Konstruktive Modallogiken für die semantische Spezifikation von Prozessen der betriebswirtschaftlichen Prüfung von Unternehmen
Final Report Abstract
Eine der großen Herausforderungen der modernen Informationsgesellschaft ist die Bewältigung der enorm anwachsenden Datenmengen ("Big Data"), von denen unsere hochoptimierten Wirtschaftsprozesse in Zukunft in zunehmendem Maße abhängen. Durch den rasanten Fortschritt in der Sensor- und Übertragungstechnik und neuen Speichertechnologien ist es möglich im Terabyte-Bereich Daten aufzunehmen und zu speichern. Diese Massendaten effizient und sinnvoll zu verarbeiten, stellt uns vor große technische Probleme. Denn während das Datenvolumen unbeschränkt zunimmt stößt die Entwicklung der Rechnertechnik hinsichtlich der Prozessorgeschwindigkeit an ihre physikalischen Grenzen. Seit einigen Jahren schon ist es nicht mehr die Miniaturisierung der Prozessorstrukturen (Skalierung) mit der digitale Arbeitsleistung erhöht wird, sondern die Vervielfältigung von Prozessorkernen (multi-core, multi-processing). Selbst wenn die Softwaretechnik diese neue parallelen Architekturen effizient einzusetzen gelernt hat, kann dadurch bestenfalls eine bescheidene lineare Leistungssteigerung erreicht werden, keinesfalls aber das bisher gewohnte exponentielle Wachstum. Um nicht in der heranrollenden Datenflut zu ersticken, müssen neue Datenabstraktionstechniken entwickelt werden, die es erlauben die Rohdaten zur darin enthaltenen Information zu verdichten und so das Datenvolumen im Idealfall exponentiell zu reduzieren. Das klassische Datenkomprimierungsverfahren in Technik und Wirtschaft ist die statistische Analyse. Sie aggregiert Massendaten zu einfachen numerischen Parametern und misst deren probabilistische Korrelationen. Diese verkürzte statistische Interpretation ist jedoch dort unbrauchbar, wo der logisch-symbolische Informationsgehalt der Daten eine Rolle spielt. Hier setzen neue Verfahren zur semantischen Datenanalyse mit Hilfe von Beschreibungslogiken an, die als Fortentwicklung relationaler Datenmodelle seit einigen Jahren erfolgreich in der Praxis (Medizinische Taxonomien, Technische Datenaufbereitung, Semantic Web) Einsatz gefunden haben. Im vorliegenden Projekt wurde erstmals eine Klasse von konstruktiven Beschreibungslogiken entwickelt und untersucht, die speziell für die Anwendung in der Domäne der Wirtschaftsprüfung (Steuerprüfung, Betriebsprüfung oder Interne Revision) geeignet ist. In dieser Domäne besteht gerade in Anbetracht der anwachsenden Datenvolumen ein besonderer Innovationsdruck. Einerseits hat die digitale Analyse von betriebswirtschaftlichen Prozessen und betriebswirtschaftlicher Daten unternehmenskritische Bedeutung gewonnen (z.B. Investitionsprüfung, Einhaltung von Bilanzierungsgrundsätzen, Börsenfähigkeit, Eindämmung der Wirtschaftskriminalität, Entdeckung doloser Handlungen, etc.). Andererseits sind aber die existierenden Methoden und Werkzeuge in diesem traditionsbewussten Wirtschaftszweig überholt. Für den zukünftigen Einsatz von semantisch-deduktiven Analyseverfahren zur Bewältigung von Massendaten in der Wirtschaftsprüfung liefern die konstruktiven Beschreibungslogiken eine neuartige technische Basis, die wichtige charakteristische Anforderungen dieser Domäne erfüllt.
Publications
- Constructive Description Logic cALC as a Type System for Semantic Streams in the Domain of Auditing. In Logics for Agents and Mobility (LAM’08), Hamburg, August 2008
M. Mendler and S. Scheele
- Exponential Speedup in UL Subsumption Checking relative to general TBoxes for the Constructive Semantics. In Bernardo Cuenca Grau, Ian Horrocks, Boris Motik, and Ulrike Sattler, editors, Description Logics (DL 2009), volume 477 of CEUR Workshop Proceedings, Oxford, UK, July 2009
M. Mendler and S. Scheele
- Towards a Type System for Semantic Streams. In Emanuele Della Valle, Stefano Ceri, Dieter Fensel, Frank van Harmelen, and Rudi Studer, editors, SR2009, volume 466 of CEUR Workshop Proceedings, Heraklion, Crete, Greece, May 2009
M. Mendler and S. Scheele
- Towards Constructive DL for Abstraction and Refinement. Journal of Automated Reasoning, 44(3):36, March 2009
M. Mendler and S. Scheele
- Cut-free Gentzen Calculus for Multimodal CK. Information and Computation, 209(12):1465–1490, December 2011
M. Mendler and S. Scheele
- On the Computational Interpretation of CKn for Contextual Information Processing. Fundamenta Informaticae, 130, 2014
M. Mendler and S. Scheele
(See online at https://doi.org/10.3233/FI-2014-984)
