wissensmanagement in der praxis - ein reader, prof. lutz leuendorf

Wissensmanagement in der Praxis Hintergründe und Anwendungen Ein Reader

Prof. Lutz Leuendorf Seminar am 19. und 20. April 2010 Karlsruhe / Best Western Queens Hotel

Aha!

…? …!

Inhaltsverzeichnis

© Prof. Lutz Leuendorf Wissensmanagement in der Praxis 1

Inhaltsverzeichnis

Inhaltsverzeichnis

1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Wissensschaffung nach Nonaka und Takeuchi . . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1 Inhaltsverzeichnis...................................................................................................... 6 2.2 Das Modell zur Wissensschaffung im Unternehmen nach Nonaka und

Takeuchi..................................................................................................................... 6 2.2.1 Abstrakt......................................................................................................... 7 2.2.2 Einleitung ...................................................................................................... 7 2.2.3 Explizites Wissen......................................................................................... 8 2.2.4 Implizites Wissen ........................................................................................ 8 2.2.5 Wissensschaffung ...................................................................................... 8 2.2.6 Die Wissensspirale ..................................................................................... 8 2.2.7 Case-Study: die Entwicklung der ersten Brotbackmaschine bei der

Firma Matsushita......................................................................................... 9 2.2.8 Zusammenfassung und Ausblick............................................................ 10 2.2.9 Bibliographie.............................................................................................. 11

2.3 Rezeption und Kritik des Ansatzes von Nonaka und Takeuchi durch Essers, Schreinemakers und Schreyögg ......................................................................... 11 2.3.1 Einleitung .................................................................................................... 11 2.3.2 Nonaka's und Takeuchi's Konzept der Wissensschaffung ............... 11 2.3.3 Abgrenzung des Begriffs Wissensmanagement ................................. 12 2.3.4 Nonaka's Subjektiver Ansatz (Schreinemakers/Essers) .................... 12 2.3.5 Kritik durch Schreinemakers und Essers.............................................. 13 2.3.6 Unvergleichbarkeit von Konzepten (incommensurability) ................. 13 2.3.6.1 perceptual dimension: Dimension der Wahrnehmung ....................... 13 2.3.6.2 linguistic dimension: sprachliche Dimension....................................... 14 2.3.6.3 axiological dimension: Dimension der Grundsätze ............................. 14 2.3.7 Richtigkeit des Wissens (knowledge justification).............................. 14 2.3.8 Zusammenfassung des Standpunktes von Schreinemakers und

Essers.......................................................................................................... 15 2.3.9 Kritik durch Schreyögg und Capurros Kritik an Schreyögg ............... 15 2.3.10 Literatur....................................................................................................... 16

3 Bausteine des Wissensmanagements - e in praxisorient ierter Ansatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Inhaltsverzeichnis

2 Wissensmanagement in der Praxis © Prof. Lutz Leuendorf

3.1 Einleitung ins Thema ............................................................................................... 17 3.2 Action Research zum Wissensmanagement ...................................................... 18 3.3 Modell des Wissensmanagements ...................................................................... 19 3.4 Bausteine des Wissensmanagements................................................................. 19

3.4.1 Wissensziele .............................................................................................. 21 3.4.2 Wissensidentifikation............................................................................... 21 3.4.3 Wissenserwerb ......................................................................................... 23 3.4.4 Wissensentwicklung ................................................................................ 24 3.4.5 Wissens(ver)teilung.................................................................................. 25 3.4.6 Wissensnutzung........................................................................................ 26 3.4.7 Wissensbewahrung.................................................................................. 26 3.4.8 Wissensbewertung................................................................................... 28

3.5 Fazit/Thesen.............................................................................................................. 29 3.6 Anmerkungen ........................................................................................................... 30 3.7 Bibliographie ............................................................................................................ 31 3.8 Die Autoren: .............................................................................................................. 32 4 Einführung in das Wissensmanagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4.1 Inhaltsverzeichnis.................................................................................................... 33 4.2 Einführung................................................................................................................. 33

4.2.1 Bausteine des Wissensmanagements (nach G. Probst et al.) .......... 34 4.3 Daten – Information – Wissen............................................................................... 35 4.4 Modelle des Wissensmanagement ...................................................................... 36 4.5 Die Lernende Organisation .................................................................................... 37 4.6 Bausteine des Wissensmanagement................................................................... 38 4.7 Technologien des Wissensmanagement ............................................................ 39 4.8 Organizational Memory .......................................................................................... 40 4.9 Literaturhinweise ..................................................................................................... 40

4.9.1 Einführungen.............................................................................................. 40 4.9.2 Organisationales Lernen.......................................................................... 41 4.9.3 Technikbasierte Lösungen ...................................................................... 42 4.9.4 Fallstudien .................................................................................................. 42 4.9.5 Studien zum Stand des Wissensmanagement..................................... 42 4.9.6 Zeitschriften............................................................................................... 43 4.9.7 Internet-Ressourcen ................................................................................ 43

5 Semantik für d ie nächste Generat ion Wissensmanagement . . . . . 44 5.1 Einleitung................................................................................................................... 44 5.2 Anwendungsmöglichkeiten von Ontologien – Bausteine für den Knowledge

Life Cycle ................................................................................................................. 47 5.2.1 Wissensgenerierung ................................................................................ 48 5.2.2 Wissensimport........................................................................................... 49

Inhaltsverzeichnis


5.2.3 Wissenserfassung .................................................................................... 50 5.2.4 Wissenszugriff ........................................................................................... 51 5.2.5 Wissensnutzung ........................................................................................ 52

5.3 Fallstudie: System zur Analyse der Unternehmens-Historie – CHAR (Corporate History AnalyseR) ............................................................................... 52 5.3.1 Der Wissens-Metaprozess: Die Entwicklung von CHAR.................... 52 5.3.2 Der Wissensprozess: Die Nutzung von CHAR...................................... 55

5.4 Vorgehensweise bei Einführung ontologiebasierten Wissensmanagement: Der Wissens-Metaprozess ................................................................................... 56

5.5 Schlußfolgerungen und Ausblick.......................................................................... 58 5.6 Literatur ..................................................................................................................... 59 6 Wissensmanagement – ein kr i t ischer Bl ick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.1 Der Rahmen: Wissensgesellschaft und „New Economy“ ................................ 61

6.1.1 Wissensgesellschaft ................................................................................ 61 6.1.2 „New Economy“........................................................................................ 63

6.2 Wissen – eine Ressource sui generis .................................................................. 65 6.2.1 Annäherungen an den Begriff des Wissens über Merkmale ............ 66 6.2.1.1 Objektiv versus subjektiv ......................................................................... 66 6.2.1.2 Tacit/Stillschweigend – Explizit/Kodifiziert........................................... 68 6.2.1.3 Daten, Information, Wissen..................................................................... 70 6.2.1.4 Wissen-Können-Wollen-Dürfen ............................................................. 71 6.2.2 Die Besonderheiten der Ressource „Wissen“ .................................... 72

6.3 Zugänge zum Wissensmanagement..................................................................... 76 6.3.1 Zugänge zum Wissensmanagement...................................................... 76

6.4 Beispiele.................................................................................................................... 94 6.5 Zur Messung von Intellektuellem Kapital ............................................................ 97

6.5.1 Warum messen?........................................................................................ 98 6.5.2 Was wird gemessen? ............................................................................... 99 6.5.3 Wie kann man messen? ......................................................................... 100 6.5.4 Ziele/Zwecke der Messung................................................................... 101 6.5.5 Beispiele für Meßverfahren .................................................................. 103 6.5.6 Schlußfolgerung...................................................................................... 106

6.6 Schlußfolgerungen und Ausblick........................................................................ 108 6.7 Literatur ................................................................................................................... 112

Inhaltsverzeichnis


1 Einleitung


1 Einleitung Auch das Thema „Wissensmanagement“ ist längst Gegenstand der in diesem Zusammenhang immer wieder thematisierten Informationsflut geworden. Gibt man „Wissensmanagement“ als Suchbegriff z. B. bei Google ein, so bekommt man ca. 600.000 Ergebnisse angeboten. Wagt man gar die Suche nach „Knowledge Management“, so sind einem knapp 80 Mio. Angebote sicher – eine Informationsmenge, die natürlich nicht zu überblicken ist.

Um Ihnen trotzdem einen groben Überblick über den Stand der Diskussion und vor allem einen kleinen historischen Abriss über das Thema zu geben, habe ich Ihnen exemplarisch fünf Texte zusammengestellt.

Es beginnt mit einer knappen Vorstellung des Werkes von Ikujiro Nonaka und Hirotaka Takeuchi, das 1995 quasi die Initialzündung für das Thema Wissens-management in Unternehmen gegeben hat.

Gilbert Probst gilt zu recht als einer der wichtigsten und intelligentesten Experten, die diese Initialzündung im Westen aufgenommen haben. Seine Weiterentwicklung des ursprünglichen Ansatzes gilt heute als allgemein anerkannter Standard.

Mit der Jahrtausendwende und dem ersten Zwischenstopp der eher konzeptionellen wissenschaftlichen Annäherung an das Thema haben sich zahlreiche Wissenschaftler an eine praxisorientierte Nutzbarmachung der gewonnenen Erkenntnisse gemacht. Als einen Vertreter dieser Fraktion lassen wir hier Holger Nohr von der Fachhochschule Stuttgart zu Wort kommen.

Da der Boom des Wissensmanagements keinesfalls rein zufällig mit dem so genannten „IT-Hype“ der Jahre 1998 bis 2001 zusammenfiel, soll hier auch ein Beispiel für einen klar instrumentalistischen Ansatz vorgestellt werden. Der Artikel von Rudi Studer, Hans-Peter Schnurr und Andreas Nierlich ist dabei eine eher willkürliche Wahl aus einer kaum mehr überschaubaren Anzahl konkurrierenden Angebote zur Instrumentali-sierung des Wissensmanagements mit den Mittel der aktuellen Informationstechnologie.

Abschließend finden Sie einen der leider viel zu seltenen Versuche die gesamte Thematik des Wissensmanagements in die wissenschaftliche Tradition einzuordnen und dabei kritisch auf ihre Haltbarkeit zu beleuchten. Ursula Schneider und Andreas Huber finden nach meiner Meinung sehr interessante und differenzierte Antworten auf die Frage, ob das Wissensmanagement nur eine Modeerscheinung ist.

Dass es bei der Zusammenstellung der Texte immer wieder zu scheinbaren Wieder-holungen und Redundanzen kommt, ist durchaus beabsichtigt. Auch dies spiegelt den derzeitigen Stand der Diskussion zu diesem Themenbereich wieder. Es gibt zwar tausende von Publikationen zum Wissensmanagement, bei einer intensiven Lektüre kann man sich aber des Eindrucks nicht erwehren, das gerade bei diesem neuen Thema besonders häufig schlichtweg voneinander abgeschrieben wird. Bei den vorliegenden Texten ist dies allerdings nur bei flüchtiger Lektüre der Fall. Gerade anhand ihrer unterschiedlichen Wertung und Nutzung z. B. des Beitrags von Nonaka und Takeuchi lassen sich sehr gut die unterschiedlichen Standpunkte und Perspektiven der Autoren nachvollziehen.

Viel Spaß bei der Lektüre.

2 Wissensschaffung nach Nonaka und Takeuchi



Susan Bierbrauer

Sebastian Spaleck

ISSN 1616-5349 (Internet)

ISSN 1616-5330 (Print)

2.1 Inhaltsverzeichnis Das Modell zur Wissensschaffung im Unternehmen nach Nonaka und Takeuchi

Abstrakt

Einleitung

Explizites Wissen

Implizites Wissen

Wissensschaffung

Die Wissensspirale

Case-Study: die Entwicklung der ersten Brotbackmaschine bei der Firma Masushita

Zusammenfassung und Ausblick

Bibliographie

Rezeption und Kritik des Ansatzes von Nonaka und Takeuchi durch Essers, Schreinemakers und Schreyögg

Einleitung

Nonaka's und Takeuchi's Konzept der Wissensschaffung

Abgrenzung des Begriffs Wissensmanagement

Nonaka's Subjektiver Ansatz (Schreinemakers/Essers)

Kritik durch Schreinemakers und Essers .

Unvergleichbarkeit von Konzepten (incommensurability)

Richtigkeit des Wissens (knowledge justification)

Zusammenfassung des Standpunktes von Schreinemakers und Essers

Kritik durch Schreyögg und Capurros Kritik an Schreyögg

Literatur

2.2 Das Modell zur Wissensschaffung im Unternehmen nach Nonaka und Takeuchi

Susan Bierbrauer



2.2.1 Abstrakt Mit ihrem Buch "The Knowledge-Creating Company" haben die Autoren Nonaka und Takeuchi als Erste Aufmerksamkeit auf die Firmen Ressource tazites Wissen gelenkt. Damit meinen sie das know-how, das auf Erfahrung basierend in den Köpfen einzelner Menschen wohnt, und mit Ihnen das Unternehmen verläßt, wenn sie ihre Arbeitgeber wechseln. Aus den Konzepten von tazitem (oder implizitem) und dem in Dokumenten liegenden expliziten Wissen eines Unternehmens bilden die Autoren ein Modell, nach dem neues Wissen (in Form von innovativen Produkten oder Prozesse) entsteht. Wenn die zwei Arten von Wissen auf einer bestimmten Weise unter bestimmten Arbeitsbedingungen miteinander agieren, setzt ein Wissensfluß ein, daß bei fortschreitender Dissemination die Form einer Wissensspirale annimmt.

Keywords

explizites Wissen, implizites Wissen, Wissensschaffung, die Wissensspirale

2.2.2 Einleitung Die Autoren I. Nonaka und H. Takeuchi, die sich seit Ihren Studientagen an der University of California at Berkeley kennen, sind beide Professoren - Takeuchi zur Zeit (Herbst 1999) als Visiting Professor an der Harvard Business School und Nonaka als Professor für Organisationstheorie an der Japan Advanced Institute for Science and Technology in Hokuriku, Japan. In ihrem Buch, The Knowledge-Creating Company, 1995 bei Oxford University Press veröffentlicht, berichten sie von ihrer Theorie der Wissensschaffung im Unternehmen. Die deutsche Ausgabe ist 1997 bei Campus unter dem Titel: Die Organisation des Wissens. Wie japanische Unternehmen eine brachliegende Ressource nutzbar machen erschienen.

Zentral in ihrer Theorie ist das Konzept von „implizitem„ und „explizitem“ Wissen, von dem Polanyi 1958 in seinem Buch Personal Knowledge (Chicago) zuerst berichtet hat. Nonaka und Takeuchi sind die ersten, die diesen Konzept im Rahmen der Organisationstheorie benutzen. Sie haben die kulturelle Unterschiede der japanischen und der westlichen Mentalität skizziert und beschreiben, daß implizites Wissen eher der japanischen und explizites Wissen eher der westlichen Mentalität entspricht. Dennoch halten sie die zwei Wissensformen für zueinander komplementär. In dynamischer Beziehung zueinander gesetzt bilden sie die Quelle von neuem Wissen im Unternehmen.

Implizites Wissen wurde zum Drehpunkt ihrer Theorie. Nicht nur Unternehmenskultur sondern der generelle kulturelle Kontext wurde im Mittelpunkt des Blickfeldes gerückt. Auch Selbstverständlichkeiten (commen knowledge) zählen dazu. Die Fachrichtung von Professor Nonaka heißt auf Englisch „Social Knowledge Management“. Von der Fachwelt wurde The Knowledge-Creating Company neugierig zur Kenntnis genommen. Das Buch markiert der Anfang vom neuformierenden Disziplin Wissensmanagement.

Worte, die häufig vorkommen, und wie sie zu verstehen sind:

Wesentlich ist die Unterscheidung der Wissensarten „implizites“ Wissen und „explizites“ Wissen. Außerdem kommt das Wort „Wissensschaffung“ sehr häufig vor. Die Wissensspirale bezieht sich auf ihr komplexes Modell der Wissensschaffung.



Die Erläuterung dieser Begriffe bildet der Gegenstand dieser Ausarbeitung. Die Bezeichnungen Wissensspezialist, Wissenswerker usw. können hier vernachlässigt werden, weil die später im Buch vorgeschlagene Organisationsform Hypertextorganisation nicht Gegenstand dieser Betrachtung ist.

Alle Seitenzahlangaben beziehen sich auf die deutsche Ausgabe des Buches.

2.2.3 Expliz i tes Wissen Westliche Beobachter [,fassen] Wissen zwangsläufig als etwas Formales, Systematisches und somit Explizites auf. Explizites Wissen läßt sich in Worten und Zahlen ausdrücken und problemlos mit Hilfe von Daten, wissenschaftlichen Formeln, festgelegten Verfahrensweisen oder universellen Prinzipien mitteilen. Japanische Unternehmen haben demgegenüber ein völlig anderes Verständnis von Wissen. Für sie stellt das in Worten und Zahlen faßbare Wissen nur die Spitze des Eisbergs dar. Sie sehen das Wissen hauptsächlich als etwas Implizites (S. 18)

2.2.4 Impliz i tes Wissen Implizites Wissen ist sehr persönlich und entzieht sich dem formalen Ausdruck, es läßt sich nur schwer mitteilen. Subjektive Einsichten, Ahnungen und Intuition fallen in diese Wissenskategorie. Darüber hinaus ist das implizite Wissen tief verankert in der Tätigkeit und der Erfahrung des einzelnen sowie in seinen Idealen, Werten und Gefühlen.

Implizites Wissen läßt sich in zwei Dimensionen unterteilen. [Einerseits handelt es sich um know-how. Andererseits hat es auch eine cognitive Dimension. Diese] spiegelt unsere Wirklichkeitsauffassung (was ist) und unsere Zukunftsvision (was sein sollte). Obgleich sie sich nur schwer artikulieren lassen, formen diese impliziten Modelle unsere Wahrnehmung der Welt. (S. 19)

2.2.5 Wissensschaffung Die Trennung zwischen explizitem und implizitem Wissen bildet den Schlüssel für die Unterscheidung zwischen westlichem und japanischen Wissensverständnis. Explizites Wissen läßt sich problemlos von einem Computer bearbeiten, elektronisch weitergeben und in Datenbanken abspeichern.[…] Um dem Unternehmen implizites Wissen zu vermitteln, muß dieses in allgemein verständliche Worte oder Zahlen umgewandelt werden. Und genau im Prozeß dieser Umwandlung vollzieht sich die Schaffung von Wissen. (S. 19)

[Anders gesagt:] Eine echte Innovation ergibt sich erst, wenn implizites und explizites Wissen […] zusammenwirken. (S. 84-85)

2.2.6 Die Wissensspirale Die Wissensspirale ist eigentlich eine graphische Beschreibung, wie der komplexe Prozeß der Wissensschaffung im Unternehmen zu Innovationen führt. Man muß sich dieser Prozeß dreidimensional vorstellen, was das Modell der Spirale treffend darstellt.

Zuallererst muß man begreifen, was die Autoren meinen, wenn sie von den vier Formen der Wissensumwandlung sprechen. In Kürze in den Worten der Autoren sind die vier Formen:



Sozialisation: „Die Sozialisation geht meist vom Aufbau eines Interaktionsfelds aus, das die Weitergabe von Erfahrungen und mentalen Modellen erleichtert.“

Externalisierung: „Die Externalisierung wird von einem konstruktiven Dialog oder von kollektiver Reflexion ausgelöst, die über Metaphern oder Analogien zur Artikulation schwer mitteilbarer impliziter Kenntnisse führt.“

Kombination: „Die Kombination entsteht durch die Verbindung neu geschaffenen und bestehenden Wissens aus anderen Teilen des Unternehmens, um sie zu einem neuen Produkt, Service oder Managementsystem zu verschmelzen.“

Internalisierung: „Internalisierung schließlich resultiert aus „learning-by-doing.“ (S. 85)

Gleichzeitig setzt dieses Modell eine bestimmte Umgebung voraus, die kreativitätsfördernd wirkt. Fünf Merkmale, die in japanischen Unternehmen normalerweise vorhanden sind (und für westliche Unternehmen eher nicht typisch sind), sehen die Autoren als notwendig an, für das Funktionieren ihrer Theorie. Diese Anforderungen an die Arbeitsumgebung sind: Intention, Autonomie, Kreatives Chaos (auch Fluktuation genannt), Redundanz und die notwendige Vielfalt der Arbeitsumgebung.

Die Wissensspirale bezieht sich auf das (eventuell mehrmalige) Ablaufen der vier Formen der Wissensschaffung (natürlich in dem eher japan-typischen kreativitätsfördernden Arbeitskontext). Wie in einem Learning Organisation werden die erreichte Resultate nach jedem Teilziel kritisch betrachtet und korrigiert bzw. verbessert, so daß man mit perfektionierten Zielvorgaben die Arbeit der nächsten Teilphase aufnehmen kann. Das heißt , man arbeitet die vier Formen der Wissensumwandlung einzeln ab, faßt das Erreichte in Worte und reflektiert, ob sie die Vorgaben erfüllt haben. Daraus entstehen neue Einsichten, vielleicht auch neue Fragen, die Aktivität auf der nächsten Station (Umwandlungsform) anstoßen.

Jede neue Phase integriert den in den vorausgegangenen Phasen entstandenen Wissensgewinn, der für die nachfolgenden Umwandlungsformen zusätzlich zur Disposition steht. In der Fachliteratur begegnet man auch den Ausdruck „double-loop-learning„ um solche Phänomene zu beschreiben. Die Autoren legen sich bei der Wissensspirale auf folgende fünf Phasen fest, die verwandt aber nicht gleichzusetzen sind mit den vier Umwandlungsformen. Die fünfte, die eventuell dazukommt, stößt ein erneutes Durchlaufen auf höheren Ebene an. Die einzelne Stationen sind:

I. Implizites Wissen austauschen (Sozialisation ähnlich) II. Konzepte schaffen (Externalisieren ähnlich) III. Konzepte erklären (Kombination ähnlich) IV. Einen Archetypen (Prototyp) bilden (Internalisation ähnlich) V. Wissen übertragen (auswerten, eventuell im neuen Kontext von Vorne in Gang

setzen)

2.2.7 Case-Study: die Entwicklung der ersten Brotbackmaschine bei der Firma Matsushita

Bei der Firma Matsushita wurden 1984 drei Divisionen zu einer neuen Division Kochgeräte zusammengefaßt. Man entschied sich für die Entwicklung eines Produkts, das es auf dem japanischen Markt noch nicht gab, weil das Wissen der drei ehemaligen Divisionen für die Neuentwicklung verwertet werden konnte. Man einigte sich auf die



Entwicklung eines Küchengerätes, das aus Einzelzutaten einen Teig anfertigen und kneten konnte und nach einer Wartezeit zu einem Brot backen konnte. (S. 112)

Somit war die Intention der Projekt festgelegt und die Aufgabe einer autonomisch handelnden Gruppe anvertraut. Die neue Konstellation von einer statt drei Gruppen sorgte für die Voraussetzungen „kreatives Chaos“ und „notwendige Vielfalt“. Die große Mitarbeiterzahl sorgte außerdem für ein redundantes Arbeiten an der Aufgabe.

Die erste Wissensspirale hatte drei Zyklen. Nachdem die Art des Gerätes feststand, entwickelte eine Pilotgruppe Pläne, nach denen ein Prototyp angefertigt wurde. Das Brot vom Prototypen war aber weder ansehnlich noch schmeckte es gut. In einem zweiten Zyklus wollte eine Kleingruppe einem Bäcker bei der Arbeit zusehen. Sie wußten, das begehrteste Brot der Stadt wurde in einem internationalen Hotel gebacken. Eben diesen Bäcker haben sie besucht und bei seiner Arbeit beobachtet. Eine Mitarbeiterin konnte die Knettechnik mit den Worten „Drehdehnung“ so treffend beschreiben, daß ein Konstruktionsteam in der Lage war die neue Anforderung technisch umzusetzen.

Ein dritter Zyklus wurde später notwendig um Knetergebnisse bei unterschiedlichen Temperaturen zu vereinheitlichen. Zuerst wurde an einem Kühlsystem für das Automat gearbeitet. Später kam man auf eine in Vergessenheit geratene Technik mit dem Namen "chumen", wo die Hefe zu einem sehr viel späteren Zeitpunkt erst zugeführt wird. Mit dieser Herstellungsfolge wurden einheitlich befriedigende Backergebnissen erzielt, die den Weg zur Markteinführung ebneten.

Die Erfolge des neuen Produkts auf dem Markt haben positiv auf die Mitarbeiter des Gesamtkonzerns gewirkt. Dieses neue Wissen – angereichert durch die Begeisterung der Mitarbeiter – wurde auf neue Fragestellungen übertragen. In einer zweiten Wissensspirale wurden unter neu definierten Vorgaben neue, Jahr 2000-gerechte Produktreihen ersonnen und zur Marktreife entwickelt. (Vergleiche S. 129)

2.2.8 Zusammenfassung und Ausblick Mit ihrem Buch haben die Autoren Nonaka und Takeuchi als erste Polanyis Konzept von tazitem Wissen auf eine Organisationsumgebung angewendet und damit Aufmerksamkeit auf eine bislang kaum beachtete Unternehmensressource gelenkt. Nach ihrer Auffassung muß diese Ressource mit dokumentiertem Wissen in einer bestimmten Abfolge kombiniert werden um Unternehmenswissen in Fluß zu bringen. Die einzelnen Durchgänge von diesem Kreislauf bilden die Phasen von einem Entwicklungsprojekt und regen nach einer Beurteilung zu einem neuen „Knowledge Zyklus“ Durchgang an. Sowie die Wissensdissemination im Laufe eines Projekts zunimmt und sogar weitere Entwicklungsprojekte anregen kann, ziehen die einzelnen Zyklen immer größere Kreise. Die Metapher der Wissensspirale, die die Autoren benutzen, kommt so zustande.

Wissenschaftliche Fachbeiträge und unternehmensspezifische Dokumenten liegen explizit in Datenbanken oder Printversionen vor. Implizites Wissen andererseits wohnt in den Köpfen Einzelner und läßt sich nicht leicht explizieren und auf Andere übertragen. Laut Nonaka und Takeuchi beginnt „Knowledge Creation“ (Wissensschaffung) mit dem explizieren von tazitem Wissen. Weil es ohne expliziertes Mitarbeiterwissen keinen Wissensfluß geben kann, wird nun verstärkt einen Bereich betrachtet, die sich schwer quantifizieren läßt. Die Mitarbeiter und ihre Arbeitsumgebung werden in den Mittelpunkt gerückt. Nonaka und Takeuchis Bedingungen für Wissensschaffung – die übrigens die Autoren für eher Japan-spezifisch als für den Westen typisch halten – sind ganz allgemein hoch kreativitätsfördernd. Dieses Buch markiert eine Art Generationswechsel,



die der Erkenntnis Rechnung trägt, daß die inzwischen zusammengetragenen Berge von Dokumenten nur eine Seite der Münze darstellen, gegen welche innovative Produkte und Prozesse zu erhalten sind.

2.2.9 Bibl iographie R. Capurro: Wissensmanagement in Theorie und Praxis; Bibliothek 22 (1998) No. 3, S. 346-355

R. Capurro: Wissensmanagement und Darüber Hinaus. Der Ansatz von I. Nonaka und H. Takeuchi. http://v.hbi-stuttgart.de/~capurro/nonaka.htm

H. Takeuchi: Beyond Knowledge Management: Lessons from Japan. http://www.sveiby.com.au/LessonsJapan.htm, June 1998

I. Nonaka und H. Takeuchi: Die Organisation des Wissens. Wie japanische Unternehmen eine brachliegende Ressource nutzbar machen erschienen. Campus, 1997

2.3 Rezeption und Krit ik des Ansatzes von Nonaka und Takeuchi durch Essers, Schreinemakers und Schreyögg

Sebastian Spaleck

2.3.1 Einleitung Inhalt des Referats ist die kritische Auseinandersetzung mit der Theorie der Wissensschaffung bzw. des Wissensmanagements in Unternehmen von Nonaka und Takeuchi. Deren Theorie der „Wissensspirale“ wird von Jos Schreinemakers und Juup Essers in deren Artikel Nonaka' subjectivist Conception of Knowledge in Corporate Knowledge Management kritisiert. Die Ausarbeitung der Kritikpunkte Schreyögg's hatte den Artikel Wissensmanagement in Theorie und Praxis von Prof. Rafael Capurro als Grundlage.

2.3.2 Nonaka's und Takeuchi's Konzept der Wissensschaffung Für Nonaka und Takeuchi stellt das Konzept der Wissensschaffung in Unternehmen (organizational knowledge creation) einen Lösungsansatz für das Handhaben der technologischen und organisatorischen Innovationen eines Unternehmens dar. Für Nonaka ist Innovation der zentraler Punkt der Wissensspirale. Seine Theorie zielt auf die Wissensmehrung und Weitergabe im Unternehmens ab und er stellt den Drang zu Innovation als überlebenswichtig für die Unternehmen dar, vor allem in der heutigen Situation, in der die technologische Entwicklung immer schneller voranschreitet. Die Unterscheidung von explizitem und implizitem Wissen (explicit and tacit knowledge) dient Nonaka als Grundlage seines Spiralmodells der Wissensmehrung.

Die Einzelheiten der Theorien von Nonaka und Takeuchi hat Susan in ihrem Beitrag in diesem Arbeitspapier dargestellt.



2 .3.3 Abgrenzung des Begriffs Wissensmanagement In ihrem Artikel The Conceptions of Knowledge and Information in Knowledge Management versuchen Essers und Schreinemakers zunächst eine Abgrenzung des Begriffs Wissen(smanagement) vor allem zu Information(smanagement) in folgender Form:

KNOWLEDGE INFORMATION

durable Transient

general Specific

abstract Concrete

theoretical Practical

objective Subjective

context free context dependent

rule-like case-like

expressed in the relationship between variables (the model)

expressed in the value of variables (the input/output)

Quelle: Schreinemakers/Essers (1996; S.94)

In diesem Zusammenhang verweisen sie auf Nonaka und dessen Definition, der Wissen als „justified true belief“ definiert und auf Grund folgender Überzeugung begründet liegt:

„[Nonaka] states that knowledge is created by the flow of information 'anchored on the commitment and beliefs of its holder'“ (Schreinemakers/Essers(1996): S. 96)

Dies ist zweifellos eine subjektive Definition von Wissen, da sie auf eine bestimmte Person bezogen ist. Er lässt dabei traditionell anerkannte wissenschaftliche "Bewertungskriterien" für Wissen außer Acht (dazu später mehr). Nach Nonakas Definition kann für eine Person Wissen sein, was für eine andere als Information ist und umgekehrt.

2.3.4 Nonaka's Subjektiver Ansatz (Schreinemakers/Essers) Die beiden Autoren des Artikels Nonaka's Subjectivist Conception of Knowledge in Corporate Knowledge Management sind beide Professoren an der Rotterdam School of Management der Universität Rotterdam (NL).

Schreinemakers und Essers analysieren zunächst die Theorie Nonakas und Unterscheiden darin zwei Richtungen. Zum einen stellen sie den Unterschied zwischen explicit knowledge und tacit knowledge heraus, zum anderen machen sie eine sogenannte „ontologische Dimension“ aus:

„Firstly Nonaka defines an epistemological dimension of CKM [corporate knowledge management] in which he adopts the distinction [...] between explicit and tacit knowledge as the two basic forms in which knowledge can be operative in an organization. Next to this an 'ontological dimension' is proposed, in which Nonaka subsequently tries to capture the communicative interaction requirements between individuals and groups of people, which are needed to develop new knowledge and generate new ideas“ (Schreinemakers/Essers: S. 27/I)



Das in expliziter und impliziter Form vorhandene Wissen wird also mit Hilfe der „ontologischen Dimension“ vermittelt, umgewandelt und kommuniziert. Neues Wissen hat demnach seinen Ursprung immer im impliziten Wissen von Personen und wird durch Artikulation und Kommunikation explizit. Ständiger Erfahrungsaustausch und Kommunikation (constant dialogue and communicative interaction) sind eine Voraussetzung dafür.

2.3.5 Krit ik durch Schreinemakers und Essers Schreinemakers und Essers bezweifeln, dass sich das theoretische Modell Nonakas als Standardkonzept in der Realität umsetzen lässt. Sie stellen die Frage, was geschieht, wenn nur einige wenige Teammitglieder so sehr von ihren eigenen Ansichten überzeugt sind, als dass sie bereit sind, diese kreativ in die Weiterentwicklung von Produkten oder Konzepten einzubringen. Für Schreinemakers stellt seine Annahme ein in der Realität durchaus verbreitetes Problem dar.

„What will happen in these 'self-organizing teams' if and when some members are committed more to some of their own (tacit) convictions than to finding consensus on new product or organizational concepts?“ (Schreinemakers/Essers: S. 28/II)

Ihren zweiten Kritikpunkt sehen Essers und Schreinemakers in der „Richtigkeit des Wissens“ (knowledge justification). Damit meinen sie zum Beispiel die Anwendbarkeit, die Erklärbarkeit oder die logische Vereinbarkeit mit anderen Theorien oder Umständen. Sie verweisen dabei auf in der Wissenschaft anerkannte Kriterien zu Bewertung von Wissen und fragen ob Nonaka diese für die Anwendung im Bereich des Wissensmanagements in der Wirtschaft (CKM) außer Acht gelassen hat oder ob er diese für diesen Bereich gar nicht als relevant ansieht.

Wörtlich schreiben sie:

„...in the context of knowledge justification it is surprising that no mention at all is made by Nonaka of any of their usual criteria adopted in science to establish the truth or validity of knowledge claims (like consistency, scope, explanatory power, empirical testability, etc.). [...] are we to believe that these criteria do not matter as much to corporate knowledge creation as they do in scientific knowledge production? How then do these scientific criteria relate to the ones Nonaka has mentioned? Can they be overruled by criteria like profitability or return on investment?“ (Schreinemakers/Essers: S. 28/II)

2.3.6 Unvergleichbarkeit von Konzepten ( incommensurabil i ty) Schreinemakers' und Essers' erster Kritikpunkt bezieht sich hauptsächlich auf die Bewertung von Wissen und auf die Probleme bei der Kommunikation von Wissen. Sie verweisen in diesem Zusammenhang auf Kuhn's Konzept der Unvergleichbarkeit von verschiedenen Paradigma (incommensurability of different paradigms by their very nature). Nach Kuhn beinhaltet dieser Begriff drei Dimensionen:

2.3.6.1 perceptual dimension: Dimension der Wahrnehmung

Die Dimension der Wahrnehmung beinhaltet den Standpunkt der Betrachtung, also die Perspektive der Wahrnehmenden auf das Objekt.



2.3.6.2 l inguistic dimension: sprachliche Dimension

Nach Kuhn können Gesprächspartner, obwohl sie die gleiche Sprache benutzen scheinbar sprechen, als ob sie in unterschiedlichen Sprachen sprechen.

2.3.6.3 axiological dimension: Dimension der Grundsätze

Dimension der Grundsätze bedeutet das Vorhandensein, bzw. in diesem Fall das Nichtvorhandensein, von anerkannten Standards oder Kriterien zur Bewertung der Objekte oder Sachverhalte. Diese – hier von Schreinemakers und Essers angewendete – Theorie Kuhn's ist in der Wissenschaft sehr umstritten. In diesem Fall ist die axiological dimension besonders von Bedeutung. Wissen kann nur sehr ungenügend mit einem einheitlichen Maß gemessen werden. Noch schlechter können somit verschiedene Paradigma verglichen werden. Schreinemakers schreibt hierzu:

„In this axiological context Kuhn specifically mentions the inadequacy of a criterion like 'empirical testability' to decide which of two rivaling paradigms is to be preferred (Kuhn, 1974, 260f). According to Kuhn there 'are' no neutral or 'objective' facts or paradigm-independent observations on which such a decision could be founded [...]. More generally, while there may be wide agreement in science on the relevance and legitimacy of scientific standards like testability, precision, scope, elegance and the like, there are bound to be differences between paradigms in the way these standards are applied in concrete cases or a set in a ranking order of importance. Therefore Kuhn (1974, p.262) insists that in this sense scientific assessment standards inevitably function as values and that each paradigm tends to define its own self-serving set of such standards“ (Schreinemakers/Essers: S. 29/II)

Schreinemakers und Essers begründen ihre Theorie und damit die Kritik an Nonaka damit, dass es zu bewerten gilt, wann eine neue Theorie wirklich die bessere ist. Für sie ist es die Methode zu wissen welches Modell das Bessere ist ebenso von Bedeutung wie die Wissensschaffung an sich.

„There will be good reasons to adopt a new conceptual scheme, but there will also be good reason to stick to what you know“ (Schreinemakers/Essers: S. 30/I)

Außerdem werfen sie Nonaka vor, er würde bei seinem auf Kommunikation ausgerichtetem Modell die Möglichkeit eines Zusammenbrechens der Kommunikation außer Acht lassen. Dieses kann sowohl technisch (Leitungen, Netzwerke) als auch sozial (zwischenmenschliche Konflikte) bedingt sein. Diese von Schreinemakers und Essers aufgezeigten Probleme stellen für die praktische Umsetzung des Modells von Nonaka erhebliche Hürden dar.

2.3.7 Richtigkeit des Wissens (knowledge justi f ication) Schreinemakers und Essers verweisen in diesem Zusammenhang (besonders in Bezug auf Standards) auf ihre zuvor geäusserte Kritik. Sie unterstellen Nonaka, dass er die nicht erwähnten wissenschaftlich anerkannten Kriterien als gegeben vorausgesetzt hat, sich in seiner Theorie also nicht um z.B. die Bewertung von Wissen kümmert.

In diesem Fall verweist Schreinemakers erneut auf Kuhn und dessen Aussage, dass es durchaus gute Gründe geben kann um das eine oder andere Paradigma einem anderen zu



bevorzugen, dieses jedoch in keinem Fall als Bewertungsmaßstab zu verwenden sein kann.

Schreinemakers wirft außerdem die Frage auf, wie Meinungsverschiedenheiten zwischen verschiedenen Paradigma gelöst werden sollen. Wer entscheidet, wenn zum Beispiel zwei in ein Projekt verwickelte Abteilung verschiedene Prioritäten setzen? Dies stellt eine zentrales Problem bei der Entscheidung dar. Zwischenmenschliche Unstimmigkeiten scheinen , so Schreinemakers, bei Nonaka nicht berücksichtigt worden zu sein. Bei Nonaka scheint die Lösung dieses Problems in der organisatorischen Struktur des Unternehmens zu liegen. Die Einflussnahme der Geschäftsführung kann sich allerdings auch negativ auf die zu erreichenden Ziele (Entwicklung neuer Produkte) auswirken.

2.3.8 Zusammenfassung des Standpunktes von Schreinemakers und Essers

Grundsätzlich sehen die Autoren den Ansatz von Nonaka als einen Schritt in die richtige Richtung, allerdings bewerten sie die Theorien Nonakas als zu subjektiv.

2.3.9 Krit ik durch Schreyögg und Capurros Krit ik an Schreyögg Georg Schreyögg's Kritik zielt im Gegensatz zur oben beschriebenen mehr auf theoretische Gesichtspunkte ab. Schreyögg lehrt derzeit am Institut für Management an der FU Berlin.

