Funktionen im zielgerichteten Umgang mit Wissen

Image by 15299 from Pixabay

Der Umgang mit Wissen ist nicht einfach. Zunächst muss herausgestellt werden, worin es Unterschiede zu anderen Begriffen und Konzepten gibt. Beispielsweise worin bestehen Überschneidungen und Unterschiede zu einem modernen Daten- und Informationsmanagements? Weiterhin sind Wollen, Können, Qualifikation und Kompetenz, und auch Lernen. Darüber hinaus haben Schüßler/Thurnes (2005) auch noch unterschiedliche Funktionen von Wissen zusammengefasst, die das Wissensmanagement beeinflussen:

Dem Wissen bzw. dem zielgerichteten Umgang mit Wissen können hierbei unterschiedliche Funktionen beigemessen werden (vgl. Schüßler/Weiss 2001:254; zitiert in Schüßler/Thurnes 2005:30):
Produktionsfaktor Wissen: Die Produktivität von Wirtschaftsunternehmen, ihre Innovationskraft und ihr wirtschaftlicher Erfolg sind zunehmend davon abhängig, wie Wissen zugänglich gemacht und zielgerichtet verarbeitet wird (vgl. Stock u. a. 1998:10 f.).
Menschliche Ressource Wissen: Die Bedeutung immaterieller Ressourcen, wie Wissen oder Fähigkeiten von Menschen nimmt in wirtschaftlicher und gesellschaftlicher Hinsicht zu. Wissen wird zur zentralen Grundlage sozialen Handelns des Einzelnen, da getroffene Entscheidungen und daraus resultierende Lebenschancen davon mit abhängig sind (vgl. Stehr 1994:208).
Lernanforderung Wissen: Die exponentiell wachsenden Wissensbestände erfordern nicht nur ständiges Dazu-Lernen, sondern auch das Entwickeln von Strategien und Techniken zur Bewältigung von Wissensexplosionen bzw. Informationsflut. Hierzu zählt insbesondere auch die Erkenntnis, dass Erlerntes angesichts der Menge und Geschwindigkeit der Entwicklung neuen Wissens auch immer schneller veraltert (vgl. Willke 1998:355)
Soziale Ordnungskategorie Wissen: Die geschilderte hohe Bedeutung von Wissen in allen Lebensbereichen prägt auch soziale Beziehungen. Hiermit verbunden ist aber auch die Konstitution neuer Formen sozialer Ungleichheit – zwischen den „Wissenden“ und den „Unwissenden“.

Kritik an manchen Perspektiven auf „Wissensmanagement“

Image by Arek Socha from Pixabay

Wissen, und der Umgang mit diesem Konstrukt, werden immer wichtiger. Es ist dabei jedoch durchaus zu hinterfragen, was unter „Wissen“ und dem dazugehörenden „Wissensmanagement“ zu verstehen ist. So, wie Arbeit 1.0 und Arbeit 4.0 recht unterschiedlich sind, kann auch Wissensmanagement 1.0 bis Wissensmanagement 4.0 betrachtet werden. Wird Wissen wie eine Ressource verstanden, kann es durchaus sein, dass ein dazugehörendes Wissensmanagement eher wie ein Warenwirtschaftssystem interpretiert wird. Der folgende Text stellt diese Zusammenhänge deutlich dar.

„Wissensmanagement“ gilt mittlerweile überhaupt als neue Heilslehre, geht es um die Frage des Wissens. Der Wissensmanager löst nicht nur den Bildungsexperten ab, auch der Pädagoge und sogar der Wissenschaftler sollen sich zunehmend als Wissensmanager verstehen. Möglich ist diese Vorstellung nur, weil die Wissensgesellschaft die Beziehung des Wissens zur Wahrheit gekappt hat. Nun werden Daten als Rohstoff, Informationen als für ein System oder Unternehmen aufbereitete Daten und Wissen als die „Veredelung von Informationen durch Praxis“ beschrieben. Statt um Erkenntnisse geht es um Best practice. Gerade die Differenz, die Wissen als epistemisches Verfahren von anderen Weltbewältigungsstrategien unterscheidet, wird nun eingezogen. Das Wissensmanagement verfährt letztlich wie ein „Materialwirtschaftssystem“, und der Wissensmanager erhebt gerade einmal den paradoxen Anspruch, unter „Ausklammerung von Wahrheits- und Geltungsfragen“ herauszufinden, welche Art von Wissen sein Unternehmen zur Lösung seiner Probleme benötigt (Liessmann 2008:149).

