Veröffentlicht am

“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.

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

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.

Veröffentlicht am

Wissensmanagement: Datenbasierte Wissensnutzung in Projekten mit KI

Zeichen, Daten und Informationen sind stellen die Basis für jede Art von Wissen, der Wissensnutzung und der Wissenskonstruktion dar. Der Aufbau einer Wissensbasis während der Projektabwicklung hilft dabei das Projektmanagement zu verbessern, und das projektspezifische Wissen auch anderen Projekten zur Verfügung zu stellen. Gerade in Zeiten neuer Möglichkeiten wie der KI (Künstliche Intelligenz) ist das Projektmanagementwissen ein spannendes Thema. Doch worauf sollte dabei geachtet werden? Dazu habe ich folgendes gefunden:

“Wissensmanagement (WM): Die Wiederverwendung von Wissen, insbesondere Projektwissen, ist im PM essentiell. Angewandte Techniken sind vor allem Information Retrieval (IR), Natural Language Processings, und Ontologien als Wissensspeicher. Kenntnisse aus diesen Wissensgebieten sind notwendig, da sie a) aus PM-Sicht dafür sorgen, dass die richtigen Daten identifiziert werden, b) dass die Daten aus Data Analytics-Sicht richtig erfasst und untersucht werden und c), dass die Daten aus Sicht des Wissensmanagements in einer Wissensstruktur für die Nachnutzung sauber bereitgestellt werden” (…) Die Verwendung von Ontologien als Speicher von Wissensobjekten und die integrierte Anwendung der Methode des Case-Based Reasoning eröffnet im genannten Kontext Potentiale für ein verbessertes Projektmanagement” (Kusturica, W. Laroque, C. (2024) in Bernert et al. (2024): KI in der Projektwirtschaft).

Die Autoren haben diesen Ansatz in dem Beitrag anhand eines Fallbeispiels ausführlich dargestellt.

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.

Veröffentlicht am

Was hat Goethe mit KANBAN zu tun?

Es ist manchmal erstaunlich, was man so in historischen Texten findet. Diesmal ist es ein Satz von Johann Wolfgang von Goethe, der immer noch, bzw. gerade in der jetzigen Zeit, seine Relevanz hat.

„Was immer du tun kannst, oder wovon du träumst – fange es an. In der Kühnheit liegt Genie, Macht und Magie. Beginne es jetzt sofort“, schrieb J. W. von Goethe. Dieser Satz entstand schon vor 200 Jahren. Heute hat sich das Umfeld gravierend verändert. Hat damit auch dieser Spruch seine Gültigkeit verloren? Wohl kaum! (Raschke, R. (2001)).

Den Hinweis auf die “Kühnheit des Anfangens” finden wir auch bei KANBAN. Auch KANBAN weist darauf hin, einfach einmal anzufangen – am besten mit einem Board, einem KANBAN Board. Die wenigen Regeln von KANBAN wie z.B. ein priorisiertes Backlog, die Begrenzung von parallel durchzuführender Arbeit (WIP: Work in Progress), das PULL-Prinzip etc. ermöglichen es, komplexe Arbeitsprozesse am Board zu besprechen. Das Board ist das Kommunikationsinstrument, für Verbesserungen im Ablauf, um Werte zu schaffen.

Als Teil des Lean-Gedankens (Lean Production, Lean Management, Lean Thinking) ist KANBAN in der Zwischenzeit aus der ursprünglich produktionsorientierten Anwendung (Toyota Produktions-System) zu einer Möglichkeit geworden, wissensbasierte, komplexe Arbeit zu organisieren. Anderson hat das in seinem Buch in 2010 umfassend dargestellt.

