Verarbeitung

Einleitung

Während des Schritts der Verarbeitung werden die gewonnen Rohinformationen in eine auswertbare Form gebracht. Das ist von besonderer Bedeutung, da oft eine Flut von Einzelinformationen auf verschiedenen Medien vorliegt, beispielsweise handschriftliche Interviewnotizen, Papierdokumente, elektronische Dokumente, Schaubilder und technische Zeichnungen, Fotos usw. Geht der Überblick verloren, so besteht die Gefahr, dass wertvolle Informationen nicht ausgewertet werden. Nachfolgend sind einige grundsätzliche Methoden beschrieben. Da die Verarbeitung sehr gut von EDV-Systemen unterstützt werden kann, wird hier die Verfügbarkeit von entsprechenden Systemen unterstellt.

Verarbeitung der Rohinformationen

Speicherung und Archivierung

Rohinformationen werden archiviert, damit sie auch für spätere Auswertungen zur Verfügung stehen. Mit der Aufbewahrung sind Vergleiche alt - neu möglich, die Veränderungen beim Mitbewerber erkennen lassen, z.B. Wandlungen in Aussagen zu Unternehmenszielen, Produkten usw. Von Interesse ist auch das Auftreten neuer Schlagworte bzw. das Verschwinden bisher verwendeter Begriffe.

Es empfiehlt sich, handschriftliche Notizen sowie wichtige Dokumente, die nur in Papierform vorliegen, auch immer elektronisch zu erfassen, damit sie anderen Mitarbeitern leichter zugänglich gemacht werden können. Gleichzeitig verbessert sich damit die Wiederauffindbarkeit durch die Retrieval-Möglichkeiten der EDV-Systeme.

Auch die Inhalte von Websites der Mitbewerber sollten regelmäßig gesichert werden, denn sie können sich ohne Vorankündigung ändern. Möglicherweise sind wichtige Informationen dann nicht mehr verfügbar. Auch ein direkter Vergleich zwischen Alt und Neu ist ohne Sicherung unmöglich. Die dafür zu nutzenden Systeme sollten speziell mit HTML-Seiten umgehen können, da sie im Normalfall aus mehreren einzelnen Dateien bestehen.

Für die Archivierung eignen sich Dokumentenmanagement-Systeme, die es dem Auswerter gestatten, das Rohmaterial mit Metadaten zu versehen und damit in eine einheitliche Struktur einzupassen.

Erfassung von Metadaten

Mit den Metadaten werden den Rohinformationen weitere Attribute hinzufügt, die die Wiederauffindbarkeit verbessern und Sichten bzw. Suchen nach bestimmten Kriterien erlaubt. Beispiele: Autor, Datum, Firma, Land, Ort usw.. Nach diesen Daten kann dann gezielt gesucht werden. Gegebenenfalls kann es dabei angebracht sein, Informationen zu abstrahieren. Das kann die Auffindbarkeit weiter verbessern. Wird beispielsweise für den Unternehmenssitz nicht nur der Ort abgespeichert, sondern auch noch Postleitzahl und Bundesland, so können anonymisierte Stellenangebote von Personalberatungsfirmen im Stile von “Unser Klient ist ein renommiertes Unternehmen mit Sitz in einer oberpfälzischen Kleinstadt” wesentlich leichter zugeordnet werden.

Bei den Attributen kann es sich auch um Synonyme handeln, um die Information mit Hilfe einer Volltextsuche auch unter anderen Begriffen als denen im Dokument verwendeten zu finden (Beispiel: Auto --> Kfz, Kraftfahrzeug, Fahrzeug). Zur Wahrung der notwendigen Einheitlichkeit werden häufig spezifische Thesauri genutzt.

Das Beschreiben mit Metadaten muss in der Regel manuell ausgeführt werden. Bei der heutigen Informationsflut ist der Aufwand für eine qualitativ hochwertige Verschlagwortung sehr groß. Auch könnten im Laufe der Zeit neue Sichten auf den Datenbestand notwendig werden, die eine andere Attribute erforderlich machen würden. Daher sollte diese Methode mit weiteren Verfahren ergänzt werden, wie z.B. mit automatischer Kategorisierung oder intelligentem Retrieval.

Clustering

Beim Clustering werden ähnliche Dokumente aus einem Dokumentenbestand zu Gruppen zusammengefasst. Im Unterschied zur Kategorisierung stehen die Gruppen vorher nicht fest.

