1 Einführung und Zielsetzung
1.1 Bedeutung von Knowledge Management
1.1.1 Wissen als Ressource begreifen
1.1.2 Notwendigkeit des Knowledge Management
1.2 Erwartungen und Ziele
1.3 Überblick
2 Die Theorie des Knowledge Management
2.1 Begriffe der Informationstheorie
2.2 Wissen – Information im Kontext
2.2.1 Implizites Wissen
2.2.2 Explizites Wissen
2.2.3 Echtes Wissen
2.3 Informationsmanagement vs. Knowledge Management
2.4 Ansätze des Knowledge Management
2.4.1 Der Humanorientierte Ansatz
2.4.2 Der Technologieorientierte Ansatz
2.4.3 Umfassender Knowledge Management-Ansatz
2.5 Ziele des Knowledge Management (Nonaka/Takeuchi)
2.5.1 Sozialisation
2.5.2 Externalisierung
2.5.3 Kombination
2.5.4 Internalisierung
2.5.5 Finales Überführen in Kollektivwissen
2.6 Bausteine des Knowledge Management (Probst,Raub,Romhardt)
2.6.1 Wissensziele
2.6.2 Wissensidentifikation
2.6.3 Wissenserwerb
2.6.4 Wissensentwicklung
2.6.5 Wissensverteilung
2.6.5.1 Zentrale Wissensverteilung
2.6.5.2 Dezentrale Wissensverteilung
2.6.6 Wissensnutzung
2.6.7 Wissensbewahrung
2.6.8 Wissensbewertung
2.6.9 Kritik des Modells
2.7 Knowledge Management als Lehre
2.7.1 Japanischer Ansatz (Nonaki und Takeuchi)
2.7.2 Schweizerischer Ansatz (Probst,Raub,Romhardt)
3 Die Technik des Knowledge Management
3.1 Die Praxis des Knowledge Management
3.1.1 Die Knowledge-Map als Wissensidentifikator
3.1.2 Der Knowledge-Broker als Wissensmittler
3.2 Methoden des Knowledge Management
3.2.1 Strategien des Wissenstransfers
3.2.1.1 Kodifizierung
3.2.1.2 Personifizierung
3.2.1.3 Die Umsetzung der „richtigen“ Strategie
3.2.2 Spezielle Methoden aus den verschiedenen IT-Bereichen
3.2.2.1 Computer Supported Cooperative Work (CSCW)
3.2.2.2 „Intelligente“ Informationssysteme
3.2.2.3 Agenten
3.2.2.4 Data Warehouses
3.2.2.5 Data Mining
3.2.2.6 Information Retrieval (IR)
3.2.2.7 Dokumenten Management Systeme (DMS)
3.2.3 Knowledge-Engineering
3.2.4 Anwendung von Knowledge Management: Expertensysteme
3.3 Werkzeuge für das Knowledge Management
3.3.1 Generierung von Wissen
3.3.2 Kodifizierung von Wissen
3.3.2.1 Knowledge-Bases
3.3.2.2 Knowledge-Maps
3.3.2.3 Thesauri und Wörterbücher
3.3.3 Transfer von Wissen
3.3.3.1 Zeitliche Entfernung
3.3.3.2 Physikalische Entfernung
3.3.3.3 Soziale Entfernung
3.3.4 Beurteilung existierender Werkzeuge
3.4 Die Organisation des Knowledge Management
3.4.1 Wissensorientierte Prozesse
3.4.2 Die Prozesse des Knowledge Management im Detail
3.4.3 Vorgehensweisen für das Knowledge Management
3.4.4 Knowledge Management-Kultur: Organizational Learning
3.4.4.1 Erfahrungsorientierter Ansatz
3.4.4.2 Interpretationsorientierter Ansatz
3.4.4.3 Wissensorientierter Ansatz
3.4.4.4 Informationsorientierter Ansatz
3.4.4.5 Vergleich der OL-Ansätze
3.4.5 Moderne Organisationsformen
3.4.5.1 Die Hypertextorganisation
3.4.5.2 Das invertierte Unternehmen
4 Die Praxis des Knowledge Management
4.1 Voraussetzungen für die Wissensschaffung
4.2 Notwendige Eingriffe in die Unternehmenskultur
4.3 IT-basiertes Knowledge Management
4.3.1 Entwicklung von Managementkonzepten
4.3.2 Organizational Memory Information System (OMIS)
4.3.2.1 Organizational Memory (OM)
4.3.2.2 Organizational Learning (OL)
4.3.2.3 Organizational Knowledge (OK)
4.3.2.4 Anforderungen
4.3.2.5 Funktionen und Aufgaben
4.3.3 Intranetdienste
4.3.3.1 Dokumentenmanagement (Shared Folder)
4.3.3.2 Kommunikationsserver
5 Pragmatische Umsetzung
5.1 Darstellung der Connector GmbH
5.2 Beschreibung des Projekts
5.2.1 Intention des Projekts
5.2.2 Systemumgebung
5.3 Projektvorgehen
5.4 Spezielle Anforderungen an ein IT-basiertes KMS
5.5 Standardsoftware für Knowledge Management
5.5.1 Marktübersicht
5.5.1.1 Arago’s DocMe
5.5.1.2 Autonomy’s ActiveKnowledge™ und Knowledge Server™
5.5.1.3 Cipher Systems – Knowledge.Works
5.5.1.4 Excalibur RetrievalWare®
5.5.1.5 Fulcrum Knowledge Network
5.5.1.6 GrapeVINE
5.5.1.7 Opentext Livelink
5.5.1.8 POET Content Management Suite
5.5.1.9 Verity
5.5.2 Produktauswahl
5.6 Konzeption
5.7 Implementierung und Einführung
5.7.1 Anforderungen und Installation
5.7.2 Benutzerdokumentation
5.7.2.1 Anmeldung
5.7.2.2 Suche
5.7.2.3 Sichten und Agenten
5.7.3 Beurteilung der verwendeten Software
6 Fazit und Ausblick
Anhänge
Literaturverzeichnis
CD-ROM
Urheberrecht
Erklärung
Abstract
Nach einer ausführlichen Einführung in die Thematik des Knowledge Management werden theoretische Aspekte, wie Ziele und Bausteine des Knowledge Management, und im besonderem solche der Wissenstransformation dargestellt. Anhand eines „Baukastensystems“ soll Managern ein praktischer Anhaltspunkt für das Planen und Steuern sogenannter „Soft Assets“[1] im Unternehmen gegeben werden. Es werden Instrumente für die Identifikation von Wissen vorgestellt, nämlich die Knowledge-Map und der Knowledge-Broker. Diese Instrumente ermöglichen einen optimalen Wissensschaffungsprozeß. Es wird dargestellt, wie Instrumente, Methoden, Prozesse, Vorgehensweisen und Werkzeugen zur Gesamtheit von Knowledge Management beitragen und wie die Unternehmenskultur Eingriffe und Einschnitte durch Knowledge Management erfährt. Im besonderen werden zwei Ausprägungen für optimale Aufbau- und Ablauforganisationsstrukturen vorgestellt. Als das modernste Managementkonzept überhaupt wird der Einsatz von „Organizational Memory Information Systems“ im Intranet vorgestellt. Dies wird anhand einer pragmatischen, beispielhaften Umsetzung beschrieben, in der vorhandene Datenquellen („Wissensarchive“) integriert werden. Dabei werden aktuelle Softwarewerkzeuge unter Beachtung ganzheitlicher Ansätze des Knowledge Management auf ihre Tauglichkeit für Knowledge Management in einem Beratungsunternehmen hin untersucht. Diese Untersuchung gibt einen Blick auf den aktuellen Stand der Technik und versucht einen kleinen Blick in die Zukunft zu werfen.
Abbildungsverzeichnis
Abbildung 1 Wirtschaftlichkeit der Produktionsfaktoren
Abbildung 2 Bedeutung von Wissen und kritischem Wissen
Abbildung 3 Illustration von Daten, Information und Wissen
Abbildung 4 Sinnvolle IT-Unterstützung des Knowledge Management
Abbildung 5 Die drei Säulen des Knowledge Management
Abbildung 6 Bausteine des Knowledge Management nach Probst, Raub und Romhardt
Abbildung 7 Prozesse der Wissensbewahrung
Abbildung 8 „Halbwertszeit“ von Wissen
Abbildung 9 Prozesse bei der Erstellung einer Knowledge-Map
Abbildung 10 Die Interaktion bei der Kodifizierung
Abbildung 11 Kodifzierung: „people to documents“
Abbildung 12 Die Interaktion bei der Personifizierung
Abbildung 13 Informationsmanagement als ein Teil des Knowledge Management
Abbildung 14 „Knowledge Technologies“ der Zukunft
Abbildung 15 Hauptaktivitäten des Information Retrieval
Abbildung 16 Typischer DMS-Ablauf
Abbildung 17 Informationstechniken für das Knowledge Engineering
Abbildung 18 Kernprozesse des Knowledge Mangement
Abbildung 19 Grundaktivitäten wissensorientierter Prozesse
Abbildung 20 Ablaufmodell des Knowledge Management
Abbildung 21 Prozeß „Wissensidentifikation“
Abbildung 22 Prozeß „Wissenserwerb“
Abbildung 23 Prozeß „Wissenstransfer“
Abbildung 24 Prozeß „Wissensnutzung“
Abbildung 25 Prozesse „Wissensbewahrung und -bewertung“
Abbildung 26 Wissensingenieur als Vermittler
Abbildung 27 Wissensingenieur als „Gerüstbauer”
Abbildung 28 Double-loop-Learning
Abbildung 29 Hierarchische Unternehmensstruktur
Abbildung 30 Vernetzte Unternehmensstruktur
Abbildung 31 Entwicklung von Managementkonzepten
Abbildung 32 Das „Meta-Werkzeug“ OMIS als Grundlage für Knowledge Engineering
Abbildung 33 Die Rolle der IT für das Knowledge Management
Abbildung 34 Typen des Organizational Memory
Abbildung 35 Verweise auf Objekte, Beteiligte und Aufgaben (Metadaten)
Abbildung 36 Basisfunktionen eines OMIS
Abbildung 37 Erweiterung der OMIS-Basisfunktionalität um einen Kommunikationsserver
Abbildung 38 IT und OMIS als Zubringer für Knowledge Engineering
Abbildung 39 Beratungsfelder von Connector
Abbildung 40 Systemumgebung des ConnNets
Abbildung 41 Publishing-Prozeß und Informationsverteilung bei DocMe
Abbildung 42 Architektur von ActiveKnowledge™
Abbildung 43 Architekur des Knowledge Servers™
Abbildung 44 Autonomy’s Knowledge Visualizer™
Abbildung 45 Architektur von RetrievalWare®
Abbildung 46 Architektur von RetrievalWare® FileRoom
Abbildung 47 Knolwedge Management Center und Knolwedge Production Center
Abbildung 48 Vierschichtige Architektur des „Fulcrum Knowledge Network“
Abbildung 49 Fulcrum Knowledge Activators
Abbildung 50 Offene APIs des Fulcrum SearchServer™
Abbildung 51 Modulare, Dreistufige Architketur von Livelink
Abbildung 52 Architketur des POET CMS
Abbildung 53 Integrierte Produkte von Verity
Abbildung 54 Knowledge-Map der Connector
Abbildung 55 WebFIND im IIS-Manager
Abbildung 56 SQL-Tabellen der Datenbanken für Knowledge-Server und Webcrawler
Abbildung 57 ODBC-Datenquellen-Administrator
Abbildung 58 MS SQL Server DSN Konfiguration: Fulcrum WebCrawler
Abbildung 59 MS SQL Server DSN Konfiguration: Fulcrum Agents
Abbildung 60 Fulcrum SearchServer Setup
Abbildung 61 Anmeldung an WebFind™
Abbildung 62 Symbole in der Ordneransicht
Abbildung 63 Beispiel: Markierte Ordner
Abbildung 64 Beispiel: Gruppierte Ergebnisliste (RLC)
Abbildung 65 Beispiel: Objekte eines Clusters
Tabellenverzeichnis
Tabelle 1 Die vier Formen der Wissensumwandlung nach Nonaka und Takeuchi
Tabelle 2 Handlungsempfehlungen für das Aufstellen von Wissenszielen
Tabelle 3 Bewertungsmethoden für Wissensziele
Tabelle 4 Tauglichkeit der Informationstechniken für Knowledge Management
Tabelle 5 Werkzeuge für das Knowledge Management
Tabelle 6 OL-Ansätze im Vergleich
Tabelle 7 Technologien für das Knowledge Management
Abkürzungen
Abbildung in dieser Leseprobe nicht enthalten
„Minds are like parachutes. They only function when they are open."
