“Google-Wissen” als neue Wissensform

In der Vergangenheit wurden die Unterschiede zwischen Daten, Informationen und Wissen z.B. bei der erweiterten Wissenstreppe, bzw. bei dem noch besseren Verständnis der Wissenstreppe thematisiert.

Ein neuer Wissensbegriff führt heute jedoch zu neuen Wissensformen, zu denen auch das “Google-Wissen” zählt, das wir (alle?) in irgendeiner Form nutzen. Doch was macht dieses “Google-Wissen” aus? Dazu habe ich bei Arnold (2017) folgendes gefunden:

“Das sich verbreiternde Google-Wissen ist ein in hohem Maße dem Selbstlernen zugängliches Wissen. Es ermöglicht eine bislang unerreichte Aktualität im Detail (Stichwort „Evidenz“), ohne dass sich jedoch automatisch Expertise ergibt: Aus vielen Details resultiert keineswegs automatisch ein kohärentes Wissen, insbesondere, wenn es sich einem bloßen Surfen verdankt. Obgleich das Internet auch Zugänge zu Lernplattformen und anderen Selbstlernmöglichkeiten zunehmend offeriert, die durchaus auch eine Vertiefung von Expertise initiieren, anregen und gestalten können, darf doch andererseits nicht übersehen werden, dass aus solchen insularen Vertiefungen alleine wohl kaum ein professionell breit akzeptierter Status erwachsen kann” (Arnold 2017; eigene Hervorhebungen).

Die angesprochene Evidenz meint hier, dass das “Google-Wissen” für eine Sache geeignet erscheint – viabel ist, was der Autor noch weiter beschreibt/charakterisiert. Interessant dabei ist auch die am Ende erwähnte Kritik an den eher inselartigen Vertiefungen des Wissens.

Worin unterscheiden sich Daten von Fakten?

Image by Gerd Altmann from Pixabay

Unsere westliche Sicht auf Wissen wird von einem eher technisch-wissenschaftlichen Modell dominiert: “the hegemony of the techno-scientific model in defining legitimate and productive knowledge” (UNESO 2005: 5). Es wundert daher nicht, dass versucht wird, verschiedene Begriffe zu unterscheiden – zu definieren. Es geht ganz praktisch um die Unterscheidung der Begriffe “Zeichen”, “Daten”, “Informationen” und “Wissen”, die in der ursprünglichen, bzw. in der erweiterten Wissenstreppe dargestellt werden. Siehe dazu auch Ein besseres Verständnis der Wissenstreppe führt zu einem besseren Umgang mit Wissen. Auf der Ebene der “Daten” gibt es allerdings mit dem Begriff “Fakten” ein weiters Konstrukt. Dazu habe ich folgendes gefunden:

“Aufschlussreicher sollte es sein, zwischen Daten und Fakten terminologisch zu unterscheiden. ‚Daten‘ sind das, was einem Beobachter buchstäblich gegeben ist (lat.: datum / frz.: donnée) und daher insbesondere das, was sich in irgendeiner Weise feststellen und vielleicht sogar messen lässt. In erster Linie darf man also das als Datum verstehen, was niemand bestreiten kann, und mithin gilt ein Datum fraglos, sofern es korrekt ermittelt worden ist. Ein Faktum ist demgegenüber kein simples Datum, sondern wortwörtlich eine ‚Tat-Sache‘, das heißt ein im Kern menschliches Produkt. Wo wir von Fakten reden, sprechen wir jedenfalls immer von Dingen, die wir selber erst zu dem gemacht haben, was sie sind (lat.: factum / frz.: fait). Können Daten insofern nicht anders als ‚richtig‘ sein, solange man sie nicht irrtümlich oder sachwidrig erfasst hat, stellt sich bei Fakten von vornherein die Frage, inwiefern sie als ‚wahr‘ gelten dürfen” Meier, A. (2020): In Science We Trust: Überlegungen zum Wissen der Wissenschaften. In: Horatschek, A. M. (Hrsg.) (2020): Competing Knowledges – Wissen im Widerstreit. Abhandlungen der Akademie der Wissenschaften in Hamburg, Band 9).

Wenn also oftmals hervorgehoben wird, “das ist Fakt” oder “Fakt ist”, so ist diese Formulierung kritisch zu sehen, denn sie ist nicht so unumstößlich, wie es auf den ersten Blick den Anschein hat. Wie in der Quelle erwähnt, stellt sich bei “Fakten” die Frage, “inwiefern sie als ‚wahr‘ gelten dürfen”.

