Digitale Souveränität: Collective App – eine Art Wiki in unserer Nextcloud

Eigener Screenshot von unserer Nextcloud mit der App “Collective”

Unsere Nextcloud (Open Source) ist ein zentrales Element auf dem Weg zur Digitalen Souveränität. Dazu gehören nicht nur Möglichkeiten, LocalAI oder auch KI-Agenten zu nutzen, sondern auch Anwendungen (Apps), die wir im Tagesgeschäft benötigen.

Zum Beispiel haben wir die App Collective installiert und aktiviert. In der Abbildung ist ein Screenshot von einer angelegten Startseite zum Thema “Agentic AI Company” zu sehen.

Zu diesem Bereich kann ich nun verschiedene Teilnehmer zuordnen/einladen. Dabei können alle die jeweiligen Seiten wie in einem Wiki kollaborativ bearbeiten. Diese Möglichkeit geht über die reine Bereitstellung eines gemeinsamen Ordners hinaus und unterstützt die gemeinsame Entwicklung von (expliziten) Wissen.

Wichtig dabei ist, dass alle Daten, die hier gemeinsam geteilt und bearbeitet werden, auf unserem Server bleiben.

Natürlich können auch andere Wiki-Apps (Open Source) in die Nextcloud eingebunden werden. Jeder kann somit seine Nextcloud so konfigurieren, wie er möchte.

UNESCO (2025): AI and the future of education

Ausschnitt von der Titelseite

Es ist deutlich zu erkennen, dass die Entwicklungen im Bereich der Künstlichen Intelligenz Auswirkungen auf den Bildungssektor haben. Die Frage ist nur, ob die sich daraus entstehenden Fragen nur aus der Perspektive von Tech-Unternehmen beantwortet werden sollten. Es ist meines Erachtens in diesem Zusammenhang gut, dass sich die UNESCO diesem Thema ausgewogen und unter einer globalen Perspektive angenommen hat.

UNESCO (2025): AI and the future of education. Disruptions, dilemmas and directions | LINK

Gleich im einleitenden Summary weist die UNESCO darauf hin, dass ein Drittel der Weltbevölkerung offline ist. Das wiederum hat Auswirkungen darauf, welches Wissen, welche Werte und welche Sprachen in den KI-Systemen, und somit auch in der KI-unterstützten Bildung, dominieren.

“Artificial intelligence (AI) is reshaping the way we learn, teach and make sense of the world around us, but it is doing so unequally. While one-third of humanity remains offline, access to the most cutting-edge AI models is reserved for those with subscriptions, infrastructure and linguistic advantage. These disparities not only restrict who can use AI, but also determine whose knowledge, values and languages dominate the systems that increasingly influence education. This anthology explores the philosophical, ethical and pedagogical dilemmas posed by disruptive influence of AI in education” (UNESCO 2025).

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.

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.

The Cynefin Mini-Book. An Introduction to Complexity and the Cynefin Framework

Im Projektmanagement ist es heute wichtig, zwischen einfachen, komplizierten und komplexen Projekten zu unterscheiden, um das angemessene Vorgehensmodell zu bestimmen.

Dabei können Organisationen im einfachsten Fall mit der Stacey-Matrix, oder auch mit ausführlicheren Analysemethoden nach Boehm & Turner oder Timinger usw. arbeiten. Siehe dazu Projektmanagement: Das geeignete Vorgehensmodell finden.

Darin wird auch das Cynefin-Framework als geeignetes Instrument erwähnt, das ursprünglich aus dem Wissensmanagement kommt. Siehe dazu Projektmanagement: Das Cynefin-Framework und der Bereich “disorder”. Natürlich kann man sich bei Wikipedia oder auch von KI-Modellen Informationen zum Cynefin-Framework zusammenstellen, doch ist es manchmal auch gut, sich ein Buch anzusehen,.

Brougham, G. (2015): The Cynefin Mini-Book. An Introduction to Complexity and the Cynefin Framework | PDF

Das frei verfügbare Mini-Buch zum Thema ist deshalb wertvoll, da es die verschiedenen Facetten des Cynefin-Frameworks intensiv thematisiert, und dazu auch noch wichtige Quellen angibt.

Neue Erkenntnisse zum Zusammenhang zwischen Innovation und Lernen

Top view of multiracial young creative people in modern office. Group of young business people are working together with laptop, tablet, smart phone, notebook. Successful hipster team in coworking. Freelancers.

Dass Innovationen mit Lernen zusammenhängen ist offensichtlich, da es sich bei Innovationen um etwas Neues handelt. Neues bedeutet auch oft komplexes Problemlösen. In so einem Umfeld ist das Lernen von Individuen, Gruppen, Organisationen und Netzwerken wichtig, denn Lernen ist der Prozess und (neues) Wissen das Ergebnis (nach Willke 2018).

Neuere Forschungsergebnisse zeigen nun auf, dass es für Teams, die sich mit Innovationen befassen, erfolgsversprechend ist, wenn sie “establishing a rhythm that alternates thoughtfully between exploration and reflection” (Harvey et al 2025). Die Autoren schlagen daher vor, wie folgt vorzugehen:

(1) Experimental learning
(2) Vicarious learning
(3) Contextual learning
(4) Reflexive learning

Harvey et al. (2025): New Research on the Link between Learning and Innovation, in HBR vom 14.07.2025.

In dem Artikel werden noch weitere Einzelheiten zur effektiven Vorgehensweise genannt, die Sie für Ihre Innovationsprojekte nutzen können.

Siehe dazu auch Ambidextres Innovationsmanagement: Zwischen Exploration und Exploitation.

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.

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.

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?

Spannungsfelder des Kompetenzmanagements

Gefunden in einem Workshop von Oliver P. Müller aus dem Jahr 2006 zu Mitarbeiterwissen identifizieren, entwickeln und dauerhaft erhalten

Die etwas ältere Abbildung zeigt gut auf, welche Spannungsfelder bei einem modernen Kompetenzmanagement zu beachten sind:

Kompetenzträger: Hier geht es um die Ebenen Individuum, Gruppe und Organisation. Hinzufügen würde ich noch die Ebene Netzwerk.

Kompetenzart: Gemeint sind hier die Fachkompetenz, die Methodenkompetenz und die Sozial-/Persönlichkeitskompetenz . Wie Sie als Leser unseres Blogs wissen, gehe ich nach Erpenbeck/Heyse von Kompetenz als Selbstorganisationsdisposition aus.

Anwendungsrahmen: Dieser Aspekt bezieht sich auf die drei Dimensionen Identifikation, Verteilung und Entwicklung. Kompetenzen sind also nicht fix, sondern relational entwickelbar.

Durch die drei Spannungsfelder entsteht eine dreidimensionale Abbildung, die einen ersten Einblick in die Dynamik des gesamten Systems gibt.

Weiterhin ist zu beachten, dass Kompetenz auf der organisationalen Ebene eher aus der betriebswirtschaftlichen Perspektive, Ressource Based View, Kernkompetenzen usw.) und Kompetenz auf der individuellen Ebene eher aus der pädagogischen Perspektive (Selbstorganisiertes Lernen etc.) betrachtet wird. In einer Organisation sollte allerdings auf allen Ebenen ein stimmiges, einheitliches Verständnis von Kompetenz und Kompetenzmanagement vorhanden sein.

Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk.