Zwei grundsätzliche Ansätze zur Bewertung des Intellektuellen Kapitals

Das Intellektuelle Kapital (IK) beinhaltet das Wissen der Mitarbeiter ebenso wie Daten und Information über Prozesse, Experten, Produkte, Kunden und Mitbewerber, Patente und Lizenzen. Das IK besteht aus Humankapital,  Strukturkapital und  Beziehungskapital.

Bei der Bewertung des Intellektuellen Kapitals kann man grundsätzlich zwei Ansätze unterscheiden, die als deduktiv-summarisch und induktiv-analytisch bezeichnet werden: „Die deduktiv-summarischen Ansätze gehen von einer Bezifferung des Unterschiedes zwischen Markt- und Buchwert eines Unternehmens aus. Zur Ermittlung werden weitgehend Daten aus der Bilanz und des Börsenkurses herangezogen. Die Marktwert-Buchwert-Korrelation stellt hier die einfachste Form dar. (…) Der Grundgedanke induktiv-analytischer Ansätze besteht in der Beschreibung und Bewertung einzelner Elemente der Wissensbasis eines Unternehmens mit dem Ziel, Ansatzpunkte zu ihrer Entwicklung zu liefern“ (Barthel/Gieri/Kühn 2004:32-34).

Die Wissensbilanz – Made in Germany kann zu den induktiv-analytischen Ansätzen gezählt werden. In verschiedenen Workshops werden die verschiedenen Einflussfaktoren miteinander in Beziehung gebracht und beurteilt. Daraus leitet sich eine Systembeschreibung, inkl. Rückkopplungen ab, die es dem Unternehmen ermöglich, das Wissenssystem über mögliche Systemgeneratoren zu steuern (Wissensmanagement).

Pyramiding für das Herausfinden von Experten nutzen

Image by Pete Linforth from Pixabay

Immer wieder kommt es bei Problemlösungen vor, dass man als Person oder als Team oder als Organisation nicht weiter kommt. Zunächst wird analysiert, wen wir so kennen, oder ob es nicht irgendwelche Informationen dazu im Internet gibt. Es geht um Empfehlungen von Experten, die dann im Ranking „nach oben“ rutschen. Etwas wissenschaftlicher ausgedrückt, handelt es sich dabei um eine Art von pyramiding.

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).

Personen mit einer bestimmten Expertise herauszufinden ist nach den Autoren auch kostengünstiger als eine Screening Methode: „Thus, the cost per lead user identified via the pyramiding procedure in this real world case was $1,500 – 15% of the cost of the screener method“ (ebd). Beispielhaft wird das Paramyding beim Herausfinden von Lead User beschrieben, die mit Hilfe vorbereiteter Interviews analysiert werden konnten.

Warm sollte das Pyramiding auf den Innovationsprozess beschränkt sein, und nicht auch für das Kompetenzmanagement oder Wissensmanagement eingesetzt werden? Mit Hilfe moderner Technologien wäre das sogar in Echtzeit und verschiedene Kontexte (Domänen) möglich.

Wenn wir über ´Wissen´ sprechen, endet das oft in einer konzeptionellen Konfusion

Wissen ist der Schlüssel für den Wettbewerb auf der individuellen, organisationalen und nationalen Ebene. Interessant dabei ist, dass es auf diesen verschiedenen Ebenen oft unterschiedliche Konzepte gibt die viele Menschen – aber auch Organisationen – verwirren können (Wissensmanagement).

So, knowledge seems to be the key to the competitiveness of individuals, companies, and nations (Sveiby, 1997; Stewart, 1997; Davenport & Prusak, 1998, Drucker, 1993; Wurzburg, 1998; Kahin & Wilson, 1997). It seems to be the underlying factor driving social and economic change, technologies, and our everyday life (Castells, 1989; 1996; Mowery & Rosenberg, 1998; Malecki, 1991). Yet when we talk about such an important topic, we often end up in a conceptual confusion (Tuomi 1999:18.

Jedes Modell, jedes Konzept erscheint wichtig und nützlich zu sein, doch kommt es in komplexen sozialen Systemen auch darauf an, die Wirkungszusammenhänge zu beachten. Es geht also um die Frage: Wo anfangen?

