Kontinuierliche Wissensbilanzierung

Wissen, und der Umgang mit Wissen (Wissensmanagement) werden immer wieder als ein Kernelement moderner Unternehmensführung genannt. Etwas weniger häufig wird über die Wissensbilanzierung veröffentlicht. Mit der Wissensbilanz – Made in Germany hat das Fraunhofer IPK eine solide Baiss für die vielfältige Anwendung der Wissensbilanz gerade in kleinen und mittelständischen Unternehmen veröffentlicht. Als Ergänzung zeigt der Leitfaden Kontinuierliche Wissensbilanzierung (PDF) auf, wie der Prozess verstetigt werden kann ( Fraunhofer IPK 2014:7):

Ziel des vorliegenden Zusatzmoduls ist es, die Wissensbilanzmethode zu erweitern. Die kontinuierliche Wissensbilanzierung in Verbindung mit einem systematischen Maßnahmenmanagement wird somit zu einem integrierten Managementinstrument, das eine nachhaltige Unternehmensentwicklung unterstützt. Im vorliegenden Leitfaden werden hierzu folgende Lösungen vorgestellt:
• Bereitstellung eines verkürzten und mit Hilfsmitteln unterstützten Verfahrens zur kontinuierlichen Wissensbilanzierung, das sich auf die Aktualisierung der zuletzt erstellten Wissensbilanz konzentriert.
• Bereitstellung von Zeitreihenvisualisierungen zur Überwachung von Veränderungen im Intellektuellen Kapital sowie zur Nachverfolgung von Maßnahmen.
• Überarbeitete Berichtsstruktur, welche die Besonderheiten der kontinuierlichen Wissensbilanzierung berücksichtigt.

Als Moderator der Wissensbilanz – Made in Germany habe ich die Erarbeitung einer Wissensbilanz in Organisationen begleitet.

Von der Vernetzung in Projekten zum sozialen Kapital

Die sozialen Strukturen in Projekten sind immer wieder Bestandteil von unterschiedlichen Betrachtungsweisen. Manche nähern sich dem Thema über verschiedene Typen in einem Team an. Andere wiederum sehen die Vernetzung der verschiedenen Teammitglieder als wesentliches Merkmal für den Mehrwert eines Projektteams an. Interessant ist, dass Ellmann (2006) das Zusammenspiel auf den verschiedenen Ebenen mit Jansen (2006) als eigenständiges Assett einer Organisation sieht.

Strukturen sind beobachtbar durch das Zusammenspiel der Akteure auf Mikro-, Meso-, und Makroebene. Die Makroebene beschreibt das gesamte Projekt (als Netzwerk) in seiner relationalen und nach Positionen stratifizierten Sozialstruktur. Die Mesoebene verbindet Mikro- und Makroebene dergestalt, dass zunächst Verbindungen zwischen Individuen in Form von Gruppen entstehen. Eine Gruppe ist Träger gewisser Regeln und Normen, die innerhalb derselben anerkannt werden. So kann es im Projekt unterschiedliche Gruppen, bspw. Engineering, Einkauf, Tochtergesellschaft geben. Die Mikroebene beschreibt und analysiert die einzelnen Akteure, die Träger dieser Regeln und Normen sind. Veränderungen in der Zusammensetzung dieser Akteure wirken sich auf der Mesoebene und dadurch auch auf der Makroebene aus (Ellmann 2009:14). „Die Netzwerkfähigkeit und Zentralität eines Unternehmens wird dabei zu einem eigenständigen Asset, zu sozialem Kapital, das umso wertvoller ist, je komplexer die Produkte und Dienstleistungen der Organisation sind und je schwieriger es ist, diese zu bewerten“ (Jansen 2006:272).

Gedanken zu Kreativität und Intelligenz

In den letzten mehr 100 Jahren gab es ein Umfeld, das Berechenbarkeit und Vorhersehbarkeit als wesentliche Bestandteile gesellschaftlicher und wirtschaftlicher Entwicklungen betrachtete. Ein Instrument dieser Zeit ist der Intelligenzquotient (IQ) mit seiner (teilweisen) Vorhersehbarkeit von schulischen und/oder beruflichen Entwicklungen.

