Veröffentlicht am

Innovationen machen sich Veränderungen zunutze, die schon stattgefunden haben. Was haben Konferenzen damit zu tun?

In den letzten Jahrzehnten habe ich weltweit an vielen Konferenzen teilgenommen. Beispielhaft möchte ich hier nur die erste Weltkonferenz zu Mass Customization and Personalization MCPC 2001 an der Hong Kong University of Science and Technology (HKUST), die MCPC 2003 in München, die MCPC 2007 am MIT in Boston, die MCPC 2015 in Montreal usw. nennen..

Überall konnte ich sehen, welche Themen die Forscher in ihren Veröffentlichungen vorstellten. Konferenzen sind daher ein vorlaufender Indikator für aktuelle und zukünftige Entwicklungen, auch für Innovationen. Solche Zusammenhänge hat Peter Drucker schon vor vielen Jahren aufgezeigt:

„Es wird allgemein angenommen, dass Innovationen grundsätzlich Veränderungen herbeiführen – doch nur die wenigsten leisten das. Erfolgreiche Innovationen machen sich Veränderungen zunutze, die schon stattgefunden haben. Sie nutzen beispielsweise den Time-lag – in der Wissenschaft macht dieser oft zwanzig bis dreißig Jahre aus – zwischen der Veränderung an sich und deren Auf- und Annahme. Während dieses Zeitraums muss der Nutznießer dieses Wandels kaum, wenn überhaupt, Konkurrenz befürchten“ (Drucker 1996).

Manche Themen wie die Entwicklung und Nutzung von Konfiguratoren im Rahmen der Hybriden Wettbewerbsstrategie Mass Customization, Problemlösungen zur Verschwendung in der Massenproduktion durch Personalisierung, oder die Nutzung von Additive Manufacturing (3D-Druck), usw. wurden in den letzten Jahrzehnten schon auf Konferenzen vorgestellt. Es dauerte dann doch noch viele Jahre, bis die Entwicklungen im Mainstream der Unternehmen ankamen.

Es ist eine Kunst, die auf Konferenzen aufgezeigten Themen und Problemlösungen für die eigene Organisation zum richtigen Zeitpunkt nutzbar zu machen, also als Innovationen anzubieten. Die von Drucker angesprochene Zeitspanne von 20-30 Jahren bietet hier die Möglichkeit, das richtige Timing zu finden. Zu früh mit Innovationen auf den Markt zu gehen, kann genau so negativ sein, wie Innovationen zu spät anzubieten.

Auf der Konferenz MCP 2026 haben Sie im September wieder die Möglichkeit, sich über die Themen (Mass) Customization und Personalization, sowie Open Innovation aus erster Hand zu informieren. Die von mir initiierte Konferenzreihe findet in diesem Jahr das 12. Mal statt, und zwar in Balatonfüred (Ungarn). Wir werden auch dabei sein.

Veröffentlicht am

Warum ist es so schwierig, Experten-Wissen zu teilen?

In dem Beitrag If HP knew what HP knows, we would be three times as profitable hatte ich schon einmal darauf hingewiesen, dass der Umgang mit Wissen im Allgemeinen in Unternehmen nicht so einfach ist. Betrachten wir speziell noch das Wissen von Experten, also deren Expertise, so wird deutlich, dass es sehr schwierig ist, dieses Experten-Wissen zu teilen, oder sogar zu übertragen. Dazu habe ich folgende Begründung gefunden:

„One set of limitations on sharing expertise is cognitive, that is, the way experts store and process information may make it difficult for them to share that expertise with others regardless of whether or not they are motivated to do so.

Another cognitive problem in transferring knowledge is the challenge of articulating knowledge that is tacit rather than explicit.

Another problem in asking experts to articulate knowledge is that knowledge is embedded and difficult to extract from the particular situation or environment (Brown and Dunguid 1998; Hansen 1999; Lave and Wenger 1991.“

Quelle: Hinds, P. J.; Pfeffer, J. (2003), in: Ackerman, M. S.; Pipek, V.; Wulf, V. (2003) (Eds.).

Auch in Zeiten von Künstlicher Intelligenz sollten wir uns die Frage stellen, welches Experten-Niveau hier erreicht werden kann. Siehe dazu auch

KI und Arbeitsmarkt: Interessante Erkenntnisse aus einer aktuellen, belastbaren wissenschaftlichen Studie

Wissensmanagement und Expertise (Expertenwissen teilen)

Veröffentlicht am

Das Netzwerk vom Lernen

Eigene Darstellung nach Vester, F. (2001)

Wenn wir von Lernen sprechen, weiß scheinbar jeder, was gemeint ist. Alle reden mit, wenn es ums Lernen geht, doch kaum jemand weiß, was man unter Lernen versteht und was Lernen ausmacht. Lernen wird in der Schule, an Universität oder möglicherweise noch ein wenig im Beruf verortet.

