Veröffentlicht am

Von Mass Customization and Personalization zu KI-basierter Personalisierung von beruflicher Weiterbildung

Die moderne Arbeitswelt benötigt die permanente, individuelle Unterstützung von Lernprozessen in der jeweiligen beruflichen Domäne. Das Lernen im Prozess der Arbeit wird in Zukunft immer wichtiger im Rahmen der Kompetenzentwicklung auf der individuellen Ebene, der Teamebene, der organisationalen Ebene und der Netzwerkebene.

Eine mögliche konkrete Umsetzung kann durch die Modularisierung von Inhalten und eine entsprechende Konfiguration erfolgen. Beide hervorgehobenen Begriffe sind Bestandteile der Hybriden Wettbewerbsstrategie Mass Customization and Personalization – hier übertragen auf den Bereich der beruflichen Weiterbildung.

Es wundert mich immer noch, dass diese Erkenntnisse heute noch hervorgehoben werden. Beispielhaft möchte ich den im letzten Jahr veröffentlichten Leitfaden Pabst et al. (2023): Modularisierung berufsbezogener Weiterbildung (PDF) erwähnen, der Modulare Bildung als Antwort auf den Wandel der Arbeitswelt herausstellt.

In den letzten mehr als zwei Jahrzehnten habe ich – neben verschiedenen anderen Autoren – dazu mehrere Konferenzpaper veröffentlicht, von denen ich hier nur einige wenige beispielhaft nennen möchte (Siehe Veröffentlichungen):

Freund, R.; Piotrowski, M. (2005): Mass Customization and Personalization in Adult Education and Training. In: Shyam Sunder Kambhammettu (Ed.): Mass Customization. Concepts and Applications, Le Magnus University Press, Hyderabad, India.

Freund, R.; Piotrowski, M. (2003): Mass Customization and Personalization in Adult Education and Training. 2nd Worldcongress on Mass Customization and Personalization MCPC2003, Munich, Germany.

Freund, R. (2003): Mass Customization in Education and Training, ELearnChina 2003, Edinburgh, Scotland.

Freund, R. (2001): Mass Customization in der beruflichen Bildung. Vortrag an der PH Freiburg im Rahmen der Weiterbildung zum Experten für neue Lerntechnologien (FH).

Dabei kam es mir immer darauf an, Customization und Personalization zu unterscheiden. In den Diskussionen um die Modularisierung von Inhalten, beispielsweise durch sogenannte Learning Objects usw., sollte m.E. deutlicher gemacht werden, dass es nicht Objekte sind, die lernen, sondern Personen (Learning Persons). Um Lernen auf allen Ebenen selbstgesteuert und selbstorganisiert zu ermöglichen, können Technologien wie Konfiguratoren, und jetzt natürlich auch Künstliche Intelligenz (KI) helfen.

In dem Praxisleitfaden Fischer et al (2023): KI-basierte Personalisierung berufsbezogener Weiterbildung stellen die Autoren verschiedene Aspekten vor. Der Bezug zur Hybriden Wettbewerbsstrategie Mass Customization and Personalization wird leider nicht hergestellt – schade.


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

Projektmanagement-Office: Neue Aufgaben durch Künstliche Intelligenz

Das Umfeld von Organisationen ist sehr turbulent und kann mit VUCA oder BANI beschrieben werden. Um sich diesen Veränderungen anzupassen, führen Organisationen Projekte durch – Projekte sind Träger des Wandels. Siehe dazu auch GPM-Studie (2023): Projektifizierung 2.0. Zweite Makroökonomische Vermessung der Projekttätigkeit in Deutschland.

Die Vielzahl von Projekten wird in Einzelprojekte, Programme und Portfolios strukturiert. Als Dienstleister für Projektmanagement hat sich das Projektmanagement-Office (PMO) in vielen Organisationen als Kompetenzzentrum etabliert. Dabei kann das PMO unterschiedliche Aufgaben übernehmen. Mit der immer stärkeren Nutzung von Künstlicher Intelligenz im Projektmanagement kommt dem Projektmanagement-Office (PMO) eine Vielzahl an neuen Aufgaben zu.

