Veröffentlicht am

Divergentes und konvergentes Denken mit KI unterstützen

Typischer Stage-Gate Ideenverfeinerungs- und Auswahlprozess (CEN/TS 16555-2014)

Für den kreativen Prozess, bzw. den Problemlösungsprozess, sind grundsätzlich zwei Denkstile erforderlich (Hornung/Patzak 2011):

Divergentes Denken (divergent: „auseinandergehend, ausschweifend, verzweigend“): die Gedanken schweifen lassen, in die Breite gehendes Denken, den Gedanken freien Lauf lassen, eine Ausweitung des Suchraumes.

Konvergentes Denken (konvergent: „zusammenlaufend, zusammenführend“): die Gedanken auf einen Punkt bringen, einem Ziel zuführen, eine Einengung des Suchraumes, vorsehen von Randbedingungen und Beschränkungen.

Divergentes und Konvergentes Denken sind im Ideenverfeinerungs- und Auswahlprozess gefragt (Abbildung).

Die jeweiligen Schritte können heute gut mit Künstlicher Intelligenz unterstützt werden. Es stellen sich dabei folgend Fragen:

Welches KI-Modell soll verwendet werden? Eher ein Modell, oder mehrere, spezialisierte Modelle? Siehe dazu Von „One Size Fits All“ über Variantenvielfalt in die Komplexitätsfalle?

Soll es ein proprietäres KI-Modell sein, oder doch besser ein Open Source AI Modell? Siehe dazu Das Kontinuum zwischen Closed Source AI und Open Source AI.

Welche Daten sollen verwendet werden? Sollen relativ wahllos Daten aus den Netz genutzt werden? Das kann zu rechtlichen Problemen führen. Oder sollen frei verfügbare (Open Data) Daten und eigene Daten aus der Organisation genutzt werden?

Bei der Beantwortung der jeweiligen Fragen merkt man sehr schnell, dass Open Data und Open Source AI ein perfect match bilden.

Natürlich kann der Prozess auch weiter geöffnet werden, wobei sich zwei Ansätze anbieten: Einmal ist es der Open Innovation Ansatz von Henry Chesbrough, der von offeneren Innovationsprozessen in Unternehmen ausgeht und somit auf das jeweilige Business Model zielt.

Andererseits kann ein persönlicher offener Innovationsprozess, also Open User Innovation nach Henry Chesbrough gemeint sein. Siehe dazu Henry Chesbrough über die Zukunft von Open Innovation.

Veröffentlicht am

Innovationen: Integrales Denken und Handeln

Ein integrales Denken und Handeln von Innovationsmanagern besteht darin, verschiedene Perspektiven zu verbinden (Servatius/Piller 2014:29)

Gerade wenn es um Innovationen geht, ist es wichtig, verschiedene Dimensionen zu integrieren. Bezogen auf das integrale Denken und Handeln von Innovationsmanagern sind zwei grundlegende Perspektiven und ihre Polaritäten von besonderer Bedeutung:

(1) die Perspektive der Denkmuster mit Analyse und Rationalität auf der einen und Intuition und Emotion auf der anderen Seite sowie

(2) die Perspektive der Innovationswertschöpfung in Form von wissenschaftlich-technischen Problemlösungen und einer Befriedigung des Kundenbedarfs im Markt.

Die Abbildung zeigt, welche unterschiedlichen Handlungsfelder sich für Innovationsmanager aus diesen Perspektiven ergeben – von der Technologie- und Marktanalyse über die Intuition von Erfindern bis zur Empathie gegenüber Kunden (Servati-
us/Piller 2014:29).

Gerade in Zeiten der Nutzung von Künstlicher Intelligenz im Innovationsprozess können Emotion (Empathie) und Intuition Alleinstellungsmerkmale darstellen.

