Warum sollten wir das In-Beziehungen-Denken neu lernen?

Image by Gordon Johnson from Pixabay

Ein gutes Beispiel dafür, was in komplexen Systemen passiert ist das Gehirn, da es das das komplexeste und leistungsfähigste Organ ist, das wir kennen.

Und diese Leistungsfähigkeit liegt – nach allem, was wir bislang aus der Hirnforschung wissen – nicht zuletzt daran, dass die Verknüpfungen wichtiger als die Teile sind. Das Gehirn funktioniert, weil etwas zwischen den Neuronen passiert – elektrische und chemische, möglicherweise auch rhythmische Verbindungen, Vernetzungen, Beziehungen. Es existiert keine zentrale Instanz, (…) (Mutius 2004:27).

Es erscheint also in komplexen Systemen wie Gesellschaften, Märkten und Organisationen wichtig zu sein, auf „Muster, die verbinden“ (Gregory Bateson) zu achten. Neu zu lernen wäre also das In-Beziehungen-Denken (Mutius 2004:17), was uns nicht leicht fällt, da wir es seit dem 18. Jahrhindert gewohnt sind, von stetigem Fortschritt, Beherrschbarkeit der Natur usw. auszugehen (Einfache Modernisierung). Dieses Mindset zu ändern ist in der heutigen Reflexiven Modernisierung die Aufgabe in allen Bereichen unserer Gesellschaft.

Diese soziologisch seit Jahren gut beschriebene Situation mit ihren Auswirkungen der Kontingenz, der Entgrenzungen, der stärkeren Selbstorganisation usw. usw. wird von betriebswirtschaftlich ausgerichteten Marktteilnehmern oft genutzt, um Geschäfte zu machen. Dabei wird allerdings kaum – oder gar nicht – auf die vielfältigen Vorarbeiten aus der Soziologie eingegangen. Auch hier wäre ein In-Beziehungen-denken angebracht.

Demokratisierung von Wissen durch von Amateuren betriebene Wissensseiten

Image by Gerd Altmann from Pixabay

Das Wissen von Gelehrten oder auch das Wissen von Experten wird immer mehr abgelöst durch das Wissen von vielen Amateuren, die über moderne Technologie gemeinsam Wissensseiten wie Wikipedia betreiben.

„Die Gelehrtenrepublik des 18. Jahrhunderts, die sich in eine professionelle Bildungsrepublik verwandelt hatte, öffnet sich heute den wahren Amateuren: den Bildungsfreunden unter den Bürgern dieser Welt. Offenheit, soweit das Auge reicht, ermöglicht durch ‚frei zugängliche’ Informationsplattformen wie Open Content Alliance, Open Knowledge Commons, Open CourseWare und Internet Archive, in denen digitalisierte Artikel gratis zur Verfügung gestellt werden, sowie durch Wikipedia und andere von  Amateuren betriebene Wissensseiten. Die Demokratisierung des Wissens scheint in Reichweite. Das Ideal der Aufklärung könnte bald Wirklichkeit werden.“(Münker 2009:103) Zitiert aus Robert Darnton, „Im Besitz des Wissens. Von der Gelehrtenrepublik des 18. Jahrhunderts zum digitalen Google-Monopol“, in: Le monde diplomatique, April 2009, S. 13. (Darnton weist übrigens in seiner insgesamt positiven Einschätzung der entstehenden digitalen Weltbibliothek auch auf die potentielle Gefahr hin, die hier vom Monopolisten Google, der hinter der Digitalisierung steht und an der Bibliothek verdienen will, ausgeht) (Münker 2009:142).

Interessant ist hier, dass auch Eric von Hippel von der Demokratisierung von Innovation spricht: Democratizing Innovation. Die Demokratisierung von Wissen führt somit zwangsläufig auch zur Demokratisierung von Innovationen, die für Organisationen, aber auch gesellschaftlich relevant sind. Siehe dazu auch von Democratizing Innovation zu Free Innovation.

