Donnerstag, 28.5.09, 14 Uhr, F 125

Florian Bader (Masterarbeit in Kooperation mit SAP): Modellbasierte Klassifikation von Störungsmeldungen in betriebswirtschaftlichen Softwaresystemen. Ein Ansatz zum Prototyp-Lernen durch strukturbasierte Generalisierung.

Die automatische, modellbasierte Klassifikation von Störungsmeldungen in betriebswirtschaftlichen Softwaresystemen ist vor allem für Software, welche auf den Massenmarkt ausgerichtet ist, von enormer Bedeutung. So entsteht im Support-Prozess ein hoher Aufwand für die Bearbeitung erneut auftretender Störungsmeldungen. Die Ursachenanalyse einer Störungsmeldung ist mit einem großen Aufwand verbunden. Eine einmal gefundene Lösung wird nur in geringen Maße wiederverwendet. Es ist vor allem in einem Massenmarkt schwer, ähnliche Probleme von unterschiedlichen Kunden oder Systemen wiederzuerkennen. Mit einer unzuverlässigen Wiedererkennung der Problemsituation leidet unter anderem auch die Servicequalität. Das damit einhergehende Problem ist, dass neu auftretende Störungsmeldungen oftmals von neuem bearbeitet werden, obwohl es bereits ähnliche Störungsmeldungen mit einer identifizierten Problemanaylse geben kann. Somit wird auf bereits erworbenes Wissen nur in eingeschränktem Maße zurück gegriffen und es entstehen hohe Kosten für die mehrfache Bearbeitung ähnlicher Störungsmeldungen. Mit Verfahren aus der Informatik, insbesondere der Künstlichen Intelligenz, soll die Wiedererkennung und die Klassifizierung neuer Störungsmeldungen zu bereits aufgetretenen ähnlichen Störungsmeldungen untersucht werden. Gegenstand der Arbeit war die Untersuchung und die Bewertung dreier Lernverfahren auf Eignung der modellbasierten Klassifikation von Störungsmeldungen