Veröffentlicht am

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

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

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

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

Veröffentlicht am

Hybrid Work is the New Normal

In Zeiten von Corona ist Remote Work, also das Arbeiten nicht am Arbeitsplatz, sondern z.B. auch im Home Office, beliebt geworden. Immerhin braucht ein Arbeitnehmer nicht zum Arbeitsplatz hin und zurück zu pendeln, und spart somit Lebenszeit. Der Arbeitgeber spart dadurch Bürofläche, was scheinbar für alle eine Win-Win-Situation darstellt.

In der Zwischenzeit melden sich allerdings auch immer stärker kritische Stimmen: 5 Dinge, die an Remote Work nerven. Letztendlich weist auch das Whitepaper Die Arbeit der Zukunft ist Remote (PDF) auf den Seiten 5ff. darauf hin, dass es nicht nur die beiden Pole “Arbeiten am Arbeitsplatz” oder “Remote arbeiten”, sondern viele verschiedene Mischformen gibt, die als Hybrides Arbeiten bezeichnet werden können.

In dem Artikel Hybrid Work Is the New Remote Work der Boston Consulting Group vom 22.09.2020 wird aufgezeigt, was das heisst: “Hybrid work models, done right, will allow organizations to better recruit talent, achieve innovation, and create value for all stakeholders. By acting boldly now, they can define a future of work that is more flexible, digital, and purposeful”.

Hybride Arbeitsmodelle ermöglichen es Personen, Teams, Organisationen und Netzwerke, Ungewissheit und Unsicherheit zu bewältigen. Analysieren Sie, welche Tätigkeiten gut remote, und welche eher kollaborativ im persönlichen Kontakt im Unternehmensumfeld bearbeitet werden können/sollten. Die Diskussion darüber wird wertvolle Ergebnisse bringen, und zu ihrem persönlichen Modell des hybriden Arbeitens führen. Dabei sollten immer wieder die neuen Arbeits-Anforderungen und die neuen technischen Möglichkeiten überprüft, und das hybride Arbeiten angepasst werden – möglichst in kurzen Zyklen und iterativ. Siehe dazu auch Von hybriden Produkten über hybride Wertschöpfung zur hybriden Wettbewerbsstrategie.

Veröffentlicht am

Gedanken zu einfachen Problemen und Standardisierungen

Image by Tammy Duggan-Herd from Pixabay

In der heutigen Diskussion um das “Management” geht es oft um das “Management von Unsicherheit/Ungewissheit”. In Organisationen gibt es allerdings auch einfache Probleme, die tagtäglich zu lösen sind. Ein Ansatz dafür sind Standardisierungen mit entsprechenden Entscheidungsfindungen.

Bei einfachen Problemen mit standardisierten Lösungswegen sind Entscheidungsfindungen eher unkompliziert. Dies darf jedoch nicht darüber hinwegtäuschen, dass Standardisierungen an sich nicht gleichbedeutend sind mit perfekter Information und Rationalität. Standardisierungen reduzieren ohne Zweifel Komplexität und befähigen somit zu „eindeutigen“ Handlungen. Gerade durch diese Komplexitätsreduktion klammern Standardisierungen jedoch einen Teil der Umweltrealität aus, sie können daher nicht ohne weiteres den Anspruch erheben, umfassende und in diesem Sinne perfekt rationale Praxis zu erzeugen. Im Gegenteil existieren viele Standardisierungen, weil es eben keine „bessere“ Möglichkeit der Prozessierung von Problemen gibt (Neumer 2009:8, Fußnote 6).

Wenn es also schon bei einfachen Problemlösung (sps: simple problem solving) keine Eindeutigkeit gibt, wie sieht es dann erst aus, wenn es um komplexe Problemlösungen (cps: complex problem solving) geht? Wenn wir also Standardisierungen als eine “bessere” – und nicht als perfekte Möglichkeit – für einfache Problemlösungen anerkennen, so wird deutlich, dass es zwischen den beiden Polen (sps-cps) ein Kontinuum der Problemlösungsmöglichkeiten gibt, das unternehmensspezifisch anzupassen ist.

Erste Schritte in diese Richtung zeigen die vielen Hybrid-Ansätze auf, die sich im Management immer stärker als pragmatische Alternative etablieren. Solche Themen besprechen wir auch in dem von uns entwickelten Blended Learning Lehrgang Projektmanager/in Agil (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

Veröffentlicht am

Warum sollten wir das In-Beziehungen-Denken neu lernen?