Eine Wissensbilanz zeigt dies auf, indem sie die Einflussfaktoren wie Geschäftsergebnis, Geschäftsprozesse, und Einflussfaktoren aus dem Humankapital, Beziehungskapital und Strukturkapital in Beziehung zueinander stellt und bewertet. Daraus ergeben sich Aktiva und Passiva des Wissenssystems, und es ist mit Hilfe von Generatoren möglich zu bestimmen, an welchen Stellen das System verbessert werden sollte (Wissensmanagement).

Gerade dieser Punkt ist für kleine und mittelständische Unternehmen (KMU) wichtig, da diese mit ihren Ressourcen haushalten müssen. Die Generatoren stellen somit konkret dar, wie das Wissenssystem des Unternehmen gemangt werden sollte, um die Geschäftsergebnisse zu verbessern. Dieser Ansatz ist nicht nur für wirtschaftlich orientierte Unternehmen geeignet, sondern wird auch erfolgreich von sozialen Einrichtungen genutzt.

Gedanken zum Begriff der „Domäne“

Image by Steve Buissinne from Pixabay

Warum ist der Begriff der „Domäne“ überhaupt relevant? Es kommt im beruflichen Alltag oft vor, dass Inhaltsbereiche (Fächer) unterschieden werden, die unterschiedliche Arten von Wissen enthalten. Diese Inhaltsbereiche sind berufliche Kontexte (Domänen), in denen Wissensarten für die oftmals komplexen Problemlösungen genutzt werden. Interessant ist hier bisher, das folgende „domain areas“ wissenschaftlich untersucht wurden (vgl. Alexander 1992): Physik, Baseball, Medizinische Diagnostik, Schach, Programmieren, Restaurant-Bestellungen, Taxi fahren usw.

Der Begriff der ,,Domäne“ findet sich in der Literatur vor allem in zwei Kontexten, nämlich in der Expertiseforschung (vgl. Gruber& Zieglet 1996)- hier oft als ,,Wissensdomäne“ oder ,,Domänenwissen“ – und in Theorien zur Domänenspezifizität des menschlichen Verstandes (vgl. Hirschfeld & Gelman 1994), die Domänen nicht auf der Basis von vorhandenen Wissensbeständen, sondern von – angeborenen oder erworbenen – kognitiven Kompetenzen konzipieren. Hirschfeld
und Gilman (1994) unterscheiden demzufolge zwischen ,,competence-based views“ und ,,knowledge-based views“ . (…) ,,Domäine“ = Kompetenz operiert auf Referenzbereich und führt zu Wissen. Diese Konzeptualisierung erlaubt die Überwindung des von Hirschfeld und Gelman (Hischfeld & Gelman 1994) diagnostizierten Nebeneinanders von kompetenz- und wissensbasierten Ansätzen (Hoops 1999:50-51).

In meinem Buch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk gehe ich auf die domänenspezifischen komplexen Problemlösungen ein, die gerade in dem heute vorhandenen turbulenten Umfeld eine wichtige Rolle spielen. Dabei werden die beschriebenen kognitiven Kompetenzen zu multiplen Kompetenzen erweitert.

Wissen ersetzt Masse: Beispiele für den Trend zur Dematerialisierung

Image by Gerd Altmann from Pixabay

Es gibt schon lange einen Trend vom Materiellen zum Immateriellen, doch woran kann diese Entwicklung konkreter festgemacht werden? Folgende Beispiele (Degele 1999:173) zeigen deutlich auf, was damit gemeint ist:
– So hat eine Ökonomiegruppe aus Chicago berechnet, dass ein Computer nur zu einem Prozent aus Materialien besteht, aber zu fünf Prozent aus unqualifizierter Arbeit und sonst aus intellektuellem Kapital – aus Wissen. Beim Halbleiterchip werden mehr als 85 Prozent für die Entwicklung und die Patente ausgegeben.
– Der Rohstoffanteil beim Auto beträgt dagegen 40 Prozent, Tendenz fallend. I920 gingen 85 Prozent des für den Bau eines Autos aufgewendeten Geldes an Arbeiterlnnen und Investorlnnen. 1990 waren es nur noch 60 Prozent, 40 Prozent flossen an lngenieurlnnen, Finanzexpertlnnen, Managerlnnen, Anwältlnnen und sonstige Consultants (Reich 1993: 118f).
– So gehört es unter dem Stichwort ,,Halbwertszeit“ inzwischen schon zum ingenieurwissenschaftlichen Dogma, dass die Qualifikation von Software-Entwicklern nach drei Jahren gerade noch die Hälfte wert ist.
– Beispielsweise spricht die Sachverständigenkommission Elektronische Fachinformation an den Hochschulen in Bayern des Bayerischen Staatministeriums für Unterricht, Kultus, Wissenschaft und Kunst (1995) von einer Verdoppelung des Weltwissens alle 5-10 Jahre. Einige konkretere Zahlen: Bis 1995 hat sich die 7.ahl der wissenschaftlichen Zeitschriften um 26 Prozent auf insgesamt 147.000, und die Zahl der Fachdatenbanken um 30 Prozent auf8.800 erhöht; der jährliche Zuwachs einer deutschen Bibliothek beträgt durchschnittlich 30000-50000 Bände pro Jahr (Bayerisches Staatministerium für Unterricht, Kultus, Wissenschaft und Kunst 1995; Gattermann 1996: 1030. Zur Bedeutung von Lernen vgl. Tully 1994; Uchida u.a. 1996.