Schreyögg führt zunächst an, dass Wissen in Unternehmen immer auf Grundlage von im Unternehmen bereits vorhandenem Wissen entsteht. Schreyögg fasst Nonakas Theorie der Einteilung in explizites Wissen und implizites Wissen auf. In Bezug auf die Wissensumwandlung mit Hilfe des Spiralmodells unterscheidet Schreyögg verschiedene Lerntypen

„Lernen I:

Veränderung des impliziten oder expliziten Wissens, 'die jedoch im Rahmen bestehender Grundüberzeugungen und Basisprämissen der Organisation entwickelt wird'

Lernen II:

Vorherrschende Basisannahmen und Grundsätze werden in Frage gestellt und durch neues Orientierungswissen [...] ersetzt.'

Lernen III:

Lernen III hat das Wissen um die Lernprozesse selbst zum Inhalt“ (Capurro, S. 350/I, Schreyögg/Noss 1997, S.73)

Nonakas Konzept der Wissensschaffung kann auf diese Theorie übertragen werden. So kann die Externalisierung (Umwandlung von implizit zu explizit) Lernen II und Lernen III zugeordnet werden. Sozialisierung (implizit zu implizit) und Internalisierung (explizit zu implizit) finden im Bereich von Lernen I statt.

Schreyögg kritisiert am Spiralmodell, dass es das Individuum selbst als Ursprung ansieht und nicht die allgemeine Wissensbasis des Unternehmens. Capurro relativiert in seinem Aufsatz diese Kritik Schreyöggs und betont, dass man bei Betrachtung des Spiralmodells zwar zu dieser Schlussfolgerung gelangen könnte, jedoch aber alle 4 Stadien der



Wissensumwandlung als Startpunkt gewählt werden können. So hat das Individuum sein Wissen beispielsweise über den Sozialisierungsprozess erworben. Dieses Wissen gründet sich aber wiederum auf zuvor explizit gemachtes und/oder kombiniertes Wissen u.s.w.

Einen weiteren Kritikpunkt sieht Schreyögg in der Behauptung, dass bei der Wissensschaffung der Weg durch alle 4 Stadien gegangen werden muss. Für Schreyögg trifft dies so nur auf sein „Lernen I“ zu. Capurro bestätigt Schreyögg insofern, dass dies nicht nur nicht sinnvoll sondern in vielen Fällen auch gar nicht notwendig oder möglich ist. Allerdings bezweifelt Capurro dabei, dass dies von Nonaka und Takeuchi überhaupt behauptet wurde.

Zusammenfassend sagt Schreyögg, dass nach seiner Meinung die vier Stadien der Wissensschaffung im Rahmen seines Modells unterschiedlich bewertet werden müssen. Außerdem verweist er auf andere Formen der Wissensschaffung wie „Systemvergleich, Experimentieren oder das neugierige Suchen“ die je nach Bedarf mehr zu berücksichtigen sind (Capurro S. 350/I).

Mehr zum Thema Wissensmanagement findet sich auf der WM-Website der VHBI.

2.3.10 Literatur J. Essers, J. Schreinemakers: Nonaka's Subjectivist Conception of Knowledge; Knowledge Organization 24 (1997) No. 1, S. 24-32

J. Essers, J. Schreinemakers: The Conceptions of Knowledge and Information in Knowledge Management; In: J. Schreinemakers (Ed): Knowledge Management, Würzburg 1996, S. 93-104

R. Capurro: Wissensmanagement in Theorie und Praxis; Bibliothek 22 (1998) No. 3, S. 346-355

3 Bausteine des Wissensmanagements - ein praxisorientierter Ansatz



Gilbert Probst / Kai Romhardt

3.1 Einleitung ins Thema Wissensmanagement kann als die pragmatische Weiterentwicklung von Ideen des Organisationalen Lernens verstanden werden. Im Zentrum des Interesses steht die Verbesserung der organisatorischen Fähigkeiten auf allen Ebenen der Organisation durch einen besseren Umgang mit der Ressource 'Wissen'. Wissensmanagement beschäftigt sich mit jenem Teil der Lernprozesse, die als gestaltbar angesehen werden. Wissensmanagement versucht Führungskräften Ansatzpunkte für gezielte Interventionen in die organisatorische Wissensbasis zu liefern und entwickelt zu diesem Zwecke Konzepte und Methoden [1]. Die 'organisationale Wissensbasis' umfaßt dabei sämtliche Wissensbestandteile, über die eine Organisation zur Lösung ihrer vielfältigen Aufgaben verfügt. Hierbei handelt es sich sowohl um individuelle als auch um kollektive Wissensbestandteile (z.B. Fähigkeiten, Fertigkeiten, Erfahrung, Routinen, Normen). Wissensmanagement kann dabei nicht direkt beim Endprodukt - der aufzubauenden Fähigkeit - ansetzen, sondern muß das gesamte Daten- und Informationsumfeld des Unternehmens berücksichtigen.

Die begriffliche Trennung von Daten, Informationen und Wissen hat vielleicht dazu beigetragen, daß heute in vielen Unternehmen kein integriertes Verständnis für das Management der eigenen Wissensbasis vorhanden ist. Die Informatik ist für Aufbau und Pflege der 'Datenseite' verantwortlich, die Ausbildungsfunktion soll individuelle Fähigkeiten vermitteln, während die Forschung und Entwicklung für Produktinnovation zuständig ist. Diese häufig isolierten Aktivitäten hemmen das Potential, welches im gezielteren Management der organisatorischen Wissensbasis steckt.

Abbildung 1: Das Kontinuum von Daten, Informationen zum Wissen



Es ist erstaunlich, daß ein breiter Konsens über die Bedeutung von Wissen oder 'intellectual capital' für den Erfolg von Unternehmen in der 'Wissensgesellschaft' besteht und trotzdem Wissen so schlecht 'gemanagt' wird. Während einige wenige Unternehmen schon seit längerem die Position eines Chief Knowledge Officers (CKO) kennen oder über andere Maßnahmen das Thema Wissensmanagement in der Aufbauorganisation verankern, ist die Diskussion in den meisten Unternehmen heute noch von Sprachlosigkeit gekennzeichnet. Klar definierte Managementrollen oder Organisationsstrukturen zum besseren Management der Ressource Wissen sowie eine gemeinsame 'Wissenssprache' fehlen heute noch in nahezu allen Firmen, die wir untersucht haben. Theoretischen Konzepten des Wissensmanagements fehlt heute gleichzeitig die empirische Basis zur Validierung ihrer Aussagen.

Die Akzeptanz für das Thema wächst in der Praxis parallel zum Leidensdruck. Unternehmen, die sich in einem zunehmend wissensintensiven Wettbewerbsumfeld bewegen, werden so in die intensivere Auseinandersetzung mit dem Management ihrer organisationalen Wissensbasis gezwungen.

3.2 Action Research zum Wissensmanagement Um eine solide Basis für die Entwicklung eines praxisorientiertes Konzept des Wissensmanagements aufzubauen, wurde Mitte 1995 das schweizerische Forum für Organisationales Lernen und Wissensmanagement an der Université de Genève gegründet [2]. In diesem Forum kommen Praktiker zusammen, welche den besseren Umgang mit der strategischen Ressource 'Wissen' als zentralen Hebel für die Sicherung ihrer Wettbewerbsfähigkeit ansehen [3]. Die themenzentrierten round-tables dieser Gruppe werden von der geneva knowledge group [4] betreut, gestaltet und koordiniert In den Forumsfirmen führen Mitarbeiter des Lehrstuhles für Management und Organisation eine Reihe von Projekten durch, welche unterschiedliche 'Wissensprobleme' beleuchten. Das Spektrum reicht hierbei von der "Ableitung von lessons learned aus Strategieprojekten" über die "Reorganisation der Konzernausbildung nach Kompetenzfeldern" bis zur "Konzeption eines Global Knowledge Network zur Schaffung von Wissenstransparenz in ausgewählten Kompetenzfeldern eines international tätigen Großunternehmens". Parallel werden Anforderungen an ein praxisorientiertes Wissensmanagement-Modell erhoben. Folgende Anforderungen werden in unserer Erfahrung von Praktikern als zwingend notwendig empfunden:

Anschlußfähigkeit: Die Schaffung einer gemeinsamen Sprache und die Einordnung von Wissensmanagement-Ideen in bereits bestehende Konzepte wie Total Quality Management oder Business Process Reengineering muß gewährleistet werden.

Problemorientierung: Wissensmanagement muß bei der Lösung von konkreten Problemen einen Beitrag leisten und darf nicht auf der Meta-Ebene verharren ("Lernen ist wichtig - Lernen ist gut"). Die Nutzbarkeit der Ideen in der Praxis ist der finale Test.

Verständlichkeit: Statt zu 'verkomplizieren' [5] und weitere Unterscheidungen zu treffen [6], muß eine Auswahl relevanter Begrifflichkeiten und Ideen im Felde des Wissensmanagement getroffen werden, welche innerhalb von Organisationen verstanden werden.

Handlungsorientierung: Analysen im Felde des Wissensmanagements müssen Führungskräfte ermächtigen, den Einsatz von Managementinstrumenten in ihrer Wirkung



auf die organisationale Wissensbasis zu beurteilen und letzlich zu Entscheidungen und Handlungen führen.

Instrumentebereitstellung: Zielgerichtete Interventionen erfordern erprobte Instrumente. Ziel eines Wissensmanagementkonzeptes muß es somit letztlich auch sein, ein gewisses Arsenal an ausgereiften und zuverlässigen Methoden und Instrumenten zur Verfügung zu stellen. Dabei wäre es ein Trugschluß, zu glauben, daß die Qualität eines 'Werkzeugkastens des Wissensmanagements' alleine von der Neuigkeit der darin enthaltenen Instrumente abhinge. Vielmehr kommt es weniger auf die Instrumente als auf ihre geschickte Verwendung an.

3.3 Modell des Wissensmanagements Inzwischen haben verschiedene Wissenschaftler und Berater ihre Modelle des Wissensmanagements vorgestellt [7]. Basis der meisten Modelle ist ein Lernkreislauf, der von Rahmenbedingungen beeinflußt bzw. von Lernbarrieren gehemmt wird. Teilweise werden bestimmte Wissensarten (z.B. implizites versus explizites Wissen [8]) in ihrer Bedeutung hervorgehoben, teilweise wird die Substanz des Wissensmanagement-Prozesses nicht thematisiert. Das 'richtige Modell' des Wissensmanagements existiert nicht, sondern die unterschiedlichen Systematisierungsversuche sind stets Ausfluß unterschiedlicher Erkenntnisinteressen und Beobachterperspektiven. Kriterium zur Bewertung dieser Modelle ist daher ihre Nützlichkeit für das gewählte Erkenntnisziel. Unsere Bausteine des Wissensmanagements sind von einem praxisorientierten Erkenntnisinteresse geleitet und dementsprechend zu verstehen. Sie wurden im Rahmen unserer 'Action Research' im engen Dialog mit Praktikern entwickelt und haben sich für unsere Arbeit in Praxisprojekten als nützlich erwiesen.

3.4 Bausteine des Wissensmanagements

Abbildung 2: Bausteine des Wissensmanagements



Die Bausteine des Wissensmanagements stellen eine Konzeptualisierung von Aktivitäten dar, die unmittelbar wissensbezogen sind und keiner anderen externen Logik folgen [9]. Wenn 'klassische' Unternehmensprobleme in Form von Wissensmanagementproblemen reformuliert werden sollen, scheint uns ein solches Vorgehen zwingend notwendig zu sein. Die Anordnung der Bausteine folgt zwei Prinzipien. Ein 'äußerer Kreislauf', mit den Elementen Zielsetzung, Umsetzung und Messung bildet einen traditionellen Managementprozeß ab. Dieser Regelkreis erfüllt mehrere Aufgaben. Er verdeutlicht die Wichtigkeit strategischer Aspekte im Wissensmanagement sowie die Bedeutung eindeutiger und konkreter Zielsetzungen. Darüber hinaus berücksichtigt er die Notwendigkeit, die Möglichkeiten der Messung auch im Bereich des Wissensmanagements so weit wie möglich auszuschöpfen, um so der Idee einer zielgerichteten Steuerung gerecht zu werden.

Im inneren Kreislauf finden wir die Bausteine Wissenstransparenz, Wissenserwerb, Wissensentstehung, Wissens(ver)teilung, Wissensbewahrung und Wissensnutzung. Viele Wissensprobleme entstehen, weil die Organisation einem oder mehreren dieser Bausteine zu wenig Beachtung schenkt und somit den Wissenskreislauf stört. Wenn beispielsweise keine Transparenz über intern erstellte Berichte der Marktforschung besteht, können diese Kenntnisse nicht im Produktentwicklungsprozeß genutzt werden. Wenn die einzelnen Schritte eines Problemlösungsprozesses nicht dokumentiert werden, können sie dem organisationalen Gedächtnis der Organisation entfallen und die Wiederholung eines erfolgreich durchgeführten Prozesses unmöglich machen.

Die Definition von Bausteinen des Wissensmanagements hat mehrere Vorteile:

sie strukturiert den Managementprozeß in logische Phasen sie bietet Ansätze für Interventionen sie liefert ein erprobtes Suchraster für die Suche nach den Ursachen von

'Wissensproblemen'

Gleichzeitig wird betont, daß die einzelnen Bausteine aufeinander einwirken und Maßnahmen des Wissensmanagements nie isoliert betrachtet werden dürfen. In vielen Organisationen sind beispielsweise die Prozesse der internen Wissensentwicklung sowohl vom Zielsystem des Unternehmens als auch von den Bedürfnissen der zukünftigen Nutzer des zu entwickelnden Know-how abgekoppelt.

Abbildung 3: Entkopplung von Prozessen der Wissensentstehung

Unsere Bausteine erheben keinen Anspruch, theoriebildend zu sein. Sie sind vielmehr ein pragmatisches Sprachangebot an die Praxis. Unsere Erfahrungen haben gezeigt, daß Praktiker mit Hilfe der Bausteine des Wissensmanagements Wissensprobleme in ihren



Organisationen besser einordnen und verstehen können. So fällt Ihnen die Auswahl geeigneter Instrumente leichter und sie können das Leitbild 'besserer Umgang mit der Ressource Wissen' in kleine, handhabbare Maßnahmenpakete unterteilen.

Im folgenden werden Grundideen und Instrumente innerhalb der einzelnen Bausteine vorgestellt und illustriert.

3.4.1 Wissensziele Wissensziele geben den Aktivitäten des Wissensmanagements eine Richtung. Sie legen fest, auf welchen Ebenen welche Fähigkeiten aufgebaut werden sollen. Normative Wissensziele richten sich dabei auf die Schaffung einer 'wissensbewußten' Unternehmenskultur, in der Teilung und Weiterentwicklung der eigenen Fähigkeiten, die Voraussetzungen für ein effektives Wissensmanagement schafft.

Strategische Wissensziele definieren organisationales 'Kernwissen' und beschreiben somit den zukünftigen Kompetenzbedarf eines Unternehmens. Sie ein anzustrebendes Kompetenzportfolio für die Zukunft fest. Dabei orientieren sie sich am langfristigen Aufbau von Kompetenzen der Organisation und bilden somit eine bewußte Ergänzung herkömmlicher Planungsaktivitäten. Traditionelle Zielkategorien strategischer oder finanzieller Planung, wie beispielsweise Umsatzwachstums- oder Marktanteilsziele, werden weiterhin ihre Bedeutung behalten. Die wachsende Bedeutung von Wissen als kritischer Größe des Unternehmenserfolges läßt jedoch eine Einbeziehung von Wissenszielen in den Katalog der Unternehmensziele sinnvoll erscheinen.

Ein zentrales Problem vieler neuer Managementansätze besteht darin, daß sie auf der Ebene strategischer Reflexion verharren und die Resultate dieser Reflexion nicht in die konkrete Implementierungsphase gelangen. Operative Wissensziele sorgen für die Umsetzung des Wissensmanagements und sichern die notwendige Konkretisierung der normativen und strategischen Zielvorgaben. Typische operative Wissensziele wären beispielsweise das Herstellen der Verfügbarkeit aller intern erstellten Dokumente der Organisation auf einem Intranet oder die Festlegung eines Englischniveaus, das von allen Mitarbeitern erreicht werden soll. Die Definition operativer Wissensziele soll also verhindern, daß es zu einem 'Verkümmern' des Wissensmanagements auf der Stabs- oder Strategieebene kommt, beziehungsweise daß der Wissensaspekt dem operativen Geschäft 'zum Opfer fällt'. Wenn dies gelingen soll, müssen operative Wissensziele ausreichend konkret formuliert sein und organisationsweit mit ganzer Konsequenz verfolgt werden.

3.4.2 Wissensidentif ikation Bevor aufwendige Anstrengungen zum Aufbau neuer Fähigkeiten unternommen werden, ist es angeraten, sich über intern oder extern bereits vorliegendes Wissen oder Know-how zu informieren. Den meisten Großunternehmen fällt es heute schwer, den Überblick über interne und externe Daten, Informationen und Fähigkeiten zu behalten. Diese mangelnde Transparenz führt zu Ineffizienzen, 'uninformierten' Entscheidungen und Doppelspurigkeiten. Ein effektives Wissensmanagement muß daher ein hinreichendes Maß an interner und externer Transparenz schaffen und den einzelnen Mitarbeiter bei seinen Suchaktivitäten unterstützen.



Tatsächlich herrscht in vielen Großunternehmen Unklarheit darüber, wo welche Experten mit welcher Expertise sitzen und an welchen Projekten innerhalb der Organisation z.Zt. gearbeitet wird. Restrukturierungen, Lean-Management und Reengineering-Aktivitäten erhöhen in vielen Fällen noch die Intransparenz, da sie effiziente informelle Netze auseinanderreißen.

Eine Möglichkeit zur Schaffung interner Wissenstransparenz liegt in der Erstellung von Wissenslandkarten (s.u.), welche den systematischen Zugriff auf die organisationale Wissensbasis unterstützen. Die heutigen Möglichkeiten der Informationstechnologie ermöglichen dabei völlig neue Möglichkeiten im Zugriff auf die interne, elektronische Wissensbasis und die Verknüpfung unterschiedlicher Datentypen. Im Zusammenspiel mit der rasanten Entwicklung des Internet wird sich unser Umgang und Zugriff auf Informationen in der Zukunft radikal verändern. Reine Technologielösungen werden allerdings nie die notwendige Transparenz innerhalb von Organisationen schaffen können. Sie müssen immer durch den Faktor Mensch ergänzt werden, der seine Expertise im persönlichen Gespräch anderen Organisationsmitgliedern zur Verfügung stellt. Um diese Gespräche zu ermöglichen, müssen sich Wissensanbieter und Wissensnachfrager aber auf einer Plattform kennenlernen können.

Abbildung 4: Arten von Wissenskarten

Systeme, welche die Identifikation zentralen Wissens unterstützen, fehlen vielen Organisationen. Es ist anzumerken, daß die Verantwortung für eine angemessene interne Wissenstransparenz (zu) selten organisatorisch geregelt ist. Die Struktur von Intranets oder Wissenslandkarten muß sich immer an den Bedürfnissen der potentiellen Wissensnutzer ausrichten und darf nicht einer reinen Informatiklogik folgen.



3.4.3 Wissenserwerb Durch die weltweite Wissensexplosion und gleichzeitige Wissensfragmentierung sind Unternehmen immer weniger in der Lage, sämtliches für den Erfolg notwendige Know-how aus eigener Kraft zu entwickeln. Statt dessen müssen heute kritische Fähigkeiten auf den verschiedensten Wissensmärkten erworben werden, was von Unternehmen gezielte Beschaffungsstrategien erfordert. Es können mehrere Beschaffungsformen unterschieden werden.

Der Erwerb von Wissen anderer Firmen wird häufig eingesetzt, um Zukunftskompetenzen schneller aufzubauen, als dies aus eigener Kraft möglich wäre. Eine Möglichkeit liegt in der Übernahme besonders innovativer Firmen im eigenen Kompetenzfeld oder dem bewußten Eingehen von product links zur gezielten Schließung von Know-how-Lücken.

Der Erwerb von Stakeholderwissen ist häufig ein sehr günstiger Weg, um an zentrale Ideen und Verbesserungsvorschläge zu gelangen. Als Stakeholder einer Organisation bezeichnet man diejenigen Gruppen im Umfeld einer Organisation, welche besondere Interessen und Ansprüche an die Tätigkeit eines Unternehmens richten [10]. So können beispielsweise zum Erwerb des Wissens der eigenen Kundschaft Schlüsselkunden in den Entwicklungsprozeß involviert werden oder Kooperationen in Pilotprojekten eingegangen werden, welche ein frühzeitiges Lernen über die Kundenbedürfnisse ermöglichen.

Der Erwerb von Wissen externer Wissensträger (z.B. Rekrutierung von Spezialisten) kann über klassische Rekrutierungsstrategien oder unter Einschaltung externer Helfer wie Headhunter oder Personalberater erfolgen. Temporäre Anstellungen sind eine interessante Alternative zur klassischen Festanstellung. Häufig sind gewisse Fähigkeiten nur kurz- bis mittelfristig knapp. Manager auf Zeit oder die Nutzung von Teilzeitarbeitsfirmen können über diesen Engpaß hinweghelfen und so einen Import von Intelligenz auf Zeit ermöglichen. Eine enge Kopplung zwischen strategischen Wissenszielen und der Beschaffungspolitik von Wissensträgern ist von großer Bedeutung.

Im Gegensatz zum Import der Fähigkeiten von Wissensträgern und Experten, steht der Erwerb von Wissensprodukten wie beispielsweise Software, Patenten oder CD-Roms. Durch den Ankauf solcher Wissenskonserven gelangt die Organisation aber nicht automatisch in den Besitz von organisatorischen Fähigkeiten [11]. In der Regel wird ihr Potential erst durch menschliches Handeln und eine sinnvolle Integration in die bestehende Wissensbasis realisiert. Der Kauf 'passender' Wissensprodukte kann einen enormen Hebel für ein effektives Wissensmanagement darstellen. In der Praxis ist allerdings häufig der Ankauf von nicht integrationsfähigen Ressourcen zu beobachten. Die Prüfung der importierten Produkte im Vorfeld ist daher von besonderer Bedeutung.

Der Wissensimport ist immer ein zweischneidiges Schwert. Zum einen sollen neue Ideen in der Organisation verfügbar gemacht werden, um interne Routinen zu verändern, gleichzeitig kann das Neue seine Wirkung nur entfalten, wenn es anschlußfähig bleibt. Der Grad der Fremdheit beeinflußt somit die Abstossungswahrscheinlichkeit der neuen Ideen.

Gleichzeitig muß geklärt sein, ob wir mit dem Erwerb eine Investition in die Zukunft (Potential) tätigen oder eine Investition in die Gegenwart (direkt verwertbares Wissen) wollen. Ein integriertes Wissensmanagement muß beide Bereiche umfassen und mit geeigneten Instrumenten unterstützen.



3 .4.4 Wissensentwicklung Viele Managementforscher konzentrieren sich bei der Erforschung von Wissensmanagement auf Prozesse der Wissensentwicklung. Im Mittelpunkt steht die Produktion neuer Fähigkeiten, neuer Produkte, besserer Ideen und leistungsfähigerer Prozesse. Wissensentwicklung umfaßt alle Managementanstrengungen, mit denen die Organisation sich bewußt um die Produktion bisher intern noch nicht bestehender oder gar um die Kreierung intern und extern noch nicht existierender Fähigkeiten bemüht. Wissensentwicklung kann auf der individuellen und auf der kollektiven Ebene konzeptionalisiert werden.

Prozesse der individuellen Wissensentwicklung beruhen auf Kreativität und systematischer Problemlösungsfähigkeit. Während Kreativität eher als einmaliger Schöpfungsakt gedacht werden kann, folgt die Lösung von Problemen eher einem Prozeß, der durch mehrere Phasen beschrieben werden kann. Kreativität könnte als chaotische Komponente und Problemlösungskompetenz als systematische Komponente des Wissensentwicklungsprozesses bezeichnet werden. Beide Komponenten müssen durch Maßnahmen der Kontextsteuerung unterstützt werden, welche das Individuum in seiner Wissensproduktion unterstützt wird. Zur Unterstützung können teilweise althergebrachte Instrumente (wie z.B. das Vorschlagswesen) revitalisiert und neu interpretiert werden.

Kollektive Prozesse der Wissensentwicklung folgen häufig einer anderen Logik als individuelle. Nimmt man das Team als Keimzelle kollektiven Lernens in der Unternehmung, so muß auf die Schaffung komplementärer Fähigkeiten in der Gruppe und die Definition sinnvoller und realistischer Gruppenziele geachtet werden. Nur in einer Atmosphäre von Offenheit und Vertrauen, welche durch eine hinreichende Kommunikationsintensität unterstützt und erzeugt werden kann, sind kollektive Prozesse der Wissensentwicklung individuellen Bemühungen überlegen. Durch die Einrichtung interner think tanks, Lernarenen [12], Aufbau interner Kompetenzzentren [13] oder Produktkliniken [14] können diese Prozesse unterstützt werden.

Abbildung 5: Integration von lessons learned in den Projektprozeß

In einem Prozeß der Selbstreflexion kann jedes Team nach Abschluß eines Projektes lessons learned erstellen. Es muß herausgearbeitet werden, welche kritischen Erfahrungen im Projektverlauf gesammelt wurden und worauf zukünftige Teams bei ähnlichen Problemstellungen achten sollten. Häufig werden unterschiedliche Einschätzungen erst durch solche Abschlußevaluationen sichtbar und können damit auch



für die Beteiligten eine wertvolle Quelle zur Reflexion der eigenen Arbeit darstellen. In knapper klarer Form repräsentieren lessons learned damit die Essenz der Erfahrungen, welche in einem Projekt oder einer Position gemacht wurden und sind das Resultat eines kollektiven Lernprozesses [15].

3.4.5 Wissens(ver)tei lung Die (Ver)teilung von Erfahrungen in der Organisation ist die zwingende Voraussetzung, um isoliert vorhandene Informationen oder Erfahrungen für die gesamte Organisation nutzbar zu machen. Die Leitfrage lautet: Wer sollte was in welchem Umfang wissen oder können und wie kann ich die Prozesse der Wissens(ver)teilung erleichtern? Nicht alles muß von allen gewußt werden, sondern das ökonomische Prinzip der Arbeitsteilung verlangt eine sinnvolle Beschreibung und Steuerung des Wissens(ver)teilungsumfanges. Nicht jede Wissensart ist für eine effiziente Wissensmultiplikation geeignet. Die Vermittlung von Standardfähigkeiten zum neuen Betriebssystem Windows 95 ist eher standardisierbar als die (Ver)teilung von Fachexpertise, welche ein Werkzeugmeister im Laufe seines Berufslebens an 'seiner' Maschine gesammelt hat.

Technische Infrastrukturen der Wissens(ver)teilung können den simultanen Wissensaustausch in der Organisation fördern und somit viele bisher getrennte Experten in einem elektronischen Netzwerk miteinander verbinden [16]. Relevante Technologien betreffen hier vor allem 'groupware', modernere Formen interaktiver Managementinformationssysteme sowie alle Instrumente von 'computer supported cooperative work'.

Abbildung 6: Vom divergenten zum konvergenten System (Quelle: Arthur Andersen)

Die obige Abbildung zeigt, wie breit verteilte Erfahrungen und Informationen zusammengefaßt werden und in konvergierter/aggregierter Form an die Organisation zurückgespielt werden können.

Wissens(ver)teilung kann sich neben Effizienzvorteilen durch besseres Zeit- und Qualitätsmanagement auch direkt in Kundennutzen niederschlagen. Verteilte organisationale Wissensbestände erlauben eine Nutzung des Wissens an zahlreichen Stellen des Unternehmens. Statt des Rückgriffs auf spezialisierte Stellen wird so eine effizientere und schnellere Reaktion ermöglicht.



Wissens(ver)teilung kann in der Zusammenfassung also der reinen Multiplikation von Wissen, dem Zugriff auf Erfahrungen ('lessons learned') oder den zeitgleichen Zugriff auf organisationale Wissensbestände und deren Transformation dienen.

3.4.6 Wissensnutzung Die Wissensnutzung, also der produktive Einsatz organisationalen Wissens zum Nutzen des Unternehmens, ist Ziel und Zweck des Wissensmanagements. Mit erfolgreicher Identifikation und (Ver)Teilung zentraler Wissensbestandteile ist die Nutzung im Unternehmensalltag leider noch lange nicht sichergestellt. Die Nutzung 'fremden' Wissens wird durch eine Reihe von Barrieren beschränkt. Fähigkeiten oder Wissen 'fremder' Wissensträger zu nutzen, ist für viele Menschen ein 'widernatürlicher Akt'[17], den sie nach Möglichkeit vermeiden. Die Beibehaltung 'bewährter' Routinen bildet einen Sicherheitsmechanismus, der das Individuum vor Überfremdung schützt und seine Identität aufrechterhält. Dennoch müssen Unternehmen sicherstellen, daß Wissen, welches mit großem Aufwand erstellt und als strategisch wichtig eingeschätzt wird, auch tatsächlich im Alltag genutzt wird, und nicht dem generellen Beharrungsvermögen der Organisation zum Opfer fällt.

Abbildung 7: Die Todesspirale einer elektronischen Wissensbasis [18]

Stellt man nicht sicher, daß beispielsweise neue 'Wissenssysteme' konsequent genutzt werden, können sie sich innerhalb kurzer Zeit in die in Abbildung 7 skizzierte 'Todesspirale' bewegen.

Alle Bemühungen des Wissensmanagements sind daher vergebens, wenn der potentielle Nutzer nicht vom Nutzen der neuen Lösung überzeugt ist. Nutzen und Nutzung liegen nicht nur zufällig sprachlich eng beieinander.

3.4.7 Wissensbewahrung Einmal erworbene Fähigkeiten stehen nicht automatisch für die Zukunft zur Verfügung. Die gezielte Bewahrung von Erfahrungen oder Informationen und Dokumenten setzt Managementanstrengungen voraus. Tatsächlich beklagen heute viele Organisationen, daß sie im Zuge von Reorganisationen einen Teil ihres Gedächtnisses verloren haben. Diese kollektive Amnesie beruht häufig auf der unbedachten Zerstörung informeller Netzwerke, welche wichtige aber wenig beachtete Prozesse steuern. Um wertvolle Expertise nicht leichtfertig preiszugeben, müssen die Prozesse der Selektion des



Bewahrungswürdigen, die angemessene Speicherung und die regelmäßige Aktualisierung bewußt gestaltet werden.

Abbildung 8: Die Hauptprozesse der Wissensbewahrung

In jeder größeren Organisation werden täglich viele Erfahrungen gewonnen, welche für die Zukunft nützlich sein könnten und daher bewahrt werden sollten. Projektberichte, Sitzungsprotokolle, Briefe oder Präsentationen entstehen an vielen Orten. Die Herausforderung liegt in der Selektion zwischen den bewahrungswürdigen und nicht bewahrungswürdigen Wissensbestandteilen. Organisationen werden nie alle Selektionsprozesse managen können und das wäre auch gar nicht sinnvoll. Für Kernbereiche der organisationalen Wissensbasis sollten allerdings Anstrengungen zur sinnvollen Selektion und Dokumentation getroffen werden. Dabei gilt die Leitregel, daß nur was in der Zukunft für Dritte nutzbar sein könnte es auch verdient, bewahrt zu werden. Alles andere raubt dem zukünftigen Nachfrager nur Zeit und Vertrauen in die Qualität des Dokumentationssystems. Eingefahrene Dokumentationssysteme sind aus dieser Perspektive auf ihre Daseinsberechtigung zu überprüfen.

Speicherungsprozesse finden auf der individuellen, der kollektiven und der elektronischen Ebene statt. Auf der individuellen Ebene können Träger von Schlüssel-Know-how über materielle oder immaterielle Anreizsysteme ans Unternehmen gebunden werden. Auf der kollektiven Ebene kann man sich um die Explizierung von Fähigkeiten, welche im prozeduralen Gedächtnis der Organisation gespeichert sind, bemühen und ein Bewußtsein für den Inhalt des historischen Gedächtnisses der Organisation schaffen. Dies ermöglicht einen gezielten Zugriff auf diese Erfahrungen zu einem späteren Zeitpunkt. Die elektronische Bewahrung, in der immer häufiger Expertensysteme als intelligente Hüter des organisationalen Erfahrungsschatzes auftreten, ermöglicht den zukünftigen systematischen Zugriff auf zentrale Wissensdokumente.



Abbildung 9: Formen des organisationalen Vergessens

Bewahrung ist ein permanenter Prozeß, der durch permanente Aktualisierungsbemühungen aufrecht erhalten werden muß. Veraltete Speichersysteme sind 'tote' Speichersysteme. Wer seine Fähigkeiten nicht trainiert oder gewisse Prozesse am Laufen hält, der 'verlernt' über kurz oder lang das mühevoll Erlernte. Die Formen des organisationalen 'Vergessens' sind vielfältig (siehe Abbildung 9).

3.4.8 Wissensbewertung Die Messung und Bewertung organisationalen Wissens gehört zu den größten Schwierigkeiten, die das Wissensmanagement heute zu bewältigen hat. Ein entscheidender Durchbruch konnte in diesem Bereich bisher noch nicht erzielt werden. Wissensmanager können im Gegensatz zu Finanzmanagern nicht auf ein erprobtes Instrumentarium von Indikatoren und Meßverfahren zurückgreifen, sondern müssen neue Wege gehen. Wissen oder Fähigkeiten können selten auf eine Meßdimension zurückgeführt werden und häufig ist der Meßaufwand unvertretbar hoch. Dennoch liegt im Bereich der Wissensbewertung ein bisher stark vernachlässigtes Potential. Ausbildungscontroller, welche den Einfluß ihrer Ausbildungsinvestitionen auf den Unternehmenserfolg nachweisen mußten, haben gezeigt, wie man sich dem flüchtigen Erkenntnisobjekt nähern kann.

Entsprechend den formulierten Wissenszielen werden Methoden zur Messung von normativen, strategischen und operativen Wissenszielen notwendig. Spätestens bei der Bewertung zeigt sich, welche Qualität die formulierten Zielvorstellungen hatten, denn bei der Definition von Zielen werden immer auch die Möglichkeiten der abschließenden Erfolgsbewertung festgelegt. Abstrakte Zielformulierungen wie: "Wir wollen ein lernendes Unternehmen werden" rächen sich hier. Wissensorientierte Kulturanalysen, die Erstellung von Fähigkeitenbilanzen oder die Intensivierung von Methoden des Ausbildungscontrolling weisen den Weg in die richtige Richtung. Nur wenn die Messung zentraler Größen des Wissensmanagement-Prozesses in Zukunft vereinfacht werden kann und höhere Akzeptanz erhält, kann der Management-Kreislauf geschlossen werden und von echtem Wissensmanagement gesprochen werden.



Abbildung 10: Ansätze zur Bewertung von Wissenszielen

3.5 Fazit/Thesen "Wissensmanagement ist hoch politisch und braucht Top-Management Unterstützung"

Wissensmanagement bewertet die bestehenden Kompetenzportfolios innerhalb eines Unternehmens neu und setzt neue Prioritäten. In diesem Prozeß verlieren bisherige Experten häufig ihre Sonderstellung. Wissenstransparenz reduziert Informationsvorsprünge, welche häufig in politischen Spielen von Bedeutung sind. Dies reduziert die Machtbasis der bisher besser Informierten. Diese Aussagen machen deutlich, daß Wissensmanagement 'natürliche Feinde' hat und viele Maßnahmen des Wissensmanagements nur mit absolutem Top-Management Commitment durchgesetzt werden können.

"Wissensmanagement muß in den Organisationsstrukturen und der Kultur verankert werden"

Wissensmanagement ist ein Querschnittsaufgabe, welche heute durch getrennte Funktionslogiken im Personalbereich, der Informatik oder der Forschung & Entwicklung sowie der Unternehmungsplanung erschwert wird. Die Überzeugung, die Ressource 'Wissen' in der Organisation besser zu nutzen, muß sich mittelfristig in der Aufbauorganisation und der Unternehmenskultur niederschlagen. Die Integration von 'Wissenszielen' in die Unternehmensstrategie und Projektplanung ist sicherzustellen. Die Mitarbeiter müssen bei der Bewältigung der Informationsflut infrastrukturell unterstützt werden.

"Wissensmanagement wird heute hauptsächlich durch die Entwicklung in der Kommunikationstechnologie getrieben"

Wissensmanagement ist kein Informationsmanagement. Der Grund dafür, daß Wissensmanagement gerade heute seine 'Zuhörer' findet, ist auf Technologiesprünge im Kommunikationsbereich zurückzuführen, welche völlig neue Organisationsformen des digitalisierten Teiles der organisationalen Wissensbasis zulassen. Mit dem Trend zur weltweiten Vernetzung aller Arbeitsplätze entstehen Kommunikationsstrukturen, welche



mit traditionellen Organisationsmodellen nicht mehr beschreibbar sind. Tatsächlich scheinen es moderne Informationstechnologien wie Groupware-Applikationen oder Intranets zu sein, welche heute den Umgang der Organisation mit ihrer eigenen Wissensbasis revolutionieren. Die Verbindung dieser technologischen Möglichkeiten mit dem Faktor Mensch und seinen individuell-einmaligen Fähigkeiten und Erfahrungen scheint der Haupttreiber in der Implementierung von Wissensmanagement zu sein.

3.6 Anmerkungen [1] Konzepten des Organisationalen Lernens geht es hingegen in der Regel um das Verständnis der Rahmenbedingungen, Funktionsweisen und Hindernisse organisationaler Lernprozesse. Obwohl sich in der Praxis viele Unternehmen um die Transformation in eine lernende Organisation bemühen, haben sie häufig Mühe, Ihren Aktivitäten eine klare Richtung zu geben und konkrete Ansatzpunkte zu finden. Die Ursachen liegen in zwei Defiziten, welche OL-Konzepte aus einer Managementperspektive aufweisen. Zum einen schaffen sie es selten klare Lernziele zu formulieren, zum zweiten vernachlässigen sie die Beschäftigung mit der Substanz der Lernprozesse, dem organisationalen Wissen und den Fähigkeiten des Unternehmens. [2] Damit wird der Action Research Philosophie des Lehrstuhls gefolgt. Vergleiche Probst/Raub (1995).

[3] Forumsmitglieder sind z.Zt. AT&T International, Coop, Telecom-PTT, Schweizerischer Bankverein, Winterthur Versicherungen, Schweizerische Bankgesellschaft, Holderbank und Hewlett Packard Europa.

[4] Ursprüngliche Bezeichnung für eine Forschungsgruppe an der Universität Genf, die sich in Forschungs- und Praxisprojekten mit Aspekten des OL und Wissensmanagements beschäftigt. Seit kurzem firmiert die geneva knowledge group als GmbH und bietet Beratungsdienstleitungen im Felde des Wissensmanagements an. Gesellschafter sind Prof. Dr. Bettina Büchel, Prof. Dr. Gilbert Probst, Steffen Raub und Kai Romhardt.

[5] Vergleiche Weick (1995).und seine entgegengesetzte Forderung "Verkompliziere Dich".

