Thanks to my colleagues and co-authors!
Researchgate: 7.000 reads
Wie hängen Nebenfolgen, Pfadabhängigkeit und Innovation zusammen?
Ulrich Beck hat in seinen Überlegungen zu einer Risikogesellschaft, und letztendlich zur Reflexiven Modernisierung, darauf hingewiesen, dass die in der klassischen Risikobewertung wenig beachteten Nebenfolgen deutliche Wirkungen zeigen: „Nebenfolgen entwerten Kapital, zerstören Vertrauen, lassen Märkte zusammenbrechen…“ (Beck 1996:54, zitiert in Ortmann 2009:11). Ortmann wiederum sieht in der Verkettung von Nebenfolgen gefährliche Pfadabhängigkeiten.
‚Pfadabhängigkeit’ heißt ja: Prozesse sind nicht durch unsere Entscheidungen und Pläne zu determinieren, sondern nehmen ihren erst Schritt für Schritt näher bestimmten Verlauf in einem spezifischen Wechsel von Kontingenz und Notwendigkeit – in Folge von lauter intendierten und nicht-intendierten Effekten, schließlich in Folge von Selbstverstärkungseffekten, vor denen sich die Entscheidungsgewalt der Entscheider vollends blamiert (Ortmann 2009:11).
Interessant dabei ist, dass diese Theorie der Pfadabhängigkeit im Innovationsmanagement schon lange beachtet wird. Beispielsweise kann die Ausrichtung auf Kernkompetenzen solche (intendierten und nicht-intendierten) Nebenfolgen) haben und Innovationen blockieren.
Siehe dazu auch Freund, R.; Tisgkas, A. (2007): How to improve Customer Interaction through the concept of Multiple Competences. 4th Worldconference on Mass Customization and Personalization MCPC2007, 07.-10.10.2007, MIT Cambridge/Boston, USA (Veröffentlichungen).
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.
Warum sollten wir das In-Beziehungen-Denken neu lernen?
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.
Demokratisierung von Wissen durch von Amateuren betriebene Wissensseiten
Das Wissen von Gelehrten oder auch das Wissen von Experten wird immer mehr abgelöst durch das Wissen von vielen Amateuren, die über moderne Technologie gemeinsam Wissensseiten wie Wikipedia betreiben.
„Die Gelehrtenrepublik des 18. Jahrhunderts, die sich in eine professionelle Bildungsrepublik verwandelt hatte, öffnet sich heute den wahren Amateuren: den Bildungsfreunden unter den Bürgern dieser Welt. Offenheit, soweit das Auge reicht, ermöglicht durch ‚frei zugängliche’ Informationsplattformen wie Open Content Alliance, Open Knowledge Commons, Open CourseWare und Internet Archive, in denen digitalisierte Artikel gratis zur Verfügung gestellt werden, sowie durch Wikipedia und andere von Amateuren betriebene Wissensseiten. Die Demokratisierung des Wissens scheint in Reichweite. Das Ideal der Aufklärung könnte bald Wirklichkeit werden.“(Münker 2009:103) Zitiert aus Robert Darnton, „Im Besitz des Wissens. Von der Gelehrtenrepublik des 18. Jahrhunderts zum digitalen Google-Monopol“, in: Le monde diplomatique, April 2009, S. 13. (Darnton weist übrigens in seiner insgesamt positiven Einschätzung der entstehenden digitalen Weltbibliothek auch auf die potentielle Gefahr hin, die hier vom Monopolisten Google, der hinter der Digitalisierung steht und an der Bibliothek verdienen will, ausgeht) (Münker 2009:142).
Interessant ist hier, dass auch Eric von Hippel von der Demokratisierung von Innovation spricht: Democratizing Innovation. Die Demokratisierung von Wissen führt somit zwangsläufig auch zur Demokratisierung von Innovationen, die für Organisationen, aber auch gesellschaftlich relevant sind. Siehe dazu auch von Democratizing Innovation zu Free Innovation.
Open Innovation und Open Evaluation
Im Innovationsmanagement sind Ideenwettbewerbe ein wichtiges Element für die erste Stufe des Innovationsprozesses. Dieser kann geschlossen (Closed Innovation) oder offen sein (Open Innovation). Wenn es zu vielen Ideen oder innovativer Konzepte gibt, müssen diese IT-gestützt analysiert und bewertet werden. Diese Vorgehensweise wird als Open Evaluation bezeichnet.
