Formate, in denen Text gespeichert wird.

04. Warum Dokumente, wenn jeder von der Analyse von Prozessdaten redet?

Vor einigen Jahren ergab eine Untersuchung (u. a. von Gartner, HP und IBM), dass ca. 70% des dokumentierten Wissens in der Form von unstrukturierten Daten vorliegt. Diese Tatsache hat sich durch das Internet of Things (IoT) wahrscheinlich bereits geändert; falls nicht - wird es auf jeden Fall so kommen; numerische Daten in strukturierter Form werden die Oberhand über unstrukturierte Daten gewinnen.

Unabhängig davon, wie groß der Anteil unstrukturierter Daten am dokumentierten Wissen in Zukunft auch sein wird, gilt: Prozesse werden durch Zahlen beschrieben, aber Ideen durch Worte. Explorative Dokumentanalyse ist deswegen mindestens genau so wichtig wie Explorative Datenanalyse mit numerischen Werten.

05. Warum der ganze Aufwand, wenn man doch suchen kann?

Suchen kann man nur, was man bereits kennt. Je größer die Zahl an vorhandenen Dokumenten, desto größer ist in der Regel auch der Anteil des Wissens, den man nicht kennt, und deswegen auch nicht suchen kann. Man weiß also nicht nur nicht, was man nicht weiß, sondern man weiß auch nicht, wie sich dieses Nichtwissen inhaltlich zusammensetzt.

Es ist deshalb notwendig, Möglichkeiten zu finden, Wissen ohne Vorgabe von inhaltlichen Schwerpunkten zu erschließen, wenn man sicher sein will, dass alle inhaltlichen Aspekte einer großen Dokumentkollektion erfasst werden.

06. Über Nacht zum Stand der Technik

Unser Ziel ist es also, Sie in die Lage zu versetzen, in 10% der bisher notwendigen Zeit 10x so viele Dokumente quer zu lesen, damit Sie sich viel besser auf das konzentrieren können, was der Mensch trotz allem technischen Fortschritt besser kann als jede Maschine: Zusammenhänge verstehen und Schlüsse daraus ziehen.

Am Beispiel Technologie-Roadmapping - bei dem sowohl interne, als auch externe Dokumente gelesen werden - zeigen wir Ihnen, wie es ablaufen könnte, damit auch Sie über Nacht den Stand der Technik erreichen ...

07. TR1: Wer sind wir (SIE) eigentlich?

Wenn Sie sich diese Frage stellen, können wir interne Dokumente von Ihnen lesen, um herauszufinden, durch welche Begriffe sich Ihre Organisation selbst definiert.

Aus methodischer Sicht kann hier alles eingesetzt werden, was zielführend ist: unterschiedlichste mathematische Verfahren aus den Bereichen überwachtes (Klassifikation, Regression) und nicht überwachtes (Clustering) Lernen.

08. INTERNE DOKUMENTE ANALYSIEREN???

Warum es völlig unmöglich ist, trotz abgeschlossener Geheimhaltungsvereinbarung (GHV) für eine Analyse Zugriff auf interne Dokumente zu bekommen - davon können wir Ihnen in der Zwischenzeit die unterschiedlichsten Varianten erzählen. Tatsache ist und bleibt, dass man lesen muss, was man analysieren soll - unabhängig davon, ob das nun manuell oder maschinell erfolgt.

Wenn sich der erste Schock gelegt hat, und Sie ein bißchen darüber nachdenken, werden Sie jedoch feststellen, dass es trotzdem eine Vielzahl an "internen" (= IHREN) Dokumenten gibt, für die ohne große Schwierigkeiten ein Zugriff möglich ist: Publikationen, Schutzrechte, Produktkataloge, Handbücher, Pressemitteilungen, Ihre Website, Abschlußarbeiten (Praktikums-, Bachelor-, Master-, Diplom-, Doktorarbeiten), na Sie wissen schon, was noch in diese Kategorie fallen könnte. Sie sehen also, die Zahl der Dokumente ist größer, als Sie im ersten Moment dachten.