Zu den neuen Aufgaben des Projektmanagement Offices gehören unter anderem
– Die Beobachtung der technologischen Entwicklung von KI-Systemen im Allgemeinen.
– Die kontinuierliche Evaluierung des sinnvollen Einsatzes von KI im Projektmanagement.
– Das Testen und Beschaffen entsprechender Systeme.
– Die Anpassung oder das Training von KI-Komponenten auf Basis vorhandener Prozesse, Daten vergangener Projekte und Lessons Learned.
– Die Integration von KI-Komponenten an relevanten Stellen im Projektmanagement, wo sie Mehrwert bieten.
– Die Schulung der Stakeholder, angefangen von Projektteammitgliedern bis hin zur Führungsebene.
– Die Initiierung von Changeprozessen, die durch die Einführung von KI in Projektmanagementaufgaben und -Prozesse erforderlich werden.
– Die kritische Überwachung der Arbeitsweise von KI-Systemen hinsichtlich Risiken, Voreingenommenheit (Bias) und potenzieller blinder Flecken.
– Die Reflexion über die Auswirkungen solcher Systeme auf die Aufgabenbereiche des PMO.

Quelle: Ordner, G. (2024) in Anlehnung an Ordner/Stuhr (2024). In: Bernert et al. (2024): KI in der Projektwirtschaft.

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

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

Projektmanagement: Protokolle als einfacher Einstieg zur Nutzung Künstlicher Intelligenz

Dave Garret Using AI Tools to Make Meeting Minutes Magic! (PMI-Blog vom 11.01.2024)

Der Einsatz von Künstlicher Intelligenz im Projektmanagement kann an vielen Stellen erfolgen. In dem Blogbeitrag von Dave Garret Using AI Tools to Make Meeting Minutes Magic! (PMI-Blog vom 11.01.2024) wird empfohlen, Sitzungsprotokolle (Meeting Minutes) für den Einstieg zur Nutzung von KI zu nutzen.

Der Autor hat zur Erläuterung in einer Abbildung zwei Achsen gegenüber gestellt. Y-Achse: Komplexität des Tasks von niedrig bis hoch, X-Achse: Wer bearbeitet den Task (Maschine oder Mensch)?

Die eingetragenen Tasks zeigen, dass es in der Abbildung ein Kontinuum von Möglichkeiten gibt. Es geht wie so oft nicht um ein “Entweder Maschine (KI) oder Mensch”, sondern um ein sinnvolles “sowohl-as-auch”.

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

Generative Künstliche Intelligenz für Industrie und Behörde: Chancen und Risiken

Künstliche Intelligenz (KI) ist in unserem Alltag nicht mehr wegzudenken. Es vergeht kein Tag, an dem nicht von neuen, beeindruckenden Möglichkeiten berichtet wird. Große Technologie-Konzerne, Beratungsfirmen usw. zeigen oft nur die eine, positive Seite von Künstlicher Intelligenz. Es ist daher gut, dass das Bundesamt für Sicherheit in der Informationstechnik (BSI) den Leitfaden Generative KI-Modelle (PDF) herausgebracht hat, in dem es um die Chancen und Risiken für Industrie und Behörden geht. Am Ende werden die wichtigsten Punkte für eine systematische Risikoanalyse zusammengefasst (S. 3.-31):

Sensibilisierung von Nutzenden

Durchführung von Tests

Umgang mit sensiblen Daten

Herstellung von Transparenz

Überprüfung von Ein- und Ausgaben

Beachtung von (Indirect) Prompt Injections

Auswahl und Management der Trainingsdaten

Praktische Expertise aufbauen

Veröffentlicht am

Künstliche Intelligenz bei Akzeptanzprojekten

Künstliche Intelligenz (KI) bietet auf allen gesellschaftlichen Ebenen Anwendungsmöglichkeiten – auch im Projektmanagement. Dabei stellt sich die Frage, wie Künstliche Intelligenz (KI) bei verschiedenen Projekten eingesetzt werden kann. Barth/Sarstedt (2024) schlagen dazu in Anlehnung an Kuster (2022) vor, verschiedene Projektkategorien zu unterscheiden: Standardprojekte, Potenzialprojekte, Akzeptanzprojekte und Pionierprojekte.

