Veröffentlicht am

Künstliche Intelligenz und Arbeitshandeln: Grenzen wissenschaftlich-technischer Beherrschung

Böhle et al. 2011:21; entnommen aus Huchler 2016:62

In dem Blogbeitrag Arbeitshandeln enthält explizites und implizites Wissen aus dem Jahr 2016, habe ich die Zusammenhänge zwischen Arbeitshandeln und dem expliziten “objektivierbaren” Wissen, bzw. impliziten subjektivierenden” Wissen dargestellt und erläutert.

Setzen wir doch einmal diese Zusammenhänge neu in Verbindung mit den Diskussionen darüber, ob Künstliche Intelligenz Arbeitsplätze, oder ganze Berufe ersetzen wird. Es wird dabei gleich deutlich, dass es in der Diskussion nicht darum geht, Arbeitsplätze oder Berufe durch Künstliche Intelligenz zu ersetzen, sondern darum, das Arbeitshandeln unter den neuen technologischen Möglichkeiten zu untersuchen.

Nach Böhle (2011) zeigen technische und organisatorische Komplexität Grenzen der wissenschaftlich-technischer Beherrschung auf, und zwar in Bezug auf Unwägbarkeiten im Arbeitshandeln.

Sind Unwägbarkeiten die Normalität, benötigt das Arbeitshandeln das Erfahrungswissen von Personen (Subjekte), im Sinne des erfahrungsgeleiteten-subjektivierenden Handelns (vgl. Böhle 2011).

Die Tech-Konzerne argumentieren mit ihren neuen und neuesten KI-Modellen, dass Technologie das gesamte Arbeitshandeln in diesem Sinne einmal abbilden kann. Diese Perspektiven sind möglicherweise für die schnelle Marktdurchdringung und für das Einsammeln von Kapital wichtig (Storytelling), doch greift dieser Ansatz bisher nur bei sehr begrenzten Tätigkeitsportfolios komplett.

Natürlich wird weiter argumentiert, dass sich die Technik weiterentwickelt und es nur eine Frage der Zeit ist, bis das komplette Arbeitshandeln technologisch abgebildet ist. Es ist durchaus zu erkennen, dass KI-Modelle durchaus in der Lage sind bestimmte Merkmale des subjektivierenden Arbeitshandeln abbilden kann. Daraus entstand auch der Glaube an eine Art Allgemeine Generelle Intelligenz (AGI), die der menschlichen Intelligenz überlegen sei.

Durch solche Ideen verschiebt sich der Nachweis für die aufgestellte These immer weiter in die Zukunft, und wird zu einem Glaubensbekenntnis. Möglicherweise handelt es sich bei dem geschilderten Denkmuster um eine Art Kategorienfehler?

Veröffentlicht am

In Abwandlung des Zitats von Peter Drucker: “Today it´s the company who determines what a business is”

Eigene Darstellung

Zu der Aussage von Peter Drucker habe ich schon 2007 einen Blogbeitrag geschrieben. Damals ging es mir darum herauszustellen, dass es in der Zwischenzeit viele Möglichkeiten gibt, einzelne Anforderungen von Kunden massenhaft so anzubieten, dass die Preise für Produkte und Dienstleistungen denen einer massenhaften Produktion entsprechen. Diese hybride Wettbewerbsstrategie heißt Mass Customization.

Inzwischen frage ich mich allerdings, warum die Möglichkeiten nicht genutzt werden, und ob die Aussage von Peter Drucker aus dem Jahr 1954 noch stimmt.

In dem Beitrag Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht? habe ich erläutert, dass die Kunden trotz vielfältiger Versprechen der Unternehmen immer noch nicht das erhalten, was sie benötigen.

Der Trend bei den Unternehmen geht eher dahin, die Kundenanforderungen in die vom Unternehmen gewünschte Richtung zu manipulieren und letztendlich sogar auch teilweise zu ignorieren. Zahlreiche Beispiele belegen das in der Zwischenzeit.