09. Beispiel

Nehmen wir mal an, Sie sind ein Hersteller von Wälzlagern, und haben einen Produktkatalog. Sie sind der Meinung, dass dieser Katalog das Wissen sehr gut beschreibt, das Sie haben, und ohne Probleme herausgeben können.

Sie geben uns den Katalog mit dem Ziel, ihr dokumentiertes Wissen zu analysieren, zusammenzufassen und aufzubereiten. Eine der Darstellungen, die am leichtesten verständlich ist, ist eine Wortwolke (Wordcloud, kennen Sie bestimmt). Wir lesen also ihren Produktkatalog maschinell, zerlegen ihn in einzelne Seiten, die Seiten in einzelne Worte, entfernen sogenannte Stopworte (= Worte, die für die inhaltliche Beschreibung keine Rolle spielen (der, die, das, ein, einer, eines, ...), und erzeugen eine Wortwolke

10. Wortwolke

Voilà, da ist sie schon. Worte, die häufig vorkommen, sind größer geschrieben als Worte, die weniger häufig vorkommen. Und weil man dann, wenn man darstellt, was man kann, natürlich die dafür einschlägigen Begriffe benutzt, beschreibt die Wortwolke also genau das, was SIE ausmacht.

In der Realität erfolgt die Analyse und Zusammenfassung des eigenen Wissens in der Regel nicht auf Basis eines einzelnen Dokuments; stattdessen werden viele unterschiedliche Dokumente aus den unterschiedlichsten Quellen und in den unterschiedlichsten Formaten zu einer Wissensbasis zusammen gefügt, die anschließend untersucht wird. Das Ergebnis ist aber mit diesem vergleichbar.

Wortwolken sind natürlich auch nicht die einzig mögliche Art, Analyseergebnisse zu visualisieren. Für jede Fragestellung existiert in der Regel eine ganz bestimmte Form der Ergebnisdarstellung, die sich besonders gut eignet (Listen, Grafiken, Karten, etc.). Solche Details sollen aber einer individuellen Präsentation vorbehalten bleiben.

Natürlich hätten wir für dieses Beispiel tatsächlich den Produktkatalog eines Unternehmens aus dem Web herunter laden, und für die Analyse benutzen können. Wollten wir aber nicht. Deswegen haben wir aus dem "Dubbel" das Kapitel über Wälzlager benutzt.

11. Internes Wissen

Natürlich haben Sie sich in der Vergangenheit bereits darüber Gedanken gemacht, wie Sie ihr dokumentiertes, internes Wissen (also der Teil, der aufgeschrieben ist, aber nicht der Teil, der sich in den Köpfen der Mitarbeiter befindet) besser erschließen können, und haben ein Intranet eingeführt, in dem alle relevanten Dokumente abgelegt werden.

Die Dokumente werden mit Schlagworte versehen, um sie wieder besser finden zu können. Die Schlagworte werden von Hand vergeben, vielleicht auch aus einer vorhandenen Liste ausgewählt. So, und nun mal "Hand aufs Herz": wenn sich erst mal einige hundert Dokumente angesammelt haben, wird das Wiederfinden trotz allem schwierig, oder nicht?

Das liegt daran, dass sich natürlich niemand die Mühe macht, möglichst viele Schlagworte auszuwählen; man macht es eben, weil es sein muss. Hinzu kommt, dass sich inhaltliche Schwerpunkte mit der Zeit natürlich verändern können, und die Schlagworte, die gestern noch signifikant waren, sind es heute nicht mehr.

Lösung: Alle Dokumente werden maschinell gelesen, in einzelne Worte zerlegt, und aus diesen Worten wird ein Dictionary (ein Register der relevanten Worte, wie das Register eines Buches) gebaut. Anschließend werden alle Dokumente mit allen Worten des Registers verschlagwortet, so dass niemand mehr überlegen muss, sollte ich dieses Schlagwort auch noch verwenden oder nicht. Fertig.

12. Big Data Brainstorming

Wenn Sie sich fragen, ob wir das können (vgl. oben): können wir!

