Innovationsmanagement | Page 11 of 154

5. Februar 20242. März 2024

KI-förderliche Organisationskultur: Übersicht im Leitfaden des Fraunhofer IAO (2023)

Fraunhofer IAO (2023): Leitfaden zu Strategie und Wandel für den KI-Einsatz, in Anlehnung an Floridi, L.; Cowls, J.: A Unified Framework of Five Principles for AI in Society. Harvard Data Science Review.
https://doi.org/10.1162/99608f92.8cd550d1, veröffentlicht am 23. Juni 2019.

Wenn es um Künstliche Intelligenz geht, wird zu einem großen Teil über die Technik und den damit verbundenen technischen Möglichkeiten gesprochen und geschrieben. Neben der Technik gibt es in Unternehmen allerdings auch noch die Organisation und die Menschen (TOM-Modell). Eine Organisationskultur, die den Einsatz von KI im Unternehmen fördert, sollte somit alle Ebenen adressieren, und auf den Überlegungen von Edgar Schein basieren:

Der Soziologe Edgar Schein versteht folgendes unter Unternehmenskultur: „Ein Muster gemeinsamer Grundprämissen, das die Gruppe bei der Bewältigung ihrer Probleme externer Anpassung und interner Integration erlernt hat, das sich bewährt hat und somit als bindend gilt; und das daher an neue Mitglieder als rational und emotional korrekter Ansatz für den Umgang mit diesen Problemen weitergegeben wird“ (Schein, E. (1995)).

Daraus leitet Edgar Schein die Ebenen Grundannahmen, Werte und Normen und Artefakte ab, die manchmal wie ein Eisberg dargestellt werden, bei dem der größte Teil “unter Wasser”, also nicht sichtbar ist In dem vom Fraunhofer IAO 2003 veröffentlichten Leitfaden zu Strategie und Wandel für den KI-Einsatz sind daraus jeweils Maßnahmen einer KI-förderliche Organisationskultur entwickelt worden (Abbildung). Interessant dabei ist, dass in dem Leitfaden auch sehr konkrete Hinweise zur Umsetzung gegeben werden.

Mehr Blogbeiträge zu “Künstliche Intelligenz” finden Sie hier.

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

4. Februar 2024

Psychologische Spielchen in der Projektarbeit: Das Ja-Aber-Spiel

Sie alle kennen das Spiel: Jemand wirft eine Frage oder ein Problem auf, ein anderer beantwortet die Frage, bzw. formuliert eine Idee zu dem Problem, die jedoch mit “Ja, aber…” verworfen werden. Dieses Ping-Pong kann lange, ja sehr lange dauern, und vergeudet damit Arbeitszeit und Energie aller Beteiligten. Bei Röhrig (2008) findet sich dazu folgendes Beispiel:

“Jede Neuerung verleitet Menschen zu diesem Spiel. Soll zum Beispiel ein neues und für ein umfassendes Projekt notwendiges elektronisches Ablagesystem eingeführt werden, so liegt es nahe, diese unerwünschte Maßnahme in Frage zu stellen, indem man ein zu befürchtendes, möglicherweise unbedeutendes Problem aufwirft, das von keinem zu lösen zu sein scheint. Folgender Beispieldialog gehört in den „Spielalltag“ eines Unternehmens, in dem eine Veränderung implementiert werden soll:

A: „Um dieses System zu erlernen, benötigen wir sehr viel Zeit. Wie sollen wir denn da überhaupt noch unsere eigentliche Arbeit machen?“

B: „Das ist richtig, aber wenn wir das Programm erst einmal gelernt haben, sparen wir alle sehr viel Zeit und ersparen uns unnötiges Suchen nach Dokumenten.“

A: „Ja, aber dann haben wir trotzdem das Problem der Überstunden.“

B: „Dann werden wir eben dieses Programm in der Freizeit bzw. in den Zeiten lernen, in denen weiniger los ist.“

A: „Ja, aber ich werde bestimmt nicht in meiner Freizeit ein Programm für die neue Ablage erlernen.“

B: „Dann setzen Sie sich eben daran, sobald Sie weniger zu tun haben.“

A: „Aber, das ist doch überhaupt nicht realisierbar, weil….”

