Thinking: Wissenschaftliche Veröffentlichungen dazu sind immer noch zu wenig interdisziplinär

Source: Illustration of the relative prominence of four forms of disciplinary approach in the scientific literature, both in terms of when they are referred to in isolation and when they are referred to in combination. The numbers represent the count of documents returned when searching the Scopus database for each term using Boolean operators (title, abstract and keywords from 1954 until the search date of February 2023).(Crilly, N. 2024)

Das Handeln wird oft vom Denken bestimmt, und das Denken wiederum vom Handeln. Insofern ist es nicht ungewöhnlich, wenn das Denken (Thinking) in verschiedenen wissenschaftlichen Veröffentlichungen untersucht wird. Dabei gibt es sehr viele spezifische Ansätze wie Design Thinking, Computational Thinking, Entrepreneurial Thinking und Systems Thinking (Diese vier stellen eine Auswahl dar).

Jetzt sollte man meinen, dass es in der heutigen Zeit darum geht, über die jeweiligen Ansätze hinaus, Vernetzungen mit anderen Ansätzen in wissenschaftlichen Veröffentlichungen zu beachten. Dass dem nicht so ist, zeigt die Abbildung. Wie der Beschreibung zu entnehmen ist, wurde ein sehr lange Zeitraum (1954-2024) untersucht.

“Denning and Tedre do not then analyse or compare these various disciplinary approaches or the projects they originate from, but they do acknowledge that variety, which is seemingly very rare. In fact, just conducting simple literature searches for works on disciplinary approaches reveals the very small number of those works that focus on two or more approaches in comparison to those that focus on just one approach (see Figure). Similarly, it can be observed that even the most cited works describing one disciplinary approach (e.g.Wing’s description of computational thinking) are seldom cited in works describing other disciplinary approaches (e.g. various descriptions of design thinking)” (Crilly, N. 2024).

Auch hier ist wieder zu erkennen, das jede Perspektive für sich beansprucht, die richtige, bzw. die beste zu sein. Immer unter der Überschrift “One Size Fits All”. Das wird allerdings der Komplexität unseres Lebens (Arbeitslebens) nicht gerecht, und bestätigt wieder eine Art Silo-Denken (Thinking). Wissenschaftliches Arbeiten sollte zeigen, dass es auch anders geht. Bisher kann das noch nicht nachgewiesen werden.

Siehe dazu auch

Entscheidungen unter Unsicherheit: Schnelles Denken und Langsames Denken.

Kritisches Denken etwas genauer betrachtet.

Neue und alte Denkansätze – eine Gegenüberstellung.

In Zukunft sollte wieder stärker die Nachfrage Treiber von Innovationen sein

Image by Gerd Altmann from Pixabay

Es ist immer wieder erstaunlich, dass Struktuten wie die Europäische Union, Bundes- oder Landesregieren usw. immer wieder über Geld, also Kapital, sprechen, wenn es um Innovationen geht. Es werden Statistiken aufgefahren, die zeigen sollen, dass z.B. Deutschland X Milliarden in Forschung und Entwicklung steckt, und auch mit vielen Programmen Innovationen fördert. Viele der von einzelnen Menschen erbrachten Innovationen tauchen in diesen Statistiken allerdings gar nicht auf. Siehe dazu bespielsweise Eine etwas andere Perspektive auf den Bundesbericht Forschung und Innovation 2020.

Einerseits sind Investitionen in Forschung und Entwicklung nicht zwangsläufig Innovationen, wenn z.B. Patente nicht in marktfähige Produkte und Dienstleistungen umgesetzt werden. Andererseits haben die vielen Förderprogramme einen Wust an Aktivitäten ausgelöst, die nur mehr Innovationspreise, aber keine wirklichen Innovationen gebracht haben. Wie ich darauf komme? Wir haben in der Europäischen Unionen kein Amazon, kein Apple, kein Microsoft, kein Meta, kein etc., obwohl es wohl bei den Menschen für die entsprechenden Dienstleistungen einen Bedarf gibt. Wir sind gerade bei Zukunfstechnologien in eine bequeme, allerdings auch verhängnisvolle Abhängigkeit geraten. Das hat sich alles in den letzten Jahrzehnten entwickelt. Gut erkennen kann man die dahinterliegende Denkweise an dem Vergleich der Smart City mit einer AI City:

The governance of the AI city is aimed at the difficulties and pain points in the current city. The key point of using AI to explore is the grafting point of AI technology and urban governance needs rather than the top-down promotion of AI concepts. This is fundamentally different from the rise and promotion of any “smart city” in the past, which is different from the construction of smart infrastructure and a large and comprehensive technology platform with high investment from the government, and the AI city is reflected in the “peripheral nerve” of urban governance” (Wu 2025).