Wir hatten vor einiger Zeit die Idee, einen Teil der technischen Dokumente, die wir selbst in unserer Datenbank "als Vorrat" für Analysen halten (=alle deutschen Patente und Gebrauchsmuster seit 1981, ca. 3,5 Mill. Dokumente, insgesamt haben wir viel mehr), zusätzlich in eine Desktopsuchmaschine zu übertragen, und dort zu verschlagworten. Aber eben nicht mit 10, 50, oder 100 Schlagworten, sondern mit über 500.000 Schlagworten.

Diese Schlagworte werden in der Suchmaske nun an der Seite angezeigt, und können als "Filter" eingesetzt werden. Das hat nun den unschätzbaren Vorteil, dass man sich inspirieren lassen kann, ohne suchen zu müssen. Durch Auswahl eines oder mehrerer Filter (= Schlagworte) erhält man im Ergebnis eine Untermenge aller vorhandenen Dokumente und kann sehen, "wo man landet". Ist das Ergebnis doch nicht interessant, wählt man die Filter wieder ab, und startet einen neuen Versuch. Geht schnell und inspiriert wahnsinnig ...

Übrigens: wir können diese Suchmaschine auf einer Workstation laufen lassen, die wir mit zu Ihnen bringen, um dort einen Brainstorming-Workshop zu halten. Um es noch effizienter zu machen, können Sie uns zuvor einige interne Dokumente zur Analyse überlassen, so dass eine definierte Ausgangsbasis vorhanden ist. Wäre das mal einen Versuch wert?

13. TR2: Welches ist unser (IHR) Markt?

Jetzt gehen wir weg von den internen Dokumenten, und wenden uns externen Dokumenten zu. Hinsichtlich Quellen und Formaten gilt dabei natürlich das selbe wir unter Punkt 3. und 7. Wir lesen in diesen Arbeitsschritt externe Dokumente aus beliebigen Quellen, wobei die Quellen danach ausgesucht werden, dass sie die von Ihnen ausgewählte Begriffe aus TR1 enthalten, um Details zu Inhalten, Geografie, Teilnehmern oder Trends im Umfeld der Merkmale zu finden. Die verwendeten Methoden sind die selben wie bei TR1.

Natürlich können Sie auch direkt hier starten, wenn Sie zwar eine Marktanalyse, aber keine Analyse des internen Wissens benötigen. Wenn Sie dies so entscheiden, kann der für das Technologie-Roadmapping gedachte, nächste Schritt (TR3) nicht durchgeführt werden, es bleibt bei einer Marktanalyse.

14. TR3: Welche Position haben wir (SIE) in diesem Markt?

In TR3 vergleichen wir die Ergebnisse der Analysen von TR1 und TR2 miteinander, um eine Stärken-Schwächen-Analyse zu erstellen (BIG-DATA-SWOT)

Vielleicht erinnern Sie sich an die Mengenlehre: wenn eine Menge A (der Markt) und eine Menge B (Sie) gegeben ist, und eine teilweise Überschneidung beider Mengen vorliegt, definiert die Teilmenge A \ B (A nicht B) das, was nur in A enthalten ist. Mit anderen Worten: welche Begriffe tauchen bei allen anderen auf, aber nicht bei Ihnen, obwohl Sie ein Teilnehmer des Marktes sind.

Man könnte es auch so formulieren: was haben sie, was wir nicht haben (und umgekehrt)?

15. Stärken-Schwächen-Analyse (SWOT)

Wenn Sie unserer Erläuterung bis hierher gefolgt sind, können wir Ihnen auch erläutern, wie wir - für jeden nachvollziehbar! - mit Hilfe von Big Data eine Stärken-Schwächen-Analyse erstellen.

Schwächen kennen Sie ja bereits (vgl. oben): was haben sie, was wir nicht haben? Wir finden die Begriffe, die Sie haben sollten, aber nicht haben, obwohl Sie im gleichen Markt aktiv sind wie Ihr Wettbewerb. Stärken werden - analog dazu - nach dem Motto "was haben wir, was sie nicht haben" gefunden. Chancen kann man basierend auf folgender Logik ermitteln: Sie haben es, und die Bedeutung nimmt mit der Zeit zu. Risiken ergeben sich wieder im Umkehrschluss durch "Sie haben es nicht, und die Bedeutung nimmt mit der Zeit zu".