Open Innovation und Open Evaluation

Im Innovationsmanagement sind Ideenwettbewerbe ein wichtiges Element für die erste Stufe des Innovationsprozesses. Dieser kann geschlossen (Closed Innovation) oder offen sein (Open Innovation). Wenn es zu vielen Ideen oder innovativer Konzepte gibt, müssen diese IT-gestützt analysiert und bewertet werden. Diese Vorgehensweise wird als Open Evaluation bezeichnet.

Unter Open Evaluation subsumieren wir daher die Bewertung und/oder Kommentierung von Lösungsvorschlägen unterschiedlichen Ausarbeitungsgrads im Rahmen von Innovationsaktivitäten durch Personen, die nicht regulär zum Personenkreis der Entscheider gehören (Möslein/Haller/Bullinger 2010:6).

Dabei gehen die Autoren allerdings nur von der Perspektive auf Open Innovation aus, die von Chesbrough (2006) beschrieben wurde, und damit Open Innovation auf Organisationen anwendet.

Kunden und externe Partner stellen eine wichtige Informationsquelle für neue Produkt- und Dienstleistungskonzepte dar. Ihre aktive Einbindung in den Innovationsprozess wird als „Open Innovation“ bezeichnet (Möslein(Haller/Bullinger 2020:2).

Es wäre interessant zu erfahren, wie Open Evaluation genutzt werden könnte, um Ideen oder Ideen-Konzepte zu bewerten, die eher aus dem von Eric von Hippel beschriebenen Bottom-Up-Ansatz zu Open Innovation ausgehen.

Siehe dazu auch Freund, R. (2010): How to Overcome the Barriers between Economy and Sociology with Open Innovation, Open Evaluation and Crowdfunding? In: International Journal of Industrial Engineering and Management (IJIEM), Vol.1 No 3, 2010, pp. 105 – 109. Paper first published in Proceedings of the 4th International Conference on  Mass Customization and Open Innovation in Central Europe (MCP-CE 2010).

Open Innovation: Three Innovation Modes

Wenn von Open Innovation gesprochen oder geschrieben wird, sollte zunächst klar sein, um welchen Ansatz es hier geht. Einerseits gibt es die Perspektive von Henry Chesbrough, der Open Innovation für Organisationen beschreibt, indem er den klassischen Innovationsprozess an verschiedenen Stellen öffnet. Dazu habe ich hier schon verschiedene Blogbeiträge, oder auch Konferenzpaper veröffentlicht (Veröffentlichungen).

Allerdings kann Open Innovation auch als Bottom-Up-Prozess interpretiert werden, der von einzelnen Personen ausgeht. Diese Perspektive vertritt Eric von Hippel besonders in seinem Buch Free Innovation, dass 2017 veröffentlicht wurde. Free Innovation definiert Eric von Hippel wie folgt: „First, no one pays free innovators for their development work, they do it during their unpaid, discretionary time. Second, free innovation designs are not actively protected by their developers—they are potentially acquirable by anyone for free“ (ebd. p. 26). In diesem Sinne ergeben sich dann „three innovation modes“ (p. 37-38):

  • A single free innovator is an individual in the household sector of the economy who creates an innovation using unpaid discretionary time and does not protect his or her design from adoption by free riders.
  • A collaborative free innovation project involves unpaid household sector contributors who share the work of generating a design for an innovation and do not protect their design from adoption by free riders.
  • A producer innovator is a single, non-collaborating firm. Producers anticipate profiting from their design by selling it. It is assumed that, thanks to secrecy or intellectual property rights, a producer innovator has exclusive control over the innovation and so is a monopolist with respect to its design.

Sechs nationale Studien zeigen dabei, dass der Anteil von single free innovator im Vergleich zu collaborative free innovation bei 72%-90% liegt (ebd. p. 25). Solche Zahlen sollten dazu führen, Innovationen nicht alleine nach dem Oslo Manual (2018) zu definieren, da diese Definition zu sehr auf Organisationen fokussiert ist. Weiterhin sollten einzelne Innovatoren stärker gefördert werden, da es hier scheinbar ein großes Potenzial gibt, das dann auch von anderen frei genutzt werden kann.