[6] Viele der in der Wissenschaft häufig behandelten Unterscheidungen von Wissen (wie z.B. implizit/explizit) sind in den meisten Problemfeldern der Praxis nicht relevant. Die Festlegung auf eine zentrale Leitunterscheidung des Wissens darf nie am Anfang einer Untersuchung stehen, sondern die Kunst liegt vielmehr in der Auswahl der passenden Unterscheidung. Mögliche Unterscheidungen sind: autorisiertes vs. nicht autorisiertes Wissen, bewahrtes vs. neu gewonnenes Wissen, kodierbares vs. nicht-kodierbares Wissen, formelles vs. informelles Wissen , herrschendes vs. Minderheitswissen, individuelles vs. kollektives Wissen, kommunikables vs. inkommunikables Wissen, narratives vs. wissenschaftliches Wissen, natürliches vs. künstliches Wissen, persönliches vs. öffentliches Wissen, speicherungswertes vs. nicht-speicherungswertes Wissen, universales vs. partikulares Wissen, Wissen vs. Gegen-Wissen oder Wissen vs. Nicht-Wissen. Zu Möglichkeiten und Grenzen der Strukturierung der organisationalen Wissensbasis mit Hilfe von Leitunterscheidungen vergleiche Romhardt (1996).

[7] Vergleiche exemplarisch für die Vielzahl der Modelle Nonaka/Takeuchi (1995), Spek/Spijkervet (1996) und Schüppel (1996) oder auf der Beraterseite das Knowledge Management Assessment Tool von Arthur Andersen (1996).



[8] Vergleiche exemplarisch Nonaka/Takeuchi (1995).

[9] Im Rahmen dieser Veröffentlichung können die Bausteine des Wissensmanagements nur kurz vorgestellt werden. Eine ausführliche Darstellung mit Praxisillustrationen und Instrumenten findet sich bei Probst/Raub/Romhardt (1997).

[10] Vergleiche Bleicher (1992:105 und 139).

[11] Badaracco (1991) stellt vier Bedingungen auf, die erfüllt sein müssen damit sogenanntes migratory knowledge seine Wirkung entfalten kann: "First the knowledge must be clearly articulated and reside in "packages". Second, a person or group must be capable of opening the package, of understanding and grasping the knowledge. Third, the person or group must have sufficient incentives to do so, and fourth, no barriers must stop them". Vergleiche Badaracco (1991: 34).

[12] Zum Konzept der Lernarenen vergleiche Romhardt (1995).

[13] Insbesondere Unternehmensberatungen wie McKinsey oder Artur Andersen organisieren ihre internen Fähigkeiten in internen Kompetenzzentren oder interest groups. Hier werden weltweit gesammelte Erfahrungen zusammengeführt, diskutiert und für die Gesamtorganisation verfügbar gemacht.

[14] Vergleiche zum Konzept der Produktklinik Wildemann (1996).

[15] Vergleiche Gomez/Probst (1995).

[16] Vergleiche hierzu Davenport (1996: 37).

[17] Die Darstellung lehnt sich an Manago/Auriol (1996: 28) an. Sie beschreiben den dargestellten Teufelskreis wie folgt: "The data is not used because it is so difficult to assess, and no one invests in making it easy to retrieve because it is not used. The data is not trusted because many errors have been recorded, and no one cares to verify the accuracy of the data because it is not trusted".

3.7 Bibl iographie Arthur Andersen: The Knowledge Management Assessment Tool, internes Papier.

Badaracco, J.L. (1991): Knowledge Link: How firms compete through Strategic Alliances, Boston, MA: Harvard Business School Press.

Bleicher, K. (1992): Das Konzept Integriertes Management, 2. Auflage, Frankfurt/New York: Campus.

Davenport, T.H. (1996): Some Principles of Knowledge Management. Strategy - Management - Competition (2/Winter 1996):34-40.

Gomez.P./Probst G. (1995): Die Praxis des ganzheitlichen Problemlösens - Vernetzt denken - Unternehmerisch handeln -Persönlich überzeugen, Bern/Stuttgart/Wien:Haupt.

Manago, M./Auriol E. (1996): Mining for Or. OR/MS Today, Februar:28-32, 1996.

Nonaka, I./Takeuchi, H. (1995): The Knowledge-Creating Company, New/York/Oxford: Oxford University Press.

Probst, G./Büchel, B. (1994): Organisationales Lernen: Wettbewerbsvorteil der Zukunft, Wiesbaden: Gabler.

Probst, G./Raub, S. (1995): Action Research: Ein Konzept angewandter Managementforschung, in: Die Unternehmung, 49: 1, S. 3-19.



Probst, G./Raub, S./Romhardt, K. (1997): Ressource Wissen - Wissensmanagement für die Unternehmenspraxis (Arbeitstitel), Frankfurt (Main)/Wiesbaden: Frankfurter Allgemeine/Gabler.

Romhardt, K. (1995): Das Lernarenakonzept: Ein Ansatz zum Management organisatorischer Lernprozesse in der Unternehmenspraxis. Cahier de recherche, HEC, Université de Genève, Genf.

Romhardt, K. (1996): Interventionen in die organisatorische Wissensbasis zwischen Theorie und Praxis - Welchen Beitrag kann die Systemtheorie leisten? Cahier de recherche, HEC, Université de Genève, Genf.

Schüppel, J. (1996): Wissensmanagement-Organisatorisches Lernen im Spannungsfeld von Wissens- und Lernbarrieren. Dissertation Nr.1831, Hochschule St.Gallen.

Spek, R.v./Spijkervet, A. (1996): Knowledge Management - Dealing Intelligently with Knowledge, Utrecht: The Knowledge Management Network.

Weick, K.E. (1995): Der Prozess des Organisierens, Frankfurt (Main): Suhrkamp.

Wildemann, H. (1996): Die Produktklinik - eine Keimzelle für Lernprozesse, in: HARVARD BUSINESS manager, 1, S. 39-49.

3.8 Die Autoren:

Ordentlicher Professor für Organisation und Management an der Université de Genève, Direktor des MBA-Programmes, Partner der GENEVA KNOWLEDGE GROUP, Gründer des Forums für Organisationales Lernen und Wissensmanagement.

lic.oec HSG, Mitarbeiter am Lehrstuhl für Organisation und Management an der Université de Genève, Partner der GENEVA KNOWLEDGE GROUP, Koordinator des Forums für Organisationales Lernen und Wissensmanagement.

Gilbert Probst

Kai Romhardt

4 Einführung in das Wissensmanagement


4 Einführung in das Wissensmanagement Holger Nohr

Fachhochschule Stuttgart

Studiengang Informationswirtschaft

Wolframstrasse 32 – D-70191 Stuttgart

E-Mail: [email protected]

Arbeitspapiere Wissensmanagement Nr. 5/2000 ISSN 1616-5349 (Internet)

ISSN 5330 (Print)

Die Arbeitspapiere dieser Reihe sollen einen Überblick zu den Grundlagen des Wissensmanagements geben und sich mit speziellen Themenbereichen tiefergehend befassen. Ziel ist die verständliche Vermittlung theoretischer Grundlagen und deren Transfer in die Praxis.

Zielgruppen sind Forschende, Lehrende und Lernende im Fachgebiet Wissensmanagement sowie Praktiker in Unternehmen.

Die Arbeitspapiere entstehen aus Forschungsarbeiten, Diplom-, Studien- und Projektarbeiten sowie Begleitmaterialien zur Lehr und Vortragsveranstaltungen des Studiengangs Informationswirtschaft der Fachhochschule Stuttgart.

Prof. Holger Nohr lehrt seit 1998 im Studiengang Informationswirtschaft der Fachhochschule Stuttgart in den Fächern Wissensmanagement, Informationswissenschaft, Qualitätsmanagement und Existenzgründung und Gründungsmanagement.

4.1 Inhaltsverzeichnis Themenübersicht der Veranstaltung

Einführung

Daten – Information – Wissen

Modelle des Wissensmanagement

Die Lernende Orga

Bausteine des Wissensmanagement

Technologien des Wissensmanagement

Organizational Me

Literaturhinweise

4.2 Einführung Wissensmanagement beschäftigt sich mit den Möglichkeiten der Einflussnahme auf die Wissensbasis der Unternehmen. Unter der Wissensbasis (auch Organizationale Memory genannt) einer Unternehmung werden alle Daten und Informationen, alles Wissen und alle Fähigkeiten verstanden, die diese Organisation zur Lösung ihrer vielfältigen

Ziele

Zielgruppen

Quellen

Der Autor



Aufgaben in einer zunehmend komplexeren Wirtschaft benötigt [Nohr 2000]. Der Schlüssel für die Wettbewerbsfähigkeit und die Innovationskraft eines Unternehmens liegt heute in der Fähigkeit begründet, diese Humanressourcen zielgerichtet zu bewirtschaften, d.h. Wissen zu erwerben [bspw. durch organisationales Lernen; Probst/Büchel 1998] oder neues Wissen zu entwickeln, es adäquat innerhalb der Organisation bereitzustellen (Wissenstransparenz und –verteilung) und schliesslich Wissen in strategische Konzepte und operative Handlungen umzusetzen (Wissensnutzung). Von Krogh und Venzin [1995] stellen folgende Aufgaben an das Wissensmanagement:

Erschließen von Wissen (Erfahrungen, Best Practices) für alle, die dieses im Rahmen ihrer organisationalen Rolle benötigen

Verfügbarmachen von Wissen am Ort und zur Zeit der Entscheidung Erleichtern des effektiven und effizienten Entwickelns von neuem Wissen (bspw.

F&EAktivitäten, Lernen auf der Basis von historischen Fällen) Sicherstellen, daß jeder in der Organisation weiß, wo Wissen verfügbar ist Umsetzen dieser Kompetenzen in neue Produkte und Dienstleistungen

Diese Aufgaben verlangen als Voraussetzung die Bestimmung relevanten Wissens, die Formulierung von Wissenszielen der Unternehmung. Probst et al. [1999] haben ein Modell entwickelt, welches diese Bausteine der Wissensbewirtschaftung in einem integrierten Managementprozess zusammenfasst:

4.2.1 Bausteine des Wissensmanagements (nach G. Probst et al . )

Nach einschlägigen Untersuchungen ist die Wertschöpfung der Unternehmen bereits heute zu ca. 60 bis 80 Prozent von der Bewirtschaftung des Wissens der Unternehmung abhängig. Damit ist Wissen bereits heute der wichtigste Produktionsfaktor für eine Vielzahl der Unternehmen [Stewart 1998], mit einer noch weitaus höheren Bedeutung in der Zukunft. Wir sprechen daher von diesen Unternehmen als wissensbasierte Unternehmen [Kurtzke/Popp 1999] sowie von einer wissensbasierten Unternehmensführung [North 1999]. Produkte, auch solche denen dies nicht sofort anzusehen ist, werden zunehmend wissensintensiver (vgl. bspw. Sportschuhe von Nike). Der Wert von Unternehmen wird heute mehr durch das „Wissenskapital“ als durch den



Buchwert bestimmt. Unternehmen wie SAP oder Microsoft werden an der Böre mit dem zehnfachen ihres Buchwertes gehandelt.

Jedoch lediglich 15 Prozent der in einer Untersuchung befragten Unternehmen schätzt das eigene Management des Produktionsfaktors Wissen als “gut” oder “sehr gut” ein. Wissensmanagement ist die Zukunftsaufgabe für Unternehmen jeder Grössenordnung und jeder Branche. Nach einer Untersuchung des ILOI erwarten 80 Prozent der Unternehmen eine noch wachsende Bedeutung des Produktionsfaktors Wissen. Die Bewältigung dieser Zukunftsaufgabe entscheidet über die Wettbewerbs- und Innovationsfähigkeit der Unternehmen sowie auch gesamter Volkswirtschaften (Wissen ist der letzte verbliebene Wettbewerbsvorteil der entwickelten Industrienationen im globalen Wettbewerb).

Im Gegensatz zum Personal- oder Finanzmanagement ist das Wissensmanagement ein noch weithin kaum entwickeltes Managementfeld, mit einer ebenso noch unterentwickelten Methodik. Zwei wichtige Prämissen bleiben zunächst festzuhalten:

a) Wissen ist ein besonderes Gut und unterscheidet sich in vielerlei Hinsicht von anderen Gütern

b) Wissen benötigt einen ganzheitlichen Managementansatz und einen kontinuierlichen Managementprozess [Bullinger et al. 2000]

Beide Voraussetzungen werden eingehender behandelt.

Wissen ist dabei in verschiedenen Vorkommensformen und auf allen Ebenen eines Unternehmens von Bedeutung. Wissensträger im Unternehmen sind zunächst die Mitarbeiter. Der Erfolg vieler Unternehmen hängt immer stärker davon ab, das Wissen ihrer Mitarbeiter über Produkte und Märkte, über Kunden und Lieferanten, über innovative Technologien und Verfahren gewinnbringend umzusetzen. Relevante Wissensträger sind aber auch alle Partner eines Unternehmens, z.B. die Kunden oder Lieferanten, der Staat oder Normungsorganisationen. Enorme Potentiale gehen verloren, wenn dieses Wissen in den Köpfen von Menschen nicht für die Organisation nutzbar gemacht wird. Auch Geschäftsprozesse in den Unternehmen sind in zunehmendem Masse wissensintensive und –gesteuerte Prozesse. Konventionelle Unternehmensstrukturen werden heute vielfach durch problemorientierte Teamstrukturen ersetzt, die – häufig zeitlich befristet und räumlich verteilt – in Projektarbeit zu innovativen und wirtschaftlichen Lösungen gelangen sollen. Wissen und Fähigkeiten dieser Projektgruppen gehören zu den wichtigsten Ressourcen der Unternehmen. Best Practices in der Organisation und der Arbeit von Teams sind wertvoll, sofern sie identifiziert, expliziert und innerhalb der Organisation geteilt werden können.

4.3 Daten – Information – Wissen Womit haben wir es zu tun?

Zunächst gilt es die Begriffe Daten, Information und Wissen abzugrenzen [vgl. die “Wissenstreppe” bei North 1999, S. 41]:

a) Daten sind symbolische Repräsentationen von Sachverhalten: 18.00 Uhr, 30 km

b) Informationen entstehen, wenn Menschen den Daten Bedeutungen geben, meist indem die Daten in Form propositionaler Strukturen dargestellt werden: “Um 18.00 Uhr treffe ich mich mit Peter, ich muss ca. 30 km zu ihm fahren”. In diesem Sinne besteht das vorliegende Skript aus Information.



c) “Wissen ist eine persönliche Fähigkeit, durch die ein Individuum eine bestimmte Aufgabe ausführen kann” [Weggeman 1999, S. 39]: ”Wenn ich mich um 18.00 Uhr mit Peter treffen will, muss ich die 30 km im Berufsverkehr fahren. D.h. ich muss bereits um 16.30 Uhr abfahren, um pünktlich zu sein.”

Dafür müssen Individuen Informationen systematisch in ihrem kognitiven System verarbeiten und in bereits vorhandene Strukturen integrieren. Weggeman fasst die Definition von Wissen in folgender Formel zusammen: W = I x EFE

“Wissen (W) ist eine persönliche Fähigkeit, die als Produkt der Information (I), der Erfahrung (E), der Fertigkeit (F) und der Einstellung (E) angesehen wird, die einem Individuum zu einem bestimmten Zeitpunkt zur Verfügung stehen.”

Die Fachliteratur des Wissensmanagement unterscheidet häufig zwischen

a) explizitem Wissen

Kodifiziertes Wissen = Informationen; aufgezeichnet bspw. in Formeln, Handbüchern, Projektberichten, Diagrammen, Datenbanken usf.

b) implizitem Wissen

Stillschweigendes Wissen; Erfahrungen, Fertigkeiten und Einstellungen von Experten, nicht aufgezeichnet

Des Weiteren sind aber in gewissem Sinne auch Organisationen als Wissensträger anzusehen. Unternehmen, Abteilungen oder Projektteams verfügen über bestimmte Erfahrungen oder Fähigkeiten, an sie gestellte Aufgaben zu lösen. Es gbt also c) auch ein organisationales Wissen. Die Fähigkeit bspw. eines Teams besteht idealerweise aus “mehr”, als dem kumuliertem Wissen der einzelnen Teammitglieder. “Gute” Teams erzeugen ein emergentes Phänomen, indem sie zu weiterentwickelten Fähigkeiten gelangen.

Wissen ist nun nicht automatisch immer für ein Unternehmen eine wichtige Ressource. Für den Aufbau eines Wissensmanagement gilt es wertschöpfendes Wissen von dem nicht-wertschöpfendem Wissen zu unterscheiden. Für den Erfolg eines Unternehmens ist nur das wertschöpfende Wissen – oft auch intellektuelles Kapital genannt – von Bedeutung. Aufgabe des Wissensmanagement ist es, dieses erfolgskritische Wissen zu identifizieren. Dies kann nur gelingen, wenn strategische Wissensziele in Abhängigkeit von den strategischen Unternehmenszielen definiert werden.

4.4 Modelle des Wissensmanagement Grundsätzlich können wir zunächst drei Ansätze des Wissensmanagement unterscheiden:

a) Die Methode der Kodifizierung

Ökonomie der Wissenswiederverwendung Dokumentenbasierter Wissensaustausch Technologisch basierter Ansatz des Wissensmanagement

b) Die Methode der Personalisierung

Ökonomie der individuellen Expertise Interpersoneller Wissensaustausch Ansatz des Human Resource Management

c) Die Methode der Sozialisierung



Ökonomie der organisationalen Expertise Wissenserzeugung und Wissensaustausch in Communities of Practice Organisationszentrierter Ansatz des Wissensmanagement

In der Regel werden alle drei Ansätze nebeneinander betrieben, jedoch dominiert in der Praxis meist einer dieser Ansätze – abhängig von den jeweils definierten Wissenszielen und der Unternehmenskultur.

In Forschung und Praxis sind diverse ganzheitliche Methoden/Konzepte für das Wissensmanagement entworfen worden [für eine Übersicht vgl. North 1999, S. 153-168].

Zwei bekannte und häufig in die Praxis übertragene Modelle sind das “APQC/Andersen-Rahmenkonzept” sowie die “Bausteine des Wissensmanagements” von Probst et al. Die Bausteine werden weiter unten ausführlicher behandelt.

In der folgenden Abbildung wird das vom American Productivity and Quality Center (APQC) gemeinsam mit der Unternehmensberatung Arthur Andersen entwickelte Rahmenkonzept des Wissensmanagement dargestellt.

Abb.: Das APQC/Anderson-Rahmenkonzept

4.5 Die Lernende Organisation Wissensmanagement wird häufig in Zusammenhang mit dem Konzept der Lernenden Organisation bzw. dem Prozess des organisationalen Lernen behandelt. Tatsächlich bauen beide Managementansätze aufeinander auf. Das Konzept des organisationalen Lernens ist bereits seit 70er Jahren bekannt, konnte sich jedoch in der Praxis nicht durchsetzen. Gründe: ein sehr abstraktes Konzept, ohne Bezug auf ein Managementkonzept. Dieses Managementkonzept liegt mit Wissensmanagement nun vor.

“Unter organisationalem Lernen ist der Prozess der Veränderung der organisationalen Wissensbasis, die Verbesserung der Problemlösungs- und Handlungskompetenz sowie



die Veränderung des gemeinsamen Bezugsrahmens von und für Mitglieder der Organisation zu verstehen.” [Probst/Büchel 1998, S. 17]

Organisationeles Lernen ist damit Voraussetzung für Wissensmanagement.

Grundsätzlich lassen sich drei Ebenen des Lernens unterscheiden [Probst/Büchel 1998, S. 35ff]:

Anpassungslernen bzw. "single-loop learning" = Lernen innerhalb vorgegebener Normen und Ziele (Lernen innerhalb gegebener Rahmenbedingungen)

Veränderungslernen bzw. "double-loop learning" = Hinterfragung vorgegebener Ziele und Normen (Veränderung gegebener Rahmenbedingungen)

Prozeßlernen bzw. Deutora-Lernen = Lernen lernen; Einsicht in Lernprozesse

4.6 Bausteine des Wissensmanagement Ausführlicher soll das Baustein-Konzept des Wissensmanagement (Abb. Siehe oben) von Probst et al. besprochen werden. Dabei handelt es sich um das wohl populärste Konzept im deutschen Sprachraum. In der Praxis spielt es als Konzeption eine grosse Rolle als ein theoretischer Hintergrund und als „Checkliste“ für die Implementierung von Wissensmanagement in Unternehmen.

Die Bausteine bilden einen Bezugsrahmen für Interventionsmöglichkeiten in die Wissensbasis der Unternehmung.

Anstelle einer ausführlichen Darstellung wird auf Probst et al. [1999] verwiesen, hier sei lediglich eine Kurzbeschreibung gegeben:

Der Baustein Wissensziele zeigt, in welche Richtung Aktivitäten des Wissensmanagements weisen sollen. Unterschieden werden normative, strategische und operative Wissensziele. Der Baustein der Wissensidentifikation bezieht sich auf die Analyse und Darstellung des im Unternehmen vorhandenen Wissens. Im Zentrum des



Bausteins Wissenserwerb steht die Beschaffung von neuem Wissen, welches nicht aus eigener Initiative entwickelt werden kann bzw. soll. Dies kann bspw. durch die Rekrutierung neuer Mitarbeiter oder die Akquisition innovativer Unternehmen erfolgen. In komplementärem Kontext dazu steht der Baustein Wissensentwicklung, der sich auf interner Ebene mit der Entwicklung neuer Ideen und Fähigkeiten sowie innovativer Produkte und Prozesse befaßt. Der Baustein Wissens(ver)teilung zeigt auf, wie Informationen oder Erfahrungen für das gesamte Unternehmen nutzbar gemacht werden können. Der Baustein Wissensnutzung schließlich befaßt sich mit Maßnahmen für den produktiven Einsatz der Ressource Wissen (Wissen muß sich kapitalisieren!). Damit das einmal erworbene Wissen auch in Zukunft dem Unternehmen zur Verfügung steht, müssen für den Baustein Wissensbewahrung Prozesse der Selektion des Bewahrungswürdigen, des Vergessens, der Speicherung und der Aktualisierung gestaltet werden. Der Baustein der Wissensbewertung letztlich befaßt sich mit der Messung der normativen, strategischen und operativen Wissensziele, um die Qualität sowie den Erfolg eines Wissensmanagements bewerten zu können (Wissenscontrolling).

4.7 Technologien des Wissensmanagement Fast jeder Software-Produzent bietet sein Produkt heute unter der Überschrift „Wissensmanagement“ an. Die Wissensmanagement-Software gibt es jedoch nicht! Verschiedene Tools unterstützen jeweils unterschiedlich Aufgaben im Rahmen von Wissensmanagement:

Dokumenten-Managementsysteme Workflow-Managementsysteme Groupware Retrieval-Systeme (web-basierte) Content-Managementsysteme Data Warehouses Systeme für die Unterstützung virtueller Communities /eGroups Software zur Unterstützung für Kreativitätstechniken (z.B. MindMapping) Visualisierungs-Systeme Controlling-Systeme (z.B. Balanced Scorecard-Systeme) ...

Eine Matrix aus Software-Klassen und Wissensmanagement-Aufgaben haben Böhmann und Krcmar [1999] zusammengestellt:



Eine neue Software-Klasse für das Wissensmanagement sind sog. „Memory-Systeme“. Abhängig von der organisationalen Einbindung, sprechen wir von „Organizational Memory-Systemen“ oder von Team-Memory-Systemen“ [vgl. Lehner 2000, Frölich 2000]. Dabei handelt es sich um intranet-basierte Lösungen, die den jeweiligen Wissensmanagement-Konzepten angepaßt sind.

Fazit bleibt: Technologien ermöglichen Wissensmanagement (Enabler), Wissensmanagement lassen sich jedoch nicht auf diese Werkzeuge reduzieren.

4.8 Organizat ional Memory „Thus in our understanding an OM system is a system which realises parts of the OM (also called organisational knowledge base) with the help of information systems and/or support tasks, functions and processes closely related to the use of the OM.“ [Lehner et al. 1998]

Fortschrittliche Organizational Memory Systeme (OMS) sind heute vor allem bei großen Beratungsunternehmen im Intranet implementiert, Beispiele schildert Lehner [2000]. OMS resultieren aus der Anwendung fortgeschrittener Datenbank- und Netzwerktechnologien zur Unterstützung des „Organisationsgedächtnisses“. OMS basieren auf einer Gedächtnis-Metapher.

4.9 Literaturhinweise

4.9.1 Einführungen Bullinger, Hans-Jörg; Wagner, Kristina; Ohlhausen, Peter: Intellektuelles Kapital als wesentlicher Bestandteil des Wissensmanagements. In: Wettbewerbsvorteile durch Wissensmanagement: Methodik und Anwendungen des Knowledge Management / Hrsg.: H. Krallmann. Stuttgart: Schäffer-Poeschel, 2000. S. 73-90



Bullinger, Hans-Jörg; Wörner, Kai; Prieto, Juan: Wissensmanagement – Modelle und Strategien für die Praxis. In: Wissensmanagement: Schritte zum intelligenten Unternehmen / Hrsg.: H.D. Bürgel. Berlin: Springer, 1998. S. 21-39

Davenport, Thomas H.; Prusak, Laurence: Wenn Ihr Unternehmen wüßte, was es alles weiß ...: Das Praxisbuch zum Wissensmanagement. Landsberg/Lech: mi Verlag Moderne Industrie, 1998

Horváth, Péter: Die Balanced Scorecard als innovatives Controllinginstrument. In: Report Wissensmanagement: Wie deutsche Firmen ihr Wissen profitabel machen / Hg.: C.H. Antoni u. T. Sommerlatte. Düsseldorf: Symposion Publishing, 1999 (http://www.symposion.de/wissen/wm_10.htm)

Kurtzke, Christian; Popp, Petra: Das wissensbasierte Unternehmen: Praxiskonzepte und Management-Tools. München: Hanser, 1999

Lehner, Franz: Organisational Memory: Konzepte und Systeme für das organisatorische Lernen und das Wissensmanagement. München: Hanser, 2000

Nohr, Holger: Wissensmanagement: Wie Unternehmen ihre wichtigste Ressource erschliessen und teilen. Göttingen: BusinessVillage, 2000 (eBook: http://www.businessvillage.de)

Nonaka, Ikujiro; Takeuchi, Hirotaka: Die Organisation des Wissens: Wie japanische Unternehmen eine brachliegende Ressource nutzbar machen. Frankfurt: Campus, 1997

North, Klaus: Wissensorientierte Unternehmensführung: Wertschöpfung durch Wissen. 2. Auflage. Wiesbaden: Gabler, 1999

Probst, Gilbert; Raub, Steffen; Romhardt, Kai: Wissen managen: Wie Unternehmen ihre wertvollste Ressource optimal nutzen. 3. Aufl. – Wiesbaden: Gabler, 1999

Stewart, Thomas A.: Der vierte Produktionsfaktor: Wachstum und Wettbewerbsvorteile durch Wissensmanagement. München: Hanser, 1998

Von Krogh, G.; Venzin, M.: Anhaltende Wettbewerbsvorteile durch Wissensmanagement. In: Die Unternehmung 49 (1995) 6, S. 417-436

Weggeman, Mathieu: Wissensmanagement: Der richtige Umgang mit der wichtigsten Unternehmens-Ressource. Bonn: MITP-Verlag, 1999

Zahn, Erich; Foschiani, Stefan; Tilebein, Meike: Nachhaltige Wettbewerbsvorteile durch Wissensmanagement. In: Wettbewerbsvorteile durch Wissensmanagement: Methodik und Anwendungen des Knowledge Management / Hrsg.: H. Krallmann. Stuttgart: Schäffer-Poeschel, 2000. S. 239-270

Zucker, Betty; Schmitz, Christof: Wissen gewinnt: Innovative Unternehmensentwicklung durch Wissensmanagement. 2. Auflage – Düsseldorf: Metropolitan, 2000

4.9.2 Organisationales Lernen Probst, Gilbert; Büchel, Bettina: Organisationales Lernen: Wettbewerbsvorteile der Zukunft. 2. Aufl. Wiesbaden: Gabler, 1998

Schwaninger, Markus: Intelligente Organisationen: Strukturen für organisationale Intelligenz und Kreativität. In: Wissen im Wandel: Die Lernende Organisation im 21. Jahrhundert / Hrsg.: A. Papmehl u. R. Siewers. Wien: Ueberreuter, 1999. S. 317-360

Senge, Peter M.: Die fünfte Disziplin: Kunst und Praxis der lernenden Organisation. 6. Auflage Stuttgart: Klett-Cotta, 1998



4 .9.3 Technikbasierte Lösungen Bach, Volker; Vogler, Petra; Österle, Hubert (Hrsg.): Business Knowledge Management: Praxiserfahrungen mit Intranet-basierten Lösungen. Berlin: Springer, 1999

Bauer, Michael: Vom Data Warehouse zum Wissensmanagement: Prozesse und Methoden zur Wissensanwendung. In: Computerwoche focus Nr. 1 v. 23.4.1999, S. 4-6

Böhmann, Tilo; Krcmar, Helmut: Werkzeuge für das Wissensmanagement. In: Report Wissensmanagement: Wie deutsche Firmen ihr Wissen profitabel machen / Hg.: C.H. Antoni u. T. Sommerlatte. Düsseldorf: Symposion Publishing, 1999. S. 82-91 (http://www.symposion.de/wissen/wm_15.htm)

Borghoff, Uwe M.; Pareschi (Hrsg.): Information Technology for Knowledge Management. Berlin: Springer, 1998

Frölich, Carolin: Team-Memory zur Projektfortschrittsdokumentation. In: 22. Online-Tagung der DGI: Wissen in Aktion: Wege des Knowledge Managements; Frankfurt, 2. bis 4. Mai 2000 / Hrsg.: R. Schmidt. Frankfurt: DGD, 2000. S. 365-374

Lehner, Franz; Maier, Ronald; Klosa, Oliver: Organisational Memory Systems: Application of Advanced Database & Network Technologies in Organisations. Department of Business Informatics, University of Regensburg. Forschungsbericht Nr. 19, Februar 1998

Ternes, Dirk: Groupware und Workflowmanagement. In: Report Wissensmanagement: Wie deutsche Firmen ihr Wissen profitabel machen / Hg.: C.H. Antoni u. T. Sommerlatte. Düsseldorf: Symposion Publishing, 1999. (http://www.symposion.de/wissen/wm_17.htm)

4.9.4 Fallstudien Binder, Volker: Wissensmanagement bei einem Dienstleister – Erfahrungen bei debis. In: 21. Online-Tagung der DGI: Aufbruch ins Wissensmanagement; Frankfurt, 18.-20. Mai 1999 / Hrsg.: R. Schmidt. Frankfurt: DGD, 1999. S. 163-174

Hansen, Morten T.; Nohria, Nitin; Tierney, Thomas: Wie managen Sie das Wissen in Ihrem Unternehmen? In: Harvard Business Manager 21 (1999) 5, S. 85-96

Nohr, Holger: Das Projekt OurKnowledge: Wissensmanagement in einem kleinen Beratungsunternehmen. In: HBI aktuell 2/1999, S. 16-19

Seemann, Patricia: A Prescription for Knowledge Management: What Hoffmann-LaRoche's Case can Teach Others. In: Perspectives on Business Innovation 1 (1997) 1, S. 26-33 (http://www.businessinnovation.ey.com/journal/issue1/features/apresc/body.html)

Schneider, Ulrich H.: Auf dem Weg zu einem wissensbasierten Unternehmen – das Beispiel Siemens. In: Wissen im Wandel: Die Lernende Organisation im 21. Jahrhundert / Hrsg.: A. Papmehl u. R. Siewers. Wien: Ueberreuter, 1999. S. 204-227

4.9.5 Studien zum Stand des Wissensmanagement Heisig, Peter: Wissensmanagement in Deutschland und Europa – Stand und Entwicklung. Ergebnisse der Befragung TOP 1000 deutschen und TOP 200 europäischen Unternehmen. In: 21. Online-Tagung der DGI: Aufbruch ins Wissensmanagement; Frankfurt, 18.-20. Mai 1999 / Hrsg.: R. Schmidt. Frankfurt: DGD. S. 53-66



4.9.6 Zeitschriften Wissensmanagement. Reutlingen: doculine Verlags-GmbH, 1999ff (auszugsweise unter: http://www.wissensmanagement.net)

KM World: http://kmworld.com

Knowledge Management Magazine: http://kmmag.com

I3UPDATE – Newsletter David Skyrme Associates: http://www.skyrme.com/updates

4.9.7 Internet-Ressourcen WWW Virtual Library on Knowledge Management: http://www.brint.com/km

KnowledgeMARKT: http://www.knowledgeMARKT.de

The Knowledge Management Forum: http://www.km-forum.org

The Library by Karl-Eric Sveiby: http://www.sveiby.com.au/BookContents.html

5 Semantik für die nächste Generation Wissensmanagement



Prof. Dr. Rudi Studer1, Hans-Peter Schnurr2, Andreas Nierlich2,

1 Institut AIFB, Universität Karlsruhe D-76128 Karlsruhe

http://www.aifb.uni-karlsruhe.de/WBS

2 Ontoprise GmbH, Haid-und Neu Straße 7, D-76131 Karlsruhe

http://www.ontoprise.de

mailto: [email protected], {schnurr,nierlich}@ontoprise.de

Die Informationstechnik hat in den letzten Jahren die Grundlagen für eine optimale Unterstützung der Verteilung von Wissen geschaffen. Derzeit entstehen neue Anforderungen an Systeme, welche die Bedeutung - die Semantik – der Inhalte in den Vordergrund rücken. Dazu gehört die Fähigkeit, dem Nutzer kontextspezifisch Informationen bereitstellen zu können. Eine weitere Anforderung ist, konkrete Antworten liefern zu können. Systeme können auf Anfragen oft nur Verweise zu Dokumenten liefern, in denen der Anwender nach einer möglichen Antwort suchen muss, diese aber nicht direkt durch die Verknüpfung von Informationen aus verschiedenen Quellen beantworten. Die zentrale Anforderung an die nächste Generation von Wissensmanagement-Systemen ist die Möglichkeit, Informationen geeignet zu kombinieren, um damit implizites Wissen ableiten und somit neues Wissen generieren zu können. Semantik kann diese Anforderungen erfüllen und bildet somit die Grundlage für eine neue Landschaft an Anwendungen, welche die Informationstechnologie in eine Wissenstechnologie transformiert. In diesem Artikel stellen wir einen Ansatz für ein ontologiebasiertes Wissensmanagement vor, der auf der Unterscheidung eines Wissensprozesses zur Handhabung von Wissenselementen und eines Wissens-Metaprozesses zur Einführung und Instandhaltung einer Wissensmanagement-Lösung beruht. Ontologien bilden dabei das verbindende semantische Glied. Der vorgestellte Ansatz wird durch eine Reihe von Werkzeugen unterstützt und anhand des CHARSystems (Corporate History Analyzer) illustriert.

5.1 Einleitung Wissensmanagement hat sich in den vergangenen Jahren zu einem kritischen Erfolgsfaktor für Unternehmen entwickelt. Die Globalisierung der Märkte, das Entstehen virtueller Unternehmen, die stärkere Kundenorientierung oder die zunehmende Komplexität von Produkten sind einige der Gründe, weshalb das systematische und gezielte Managen von Wissen immer mehr an Bedeutung gewinnt. Wissensmanagement ist offensichtlich inhärent interdisziplinär: Personalmanagement, Unternehmensorganisation sowie Unternehmenskultur sind wesentliche Aspekte des Wissensmanagement, gleichwohl spielt die Informationstechnologie (IT) eine wichtige Rolle, als ’Enabler’ für eine Vielzahl von Funktionalitäten einer Wissensmanagement-Lösung.



IT-basierte Wissensmanagement-Lösungen beinhalten ein Unternehmensgedächtnis (organizational memory), das typischerweise unformales, semiformales und formales Wissen umfasst, das vom Wissensarbeiter zur Bearbeitung seiner Aufgaben benötigt wird [5]. Um dem Wissensarbeiter einen flexiblen und personalisierten Zugang zum Wissen anbieten zu können, muss das im Unternehmensgedächtnis bereitgestellte Wissen entsprechend modelliert, strukturiert und vernetzt werden. Ontologien haben sich hierzu als die Lösung herauskristallisiert, da sie eine konzeptuelle Strukturierung und Modellierung einer Domäne zur Verfügung stellen, die von einer Gruppe von Personen, z.B. einem Unternehmensbereich, gemeinsam getragen wird [2].

In den vergangenen Jahren wurden mehrere Methodologien zur Einführung von Wissensmanagement-Lösungen in Unternehmen vorgeschlagen. Zum Beispiel legt CommonKADS besonderen Wert auf eine Machbarkeitsstudie und beinhaltet verschiedene Modelle zur Beschreibung verschiedener Wissensarten [13]. Der in [12] beschriebene Ansatz legt besonderen Wert auf eine Evaluierung der realisierten Wissensprozesse gegenüber einer anfänglich definierten Zielsetzung. Typischerweise vermischen die in der Literatur beschriebenen Methodologien jedoch zwei Arten von Prozessen: einerseits den Prozess der Einführung und Instandhaltung von Wissensmanagement-Lösungen, im folgenden Wissens- Metaprozess genannt, andererseits den Prozess der Generierung, Erfassung und Nutzung des Wissens, im folgenden Wissensprozess genannt (siehe Abbildung 1). So müsste z.B. der in [12] eingeführte Teilprozess ’Wissensidentifikation’ dem Wissens-Metaprozess zugeordnet werden, der Teilprozess ’Wissenserzeugung’ jedoch dem (eigentlichen) Wissensprozess.

Abbildung 1: Zwei orthogonale Prozesse mit Rückkopplungsschleife

Wissensmanagement-Lösungen, die man heutzutage in der Praxis vorfindet, fokussieren entweder auf die Unterstützung des Zugriffs auf Dokumente, z.B. auf der Basis von Dokumenten-Managementsystemen, oder zielen darauf ab, durch ’Gelbe Seiten’ oder Skill-Datenbanken die rasche Identifikation von Wissensträgern und damit den Wissenstransfer durch die Angestellten selbst zu unterstützen. Zur Einführung dieser Wissensmanagement-Lösungen wird typischerweise ein sehr einfacher WissensMetaprozess verwendet. Dieser Metaprozess ist in der linken Spalte der Tabelle 1 dargestellt.

Charakteristischerweise wird hierbei die Handhabung von Dokumenten und Datenbanken in den Mittelpunkt gestellt (Prozessschritte 2 und 3), während den eigentlichen Wissensprozessen eher wenig Beachtung geschenkt wird und diese auch eher losgelöst voneinander ausgeführt werden (Prozessschritt 4).

Knowledge Process

Knowledge Meta Process



Tabelle 1: Zwei Sichten auf den Wissens-Metaprozess

Der in diesem Beitrag beschriebene Ansatz zeigt auf, wie durch die Verwendung von Domänen-Ontologien die einzelnen Wissensprozessschritte, nämlich Generierung, Import, Erfassung, Zugriff und Nutzung von Wissen, nahtlos integriert werden können (vgl. Abbildung 2). Damit einher geht eine Fokussierung auf den Prozessaspekt und eine Ausrichtung auf Wissenselemente anstelle von Wissensbehältern in Form von Dokumenten. Diese neue Sicht ist in der rechten Spalte von Tabelle 1 dargestellt.

Offensichtlich beschreiben die beiden Spalten in Tabelle 1 zwei extreme Sichten auf die Wissens-(Meta-)Prozesse. Neuere Arbeiten zeigen, dass die auf Dokumenten ausgerichtete Herangehensweise immer mehr durch den auf Wissenselemente fokussierten Ansatz abgelöst wird, bei dem Dokumente zwar weiterhin eine Rolle spielen, aber nicht mehr dominant sind (vgl. [16]).

