Emotionale Intelligenz und Emotionale Kompetenz

mage by StockSnap from Pixabay

Viele kennen den Begriff der Emotionalen Intelligenz, den Goleman populär gemacht hat. Ursprünglich kam der Begriff allerdings von Mayer,/Salovay, die sich ausdrücklich auf Gardner´s Multiple Intelligenzen Theorie bezogen haben

Dabei stellt sich natürlich auch die Frage, was Emotionale Intelligenz von Emotionaler Kompetenz unterscheidet. In dem Blogbeitrag Kompetenz und Intelligenz – eine Gegenüberstellung wird der Unterschied deutlich, Dazu habe ich folgendes gefunden:

Emotionale Kompetenz meint die Fähigkeit, sich selbst in einem tieferen Sinne zu verstehen. In unserem emotionalen Ich drückt sich aus, wie wir gelernt haben, die Welt auszuhalten, bevor wir sie deuten und interpretieren. Wer emotional selbstreflexiv zu handeln versteht, hat tief durchdrungen, dass er sein Gegenüber nicht so zu sehen vermag, wie es ist, sondern nur so, wie er selbst gelernt hat, es zu spüren. Er fragt sich, was dieses ihm selbst über sich in Erinnerung ruft, und ist sich der Tatsache bewusst, dass die aderen nicht dafür verantwortlich sind, wie wir sie zu spüren vermögen. Der emotional kompetente Mensch ist in der Lage, sich den anderen mit seinen eigenen Gefühlen und Gewissheiten nicht  einfach zuzumuten, sondern den Ausdruck des Gegenübers immer wieder neu zu erspüren” (Arnold 2017).

Die These, dass es im Sinne der Multiplen Intelligenzen Theorie (Gardner) auch Multiple Kompetenzen geben sollte, die auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk zu beachten sind, habe ich in meiner Veröffentlichung weiter ausgeführt:

Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk.

Kooperation und Kollaboration: Welche Unterschiede gibt es?

Das Umfeld von Organisationen wird immer turbulenter und vernetzter. Durch Technologien wie die Digitalisierung (Künstliche Intelligenz) ergeben sich sozio-technische Systeme, die mehr Kollaboration erfordern. Siehe dazu auch Digitalisierung und die Wiederentdeckung soziotechnischer Ansätze. Dabei sollte Kollaboration von Kooperation abgegrenzt werden. Die folgende Tabelle zeigt einige wichtige Unterschiede der beiden Begriffe auf.

KooperationKollaboration
Ziel“Einer gibt vor”“Wird gemeinsam definiert”
ModusHierarchie/MarktVertrauen
Leitmotiv“ja nicht zu viel machen”“gemeinsam mehr erzeugen”
Quelle: Ziegler/Heidling (2022); Impulse aus dem BMBF-Projekt HyValue

Gerade der Modus “Vertrauen” ist schwer umzusetzen, da in den klassischen Organisationen eher der Slogan “Vertrauen ist gut, Kontrolle ist besser” stark im Mindset verankert ist. Hervorgehoben wird von den beiden Autoren, daher dass “Kollaboration im Wertschöpfungssystem eine sozialwissenschaftliche Perspektive” bedarf. Das liegt wohl auch daran, dass die Sozialwissenschaften die auftretende Soziale Komplexität gut beschreiben können. Es wundert somit nicht, dass Führung heute sozialwissenschaftliche Expertise benötigt.

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

Der Begriff der “Spekulation” im alltäglichen Sprachgebrauch und in anderen Kontexten

Wenn jemand etwas nicht genau weiß, und dennoch eine Schlussfolgerung ableitet, wird oft gesagt, hier wird spekuliert. In der Finanzwelt werden beispielsweise von Spekulanten riesige Geldmengen bewegt. Es wird deutlich, dass das Konstrukt “Spekulation” im alltäglichen Sprachverständnis negativ besetzt, allerdings in manchen Branchen (Kontexten, Domänen) ein durchaus gängiger Begriff ist.

