Die Digitale Abhängigkeit von amerikanischen oder chinesischen Tech-Konzernen, macht viele Privatpersonen, Unternehmen und Verwaltungen nervös und nachdenklich. Dabei stellen sich Fragen wie:
Wo befinden sich eigentlich unsere Daten?
Wissen Sie, wo sich ihre Daten befinden, wenn Sie neben ihren internen ERP-Anwendungen auch Internet-Schnittstellen, oder auch Künstliche Intelligenz, wie z.B. ChatGPT etc. nutzen?
Um wieder eine gewissen Digitale Souveränität zu erlangen, setzen wir seit mehreren Jahren auf Open Source Anwendungen. Die Abbildung zeigt beispielhaft einen Screenshot aus unserer NEXTCLOUD. Es wird deutlich, dass alle unsere Daten in Deutschland liegen – und das auch bei Anwendungen zur Künstlichen Intelligenz, denn wir verwenden LocalAI.
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.
Da sich das Umfeld von Personen, Organisationen und ganzen Gesellschaften turbulent ändert, kommt es darauf an, die sich daraus ergebenden komplexen Situationen zu bewältigen. Dabei kommt der Resilienz eine besondere Bedeutung zu.
Der Begriff wird allerdings in der Wissenschaft unterschiedlich interpretiert. In Bezug auf Menschen und deren Gemeinschaften, kann Resilienz als eine Art “Widerstandsfähigkeit” verstanden werden, ohne dadurch dauerhaft beeinträchtigt zu werden. (vgl. Nuber 2021). Die Autorin hat dazu sieben Säulen genannt:
“Ursula Nuber hat 2011 in einem wegweisenden Artikel sieben Säulen der Resilienz definiert: Optimismus, Akzeptanz, Lösungsorientierung, Opferrolle verlassen, Verantwortung übernehmen, Netzwerkorientierung und Zukunftsplanung. Wie die Praxis zeigt, ist das wahre Wunderwerkzeug dabei die Akzeptanz. Ein wichtiges Akzeptanzmodell stammt von Theo Wehner, der sich mit der psychischen Verarbeitung von Diskrepanzen zwischen Wunsch und Wirklichkeit beschäftigt hat” (Marx 2025, in projektmanagementaktuell 2/2025).
In dem Artikel von Susanne Marx werden auch die dazugehörenden Quellen genannt:
Nuber, U. (2011): Leben mit einer dicken Haut. Psychologie heute.
Wehner, T. e. (2015).:Organisationale Praktiken zum Lernen aus unerwarteten Ereignissen in Krankenhäusern. In H. G. M. Gartmeier, Fehler. Ihre Funktionen im Kontext individueller und gesellschaftlicher Entwicklung.
Es ist immer gut, wenn man sich bei einem Thema auf Primärliteratur bezieht, und sich nicht von populärwissenschaftlichen oder sogar pseudowissenschaftlichen Veröffentlichungen beeinflussen lässt. Siehe zu dem gesamten Thema auch:
Wir kennen in unserem Umfeld viele Personen, die in bestimmten Situationen – oder auch generell – eher pessimistisch, bzw. optimistisch reagieren. Zwischen den beiden Polen gibt es möglicherweise ein Kontinuum, sodass diese Dichotomie etwas kritisch zu sehen ist.
Dennoch: Es gibt durchaus Personen, die sich als überwiegend pessimistisch – also als Pessimist – sehen, und das als grundlegende Eigenschaft ihrer Persönlichkeit einordnen. Das das ein Fehler sein kann, erläutert Prof. Dr. Florian Bauer:
“Das ist ein Fehler. Dies nennt man „Fixed Mindset“. Jemand mit einem Fixed Mindset ist beispielsweise tief überzeugt, dass er einfach nicht geschäftlich verhandeln kann. Diese negative Erwartung ist ein Grund, weshalb seine Verhandlungen wirklich misslingen. Eine sich selbst erfüllende Prophezeiung. Und nach jedem Misserfolg wird der Glaube bestärkt, dass man an dem Problem nichts ändern kann …” (Bauer 2025, in projektmanagementaktuelle 2/2025).
