Veröffentlicht am

Worin unterscheiden sich Daten von Fakten?

Image by Gerd Altmann from Pixabay

Unsere westliche Sicht auf Wissen wird von einem eher technisch-wissenschaftlichen Modell dominiert: “the hegemony of the techno-scientific model in defining legitimate and productive knowledge” (UNESO 2005: 5). Es wundert daher nicht, dass versucht wird, verschiedene Begriffe zu unterscheiden – zu definieren. Es geht ganz praktisch um die Unterscheidung der Begriffe “Zeichen”, “Daten”, “Informationen” und “Wissen”, die in der ursprünglichen, bzw. in der erweiterten Wissenstreppe dargestellt werden. Siehe dazu auch Ein besseres Verständnis der Wissenstreppe führt zu einem besseren Umgang mit Wissen. Auf der Ebene der “Daten” gibt es allerdings mit dem Begriff “Fakten” ein weiters Konstrukt. Dazu habe ich folgendes gefunden:

“Aufschlussreicher sollte es sein, zwischen Daten und Fakten terminologisch zu unterscheiden. ‚Daten‘ sind das, was einem Beobachter buchstäblich gegeben ist (lat.: datum / frz.: donnée) und daher insbesondere das, was sich in irgendeiner Weise feststellen und vielleicht sogar messen lässt. In erster Linie darf man also das als Datum verstehen, was niemand bestreiten kann, und mithin gilt ein Datum fraglos, sofern es korrekt ermittelt worden ist. Ein Faktum ist demgegenüber kein simples Datum, sondern wortwörtlich eine ‚Tat-Sache‘, das heißt ein im Kern menschliches Produkt. Wo wir von Fakten reden, sprechen wir jedenfalls immer von Dingen, die wir selber erst zu dem gemacht haben, was sie sind (lat.: factum / frz.: fait). Können Daten insofern nicht anders als ‚richtig‘ sein, solange man sie nicht irrtümlich oder sachwidrig erfasst hat, stellt sich bei Fakten von vornherein die Frage, inwiefern sie als ‚wahr‘ gelten dürfen” Meier, A. (2020): In Science We Trust: Überlegungen zum Wissen der Wissenschaften. In: Horatschek, A. M. (Hrsg.) (2020): Competing Knowledges – Wissen im Widerstreit. Abhandlungen der Akademie der Wissenschaften in Hamburg, Band 9).

Wenn also oftmals hervorgehoben wird, “das ist Fakt” oder “Fakt ist”, so ist diese Formulierung kritisch zu sehen, denn sie ist nicht so unumstößlich, wie es auf den ersten Blick den Anschein hat. Wie in der Quelle erwähnt, stellt sich bei “Fakten” die Frage, “inwiefern sie als ‚wahr‘ gelten dürfen”.

Veröffentlicht am

Umgang mit Wissen in Projekten

Dass wir uns mit Daten und Informationen im Projektmanagement befassen ist allgemein üblich. Wir nutzen dazu verschiedene Kollaborationsplattformen, die gerade für explizites Wissen gut geeignet sind. Was ist mit dem impliziten Wissen? Wie gehen wir damit um? Wissensmanagement hat schon seit vielen Jahren Konjunktur, was schon der folgende Beitrag aus dem Jahr 2004 zeigt.

“Wissensmanagement in Organisationen hat Konjunktur. Davon profitiert auch die Disziplin ´Projektmanagement´. Der Erfahrungssicherung in Projekten stellen sich dabei spezifische Hürden in den Weg, insbesondere das Faktum, dass das ausführende Team nach Beendigung des Projekts in aller Regel aufgelöst wird. Trotz der zahllosen Publikationen und theoretischen Konzepte, die sich mit Lernen aus Projekten befassen, dürfte ihre praktische Nutzung noch nicht allzu weit fortgeschritten sein. Vor allem das Lernen aus wenig erfolgreichen Projekten stößt auf erhebliche Widerstände” (Schelle 2004).