Veröffentlicht am

Innovatives Denken mit Künstlicher Intelligenz unterstützen

Legende
(CEN TS 16555-2014):

1 Sammeln von Informationen
2 Erzeugen von Lösungen
3 Rasches Lernen
4 Bewertung
5 Synthese und Outputs
6 Ergebnisse

Unternehmen setzen für ihren Innovationsprozess Künstliche Intelligenz ein. Auf der individuellen Ebene ist das natürlich auch möglich. Beispielsweise kann Künstliche Intelligenz das eigene innovative Denken unterstützen. Die Abbildung zeigt dazu die insgesamt sechs Schritte – vom Sammeln von Informationen (1) bis zu den Ergebnissen (6).

In jedem einzelnen Schritt sollten Sie überlegen, ob Sie nur ein KI-Modell verwenden wollen, oder ob es nicht besser ist, spezielle KI-Modelle zu nutzen. Siehe dazu auch KI-Modelle: Von „One Size Fits All“ über Variantenvielfalt in die Komplexitätsfalle?

Weiterhin sollten Sie sich überlegen, ob Sie die bekannten proprietären KI-Modelle für ihre innovativen Ideen nutzen wollen. Denken Sie bitte daran, dass diese wenig transparent sind und Sie nicht genau wissen, was mit ihren Ideen passiert. Siehe dazu auch Das Kontinuum zwischen Closed Source AI und Open Source AI.

Unser Vorschlag ist daher, dass Sie zur Unterstützung ihres innovativen Denkens, in jedem Schritt Open Source KI-Modelle nutzen. Dass kann MISTRAL LE CHAT als Alternative zu ChatGPT etc, ein Modell wie Mistral AI für alle Schritte, oder auch ein Konzept mit unterschiedlichen Modellen sein, die Sie auf Huggingface finden können.

Natürlich ist es auch möglich, für die oben genannten Schritte einen, oder mehrere KI-Agenten zu nutzen – natürlich möglichst auch Open Source basiert.

Überlegen Sie abschließend noch, ob Sie alles auf ihrem Laptop, oder auf einem eignen Server laufen lassen können. Damit hätten Sie die Kontrolle über ihre Ideen.

„Erst ignorieren sie dich, dann lachen sie über dich, dann bekämpfen sie dich, dann hast du gewonnen“ Mahatma Gandhi.

Sie können dann immer noch selbst entscheiden, ob Sie Ihre Ergebnisse mit anderen teilen, oder diese sogar Unternehmen anbieten wollen.

Alles im Sinne einer eigenen Digitalen Souveränität.

Veröffentlicht am

Lernen des Entscheidens statt Lernen von Wissen?

Über Wissen, und den Umgang mit Wissen, habe ich schon sehr viele Beiträge geschrieben (Kategorie: Wissensmanagement). In diesem Beitrag soll es noch einmal um den Bezug zwischen Wissen und Handeln gehen.

Dabei kann Wissen nach Nico Stehr (2000:81) als Handlungsvermögen, als„ Fähigkeit zum sozialen Handeln“ definiert werden (Stehr 2000).

Andererseits entsteht durch Handeln auch Wissen. Siehe dazu auch Wissen und Handeln: Zur Problematik des trägen Wissens.

Durch neue Technologien, wie z.B., der Künstlichen Intelligenz, und die vielfältigen Vernetzungsmöglichkeiten in der heutigen Welt, entsteht eine große Fülle an Wissen und Nicht-Wissen, das wiederum zu sehr vielen Handlungsoptionen unter Unsicherheit führt.

Es wundert daher nicht, dass heute eine Kompetenz erforderlich ist, die hilft, unter Unsicherheit zu entscheiden. Es geht also nicht „nur“ um das Wissen, sondern auch um die richtige Entscheidung. Es deutet sich hier schon an,

„(…) dass das Lernen von Wissen weitgehend ersetzt werden müsste durch das Lernen des Entscheidens, das heißt: des Ausnutzens von Nichtwissen“ (Luhmann 2002: 198, zitiert in Kurtz, T. 2010).

