@techreport{SchubelSeelSchneider2015, author = {Schubel, Alexander and Seel, Christian and Schneider, Markus}, title = {Informationsmodellierung in der Produktions- und Logistikplanung - Ein Abgleich des aktuellen Referenzmodellebestandes mit den praktischen Anforderungen in der Produktionslogistik von kleinen und mittelst{\"a}ndischen Unternehmen}, issn = {2197-4497}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:860-opus4-419}, pages = {54}, year = {2015}, abstract = {Die einem Produktionssystem zugrunde liegenden Prinzipien haben seit Anfang des zwanzigsten Jahrhunderts einen rasanten Wandel erfahren. Aus Sicht der Wirtschaftsinformatik sind dadurch sowohl neue Herausforderungen in der Organisationsgestaltung in Bezug auf Aufbau- und Ablauforganisation sowie deren IT-Unterst{\"u}tzung entstanden. Als aktueller Stand der Technik k{\"o}nnen die Prinzipien und Methoden der Lean Production und damit als Maßst{\"a}be f{\"u}r die effiziente Gestaltung moderner Produktionssysteme angesehen werden. Im Gegensatz zu anderen Dom{\"a}nen, wie dem Handel, f{\"u}r die bereits verbreitete Referenzmodelle, wie das Handels-H existieren, fehlt f{\"u}r Lean Production ein solches Referenzmodell, das zur Organisationsgestaltung sowie deren IT-Unterst{\"u}tzung verwendet werden kann.}, subject = {Informationsmodellierung}, language = {de} } @techreport{Siebert2015, author = {Siebert, Andreas}, title = {Suggestion Mining - Extraktion von Vorschl{\"a}gen aus Kundenrezensionen}, issn = {2197-4497}, url = {http://nbn-resolving.de/urn:nbn:de:101:1-2015030614149}, pages = {216}, year = {2015}, abstract = {Nutzergenerierte Texte auf den Webseiten von Online-H{\"a}ndlern und Verkaufsportalen sind eine reichhaltige Quelle f{\"u}r die Analyse von Kundenzufriedenheit. Die Sentimentanalyse, auch Opinion Mining genannt, versucht, einzelnen S{\"a}tzen oder ganzen Dokumenten eine Polarit{\"a}t zuzuweisen, d.h. sie als positiv und zustimmend oder als negativ und ablehnend zu klassifizieren. Oft enthalten Kundenrezensionen aber auch konstruktive Vorschl{\"a}ge, wie Produkte und Dienstleistungen verbessert werden k{\"o}nnen. Diese werden von der Sentimentanalyse nicht erfasst, wenn sie nicht mit einer deutlichen Meinungsorientierung formuliert sind. Suggestion Mining, also die Extraktion oder das „Sch{\"u}rfen" von Vorschl{\"a}gen, erg{\"a}nzt folglich die Sentimentanalyse. Das automatische Erkennen von h{\"a}ufig ge{\"a}ußerten Kundenvorschl{\"a}gen kann einen Wert f{\"u}r Hersteller, H{\"a}ndler und Kunden haben. Fan und Gordon klassifizieren die Sentimentanalyse und verwandte Techniken als ein Werkzeug zur Analytik von Sozialen Medien und pr{\"a}sentieren eine Fallstudie f{\"u}r den {\"o}konomischen Gewinn durch Einsatz dieser Methoden. Es wurde ein Prototyp namens VEX (= VorschlagsEXtraktor) erstellt, der in deutschsprachigen Kundenrezensionen mit deterministischen Regeln nach Vorschl{\"a}gen sucht. Dieser Prototyp wurde mit Amazon-Rezensionen von verschiedenen Produkten getestet. Das System wurde mit einer niedrigen Empfindlichkeit zugunsten einer h{\"o}heren Genauigkeit konzipiert. Die empirische Auswertung zeigt eine {\"U}berlappung zwischen Sentimentanalyse und Suggestion Mining, aber auch einen signifikanten eigenen Beitrag des Suggestion Minings.}, subject = {Unternehmen}, language = {de} }