Veröffentlicht am

Auch Audi orientiert sich an den Multiplen Intelligenzen von Howard Gardner

audi-mi

Es ist schon sehr interessant zu sehen, wie sich immer mehr Unternehmen an den Multiplen Intelligenzen von Howard Gardner orientieren. Im September 2017 stelle beispielsweise Audi die Studie Aicon vor, bei der sich die Entwickler direkt an den 8 Intelligenzen von Howard Gardner orientiert haben: 8 Intelligences. The Audi Aicon has them all.

The idea of intelligence plays a crucial role: we are talking about technologies that are not only able to apply knowledge but also to acquire it, they are not only able to gather information from the environment but to develop skills and expertise – just like human intelligence.

Auf der Website wird jede der 8 Intelligenzen separat thematisiert. Jede Person wird diese verschiedenen Dimensionen unterschiedlich aufnehmen – und zwar nicht einzeln, sondern immer zusammen und in unterschiedlicher Ausprägung.

Es wird immer deutlicher, dass die Multiplen Intelligenzen eine bessere Passung zu den heutigen komplexen Herausforderungen/Problemstellungen haben. Da die Multiplen Intellogenzen entwickelbar sind, stellen Sie auch ein veränderbares Mindset dar….. Bitte informieren Sie mich, wenn Sie mehr über die Multiplen Intelligenzen von Howard Gardner wissen möchten.

Veröffentlicht am

IIT (2017): Wie sieht die Zukunft der Arbeit aus?

ki-neue-arbeit

Der Bericht IIT (2017): Wie sieht die Zukunft der Arbeit aus? (PDF) zur Umfrage “Künstliche Intelligenz und Zukunft der Arbeit” fasst folgende Ergebnisse zusammen (S. 23):

Technisierung des menschlichen Körpers

Die Technisierung des menschlichen Körpers ist nichts Neues: Brillen und Zahnimplantate, Herzschrittmacher und vielfältige Prothesen sind – in bestimmten Formen seit langer Zeit – Realität. Wie weit kann und soll eine solche Technisierung gehen? Gibt es eine Grenze, jenseits derer eine weitere Technisierung nicht mehr akzeptabel wäre – etwa weil dadurch die menschliche Identität grundsätzlich in Frage gestellt würde?

Wertschätzung menschlicher Arbeit

Die Wahrnehmung und Wertschätzung menschlicher Arbeit wird immer stärker durch zwei Abgrenzungen bestimmt: Einerseits die Abgrenzung von technisierten, digitalisierten Prozessen, andererseits die Abgrenzung von Nicht-Arbeit – im Kontext der Debatte um ein bedingungsloses Grundeinkommen. Zu fragen ist, welche Wahrnehmung und Wertschätzung menschlicher Arbeit gewünscht ist, und wie ein solches Bild menschlicher
Arbeit kommuniziert und zur Grundlage konkreter Arbeitsgestaltung gemacht werden kann.

Einsatzszenarien für Künstliche Intelligenz

Künstliche Intelligenz kann vielfältige Rollen und Funktionen im Arbeitsprozess übernehmen. Darunter sind eher positiv besetzte Rollen der Unterstützung, Beratung und Information, und
eher negativ besetzte Rollen wie zum Beispiel die der Kontrolle Überwachung und Bevormundung. Die Frage, die wir uns daher stellen müssen lautet: Wie müssen KI-Systeme und ihre Einsatzszenarien aussehen, damit die künftige Arbeitswelt menschengerecht und gesellschaftlich akzeptabel gestaltet werden kann.

Solche Themen greifen wir auch in den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK) auf. Informationen zu den Lehrgängen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Internet der Dinge (IoT): 4800 Interaktionen pro Person und Tag im Jahr 2025

cognitive-computing

Eine beeindruckende Zahl zeigt, was in den kommenden Jahren an Daten generiert wird, denn im Jahr 2025 soll eine durchschnittlich verbundene Person, 4800 Mal pro Tag mit Geräten (IoT) interagieren:

By 2025, the average connected person will interact with connected devices nearly 4,800 times per day—equivalent to one interaction every 18 seconds (David Reinsel et al., Data Age 2025: The Evolution of Data to Life-Critical (IDC, 2017))