Sir James Dewar
Viele sind der Ansicht, daß die traditionellen, betriebswirtschaftlichen Produktionsfaktoren (Betriebsmittel, Arbeit und Werkstoffe[2] ) prinzipiell jedem Unternehmen in ausreichender Menge zur Verfügung stehen. Diesen drei betriebswirtschaftlichen Produktionsfaktoren gesellt sich seit relativ kurzer Zeit ein neuer, vierter Produktionsfaktor hinzu: „Information“. Der Kombinationsprozeß all dieser vier Produktionsfaktoren erfordert aber wiederum den Einsatz eines weiteren Faktors, nämlich Wissen („Verständnis“, „Erfahrung“). Um aus den vorliegenden, flachen Informationen Wissen zu genieren, müssen die über das gesamte betriebswirtschaftliche Geschehen vorliegenden Informationen zweckorientiert vernetzt werden[3]. Es wird also ein Wertschöpfungsprozeß in Gang gesetzt, in dem Information ein Wert zugewiesen wird und aus dem Wissen als fünfter Produktionsfaktor entsteht. Diese Arbeit soll betrachten, wie man nun dieses organisatorische Wissen effektiv und effizient managen und damit maßgeblich über Erfolg und Mißerfolg eines modernen Unternehmens entscheiden kann. Denn ein gutes Management von organisatorischem Wissen kann einen entscheidenden Wettbewerbsfaktor darstellen und erheblich zur Wettbewerbsfähigkeit, Produktivität und Innovationskraft beisteuern. Es geht hierbei hauptsächlich darum, vorhandenes, aber ungenutztes und wirtschaftlich relevantes Wissens zu finden, zu verteilen, zu nutzen und innerhalb eines Unternehmens mittels Informationstechniken (IT) verfügbar zu machen. Dabei soll Knowledge Management (KM) im allgemeinen und im speziellen (d.h. durch IT-Unterstützung) dargestellt werden.
„Nicht Arbeit, nicht Kapital, nicht Land und Rohstoffe sind die Produktionsfaktoren, die heute in unserer Gesellschaft zählen, sondern das Wissen der Mitarbeiter in den Unternehmen.“
Peter F. Drucker, 1993
Es ist der Trend zu beobachten, daß nicht mehr alleine Betriebsmittel, Arbeit und Werkstoffe den Erfolg eines Unternehmens bestimmen, sondern Innovationen. Innovationen können aber nur erfolgen, wenn durch Wissen etwas Neues entsteht. Daher hat sich der neue Produktionsfaktor „Wissen“ in den späten 90ern als der entscheidende Produktionsfaktor herauskristallisiert. Er kann die Wettbewerbsfähigkeit eines Unternehmens festlegen, denn der geschickte Einsatz und Management von Wissen kann die Überlebenschance eines Unternehmens bestimmen. Neue Mitarbeiter werden nicht mehr nur nach den Kriterien „Fähigkeiten“ und „Faktenwissen“ eingestellt, sondern auch immer mehr danach, wie gut sie sich auf neue Situationen ein- bzw. umstellen können. Nicht mehr pures Wissen, sondern die Fähigkeit sich neues Wissen anzueignen, sind heute gefragt. Denn unsere heutige Welt ist eine schnellebige Welt, die durch technologischen Wandel und immer kürzer werdende Produktzyklen geprägt ist. Daher müssen auch die Reaktionszeiten und Innovationszyklen immer kürzer werden. Durch den stetig wachsenden Druck nach Innovationen wird Wissen somit von einem immateriellen Produktionsfaktor zu einer Ressource und gar zu einem Produkt hervorgehoben, welches es angemessen zu managen gilt. Dabei kommt, aufgrund der stetig steigenden Komplexität der heutigen Arbeitswelt, besonders den wissensintensiven Geschäftsprozessen[4], vor allem im Bereich von Dienstleistung, Banken und Beratung (Consulting), eine immer größere Bedeutung zu. Der Wandel zur „Wissensgesellschaft“ fordert dabei eine höhere organisatorische Lernfähigkeit[5], welches neue Maßstäbe bezüglich Planung, Steuerung, Organisation und Kontrolle der Ressource und des Produkts „Wissen“ setzt. Die Soft Assets, die in den Köpfen der Arbeiter stecken (sog. „Brainware“), also das Wissen über Technologien, Produkte, Prozesse, Strukturen, Kunden und Wettbewerber, müssen daher in einer geeigneten Form in einer unternehmensweiten „Wissensbasis“ zur Verfügung gestellt werden. Vor allem sog. Internetfirmen oder auch „virtuelle Firmen“ sind immer weniger auf die betriebswirtschaftlichen Produktionsfaktoren und immer mehr auf den neuen Produktionsfaktor Wissen angewiesen, da sich die Unternehmensprozesse größtenteils in Rechnersystemen abspielen. Deren Kapital verkörpert das Wissen der Mitarbeiter und weniger Arbeit und fast gar nicht mehr Boden. Dabei sind die grundlegenden Methoden des Knowledge Management alles andere als neu; schon seit über 3000 Jahren gibt es anerkannte Prinzipien wie Lehre, Forschung, Publikation, Dokumentation und diesen übergreifenden Diskurs. Aber durch die (globale) Vernetzung, speziell durch das Internet und die dort gebotene Informationsvielfalt , zeigen sich neue Aspekte und eröffnen sich neue, bisher ungeahnte Chancen. Die Interaktion mit Dokumenten, z.B. durch Abfragen einer Datenbank oder eines Expertensystems, kann weit mehr Information und Wissen geben, als es einfache „lineare“ Dateien können. Eine Mischung aus Inhalt und Verweise („Hypertext“) auf andere Dokumente bzw. Inhalte ist heute schon im WWW gebräuchlich, um viele Einzelinformationen zu „Wissen“ zusammenzuführen. Das W3C (World Wide Web Consortium) definiert das WWW folgendermaßen: „The World Wide Web is the universe of network-accessible information, an embodiment of human knowledge.“ (Das World Wide Web ist das Universum/die Gesamtheit der netzzugänglichen Informationen, eine Verkörperung des menschlichen Wissens.)
Hoch bezahlte Fachkräfte verbringen viel zuviel Zeit mit der Suche nach notwendigen Informationen. Essentielles Know-how ist meist nur in den Köpfen einiger weniger Mitarbeiter vorhanden und die wenigen wertvollen Informationen sind in einem riesigen Haufen von Dokumenten und wertloser Daten „begraben“. Dadurch werden (teure) Fehler immer wieder begangen, da nicht auf die Erfahrung vergangener Projekte zurückgegriffen werden kann. Richtig verstanden und sinnvoll angewendet kann ein wirkungsvolles Knowledge Management die Schlagkraft eines Unternehmens und seine Flexibilität in der Reaktion auf den Wettbewerb entscheidend steigern. Knowledge Management wird in vielen Industrien damit zum bestimmenden Wettbewerbsfaktor schlechthin heranwachsen. Ein entscheidender Wettbewerbsfaktor ist und bleibt sicherlich die Imitationsgeschwindigkeit erfolgreicher Konzepte, die durch den Einsatz von Wissen am schnellsten vorangetrieben werden kann und im weitesten Sinne die Effizienz beschreibt. Dies bedeutet, daß eine zielgerichtete Nutzung von Wissen die Wirtschaftlichkeit erhöht, da den stetig steigenden Kosten der drei betriebswirtschaftlichen Produktionsfaktoren die stetig fallenden Kosten der Produktionsfaktoren „Information“ und „Wissen“ gegenüberstehen:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1 Wirtschaftlichkeit der Produktionsfaktoren[6]
Der wohldefinierte, zielgerichtete Einsatz von Wissen trägt also ab einem bestimmten „Break-Even-Point“[7] dazu bei, einen Teil der Kosten zu reduzieren und den Gewinn eines Unternehmens zu maximieren. Grund dafür ist, daß Wissen wiederverwertbar ist und daher mit zunehmender Nutzung keine weiteren Kosten anfallen. D.h., mit einer einmaligen Investition in den Aufbau von Wissen entstehen im weiteren Verlauf der Nutzung keine weiteren Kosten für die Nutzung der Ressource Wissen. Im Gegensatz dazu entstehen auf Dauer bei den Ressourcen „Arbeit“, „Material“ und „Betriebsmittel“ immer wieder Kosten: Monatslöhne, Neuanschaffung aufgebrauchter Materialien (Rohstoffe) sowie Abnutzung und Wartung der Maschinen und Werkzeuge (Betriebsmittel). Daher kann ein Unternehmen durch ein effizientes Knowledge Management wirtschaftlicher arbeiten und die gewonnene Zeit für z.B. den Wissensaufbau und die Wissensteilung nutzen – oder auch einfach nur in kürzerer Zeit gleichviel oder gar mehr produzieren oder einfach die Qualität der Produkte (seien es Dienstleistungen oder Waren) erhöhen. Knowledge Management bringt also durch die Zielsetzung, mit vorhandenem und verfügbarem Wissen rational umzugehen, einen zentralen Wettbewerbsvorteil. Da diese Wissensbestände in den allermeisten Unternehmen in den Köpfen der Mitarbeiter schon vorhanden sind und sie „nur“ noch erkannt, ausgeschöpft und den anderen Mitarbeitern des Unternehmens verfügbar gemacht werden müssen, kann also ein Vorsprung gegenüber Konkurrenten durch die Nutzung wirtschaftlich relevanter Wissensbestände erreicht werden.
Diese Arbeit stellt zunächst einmal Grundlagen und Begriffe des Knowledge Management dar. Im weiteren werden Instrumente, Methoden, Prozesse und Werkzeuge für das Knowledge Managen vorgestellt und diese auf ihre Tauglichkeit im Rahmen eines IT-basierten Knowledge Management hin untersucht. Im Rahmen eines ganzheitlichen Ansatzes muß neben der IT auch die konzeptionelle Entwicklung von Szenarien zum Aufbau von Methoden des Wissenserwerbs, der Wissensaufbereitung, der Wissensspeicherung, der Wissensübermittlung und der Wissensentwicklung in das Knowledge Management integriert werden. Ein zielgerichtetes Human Resource[8] Management (HRM) kann dabei zur Gestaltung einer offenen und lernenden Unternehmenskultur beitragen und von der Unternehmensspitze Signale geben, Vertrauen zwischen allen Mitgliedern eines Unternehmens zu schaffen.