Was sind eigentlich mögliche Aufgabengebiete der Künstlichen Intelligenz?

Group of people with devices in hands working together as symbol of networking and communication

Die Geburtsstunde von „Künstlicher Intelligenz“ geht auf einen Konferenzbeitrag von McCarthy im Jahr 1955 zurück. In der Zwischenzeit gibt es durch die vielen neuen technischen Möglichkeiten zwar immer wieder Definitionsversuche, doch immer noch keine einheitliche und anerkannte Definition. Was allerdings klar erscheint sind die verschiedenen Aufgabengebiete, die für eine Künstliche Intelligenz geeignet erscheinen. Russell und Norvig unterscheiden hier acht Aufgabengebiete (vgl. Russell und Norvig 2012; Peissner et al. 2019), zitiert in Fraunhofer IAO 2020:11-12):

  • Lernen
  • Problemlösung durch Suchen
  • Planen
  • Robotik
  • Entscheidung
  • Wissensrepräsentation
  • Wahrnehmung
  • Spracherkennung

Anhand dieser Auflistung wird deutlich, dass Künstliche Intelligenz viele Tätigkeiten in unserem gesellschaftlichen und wirtschaftlichen Leben beeinflussen kann. Es geht hier allerdings nicht immer um komplette Jobs, die infrage gestellt werden, sondern auch um Tätigkeitsportfolios, die in einzelnen Jobs oder in Prozessketten von KI profitieren können. Hier ein Beispiel:

Populär wurden in jüngster Zeit Anwendungen wie beispielsweise KI-gestützte »Chatbots«. Dies sind Programme, die eine Konversation mit Nutzern führen können. Social Chatbots agieren in sozialen Netzwerken wie Facebook und Twitter (vgl. Edwards 2016). Anwendungsgebiete sind u.a. Bestellungen (z.B. Pizza-Service), Antworten auf Kundenanfragen zu Prozessen (Paketdienste) und Bearbeitung von Beschwerden (Fraunhofer IAO 2020:13).

Gedanken zum Kommunikationsbegriff in sozialen Systemen

Image by Susanne Jutzeler, suju-foto from Pixabay

Immer wieder wird in Interaktionen deutlich, dass der Kommunikation eine wichtige Rolle zukommt. Doch was verstehen wir unter Kommunikation? Eine Sichtweise kann aus der Systemtheorie abgeleitet werden. Luhmanns Systemtheorie „begreift Kommunikationen als Operationen sozialer Systeme und Erwartungen als Strukturen, die kommunikative Ereignisse miteinander verknüpfen. Erwartungen werden dabei als Verdichtungen von Sinn bestimmt“ (Schneider 2008:129). Dabei ist Sinn definiert „durch die Unterscheidung von Aktualität und Möglichkeit“ (ebd. S. 141). Weiterhin ist interessant, dass der Kommunikationsbegriff über die Entscheidung mit Konsens und Konflikt zusammenhängt.

Über die drei Selektionen Mitteilungen, Information und Verstehen hinaus, die zusammen den Kommunikationsbegriff definieren, ist eine vierte Selektion für den weiteren Verlauf der Kommunikation von zentraler Bedeutung, die mit jeder Anschlußäußerung aufgerufen ist: die Entscheidung zwischen der Annahme und der Ablehnung der vorausgehenden Mitteilung. Diese Entscheidung markiert einen Verzweigungspunkt in Richtung Konsens und Konflikt (Schneider 2008:138).

Was sind eigentlich Multi-Kontext-Probleme?