IT-basierte Wissensmanagement-Lösungen hängen in ihrer Funktionalität unmittelbar von dem im Unternehmensgedächtnis gespeicherten Wissen ab. Im Hinblick auf seinen Formalisierungsgrad lassen sich dabei folgende Aspekte unterscheiden:

Dokumentenorientierte Ansätze stellen das Wissen als Sammlung von Dokumenten zur Verfügung, wobei die Dokumenteninhalte lediglich über die implizite oder explizite Klassifikation der Dokumente zugänglich sind.

Expertensystemorientierte Ansätze stellen das Wissen in streng formalisierter Form bereit, um es einer automatischen Verarbeitung zugänglich zu machen. Der damit verbundene Aufwand lohnt sich jedoch nur in speziellen Fällen, in denen das Wissen präzise definiert und langfristig benötigt wird. Dies ist jedoch in vielen Kontexten nicht vorhersehbar.

Wissensmanagement-Lösungen erfordern daher eine Ausgewogenheit zwischen Formalisierungsgrad des gespeicherten Wissens und dem damit verbundenen Aufwand und erreichbaren Nutzen. Ein Ansatz, diese Balance flexibel und aufgabenorientiert zu unterstützen, sind Metadaten. Metadaten lassen sich dabei in verschiedene Kategorien einteilen:

Metadaten sind zum einen Daten, die andere Daten beschreiben. Diese Form der Metadaten lässt sich weiterhin entlang von zwei orthogonalen Dimensionen charakterisieren: anhand ihres Grades der Formalisierung und ihrer Anbindung an die zu beschreibenden Daten. In der Formalisierungsdimension können Metadaten variieren zwischen textlichen Beschreibungen von Dokumenten, Metadaten in Form von Schlüsselwörtern, z.B. unter Verwendung von “Dublin Core”-Elementen [20], und



formal spezifizierten Metadaten, z.B. in Form von ontologiebasierten Annotationen. In der zweiten Dimension können Metadaten einerseits unmittelbar in die Dokumente bzw. Daten integriert werden, z.B. unter Verwendung des “author-tag” innerhalb von HTMLDokumenten, andererseits können Metadaten separat von den eigentlichen Daten gespeichert werden, z.B. in Form von bibliographischen Datenbanken.

Metadaten sind zum anderen Daten, die die Struktur anderer Daten beschreiben. In unserem Kontext sind dies eigentlich “Meta-Metadaten”, da wir damit die Struktur von Metadaten spezifizieren. Hierzu verwenden wir in unserem Ansatz Ontologien, die die möglichen Strukturen von Metadaten festlegen. Ontologien ermöglichen damit die Integration von Metadaten aus verschiedenen Schritten des Wissensprozesses, da Ontologien die von den verschiedenen Metadaten geteilte Konzeptualisierung der Domäne bereitstellen.

Auf Ontologien basierende Metadaten sind damit der Ansatz, Wissenselemente unterschiedlichen Formalisierungsgrades miteinander zu verknüpfen und damit die Formalität des im Unternehmensgedächtnis bereitgestellten Wissens flexibel an die Bedürfnisse der Wissensmanagement-Lösung anzupassen.

Nachfolgend werden wir einige Aspekte eines ontologiebasierten Wissensmanagementansatzes im Detail diskutieren. In Abschnitt 2 werden wir den Wissensprozess näher betrachten und die fünf Teilprozessschritte beschreiben, aus denen sich der Wissensprozess zusammensetzt: Generierung, Import, Erfassung, Zugriff und Nutzung von Wissen. Dabei werden wir aufzeigen, wie Ontologien als integrierendes Element die Vernetzung der Teilprozessschritte sicherstellen. Unseren Ansatz illustrieren wir in Abschnitt 3 anhand des Corporate History AnalyerR (CHAR), einem System zur Unterstützung des Analysten bei der Verfolgung und Analyse von Mergers & Acquisitions [1]. Das CHAR-System zeigt sehr gut auf, welche zusätzlichen Funktionalitäten eine Wissensmanagement-Lösung anbieten kann, die auf Ontologien aufbaut. Die Vorgehensweise, die zur Entwicklung von CHAR verwendet wurde, wird in Abschnitt 4 zu einer Methodologie zur Einführung von ontologiebasierten Wissensmanagement-Lösungen verallgemeinert. Damit erreichen wir eine detaillierte Bechreibung des Wissens-Metaprozesses. Die Methodologie baut auf dem CommonKADS-Ansatz auf [13] und verallgemeinert diesen insbesondere im Hinblick auf die Konstruktion und Evaluation der eingesetzten Ontologie(n). Der Beitrag schließt mit einigen allgemeinen Schlussfolgerungen und einem Ausblick.

5.2 Anwendungsmöglichkeiten von Ontologien – Bausteine für den Knowledge Life Cycle

Wenn auf der Ebene des Meta-Wissensprozesses, also der Einführung und Instandhaltung des Wissensmanagementsystems, geklärt ist, welche Wissensziele mit welcher Art von Wissensstruktur erreicht werden sollen, stellt sich die Frage nach der konkreten Unterstützung des eigentlichen Wissensprozesses: Welche ontologiebasierten Werkzeuge kann ich meinen Wissensarbeitern für die tägliche Arbeit zur Verfügung stellen, um die Integration von Wissenselementen in ihren Prozessen zu unterstützen?

Hierfür müssen wir den Wissensprozess betrachten, der typischerweise entlang der Schritte Wissensgenerierung und/oder –import; Wissenserfassung; Wissenszugriff und Wissensnutzung kreist (vgl. Abbildung 2).



Abbildung 2: Der Wissensprozess

5.2.1 Wissensgenerierung Die Generierung von Wissensinhalten auf dem Rechner erfolgt natürlicherweise innerhalb eines Kontinuums zwischen sehr formalem und unformalem Wissens. Als Beispiele seien hierfür nur Datenbankinhalte auf der einen und Dokumentinhalte auf der anderen Seite genannt. Was angesichts dieser Dichotomie allerdings häufig übersehen wird, ist die Tatsache, dass vergleichsweise formale Kodierung von Wissen häufig ohne zusätzlichen Aufwand in den täglichen Wissensprozessen erreicht werden kann. Geschäftsdokumente sind im Allgemeinen nämlich nicht beliebig wechselnde Wissensbehälter, vielmehr weisen sie häufig eine wiederkehrende inhärente Struktur auf, die zudem teilweise von Seiten der Qualitätssicherung oder aufgrund fachlicher Methoden, z.B. von der Entwicklungsmethodik her, verlangt werden. Zum Beispiel haben wir in [17] vorgeschlagen, die Struktur von Wissensinhalten in Dokumentschemata einzubringen, die durch die übliche Benutzung gefüllt werden. Auf diese Weise liegt die Granularität des auf diese Weise generierten Wissens zwischen den beiden Extremen der sehr groben Repräsentation von Geschäftsdokumenten und der - für Zwecke des Wissensmanagements - zu feinen Repräsentation, wie man sie zum Beispiel in Expertensystemen findet. Auf diese Weise lassen sich verschiedene Grade der Formalisierung von Wissen zwischen den beiden Extremen finden, was auch in Tabelle 2 weiter ausgeführt wird.



In dem Vergleich in Tabelle 2 benutzen wir den Begriff “Dokument mit wissensstrukturbasiertem Schema” um auf XML-Strukturen zu verweisen, die sehr streng - teilweise explizit, teilweise implizit - an ein bestimmtes Wissensmodell des jeweiligen Anwendungsgebietes angebunden sind. Zum Beispiel existiert für XML-EDI Dokumente eine vordefinierte Struktur, die sich nicht nur darauf beschränkt, bestimmte Dokumentteile auszuzeichen (wie “Überschrift”), sondern die diesen Dokumentteilen auch eine bestimmte Bedeutung zuweist. Auf diese Weise wird der inhaltliche Austausch von Daten, z.B. Rechnungen oder Aussagen zum Projektstatus, ermöglicht.

Mit dem Begriff “Dokument mit teilweise wissensstrukturbasiertem Schema” referenzieren wir analoge Strukturen, die allerdings nur teilweise genutzt werden, um inhaltliche Aussagen zu markieren, während große Teile des Dokuments keine ausgezeichnete Semantik besitzen und nur aus völlig unformalen Wissensinhalten bestehen (vgl. z.B. Tabelle 3). Hierbei sei noch erwähnt, dass sich verschiedene Grade der Formalisierung nicht gegenseitig ausschließen müssen, sondern vielmehr kombiniert werden können. Zum Beispiel können Freitextdokumente als Anhang einen Abschnitt mit Dublin Core Metadaten aufweisen.

In [7] haben wir ein Werkzeug beschrieben, das erlaubt aus einer Ontologie automatisch XML-Schemata zu generieren. Damit kann die Domänenmodellierung ohne Umwege genutzt werden, um Dokumente mit wissensstrukturbasiertem Schema mit einer semantischen Interpretation ihrer Inhalte zu versehen.

5.2.2 Wissensimport Für viele Bereiche des Wissensmanagements ist der Wissensimport genauso unverzichtbar wie, ja teilweise sogar wichtiger als die Wissensgenerierung selbst. Typisch hierfür ist die Berücksichtigung wichtiger externer Datenressourcen, wie zum



Beispiel die Integration von Fundamentaldaten in ein Wissensmanagementsystem für Börsenanalysten. Die dabei entstehende Situation ähnelt Problemstellungen des Data Warehousing - nur dass im Fall des Wissensmanagements die zu importierenden Wissensinhalte und -strukturen oft sogar noch reichhaltiger sind und stärker variieren als im Falle eines Data Warehouse.

Zu dieser Problematik kommt hinzu, dass importiertes Wissen nach Möglichkeit noch zielgenauer abrufbar sein sollte als organisationsintern generiertes Wissen. Der Grund hierfür liegt darin, dass in letzterem Fall der Wissenserzeuger selbst häufig, wenn auch nicht immer, bereitsteht, um bei Anfragen auf die geeigneten Wissensbestände zu verweisen, während für importiertes Wissen ein solcher Rückgriff eher nicht existiert. In der Tat haben erste Studien über den Zugriff auf Wissensmanagementsysteme ergeben, dass importiertes Wissen tendenziell weniger intensiv zugegriffen wird als selbst generiertes [11] - obwohl zunächst nicht zu vermuten ist, dass es weniger nützlich wäre.

5.2.3 Wissenserfassung Sobald Wissensinhalte generiert, aber noch nicht, oder nur unvollständig inhaltlich als eigenständige Einheiten erfaßt sind (z.B. Aussagen über Börsenempfehlungen, die für den Rechner nur “versteckt” in den Texten vorliegen), wird als nächster Wissensprozessschritt die Wissenserfassung benötigt. Außer der üblichen Indizierung und Zusammenfassung, wie sind zum Beispiel im Bibliothekswesen praktiziert wird, stellen wir als ontologiebasierten Baustein für ein Wissensmanagementsystem ein Annotierungswerkzeug, OntoAnnotate [6], zur Verfügung. OntoAnnotate erlaubt es, Auszüge aus Dokumenten gemäß der Ontologie zu typisieren und miteinander zu verknüpfen (vgl. Abbildung 3).

Mit OntoAnnotate werden Objekte mit Hilfe der Ontologie und der existierenden Texte - das sind Webseiten, Tabellenkalkulationen oder Word-Dokumente - erstellt und beschrieben. Hierfür werden Textpassagen als Attribute von Objekten deklariert (z.B. “Hanna M.A.” ist der Name einer Firma), Relationen zwischen diesen Objekten beschrieben (z.B. Hanna verkauft sein Shape Distribution Business) und es wird festgehalten, wer diese Annotierung in das Wissensmanagementsystem eingebracht hat. Durch diesen Annotierungsprozess werden Metadaten generiert, die automatisch konform sind zur Ontologie und deshalb mit korrespondierenden Informationen für Analysen und Ableitungen neuen Wissens kombiniert werden können.



Abbildung 3: Wissenserfassung mit OntoAnnotate

Ein Beispiel für solche Analysen findet sich in unserer Fallbeschreibung in Abschnitt 3. Schließlich ist noch zu erwähnen, dass aufgrund der Quelle der Metadaten, nämlich den Dokumenten, denen die Textpassagen entnommen sind, die Informationen nach den Analyseschritten validiert werden können.

5.2.4 Wissenszugriff Zum großen Teil ist der Wissenszugriff auf ein ontologiebasiertes Wissensmanagementsystem durch konventionelle Zugriffsmethoden bestimmt, wie Information Retrieval und logische Anfragemechanismen. Für die Anfrage unter Verwendung unserer Inferenzmaschine OntoBroker [3] benutzen wir verschiedene Visualisierungsmethoden für Taxonomien (Tree Views, Hyperbolic View). Damit kann man durch die Taxonomie navigieren und durch Klicken auf Begriffe eine Anfrage zusammenstellen. Zusätzlich können aber automatisch Sichten auf die Wissensbestände generiert werden, die den Hierarchien der Taxonomie oder eventuell vorhandener Partonomien entsprechen, z.B. in Form von automatisch generiertem Hypertext1. Vor allem benutzen wir die Ontologie mit ihren dahinterliegenden Daten für Navigationszwecke im Intranet - analog wie Yahoo Wissensstrukturen im Web bereitstellt. Auf diese Weise können die Anwender explorieren, was im Wissensmanagementsystem bereitgestellt wird, ohne eine bestimmte geeignete Frage stellen zu müssen - letzteres ist nämlich besonders schwierig, wenn die richtige Frage noch unklar oder der Benutzer ein Neuling in der Anwendungsdomäne ist. Außerdem erlaubt die Ontologie die Ableitung zusätzlicher Querverbindungen, zum Beispiel nutzen wir die Ontologie in unserem Fallbeispiel, um aus einem gegebenen Anfangszustand und einer Menge von Aktivitäten die aktuelle Struktur eines Unternehmens abzuleiten ohne dass diese explizit durch Daten bereitgestellt worden wäre. Dadurch können wir Sichten vervollständigen, für die nur unvollständige Informationen gegeben sind, mehr hierzu in Abschnitt 3.

1 Eine Partonomie formalisiert Teil-Ganzes-Relationen. Sie kann im Automobilbau zum Beispiel genutzt werden, um Wissensbestandteile bei den jeweiligen Teilen abzulegen und das Browsen zu den einzelnen Autoteilen über die Teil-Ganzes-Relationen zu ermöglichen.



5 .2.5 Wissensnutzung Die Nutzung von Wissen aus einem Wissensmanagementsystem ist am schwierigsten zu fassen und zu verallgemeinern. Deswegen scheint es auch ein Teil zu sein, der häufig von Unterstützungswerkzeugen vernachlässigt wird. Häufig wird vereinfachend angenommen, dass nur ein Dokument gefunden werden muß, um den Wissensuchenden zufrieden zu stellen. Letzten Endes aber ist die Art und Weise, wie Wissen aus einem Wissensmanagementsystem benutzt wird, äußerst vielfältig. Deswegen spielen Unterstützungsmechanismen wie proaktiver Zugriff auf Wissen, Personalisierung von Wissenssichten, und insbesondere eine enge Verzahnung mit nachfolgenden Applikationen eine wichtige Rolle für die effektive und effiziente Nutzung von Wissen. Sichtbar wird dies vor allem auch daran, dass häufig nicht der jeweilige gefundene Wissensbestandteil von Bedeutung ist, sondern vielmehr sind es die Kombinationen von einzelnen Wissenselementen. Zum Beispiel werden wir in unserer Fallstudie sehen, dass nicht immer das einzelne Faktum für einen Marktanalysten ausschlaggebend ist, sondern vielmehr das Gesamtbild einer Firma, das aus einer Analyse resultiert.

Schließlich sei noch die Analyse der Nutzungsdaten erwähnt. Diese beschreiben nicht nur viele Regelmäßigkeiten über das Wissensmanagementsystem, sondern auch viel über die Organisation, die ein solches System benutzt. Zum Beispiel lässt sich aufgrund der Benutzung herausfinden, welche Prozesse, Kunden und Technologien mit welchen Kernpersonen des Unternehmens primär assoziiert sind.

5.3 Fal lstudie: System zur Analyse der Unternehmens-Historie – CHAR (Corporate History AnalyseR)

Anhand unserer Fallstudie CHAR wird zunächst der Entwicklungsprozess eines ontologiebasierten Wissensmanagementsystems gezeigt. Im zweiten Teil des Kapitels wird die Nutzung des Systems beschrieben.

5.3.1 Der Wissens-Metaprozess: Die Entwicklung von CHAR Machbarkeitsstudie. Das aktive Auffinden und Verwalten von geschäftsprozessrelevantem Wissen ist eine entscheidende Aufgabe für wissensintensive Unternehmen, insbesondere vor dem Hintergrund sich dynamisch verändernder globaler Märkte. Da die korrekte Analyse von Markt und Wettbewerb notwendige Vorraussetzung für den Unternehmenserfolg darstellen, kann das Versäumen wesentlicher Markt- und Wettbewerberinformation enorme Verluste mit sich bringen. Für Management und Wissensarbeiter stellt sich dabei insbesondere das Problem, aus strategischer Sicht Information zu sammeln und zu analysieren und gleichzeitig die operative Arbeit zu erfüllen. An dieser Stelle kommt die unternehmensinterne Marktforschung und Wettbewerberanalyse ins Spiel. Mitarbeiter dieser Funktionen verfolgen Markt und Wettbewerb und verteilen wichtige Information an Mitarbeiter des Unternehmens. Derzeit nutzen diese Analysten ebenso wie externe Marktanalysten und Berater traditionelle Methoden für diese Aufgabe. Zeitungsartikel, Online-Datenbanken und Geschäftsberichte werden analysiert, Ad-Hoc-Meldungen und Web-Auftritte der Wettbewerber werden sorgfältig untersucht. Ergebnisse werden dem Management, respektive Entscheidungsträgern in Reports präsentiert. Diese Art des Analyseprozesses weist mehrere Problembereiche auf:



Informationsarchive sind dokumentenbasiert. Für ein übergreifendes Faktensammeln ist diese Sicht zu grobkörnig.

Typische Dokumentenmanagementsysteme stützen sich fast ausschliesslich auf Techniken des Information Retrieval zum Auffinden von Wissen. Diese sind nicht hinreichend genau.

Implikationen können nur dann transparent werden, wenn Hintergrundwissen genutzt wird. Verkauft beispielsweise ein Unternehmen eine Geschäftseinheit, so wird dies u.a. zur Folge haben, dass Leistungen dieser Geschäftseinheit dem Unternehmen nicht mehr zu den gleichen Konditionen zur Verfügung stehen. Heutige Systeme verwenden typischerweise nicht solches Hintergrundwissen.

Verschiedene Nutzer benötigen unterschiedliche Sichtweisen auf die gleiche Information.

Ein Wissensmanagementsystem, welches dieses Wissen umfasst, muss (i) das gemeinsame Sammeln von Information auf Faktenebene, nicht lediglich auf Dokumentenebene unterstützen, (ii) das Informationssammeln nahtlos in den gesamten Arbeitsprozess integrieren, (iii) die intelligente Kombination von Fakten zu neuen Aussagen unterstützen, (iv) neue Fakten mit dem vorhandenen Hintergrundwissen abgleichen, (v) multiple Sichten auf das Wissen über eine Portalseite erlauben, und (vi) automatisch abgeleitete Fakten zurück in die Arbeitsumgebung leiten. Im Hinblick auf diese Ziele wurde die ontologiebasierte Anwendung CHAR, der Corporate History AnalyseR, entwickelt.

Kickoffphase für die Ontologie-Entwicklung. Zu Beginn der Entwicklung stand die Frage, wie die erforderlichen konzeptuellen Strukturen und Schlussfolgerungs-mechanismen erstellt und implementiert werden müssen. In einer Spezifikationsphase wurden strukturierte Interviews mit Analysten aus dem unternehmensinternen Marktforschungsbereich durchgeführt, um Nutzeranforderungen bezüglich der Ontologie zu erheben. Nun musste die Ontologie Schritt für Schritt entwickelt werden. Zunächst wurden Domänenexperten interviewt, um herauszufinden, welche typischen Fragen sie vom System zur Unterstützung ihrer Aufgaben beantwortet haben möchten. Diese Kompetenzfragen ermöglichten das Auffinden der wichtigsten Begriffe und der Relationen zwischen diesen Begriffen. Die Auswertung der Fragebögen zeigte, dass Antworten zu Aquisitionen, Zusammenschlüssen und Umstrukturierungen von Unternehmen in konkreten Zeitbereichen vom System erwartet wurden. Insbesondere wurden fünf strategische Aktivitäten mit spezifischen Zielen differenziert: Aquisition, Verkauf, Merger, Restructuring und Management Change.

Verfeinerungsphase. Die gesammelten Konzepte wurden nun vom Wissensmodellierer in eine taxonomische Hierarchie gebracht. Abbildung 4 zeigt einen Ausschnitt aus dieser Taxonomie. Auf dieser Grundlage fügten Domänenexperten zusätzliche Begriffe und relevante Attribute und Relationen zwischen den Begriffen ein. Diese Aufgabe wurde von unserem Ontologie-Erstellungswerkzeug OntoEdit [15] unterstützt, welches ein Modellieren der Ontologie auf epistemologischer Ebene ermöglicht und zusätzlich die Formalisierung in verschiedene Repräsentationssprachen, wie z.B. F-Logic [9] oder OIL [4] erlaubt.

Ein wesentliches Merkmal von CHAR ist die Möglichkeit für den Nutzer, Fakten über Ereignisse wie Aquisitionen und Merger in das System einzugeben, wobei die möglichen Auswirkungen und Konsequenzen vom System abgeleitet werden. Für diesen Zweck wurden für alle möglichen Aktivitäten Regeln modelliert, die solche Auswirkungen beschreiben. Ein Beispiel dafür ist “wenn sich zwei Unternehmen zusammenschließen,



entsteht ein neues Unternehmen mit einem neuen Namen. Die alten Unternehmen existieren nicht mehr, sondern sind nun Unternehmensbereiche des neuen Unternehmens.” oder “wenn eine Abteilung ausgegründet wird, so wird sie Teil eines neuen Unternehmens oder sie wird ein neues eigenständiges Unternehmen.” Zusätzlich zur Modellierung der Auswirkungen von Aktivitäten der Unternehmen wurden mögliche strategische Konsequenzen mit Regeln modelliert. Zum Beispiel, “ein Unternehmen, welches keine Erfahrung mit einer gewissen Technologie aufweist und ein anderes Unternehmen aquiriert, welches diese Technologie entwickelt, hat möglicherweise die Strategie, die Technologieführerschaft auf diesem Gebiet anzustreben.”

Abbildung 4: CHAR Taxonomie (Ausschnitt)

Diese Ergebnisse der Ontologie-Modellierungsphase hatten vielfältige Auswirkungen auf die Funktionalität und Gestaltung der Webseite. Zunächst wurden die Sichten und die Kompetenzfragen formalisiert und unabhängig von Gestaltungsfragen getestet, indem formalisierte Anfragen an Ontologie und Testfakten gestellt wurden. Der abschliessende Schritt war der Aufbau der Webseiten, wobei die formalisierten und getesteten Anfragen in die Anfrageoberfläche (siehe Abbildung 5) integriert wurden.

Abbildung 5: Web-Interface von CHAR

Evaluationsphase. In der Evaluations- und Testphase testeten die Domänenexperten die Funktionalität und Nutzbarkeit des Systems. Durch das Prüfen der Antworten auf die ursprünglich gestellten Kompetenzfragen konnte die Ontologie evaluiert und verbessert werden.



5.3.2 Der Wissensprozess: Die Nutzung von CHAR Über die Einbettung in die üblichen Arbeitsprozesse der Mitarbeiter ermöglicht CHAR, der Corporate History AnalyzeR, das Wissen vieler Nutzer in das System einzubringen und über die Ontologie zu organisieren. Zusätzlich liefert das System Antworten, indem multiple Sichten auf dieselbe Wissensbasis je nach Zeitausschnitt, regionalem Fokus, intraorganisationaler Struktur oder unterschiedlicher strategischer Fragestellung angeboten werden. Im Folgenden beschreiben wir Ausschnitte aus diesen Wissensprozessen (vgl. auch Abschnitt 2).

Wissen erfassen. Der Prozess des Erfassens von neuen Fakten muss möglichst einfach und elegant in den täglichen Arbeitsprozess des Nutzers eingebettet sein. Deshalb bieten wir unterschiedliche Möglichkeiten der Erfassung von Wissen an. Zum einen können Fakten über eine formularbasierte Schnittstelle eingegeben werden. Zweitens kann die Information, die während des Erstellens von Dokumenten oder Berichten produziert wird, über Templates, die zur Erstellung der Dokumente benutzt werden, eingebracht werden. Drittens können Wrapper-Mechanismen genutzt werden, um Tabellen und Listen aus dem WWW einzubinden und viertens - wesentlich für CHAR - kann ein Tool zur Annotierung von Dokumenten genutzt werden. Damit werden einem Dokument Metadaten hinzugefügt. Dazu nutzten wir unser Tool OntoAnnotate [6]. In Abbildung 3 ist ein solcher Annotierungsprozess exemplarisch dargestellt: Der Nutzer arbeitet beispielsweise an Dokumenten mit einem Text Editor, Tabellenkalkulationsprogramm oder einem Internet Browser. Wenn er dabei auf interessante Informationen trifft, hat er die Möglichkeit, das entsprechende Wort oder den Textausschnitt hervorzuheben und mit dem Annotierungstool dem Textausschnitt eine Bedeutung zuzuordnen (z.B. “M.A.Hanna ist ein Unternehmen”) sowie die Verknüpfung dieser Stelle zu anderen Informationen (z.B. “M.A.Hanna sells Shapes Distribution Business to GE Plastics on May 11, 2000”). Das Dokument, die darin annotierten Fakten sowie Metadaten über den Annotierer, die Zeit der Annotierung etc. wird dann in der zugrundeliegenden Wissensbasis gespeichert.

Wissen abfragen. Die Abfrageoberfläche von CHAR wurde entworfen, um organisatorische und strategische Fragestellungen mit einschränkenden räumlichen und zeitlichen Bedingungen abzubilden. Dem Nutzer werden Webseiten mit Selektionslisten und Auswahlmenues angeboten. Diese Se-lektionslisten sind durch das Hintergrundwissen des Systems automatisch erzeugt. So können beispielsweise, wie in Abbildung 5 oben links angedeutet, Unternehmen selektiert werden, die bereits in der Wissensbasis existieren. Abbildung 5 stellt die wesentlichen Sichten von CHAR auf Activities (strategische Aktivitäten), Organization (Organisationsstruktur), Know How, Strategic Questions (anwendungsbezogene spezielle strategische Fragestellungen) und Search (allgemeine Abfragemöglichkeiten) dar. Eine Hauptgruppe von Fragen, die zum Bereich Markt- und Wettbewerberanalyse relevant sind, beziehen sich auf organisatorische Strukturen und Aktivitäten, welche diese Strukturen verändern. Zum Beispiel zeigt die Antwort auf die Frage nach allen Aquisitionen eines Unternehmens (“Acquisitions of M.A.Hanna”) alle deren Unternehmenskäufe. Korrespondierende Sichten werden auch für Sale (Verkauf), Merger (Verschmelzung), Restructuring (Organisation Umstrukturierung) und Management Changes (Veränderungen im Management) angeboten. Zusätzlich können neben einer umfassenden Lieferung von “harten Fakten”, welche nicht weiter interpretiert werden, auch mögliche Antworten auf strategische Fragestellungen durch CHAR generiert werden. Diese beruhen auf



Ableitungen und Annahmen, wie beispielsweise die Annahme, dass der Kauf eines Unternehmens im Ausland zu einer Erhöhung des eigenen Marktanteils in diesem Gebiet und somit zu einer regionalen Expansion führen kann.

5.4 Vorgehensweise bei Einführung ontologiebasierten Wissensmanagement: Der Wissens-Metaprozess

Im letzten Kapitel wurde die Entwicklung und Nutzung unseres Wissensmanagementsystems CHAR beschrieben. Die Gliederung der Entwicklung zeigte bereits die wichtigsten Phasen bei der Vorgehensweise zur Einführung von ontologiebasiertem Wissensmanagement. Analog zur Terminologie der Objektorientierung kann man die Entwicklung von CHAR als Instanz des Wissens-Metaprozesses bezeichnen. In diesem Kapitel beschreiben wir den Wissens-Metaprozess als Klasse, zeigen also die allgemeine Vorgehensweise losgelöst vom Fallbeispiel. Die Gliederung des vorherigen Kapitels wird dabei um einige Phasen erweitert.

Ontologien zielen darauf ab, Wissen einer Domäne explizit zu modellieren. Sie vermitteln ein allgemein anerkanntes Verständnis dieser Domäne, welches von Anwendungen und Personengruppen gemeinsam geteilt und wieder verwendet werden kann. Typischerweise sind Ontologien zusammengesetzt aus Definitionen für Begriffe, Beziehungen und Regeln. Bis vor einigen Jahren wurden Ontologien eher “zusammengeschustert” als “planmässig entwickelt”, inzwischen gibt es jedoch erste Ansätze, die den Ontologie-Entwicklungsprozess strukturieren [19], [8]. Im Gegensatz zu diesen Methodologien, die ihren Fokus auf die Ontologie als solche richten, konzentriert sich unsere Vorgehensweise auf die anwendungsorientierte Entwicklung von Ontologien. Unsere Vorgehensweise deckt die frühen Phasen von Wissensmanagement-Projekten bis hin zur Inbetriebnahme von ontologiebasierten Wissensmanagementanwendungen ab. Wir beschreiben dabei insbesondere den Entwicklungsprozess von Ontologien, in den auch Erfahrungen aus eigenen Projekten eingeflossen sind. Den Abschluss bildet die Einbettung des Wissens-Metaprozess in das Gesamtumfeld der Applikation. Der Entwicklungsprozess von Ontologien ist in Abbildung 7 gezeigt, im Folgenden werden die einzelnen Phasen beschrieben.

Machbarkeitsstudie. Jede funktionierende Wissensmanagementanwendung erfordert eine umfassende Integration des Systems in den jeweiligen organisatorischen Kontext. Neben zu lösenden technologischen Fragestellungen gibt es eine große Anzahl weiterer Faktoren, die den Erfolg oder Misserfolg eines solchen Systems bestimmen. Um diese Faktoren zu analysieren wird im ersten Schritt unseres Wissens-Metaprozess eine Machbarkeitsstudie durchgeführt. Hier werden einerseits Chancen und Risiken aufgedeckt und dabei mögliche Lösungsansätze skizziert, andererseits sollen die identifizierten Faktoren in eine breitere organisatorische Perspektive eingebettet werden. Die Machbarkeitsstudie zeigt vielversprechendste Einsatzgebiete mit dazugehörigen Lösungsansätzen für ein zu entwickelndes Wissensmanagement-System und dient als Entscheidungsgrundlage für die ökonomische und technische Machbarkeit des Projektes. Unsere Vorgehensweise basiert auf der CommonKADS Methodologie [13], die einen Ansatz zur Durchführung von Machbarkeitsstudien im Umfeld von Wissensmanagement-Lösungen beinhaltet. Die Machbarkeitsstudie sollte vor dem eigentlichen Entwicklungsprozess der Ontologie stattfinden und liefert die Grundlage für die Kickoff-Phase.



Abbildung 7: Ontologieentwicklung als Teil des Wissens-Metaprozesses

Kickoff-Phase der Ontologie-Entwicklung. Ergebnis der Kickoff-Phase ist eine Ontologie-Anforderungs-Spezifikation, die eine Beschreibung des Ziels und Anwendungsbereichs der Ontologie sowie des geplanten Einsatzzweckes der darauf aufbauenden ontologiebasierten Anwendung enthält. Die Spezifikation soll den Ontologie-Entwickler beim Einfügen, Entfernen und der hierarchischen Strukturierung von Begriffen in der Ontologie unterstützen. Bereits in dieser frühen Phase der Entwicklung sollte ein Augenmerk auf bereits entwickelte und potentiell wieder verwendbare Ontologien gerichtet werden. Zusammengefasst sollte die Anforderungs-Spezifikation folgende Informationen enthalten:

(i) Ziel der Ontologie; (ii) Anwendungsbereich; (iii) von der Ontologie unterstützte Anwendungen; (iv) Wissensquellen (z.B. Domänenexperten, Organisationsdiagramme, Geschäftspläne, Wörterbücher, Indexlisten, Datenbank-Schemata, etc.); (v) Benutzer und Anwendungsszenarien (use cases); (vi) Kompetenz-Fragebogen (d.h. eine Übersicht möglicher Fragen, die vom System beantwortet werden sollen); (vii) potentiell wiederverwendbare Ontologien.

Verfeinerungsphase. Ziel der Verfeinerungsphase ist die Entwicklung einer anwendungsbezogenen Ziel-Ontologie gemäss der Spezifikation aus der Kickoff-Phase. In dieser Phase können verschiedene Teilphasen unterschieden werden:

1. Erstellung einer ersten informalen Taxonomie, die alle relevanten Begriffe aus der Kickoff-Phase enthält.

2. Wissenserhebung mit Domänen-Experten basierend auf der ersten Taxonomie, um eine erste Kern-Ontologie zu erstellen, die relevante Begriffe, Beziehungen zwischen den Begriffen und darauf aufbauende Regeln enthält.

3. Formalisierung der Kern-Ontologie in eine erste Ziel-Ontologie, die mit formalen Repräsentationssprachen wie z.B. F-Logic [9] oder OIL [4] repräsentiert wird.

Evaluationsphase. Die Evaluationsphase dient zur Bewertung der Nützlichkeit der entwickelten Ontologie und der darauf aufbauenden Softwareumgebung. In einem ersten Schritt testet der Ontologie-Entwickler, ob die Ziel-Ontologie den Anforderungen der



Ontologie-Anforderungs-Spezifikation genügt und ob sie alle Fragen des Kompetenz-Fragebogens unterstützt bzw. beantwortet. In einem zweiten Schritt wird die Ontologie in ihrer Anwendungsumgebung getestet. Feedback von Beta-Testern kann wertvolle Hinweise für die Entwicklung der Ontologie liefern und weitere Verfeinerungsschritte initiieren. Weiterhin kann das Protokollieren von Benutzer-Interaktion mit dem System Hinweise für die Verfeinerung der Ontologie liefern. Das System sollte alle Schritte der Benutzer beim Navigieren oder Suchen anhand der Ontologie mitverfolgen. Eine “Ontologie Logfile Analyse” kann die Häufigkeit der Benutzung von Bereichen der Ontologie offen legen. Aus Benutzersicht kann dies z.B. darauf hindeuten, dass Spezialisierungen oder Generalisierungen von modellierten Begriffen nötig sind. Diese Phase ist eng mit der Verfeinerungsphase verbunden und ein Ontologie-Entwickler muss eventuell mehrere Zyklen durchlaufen, bis die Ziel-Ontologie den gewünschten Detaillierungsgrad erreicht hat - das Überführen der Ontologie in die praktische Anwendung beendet die Evaluationsphase.

Instandhaltungsphase. Die “echte Welt” ändert sich ständig - wie auch die Anforderungen an Ontologien. Um diese Änderungen in der Modellierung der Ontologie widerzuspiegeln, muss sie analog zu anderen Softwareteilen in regelmässigen Abständen instandgehalten werden. Aus unserer Perspektive ist die Instandhaltung primär ein organisationaler Prozess, den es zu strukturieren gilt. Wir empfehlen, dass ein verantwortlicher Ontologie-Entwickler die geänderten Anforderungen sammelt, ausführt und neue Versionsstände der Ontologie freigibt. Die Freigabe sollte erst nach Tests erfolgen, um mögliche Auswirkungen in der Anwendung nachzuvollziehen. Dies erfordert unter Umständen mehrere Verfeinerungszyklen. Ähnlich der initialen Verfeinerungsphase kann Feedback von den Nutzern wertvolle Hinweise für notwendige Änderungen an der Ontologie liefern. Ontologien müssen während der gesamten Lebenszeit instand gehalten werden.

Einbettung des Wissens-Metaprozess in den Anwendungskontext. Nach Inbetriebnahme der Wissensmanagementanwendung muss nicht nur die Ontologie sondern auch das darauf aufbauende System instandgehalten werden. Nicht nur Änderungen der Ontologie sondern auch beispielsweise Änderungen am Layout der Anwendung müssen - wie auch für andere Anwendungen üblich – im organisatorischen Kontext berücksichtigt und strukturiert werden.

5.5 Schlußfolgerungen und Ausblick Ontologien spielen eine entscheidende Rolle als semantisches Bindeglied in einer neuen Generation von Wissensmanagement-Systemen. Ebenso gewinnen Prozessaspekte bei der Entwicklung und dem Einsatz von Wissensmanagement-Lösungen immer mehr an Bedeutung. Wir haben in unserem Beitrag aufgezeigt, dass zwei Arten von Prozessen zu unterscheiden sind: der Wissens-Metaprozess zur Einführung einer Wissensmanagement-Lösung und der eigentliche Wissensprozess, der sich aus verschiedenen Teilprozessschritten zusammensetzt, die für den Einsatz einer Wissensmanagement-Lösung benötigt werden. Alle diese Prozesse werden in unserem Ansatz miteinander verbunden, die damit auch eine durchgängige (Wieder-) Verwendung von Wissen sicherstellen. Die Entwicklung und Anwendung des Corporate History Analyzer zeigt die Stärken eines derartigen Ansatzes unmittelbar auf. In [18] wird dieser Ansatz übertragen auf das technisch weitgehend analoge Skill-Managementsystem, OntoProPer. Beide Systeme, CHAR und Onto-ProPer, können als eine konkrete



Realisierung eines Semantischen Wissensportals betrachtet werden. In [14] wird aufgezeigt, dass man einen umfassenden Ansatz benötigt, der sowohl den Aufbau als auch den Betrieb und die Wartung eines solchen Portals umfasst. Dabei spielt insbesondere auch die Möglichkeit der Portalbenutzer, selbst Wissen in das Portal einpflegen zu können, eine zentrale Rolle für die Aktualität des bereitgestellten Wissens und damit für die Akzeptanz des Portals bei seinen potentiellen Benutzern. Ontologiebasierte Wissensmanagement-Lösungen lassen sich in der Praxis nur dann erfolgreich einführen und anwenden, wenn der damit verbundene Modellierungs- und Wartungsaufwand in Balance steht zum erzielten Mehrwert der ontologiebasierten Lösung. Von daher spielen Fragen der (semi-)automatischen Generierung von Ontologien aus Texten und anderen Wissensquellen eine wichtige Rolle, weil dadurch der Modellierungsaufwand reduziert werden kann [10]. Dies gilt in gleicher Weise für die Generierung und Wartung von Metadaten [6].

Zukünftig erscheint auch eine Verknüpfung von Wissensprozess und Wissens-Metaprozess durch entsprechende Lernverfahren vielversprechend. So können z.B. neue Begriffe, die in Dokumenten aufscheinen, über Ontologie-Lernverfahren die Aufnahme neuer Konzepte und Beziehungen in die betreffende Ontologie nahelegen: einem Aspekt, der durch den Teilprozess Instandhaltung des Wissens-Metaprozesses abgedeckt wird. Die Anwendung von Lernverfahren eröffnet generell die Möglichkeit, eine Wissensmanagement-Lösung semi-automatisch an die sich ändernden Anforderungen anzupassen und somit auf Änderungen des Unternehmenskontextes oder der Benutzungsbedürfnisse flexibel und schnell reagieren zu können.