Es ist daher nicht verwunderlich, dass der Umgang mit Wissen eine besondere Rolle zukommt. Dieses Wissensmanagement hat sich allerdings in den letzten Jahren, zusammen mit den veränderten Arbeitsformen – immer weiter entwickelt.

Wie hängen Beziehungskapital und Strukturkapital zusammen?

In der Wissensbilanz (Made in Germany) werden die Zusammenhänge zwischen Geschäftsprozessen, Humankapital, Beziehungskapital, Strukturkapital und Geschäftsergebnis analysiert und Handlungsempfehlungen abgeleitet. In der Abbildung geht es vereinfacht darum aufzuzeigen, wie man sich den Zusammenhang zwischen den Beziehungskapital eines Wissensarbeiters und dem Strukturkapital einer Organisation vorstellen kann.

Zu sehen ist zunächst ein Wissensarbeiter A, der Beziehungen zu anderen Wissensträgern hat und somit ein lokales Wissensnetzwerk bildet, das als Beziehungskapital des Wissensarbeiters beschrieben werden kann. Auf der anderen Seite ist der Arbeitsplatz, die Stelle des Wissensarbeiters eingebunden in die Aufbau- und Ablauforganisation der Organisation, mit ihren festgelegten Interaktionsverbindungen. Weiterhin hat die Organisation auch noch Kooperationsverträge mit z.B. Forschungspartnern, woraus sich insgesamt das Strukturkapital einer Organisation ableitet.

Die Abbildung vereinfacht offensichtlich die verschiedenen Zusammenhänge. Wenn Sie einen guten Überblick über die vielfältigen Wirkungszusammenhänge haben wollen, können Sie die Toolbox zur Wissensbilanz (Made in Germany) nutzen.

In drei Workshops werden die verschiedenen Einflussfaktoren analysiert und am Ende aufzeigt, welche Maßnahmen sinnvoll und ressourcenschonend sind, um das Geschäftsergebnis zu verbessern. Sprechen Sie mich bitte an, wenn Sie dazu noch Fragen haben.

Funktionen im zielgerichteten Umgang mit Wissen

Image by 15299 from Pixabay

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“.

Träges Wissen: Was ist das, und wo kommt der Begriff her?

Der Begriff des trägen Wissens wird häufig verwendet um zu illustrieren wie schwierig es ist, Wissen aus dem einen Kontext in den anderen zu übertragen. Das ist nicht verwunderlich, denn Wissen wird per se situativ konstruiert. Ein Beispiel dafür ist, dass das Wissen aus dem Lernfeld schwierig in das Arbeitsumfeld zu transformieren ist, und somit eine weitere Leistung darstellt.

Der Begriff des trägen Wissens geht zurück auf Whiteheads Klage über „inert ideas“ (1929) und wurde vermutlich erstmals 1980 durch Bereiter/Scardamalia im kognitions- und lernpsychologischen Zusammenhang aufgegriffen (vgl. Bereiter/Scardamalia 1993: 251, Fn. 21), zitiert in Neuweg (2004:2; Fußnote 1).

Ich wundere mich immer wieder darüber, dass bei der Verwendung des Begriffs des trägen Wissens keine Quelle angegeben wird. Das ist eine Unart, die dazu führt, dass Daten und Informationen ungenau sind und dadurch Wissen qualitativ schlecht konstruiert wird. Das ist im privaten Umfeld so, allerdings auch in Organisationen und ganzen Gesellschaften.