Lassen Sie sich auf solche Spielchen einfach nicht ein. Ersetzen Sie das “Ja, aber …” durch ein “Ja, und ...” oder nutzen Sie andere Methoden auf Ideen einzugehen – beispielsweise mit Hilfe der PMB-Methode.

3. Februar 2024

Feedback in Projekten: Die PMB-Methode nutzen

In Projekten wird sehr viel kommuniziert, da es oft darum geht, komplexe Probleme zu lösen. Dazu werden Ideen benötigt, die dann kommentiert und eingeordnet werden müssen. Der Umgang mit Ideen ist als essentiell für die Zusammenarbeit in Projekten. Aus dem Ideenmanagement ist die PMB-Methode bekannt, die auch für Feedback in Projekten genutzt werden kann. – gefunden in Kinsey Goman (1991):

Positives: Alles Positive an der Idee.
Beispiel: Mir gefällt, dass Sie auch an ……. gedacht haben.

Möglichkeiten: Anwendungs- und Ausweitungsmöglichkeiten der Idee.
Beispiel: Wir könnten zusätzlich auch noch ….

Bedenken: Dies sind meine Bedenken. Können Sie mir helfen, sie zu zerstreuen?
Beispiel: Ich weiß nicht, ob wir genug Platz dafür haben. Haben Sie eine Vorstellung darüber, wie es gehen könnte? Hinweis: Beachten Sie, dass Sie sagen sollten “Ich habe Bedenken…”

Das wird im Tagesgeschäft nicht immer funktionieren. Dennoch ist es gut, sich darüber Gedanken zu machen, wie in Projekten Feedback gegeben wird. Die PMB-Methode bietet hier einen ersten Ansatz.

1. Februar 20241. Februar 2024

Wie können Kundenanforderungen (WAS) in spezifizierte Merkmale (WIE) überführt werden?

Eigene Prinzip-Darstellung (vgl. Nirankari 2003)

Es ist schon schwierig, die Anforderungen von Kunden (Requirements) zu erfassen, z.B. in einer Anforderungsliste, einem Lastenheft, einem Backlog oder auch in einer Ausschreibung, bzw. einer Anfrage. Diese Anforderungen dann auch noch in das eigene Projekt ist eine weitere Schwierigkeit – speziell dann, wenn Auftraggeber und Auftragnehmer aus verschiedenen Branchen (Kontexten, beruflichen Domänen) kommen. Die Aufgabe ist also, die “Stimme des Kunden” in die “Stimme des Unternehmens” (des Projekts) zu überführen.

Im klassischen, plangetriebenen Projektmanagement gibt es dafür durchaus Unterlagen. Im Lastenheft werden beispielsweise die Anforderungen (WAS) des Auftraggebers dokumentiert, und im Pflichtenheft dokumentiert der Auftragnehmer, WIE eine erste Problemlösung aussehen kann. Dabei gibt es spezifizierte Merkmale, die das Produkt, bzw. die Dienstleistung charakterisieren.

Eine “Übersetzung” des WAS in das WIE kann mit Hilfe der QFD-Matrix erfolgen. QFD (Quality Function Deployment) ist schon lange aus dem Qualitätsmanagement bekannt und bedeutet frei übersetzt “Entfaltung der Qualitätsfunktionen”. Die Kundenforderungen werden hier anhand von Zahlen gewichtet, denn nicht jede Kundenforderung ist gleich wichtig. Im Feld Korrelation werden das WAS und das WIE in Beziehung gesetzt. Dabei wird anhand von Zahlen (z.B. 1, 3, 9) die Stärke der Korrelation vom Projektteam geschätzt. Multipliziert man die Gewichtung der Kundenanforderung mit der jeweils vergeben Zahl zur Stärke der Korrelation ergeben sich in jeder Zeile und jeder Spalte Daten, die man in einer einfachen Exceldatei berechnen kann.