In Organisationen finden wir heute ein Mix von Arbeiten, die durchgeführt werden müssen, wobei Daten, Informationen und Wissen immer mehr selbstorganisiert eingesetzt werden müssen, um komplexe Probleme zu lösen. In so technischen und sozialen System kommt es daher darauf an, das passende Wissensmanagement-System zu entwickeln. Siehe dazu auch Ist Wissensmanagement 4.0 ein hybrides Wissensmanagement?

Wann sind mehr Informationen von Nachteil?

Je mehr umso besser ist nicht immer von Vorteil, obwohl das viele Menschen glauben. Berry Schwartz hat beispielsweise schon 2004 in seinem Buch The Paradox of Choice erwähnt, dass die Vielfalt eines Angebots Kunden überfordern können, sodass diese dann nicht kaufen (Blogbeitrag). Prof. Dr. Gerd Gigerenzer, Direktor emeritus am Max-Planck-Institut für Bildungsforschung und Direktor des Harding-Zentrum für Risikokompetenz am Max-Planck-Institut für Bildungsforschung in Berlin, hat sich in einem Buch darüber so seine Gedanken gemacht.

Doch selbst wenn die Information kostenlos zur Verfügung steht, gibt es Situationen, in denen mehr Information von Nachteil sein kann. Mehr Gedächtnis ist nicht immer besser. Mehr Zeit ist nicht immer besser. Mehr Insiderwissen mag zwar dabei helfen, den Markt von gestern zu »erklären«, aber nicht, den Markt von morgen vorherzusagen. Weniger ist wahrhaft mehr unter den folgenden Bedingungen (Gigerenzer 2007:46-47):
• Nützliches Maß an Unwissenheit: Wie die Rekognitionsheuristik zeigt, kann das Bauchgefühl eine beträchtliche Menge an Wissen und Information übertreffen.
• Unbewusste motorische Fertigkeiten: Bauchgefühle erfahrener Experten beruhen auf unbewussten Fertigkeiten, deren Ausführung durch zu viel Nachdenken beeinträchtigt werden kann.
• Kognitive Einschränkungen: Unser Gehirn scheint über angeborene Mechanismen wie Vergessen und die Tendenz, klein anzufangen, zu verfügen, die uns vor der Gefahr schützen, zu viel Information zu verarbeiten. Ohne kognitive Einschränkungen würden wir uns weit weniger intelligent verhalten.
• Paradox der freien Wahl: Je mehr Optionen man hat, desto größer die Möglichkeit, dass es zu Konflikten kommt, und desto schwieriger, die Optionen zu vergleichen. Von einem bestimmten Punkt an schaden mehr Optionen, Produkte und Wahlmöglichkeiten dem Verkäufer wie dem Käufer.
• Vorzüge der Einfachheit: In einer ungewissen Welt können einfache Faustregeln komplexe Phänomene ebenso gut oder besser vorhersagen als komplexe Regeln.
• Informationskosten. Wie der Fall der Kinderärzte in der Universitätsklinik erkennen lässt, kann eine zu intensive Informationsbeschaffung einem Patienten schaden. Genauso kann zu viel Neugier das Vertrauen am Arbeitsplatz oder in Beziehungen zerstören.