Image by Gordon Johnson from Pixabay

Ein gutes Beispiel dafür, was in komplexen Systemen passiert ist das Gehirn, da es das das komplexeste und leistungsfähigste Organ ist, das wir kennen.

Und diese Leistungsfähigkeit liegt – nach allem, was wir bislang aus der Hirnforschung wissen – nicht zuletzt daran, dass die Verknüpfungen wichtiger als die Teile sind. Das Gehirn funktioniert, weil etwas zwischen den Neuronen passiert – elektrische und chemische, möglicherweise auch rhythmische Verbindungen, Vernetzungen, Beziehungen. Es existiert keine zentrale Instanz, (…) (Mutius 2004:27).

Es erscheint also in komplexen Systemen wie Gesellschaften, Märkten und Organisationen wichtig zu sein, auf „Muster, die verbinden“ (Gregory Bateson) zu achten. Neu zu lernen wäre also das In-Beziehungen-Denken (Mutius 2004:17), was uns nicht leicht fällt, da wir es seit dem 18. Jahrhindert gewohnt sind, von stetigem Fortschritt, Beherrschbarkeit der Natur usw. auszugehen (Einfache Modernisierung). Dieses Mindset zu ändern ist in der heutigen Reflexiven Modernisierung die Aufgabe in allen Bereichen unserer Gesellschaft.

Diese soziologisch seit Jahren gut beschriebene Situation mit ihren Auswirkungen der Kontingenz, der Entgrenzungen, der stärkeren Selbstorganisation usw. usw. wird von betriebswirtschaftlich ausgerichteten Marktteilnehmern oft genutzt, um Geschäfte zu machen. Dabei wird allerdings kaum – oder gar nicht – auf die vielfältigen Vorarbeiten aus der Soziologie eingegangen. Auch hier wäre ein In-Beziehungen-denken angebracht.

Veröffentlicht am

Hybrides Projektmanagement bei Bauprojekten – wie soll das denn gehen?

Die Vertreter der “reinen Lehre”, ob es jetzt das agile Projektmanagement mit Scrum, oder das plangetriebene, klassische Projektmanagement ist, haben es immer schwerer, sich mit ihren Ansichten durchzusetzen. Solche hybriden Ansätze waren allerdings nicht nur im Projektmanagement suspekt, sondern auch bei hybriden Produkten, hybriden Wertschöpfungen und sogar bei der hybriden Wettbewerbsstrategie Mass Customization.

In der Zwischenzeit werden hybride Ansätze – z.B. im Projektmanagement – in der HELENA-Studie von Linssen et al. 2018, oder auch von der aktuellen Studie “Status Quo (Scaled) Agile” von Komus (2020) als dominierende Vorgehensweise beschrieben. Der Dogmatismus kommt scheinbar gegen den Pragmatismus in den Organisationen nicht an.

Der Praxisleitfaden Hybrides Projektmanagement von IG Lebenszyklus Bau vom Oktober 2019 setzt der ganzen Entwicklung nun die Krone auf, indem aufgezeigt wird, wie Hybrides Projektmanagement für Bauprojekte umgesetzt werden kann. Dabei werden nicht nur klassische, plangetriebene Ansätze und agile Vorgehensweisen genutzt, sondern auch Lean und Design Thinking.

In dem von uns entwickelten Blended Learning Lehrgang Projektmanager/in AGIL (IHK) gehen wir in einem Modul ganz bewusst intensiv auf die Möglichkeiten des Hybriden Projektmanagements ein. Informationen zum Blended Learning Lehrgang finden Sie auf unserer Lernplattform.

Veröffentlicht am

Das Original: Der Begriff “Lean” wurde vor 32 Jahren von John Krafczyk geprägt

Image by Daniel Reche from Pixabay

Der Begriff “Lean” wurde ursprünglich in dem Paper Krafczyk J. F. (1988): Triumph of The Lean Production System (PDF) geprägt. Die PDF-Datei ist ein Reprint aus dem Sloan Management Review, Fall 1988, Volume 30, Number 1. Darin geht es um das MIT International Motor Verhicle Program, in dem die Produktionssysteme der Automobilindustrie weltweit analysiert wurden. John Krafczyk hat dabei das Toyota Produktionssystem als schlank, also als “lean” bezeichnet.

