Veröffentlicht am

Wissensarchitektur: Brick or Brain?

Image by Pexels from Pixabay

Dass wir als Gesellschaft immer stärker von Wissen abhängig sind, deutet der Begriff Wissensgesellschaft an. Dabei möchte ich anmerken, dass viele Akteure, Verwaltungen, Unternehmen, einzelne Personen noch immer Wissen mit Daten und Informationen gleichsetzen, und z.B. die implizite Dimension des Wissens vernachlässigen.

In der Industriegesellschaft wurden Gebäude geplant und gebaut, die das arbeitsteilige Prinzip des Taylorismus unterstützten. Dabei wurde großer Wert auf das Trennende gelegt: Hier wurde gearbeitet, dort gelebt. Hier gab es das Schuhgeschäft, dort die Schule und an einem anderen Ort das Altenheim. In Zeiten einer Reflexiven Modernisierung kommt es allerdings seit Jahrzehnten immer mehr zu Entgrenzungen und Vernetzungen von bisher getrennten Bereichen.

Immer mehr hybride Strukturen entstehen – im Management, bei der Raumgestaltung, der Architektur. Eine Architektur, die sich an der Wissensperspektive und an einem vielschichtigen Wissensaustausch orientiert, muss sich zwangsläufig von einer Architektur unterscheiden, die eher industriell geprägt war. Es wundert daher nicht, dass immer mehr offene Räume entstehen (Open Spaces), Räume in denen gearbeitet und gelebt wird usw. usw. All das kann aus der Soziologie (Reflexive Modernisierung) und mit Hilfe der Wissensperspektive erklärt werden.

In dem Artikel Schröder, I. (2014): Wissensarchitektur: Erfahrungen eines Wissenschaftsparks, in Wessels (Hrsg.) (2014) stellt die Autorin das Thema Wissensarchitektur anhand eines Wissenschaftsparks dar. Dabei verweist sie auch auf eine einprägsame Formulierung:

“Der Science Park Manchester hat die zu Grunde liegende Wissensarchitektur-Frage in der Kürze auf den Punkt gebracht, die der englischen Sprache eigen ist:: brick or brain? Die deutsche Übersetzung könnte Gebäude oder Geist lauten” (ebd.).

Ergänzend würde ich allerdings hier empfehlen von “Brick and Brain ” auszugehen – ganz im sinne einer hybriden Denk- und Handlungsweise.

Siehe dazu auch Tsigkas, A. (2024): Between Theory and Practice in Architectural Design.

Veröffentlicht am

Waterfall-Agile: Unterschiedliches Erarbeiten von Features

Bain & Company (2015): Agile Innovation

Die Abbildung zeigt die prinzipielle Vorgehensweise im Wasserfallmodell und beim agilen Vorgehen bei Innovationen.

Bei Wasserfallmodell gibt es zu jedem Feature (1-4) die Schritte Discover – Design – Develop – Integrate – Test – Deploy, wobei erst beim letzten Schritt das jeweilige Feature vorliegt.

Bei der agilen Vorgehensweise werden für das Feature 1 die genannten Schritte durchgeführt, anschließend (idealtypisch aufbauend) für Feature 2 usw.

Das sind natürlich wirklich nur grundsätzliche Unterschiede, denn zwischen beiden Extrempositionen gibt es ein Kontinuum von Kombinationsmöglichkeiten. Diese hängen dann beispielsweise von den jeweiligen Rahmenbedingungen, z.B. rechtliche Vorgaben, Vorschriften, Ausschreibungen usw., ab.

In solchen Fällen kommt es zu einem hybriden, adaptiven Vorgehen bei der Entwicklung von Innovationen. Dabei ist es die Kunst, für das jeweilige Projekt, Programm oder Portfolio das angemessene Vorgehensmodell herauszufinden. Siehe dazu auch:

Projektmanagement: Das geeignete Vorgehensmodell finden

Agiles Projektmanagement: Anforderungen auf verschiedenen Granularitätsebenen

Ambidextres Innovationsmanagement: Zwischen Exploration und Exploitation

Veröffentlicht am

Digitale Souveränität: Was macht ihr denn so mit eurer Nextcloud? Antwort: Immer mehr!

Screenshot unserer Nextcloud-Startseite

Digitale Abhängigkeit kann für Personen, Organisationen oder ganze Gesellschaften kritisch sein. In Zeiten der Trump-Administration und der massiven Marktbeherrschung bei Software, Cloud-Anwendungen und Künstlicher Intelligenz durch US-amerikanische Tech-Konzerne wird es Zeit, auf allen Ebenen über Digitale Souveränität nachzudenken, und entsprechend zu handeln.