Ein besseres Verständnis der Wissenstreppe führt zu einem besseren Umgang mit Wissen

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).

Semantic Web in der praktischen Anwendung

Zeichen, Daten und Informationen sind wichtig für die Wissenskonstruktion (Erweiterte Wissenstreppe). Dabei spielt die Anordnung von Zeichen (Syntax) und die Bedeutung (Semantik) von Daten/Informatioenn eine wichtige Rolle. Es überrascht somit nicht, dass dieser Punkt auch in der Welt des Internets immer bedeutender wird. Das Semantic Web versucht, die Bedeutung von Informationen nutzbar zu machen. Ein schönes Beispiel, wie so etwas praktisch funktionieren kann, zeigt Semantria auf seiner Demo-Website. Sie können dort einen Text eingeben oder hineinkopieren und analysieren lassen. In dem Artikel Semantics: next step in KM vom 28.05.2013 finden Sie weitere Details dazu. Es ist interessant zu sehen, wie sich das Semantic Web in Richtung eines Internet of Things weiter entwickelt und dadurch die Konstruktion von Wissen ermöglicht. Dennoch glaube ich, dass es wichtige Dimensionen der Vernetzung von Informationen gibt, die von Maschinen noch nicht vernetzt werden können. Dazu gehören z.B. die Gefühle eines Menschen etc. Die komplette Abbildung der menschlichen Wissenskonstruktion durch Maschinen ist aus meiner Sicht ein Kategorienfehler. Andererseits sollten wir immer weiter versuchen, die vielfältigen Möglichkeiten der künstlichen Intelligenz zu verbessern, um neue komplexe Problemlösungen für ein bessers Leben zu generieren. Siehe dazu auch Taxonomie, Ontologie und Semantik im Wissensmanagement.

Kennen Sie SEMAPEDIA?

logo.jpgAuf der Startseite von Semapedia wird man mit folgendem Text empfangen: “Unser Ziel ist es, die virtuelle und die physische Welt dadurch zu verbinden, dass wir die richtigen Informationen aus dem Internet zu den relevanten Orten der realen Welt bringen. Um dies zu erreichen, laden wir Dich ein, selbst Semapedia-Tags zu erstellen und zu verteilen. Diese sind für Handys lesbare physische Hyperlinks.” Diese Vernetzung durch User anzustoßen (Bottom-Up) ist aus meiner Sicht eine prima Idee. Probieren Sie es doch einfach einmal aus… Auch die FTD vom 11.04.2008 berichtet unter der Überschrift Wissen 2.0 über Semapedia. Allerdings heisst es dort unter anderem ” (…) Verknüpfung der physischen Welt mit dem Wissen des Internets”. Der Autor verwechselt hier Information mit Wissen. Da ist der Text auf der Startseite von Semapedia schon genauer/besser. Siehe dazu auch Die Wissenstreppe.

iD2010: Informationsgesellschaft Deutschland 2010

iD2010.jpgDie Broschüre iD2010: Informationsgesellschaft Deutschland 2010 (Stand: November 2006) zeigt deutlich auf, dass die Informations- und Kommunikations-Technologie (IKT) eine wichtige Voraussetzung für wissensbasierte Strukturen ist (Unternehmen, Regionen, Länder, …). Betrachtet man die Wissenstreppe so wird deutlich, dass es noch ein weiter Weg ist, von der hier propagierten Informationsgesellschaft zur Wissensgesellschaft, die von der Bundesregierung im Hauptprogramm für die Wissens­gesellschaft (Stand März 2002) skizziert wurde. Es ist zu empfehlen, alle Bereiche der Wissenstreppe im Auge zu behalten, und gerade auf die Übergänge zu achten…

Bitkom veröffentlicht Datenschutz-Ratgeber für Unternehmen

CDs.jpgDie Wissenstreppe zeigt auf, wie die Begriffe Zeichen, Daten, Information, Wissen und Kompetenz zusammen hängen. Es ist daher für ein modernes Wissensmanagement wichtig, angemessenes Datenmanagement zu betreiben. Die von der Bitkom nun veröffentlichten Datenschutz-Ratgeber (inkl. Checklisten und Musterverträge) tragen dazu bei.

1. Die Nutzung von E-Mail und Internet im Unternehmen

2. Mustervertragsanlage zur Auftragsdatenverarbeitung

3. Praxisleitfaden zu Verfahrensverzeichnis und Verarbeitungsübersicht

Die Ratgeber können von dieser Bitkom-Website heruntergeladen werden.