Bemerkenswert ist dabei auch der Hinweis im letzten Satz, dass Lernen aus wenig erfolgreichen Projekten schon damals auf erhebliche Widerstände gestoßen ist. Lernen ist der Prozess und Wissen das Ergebnis (Willke). Es ist erforderlich, sich zunächst einmal mit dem Begriff “Wissen” auseinanderzusetzen um ihn auch von Daten, Informationen, Kompetenz usw. abzugrenzen. Erst wenn verstanden ist, was unter “Wissen” zu verstehen ist, kann der Umgang mit Wissen (Wissensmanagement) thematisiert und sinnvoll in Projekten, im Projektmanagement und in der gesamten Organisation gestaltet werden. In unserem Blog finden Sie dazu mehr als 1.000 Beiträge.

In den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in AGIL (IHK) gehen wir auf diese Zusammenhänge ein. Informationen zu den Lehrgängen und zu Terminen finden Sie auf unserer Lernplattform.

Veröffentlicht am

Ein besseres Verständnis der Wissenstreppe führt zu einem besseren Umgang mit Wissen

Die einfache Wissenstreppe nach North unterscheidet Daten, Informationen und Wissen in einem Stufenmodell. Die erweiterte Wissenstreppe ergänzt diese Stufen noch mit Kompetenz, bei der diese Stufen von unten nach oben, und von oben nach unten “gegangen” werden können. North und Maier (2018) erweiterten ihr Modell später zu einer Art Wissenstreppe 4.0, die sich an der Unterscheidung von Arbeit 1.0 bis 4.0 orientiert und eher ambidexter (“beidhändig”) ist. Im angelsächsischen Raum wird die Wissenstreppe mit den Abkürzungen DIKW-Pyramide beschrieben (Data – Information – Knowledge – Wisdom).

Prof. Dr.-Ing Peter Heisig hat 2022 in einem Kommentar bei LinkedIn folgendes dazu erwähnt: “Well, I always suggest my students to read the paper by Ilkka Tuomi (1999) ´Data is more than knowledge: Implications of the Reversed Knowledge Hierarchy for Knowledge Management and Organizational Memory´ which provides a very good discussion of the D-I-K hierarchy suggesting a different approach. Also Martin Fricke points out logical errors if the DIKW hierarchy in his paper (2009) „The knowledge pyramid: a critique of the DIKW hierarchy“. Finally, for the German reading colleagues, Derboven, Dick & Wehner (1999) present a very interesting approach from a work psychology perspective. Would be useful to consider the research already undertaken in our domain (Heisig 2022).

Es kann durchaus Sinn machen, sich am Anfang mit Hilfe der Wissenstreppe in das Themenfeld einzulesen. Die erwähnten kritischen Anmerkungen führen dann zu einem immer besseren Verständnis des Konstrukts “Wissen”, was letztendlich auch zu einem besseren Umgang mit Wissen in den Organisationen führt (Wissensmanagement).

Veröffentlicht am

Funktionen im zielgerichteten Umgang mit Wissen

Image by 15299 from Pixabay

Der Umgang mit Wissen ist nicht einfach. Zunächst muss herausgestellt werden, worin es Unterschiede zu anderen Begriffen und Konzepten gibt. Beispielsweise worin bestehen Überschneidungen und Unterschiede zu einem modernen Daten- und Informationsmanagements? Weiterhin sind Wollen, Können, Qualifikation und Kompetenz, und auch Lernen. Darüber hinaus haben Schüßler/Thurnes (2005) auch noch unterschiedliche Funktionen von Wissen zusammengefasst, die das Wissensmanagement beeinflussen:

Dem Wissen bzw. dem zielgerichteten Umgang mit Wissen können hierbei unterschiedliche Funktionen beigemessen werden (vgl. Schüßler/Weiss 2001:254; zitiert in Schüßler/Thurnes 2005:30):
– Produktionsfaktor Wissen: Die Produktivität von Wirtschaftsunternehmen, ihre Innovationskraft und ihr wirtschaftlicher Erfolg sind zunehmend davon abhängig, wie Wissen zugänglich gemacht und zielgerichtet verarbeitet wird (vgl. Stock u. a. 1998:10 f.).
– Menschliche Ressource Wissen: Die Bedeutung immaterieller Ressourcen, wie Wissen oder Fähigkeiten von Menschen nimmt in wirtschaftlicher und gesellschaftlicher Hinsicht zu. Wissen wird zur zentralen Grundlage sozialen Handelns des Einzelnen, da getroffene Entscheidungen und daraus resultierende Lebenschancen davon mit abhängig sind (vgl. Stehr 1994:208).
– Lernanforderung Wissen: Die exponentiell wachsenden Wissensbestände erfordern nicht nur ständiges Dazu-Lernen, sondern auch das Entwickeln von Strategien und Techniken zur Bewältigung von Wissensexplosionen bzw. Informationsflut. Hierzu zählt insbesondere auch die Erkenntnis, dass Erlerntes angesichts der Menge und Geschwindigkeit der Entwicklung neuen Wissens auch immer schneller veraltert (vgl. Willke 1998:355)
– Soziale Ordnungskategorie Wissen: Die geschilderte hohe Bedeutung von Wissen in allen Lebensbereichen prägt auch soziale Beziehungen. Hiermit verbunden ist aber auch die Konstitution neuer Formen sozialer Ungleichheit – zwischen den „Wissenden“ und den „Unwissenden“.