Das Umfeld hat sich allerdings inzwischen drastisch geändert: Die vielfältigen Vernetzungen von Dingen und Menschen (IoT, KI) haben das bisher relativ stabile Umfeld in ein turbulentes Umfeld gewandelt, in dem Selbstorganisation und die Entwicklung/Bewertung neuer Ideen (Kreativität) wichtig ist. Es stellt sich somit die Frage, welchen Bezug es zwischen Kreativität und Intelligenz (Intelligenzquotient: IQ) gibt.

Creative traits, by definition then, had to be considered to differ from “intelligence” traits in order to give them some potential for predicting achievement above and beyond IQ. Intelligence, of course, had been operationally defined through the IQ measurement long before work in creativity began. If researchers were to establish creativity as a trait, therefore, they faced the practical necessity of demonstrating substantial independence of creativity from IQ. This, in effect, is what the last twenty-five years of creativity measurement research has attempted to do, with only limited success (Wallach, 1971). There were also pragmatic reasons for justifying the construction of creativity tests. Intelligence tests had proved valuable to society in many ways, including the more efficient deployment of manpower resources during both world wars, but the predictive value of IQ measures had been found to be poor in situations requiring production and evaluation of new ideas (Feldman 1980: 89-90).

Der Autor bestreitet somit die Vorhersehbarkeit von Kreativität mit Hilfe des Intelligenzquotienten (IQ). Möglicherweise haben andere Intelligenzmodelle wie die von Sternberg oder von Gardner (Multiple Intelligenzen) eine bessere Passung zu den heutigen Problemlösungssettings. Diese Perspektive würde allerdings die lange Tradition zur Nutzung von IQ-Tests für Schüler und Mitarbeiter – und der damit verbundenen Geschäftsmodelle – infrage stellen. Das hätte durchaus weitreichende Folgen… Es ist daher Verständlich, dass die Vertreter psychometrischer Intelligenzmodelle empfindlich auf solche Perspektiven reagieren.

Hängt der Wissenstransfer von den kognitiven Voraussetzungen ab?

Das Phänomen des Tragen Wissens habe ich in diesem Blog schon mehrfach thematisiert. Dabei ging es jeweils darum, dass Wissen kontextspezifisch konstruiert wird und somit nicht so einfach in einen anderen Kontext zu übertragen ist. Diese Situiertheit von Wissen wird allerdings von Süss angezweifelt.

Das die Relevanz des Situiertheitsansatzes anbetrifft, da sind Zweifel angebracht und nicht zuletzt deshalb, weil die zentrale These m.E. nicht haltbar ist, dass Wissen stets kontextgebunden und ein Transfer also gar nicht möglich ist. Ob ein Transfer zustande kommt (…) hängt stattdessen in erster Linie von den kognitiven Voraussetzungen ab, von Intelligenz und Wissen (Süss 2008).

Der Author argumentiert in seinem Beitrag, dass Intelligenz und Wissen dafür verantwortlich sind, ob – oder in welchem Maße – Wissenstransfer stattfindet. Die Frage, was unter “Intelligenz” verstanden wird, beschreibt der Autor wie folgt:

Ein Ziel der psychometrischen Intelligenzforschung ist die Klärung der Frage, ob Intelligenz eine einheitliche Fähigkeit zu konzeptualisieren ist (Spearman) oder besser durch mehrere, voneinander unabhängigen Einzelfähigkeiten (Thurstone, Guilford) beschrieben werden sollte. Heute zeichnet sich ab, dass beide Positionen richtig sind. Hierarchische Strukturmodelle postulieren ein bündel unterscheidbarer Einzelfähigkeiten, die allerdings zusammenhängen, und damit gleichzeitig die Annahme eines hochgradig generellen Faktors der Allgemeinen Intelligenz (“g”) begründen (Caroll 1993). Generell mein hier, dass diese Fähigkeit zur Lösung von sehr vielen und sehr unterschiedlichen Problemen gebraucht wird. Die empirische Grundlage für diese Annahme ist, dass Intelligenzleistungen, die bei ganz unterschiedlichen Aufgaben erbracht werden, stets schwach, aber positiv korreliert sind (Süss 2008:250-251).