Laut Umfragen betreiben erst rund ein Viertel der Unternehmen Knowledge Management, jedoch sind sich weitaus mehr des Themas bewußt und planen daher zumindest schon die Umsetzung und Einführung von Technologien, die der Erschließung der Ressource „Wissen“ dienen sollen.[9] Unternehmen müssen daher die Bedeutung des unternehmerischen Wissens jetzt erkennen und nutzen. Abbildung 2 zeigt, warum unternehmerisches Wissen und wofür es wichtig ist. Es gilt, das Bewußtsein von „4+1 Produktionsfaktoren“ (die drei betriebswirtschaftlichen plus Information plus Wissen) zu fördern, die zur Stärkung der Wettbewerbsfähigkeit, Produktivität und Innovationskraft beitragen.
Um die Lücke zwischen Theorie und Praxis zu überwinden, wird im praktischen Teil dieser Arbeit gezeigt, wie vorhandene, heterogene Wissensquellen zu einer homogenen, integrierten Wissensbasis zusammengeführt werden können. Dazu werden einige Softwareprodukte vorgestellt, die dies zu leisten versprechen, bzw. andere sehr interessante Ansätze verfolgen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2 Bedeutung von Wissen und kritischem Wissen[10]
Das Kapitel 2 gibt eine Einführung in die Thematik und beschreibt Knowledge Management unter wissenschaftlichen Aspekten, indem der Begriff des Wissens, Ansätze, Ziele und Lehren des Knowledge Management vorgestellt werden. Es wird gezeigt, wie diese theoretische Darstellung der Wissensschaffung und der Wissenstransformation mit Hilfe eines Baukastensystems als eine Planungs- und Steuerungshilfe für Manager umgesetzt werden kann. Ein besonderes Augenmerk liegt in diesem Kapitel auf der Differenzierung von Knowledge Management und Informationsmanagement.
Dazu ergänzend werden im Kapitel 3 die Knowledge-Map und der Knowledge-Broker als ausgewählte Instrumente vorgestellt, die in Zukunft eine große Rolle bei der Wissensschaffung spielen könnten. Weitere Techniken, Methoden (Strategien), Prozesse, Vorgehensweisen und Werkzeuge werden vorgestellt, und es wird kurz untersucht, wie die verschiedenen IT-Bereiche für Knowledge Management förderlich sein können.
In Kapitel 4 werden die praktischen Grundlagen für Knowledge Management beschrieben. Notwendige Eingriffe in die Unternehmenskultur mit zwei Beispielen für Aufbauorganisationsmodelle sowie technische Grundlagen für IT-basiertes Knowledge Management werden dargestellt. Im Mittelpunkt steht hierbei das modernste Managementkonzept „Organizational Memory Information Systems“ in einem Intranet.
Das Thema „Knowledge Management“ wird in Wissenschaft und Praxis sicher auch weiterhin dazu führen, ganzheitliche Konzepte einer systematischen Erschließung und Entwicklung organisatorischer und externer Wissenspotentiale unter Einbindung unterstützender Technologien zu entwickeln. Daher beschreibt diese Arbeit im Kapitel 5 einen Vorschlag für die Überwindung der Lücke zwischen wissenschaftlicher Knowledge Management-Theorie und der pragmatischen Umsetzung mit Hilfe von Informationstechniken. Das ganzheitliche Knowledge Management-Modell wird mit dem Schwerpunkt auf technischer Unterstützung durch IT untersucht. Es werden verschiedene Softwareprodukte auf ihre Tauglichkeit als Werkzeuge für das Knowledge Management hin geprüft und mit den speziellen Anforderungen eines Beratungsunternehmens (speziell der Connector GmbH, bei der diese Diplomarbeit entstanden ist) abgeglichen.
Das Ergebnis dieser Arbeit beschreibt letztendlich im Kapitel 6 den entstandenen Nutzen und die Tauglichkeit bzw. Qualität der getesteten Software zur Unterstützung von Knowledge Management für die Connector GmbH. Dabei soll ein Blick auf den aktuellen Stand der Technik auf dem Gebiet des Knowledge Management gegeben werden. Abschließend wird versucht, einen Ausblick auf die Zukunft zu geben.
„Gebildet ist, wer weiß, wo er findet, was er nicht weiß.“
Soziologe und Philosoph Georg Simmel
Wissen und Information hängen eng miteinander zusammen. Daher sollen zunächst einmal einige wichtige Begriffe der Informationstheorie und dann der Begriff „Wissen“ dargestellt und dessen Ausprägungen näher untersucht werden.
Information wird nach Shannon in Bit gemessen und ist völlig unabhängig davon, ob mit dieser Information überhaupt eine semantische oder pragmatische Information übertragen wird. Die Shannon-Information basiert also auf einem rein quantitiven Informationsmaß. Semantische Information bedeutet, daß die Shannon-Information eine interpretierbare Bedeutung hat, wie z.B. ein Text aus Worten einer Sprache, die wir verstehen können. Die Menge der semantischen Information sagt aber nichts über die Bedeutung oder das Gewicht (pragmatische Information) aus. Pragmatische Informationen können aber beim Einzelnen Emotionen auslösen oder sehr große Bedeutungen haben, so daß der Gehalt an Pragmatischer Information in diesen Fällen hoch ist. Der Gehalt einer pragmatischen Information ist subjektspezifisch und abhängig vom Glaubensraum des Subjekts und der Glaubwürdigkeit des Senders.
Weiter definiert Shannon die Entropie (H) oder den Mittelwert des Informationsgehaltes einer Nachricht. Dies ist eine Größe, die einen gewissen Sinn mißt, wieviel Information erzeugt wird. Die Entropie berechnet sich als Summe der Multiplikatoren der Informationsgehalte mit der Wahrscheinlichkeit ihres Auftretens (in Bit pro Zeichen):
Abbildung in dieser Leseprobe nicht enthalten
Ein weiteres wichtiges Maß in der Informationstheorie ist der Anteil einer Nachricht, der keine Information enthält: Redundanz. Redundanz ist somit Grundlage für die Datenkompression. Redundante Teile einer Nachricht könnte man also weglassen, ohne daß Information verloren gehen würde. In der deutschen Schriftsprache könnte man so theoretisch jedes zweite Zeichen weglassen, und der Text wäre immer noch lesbar.
Information in der Informatik
- wird dargestellt (durch Zeichen, Nachrichten, Sprache,...)
- wird verarbeitet (Eingabe, Ausgabe, Übermittlung, Speicherung,...)
- hat verschiedene Eigenschaften; so ist Information unabhängig vom Ort, beliebig oft kopierbar und kennt keine Originale. Information altert nicht und ist fast beliebig kombinierbar.
Für die Definition des Begriffs „Wissen“ gibt es viele Sichten verschiedener Disziplinen der Semiotik[11], BWL[12], Philosophie[13], Psychologie[14] und der „Künstlichen Intelligenz“[15]. In der Literatur gibt es dabei mehrere Ansätze, von denen im folgenden drei (informatische) vorgestellt werden, die sich weitgehend ähneln und die zusammengenommen den Begriff „Wissen“ so definieren, wie es im weiteren Verlauf verstanden wird:
1. Nach Probst, Raub und Romhardt[16] gibt es eine Hierarchie der Begriffe Zeichen, Daten, Information und Wissen, die durch einen wohldefinierten Übergang in den nächst höheren Zustand übergehen. Ganz unten stehen dabei Zeichen (Ziffern, Buchstaben), die einem bestimmten Zeichenvorrat entnommen werden und durch eine definierte Syntax[17] zu Daten (Zahlen, Wörtern) konvertieren. In Kontext[18] gesetzte Daten werden zu Informationen (Sätze) und diese können wiederum zu Wissen (z.B. Handbuch) werden, wenn man sie in geeigneter Form miteinander/untereinander vernetzt. Informationen müssen klassifiziert[19] oder interpretiert werden, damit sie zu Wissen werden. Wissen ist somit das Ergebnis einer Verarbeitung von Informationen durch das Bewußtsein.
2. Nach Gene Bellinger[20] stehen hinter Information und Wissen die folgenden Assoziationen:
Information: Was, wer, wann und wo ?
Wissen: Wie und warum ?
3. Knowledge Ability definiert Daten als 0-dimensional (Fakten), Information als 1-dimensional (relevante Daten) und Wissen als 2-dimensional (menschliche Fähigkeit zu handeln oder zu planen). Wissen ist also ein Netz aus Informationen, eine menschliche Fähigkeit. Wissen ist aber keine Datei, kein Dokument oder sonst etwas „Greifbares“:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3 Illustration von Daten, Information und Wissen
Wissen wird also grundsätzlich als Individualwissen verstanden, das auf Gruppenebene durch Dialog, Diskussion, Erfahrungsaustausch und Beobachtung verstärkt und herauskristallisiert werden kann[21]. Wissen ist nach Seifert (1996) „der intelligente Umgang mit den zur Verfügung stehenden, abzählbar unendlich vielen[22] Informationen, ist Information, die produktiv eingesetzt wird“.
In all diesen Begriffshierarchien gibt es dabei einen stetigen Qualitätswandel[23]. Probst spricht hier von einem Kontinuum[24] von Daten über Information zu Wissen. Daten sind dabei unstrukturiert, isoliert, kontext-unabhängig und einfache Zeichen, die eine geringe Verhaltenssteuerung haben. Wissen ist strukturiert, im Bewußtsein verankert, kontext-abhängig und zeichnet sich durch kognitive[25] Muster aus, die eine hohe Verhaltenssteuerung besitzen. Daten und Information bilden dabei nur den „Rohstoff“ für Wissen. Wegen dieser Kontinuität kann daher keine klare, 100%ige Abgrenzung zwischen Information und Wissen gemacht werden. Zur Unterscheidung von Information und Wissen werden hiermit die folgenden Grundsätze definiert:
- Information ist vom Individuum unabhängig, speicherbar, eindimensional und besteht aus in Kontext gesetzten, sog. relevanten Daten.
- Wissen entsteht durch Konzeptualisierung[26] aus Informationen, durch Identifikation eines Ursache-Wirkungs-Zusammenhangs und durch Interaktion über einen längeren Zeitraum (Erfahrung): „Wissen ist im Gegensatz zu Information, die in elektronischer Form vom Individuum unabhängig verarbeitet und gespeichert werden kann, ein komplexes Gefüge, das mit subjektiven Erfahrungen, Zusammenhängen und unausgesprochenem Wissen des Individuums verknüpft wird und daher oftmals nur schwer als klar strukturiertes Faktenwissen schriftlich wiederzugeben ist.“[27] Durch diese Vernetzung, d.h. Verarbeitung von Informationen, ist Wissen somit mehrdimensional und wesentlich komplexer als Information. Wissen ist stark an das Individuum gebunden und immer ziel- oder zweckgebunden. Vor allem entsteht Wissen als ein Ergebnis der Verarbeitung von Informationen durch das Bewußtsein. Der Prozeß der Wissenserzeugung stellt dabei sozusagen einen „Veredlungsschritt“ dar. Wissen findet man nicht einfach, es muß erst einmal erzeugt („erlernt“) werden.