“Der Begriff Spekulation wird im Gegensatz zum alltäglichen Sprachverständnis in der Wirtschaftswissenschaft wertneutral verwendet” (Wikipedia). 

Der Begriff des Spekulativen sollte daher auch umgangssprachlich gar nicht mehr so despektierlich gesehen werden – wie auch der folgende Text hervorhebt:

“Als philosophischer Fachterminus meint das Spekulative seit Kant und Hegel den eigentlichen Gebrauch der Vernunft, ohne in der bloßen Erfahrung des Vorliegenden steckenzubleiben. Daher ist das spekulative Element, methodisch zielführend eingebettet, ein wesentlicher Bestandteil des Entwerfens, den zu Unrecht eine unwissenschaftliche Aura umgibt (Groß und Mandir 2022, S. 30)” (Sander/Glaser/König (2024), in: Ebert/Rahn/Rodatz (Hrsg.) (2024): Wie gestalten wir Gesellschaft?).

In diesem Sinne lassen Sie uns ruhig spekulieren, und über die besten Meinungen diskutieren, debattieren und im positiven Sinne streiten..

Anwendungsbeispiele für ChatGPT in KMU

Die Möglichkeiten von Künstlicher Intelligenz (KI) am Arbeitsplatz sind vielfältig, und werden daher von großen Konzerne, Privatpersonen und verstärkt auch von Kleinen und mittelständischen Unternehmen (KMU) genutzt. Saskia Powell vom RKW stellte dazu Nicole Simon einige Fragen dazu. Das komplette Interview kann im aktuellen RKW-Magazin 1/2024 unter ” Gekommen, um zu bleiben. Wie kleine und mittlere Unternehmen ChatGPT für sich nutzen können” nachgelesen werden. Ich möchte an dieser Stelle die in dem Interview angegebenen Anwendungsbeispiele für ChatGPT in KMU hervorheben:

> Content-Erstellung und Überarbeitung: Marketingtexte, Webseite, Social Media
> Übersetzungen: Inhalte für nichtdeutsche Märkte übersetzen
> Kundenservice: Antworten auf häufige Fragen, 24/7-Support, Sentiment-Analysen
> Marktforschung: Zusammenfassung von Branchenberichten und Analyse von Kundenfeedback, Entwurf von Interview-Fragen
> Entwicklung von Lernmaterialien und Trainings: Umwandlung von Handbüchern in Kurse mit Fragen, Tests und Webanwendungen
> Dokumentation: Beschreibung von Arbeitsabläufen nach definiertem Standard
> Profilerstellung: Zielgruppendefinition anhand von Vertriebs- und Marketingunterlagen
> Vorbereitung von Verkaufsgesprächen: Antizipation möglicher Kundenfragen, Einwandbehandlung
> Brainstorming: Finden von Metaphern und Beispielen
> Programmierung: Dokumentation und Analyse von Codes, Unterstützung bei der Fehlersuche

Darüber hinaus weist Nicole Simon auch darauf hin, dass ChatGPT nicht kreativ ist, und nicht querdenken kann (ebd.). Ich hätte mir weiterhin gewünscht, dass der Blick nicht nur auf ChatGPT gerichtet wird, sondern die Entwicklungen hin zu einem souveränen Arbeitsplatze erwähnt werden, bei dem viele Anwendungen (inkl. eines KI-Assistenten) Open-Source-basiert sind, damit die Daten bei dem jeweiligen kleinen und mittelständischen Unternehmen (KMU) bleiben können. Siehe dazu auch Nextcloud: Geeignete KI-Apps selbst auswählen – ein Beispiel oder Warum kann NEXTCLOUD zukünftig eine interessante Alternative zu ChatGPT (OpenAI) oder Bard (Google) sein?

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.