Aus dieser Gemengelage entstehen verschiedene Optionen. Einerseits lassen sich Kunden einfach weiter manipulieren und denken darüber gar nicht mehr nach. Andererseits gibt es immer mehr Kunden, die sich nach Alternativen umsehen. Darüber hinaus gibt es eine immer größer werdende Gruppe von Personen, die sich die von ihnen gewünschten Produkte selbst entwickeln und herstellen -teilweise auch in Communities.

Die neuen Möglichkeiten der Künstlichen Intelligenz führen dazu, dass viele Einzelpersonen Software beispielsweise selbst entwickeln. Dabei stellen diese Personen oftmals ihren Quell-Code anderen kostenfrei zur Verfügung > Open Source Software.

Auch physische Produkte können heute mit Hilfe von additiven Verfahren (Additiv Manufacturing, besser bekannt unter 3D-Druck) hergestellt werden, Dabei stellen auch hier Personen ihre Programme, oder auch ganze Produkte anderen zur Verfügung. Die Plattform Patient Innovation ist hier ein gutes Beispiel.

Es geht vielen Menschen nicht nur darum, dass ihre eigenen Bedürfnisse besser erfüllt werden, sondern auch oft darum, anderen etwas – oft kostenfrei – zur Verfügung zu stellen – alles, ohne dass Unternehmen eingebunden werden (müssen), die sich ja eher zu Organisationen entwickelt haben, die ihren eigenen Wert, und nicht die Werte der Kunden, steigern möchten.

Diese eher soziale Art Werte für alle zu schaffen zeigt, dass es heute schon – und in Zukunft immer mehr – kollaboratives, nachhaltiges und gemeinwohlorientiertes Wirtschaften gibt. Alles zu einem immer größeren Teil ohne die subtile “Marktorientierung” scheinbar systemrelevanter Organisationen.

Denn: Wozu benötigen wir Unternehmen, wenn die Transaktionskosten in immer mehr Bereichen für die eigene, individuelle Wertschöpfung gegen 0 gehen…? In diesem Sinne könnte es sein, dass das Zitat von Peter Drucker aus dem Jahr 1954 in Zukunft doch wieder seine Berechtigung hat.

Veröffentlicht am

Künstliche Intelligenz: Was ist unter einer Mixture of Experts (MoE) Architektur zu verstehen?

AI (Artificial intelligence) AI management and support technology in the Business plan marketing success customer. AI management concept.

Wenn es um die bei der Anwendung von Künstlicher Intelligenz (GenAI) verwendeten Trainingsmodellen geht, stellt sich oft die Frage, ob ein großes Modell (LLM: Large Language Model) für alles geeignet ist – ganz im Sinne von “One size fits all”. Eine andere Herangehensweise ist, mehrere spezialisierte kleinere Trainingsmodelle (SLM: Small Language Models) zu verwenden, die verschiedene Vorteile bieten.

Doch es gibt noch eine andere Möglichkeit, und das ist eine Mixture of Experts (MoE) Architektur.

“In January of 2025, the MoE architecture got broad attention when DeepSeek released its 671 billion MoE model. But DeepSeek wasn’t the first to release an MoE model. The French AI Lab, Mistral AI, made headlines with the release of one of the first high-performing MoE models: Mixtral 8x7B (we think the name is great, Mistral + mixture) all the way back in December of 2023″ (Thomas et al. 2025).

Es geht also im Prinzip darum, für den jeweiligen Input das geeignete Modell auszuwählen, um einen qualitativ hochwertigen Output zu generieren. Das erinnert mich stark an meinen Blogbeitrag Künstliche Intelligenz: Mit einem AI Router verschiedene Modelle kombinieren.

Doch es gibt einen Unterschied: Bei dem Konzept eines AI-Routers, sind es verschiedene Modelle (LLM, SLM), die für den jeweiligen Input ausgewählt werden. Bei einer Mixture of Experts (MoE) Architektur ist das prinzipielle Vorgehen zwar ähnlich, doch es sind hier speziell trainierte Modelle mit Expertenstatus, die dann zur Auswahl stehen.