Siehe dazu auch

Entscheidungen unter Unsicherheit: Schnelles Denken und Langsames Denken

Wie ist es möglich, in kritischen Situationen unter Zeitdruck Entscheidungen zu treffen?

Umgang mit Unschärfe und Unsicherheit

Veröffentlicht am

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.

Veröffentlicht am

Entscheidungen unter Unsicherheit: Schnelles Denken und Langsames Denken

Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) – Eigenes Foto (c) Dr. Robert Freund

Daniel Kahneman ist Professor für Psychologie und hat den Nobelpreis für Wirtschaft erhalten. In seinem ursprünglichen, englischsprachigen Buch Kahneman, D. (2011): Thinking Fast and Slow wurden viele wissenschaftliche Untersuchungen zusammengetragen, die u.a. zu dem Schluss führten, dass beim Denken zwei Systeme zusammenspielen. Das System 1 ist intuitiv, schnell und assoziativ, wohingegen das System 2 eher analytisch, langsam und aufmerksam ist. Die deutschsprachige Fassung Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) ist über 600 Seiten stark . Weiterhin stellt der Autor heraus, wie man unter Unsicherheit entscheidungsfähig, und daher handlungsfähig bleiben kann.

„Die zentrale Botschaft von „Schnelles Denken, Langsames Denken“ ist also, dass sowohl System 1 als auch System 2 benötigt werden, um unter Unsicherheit handlungsfähig zu sein. Es werden dort Erkenntnisse dargestellt, wie Intuition und Rationalität wirken und Handlungsempfehlungen gegeben, wie beide zu kombinieren sind, um stabile Entscheidungen herbeizuführen. – Im Angesicht von Unsicherheit benötigen wir Intuition und Rationalität“ (Oswald/Köhler (2013): Schnelles und langsames Denken in Projekten, Teil 1, in projektmanagementaktuell 5/2013).

Es geht also nicht darum entweder das System 1 oder das System 2 zu bevorzugen, sondern (wie so oft) um das sinnvolle Zusammenwirken von Intuition (System 1) und Rationalität (System 2). Gerade bei der Projektarbeit (Planbasiert, Hybrid, Agil) ist das ein wichtiger Aspekt, da Projekte komplexe Systeme darstellen, in denen unter Unsicherheit Entscheidungen zu fällen sind.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

Veröffentlicht am

Welche Fragen unterstützen kritisches Denken?

In dem Blogbeitrag Kritisches Denken etwas genauer betrachtet wird erläutert, was kritisches Denken ausmacht. Daran anschließend können sechs Grundmuster Sokratischen Fragens das kritische Denken unterstützen. Gefunden habe ich diese bei North (2024), der sich dabei an Paul und Elder (2016) und Lechsenring (2018) orientiert. Probieren Sie es einfach einmal aus:

Klärendes Denken und Verstehen
• Können Sie mir ein Beispiel geben?
• Könnten Sie das weiter erklären?
• Meinten Sie X?
• Was ist das Problem, das Sie zu lösen versuchen?

Anspruchsvolle Annahmen hinterfragen
• Ist das immer so?
• Setzen Sie X voraus?
• Stimmen Sie dem X zu?
• Wenn das für ein X gilt, gilt das für alle X?

Beweismittel und Gründe untersuchen
• Warum sagen Sie das?
• Woher wissen Sie das?
• Welche Daten unterstützen dies? Warum?

Alternative Standpunkte und Perspektiven einbringen
• Gibt es Alternativen?
• Wie sieht die andere Seite des Arguments aus?
• Was macht Ihre Sichtweise besser?
• Was würde X dazu sagen?
• Können Sie an Fälle denken, in denen das nicht stimmt?

Folgen und Konsequenzen berücksichtigen
• Was wären die Folgen?
• Gibt es irgendwelche Nebenwirkungen?
• Was, wenn Sie falsch liegen?
• Wie können wir es herausfinden?
• Wenn das wahr ist, bedeutet das, dass X auch wahr ist?
• Was sollten wir dazu noch überlegen?