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

Veröffentlicht am

Projektmanagement: Bauchgefühl, Intelligenz und Erfahrung

Image by reallywellmadedesks from Pixabay

In mehreren Blogbeiträgen habe ich schon über das Phänomen des Bauchgefühls in komplexen Problemlösungsprozessen geschrieben. Siehe dazu beispielsweise Das “Bauchgefühl”: Eine unbewusste Intelligenz? oder auch Kann Intuition als Brücke zwischen impliziten und expliziten Wissen gesehen werden? Darüber hinaus habe ich auch etwas mit Verbindung zum Projektmanagement gefunden:

“Bauchgefühle sind gewissermaßen Äußerungen unserer unbewussten Intelligenz. Das Unterbewusstsein ordnet unsere Einfälle, je nachdem wie erfolgreich sie in der Vergangenheit waren. Deshalb kommen Fachleuten die besten Ideen meist zuerst. Und auch deshalb ist es so wichtig, seinem Bauch nur zu trauen in Bereichen, in denen man Erfahrung hat. Beispielsweise beim Schachspielen, beim Sport – oder beim Projektmanagement beispielsweise. (… ) „Take the Best“-Faustregel schlägt komplexe Entscheidungsmethodik” (Interview mit Prof. Gerd Gigerenzer in projektmanagementaktuell 3/2008).

Mitarbeiter mit Erfahrungen werden auch als Experten bezeichnet, die in komplexen Problemlösungsprozessen Muster erkennen – oder auch erspüren – die andere einfach nicht sehen/erspüren. Diese Expertise in einem beruflichen Umfeld (einer beruflichen Domäne) scheint – zusammen mit einer inneren Intelligenz – komplexen Methoden zur Entscheidungsfindung überlegen zu sein. Gigerenzer klärt an dieser Stelle allerdings nicht, was er unter der inneren Intelligenz versteht. Ich gehe hier von Howard Gardner´s Theorie der Multiplen Intelligenzen aus.

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.

Veröffentlicht am

Aufbau einer Wissensbasis während der Projektabwicklung

Spirale des Aufbaus einer Wissensbasis während der Projektabwicklung (Cüppers, C. (2007): Wissensmanagement in Projektorganisationen, projektmanagementaktuell 2/2007)

In Projekten werden viele Daten generiert und Informationen bearbeitet. Beides sind wichtige Bausteine einer Wissensbasis in projektorientierten Organisationen. Diese Wissensbasis baut sich zyklisch über die Projektabwicklung auf (Abbildung).

Die einzelnen Aktivitäten sind dabei die Wissensidentifikation, der Wissenserwerb, die Wissensentwicklung, die Wissensverteilung, die Wissensbewertung und die Wissensnutzung. Es ist deutlich zu erkennen, dass sich die Autorin an den Kernaktivitäten des Wissensmanagements orientiert hat (z.B. nach Probst et al.). Weiterhin zeigt die Abbildung, dass sich die jeweilige Wissensbasis über die Projekte P1 bis P4 immer weiter aufbaut.

“Ein Projekt beginnt zu einem definierten Zeitpunkt mit der Projektinitiierung. Es durchläuft verschiedene Phasen bis hin zum Projektabschluss bzw. zur Projektnachbereitung, in denen sich die in der Abbildung als Spirale dargestellte organisationale Wissensbasis stetig vergrößert. Jedes Projekt durchläuft die komplette Spirale unabhängig von den durchgeführten Projektphasen. Die Projektdauer kann von Projekt zu Projekt unterschiedlich sein, es werden jedoch immer alle Sektoren der Spirale durchlaufen. In den ersten drei Sektoren wird das für das Projekt erforderliche Wissen aus Bekanntem generiert, neu entwickelt und von außen erworben. In den folgenden drei Sektoren wird es dann selektiert, kommuniziert, dokumentiert, gespeichert und angewandt. Die Wissensbasis wächst kontinuierlich, sodass Folgeprojekte profitieren. Da in einem Unternehmen in der Regel mehrere Projekte gleichzeitig ablaufen und die Mitarbeiter zum Teil an mehreren Projekten arbeiten, ist der Übergang zwischen den einzelnen Projekten fließend” (Cüppers 2007).

Siehe dazu auch Wissen und Erfahrungen als Input und Output von Projekten, Umgang mit Wissen in Projekten und Projektwissensmanagement – ein spannendes Thema.

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.

Veröffentlicht am

Warum braucht “Führung” heute sozialwissenschaftliche Expertise?