Es zeigt sich in solchen Beiträgen immer mehr, dass ein Unternehmen ein dynamisches, eigenes KI-System konfigurieren sollte, damit die Möglichkeiten der Künstlichen Intelligenz genau zu den Anforderungen und dem Kontext passt.

Aus meiner Sicht, sollten die Modelle alle der Definition einer Open Source AI entsprechen – das ist aktuell noch nicht überall gegeben. Siehe dazu auch Open Source AI: Warum sollte Künstliche Intelligenz demokratisiert werden?

Veröffentlicht am

Cross Industry Innovation: Ist doch ganz einfach, oder?

Quelle: vgl. Achatz et al. (2012)

Manchmal wundert man sich, warum einzelne Industrien “das Rad neu erfinden”, obwohl es die jeweilige Problemlösung doch schon in anderen Branchen / Industrien gibt. Anhand der Abbildung sind die verschiedenen Möglichkeiten illustriert.

Ist in der Industrie I ein Problem erkannt worden, so kann im ersten Schritt der Abstraktion im Lösungsraum eine Analogie (2. Schritt) zu einer Problemlösung in der Industrie II gefunden werden. Diese findet man in dem Bereich, in denen sich die beiden Lösungsräume von Industrie I und Industrie II überschneiden,. Im dritten Schritt der Adaption (3.) wird die Problemlösung aus der Industrie II für das Problem in Industrie I angewendet. Hört sich einfach an, ist es allerdings nicht immer.

Je kontextabhängiger das für die Problemlösung erforderliche Wissen ist, umso schwieriger ist das Wissen auf einen anderen Kontext (hier: eine andere Industrie) zu übertragen. Es handelt sich dabei um sogenanntes “Träges Wissen”.

Weiterhin benötigt man für eine bestimmte, komplexe Problemlösung (z.B. für Innovationen) oftmals die Expertise bestimmter Personen mit ihrem Erfahrungsschatz. Diese Expertise hängt wiederum mit dem impliziten Wissen zusammen, das nicht so einfach übertragbar ist.

Dennoch ist es natürlich nicht unmöglich, von anderen Industrien für komplexe Problemlösungen zu lernen – es ist allerdings auch nicht so einfach, sobald man die dahinterliegende Wissensperspektive betrachtet.

Veröffentlicht am

Künstliche Intelligenz: Mit FlexOlmo Trainingsmodelle kollaborativ erarbeiten – eine interessante Idee

Quelle: https://www.youtube.com/watch?v=dbTRBpA7FVQ

Trainingsmodelle sind für die Qualität der Ergebnisse von KI-Abfragen bedeutend. Dabei kann es sich im einfachsten Fall um ein Large Language Model (LLM) handeln – ganz im Sinne von “One Size Fits All, oder auch um verschiedene, spezialisierte Small Language Models (SLMs). Alles kann dann auch mit Hilfe eines AI-Routers sinnvoll kombiniert werden. Darüber hinaus ist es auch möglich, bestehende Modelle über InstructLab mit eigenen Daten zu kombinieren und zu trainieren.

Noch weiter geht jetzt Ai2, eine Not for Profit Organisation, über die ich schon einmal geschrieben hatte (Blogbeitrag). Mit FlexOlmo steht nun über Ai2 ein Trainingsmodell zur Verfügung, bei dem die Daten flexibel von einer Community weiterentwickelt / trainiert werden können:

“The core idea is to allow each data owner to locally branch from a shared public model, add an expert trained on their data locally, and contribute this expert module back to the shared model. FlexOlmo opens the door to a new paradigm of collaborative AI development. Data owners who want to contribute to the open, shared language model ecosystem but are hesitant to share raw data or commit permanently can now participate on their own terms” (Ai2 2025).