Dass Lernen aufgrund der Informationen aus der Umwelt permanent stattfindet, und dass Lernen ein sehr komplexes Netzwerk darstellt, ist für viele möglicherweise eine kleine Überraschung.

Frederic Vester, der das vernetzte Denken in komplexen Systemen immer wieder propagiert hat, hat versucht, Lernen in seinen Grundzügen zu visualisieren. In der Abbildung wird deutlich, dass es sich hier um eine grobe und vereinfachende Darstellung des sehr vielfältigen und vernetzten Prozess des Lernens handelt.

Dennoch wird deutlich, dass Lernen nicht so einfach gesteuert werden kann, wie eine triviale Maschine, denn der Mensch ist eher ein nicht-triviales System. Die Erwachsenenbildung hat – Dank Arnold, R. – schon früh erkannt, dass man den Lernprozess nur ermöglichen kann, und schlägt folgerichtig dazu eine Ermöglichungsdidaktik vor.

Diese Erkenntnis sollten sich auch Unternehmen zu Nutze machen, die sich als Lernende Organisation verstehen und Lernen auf der individuellen Ebene, der Teamebene, der Organisationalen Ebene und der Netzwerkebene betrachten müssen. Doch: Welche Führungskraft versteht schon etwas von Lernprozessen? Siehe dazu auch

Agiles Lernen und selbstorganisierte Kompetenzentwicklung.

Künstliche Intelligenz macht Lebenslanges Lernen zur Pflicht.

Organisation und Lernen – ein immer noch schwieriges Thema. Warum eigentlich?

Lernende Organisation oder Organisationales Lernen?

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

Veröffentlicht am

Künstliche Intelligenz macht Lebenslanges Lernen zur Pflicht

In den letzten Jahrhunderten hat sich angedeutet, dass einmal Erlerntes immer wieder aktualisiert werden musste (Abbildung). In manchen Bereichen kommt es auch vor, dass das Erlernte gar nicht mehr benötigt wurde, und Mitarbeiter von Unternehmen ganz neue Themen lernen mussten.

Diese Entwicklung nimmt nun mit den Möglichkeiten der Künstlichen Intelligenz noch einmal Fahrt auf. Klassische Abschlüssen und Zertifikate können durchaus schnell an Wert verlieren. Die Beratungsgesellschaft McKinsey verkündet sogar das Ende der klassischen Ausbildung – ganz im Sinne des Lebenslangen Lernens. In einem Artikel dazu findet man folgenden Kommentar:

„Für Arbeitnehmer bedeutet dies, dass die eigene Lernfähigkeit zum wichtigsten Kapital wird, während Unternehmen ihre Personalstrategien grundlegend neu ausrichten müssen, um in einer KI-getriebenen Umgebung wettbewerbsfähig zu bleiben“ (Niels Matthiesen, Golem vom 07.01.2025).

Organisationen müssen verstehen, wie ihre Mitarbeiter, wie Teams (Projektteams), die gesamte Organisation und ihr Netzwerk lernen – ganz im Sinne einer Lernenden Organisation.

Dabei stellt sich natürlich gleich die Frage, ob Organisationen überhaupt etwas über Lernen wissen. Wie in der Abbildung zu erkennen ist, geht es in Zukunft nicht mehr um Sicherheitslernen, sondern um Unsicherheitslernen, was eine Kompetenzstärkung bedeutet.

Führungskräfte ermöglichen dabei Lernprozesse. Genau das ist die Aufgabe der Erwachsenenbildung. Führungskräfte sollten daher wissen, was unter moderner Erwachsenenbildung zu verstehen ist.

Siehe dazu auch Agiles Lernen und selbstorganisierte Kompetenzentwicklung.

Veröffentlicht am

Künstliche Intelligenz und Lernzieltaxonomie

blooms-taxonomy-revisited-v2-2024-deHerunterladen

Die Lernzieltaxonomie von Bloom et al. aus dem Jahr 1956 wird heute noch in ihrer ursprünglichen Fassung benutzt, obwohl es schon zeitgemäßere Weiterentwicklungen gibt.