Die aktuelle gesellschaftliche Entwicklung kann als Strukturbruch zwischen Einfacher und Reflexiver Modernisierung gesehen werden. Bisher war Führung damit konfrontiert, Arbeit effektiv und effizient eher fremdorganisiert zu organisieren. Arbeit 4.0 ist allerdings viel stärker selbstorganisiert, und benötigt daher eine andere Art von Führung.

Selbstorganisation in komplexen sozialen Systemen (Organisationen) wird dabei oft auf technische und/oder ökonomische Dimensionen reduziert. Eine moderne Führung zeichnet sich in einer Reflexiven Modernisierung allerdings dadurch aus, dass Führung selbst reflexiv ist, und sozialwissenschaftliche Expertise erfordert.

“Ohne eine sozialwissenschaftliche Expertise kann eine solche selbstreflexive Führung auch in Lehr-Lern-Prozessen nicht gelingen. Soziale Systeme funktionieren nämlich nicht allein nach Maßgabe technisch-ökonomischer, sondern auch – und vielleicht sogar: vornehmlich – nach Maßgabe sozialer Mechanismen” (Arnold 2017).

Siehe dazu auch Vom Zwei-Welten-Modell von Führung zu einem Multiple-Welten-Modell von Führung? und Wirtschaftspsychologie und Wirtschaftssoziologie sind vielen Führungskräften wenig bekannt.

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.

Veröffentlicht am

Wissensmanagement: Kompetenzrad für Wissensmanager nach GfWM

Kompetenzrad eines Wissensmanagers (GfWM e. V. (2024): Wissensmanagement-Kompetenzkatalog | PDF)

Wissen, und der Umgang mit Wissen (Wissen managen, Wissens-System managen) sind in einem turbulenten Umfeld zu wichtigen Wettbewerbsfaktoren von Organisationen geworden. Dabei hat sich das Verständnis von und über Wissen mit der Zeit verändert. Siehe dazu beispielsweise Reflexive Modernisierung und “reflexives Wissen” als neue Wissensform.

Personen, die sich mit Wissen beruflich befassen wollen/sollen, müssen daher entsprechende Kompetenzen mitbringen, bzw. entwickeln. Die Gesellschaft für Wissensmanagement e.V. (GfWM e.V.) hat zu diesem Thema im Januar 2024 einen Wissensmanagement-Kompetenzkatalog (Version 2.2| PDF) veröffentlicht. In der dazugehörenden Excel-Datei (XLSX) können Sie Ihr SOLL- und IST-Profil erfassen. Ein Beispiel dazu sehen Sie in der Abbildung weiter oben, die aus dem Kompetenzkatalog entnommen ist.

Der eine oder andere Punkt irritiert mich hier allerdings. Beispielsweise werden die Begriffe “Fertigkeiten”, Fähigkeiten” und “Kompetenzen” in dem Beispiel-Kompetenzrad dargestellt, obwohl der Schluss von Persönlichkeitseigenschaften (Fähigkeiten/Fertigkeiten) möglicherweise falsch ist (vgl. Erpenbeck).

Weiterhin kommt der Begriff “Emotion” im gesamten Wissensmanagement-Kompetenzkatalog überhaupt nicht vor. Möglicherweise ist das Thema indirekt in den Kompetenzen zu finden, allerdings nicht so prominent, wie es sein sollte.

John Erpenbeck hat in seinen Forschungen dazu festgestellt, dass für den Kompetenzerwerb eine Emotionale Intelligenz/Kompetenz elementar ist. Siehe dazu auch Kompetenz und Intelligenz: Eine Gegenüberstellung. Das Konstrukt der Emotionalen Intelligenz geht dabei auf Salovey/Mayer (1990) zurück. Populär gemacht hat den Begriff Goleman mit seinen verschiedenen Veröffentlichungen.

Arnold, R. (2005:123) formuliert es so: “Emotional kompetent ist jemand, der um die ´Selbstgemachtheit´ emotionaler Reaktionen weiß, die Fülle möglicher Gefühlzustände aus eigenem Erleben kennt (´emotional literacy´) und über ´Techniken´ verfügt, diese mit situationsangemessenem Verhalten in Einklang zu bringen.”

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