Natürlich kann man sich noch viele zusätzliche Definitionen überlegen, mit deren Hilfe die hier skizzierten ergänzt werden können. Welche das sein können, möchten wir Ihnen gerne im persönlichen Gespräch erklären.

16. Nicht das gefunden, was Sie suchen??

Sie haben nicht das gefunden was Sie suchen, haben aber die starke Vermutung, dass da etwas sein müsste? Vielleicht benutzen Sie die falschen Begriffe für die Suche?

Damit das möglichst selten passiert, haben wir ein Synonymwörterbuch mit unserer Datenbank verbunden. Auf diese Weise ist es einfach möglich, viele sinn- und sachverwandte Worte zu identifizieren, und ebenfalls nach diesen zu suchen. Zusätzlich ist es natürlich möglich, aus Dokumenten im Umfeld eines Begriffs eine Wortwolke zu erstellen, um heraus zu finden, welche Begriffe als Alternative zum Suchwort in Frage kommen könnten.

17. Spielwiese

Weil man mit den Analyseergebnissen nun natürlich auch weiterarbeiten will, und das mit einem statischen Ergebnis wie z. B. einer Wortwolke nur schlecht klappt, schreiben wir Ihnen gerne automatisch eine Mindmap oder einen Projektplan (Gantt), denn Sie möchten ja jetzt selbst etwas damit anfangen.

18. TR4: Was ist unser (IHR) Ziel?

Jetzt sind natürlich Sie am Zug: mit Hilfe der SWOT-Analyse zu entscheiden, welcher Weg beschritten werden soll, kann Ihnen kein Algorithmus abnehmen. Aber dazu haben Sie ja ein Unternehmen, um solche Entscheidungen treffen zu können, nicht war?

Alternativ können Sie sich natürlich auch durch unser BIG-DATA-BRAINSTORMING inspirieren lassen (vgl. 12.). Wir können - gerne bei Ihnen - spielen: WAS WÄRE WENN?

19. TR5: Wie werden Produkteigenschaften realisiert?

Der Zeitpunkt ist reif, sich über die Produkt-DNA* Gedanken zu machen: mit welchen Produkteigenschaften sollen welche Produktfunktionen realisiert werden?

* Die Produkt-DNA beschreibt, mit welcher Eigenschaft das Produkt (oder eine Komponente) welche Funktion ausführt. Machen wir ein Beispiel zum besseren Verständnis. Stellen Sie sich vor, Sie müssen die Funktion "(fest)halten" realisieren. Sie können dies tun, indem Sie das Produkt mit einer Porosität versehen (z. B. die Löcher in einer Bowlingkugel), indem Sie das Produkt elastisch machen (z. B. ein Gummiband), oder indem Sie die Form des Produkts speziell gestalten (z. B. verdrillte Nägel, die sich weniger leicht herausziehen lassen als glatte Nägel, oder der an die Form einer Hand angepasste Werkzeuggriff).

Produkte werden in einem Text durch Substantive beschrieben, Produkteigenschaften durch Adjektive und Produktfunktionen durch Verben. Diesen drei Wortarten kommt also bei einer Textanalyse besondere Bedeutung zu. Produkt-DNAs sind deswegen eine große Spielwiese für das "Natural Language Processing (NLP)".

20. Let's get magic

Manchmal muss man ungefähr 200 Jahre in eine Zeit zurück gehen, in der die Physik anfing, beobachtete Phänomene mathematisch exakt zu beschreiben. Damals wurde damit begonnen, zwischen vielen einzelnen Effekten einen Zusammenhang zu suchen, um - basierend auf möglichst wenigen Axiomen bzw. Gesetzen (man glaubt es kaum, aber eigentlich genügen 10: drei Newton'sche Gesetze, vier Maxwell'sche Gleichungen und drei Hauptsätze der Thermodynamik, wenn man sich auf "große" Massen und "kleine" Geschwindigkeiten beschränkt, also Relativistik und Quantenphysik außer Acht lässt, was man ja in vielen Situationen tun kann) - die Natur erklären zu können.