Die Idee ist wirklich spannend, da sie auf einem offenen Trainingsmodell basiert – ganz im Sinne von Open Source AI – und die Eigentümer der Daten darüber entscheiden, ob ihre Daten von dem gemeinsamen Modell genutzt werden können, oder eben nicht. Wer noch tiefer in diese Idee einsteigen möchte, kann das mit folgendem Paper gerne machen:

Shi et al (2025): FLEXOLMO: Open Language Models for Flexible Data Use | PDF

Veröffentlicht am

Die Earned Value Analyse auch für das Multiprojektmanagement nutzen

Hüsselmann und Hergenröder (2024)

In verschiedenen Beiträgen hatte ich schon darauf hingewiesen, dass die Earned Value Analyse im plangetriebenen/klassischen, im agilen und hybriden Projektmanagement angewendet werden kann. Siehe dazu beispielweise Kann die Earned Value Analyse (EVA) für Scrum genutzt werden? Dabei geht es zunächst um einzelne Projekte in verschiedenen Vorgehensmodellen.

Organisationen haben allerdings nicht nur ein Projekt, sondern oftmals viele Projekte. Das ist nicht verwunderlich, da es durch die Veränderungen im Umfeld von Organisationen zu immer mehr Projekten kommt, bzw. kommen wird. Denn: Projekte sind Träger des Wandels.

Wenn also viele Projekte anstehen, können diese in Einzelprojekte, Programme und Portfolios strukturiert werden. Siehe dazu Wie können Projekt-, Programm-, Portfolio-, Multiprojektmanagement voneinander abgegrenzt werden?

Im Controlling stellt sich dabei die Frage, ob die Earned Value Analyse (EVA) auch für das Multiprojektmanagement genutzt werden kann. Zu dem gesamten Komplex um die Earned Value Analyse gibt es eine sehr gute und ausführliche Veröffentlichung:

Hüsselmann, C.; Hergenröder, J. (2024): Integrierte Earned Value Analyse. Kostendifferenzierung, Anwendung für agile Projekte und auf Portfolioebene | GPM-Publikation

Als Mitglied der Gesellschaft für Projektmanagement e.V. (GPM e.V.) steht mir das Buch als PDF-Datei kostenfrei zur Verfügung. Zum Thema EVA und Multiprojektmanagement findet sich darin folgender Absatz:

“Die EVA ist nicht nur für einzelne Arbeitspakete und Projekte anwendbar, sie liefert dem Management auch einen Überblick über die gesamte Projektsituation. Dies kann vor allem im Bereich des Projektportfoliomanagements (PPM) sinnvoll sein. Bei einer konsequenten Durchführung der EVA für alle Projekte der Projektlandschaft können die Projekte bspw. anhand ihrer Indizes in einer Matrix verglichen werden (siehe Abbildung)” (Hüsselmann und 2024).

Die Abbildung zeigt dabei auf der Y-Achse den SPI (Schedule Performance Index) und auf der X-Achse den CPI (Cost Performance Index). Der jeweilige Achsenmittelpunkt ist mit 100% markiert, sodass die Werte unter und über 100% gut visualisiert werden können.

Die Größe der Kreise stellt meistens das relative Budget dar. Das Projekt P5 weist zu hohe Kosten und einen geringen Fortschritt auf usw.

Veröffentlicht am

Innovationen: Künstliche Intelligenz und die White Spot Analyse

White Spot Analyse als Prozess nach Achatz (2012)

Manchmal könnte man der Meinung sein, dass es kaum noch Möglichkeiten gibt, etwas Neues auf den Markt zu bringen, doch das ist natürlich ein Trugschluss. Beispielhaft möchte ich dazu folgendes Zitat erwähnen:

“Es gibt nichts Neues mehr. Alles, was man erfinden kann, ist schon erfunden worden. “
Charles H. Duell, US-Patentamt 1899

Da stellt sich natürlich gleich die Frage: Wo sind die neuen Produkte, neuen Dienstleistungen, neuen Märkte, und wie finde ich diese?

Dass das nicht so einfach ist, haben Innovationstheorien und -modelle schon ausführlich dargestellt. Dabei hat sich der Begriff der “blinden Flecke” etabliert. Gerade große Organisationen sehen einfach nicht mehr das Offensichtliche. Diese Wahrnehmungshemmung kann mit der Theorie der Pfadabhängigkeit erklärt werden.

Diese Gemengelage führt zwangsläufig zur nächsten Frage: Wie kann ein Unternehmen (oder auch eine einzelne Person) Bereiche finden, die noch nicht besetzt sind?