Generell unterscheidet man die folgenden Arten von Wissen:
Diese Art von Wissen wird auch als stillschweigendes oder personifiziertes Wissen (engl. „tacit“) genannt, da es das Wissen beschreibt, das im Individuum verborgen ist und nicht bewußt angeeignet werden kann. Es ist schwer zu identifizieren, zu formalisieren[28], zu teilen und zu speichern. Man kann nur durch Interaktion an dieses Wissen herankommen, das aus Annahmen, Erfahrungen und Intuition („trial and error“) besteht. Mit diesem Wissen weiß man „warum“ man etwas macht („ know-why “). Man kann bei implizitem Wissen weiter zwischen intellektuellem bzw. theoretischem und praktischem Wissen unterscheiden. Intellektuelles Wissen wird über ein Studium, Schulungen oder Handbücher angeeignet, während praktisches Wissen die gelungene Umsetzung theoretischen Wissens in die Praxis beschreibt.
Explizites Wissen dagegen ist formalisier- und speicherbar (engl. „explicit“ = deutlich) und liegt meist in irgendeiner „greifbaren“ Form (Fakten), wie z.B. Dokumenten oder Dateien, vor. Dies ist das Wissen, mit dem man weiß „was“ man eigentlich macht („ know-what “). Das explizite Wissen ist dabei nur die „Spitze des Eisberges“ des gesamten Wissensbestandes, da es deutlich mehr implizites als explizites Wissen gibt.
Echtes Wissen (engl. „real“) entsteht durch die Interaktion von implizitem und explizitem Wissen. Es ist das Wissen oder auch „ Können “, „wie“ man etwas macht („ know-how “).
„Wir ertrinken in Informationen und hungern nach Wissen.“
John Niasbitt
Knowledge Management ist mehr als nur Informationsmanagement. Leider wird der Begriff des Knowledge Management bisher uneinheitlich definiert und interpretiert. In diesem Kapitel soll daher die Frage geklärt werden, ob es nur ein Mythos ist oder ob es Knowledge Management wirklich gibt. Zunächst einmal kann festgehalten werden, daß es zwischen Information und Wissen keine exakte Grenze gibt[29]. Beide Begriffe gehen meist nahtlos ineinander über und werden (leider) auch oft als Synonyme verwendet, was natürlich häufig zu Verwirrung führt. Um die Begriffe besser erklären zu können, wird hier bei der Erklärung des Datenmanagement angefangen:
Nach Rudy Ruggles III[30] erlauben es Datenmanagement -Werkzeuge, Daten in Form von Fakten und Figuren zu generieren, zu speichern, zu analysieren und auf sie zuzugreifen. Darunter kann man sich sog. Rohmaterial vorstellen. Beispiele sind Data Warehouses, Datensuchmaschinen, Datenmodellierer und Visualisierungswerkzeuge.
Informationsmanagementwerkzeuge ermöglichen die Manipulation und die strukturierte Organisation von Information (relevante Daten). Beispiele sind automatisierte Such- und Retrieval-Agenten („Bots“), ausführende Informationssysteme und Dokumenten Management Technologien[31]. Vereinfacht ausgedrückt bedeutet Informationsmanagement, daß „die richtige Information zur richtigen Zeit in der richtigen Menge in der erforderlichen Qualität am richtigen Ort“[32] zur Verfügung gestellt werden kann. Traditionelles Informationsmanagement kann die Effizienz eines Unternehmens auf logischer Ebene unterstützen. Typische Einsatzgebiete sind Mainframes und Client/Server-Applikationen, die es den Benutzern erlauben, auf Informationen über alle relevanten Daten auf ihrem Desktop zuzugreifen. Informationsmanagement meint das Sammeln, Speichern und die Kontrolle von (expliziten) Informationen.
Knowledge Management hat Informationsmanagement immer als Teilbereich[33], geht aber weiter als dieser und verfolgt nach Rudy Ruggles III andere Ziele: die Erzeugung, Kodifizierung und Übertragung von Wissen zum Aufbau einer Wissensbasis einerseits, die Verarbeitung, Wiedergabe und Verteilung andererseits. „Neben den informationsverarbeitenden Komponenten, die unter anderem den Wissensfluß, also die Verteilung und Speicherung darstellbaren Wissens, sicherstellen, muß Knowledge Management für die Erschließung, Weiterentwicklung und Aktualisierung der im Individuum verborgenen Wissensbestände sorgen.“[34] Knowledge Management ist also die konsequente Weiterführung des Informationsmanagement, indem es vorliegende Informationen zweckorientiert vernetzt und miteinander in Beziehung setzt und neben dem expliziten Wissen auch das implizite Wissen zugänglich macht. Es ist aber nicht allein damit abgetan, neue Technologien einzuführen, um Knowledge Management zu betreiben; erfolgreiches Knowledge Management beruht größtenteils auf der Interaktion der Mitarbeiter eines Unternehmens. Dies und der gesamte komplexe Aspekt der Entwicklung einer interaktiven, lernenden Unternehmenskultur muß dabei beachtet werden. Knowledge Management muß also als eine Technologie aufgefaßt werden, die sowohl Technik als auch Kultur in sich vereint und mit der das Wissen eines Unternehmens gesammelt, koordiniert, weiterentwickelt, verarbeitet und unternehmensweit verfügbar gemacht wird. Vorhandenes Wissen soll erweitert werden und jederzeit abrufbar sein. Knowledge Management soll dabei die Infrastruktur und organisatorische Voraussetzungen schaffen und ist daher nicht als eine rein technische Lösung anzusehen. Es ist ein Konzept, eine Unternehmensphilosophie. Fest steht auf jeden Fall, daß es weit mehr als nur die Speicherung und Zulieferung von Informationen ist - Knowledge Management soll die Basis für eigenständiges Lernen bilden. Die Fähigkeit, Langzeitwissen zu bilden und schließlich instinktiv zu handeln, soll dadurch gefördert werden. Wichtig ist dabei immer die Identifikation relevanter Informationen, auf denen Entscheidungen getroffen werden müssen, und eine Wertzuweisung auf Informationen. Ein Beispiel dafür sei ein automatisches Auftragsbestellsystem[35], das aus einem Fax automatisch die richtigen Zeilen liest, Eingabefehler (z.B. nicht passende Artikelbezeichnung oder Artikelnummer für einen angegebenen Artikel) des Kunden korrigiert, die Kreditwürdigkeit des Kunden überprüft und alle weiteren notwendigen Daten an das Lager sendet. Der Kunde bekommt so in kürzerer Zeit das richtige Produkt mit weniger Aufwand.
Robert Taylor[36] sieht dagegen Knowledge Management ganz einfach als „den Prozeß der Sicherung, daß die Wissensbedürfnisse eines Unternehmens gedeckt sind und daß das existierende Wissen eines Unternehmens entdeckt und genutzt wird.“ Das Wie und Warum beschreibt er aber nicht weiter.
Um das Ausmaß und das teils unterschiedliche Verständnis des Begriffes „Knowledge Management“ zu veranschaulichen, sind auf den nächsten Seiten noch einige wenige kurze Zitate[37] zusammengetragen, wie Knowledge Management von anderen definiert und verstanden wird:
„The art of transforming information and intellectual assets into enduring value for an organizations’s clients and its people.“
Ellen Knapp, C&L
„An emerging set of policies, organizational structures, procedures, applications, and technologies intended to improve the decision making effectiveness of a group or enterprise.“
Gartner Group
„A discipline that promotes an integrated approach to identifying, capturing, retrieving, sharing, and evaluating an enterprise’s information assets.“
Gartner Group
„Codifying the knowledge a company creates and disseminating it to the people who need it – when they need it.“
Forrester Research
„The knowledge that must be captured, codified, analyzed, and disseminated is far broader than just that which is generated within an organization. External knowledge (business information, industry intelligence, publications, public/private databases, academia, symposia) also needs to be integrated and managed.
Knowing where to find reliable, current, and comprehensive external information is an important aspect of the knowledge broker's skills. Having a source of information that has these characteristics and that can provide answers to a variety of questions within an industry can result in great efficiencies...“
http://www.cas.org/STNEWS/MAY98/transforming.html
Diese Zitate spiegeln verschiedene Definition von Knowledge Management wider. Alle zusammengenommen ergeben aber eine ganzheitliche, allumfassende Definition.
Knowledge Management ist, wie im vorigen Kapitel beschrieben, einerseits Kultur und andererseits Technik. In diesem Kapitel sollen nun diese beiden unterschiedlichen Herangehensweisen, speziell deren Ausprägung, der humanorientierte und der technologieorientierte Ansatz, dargestellt und untersucht werden.
Beim humanorientierten Ansatz steht das Individuum als zentraler Wissensträger im Mittelpunkt. Verbindungen werden auf der normativen Ebene zu Human Resources hergestellt, um eine Knowledge Management-Kultur zu etablieren. Dies bedeutet, daß das Unternehmen sowohl einem verhaltensorientierten als auch einem kulturellen und organisatorischen Wandel unterworfen ist. Durch die Entwicklung von Methoden, wie implizites Wissen für das Unternehmen transparent gemacht werden kann, soll jedem Einzelnen bewußt gemacht werden, daß und vor allem warum Knowledge Management sinnvoll und notwendig ist und wo der Nutzen für jeden Einzelnen steckt. Die Kommunikation mit anderen steht ebenso wie die Unterstützung und Erweiterung des Lernprozesses, sowohl auf individueller als auch organisatorischer Ebene, ganz im Mittelpunkt dieses Ansatzes. Wissen wird im Dialog zwischen Individuen („one-on-one“-Konversation, Brainstorming, Workshops) preisgegeben (geteilt) und somit vermittelt. Eine technische Unterstützung kann durch Telefon, Email oder Videokonferenzen, aber auch einfach nur durch das Vorhandensein einer Teeküche (als „Plauderecke“) erfolgen, wo Mitarbeiter ungezwungen über private und natürlich auch geschäftliche Themen reden und so miteinander in Kontakt treten können. Übrigens wird durch solche „Schwätzchen“ ein Großteil des menschlichen Wissens übertragen. Man muß kein Psychologe sein, um die Notwendigkeit des Humanorientierten Ansatzes zu erkennen und um den Mitarbeitern eines Unternehmens die Chance zu geben, sich gegenseitig mitzuteilen und so von ganz alleine Wissen zu teilen.
Bei dem technologieorientierten Ansatz stehen die technischen Aspekte im Vordergrund. Hier geht es hauptsächlich darum, wie man Wissen „organisiert“, d.h. wie man Wissen erfassen, erweitern, nutzen, speichern und verteilen kann. Es kann hierbei aber allzu leicht zu einer Vernachlässigung des humanorientierten Ansatzes kommen. Aber ohne eine Mischung beider Ansätze[38] kann kein Knowledge Management betrieben werden und jeder Versuch wäre somit zum Scheitern verurteilt. Der Technologieorientierte Ansatz sollte daher immer erst die nächste Stufe nach der Definition von Wissenszielen[39] auf normativer und strategischer Ebene sein. Zentrale Komponente des technologieorientierten Ansatzes ist das Wissen als Objekt. Wissen muß identifiziert und verfügbar gemacht werden. Es findet eine Fokussierung auf der operativen Ebene und Logik (im Sinne von Vorgehensweise) statt. IT soll dabei die folgenden Aufgaben unterstützen:
- Wissen sammeln,
- Wissen aufarbeiten und klassifizieren,
- Wissen verdichten, verteilen und selektieren.