5.6 Literatur [1] J. Angele, H.-P. Schnurr, S. Staab, and R. Studer. The times they are a-changin’ —the corporate history analyzer. In D. Mahling and U. Reimer, editors, Proceedings of the Third International Conference on Practical Aspects of Knowledge Management. Basel, Switzerland, October 30-31, 2000, 2000. http://www.research.swisslife.ch/pakm2000/.

[2] V. R. Benjamins, D. Fensel, and A. Gomez. Knowledge management through ontologies. In PAKM 98 Practical Aspects of Knowledge Management — Proceedings of the Second International Conference, 1998.

[3] S. Decker, M. Erdmann, D. Fensel, and R. Studer. Ontobroker: Ontology based access to distributed and semi-structured information. In R. Meersman et al., editor, Database Semantics: Semantic Issues in Multimedia Systems. Kluwer Academic, 1999.

[4] S. Decker, S. Melnik, F. Van Harmelen, D. Fensel, M. Klein, J. Broekstra, M. Erdmann, and I. Horrocks. The semantic web: The roles of XML and RDF. IEEE Internet Computing, 4(5), 2000.

[5] R. Dieng, O. Corby, A. Giboin, and M. Ribiere. Methods and tools for corporate knowledge management. Int. Journal of Human-Computer Studies, 51(3):567–598, 1999.

[6] M. Erdmann, A. Maedche, H.-P. Schnurr, and Steffen Staab. From manual to semi-automatic semantic annotation: About ontology-based text annotation tools. In P. Buitelaar and K. Hasida, editors, Proceedings of the COLING 2000 Workshop on Semantic Annotation and Intelligent Content, 2000.

[7] M. Erdmann and R. Studer. How to structure and access XML documents with ontologies. Data and Knowledge Engineering, Special Issue on Intelligent Information Integration, (to appear).



[8] N. Guarino and C. Welty. Identity, unity, and individuality: Towards a formal toolkit for ontological analysis. Proceeding of ECAI-2000, August 2000. available from http://www.ladseb.pd.cnr.it/infor/ontology/Papers/OntologyPapers.html.

[9] M. Kifer, G. Lausen, and J. Wu. Logical foundations of object-oriented and frame-based languages. Journal of the ACM, 42, 1995.

[10] A. Maedche and S. Staab. Mining Ontologies from Text. In Proceedings of EKAW-2000, Springer Lecture Notes in Artificial Intelligence (LNAI-1937), Juan-Les-Pins, France, 2000. Springer, 2000.

[11] D. O’Leary. Knowledge management: An analysis based of knowledge use and reuse. IEEE Intelligent Systems, 2001.

[12] G. Probst, S. Raub, and K. Romhardt. Wissen managen — Wie Unternehmen ihre wertvollste Ressource optimal nutzen. Frankfurter Allgemeine Zeitung / Gabler Verlag, Frankfurt am Main/ Wiesbaden, 1999.

[13] G. Schreiber, H. Akkermans, A. Anjewierden, R. de Hoog, N. Shadbolt, W. Van de Velde, and B. Wielinga. Knowledge Engineering and Management — The CommonKADS Methodology. The MIT Press, Cambridge, Massachusetts; London, England, 1999.

[14] S. Staab and A. Maedche. Knowledge portals : ontologies at work. AI Magazine, Summer 2001.

[15] S. Staab and A. M¨ adche. Axioms are objects, too - ontology engineering beyond the modeling of concepts and relations. In N. Guarino V.R. Benjamins, A. Gomez-Perez, editor, Proceedings of the ECAI 2000 Workshop on Ontologies and Problem-Solving Methods, Berlin, August 21-22, 2000., Berlin, 2000.

[16] S. Staab and D. O’Leary, editors. Bringing Knowledge to Business Processes. Papers from 2000 AAAI Spring Symposium, Tech. Report SS-00-03, Menlo Park, CA, 2000. AAAI Press. http://www.aaai.org/Press/Reports/Symposia/Spring/ss-00-03.html.

[17] S. Staab and H.-P. Schnurr. Smart task support through proactive access to organizational memory. Knowledge-based Systems, 13(5):251–260, September 2000.

[18] Y. Sure, A. Maedche, and S. Staab. Leveraging corporate skill knowledge - From ProPer to OntoProper. In D. Mahling and U. Reimer, editors, Proceedings of the Third International Conference on Practical Aspects of Knowledge Management. Basel, Switzerland, October 30-31, 2000, 2000. http://www.research.swisslife.ch/pakm2000/.

[19] M. Uschold and M. Grueninger. Ontologies: Principles, methods and applications. Knowledge Sharing and Review, 11(2), June 1996.

[20] S. Weibel and E. Miller. Dublin core metadata. Technical report, 1998. http://purl.oclc.org/dc.

6 Wissensmanagement – ein kritischer Blick


6 Wissensmanagement – ein krit ischer Blick

6.1 Der Rahmen: Wissensgesellschaft und „New Economy“ Ehe wir uns den Fragen zuwenden, was Wissensmanagement ist und wie man es beschreiben kann, ist die Frage zu klären, wozu es dient und warum es gerade jetzt populär wurde. Dies gelingt durch Betrachtung des Rahmens, in den sich das Konzept fügt.

6.1.1 Wissensgesellschaft Um den Wandel in den Gesellschaften der OECD und Schwellenländer zu beschreiben, bedürfte es wohl mehrerer Tausend Seiten, die dazu ja auch bereits existieren. Wir wollen hier nur ein Anknüpfen durch Stichworte versuchen, von denen jedes einzelne stellvertretend für einen Umbruch und für Möglichkeiten steht, deren künftige Entfaltung heute noch nicht entschieden ist.

Dabei wären die Termini Informationsgesellschaft oder post-industrielle, postmoderne Gesellschaft ebenso angebracht für eine Gesellschaft, die zunehmend fragmentiert ist, in der ein Bruchteil von 10 % der Arbeitskräfte ausreicht, um Lebensmittel und Industriegüter herzustellen und deren Lebens- und Arbeitsweise sich immer mehr auf Mensch-geschaffene Artefakte stützt, was vielleicht am besten durch Dolly, das erste geklonte Schaf symbolisiert wird.

Stichworte sind die abnehmende Abhängigkeit von natürlichen Gegebenheiten (synthetische Verfahren der Materialgewinnung, Entschlüsselung des Erbguts), die abnehmende Vorenthaltbarkeit von Information (WWW), der enorme Zuwachs an manipulativem Wissen (sogenannter technischer Fortschritt). Das führt dazu, dass immer mehr Menschen mit Symbolen von Dingen (am elektronischen Device) statt mit den Dingen selbst arbeiten => WISSENSARBEITER, daß wir in immer mehr Bereichen darauf angewiesen sind, mehr oder minder nutzerfreundliche Ergebnisse von Wissen anderer zu nutzen, ohne sie im Detail zu verstehen => WISSENSSURROGATE, daß Wissen problemlos Grenzen überschreitet und daher potentiell „das beste Wissen“2

weltweit angesprochen und verbunden werden kann => GLOBALISIERUNG.

Die reine Menge an Wissen, seine weltweite Verfüg- und Kombinierbarkeit, bringt einen weiteren Effekt zum Tragen: Beschleunigung durch positiven Feedback, d.h. Beschleunigung der wissensschaffenden (und damit notgedrungen wissenszerstörenden) Prozesse => Verkürzung der Ideen- und Produktlebenszyklen. Die weltweite Verfügbarkeit aufklärerischen Wissens bei gleichzeitiger wissenschaftlicher Unentscheidbarkeit wichtiger Orientierungsfragen im Leben führt ferner zu Spannungen zwischen globalen Erfordernissen bzw. Verlockungen und traditionellen Werten (siehe etwa die neuen Fundamentalismen) und zu einem Bewußtwerden von „MULTIOPTIONALITÄT“. Lebensstile werden experimentell, gesellschaftliche Orientierungen fragmentiert. Traditionelle Institutionen, wie etwa politische Parteien, aber auch Nationalstaaten

2 dieses Wissen residiert in Köpfen, worauf später noch einzugehen sein wird.



vermögen derlei fragmentierte Interessen immer weniger zu integrieren => FRAGMENTIERTE GESELLSCHAFTEN.

Das arbeitsteilig entwickelte technische Verfügungswissen hat anerkannte Neben-, Rück- und Fernwirkungen, die – bei aller Zunahme an Bequemlichkeit – das Risiko modernen Lebens erhöhen: Zwar sinkt die Eintrittswahrscheinlichkeit von technischen Schäden (siehe etwa den zunächst ausgebliebenen Millenniumsbug), es steigt, wegen der Vernetzung, jedoch das Ausmaß des Schadens im Eintrittsfall bis zur Gefahr der Selbstvernichtung und Vernichtung der Lebensgrundlagen auf der Erde => RISIKO–GESELLSCHAFT und Konzept der NACHHALTIGEN ENTWICKLUNG.

Die neue Konstellation eines hohen Rationalisierungsgrades von Landwirtschaft und Industrie und aufbrechender traditioneller Strukturen, wie Religion, Familie, Arbeitgeber- Arbeitnehmergegensätze führt dazu, daß der einzelne mit einer Fülle an Wahlmöglichkeiten konfrontiert ist und diese – in ihrer Pfadabhängigkeit – bewältigen muß. Pfadabhängigkeit bedeutet hier, daß ältere Entscheidungen (z.B. für Bildung) neue Entscheidungen präjudizieren; die jeweils vorhandene Wissensbasis bestimmt, was wir wahrnehmen und lernen können.

Dadurch, daß jede(r) ständig wählen kann, wird Einzelverhalten und damit auch das Gesamtverhalten des Systems immer weniger vorhersagbar => es entstehen BRÜCHE, DISKONTINUITÄTEN.

Deshalb muß wesentlich mehr neu entworfen, d.h. innoviert werden als früher, Es ist auch viel mehr möglich, weil der sogenannte technische Fortschritt auf abnehmende institutionelle Bindungen trifft, rechtliche wie kulturelle.

Übersetzt in die Arbeitswelt resultiert das Gesagte in einer Abkehr vom Konzept der Beschäftigung zum Konzept der Beschäftigbarkeit => EMPLOYABILITY.

Aufbauend auf einem Wissensportfolio entwickelt das Individuum Einsatzprofile als „selbstfahrendes Modul“, d.h. es kann sich selbst beschäftigen, sich an andere Lokomotiven temporär ankoppeln (etwa für ein Projekt), aber etwaig auch selbst als Lokomotive fungieren (neues UNTERNEHMERTUM). Damit stellen sich die Fragen der Absicherung gegen Krankheit Unfälle und Altersversorgung neu => GRUNDEINKOMMEN?

Es stellen sich Fragen der Ver- und Entwurzelung, der Bewältigung von Komplexität, der Bewältigung des Widerspruchs zwischen Optionenmaximierung (nur nicht festlegen) und Profilierung (Notwendigkeit zu entscheiden).

„Die Scheu davor, eine Wahl zu treffen, ist das größte Hindernis bei der Schaffung einer Strategie.“

M. Porter in Executive Excellence Ausg. 10, Dez. 1999, p. 15



Zusammenfassend können wir Wissensgesellschaft also beschreiben als

- Gesellschaft, in der Materielles relativ an Bedeutung verliert, Immaterielles an Bedeutung gewinnt.

- Multioptionsgesellschaft, die die Qual der Wahl stellt und wegen der Pfadabhängigkeit, welche ungleiche Chancen verstärkt, zu einer Zunahme von Ungleichheit führt.

- Gesellschaft, in der Wissen als Produktionsfaktor und Produkt an Bedeutung gewinnt.

Folgende Indikatoren werden aktuell verwendet, um Wissensgesellschaft nachzuweisen (zu messen):

Zahl der Wissensarbeiter Zahl der PC Arbeitsplätze, Internetanschlüsse Zahl der Wissenschaftler, Zahl der jährlichen Publikationen und Patentanmeldungen Börsenwerte bzw. Marktwerte wissensintensiver Unternehmen im Vergleich zu ihren

Substanzwerten Anteil der „Intelligenz“ (Design, Marketing, F&E) am Produktionspreis im Verhältnis

zu reinen Materialkosten und Fertigungslöhnen.

6.1.2 „New Economy“ Mit neuer Ökonomie werden i.a. folgende Entwicklungen beschrieben: Zunahme von Konzentrationen, teils in der flexiblen Form von Kooperationen (STRATEG. ALLIANZEN), Kampf um Marktstandards (etwa: WINDOWS), zunehmender F&E Aufwand bei kürzer werdenden Produktlebenszyklen, weltweite Öffnung der Märkte (LIBERALISIERUNG, DEREGULIERUNG), Steuerung durch anonymes, weltweit mobiles Eigenkapital (WERTSTEIGERUNGSORIENTIERUNG).

In dieser neuen Ökonomie können Erträge mit der zunehmender Verbreitung und Reife von Produkten zunehmen, weil die Nutzer hohe Systemausstiegskosten zu tragen haben und weil die Kosten fast zur Gänze fix sind, die Reproduktion so gut wie nichts kostet (Protobeispiel: Software, aber auch Medikamente) Sie ist also auf Wissen als wichtigste Ressource gestützt.

Die neue Ökonomie vereint eine Reihe von Konzepten, die früher als Gegensätze galten, zumindest theoretisch. In der Praxis erweist sich die Überbrückung solcher Widersprüche als nicht so einfach, wie sie auf dem Papier beschworen wird:

Massenfertigung und Maß(Auftrags-)fertigung fließen im Konzept der Just-intime Fertigung individualisierter Produkte (auf Basis von massengefertigten Modulen) zusammen => MASS-CUSTOMIZATION. Beispiele: Lewis Jeans nach Maß, Dell Computer, Barby Puppen, PKWs.

Globale Integration und lokale Differenzierung: weltweite Durchsetzung des westlichen Rationalisierungsprojekts, aber gleichzeitige Rücksichtnahme auf und Ausschöpfung der lokalen Gegebenheiten.

Größe (siehe Konzentrationsprozesse) und Flexibilität: Letztere wird durch Aufspaltungen, Ausgliederungen, Intrapreneurship und die Förderung der Gründung kleiner innovativer Einheiten gefördert.

Qualität und niedrige Kosten sind mittlerweile selbstverständliche Anforderungen des Marktes, sie reichen jedoch nur aus, um im Spiel zu bleiben, nicht um das Spiel zu entwickeln.



Innovation ist ein Schlüssel zur Wettbewerbsfähigkeit: Nur so kann bei gehobenem Allgemeinstandard ein Vorsprung, ein Unterschied erzeugt werden. Das reicht über die Produktentwicklung hinaus in den Vorbereich der Kompetenzgewinnung.

„Leader neigen dazu, Geschwindigkeit mit leicht meßbaren

Ereignissen, wie Produklebenszyklen zu assoziieren. Sie werden

nun Geschwindigkeit mit der Rate assoziieren müssen, mit der neues Wissen geschaffen, kodifiziert und in Unternehmen

verbreitet wird.“

(Prahalad C.K., Neue Leader. In Executive Excellence, Heft 10, Dez. 1999, 6).

Für Unternehmensführung hat dies folgende Konsequenzen:

VI. Erreichen der von den (anonymen) Kapitalgebern geforderten Renditen und Wertsteigerungen durch permanente Kostensenkungen (Verbesserungen) und Potentialentwicklung. Wegen der abnehmenden Dienstzyklen oberster Führungskräfte, zieht hiermit ein Element von Kurzfristigkeit und manipulativ temporärer Werterhöhung (z.B. durch Ankündigungspolitik, Fusionen) in die Wirtschaft ein, das ihrer nachhaltigen Entwicklung deutlich schadet. Die Messung intellektuellen Kapitals könnte gegensteuern: ManagerInnen könnten in entsprechenden Audits auch daran gemessen werden, wieviel Substanz sie verzehrt und wieviel sie aufgebaut haben, während sie bestimmte Renditen und Wertsteigerungen erzielten. Es entsteht notwendiges neues Controllingwissen.

VII. Das berühmte globale Denken und lokale Agieren (Variante: think global, than thing again), d.h. die Berücksichtigung der Möglichkeit, Produkte weltweit zu beschaffen, weltweit zu produzieren und abzusetzen. Früher selten auftretende Sonderaufgaben, wie das Kaufen und Verkaufen von Unternehmen(steilen), der Abschluß von Kooperationsverträgen, die Gründung von Tochtergesellschaften und Joint-Ventures werden zunehmend zum Alltagsgeschäft. Dabei wird interkulturelles Wissen i.w.S. benötigt.

VIII. Ständige Revitalisierung der Organisation: Das Flugzeug muß quasi umgebaut werden, während man es fliegt – und womöglich noch zu einem Gerät, das schwimmfähig ist. Das setzt sehr viel Organisations-, und Veränderungswissen voraus.

IX. Die Aufgabe der Potentialentwicklung ist gegenüber jener der Kostensenkung so wesentlich, daß sie gesondert hervorgehoben werden soll: Im Vorfeld der Markterschließung (weltweit!) und Produkt- und Leistungsentwicklung (immer schneller!) bedeutet sie den Aufbau von Kompetenzen, wobei Kompetenz hier als Überbegriff über Wissen + Können für unterschiedliche Einsatzkontexte definiert ist. Das setzt nun wiederum viel Wissen über Wissen (seine Entstehung und Verbreitung) voraus.

Keine Organisation kann all‘ dies im Alleingang bewältigen. Wir sehen hier eine Begründung für Konzentrations- und Vernetzungsprozesse.



Zusammenfassend, halten wir fest:

Die neue Ökonomie ist eine beschleunigte Ökonomie, die eine Koexistenz von früheren Gegensätzen erfordert: Sie bietet große Chancen3 für die, welche rasch lernen, d.h. Wissen in Marktnutzen überführen können. Die Auseinandersetzung mit Wissen, wird zur Überlebensbedingung. Dabei ist zu bedenken, daß neues Wissen zu schaffen, immer einhergeht mit der Zerstörung alter Gewißheiten und liebgewordener Gewohnheiten. Wissensmanagement beginnt also im Kopf und ist in Organisationen ganz wesentlich eine Frage der (Veränderung von) Kultur.

6.2 Wissen – eine Ressource sui generis Die Erbsünde des Wissensmanagements besteht darin, sich nicht näher mit dem Wissensbegriff auseinanderzusetzen (vgl. Schneider, Die 7 Todsünden des Wissensmanagement). Damit meine ich nicht, eine Definition zu bilden oder sich in den Reigen derer einzuführen, die Stufenleitern vom Datum zum Wissen oder gar zur Weisheit einführen, ohne zu berücksichtigen, daß ohne (Vor-)Wissen nichts zum Datum werden kann, daß es innerhalb und zwischen den Disziplinen sehr unterschiedliche Informationsbegriffe gibt (vgl. Schneider, 1990, Kap. 3) und daß der Wissens- oder Erkenntnisbegriff ganz wesentlich von der jeweils eingenommenen wissensphilosophischen Position abhängen. Vielmehr sehe ich im inflationären und unbestimmten Gebrauch des Wissensbegriffs eine Chance: Weil wir nicht mehr sicher bestimmen können, was Wissen ist, wird es möglich, den Begriff, seine Bedeutung und persönlichen bzw. organisatoionsspezifischen Sinn neu zu betrachten. Es ist die verlebendigende Auseinandersetzung darüber, welches Wissen für eine Organisation relevant und erfolgsentscheidend ist, die den Wissensmanagement betreibenden Unternehmen den entscheidenden Nutzen bringt.

Allerdings ist damit auch die Hoffnung zu enttäuschen, daß Wissensmanagement Unternehmensführung erleichtert. Wegen des prekär Werdens der Grenze zwischen Wissen und Ignoranz muß vielmehr eine zusätzliche Grenzziehungsleistung erbracht werden – als Beitrag zum Orientierungssystem.

Letzteres zählt zu den schwierigen Managementaufgaben. Zusätzlich stellt die Fülle an potentiell zu Wissen verarbeitbaren, aber individuell nicht bewältigbaren Inputs Individuen und Organisationen vor die psychisch-organisatorische Anforderung, die eigene Begrenztheit zu akzeptieren.

„ An individual without information cannot take responsibility: An individual who is given information cannot help but take responsibility.“

meinte J. Carlzon, damals Vorstand von Scandinavian Airlines (SAS) – und hatte mit diesem Bekenntnis zu transparenter Führung sowohl Erfolg, als auch recht. In der Wissensgesellschaft geht es jedoch, speziell für Führungskräfte, darum, Verantwortung zu übernehmen, obwohl man nicht über vollständige und sichere Informationen verfügt, denn wie Sokrates schon formulierte und Bentov in ein „Gesetz“ goß:

„One’s level of ignorance increases exponentially with accumulated knowledge. When one acquires a bit of new information there are many new questions that

3 (und damit ihre Kehrseite, das Risiko zu scheitern)



are generated by it and each new piece of information breeds five to ten new questions. These questions pile up at a much faster rate than does accumulated knowledge. Therefore, the more one knows, the greater one’s level of ignorance.“

Paradoxerweise scheinen AutorInnen im Feld Wissensmanagement dem Eindruck zu unterliegen, alles neu erfinden zu müssen, so als hätte Plato nie dazu geschrieben, sich Heinrich der Seefahrer nichts dazu überlegt oder Popper und Feyerabend sich nicht dazu geäußert. Sie ignorieren das vorhandene „Informationsmaterial“, integrierten es nicht in ihr Wissen, was ihrem Projekt, das vorhandene Wissen besser zu nutzen, eigentlich zuwiderläuft. Das zeigt sich an Neuversuchen, Wissen und Information zu definieren, an einer recht oberflächlichen Rezeption von Polany’s Werk über stillschweigendes Wissen (Ausnahme: Nonaka/Takeuchi, 1995) und an Controllingzugängen, die von Nicht-Controllern entwickelt werden.

Wie aber kann eine Organisation nun wirklich für sich definieren, was Gegenstand ihres Wissensmanagements sein soll? Schließlich sind Unternehmen weder Forschungsakademien noch Dokumentationszentren?

Als Ökonom könnte man es sich einfach machen: Wissen umfaßt jene immateriellen Seiten/Bestandteile eines Produktes oder einer Leistung und ihres Erstellungsprozesses, für die der Markt zu zahlen bereit ist. Soweit, so gut, aber erstens definiert das die immateriellen Seiten/Bestandteile nicht und zweitens ist es nur ex post zu bestimmen.

Als Philosophin würde sich anbieten, Wissen als Orientierungsrahmen zu definieren – jene Beobachtungs- und Glaubenssätze über die Welt, an denen wir unser Handeln ausrichten (vgl. auch Nonaka/Takeuchi 1985, und Mittelstraß, 1991).

Pragmatisch wäre relevantes Wissen das, was Mitglieder einer Organisation – unter Einbezug wichtiger Marktpartner – dafür halten.

Wir wollen es bei diesen Hinweisen belassen. Wissen ist nicht endgültig definierbar. Es ist aber wichtig, daß jede Organisation, die Wissensmanagement betreiben möchte, ihre eigene Definition entwickelt, d.h. daß man sich gemeinsam den Kopf zerbricht, was im eigenen Kontext relevant, speziell, knapp oder überschüssig ist.

6.2.1 Annäherungen an den Begriff des Wissens über Merkmale Folgende Hinweise auf Dimensionen des Begriffs sollen Ihnen diese Diskussion erleichtern:

6.2.1.1 Objektiv versus subjektiv

Viele Definitionen gehen implizit davon aus, daß es so etwas wie eine externe Beobachterperspektive gibt, aus der darüber befunden werden kann, was Wissen und was relevantes Wissen ist (positivistische oder kritisch-rationale Sichtweise). Andere stellen auf Sichtweisen der Beteiligten ab, wobei individuelle und kollektiv geteilte Sichtweisen unterschieden werden (kosntruktivistische und konstruktionistische Sichtweise).

Wissenschaftlich eindeutig ist nicht über Wissen und Relevanz zu entscheiden. Objektivität unterstellende Betrachtungsweisen meinen also bei näherem Hinsehen meist eine überlegene, eine besondere Beobachterposition, entweder die der



methodisch strengen Studie oder jene der besser wissenden Experten, die meist oben in der Hierarchie vermutet werden.

Beispiele: Literatur und Praxis sprechen häufig von der an einem Arbeitsplatz benötigten Information und meinen damit implizit, sie ließe sich mehr oder minder eindeutig aus der Aufgabe ableiten. Diese Metapher wird nun auf Wissen übertragen: Das richtige Wissen zur richtigen Zeit am richtigen Ort ... ist so ein beliebter Satz, der die objektive Bestimmbarkeit von richtig unterstellt (ohne im übrigen zu bestimmen, was denn nun richtig sei).

Demgegenüber ist das Internet eine subjektive Metapher: Man stellt rein, was man für bedeutsam hält und Surfer rufen sich ab, was ihnen brauchbar erscheint. Dazu brauchen sie nicht notwendig im Vorfeld ein Konzept von Brauchbarkeit – sie können sich anregen lassen zu neuen Verknüpfungen und Bedeutungen. Dieser freie Ansatz ist am Markt sehr erfolgreich, das sollten all‘ jene bedenken, die gerade an der ultimativen Totalsteuerung des arbeitenden Menschen basteln, auf hohem Niveau, versteht sich.

Konsequenzen für die Praxis:

Der Akkumulations- oder Eichhörnchenweg kann im besten Fall lediglich sicherstellen, daß alle auf das Niveau eines bestimmten Zwischenstands in einem anhaltenden Prozeß des Lernens gehoben werden. Dies kann die Effizienz erhöhen, wird jedoch kaum die Innovativität fördern.

Dazu muß Wissen nicht nur identifiziert, dokumentiert, verteilt und eingesetzt, sondern in seinem interimistischen Charakter erkannt werden. Wissens-unternehmer zerstören das vorhandene Wissen immer wieder und machen damit Lernprozesse ihrer Konkurrenz obsolet – Schumpeter läßt sich ohne weiteres auch auf die Neue Ökonomie anwenden. M. Dell zerstörte „das Wissen“, daß Computer nur über den (Fach-)Handel absetzbar seien und erzielte dafür beachtliche Renditen.

Generell bauen daher „dot.com Start-ups“ darauf, daß sie eingefahrenes Wissen erschüttern und in anderer Kombination zum Tragen bringen.

Pragmatisch lösen Unternehmen die Frage ihrer Positionierung im Feld „objektivsubjektiv“ häufig über die Unterscheidung von mehreren Stufen der Klassifizierung von Wissen:

Ungeprüftes Wissen4 folgt dem subjektiven Paradigma. Es wird von

Einzelpersonen in einen Pool eingestellt und steht dort für andere zur Verfügung, die es auf Glaubwürdigkeit und Plausibilität bzw. Gültigkeit zu prüfen haben.

Redaktioniertes Wissen5 ist von einer Stelle auf Brauchbarkeit und

Regelkonformität geprüft, wobei letztere sich auf sich etablierende Intranet und e-mail Konventionen, „Netiquette“, auf Usage Policies und Publication Chartas bezieht.

4 Sie werden an späterer Stelle sehen, daß man hier streng genommen von Daten, Texten und Bildern sprechen sollte, die – im Kopf von Menschen – Wissen induzieren können. Einfachheitshalber verwende ich den Begriff Wissen, weil er so eingebürgert und daher anschlußfähig ist. Sie sollten „Wissen“ aber immer nur als Stellvertreter – Variable – für erst zu leistende Denk- und Kommunikationsprozesse verstehen. 5 siehe Fußnotentext 3



Autorisiertes Wissen6 ist von mehreren Instanzen auf „Herz und Nieren“, d.h.

Gültigkeit und strategische Wirksamkeit geprüft und kann insoferne als sicher gelten, als man sich im Zweifelsfall darauf berufen und daher als MitarbeiterIn für etwaige Mängel dieses Wissens in der Anwendung nicht haftbar gemacht werden kann.

Es ist für jedes Unternehmen wichtig, sich klar zu werden, welches Welt- und Führungsverständnis man vertritt und welche Ziele man erreichen möchte, um sich nicht in motivations- und letztlich geschäftsschädigende Widersprüche zu verwickeln.

6.2.1.2 Tacit/Sti l lschweigend – Explizit/Kodif iz iert

Entgegen den üblich gewordenen Darstellungen (deren Autoren Polanyi vermutlich nie gelesen und Nonaka/Takeuchi gründlich mißverstanden haben), handelt es sich dabei nicht um eine Dichotomie, einen Gegensatz, sondern ein Kontinuum, dessen Eckpunkte in der Realität nicht vorkommen: Es gibt kein rein stillschweigendes oder vollkommen explizites Wissen, immer nur graduelle Mischungen von beiden. Als definitorische Spitzfindigkeit ist dies praktisch nicht relevant, wichtiger für Sie sind die Konsequenzen, die Sie aus dieser Erkenntnis ziehen (vgl. Rooney/Schneider, 2000).

Kodifiziertes Wissen beruht auf Strukturen, die das für Wesentlich befundene, in einer extra zu erlernenden präzisen Kurzsprache darstellen, z.B. in der formalen Sprache der Mathematik. Solche Codes erleichtern die Weiterentwicklung und Weitergabe des Wissens, solange sie beim Empfänger wieder jene stillschweigenden Bestandteile auslösen, die die Entwickler und Verwender des Codes damit verbunden haben.

Bei der Kodifizierung ist also die Zunahme von Effizienz und Verbreitbarkeit gegen den Verlust an Informationsreichtum und die Gefahr von Missverständnissen abzuwägen.

6 siehe Fußnotentext 3



Ferner ist zu berücksichtigen, daß Codes am besten von jenen verstanden und verwendet werden können, die sie entwickelt oder auf eine Weise gelernt haben, die diese Entwicklung nachvollzieht. Wer sie oberflächlich „auswendig“ lernt oder nur einem Handbuch entnimmt, kann in der Regel nicht das damit anfangen, was der verschlüsselnde Sender beabsichtigte.

Beispiel: Der Code 125 steht in der Personalauswahl für männlich – Altersgruppe 30-40 und postgradualer Abschluß. Wenn viele Bewerber auszulesen sind, erleichtert so ein Code den Vorgang. Er enthält aber deutlich weniger Information als die Interviewsituation mit dem beschriebenen Bewerber. Gerade deshalb ist das Interview – trotz (oder wegen?) seiner Subjektivität – aus der Personalauswahl nicht wegzudenken.

Konsequenzen für Projekte in der Praxis:

Die Idee, implizites Wissen explizit und in einer – meist kodifizierten – Form anderen verfügbar zu machen, stößt an folgende Grenzen:

Kosten der Externalisierung, Codifizierung, Verwaltung Kosten des Erlernens des Codes im Sinne der Entwickler (dies wird meist gar nicht

berücksichtigt, daher entstehen alternativ �) Kosten von Mißverständnissen und Nicht-Verständnis (frühere Erfahrungen, best

practices anderer können im eigenen Kontext nicht relevant werden, weil das stillschweigende Wissen, die Erfahrung fehlen).

Stillschweigendes Wissen hat bei näherem Hinsehen mehrere Ausprägungen. Es kann nur nicht ausgesprochen oder unaussprechbar sein, es besteht in der Form von Urteilen (und mischt damit Kognitives und Emotionales) und Fähigkeiten etwas „automatisch“ auszuführen, es ist „in Fleisch und Blut“ übergegangen und daher schwerer überprüfbar und änderbar als explizites Wissen. Es beschleunigt das Handeln individuell und – dort wo es geteilt wird – kollektiv.

Beispiele: Zu wissen, daß die Tochter eines Kunden am Dienstag operiert wird und diesen Tag terminlich auszusparen gehört in die Kategorie „nicht ausgesprochen, aber aussprechbar“. V. Hayek nennt das – lokales Wissen. Andererseits kann Hermann Maier nur bis zu einem gewissen Punkt beschreiben, warum er so gut Ski fährt – er tut es einfach. Das durch eine gemeinsame Haushaltsgeschichte erworbene stillschweigende Wissen wird täglich aktiviert, bei der Vergabe des Badezimmers, der Regelung des Abwaschs und der Aufräumaktivitäten, ohne dass viele Worte fallen müssen. Ähnlich verlaufen Produktionen in eingespielten Teams – man konnte hier im Zeitablauf beträchtliche Lernkurveneffekte messen.


Zwei Wege werden vorgeschlagen: Der eine besteht darin, möglichst viel implizites Wissen explizit zu machen (wie vorne gezeigt, ein sehr aufwendiges und bezüglich der Wirksamkeit unsicheres Projekt), der andere darin, möglichst viel implizites Wissen fließen zu lassen, damit es geteilt und entwickelt werden kann. Implizites Wissen ist häufig auch informelles, d.h. noch nicht durch Legitimierungsprozeduren gelaufenes Wissen: Es ist daher durchaus sinnvoll, es teilweise ins Bewußtsein zu heben, auf seine Brauchbarkeit zu prüfen, seine Veränderungen und Veränderungsnotwendigkeiten zu erkennen. Nichts anderes steckt hinter Peter Senge’s Konzept der lernenden Organisation, die ihre eigenen Vorannahmen reflektiert. Bloßes Explizit Machen und Dokumentieren ist jedoch noch keine Reflexion. Es geht eher von der Vorannahme aus, daß Wissen immer gesichert und nützlich sei, was jedoch keineswegs der Fall sein muß.



6.2.1.3 Daten, Information, Wissen

Die Trennung ist – wie in der Einleitung erwähnt – trickreich. Im allgemeinen werden Daten als Einzelbeobachtungen und Messungen interpretiert, die erst gedeutet werden müssen, für sich genommen, noch nichts aussagen.

Wenn Geschäftseinheit A eine schwarze Null schreibt, obwohl gute Konjunktur herrscht, ist das anders zu interpretieren, als wenn Geschäftseinheit B das tut, der – durch externe Umstände – 40 % des Gesamtmarktes weggebrochen sind.

Information wird meines Erachtens am brauchbarsten von Gregory Bateson definiert, als Unterschied, der einen Unterschied macht (vgl. Bateson, 1979). Die erste Erwähnung von Unterschied verweist darauf, daß wir immer Bezugspunkte benötigen, um etwas wahrzunehmen. So gibt es etwa den Begriff „groß“ nur in Beziehung zum Begriff „klein“. Bezugspunkt z.B. für Menschen wäre dann die jeweilige Durchschnittsgröße: Wer (beträchtlich) darüber liegt ist (sehr) groß, darunter Liegende werden als klein gekennzeichnet.

Die zweite Erwähnung von Unterschied bezieht sich auf die dem ersten Unterschied (den Daten) zugeschriebene Bedeutung für Handlungen (das Patientendatum „GRÖSSE = 2,10 m löst die Zurverfügungstellung eines Nicht-Norm Bettes aus), die nunmehrige Information verändert unsere Einschätzung der Lage oder unser Handeln.

Das Datum –5o Celsius wird von einem beliebigen Empfänger dieser Nachricht als „kälter als gewöhnlich“ interpretiert (Unterschied), weshalb er ein zusätzliches Kleidungsstück anzieht (Handlungskonsequenz).

Information bedarf daher, genau wie Wissen, eines verarbeitenden Bewußtseins. Vorläufig verfügen darüber, unserer Kenntnis nach, nur Menschen, wenn die künstliche Intelligenzforschung auch an dem Projekt arbeitet, das zu ändern.

Wissen, wäre dann die Struktur aus der die Bedeutung von Informationen

erschlossen werden kann. Es liefert Auskünfte über die WARUM, aber auch WOZU–Frage.

Man muß zum Beispiel etwas über Temperaturmessung und Warmhalten des Körpers gelernt haben, um –5o Celsius im beschriebenen Sinn interpretieren zu können.

Man braucht eine ganze Menge an allgemeinem Unternehmungsführungswissen, um auf die erwähnte schwarze Null mit Anstößen zur Verbesserung einerseits und Applaus andererseits zu reagieren.


Die Interpretationsnotwendigkeit von Daten, die Kontextabhängigkeit von Interpretation und die Strukturabhängigkeit (Strukturkonservativität!) von Wissen werden häufig ausgeblendet. Die Folge sind z.B. Datenfriedhöfe (Sammelwut, welche Daten mit Information verwechselt) und das Mißverständnis, Information und Wissen könnten von einem Sender einfach an einen Empfänger weitergegeben werden, ohne sich in diesem Prozeß zu verändern (Begriff des Wissenstransfers).

Wir empfehlen den Begriff Wissensinduktion zu verwenden, weil Sender und Empfänger nie identische Wissensbasen besitzen und im Prozeß der Kommunikation (auch mit einer Datenbank) im Empfänger etwas ausgelöst/induziert wird, was nur z.T. mit den gesendeten Signalen zu tun hat und ganz wesentlich von der vorhandenen Wissensbasis abhängt. Das bedeutet, daß der Kontext der Induktion zu bedenken ist und Enttäuschungen über Nicht-Nutzung oder Unternutzung all‘ der schönen Datenbanken



über lessons-learned, Patente, best practicis, betriebsinterne Normen und Standards eigentlich selbstverständlich sind. Gelingende Induktion ist der Überraschungsfall.

6.2.1.4 Wissen-Können-Wollen-Dürfen

In Organisationen ist Wissen, welches sich nicht durch Wollen und Dürfen in Taten, in Können übersetzt, per definitionem Verschwendung.

Dabei geht es weniger um Akkumulation vorhandener Bestände als um die integrative, multiplikative Nutzung und „Streckung“ dieser Bestände. Daher ist es wesentlich, über die in den meisten Arbeiten zur Messung und zum Management von Wissen vorherrschende Betrachtung von Inputs in den Unternehmensprozeß (Strukturmodelle) hinauszugehen und das Zusammenspiel dieser Komponenten bei der Schaffung von Ergebnissen in den Mittelpunkt der Betrachtung zu stellen.

Die Übersicht definiert, daß Wissen immer aus einer Kombination von warum, wozu, was, wer, wann, wo und wie – Bestandteilen besteht, wobei manchmal wie, wann, wo genügen (implizites Wissen), für die Entwicklung von Alternativen und damit Innovation das warum und wozu aber nicht ausgeblendet werden dürfen, genauso wenig wie für die Motivation, das Wollen der Beteiligten.



„Ein Mensch, der weiß wofür, erträgt fast jedes wie.“

sagte F. Nietzsche, was in der Hektik der Alltagspraxis und im Zeitgeist eines übertriebenen Pragmatismus, der nur auf das „wie“ fokusiert, oft vergessen wird.


Statt sich auf aufwendige Sammelprojekte und Messungen einzulassen (Management by Eichhörnchen), sollten Sie den Schwerpunkt auf den Einsatz von Wissen, die Ermöglichung des Könnens, Wollens und Dürfens legen. Wissen ist nur ein wichtiger erster Schritt – und nicht jedes Wissen ist gültig oder brauchbar und relevant, im Sinne der Generierung von „UNTERSCHIEDEN“ (->Wettbewerbsvorteilen).

Aktuell scheinen mir eine ganze Menge von Sammelprojekten weniger strategisch als dadurch getrieben, was leicht erfaß- und dokumentierbar ist. Wird es aber Erfolg haben, im Sinne eines Unterschieds in der Bottom-Line? Das ist jedenfalls mit Unsicherheit behaftet und wegen der raschen Veralterung des Erfaßten und seiner geringen strategischen Relevanz eher zu verneinen.