Heute wird diese formelbezogene Betrachtungsweise der Physik gelehrt, weil es einerseits nur so möglich ist, das große Ganze hinter den einzelnen, scheinbar unabhängigen Effekten zu sehen, und andererseits einen eleganten Übergang zur Quantenfeldtheorie zu finden. Unter manchen Umständen ist diese Sichtweise aber wenig hilfreich.

Eine dieser Situationen haben wir hier! Wenn auf die Frage: "wie werden Produkteigenschaften realisiert?" eine Antwort gesucht wird, hilft nämlich genaus die phänomenologische Sichtweise, die vor ca. 200 bis 250 Jahren noch die einzig mögliche war. Oder wussten Sie, dass es über 50 unterschiedliche Möglichkeiten gibt, Flüssigkeit zu absorbieren? Vielleicht passt eine davon viel besser zu Ihrer Anwendung als das, was Sie bisher machen?

21. TR6: Neue Ideen gefällig?

Sie wissen in der Zwischenzeit, was andere haben, die auch in Ihrem Markt aktiv sind, Sie aber nicht, und umgekehrt (TR3) Genügt das, um Ihr Produkt besser zu machen? Oder darfs ein bisschen mehr sein? Falls ja (es darf ein bisschen mehr sein), gibt es zwei Möglichkeiten:

Variante 1: Wir sehen uns zusammen andere Märkte an, in denen Produkte mit gleicher oder ähnlicher Produkte-DNA existieren. Das heisst, wir machen ein Big-Data-Brainstorming mit den Adjektiven und Verben, die auch in der Beschreibung Ihres Produktes (bzw. einer Komponente) vorkommen, und sehen wo wir landen. Dann versuchen wir, die Ideen und Verfahren des Produkts mit gleicher oder ähnlicher Produkt-DNA auf Ihr Produkt zu übertragen.

Variante 2: Wir versuchen es mal mit TRIZ, zerlegen Ihr Produkt in seine Komponenten, und versuchen festzustellen, in welchem Entwicklungszustand sich das Gesamtsystem bzw. die einzelnen Komponenten befinden. Entsprechend den Gesetzen der Entwicklung technischer Systeme versuchen wir herauszufinden, welcher Entwicklungsschritt folgen könnte, und benutzen die Widerspruchsmatrix (in ihrer neusten Version), um auftretende Widersprüche zu lösen.

22. Probleme? Geht nicht, gibts nicht!

Natürlich ist uns klar, dass diese These dem Bereich Marketing zuzuordnen ist, und man sie nicht wörtlich nehmen darf. Aber haben Sie schon mal versucht, die TRIZ Widerspruchsmatrix einzusetzen, um scheinbar vorhandene Hürden zu überwinden, die einer Realisierung Ihrer Idee im Weg stehen?

Bei der Realisierung einer Idee erreicht man manchmal einen Punkt, an dem die Verbesserung einer Eigenschaft parallel dazu die Verschlechterung einer anderen Eigenschaft nach sich zieht. Je nachdem, um welche Eigenschaften es sich handelt, haben sich in der Vergangenheit jeweils bestimmte Lösungsansätze als besonders Erfolg versprechend erwiesen. Die Widerspruchsmatrix ist nun das Werkzeug, das für bestehende Widersprüche die passenden Denkansätze aufzeigt. Nicht mehr, aber auch nicht weniger.

23. TR7: Welche Technologien werden benutzt?

Im letzten Arbeitsschritt sollte geklärt werden, durch welche Werkstoffe und Technologien die Produkteigenschaften erreicht werden können.

Damit das um Größenordnungen schneller geht als bei manuellem Lesen, suchen wir vorab in den bei uns bereits vorhandenen Dokumenten (u. a. alle deutschen, europäischen und amerikanischen Patente) nach Herstellungsverfahren, Werkstoffnamen, Messgrößen, mathematischen Formeln, chemischen Reaktionsgleichungen oder Normen, um die Dokumente damit zu verschlagworten. Zeit, die dann eingespart werden kann, wenn Sie eine Frage haben.