Sollten also mehr Daten, mehr Informationen, mehr Wissen, mehr Können und mehr Kompetenzen unser Ziel sein? Wie Gigerenzer ausführt, sollte das bei bestimmten Bedingungen nicht der Fall sein, in anderen Settings allerdings sehr wohl. Dieses Sowohl-als-auch – dieses ambidextere – macht es Menschen und Organisationen nicht einfacher. Da wir uns immer mehr in vernetzte Systeme hineinbewegen, werden die von Gigerenzer genannten Bedingungen immer stärker zu beachten sein. Siehe dazu auch Die Messbarmachung der Intelligenz: Ein Phänomen der Industrialisierung?

Kollektives Wissen ist nicht von dem Wissen in den Köpfen von Personen – oder sonstwie dokumentiert – abhängig?

Schon 2015 habe ich in dem Blogneitrag Gesellschaftliche Veränderungen 2030: Open Access – freies und kostenloses Wissen für alle darauf hingewiesen, dass kollektiven Wissen immer wichtiger wird:  „Kollektives Wissen ist eine wesentliche Grundlage des ökonomischen und sozialen Zusammenlebens“ (S. 43). Es stellt sich allerdings die Frage, wie kollektives Wissen entsteht. Dazu gibt der folgende Absatz eine vermeintlich verblüffende Antwort.

Jedes Handeln in einer kognitiv anspruchsvollen Situation, also das, was wir intelligentes handeln nennen, erfordert eine Wissensbasis. Sobald man sieht, dass Organisationen handeln können, und zwar als eigenständige kollektive oder korporative Akteure (Flam, 1990), steht außer Frage, dass sie auch eine eigenständige, kollektive oder korporative Wissensbasis für dieses Handeln braucht. (…) Der Kern der Idee kollektiven Wissens ist die Beobachtung, dass der Gehalt dieses Wissens nicht von den einzelnen Wissenspartikeln geprägt ist, welche in den Köpfen von Personen oder sonstwie dokumentiert vorhanden sind, sondern von den Relationen und Verknüpfungsmustern zwischen diesen Wissenselementen. Die Verknüpfungen selbst konstituieren das eigenständige kollektive oder systemische Wissen der Organisation “ Wilke (1995:52-54).

Es ist also entscheidend, wie Organisation mit den Relationen und Verknüpfungsmustern zwischen den Wissenselementen umgehen, um die Konstruktion von kollektiven Wissen zu ermöglichen. Möglicherweise ein wichtiger Hinweis für den Umgang mit Wissen, also dem Wissensmanagement.

Ökonomie: Sind die Ökonometrischen Modelle noch zeitgemäß?

In der aktuellen Corona-Pandemie geht es nun langsam aber sicher wieder darum, das gesellschaftliche und wirtschaftliche Leben anzukurbeln. Dazu beziehen sich Politiker oft auf ökonomischer Modelle, um die Richtigkeit ihrer Maßnahmen zu belegen. Es geht um Zahlen, Daten und Fakten – um rationales Handels aufgrund scheinbar objektiver Daten. Georga W. Akerlof (Wirtschaftsnobelpreis 2001) und sein Kollege Robert J. Shiller vertreten hier allerdings eine etwas andere Ansicht. In dem Buch „Animal Spirits“ aus dem Jahr 2009 vertreten sie die Auffassung, dass die „nicht-rationalen Elemente unseres Handelns“ stärker beachtet werden müssen.

„Ökonometrische Modelle werden im Allgemeinen als Rückkopplungsmodelle beschrieben, die nur auf beobachtbaren Daten beruhen. Alle Nichtobservablen werden in den Bereich der „Messfehler“ verwiesen. Auch wenn wir der Ansicht sind, dass solche Modelle oftmals sehr nützlich sind, vernachlässigen sie doch einige wesentliche Zusammenhänge, die auf nicht quantifizierbaren psychologischen Variablen beruhen.“ (ebd. S. 200)

Und weiter führen die Autoren aus: „Die meisten Ökonomen haben für diese psychologischen Feedbackgeschichten nichts übrig. Sie laufen ihrer tief verwurzelten Überzeugung von der Rationalität menschlichen Handelns zuwider. Aber sie lehnen sie auch noch aus einem anderen Grund ab: Es gibt keine Standardmethoden zur Quantifizierung der menschlichen Psychologie. Sie halten die Bemühungen zur quantitativen Erfassung von Rückkopplungsmechanismen und deren Einbindung in makroökonomische Modelle für zu willkürlich und sind deshalb von ihrer Gültigkeit nicht überzeugt“ (ebd. S. 200-201).