6.2.2 Die Besonderheiten der Ressource „Wissen“ Wie schon in Fußnote 3 angedeutet, ist der Wissensbegriff nur im Sinne eines Quantors, eines durch Klärungsprozesse zu füllenden Containers, zu verstehen. Es muß auffallen, daß Unternehmen sehr beeindruckende Schritte zum Wissensmanagement setzen können und auch setzen, ohne über ein eindeutiges Wissenskonzept zu verfügen. Gerade weil sie kein strukturkonservatives Wissen über Wissen festschreiben, erhalten sie ihre Projekte lebendig.

Wenn für eine Organisation allerdings nicht zutrifft, daß sie den Quantor durch wissensschaffende Auseinandersetzung mit ihren „essentials“ bestimmt, dann erhalten die unterschiedlichsten Gruppen, meist unerkannt, Definitionsmacht, den Quantor zu bestimmen: Er wird willkürlich festgelegt, hierarchisch vorgegeben oder durch geistloses Kopieren dessen gefüllt, was sich in der Kongreß- und Internetszene als Wissen zu etablieren beginnt. Dieses Wissen ist aber kein autorisiertes Wissen. Dort, wo neue Stellen für potentielle neue Experten (Fachleute für Wissensmanagement) eingerichtet werden, ist damit zu rechnen, daß letztere bei der Quantorbestimmung nicht neutral, sondern interessensgesteuert vorgehen: Sie wollen (und müssen) ihre Stellen und Budgets nicht nur rechtfertigen, sondern bauen gleichzeitig an ihrer Bedeutung und Unverzichtbarkeit.

Zurück zu den Besonderheiten:

Besonderheiten der Ressource Wissen

Teilen ohne „Eigentumsaufgabe“ Produktionskosten sind 100 % fix Flüchtig verteilt eingebettet fragmentiert

Wie Liebe ist Wissen ein Gut, das sich vermehrt, wenn man es verschwendet. Man muß geben um zu erhalten: Wissen, das nicht geteilt wird, kann sich nicht in kollektivem Handeln entfalten, bleibt also für einen selbst von geringem Nutzen. Das hat Konsequenzen, etwa bezüglich einer zunehmenden Bedeutung kooperativen statt kompetitiven Verhaltens.

Das Angebot an (potentiellem) Wissen ist nahezu unerschöpflich und wächst täglich, knapp sind hingegen die Kapazitäten, es zu verarbeiten -> Konzentration, Zeit, Fähigkeit, eine Auswahl zu treffen. Auch das hat Konsequenzen, etwa in Bezug auf die



Notwendigkeit, Fülle einzudämmen und die Eigenzeitlichkeit von Lernprozessen zu berücksichtigen.

Wissen ist in seiner Entstehung in Lern- und Forschungs- und Entwicklungsprozessen teuer: Einmal entwickelt, kann es jedoch sehr billig auf materielle Träger (Papier, Chips) aufgebracht, in Produkte (Medikamente, Computer) eingebracht und verkauft werden. Das hat Konsequenzen für die Unternehmensfinanzierung und für unseren Eigentumsbegriff.

Wissen ist flüchtig, schwer faßbar. Wir stehen vor dem Problem, die zukunftsschaffende Ressource schlechthin nicht genau fassen, nicht messen zu können, was nach traditionellem Steuerungsverständnis aber eine wichtige Voraussetzung der Steuerung ist. Auch das hat Konsequenzen, u.a. für die Schützbarkeit intellektuellen Eigentums.

Wissen ist schließlich in Organisationsprozesse eingebettet. Nur deshalb können wir überhaupt sinnvollerweise von kollektivem Wissen sprechen. Organisationen speichern in ihren Strukturen, Standard-Prozessen, gelebten Normen und Werten ein Wissenspotential, das mehr ist als das in den einzelnen Köpfen gespeicherte Wissen, auch wenn es erst auf dem Umweg über diese Köpfe und ihr Handeln aktiviert und damit zu Wissen i.e.S. wird. Auch das hat Konsequenzen, insbesondere für die Übertragbarkeit dieses Wissens.

Beispiel:

Eine Mitarbeiterin im Vertrieb hat beobachtet, daß Kunde XY nur deshalb auf Zulieferung am Freitag bis 14 Uhr besteht, weil er dann kein Personal mehr an der Laderampe zur Verfügung hat und die Ware Montag um 7 Uhr am Band benötigt, wenn die Lagerarbeiter ihren Dienst wieder aufnehmen. Ein Kollege aus der Produktion erzählt ihr, daß die Lieferzeitverkürzung im Haus Überstunden und Zusatzkosten im Ausmaß von 20 % des Lieferwerts verursacht. Gemeinsam arbeiten sie einen Vorschlag aus, Montag ab 6 Uhr mit eigenen Leuten abzuladen, was dem Unternehmen das Wochenende, an dem ohnehin gearbeitet wird, als zusätzliche Produktionszeit eröffnet.

Konsequenzen:

Zum einen geht es darum, den positiven Synergieeffekt von Teilen erlebbar zu machen. Das gilt nicht für jegliche Information (z.B. nicht für Insiderinformation im Finanzhandel) und es gilt derzeit in den meisten Organisationen nicht, in denen Wissen tatsächlich als Nullsummenspiel organisiert ist. Es ist unerläßlich, nüchtern abzuwägen, wann welche Arten von Wissen aufgrund von Exklusivität Erfolg bringen und wann es bereichernder (im Sinn des Wortes) ist zu teilen und gemeinsam mehr zu entwickeln als man vorher einzeln hatte. Beschwörungsformeln, Wissen doch bitte teilen zu mögen, nutzen hier wenig: Incentives in Form von Zuckerbrot und Peitsche reichen ebenfalls nicht aus, wenn organisatorisch die Konstruktion eines Nash-Games, einer Gefangenen Dilemma Situation erhalten bleibt: So ein Spiel bedeutet immer, daß einseitig zu „betrügen“ am einträglichsten ist. Gleich danach folgt die beidseitige Kooperation (als langfristig beste Lösung), dann das beidseitige Betrügen. Am schlechtesten ist man dran, wenn man einseitig kooperiert, während die anderen betrügen.

Dort, wo Wissen als Macht erlebbar wird und Patentschutz besteht, um andere von der Anwendung des teuer entwickelten eigenen Wissens auszuschließen, hat Teilen keine Chance. Bonuszahlungen für Hits auf der eigenen Webpage (wie etwa bei Hewlett Packard praktiziert) stellen nicht sicher, daß tatsächlich wesentliches und individuelles Vorsprungswissen zur Verfügung gestellt wird. Die Annahme solchen Wissens, d.h. seine



Nutzung für eigene Projekte, wird gegenüber dem Geben meines Wissens nach in den ihr Wissensmanagement publizierenden Paradeunternehmen nicht belohnt.

Daß Nash Games im Unternehmen vorkommen, können Legionen von Mitarbeitern bestätigen, deren harmlos vorgebrachte Ideen von Kollegen und Vorgesetzten vereinnahmt wurden. Möglicherweise hat das den Ideen zur Umsetzung verholfen und damit dem Ganzen genützt, dem Einzelnen erwachsen daraus jedoch nur Vorteile, wenn er am Gesamtergebnis beteiligt wird.

Nicht von ungefähr setzen wissensintensive Unternehmen, wie Microsoft oder Yahoo, Mitarbeiteraktien als Incentives ein.

Ohne Beteiligung am Erfolg und Kapital, bleibt bei Shareholder Value-Orientierung der Widerspruch zwischen dem Anspruch, selbstlos zu teilen und der Realität, nur wenigen das Ergebnis solchen Teilens exklusiv zukommen zu lassen, bestehen.

Dennoch scheint es einigen Unternehmen zu gelingen, kollektiv orientierte loyale Kulturen zu schaffen, in denen der Einzelne sich zugunsten einer Sache zurücknimmt.

Die Frage nach einer wissensfreundlichen Kultur ist keine triviale und wird aktuell durch normative Beschwörungsrituale und punktuelle Sanktionen nur sehr unzureichend gelöst. Wir werden auf diesen Punkt zurückkommen.

Dem Problem der Fülle (das durch Wissensmanagement tendenziell noch verschärft wird) wird auf zweierlei Weise begegnet:

- Einerseits mit einer Verbesserung der Informationsverarbeitungskapazitäten des Menschen, von Schnelllesetechnik bis zum implantierten Chip. Hier liegen zweifellos Potentiale, andererseits jedoch auch eine Hase-Igel-Problematik vor: Jedes technische Hilfsmittel löst z.T. jene Komplexitätsprobleme, die es selbst schafft (denken Sie an Personalcomputer).

- Andererseits, und das scheint der grundsätzlichere Zugang, sind die Fähigkeiten des Menschen zu verbessern, Fokus und Prioritäten zu bilden, Widersprüche zu ertragen und Auswahlen treffen zu können. Es geht also um die selten ausgeprägt vorkommende (und deshalb hoch bezahlte!) Fähigkeit, echte Entscheidungen zu treffen. Echt zu entscheiden, bedeutet eine urteilsgestützte Stellungnahme abzugeben, nicht eine beste Alternative zu errechnen. Entscheiden kann nur, wer Präferenzen hat, was voraussetzt, daß Entscheider wissen, was sie wollen. Hier läuft Wissensmanagement also ganz stark auf Persönlichkeitsbildung hinaus, was alle betrifft, die funktional zu führen haben; in der Wissensgesellschaft wird damit auf eine von jedem Mitglied in einem Netzwerk zu erfüllende Kompetenz verwiesen.

Der hohe Anfangsaufwand bei später etwaig sogar wachsenden Grenzerträgen führt dazu, daß die Unternehmensfinanzierung sich zum Venture Capital verschiebt, auch in Europa. Es bedarf eines langen und risikotragenden Atems, um die Entwicklungsphase zu finanzieren: Was wir an Internet Start-ups und folgenden Börsengängen aktuell erleben, entspricht dieser Überlegung. Gleichzeitig stellt Charles Handy die Frage, ob denn die Geld- oder besser die Ideengeber das Eigentums- und damit das Dispositionsrecht an Unternehmen erhalten sollten. Er plädiert für letztere, da sich die Börse anderenfalls zu „... einem einzigen großen Casino entwickeln...“ (wird). (Handy, Ch.: Die Zukunft leben lernen. In: Executive Excellence, Ausgabe 10, Dez. 1999, p 4) Ähnlich, wenn auch vorsichtiger, äußert sich Thomas Stewart.

Was meinen Sie? Kommunistische Revolution oder einfach eine logische Weiterentwicklung des Kapitalismus?



Welche Konsequenzen hat das Merkmal des Eingebettet Seins von Wissen?

Zum einen kann man versuchen, das Wissen sichtbar zu machen, das erleichtert seine Steuerung, gleichzeitig aber auch seine Diffusion, die nicht mit beabsichtigt sein muß. Das meiste Wissen ist nicht patentfähig. Seine Einbettung in Organisation und seine Implizitheit schützen es vor Diebstahl. Man kann eine potente Mitarbeiterin aus der Forschungsabteilung eines Konkurrenten abwerben, erhält damit jedoch noch nicht das Wissen, das über die Köpfe des gesamten Teams verteilt ist. Man kann eine „Best Practice“, etwa das Führen durch Ziele kopieren, ist damit aber noch nicht in der Lage, den Prozeß der Zielentwicklung so gut zwischen Über- und Unterforderung auszupendeln, wie dies Führungskräfte und Mitarbeiter können, die schon lange mit dieser Führungsmethode arbeiten.

Wenn man solche eingebetteten Prozesse nun explizit macht, um sie selbst besser zu verstehen und zu steuern, setzt man sich der Gefahr aus, daß sie kopiert werden, ebenso wie Patente während der Anmeldungsphase der Kannibalisierung ausgesetzt sind, worunter eine weiterentwickelnde Verwendung zu verstehen ist, die das ursprüngliche Wissen obsolet macht.

Was kann man tun?

Immer die Nase vorne haben, schneller innovieren als alle anderen, das eigene Wissen rascher weiterentwickeln als alle anderen: Eine gute Lösung für gesunde, junge, dynamische Menschen und Organisationen mit guter Startposition; weniger geeignet für alle anderen.

If you can’t beat them, cooperate. Die aktuelle Welle an Zukäufen, Fusionen und Strategischen Allianzen ist z.T. dadurch bestimmt, daß man Wissen einkaufen, aber auch den Prozeß der Wissensbildung, insbesondere sein Tempo beherrschen möchte. Große Unternehmen wirken – so die konventionelle Weisheit – dämpfend auf ein Tempo, bei dem viele nicht mehr mitkommen.

Differenzierung über Kernkompetenzen. Die Strategie, konsequent in den Aufbau einzigartiger Fähigkeiten zu investieren, die künftigen Kundennutzen stiften und sich in mehrere Geschäftsfelder übersetzen lassen, ist ebenso vielversprechend, wie riskant. Auch sie gelingt wohl nur mit finanziellem Polster, vielleicht eine weitere Begründung für die aktuell feststellbaren Konzentrationstendenzen.

Schließlich kann man die Einbettung fördern, indem man, wie japanische und kulturstarke Unternehmen auf eine Kultur der Loyalität, langen Zugehörigkeit und der Gegenseitigkeit setzt, viel persönliche Begegnung ermöglicht und die historische Herausbildung eines Anders-Seins fördert. Das hat gewisse Gefahren von „Inzucht“, welche aber durch bewußte Öffnung, z.B. auch eine entsprechende innovative Einstellungspolitik gemildert werden können.

To manage knowledge is like herding cats

K. E. Svei

Lösung 1

Lösung 2

Lösung 3

Lösung 4



6 .3 Zugänge zum Wissensmanagement 7

Dieses Kapitel folgt der einfachen, aber umfassenden Logik der W-Fragen.

(siehe Teile I und II)

um Wettbewerbsvorteile zu erzielen, wobei Wissen die generischen Strategien unterstützt ->

es ermöglicht bessere Prozeßbeherrschung

es ermöglicht (raschere) Innovation

es ermöglicht bessere Kundenorientierung

Managen kann man Wissen nicht, managen kann man Daten, Prozesse, Zusammenarbeit und Infrastruktur

Wer soll Träger dieser Aufgaben sein.

Methoden und Tools

mit welcher Informations- und Kommunikationstechnik? Ist Technik eine notwendige, aber nicht hinreichende Bedingung? Welche Hard- und Software soll man anschaffen?

6.3.1 Zugänge zum Wissensmanagement 8

Wozu? Wie lassen sich WB Vorteile erzielen?

Wissensmanagement läßt sich nicht verbindlich definieren, weil es von unterschiedlichen Wissensverständnissen (Produkt – Prozeß) ebenso wie von unterschiedlichen Managementverständnissen abhängt (Kontrolle – Ermöglichung) und

7 Eine fundierte Ableitung dazu finden Sie in Schneider, 1999 8 Eine fundierte Ableitung dazu finden Sie in Schneider, 1999

Warum ?

Wozu ?

Was ?

Wer ?

Wie ?

Womit ?



zudem unterschiedliche Ziele akzentuiert, nämlich die bessere Nutzung des vorhandenen Wissens (deployment) oder die Schaffung neuen Wissens (generation).

Wenn wir diese drei Dimensionen koppeln, erhalten wir theoretisch 8 Felder, die verschiedene Zugänge zum Wissensmanagement beschreiben.

Jedes Feld stellt eine andere Strategie im Wettbewerb dar. Das Strategieverständnis ist dabei sowohl markt- als auch ressourcenorientiert. Im Wechselspiel von Markt (Hinweise auf relevantes Wissen) und interner Kompetenzen (Schaffung neuer Relevanzen), versuchen Unternehmen idiosynkratisches, nicht (leicht) nachahmbares Wissen (hier im Sinn von Können) zu bilden, das heute und künftig die Erstellung wertschöpfender Leistungen ermöglicht.

Feld 1 ist der aktuell in der Konferenzszene am besten abgedeckte Bereich, auch wenn die Begleitrhetorik der geschilderten Projekte fast durchgängig aus Feld 8 geliehen wird (Rede von Innovation, organisatorischer Revolution, Empowerment und Demokratisierung).

Wissensmanagement, um Vorhandenes besser zu nutzen (Kontrollperspektive)

Feld 1 beschäftigt sich mit Wissen als Produkt/Output, das dokumentiert (dokumentierbar) ist und begreift Management als den üblichen Zyklus von Planung-Organisation-Stellenbesetzung-Veranlassung und Kontrolle.



Der Schwerpunkt liegt darauf, vorhandenes Wissen zu identifizieren, zu bündeln, zugänglich zu machen. Im Ergebnis wird daher fast immer mit Externalisierung und e- Dokumentation gearbeitet: Datenbanken mit „best practices“ oder „lessons learned“ gehören ebenso dazu wie Wissenslandkarten. Vordringliches Anliegen ist es, das Wissen aus Köpfen (die das Unternehmen nicht kontrollieren kann) in Strukturen zu überführen (an denen Eigentumsrechte bestehen). Dieser Weg ist eine konsequente Fortführung des Optimierungsdenkens: Durch Zusammenführung des verstreuten Organisationswissen werden verbindliche Vorgehensmodelle erstellt, denen sich alle anzuschließen haben. Dabei ermöglicht die in diesem Feld besonders betonte Technik fast vollständige Transparenz und damit Abweichungskontrolle.

Der Wissensbegriff ist objektiv, menschenunabhängig definiert, eigentlich sind Daten, Texte und Bilder gemeint, die für die Erheber/Autoren (Sender) in einem bestimmten Kontext standen, der von den Empfängern möglichst 1:1 übernommen werden soll. Dies erreicht man am besten, wenn die Empfänger bezüglich ihres Denkens und Fühlens homogen sind (homogenisiert werden), woraus sich die Bemühungen erklären, durch Marketing ((Ver-)Führung durch Produkte) und Management ((Ver-)Führung durch Kultur, Personalpolitik etc.) für eine solche Verhaltensstandardisierung zu sorgen.

Ins Extrem getrieben (und nur an der Grenze werden potentielle Irrwege deutlich), ist der Ansatz zweifach bedenklich:

Auf Basis der Beherrschungs- und damit verbundenen Machbarkeitsphilosophie weist er faschistoide Züge9 auf, weil Wissensmanagement sich definitionsgemäß nicht auf Gegenstände10, sondern auf Lebewesen bezieht.

Durch den Fokus auf Standards und die Verführung zu ähnlichem Denken, Fühlen und Verhalten, untergräbt er die Kreativität und sorgt tendenziell für eine Zentrierung des mühsam Explizierten, was innovationsfeindlich ist.

9 Wenn J. B. Quinn etwa vorschlägt, Menschen nur von 22-35 Jahren zu beschäftigen, dann aber rund um die Uhr Arbeit zu verlangen, scheint mir das nicht unbedenklich. 10 Wobei die Behandlung der Natur als Gegenstand fragwürdig genug ist und zu Problemen der Umweltgefährdung geführt hat.



Weniger ins Extrem getrieben, kann dieser Zugang jedoch einiges an Verbesserung beitragen, insbesondere zum strategischen Fokus der Prozessbeherrschung (Kostensenkung). Er sollte allerdings nicht mit einem gleichzeitigen Kundennähe- und Innovationsversprechen verkauft werden, denn dazu eignet er sich, wie ausgeführt, nicht.

Lernende Organisation:

Stellen wir dem nun – idealtypisch – Feld 8 gegenüber, sehen wir uns eher im Kontext von Überlegungen zur lernenden Organisation. Wissen wird hier als personengebunden und als Prozeß definiert, d.h. daß sich die Wissensbasis – trotz gefestigter Strukturen, die auch hier angenommen werden – durch jedes weitere Agieren marginal ändert. Radikal, im Sinne der Verschiebung von Strukturen, ändert sich die Wissensbasis, wenn doppelschleifig gelernt wird, was i.d.R. nur der Fall ist, wenn die vorhandene Wissensbasis deutlich in Widerspruch zur erfahrenen Umwelt gerät. Management wird hier als Prozeß der Ermöglichung von Eigenlogik verstanden und basiert damit auf einer systemtheoretischen Betrachtungsweise: Es geht darum, günstige Rahmenbedingungen zu schaffen, damit Wissen entsteht, Wissensträger einander begegnen und auch kooperieren wollen. Ferner geht es darum Transmissionsmechanismen bereitzustellen, damit wertschöpfende Marktleistungen entstehen: Ähnlich wie die Gärtnerin bewässert, düngt, vielleicht auch Schutzhecken pflanzt, aber keineswegs der Pflanze befiehlt, sie habe in der nächsten Woche um 5 cm in einem Winkel von 17.3 Grad zu wachsen.

Der Fokus liegt auf der Schaffung von Wissen: Dies kann einerseits als Kombination bekannten Wissens begriffen werden, dann knüpft Feld 8 an Feld 1 an. Es kann und soll aber auch als Schichtmodell jeweils tieferen Verstehens aufgefaßt werden, das nur durch Erfahrung genährt wird und als bewußte Zerstörung von Relationen der Wissensbasis, aus der radikale Neuerung entsteht (vgl. Kap. II). In diesen letzten beiden Bedeutungen stellt Feld 8 dann einen deutlichen Kontrast zu Feld 1 dar, der von Wissensmanagern deutliche Stellungnahme, also Entscheidung verlangt. Diese Entscheidungsnotwendigkeit ist m.E. in der Praxis noch nicht ins allgemeine Bewußtsein gedrungen. Man scheint noch zu glauben, Wissensmanagement als Dienstleistung vom Markt beziehen zu können und nimmt den Widerspruch zwischen Feld 8 bezogenen Verkaufsversprechen und Feld 1 bezogenen Realisierungsschritten kaum wahr.

Wissensmanagement laut Feld 8 beschäftigt sich mit

der Vernetzung von Personen, wobei virtuelle Vernetzung meist mit persönlicher (face to face) Begegnung verbunden wird, um das notwendige Vertrauen zu schaffen;

mit der Ermöglichung von Erfahrung (Erlaubnis, eigene Lernprozesse zu durchlaufen, Weitergabe von Erfahrung durch Mentoren, Gestaltung herausfordernder Projekte) und

mit der Schaffung von Kontexten, in denen das herrschende Wissen in Frage gestellt werden kann, von „Garagen“ über freie Forschungsbudgets bis zu Kreativitätsworkshops.

Wissensmanagement im Verständnis der lernenden Organisation ist riskanter, weil Prozesse nur angestoßen und gefördert, aber nicht beherrscht werden können. Risiko trägt hier die Doppelbedeutung von Gefahr und Chance, d.h. im Fall des Gelingens bietet es wesentlich mehr Potentiale.

Es ist schlechter greifbar, weil Raum für Eigenlogik und Selbstorganisation offen bleiben muß. Man kann also nicht strikt nach Handbuch vorgehen.



Es funktioniert nur im einem Klima der echten Wertschätzung (im Gegensatz zur oft peinlichen rhetorischen Beschwörung der MitarbeiterInnen als wichtigster Ressource) und ist daher schwieriger in Angriff zu nehmen. Empirisch ist Feld 8 Wissensmanagement daher seltener anzutreffen, auch weil es weniger greifbare Zwischenergebnisse liefert (etwa Verzeichnisse, Datenbanken, Wissenslandkarten, etwas was Wissensbeauftragte zur eigenen Legitimation vorweisen können).

Abschließend sei jedoch darauf verwiesen, daß als Erfolg nur Wertschöpfung und das Potential künftig Mehrwert zu schöpfen, gelten können. Ob die Verzeichnisse, Landkarten, Datenbanken diese Bedingung je erfüllen, hängt von ihrer Güte, Wartung, Nutzung und den Nachfragebedingungen am Markt ab. Die „Greifbarkeit“ der Ergebnisse entspricht also mehr unserer Psycho-Logik, als der Logik des Marktes.

WER – Wer soll Träger von Wissensmanagement sein?

Wenn man die Metaphern der Wissensgesellschaft und neuen Ökonomie ins Extrem treibt, dann ist Wissensmanagement keine Funktion, wie etwa Personal- oder Finanzmanagement, sondern integrativer Bestandteil jedes General Management und damit strategisch Top Management, taktisch Mittelmanagement und operativ Frontline Management– Aufgabe. Es sind dann auch keine neuen Lehrstühle oder Abteilungen für Wissensmanagement zu schaffen, sondern Wissensmanagement ist im Rahmen der Allgemeinen Betriebswirtschaftslehre (dt. System) zu lernen und im Betrieb von allen Führungskräften in ihre Führungsaufgabe integriert zu betreiben.

Dieser Ansatz erkennt die Querschnittsfunktion von Wissensmanagement, verkennt aber die Differenzierungsnotwendigkeit: Als gerade erst entdeckte Domäne muß Wissensmanagement seine Ziele, Methoden und Instrumente ausprägen. Dazu bedarf es der Spezialisten, zumindest am Anfang, bis das Wissen über Wissen teilstandardisiert und Allgemeingut geworden ist.

Es ist auch zu bedenken, daß Legionen von freigesetzten oder frisch ausgebildeten Wissensarbeitern nach neuen Betätigungsfeldern suchen und im Wissensmanagement eine Domäne entdeckt haben, in der dies möglich ist und substantielle Beiträge aufgrund der Neuheit noch nicht so ohne weiteres von „hohlem Geschwätz“ unterscheidbar sind. Neben dem IT Angebotspush sind Organisationen auch mit einem Angebotspush von Wissensmanagementberatern (intern wie extern) konfrontiert.

Die wahrscheinlichste Entwicklung scheint mir die folgende:

1. Schritt



Bildung spezialisierter Stellen, die als reine Stäbe, interne Dienstleister oder Linienfunktion (oft wohl als Matrix) definiert sein und in großen Unternehmen zu ganzen Abteilungen ausgebaut werden können. Als Pendant dazu etablieren sich spezialisierte Ausbildungsgänge, ganz ähnlich wie wir dies für die Herauslösung des Finanzmanagement in den 50iger und des Personalmanagement in den späten 60iger und 70iger Jahren aus der General Managementaufgabe erlebt haben.

Dabei werden diese spezialisierten Stellen/Abteilungen/Ausbildungen unterschiedliche Etiketten tragen: In manchen Unternehmen kann man Wissensmanagement nur betreiben, wenn man es nicht so (hochtrabend) nennt (vgl. Davenport/Prusak, 1998), in anderen werden traditionelle Stellen umdefiniert (der CIO chief information officer wird zum CKO chief knowledge officer), in anderen werden sie neu geschaffen, heißen aber vielleicht nicht Wissensmanagement, sondern Lernen und Organisationsentwicklung.

Die Abteilungen werden ihre Existenz dadurch legitimieren und ihre Bedeutung dadurch vergrößern, daß sie sich laufend neue Projekte einfallen lassen und dazu neue Mitarbeiterinnen einstellen. Sie werden ins offene Messer der üblichen Probleme interner Dienste (Stäbe) laufen, nämlich Fett ansetzen, vom Kundennutzen abheben, im Saft ihrer Binnenlogik kochen. Linienmanager werden die wesentliche Aufgabe des Wissensmanagement an sie abschieben wie in eine Besenkammer und damit wird sie wesentlich unter Wert behandelt (siehe auch die ähnliche Problematik der Personal- und Personalentwicklungsabteilungen). Damit werden sie unter Rechtfertigungsdruck geraten und ihre Finanzierung über den allgemeinen Gemeinkostentopf (auch in der Form von Dauerprojekten) wird in Frage gestellt werden.

Nun werden die üblichen Meachanismen aktiviert, um die Probleme von Kundenferne und explodierenden Kosten in den Griff zu bekommen: Definition als Business Unit, Leistungsverrechnung im einzelnen, Ausgliederung. Die Abteilungen werden verschlankt, ihre Dienstleistung nach Marktprinzipien gehandhabt, die Kernaufgabe in die Linie zurück verlagert, wo sie aufgrund der einleitend geführten Argumentation auch hingehört.

Der beschriebene Ablauf stellt auch einen Lernweg dar. Im Sinne der Zielsetzung der Wissensmanagementbewegung stellt sich nun die Frage, ob er verkürz- und umgehbar ist?

Kann man Wissensmanagement sofort als Querschnittsfunktion etablieren, z.B. in Form von Projekten und Task Forces? Manche Unternehmen gehen diesen Weg. Kann man den Linienkräften die neue Aufgabe sofort übertragen? Oder wird sie – solange sie noch so schlecht definiert ist, dem Tagesgeschäft zum Opfer fallen oder von anderen strategischen Anliegen (z.B. einer durchzuführenden Fusion, Reorganisation) verdrängt werden? Wo fände eine neue „Rasse“ von Experten Beschäftigungschancen, wenn nicht der übliche Weg organisatorischer Innovation beschritten würde? Angesichts der enormen Rationalisierungswirkungen und struktureller Beschäftigungsprobleme keine triviale Frage: Denn die Legion fehlender IT Fachleute fehlt ja u.a. deshalb, weil Wissensmanagementprodukte i.w.S. zu entwickeln sind.

Auch hier sind Unternehmen wieder gefordert, echt zu entscheiden, ob sie – im Sinne eines interimistischen Klärungsstadiums – spezialisieren oder von Anfang an integrieren möchten, auf die Gefahr hin, daß dies ohne den mühseligen Lernprozeß auf dem Weg der später zurückzunehmenden Spezialisierung gar nicht gelingt.

2. Schritt

3. Schritt



Die Rolle von Knowledge Brokern:

Wie auf anderen Marktplätzen auch, mag auch der organisationsinterne Wissensmarkt der Vermittler bedürfen. Knowledge Brokers sind Personen, die zwischen Wissen-Suchenden und Wissenden vermitteln.

Sie benötigen also zum einen ausreichend Domänenwissen, um potentiellen Bedarf abzuschätzen, zum anderen genügend Überblick darüber, wer was weiß.

Während in KMUs – wenn die Kultur stimmt – jede(r) gleichzeitig Suchender, Wissender und Broker ist, wird die Funktion in großen Unternehmen oft institutionalisiert, wodurch die Nutzer der Vermittlungsdienste entlastet werden. Denn für Wissensmanagement gilt häufig, was auch für Personalentwicklungsmaßnahmen gilt: Man sendet sich widersprüchliche Botschaften, nämlich:

1. Wissensmanagement ist vordringlich und wichtig

2. Für Wissensmanagement haben wir keine Zeit.

WAS? WIE?

Das WAS und WIE werde ich im folgenden integriert behandeln, weil sie stark voneinander abhängen.

Es kann an dieser Stelle nicht darum gehen, sämtliche Tools zu besprechen, denn eine solche Darstellung wäre bereits nach kurzer Zeit hoffnungslos veraltet. Vielmehr soll auf die Nicht-Neutralität der Werkzeuge bezüglich des zugrunde liegenden Paradigmas verwiesen werden:

Kennzahlen zu bilden, ist beispielsweise eine Methode des Wissenscontrolling, einzelne Indikatoren stellen Werkzeuge dar: Soweit so harmlos. Wenn sich Entscheidungsträger jedoch angewöhnen, sich nur auf solche Kennzahlen zu stützen und auf breitere Interpretationskontexte zu verzichten (Executive Summary „Ansatz“), dann neigen sie sich automatisch dem tayloristischen Kontrollparadigma zu, auch wenn sie nach wie vor eine Rhetorik der lernenden Organisation verwenden. Sie verführen dadurch diejenigen, die von ihren Entscheidungen abhängen, den Fokus ihrerseits mehr auf das Zustandebringen der Kennzahlen denn auf ihren sinngebenden Kontext zu legen (vgl. auch Kap. V).

Was kann man nun eigentlich managen:

Im klassischen Sinn des P-O-[StB-V]-K Paradigmas kann man Daten, Kommunikationsnetze, Trainings, die IT Infrastruktur, Abläufe und im formellen Sinn auch Beziehungen managen. Bei den Wissensträgern stößt man bereits an Grenzen, weil man nach wie vor nur einen unbestimmten Kontrakt auf künftig zu erbringende Leistungen mit ihnen schließen und auch auf Werkvertragsbasis nicht ausreichend spezifizieren kann, was über einen bekannten Mindeststandard sonst noch möglich gewesen wäre.

Fördern kann man „Zusammenarbeit, Kontakte, persönliche Erfahrungen an verschiedenen Stellen des Unternehmens, im Ausland, bei Kunden.

Wir wollen es an dieser Stelle bewenden lassen, denn unter dem ersten Punkt wären ganze Bände zum IT- und Informationsmanagement, unter dem zweiten Punkt ebensoviel zu den Themen Human Ressource Management und Lernende Organisation einzufügen. Die im folgenden selektiv angesprochenen Werkzeuge sprechen ihrerseits das „WAS“ immer wieder an.



Gedanken sind wie Flöhe.

Sie springen von Kopf zu Kopf aber sie beißen nicht jeden.

St. J. Lec

METHODEN/WERKZEUGE:

Als eine interessante Methode, in deren Rahmen viele Werkzeuge zum Einsatz kommen, sei hier auf „Communities of Practice“ eingegangen (vgl. vertiefend dazu Etienne Wenger, 1998).

Weit davon entfernt, eindeutig definiert zu sein, wird darunter i.a. eine organisationsstruktur- (und teilweise organisations-) übergreifende Gruppe von Personen angesprochen, die sich über ein gemeinsames Wissensgebiet austauschen: Obwohl sie offiziell ins Leben gerufen werden können, organisieren sich diese Gruppen in der Folge selbst: Rollen von Personen, Aufgliederungen in Subteams, face to face Treffen und informationstechnische Hilfsmittel werden nach Bedarf formiert, geplant und besorgt, wobei sich der Bedarf aus der gemeinsamen Wahrnehmung einer gemeinsamen Aufgabe ergibt. In der Form von Erfahrungsaustauschgruppen oder informellen Kontakten zwischen Mitgliedern von Forschungs- und Entwicklungsabteilungen an verschiedenen Standorten haben solche COPs schon immer existiert. Neu sind das theoretische und managementpraktische Interesse, das zu einer wesentlich besseren Durchleuchtung des Phänomens führt und die informationstechnischen Möglichkeiten, auch raum- und/oder zeitlich unabhängig zusammenzuarbeiten: E-mail, Groupware Teleconferencing sind tools, die eine sogenannte „virtuelle“ Zusammenarbeit ermöglichen.

Drängend sind Fragen der Finanzierung und des Eigentums an dem gemeinsam Generierten (an das Haftungs- und Ertragsteilungsfragen gemäß unserem Rechtssystem gekoppelt sind). Dies verschärft sich zu Geheimhaltungsfragen, wo unternehmensübergreifend gearbeitet wird, weil COPs ganz gut geeignet sind, über persönliche Gespräche, detaillierte Erfahrungsberichte und Geschichten, auch stillschweigendes und eingebettetes Wissen absorbierbar zu machen.

Offen bleibt in der Literatur, worin genau die gemeinsame Aufgabe bestehen soll. Die Hinweise reichen vom die individuelle Wissensbasis stärkenden Erfahrungsaustausch bis zum gemeinsamen Projekt (z.B. Produkt-/Verfahrensentwicklung). Erste empirische Ergebnisse deuten in die wenig überraschende Richtung, daß COPs nachhaltiger wirksam sind, wenn sie einen gemeinsamen Output produzieren, während sie als „unverbindliches“ gemeinsames Lernen (der Weg ist das Ziel) laufend vom Zerfall bedroht sind.

Brisant sind Versuche, COPs zu fördern und ihnen dennoch ihren informellen, nicht bürokratischen Charakter zu belassen.

COPs sind motivierend, weil sie frei sind, dennoch müssen sie organisiert und finanziert werden: Budgets, Termine, Themen sind mindestens zu vereinbaren, bei Anwachsen bedarf es wohl auch so etwas wie einer Relaisstelle, die Informationen bündelt und verteilt.

Dies erfolgt derzeit meist durch Kernmitglieder, die sich besonders hoch motiviert einbringen, es könnte jedoch auch eine generelle Servicestelle für COPs eingerichtet werden, die zusätzlich noch Group-Tools bereitstellt: Moderation, Kreativitätsförderung, Konferenzorganisation, Wartung von Groupware.



Besonders förderlich ist Top Managementunterstützung, wobei ein Mentor auf hoher Ebene nicht nur für die Bereitstellung von Ressourcen sorgt, sondern auch Impulse aus der COP an Entscheidungsträger weiterleitet.

COPs spiegeln das Spannungsfeld zwischen MACHEN und ZULASSEN besonders deutlich:

Ähnlich wie Silicon Valley, als meist imitierter Cluster, ein überintentionales Ergebnis eines Evolutionsprozesses aus vielen einzelnen Entscheidungen ist, sind auch COPs ungeplant gewachsen: Selbstorganisation sichert ihnen Motivation der Teilnehmer und Flexibilität in der Anpassung an geänderte Verhältnisse. Wissensmanager sind nun angehalten und versucht, das Phänomen COP verstärkt zum Einsatz zu bringen: Mit klassischem Managementverständnis rücken sie es in die Nähe formeller Task Forces mit formeller Entsendung der Mitglieder, Budgetformalitäten, etwaig Bereitstellen von Führung und strikterer Vereinbarung von Zielen. Damit geht vermutlich ein Teil der Spontanität, Motivation und Flexibilität verloren – übrig bleibt eine „normale“ bereichsübergreifende Arbeitsgruppe, in der etwaig ähnlich vorsichtig, zurückhaltend und fehlervermeidend agiert wird wie in anderen Teilen der formalen Organisation. Systemisches Management würde sich auf Förderung beschränken: Bereitstellen von Raum-, Zeit- und IT Ressourcen, auf Wunsch Bereitstellen von Moderatoren, Wahrnehmung zentraler Sekretariatsaufgaben (Homepage), Vorschlag von Themen, gleichberechtigt mit anderen Mitgliedern.

Hier könnte der freiwillig-informelle Charakter gewahrt bleiben, der – wie in der Lerntheorie vermutet – im Vermittlungsprozeß von (eingebettetem) Erfahrungswissen – eine wesentliche begünstigende Rolle spielt.



Once technology is master

we shall reach desaster

all the more faster.

P. Hein

Womit – Zur Rolle der Informations- und Kommunikationstechnik im Wissensmanagement.

1. Allgemeine Überlegungen

Während manche Anbieter Wissensmanagement so gut wie mit IT Management gleichsetzen, berichten Anwender immer wieder, daß Infrastruktur streng genommen nicht einmal eine notwendige, keinesfalls aber eine hinreichende Bedingung des Wissensmanagement sei.

Vieles würde, dem Prinzip nach, auch auf Papier funktionieren, andererseits sind nicht genutzte elektronische Systeme (Systemfunktionen), ökonomisch gesehen, reine Verschwendung. Projektteams, die ihr Projektende und ihren Erfolg mit der Systemimplementierung im technischen Sinn definieren, übersehen, daß dann Wissensmanagement eigentlich erst beginnt. Daß IT nicht notwendig sei, gilt allerdings nur prinzipiell: Wissenslandkarten sind auch auf Papier denkbar, ebenso wie Vorgehensmodelle und best practices. Die Verbindung von Mitarbeitern, setzt mehr eine Vertrauenskultur voraus als ein Netz, zumindest solange die Mitarbeiter zur selben Zeit am selben Ort arbeiten. Praktisch jedoch ist Wissensmanagement erst zum Thema geworden, als Werkzeuge zur Verfügung standen, es zu unterstützen.