Zum Beispiel mit: Sovereign Workplace: Der unabhängige Arbeitsplatz auf integrierter Open Source Basis. Weiterhin wird vielen Verwaltungen in der Zwischenzeit klar, wie viel Geld an Rahmenverträgen, Lizenzen und Software an Big-Tech gezahlt werden muss. Es sind 13,6 Milliarden Euro pro Jahr (Quelle: Golem 04.07.2025).

In der Zwischenzeit gibt es viele Open Source Anwendungen die als Alternativen zur Verfügung stehen. Das dänische Digitalministerium ersetzt beispielsweise Microsoft Office durch Libre Office, Schleswig-Holstein setzt in der Verwaltung auf Nextcloud usw. usw.

Wir haben diese Entwicklung schon vor Jahren kommen sehen, und uns langsam aber sicher ein eigenes Open-Source-Ökosystem zusammengestellt, das wir immer stärker nutzen und ausbauen – Schritt für Schritt.

(1) Zunächst haben wir Nextcloud auf unseren Servern installiert. Damit konnten wir die bekannten Microsoft-Anwendungen, inkl. MS-Teams (jetzt mit Nextcloud Talk), Whiteboard, usw. ersetzen. Dateien können auch kollaborativ, also gemeinsam, bearbeitet werden. Siehe dazu beispielsweise auch Google Drive im Vergleich zu Nextcloud. Alle Möglichkeiten der Nextcloud finden Sie unter https://nextcloud.com/.

(2) Anschließend haben wir OpenProject auf unseren Servern installiert und mit unserer Nextcloud verknüpft. Wir können damit Plangetriebenes Projektmanagement, Hybrides und Agiles Projektmanagement abbilden. Die Integration mit unserer Nextcloud bietet die Möglichkeit, aus OpenProject heraus die komplette Dateiverwaltung in Nextcloud zu verwalten: Projektarbeit mit Nextcloud: Dateien kollaborativ organisieren und bearbeiten.

(3) Danach haben wir den Nextcloud-Assistenten integriert, sodass wir in jeder Nextcloud-Anwendung den Assistenten mit seinen verschiedenen Funktionen nutzen können; inkl. eines Chats mit hinterlegter lokaler Künstlichen Intelligenz – LocalAI (Siehe Punkt 5).

(4) Mit Nextcloud Flow können wir Abläufe automatisieren. Zunächst natürlich Routineabläufe, und wenn es komplexer wird mit KI-Agenten (Siehe Punkt 6).

(5) Eine weitere wichtige Ergänzung war dann LocalAI, das uns lokale KI-Anwendungen auf unserem Server ermöglicht – eingebunden in den Nextcloud-Assistenten (Siehe Punkt 3) Alle Daten bleiben auch hier auf unseren Servern.

(6) Aktuell arbeiten und testen wir KI-Agenten auf Open-Source-Basis. Dabei verknüpfen wir über Ollama eine ausgewählte Trainingsdatenbank (Large Language Model oder Small Language Model – alles natürlich Open Source AI) mit unseren eigenen Daten, die in unserer Nextcloud zur Verfügung stehen. Dafür verwenden wir aktuell Langflow, das auch auf unserem Servern installiert ist – auch diese Daten bleiben alle bei uns.

(…..) und das ist noch lange nicht das Ende der Möglichkeiten. Sprechen Sie uns gerne an, wenn Sie zu den genannten Punkten Fragen haben.

Veröffentlicht am

Verbesserungen: Die drei Arten der Selbstreflexion

Image by This_is_Engineering from Pixabay

Wenn es um Verbesserungen geht denken wir oft daran, nach einer Tätigkeit zu reflektieren (Retrospective). um für die kommenden Schritte zu lernen. Die Retrospective ist sogar Bestandteil des Scrum-Frameworks.

Darüber hinaus gibt es allerdings auch noch die Prospective, bei der im Vorfeld eines Prozesses, darüber nachgedacht wird, was auf mich zukommen kann.

Zwischen den beiden genannten Arten kommt noch das Accompanying hinzu, bei der ich darüber nachdenke, wie ich aktuell meine Arbeit verrichte.

Etwas vereinfacht kann das so aussehen:

Prospective >Accompanying< Retrospective
Die drei Arten der Reflexion (vgl. Brand et al. 2024)

Alle drei Arten der Selbstreflexion führen zu Lernaktivitäten und letztendlich zu kontextspezifischen Wissen. Dieses Wissen wird selbstorganisiert so angewendet, dass ein komplexes Problem gelöst werden kann.

In diesem Sinne entsteht Kompetenz als Selbstorganisationsdisposition auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk.