Ich frage mich bei der ganzen Diskussion um die Subvention verschiedener wirtschaftlicher Bereiche, ob dies „Animal Spirits“ mit bedacht werden. Es sieht für mich so aus, als ob die Ökonomie der Industriegesellschaft wieder dominiert. Wissenschaftliche Expertise wird nur akzeptiert, wenn Sie auf Zahlen, Daten und Fakten beruht und reproduzierbar ist. Dieses Mindset beruht auf der Berechenbarkeit von allem. Entspricht das der Wirklichkeit von Menschen in einer Gesellschaft, oder auch in einer Organisation?

Wenn es den Unternehmen gut geht, liegt der Fokus auf den „harten“ Daten des Geschäfts – das Unternehmen wird als Maschine zur Geldvermehrung gesehen.. Geht es dem Unternehmen wirtschaftlich nicht gut, kommen andere Metaphern wie „das Unternehmen leidet“ oder “ das Unternehmen stirbt“ ins Spiel. Diese Metapher erinnern stärker an einen lebenden komplexen Organismus. Es ist aus meiner Sicht bedenklich, weiterhin an der Maschinen-Metapher festzuhalten, da diese dem komplexen Umfeld nicht mehr gerecht wird.

Internet der Dinge (IoT): 4800 Interaktionen pro Person und Tag im Jahr 2025

cognitive-computing

Eine beeindruckende Zahl zeigt, was in den kommenden Jahren an Daten generiert wird, denn im Jahr 2025 soll eine durchschnittlich verbundene Person, 4800 Mal pro Tag mit Geräten (IoT) interagieren:

By 2025, the average connected person will interact with connected devices nearly 4,800 times per day—equivalent to one interaction every 18 seconds (David Reinsel et al., Data Age 2025: The Evolution of Data to Life-Critical (IDC, 2017))

Dadurch werden sehr viele Daten entstehen, die mit Hilfe klassischer IT-Systeme kaum zu bewältigen sind. Maschinelles Analysieren von Daten und deren Kontext ist angesagt, und wird zu einem wichtigen Element zukünftiger Geschäftsmodelle. Die Frage wird sein, mit welchem Anbieter wird ein Unternehmen zusammenarbeiten, denn aktuell stehen auf dem Markt nur die großen amerikanischen Unternehmen wie Google, Apple, Amazon, IBM, Facebook, Microsoft … zur Verfügung. In den letzten Wochen hat die Mozilla-Foundation angekündigt, ein Open-Source-Projekt zu Artificial Intelligence (Künstliche Intelligenz) zu starten. Möglicherweise kommt diese Initiative etwas zu spät. Warten wir ab…. Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

Chatbots setzen sich immer mehr durch

chat

Das Schwerpunktthema des digital publishing report 6/2017 (PDF) lautet: Chatbots. Das digitale Magazin für die Verlagsbranche sollte sich mit diesen – und anderen – neuen Technologien intensiv auseinandersetzen und Risiken und Chancen abwägen. Chatbots sind keine Spielerei mehr, sondern haben sich schon in vielen Bereichen etabliert. 2017 wird ein wichtiges Jahr für Chatbots, denn (S. 19):

  • von den “Großen” der Branche bis zu bestehenden und in 2017 entstehenden Startups sind
    neue Hardwareprodukte, Softwareservices und Integrationen in andere Plattformen zu erwarten
  • die großen Player besetzen durch Akquisitionen und Investitionen das Spielfeld als Plattformbetreiber und besetzen ihre Positionen im Wettbewerb
  • es wird klar, wie stark Benutzer wirklich nachhaltig Chatbots nutzen
  • praktische Fragestellungen zur Entwicklung von Chatbots, zur Integration in bestehende Enterprise-Infrastrukturen, und zur Sicherheit, zum Datenschutz und zur Compliance gestellt und beantwortet werden
  • das vielfältige Angebot an Chatbots im B2C-Bereich wird zunehmend um Chatbots für B2E- und B2B-Services erweitert werden.