Menschliche Intelligenz und Künstliche Intelligenz: Ein Idealszenario der Arbeitsteilung

Künstliche Intelligenz durchdringt alle Bereiche der Gesellschaft, und somit auch die Arbeitswelt. Für die Arbeitswelt hat Künstliche Intelligenz insofern starke Auswirkungen, als dass repetitive oder auch Routineaufgaben wohl als erstes durch leistungsfähige KI-Anwendungen ersetzt werden. Dadurch können sich wiederum Menschen mit ihren Potenzialen auf komplexere Problemlösungen konzentrieren. Ob das ein Vorteil oder Nachteil ist, liegt wie immer an der Perspektive. Der folgende Abschnitt beschreibt dazu ein Idealszenario.

“Die Maschine nimmt uns die komplizierten, berechenbaren (und oft langweiligen) Routineaufgaben entweder komplett ab oder liefert die passende Zuarbeit für weitere Arbeitsschritte und Entscheidungen. Dadurch wird der Fachkräftemangel gelindert und Menschen werden von repetitiven Tätigkeiten entlastet. Sie können sich dadurch den Aufgaben zuwenden, die auf Kreativität, Empathie, Kontextualisierung in volatilem Umfeld sowie auf zwischenmenschliche Interaktion angewiesen sind. Die Trennung von Kopf, Hand und Herz – wie sie die Arbeit der letzten 100 Jahre vorantrieb – kann so rückgängig gemacht oder verringert werden. Menschen können im Idealfall mehr schöpferisch und nach persönlichen Neigungen wirken. Sie können ihr Potenzial entfalten und zur Verfügung stellen” (Hertling, S. (2024), in RKW-Magazin 1/2024).

Der Artikel thematisiert in seiner Überschrift auch auf Menschliche Intelligenz, fokussiert im Text allerdings sehr stark auf die Künstliche Intelligenz. Den Begriff Menschliche Intelligenz thematisiert der Autor leider nur indirekt, indem er Begriffe wie “Empathie”, “Kreativität“, “zwischenmenschliche Interaktionen” oder auch “Skills” verwendet. Unklar bleibt, von welchem Intelligenzverständnis hier ausgegangen wird. Ist es die Perspektive eines Intelligenz-Quotienten (IQ), oder die Perspektive einer Emotionalen Intelligenz oder aber die Perspektive von Multiplen Intelligenzen nach Howard Gardner? Erst durch diese Klärung würde ein “in-Beziehung-setzen” von Menschlicher Intelligenz und Künstlicher Intelligenz Sinn machen. Erste Hinweise auf ein angemessenes Intelligenz-Konstrukt habe ich bei Funke gefunden:

Funke (2006) hat dazu einen ausführlichen Beitrag zum ersten Intelligenztest (PDF) geschrieben. Auf Seite 38 steht: “Inhaltlich hat sich das Intelligenzkonzept in den letzten 100 Jahren ausdifferenziert (vgl. Funke u. Vatterodt-Plünnecke 2004): An der Stelle einer einzigen Intelligenzdimension (´general intelligence´, g-Faktor) ist heute die Konzeption Multipler Intelligenzen im Sinne unterschiedlicher Teilkompetenzen (z.B. logisches Schlussfolgern, verbale Intelligenz, kreatives Problemlösen, emotionale Kompetenz, Körperbeherrschung) getreten, für die jeweils andere Erfassungsinstrumente benötigt werden.”

Projektmanagement: Verzerrungen bei Entscheidungsprozessen

Ein Projekt ist durch die “Einmaligkeit der Bedingungen in ihrer Gesamtheit” gekennzeichnet (DIN 69901). Im einfachsten Fall können Projekte in der Stacey-Matrix positioniert werden, um das geeignete Vorgehensmodell (plangetrieben, hybrid, agil) abzuleiten. Daraus leitet sich wiederum ab, dass es in Projekten zu ambiguen Situationen kommt, in denen Entscheidungen getroffen werden müssen. Doch diese Entscheidungsprozesse sind oftmals durch Verzerrungen geprägt. Doch was ist eine Verzerrung?

