Der Begriff “Wissen” hat sich n der Vergangenheit immer wieder verändert, und wird dies auch in Zukunft tun. In dem Beitrag Vom Wissen als Besitz zum Wissen als Prozess wird diese Transformation deutlich. Zusammen mit den neuen Technologien, wie das WWW oder auch Künstliche Intelligenz, entsteht ein neuer Wissensbegriff.
„Wissen begründet sich in der gegenwärtigen Gesellschaft in dem Zusammenspiel vieler Wissensfragmente, die unter anderem im world wide web (www) technisch zusammengeführt werden und dort als gemeinsam verfügbares Wissen auftauchen, das durch Prozesse der Wissensbegründung in einer Erfahrungsgemeinschaft konstituiert wird. Dieser Wissensbegriff ist neu“ (vgl. Neusser 2013, zitiert in Arnold 2017:88).
Diese Entwicklung wirft zugleich Fragen zum Umgang mit diesem neuen Wissensbegriff auf. Welche Herausforderungen ergeben sich daraus für ein modernes Wissensmanagement?
In einer aktuellen Studie von Researchscape im Auftrag von Lucid Software wurden 2.196 Wissensarbeiter aus den USA, aus UK, den Niederlanden, Deutschland und Australien befragt. Dabei kamen doch recht überraschende Ergebnisse heraus, die in der englischsprachigen Website von Lucid Software zu finden sind. ZDNET hat die wichtigsten Erkenntnisse in einem deutschsprachigen Artikel zusammengefasst.
“Demnach wenden deutsche Wissensarbeiter im Schnitt etwa 6,5 Stunden für die Suche nach Informationen auf, bevor sie mit der eigentlichen Arbeit beginnen können – was fast einem ganzen Arbeitstag pro Woche entspricht. Zudem erschwert eine schlechte Koordination im Team die produktive Arbeit” (Quelle: ZDNET vom 01.06.2023).
Qualitativ gute Daten und Informationen sind für die Wissensarbeit elementar. Insofern ist es wichtig, diese Basis mit Hilfe digitaler Strukturen aufzubauen und die Koordination im Team zu verbessern. Technologisch kann das durch Kollaborationsplattformen geschehen, die auch eine stärkere Selbstorganisation unterstützen sollte. Kollaborationsplattformen unterscheiden sich dadurch auch von Software. Siehe dazu auch Von der Projektmanagement-Software zur Kollaborationsplattform.
Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.
Die einfache Wissenstreppe nach North unterscheidet Daten, Informationen und Wissen in einem Stufenmodell. Die erweiterte Wissenstreppe ergänzt diese Stufen noch mit Kompetenz, bei der diese Stufen von unten nach oben, und von oben nach unten “gegangen” werden können. North und Maier (2018) erweiterten ihr Modell später zu einer Art Wissenstreppe 4.0, die sich an der Unterscheidung von Arbeit 1.0 bis 4.0 orientiert und eher ambidexter (“beidhändig”) ist. Im angelsächsischen Raum wird die Wissenstreppe mit den Abkürzungen DIKW-Pyramide beschrieben (Data – Information – Knowledge – Wisdom).
Prof. Dr.-Ing Peter Heisig hat 2022 in einem Kommentar bei LinkedIn folgendes dazu erwähnt: “Well, I always suggest my students to read the paper by Ilkka Tuomi (1999) ´Data is more than knowledge: Implications of the Reversed Knowledge Hierarchy for Knowledge Management and Organizational Memory´ which provides a very good discussion of the D-I-K hierarchy suggesting a different approach. Also Martin Fricke points out logical errors if the DIKW hierarchy in his paper (2009) „The knowledge pyramid: a critique of the DIKW hierarchy“. Finally, for the German reading colleagues, Derboven, Dick & Wehner (1999) present a very interesting approach from a work psychology perspective. Would be useful to consider the research already undertaken in our domain (Heisig 2022).
Es kann durchaus Sinn machen, sich am Anfang mit Hilfe der Wissenstreppe in das Themenfeld einzulesen. Die erwähnten kritischen Anmerkungen führen dann zu einem immer besseren Verständnis des Konstrukts “Wissen”, was letztendlich auch zu einem besseren Umgang mit Wissen in den Organisationen führt (Wissensmanagement).
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“.
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?
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?
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 undVerknüpfungsmusternzwischendiesen 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. Ein wichtiger Hinweis für den Umgang mit Wissen, also dem Wissensmanagement.
Daten 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.
Wir alle kennen die Hinweise auf Big Data, der großen – und immer größer werdenden – Datenmenge im Internet. Die Diskussion wird dabei von der IT-Sicht beherrscht: Es geht darum, die Daten auszuwerten – also Data Mining, Data Warehousing oder sogar Business Intelligence – zu betreiben. Es geht darum, das Geschäftsmodell einer Organisation datengetrieben auszulegen. Zusätzlich gibt es allerdings auch die gesellschaftliche Seite von Big Data. Diesem Blickwinkel wird im Verhältnis zur IT- und Business-Perspektive doch relativ wenig Raum gegeben. Es ist daher sehr erfreulich, dass sich die Bundeszentrale für politische Bildung (bpb) in ihrem Newsletter “Aus Politik und Zeitgeschehen” (APuZ aktuell) vom 09.03.2015 (65. Jahrgang, 11-12/2015) mit Big Data befasst. Die Beiträge sind unter bpb (Hrsg.) (2015): Big Data frei verfügbar.:
Evgeny Morozov „Ich habe doch nichts zu verbergen“ Christian Stöcker “Politikfeld Big Data” Viktor Mayer-Schönberger “Zur Beschleunigung menschlicher Erkenntnis” Rolf Kreibich “Von Big zu Smart – zu Sustainable?” Peter Langkafel “Dr. Algorithmus? Big Data in der Medizin” Yvonne Hofstetter “Big Data und die Macht des Marktes”
Informationen zu unseren Lehrgängen finden Sie auf unserer Lernplattform.
Die Studie Bitkom (2014): Big Data in deutschen Unternehmen (PDF) zeigt auf, dass sich Unternehmen doch deutlich stärker mit dem Thema befassen. “Die Ergebnisse zeigen: Der Einsatz der Big Data-Technologie steht gerade an der Schwelle von einer Nischenanwendung zur Nutzung in der Breite.” Big Data hat – wie viele Entwicklungen – zwei Seiten. Die eine Seite befasst sich mit dem Schutz von Daten und den negativen Entwicklungen, mit großen Datenmengen unkontrolloiert umzugehen (NSA läßt grüßen). Die andere Seite zeigt die großen Möglichkeiten auf, die sich aus der Zurverfügungstellung großer Datenmengen nicht nur für große Unternehmen ergeben. Gerade kleine Start-ups können frei zugängliche große Datenmengen dazu nutzen, neue innovative Anwendungen zu entwickeln. Siehe dazu auch GovData.
Diese Website benutzt Cookies. Wenn du die Website weiter nutzt, gehen wir von deinem Einverständnis aus.OK