Diese grundlegende Einstellung “Man kann ja eh nichts machen …” geht indirekt darauf zurück, dass Veränderungen kaum möglich sind, ja sogar der “eigenen Natur” widersprechen. So, oder so ähnliche, Einschätzungen gabe es auch schon einmal bei der frühen Diskussion um den Begriff “Intelligenz”.
Besser ist es, eher optimistisch zu sein und von einem Growth Mindset auszugehen. Diese Einstellung führt oftmals zu einer Verstärkung positiver Aspekte und letztendlich zu positiven Ergebnissen. Siehe dazu auch
WEF (2024): Navigating the AI Frontier. A Primer on the Evolution and Impact of AI Agents
Alle reden und schreiben über KI (Künstliche Intelligenz / AI: Artificial Intelligence) und meinen damit meistens GenAI. Bei den verschiedenen KI-Anwendungen geht es mehrheitlich darum, Abläufe mit ihren verschiedenenTasks zu unterstützen. Siehe dazu beispielsweise Künstliche Intelligenz beeinflusst den gesamten Lebenszyklus der Software-Entwicklung. Ähnliches findet man auch bei anderen Branchen wie z.B. der Kommunikationsbranche usw.
Diese vielfältigen Möglichkeiten faszinieren Menschen und Organisationen so sehr, dass sie das auch bei den entsprechenden Kompetenzentwicklungen als einen der Schwerpunkte sehen. Hervorheben möchte ich hier beispielsweise das oft erwähnte Prompt-Engineering.
Betrachten wir allerdings neuere KI-Entwicklungen, so wird immer deutlicher, dass es in der nahen Zukunft immer mehr darum gehen wird, mit KI-Agenten (Agentic AI) umzugehen. Dabei verändern sich allerdings die Perspektiven auf die Nutzung von KI grundlegend. Der folgende Absatz zeigt das deutlich auf:
“Quite simply, today, most people use AI in a task-oriented workflow (for example, to finish a code stub or summarize a document), whereas agents are goal oriented. You give an AI agent a task, and it will get it done and even plan future actions without needing your explicit guidance or intervention. Working with agents requires a change in perspective: instead of designing an AI driven app to run some specific tasks, you use an agentic approach that focuses on outcomes and objectives. An agent will try to achieve a desired outcome and will figure out on its own which tasks are necessary” (Thomas, R.; Zikopoulos, P.; Soule, K. 2025).
Die in dem Zusammenhang mit KI thematisierten Kompetenzen waren und sind immer noch zu sehr auf den “task-oriented workflow” ausgerichtet. Dabei benötigen wird bei der eher “goal oriented”, also ergebnisorientierten (zielorientierten) Herangehensweise, andere Kompetenzen.
Ich bin gespannt, wie die vielen KI-Kompetenzmodelle diese Entwicklungen abfangen werden. Denn: Kaum ist das eher task-oriented Kompetenzmodell veröffentlicht, muss schon nachgebessert werden. In der Logik dieser Kompetenzmodelle wird es wohl bald eine Weiterentwicklung geben, die in Zukunft “AI Agentic” – Kompetenzen in den Mittelpunkt stellt, usw. usw. Ob das für Menschen und Organisationen einen guten (stabilen) Rahmen für ein modernes Kompetenzmanagement bietet?
Wie Sie als Leser meines Blogs wissen, stehe ich diesen KI-Kompetenzmodellen etwas kritisch gegenüber, da sie zu “Bindestrich”-Kompetenzen (Digitale Kompetenzen, Agile Kompetenzen, KI-Kompetenzen) führen, die sich in großen Teilen verändern müssen. Meines Erachtens ist es besser, allgemein von Kompetenzen von Selbstorganisationsdispositionen zu sprechen – und zwar auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk – natürlich auch unter dem Aspekt der Nutzung von KI. Siehe dazu Kompetenzmanagement.