Siehe dazu auch Qualitätsnetzwerk zur Analyse für mögliche Verbesserungen.

Veröffentlicht am

Arbeitsgruppe Dach30 zu Shu Ha Ri und Agilität

Agilität war in den letzten mehr als 20 Jahren (Agiles Manifest 2001) ein Schwerpunkt für kollaboratives Arbeiten in komplexen Problemlösungssituationen – beispielsweise in innovativen Projekten. In der Zwischenzeit wird Agilität durch die Entwicklungen bei der Künstlichen Intelligenz etwas in der Wahrnehmung zurückgedrängt.

Dennoch möchte ich hier einen Ansatz zu Agilität vorstellen, den ich in einer Veröffentlichung der Dach30 gefunden habe. Dach30 bezeichnet eine Arbeitsgruppe aus 30 führenden Großunternehmen, für die Start-up-Standards wohl oft nicht ausreichen.

Dach30 (2019): Mindeststandards für Unternehmensagilität | PDF.

Darin wird gleich am Anfang der Zusammenhang zwischen Agilität und Shu Ha Ri hergestellt, das aus der asiatischen Kampfkunst hervorgegangen ist. Im Zusammenhang mit Agilität bedeutet Shu so viel wie kopieren, nachmachen, HA so etwas wie durchbrechen, abweichen, und RI so etwas wie neu verwenden. Die Arbeitsgruppe Dach 30 hat diese Zusammenhänge im folgenden Stufenmodell zusammengefasst:

ShuHaRi
Kennt agile Werte und PrinzipienLebt agile Werte und PrinzipienVerankert nachhaltig agile Werte und Prinzipien, gestaltet Governance aktiv
Begleitung durch einen ExpertenAlleineAnderen helfen
Doing AgileBecoming AgileBeing Agile
Dach30 (2019)

Aus diesen grundlegenden Überlegungen leitet die Arbeitsgruppe sehr viele “Learning Objects” ab, was wiederum insgesamt ein umfangreiches Framework ergibt. Zunächst einmal erscheint alles sehr schlüssig und umsetzbar zu sein. Ergänzend möchte ich folgende Punkte anmerken:

(1) Shu Ha Ri wird hier mit Lernebenen, oder auch Kompetenzebenen assoziiert. Das erinnert stark an Dreyfus model of skill acquisition – Ebenen der Kompetenzentwicklung. Warum wird das Modell von Dreyfus nicht gleich verwendet? Warum der “Umweg” über Shu Ha Ri? Weiterhin sollte man bedenken, dass Stufen-Modelle immer wieder kritisiert werden – auch im agilen Kontext.

(2) Wenn es um Stufen der Kompetenzentwicklung bei Agilität geht, so stellt sich für mich die Frage, ob Agilität in Organisationen nicht letztendlich bedeutet, Kompetenzentwicklung (Kompetenz als Selbstorganisationsdisposition) auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk umzusetzen. Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk.

(3) “Learning Objects” sind hier als Inhalte gemeint, die gelernt werden sollten (Lernziele, Kompetenzentwicklung). Es sind allerdings Subjekte (nicht Objekte) die Lernen. Der Begriff “Learning Objects” kann hier in die Irre führen. In meinen Veröffentlichungen habe ich in verschiedenen Paper immer wieder darauf hingewiesen. Das erste Mal ausführlich in Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland. Download | Flyer.

Siehe dazu auch Agiles Lernen und selbstorganisierte Kompetenzentwicklung.

Veröffentlicht am

Digitale Souveränität: Die Initiative AI for Citizens

Website: https://mistral.ai/news/ai-for-citizens

Immer mehr Privatpersonen, Organisationen, Verwaltungen usw. überlegen, wie sie die Möglichkeiten der Künstlichen Intelligenz nutzen können. Dabei gibt es weltweit drei grundsätzlich unterschiedliche Richtungen: Der US-amerikanische Ansatz (Profit für wenige Unternehmen), der chinesische Ansatz (KI für die politische Partei) und den europäischen Ansatz, der auf etwas Regulierung setzt, ohne Innovationen zu verhindern. Siehe dazu Digitale Souveränität: Europa, USA und China im Vergleich.

Es freut mich daher sehr, dass es in Europa immer mehr Initiativen gibt, die Künstliche Intelligenz zum Wohle von Bürgern und der gesamte Gesellschaft anbieten möchten – alles Open Source. Das in 2023 gegründete Unternehmen Mistral AI hat so einen Ansatz, der jetzt in der Initiative AI for Citizens eine weitere Dynamik bekommt, und einen Gegenentwurf zu den Angeboten der bekannten Tech-Giganten darstellt:

“Empowering countries to use AI to transform public action and catalyze innovation for the benefit of their citizens” (Quelle).