Howard Gardner ist mit seiner Theorie der Multiplen Intelligenzen eher der Auffassung von Thurstone und Guilford, dass es eher voneinander unabhängige Fähigkeiten/Intelligenzen gibt.

Warum sind Wissensarbeiter weniger austauschbar?

Viele Mitarbeiter in Organisationen arbeiten in fachbezogenen Leistungsbereichen (Domänen), die sich durch spezifische Anforderungssituationen charakterisieren lassen (vgl. Klieme et al. 2003). Die dazugehörenden Wissensgebiete werden auch als Wissensdomänen beschrieben, die gerade für das Geschäftsprozessorientierte Wissensmanagement von Bedeutung sind. Interessant dabei ist, dass das Domänenwissen darüber entscheidet, ob ein Mitarbeiter austauschbar (fungibel) ist.

Je wichtiger das Domänenwissen ist, desto weniger fungibel sind die Mitarbeiter. Das heißt, Sie können sie nicht in Stücke zerteilen. Und das heißt auch, Sie können sie nicht durch andere Leute ersetzen, wenn sie das Unternehmen verlassen. Am besten betrachten Sie Domänenwissen als unternehmerischen Vermögenswert. Er stellt eine finanzielle Investition dar, die sich im Kopf jedes Wissensarbeiters befindet und durch Investitionen der Firma in diesen Mitarbeiter dorthin gelangt ist. Verlässt der Mitarbeiter das Unternehmen nimmt er den Vermögenswert mit. Wenn Sie Ihr Humankapital buchhalterisch verwalten würden, müssten Sie bei jeder Kündigung eines Ihrer Mitarbeiter einen hohen Verlust ausweisen, um den Wert des entsprechenden Aktivpostens abzuschreiben (DeMarco 2001:36).

Domänenwissen ist in der industriellen Bilanzierung allerdings kaum als Investition, sondern eher als Kosten verbucht. Es ist daher spannend zu sehen, dass nach DeMarco Domänenwissen als unternehmerischer Vermögenswert betrachtet werden sollte. Mit Hilfe der Wissensbilanz – Made in Germany ist das möglich.

Kollektives Wissen ist nicht von dem Wissen in den Köpfen von Personen – oder sonstwie dokumentiert – abhängig?

Schon 2015 habe ich in dem Blogneitrag Gesellschaftliche Veränderungen 2030: Open Access – freies und kostenloses Wissen für alle darauf hingewiesen, dass kollektiven Wissen immer wichtiger wird:  „Kollektives Wissen ist eine wesentliche Grundlage des ökonomischen und sozialen Zusammenlebens“ (S. 43). Es stellt sich allerdings die Frage, wie kollektives Wissen entsteht. Dazu gibt der folgende Absatz eine vermeintlich verblüffende Antwort.

Jedes Handeln in einer kognitiv anspruchsvollen Situation, also das, was wir intelligentes handeln nennen, erfordert eine Wissensbasis. Sobald man sieht, dass Organisationen handeln können, und zwar als eigenständige kollektive oder korporative Akteure (Flam, 1990), steht außer Frage, dass sie auch eine eigenständige, kollektive oder korporative Wissensbasis für dieses Handeln braucht. (…) Der Kern der Idee kollektiven Wissens ist die Beobachtung, dass der Gehalt dieses Wissens nicht von den einzelnen Wissenspartikeln geprägt ist, welche in den Köpfen von Personen oder sonstwie dokumentiert vorhanden sind, sondern von den Relationen und Verknüpfungsmustern zwischen diesen Wissenselementen. Die Verknüpfungen selbst konstituieren das eigenständige kollektive oder systemische Wissen der Organisation ” Wilke (1995:52-54).

Es ist also entscheidend, wie Organisation mit den Relationen und Verknüpfungsmustern zwischen den Wissenselementen umgehen, um die Konstruktion von kollektiven Wissen zu ermöglichen. Ein wichtiger Hinweis für den Umgang mit Wissen, also dem Wissensmanagement.

Wie hängen Innovation, Wissen und Kompetenz zusammen?

Wenn wir über Innovationen sprechen sollte klar sein, dass es hier nicht alleine um Ideen (Ideation) oder Erfindungen (Inventionen) geht. Eine Erfindung, die beispielsweise patentiert wurde, ist per se noch keine Innovation. Darüber hinaus sollten Mitarbeiter und Organisationen in der Lage sein, Wissen so neu zu kombinieren, dass es zu Innovationen kommt.