Der Blick muss wieder auf die Bedürfnisse der Menschen gerichtet werden, nicht nur auf “Kapital” und “Märkte”. Diese haben die vielen Probleme der Menschen in ihrem täglichen Umfeld bisher jedenfalls nicht gelöst, trotz aller Versprechen im Marketing, beim Qualitätsmanagement, Innovationsmanagement etc. und aktuell bei den Agilen Arbeitsweisen. Siehe dazu auch Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht?

“There is still an invisible hand behind supply-side reform. Adam Smith argued that the invisible hand that drives markets is capital, while the invisible hand of supply that drives innovation is demand. Generally speaking, the “inconvenience” in the daily life of the people can be used as the traction of technological development. In the AI technology market, enterprises that see fundamental needs can have a large number of applications for their products” (Wu 2025).

Künstliche Intelligenz lässt Mass Customization in einem anderen Licht erscheinen

Mass Customization ist ein Oxymoron, das von Davis verwendet, und das vor über 30 Jahren von B. Joseph Pine als hybride Wettbewerbsstrategie bekannt gemacht wurde. Siehe dazu auch Freund, R. (2009): Kundenindividuelle Massenproduktion (Mass Customization). RKW Kompetenzzentrum, Faktenblatt 5/2009.

In der Zwischenzeit hat sich viel bei den technischen Möglichkeiten bei der Herstellung von Produkten und Dienstleistungen getan, sodass Mass Customization in einem neuen Licht gesehen werden kann. Unter anderem sind die Kosten zur Herstellung von Produkten und Dienstleistungen drastisch gesunken (Additive Manufacturing – 3D-Druck, Maker-Bewegung, Robotics etc.). Weiterhin bietet Künstliche Intelligenz mit Large Language Models (LLM) und KI-Agenten ganz neue Möglichkeiten, Mass Customization umzusetzen. Frank Piller hat das in einem Interview an einem Beispiel sehr gut dargestellt:

“An algorithm reading your Instagram profile might know better than you do about your dream shirt or dress. I see opportunity to use the data out there for what I call smart
customization” Piller, Frank T. and Euchner, James, Mass Customization in the Age of AI (June 07, 2024). Research-Technology Management, volume 67, issue 4, 2024 [10.1080/08956308.2024.2350919], Available at SSRN: https://ssrn.com/abstract=4887846.

Frank Piller geht dabei immer noch von der Perspektive eines Unternehmens aus, das die neuen KI-Technologien nutzt, um mass customized products herzustellen. Ich stelle mir dabei allerdings die Frage, ob es nicht für jeden Einzelnen in Zukunft möglich sein wird, mit Hilfe von KI-Agenten viele der alltäglichen Probleme selbst, und/oder zusammen mit anderen in Communities, zu lösen.

Benötigen wir in Zukunft also für alle benötigten Produkte und Dienstleistungen noch Unternehmen?

Immerhin hat ein Unternehmen dann seine Berechtigung, wenn es geringere Transaktionskosten hat. Diese Marktberechtigung gerät durch die neuen technischen Möglichkeiten ins Wanken. Die Technologien, mit denen Unternehmen immer geringere Transaktionskosten generieren, und der User immer mehr selbst machen soll/kann, führt zu einer Art Reflexiven Innovation. Diese schlägt auf die Unternehmen zurück. Siehe dazu beispielsweise aus meinen Veröffentlichungen:

Freund, R.; Chatzopoulos, C.; Lalic, D. (2011): Reflexive Open Innovation in Central Europe. 4th International Conference for Entrepreneurship, Innovation, and Regional Development (ICEIRD 2011), 05.-07. May, Ohrid, Macedonia.

Immerhin stellen wir alle in unserem Alltag fest, dass die die von den Unternehmen angebotenen Produkte und Dienstleistungen oft nicht den eigenen Anforderungen entsprechen.

Siehe dazu Von Democratizing Innovation zu Free Innovation oder auch Megatrend: Mass Personalization.

Von der Smart City zur AI City

Image by xegxef from Pixabay

Das Konzept einer Smart City wird in vielen Regionen der Welt schon umgesetzt: “In einer Smart City wird intelligente Informations- und Kommunikationstechnologie (IKT) verwendet, um Teilhabe und Lebensqualität zu erhöhen und eine ökonomisch, ökologisch und sozial nachhaltige Kommune oder Region zu schaffen” (BSI). Der Schwerpunkt liegt somit auf der Verwendung von IKT.