Damit wird aber auch schon klar, warum die Möglichkeiten der Technik einen wesentlichen Antriebsfaktor des Wissensmanagements darstellen. Sie ermöglichen Funktionen, die früher entweder überhaupt nicht oder nicht in dieser Geschwindigkeit bereit gestellt wurden:

Schnelle Verarbeitung großer Datenmengen Suche nach unentdeckten Mustern (Information) in den Datenmengen (Datamining) Bearbeitung und Austausch von Daten in multimedialer Aufbereitung am

Arbeitsplatz raum- und zeitunabhängige Zusammenarbeit (z.B. 24 Stunden Entwicklung von

Neuseeland bis Samoa) Visualisierung von Datenbeständen -> weitere Information gezielte Suche nach selbstdefinierten Kriterien (Parametern) in Datenmengen rund

um die Welt

Diese Möglichkeiten sind prinzipiell gemeint. Daß im Alltag Systeme zusammenbrechen, sich als nicht kompatibel erweisen oder daß die dem Datamining zugrunde liegenden statistischen Modelle oft recht simpel gestrickt sind (meist Normalverteilungsbasiert -> in einer Welt, die die Standardabweichung zum Programm erklärt hat?), steht auf einem anderen Blatt, bietet auch noch reichlich Verbesserungspotentiale für die Anbieter.

Wenn wir IT sagen, was ist dann gemeint?

Informations- und Kommunikationstechnik Hard- und Software (sowie die zugehörigen Dienstleistungen), welche folgende

Leistungen bereitstellen - Speichern, Dokumentieren



- Verarbeiten (Berechnen, Komprimieren, Simulieren usw.) - Darstellen - Verteilen - Abgleichen, Abstimmen

von Daten (i.w.S. inkl. Text, Bild). Auf der Ebene der Maschine ist hier konsequent von Daten zu sprechen, denn Informationen und Wissen bilden sich in Köpfen, wie wir vorher festgestellt haben. Dies geht uns deshalb gegen den Strich der Alltagssprache, weil Sender ihre Kontexte und Orientierungsrahmen mit abspeichern, so daß der Eindruck entsteht, in den Systemen gebe es Wissen. Eine solche Sprachregelung würde uns den Blick auf den Sender-Empfänger Bruch verstellen, der im Wissensmanagement von, wie ich meine, ausschlaggebender Bedeutung ist.

Nach dieser kleinen reflexiven Schleife zurück zur IT. Was brauchen wir in heutigen Unternehmen? Nun, das ist abhängig von der Größe, den Kernaufgaben und der deklarierten Strategie (siehe Zugänge zum Wissensmanagement): Ein tayloristisches Modell erfordert deutlich höhere Investitionen als ein systemisches.

Generell brauchen wir I. Datenbanken i.w.S., das sind alle strukturierten Verzeichnisse, die für Nutzer

potentiell relevante Information darstellen können. II. Vernetzung im Haus, das sind e-mail Systeme, aber auch alle Systeme, die unter

Groupware zusammengefaßt werden und die nicht nur den freien Austausch, sondern auch Termin- und Ressourcenplanung, Diskurse und gemeinsame Vorgangsbearbeitung unterstützen. Sie können die Liege- und Leerzeiten innerhalb solcher Vorgänge wesentlich verkürzen.

III. Vernetzung nach außen, das sind Internetanschlüsse, Datenbankenzugänge und als Brücke zwischen b) und c) Intranets, die auch bevorzugten externen Nutzern, etwa Kunden und Lieferanten, zugänglich gemacht werden.

IV. Suchmaschinen, die uns den raschen Zugriff auf uns interessierende Informationen in der ständig wachsenden Flut an Angeboten ermöglichen.

V. Elektronische Agenten, die Erinnerungen, Wiedervorlagen und Hinweise auf – nach einem Thesaurus selektierte – interessante Information bieten.

VI. Schnittstellen zwischen Personalcomputern und hand-hold devices (palm tops etc.).

Das Ganze sollte sich dann noch auf einer leicht zu bedienenden Oberfläche abspielen und verläßlich, wie aktuell, zur Verfügung stehen. Damit kommen wir zu Anforderungen an das IT Management, nämlich VII. Nutzerfreundliche Anwenderprogramme VIII. Schulungen und Help Desks (die fachlich und emotional kompetent besetzt sein

müssen) IX. Wartung und verläßliches Update der Systeme X. Maßnahmen zur Datensicherheit (Schutz vor Verlust) und zum Datenschutz (Schutz

vor Mißbrauch und unberechtigten Zugriffen).

In den Anforderungen g) bis f) finden wir einige wesentliche Begründungen, warum IT nicht das leistet, was versprochen wird. Während Leute wie Steven Jobs und als erfolgreicher early imitator Bill Gates einiges zur Nutzerfreundlichkeit beitragen (wenn man von den Bugs absieht), werden die Punkte Schulung, Support, Wartung sowie Sicherheit oft sträflich vernachlässigt. In den Projektanträgen wird der Gesamtnutzungszyklus des Projekts oft nicht berücksichtigt, die laufenden Betriebskosten werden nicht (ausreichend) budgetiert und stehen dann nicht zur



Verfügung, womit das gesamte Projekt zur Verschwendung wird und empirisch aufwendig zu erforschende IT oder Internetparadoxa11 entstehen.

Ein weiterer Grund für „Informatik-Paradoxa“ liegt in Managementbarrieren, i.w. in der Organisation von Unternehmen. Die Technik böte durchaus das Potential, Abläufe zu überdenken, Strukturen der Aufbauorganisation zu verändern, und neue Geschäftsmodelle zu entwickeln. Von innovativen, meist neu gegründeten, Unternehmen wird dieses Potential auch aufgegriffen. Traditionelle Unternehmen tendieren demgegenüber dazu, Bestehendes elektronisch abzubilden, eifrig unterstützt von den Anbietern, die schließlich schnell verkaufen wollen. Dies können sie am besten, wenn sie nicht an den Macht- und Kulturfesten rütteln (Belege zu dieser Argumentation in Schneider, 1990).

Als Sonderproblem an der Schnittstelle Mensch-Organisation-Technik (bzw. nach der hier verwendeten Gliederung zwischen wer, wie, womit) ist im folgenden die Frage des Zugangs zum Wissen zu diskutieren.

Dieser Zugang wird an Hand der Dimensionen

- technisch, sensorisch - organisatorisch, administrativ und - mental/emotional

betrachtet. I. Technisch-sensorischer Zugang betrifft die Möglichkeit, ein System zu

bedienen und die vom System gebotenen Daten wahrzunehmen. Diese Zugangsdimension hat mit Nutzerfreundlichkeit und Verläßlichkeit auf der Anbieterseite und mit Technik“alphabetismus“ und sensorischen Fähigkeiten auf der Nutzerseite zu tun. Letztere schließt besondere Angebote für Menschen mit sensorischen Behinderungen (Seh- und Hörschwächen) ein. Der technische Zugang ist nicht trivial und eines der Probleme, an dem die IT Community arbeitet: Sprach- und taktile Ein- und Ausgabe und die Funktionsübertragung auf andere elektronische Devices als den PC sind Entwicklungsrichtungen, in denen man schon weit fortgeschritten ist.

Für das KM Thema sind die beiden anderen Dimensionen vermutlich noch interessanter: II. Organisatorisch bedeutet der unbeschränkte Zugang zu Datenbeständen, eine

Revolution. Bisher war dieser Zugang hierarchisch und funktionell geregelt, wodurch dann eben das Zusammenhangswissen auf unteren Hierarchieebenen auf der Strecke blieb. Dieses Modell im Sinne einer Ermächtigung zu lockern, erfordert eine Neudefinition der Aufbauorganisation und Prozesse.

Andererseits kann die Devise, jedem alles verfügbar zu machen und alle mit allen zu verbinden, auch nicht unterschrieben werden: Sie schafft Fülle und Ablenkung und bietet keinerlei Lösung für die Frage der Autorenschaft an Eingaben (wer darf ändern, wer darf nur lesen, wer darf nur einsehen, wer herunterladen?) In der Folge sind damit Fragen der Haftung/disziplinären Verantwortung, des Copyright und des Rechtes am Ertrag angesprochen, die dringend der Diskussion und Regelung bedürfen.

Das reine Abbildungsmodell bestehender Organisationsverhältnisse haben wir bereits als potentialvernichtend verworfen, die volle Netzstruktur scheint ebenfalls ungeeignet.

11 Damit ist die Beobachtung gemeint, daß Erfolg keine eindeutige Beziehung zu IT Investment aufweist.



Die jeweils dahinter steckenden Denk- und Lösungsmodelle seien nochmals explizit dargestellt:

Holschuld-Modell mit guter Suchunterstützung und Schulung im Umgang mit Overload: Es wird von einem subjektiven Bedarfsbegriff ausgegangen (Nutzer definieren ihren Bedarf selbst), alles passiv zur Verfügung gehalten, aber nicht (oder nur beschränkt) aktiv angeboten; die im Systemumgang geschulte, mit guten Suchmaschinen ausgestattete und kognitiv/emotional auf Selektieren, Entscheiden und Loslassen Können geschulte Benutzerin ruft ab, wann und was sie benötigt. Pferdefuß dieses Modells: Um nachzufragen muß man wissen, daß es etwas zu suchen gibt und Zeit für die Suche haben. Gerade letztere wird an intensivierten Stellen in schlanken Organisationen immer knapper. Die von Quinn vorgeschlagene Lösung, nur junge, leistungsfähige Kräfte zu beschäftigen und von ihnen 60-80 Wochenarbeitsstunden selbstverständlich zu verlangen, scheint mir nicht gerade menschen-, familien- und gesellschaftsfreundlich (Quinn, 1996)

Bringschuld-Modell auf Basis eines definierten Bedarfs („objektiv“ durch Wissenschaft, Vorgesetzte als Experten oder subjektiv durch Erhebung, Partizipation): Den Mitarbeitern wird geboten, was sie für ihre Aufgabe benötigen, dazu gibt es allgemeine Kontextinformation über Mission und Strategie (meist im Intranet). Pferdefuß dieses Modells: Bedarfe ändern sich schneller, als sie erkannt/diskursiv erfaßt werden können, der vordefinierte Kontext mag vom subjektiv benötigten abweichen, die Anregungsfunktion nicht unmittelbar aufgabenrelevanter Information fällt weg. (vgl. dazu auch Schneider, 1990)

Daher muß jede Organisation für sich ein Modell definieren, das die beiden Extreme koppelt, in Abhängigkeit von Größe, Kernaufgaben und Mitarbeiterfähigkeiten, wie schon erwähnt.

Schließlich geht es um III. mental/emotionalen Zugang: Menschen müssen in der Lage sein, das

Angebotene wahrzunehmen, in ihre vorhandene Wissensbasis zu integrieren – und diese Basis im Zweifelsfall in Frage stellen und neu arrangieren. Das bedeutet, Technikskepsis nicht zur Zugangsbarriere werden zu lassen, liebgewordene Weltsichten über Bord zu werfen, Hinweise von Personen anzunehmen, die jünger sind, geringeren Status haben, aus einem Land stammen, dem man sich überlegen wähnt, nun um einige der üblichen Barrieren zu nennen, die den mentalen Zugang verhindern.

Ich habe auch schon auf den Eigensinn, aber auch die Lernnotwendigkeit verwiesen, mit denen Menschen ihre eigenen Erfahrungen und Erfindungen machen wollen.

Über diese dritte Dimension von Zugangsbarrieren formuliert die Literatur – wenn sie sie überhaupt zur Kenntnis nimmt und nicht einen zweckrational präferenzfreien, geschichtslosen Roboter als Entscheider unterstellt – meist locker mit den drei üblichen „Abhilfen“ hinweg, die da sind =>

Normative Appelle (die, wie ich an anderer Stelle formuliert habe, ans Herz, aber systemisch zu kurz greifen): Hier herein fallen Hinweise auf die Schaffung einer wissens(teilungs-)freundlichen Kultur und die Bereitschaft, vernetzt und vorurteilsbewußt zu denken, die ebenso zutreffend sind, wie sie sich nicht von alleine umsetzen. Denn die alten Verhaltensweisen sind funktional für diejenigen, die sie pflegen, im Lichte unterschiedlichster Rationalitäten.



Schulung, Personalentwicklung: In manchen Unternehmen werden Kernmitglieder sehr konsequent durch Persönlichkeitsentwicklungsprogramme geschleust, die sie zum „Wahren, Guten und Schönen“, d.h. zum Kooperieren, Teilen, Loslassen und Widersprüche Aushalten können, befähigen sollen. Hier wird viel guter Wille aufgebaut und in den gegenläufigen Mechanismen von Organisationsstrukturen wieder zunichte gemacht. Denn man kann die Widersprüche etwa (zwischen Wissen als Macht und der Teilungsphilosophie, dem Kooperationsappell und der Einzelkämpfer auszeichnenden Kultur) nicht auf dem Rücken der Einzelnen austragen: Dort kosten sie Energie, ohne kollektive Lösungen anzuregen. Personalentwicklung ist ein wichtiger Bestandteil im Wissensmanagement, als einziger jedoch eine Fehlentwicklung.

Incentives, die Mechanismen von Belohnung und Bestrafung: Stick and Carrot, Zuckerbrot und Peitsche sind die bevorzugten Implementierungshinweise der USLiteratur zum Thema: Wissensaktivitäten (Eingaben, Gesprächsbereitschaft, Abrufe) als Bestandteil von (360o) Feedback, die Voraussetzung eines Abstract und einer Fehleranalyse, um ein Projekt starten und abrechnen zu können, Bonuszahlungen für Nachgefragt sein als Experte und entsprechende Negativsanktionen für die, die sich nicht beteiligen (Kündigung, Übergehen bei Beförderung, Sitzenbleiben auf einem abnehmenden fixen Lohn) werden in fast allen Referenzbeispielen zitiert (siehe Kap. IV). Kein Zweifel, daß es wichtig ist, Incentives ziel- und strategiekonform zu gestalten und daß diesbezüglich kontraproduktive Incentives viele Veränderungsprojekte untergraben. Dies allgemeine Setzen auf Incentives geht jedoch am Ziel vorbei, weil es die beiden anderen Schritte (Schaffung von Werten und Persönlichkeitsentwicklung) eher untergräbt und die Opportunismusthese, auf die es zu reagieren vorgibt, erst wahrmacht, nach dem Muster einer sich selbst erfüllenden Prognose.

Zusammenfassung:

IT ist eine wesentliche Triebkraft im Wissensmanagement. Sie ermöglicht und verführt (!) zu anderem Verhalten: So beschreibt Bill Gates, wie die Einführung und umfassende Akzeptanz (!) von e-mail bei Microsoft automatisch zu einer Enthierarchisierung geführt hat. Ab einer kritischen Masse von Nutzern erzwingt sie sogar bestimmtes Verhalten (etwa den Umstieg auf neue Releases, um mit anderen kompatibel zu bleiben und damit das Erlernen dieser Releases). IT ist andererseits – für sich allein genommen – keine hinreichende Bedingung für den radikalen Wandel, den die neue wissensbasierte Ökonomie ermöglicht und erfordert.

Dazu gehören mentaler und kultureller Wandel, eine Neudefinition der Geschäftsmodelle und ein Reengineering der Prozesse im Sinne ihres Potentials, Wissen auszuschöpfen und zu schaffen.

2. Unterstützungssysteme

DV-gestützte Tools setzen Wissen gleich mit dem „Stand der Kenntnisse“ (Heinrich/Roithmeyr, 1998, S 266) zu einem Fachgebiet und meinen damit wohl a) explizites Wissen und b) akkordiertes Wissen, das von allen (bzw. relevanten Gruppen einer Gesellschaft) anerkannt wird und c) ein Wissen, das sich als Daten + Datenverarbeitungsmethoden darstellen läßt. Dieser Wissensbegriff ist somit objektiv, menschenunabhängig und abbildungsorientiert.



Basistools sorgen für die Aufbereitung, Analyse und unterschiedliche Darstellung von Daten, die in verschiedenen Formen (multimedia) dargestellt werden. Sie unterstützen Kommunikation, Suche und Bearbeitung von Daten mit dem Ziel der Verbesserung betrieblicher Steuerung und Entscheidungsfindung.

In der folgenden Abbildung nach Häntschel/Erhart (1999) sind die Tools, die Methoden, die sie unterstützen, und als Basis die operativen Bereiche dargestellt, aus denen die Daten stammen:

Abkürzungen/Erläuterungen

MIS- Management Informationssysteme: Bezeichnung der 70iger Jahre; Ziel, Manager mit entscheidungsrelevanter Information am Bildschirm zu versorgen, die Managementaufgabe zu rationalisieren. Realisierung: als Systeme der Datenaufbereitung, kaum methodengestützt.

DSS – Decision Support Systems: betonen im Vergleich zu MIS die methodische Komponente (Datenbearbeitung), bieten also verschiedene statistische und Operation Research basierte Methoden, um Datensets unter unterschiedlichen Gesichtspunkten auf ihre Entscheidungsrelevanz hin zu prüfen.

EIS – Executive Information Systems: Weiterentwicklung der MIS unter Einbezug verbesserter Tools und von Komponenten von DSS. Die alte Idee, Managementaufgaben automatisch zu unterstützen, ist lebendig.

ES – Expert Systems : enthalten das von den besten Experten einer Domäne gesammelte Wissen in Form von Inferenzmaschinen + Daten. Sind bislang vor allem als medizinische



Diagnosesysteme und Bodenexplorationssysteme der Ölindustrie realisiert. Sollen die Arbeit von Experten unterstützen, nicht ersetzen.

Data Warehouse – Daten existieren in Organisationen in verschiedenen

Transaktionssystemen, die zum Teil inkompatibel sind und es Managern nicht ermöglichen, Auswertungen nach von ihnen definierten Parametern (wie etwa den Umsatz von Vertreter A für Produkt X in Region Z) rasch und problemlos vorzunehmen.

Data Warehouses sind Meta-Datenbanken, sie werden über den einzelnen Transaktionssysteme gebildet. Dort liegen die Daten in einer geeigneten Form für Analyse vor, d.h. bereinigt, teil aggregiert und teilweise ergänzt, wo die Transaktionssysteme Lücken aufweisen. Ferner werden Daten über Daten (d.h. Kontextinformation) zur Verfügung gestellt, um das Verständnis der Codes aus den Transaktionssystemen zu erleichtern.

Ein Data Warehouse zu errichten, ist ein enormer Aufwand, deshalb gehen einige Unternehmen den Weg, nur in Teilbereichen (etwa Verkauf) sogenannte Data-Marts zu entwickeln, sozusagen Warehouses auf Abteilungsbasis. Data-Marts müssen sich allerdings in ein Gesamtwarehousekonzept fügen, sonst entsteht später erneut die Problematik von inkompatiblen Insellösungen. Analysemöglichkeiten des Data Warehouse oder –Mart liefern vor allem die Verfahren OLAP und Datamining.

OLAP – On Line Analytical Processing: Faßt Daten aus dem Berichtswesen in einem multidimensionalen Datenwürfel (OLAP Cube) zusammen und zeigt sie in Berichten und Tabellen und Grafiken an. Der Nutzer kann die gewünschten Dimensionen selbst definieren und bei Bedarf auch in tiefere Ebenen eines Merkmals eindringen (drill-down). Viele Hersteller bieten die Möglichkeit, OLAP Reports über das WWW oder ein Intranet durchzuführen, sodaß über einen Browser auf den OLAP Server des Unternehmens zugegriffen werden kann.

Data Mining – beschreibt Analysemethoden zum Aufdecken von Mustern und Trends in vorhandenen Datenmengen. Während also OLAP deskriptive Information liefert (wie viel wurde von x im Gebiet z, im Zeitraum t abgesetzt?), soll Datamining „Warum-Fragen“ beantworten (warum setzen wir dort doppelt so viel ab?), um gezieltere Marketingaktivitäten zu entwickeln. Die Erfolge können beträchtlich sein: Spendenorganisationen vermochten den Erfolg ihrer – auf Basis von Data Mining Ergebnissen wesentlich gezielteren – Direktmarketing Aktionen um bis zu 80 % zu steigern.

Dabei kommen Discovery- und Verification- Techniken zum Einsatz. Erstere, wie etwa Entscheidungsbaum-Analysen, Clusteranalysen oder Neuronale Netze suchen nach vorher nicht bekannten Zusammenhängen, letztere testen Hypothesen über angenommene Zusammenhänge durch Verfahren der klassischen Statistik, wie Regressionsanalysen oder Faktoranalysen.

Groupware: unterstützt den Kommunikations- und kollektiven Vorgangsbearbeitungsprozeß. Erste Realisierungen sahen neben e-mail vor allem eine elektronische Form von Moderationstechnik (Arbeit mit Kärtchen auf großen Tafeln) vor. In jüngerer Zeit kommen strukturierte Diskurse, Termin- und Raumplanung hinzu. Verbreitetstes System: Lotus Notes.

Multimedia: beschreibt die Fähigkeit von Software, Daten in unterschiedlichster Form darzustellen und zu verarbeiten, als Texte, Bilder, Tabellen, bei Breitbandtechnologie auch als Bewegtbilder.



Intranet, Internet – Das Internet bietet als Hypermedium mit entsprechend starken Suchmaschinen die Möglichkeit, externe Information(spotentiale) zu nutzen. Intranets nutzen den nicht proprietären Standard des Internet, um im Rahmen einer räumlich verteilten Organisation den Organisationsmitgliedern bestimmte Informationen zugänglich zu machen. Meist beginnen Unternehmen damit, ihre allgemeinen Informationen (Leitbilder, Organisationshandbücher, schwarzes Brett, Firmenzeitung ...) von verschiedenen Medien auf das Intranet zu übertragen. [Wobei sich die Frage stellt, ob diese Art von Information in den alten Formen wirksam war – und wenn nicht, warum sie es in der neuen Form sein sollte, vom Anreiz der Technik abgesehen, der eine vorübergehende Erscheinung darstellen dürfte.]

Hypertext/Hypermedia: beschreibt eine Form der mehrschichtigen Verknüpfung von Daten (bzw. Multimedia), die uns von der linearen Abfolge geschriebener Texte befreit. Durch Querverweise kann das Denken in Mind Maps unterstützt werden, durch Tiefenverweise werden dem Nutzer verschiedene Niveaus der Gründlichkeit der Auseinandersetzung geboten. Wenn Sie sich je durch eine Website mit Verweisen auf Verweise zu weiteren Verweisen durchgearbeitet haben, wissen Sie allerdings auch, dass Übersicht und logische Stringenz (letzteres ein Vorteil des von linearer Schriftlichkeit geprägten Denkens) leicht verloren gehen.

Wissensbasierte Systeme: sind Systeme, welche das Wissen von Experten zu einem abgegrenzten Problembereich zusammenfassen und fähig sind, es auf die Lösung neuer, nach bestimmten Parametern eingegebener Probleme anzuwenden.

Zusammenfassung (Software-)Tools:

Es sei nochmals darauf verwiesen, daß im Verkauf der Tools gerne mit Übertreibung gearbeitet wird: Einzelne Werkzeuge werden unter der Überschrift einer Methode angepriesen, die Methoden werden mit allem überfrachtet, was sie prinzipiell unterstützen können sollten. Daß sie im täglichen Gebrauch erheblichen Einschränkungen unterliegen (weil sie, wie manche Ausprägungen von Datamining auf eingeschränkten Methoden beruhen oder mit den Basisdatensystemen doch nicht voll kompatibel sind), wird i.d.R. verschwiegen.

Beim Design von Werkzeugen und Methoden ist ein Trade-Off zwischen den Bedürfnissen der Benutzer, nach eigenem Ermessen zu arbeiten, und den Anforderungen der IT Gestaltung, möglichst alle auf gleiche Arbeitsweisen zu verpflichten, zu berücksichtigen. Wird die Vereinheitlichung in den Vordergrund gestellt, werden speziell einflussreiche Nutzer in den oberen Führungsetagen die Nutzung verweigern. Wird jeder persönlichen Eigenheit stattgegeben, entstehen heterogene, schwer zusammenführbare, Systeme.

Einführung von Wissensmanagement in Organisationen

Wenn Sie Wissensmanagement neu in Ihrer Organisation einführen wollen, gilt dasselbe wie für jedes andere Veränderungsprojekt: I. Das Projekt sollte ganz oben aufgehängt werden, zumindest eine(n) MentorIn auf

Vorstandsebene finden. Am besten laufen Projekte, die von der obersten Führung nicht nur geduldet, sondern überzeugt getragen werden.

Ferner brauchen sie II. Zielklarheit, strategische Richtunggebung:

Wie die Beispiele zeigen, werden immer nur Teilprojekte aus dem großen Spektrum Innovieren (Wissen schaffen) – Identifizieren (Wissen Aufspüren) –



Zusammenarbeit verbessern (Wissen teilen) – Information aufbereiten und zugänglich machen (Wissen dokumentieren) – realisiert. Das Ziel ist generell Wertschaffung durch Wissen. Werte können, allgemein gesprochen, durch Kostensenkung und/oder Nutzensteigerung im Kerngeschäft geschaffen werden. Durch Wissensmanagement können und sollen Kernbereiche allerdings auch neu definiert werden. Es ist Aufgabe des Top Management, hier die Richtung zu bestimmen und eine interne Diskussion darüber anzuregen, welche Projekte strategisch relevant sind und daher Vorrang genießen sollen.

III. Ein Vorgehensmodell für die inhaltliche Seite des Projekts, das jede Detailstufe von der Solldefinition über die Isterhebung und die Maßnahmen, um die gewünschte Situation zu erreichen, formal festhält, um dem Projekt – bei aller inhaltlichen Offenheit – einen Halt zu bieten. Ein solches Modell ist vor allem in der Umsetzungsphase wichtig.

IV. Eine Projektorganisation und Projektmethodik, in deren Rahmen man sich um die Zeit-, Ressourcen- und Kostenplanung kümmert und sich der soziokulturellen Verankerung jeden Schritts versichert.

V. 5. Eine Person (eine Gruppe von Personen), die das Projekt mit anhaltender Begeisterung und aus tiefer Überzeugung tragen. Ohne eine solche Gruppe ist ein innovatives Projekt bei jedem Rückschlag oder vorübergehenden Stillstand vom Aushungern bedroht.

Generell scheint für Wissensmanagement-Projekte derzeit weiters zu gelten, dass Unternehmensleitungen sich für das Thema interessieren und ihm allgemein Priorität einräumen. Wenn es jedoch darum geht, Wissensmanagement konkret auf die Tagesordnung zu setzen, Ziele zu deklarieren und Ressourcen freizugeben, dann verschwindet es allzu leicht aus der Rangliste: Die letzte Fusion, Desinvestition, der letzte Firmenkauf, das laufende Reengineering Projekt, Joint Ventures und Markteintritte im Ausland nehmen die Aufmerksamkeit viel unmittelbarer in Anspruch: Wissensmanagement, als längerfristiges Entwicklungsprojekt, das zunächst einmal nur Mitarbeiterzeit bindet und Kosten verursacht, gerät da allzu leicht ins Hintertreffen. Dazu kommt, daß Firmen, die heute einsteigen, Pioniere sind, d.h. keine gesicherten Theorien, Methoden und Instrumente vorfinden, sondern den Weg im Gehen mitentwickeln müssen. Sich darauf einzulassen, bedarf der Weitsicht und Überzeugung. Der Lohn liegt in einem Lernvorsprung und zunehmender Aufmerksamkeit, die auch Investoren dem Management des Intellektuellen Kapitals zukommen lassen.

Allerdings – ohne die genannten Voraussetzungen – ist die Wahrscheinlichkeit groß, dass halbherzig und nach „Us-Too“ Muster, Geld in den Sand gesetzt wird. Wenn nämlich nur das bereits Vorhandene elektronisch umgesetzt, das Projekt an eine Stabstelle delegiert und ihm seitens der Linienmanager und Fachleute keine Beachtung geschenkt wird, weil sie keinen Nutzen für ihren Kontext erkennen können, dann werden eine wenige Themenfreaks einige isolierte Projekte umsetzen, meist solche, die möglichst nicht auf Widerstand stoßen, also das Verhalten und die Organisation unangefochten lassen – und das wird mit der traurigen Erkenntnis enden:

Außer Spesen nichts gewesen.

Nicht einmal diese Erkenntnis ist sicher, fehlt es doch oft genug an Mechanismen, derlei Verschwendungsschaden zu berechnen oder vor sich hin dümpelnde Projekte rechtzeitig zu beenden.



6 .4 Beispiele Dieser Teil wird hier nicht näher ausgeführt, denn

Beispiele veralten schnell Die Fallstudien-, Konferenzsaal- und Pressekonferenzversionen der Beispiele sind oft

mehr „Dichtung als Wahrheit“. Beispiele entwickeln im Zitationszirkel zudem ein Eigenleben, das sie mehr zu

Symbolen für bestimmte Absichten und Argumentationsmuster macht, als zu Beschreibungen einer Realität.

Andererseits, nichts ist so lehrreich und überzeugend wie ein Beispiel. Daher werden wir uns im Workshop fast ausschließlich mit Beispielen beschäftigen. Dieses Skriptum soll Ihnen dabei helfen, die Beispiele nicht nur einschleifig zu betrachten [was machen die anderen?, wie sind sie vorgegangen?, wie haben sie technische Detailfragen gelöst?] sondern die Beispiele auch auf Widersprüche und Wirksamkeit abzuklopfen (wie wird das System genutzt?, welchen Wissens-, welchen Managementbegriff und welches Menschenbild spiegelt es?, wie hätte man alternativ vorgehen können?) Mit einem solchen zweischleifigen Zugang können Sie das Lernen von Peers und aus der Praxis vertiefen.

„Der vernünftige Gebrauch der Erfahrung hat auch seine Grenzen. Diese kann zwar lehren, daß etwas so oder so beschaffen sei, niemals aber, daß es gar nicht anders [oder eben auch ganz anders, U.S.] sein könnte.“

E. Kant

Folgende Beispiele werden häufig zitiert (kein Anspruch auf Vollständigkeit):



Im Workshop werden wir uns auf Ihre eigenen Beispiele konzentrieren, um auch die stillschweigenden, eingebetteten Anteile des Projektwissens zu erfassen (das was auf Konferenzen zwischen den Zeilen, „sprich“ den Referaten passiert).

Als ein Fallbeispiel greifen wir die Entwicklung eines Verzeichnisses wichtiger Wissensträger heraus, sogenannter Yellow Pages.

Yellow Pages Ein einfaches Adreßregister – oder viele ungelöste Fragen?

Yellow Pages klingt nach einem ganz einfachen Projekt. Es geht darum, wichtige Wissensträger im Unternehmen identifizieren und ansprechen zu können: Für letzteres bietet sich in Unternehmen mit verteilten Aktivitäten eine elektronische Lösung an.



Nun steckt der Teufel aber im Detail:

Welche Wissensträger wollen Sie erfassen? (Alle?, wo ziehen Sie in Zeiten der „grenzenlosen Organisation“ die Grenze, (wie) erfassen Sie, wie im Falle Siemens 400.000 Personen?)

Welches Wissen wollen sie erfassen? (Lebenslaufmodell, Vorgabe eines Rasters, nur das unerwartete, besondere, unternehmungsspezifische Wissen?) nur technisches Wissen, Kundenwissen, ausbildungssystemorientiertes Wissen, organisatorisches Wissen?)

(Wie) wollen Sie dieses Wissen klassifizieren? (Norminal -> Nennung: nach welcher Terminologie? schreiben Sie einen einheitlichen Thesaurus vor oder schaffen Sie komplexe Software an, die es schafft, Matches zwischen ähnlich Gemeintem herzustellen: Wie können Sie dem späteren Sucher die Suche erleichtern)? Ordinal -> Nach Stufen der Befähigung (wer stellt diese fest?) Skalierungen -> entwerfen Sie Beschreibungen, denen Ausprägungsformen zugeordnet werden sollen (selbst/fremd?) wie beim Schulnotensystem?

Welches Datenbanksystem wollen Sie verwenden? (erweiterbar, welche Zugänge, welche Verknüpfungen, welche Leichtigkeit der Wartung?)

In welcher Sprache soll das System gestaltet werden? Soll es nationalsprachliche Varianten und Übersetzungen geben?

Bis wann soll das System funktionieren? Wieviel Entwurfs- und Programmierkapazität haben Sie zur Verfügung? Gibt es Standardsoftwarepakete? Wieviel Kapazität erfordert die Einrichtung, Primärdatenerhebung und Eingabe? Mit welchen anderen Systemen soll die Datenbank (später) verknüpfbar sein? Was bedeutet das für ihre Gestaltung? (etwa: PIS)

Wie sind Probleme des Datenschutzes und der Datensicherheit zu handhaben. Wie verträgt sich dieses Projekt mit dem geltenden Arbeitsrecht, wie mit den ungeschriebenen Werten und Normen des Unternehmens? (Ist der Betriebsrat eingebunden?)

Last, but most important: Wie soll die Nutzung des Systems ermutigt und unterstützt werden? Welches Layout, welche Wartungsintensität, welche Zugänge, wie viel Sicherheit, auf Anfrage auch Auskunft zu erhalten, wieviel Miterfassung, Dokumentation und Veröffentlichung der Abfrage- und Auskunftsaktivitäten? Soll es eine Weiterverfolgung des Nutzens des erfragten Wissens in unterschiedlichen Projekten geben (Evaluierung) wenn ja, wie könnte diese organisiert werden?

Aufgabe für die Gruppe:

Entwerfen Sie ein Konzept für Yellow Pages in einem Unternehmen mit 1800 Mitarbeitern an drei Standorten (Europa, USA, Asien), die entwicklungsorientiert als Zulieferer für die Automobilindustrie arbeiten, wobei an den Standorten, historisch bedingt, teilweise noch parallel entwickelt wird.

Die Kapazität der IT Abteilung ist beschränkt, noch mehr die Bereitschaft des Leiters, zusätzliche Aufgaben zu übernehmen. Der Vorstand möchte ein Pilotprojekt sehen, da er Wissensmanagement allgemein für wichtig hält, zögert aber Budgetzuweisungsentscheidungen immer wieder hinaus.

Klären Sie bitte



a) das Ziel des Projekts (inkl. Definition von meßbaren Erfolgsfaktoren)

b) Antworten auf die aufgeworfenen Fragen

c) den vermutlichen Projektaufwand und eine grobe Abschätzung seines Nutzens.

6.5 Zur Messung von Intel lektuel lem Kapital Investitionen in physisches Kapital

Wenn eine Papierfabrik eine Maschine um mehrere Millionen Euro anschafft, die Papiere bestimmter Breite und Qualität verarbeiten kann, wird man selbstverständlich einen Plan entwerfen und umsetzen, wie diese Maschine vor Diebstahl und Verderb geschützt, gewartet, durch Zusatzinvestitionen aufgerüstet werden kann. Ferner wird man größten Wert darauf legen, daß ihre Kapazität ausgelastet wird. Man wird Entwicklungen in der Umwelt genau verfolgen, die den Absatz der auf der Maschine gefertigten Produkte gefährden, von Verpackungsverordnungen bis zu Verfahrensinnovationen, die erlauben kostengünstiger und/oder besser, d.h. kundenproblemadäquater, zu fertigen.

Dennoch gibt es keine Garantie, daß die Investition in die Maschine sich künftig bezahlt machen wird. Gegen Diebstahl und Feuerschäden, gegen Betriebsunterbrechungen allgemein kann man sich versichern, gegen Obsoleszenz hingegen nicht. Immerhin könnte man die Maschine in letzterem Fall etwaig noch verwerten: Vielleicht lastet eine Sicherheit auf ihr, denn Kreditgeber legen Wert auf dingliche Sicherheiten. Vielleicht läßt sie sich in einen anderen Wirtschaftsraum, mit weniger strengen Vorschriften, verkaufen, vielleicht zerlegen und in Teilen vermarkten, vielleicht können Restaufträge für das obsolete Produkt aus der ganzen Welt zusammengefaßt und, unter Ausnutzung von Skalenvorteilen, noch auf der Maschine gefertigt werden ...

Wir wollen die Geschichte an dieser Stelle abbrechen, denn eines dürfte klar geworden sein: Nutzung und Restverwertung der oben genannten Maschine sind ganz stark wissensabhängig.

Investitionen in intellektuelles Kapital

Wenn nun die neue Ökonomie sich immer stärker auf begleitende Wissensleistungen konzentriert, wenn der Wert der greifbaren Vermögensgegenstände im Verhältnis zu den begleitenden immateriellen Leistungen laufend abnimmt, wenn – nach übereinstimmenden Prognosen – künftig 5 % der Bevölkerung ausreichen werden, um die benötigten Industriegüter zu fertigen, dann stellen sich drängende Fragen:

Was tun Unternehmen, um ihr immaterielles Vermögen zu identifizieren, zu warten, hochzurüsten? Wie stellen sie sicher, daß es ausreichend genutzt wird, wie verfolgen sie Entwertungsgefahren in der Umwelt?

Wir müssen feststellen, daß sie dies weit weniger bewußt und systematisch tun als für ihr materielles Vermögen. Auch ihre Geldgeber haben den Fokus noch nicht verlagert, treffen ihn allerdings stellvertretend durch ihre Einschätzung der Qualität der jeweiligen Unternehmensleitung, die nachweislich Einfluß auf die Kursentwicklung börsennotierter Unternehmen nimmt.

Warum ist das der Fall? Schließlich gibt es Übereinstimmung darüber, daß das immaterielle Vermögen ausschlaggebend für gegenwärtige und zukünftige Wertschaffung ist?



Ein Grund ist das fehlende Wissen über das Wissen. Während sich die Dopik, d.h. die doppelte Verbuchung materieller Vermögenswerte seit Ende d. 15. Jh. Entwickeln konnte, gibt es zum immateriellen Vermögen nur Teildiskussionen über die Behandlung von Firmenwert, intellektuellem Eigentum und Software. Eine weitergehende, umfassende Diskussion ist erst seit etwa 15 Jahren im Gange.

Ein zweiter Grund liegt in der fehlenden Appropriierbarkeit vieler Komponenten des immateriellen Vermögens. Wissen ist letztlich menschgebunden – und Menschen können eine Organisation verlassen. Es ist schwer, Kredite auf solche Sicherheiten zu stützen, daher auch eine Verschiebung in Richtung Risikokapital.

Ein dritter Grund folgt aus den beiden ersten. Es beginnen sich erst langsam Ausbildungen zu formieren, die der “Natur“, der Identifizierbarkeit, Meßbarkeit, vor allem aber dem Management immaterielle Ressourcen Aufmerksamkeit zollen.

Die Maschinenanalogie zeigt uns aber deutlich, daß wir die Entwicklung unserer „geistigen Maschinen“ nicht dem Zufall überlassen können. Nicht einmal der überzeugteste Vertreter eines evolutionären Ansatzes würde im Kontext einer zweckorientieren Organisation für Interventionsabstinenz plädieren, umso mehr als eine Unternehmensleitung ja nicht nicht intervenieren kann. Jede ihrer Entscheidungen betrifft die Konstellation, in der sich immaterielles Vermögen bildet oder auch vernichtet wird.

Es kann daher kein Zweifel daran bestehen, daß wir Verfahren benötigen, um dieses Vermögen zu erfassen – erst wenn es uns so bewußt geworden ist, werden wir in der Lage sein, es zu managen bzw. zu pflegen, je nach Managementphilosophie.

6.5.1 Warum messen? Der klassische Managementzyklus sieht eine Verbindung von Zielsetzung (in operationalisierter, d.h. überprüfbarer Form) und Kontrolle (Ergebnismessung => Abweichungsanalyse => Korrekturen) vor.