“Als Verzerrung ist eine systematische Diskrepanz zwischen dem durchschnittlichen Urteil einer Person und einem wahren Wert oder einer Norm zu verstehen” (Lächelt/Portillo/Braun (2024) in Anlehnung an Gigerenzer (2018), in projektmanagementaktuell 2/2024).

Die folgende Übersicht zeigt, wie vielfältig diese Verzerrungen sein können (ebd.):

Strategische Falschdarstellung („strategic misrepresentation“)

Optimismusverzerrung („optimism bias“)

Eskalation des Commitments („escalation of commitment“)

Verfügbarkeitsverzerrung („availability bias“)

Prävalenzfehler („base rate fallacy“)

Einsichtsverzerrung („hindsight bias“)

Selbstüberschätzung („overconfidence bias“)

Verankerung („anchoring“)

Einzigartigkeitsverzerrung („uniqueness bias“)

Planungsirrtum („planning fallacy“)

Es ist für alle Projektbeteiligten wichtig, sich diese Verzerrungen klar zu machen, um dann Strategien zu entwickeln, diese zu bewältigen. Dazu bieten sich verhaltensbasierte oder auch KI-unterstütze Techniken an.

Solche Zusammenhänge berücksichtigen wir auch in den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.

“Fachkräftemangel”: Ist der jeweilige Bezugspunkt richtig?

Überall ist wieder zu hören und zu lesen, dass es einen Fachkräftemangel gibt. Ich formuliere es bewusst so, da diese Diskussion schon vor ca. 20 Jahren in der Merkel-Ära auf die politische Agenda gesetzt wurde. Überall wurden Arbeitskreise gebildet, um das Problem zu lösen. In dieser Zeit war ich beispielsweise selbst in einem Projektbeirat eingebunden. Da die Diskussionen in eine aus meiner Sicht falsche Richtung liefen, habe ich mich aus dem Projektbeirat allerdings wieder verabschiedet. Um meine Gedanken etwas konkreter zu begründen, möchte ich folgenden Text beispielhaft zitieren:

“Diesem würden nach Schätzungen des Deutschen Beamtenbundes (DBB) bei einer Beibehaltung der aktuellen Strukturen bereits heute circa 360.000 Fachkräfte fehlen; bis zum Jahr 2030 werden zudem circa 1,3 Millionen Beschäftigte des öffentlichen Dienstes in den Ruhestand gehen (Klenner 2022). Gerade im öffentlichen Dienst gäbe es allerdings grundsätzlich viele hochgradig standardisierbare Abläufe und Tätigkeiten, die automatisiert werden könnten (Achleitner, Schmidt et al. 2023). Eine digitalisierte öffentliche Verwaltung würde die Grundlage für KI-basierte Automatisierung im öffentlichen Dienst schaffen. Doch die meisten Behörden haben zum heutigen Zeitpunkt in wesentlichen Aspekten der Digitalisierung Aufholbedarf”(Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer).

Wenn wir also die aktuellen Strukturen beibehalten, ergeben sich die genannten Zahlen. Die aktuellen Strukturen sind also der Bezugspunkt für die Aussage, dass ein Mangel an Mitarbeitern bestehen könnte. Es ist eben alles relativ, um es in Anlehnung an Albert Einstein auf den Punkt zu bringen. Das ist auch beim Ärztemangel, beim Lehrermangel oder bei der Anzahl der Apotheken (“Apothekensterben”) usw. so, da der Bezug die aktuelle Struktur ist.

Was ist, wenn wir die Strukturen endlich einmal anpassen?

Beispielsweise, indem wir Verwaltungsstrukturen auf allen Ebenen (Land, Stadt, Gemeinde) anders organisieren, da wir durch die neuen technologischen Möglichkeiten auch neue Möglichkeiten haben, Abläufe für die Burger zu vereinfachen und zu verbessern, und damit Werte für die Allgemeinheit schaffen. Es macht keinen Sinn, bestehende, nicht mehr zeitgemäße Strukturen digital abzubilden. Das ist nicht nur bei der Öffentlichen Verwaltung so, sondern auch in vielen Unternehmen der Fall.