Veröffentlicht am

Kritik an manchen Perspektiven auf “Wissensmanagement”

Image by Arek Socha from Pixabay

Wissen, und der Umgang mit diesem Konstrukt, werden immer wichtiger. Es ist dabei jedoch durchaus zu hinterfragen, was unter “Wissen” und dem dazugehörenden “Wissensmanagement” zu verstehen ist. So, wie Arbeit 1.0 und Arbeit 4.0 recht unterschiedlich sind, kann auch Wissensmanagement 1.0 bis Wissensmanagement 4.0 betrachtet werden. Wird Wissen wie eine Ressource verstanden, kann es durchaus sein, dass ein dazugehörendes Wissensmanagement eher wie ein Warenwirtschaftssystem interpretiert wird. Der folgende Text stellt diese Zusammenhänge deutlich dar.

„Wissensmanagement“ gilt mittlerweile überhaupt als neue Heilslehre, geht es um die Frage des Wissens. Der Wissensmanager löst nicht nur den Bildungsexperten ab, auch der Pädagoge und sogar der Wissenschaftler sollen sich zunehmend als Wissensmanager verstehen. Möglich ist diese Vorstellung nur, weil die Wissensgesellschaft die Beziehung des Wissens zur Wahrheit gekappt hat. Nun werden Daten als Rohstoff, Informationen als für ein System oder Unternehmen aufbereitete Daten und Wissen als die “Veredelung von Informationen durch Praxis” beschrieben. Statt um Erkenntnisse geht es um Best practice. Gerade die Differenz, die Wissen als epistemisches Verfahren von anderen Weltbewältigungsstrategien unterscheidet, wird nun eingezogen. Das Wissensmanagement verfährt letztlich wie ein „Materialwirtschaftssystem“, und der Wissensmanager erhebt gerade einmal den paradoxen Anspruch, unter “Ausklammerung von Wahrheits- und Geltungsfragen“ herauszufinden, welche Art von Wissen sein Unternehmen zur Lösung seiner Probleme benötigt (Liessmann 2008:149).

In Organisationen finden wir heute ein Mix von Arbeiten, die durchgeführt werden müssen, wobei Daten, Informationen und Wissen immer mehr selbstorganisiert eingesetzt werden müssen, um komplexe Probleme zu lösen. In so technischen und sozialen System kommt es daher darauf an, das passende Wissensmanagement-System zu entwickeln. Siehe dazu auch Ist Wissensmanagement 4.0 ein hybrides Wissensmanagement?

Veröffentlicht am

Wann sind mehr Informationen von Nachteil?

Je mehr umso besser ist nicht immer von Vorteil, obwohl das viele Menschen glauben. Berry Schwartz hat beispielsweise schon 2004 in seinem Buch The Paradox of Choice erwähnt, dass die Vielfalt eines Angebots Kunden überfordern können, sodass diese dann nicht kaufen (Blogbeitrag). Prof. Dr. Gerd Gigerenzer, Direktor emeritus am Max-Planck-Institut für Bildungsforschung und Direktor des Harding-Zentrum für Risikokompetenz am Max-Planck-Institut für Bildungsforschung in Berlin, hat sich in einem Buch darüber so seine Gedanken gemacht.