“Bei steigender sozialer Komplexität ist oft ein geschickter Umgang mit menschlichen Widerständen und Emotionen erforderlich, um eine Akzeptanz des Projektergebnisses herbeizuführen. Als Beispiel solcher Akzeptanzprojekte sei hier eine unternehmensinterne Umstrukturierung betrachtet. Berücksichtigt man nun die oben diskutierten Limitierungen der KI sowohl im sensorischen Wahrnehmen als auch im empathischen Erfassen sozialer Situationen, so erscheint die KI als nicht ausreichend, es benötigt vielmehr das menschliche Element, um Belegschaft und Kunden gegenüber mit Fingerspitzengefühl zu agieren. KI kann insofern nicht mehr als „agierende Einheit“ eingesetzt werden, es kann dem menschlichen Projektmanager jedoch in einem sehr umfangreichen Sinne als ein „komplexes Werkzeug“ dienen (komplexe Planmodellierung, ablauforganisatorische Simulation etc.), welches er in seiner Rolle als „Handwerksmeister des Projektmanagements“ in Ergänzung zu seinem übrigen Handwerkszeug einsetzen kann” (ebd.).

Auch in dem Beitrag Mensch und Künstliche Intelligenz: Engineering bottlenecks und die fehlende Mitte wird deutlich, um welche Aufgaben es dabei geht. Siehe dazu auch Projektmanager: Soziale Interaktionsprozesse und ihre Bedeutung für den Einsatz von Künstlicher Intelligenz (KI).

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

Künstliche Intelligenz in der Berater-Branche – auch eine Wissensperspektive

Quelle: Holtel, S. (2024): The Impact of ChatGPT on the Consultancy Value Chain. Das Kuratierte Dossier vol. 6 „Future Skills KM“ March 2024 published by: Gesellschaft für Wissensmanagement e. V.

Berater (Consultant) haben oft einen mehr oder weniger stark vorgegebenen Prozess für die jeweiligen Problemlösungen (Value Chain). Dieser ist in der Abbildung auf der X-Achse dargestellt: problem analysis – solution quest – experimental implementation – evaluation & refinement – external value.

Wie weiter zu erkennen ist, ist der Grad der Unsicherheit (degree of uncertainty) am Prozessanfang sehr groß (Y-Achse). Mit der Zeit, und mit dem jeweils generierten neuen Wissen, reduziert sich diese Unsicherheit, sodass eine Art Kegel entsteht (cone of uncertainty).

Die wissensebene zeigt weiterhin, dass implizites Wissen und explizites Wissen im Prozess integriert werden müssen. Die Zahlen (1), (2) und (3) verweisen darauf, dass an diesen Stellen Künstliche Intelligenz eingesetzt werden kann , was durch das ChatGPT-Symbol illustriert wurde.

Es zeigt sich auch hier, dass es zu einer angemessenen Kombination von Künstlicher Intelligenz und Menschlicher Intelligenz kommen sollte.

Stellen Sie doch auch einmal Ihren Ablauf zu Problemlösungen dar und überlegen Sie, an welchen Stellen Sie Künstliche Intelligenz einsetzen können.

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

Lernangst bei Veränderungsprojekten: Was ist darunter zu verstehen?