Manchmal kommen für Auftragnehmer überraschende Erkenntnisse heraus: Das spezifizierte Merkmal mit dem höchsten Gesamtwert sollte vom Projektteam bevorzugt behandelt werden, um letztendlich die Anforderungen des Kunden zu erfüllen, was sich letztendlich in einer hohen Kundenzufriedenheit niederschlägt. Meine Anmerkungen sollen nur das Prinzip und die Möglichkeiten von QFD aufzeigen. Auf der Website des QFD-Instituts Deutschland finden Sie viele weiterführende Informationen. Siehe dazu auch diese Beiträge zu “Anforderungen”.

31. Januar 20242. März 2024

Künstliche Intelligenz (KI) – Projekte durchführen

In verschiedenen Beiträgen (Beispiel)habe ich schon darauf hingewiesen, wie Künstliche Intelligenz (KI) für das Projektmanagement genutzt werden kann. In diesem Beitrag geht es um KI-Projekte selbst, die in den Organisationen aktuell angestoßen werden. KI-Projekte zeichnen sich durch eine große Unsicherheit und erheblichen Kommunikations- und Abstimmungsaufwand aus. Schon diese Kriterien deuten darauf hin, dass KI-Projekte möglichst agil durchgeführt werden sollten. Das wird auch in dem “Leitfaden zur Durchführung von KI-Projekten” (Fraunhofer IAO 2023) so gesehen:

“Bei KI-Projekten ist es normalerweise notwendig, diverse Modelle und Algorithmen auszuprobieren, um eine optimierte Lösung zu erhalten, denn die Aussagekraft der Daten sowie die guten Wege zur Informationsextraktion sind oft nicht von Anfang an klar. Dafür kann es auch notwendig sein, (frühere) Projektschritte zu wiederholen. Deshalb ist es üblicherweise ratsam, eine iterative oder gar agile Form des Projektmanagements zu wählen, z. B. Scrum oder Kanban” (ebd.).

Darüber hinaus wird darauf hingewiesen, dass Organisationen mit relativ wenig IT-Erfahrungen durchaus auch ergänzende Vorgehensmodelle eingesetzt werden können, um die KI-Projekte stärker zu unterstützen, bzw. zu begleiten. Dieser Hinweis deutet möglicherweise auf ein hybrides Vorgehen hin.

28. Januar 20242. März 2024

Mensch und Künstliche Intelligenz: Engineering bottlenecks und die fehlende Mitte

Fraunhofer IAO (2023): Leitfaden zu Strategie und Wandel für den KI-Einsatz, in Anlehnung an Daugherty, P. R.; Wilson, H. J.: Human + Machine. Reimagining Work in the Age of AI. Harvard Business Review Press, 2018

Künstliche Intelligenz hat schon jetzt einen quantitativen und qualitativen technologischen Sprung auf allen gesellschaftlichen Ebenen ermöglicht. Es stellt sich daher immer mehr die Frage nach dem Umgang zwischen Menschen und diesen “Maschinen”. Da ich kein Freund von Dichotomien bin (Entweder-oder), suche ich immer wieder nach angemesseneren Erläuterungen. In dem vom Fraunhofer IAO (2023) veröffentlichten “Leitfaden zu Strategie und Wandel für den KI-Einsatz” gibt es dazu eine sehr gute Darstellung (Abbildung).