Dadurch werden sehr viele Daten entstehen, die mit Hilfe klassischer IT-Systeme kaum zu bewältigen sind. Maschinelles Analysieren von Daten und deren Kontext ist angesagt, und wird zu einem wichtigen Element zukünftiger Geschäftsmodelle. Die Frage wird sein, mit welchem Anbieter wird ein Unternehmen zusammenarbeiten, denn aktuell stehen auf dem Markt nur die großen amerikanischen Unternehmen wie Google, Apple, Amazon, IBM, Facebook, Microsoft … zur Verfügung. In den letzten Wochen hat die Mozilla-Foundation angekündigt, ein Open-Source-Projekt zu Artificial Intelligence (Künstliche Intelligenz) zu starten. Möglicherweise kommt diese Initiative etwas zu spät. Warten wir ab…. Solche Zusammenhänge thematisieren wir auch in den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

Veröffentlicht am

Multiple Intelligenzen: Dr. Howard Gardner erhält den Lifetime Achievement Award 2017 von der MENSA Foundation

multiple-intelligenzen

Dr. Howard Gardner hat in jetzt mehr als 30 Jahren die Multiple Intelligenzen Theorie entwickelt – auch gegen sehr starken Widerstand der Vertreter einer Generellen Intelligenz mit dem “allseits beliebten” Intelligenz-Quotienten (IQ). Es ist daher außergewöhnlich, dass gerade die MENSA-Foundation Dr. Howard Gardner mit dem Lifetime Achievement Award 2017 ehrt, da sich die Mitglieder der MENSA-Foundation gerade wegen ihrem hohen IQ gegenseitig gratulieren… Ich befasse mich seit vielen jahren mit der Multiplen Intelligenzen Theorie, auch in Forschungsprojekten wie MIapp (2004-2006) oder als Experte im Projekt InPath usw. Siehe dazu auch Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk. Sollten Sie an dem Thema interessiert sein, so sprechen Sie mich bitte wegen einem (kostenlosen) persönlichen Gespräch an.

Veröffentlicht am

The Economist (2016): ARTIFICIAL INTELLIGENCE IN THE REAL WORLD

econnomist-2016-artificial-intelligence

In dem Paper The Economist (2016): ARTIFICIAL INTELLIGENCE IN THE REAL WORLD: The business case takes shape (PDF) wird zunächst einmal herausgestellt, dass Artificial Intelligence (Künstliche Intelligenz) nichts ist, das irgendwann zum Einsatz kommt. Artificial Intelligence (AI) wird schon in vielen Bereichen erfolgreich genutzt. Doch zunächst ist es sinnvoll zu deg´finieren, was unter AI, Deep Learning und Machine Learning zu verstehen ist (Seite 3):

The term artificial intelligence (AI) refers to a set of computer science techniques that enable systems to perform tasks normally requiring human intelligence, such as visual perception, speech recognition, decisionmaking and language translation. Machine learning and deep learning are branches of AI which, based on algorithms and powerful data analysis, enable computers to learn and adapt independently. For ease of reference we will use “artificial intelligence”, or AI, throughout this report to refer to machine learning, deep learning and other related techniques and technologies.

Zu folgende Ergebnissen ist die Analyse gekommen:

  • The pace of adoption is quickening.
  • North America and the health sector lead the way.
  • Competition—or the anticipation of it—is spurring companies on.
  • Better user experience is the key prize for many.
  • Better decisions should also result.
  • Efficiency and flexibility gains beckon for retailers and manufacturers.
  • Cost, data quality and cultural resistance hold companies back.
  • Building the AI business case is anything but straightforward.

Siehe dazu auch meine Veröffentlichungen:

Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer

Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download

Veröffentlicht am

Morgen: WDR 5 Thementag über Künstliche Intelligenz

wdr5-thementag-ki

Morgen, am 05.07.2016 gibt es bei WDR 5 einen Thementag über Künstiche Intelligenz. Es ist schon erstaunlich, wie sich dieses Themenfeld in den letzten Jahren verbreitet hat, sodass jetzt sogar Anstalten des öffentlichen Rechts darüber ausführlich berichten. Beim WDR wird allerdings häufig über neue technologische Entwicklungen negativ berichtet. Ich habe dazu schon oft von unterwegs angerufen und Hinweise dazu gegeben (Sharing Economy, Open Innovation, Crowdsourcing …) – natürlich ohne große Wirkung. Möglicherweise ist beim WDR auch etwas Selbsterhaltungstrieb dabei… Hony soit qui mal y pense. Siehe dazu auch Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download.