Es ist daher sicher notwendig, eine sinnvolle Unterstützung durch Informationstechniken zu betreiben. Und genau dies soll im weiteren Verlauf dieser Arbeit betrachtet werden, nämlich wie eine solche Unterstützung aussehen soll und wie nach dem Stand der Technik eine solche Unterstützung heute wirklich aussieht.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4 Sinnvolle IT-Unterstützung des Knowledge Management
Was Technik dabei sicher nicht leisten kann, ist die Produktion von Wissen. Software kann keine Texte oder Fragen „verstehen“ und keine Übereinstimmungen erfassen, selbst wenn sie Fragen verstehen könnte. Mit Hilfe von Technik und Software kann Wissen aber präziser, produktiver und effizienter gemacht und besser verteilt werden.
Der umfassende oder ganzheitliche Ansatz ist die pragmatische Umsetzung und die Anwendung angemessener Methoden mit einer sinnvollen Unterstützung durch Informationstechniken. Wissen muß als Prozeß und Knowledge Management als ein System begriffen werden, bei dem Personen, (Betriebsführungs- und IT-)Prozesse, Methoden, Werkzeuge und IT-Systeme involviert sind. Um erfolgreiches Knowledge Management zu machen müssen die folgenden drei Säulen unter ein Dach mit der Problemlösungs- und Prognosekompetenz gebracht werden:
- Wissenskultur betrifft den Menschen.
- Wissensprozesse lassen sich durch Betriebsführungs- und IT-Prozesse ab-/nachbilden.
- Wissenstechnologien sind Methoden, Werkzeuge und IT-Systeme.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 5 Die drei Säulen des Knowledge Management[40]
Mit Knowledge Management erreicht man eine optimale Problemlösungskompetenz. Prognosekompetenz bedeutet dabei, daß neue technologische Entwicklungen und deren Einsatz in einem Unternehmen besser beurteilt werden können. Um Knowledge Management richtig zu betreiben, müssen sowohl der humanorientierte als auch der technologieorientierte Ansatz einen ausbalancierten Einsatz finden. Einen Leitfaden dafür wird im Kapitel 3.2.1.3 zu geben versucht. Wichtige Phasen des umfassenden Ansatzes sind im einzelnen das Management
- der Wissens- und Informationsquellen,
- der Wissensträger und Informationsressourcen,
- des Wissensangebotes,
- des Wissensbedarfes,
- der Infrastrukturen für Wissens- und Informationsverarbeitung sowie
- der Infrastrukturen für die Kommunikation.
Vorgehensweisen und Ansätze machen alleine noch keinen Sinn, wenn sie kein Ziel verfolgen. Daher ist es notwendig, die Ziele des Knowledge Management, insbesondere solche, die die Wissenstransformation bzw. Wissensschaffung betreffen, zu kennen.
„Wir wissen mehr, als wir zu sagen wissen..“
Polanyi
Eine Schlüsselaufgabe des Knowledge Management ist es, das im Individuum verborgene (implizite) Wissen zu erschließen und verfügbar zu machen. D.h. implizites Wissen muß zu explizitem Wissen gewandelt und somit speicherbar und für andere verfügbar gemacht werden, um daraus letztlich Unternehmenswissen zu generieren. Knowledge Management hat viele Ziele, jedoch sind all diese Ziele auf eine Arbeitsgrundlage angewiesen, nämlich die Wissensschaffung. Es muß Wissen vorhanden sein, das es zu verarbeiten gilt. Wie in Kapitel 2.2 beschrieben, ist Wissen ein tief in Individuen Verborgenes Etwas (Annahmen, Erfahrung, Intuition). Dieses implizite Wissen kann nicht oder nur sehr schwer anderen mitgeteilt werden und noch schwerer läßt es sich in Worten beschreiben oder formalisieren, um es niederzuschreiben oder zu speichern. Die Erschließung von implizitem Wissen (die Wissensschaffung oder auch die Wissenstransformation) ist also neben der persönlichen und meist mündlichen Wissensweitergabe eine der Schlüsselaufgaben des Knowledge Management.
Weitere Ziele nach Nonaka und Takeuchi[41] für die Nutzung des Wissen sind die folgenden vier Formen der Wissensumwandlung:
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 1 Die vier Formen der Wissensumwandlung nach Nonaka und Takeuchi
Die Bedeutung dieser Formen der Wissensumwandlung werden nun in den nächsten Kapiteln im einzelnen näher betrachtet und untersucht:
Knowledge Management soll eine Infrastruktur und Unternehmenskultur für eine lernende Organisation schaffen. Implizites Wissen wird in implizites Wissen „gewandelt“, d.h. durch gemeinsame Erfahrung oder Beobachtung über einen längeren Zeitraum kommuniziert und weiterverbreitet. Ein Beispiel sind die informellen Sitzungen bei Honda, „Brainstorming-Camps“ (tama dashi kai) genannt, bei denen im Whirl-Pool oder bei einem Glas Bier schwerwiegende Probleme besprochen werden. Hier wird eine Aura für kreativen Dialog und Vertrauensbildung geschaffen, um eine lernende Organisation innerhalb des Unternehmens zu schaffen. Ein weiteres Beispiel ist die Entwicklung eines Brotbackautomaten: Die Entwicklungsingenieure kamen erst hinter das Geheimnis des Brotbackens, nachdem sie bei einem Bäckermeister in Lehre gegangen waren und gelernt hatten, wie man den Teig richtig bearbeiten muß. Diese Menschen haben also durch Beobachtung und Nachahmung gelernt.
Diese Form bildet den Schlüssel zur Wissensschaffung, weil sie implizites Wissen in explizites Wissen umwandelt und es somit formalisier- und speicherbar macht. Implizites Wissen kann dabei leichter in Form von Metaphern oder Analogien[42] externalisiert werden, da Menschen so auch komplexere Sachverhalten erkennen und wahrnehmen können. Diese Analogien können dann wiederum leicht als Grundlage für ein Konzept oder Modell dienen, da das Zusammenwirken unterschiedlicher Bedeutungen in einer Metapher verschiedene Konzepte miteinander verknüpft, die in unserem Verstand weit auseinander liegen.
Durch Kombination (Vernetzung) sollen verschiedene Bereiche expliziten Wissens verbunden werden. Dies kann über den Austausch von Wissen über Medien wie Telefon, Dokumente oder Computernetze erfolgen. Durch Sortierung, Filterung und Sammlung kann neues unternehmensrelevantes Wissen entstehen („Datenbanken“). Dies bezeichnet man auch als Typisierung und Normierung des kommunizierten Wissens.
Internalisierung ist eine Art „learning by doing“ (Praxiserfahrung). Das theoretische, intellektuelle Wissen soll also durch Erfahrung vertieft und zu praktischem Wissen gewandelt werden. D.h., daß explizites Wissen von dem Individuum aufgenommen wird und durch Erfahrung somit zu implizitem Wissen wird.
Nachdem die ersten drei Umwandlungen vollzogen sind, und das umgewandelte Wissen in Form von Modellen oder technischem Know-how internalisiert wurde, wird das Wissen endlich zu einem sehr wertvollen Kapital transformiert. Das erschlossene und gespeicherte Wissen muß also erst noch von den Individuen „gelernt“ werden, damit Knowledge Management zu 100% erfolgreich ist. Ohne den abschließenden Schritt ist Knowledge Management nicht einmal zu einem Bruchteil erfolgreich umgesetzt worden. Die Hauptprozesse der Wissensumwandlung stellen dabei einen kontinuierlichen Spiralprozeß dar, dessen „Abschluß“ die Schaffung von Kollektiv[43] -Wissen darstellt.
Am Ende der Transformationskette steht die finale Überführung in kollektives Wissen: Die vier Wissensumwandlungen nach Nonaka/Takeuchi können sich auch zwischen nur je zwei Mitarbeitern eines Unternehmens abspielen, die ihr Wissen regelmäßig, z.B. in der Teepause, austauschen. Für ein Unternehmen ist das aber nicht unbedingt förderlich, wenn das Wissen nur von einer zur anderen Person fließt . Wissen soll generell nicht weiter an das Individuum gebunden sein, sondern davon losgelöst und für alle nutzbar gemacht werden, damit alle anderen Individuen dieses Wissen benutzen und sich aneignen können. Bei der Überführung in kollektives Wissen wird das Wissen aus den Individuen extrahiert und in elektronischen Dokumenten gespeichert („people to documents“, siehe Abbildung 11, Kapitel 3.2.1.1). Somit steht es plötzlich auch anderen auf Abruf zur Verfügung. Dabei wird vor allem durch das Vorhandensein von Redundanzen, was unserer westlichen Auffassung eines effizienten Informationsmanagement widerspricht, die Wissensschaffung enorm erleichtert.[44]
Neben den vier Formen der Wissenstransformation als Schlüsselaufgaben des Knowledge Management gibt es auch noch weitere Ziele bzw. Vorgehensweisen, die im nächsten Kapitel als die „Bausteine des Knowledge Management“ vorgestellt werden. Dieses Baukastensystem stellt einerseits weitere Ziele dar bzw. raffiniert die Ziele nach Nonaka/Takeuchi und beschreibt einen Ansatz für die Umsetzung. Es kann als eine Art Vorgehensmodell angesehen werden, das man bei der Planung und Steuerung von Knowledge Management zur Hand nehmen sollte. Nonaka und Takeuchi sehen in Wissen „nur“ den Nutzen, Probst, Raub und Romhardt gehen noch einen Schritt weiter und sehen in Wissen einen Lebenszyklus.
Wissen ist einem Lebenszyklus unterworfen, den die „geneva knowledge group“[45] in die folgenden logischen Phasen des Knowledge Management unterteilt, die sowohl die Ziele nach Nonaka und Takeuchi konkretisieren als auch gleichzeitig einen Leitfaden für die Umsetzung beschreiben. Man unterscheidet die folgenden acht Bausteine, die miteinander folgendermaßen vernetzt sind:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 6 Bausteine des Knowledge Management nach Probst, Raub und Romhardt
Diese Phasen zeigen die Aktivitäten im Prozeß des Knowledge Management und veranschaulichen gleichzeitig den Wissensfluß in einem Unternehmen. In den nächsten Kapiteln soll nun näher auf die einzelnen Bausteine eingegangen werden, die Managern einen praktischen Anhaltspunkt für das Planen und Steuern der Soft Assets im Unternehmen geben sollen.
Wissensziele betreffen die Vorgaben für die Umsetzung der Maßnahmen des Knowledge Management. Die Notwendigkeit, Wissensziele zu setzen, ergibt sich daraus, daß man Wissenslücken und natürlich das vorhandene Wissen identifizieren und transparent machen muß, um Kundenanforderungen gerecht zu werden. Häufig kommt es zu Problemen bei der Umsetzung von strategischen in operative Ziele, sofern die strategischen Ziele erst einmal erkannt worden sind. Oft werden Ziele zu abstrakt formuliert und können daher von den Mitarbeitern nicht akzeptiert oder befolgt werden.
Nach Probst gibt es drei Managementebenen[46], welche sich auf die Wissensziele abbilden lassen:
1. Normative Wissensziele umfassen die Vision des Knowledge Management auf der Ebene des Top Management und die Schaffung einer wissensbewußten Unternehmenskultur. (Wer weiß was und wer soll noch mehr wissen ?)
2. Strategische Wissensziele definieren den Inhalt und beschreiben das Wissensportofolio. (Was wollen wir überhaupt wissen ?)