Nun gibt es mit Hilfe der Künstlichen Intelligenz (AI: Artificial Intelligence) ganz neue Möglichkeiten, die über das Konzept einer Smart City hinausgehen. Der folgende Text stammt aus einem Buch des führenden Wissenschaftlers, der sich mit dem Konzept einer “AI City” befasst:

“The essence of an AI city is empowerment. In the definition of “AI city,” the city obtains strong empowerment in urban organization and civilization development with the help of AI. The past process of urban intelligence emphasized information networking and promoted the comprehensive construction of smart cities. But the AI city is different: the city begins to learn and, after learning, better empowers life, production, and ecology through the learning process in order to continuously improve the energy level. The data of the daily operation of the city has become the different raw materials of AI technology, once data integration is fully achieved— spanning macro-level aspects such as society, economy, environment, and transportation, down to micro-level aspects such as individual and group activities—the overall functioning of the city will significantly improve. It is not the simple general smart city, but the intelligence that can learn. In the AI 2.0 era, with the break-through of the five key technologies of big data intelligence, swarm intelligence, autonomous unmanned systems, cross-media intelligence, and hybrid enhanced intelligence, the ability of AI city learning, problem solving, and empowerment has been greatly improved, moreover, numerous patterns and insights can be discovered within massive datasets. Therefore, the city began to iterate, and the urban agglomeration began to interact deeply. After learning, AI can formulate city rules according to a reasonable ideal vision. And when this formulation becomes the goal of deduction, the city can constantly predict, evolve, and revise itself” (Wu 2025: The AI City).

Die neuen Chancen der Künstlichen Intelligenz in Städten oder Ballungszentren, für die Menschen und deren Probleme zu nutzen, sollte dabei auf Transparenz bei den verwendeten KI-Anwendungen basieren. Diese Bedingung erfüllen die meisten Closed Source Modelle der Tech-Giganten aktuell nicht. Wenn es wirklich um die Menschen geht, und nicht primär im wirtschaftliche Interessen (USA) oder parteipolitische Interessen (China), so kommen für mich hier nur Open Source KI-Modelle und – Anwendungen infrage.

Open Source AI: Warum sollte Künstliche Intelligenz demokratisiert werden?

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

Aktuell überschlagen sich die Meldungen darüber, wie die Zukunft von Künstlicher Intelligenz (AI: Artificial Intelligence) wohl aussehen wird. Die Dynamik ist in diesem Feld allerdings so groß, dass es unmöglich ist, genauere Voraussagen zu machen.

Dennoch glauben einige, dass ein Modell, wie z.B. ChatGPT, Gemini usw. mit ihren vielfältigen Möglichkeiten, die Lösung für alles sein wird. Grundannahme ist hier also One Size fits all.

Demgegenüber steht der Gedanke, dass es viele unabhängig und vernetzt nutzbare KI-Anwendungen geben wird, die eher den Anforderungen der Menschen und Organisationen entsprechen. Weiterhin sollten diese KI-Apps Open Source sein, also offen und transparent. Dazu habe ich den folgenden aktuellen Text gefunden:

“The future of AI is not one amazing model to do everything for everyone (you will hear us tell you time and time again in this book: one model will not rule them all). AI’s future will not just be multimodal (seeing, hearing, writing, and so on); it will also most certainly be multimodel (in the same way cloud became hybrid). AI needs to be democratized—and that can only happen if we collectively leverage the energy and the transparency of open source and open science—this will give everyone a voice in what AI is, what it does, how it’s used, and how it impacts society. It will ensure that the advancements in AI are not driven by the privileged few, but empowered by the many” (Thomas, R.; Zikopoulos, P.; Soule, K. 2025).

Es wird hier noch einmal deutlich herausgestellt, dass Künstliche Intelligenz demokratisiert werden muss. Das wiederum kann durch Open Source und Open Science ermöglicht werden. Siehe dazu auch

Digitale Souveränität: Europa, USA und China im Vergleich

Open Source AI: Nun gibt es endlich eine Definition – und damit interessante Erkenntnisse zu OpenAI und Co.

RAG: KI-Basismodelle mit eigener Wissensbasis verknüpfen

Von Democratizing Innovation zu Free Innovation

EXPO 2025 in Osaka (Japan): Auf unserer Asien-Rundreise werden uns das ansehen

Screenshot: https://www.expo2025.or.jp/en/

Wir (Jutta und ich) sind Fans der EXPO, da die Weltausstellungen die vielen positiven Seiten der Welt zeigen. Die Länder-Pavilions zeigen neue, innovative und interessante Entwicklungen, aus allen Regionen der Welt.

