Skill Lifecycle Management: Ein angewandtes künstliches neuronales Netz im Projektstaffing; Inhaltsverzeichnis; Abbildungsverzeichnis; Tabellenverzeichnis; Abkürzungsverzeichnis; 1 Einleitung; 1.1 Zielsetzung; 1.2 Gliederung und Aufbau; 2 Skill Lifecycle Management; 2.1 Die Phasen des Skill Lifecycles; 2.2 Definition der betrieblich genutzten Fähigkeiten (Skills); 2.3 Definition Skill Lifecycle Management; 2.4 Definitionen und Nutzen einer Skill Matrix Datenbank; 2.5 Die Struktur und Pflege der Skill Matrix Datenbank; 2.6 Initialisierung der Skill Matrix Datenbank; 2.6.1 Ressourcenportfolio
2.6.2 Skillportfolio2.6.3 Attributbewertung; 3 Einführung in die angewandten naturanalogen Verfahren; 3.1 Simulation durch ein künstliches neuronales Netz; 3.1.1 Typisierungen eines künstlichen neuronalen Netzes; 3.1.2 Fuzzifizierung zur Verarbeitung unscharfer Werte; 3.1.3 Lernverhalten von künstlichen neuronalen Netzen; 3.2 Das Self-Enforcing Network; 3.2.1 Parametrisierung des SEN; 3.2.2 Ausgaben des SEN; 4 Anwendung der Skill Matrix Datenbank; 4.1 Modellhafte Implementierung der SMDB; 4.1.1 Ressourcenportfolio; 4.1.2 Skillportfolio; 4.1.3 Attributbewertung; 4.2 Beispielprojekt
5 Optimierung des Projektstaffings5.1 Anforderungsdefinition im Activity Skills Inventory; 5.2 Ressourcenvorschläge durch das Self-Enforcing Network; 5.3 Ermittlung der Ressourcenvorschläge im Projektstaffing; 5.3.1 Parametrisierung des SEN; 5.3.2 Erstellung der Ressourcenvorschläge; 5.3.3 Nutzung der Ressourcenvorschläge; 6 Modellentwurf eines neuronalen Netzwerks für das SLM; 6.1 Modifikationseffekt ""Projectcontrolling""; 6.1.1 Die Neuronen des Input Layers; 6.1.2 Die Neuronen des Hidden Layers; 6.1.3 Anwendungsbeispiel Projektcontrolling; 6.2 Modifikationseffekt "Lessons Learned"
6.2.1 Neuronen des Input Layers6.2.2 Neuronen des Hidden Layers; 6.2.3 Anwendungsbeispiel Lessons Learned; 6.3 Modifikationseffekt der ""Weiterbildung und Lehrgänge""; 6.3.1 Neuronen des Input Layers; 6.3.2 Anwendungsbeispiel Weiterbildung; 6.4 Modifikationseffekt ""Alterung von Wissen""; 7 Ergebnisse des SLM-Modells im Output-Layer; 7.1 Die Propagierungsfunktionen der Ausgabeneuronen; 7.1.1 Projektcontrolling; 7.1.2 Lessons Learned; 7.1.3 Weiterbildung; 7.1.4 Aging; 7.2 Rekurrente Aktivierung durch t-1 und AS; 7.3 Die Aktivierungsfunktion der Ausgabeneuronen
7.4 Zusammenfassung der Anwendungsbeispiele8 Das Training der inneren Topologie; 8.1 Lernen bei der Initialisierung; 8.2 Lernen durch die Mitarbeiterbeurteilung; 8.3 Angewandte Prozesse im Training des KNN; 9 Resümee und Ausblick; Literaturverzeichnis