Unter Open Evaluation subsumieren wir daher die Bewertung und/oder Kommentierung von Lösungsvorschlägen unterschiedlichen Ausarbeitungsgrads im Rahmen von Innovationsaktivitäten durch Personen, die nicht regulär zum Personenkreis der Entscheider gehören (Möslein/Haller/Bullinger 2010:6).
Dabei gehen die Autoren allerdings nur von der Perspektive auf Open Innovation aus, die von Chesbrough (2006) beschrieben wurde, und damit Open Innovation auf Organisationen anwendet.
Kunden und externe Partner stellen eine wichtige Informationsquelle für neue Produkt- und Dienstleistungskonzepte dar. Ihre aktive Einbindung in den Innovationsprozess wird als „Open Innovation“ bezeichnet (Möslein(Haller/Bullinger 2020:2).
Es wäre interessant zu erfahren, wie Open Evaluation genutzt werden könnte, um Ideen oder Ideen-Konzepte zu bewerten, die eher aus dem von Eric von Hippel beschriebenen Bottom-Up-Ansatz zu Open Innovation ausgehen.
Siehe dazu auch Freund, R. (2010): How to Overcome the Barriers between Economy and Sociology with Open Innovation, Open Evaluation and Crowdfunding? In: International Journal of Industrial Engineering and Management (IJIEM), Vol.1 No 3, 2010, pp. 105 – 109. Paper first published in Proceedings of the 4th International Conference on Mass Customization and Open Innovation in Central Europe (MCP-CE 2010).
Open Innovation: Three Innovation Modes
Wenn von Open Innovation gesprochen oder geschrieben wird, sollte zunächst klar sein, um welchen Ansatz es hier geht. Einerseits gibt es die Perspektive von Henry Chesbrough, der Open Innovation für Organisationen beschreibt, indem er den klassischen Innovationsprozess an verschiedenen Stellen öffnet. Dazu habe ich hier schon verschiedene Blogbeiträge, oder auch Konferenzpaper veröffentlicht (Veröffentlichungen).
Allerdings kann Open Innovation auch als Bottom-Up-Prozess interpretiert werden, der von einzelnen Personen ausgeht. Diese Perspektive vertritt Eric von Hippel besonders in seinem Buch Free Innovation, dass 2017 veröffentlicht wurde. Free Innovation definiert Eric von Hippel wie folgt: “First, no one pays free innovators for their development work, they do it during their unpaid, discretionary time. Second, free innovation designs are not actively protected by their developers—they are potentially acquirable by anyone for free” (ebd. p. 26). In diesem Sinne ergeben sich dann “three innovation modes” (p. 37-38):
- A single free innovator is an individual in the household sector of the economy who creates an innovation using unpaid discretionary time and does not protect his or her design from adoption by free riders.
- A collaborative free innovation project involves unpaid household sector contributors who share the work of generating a design for an innovation and do not protect their design from adoption by free riders.
- A producer innovator is a single, non-collaborating firm. Producers anticipate profiting from their design by selling it. It is assumed that, thanks to secrecy or intellectual property rights, a producer innovator has exclusive control over the innovation and so is a monopolist with respect to its design.
Sechs nationale Studien zeigen dabei, dass der Anteil von single free innovator im Vergleich zu collaborative free innovation bei 72%-90% liegt (ebd. p. 25). Solche Zahlen sollten dazu führen, Innovationen nicht alleine nach dem Oslo Manual (2018) zu definieren, da diese Definition zu sehr auf Organisationen fokussiert ist. Weiterhin sollten einzelne Innovatoren stärker gefördert werden, da es hier scheinbar ein großes Potenzial gibt, das dann auch von anderen frei genutzt werden kann.
Was sind eigentlich mögliche Aufgabengebiete der Künstlichen Intelligenz?
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).