Solche weiße Flecken – White Spots – können relativ systematisch mit einem entsprechenden Prozess abgebildet und untersucht werden (Abbildung). Mit den heute vorhandenen Möglichkeiten der Künstlichen Intelligenz (GenAI) können Sie

Sprechen Sie mich bitte an, wenn Sie dazu Fragen haben.

Veröffentlicht am

Projektmanagement: Gegenüberstellung der Merkmale klassisch vs. agil

Klassisch-PlangetriebenAgil
AnforderungenWeitgehend bekannt
Änderungen unerwünscht		Teilweise unbekannt
Änderungen erwartet
Umfang (Scope)Lasten- und PflichtenheftBacklog
ZieleLeistung: grundsätzlich fix
Dauer: ausgerichtet an der Leistungserbringung
Kosten: ausgerichtet an der Leistungserbringung		Leistung: ausgerichtet an der Dauer und dem Machbaren
Dauer: grundsätzlich fix
Kosten: grundsätzlich fix (Personalkosten)
PlanungPhasen, Meilensteine, Arbeitspakete,
Liefergegenstände/-objekte
Up-Front, aber rollierend möglich		Releases, Epics, Features, User Stories,
Inkremente
grundsätzlich rollierend
Aufwand (Personal)Schätzung im Gegenstromverfahren
(Management, Experten)
in Personentagen
Up-front, dann ggf. nachsteuernd		Schätzung durch das Team
in Story Points

rollierend
Steuerungs-
instrumente		Fortschrittsmetriken, Meilensteintrendanalyse,
Earned Value Analyse
Status Meeting, Berichte		Acceptance of Done, Taskboard,
Burn-Down-/-Up-Chart

Sprint-Review, Daily Stand Up
Hüsselmann/Hergenröder (2024): Integrierte Earned Value Analyse, nach Fiedler (2020)

Das klassische, eher plangetriebene Vorgehen beim Projektmanagement ist seit vielen Jahren bekannt und etabliert. Es wundert daher nicht, dass es gerade etablierten Organisationen schwer fällt, die beim agilen Projektmanagement zu berücksichtigen Vorgehensweise zu integrieren..

Die in der Tabelle zusammengefasste Gegenüberstellung der Merkmale “Anforderungen”, “Umfang (Scope”, “Ziele”, “Planung”, “Aufwand (Scope)” und “Steuerungsinstrumente” gibt Ihnen noch einmal einen Gesamtüberblick dazu.

Dabei sollten Sie allerdings bedenken, dass es oft nicht um ein Entweder-oder, sondern um ein Sowohl-als-auch geht, was als Hybrides oder auch Adaptives Projektmanagement bezeichnet werden kann.

Siehe dazu auch DAS Projektmanagement-Kontinuum in der Übersicht.

Veröffentlicht am

PM4NGOS (2025): Social Good DPro Guide – Project Management for Social Good

Quelle: Ausschnitt des Cowers zu PM4NGOS (2025): Social Good DPro Guide – Project Management for Social Good

Projektmanagement wird in verschiedenen, branchenunabhängigen Standards (z.B.: PMI, IPMA, PRINCE2,) abgebildet. Dennoch gibt es darüber hinaus auch sehr viele branchenspezifische Ansätze, wie z.B. für die Bauwirtschaft, die Softwareentwicklung usw. Weniger bekannt ist das Projektmanagement für NGOs. Hier gibt es durchaus Unterschiede zum Projektmanagement eines reinen Wirtschaftsunternehmens.

Es ist daher gut, wenn sich frei verfügbare Veröffentlichungen mit dem Projektmanagement für NGOs befassen. Der folgende, englischsprachige Guide ist ein Beispiel dafür:

PM4NGOS (2025): Social Good DPro Guide – Project Management for Social Good | PDF

Die erste Version ist aus dem Jahr 2020, die aktuelle aus 2025. Der Guide ist auf das klassische, eher planbasierte Projektmanagement ausgerichtet und enthält größtenteils die Elemente, die auch z.B. in der DIN 69901:2025 zu finden sind.