Notwendigkeit des Managements spezifischer „Wissensrisiken“

Image by Wokandapix from Pixabay

Risikomanagement und Wissensmanagement hängen in vielfältiger Weise zusammen. Etwas nicht zu wissen kann beispielsweise bedeuten, Risiken zu unterschätzen oder überhaupt nicht zu beachten. Der Umgang mit Nicht-Wissen wird somit zu einer wichtigen Aufgabe für das Management in einer Organisation.

Dementsprechend hält Risikomanagement seit geraumer Zeit in diversen Bereichen wie dem Projektmanagement, den Ingenieurs- und Umweltwissenschaften, der Softwareentwicklung und der Pharmaindustrie Einzug. Beispielsweise wird im Wissensmanagement die Notwendigkeit des Managements spezifischer „Wissensrisiken“ (Wissensabfluss durch Personalfluktuation, falsches Personalmanagement, Störungen in der Kommunikation, fehlende Transparenz, Technologieänderungen etc.) diskutiert, welche der finanzielle Fokus des traditionellen Risikomanagements noch nicht berücksichtigt (Koller 2004, S. 1 f.); zitiert in Neumer (2009), Fußnote S. 29-30.

Hier wird deutlich, dass das traditionelle Risikomanagement um mindestens diese Dimension (Wissensrisiken) erweitert werden sollte. Möglich ist das mit Hilfe einer Wissensbilanz, in der die verschiedenen immateriellen Faktoren (Einflussfaktoren) in einem Wirkungsnetz analysiert werden können. Eine Wissensbilanz hilft also dabei die Schwäche des traditionellen Risikomanagements zu beheben.

Als Moderator der Wissensbilanz Made in Germany habe ich hier schon wertvolle Erfahrungen sammeln können. Sollten Sie an dem Thema interessiert sein, so sprechen Sie mich bitte an.

Schwarmintelligenz: Die Weisheit der vielen und das Wissen der Eliten

Image by Gerd Altmann from Pixabay

Ende des 18. Jahrhunderts schließen sich Intellektuelle zusammen um das Wissen der Zeit zu sammeln. In Enzyklopädien wird erfasst, was wir heute immer noch oft unter „Wissen“ verstehen. Die neuen technologischen Möglichkeiten zeigen nun, dass es auch andere Formen gibt, Wissen zu generieren und anderen zur Verfügung zu stellen. Das Projekt Wikipedia zeigt in kurzer Zeit, dass die Wissen nicht alleine von Experten sondern auch von vielen Amateuren generiert (produziert) werden kann. Insofern wandelt sich der Wissensbegriff über die Zeit.

Der Wissensbegriff allerdings, für den Wikipedia steht, hat mit dem Wissensbegriff, den wir alle als Kinder der wissenschaftlichen Neuzeit und der Aufklärung gelernt haben, wenig zu tun. Wenn der durch die veränderte Mediennutzung angeregte Trend stabil bleibt – und es spricht derzeit alles dafür und nichts dagegen -, dann stellen wir unsere Wissensfragen in Zukunft eben zunehmend weniger, wenn überhaupt, an die enzyklopädischen Elitemedien der Buchdruckkultur, sondern überantworten sie vielmehr der Schwarmintelligenz der digitalen Netzkultur und ihrer Effekte. Unser Begriff des Wissens aber ist dann nicht länger durch den Bezug auf eine relativ kleine Klasse von ausgewiesenen Experten geprägt; Wissen ist dann vielmehr zu verstehen als Resultat der vernetzten Kollaboration eines zunehmend großen Kreis von engagierten Amateuren, deren weitgehende Anonymität jegliche Rückschlüsse auf ihre Kompetenz verbietet. Der amerikanische Soziologe und Journalist James Surowiecki hat das Prinzip der kollektiven Intelligenz auf die Formel „Weisheit der vielen“ gebracht. Wer zwischen der kollaborativen Wissensproduktion im Netz und dem Expertenwissen der Bücher einen klaren Gegensatz sieht, für den gilt: Die Weisheit der vielen triumphiert im Web 2.0 über das Wissen der Eliten (Münker 2009:98-101).

In diesem Absatz kommen allerdings sehr viele Begriffe vor, die nicht eindeutig bestimmt sind. Neben „Wissen“ sind das auch noch „Intelligenz“ und „Weisheit“. Bei dem Konstrukt „Intelligenz“ ist es hier wichtig zu klären, ob es sich um die Intelligenz im Sinne des Intelligenz-Quotienten (IQ), oder eher um eine diversifizierte Intelligenz im Sinne der Theorie der Multiplen Intelligenzen handelt.