Image by Gerd Altmann from Pixabay

Der Begriff „Problem“ kommt in unserer Gesellschaft häufig vor, dabei gibt es oft keine einheitliche Meinung darüber, was ein „Problem“ eigentlich ist. Es gibt einfache Probleme mit dem dazugehörenden simple problem solving, und komplexe Probleme mit ihrem complex problem solving. In solchen Multi-Kontext-Problemen kommt es darauf an, Entscheidungen unter Unsicherheit zu treffen – was nicht so einfach ist…

Strategische Probleme werden als wenig strukturierte bzw. schwer strukturierbare Probleme betrachtet. Für solche „innovativen Probleme“ bestehen wenig eindeutige Lösungsverfahren (Bamberger & Wrona, 2000). Analog hierzu spricht Dörner (1979) von dialektischen Problemen, bei denen zwar die Ausgangslage bekannt ist, aber nicht der Zielzustand und auch nicht die möglichen Mittel diesen Zielzustand zu erreichen. „Sie stellen Entscheidungen unter Unsicherheit dar und werden auch als sog. Multi-Kontext-Probleme derart bezeichnet, dass sie in unterschiedlichen, jeweils aktorspezifischen Kontexten definiert bzw. expliziert werden“ (Bamberger & Wrona, 2000, S. 6). Probleme werden demnach jeweils im Sinne eigener Werte Normen, Interessen und Sichtweisen der Realität betrachtet und interpretiert. Mit diesen unterschiedlichen Realitätskonstruktionen ist stets die Möglichkeit von Konflikten und das Erfordernis sie zu lösen verbunden (Bamberger & Wrona, 2000) (vgl. Grote, S.; Kauffeld, S.; Hering, V. & Tappe, D. 2009:15, Hervorhebung durch den Autor des Blogbetrags).

Complex Problem Solving ist anders als das einfache, Simple Problem Solving. Die Bewältigung solcher Multi-Kontext-Probleme ist allerdings für die Zukunft entscheidend. Manche Systeme der Künstlichen Intelligenz (KI/AI) können in der Zwischenzeit durchaus schon komplexe Problemsettings lösen, was zu Veränderungen auf dem Arbeitsmarkt führt, und in Zukunft noch stärker führen wird. Entscheidend für Menschen ist immer noch, die Bewältigung komplexer Problemlösungssituationen, die uns (noch) von Algorithmen der Künstlichen Intelligenz unterscheidet.

In meinem Vortrag (Special Keynote) auf der MCPC 2015 (Weltkonferenz zu Mass Customitation, Personalization and Co-Creation) in Montreal habe ich diese Zusammenhänge für Open Innovation dargestell (Konferenzen). Es freut mich sehr, dass mein damaligen Paper bei Researchgate heute immer noch intensiv gelesen und genutzt wird. Mein Paper Cognitive Computing and Managing Complexity in Open Innovation Model zur Weltkonferenz MCPC 2015 ist bei Springer veröffentlicht worden. Bitte sprechen Sie mich an, wenn Sie dazu Fragen haben.

Hybrides Innovationsmanagement: User Innovation und Producer Innovation

Image by Photo Mix from Pixabay

Seit Schumpeter (1934) propagieren Wirtschaftswissenschaftler, Geschäftsleute und Politiker ein Modell der Innovation, das auf die Hersteller ausgerichtet ist: Producer Innovation. Doch das ist nur eine Perspektive. Eine andere stellt bei Innovationen eher die User an den Anfang der Überlegungen: User Innovation.

Users, as I use the term, are firms or individual consumers that expect to benefit from using a product or a service. In contrast, manufacturers expect to benefit from selling a product or a service (Eric von Hippel 2013:118). Empirical studies also show that many users -from 10 percent to nearly 40 percent- engage in developing or modifying products (ebd. p. 120).

Die einen (Producer) wollen hauptsächlich ein Produkt verkaufen, und die anderen (User) wollen hauptsächlich ein Produkt nutzen. Es ist weiterhin erstaunlich, dass wohl zwischen 10-40% der User Produkte entwickeln, bzw. anpassen.