Wir haben schon verschiedene Weltausstellungen besucht, u.a. natürlich die Weltausstellungen in Hannover, in Mailand und Dubai. In Dubai waren wir sogar über Silvester, was noch einmal einen besonderen Kick ergab.

Jetzt also die Expo 2025 in Osaka, Japan. Im Rahmen einer kleinen Rundreise über Taiwan (Taipeh), Japan (Tokyo, Kyoto, Osaka) und Singapur, werden wir wieder viele positive Begegnungen haben, und vielfältige Eindrücke mitnehmen. Siehe dazu auch unsere Reisen.

In Europa gibt es immer mehr länderspezifische LLM (Large Language Models) – wie z.B. AI Sweden

Screenshot von der Website AI Sweden

In dem Blogbeitrag Open Source AI-Models for Europe: Teuken 7B – Training on >50% non English Data hatte ich schon erläutert, wie wichtig es ist, dass sich Organisationen und auch Privatpersonen nicht nur an den bekannten AI-Modellen der Tech-Giganten orientieren. Ein wichtiges Kriterien sind die dort oftmals hinterlegten Daten, die natürlich zum überwiegenden Teil in Englisch (oder Chinesisch) vorliegen.

In Europa haben wir gegenüber China und den USA in der Zwischenzeit ein eigenes Verständnis von der gesellschaftlichen Nutzung der Künstlichen Intelligenz entwickelt (Blogbeitrag). Dabei spielen die technologische Unabhängigkeit (Digitale Souveränität) und die europäische Kultur wichtige Rollen.

Die jeweiligen europäischen Kulturen drücken sich in den verschiedenen Sprachen aus, die dann auch möglichst Bestandteil der in den KI-Modellen genutzten Trainingsdatenbanken (LLM) sein sollten – damit meine ich nicht die Übersetzung von englischsprachigen Texten in die jeweilige Landessprache.

Ein Beispiel für so eine Entwicklung ist AI SWEDEN mit dem veröffentlichten GPT-SW3 (siehe Abbildung). Das LLM ist im Sinne der Open Source Philosophie (FOSS: Free Open Source Software) transparent und von jedem nutzbar – ohne Einschränkungen.

“GPT-SW3 is the first truly large-scale generative language model for the Swedish language. Based on the same technical principles as the much-discussed GPT-4, GPT-SW3 will help Swedish organizations build language applications never before possible” (Source).

Für schwedisch sprechende Organisationen – oder auch Privatpersonen – bieten sich hier Möglichkeiten, aus den hinterlegten schwedischen Trainingsdaten den kulturellen Kontext entsprechend Anwendungen zu entwickeln. Verfügbar ist das Modell bei Huggingface.

Deceptive Patterns (Täuschungsmuster): Über die Tricks der Tech-Unternehmen

Screenshot: https://www.deceptive.design/

In verschiedenen Blogbeiträgen habe ich schon mehrfach darauf hingewiesen, dass es vielen Unternehmen gar nicht um die Bedürfnisse/Anforderungen der Kunden (User) geht, sondern eher darum, User zu manipulieren. Siehe dazu beispielhaft Produkte und Dienstleistungen als Mehrwert für Kunden: Warum funktioniert das einfach nicht?

Harry Brignull hat sich zur Aufgabe gemacht, auf Deceptive Patterns (Täuschungsmuster) hauptsächlich bei Tech-Unternehmen hinzuweisen. In seinem frei lesbaren Buch Brignull, H. (2023): Deceptive Patterns. Exposing the Tricks Tech Companies Use to Control You kann sich jeder ein Bild darüber machen, wie auf Webseiten und bei Apps manipuliert wird. Hier ein Beispiel:

ChatGPT forces users to compromise on privacy by linking it to reduced functionality
Dark patterns are another issue. By default, ChatGPT users allow OpenAI to use their data for model training, exposing them to memorization risks. The opt-out interfaces unnecessarily link privacy with reduced functionality, and the more flexible control is hard to find and use.
ChatGPT | tianshi_li | September 25, 2023
Source: https://www.deceptive.design/hall-of-shame

Dazu gibt es auch eine Hall of Shame in der hunderte von Beispielen zu finden sind, die das alles verdeutlichen.

Der einzelne User ist hier an vielen Stellen überfordert, und sollte daher besser vor solchen Machenschaften geschützt werden. Ein gutes Beispiel ist die Entscheidung des Bundeskartellamtes gegen Alphabet/Google (PDF).

