Veröffentlicht am

Künstliche Intelligenz, Wissen und kritisches Denken

Der Wissensbegriff hat sich in den letzten Jahrzehnten verändert, und damit auch erweitert. Arnold hat beispielsweise von einem neuen Wissensbegriff gesprochen und plädiert für eine Art von Wissenskompetenz.

Mit den Möglichkeiten der Künstlichen Intelligenz wird der Umgang mit Wissen noch dynamischer – vormals eher personales Wissen wird immer mehr zu einem öffentlichen Wissen. Dabei ist bemerkenswert, dass die Menschen den Ergebnissen der KI-Modellen durchaus vertrauen, obwohl diese nachweislich fehlerhaft sind. Siehe dazu Künstliche Intelligenz: Halluzinationen und der Bullshit-Faktor – eine Art Künstliche Dummheit? Dieses sehr unkritische Verhalten führt zu einer Entwertung des personalen Wissens

“Menschen ziehen sich infolge von KI zunehmend aus der Generierung personalen Wissens zurück und begnügen sich mit der Überwachung und Validierung KI-generierten öffentlichen Wissens. Der Einsatz von KI und ein übermäßiges Vertrauen in die Qualität KI generierter Inhalte reduzieren zudem die Bereitschaft zum kritischen Denken. Mit wachsendem Vertrauen in KI verschlechtert sich kritisches Denken, während Zuversicht in Bezug auf die eigene Expertise kritisches Denken stärkt” (Reinmann, Preprint. Erscheint in: Dittler, U. & Kreidl, C. (in Druck). Fragen an die Hochschuldidaktik der Zukunft. Schäffer-Poeschel).

Die stärkere Nutzung der KI-Möglichkeiten führt also letztendlich zur Reduzierung des kritischen Denkens, wobei das Vertrauen in die eigene Expertise eher das kritische Denken fördert.

Wir sollten daher nicht “blind” den Verheißungen der Tech-Industrie hinterherrennen, sondern auf Basis unserer eigenen Expertise durchaus kritisch mit den Ergebnissen der KI umgehen. Siehe dazu beispielsweise Kritisches Denken genauer betrachtet. Darin werden u.a. die affirmative (bestätigende) Wissenskonstruktion und das kritische Denken gegenübergestellt.

Veröffentlicht am

Influencer – Experten: Gemeinsamkeiten und Unterschiede

Image by One_ Time from Pixabay

Seit wir in Sozialen Netzwerken unterwegs sind, haben sich nach und nach – hauptsächlich ab dem Jahr 2000 – einzelne Personen zu Influencer entwickelt, und in der Zwischenzeit sogar professionell positioniert. Doch was sind Influencer eigentlich?

“Als Influencer (deutsch etwa Einflussnehmer, Beeinflusser; von englisch to influence ‚beeinflussen‘) werden seit dem Beginn der 2000er Jahre Multiplikatoren bezeichnet, die ihre starke Präsenz und ihr Ansehen in sozialen Netzwerken nutzen, um beispielsweise Produkte oder Lebensstile zu bewerben” (Quelle: Wikipedia vom 21.08.2025).

Es geht den Personen also hauptsächlich darum, andere zu beeinflussen, bestimmte Produkte oder Dienstleistungen zu kaufen. Dabei verknüpfen die Influencer Ihre persönlichen Meinungen ganz bewusst und offen mit den verschiedenen Marken und verdienen dadurch teilweise sehr viel Geld. Die Beeinflussung von möglichen Interessenten von Produkten ist schon lange ein Instrument des Marketings. Durch die Sozialen Netzwerke kommt noch hinzu, dass jeder sich mit relativ geringen Aufwand als Influencer positionieren kann – Skalierbarkeit bei geringen Kosten.

Manche Influencer stellen sich in ihren Videos und Kommentaren auch gerne als Experten für bestimmte Produkte und Dienstleistungen dar. An dieser Stelle stellt sich natürlich die Frage:

Gibt es zwischen einem Influencer und einem Experten Unterschiede?

Experten haben oftmals mehrere tausend Stunden in einer bestimmten Domäne gearbeitet und dabei implizites Wissen und entsprechende Kompetenz entwickelt. Expertise ist also zu einem großen Teil personengebunden und wird ihnen zugeschrieben. Expertise/Kompetenz als Zuschreibung anderer. Experten können beispielswiese durch ein Pyramiding in Netzwerken visualisiert/erkannt werden.