Zunächst einmal ist der Vorschlag von Anderson und Krathwohl aus dem Jahr 2001 zu nennen, bei dem die oberste Ebene in Evaluieren umbenannt wurde, und eine weitere Ebene „Erschaffen“ hinzugekommen ist.

Auf Basis dieser Weiterentwicklung hat die Oregon State University 2024 eine englischsprachige Darstellung unter der Lizenz CC BY-NC 4.0 veröffentlicht, die die jeweiligen Ebenen mit den Möglichkeiten der Künstlicher Intelligenz ergänzt.

Das Trendscouting-Team der PHBern hat die gesamte Übersicht ins Deutsche übersetzt (Abbildung).

Veröffentlicht am

Generative Künstliche Intelligenz und generative Kompetenzentwicklung

Klassische Kompetenzentwicklung versteht Kompetenz nach Erpenbeck und Heyse als Selbstorganisationsdisposition, die entwickelt werden kann und sollte. Mit dem Aufkommen von Künstlicher Intelligenz kommt auch immer stärker der Ruf nach einer entsprechenden Kompetenz auf – einer Digitalen Kompetenz oder auch KI-Kompetenz. Dabei sollte unter Künstlicher Intelligenz und Generativer Künstlicher Intelligenz unterschieden werden.

„Der Begriff generativ bedeutet bei künstlicher Intelligenz (KI), dass KI-Systeme aus Eingaben mittels generativer Modelle und gespeicherter Lerndaten neue Ergebnisse/Ausgaben wie Texte, Sprachaussagen, Vertonungen, Bilder oder Videos erzeugen“ (Quelle: Wikipedia).

Es handelt sich bei Generativer Intelligenz (GenAI) also auch um eine Art von Kreativität, die entsteht und die beispielsweise von Menschen bewertet werden kann, bzw. sollte. Es wundert daher nicht, dass vorgeschlagen wird, so eine „evaluative Kreativität“ – und in dem Zusammenhang auch generative Kompetenzen – zu entwickeln:

„Entwickle Deine evaluative Kreativität, entwickle Deine generativen Kompetenzen. (…) Generative Kompetenzen: die Fähigkeit, sich in neuen Technologien kreativ und selbstorganisiert mit einer klaren Wertorientierung zu bewegen“ (Erpenbeck und Sauter 2025).

Bemerkenswert ist hier, dass es nicht nur darum geht, mit KI-Modellen sebstorganisiert umgehen zu können, sondern auch wichtig ist, dass das mit einer klaren Wertorientierung erfolgen soll.

Dabei stellt sich gleich die Frage: Welche Werte kaufe ich mir denn ein, wenn ich ein KI-Modell der US-amerikanischen Tech-Konzerne oder KI-Modelle chinesischer Anbieter nutze? Siehe dazu auch Mit proprietärer Künstlicher Intelligenz (KI) kauft man sich auch die Denkwelt der Eigentümer ein.

Veröffentlicht am

Projekt: Wissen, Kostenverlauf und Entscheidungsspielraum über die Zeit

Eigene Darstellung (vgl. Platz 2004)

Betrachten wir die Projektkosten, so steigen diese meistens über die Zeit an (Kostenverlauf). Die Kostenbeeinflussung nimmt demgegenüber mit der Zeit ab, sodass der Entscheidungsspielraum auch immer kleiner wird. Gleichzeitig generiert man über den Projektzeitraum immer mehr Wissen über das Projekt.

Es ist immer wieder erstaunlich, dass Unternehmen die hohen Kosten eines Projekts in der Umsetzung (Steuerungsphase) bemängeln, obwohl an dieser Stelle kaum noch Einfluss genommen werden kann.

Weiterhin wird hier deutlich, wie wichtig es wäre, Wissen aus anderen (ähnlichen) Projekten mit in den Start eines Projektes zu integrieren. Das Erfahrungswissen ist zwar nicht immer 1:1 übertragbar, kann allerdings dennoch zur besseren Entscheidungsfindung in den frühen Phasen eines Projekts beitragen.

Das Erfahrungswissen eines Projekts in der Abschlussphase zu erschließen ist allerdings ein Schwachpunkt im Projektablauf, da es am Ende eines Projekts oftmals nur noch um die Nachkalkulation und um die Verträge geht – jeder ist froh, dass das Projekt zu Ende ist und sagt: Beim nächsten Projekt wird alles besser. Doch beim nächsten Projekt werden die gleichen Fehler gemacht: Projekte lernen (sehr) schlecht.

Veröffentlicht am

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.

Veröffentlicht am

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).

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.