Meta-Fragen
• Was denken Sie, warum ich diese Frage gestellt habe?
• Was bedeutet das?
• Was könnte ich sonst noch fragen?

Veröffentlicht am

Kritisches Denken etwas genauer betrachtet

Image by James Oladujoye from Pixabay

Denken ist ja schon per se eine gute Sache, doch kann Denken auch eher selbst-bestätigend sein, da wir gar nicht nach alternativen Informationen suchen, und uns möglicherweise nur mit Personen umgeben, die das gleiche Denken. Es ist ja auch nicht angenehm zu erfahren, dass es auch andere Perspektiven auf ein Thema gibt. Daraus dann in angemessener Form eine Synthese zu bilden, ist eines der vielen Merkmale des kritischen Denkens. Schauen wir uns einmal an, was darunter genauer verstanden wird:

„Kritisches Denken wird beschrieben als „die Fähigkeit, Informationen und Argumente sorgfältig zu analysieren, verschiedene Perspektiven einzunehmen, logisch zu denken und fundierte Schlussfolgerungen zu ziehen. Es beinhaltet die Fähigkeit, Annahmen zu hinterfragen, Beweise zu prüfen und sachliche Entscheidungen zu treffen“ (Metakomm 2023). Das bedeutet auch, keine Informationen zu bevorzugen, die der eigenen Meinung entsprechen oder Gegenpositionen automatisch abzuwerten“ (North (2024): Kritisches Denken – eine Schlüsselkompetenz, die KI (noch) fehlt. Das Kuratierte Dossier vol. 6 „Future Skills KM“ March 2024 published by: Gesellschaft für Wissensmanagement e. V.).

North hat dazu in einer anderen Veröffentlichung (Grant 2021) wertvolle Hinweise gefunden, um kritisches Denken gegenüber einer eher bestätigenden Wissenskonstruktion zu unterscheiden, und stellt beides in einer Tabelle gegenüber:

Affirmative (bestätigende) WissenskonstruktionKritisches Denken
Denken und lernen ohne zu hinterfragenUmdenken & Verlernen
In der Behaglichkeit einer Überzeugung lebenMit dem Unbehagen des Zweifels leben
Auf bestätigende Meinungen hören, die ein gutes Gefühl gebenAktiv Ideen und Widersprüche suchen, die zum Nachdenken anregen
Sich im Kreis Gleichgesinnter bewegenSich zu Menschen hingezogen fühlen, die Gedanken herausfordern
Informationen und Medien konsumieren, die die eigene Meinung bestätigenVielfältige Informationen und Medien suchen, die Sachverhalte aus unterschiedlichen Perspektiven betrachten
Stereotype und Vorurteile übernehmenStereotype und Vorurteile hinterfragen
Denken und handeln wie Prediger, die heilige Überzeugungen verteidigen,
Ankläger, die der Gegenseite beweisen wollen, dass sie im Unrecht ist,
Politiker, die um Zustimmung werben		Neugier entwickeln

Denken wie Wissenschaftler auf der Suche nach der Wahrheit
Selbstüberzeugung: ich habe RechtSelbstreflektion: wie und in welchem Kontext bin ich zu meiner Erkenntnis gekommen?
Quelle: North (2024) in Anlehnung an Grant (2021)

Die Merkmale des kritischen Denkens erinnern deutlich an eine eher wissenschaftliche Herangehensweise an Themenfelder. Es wundert daher nicht, dass das kritische Denken an Universitäten immer wieder geschärft werden sollte – beispielsweise macht das die Manosh University (Englischsprachige Website) sehr ausführlich.

Darüber hinaus ist es auch für einzelne Personen, in Teams, in Organisationen und in Netzwerken wichtig, kritisches Denken zu entwickeln – gerade in Zeiten von Populismus und Künstlicher Intelligenz.

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.