Dabei listet die Website noch einmal ausführlich die Nachteile der “One size fits all AI” auf, die vielen immer noch nicht bewusst sind.

Informieren Sie sich über die vielen Chancen, Künstliche Intelligenz offen und transparent zu nutzen und minimieren Sie die Risiken von KI-Anwendungen, indem Sie offene und transparente Trainingsmodelle (Large Language Models; Small Language Models) und KI-Agenten nutzen. Siehe dazu auch

Das Kontinuum zwischen Closed Source AI und Open Source AI

Open Source AI: Warum sollte Künstliche Intelligenz demokratisiert werden?

Open Source AI: Besser für einzelne Personen, Organisationen und demokratische Gesellschaften

Veröffentlicht am

Relatives Schätzen: Von T-Shirt Größen zu Fibonacci-Werten

Im Projektmanagement wird an vielen Stellen geschätzt. Beim Plangetriebenen Projektmanagement wird absolut geschätzt, beispielsweise in Tagen (Dauer) oder auch in Personentagen (Aufwand). Beim Agilen Projektmanagement geht es darum, relativ zu schätzen. Es geht immer um den Bezug auf etwas.

Anforderungen werden hier oft als User Story formuliert, dabei wird oft bei der Schätzung des Aufwands mit T-Shirt Größen gearbeitet. Dazu wird eine Referenz benötigt. Nehmen wir einmal an, die User Story mit der ID=9 wird mit einer T-Shirt Größe “S”, geschätzt, dann werden alle anderen User Stories relativ dazu geschätzt.

Manche fragen an dieser Stelle, warum man nicht gleich Zahlen, z.B. die Fibonacci-Werte, verwendet. Dazu habe ich folgende Erläuterung gefunden:

“Wir verzichten darauf, die Fibonacci-Werte von Beginn an zu nutzen, weil wir möchten, dass das Team sich komplett vom Denken in Zahlen löst. Zahlen werden unbewusst immer wieder miteinander oder mit Tagen oder Stunden verglichen. Wir möchten erreichen, dass sich das Team auf »größer, gleich, kleiner« konzentriert und die Stories nur relativ zueinander schätzt” (Röpstorff/Wiedmann 2016).

Dennoch wird es irgendwann dazu kommen, dass man sich von den T-Shirt Größen löst und Zahlen nutzen möchte. Dazu werden für User Stories Zahlen aus der angepassten Fibonacci-Reihe genutzt, und als Story Points bezeichnet. Dabei kann folgende Gegenüberstellung nützlich sein:

T-Shirt GrößenStory Points
XS1
S2
M3
L5
XL8
XXL13
Quelle: Röpstorff/Wiedmann 2016

User Stories mit Story Points größer als 13 sollten noch einmal analysiert werden, denn es könnte sein, dass der Aufwand für einen Sprint zu groß ist, und es sich somit um ein Epic handelt.

Siehe dazu auch Planning Poker beim relativen Schätzen nutzen – analog oder auch online.

Veröffentlicht am

Innovationen: Blue Ocean Strategie im Zeitalter Künstlicher Intelligenz

Image by Elias from Pixabay

Es ist für Unternehmen heute nicht leicht, eine geeignete Strategie für Innovationen zu entwickeln. Dabei können inkrementelle oder auch disruptive Innovationen im Fokus stehen. Kleine, inkrementelle Verbesserungen sind möglicherweise in Zeiten von Künstlicher Intelligenz (Artificial Intelligence) nicht mehr ausreichend. An dieser Stelle kommt die Blue-Ocean-Strategie ins Spiel:

“Die Blue-Ocean-Strategie beschäftigt sich mit disruptiven Verbesserungen von Produkten bzw. Produktideen. Disruption (= zerstören, unterbrechen) beschreibt einen Prozess, bei dem ein bestehendes Geschäftsmodell oder ein Markt von Innovationen abgelöst bzw. verdrängt wird. Die Blue-Ocean-Strategie unterteilt Märkte in sogenannte Red Oceans und Blue Oceans. Blue Oceans umfassen zukünftige, noch zu schaffende Markträume, in denen Wettbewerb eine Zeit lang wenig Relevanz hat. Der Fokus von Unternehmen liegt auf dem Aufbau von Nutzeninnovationen für die Kundschaft in neuen Markträumen. Dadurch erreichen Blue-Ocean-Produkte eine Differenzierung (Alleinstellungsmerkmale); sie sind zunächst wettbewerbsarm und erlauben höhere Gewinne (vgl. Kim/ Mauborgne 2015). Red Oceans umfassen hingegen die Gesamtheit des bereits bestehenden Wettbewerbs. Es gilt die existierende Nachfrage zu nutzen und zu steigern, um sich im bestehenden Wettbewerb zu behaupten” (RKW 2018).