Wie kommt es zum Trend “Hybrides Projektmanagement”?

Wie die HELENA-Studie und die PMI-Studie gezeigt haben, nutzen immer mehr Unternehmen/Organisationen ein hybrides Vorgehen im Projektmanagement. Es stellt sich natürlich die Frage, wie es dazu kommen konnte. Eine Antwort dazu habe ich in einem Artikel gefunden:

“Jedes Unternehmen ist eine Art Ökosystem. In diesem Ökosystem findet ja nicht nur beispielsweise die Entwicklung von Hardware und Software statt. Da gibt es auch andere Bereiche wie Sales, Rechnungswesen oder Personalmanagement. Dort herrschen ganz klassische Geschäftsprozesse vor. Zu diesen klassischen Prozessen müssen Projekte eine Schnittstelle anbieten. Aus Sicht vieler Unternehmen liefern agile Methoden diese Schnittstellen nicht” (Kuhrmann, M. (2019): Reines agiles Vorgehen kein „Allheilmittel“, in projektmanagementaktuell 3/2019).

Daran schließt sich natürlich die Frage an, wie Unternehmen das geeignete Vorgehen für ein Projekt festlegen. Wird das hybride Vorgehensmodell nur ein Mal festgelegt, und/oder im Projektverlauf angepasst?

“Vielleicht wird die komplette Vorgehensweise nicht von Projekt zu Projekt festgelegt. Im Allgemeinen sammeln Unternehmen Erfahrungen mit ihrem Projektmanagement. Es kommt zu bestimmten Konsolidierungen im Methodenapparat, also zu Mustern, die für alle Projekte gelten. Doch innerhalb dieses konsolidierten Methodenapparats kann dann für jedes Projekt die Vorgehensweise neu zusammengestellt werden” (ebd.).

Aus der täglichen Arbeit mit und in Projekten ergeben sich also Rahmenbedingungen, die zu einer Konsolidierung bei der Methodenvielfalt führen, und damit ein Muster erkennen lassen. Dieses Muster wiederum zeigt auf, welche Vorgehensmodelle kombiniert werden sollten, um das Projekte – oder die Projekte – erfolgreich umsetzen zu können.

Es wird in Zukunft immer mehr darauf ankommen, Hybrides Projektmanagement in diesem Sinne zu professionalisieren.

Siehe dazu auch

Hybrides Projektmanagement: “Emergent Practice” und Bifurkationspunkte

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, Projektmanager/in (IHK) und Projektmanager/in Agil (IHK), die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Künstliche Generelle Intelligenz (AGI): Kann das überhaupt erreicht werden?

In den Diskussionen um Künstliche Intelligenz (Artificial Intelligence) werden die Tech-Riesen nicht müde zu behaupten, dass Künstliche Intelligenz die Menschliche Intelligenz ebenbürtig ist, und es somit eine Generelle Künstliche Intelligenz (AGI: Artificial General Intelligence) geben wird.

Dabei wird allerdings nie wirklich geklärt, was unter der Menschlichen Intelligenz verstanden wird. Wenn es der Intelligenz-Quotient (IQ) ist, dann haben schon verschiedene Tests gezeigt, dass KI-Modelle einen IQ erreichen können, der höher ist als bei dem Durchschnitt der Menschen. Siehe dazu OpenAI Model “o1” hat einen IQ von 120 – ein Kategorienfehler? Heißt das, dass das KI-Modell dann intelligenter ist als ein Mensch? Viele Experten bezweifeln das:

“Most experts agree that artificial general intelligence (AGI), which would allow for the creation of machines that can basically mimic or supersede human intelligence on a wide range of varying tasks, is currently out of reach and that it may still take hundreds of years or more to develop AGI, if it can ever be developed. Therefore, in this chapter, “digitalization” means computerization and adoption of (narrow) artificial intelligence” (Samaan 2024, in Werthner et al (eds.) 2024, in Anlehnung an https://rodneybrooks.com/agi-has-been-delayed/).

Es wird meines Erachtens Zeit, dass wir Menschliche Intelligenz nicht nur auf den IQ-Wert begrenzen, sondern entgrenzen. Die Theorie der Multiplen Intelligenzen hat hier gegenüber dem IQ eine bessere Passung zu den aktuellen Entwicklungen. Den Vergleich der Künstlichen Intelligenz mit der Menschlichen Intelligenz nach Howard Gardner wäre damit ein Kategorienfehler.