Nach diesem Ansatz ist eine Messung jener Faktoren, die als Hauptwertschöpfungs-potential erkannt wurden, unverzichtbar.

Ein zweites Argument für Messung läßt sich aus der Beobachtung von Entscheidungs-verhalten ableiten: Manager sind darauf trainiert, sich mit Meßgrößen, meist finanziellen Größen, zu befassen: Diese Größen stellen den Bezug jeglichen Handels zum Zweck der Veranstaltung, nämlich Renditen zu generieren und Wert zu steigern, sicher.

„What get’s measured get’s done. If you are looking for quick ways to change how an organization behaves, change the

measurement system.“

Mason Haire UCLA, 91

Auch aus systemischer Perspektive lassen sich Argumente zur Messung ableiten: Da die Zusammenhänge in ihrer vollen Komplexität nicht erfaßbar sind, braucht der Beobachter Beobachtungswerte und Hypothesen über ihre Vernetzung. Auf Basis von feedback über tatsächliche Wirkungen lernt er das System besser verstehen. In der Auseinandersetzung über Meßwerte und ihre Interpretation – so sie stattfindet – versichert sich „die



Organisation“ einer gemeinsamen Handlungsbasis, im anhaltenden Dialog versichert sie sich gegen Betriebsblindheit und Sklerose.

6.5.2 Was wird gemessen? Für das intellektuelle Kapital hat sich mittlerweile eine Terminologie durchgesetzt, die auf 3 Komponenten und folgender Argumentationslogik aufbaut

Anders formuliert:

Das intellektuelle Kapital12 wird heute allgemein gegliedert in Humankapital, Strukturkapital und Beziehungskapital. Die Komponenten dieser drei Typen von intellektuellem Kapital wirken zum einen nur im Verbund, zum anderen nur, wenn ihr Potential durch Herausforderungen (im Netzwerkmodell) bzw. durch Führung (im Hierarchischen Modell) aktiviert wird.

12 Gemeint ist Vermögen, das heißt die Sollseite der Bilanz, jene Assets, in deren Aufbau finanzielle Mittel fließen, in Anlehnung an den angelsächsischen Sprachgebrauch wird jedoch der Begriff Kapital beibehalten.



Humankapital: umfaßt das Wissen, die Fähigkeiten, den Einsatzwillen und Ideenreichtum der MitarbeiterInnen, inkl. Führungsmannschaft. Da es darauf ankommt, was sie gemeinsam vermögen, wird hier auch das Teamklima, die Güte der Zusammenarbeit erfaßt.

Strukturkapital ist jener Bestand an (potentiellem) Wissen, der in der Organisation gespeichert ist. Bildhaft ausgedrückt, alles was verbleibt, wenn die Menschen abends nach Hause gehen: Dazu gehören alle formalisierten Verfahren (best practices, Handbücher), die IT Infrastruktur, spezielle Software, Datenbestände und geeignete Auswertungs- und Darstellungsverfahren, aber auch die Organisationskultur als kollektives Gedächtnis für bewährte Antworten auf grundsätzliche Fragen (wie etwa jenen nach der Mission, den ethischen Richtlinien, dem Selbstverständnis, dem Umgang mit verschiedenen Anspruchsgruppen (Stakeholders)).

Beziehungskapital beschreibt die auf Netzwerkfähigkeiten der Organisationsmitglieder aufbauenden Beziehungen zu wichtigen Stakeholdern, die ein intimes Wissen über besondere Präferenzen und Problemstellungen dieser Partner erlauben, so daß maßgeschneidert darauf reagiert werden kann. Als wesentlichste Bezugsgruppe gelten hier die Kunden: Im Customer Capital wird ihre Zufriedenheit, Loyalität, Bereitschaft, gemeinsam an Problemstellungen zu arbeiten, erfaßt. Es geht aber auch um klassische Kennzahlen, wie ihr Nachfragevolumen, ihre Kauffrequenz, Lieferpräferenzen, Ansprechpartner, bisherige Fallgeschichten. Je nach Branche, Eigentümerkonstellation und Standort können für das Beziehungskapital aber auch Lieferantenbeziehungen oder Kontakte zu Politik und Verwaltung bedeutsam sein. Manche Autoren erfassen die Beziehung zur Öffentlichkeit schlechthin als Imagekapital gesondert; hier wird dieser Aspekt im Beziehungskapital mit berücksichtigt.

6.5.3 Wie kann man messen? Hier sind wiederum Entscheidungen zwischen verschiedenen Optionen zu treffen, die von der Zielsetzung der Messung (was will man wissen?) von der Zugänglichkeit der Meßdaten (wie kann man die gewünschte Information generieren?), vom Kosten-Nutzenverhältnis der Messung und letztlich vom Konsens über die Bedeutung verschiedener Meßgrößen abhängt.



Entscheidungsfelder Abwägung

Monetär - Nicht monetär Monetär -> Koppelung an den letztlichen Zweck, gewohnte Sprache der Entscheider

Nicht monetär -> erfaßt Vorstufen der Geldwerdung, erfaßt auch Qualitäten

Maßgeschneidert - Standardisiert Maßgeschneidert -> berücksichtigt den strategischen Steuerungswillen, erlaubt Lernprozesse;

Standardisiert -> ermöglicht Berichterstattung nach außen und zwischenbetrieblichen Vergleich (BENCHMARKING)

Vergangenheit – Zukunftswerte Vergangenheit -> ist realisiert, Zahlenwerk liegt vor, hat wegen Pfadabhängigkeiten Zukunftswirkung

Zukunftswerte -> darauf kommt es eigentlich an -> Ertragspotentiale: sind allerdings mit Unsicherheit behaftet.

Quantitative Werte – Indikatoren für Qualitäten Quantitative Werte -> leicht erfaßbar, wirken „härter“, gut vergleichbar Qualitäten -> verweisen auf künftigen wirtschaftlichen Erfolg, auf „weiche“ Faktoren mit harten Konsequenzen

INPUTWERTE (Substanzbetrachtung)

ZWISCHENERGEBNISSE/ INDIKATOREN

ERTRÄGE/ERTRAGSPOTENTIALE (NDCFs)

leicht erfaßbar, Parallele zum materiellen Vermögen, Bezug zu Ergebniswerten ist nicht eindeutig

unvernetzte Betrachtung, Schwierigkeit, valide Indikatoren zu finden

Zielwerte, der auf bestimmte Teile des IC entfallende Zielerreichungsanteil ist oft schwer bestimmbar

VERHÄLTNISZAHLEN am häufigsten sind Produktivitätskennzahlen, also Input-Outputrelationen, es gelten die zuvor genannten, Stärken und Vorbehalte in Kombination

6.5.4 Ziele/Zwecke der Messung Messung kann unterschiedliche Zwecke verfolgen, die jeweils unterschiedliche Anforderungen an die Aktualität, den Detaillierungsgrad und die kommunikative Aufbereitung stellen:



Die meisten derzeit bekannten Beispiele richten ihren Fokus auf interne Steuerung. Lediglich Skandia hat sein Supplement zur Bilanz stark als Element der Kommunikation mit Investoren eingesetzt und dabei eine beträchtliche first mover-Rente generiert. Die PR- und Kommunikationswirksamkeit von Dokumentationen des IC wird zunehmend erkannt. Es wird sich ein Wettstreit der Aufmachung von „Wissensbilanzen“ herausbilden, da das Fehlen von Standards der Phantasie hier freien Lauf erlaubt.

Vergleiche dienen der Positionierung im internationalen Konzert von ähnlichen Anbietern: Sie zeigen auf, was im besten Fall möglich ist und setzen damit eine Latte, an der man sich selbst – Funktion für Funktion, Prozeß für Prozeß – ausrichten kann. Platte Vergleiche sind dabei eher wirkungslos (von den Leistungsentstehungsbedingungen abstrahierende Rankings, Vergleiche von Äpfeln und Birnen unter der groben Kategorie von Obst): Wieder geht es um den Diskussionsprozeß, den der Vergleich auslöst (warum schafft Walmart diesen – im Vergleich zu uns wesentlich höheren m2 Umsatz? – wie sieht es mit den Margen aus? – ist der Zugang zum Einzelhandel auf uns übertragbar? von uns erwünscht?)

Stufen der Evaluierung: Evaluierung umfaßt, genaugenommen, eine erste Stufe der Messung / möglichst bewertungsfreien Erfassung von Indikatoren, Mengengerüsten, Preisen und eine zweite Stufe der Bewertung und Interpretation.

So kann als Kennzahl für das Humankapital etwa das Durchschnittsalter berechnet werden. Was ein hohes/niedriges Durchschnittsalter im Branchenkontext bezüglich des Wissens, Könnens und Wollens zu bedeuten hat, ist eine Frage der Interpretation und Diskussion, aber – im Hintergrund – auch eine Frage oft vorbewusster Weltbilder: Eine jugendorientierte Kultur wird ein hohes Durchschnittsalter für bedenklich halten und mit abnehmendem Drive, Verhärtung des Denkens, abnehmender Lernfähigkeit und Obsoleszenz der Erstberufsausbildung argumentieren. Eine Branche oder Funktionsbereiche, in denen es nach allgemeinem „Wissensstand“13 auf Erfahrung ankommt, wird ein zu niedriges Durchschnittsalter für problematisch halten. Die Problematik von Meßsystemen liegt generell darin, dass solche Überlegungen nur bei Einführung angestellt werden, danach aber in den Hintergrund treten. Deshalb kann es spektakuläre Erfolge am Anfang geben (weil ein höheres Maß an Bewußtheit in der

13 Glauben heißt nichts Wissen, sagt der Volkmund. Wissenschaftstheoretiker kommen in gut sokratischer Tradition schnell zu dem Schluß, daß alles vermeintliche Wissen nur vorläufig ist und in einigen Prämissen auf Glaubenssätzen beruht.



Organisation entsteht, das aber an das Projektteam gebunden ist, welches die Einführung betreibt), die sich dann im Alltag als nicht nachhaltig erweisen, weil die nächste Generation als Nutzer der Meßzahlen (Codes) deren stillschweigenden Hintergrund nicht kennt: So verkommt Messung dann leicht zur formal-bürokratisierten, konsequenzlosen Übung.

6.5.5 Beispiele für Meßverfahren

BSC: Balanced Score Card

VAIC: (Value Added on Intellectual Capital berechnet den Mehrwert im Verhältnis zur Summe aller Humankapitalbezogenen Aufwände, nach Pulic, 1996)

Marktwerte eines Unternehmens sind leicht zu ermitteln, wenn es an der Börse notiert, sonst müssen Verkaufserlöse für vergleichbare Unternehmens(teile) herangezogen werden.

Durch den zunehmenden Wertschichtenwettbewerb14 gibt es mittlerweile für fast jede innerbetriebliche Leistung Marktpreise als Bezugsgröße.

Eignet sich nun die Differenz zwischen Börsen- und Substanzwert als Indikator für intellektuelles Kapital? Einerseits ja, denn wir sehen beachtliche Kapitalisierungen von Sun-Rise-Industrien. Sun-Rise oder Hoffnungsindustrien basieren auf neuen Technologien, die erst Verbreitung finden müssen und weisen hohes künftiges Wachstumspotential auf. Sie müssen am Anfang viel finanzielles Kapital in Forschung und Entwicklung, in die Ausarbeitung von Geschäftsmodellen und den Aufbau kritischer Kundenmengen investieren, können dann aber abschöpfen bei relativ geringen variablen Kosten.

14 Wertschichtenwettbewerb beschreibt Migrationen in Teile der Wertschöpfungskette anderer Branchen oder auch der eigenen Branche. Ermöglicht wird diese Migration durch IT, welche die Transaktionskosten verändert, ferner durch Deregulierung (etwa bei Finanzdienstleistungen).



Andererseits sind aber Vorbehalte anzubringen. Amazon.com hatte im Februar 1999 ein Kurs-Gewinn-Verhältnis von über 2000 (das entspräche einer Amortisationsperiode von 2000 Jahren), was mit rationalem Investorenverhalten nicht mehr erklärbar ist (zumindest nicht auf dem Boden klassischer Theorie).15

Die Börse liefert Hinweise, aber:

kurzfristige Schwankungen der Kurse drücken wohl kaum Schübe oder Einbrüche an „organisationaler Intelligenz“ aus

ein Teil der Entwicklung dürfte überzogen, d.h. Spekulationsblase sein (z.B. Internetwerte bis Mitte 1999)

generell ist zu fragen, wie Analysten/Investoren entscheiden! Fundamentals weisen immer weniger Korrelation zur Kursentwicklung auf. Außerdem gibt es konkurrierende Theorien bezüglich dieser Fundamentals16

Wie steht es mit der Berechnung diskontierter Zukunftsbeiträge, wie das die Humankapitalrechnung versucht? Hier würde man den Marktwert einer intellektuellen Ressource, für den die Börsenkurse einen Gesamtnäherungswert darstellen, nach Rappaport (1986) berechnen.

Nehmen wir folgendes Beispiel:

Die Ausbildung eines Investmentbankers koste 125.000 $, bis er/sie ab dem 3. Jahr produktiv wird und im Schnitt weitere 3 Jahre im Unternehmen verbleibt. Während der Ausbildungszeit verlassen 2 von 3 Kandidaten das ausbildende Unternehmen. Vom 3. – 5. Jahr generiert ein Investmentbanker net cash flows für das Unternehmen von je 1 Mio $, wobei schon im 4. Jahr wieder Weiterbildungskosten von $ 50.000,- anfallen.

* der Einfachheit halber wird angenommen, alle Ausgaben und Einnahmen fielen jeweils zur Mitte des Jahres an.

* die Wahl des Zinsfußes wäre eine eigene Diskussion wert.

In diesem Fall koppeln wir einerseits Erfahrungswerte aus der Vergangenheit (Fluktuationsrate 66,6 %) und Kostenprojektionen aus vergangenen Ausgaben bzw. vergleichbaren Marktpreisen (was kostet die Ausbildung am Trainingsmarkt?) mit -

15 Tatsächlich genügt es einem Investor zu vermuten, daß er die Aktie zu höherem Wert an jemanden mit derselben Erwartung verkaufen können wird, als er sie erworben hat. Dabei bedarf es nicht notwendig einer gründlichen Analyse von Fundamentaldaten, um diese Erwartung zu bilden, wie die Theorie unterstellt. 16 So wenden Analysten derzeit einen Konglomerat Discont von 5-30 % auf Mischkonzerne an, weil das herrschende Glaubenssystem gegen Diversifikation argumentiert. Eine Untersuchung von Goldman & Sachs ergab jedoch keine Korrelation zwischen Rendite und Diversifikationsgrad.



ebenfalls aus Erfahrung – abgeleiteten zukünftigen Nettoerträgen, respektive Cash Flows.

Woher können wir wissen, wie die kommenden Jahre verlaufen werden? Hier sind wir auf Schätzungen und Szenarien für eine künftige Einkommens-, Steuer- und Veranlagungsneigungsumwelt angewiesen. Wegen der hohen Volatilität und bruchhafter Entwicklungen in dieser Umwelt sind Projektionen schwierig bzw. ein Akt des kreativen Ratens, wie es ein Investmentbanker ausdrückt.

„As every seasoned investor knows, financial projections that

stretch out for more than a year – are an act of imagination.“

(W. A. Sahlman, How to write a great Business Plan, in: HBR 1997, July-Aug. pp 98-108)

Oft ist es auch unmöglich, einer Ressource Marktrückflüsse direkt zuzurechnen. Die Gesamtrechnung, wie bei VAIC, kann – im Zeit- und betrieblichen Vergleich – durchaus auf eine gute oder Unternutzung des intellektuellen Kapitals hinweisen, wobei aber nicht erklärt wird, wodurch diese begründet sind.

VAIC und jüngst auch der Navigator (Skandia) verwenden Personalausgaben als Approximationen an den Ertragswert des Humankapitals und unterstellen damit, dass Arbeitsmärkte effizient funktionieren. Da der Ausgleich auf diesen – meist regulierten – Märkten wegen der strukturellen Komponente nicht so ohne weiteres stattfindet und der Transformationsprozeß in Output unsicherheitsbehaftet ist, gelten jedoch dieselben Vorbehalte wie gegenüber Investoren an der Börse.

Generell können wir festhalten, daß Black-Box Verfahren zwar Hinweise auf gelingende Aktivierung intellektuellen Kapitals liefern, aber von kurzfristigen Schwankungen und spekulativen Überlegungen beeinflußt bzw. mit einiger Unsicherheit behaftet sind. Sie stellen der Unternehmensführung keine Handlungsgrundlagen zur Verfügung, wo man zwecks Verbesserung der Situation, ansetzen könnte.

Die analytischen oder Mikro-Verfahren sollen hier nicht im einzelnen dargestellt werden. Sie entwickeln sich laufend weiter, es kommen neue Vorschläge dazu, sie sind in anderen Veröffentlichungen gut nachzulesen.

Hier sei darauf verwiesen, daß sie eine Koppelung von In-, Zwischen- und Outputgrößen darstellen, teils monetäre Werte, teils nominale oder ordinale Zählgrößen, teils Indikatoren darstellen. Die Daten stammen ihrerseits teils aus vorhandenen Unterlagen (z.B. der Personalabteilung), teils aus gesonderten Erhebungen (Mitarbeiter- und Kundenzufriedenheit aus Befragungen) teils aus Ergänzungen von ohnehin vorzunehmenden Aufzeichnungen (z.B. Erfassung zusätzlicher Kundendaten bei Internetbestellung). Durch Kombinationen erhobener Daten entsteht zusätzliche Information. Kennzahlen verdichten derlei Information als Absolutwerte, häufiger als Relativwerte, und erlauben somit, wenn sie sinnvoll gebildet werden, eine Orientierung auf einen Blick.

Im folgenden werden einige dieser Kennzahlen exemplarisch vorgestellt und diskutiert:

Maß Für: Problematik

INPUTS: F&E Aufwand

Innovationsfähigkeit keine Aussage über die Treffsicherheit (Effektivität)



Maß Für: Problematik

und Effizienz der Forschung, unterschiedliche Unternehmen verbuchen Unterschiedliches unter dieser Position

PE-Aufwand Humankapitalbildung Ressource ist nicht fest ans Unternehmen gebunden, Trainingserfolg im Sinne verbesserter finanzieller Ergebnisse ist ungewiß

OUTPUTS: Publikationen eines Forschers

Produktivität/ Qualität als bloße Zahl keine Aussage über Qualität, kontraproduktive Verführung, weniger gründlich zu arbeiten; als qualifizierte Zahl (nach dem Ruf der Zeitschriften) diskutierbar, da Peer Review möglicherweise nur die Anpassungskomponente der Qualität mißt

Kundenzufriedenzeit Beziehungskapitalbildung, erwartbare Umsätze

erfaßt nur Ist-, nicht potentielle Kunden, signalisiert bei unelastischer Nachfrage keine Umsatzzuwächse, ist letztlich fragebogen-abhängig

Relativzahlen Umsätze aus Neuprodukten im Verhältnis zu Gesamtumsätzen

Innovativität abhängig davon, was als, neu definiert wird, keine Aussage über Erfolg der neuen Produkte im Sinne von Erträgen

So könnte jede einzelne Kennzahl problematisiert werden.

6.5.6 Schlußfolgerung To measure or not to measure?

Generell ist festzuhalten:

Die Bedeutung von Kennzahlen erschließt sich aus einer meist implizit unterstellten Kausalkette. Diese Kette ist auf Alltags- und wissenschaftliche Theorien über Unternehmensführung zurückzuführen. Auf dem Markt konkurrieren verschiedene wissenschaftliche Theorien, die einander zum Teil widersprechen. Letztlich reflektiert jeder Meßstandard eine Hypothese bzw. ein Glaubenssystem über erfolgreiche Unternehmensführung. Beispiel: Mitarbeiterzufriedenheit -> (?) bessere Leistungen -> (?) höhere Kundenzufriedenheit -> (?) höhere Umsätze -> (?) höhere Margen.

Vergangenheitswerte sind „solide“, weil realisiert, sagen aber in einer turbulenten Wissensgesellschaft nicht notwendig viel über künftige Entwicklungen aus. Zukunftswerte eröffnen der Spekulation Tür und Tor und sind unsicherheitsbehaftet. Sie lenken jedoch die Aufmerksamkeit in Richtung Potentialentwicklung.



Der Hauptnutzen der Messung ist im Erzeugen von Aufmerksamkeit und im Diskurs über Wirkungszusammenhänge zu sehen: Organisationsmitglieder versichern sich so untereinander – und grenzüberschreitend auch mit Kunden und Lieferanten - einer gemeinsamen Interpretation ihrer Wirklichkeit.

Meßsysteme, die allgemein akzeptiert werden, d.h. sich als Standard etablieren, beeinflussen das Verhalten der am Erfolg beteiligten Stakeholder und erlangen so – ex post – Gültigkeit, als sich selbst erfüllende Prognose.

Probleme der Messung sind folgende: Es handelt sich um vernetzte Zusammenhänge, wobei die Beziehungen

zwischen einzelnen Einflußfaktoren vermutlich aussagekräftiger sind als die Veränderung dieser Faktoren. Gemessen wird aber nur letztere.

Wegen des Aufwands bei Erhebung, Verarbeitung und Nutzung, den methodisch saubere, komplizierte Systeme verursachen, stellen wir fest, daß in der Unternehmenspraxis Einfaches Komplexes und Quantität Qualität verdrängt.

Messung ist dennoch unverzichtbar, weil man eine Landschaft nicht ohne Landmarks wiedererkennen und nutzen kann.

Messung von intellektuellem Kapital ist nützlich, wenn die Kontextabhängigkeit und Frag-Würdigkeit der Maße in einer

Organisation lebendig bleiben, sodaß man sich anhaltend über zugrunde liegende Fragen der Unternehmensführung auseinandersetzt:

wenn der Erhebungsaufwand den Informationsnutzen deutlich unterschreitet. Aufwand und speziell Nutzen sind ihrerseits schwer zu messen, weshalb man vor neuerlichen Primärerhebungen die Verwendbarkeit vorhandener Daten prüfen und Möglichkeiten schaffen sollte, Daten, die für die Messung von intellektuellem Kapital benötigt werden, in laufenden operativen Geschäft kostengünstig mit zu generieren;

wenn die ermittelten Werte Handlungswirkung zeigen und nicht zur Bauchnabelbeschau einer neuen Art von Controllern werden („first and formost manage, then measure“). So selbstverständlich, wie das scheint, ist es in der Praxis nicht. Es läßt sich ganz gut an der Widmung von Mitteln für Wissensmanagementprojekte ablesen, wieviel davon in den Aufbau von Voraussetzungen (IT Infrastruktur, Meßsysteme) fließt und wieviel in deren eigentliche Nutzung: Der Anteil für letztere ist marginal. Auch die Theorie ist konzeptionslastig, u.a. weil es erst wenige Projekte gibt, die das Stadium der alltäglichen Nutzung erreicht haben.

wenn die Meßwerte in all‘ ihrer Fragwürdigkeit – nicht voreilig in Sanktions- und Chancenverteilungssysteme überführt werden. Damit stelle ich mich in einen Gegensatz zu einem Großteil der Literatur und meinen eigenen Hinweisen an anderer Stelle, daß Kulturveränderung die Stimmigkeit der Anreizsysteme mit den Veränderungszielen voraussetzt. Dennoch halte ich an der Aussage fest und begründe das folgendermaßen:

Kultur stellt den qualifizierenden Kontext für Kennzahlen dar, so wie die Parlamentsprotokolle den materiellen Sinn eines erlassenen Gesetzes qualifizieren. Wenn die Kultur nicht stimmt, ist eine nur buchstabengetreue Erfüllung der Zielwerte zu befürchten, die kontraproduktiv sein kann (z.B. viele oberflächliche Kundenkontakte, um „die Lizenz zu verkaufen“ nicht zu verlieren, aber keine vertiefenden Kundengespräche – da würde oft ein einziges genügen, bei dem wirklich zugehört wird).



Anreizsysteme entfalten eine Eigendynamik, sodaß der Einzelne dann „gegen das System“ spielt, d.h. seine Energien darauf konzentriert, die Anreize zu optimieren und nicht das wofür sie gewährt werden. Opportunistisches Verhalten kann die Folge sein: Daten lassen sich legal ganz gut manipulieren, der Schein ersetzt das Sein. (Beispiel: Seherquoten statt Programmgüte nach irgendeiner zu vertretenden Qualitätslogik oder Aktivierung des Freundeskreises, um Homepages – Hits zu maximieren).

Dieses Argument gilt eben besonders, weil der Code nicht ausreichend valide sein

kann. Meßfehler sind unvermeidlich, weil bei der Wahl von Indikatoren, bei ihrer

Gewichtung, bei der Definition von Skalen und bei der Zuordnung von Verhalten zu Skalenwerten (z.B. einer Zufriedenheitsstufe 2 auf einer 5-teiligen Skala) überall Einfallstore für Verzerrungen gegeben sind. Wenn man diese Fehler jedoch konsequent und betriebsübergreifend begeht, müßten die „falschen“ Maße dennoch Aussagen über wichtige Relationen und ihre Verschiebungen liefern – nicht anders als dies bei der Verbuchung von physischem Kapital der Fall ist.

Eine plakative Zusammenfassung dieses Abschnitts könnte also lauten.

Messen, um zu lernen, nicht um zu kontrollieren.

Messen ist nur ein Schritt für die wesentlichere Aufgabe zu „managen“ (d.h. zu entwickeln nach der einen oder Entwicklung fördernd zuzulassen nach der anderen Philosophie).

Maße sind Konventionen, keine Wahrheiten. Solange alle denselben „Fehler“ machen, liefern sie nützliche Information.

6.6 Schlußfolgerungen und Ausbl ick Drei Aspekte möchte ich für Sie verehrte Leserin, verehrter Leser zum Abschluß in die unsichtbare Community of common interest on knowledge management einbringen, die Sie mit mir gebildet haben, als Sie sich auf die Lektüre dieses Skriptums einließen.

Erstens: Welche Konsequenzen sind aus der Flüchtigkeit des Wissens und der Überfülle an Reizen und Daten zu ziehen?

Man kann, um es mit Alan Watts auszudrücken, versuchen, den Wind in der Tüte zu fangen.

Versuche, möglichst viel Wissen zu externalisieren, festzuschreiben, vom Einzelnen zu lösen und in das Strukturkapital zu überführen, weisen in diese Richtung. Ihnen entspricht ein instrumentelles Managementverständnis, das dem üblichen Zyklus des Ziele setzens, Planens, Organisierens, Personal Ausstattens, Veranlassens und Kontrollierens folgt (vgl. etwa Probst et al., 1998).

Da Wissen aber durch andere Eigenschaften beschreibbar ist als die klassischen Ressourcen, für welche das instrumentelle Managementverständnis entwickelt wurde, fragt sich, ob es nicht auch anderen Gesetzen folgt, z.B. sich nur in Freiheit entwickelt. Vollen Zugriff und volle Kontrolle haben wir nur auf die Köpfe von Menschen, deren Denken, Empfinden und Verhalten vorhersagbar ist, also gesteuert wird.



Solche Menschen wären aber durch denkende Maschinen ersetzbar, die viel zuverlässiger funktionieren.

Es ist interessant darüber zu spekulieren, wie wir künftig mit Chip-Implantaten leben und denken werden – und es besteht kein Zweifel, daß es erstens immer anders kommt, als zweitens prognostiziert.

Andererseits: In welcher Welt wollen Sie leben, welche Welt wollen Sie ihren Kindern hinterlassen?

Die Frage ist doch, was wir als Elemente in einem akkumuliert und rückgekoppelt mächtig wirksam werdenden Prozeß zu genau jenen Zwischenständen beitragen, denen gegenüber wir dann gerne unsere Hände in Unschuld waschen.

Versorgen wir schon die Kindergärtler mit Mobil Telefonen? Welchen Beratern trauen wir? Mit welcher Software arbeiten wir17.

Wie offen sind wir wirklich gegenüber Querdenkern und Verhaltensentwürfen aus anderen Kulturräumen?

Vor allem aber stellt sich eine bange Frage: Werden wir denn Zeit haben, mit dem durch Wissensmanagement zwar verbesserten, dennoch aber gesteigerten Angebot umzugehen. Werden wir angesichts der Fülle an Möglichkeiten handlungsfähig bleiben?

Ich finde es einigermaßen überraschend, daß dieses Problem gegenüber den Fragen der Identifikation, Sammlung und Darstellung von „Wissen“ in den Hintergrund tritt.

Als weitere bange Frage habe ich im dritten Kapitel auf ein Phänomen verwiesen, das „idealtypisch“ nicht der Fall sein müßte, wegen des real existierenden Verhaltens von Menschen jedoch häufig beobachtet wurde: Das sogenannte Innovationsparadox. Jedes System, jedes Wissen, das zunächst Hilfs- und interimistischen Charakter hat, tendieren zur Verhärtung, zum Besetzt werden als Werte für die Ewigkeit. Deshalb wird alles Neue an den aus den alten Werten gebildeten Kriterien gemessen – und fällt zwangsläufig durch den Rost. Es ist ungeheuer schwierig, Bestehendes zu perfektionieren und formell fest in der Organisation zu verankern und es gleichzeitig vorläufig, d.h. flüssig und veränderbar zu halten. Auch hier müssen Sie für Ihren ganz persönlichen Einflußbereich, in Abstimmung mit anderen Organisationsmitgliedern, Stellung beziehen, Farbe bekennen, was Sie mehr akzentuieren wollen, und/oder kreative Lösungen für ein sowohl als auch entwickeln.

Wissensmanagement ist harte Arbeit, nicht zuletzt Entscheidungsarbeit, hatte ich das schon erwähnt?

Als zweiten Aspekt dieser Schlußbetrachtung möchte ich die – nicht nur akademische – Frage aufwerfen, ob Wissensmanagement neu ist.

Ist Wissensmanagement neu? Ist diese Frage überhaupt eine wissensschaffende? Oder hat sie mehr mit der Absteckung akademischer Claims zu tun und ist daher für Praktikerinnen vollkommen irrelevant?

Die Antworten scheinen auf der Hand zu liegen. Nein, neu ist Wissensmanagement nicht, nur neu akzentuiert und inspiriert durch eine Fülle an technischen Möglichkeiten.

17 Eine Frage, die zu diskutieren in diesem Zusammenhang reizvoll sein könnte ist folgende: Droht uns eine Power Pointisierung des Denkens?



Ja gewiß, das Kriegsgeheul der Verkäufer von Konzepten (Beratung) und Ideen/Ansätzen (Academia) hat auch mit dem Abstecken von Erstlingsrechten und der Illusion von Originalität zu tun.

Nein, die Frage ist für Praktiker nicht ganz irrelevant. Die Verkaufsunterstützenden Behauptungen der Szene machen nämlich blind für die reiche Palette an Vorarbeiten, die zum Thema existiert – und da haben wir sie schon wieder, unsere Paradoxie: Die Menschen (auch die selbst ernannten Fachleute im Wissensmanagement) wollen das Rad ja neu erfinden.

Ein Zitat steht hier stellvertretend für viele Hinführungen zur Dringlichkeit des Themas Wissensmanagement:

„...Organizations do not understand what know-how, management potential or creativity they have access to with their employees.“

(Brooking/Motta, 1996,3)

Don’t they? Partly they do.

Im Personal- und IT Management, in ihren Qualitätsanstrengungen oder Due-Diligence Übungen beim Firmenkauf haben Unternehmen eine Fülle von Teilmethoden entwickelt, know how nicht nur aufzuspüren und zu messen, sondern auch zu entwickeln.

Allerdings geschah dies nicht immer systematisch oder nachhaltig. Dieser Aspekt, das bewußte Management ist in der Tat neu – und findet in der Praxis auch erst in Ansätzen statt, nach zwei Mustern, die sich wie ein roter Faden durch diese „Wissensbasis“ ziehen: Pflegend (evolutionär) oder lenkend (kontrollorientiert).

Dritte- und letzte Frage: Ist Wissensmanagement eine Mode, die wieder von der Tagesordnung verschwinden wird?

Dazu könnte es werden – leider. Es könnte aber auch jener Hebel sein und bleiben, mit dem Unternehmen, im weitesten Sinn des Wortes, einen Transformationsprozeß begleiten, der wegen der Umbrüche in Weltwirtschaft und Gesellschaft notwendig geworden ist.

Wissensmanagement fügt sich in einen Kontext neuer Schwerpunktsetzungen und eines neuen Verständnisses von Unternehmensführung, der durch technologische Entwicklungen wie neue politische Konstellationen gleichermaßen gebildet wird: Seine Stichworte lauten Globalisierung und Digitalisierung. Seine Konsequenzen sind umfassend:

Die neue Technik ermöglicht, die neue, auf Deregulierung setzende Politik unterstützt und das revitalisierte liberalistische Denkmuster als Mainstream ermutigt eine radikale Neuorientierung der wertschaffenden Architekturen (Branchen, Unternehmen, Funktionen) mit der Folge

der Migration von Teilfunktionen der Wertschöpfungskette zwischen Branchen und damit verschärfter Substitutionskonkurrenz (Ölfirmen als Einzelhändler, Softwarehäuser als Banken)



einer Redefinition der Make-or-Buy Entscheidung in bezug auf alle Funktionen (Kernaufgaben und auszulagernde Bereiche, rege Investitions- und Desinvestitionstätigkeit).

einer Standortdifferenzen nutzenden internationalen Verteilung von Aktivitäten, deren raum- und zeitübergreifende Koordination durch die neue Technik und Politik wesentlich kostengünstiger geworden sind.

Das führt dazu, daß Spielregeln gleichzeitig Rahmenbedingung und Gestaltungspotential darstellen. Wer Spielregeln mit Resonanz verändert, gewinnt Vorsprung, schafft damit Wissen das andere erst einmal erschließen müssen. Die Aufmerksamkeit aller Kulturen verschiebt sich damit von der Vergangenheit in die Zukunft. (Neuer Pioniergeist als Ressource im Wettbewerb der Nationen)

Die neue Technik erlaubt den beinahe unmittelbaren Ausgleich von Informationsunterschieden über Ereignisse und gemeinsam mit der politischen Liberalisierung und Deregulierung das freie Bewegen von nahezu unbegrenzten Summen in Bruchteilen von Sekunden. Finanziers sind auf diese Weise zunehmend kosmopolitisch bzw. als Fonds zunehmend anonym (Mobilität des Kapitals).

Damit richtet sich die Managementaufmerksamkeit viel schärfer als bisher auf die Aufgabe, alle Teilfunktionen zu optimieren. Befriedigende Lösungen, wie von Simon unterstellt, genügen nicht mehr, da Vergleiche mit anderen Spielern bzw. mit der marktmäßigen Koordination einer Funktion ihre Ineffizienz rasch offenlegen. Verschwendung ist nur dort möglich, wo sie alle betreiben (z.B. in der Verfolgung einer neuen Managementmode).

Ein vergangenheitsorientiertes Rechnungswesen erzeugt zunehmend Unzufriedenheit. Wenn 80 % eines Kaufpreises für ein Unternehmen für in Gang befindliche Entwicklungen gezahlt werden (im Falle des Kaufs von Lotus durch IBM), diese aber sofort abgeschrieben werden müssen, dann scheint die Zukunft nicht richtig erfaßt. Man beginnt mit Versuchen, Ideen ähnlich zu bewerten wie Kapital. Abgezinste künftige Netto-Cash Flows sind ein Weg, den Rappaport 1986 vorgeschlagen hat; in den 90iger Jahren tritt die Idee der Realoptionen hinzu. Sie erfaßt den vernetzten Charakter von Wissensinvestitionen und eingeschränkt ihre Pfadabhängigkeit: jede Investition generiert nicht nur einen möglichen künftigen Einkommensstrom, sondern auch ein Potential für weiteres künftiges Wachstum durch Folgeinnovationen und kritische Mengeneffekte von Lernprozessen. Damit entstehen Optionen, die je nach den dann vorliegenden Informationen ausgenutzt, fallengelassen oder verändert werden können.

Noch basieren solche Modelle auf einer Reihe einschränkender Vorannahmen, müssen mangels Information mit Schätzungen auskommen und liefern nicht generell verlässliche Werte, sondern vorläufig hauptsächlich Denkheuristiken.

Sie zeigen aber deutlich, wo die Entwicklung hinläuft:

Einerseits in die Schaffung eines ausgefeilten Instrumentariums, um Zukunftspotentiale handelbar zu machen, nach dem Muster der Finanzmärkte.

Andererseits in die zunehmende Auflösung bisher hierarchisch koordinierter, fest verbundener wirtschaftlicher Aktivitäten und ihre Ergänzung bzw. Ersetzung durch Markt. Das zu bewältigen, erfordert viel Wissen – über Wissen. Womit wir zum Ausgangspunkt zurückgekehrt wären, immer noch verwirrt, aber hoffentlich auf höherem Niveau.



„Those who are not confused today

have not understood the problem.“

J. Welsh

6.7 Literatur 1. „Klassiker“ zum Thema Wissensmanagement (in der Reihenfolge des Erscheinens)

Schneider U, (1996): Wissensmanagement „Die Aktualisierung des intellektuellen Kapitals“; Frankfurt/Main.

Schmitz, Ch./Zucker, B. (1996): Wissen gewinnt. Knowledge (Flow) Management. Metropolitan Verlag, Düsseldorf und München.

Sveiby, K.E. (1997): The New Organizational Wealth: Managing & Measuring Knowledge-Based Assets, Berrett-Koehler Publ. Inc., San Francisco.

Stewart, Thomas (1997): Intellectual capital. The new wealth of organizations; Doubleday, New York u. a.

Edvinsson, L./Malone, M. (1997): Intellectual capital. Realizing your company’s true value by finding is hidden brainpower; Harper, New York.

Probst et.al (1997): Wissensmanagement. Wie Unternehmen ihre wertvollste Ressource optimal nutzen. 1. Auflage, Wiesbaden.

Davenport, T./Prusak, L. (1998): Working Knowledge. How Organizations Manage What They Know; Harvard Business School Press, Boston, Mass.

Willke, H. (1998): Systemisches Wissensmanagement, UTB, Stuttgart.

Amidon, D. (1999): Das stille Erwachen. Frankfurter Allgemeine Buch, Frankfurt am Main.

2. Im Text zusätzlich zitierte Quellen

Häntschel I./Erhard W. (1999): Ein Vorgehensmodell zur strategiegeleiteten Einführung von Managementunterstützungsthemen. Arbeitspapier No 99.05 des Instituts für Wirtschaftsinformatik, Linz.

Heinrich L.J./Roithmayr F. (1998): Wirtschaftsinformatik-Lexikon, 6. Auflage, Oldenbourg Verlag, München und Wien.

Quinn J.B.: Leveraging intellect, in: Academy of Management Executive, 1996, Vol. 10, No 3, pp 7-27.

Pulic, A. (1996): Der Informationskoeffizient als Wertschöpfungsmaß wissensintensiver Unternehmungen , pp 147-179, in Schneider, U. (1996): Wissensmanagement „Die Aktualisierung des intellektuellen Kapitals, Frankfurt/Main.

Rooney D./Schneider K.: Rethinking the Tacit Dimension (submitted to AoM Review)

Schneider, U (1990): Kulturbewußtes Informationsmanagement, Oldenbourg Verlag, München und Wien.

Wenger, E. (1998): Communities of Practice: Learning, Meaning and Identity. New York. Cambridge University Press.

wissensmanagement in der praxis - ein reader, prof. lutz leuendorf

Education