3. Operative Wissensziele beschreiben die Konkretisierung obiger Ziele durch eine geeignete Definition von Implementierungsmaßnahmen. (Wie realisieren wir es letztlich ?)
Bei den normativen, strategischen und operativen Wissenszielen geht es prinzipiell immer darum, welches unternehmerische Kernwissen wie aufgebaut, entwickelt und verteilt werden soll. Auf jeden Fall soll die Suche nach problemrelevanten Wissensbeständen zu jeder Zeit ermöglicht werden. Da es oft Probleme gibt, die strategischen Ziele überhaupt zu erkennen, sind in Tabelle 2 Handlungsempfehlungen für das Aufstellen von Wissenszielen aufgeführt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2 Handlungsempfehlungen für das Aufstellen von Wissenszielen
Eine mögliche Institutionierung für das Aufstellen von Wissenszielen kann dabei durch den Einsatz eines Chief-Knowledge-Officers (Beispiel des Unternehmens Novartis) oder durch Schaffung informationstechnischer Plattformen (Beispiel Andersen Consulting) geschehen.
Besonders in großen Unternehmen besteht oft die Problematik, über intern und extern vorhandenes Wissen den Überblick zu behalten. Durch systematische Wissensidentifikation kann ein ausreichendes Maß an Transparenz geschaffen werden, d.h. vorliegendes explitizes Wissen kann anhand von geeigneten Techniken (z.B. Knowledge-Maps oder Knowledge-Brokern, auf die in Kapitel 3.1ff noch näher eingegangen wird) systematisiert und dargestellt werden. Andererseits kommt es oftmals zu einer Überflutung des Individuums mit Daten, Informationen und Wissen (Informationsflut, „information overload“), die bis zum totalen Verlust des Überblicks führen kann. Daher muß implizites, problemspezifisches Wissen identifiziert werden und die Zusammenhänge zwischen Trägern, Beständen, Quellen, Strukturen und Anwendungen in Knowledge-Maps dargestellt werden. Anstelle von Knowledge-Maps können auch sogenannte Knowledge-Broker Auskunft darüber geben, wo sich welches Wissen befindet oder „verbirgt“. Die Wissensidentifikation anhand von Knowledge-Maps ist dabei sicher das optimale Hilfsmittel für die Externalisierung.
Da es nicht immer möglich ist, die Gesamtheit erfolgsrelevanten Wissens selbst zu entwickeln, muß oft ein außerunternehmerischer Wissenserwerb erfolgen. Dies kann z.B. durch die Akquisition neuer Spezialisten/Experten, den Erwerb von Patenten oder die Übernahme innovativer Firmen erfolgen (wie es vor allem von Microsoft® praktiziert wird). Damit das zugekaufte Wissen integrierbar bleibt und von den mentalen Modellen der Mitarbeiter akzeptiert wird, sollte es ein bestimmtes Maß an Fremdheit nicht übersteigen. Beim Wissenserwerb geht es also hauptsächlich um die Anbindung externer, explizit vorliegender Wissensbestände. Man gelangt vor allem durch Beziehungen oder Insiderkenntnisse oft zu Wissen, das einem sonst verschlossen bliebe. Auch hierdurch kann die Externalisierung gefördert werden. Dabei ist die Qualität externen Wissens meist unbekannt und muß erst sicher bzw. in Frage gestellt werden. Vorhandenes Wissen kann z.B. über Data Mining oder OLAP[49] entdeckt und erworben werden. Ziel sollte dabei immer der kontinuierliche Prozeß der kollektiven Wissensentwicklung sein, um die „Wissensinseln“ der einzelnen Mitarbeiter zu einem großen „Wissensland“ zu verbinden. „Um effizient Wachstum zu schaffen, genügt es nicht mehr, Strukturen mechanisch zu verändern, sondern das Denken muß sich ändern – es muß eine lernende Organisation[50] entstehen.“[51] Im Hinblick auf eine IT-Infrastruktur sollte man beachten, daß eine Akzeptanz eines Systems nur bei völliger Medienbruchfreiheit gegeben ist. Medienbruchfreiheit muß aber auch innerhalb einer „medienbruchfreien Zone“[52] gegeben sein, d.h. daß man möglichst mit einer einzigen Software oder einer integrierten Oberfläche (z.B. Webbrowser) seine tägliche Arbeit erledigen kann und nicht für jede Tätigkeit eine dedizierte Software benötigt. Dies sollte für den Benutzer zumindest völlig transparent sein (man stelle sich darunter eine Art „Unified Application“[53] vor).
Die Wissensentwicklung umfaßt alle Tätigkeiten, die nach Erkennung von Wissenslücken dazu führen, daß unternehmensinternes Wissen generiert wird (Entstehung neuen Wissens). Dazu gehören vor allem die Produktion von neuen Fähigkeiten und die Schaffung neuer Prozesse und Produkte sowie der Aufbau einer Wissensproduktionsstrategie und einer offenen Unternehmens- und Wissenskultur. Es ist besonders wichtig, daß Freiräume geschaffen werden, um eigene Kompetenzbereiche zu überschreiten und verschiedenartiges Wissen zu neuem Wissen zu kombinieren[54]. Hinreichend notwendig sind dafür die Vorgabe von Intention und Vision seitens des Top Management, Vertrauen untereinander und die Einrichtung von Wissensbasen mit Hilfe modernster Informationstechniken. Eine ausgefeilte Sicherheitspolitik[55] ist dabei sicherlich eine Maßnahme einerseits gegen „information overload“ und andererseits gegen die Abwanderung sensitiven Wissens.
„Wer will, daß ihm die anderen sagen, was sie wissen, der muß ihnen sagen, was er selbst weiß. Das beste Mittel, Informationen zu erhalten, ist, Informationen zu geben.“
Nicolo Machiavelli
Um den Mitarbeitern überhaupt erst einmal Wissen zu entlocken, d.h. sie zum Wissenstransfer zu motivieren, sind geeignete Anreizsysteme zu schaffen. Dies bedeutet vor allem, daß eine hinreichende Vertrauenskultur aufgebaut und den Mitarbeitern verständlich gemacht werden muß, daß jeder Einzelne einen Nutzen davon hat, Wissen zu teilen: Letztlich läuft alles auf „Geben und Nehmen“ hinaus. Man gibt Wissen preis und bekommt als Gegenleistung neues Wissen. Jeder kann also vom Wissen anderer profitieren. Natürlich bedarf es einer geeigneten Wissensinfrastruktur, die z.B. mit Hilfe modernster IT (Intranet[56], Groupware[57] ) unterstützt wird. Der Aufbau einer technischen Infrastruktur ermöglicht dabei den simultanen Wissensaustausch über zeitliche, räumliche und organisatorische Grenzen und begünstigt somit schnellere Reaktionszeiten und eine höhere Effizienz. Der Wissenstransfer wird aber häufig durch Hierarchie, Spezialisierung und Zentralisierung, aus Angst vor unkontrolliertem Wissensabfluß und Machtverlust be- oder gar ganz verhindert[58]. Um dem entgegen zu steuern, sollen Rahmenbedingungen zur Steuerung der Wissensverteilung, z.B. durch eine Benutzerauthentifizierung (Zugriffskontrolle), geschaffen werden, damit das Wissen einerseits zu den „richtigen“ Mitarbeitern fließen kann (jene, die das Wissen brauchen und daher nutzen sollen) und andererseits sensibles Wissen geschützt bleibt und somit nur für einen ausgewählten Personenkreis zugänglich ist. D.h., es muß für einen kontrollierten (definierten) Wissensfluß innerhalb der Unternehmenshierarchie gesorgt werden.
Eine Art, Wissen zu verteilen, stellen hybride Systeme dar: Dies sind Expertenverzeichnisse mit „pointers to people“ (Verweise auf Experten) in Hypertext-Systemen, die i.d.R. durch Experten gepflegt werden. Generell gibt es noch die folgenden beiden, eher technologieorientierten, Arten der Wissensverteilung.
Eine zentrale Wissensverteilung stellt die Push -Methode dar (vergleichbar mit „Wurfpost“). Immer dann, wenn das „Knowledge-Center“ neues Wissen anzubieten hat, informiert es die Benutzer des Systems darüber, wobei ähnlich der Wurfpost eine Informationsüberlastung möglich ist. Der Wissensbedarf wird dabei angebotsinduziert „gedeckt“, d.h. nicht die Nachfrage, sondern das Angebot regelt den Markt. Hierbei findet allerdings eine echte Wissensverteilung statt.
Die dezentrale Wissensverteilung findet mit der Pull -Methode statt, d.h. der Benutzer fragt bei Erkennen eines Wissensdefizits dort nach, wo er hofft, daß ihm geholfen werden kann. Es findet bedarfsgerechter Zugriff statt, der Wissensbedarf wird nachfrageinduziert gedeckt. Dies ist eigentlich keine richtige Verteilung, sondern eine Identifikation oder Suche. Man unterscheidet dabei die folgenden Pull-Dienste:
1. Beim Information Retrieval[59] wird eine Übereinstimmung einer semantischen[60] Beschreibung mit einer (exakten) Suchformulierung gesucht. Der Ergebnisumfang führt häufig zu einer enormen kognitiven Belastung des Benutzers. Um zu immer besseren Suchergebnissen zu gelangen, ist die Entwicklung intelligenter Suchalgorithmen unerläßlich. Beispiele sind Datenbankanfragen und konventionelle Suchmaschinen im Internet, wie z.B. AltaVista[61] oder HotBot[62], aber auch Meta-Suchmaschinen wie der MetaCrawler[63] oder die Deutsche Meta-Suchmaschine des RRZN (Regionales Rechenzentrum Niedersachsen)[64].
2. Information Exploration („Browsing“): Mittels Navigationshilfen (z.B. Knowledge-Maps oder Verzeichnissen) kann man sich bei einer eher unscharfen Vorstellung der Wissensziele einen Überblick über das vorhandene Wissen der Wissensbasis verschaffen. Der Suchprozeß ist interaktiv, da hier durch das vorliegende Wissen navigiert und keine Suche initiiert wird. Beispiele sind Webkataloge und Verzeichnisse, wie z.B. Yahoo[65] oder der deutsche Webkatalog DINO-Online[66] sowie die Webkataloge einiger o. g. Suchmaschinen.
Wenn sichergestellt werden kann, daß keine Informationsüberlastung und eine bedarfsgerechte Verteilung durch das Knowledge-Center stattfindet, dann ist die „Push“-Methode sicher die ideale und anzustrebende Form der Wissensverteilung.
Ungenutzte Datenbanken und andere ungenutzte Dokumente zeugen von mangelndem Knowledge Management. Um Nutzung und Internalisierung[67] des expliziten Wissens zu verbessern, muß das Wissen nutzergerecht aufbereitet werden, wobei neues Wissen zu nutzen auch immer bedeuten kann, daß man eventuell auch neue Wege gehen muß. Neu generiertes Wissen kann dabei durch gezielte Marketingaktionen in Handlungen umgesetzt werden. Eine nutzergerechte Aufbereitung kann sich z.B. in „Channels“ oder benutzerorientierten „Newslettern“ („Rundschreiben“) äußern. Weiterhin spielen ergonomische Faktoren eine wichtige Rolle: Eine benutzerfreundliche Darstellung (z.B. durch eine einheitliche Oberfläche) und eine intuitive Bedienung (z.B. mit einer Hyperlink-Struktur) erleichtern den Benutzern eines solchen Systems die Bedienung und die Nutzung und erhöht damit auch die Akzeptanz des Systems. Der systematische Ausbau erfolgt dabei im „rapid prototyping“[68] -Verfahren, in dem Reaktionen und Ideen der Benutzer mit einbezogen werden, um auf Wünsche und Anforderungen der Benutzer besser eingehen zu können.