Aus meiner Sicht stellen die beiden Perspektiven allerdings kein Entweder-oder dar, sondern Extrempunkte zwischen denen vielfältige Kombinationen möglich sind. Solche hybriden Vorgehensweisen sind in vielen Bereichen heute Standard (Siehe dazu z.B. die HELENA-Studie zum hybriden Projektmanagement), warum also nicht auch in einem hybriden Innovationsmanagement? Eric von Hippel hat schon häufig darauf hingewiesen, dass Unternehmen mit User – Lead User – kooperieren sollten.

Interessante Fußnote im BuFi 2020

Der aktuelle BuFi 2020 – BMBF (2020): Daten und Fakten zum deutschen Forschungs- und Innovationssystem. Bundesbericht Forschung und Innovation 2020 (PDF) – ist wieder ein Quell der interessanten Informationen. Der Tenor ist immer wieder der selbe: Deutschland gibt viel Geld für Forschung aus, ist deshalb innovativ, nein besser: muss innovativ sein. Die Frage ist allerdings: Warum kommen die Innovationen des täglichen Gebrauchs aus den USA (Amazon, Apple, Microsoft, Facebook, Google usw.) oder zukünftig aus China (Alibaba, Tencent, WeChat, TikTok usw.)?

Weiterhin ist ja bekanntlich alles relativ, also relativ zur Definition, was unter Innovation zu verstehen ist. Interessant ist hier, dass die neue Definition von Innovation nach dem neuen Oslo Manual der OECD dazu geführt hat, dass die Innovatorenquote auf einem deutlich höheren Wert liegt, obwohl vor der neuen Definition ein Rückgang der Innovatorenquote zu beobachten war. Honi soit qui mal y pense.

Mit dem Berichtsjahr 2018 wurde die Messung von Innovationen an das neue Oslo Manual der OECD angepasst. Die Anzahl der Innovatoren liegt nun auf einem deutlich höheren Niveau, da insbesondere Prozessinnovationen weiter abgegrenzt werden als bisher und die Erfassung von Innovationen im Zusammenhang mit der Digitalisierung verbessert wurde (…). Vor Einführung der neuen Definition war ein Rückgang der Innovatorenquote zu beobachten gewesen (BMBF 2020:40).

Es ist bezeichnend, dass diese Information größtenteils in einer Fußnote versteckt ist. Allen Statistiken zum Trotz zeigt die Lebenswirklichkeit eine andere Realität. Das Innovationsmanagement sollte daher den Vergleich international, und weniger im nationalen oder im europäischen Kontext suchen. Wie sieht es aus, wenn wir „Innovation“ weltweit vergleichen?

Forget about innovations?

Image by Engin Akyurt from Pixabay

Es vergeht kein Tag, an dem nicht daran erinnert wird, wie wichtig Innovationen für unser gesellschaftliches Leben sind. Es geht dabei um Produktinnovationen, Dienstleistungsinnovationen, Geschäftsmodellinnovationen, Soziale Innovationen, Frugale Innovationen usw. usw.

Darüber hinaus werden für die Stärkung der Innovationsfähigkeiten massiv Fördergelder eingesetzt. Dennoch habe ich manchmal den eindruck, dass wir mehr Förderinitiativen und Preise für Innovationen haben, als wirklich Innovationen. Denn wenn wir wirklich so innovativ wären, hätten wir bestimmt ein deutsches/europäisches Amazon, Facebook, Apple, WeChat, Alibaba, Tencent, TikTok usw. Möglicherweise liegt es doch an dem Innovationsverständnis. Das folgende Beispiel soll das illustrieren.

Therefore I say – a bit provocatively – forget about innovation. There is no customer who wants to buy your innovation, as your innovation. If you go to a coffee machine, you will likely push the cappuccino button. The more creative among you may choose to drink the latte. The innovation in that machine is not the technology that brings milk and coffee together. The innovation is demand for cappuccino, which was not there five years ago. That alone is the innovation (Groeger 2013:56).