Hinweise auf agile Vorgehensmodelle, oder hybrides Projektmanagement fehlen komplett. Ganz zu schweigen von den Möglichkeiten, Künstliche Intelligenz im Projektmanagement einzusetzen. Es wäre gut, wenn sich das Handbuch zum Projektmanagement für NGOs in der nächsten Version auch damit befassen würde. Siehe dazu auch

Not for Profit – Projekte sind anders

Wirkungstreppe bei Not-for-Profit-Projekten: Output, Outcome und Impact

Veröffentlicht am

Ein aufgeklärter “Ich-Begriff” bedeutet, dass Individuen ihren Einfluss perspektivisch drastisch ausbauen können

Speech bubbles, blank boards and signs held by voters with freedom of democracy and opinion. The review, say and voice of people in public news adds good comments to a diverse group.

Der Trend zur Individualisierung hat eine gesellschaftliche und ökonomische Dimension. Dabei bestimmen neue technologische Möglichkeiten, wie z-B- die Künstliche Intelligenz, deutlich die Richtung der Veränderungen. Technologie war schon in der Vergangenheit immer wieder Treiber für solche Entwicklungen – mit all seinen Risiken und Möglichkeiten.

Dabei ging es in der Vergangenheit beispielsweise im ökonomischen Sinne darum, Produkte und Dienstleistungen immer stärker an das Individuum anzupassen – ganz im Sinne von Customization, Personalization, Mass Customization, Mass Personalization etc. – ganz im Sinne von Unternehmen.

Andererseits bieten neue Technologien wie Künstliche Intelligenz, Additive Manufacturing (3D-Druck), Robotik usw. auch neue Möglichkeiten für jeden Einzelnen, da die Kosten für diese Technologien teilweise sogar gegen “0” gehen. Beispiel im Softwarebereich: sind Open Source Projekte, oder im Innovationsbereich die vielen Open Innovation Projekte. Dabei meine ich bewusst den Ansatz von Eric von Hippel “Democratizing Innovation,” bzw. “Free Innovation”. Siehe dazu auch Künstliche Intelligenz und Open Innovation.

Immer mehr Menschen nutzen die neuen Möglichkeiten und kreieren ihre eignen Bilder, Beiträge, Videos oder eben Produkte und Dienstleistung mit Hilfe von Künstlicher Intelligenz, Additive Manufacturing (3D-Druck) und Robotik. Dabei geht es den Personen nicht in erster Linie darum, damit geschäftlich aktiv zu sein. Es geht am Anfang oft um das spielerische experimentieren mit den neuen Chancen.

Manche Personen stellen ihre Kreationen anderen zur Verfügung, z.B. auf Plattformen wie Patient Innovation. Alles, um unsere Gesellschaft einfach etwas besser, menschlicher zu machen. Dazu habe ich folgenden Text in einer Veröffentlichung der Initiative2030 gefunden:

“Wir glauben an einen aufgeklärten „Ich-Begriff“, bei dem die ausgiebige Beschäftigung dem Inneren weder das Ego füttern, noch ein um sich selbst kreisen anfeuern muss. In der Logik der Dichotomie der Kontrolle setzen wir uns dafür ein, dass handelnde Individuen ihren Einfluss auf die Dinge, die ihnen am wichtigsten sind, perspektivisch gewaltig ausbauen können. Wenn sie sich dann noch mit anderen zusammentun, können alternative Zukünfte gestaltet werden” (Initiative2030 (2025): Missionswerkstatt. Das Methodenhandbuch | PDF).

Ich bin auch der Meinung, dass einzelne Personen heute und in Zukunft mit Hilfe der neuen technischen Möglichkeiten, die täglichen und wichtigen Probleme von Menschen lösen können. Alleine und natürlich im Austausch mit anderen. Ob es dazu das oben verlinkte Methodenhandbuch bedarf sei dahingestellt. Dennoch: Für manche ist es gut, einen kleinen Leitfaden zum Thema zu haben.

Dabei steht nicht der Profit im Mittelpunkt, sondern das soziale Miteinander zum Wohle aller.