The reasearch findings reported in this article will help to overturn a common myth about the auto industry: the productivity and quality levels are determined by an assembly plant´s location. In reality there exists a wide range of performance levels among Japanese, M´North American, and European plants.Corporate parentage and culture do appear the be correlated with plant performance; the level of technology does not. Plants operating with “lean” production policy are able to manufacture a wide range of products, yet maintain high levels of quality and productivity (Krafczyk 1988;1).

Der Durchbruch für Lean Production und Lean Management kam dann später mit der Veröffentlichung Womack/Jones/Roos (1990): The Machine That Changed The World. In den letzten 30 Jahren hat sich der Lean-Gedanke zunächst in der Industrie, und später auch in anderen Branchen etabliert.

Lean ist heute wieder aktueller denn je, da es Organisationen leichter fällt zu einer Agilen Organisation zu kommen, wenn ihr Lean-Index hoch ist. Organisationen, die sich in den letzten 30 Jahren schon an den Lean-Prinzipien orientiert haben, können über KANBAN agile Arbeitsweisen problemlos etablieren.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgang Projektmanager AGIL (IHK), den wir an verschiedenen Standorten anbieten. Weitere Informationen zum Lehrgang und zu Terminen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Growth Mindset, Agilität und Multiple Intelligenzen

Image by Free-Photos from Pixabay

Im Zusammenhang mit der Transformation/Transitionen von traditionellen Organisationen zu Agilen Organisationen wird immer wieder das “Agile Mindset” hervorgehoben. Hans-Gerd Serevatius hat 2018 dazu Wege zu einem agilen Mindset beschrieben. Darin definiert er das agile Mindset als “bewegliche Denkweise eines Menschen, die auch sein Verhalten prägt.”. Diese Denkweise kann als relativ stabil oder als veränderbar angenommen werden.

Carol Dweck (2006) beschreibt diese Zusammenhänge als Fixed Mindset oder Growth Mindset. Ein Fixed Mindset geht davon aus, dass Kreativität, Intelligenz und Talent unveränderbar sind.

Wie wichtig es ist, dass die an der Förderung des Lernens Beteiligten nicht an die Konstanz, sondern stattdessen an die Veränderbarkeit der Intelligenz glaubten, hat Carol Dweck (1986, 1990) in zahlreichen Untersuchungen überzeugend belegt (Mietzel 2003:253).

Gerade in einem VUCA-Umfeld ist es wichtig, von einem Growth Mindset auszugehen, bei dem Kreativität, Intelligenz und Talent veränderbar sind. Interessant ist in diesem Zusammehnag, dass In dem Artikel Bokas, A.; Rock, R. (2016): Changing the Mindset of Education: Every Learner is Unique wird ein Zusammenhang hergestellt, zwischen dem Growth Mindset und der Theorie der Multiplen Intelligenzen von Howard Gardner.

Veröffentlicht am

Die formale Organisation verkennt ihre Funktion als Struktur eines großen Sozialsystems

Das Umfeld von Organisationen hat sich in den letzten 150 Jahren deutlich verändert, doch strukturieren gerade große Organisationen sich immer noch so, als könnten komplexe Problemlösungprozesse in formalen Organisationen abgebildet werden. Die formale Organisation verkennt dabei allerdings einen wichtigen Aspekt.

Es gehört zur Logik der formalen Organisation, dass sie keine Widersprüche anerkennt. Ihre allgemeinen Regeln erheben den Anspruch, in jeder einzelnen Situation verbindlich zu sein. Was vorgeschrieben ist, soll so ausgeführt werden, wie es vorgeschrieben ist. (…) Diese Auffassung versteht die formale Organisation als ein Netz von Handlungsvorschriften, die möglichst getreu ins Handeln übertragen werden müssen; sie verkennt ihre Funktion als Struktur eines großen Sozialsystems (Luhmann 1999:297-298).

Diese Erkenntnis hat weitreichende Folgen: Beispielsweise ist damit die Methapher des “Unternehmens als Maschine” nicht mehr angemessen. Auch Mitarbeiter als “Zahnräder” zu beschreiben ist nicht mehr angebracht – wird allerdings immer noch verwendet. Darüber hinaus ist die allgemeine Sicht auf die “Berechenbarkeit von allem” eher hinderlich, zukunftsorientiert zu arbeiten. Diese Arten der Fremdorganisation von Arbeit werden nun immer mehr abgelöst von der Selbstorganisation des Arbeitshandelns abgelöst (Agile Ansätze). Die Organisation als “komplexen Sozialsystems” hat eine Passung zur Lebenswirklichkeit, mit weitreichenden Veränderungen. Komplexe Sozialsysteme zu verstehen, gehört bisher noch nicht zu den Kernkompetenzen von Unternehmen…

Veröffentlicht am

Alle reden über Komplexität, doch wer kennt schon Bifurkationspunkte?