24. EDA2

Sie wollen nicht interne Dokumente, sondern interne Prozesse nutzen, um eine Frage wie z. B. TR1: wer sind wir (SIE) eigentlich zu beantworten?

Bitte, auch das ist kein Problem; dann schauen wir uns gemeinsam mit klassischer Explorative Datenanalyse (EDA) mal an, was wie bei Ihnen läuft, um aus diesen Ergebnissen eine Ausgangsbasis für alles Weitere zu gewinnen.

25. Passgenau für Ihre Anforderungen

Natürlich können Sie von uns eine Lösung "von der Stange" bekommen, die sicher funktionieren wird.

Gerne können wir aber auch genau die von Ihnen gewünschten Bausteine zu einer Lösung zusammen setzen, die exakt auf Ihre Anforderungen passt. Sollte sich dabei herausstellen, dass der passende Baustein in unserer "Bibliothek" noch fehlt, bauen wir ihn - zu durchaus überschaubaren Kosten.

26. Daten, sind nicht alles, aber ohne Daten ist alles nichts

Für das, was wir tun, gilt diese Aussage uneingeschränkt. Es nutzt nichts, die besten Algorithmen zu haben, ohne die Daten, auf die sie angewendet werden können. Und im Projekt wollen wir ja nicht bei Null anfangen, und erst damit beginnen, Daten zu sammeln, wenn sich das vermeiden lässt. Natürlich haben Sie selbst ebenfalls Daten, die genutzt werden können. Um so besser, wenn wir ebenfalls Daten beisteuern können, die Sie vielleicht nicht haben, finden Sie nicht auch?

Um wenn wir etwas nicht haben, und Sie auch nicht, bauen wir gerne eine Schnittstelle für eine beliebige Quelle.

27. Arbeitsmittel, nicht nur Vorstandsvorlage

Nach unserer Auffassung genügt es nicht, bunte Bilder zu liefern, die im Rahmen einer Präsentaion dem Vorstand gezeigt werden können, wenn man dann als Projektverantwortlicher trotzdem weiter alles per Hand erledigen muss.

Weil wir das so sehen, liefern wir Ergebnisse in den unterschiedlichsten Varianten: als Tabelle, Grafik, Karte, Mindmap, Gantt, oder in einem der vielen bereits weiter vorne genannten Dateiformate.

28. Portfolio

Wir unterstützen Sie mit Hilfe von Big Data und maschinellem Lernen bei folgenden Vorhaben:

Qualitätsmanagement (QM, EFQM, 6SIGMA, QFD), Innovationsmanagement (F & E, TRIZ, KVP), Strategiemanagement (Brainstorming (BS), Business Model Canvas (BMC), Blue Ocean (BO), Design Thinking (DT), Stärken-Schwächen-Analyse (SWOT), Technologie Roadmapping (TR), Markt- und Umfeldanalysen (PEST(EL), STE(E)P), Analysen des internen Wissens (WM), Verschlagwortung von Dokumenten für das Intranet (oder finden Sie wirklich das, was Sie suchen?), Bau von Dictionaries und Inhaltsverzeichnissen.

Das, was SIE machen wollen, ist nicht dabei? Das wäre doch mal ein Grund für eine Frage, finden Sie nicht?*

* Anfragen wegen Plagiaten zwecklos, machen wir nicht!

Mehr erfahren

Neugierig geworden? Prima! Sie können jetzt weiter darüber nachdenken, wie schön es wäre, wenn auch SIE wüssten, was SIE bereits wissen, was man alles mit diesem Wissen machen könnte, und im Lauf der Zeit das Thema wieder vergessen. ODER wir reden einfach mal unverbindlich miteinander, so dass wir Ihnen mit Hilfe eines Whitepapers oder eines Webinars im Detail zeigen können, welchen Nutzen SIE davon haben ...

Kontakt

Ja, ich will (mehr wissen)

Impressum

Impressum

Datenschutzerklärung

Datenschutzerklärung