Kategorisierung

Bei der Kategorisierung wird ein Dokument bestimmten Themengebieten zugeordnet. Die manuelle Kategorisierung ist sehr aufwändig. Für die automatische Kategorisierung gibt es eine Reihe von Software-Tools. Vor dem Einsatz müssen solche Programme die Kategorien anhand von repräsentativen Dokumenten lernen. Die erzielte Qualität ist sehr unterschiedlich und stark abhängig vom verwendeten Werkzeug. Dabei ist zu beachten, dass nicht jedes Werkzeug für jede Art von Dokument gleichermaßen geeignet ist.

Automatische Textanalyse / Textmining

Mit der Textanalyse werden die in einem Textbestand vorkommenden relevanten Themen und ihre Zusammenhänge identifiziert. Dafür werden statistische und/oder linguistische Verfahren verwendet. Die Ergebnisse werden in der Regel in netzartigen Strukturen (Semantische Netze bzw. Topic Maps) abgelegt. Mit Hilfe einer Visualisierung können die Zusammenhänge intuitiv erfasst werden.

Weiterhin lassen sich die einzelnen Bestandteile von Texten wie z.B. Produktnamen, Ortsangaben usw. erkennen und strukturiert dargestellen. Damit kann der Inhalt von Dokumenten schneller erschlossen werden. Ähnlichkeiten lassen sich schneller identifizieren.

Weiterführende Links im Verzeichnis: Textanalyse

Verlinkung

Mit der Verlinkung werden Querverweise zwischen verwandten Dokumenten geschaffen. Mit Links werden Zusammenhänge abgebildet und sie ermöglichen eine schnelle Navigation. Eine manuelle Verlinkung ist bei den heute typischen Datenmengen sehr aufwändig, so dass dafür die Unterstützung von entsprechender Software genutzt werden sollte. Alternativ können mit dem Aufbau von inhaltsunabhängigen Wissenstrukturen die Aufwände für Verlinkung gesenkt werden.

Retrieval

Intelligente Retrieval-Funktionen erlauben das schnelle Wiederauffinden von Informationen ohne den hohen Aufwand für eine Verschlagwortung. Die Verfahren reichen von der einfachen Datenbank-Abfrage bzw. Volltextsuche bis hin zu semantischen Suchen. Bei letzteren wird nicht nur nach den vom Benutzer eingegebenen Worten gesucht, sondern auch nach weiteren, thematisch nahen Begriffen. Andere Funktionen erlauben das Generieren von Inhaltsangaben sowie das Auffinden von ähnlichen Dokumenten. Push-Diensten informieren die Benutzer eines solchen Systems aktiv über Neuigkeiten.

Weiterführende Links im Verzeichnis: Volltextsuche

Aufbereitung

Übersetzungen

In Abhängigkeit vom Sprachraum der Mitbewerber und von den eigenen Sprachkenntnissen müssen Dokumente ggf. extern übersetzt werden. Fallen solche Texte regelmäßig an, so sollte hierfür ein eigenes Budget geplant und ein Prozess etabliert werden, damit die Informationen immer zeitnah in verständlicher Form zur Verfügung stehen.

Vereinheitlichung und Normierung

Es kann sinnvoll sein, eingehende Informationen in eine einheitliche Form zu bringen, um die Vergleichbarkeit zu verbessern und die Auswertung zu vereinfachen. Das betrifft auch Zahlenmaterial, das evtl. auf gleiche Perioden usw. normiert werden sollte. Es ist darauf zu achten, dass dabei kein wesentlicher Informationsverlust auftritt.

Aufbau von Wissensstrukturen und Wissenslandkarten

Während mit der Verlinkung Querverweise auf Dokumentenebene geschaffen werden, werden die aus Dokumenten gewonnenen Informationen in eigene Informationssysteme übernommen, gespeichert und zueinander in Beziehung gesetzt. Beispiel: A ist Muttergesellschaft von B; B produziert Maschine C usw. D ist Geschäftsführer von B usw. Mit Hilfe einer netzartigen Modellierung lassen sich auch komplexe Sachverhalte darstellen. Benutzer können durchnavigieren und sich den Themenkomplex erschließen. Verweise zu den Quelldokumenten erlauben eine Vertiefung des Themas.

Weiterführende Links im Verzeichnis: Wissensnetze