“Grundvoraussetzung für Innovationen im Hightech-Bereich ist die Verfügbarkeit entsprechender Kompetenzen. Die verfügbaren Fähigkeiten stellen dabei die kognitive Basis für die Neukombination und Weiterentwicklung von Wissen in spezifischen Technologiefeldern dar und sind eine Funktion von explizitem (frei verfügbarem) und implizitem (personengebundenem) Wissen. Nur auf der Basis eines Sets entsprechender Wissensbestände besteht eine sinnvolle Option, neue wissensbasierte Lösungen zu erarbeiten.” Botthoff/Kriegesmann 2009:13).

Diese Kompetenz, verstanden als Selbstorganisationsdisposition, ist die Basis für ein modernes Innovationsmanagement (Closed Innovation – Open Innovation). Dabei sind Kompetenzen auf der individuellen Ebene, auf der Teamebene, auf der organisationalen Ebene und in Netzwerken zu entwickeln.

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

Was macht die Erfassung von Facharbeiterwissen so schwierig?

Es ist doch alles so einfach: Wenn in den Unternehmen über Wissen diskutiert wird, kommt irgendwann der Satz “Wir erstellen einfach eine Wissensdatenbank”. In diesem Satz steck viel darüber, wie Wissen gesehen wird. Wissen kann in einer Datenbank dokumentiert und wiederverwertbar abgelegt werden. Das ist allerdings nur für den teil des Wissens möglich, der explizierbar ist (Explizites Wissen). Könner ihres Fachs sind deshalb in einem Prozess, oder in einer beruflichen Domäne erfolgreich (Siehe Grafik), weil sie Arbeitsprozesswissen entwickelt haben, das hauptsächlich aus der impliziten Dimension von Wissen besteht. Diese ist auch nicht so leicht (kaum) in einer Datenbank erfassbar.

Arbeitsprozesswissen ist also das Facharbeiterwissen, welches „die praktische Arbeit anleitet“ (Rauner 2002:25), während der Ausübung der beruflichen Handlung generiert wird und zugleich überwiegend aus implizitem Wissen besteht, welches in hohem Ausmaß durch Erfahrung geprägt ist” [Hervorhebungen Dr. Robert Freund] (…) Das grundlegende forschungstheoretische Problem der Erfassung von Facharbeiterwissen liegt in der Tatsache begründet, dass „Können nicht Resultat der Anwendung von zuvor erlerntem deklarativen und prozeduralen Wissen ist“ (Becker & Spöttl 2008:29, Hervorhebung im Original; zitiert in Becker 2010:55).

Es ist somit nicht ausreichend, wenn sich Unternehmen mit Wissen befassen und damit hauptsächlich die explizite Dimension meinen. Da das Arbeitsprozesswissen von Facharbeitern hauptsächlich aus impliziten Wissen besteht, sollten Unternehmen Methoden und Techniken nutzen, um um diese wichtige Dimension des Wissens zu erschließen und für andere Nutzbar zu machen. Das ist allerdings schwieriger, als IT-Systeme einzukaufen…

Ökonomie: Sind die Ökonometrischen Modelle noch zeitgemäß?

In der aktuellen Corona-Pandemie geht es nun langsam aber sicher wieder darum, das gesellschaftliche und wirtschaftliche Leben anzukurbeln. Dazu beziehen sich Politiker oft auf ökonomischer Modelle, um die Richtigkeit ihrer Maßnahmen zu belegen. Es geht um Zahlen, Daten und Fakten – um rationales Handels aufgrund scheinbar objektiver Daten. Georga W. Akerlof (Wirtschaftsnobelpreis 2001) und sein Kollege Robert J. Shiller vertreten hier allerdings eine etwas andere Ansicht. In dem Buch “Animal Spirits” aus dem Jahr 2009 vertreten sie die Auffassung, dass die “nicht-rationalen Elemente unseres Handelns” stärker beachtet werden müssen.