Doch selbst wenn die Information kostenlos zur Verfügung steht, gibt es Situationen, in denen mehr Information von Nachteil sein kann. Mehr Gedächtnis ist nicht immer besser. Mehr Zeit ist nicht immer besser. Mehr Insiderwissen mag zwar dabei helfen, den Markt von gestern zu »erklären«, aber nicht, den Markt von morgen vorherzusagen. Weniger ist wahrhaft mehr unter den folgenden Bedingungen (Gigerenzer 2007:46-47):
• Nützliches Maß an Unwissenheit: Wie die Rekognitionsheuristik zeigt, kann das Bauchgefühl eine beträchtliche Menge an Wissen und Information übertreffen.
• Unbewusste motorische Fertigkeiten: Bauchgefühle erfahrener Experten beruhen auf unbewussten Fertigkeiten, deren Ausführung durch zu viel Nachdenken beeinträchtigt werden kann.
• Kognitive Einschränkungen: Unser Gehirn scheint über angeborene Mechanismen wie Vergessen und die Tendenz, klein anzufangen, zu verfügen, die uns vor der Gefahr schützen, zu viel Information zu verarbeiten. Ohne kognitive Einschränkungen würden wir uns weit weniger intelligent verhalten.
• Paradox der freien Wahl: Je mehr Optionen man hat, desto größer die Möglichkeit, dass es zu Konflikten kommt, und desto schwieriger, die Optionen zu vergleichen. Von einem bestimmten Punkt an schaden mehr Optionen, Produkte und Wahlmöglichkeiten dem Verkäufer wie dem Käufer.
• Vorzüge der Einfachheit: In einer ungewissen Welt können einfache Faustregeln komplexe Phänomene ebenso gut oder besser vorhersagen als komplexe Regeln.
• Informationskosten. Wie der Fall der Kinderärzte in der Universitätsklinik erkennen lässt, kann eine zu intensive Informationsbeschaffung einem Patienten schaden. Genauso kann zu viel Neugier das Vertrauen am Arbeitsplatz oder in Beziehungen zerstören.

Sollten also mehr Daten, mehr Informationen, mehr Wissen, mehr Können und mehr Kompetenzen unser Ziel sein? Wie Gigerenzer ausführt, sollte das bei bestimmten Bedingungen nicht der Fall sein, in anderen Settings allerdings sehr wohl. Dieses Sowohl-als-auch – dieses ambidextere – macht es Menschen und Organisationen nicht einfacher. Da wir uns immer mehr in vernetzte Systeme hineinbewegen, werden die von Gigerenzer genannten Bedingungen immer stärker zu beachten sein. Siehe dazu auch Die Messbarmachung der Intelligenz: Ein Phänomen der Industrialisierung?

Veröffentlicht am

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.

Veröffentlicht am

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.

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

Chatbots setzen sich immer mehr durch

chat

Das Schwerpunktthema des digital publishing report 6/2017 (PDF) lautet: Chatbots. Das digitale Magazin für die Verlagsbranche sollte sich mit diesen – und anderen – neuen Technologien intensiv auseinandersetzen und Risiken und Chancen abwägen. Chatbots sind keine Spielerei mehr, sondern haben sich schon in vielen Bereichen etabliert. 2017 wird ein wichtiges Jahr für Chatbots, denn (S. 19):

  • von den “Großen” der Branche bis zu bestehenden und in 2017 entstehenden Startups sind
    neue Hardwareprodukte, Softwareservices und Integrationen in andere Plattformen zu erwarten
  • die großen Player besetzen durch Akquisitionen und Investitionen das Spielfeld als Plattformbetreiber und besetzen ihre Positionen im Wettbewerb
  • es wird klar, wie stark Benutzer wirklich nachhaltig Chatbots nutzen
  • praktische Fragestellungen zur Entwicklung von Chatbots, zur Integration in bestehende Enterprise-Infrastrukturen, und zur Sicherheit, zum Datenschutz und zur Compliance gestellt und beantwortet werden
  • das vielfältige Angebot an Chatbots im B2C-Bereich wird zunehmend um Chatbots für B2E- und B2B-Services erweitert werden.

In den von uns entwickelten Blended Learning Lehrgängen Innovationsmanager (IHK) und Wissensmanager (IHK) gehen wir auf diese Entwicklungen ein. Weitere Informationen dazu finden Sie auf unserer Lernplattform.