Quelle: Übersicht über die Blended-Learning-Weiterbildung „Innovationsmanagement in KMU“. (Quelle: Eigene Abbildung (Hochschule Pforzheim), in Bosch et al. 2022)
Das Umfeld von Kleinen und Mittelständischen Unternehmen (KMU) hat sich erheblich verändert. Die Zunahme von Komplexität in allen Bereichen führt dazu, dass auf allen Ebenen (Individuum, Gruppe, Organisation und Netzwerk) stärker selbstorganisiert gearbeitet werden muss. Mehr Selbstorganisation auf allen Ebenen ist die Antwort auf Komplexität. Betrachten wir Kompetenz als Selbstorganisationsdisposition, so wird deutlich, dass ein modernes Innovationsmanagement bedeutet, entsprechende Kompetenzen zu entwickeln. Siehe dazu auch Kompetenzmanagement.
Durch ein Ambidextres Innovationsmanagement stellen sich KMU immer besser auf diese Veränderungen ein. Dabei kann der permanente Wechsel zwischen Exploitation und Exploration beispielswise durch klassisches, hybrides und auch agiles Projektmanagement unterstützt werden. Siehe dazu auch DAS Projektmanagement-Kontinuum in der Übersicht.
Übersehen wird hier oft, dass auch Blended Learning einen wichtigen Beitrag leisten kann, da dadurch das selbstorganisierte Lernen, und eine entsprechende Kompetenzentwicklung unterstützt wird (siehe Abbildung).
In dem Artikel Bosch, N. et al. (2022). Neue Wege für das Innovationsmanagement in KMU durch Blended Learning und firmenübergreifenden Austausch. In: Nitsch, V., Brandl, C., Häußling, R., Lemm, J., Gries, T., Schmenk, B. (eds) Digitalisierung der Arbeitswelt im Mittelstand 1. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-64803-2_5 wird der Zusammenhang ausführlich dargestellt.
Wie kann man sich den Ablauf eines Prozesses vorstellen, der bei der Innovationsentwicklung von einzelnen Personen (User) ausgeht?
“In Phase 1 — the earliest stage of a market — users often innovate to create the products they want; then, in Phase 2, other users either reject or validate the initial innovation. If the user innovation is validated through adoption by others, in Phase 3 the market has grown enough to be interesting to producing companies, which refine and commercialize the innovation for sale to a growing market of users” (ebd.).
Da User ihre Innovationen oft “nur” für sich entwickeln, kann es sein, dass diese Innovationen nicht über die Phase 1 hinauskommen. In der heutigen Zeit ist es allerdings durchaus möglich, solche User in den Sozialen Netzwerken zu finden. Das kann dann auch schon der Übergang in die Phase 2 bedeuten, in der andere User (Communities) die Innovation kommentieren und bewerten. In Phase 3 geht es dann darum, die User Innovation zu skalieren. An der Stelle kann es für Unternehmen interessant werden, denn die User haben oftmals nicht die Ressourcen, um die eigene Innovation in den Markt zu bringen.
Gerade Kleine und Mittlere Unternehmen (KMU) können heute mit Hilfe von KI-Agenten permanent nach interessanten User Innovation suchen lassen – und das am besten mit Hilfe von Open Source AI.
Von anderen Organisationen zu lernen, erscheint auf den ersten Blick eine wirkungsvolle Möglichkeit zu sein, organisationales Lernen zu unterstützen. Dabei ist Lernen der Prozess und Wissen das Ergebnis.
Betrachten wir in dem Zusammenhang die drei Möglichkeiten, Wissen zu artikulieren, zu kodifizieren und zu transformieren, so wird schnell deutlich, dass es schwierig ist, Wissen von einem Best Practice Unternehmen auf ein anderes Unternehmen zu übertragen.