Einmal erworbene Fähigkeiten sollen natürlich dauerhaft im Unternehmen bleiben. Da Wissen flüchtig ist, d.h. an Personen gebunden, ist es daher notwendig, bewahrungswürdige (relevante) Wissenselemente erst einmal zu identifizieren[69] und zu selektieren[70]. Genau diese gilt es dann zu speichern (im sog. „Corporate Memory“[71] ). Zudem muß dieses Wissen regelmäßig bewußt auf Relevanz geprüft und bei Bedarf aktualisiert werden. Die Möglichkeit der Aktualisierung umfaßt nicht nur die Aktualisierung an sich, sondern auch das „Vergessen“ (Aussortieren, Markieren) irrelevanten oder einfach veralteten Wissens. Das Wissenscontrolling nimmt für die Wissensbewahrung eine inhaltliche Aufbereitung und eine Relevanzbewertung (bezüglich Relevanz für das Unternehmen) vor; für die Wissensentwicklung muß das zu speichernde Wissen einer Selektion und Aufbereitung unterzogen werden. Bei der Selektion und Aufbereitung sollen wertvolle von wertlosen Elementen durch Interpretation und Rekombination (z.B. durch hybride Systeme[72] ) unterschieden werden. Das selektierte Wissen wird danach aufbereitet, d.h. kategorisiert und verschlagwortet (indiziert).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 7 Prozesse der Wissensbewahrung
Bezüglich der Aktualisierung von Wissen gelten nach Schüppel[73] die folgenden „Halbwertszeiten“ von Wissen:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 8 „Halbwertszeit“ von Wissen
Diese Abbildung gibt dabei an, wie lange welche Art von Wissen relevant bleibt. Da man in der Schule ganz grundlegende Dinge wie Lesen, Schreiben und die Grundrechenarten lernt, gilt dieses Wissen als „stabil“. Als Gegenstück dazu „altert“ das technologische Wissen sehr schnell – hier wird meist nur für einen sehr kurzen Zeitraum Wissen für einen ganz bestimmten Zweck (z.B. ein einmaliges Projekt) angeeignet, das sehr schnell seine Relevanz oder gar seine Gültigkeit verliert. Bei der Selektion und Bewertung bezüglich der Relevanz des vorliegenden Wissens für das Unternehmen und vor allem bei der inhaltlichen Aufbereitung ist wohl auch mit fortschreitendem Stand der Technik der wissensbasierten Systeme nicht damit zu rechnen, daß ein menschlicher Eingriff in den nächsten Jahren obsolet wird.
Wissen läßt sich - im Gegensatz zu Information - nur sehr schwer messen, da es zum einen keine Analogie zum Shannon’schen Informationsmaß gibt und zum anderen Wissen größtenteils als implizites Wissen in den Köpfen der Mitarbeiter vorliegt. Anhaltspunkte für eine Maßskala sind lediglich (subjektive) Werte wie Ausbildungserfolg oder Erfahrungsjahre. Der Anspruch, Wissen exakt messen zu können, gaukelt dort Objektivität vor, wo nur Unschärfe sein kann. Eine Prüfung der formulierten Wissensziele anhand einer Erfolgsbewertung kann erst dann vorgenommen werden, wenn die Produktivität des Wissens in der Art eines „Return on Knowledge“[74] vorliegt. Wissensbewertung stellt daher eine Voraussetzung zur Einschätzung der Effizienz von Knowledge Management dar. Für die Bewertung von normativen, strategischen und operativen Wissenszielen gibt es die folgenden Methoden:
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 3 Bewertungsmethoden für Wissensziele[75]
Die hohe Qualität, aber auch das geringe Alter des Modells mögen ausschlaggebend dafür sein, daß sich im Rahmen wissenschaftlicher Veröffentlichungen bisher kaum kritische Stimmen finden lassen. Probst stellt selbst fest, daß „ Nutzungsorientierung in allen Belangen des Knowledge Management im Vordergrund stehen muß“[76], wozu sein Modell selbst allerdings kaum beiträgt. Der Blick wird nämlich erst im drittletzten Schritt (Wissensnutzung) auf die Bedürfnisse der Benutzer gelenkt, wobei es dann aber bei genauer Einhaltung des Modells bereits zu spät für eine ausgesprochen benutzerfreundliche Gestaltung sein dürfte. Es ist zweifelhaft, ob die Schritte „Wissenserwerb“ und „Wissensentwicklung“ in der Praxis tatsächlich sequentiell ablaufen, wie im Modell vorgeschlagen oder nicht doch eher parallel. Daher wird es in der Praxis sicher oft notwendig sein, zurückzuspringen und Verbesserungen durchzuführen, anstatt zuerst den gesamten Kreislauf zu durchlaufen, wie es das Modell eigentlich vorsieht. Es läßt sich also bezweifeln, ob ein streng sequentielles Modell den Anforderungen der Praxis wirklich gerecht wird. Die Problematik wird allerdings dadurch relativiert, daß Probst (in Form von gestrichelten Linien) zumindest die Auswirkungen eines jeden Schrittes auf alle anderen andeutet und somit ein selbst verantwortetes Abweichen vom geraden Weg jedem Menschen offensteht. Eine Lösung stellt das Referenzmodell von Warnecke, Gissler und Stammwitz dar, das im Kapitel 3.4.2 vorgestellt wird.
Viel wichtiger ist das Problem, daß die Mitarbeiter nur schwer davon zu überzeugen sind, das Wissen aus dem Knowledge Management System auch wirklich zu nutzen, geschweige denn, eigenes Wissen einzubringen und den Kollegen zur Verfügung zu stellen. Dafür gibt es zahlreiche Gründe, die Probst auch nennt und in dieser Arbeit in Kapitel 3.3.3 mit Lösungsansätzen beschrieben sind. Manche Argumente, wie zum Beispiel die Angst, sich durch die Weitergabe des eigenen Wissens entbehrlich zu machen, sind allerdings durchaus verständlich und in Zeiten hoher Arbeitslosigkeit wohl zum Teil auch berechtigt. Ein Wissensmanager braucht also gute Argumente, um die Benutzer zur Anwendung seines Systems zu bewegen. Die Akzeptanz bei den Beschäftigten entscheidet letztendlich über Erfolg oder Mißerfolg des gesamten Projektes.
Insgesamt jedoch erscheint das Modell des Knowledge Management nach Probst als sehr klare und für jeden einsichtige Anleitung zur Einführung von Knowledge Management in eine Organisation, die das Thema sehr ausführlich abdeckt und auch für praktische Zwecke gut verwendbar ist. So liegt es vielleicht doch an der Qualität des Modells, daß eindeutige Kritik bisher kaum zu finden ist.
Zum besseren Verständnis und vor allem zur Herleitung der bisher genannten Vorgehensweisen werden nun die Organisations- und Managementlehren des Knowledge Management vorgestellt. Im Anschluß daran werden in Kapitel 3 einige Techniken vorgestellt, die Instrumente, Methoden, Prozesse und Werkzeuge umfassen, die für erfolgreiches Knowledge Management eingesetzt werden.
„We cannot solve problems with the same level of thinking we used to create them.“
Albert Einstein
Außer den zwei hier vorgestellten Ansätzen sollen der Vollständigkeit halber noch der Amerikanische und der Europäische Ansatz genannt werden, auf die hier aber nicht näher eingegangen wird, da sie im Rahmen dieser Arbeit keine Relevanz haben.[77]
Der Japanischer Ansatz stammt von Nonaka und Takeuchi (1997). Hierbei geht es um die grundlegenden Fragen:
- Wie werden Transformationsprozesse[78] (die Ziele des Knowledge Management) faktisch in Situationen und Bereichen gestaltet ?
- Welche Organisationsstrukturen, Managementpraktiken und Instrumente fördern bzw. erschweren die Transformationsprozesse ?
Nonaka und Takeuchi konkretisieren dabei diese Fragen metaphorisch und definieren explizit die folgenden vier Säulen[79]
- Sozialisation
- Externalisierung
- Kombination (Vernetzung)
- Internalisierung (Praxis)
und diese drei Ebenen:
- top-down: implizit à explizit
- middle-up-down: implizit ßà explizit
- bottom-up: implizit ß explizit
Im Mittelpunkt des Japanischen Ansatzes steht die Gestaltung von Transformationsprozessen und die Förderung bzw. Behinderung durch Organisationsstrukturen, Managementpraktiken und Instrumente.
Der Schweizerische Ansatz stammt von der „Geneva Knowledge Group“ (u.a. Probst, Raub und Romhardt) (1997) und führt die folgenden drei Managementebenen[80]
- Normatives Management: Unternehmensverfassung, Unternehmenspolitik, Unternehmenskultur;
- Strategisches Management: Organisationsstrukturen, Programme, Problemverhalten;
- Operatives Management: Organisatorische Prozesse, Aufträge, Leistungs- und Kooperationsverhalten;
und diese drei Säulen ein:
- Unternehmensverfassung, Organisationsstruktur, Organisatorische Prozesse
- Unternehmenspolitik, Programme, Aufträge
- Unternehmenskultur, Problemverhalten, Leistungs- und Kooperationsverhalten
Es findet eine dynamische Vernetzung der Wissensstrukturen (die Bausteine nach Probst, Raub und Romhardt), die sich auf die Ebenen und Säulen beziehen, statt. Durch das Fehlen von Referenzmodellen entsteht eine Lücke in der Methodologie, die man pragmatisch mit Wissenszielen und Wissensbewertung zu schließen versucht.
Kapitel 3 zeigt im weiteren, wie diese Lehren in den Zielen und Bausteinen von Knowledge Management verankert sind und mit welchen Instrumenten und Techniken sie unterstützt werden können.
„A little knowledge that acts is worth infinitely more than much knowledge that is idle."
Kahlil Gibran
Nachdem bisher die theoretischen Aspekte sowie die Ziele in Verbindung mit Vorgehensweisen des Knowledge Management vorgestellt wurden, sollen nun in diesem Kapitel einige wichtige davon konkretisiert und, in einem technischen Rahmen eingebettet, weiter untersucht werden: Es werden zwei praktische Instrumente für die Wissensidentifikation, Strategien (die konsequente Weiterführung und Umsetzung der Ansätze von Knowledge Management aus Kapitel 2.4), Wissenswerkzeuge und verschiedene IT-Bereiche vorgestellt. Letztere werden dabei kurz auf ihre Tauglichkeit für Knowledge Management untersucht. Am Beispiel von je einer Ablauf- und Aufbauorganisation wird exemplarisch vorgestellt, wie Knowledge Management ein Unternehmen im organisatorischen Rahmen verändert.
„Man kann etwas wissen oder wissen, wo man es findet.“
Samuel Johnson (18. Jahrhundert)
Um Wissensbestände zu identifizieren, gibt es u.a. die folgenden beiden Instrumente, die sich in der Praxis entwickelt haben: Zum einen eine grafische Anordnung mit Hilfe der sog. Knowledge-Map (Wissenskarte) und zum anderen der Knowledge-Broker (Wissensvermittler), der das Pendant zur Knowledge-Map auf der humanorientierten Ebene darstellt. Diese sehr nützlichen Instrumente werden nun im einzelnen vorgestellt.