Veröffentlicht am

Künstliche Intelligenz und Menschliche Intelligenz

künstliche-Intelligenz

Der Intelligenzbegriff wird in allen möglichen und unmöglichen Zusammenhängen und Kategorien verwendet. Es ist daher gut, sich mit dem Konstrukt Intelligenz ein wenig mehr zu befassen. In den letzten Jahren trat die Künstliche Intelligenz immer stärker in den Fokus, und soll an dieser Stelle näher betrachtet werden. Ausgangspunkt ist ein Statement von Wolfgang Wahlster, CEO des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI):

Er plädiert daher dafür, diese Stärken in der Schule deutlicher zu fördern. Es gehe darum, nicht nur Wissen zu lehren, sondern auch das clevere Entscheiden in Alltagssituationen, das Bewerten, das Lernen zu lernen. “Das ist viel wichtiger als reines Fachwissen. Dort liegt der riesige Vorsprung des Menschen vor den Computern.”(Quelle: Künstliche Intelligenz: Uni-Studium verliert an Bedeutung, 27.06.2016).

In Bereichen, in denen die fachliche Tiefe gefragt ist, werden die Möglichkeiten der Künstlichen Intelligenz vordringen, und somit akademische Qualifikationen entwerten – so Wahlster. Der Hinweis, dass zur Menschlichen Intelligenz “ebenso die sensomotorische, emotionale und soziale Intelligenz” gehören, deutet auf ein erweitertes Intelligenzverständnis hin. Diese Entgrenzung von Intelligenz hat eine deutliche Passung zur Theorie der Multiplen Intelligenzen nach Howard Gardner. Er postulierte schon in den 1980er Jahren folgende Intelligenzdimensionen:

  • Sprachliche Intelligenz
  • Logisch-mathematische Intelligenz
  • Musikalische Intelligenz
  • Körperlich-kinästhetische Intelligenz
  • Räumliche Intelligenz
  • Interpersonale Intelligenz
  • Intrapersonelle Intelligenz

Die immer stärkere Nutzung der Künstlichen Intelligenz wird in Zukunft zu einem besseren Verständnis Menschlicher Intelligenz/Intelligenzen führen.  Siehe dazu auch

Veröffentlicht am

Warum ist das Teilen von Wissen so schwierig?

wissenDas Zurückhalten von Wissen wird in arbeitsteiligen Industriegesellschaft als arbeitsplatzsichernd angesehen (Womack/Jones/Roos 1990). Solange das Wissen in einer Organisation relativ langsam “unbrauchbar” wird, funktionierte das auch ganz gut. In der heutigen Arbeitswelt ist Wissen allerdings einer permanenten Veränderung unterlegen, sodass das Zurückhalten von Wissen eher schädlich ist. Wissen muss permanent upgedated und weiterentwickelt werden. Das geschieht durch formale und informelle Lernprozesse. Das Teilen von Wissen zwischen Personen, in Gruppen, auf der organisationalen Ebene und in Netzwerken kann heute durch Technologien unterstützt und gefördert werden. Das nicht so leicht – oder gar nicht – explizierbare Wissen (Erfahrungswissen, Expertise, Könnerschaft) wird heute häufig durch persönlichen Kontakt (Meister – Lehrling – Situation) weitergegeben. Es ist also ein Trugschluss, wenn behauptet wird, dass alle Wissensdimensionen mit Hilfe von Technologie erfasst und weiterentwickelt werden können. Dennoch ist auch erkennbar, dass gerade Systeme wie Cognitive Computing neue Möglichkeiten in Wissenssystemen bieten (Deep Learning). Siehe dazu auch meinen Vortrag, den ich im Oktober 2015 auf der Weltkonferenz MCPC 2015 in Montréal/Kanada gehalten habe: Freund, R. (2015): Cognitive Computing and Managing Complexity in Open Innovation Model. Solche Zusammenhänge besprechen wir auch in den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK). Informationen dazu finden Sie auf unserer Lernplattform.

Veröffentlicht am

Warum lernen Organisationen so schlecht?

multiple-intelligenzen-300Über Lernende Organisationen ist schon viel geschrieben worden. In dem Artikel Why Organizations don´t learn (Harvard Business Review, November-Ausgabe 2015) gibt es dazu allerdings eine weitere interessante Perspektive: A fixed mindset.