Maschinen-Tätigkeiten (hier: KI-Anwendungen) haben ihre Stärken bei Erledigen, Wiederholen, Vorhersagen und Anpassen. Das bedeutet, dass Berufe, die ihren Schwerpunkt bei diesen Tätigkeiten haben, in Zukunft wohl von KI abgelöst werden. Für Techniker/Ingenieure gibt es allerdings menschliche Tätigkeiten wie Führen, Empathisch sein, Kreativ sein und Bewerten, die technisch nicht so leicht zu ersetzen sind, also für Techniker (noch) Engineering bottlenecks darstellen.

Zwischen den beiden Extrempositionen gibt es allerdings einen sehr großen Bereich von Mensch-Maschinen-Tätigkeiten, der als die fehlende Mitte dargestellt wird. Dabei gibt es wiederum zwei Schwerpunkte: Einerseits kann der Mensch die Maschine trainieren, anderseits kann die Maschine dem Menschen assistieren. Gerade diese Bereiche können als die eigentlichen Chancen von Künstlicher Intelligenz (KI) gesehen und zum Wohle von Menschen, Organisationen und Gesellschaften – nicht nur zum Wohle großer, rein kommerziell ausgerichteter Konzerne. Siehe dazu auch Der KI-basierte Arbeitsplatz – eine erste Einordnung.

Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen, die wir an verschiedenen Standorten anbieten. Weitere Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

27. Januar 202427. Januar 2024

Arbeiten früher und heute – eine etwas andere Perspektive

Wir reden und hören überall etwas von der schönen, neuen Arbeitswelt, die unter New Work bekannt geworden ist. Diese schöne neue Arbeitswelt wird oft anhand von (positiven) Beispielen dargestellt und erläutert, denn etwas Neues – wie eben New Work – muss ja besser sein als das Alte – oder?

Diese auch wissenschaftlich geführte Diskussion über Vorteile und Nachteile der neuen Arbeitswelt ist schon etwas anstrengend, sodass es manchmal auch gut ist, die Thematik zu vereinfachen, sodass sich jeder dazu seine eigenen Gedanken machen kann. In der Abbildung ist – ohne Anspruch auf wissenschaftliche Korrektheit – dargestellt, wie sich “Arbeit früher” und “Arbeit heute” unterscheiden.

23. Januar 20242. März 2024

Fraunhofer IAO: Rechtliche Fragen bei der Nutzung von Künstlicher Intelligenz (KI)

Der Einsatz von Künstlicher Intelligenz (KI) wird aktuell in allen gesellschaftlichen Bereichen getestet. Bei der wirtschaftlichen Nutzung von KI kommen dabei immer öfter auch rechtliche Fragen auf, die das Fraunhofer IAO (2023) in einem “Leitfaden zu Strategie und Wandel für den KI-Einsatz” zusammengestellt hat. Danach sollte bei der strategischen Planung des KI-Einsatzes insbesondere auf folgende Bereiche geachtet werden:

KI-Einsatz generell:
– Rechteklärung bei der Beschaffung von Trainingsdaten
– Nutzung der KI durch den Anwender / Eingabekontrolle (z. B. Datenschutzrecht, Geschäftsgeheimnisse)

Entscheidungsfindung:
– Arbeitsrecht
– Datenschutzrecht
– Allg. Persönlichkeitsrecht

Produktiver Einsatz von KI
– Schutzfähigkeit von mittels KI produzierten Daten
– Gesetzliche Schutzrechte an den Daten
– Patente / Gebrauchsmuster
– Design (im gesetzlichen Sinne)
– Urheberrechte / Leistungsschutzrechte
– Vertraglicher Schutz der Daten

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

22. Januar 202422. Januar 2024

Von der Optimierung zur Problematisierung?

In der Industriegesellschaft wird alles optimiert. Ob es nun Prozesse sind (Fremdoptimierung), oder persönliche Gesundheitsdaten (Selbstoptimierung). Mit Trackern werden dabei die Daten des Körpers permanent überwacht und optimiert – wie bei einer Maschine. Doch ist dieser (Selbst-) Optimierungswahn in der heutigen Zeit noch angemessen? Immerhin leben wir nicht mehr in einer Welt die berechenbar, planbar und somit recht einfach optimierbar ist.