Veröffentlicht am

Hybrid Intelligence: Menschliche und künstliche Intelligenz

Der Begriff „Intelligenz“ wird sehr oft und in verschiedenen Zusammenhängen verwendet. Es geht einerseits um die menschliche Intelligenz (Human Intelligence) und andererseits auch um Künstliche Intelligenz (KI) oder Artificial Intelligence (AI). Dabei werden immer wieder (dumme Fragen) zum Entweder-Oder gestellt – also in dem Sinne: Was ist besser, menschliche Intelligenz oder Künstliche Intelligenz?

Wir leben in einer Zeit der reflexiven Modernisierung, bei der es zu Entgrenzung und Kontingenz in allen Bereichen kommt – auch bei dem Konstrukt „Intelligenz“. Es ist daher nicht erstaunlich, dass sich das Center for Hybrid Intelligence gerade damit befasst, wie menschliche und künstliche Intelligenz in einer hybriden Form betrachtet werden können.

„Hybrid Intelligence (HI) is defined as the ability to achieve complex goals by combining human and artificial intelligence, thereby reaching superior results to those each of them could have accomplished separately, and continuously improve by learning from each other (Dellermann et al. 2019)“.

Auf der Website wird darauf hingewiesen, dass divergentes und konvergentes Denken für kreative Prozesse wichtig sind. Neben dem Begriff der „Intelligenz“ kommt somit noch der Begriff „Kreativität“ hinzu. Geht man davon aus, dass diese Begriffe ineinander spielen, vom jeweiligen Kontext abhängig sind, und auf verschiedenen Ebenen wie Individuum, Gruppe, Organisation und Netzwerk wirksam werden können wird deutlich, wie umfangreich der Forschungsgegenstand ist.

Siehe dazu auch Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer und Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk. Dissertation, Verlag Dr. Kovac.

Veröffentlicht am

Neue und alte Denkansätze – eine Gegenüberstellung

In der aktuellen Diskussion wird oft über da alte und neue Denken gesprochen, ohne dies genauer zu spezifizieren. Mutius hat das in der folgenden Tabelle recht umfassend dargestellt.

Altes DenkenNeue Denkansätze
Logiken des Trivialen
=Muster, die trennen		Logiken des Komplexen
=Muster, die verbinden
„So ist es“„Ist es so?“
ObjekteBeziehungen
DingeProzesse
MeinungenBeobachtungen
Objektive ErkenntnisseBeobachterabhängige Erkenntnisse
MateriellImmateriell
BestimmtheitUnbestimmtheit
GegenständeKontexte
GesetzeMuster
AbbildungKonstruktion
EindeutigkeitAmbivalenz
Einfache DefinitionDoppelte Beschreibung
Entweder – OderSowohl – Als auch
EindimensionalMehrdimensional
LinearZirkulär
WiderspruchsfreiParadox
SystematischSystemisch
KurzfristigNachhaltig
PositionenOptionen
Einfachheit diesseits der KomplexitätEinfachheit jenseits der Komplexität
Hierarchische OrganisationSelbstorganisation
RäderwerkNetzwerk
ZentralperspektiveAbschied von der Zentralperspektive
Starre GrenzenGrenzüberschreitungen
KolossalTransversal
WissensbesitzWissensaustausch
FeststellungenLösungen
Unterscheiden und ausschließenUnterscheiden und anschließen
AntwortenFragen
MonologeDialoge
EthikKybernethik
ZentralverantwortungSelbstverantwortung
MachenEntwickeln
UmsetzenGestalten
StückwerkKorrespondenzen
VorsetzenEinbeziehen
EinzelleistungenGemeinschaftsleistungen
Teile, TeilungenVerbindungen
ExklusionRe-Inklusion
Mutius (2004:41-42)

Auf solche Zusammenhänge gehen wir auch in den von uns entwickelten Blended Learning Lehrgängen ein. Informationen dazu finden Sie auf unserer Lernplattform.