In den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK) gehen wir auf diese Entwicklungen ein. Weitere Informationen dazu finden Sie auf unserer Lernplattform.

Deutschland in Daten von 1834-2012

cloudIn dem Projekt Deutschland in Daten wurden Daten von 1834 bis 2012 zu den Bereichen Umwelt, Wirtschaft, Gesellschaft und Kultur in Deutschland zusammengetragen und veröffentlicht. „Als Ergebnis wurde ein Textband erstellt, der bei der Bundeszentrale für politische Bildung publiziert wurde, ein Datensatz, der über das Internet frei verfügbar ist sowie eine umfassende Dokumentation, die die verwendeten Quellen auflistet“. Die Daten stehen also frei zur Verfügung und können just for fun, oder auch für Produkte und Dienstleistung genutzt werden. Daten sind die Grundlage für Informationen und Innovationen. Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgang Innovationsmanager (IHK), der ab April bei der IHK Köln angeboten wird. Weitere Hinweise zum Lehrgang finden Sie auf unserer Lernplattform.

Mit MailScout die E-Mail-Flut eindämmen

mailDie Pressemitteilung des Fraunhofer Instituts Fraunhofer UMSICHT-Entwicklung entlastet E-Mail-Postfächer bei SAP vom 18.08.2015 macht neugierige. Das entwickelte Add-in für Microsoft Outlook® hat in der Anwendung gezeigt, dass dadurch die E-Mail-Flut eingedämmt und die Qualität der E-Mails verbessert werden kann: „Wenig aussagekräftige E-Mail-Betreffs oder »Antwort an alle«-Nachrichten kosten viel Zeit und bares Geld. Fraunhofer UMSICHT hat ein Add-In für Microsoft Outlook® entwickelt, das die E-Mail-Kommunikation im Unternehmen dauerhaft verbessert. Die Software MailScout unterstützt künftig 90 000 interne und externe Mitarbeiterinnen und Mitarbeiter des Softwareherstellers SAP beim Verfassen informativer Mails. Das Ergebnis: weniger elektronische Nachrichten mit höherer Qualität“.  Der Umgang mit Daten und Informationen gehört auch zu den Themen, die wir in dem von uns entwickelten Blended Learning Lehrgang Wissensmanager (IHK) besprechen. Informationen dazu finden Sie auf unserer Lernplattform.

Ist Daten sammeln der Heilsbringer für Organisationen?

cloudDaten sammeln und zu strukturieren ist der aktuelle Trend: Data, Big Data, Cloud, Cognitive Computing etc. Es ist bestimmt gut, wenn Daten dazu führen, komplexe Probleme für Unternehmen oder für die Gesellschaft zu lösen. Andererseits wird suggeriert: Je mehr Daten umso besser. Das ist natürlich Unsinn, denn es kommt darauf an, die richtigen Daten und dann wiederum die entsprechenden Informationen – das entsprechende Wissen usw. – zu generieren. In dem Beitrag Big Data, Big Confusion, Big Distance (Capital vom 08.01.2015) wird bezweifelt, dass mehr Daten auch eine bessere Kundennähe ergeben. Nicht zwangsläufig, dennoch können bessere Daten durchaus für bestimmte Problemkategorien nützlich sein. In meinem Vortrag auf der MCPC 2015 in Montréal habe ich aufgezeigt, an welchen Stellen letztendlich Cognitive Computing an seine Grenzen stößt. Es geht in der heutigen Zeit also nicht um ein entweder-oder, sondern um das sowohl-als-auch. Solche Themen besprechen wir in dem von uns entwickelten Blended Learning Lehrgang Innovationsmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.