In einem turbulenten Umfeld, das oft mit VUCA (Volatility, Uncertainty, Complexity, Ambiguity) oder BANI beschrieben wird, ist es ja gerade schwer oder sogar unmöglich, ein geeignetes Optimierungsziel zu formulieren, da sich die Bedingungen permanent ändern. In einem Sonderheft “Problematisierung statt Optimierung” werden viele dieser Facetten ausführlich und wissenschaftlich fundiert dargestellt. Ich möchte an dieser Stelle nur punktuell die eine oder andere Quelle zitieren:

“Dabei zeigt sich zweierlei: einerseits wird der als defizitär bewertete Ausgangspunkt maßgebend für den Optimierungsprozess, das heißt für seine Form und Richtung. Andererseits wird mit der Optimierungsbewegung bereits vom Zielpunkt aus und damit vom erwünschten Zustand her gedacht, welcher in seiner schnellen Erreichbarkeit seine Wirkungsmacht entfaltet (Ebner von Eschenbach (Hrsg.) (2023): Problematisierung statt Optimierung).

In Verweis auf Forster (2020) wird weiterhin herausgestellt, dass diese Optimierung eine Ordnung hervorbringt, die Kontingenzerzeugung u.a. um Wissen und Erkenntnisse von vornherein unterdrückt (vgl. ebd.). Der allseits vorhandene Optimierungsdrang sollte daher zugunsten von einer Problematisierung abgelöst werden.

“Julia Leister und Oliver Schrickel betonen, dass der Anspruch, der mit Problematisierung erhoben wird, eine Optimierungslogik unterminiert, indem Phänomene nicht im Modus einer Lösungsorientierung angegangen, sondern zuallererst „into question“ (Leistert & Schrickel 2020, S. 9) geführt werden, um „interessant“ (Bachelard 1974 [1949], S. 140) zu werden” (ebd.).

Bei der Problematisierung geht es somit weniger um Lösungen als um Fragen, die gestellt werden, und um die Hervorbringung von Erkenntnisgrenzen (ebd.) und somit zu Erkenntnisgewinn. Diese Zusammenhänge sind nicht trivial, doch meines Erachtens sehr wichtig, denn in vielen Bereichen der Gesellschaft (Individuelle Ebene, Gruppenebene, Organisationale Ebene und Netzwerkebene) wird immer noch zu oft auf die Herausforderungen unserer komplexen Umwelt mit relativ einfachen Optimierungsansätzen geantwortet.

21. Januar 202421. Januar 2024

Top 100 Tools for Learning 2023: ChatGPT neu auf Platz 4 eingestiegen

Auch für das Jahr 2023 wurden wieder die TOP 100 Tools for Learning ermittelt. Dabei kam – wenig überraschend ChatGPT gleich neu auf Platz 4. In den TOP 10 ist auch noch gerade so Zoom zu finden (Platz 10), allerdings sind das 5 Platze schlechter als das Jahr zuvor.

Weiterhin fällt mir auf, dass Miro (Online Whiteboard) jetzt auf Platz 61 zu finden ist, was immerhin 37 Plätze schlechter ist, als im Jahr 2022. Möglicherweise liegt es daran, dass Online Whiteboards in der Zwischenzeit in vielen anderen Tools integriert sind. Und wo steht Moodle in dem Ranking? Immerhin auf Platz 39, was keine Veränderung gegenüber 2022 bedeutet.

Wie ich schon in dem Beitrag Top 100 Tools for Learning 2022 – A fool with a tool …? erwähnt hatte, besteht die eigentliche Arbeit darin, geeignete Tools auszuwählen, die ein Lernen in einem bestimmten Kontext (Domäne, Projekt, Geschäftsprozess) auf der individuellen Ebene, auf der Teamebene, auf der organisationalen Ebene und auf der Netzwerkebene ermöglichen.