In Knowledge-Maps werden die Zusammenhänge zwischen Trägern, Beständen, Quellen, Strukturen und Anwendungen von Wissen (in einer Art Verzeichnis) grafisch dargestellt. Wissen soll darin leicht zu identifizieren sein. Die Erstellung einer solchen Knowledge-Map ist zwar mit einem hohen Aufwand verbunden, aber auch mit einem ebenso hohen Nutzen. Durch eine Erhöhung der Transparenz „ermöglicht sie das Auffinden von Wissensträgern oder –quellen, erleichtert das Einordnen von neuem Wissen in bestehendes und verbindet Aufgaben mit Wissensbeständen beziehungsweise –trägern“[81]. Knowledge-Maps sind ihrer Form völlig frei und können in jeder beliebigen grafischen Form auftreten (egal ob Verzeichnis, Baum, Matrix oder Freihandzeichnung mit Pfeilen etc.). Man unterscheidet Knowledge-Maps anhand ihrer Struktur, wobei die folgenden Arten die typischsten Ausprägungen sind:
1. Wissensträgerkarten stellen die Architektur und Topografie des vorliegenden Wissens grafisch dar. Hieraus ist sofort ersichtlich, wer welches Sachwissen hat (Kompetenz) und wer einem bei Entdecken eines Wissensdefizits weiterhelfen kann.
2. Wissensbestandskarten zeigen auf, wo sich welches Wissen befindet („Clustering“). Eine besondere Ausprägung dieser Karte ist die Wissensquellenkarte, bei der nicht nur auf Personen, sondern auch auf andere Wissensquellen verwiesen wird.
3. Wissensstrukturkarten sind baumartig aufgebaut und illustrieren den Zusammenhang zwischen Wissensgebiet und Sachverhalten. Mit Hilfe solcher Karten kann Weiterbildung betrieben werden, indem sie Verweise auf andere Quellen für ähnliche Gebiete zur Verfügung stellen. Diese Wissenskarten können die Kombination externalisierten Wissens fördern.
4. Wissensanwendungskarten verknüpfen Prozeßkarten mit Wissensträgerkarten und zeigen damit auf, wer sich in einem Prozeß wofür zuständig zeichnet.
Die Erstellung einer Knowledge-Map erfolgt dabei anhand der folgenden Prozesse:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 9 Prozesse bei der Erstellung einer Knowledge-Map
Knowledge-Maps sind also das ideale Instrument, um existierende Wissensbestände grafisch zu erfassen und zu identifizieren. Wenn eine solche Knowledge-Map auch noch über die IT eines Unternehmens verfügbar ist, steht der Einsicht und somit der Entdeckung vorhandenen Wissens durch alle Mitarbeiter nichts mehr im Wege. Kapitel 3.3.2.2 geht noch mal näher auf Knowledge-Maps unter dem Aspekt der Kodifizierung ein.
[...]
[1] Engl.„asset“: (wirt.) Aktivposten
[2] In der Literatur werden die Produktionsfaktoren unterschiedlich genannt. Obwohl „Arbeit, Boden und Kapital“ als Produktionsfaktoren am geläufigsten und weitesten verbreitet sein dürften, werden im weiteren in Anlehnung an Pfohl (1985) die Begriffe „Betriebsmittel, Arbeit und Werkstoff“ verwendet.
[3] Rehhäuser/Krcmar (1996)
[4] Mehr dazu in Kapitel 3.4.1
[5] Probst/Büchel (1994), S. 3ff
[6] In Anlehnung an Pfohl (1985)
[7] der; -s,-s (ökon.) Rentabilitätsschwelle, Punkt, ab dem die Verkaufserlöse die Investitionen übersteigen oder ab dem der Nutzen die Kosten übersteigt
[8] Personalwirtschaft
[9] Nach einer Studie der Delphi Consulting Group betrieben 1997 nur 28% aller Unternehmen Knowledge Management in irgendeiner Form. Dieser Anteil soll bis 2002 auf ca. 98% ansteigen (vgl. Delphi (1997), S. 16). Außerdem halten nach einer Studie des Fraunhofer Institus für Arbeitswissenschaft und Organisation 96% der Unternehmen das Thema Wissensmangement für wichtig bis sehr wichtig. (vgl. Palass (1997), S. 158)
[10] InformationStrategy
[11] die; -, kMz. allgemeine Theorie der sprachlichen und nichtsprachlichen Zeichensysteme
[12] Betriebswirtschaftlehre
[13] die; -,-n 1. kMz. Wissenschaft der Erkenntnislehre, wiss. Weltanschauung, Denkrichtung 2. Lebenseinstellung, Weltanschauung 3. Art und Weise des Angehens oder des Lösens eines Problems, Einstellung
[14] die; -, kMz Wissenschaft von den geistig-seelischen Vorgängen und Eigenschaften
[15] Dieser Begriff ist nicht mehr gebräuchlich. Statt dessen redet man in der Informatik von „wissensbasierten Systemen“.
[16] Probst, Raub, Romhardt (1998), S. 34
[17] die; -,-en 1. (ling.) Regelsystem einer Sprache 2. (ling.) (regelgerechter) Satzbau 3. (ling.) Darstellung und Aufzeichnung von (1) 4. (EDV) formale Regeln einer Programmiersprache
[18] der; -es,-e 1. Zusammenhang, Umfeld 2. (ling.) der umgebende Text, der den semantischen Gehalt einer sprachlichen Einheit mitbestimmt, inhaltlicher Sach- und Sinnzusammenhang
[19] 1. jemanden oder et. in Klassen oder Kategorien einteilen, gliedern, einordnen 2. jemandem oder et. eine Eigenschaft zusprechen, einer Gruppe zurechnen, als et. abstempeln
[20] Outsights: http://www.outsights.com/systems/kmgmt/kmgtm.htm
[21] Nonaka/Takeuchi (1997), S.24
[22] Michael Weba, FH-Fulda
[23] Probst, Raub, Romhardt (1998), S. 36
[24] das; -s,-nua/-nuen 1. lückenloser Zusammenhang, stetige, ununterbrochene Folge 2. (math.) lückenlos zusammenhängende Menge math. Elemente
[25] die Erkenntnis betreffend, auf ihr beruhend, erkenntnismäßig
[26] Vorgang des Planens oder eines Entwurfes
[27] Geissler (1998), S. 6
[28] 1. et. ordnen, in eine Form bringen 2. Abläufe, Geschehen (wiss., jur., strengen) Regeln anpassen, einem förmlichen Ablauf angleichen
[29] Vgl. Kapitel 2.2
[30] Rudy Ruggles (1997)
[31] Auf einige wichtige Begriffe des Informationsmanagement wird in den Kapitel 3.2.2.3, 3.2.2.4 und 3.2.2.7 näher eingegangen.
[32] Rehäuser/Krcmar (1996), S.9ff
[33] Albrecht (1993), S. 98
[34] Geissler (1998), S. 6
[35] IFPS (Intelligent Forms Processing System) von Wheb Systems, San Diego
[36] Robert M. Taylor (1996)
[37] http://www.cas.org/STNEWS/MAY98/transforming.html
[38] gemeint sind Technik und Kultur
[39] Mehr dazu in Kapitel 2.6.1
[40] Connector
[41] Dies sind die vier Säulen des „Japanischen Ansatz“ von Nonaka und Takeuchi (1997). Ausführlicher in Kapitel 2.7.1
[42] die; -,-n 1. Ähnlichkeit, Übereinstimmung, Gleichartigkeit 2. (jur.) Anwendung eines Gesetzes auf einen ähnlichen, gesetzlich nicht erfassten Tatbestand 4. (ling.) Angleichung sprachlicher Formen aufgrund formaler oder inhaltlicher Ähnlichkeiten (z.B. Bibliographie - Diskographie)
[43] das; -s,-e 1. Gemeinschaft, Gruppe 2. von gemeinsamen Vorstellungen und Überzeugungen getragene Gemeinschaft
[44] Nonaka/Takeuchi (1997), S. 95f
[45] Ein auf das Thema Wissen spezialisierter Thinktank der Universität Genf
[46] Diese Management-Ebenen sind Teil des „Schweizerischen Ansatz“ nach Probst (1997). Ausführlicher in Kapitel 2.7.2
[47] Ziel der Portfoliotheorie ist es, eine integrative Technik zu finden, die eine ganzheitliche Bewertung der Unternehmensaktivitäten und die Abstimmung der Aktivitäten auf die übergeordnete Zielsetzung ermöglicht. Grundlagen der Portfoliotheorie, z.B.: http://www.grznord.de/buecher/buch3/131.htm
[48] Vgl. Abbildung 8
[49] „online analytical processing“, ermöglicht verschiedene Sichten oder eine Auswahl auf Daten; wird häufig bei Data Mining eingesetzt. Mehr zu Data Mining in Kapitel 3.2.2.5
[50] Mehr dazu in den Kapiteln 3.4.4 und 4.3.2.2
[51] Seifert (1996)
[52] Die IT sollte eigentlich als Wegbereiter für eine medienbruchfreie Zone gelten, aber zu oft kommt es auch hier wegen der vielen unterschiedlichen Multimediatypen (Audio, Video, Bilder) und Dateiformaten trotzdem zu Medienbrüchen.
[53] In Anlehnung an „Unified Messaging“
[54] Siehe Kapitel 2.5.3
[55] z.B. eine Zugriffskontrolle mit ACLs
[56] Ein Computernetzwerk, das auf offenen Internet-Techniken und offenen Internet-Standards (TCP/IP, HTML, SMTP, etc.) aufbaut, aber nicht notwendigerweise an das Internet angeschlossen sein muß.
[57] Mehr dazu in Kapitel 3.2.2.1
[58] Mehr dazu in Kapitel 3.3.3.3
[59] Mehr dazu in Kapitel 3.2.2.6
[60] (ling.) die Bedeutung eines sprachlichen Ausdrucks betreffend
[61] http://altavista.digital.com/?text
[62] http://www.hotbot.com/text/
[63] http://www.metacrawler.com//
[64] http://meta.rrzn.uni-hannover.de/
[65] http://www.yahoo.com/ bzw. das deutschsprachige Pendant http://www.yahoo.de/
[66] http://www.dino-online.de/seiten.html
[67] Siehe Kapitel 2.5.4
[68] Der Entwurf eines Arbeitsmodells eines Softwaremoduls zur Demonstration der Funktionsmöglichkeiten. Der Prototyp wird später in einem abschließenden Produkt verfeinert.
[69] Vgl. Kapitel 2.6.2
[70] Vgl. Kapitel 2.6.8
[71] Mehr dazu in Kapitel 4.3.2.1
[72] Siehe Kapitel 2.6.5
[73] Schüppel (1996)
[74] In Anlehnung an „Return on Investment“
[75] Bullinger, Wörner, Prieto (1998) (Auszug)
[76] Probst (1997), S. 281
[77] Zur Vertiefung siehe Petkoff (1998), S430ff i.A. und speziell: Nonaka/Takeuchi (1997) und Probst, Raub, Romhardt (1997)
[78] Siehe Kapitel 2.5
[79] Siehe Kapitel 2.5
[80] Vgl. Kapitel 2.6.1 und 2.6.8
[81] Probst, Raub, Romhardt (1997), S. 107