“Pyramiding search is a variant of snowballing – but with an important difference. Pyramiding requires that people having a strong interest in a given attribute or quality, for example a particular type of expertise, will tend to know of people who know more about and/or have more of that attribute than they themselves do (von Hippel et al 1999)”, zitiert von von Hippel/Franke/Prügl 2009).

Experten wollen also – im Gegensatz zu Influencern – nicht primär beeinflussen, sondern helfen, komplexe Probleme zu lösen. Experten haben auch nicht so sehr das Ziel einen Verkaufsprozess auszulösen. Das kann zwar auch vorkommen, ist allerdings nicht das Hauptziel.

In dieser ersten kleinen Gegenüberstellung wird schon deutlich, dass es zwischen Influencer und Experten Unterschiede, allerdings auch einige Überschneidungen gibt – was die Sache wiederum kompliziert macht. Diesen Umstand nutzen manche Influencer, um sich als Experten zu positionieren, was sie allerdings oft nicht sind…

Veröffentlicht am

Cross Industry Innovation: Ist doch ganz einfach, oder?

Quelle: vgl. Achatz et al. (2012)

Manchmal wundert man sich, warum einzelne Industrien “das Rad neu erfinden”, obwohl es die jeweilige Problemlösung doch schon in anderen Branchen / Industrien gibt. Anhand der Abbildung sind die verschiedenen Möglichkeiten illustriert.

Ist in der Industrie I ein Problem erkannt worden, so kann im ersten Schritt der Abstraktion im Lösungsraum eine Analogie (2. Schritt) zu einer Problemlösung in der Industrie II gefunden werden. Diese findet man in dem Bereich, in denen sich die beiden Lösungsräume von Industrie I und Industrie II überschneiden,. Im dritten Schritt der Adaption (3.) wird die Problemlösung aus der Industrie II für das Problem in Industrie I angewendet. Hört sich einfach an, ist es allerdings nicht immer.

Je kontextabhängiger das für die Problemlösung erforderliche Wissen ist, umso schwieriger ist das Wissen auf einen anderen Kontext (hier: eine andere Industrie) zu übertragen. Es handelt sich dabei um sogenanntes “Träges Wissen”.

Weiterhin benötigt man für eine bestimmte, komplexe Problemlösung (z.B. für Innovationen) oftmals die Expertise bestimmter Personen mit ihrem Erfahrungsschatz. Diese Expertise hängt wiederum mit dem impliziten Wissen zusammen, das nicht so einfach übertragbar ist.

Dennoch ist es natürlich nicht unmöglich, von anderen Industrien für komplexe Problemlösungen zu lernen – es ist allerdings auch nicht so einfach, sobald man die dahinterliegende Wissensperspektive betrachtet.

Veröffentlicht am

Künstliche Intelligenz: Vorwissen, Wissenszuwachsvorhersage, Wissenszuwachs und Markov-Ketten

Beispielhafte Darstellung der Wissenszuwachsvorhersage (Fischer et al. 2023)

Künstliche Intelligenz beeinflusst auf verschiedenen Ebenen auch die berufliche Weiterbildung. Ein wichtiger Bereich ist dabei die Personalisierung von Inhalten und Lernprozessen. In der Vergangenheit wurde das schon mit der Modularisierung von Inhalten zusammen mit entsprechenden Konfiguratoren umgesetzt. Kurz zusammenfasst lautet hier die Formel: Konfiguration von Learning Objects. Der ganze Bereich kann als Mass Customization and Personalization in der beruflichen Bildung gesehen werden.

Eines meiner ersten Paper dazu habe ich 2003 auf der ElearnChina vorgestellt. Dabei ging es mir schon damals darum, dass nicht das Objekt lernt (Learning Objects), sondern die jeweilige Person. Daher habe ich schon damals eine Verbindung zur Multiple Intelligenzen Theorie von Howard Gardner hergestellt.

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland. Download | Flyer | Speaker. Weitere Paper finden Sie in meinen Veröffentlichungen.