The neural implications of different mindsets

What happens inside our brains when we make mistakes? That depends on our ideas about learning and intelligence.

Individuals with a growth mindset, who believe that intelligence and talents can be enhanced through effort, regard mistakes as opportunities to learn and improve. By contrast, individuals with a fixed mindset, who believe that intelligence and talents are innate and unchangeable, think mistakes signal a lack of ability.

Jason S. Moser and his colleagues at Michigan State University examined the neural mechanisms underlying these differing reactions to mistakes. (…) Those with a fixed mindset display considerably less brain activity than those with a growth mindset, who actively process errors to learn from them. (Quelle)

Die Hirnaktivitäten sind also abhängig davon, welche Vorstellungen wir von Lernen und Intelligenz haben! Der Intelligenz-Quotient (IQ), mit seiner Annahme, dass ein großer Teil der menschlichen Intelligenz nicht veränderbar ist, scheint daher eher kontraproduktiv zu sein (Multiple Intelligenzen und IQ). Die Vorstellung einer veränderbaren Intelligenz – z-B. Multiplen Intelligenzen – fördert das Lernen, da diese Menschen Fehler als Ansporn für Lernprozesse sehen. Auch diese Erkenntnisse von Jason S. Moder und seinen Kollegen zeigen, wie wichtig es ist, ein modernes Intelligenzverständnis zu entwickeln, das uns nicht blockiert, sondern das es ermöglicht, unsere Potentiale zu erschließen.

Veröffentlicht am

Umgang mit Unschärfe und Unsicherheit

Menschenmenge.jpgFrüher war alles klar und eindeutig und konnte durch Dichotomien benannt werden: Mann-Frau, Deuscher-Nicht-Deutscher,Drinnen-Draußen, Wahr-Falsch, 0-1 usw. Doch in den letzten 20 Jahren hat sich so einiges verändert, dass die deutliche Trennung erschwert, ja sogar manchmal unmöglich macht (Soziologen nennen diese Entwicklungen Entgrenzungen in der reflexiven Modernisierung). Solche Unschärfen waren früher auch schon existent, wurden allerdings vernachlässigt. Durch die drei Treiber des dynamischen Wandels “Vernetzung, Geschwindigkeit und der Zunahme nicht greifbarer Werte”  kommt es auch zu einer Abwertung von materiellen Werten, die sogar zu einem Hemmnis werden können (Davis/Meyer 2000:11). Es stellt sich daher die Frage, wie wir mit der real vorhandenen Unschärfe umgehen. Eine Möglichkeit ist, dass sich Menschen nach klaren Regeln sehnen und daher den extremen Populisten in Europa in die Arme laufen, oder den Stammtischparolen der Boulevardpresse glauben, oder …. Ein solches Verhalten lässt darauf schließen, dass diese Menschen es nicht schaffen, die Unschärfe und die sich daraus ergebende Unsicherheit zu bewältigen.Andere setzen wiederum auf Computertechnologie und versuchen alles zu erfassen, was möglich ist. DIE vollständige Information wird es allerdings nicht geben können – es bleibt eine Illusion. Die Frage nach der Bewältigung von Unsicherheit ist somit zu einem wichtigen Element geworden, um zukunftsfähig zu bleiben oder zu werden. Ein guter Bezugspunkt ist dabei die von Knight 1921 dargestellte Form der Unsicherheit, die er Uncertainty nennt. Dieser Teil der Unsicherheit kann nicht gemessen werden und entzieht sich somit den klassischen Herangehensweisen, bei denen alles messbar sein muss, bzw. messbar gemacht wird. Im Gegensatz – bzw. in Ergänzung zu Computern und Robotern – ist der Mensch in der Lage, solche Unsicherheiten zu bewältigen – durch seine Kompetenz. Der Kompetenzbegriff ist in dieser Debatte um Unschärfe, Unsicherheit und Uncertainty zentral. Siehe dazu auch Über den Umgang mit Ungewissheit. Diese Unterschiede zu verstehen bedeutet auch, die richtigen Schlüsse daraus zu ziehen, wenn wir über den Arbeitsplatzverlust durch Cognitive Computing diskutieren. Dazu passt auch mein Vortrag, den ich im Oktober auf der Weltkonferenz MCPC 2015 in Montréal/Kanada halten werde: “Cognitive Computing and Managing Complexity in Open Innovation Model”. Siehe dazu auch das Konferenzprogramm (PDF).