Kennen Sie die erweiterte Wissenstreppe?

wissenstreppe02.jpgDie Wissentreppe von North stellt anschaulich dar, wie sich Zeichen, Daten, Informationen und Wissen unterscheiden. Erweitert man diese Wissenstreppe (Klicken Sie bitte auf die Abbildung um eine Vergrößerung zu erhalten) um die Zuschreibung “Kompetenz” so wird deutlicher, was in diesem Zusammenhang Kompetenzentwicklung bedeutet: Entwicklung der Selbstorganisationsdisposition. Im Unternehmenskontext bedeutet das, dass Mitarbeiter (bzw. die Organisation) individuelles Wissen (bzw. organisationales Wissen) selbstorganisiert so einsetzen, dass Probleme des Kunden gelöst werden. Dadurch entsteht ein Mehrwert für den Kunden, und der Kunde bezeichnet den Mitarbeiter (bzw. die Organisation) als kompetent (Zuschreibung). Es handelt sich somit bei der Zuschreibung “Kompetenz” nicht um eine statische Soll-Ist-Analyse, sondern um ein dynamisches Modell. Zur Zeit überwiegen aus meiner Sicht allerdings auf individueller und oganisationaler Ebene noch die statischen Modelle.

Wissensmanagement: Beispiele guter Praxis aus kleinen und mittelständischen Unternehmen

wissensmanagement-gute-beispiele-2007.jpgIm Januar 2007 wurde die BMWI-Broschüre (8MB) Pragmatisch, einfach, gut – erfolgreicher Umgang mit Wissen veröffentlicht. Die vielen guten Beispiele sind einzeln auch auf der sehr guten Website wissenmanagen.net zu finden. Es lohnt sich bestimmt, die eine oder andere Fallstudie zu analysieren. Dabei sollte man die Wissenstreppe von North im Hinterkopf haben. Dort wird dargestellt, wie sich Daten, Informationen und Wissen unterscheiden. Wissen bedeutet bei North, Informationen mit den persönlichen, bzw. organisationalen Erfahrungen zu verknüpfen. Wissen wird somit konstruiert und ist kontextspezifisch. Das heißt: Jedes Unternehmen muss sein eigenes Wissensmanagement-System aufbauen.

Content Is King – But Context Rules

Diesen faszinierend einfachen Satz habe ich von J. Levy auf der ElearnChina2003 gehört. J. Levy war Keynote Speaker und hat deutlich gemacht, dass zur Zeit noch sehr oft über den Inhalt (Content) diskutiert wird, aber das Umfeld, in dem dieser Inhalt genutzt wird (Kontext bzw. Domäne) in Zukunft viel wichtiger werden wird.

Um es deutlich zu sagen: Inhalte, zumal noch aktuelle dazu, sind auch noch in Zukunft eine bedeutende Voraussetzung, um z.B. in Unternehmen wertschöpfend zu handeln. Beachtenswert sind allerdings scheinbar gegenläufige Trends: Einerseits werden Inhalte kostenpflichtig und andererseits kostenfrei angeboten. Letzteres wird gerade von der Initiative OpenContent stark favorisiert. Auch Universitäten wie das berühmte MIT in den USA stellen OpenCourseware zur Verfügung. Weiterhin gibt es Repositories für sogenannte Learning Objects. Dabei werden Inhalte “granuliert”, so dass nur noch “kleine Häppchen” vorliegen (Prinzip). Warum machen die das? Wenn Sie eine etwas fundiertere Darstellung suchen, so finden Sie Hinweise dazu entweder in meinem Paper zur ELearnChina2003 oder aber auf der sehr guten Seite von Marc Jelitto zu Lernobjektrepositorien.

Es kann durchaus Sinn machen, kleine inhaltliche Häppchen so aufzubauen, dass man sie wiederverwenden kann. Diese Wiederverwendbarkeit (Reusebility) ist dann die Basis für Wirtschaftlichkeit (Mass Customization in der Bildung). Ich bin allerdings ein wenig kritisch, da ich schon mit dem Begriff “Learning Objects” Probleme habe, denn: Können Objekte lernen? Ist es nicht eher das Subjekt, das in den Mittelpunkt gerückt werden muss? Denn das Subjekt nimmt die Inhalte  in Form von Daten/Informationen auf und konstruiert daraus Wissen. Daten in einem bestimmten Kontext werden zu Informationen und Informationen werden verbunden u. a. mit den persönlichen Erfahrungen zu Wissen konstruiert (Konstruktivismus). Siehe dazu auch die Wissenstreppe von North 1998. Somit ist die Situiertheit, der Kontext, des Inhalts letztendlich entscheidend, Content Is King – But Context Rules. I love it…..