In der Zwischenzeit bietet die Künstliche Intelligenz darüber hinausgehend weitreichende Verbesserungen, z,B. durch die Verwendung von Markov-Ketten.

“Beispielsweise lassen sich über klassische Verfahren des maschinellen Lernens automatisiert Lernmaterialien oder Kurse empfehlen, die vor dem Hintergrund der bisherigen Bildungshistorie von Teilnehmenden häufig gewählt wurden (Markov-Ketten), besonders erfolgsversprechend sind (gewichtete Markov-Ketten) und/oder angesichts des Vorwissens und ggf. weiterer Variablen den größtmöglichen Wissenszuwachs versprechen (Wissenszuwachsvorhersage)” (Fischer et al. (2023).

Die Abbildung zeigt das prinzipielle Vorgehen. Diese Verfahren sind bei einer großen Datenbasis durchaus gut einsetzbar. Neben den content-bezogenen Möglichkeiten bieten solche Ansätze auch Unterstützung bei den jeweiligen Kollaborationssituationen.

Experten allerdings nutzen am Arbeitsplatz für die Problemlösung oftmals ihr “Gefühl/Gespür”, oder man sagt, sie haben einen “guten Riecher” für die Situation gehabt. Gerade in komplexen Problemlösungssituationen zeigen sich Grenzen der rationalen, scheinbar objektiven Analyse. Es kommt dann stattdessen auch auf die subjektiven Fähigkeiten eines Menschen an. Siehe dazu auch Kann Intuition als Brücke zwischen impliziten und expliziten Wissen gesehen werden?

In der objektiven Arbeitssituation (Domäne, Kontext) bedarf es einer Subjektivierung des Arbeitshandelns, das uns vom Begriff des Wissens weiter zum Begriff der Kompetenz führt. Genauer: Zur Kompetenzentwicklung im Prozess der Arbeit. Siehe dazu Persönlichkeitseigenschaften, -fähigkeiten und Kompetenzen und Wissensmanagement und Kompetenzmanagement: Welche Gemeinsamkeiten/Unterschiede gibt es?

Es wird spannend sein zu sehen, wie Künstliche Intelligenz hier nützlich sein kann, wenn man nicht die Technik in den Mittelpunkt stellt, sondern die menschenzentrierte, komplexe, kontextspezifische Problemlösungssituation. Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk.

Veröffentlicht am

Warum braucht “Führung” heute sozialwissenschaftliche Expertise?

Die aktuelle gesellschaftliche Entwicklung kann als Strukturbruch zwischen Einfacher und Reflexiver Modernisierung gesehen werden. Bisher war Führung damit konfrontiert, Arbeit effektiv und effizient eher fremdorganisiert zu organisieren. Arbeit 4.0 ist allerdings viel stärker selbstorganisiert, und benötigt daher eine andere Art von Führung.

Selbstorganisation in komplexen sozialen Systemen (Organisationen) wird dabei oft auf technische und/oder ökonomische Dimensionen reduziert. Eine moderne Führung zeichnet sich in einer Reflexiven Modernisierung allerdings dadurch aus, dass Führung selbst reflexiv ist, und sozialwissenschaftliche Expertise erfordert.

“Ohne eine sozialwissenschaftliche Expertise kann eine solche selbstreflexive Führung auch in Lehr-Lern-Prozessen nicht gelingen. Soziale Systeme funktionieren nämlich nicht allein nach Maßgabe technisch-ökonomischer, sondern auch – und vielleicht sogar: vornehmlich – nach Maßgabe sozialer Mechanismen” (Arnold 2017).

Siehe dazu auch Vom Zwei-Welten-Modell von Führung zu einem Multiple-Welten-Modell von Führung? und Wirtschaftspsychologie und Wirtschaftssoziologie sind vielen Führungskräften wenig bekannt.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Informationen zu unseren Blended Learning Lehrgängen und zu aktuellen Terminen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Wissensmanagement: Die Kontextbindung von Wissen

Brödner, P.; Helmstädter, E.; Widmaier, B. (Hrsg.) (1999): Wissensteilung – Zur Dynamik von Innovation und kollektivem Lernen (Zur Einführung). München und Mering

Wissen wird situativ konstruiert (Konstruktivismus). Das bedeutet, dass beispielsweise die selben Daten und Information im Einkauf (Kontext 1) und im Verkauf (Kontext (2) zu anderen Wissenskonstruktionen führen können. Die Abbildung illustriert diese und folgende Zusammenhänge.