Was hat das nun mit Künstlicher Intelligenz zu tun? Wie ich in dem Beitrag Warum wird GESCHÄFTSMODELL + AI nicht ausreichen? erläutert habe, ist es in Zukunft nicht mehr ausreichend, einfach zu den bestehenden Innovationsprozessen Künstliche Intelligenz hinzuzunehmen. Es kommt eher darauf an, die Möglichkeiten von Künstlicher Intelligenz (Artificial Intelligence) für ganz neue/neuartige Produkte und Dienstleistungen zu nutzen. Ganz im Sinne von AI +. Mit AI meine ich dabei immer Open Source AI.

Veröffentlicht am

Projektmanagement: Das geeignete Vorgehensmodell finden

Quelle: Timinger, H.; Seel, C. (2016) nach Boehm und Turner

Im Projektmanagement gibt es in der Zwischenzeit die Erkenntnis, dass es zwischen den beiden Polen “Plangetriebenes Projektmanagement” und Agiles Projektmanagement” sehr viele Möglichkeiten für geeignete Vorgehensmodelle gibt.

Diese für seine Projekte zu analysieren (manchmal auch mehrmals während des Projektverlaufs) ist in Zukunft eine wichtige Aufgabe in Organisationen. Dafür stehen in der Zwischenzeit mehrere Optionen zur Verfügung. Siehe dazu DAS Projektmanagement-Kontinuum in der Übersicht, die für das eigene Projekt anhand verschiedener Kriterien ausgewählt werden können.

Zunächst einmal kann das mit der allseits bekannten Stacey-Matrix erfolgen, die eine einfache Möglichkeit bietet, schnell einen Überblick zu erhalten.

Cinefin wiederum nutzt eher die Wissensperspektive und zu analysieren, welches Vorgehensmodell geeignet erscheint.

Boehm und Turner schlagen vor, ein Projekt nach insgesamt 5 Dimensionen zu charakterisieren (siehe Abbildung): Menschen, Stabile Anforderungen, Kultur, Projektgröße und Gefährdungspotenzial.

Timinger wiederum hat in seinen Veröffentlichungen eine umfangreiche Liste an Kriterien zusammengestellt, die eine noch differenziertere Beurteilung ermöglicht. Siehe dazu Projektmanagement: Einfaches Tool zur Analyse des angemessenen Vorgehensmodells – Planbasiert, Hybrid, Agil.

Überlegen Sie, welche Instrumente für Ihre Organisation genutzt werden sollten. Möglicherweise entwickeln Sie aus den genannten Optionen ein eigenes Analysetool, für Projekte, Programme und Portfolios.

Veröffentlicht am

Management 1.0 bis 4.0 und das Agile Manifest

Eigene Darstellung. Quelle: Oswald (2016); GPM-Workshop “Agiles Projekt Management 4.0“

In dem Artikel North, K; Maier, R. (2018): Wissen 4.0 – Wissensmanagement im digitalen Wandel gehen die Autoren von der Annahme aus, dass die Wissensproduktion genau so wie Arbeit (Arbeit 1.0 bis Arbeit 4.0) in Wissen 1.0 bis 4.0 aufgeteilt werden kann. Dabei erweitern sie das Konstrukt der Wissenstreppe in eine Wissenstreppe 4.0.

Ähnlich kann auch für das Management argumentiert werden (siehe Abbildung), das sich von einem Management 1.0 (Command and Control, wissenschaftlich) zum Management 2.0 (Markt-Strategien, add on Tools) weiterentwickelt hat, und über das Management 3.0 Komplexität, wissenschaftliche Analogien) zu Management 4.0 (Komplexität als Geschenk, vernetzte Modelle) weiterentwickelt hat. Dabei ist zu beachten, dass in Organisationen oftmals Arbeit 1.0-4.0 und Management 1.0-4.0 vorhanden sind.

Wie in der Abbildung weiterhin zu erkennen ist, stellt das Agile Manifest (Manifest für agile Softwareentwicklung) aus dem Jahr 2001 einen Vorschlag dar, besser mit Komplexität umzugehen. Daraus ist wiederum das Framework Scrum entstanden, wobei der Begriff Scrum in einem Paper aus dem Jahr 1986 geprägt wurde.

Siehe dazu auch Agiles Projektmanagement und das Agile Manifest – passt das wirklich zusammen?