Bei Veränderungsprojekten (Change Projekten) geht es neben den rationalen Gründen auch um die mit den Veränderungen verbundenen Ängste von Mitarbeitern in Organisationen. Aktuell können beispielsweise der immer stärkere Einsatz von Künstlicher Intelligenz zu solchen Ängsten führen.

Der Organisationswissenschaftler Schein (2004) hat dazu neben der Existenzangst auch die Lernangst thematisiert. Da die Existenzangst fast (!) selbsterklärend ist, möchte ich in diesem Blogbeitrag eher auf die angesprochene Lernangst eingehen. Dazu habe ich folgendes gefunden:

“Beim Lernen werden Ängste wiederum sowohl durch den nötigen Erwerb neuer Skills oder Wissensbereiche als auch durch das ebenso notwendige Verlernen des Alten wachgerufen. Etwa Ängste

> vor vorübergehender oder dauerhafter Inkompetenz: „Ich kann das einfach nicht!“,

> aufgrund der Inkompetenz Bestrafungen oder zumindest Benachteiligungen erwarten zu müssen: „Wenn ich das nicht schaffe, verliere ich meine Position!“,

> einen persönlichen Identitätsverlust zu erleiden: „Ich war mein Leben lang Entwicklungsspezialist, wieso muss ich plötzlich auch analysieren oder testen?“,

> nicht mehr Mitglied einer bestimmten Gruppe oder Community zu sein: „Was, wenn ich in meinem Spezialgebiet plötzlich den Anschluss an meine Kollegen verliere?“”

(Leopold/Kaltenecker 2018:135).

Aus diesen Anmerkungen zur Lernangst in Veränderungsprojekten leitet sich ab, dass eine Organisationen über das Lernen ihrer Mitarbeiter, von Teams, der gesamten Organisation und in Netzwerken Bescheid wissen sollte. Das ist allerdings in vielen Organisationen nicht der Fall. Oft ist bekannt, WAS gelernt wurde (Zertifikatsinhalte usw.), allerdings nicht WIE gelernt wurde. Führungskräfte sollten sich hier einmal bei der Erwachsenenbildung umsehen, deren Schwerpunkt die “Transformation von Deutungsmustern” ist.

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

Welche Fragen unterstützen kritisches Denken?

In dem Blogbeitrag Kritisches Denken etwas genauer betrachtet wird erläutert, was kritisches Denken ausmacht. Daran anschließend können sechs Grundmuster Sokratischen Fragens das kritische Denken unterstützen. Gefunden habe ich diese bei North (2024), der sich dabei an Paul und Elder (2016) und Lechsenring (2018) orientiert. Probieren Sie es einfach einmal aus:

Klärendes Denken und Verstehen
• Können Sie mir ein Beispiel geben?
• Könnten Sie das weiter erklären?
• Meinten Sie X?
• Was ist das Problem, das Sie zu lösen versuchen?

Anspruchsvolle Annahmen hinterfragen
• Ist das immer so?
• Setzen Sie X voraus?
• Stimmen Sie dem X zu?
• Wenn das für ein X gilt, gilt das für alle X?

Beweismittel und Gründe untersuchen
• Warum sagen Sie das?
• Woher wissen Sie das?
• Welche Daten unterstützen dies? Warum?

Alternative Standpunkte und Perspektiven einbringen
• Gibt es Alternativen?
• Wie sieht die andere Seite des Arguments aus?
• Was macht Ihre Sichtweise besser?
• Was würde X dazu sagen?
• Können Sie an Fälle denken, in denen das nicht stimmt?

Folgen und Konsequenzen berücksichtigen
• Was wären die Folgen?
• Gibt es irgendwelche Nebenwirkungen?
• Was, wenn Sie falsch liegen?
• Wie können wir es herausfinden?
• Wenn das wahr ist, bedeutet das, dass X auch wahr ist?
• Was sollten wir dazu noch überlegen?

Meta-Fragen
• Was denken Sie, warum ich diese Frage gestellt habe?
• Was bedeutet das?
• Was könnte ich sonst noch fragen?