Noch schwieriger ist es für Experten ihr Wissen (Expertise, Expertenwissen) preiszugeben (Kontext 1 – berufliche Domäne 1) , denn es handelt sich dabei hauptsächlich um implizites Wissen (1).

Dieses implizite Wissen (1) wird dann mit Hilfe von Theorien, Modellen und Begriffen de-kontextualisiert und über das dann explizierbare Wissen in einen anderen Kontext (2) übertragen. Dort wird das explizite Wissen re-kontextualisiert und über Aneignung, Internalisierung und Lernen zu einem impliziten Wissen (2) und zu Können (2).

Die Übergänge von impliziten Wissen zu expliziten Wissen – und umgekehrt – werden in dem bekannten SEKI-Modell von Nonaka/Takeuchi als eine Art Wissensspirale dargestellt. Dabei ist allerdings folgendes zu beachten: Schreyögg, G.; Geiger, D. (2003): Kann die Wissensspirale Grundlage des Wissensmanagements sein? Siehe dazu auch diesen Beitrag zum trägen Wissen.

Veröffentlicht am

Kohärenzwissen als neue Wissensform

Die Entgrenzung des Wissens führt zu einem neuen Wissensbegriff und zu neuen Wissensformen, zu denen auch das “Google-Wissen” zählt. Darüber hinaus gibt es noch eine Wissensform, die sich eher in der Expertise zeigt, und sich daher von dem Google-Wissen unterscheidet.

“Dieses etabliert sich über seine Verankerung in überlieferten Wissensformen. Das Kohärenzwissen ist ein anknüpfendes Wissen. Es lebt von den vielfältigen Erklärungsversuchen, mit denen es sich vergleicht, denen es sich anschließt oder über die es hinausführt. Grundlegend ist die Vielfalt der Perspektiven, welche in dieses Wissen integriert sind und auch unauflösbare Widersprüche beinhaltet, die aufzulösen bislang nicht gelungen ist. Das Kohärenzwissen ist der Hort der Expertise. Es tritt in Fachbüchern, Lexika und Ausbildungs- oder Studienunterlagen zutage und ist dem Selbstlernen zugänglich. Um jedoch den Umgang mit Wiedersprüchen, Unsicherheiten oder gar Fehlern zu lernen, lohnt es sich Expertinnen und Experten bei solchem Umgang  zu beobachten und mit ihnen in Kontakt zu treten. Diese Begegnungen haben wenig mit Unterricht, viel aber mit Interaktion, Nachfrage und Begleitung zu tun” (Arnold 2017; Eigene Hervorhebungen).

Es ist in der heutigen Zeit wichtig, den Wissensbegriff, weitere Wissensformen und den jeweiligen Umgang mit den neuen Wissensformen zu thematisieren, denn letztendlich wird sich aus diesen Betrachtungen auch ein neues Wissensmanagement ableiten.

Veröffentlicht am

Vom T-Shaped Manager zum X-Shaped Manager

Der Fachmann, die Fachfrau, sind bekannt durch seine/ihre fachlichen Kompetenzen. Die fachliche Tiefe wird oft wie ein “I” symbolisiert. Um anzudeuten, dass es zusätzlich auch auf etwas breitere fachliche Kompetenzen ankommt, wird als Symbol ein “T” verwendet. In der Zwischenzeit wird allerdings davon ausgegangen, dass eine zusätzliche “cross-funktionale Komponente” zur Bewältigung komplexer Probleme/Projekte erforderlich ist.

