Gedanken zu einfachen Problemen und Standardisierungen

Image by Tammy Duggan-Herd from Pixabay

In der heutigen Diskussion um das „Management“ geht es oft um das „Management von Unsicherheit/Ungewissheit“. In Organisationen gibt es allerdings auch einfache Probleme, die tagtäglich zu lösen sind. Ein Ansatz dafür sind Standardisierungen mit entsprechenden Entscheidungsfindungen.

Bei einfachen Problemen mit standardisierten Lösungswegen sind Entscheidungsfindungen eher unkompliziert. Dies darf jedoch nicht darüber hinwegtäuschen, dass Standardisierungen an sich nicht gleichbedeutend sind mit perfekter Information und Rationalität. Standardisierungen reduzieren ohne Zweifel Komplexität und befähigen somit zu „eindeutigen“ Handlungen. Gerade durch diese Komplexitätsreduktion klammern Standardisierungen jedoch einen Teil der Umweltrealität aus, sie können daher nicht ohne weiteres den Anspruch erheben, umfassende und in diesem Sinne perfekt rationale Praxis zu erzeugen. Im Gegenteil existieren viele Standardisierungen, weil es eben keine „bessere“ Möglichkeit der Prozessierung von Problemen gibt (Neumer 2009:8, Fußnote 6).

Wenn es also schon bei einfachen Problemlösung (sps: simple problem solving) keine Eindeutigkeit gibt, wie sieht es dann erst aus, wenn es um komplexe Problemlösungen (cps: complex problem solving) geht? Wenn wir also Standardisierungen als eine „bessere“ – und nicht als perfekte Möglichkeit – für einfache Problemlösungen anerkennen, so wird deutlich, dass es zwischen den beiden Polen (sps-cps) ein Kontinuum der Problemlösungsmöglichkeiten gibt, das unternehmensspezifisch anzupassen ist.

Erste Schritte in diese Richtung zeigen die vielen Hybrid-Ansätze auf, die sich im Management immer stärker als pragmatische Alternative etablieren. Solche Themen besprechen wir auch in dem von uns entwickelten Blended Learning Lehrgang Projektmanager/in Agil (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

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.

Open Innovation in verschiedenen Regionen Europas

Die Veröffentlichung Embracing Open Innovation in Europa. A best practice guide on Open Innovation Policies aus dem Jahr 2012 zeigt deutlich auf, welche Regionen in Europa Open Innovation zur besseren Entwicklung nutzen. In Deutschland ist es z.B. die Region um Stuttgart, deren Aktivitäten sehr schön beschrieben werden. Regionale oder lokale Open Innovation Ansätze haben den Vorteil, dass sie die Besonderheiten einer regionalen/lokalen komplexen Problemlösung beachten: Eine nicht zu unterschätzende Qualität. Siehe dazu auch Gedanken zum Problemlösen und Lukac, D.; Freund, R. (2012): Open Innovation, Social Embeddedness of Economic Action and its Cultural Determinants.

Freund, R. (2006): Multiple Intelligences in the Workplace

miapp-website.gifVom 12.-13.10.2006 haben wir uns das letzte Mal im Rahmen des EU-Projekts MIapp getroffen. Gastgeber war diesmal die Universität in Rzeszów (Polen). Einzelheiten zum Ablauf finden Sie im Seminarprogramm. Ziel des Seminars war es, gemeinsam mit interessierten Personen über unsere Erkenntnisse zu diskutieren. In meinem Vortrag Multiple Intelligences in the Worklpace habe ich dargestellt, wie die MI-Theorie mit Problemlösen (CPS: Complex Problem Solving) und mit der aktuellen Kompetenzdebatte zusammenhängt. Daraus ergebn sich dann Möglichkeiten die MI-Theorie am Arbeitsplatz sinnvoll einzusetzen.