Da sich das Umfeld von Gesellschaften stark verändert – und auch in Zukunft verändern wird – ist es eine gesellschaftliche Aufgabe, mit diesen Veränderungen Schritt zu halten, und dabei möglichst alle Menschen mitzunehmen. Diese Entwicklungen sind nicht alle 20 Jahre “auf einmal da”, sondern sind eine permanente Aufgabe. Es macht keinen Sinn, Themen wie Fachkräfte, Klima, Demographie, Technologie etc. einzeln zu betrachten, da diese miteinander vernetzt sind.

Welchen Beitrag kann Künstliche Intelligenz (KI) zur Fachkräftesicherung leisten?

KI-Beiträge zur Fachkräftesicherung (Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024))

Der Einsatz von Künstlicher Intelligenz (KI) ist – wie bei neuen Technologien immer – ambivalent. Es kommt darauf an, Künstliche Intelligenz (KI) zum Wohle von Gesellschaften zu nutzen und nicht nur für die Geschäftsmodelle einiger großer Unternehmen.

In dem Whitepaper Schmidt, C. M., ; Stich, A.; Suchy, O. et al. (2024): KI für die Fachkräftesicherung nutzen. Lösungsansätze für Automatisierung, Teilhabe und Wissenstransfer (PDF) wird herausgearbeitet, wie Künstliche Intelligenz zur Fachkräftesicherung beitragen kann. In dem Beitrag werden grundsätzlich drei Richtungen herausgestellt (Abbildung), die ich hier nur auszugsweise nennen kann.

Automatisierung und KI-basierte Assistenz: Die KI-basierte Automatisierung von Tätigkeiten kann den künftigen Bedarf an Fachkräften zum Teil mindern.

Integration in den Arbeitsmarkt: Das Reservoir an potenziellen Beschäftigten muss noch besser genutzt werden, um den konkreten Bedarf an Fachkräften zu erfüllen, und mit passenden Rahmenbedingungen in die Lage versetzt werden, am Arbeitsmarkt zu partizipieren.

Wissenstransfer in die Zukunft: KI kann beim Up-Skilling von Beschäftigten unterstützen. Wichtige Elemente können individualisierte Weiterbildungspläne, KI-basierter Wissenstransfer sowie lern- und erfahrungsförderliche Arbeitsumgebungen (mit und durch KI) sein.

Den Autoren ist selbstverständlich klar, dass Künstliche Intelligenz (KI) nicht alleine dafür sorgen kann, die anstehenden Veränderungen bei den Fachkräften abzufangen, dennoch kann Künstliche Intelligenz (KI) ein wichtiger Baustein sein.

Wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz

Der Umgang mit Wissen wird heutzutage stark mit den neuen technologischen Möglichkeiten, wie der Künstlichen Intelligenz in Verbindung gebracht. Dabei spielen wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz eine zentrale Rolle. Doch was macht so ein wissensbasiertes System aus? Dazu habe ich in einem aktuellen Glossar folgendes gefunden:

“Der Wesenskern wissensbasierter Systeme ist, dass sie eine explizite Repräsentation von Wissen besitzen, und dieses Wissen maßgeblich für das Verhalten des Systems ist. Dies wurde etwa im Jahr 1982 als sogenannte KR Hypothese (engl. knowlegde representation hypothesis) von Brian Smith formuliert (Smith 1982). Demnach beinhaltet ein (intelligentes) wissensbasiertes System eine Komponente, die das Wissen des Systems repräsentiert und Komponenten, in denen dieses Wissen das Verhalten des Systems maßgeblich beeinflusst. Wissensbasierte Systeme stellen ein Teilgebiet der Künstlichen Intelligenz dar. Eine frühe, aber gute Darstellung von wissensbasierten Systemen findet sich in (Davis 1986). Eine aktuelle Übersicht über Methoden und Systeme geben (Beierle und Kern-Isberner 2019). Einer der Vorzüge wissensbasierter Systeme ist, dass eine einfache Übertragung eines Systems auf einen neuen Anwendungsfall oder eine neue Domäne möglich ist. Dazu muss lediglich das Wissen im alten System durch das Wissen der neuen Domäne ausgetauscht werden. Die restlichen Systemkomponenten können unverändert bleiben. Außerdem kann durch die explizite Repräsentation des Wissens oft einfacher eine Form der Erklärbarkeit hergestellt werden (Meske et al. 2022). Die ist auch angesichts der Datenschutzgrundverordnung (Goodman und Flaxman 2017) und der KI-Regulierung der EU von zunehmender Bedeutung” (Richter et al. (2024): Glossar Künstliche Intelligenz für die interdisziplinär vernetzte Arbeitsforschung).

Etwas stutzig macht mich hier, dass es bei wissensbasierten Systemen so einfach möglich sein soll, Wissen auf eine andere Domäne (auf einen anderen Kontext) zu übertragen. Wenn man allerdings Wissen auf explizites Wissen reduziert, wird dieser Umstand klarer, denn in diesem Fall sind wissensbasierte Systeme im Kern Softwaresysteme, die mit expliziten Wissen umgehen (Quelle).

Es stellt sich natürlich sofort die Frage, wie wissensbasierte Systeme als Teilgebiet der Künstlichen Intelligenz mit impliziten Wissen (Tacit Knowledge) umgehen. Siehe dazu auch Implizites Wissen sollte in Organisationen stärker beachtet werden.

Entscheidungen unter Unsicherheit: Schnelles Denken und Langsames Denken

Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) – Eigenes Foto (c) Dr. Robert Freund

Daniel Kahneman ist Professor für Psychologie und hat den Nobelpreis für Wirtschaft erhalten. In seinem ursprünglichen, englischsprachigen Buch Kahneman, D. (2011): Thinking Fast and Slow wurden viele wissenschaftliche Untersuchungen zusammengetragen, die u.a. zu dem Schluss führten, dass beim Denken zwei Systeme zusammenspielen. Das System 1 ist intuitiv, schnell und assoziativ, wohingegen das System 2 eher analytisch, langsam und aufmerksam ist. Die deutschsprachige Fassung Kahneman, D. (2014): Schnelles Denken, Langsames denken (2. Auflage) ist über 600 Seiten stark . Weiterhin stellt der Autor heraus, wie man unter Unsicherheit entscheidungsfähig, und daher handlungsfähig bleiben kann.

“Die zentrale Botschaft von „Schnelles Denken, Langsames Denken“ ist also, dass sowohl System 1 als auch System 2 benötigt werden, um unter Unsicherheit handlungsfähig zu sein. Es werden dort Erkenntnisse dargestellt, wie Intuition und Rationalität wirken und Handlungsempfehlungen gegeben, wie beide zu kombinieren sind, um stabile Entscheidungen herbeizuführen. – Im Angesicht von Unsicherheit benötigen wir Intuition und Rationalität” (Oswald/Köhler (2013): Schnelles und langsames Denken in Projekten, Teil 1, in projektmanagementaktuell 5/2013).

Es geht also nicht darum entweder das System 1 oder das System 2 zu bevorzugen, sondern (wie so oft) um das sinnvolle Zusammenwirken von Intuition (System 1) und Rationalität (System 2). Gerade bei der Projektarbeit (Planbasiert, Hybrid, Agil) ist das ein wichtiger Aspekt, da Projekte komplexe Systeme darstellen, in denen unter Unsicherheit Entscheidungen zu fällen sind.

Solche Zusammenhänge thematisieren wir auch in dem von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager AGIL (IHK). Informationen dazu, und zu aktuellen Terminen, finden Sie auf unserer Lernplattform.