“Beim »T-Shaped Manager« symbolisiert das «T« als Metapher die fachliche Befähigung (vertikal als fachliche Spezialisierung) in Kombination mit der Bereitschaft und Fähigkeit zur interdisziplinären Zusammenarbeit (horizontal im Sinne eines Generalisten für die fachübergreifende Orientierung). Aufbauend darauf soll das »X« die (zusätzliche) cross-funktionale Orientierung für die Vernetzung symbolisieren. Diese wird als Befähigung des Akteurs zum Management komplexer und interorganisatorischer Netzwerkstrukturen verstanden – in Analogie zur fluiden Organisation als »nicht-struktur-fokussierte« Orientierung. Das »X« bricht mit der veralteten (und häufig statischen) Denkweise der zweidimensionalen Differenzierung in Spezialisten und Generalisten. Es zählt zukünftig die Fähigkeit zur Übertragung und Anwendung von Wissen in sich ständig wandelnde neue Systemumgebungen und mehrdimensionale Kontextdimensionen. Hierzu bedarf es der Bereitschaft und des Könnens zur Ausübung disziplinenübergreifender »Netzwerk-Rollen« mit einem sich kontinuierlich wandelnden Anforderungsportfolio einer fluiden Organisation” (Weßels 2014:84-85).

Im agilen Umfeld wird häufig auf T-Shaped Skills, und auf von cross-funktionale Teams hingewiesen. Dass die jeweiligen Personen selbst cross-funktionale Orientierungen für die Vernetzung haben sollten, ist häufig nicht thematisiert.

Solche Zusammenhänge besprechen wir auch in dem von uns entwickelten Blended Learning Lehrgang Projektmanager/in Agil (IHK).

Veröffentlicht am

Embodied Knowledge: Was ist darunter zu verstehen?

Teambesprechung05.jpgBei Wikipedia findet man den Hinweis, dass unter Embodied Knowledge “verkörpertes Wissen” zu verstehen ist, und es sich um eine Form des impliziten Wissens handelt. Etwas präziser beschreibt Fitzpatrick (2003) den Zusammenhang, indem am Ende vermerkt wird, dass Embodied Knowledge Kern von Expertise ist:

” … embodied knowledge, that is, information that is uniquely and integrally embodied in the person’s personality, creativity, intelligence, perceptions, experiences, and relationships. Embodied knowledge is the essence of expertise.5 ” (Fitzpatrick 2003:101)

5 This is a position also taken by McDonald and Ackerman (1998): “The term expertise assumes the embodiment of knowledge and skills within individuals.”

References

Fitzpatrick, G. (2003): Emergent Expertise Sharing in a new Community. In: Ackerman, M. S.; Pipek, V.; Wulf, V. (2003) (Ed.): Sharing Expertise. Beyond Knowledge Management, S. 82-110.

McDonald, D. W., and M. S. Ackerman (1998): Just Talk to Me: A Field Study of Expertise Location. In Proceedings of the ACM Conference on Computer-Supported Cooperative Work (CSCW’98), pp. 315-324.

Informationen zu unseren Blended Learning Lehrgängen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Wissensmanagement und Expertise (Expertenwissen teilen)

Der Umgang mit Wissen (Wissensmanagement) wird oftmals verkürzt dargestellt. Ackerman, M. S.; Pipek, V.; Wulf, V. (2003:XII-XIII) beschreiben ein erweitertes Verständnis von Wissensmanagement wie folgt:

Recently, research and practice has moved to the second type of knowledge management, which we call expertise sharing. Many researchers (e.g., Argyris and Schön 1996; Nonaka 1991) have pointed the way toward this type of knowledge management. The human resources and organizational behavior fields have for years hinted at the importance of personnel in organizational life. Ackerman (1993) argued for the importance of augmenting what he called expertise networks. Bannon and Kuutti (1996) proposed considering the active, constructive aspect or remembering in work activities as an invaluable resource in organizations.

Expertise sharing, then, focuses on the human components – the cognitive, social, cultural, and organizational aspects of knowledge work – in addition to information storage and retrieval. Compared to traditional approaches, which emphasize the role of management in organizing knowledge exchange, our perspective focuses on self-organized activities of the organizations’ members. In enabling sharing, organizations try to connect people to one another so as to bolster communication, learning, and organizational knowledge.

Die Autoren heben im letzten Teil hervor, dass es beim Teilen von Expertise (Expertenwissen) auf die Entwicklung der Selbstorganisations-Aktivitäten (Selbstorganisationsdispositionen) der Mitarbeiter im Umgang mit Wissen ankommt. Siehe dazu auch Vom Lernen über das Lernmanagement zum Kompetenzmanagement in Unternehmen, Wissensmanagement und Kompetenzmanagement: Welche Unterschiede/Gemeinsamkeiten gibt es?