“Ökonometrische Modelle werden im Allgemeinen als Rückkopplungsmodelle beschrieben, die nur auf beobachtbaren Daten beruhen. Alle Nichtobservablen werden in den Bereich der „Messfehler“ verwiesen. Auch wenn wir der Ansicht sind, dass solche Modelle oftmals sehr nützlich sind, vernachlässigen sie doch einige wesentliche Zusammenhänge, die auf nicht quantifizierbaren psychologischen Variablen beruhen.” (ebd. S. 200)

Und weiter führen die Autoren aus: “Die meisten Ökonomen haben für diese psychologischen Feedbackgeschichten nichts übrig. Sie laufen ihrer tief verwurzelten Überzeugung von der Rationalität menschlichen Handelns zuwider. Aber sie lehnen sie auch noch aus einem anderen Grund ab: Es gibt keine Standardmethoden zur Quantifizierung der menschlichen Psychologie. Sie halten die Bemühungen zur quantitativen Erfassung von Rückkopplungsmechanismen und deren Einbindung in makroökonomische Modelle für zu willkürlich und sind deshalb von ihrer Gültigkeit nicht überzeugt” (ebd. S. 200-201).

Ich frage mich bei der ganzen Diskussion um die Subvention verschiedener wirtschaftlicher Bereiche, ob dies “Animal Spirits” mit bedacht werden. Es sieht für mich so aus, als ob die Ökonomie der Industriegesellschaft wieder dominiert. Wissenschaftliche Expertise wird nur akzeptiert, wenn Sie auf Zahlen, Daten und Fakten beruht und reproduzierbar ist. Dieses Mindset beruht auf der Berechenbarkeit von allem. Entspricht das der Wirklichkeit von Menschen in einer Gesellschaft, oder auch in einer Organisation?

Wenn es den Unternehmen gut geht, liegt der Fokus auf den “harten” Daten des Geschäfts – das Unternehmen wird als Maschine zur Geldvermehrung gesehen.. Geht es dem Unternehmen wirtschaftlich nicht gut, kommen andere Metaphern wie “das Unternehmen leidet” oder ” das Unternehmen stirbt” ins Spiel. Diese Metapher erinnern stärker an einen lebenden komplexen Organismus. Es ist aus meiner Sicht bedenklich, weiterhin an der Maschinen-Metapher festzuhalten, da diese dem komplexen Umfeld nicht mehr gerecht wird.

Wissensbilanz 2019 der Wirtschaftsuniversität Wien

Die Wirtschaftsuniversität Wien hat ihre Wissensbilanz 2019 (PDF) im Mai 2020 veröffentlicht. Dass Universitäten in Österreich jährlich eine Wissensbilanz veröffentlichen müssen steht in der Wissensbilanz-Verordnung 2016 – WBV 2016 des Landes. Die Wissensbilanz 2019 der Wirtschaftsuniversität Wien gliedert sich dabei in die Abschnitte: Leistungsbericht, Kennzahlen und Leistungsvereinbarungs-Monitoring (Bericht über die Umsetzung der Ziele und Vorhaben der Leistungsvereinbarung). Es ist schon erstaunlich, dass Wissensbilanzen in Österreich seit 2016 verbindlich durchgeführt werden müssen. Scheinbar ist das Instrument der Wissensbilanz durchaus für die zukünftige Ausrichtung einer Universität sinnvoll.

In Deutschland steht die Wissensbilanz – Made in Germany kostenfrei zur Verfügung. Es gibt allerdings keine gesetzliche Verpflichtung z .B. für Universitäten, eine Wissensbilanz zu erstellen und dann auch noch zu veröffentlichen. Meines Erachtens kann die Wissensbilanz – Made in Germany nicht nur in Universitäten, sondern in allen wissensintensiven Bereichen einer Gesellschaft genutzt werden, um zu klären, wie das oftmals sehr spezifische Wissenssystem gemanagt werden kann (Wissensmanagement).

Als Moderator der Wissensbilanz – Made in Germany habe ich schon einige Organisationen dabei geholfen, eine Wissensbilanz – Made in Germany zu erstellen. Darüber hinaus habe ich deutschlandweit Road Shows moderiert, in denen auch Unternehmen dargestellt haben, wie sie die Wissensbilanz – Made in Germany nutzen. Sprechen Sie mich bitte an, wenn Sie an dem Thema interessiert sein,