“This leads to a discussion in organisational learning theory: that ‘best practices’ no longer represent ‘the golden standard’ to achieve successful learning across organisational boundaries. The logic is that best practices represent ‘false generalisations’ because best practices “(…) depend on the predictability and stability for the environment, and it is well known that the environment of alliances lacks both criteria” (Nielsen & Brix 2024).
Es ist dennoch erstaunlich, wie oft noch Best Practices verwendet werden. Durch das stark veränderte Umfeld haben sich manche Erkenntnisse aus der Vergangenheit (hier: Organisationale Lerntheorien) möglicherweise überholt.
Wenn wir etwas erklären wollen, bedienen wir uns oft der Analogie. Wenn es um Innovationen geht, haben Forscher den Begriff “Innovation Wetlands“, also Innovations-Feuchtgebiete, benutzt, um eine besondere Form der Innovationsentwicklung zu beschreiben.
Feuchtgebiete waren über eine lange Zeit für Pest und Krankheiten verantwortlich und wurden daher oft in sogenannte Nutzflächen umgewandelt. In der Zwischenzeit wird allerdings immer deutlicher, dass Feuchtgebiete für unser Ökosystem sehr wichtig sind. Die Folge: Viele Flächen werden wieder renaturiert. Ähnlich sieht es mit den Innovation Wetlands, also den Innovations-Feuchtgebieten aus. Der folgende Absatz erläutert die Zusammenhänge:
“Similar concerns have motivated IP researcher Andrew Torrance and user innovation scholar Eric von Hippel to call for preservation of the “innovation wetlands” that are essential to the ability of users to innovate. Marshy ecosystems were for a very long time, they point out, conceived of either as “resources ripe for conversion into more beneficial uses” or as “noxious sources of pestilence and disease.” Over time, environmentalists and regulators realized that wetlands were “among the most productive and diverse of ecosystems on earth” and the law should protect and preserve them. Torrance and von Hippel coined the phrase “innovation wetlands” to suggest an analogous need for an awakening in the intellectual realm. They believe that legislation and other forms of regulation can have a “significant negative impact” on the “fragile” innovation ecosystem that enables user innovation to flourish” (Samuelson, Pamela, Freedom to Tinker (June 15, 2016). Theoretical Inquiries in Law, Forthcoming, Available at SSRN: https://ssrn.com/abstract=2800362).
Forscher aus dem Bereich IP (Intellectual Property Rights) wie Andrew Torrance und Eric von Hippel, der User Innovation in den Mittelpunkt seiner Arbeiten stellt, weisen darauf hin, dass staatliche Regulierungen diese Innovations-Feuchtgebiete einschränken, ja sogar vernichten können. Siehe dazu ausführlicher Free Innovation Paradigm and Producer Innovation Paradigm.
Möglicherweise erkennen staatliche Organisationen -genau wie bei den natürlichen Feuchtgebieten, auch den Wert von Innovation Wetlands und schützen diesen wichtigen Innovations-Raum im gesamten Innovations-Ökosystem.
Innovationsmanagement zwischen Steuerung und Zufall (Kaudela-Baum 2008:35)
In dem Beitrag Innovationsmanagement zwischen Steuerung und Zufall hatte ich schon einmal darauf hingewiesen, dass Organisationen gerade in Innovationsmanagement zwischen Steuerung und Zufall hin und her “pendeln” (siehe Abbildung).
Die gesamte Organisationen soll somit Routineprozesse (inkl. KVP: Kontinuierlicher Verbesserungsprozess / oder Kaizen) effizient gestalten (Exploitation), und andererseits in dem aktuell turbulenten Umfeld flexibel und dynamisch sein (Exploration). Dieses Sowohl-als-auch wird auch als Organisationale Ambidextrie bezeichnet. Siehe dazu ausführlich:
Lang-Koetz, C., Reischl, A., Fischer, S., Weber, S., Kusch, A. (2023). Ambidextrie und das hybride Vorgehen. In: Ambidextres Innovationsmanagement in KMU. Springer Gabler, Berlin, Heidelberg.