Image by Gordon Johnson from Pixabay

Wenn alles nicht so einfach ist, also alles miteinander vernetzt ist, es Rückkopplungen gibt, und wir in diesem Sinne von einem komplexen sozialen System sprechen können, kommt es auch darauf an, die Phasenübergänge (Bifurkationspunkte) zu kennen. Doch, wie können wir uns diese Situation vorstellen, bzw. sogar damit umgehen?

Phasenübergänge führen fern des thermischen Gleichgewichts zu Emergenz und Selbstorganisation von Ordnung wachsender Komplexität. Allgemein können durch zufällige Wechselwirkungen der Systemelemente auf der Mikroebene neue Strukturen auf der Makroebene entstehen, die durch die Mikrozustände der Elemente nicht erklärbar sind. Wenige instabile Systemelemente geraten an den Instabilitätspunkten in starke Schwingungen, die schließlich auch die Mehrzahl der stabilen Systemelemente mitreißen. Sie zwingen ihnen ihr Verhalten auf oder – mit den Worten von Hermann Haken – „versklaven“ sie. Dadurch kommt es zu makroskopischen Veränderungen mit Ordnungs- und Musterbildungen. Es genügt also, das Verhalten der wenigen instabilen Systemelemente zu erkennen, um den Entwicklungstrend des gesamten Systems und seine makroskopischen Muster zu bestimmen. Die Größen, mit denen das Verteilungsmuster der Mikrozustände eines Systems charakterisiert wird, heißen nach dem russischen Physiker Lew D. Landau „Ordnungsparameter“ (Mainzer 2008:43-44).

Um das Gesamtsystem zu steuern, reicht es also aus, sich um die wenigen instabilen Systemelemente zu kümmern, um makroskopische Muster zu bestimmen. Es ist also nicht erforderlich alle Daten/Informationen im Sinne von Vollständigkeit vorliegen zu haben – was sowieso nicht möglich ist (Blogbeitrag). Weniger ist hier mehr. Entscheidend sind angemessene Maßnahmen an den richtigen Stellen. Aktuell habe ich eher den Eindruck, dass viele Unternehmen einem Datenfetischismus hinterherrennen, und die Chancen einer angemessenen Systemsteuerung nicht erkennen.

Veröffentlicht am

Was sind eigentlich mögliche Aufgabengebiete der Künstlichen Intelligenz?

Group of people with devices in hands working together as symbol of networking and communication

Die Geburtsstunde von “Künstlicher Intelligenz” geht auf einen Konferenzbeitrag von McCarthy im Jahr 1955 zurück. In der Zwischenzeit gibt es durch die vielen neuen technischen Möglichkeiten zwar immer wieder Definitionsversuche, doch immer noch keine einheitliche und anerkannte Definition. Was allerdings klar erscheint sind die verschiedenen Aufgabengebiete, die für eine Künstliche Intelligenz geeignet erscheinen. Russell und Norvig unterscheiden hier acht Aufgabengebiete (vgl. Russell und Norvig 2012; Peissner et al. 2019), zitiert in Fraunhofer IAO 2020:11-12):

  • Lernen
  • Problemlösung durch Suchen
  • Planen
  • Robotik
  • Entscheidung
  • Wissensrepräsentation
  • Wahrnehmung
  • Spracherkennung

Anhand dieser Auflistung wird deutlich, dass Künstliche Intelligenz viele Tätigkeiten in unserem gesellschaftlichen und wirtschaftlichen Leben beeinflussen kann. Es geht hier allerdings nicht immer um komplette Jobs, die infrage gestellt werden, sondern auch um Tätigkeitsportfolios, die in einzelnen Jobs oder in Prozessketten von KI profitieren können. Hier ein Beispiel:

Populär wurden in jüngster Zeit Anwendungen wie beispielsweise KI-gestützte »Chatbots«. Dies sind Programme, die eine Konversation mit Nutzern führen können. Social Chatbots agieren in sozialen Netzwerken wie Facebook und Twitter (vgl. Edwards 2016). Anwendungsgebiete sind u.a. Bestellungen (z.B. Pizza-Service), Antworten auf Kundenanfragen zu Prozessen (Paketdienste) und Bearbeitung von Beschwerden (Fraunhofer IAO 2020:13).