Gedanken zum Kommunikationsbegriff in sozialen Systemen
Immer wieder wird in Interaktionen deutlich, dass der Kommunikation eine wichtige Rolle zukommt. Doch was verstehen wir unter Kommunikation? Eine Sichtweise kann aus der Systemtheorie abgeleitet werden. Luhmanns Systemtheorie “begreift Kommunikationen als Operationen sozialer Systeme und Erwartungen als Strukturen, die kommunikative Ereignisse miteinander verknüpfen. Erwartungen werden dabei als Verdichtungen von Sinn bestimmt” (Schneider 2008:129). Dabei ist Sinn definiert “durch die Unterscheidung von Aktualität und Möglichkeit” (ebd. S. 141). Weiterhin ist interessant, dass der Kommunikationsbegriff über die Entscheidung mit Konsens und Konflikt zusammenhängt.
Über die drei Selektionen Mitteilungen, Information und Verstehen hinaus, die zusammen den Kommunikationsbegriff definieren, ist eine vierte Selektion für den weiteren Verlauf der Kommunikation von zentraler Bedeutung, die mit jeder Anschlußäußerung aufgerufen ist: die Entscheidung zwischen der Annahme und der Ablehnung der vorausgehenden Mitteilung. Diese Entscheidung markiert einen Verzweigungspunkt in Richtung Konsens und Konflikt (Schneider 2008:138).
Was sind eigentlich Multi-Kontext-Probleme?
Der Begriff “Problem” kommt in unserer Gesellschaft häufig vor, dabei gibt es oft keine einheitliche Meinung darüber, was ein “Problem” eigentlich ist. Es gibt einfache Probleme mit dem dazugehörenden simple problem solving, und komplexe Probleme mit ihrem complex problem solving. In solchen Multi-Kontext-Problemen kommt es darauf an, Entscheidungen unter Unsicherheit zu treffen – was nicht so einfach ist…
Strategische Probleme werden als wenig strukturierte bzw. schwer strukturierbare Probleme betrachtet. Für solche „innovativen Probleme“ bestehen wenig eindeutige Lösungsverfahren (Bamberger & Wrona, 2000). Analog hierzu spricht Dörner (1979) von dialektischen Problemen, bei denen zwar die Ausgangslage bekannt ist, aber nicht der Zielzustand und auch nicht die möglichen Mittel diesen Zielzustand zu erreichen. „Sie stellen Entscheidungen unter Unsicherheit dar und werden auch als sog. Multi-Kontext-Probleme derart bezeichnet, dass sie in unterschiedlichen, jeweils aktorspezifischen Kontexten definiert bzw. expliziert werden“ (Bamberger & Wrona, 2000, S. 6). Probleme werden demnach jeweils im Sinne eigener Werte Normen, Interessen und Sichtweisen der Realität betrachtet und interpretiert. Mit diesen unterschiedlichen Realitätskonstruktionen ist stets die Möglichkeit von Konflikten und das Erfordernis sie zu lösen verbunden (Bamberger & Wrona, 2000) (vgl. Grote, S.; Kauffeld, S.; Hering, V. & Tappe, D. 2009:15, Hervorhebung durch den Autor des Blogbetrags).
Complex Problem Solving ist anders als das einfache, Simple Problem Solving. Die Bewältigung solcher Multi-Kontext-Probleme ist allerdings für die Zukunft entscheidend. Manche Systeme der Künstlichen Intelligenz (KI/AI) können in der Zwischenzeit durchaus schon komplexe Problemsettings lösen, was zu Veränderungen auf dem Arbeitsmarkt führt, und in Zukunft noch stärker führen wird. Entscheidend für Menschen ist immer noch, die Bewältigung komplexer Problemlösungssituationen, die uns (noch) von Algorithmen der Künstlichen Intelligenz unterscheidet.
In meinem Vortrag (Special Keynote) auf der MCPC 2015 (Weltkonferenz zu Mass Customitation, Personalization and Co-Creation) in Montreal habe ich diese Zusammenhänge für Open Innovation dargestell (Konferenzen). Es freut mich sehr, dass mein damaligen Paper bei Researchgate heute immer noch intensiv gelesen und genutzt wird. Mein Paper Cognitive Computing and Managing Complexity in Open Innovation Model zur Weltkonferenz MCPC 2015 ist bei Springer veröffentlicht worden. Bitte sprechen Sie mich an, wenn Sie dazu Fragen haben.