Natürlich erinnert das auch an die Hybride Wettbewerbsstrategie Mass Customization und an das Hybride Projektmanagement.
Die aktuelle Diskussion um Künstliche Intelligenz wird einerseits technisch geführt, andererseits geht es dabei auch um Menschliche Kompetenzen. Alleine diese Gegenüberstellung von “Intelligenz” hier und “Kompetenz” dort wirft schon Fragen auf:
(1) Ist der Begriff “Künstliche Intelligenz” schon ein Kategorienfehler?
Zunächst soll es um den etablierten Begriff “Künstliche Intelligenz” gehen, der durchaus kritisch hinterfragt werden kann. Genau das hat Beispielsweise der Meister der Systemtheorie, Niklas Luhmann, getan:
“Der Soziologe Niklas Luhmann beschreibt dies treffend als Kategorienfehler(Luhmann & Schorr, 1982) – ein grundlegender Unterschied zwischen maschineller Informationsverarbeitung und menschlichen Qualitäten. Maschinen können zwar Daten präzise und schnell verarbeiten, doch echte Kreativität, Sinnverständnis und emotionale Reflexion bleiben ihnen verschlossen” (Ehlers 2025, in weiter bilden 1/2025).
Jetzt kann man natürlich anmerken, dass sich diese Argumentation auf die damaligen IT-Systeme bezog, die heutigen KI-Systeme allerdings doch anders sind. Diese Perspektive ist durchaus berechtigt, doch ist an der Argumentation Luhmanns immer noch etwas dran, wenn wir die heutigen KI-Systeme betrachten.
(2) Ist der Vergleich zwischen Künstlicher Intelligenz und Menschlicher Intelligenz etwa auch ein Kategorienfehler?
Interessant ist hier, dass es den Hinweis auf einen Kategorienfehler auch aus der Intelligenzforschung gibt. Siehe dazu ausführlicher OpenAI Model “o1” hat einen IQ von 120 – ein Kategorienfehler? Wenn wir also mit Intelligenz das meinen, was ein Intelligenztest misst, sieht es für den Menschen schon jetzt ziemlich schlecht aus.
Wenn wir allerdings Intelligenz entgrenzen und eher den Ansatz von Howard Gardner sehen, der von Multiplen Intelligenzen ausgeht, wird es schon etwas spannender, denn nach Howard Gardner ist Intelligenz u.a. ein biopsychologisches Potenzial:
„Ich verstehe eine Intelligenz als biopsychologisches Potenzial zur Verarbeitung von Informationen, das in einem kulturellen Umfeld aktiviert werden kann, um Probleme zu lösen oder geistige oder materielle Güter zu schaffen, die in einer Kultur hohe Wertschätzung genießen“ (Gardner 2002:46-47).
Das AIComp-Kompetenzmodell, bei dem nicht die Abgrenzung zwischen den Möglichkeiten der Künstlichen Intelligenz und den Menschlichen Kompetenzen steht, sondern die “produktive Kooperationskultur” (ebd.). Eine Kooperationskultur zwischen Intelligenz und Kompetenz?
Wenn das alles nicht schon verwirrend genug ist, schreiben mehrere Autoren in dem Gesamtzusammenhang auch noch von Menschlichen Qualitäten oder Skills (Future Skills). Letzteres unterstellt eine eher amerikanische Perspektive auf Kompetenzen.
“Frühere Kompetenzdefinitionen beziehen sich auf die im anglo-amerikanischen Raum gebräuchliche Unterscheidung individueller Leistunsgsdispositionen in Knowledge, Skills, Abilities and Other Characteristics (KSAO), wobei modernere Definitionen auch eher die Selbstorganisationsdisposition in den Vordergrund stellen” (Freund 2011).
Sollten wir daher lieber von Künstlichen Kompetenzen und Menschlichen Kompetenzen auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk sprechen, und diese dann vergleichen?
