Wie schon mehrfach in unseren Blogbeiträgen erwähnt, spielt der Umgang mit “Wissen” in der heutigen Arbeitswelt eine immer wichtigere Rolle (Wissensmanagement). Dabei wird Wissen oft in verschiedene Dimensionen unterteilt: Implizites/Explizites Wissen, Träges Wissen, Organisationales Wissen, Prozedurales Wissen usw. Interessant ist der Hinweis auf ein intelligentes Wissen.
“Intelligentes Wissen bezeichnet ein Wissen, das abrufbar, vielfältig anwendbar und vielfach vernetzt ist. [Anmerkung]: Das Interesse von Unternehmen ist oft darauf gerichtet, implizites und träges Wissen der Mitarbeiter in explizites und unterschiedlichen Nutzern zur Verfügung stehendes intelligentes Wissen zu überführen (´Wenn Siemens wüsste, was Siemens weiß.´)” (Kirchhöfer 2004:60).
Interessant ist hier die Verbindung von den beiden Konstrukten “Intelligenz” und “Wissen”. Dabei ist allerdings nicht erläutert, was unter “Intelligenz” zu verstehen ist. Immerhin gibt es neben dem klassischen IQ noch weitere Ansätze, wie z.B. der von Sternberg oder auch von Howard Gardner (Multiple Intelligenzen). Oder ist eher der heute so wichtige Begriff einer “Künstlichen Intelligenz” gemeint? Ich würde mir wünschen, wenn alle die den Begriff “Intelligenz” oder auch “Smart” verwenden erläutern, was sie darunter verstehen.
Der Umgang mit Wissen ist in jeder Branche, ja in jeder Organisation, etwas anders. Es ist daher gut, wenn sich ein Forschungsprojekt beispielsweise mit der Theaterbranche beschäftigt. In Heidelberger, E. (2022): Die Intelligente Kulturorganisation. Management von Informations- und Wissensnetzwerken im Theaterbetrieb werden u.a. die Grundlagen für die vielfältige Betrachtungsweisen auf das Konstrukt “Wissen” ausführlich zusammengefasst, und später auf die Theaterbranche (ich schreibe absichtlich nicht Theaterbetrieb) übertragen. Dabei werden hilfreiche Impulse abgeleitet
In dem theoretischen Bezugsrahmen (ebd. S. 37ff.) wird nach der Klärung der Begriffe Information und Wissen direkt auf die im Titel der Veröffentlichung erwähnte “Intelligente Organisation” eingegangen. Ich möchte mich mit meinen späteren Anmerkungen auf diesen Teil der Veröffentlichung konzentrieren. Zunächst wird die menschliche und anschließend noch die Organisationale Intelligenz thematisiert.
“Unter dem Begriff der menschlichen Intelligenz versteht man alle kognitiven Fähigkeiten des Menschen (vgl. Lehner 2019: 169). Auch hier gilt aber: »Je flexibler das menschliche Gehirn auf neue Anforderungen reagieren kann und je höher die Wahrscheinlichkeit ist, dass neues Wissen mit alten Wissensbeständen verknüpft werden kann, umso höher ist die Intelligenz einer Person anzusetzen […].« (Haun 2002: 71).” zitiert ebd. S. 60, Fußnote)
Bei der Organisationalen Intelligenz ist es etwas komplexer, da dieser Begriff mit der Systemtheorie, der Netzwerktheorie, und dem organisationalen Lernen verknüpft wird. Daraus ergeben sich laut dieser Studie folgende vier Eigenschaften der Intelligenten Organisation (ebd. S. 63)::
Intelligente Organisationen haben eine sehr hohe Reaktionsfähigkeit.
Intelligente Organisationen verfügen über große Reflexionsfähigkeit, Problemlösefähigkeit und Lernfähigkeit.
Intelligente Organisationen haben ein Erinnerungsvermögen.
Intelligente Organisationen verfügen über eine hohe soziale Kompetenz.
Nun meine Anmerkungen dazu: Es wird leider kaum thematisiert, dass es durchaus auch andere Beschreibungen des Konstrukts “Menschliche Intelligenz” gibt, beispielsweise von Sternberg, Gardner, Salovay/Meyer etc), die als Erweiterungen zur üblichen Beschreibung von Intelligenz angesehen werden können.
Weiterhin kommt der Begriff´ “Künstliche Intelligenz” oder auch “Artificial Intelligence” recht kurz vor (Matsuda 1988), obwohl dieser Bereich in der Zwischenzeit sehr dominant diskutiert wird.
Darüber hinaus kommt der Begriff “Kompetenz” vor, ohne dass klar ist, was darunter in Bezug zu “Intelligenz” zu verstehen ist (Siehe dazu auch Kompetenz und Intelligent – eine Gegenüberstellung). Gerade das Konstrukt “Kompetenz” hat hier eine pädagogische (Bottom UP) und eine betriebswirtschaftliche Ebene,(Top Down) die über alle Ebenen (Individuum, Gruppe, Organisation und Netzwerk) gestaltet werden sollten.
Jetzt stellen Sie sich als Leser bestimmt die Frage, ob ich nur kritisieren kann, oder ob ich auch Vorschläge habe, wie mit diesen Themen umgegangen werden sollte. In diesem Zusammenhang möchte ich auf die vielen Blogbeiträge, und beispielhaft auf folgende Veröffentlichungen. hinweisen:
Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer (Special Keynote)
Laroque, C. et al. (2019): Potenziale erschließen durch Künstliche Intelligenz im Projektmanagement: In: projektmanagementaktuell 3/2019
Die Digitalisierung wirkt sich in allen Bereichen der Gesellschaft aus – natürlich auch im Projektmanagement. Viele Projektmanagement-Tätigkeiten werden schon lange durch verschiedene digitale Tolls unterstützt. Wir kennen die einfachen Möglichkeiten, die z.B. das Office-Paket mit Word, Excel, Power Point. MS Project, Planner, SharePoint, MS Teams usw. bieten. Ähnliche Möglichkeiten gibt es als Open Source Lösungen wie Open Office, BigBlueButton, Nextcloud, OpenProject usw. Dabei geht der Trend von einfacher Software und Social Media Anwendungen mit Schnittstellen zu den bekannten ERP-Anwendungen zu ganzen Kollaborationsplattformen. Zu diesen Zusammenhängen finden Sie in unserem Blog viele Beiträge (Bitte die Suchfunktion nutzen).
Die ganze Entwicklung geht allerdings dynamisch weiter, da der Trend “Künstliche Intelligenz” auch vor dem Projektmanagement nicht halt macht. Projektmanagement wird dabei in verschiedenen Normen, Standards und Vorgehensmodellen (Plangetrieben – Hybrid – Agil) beschrieben. Gehen wir von dem IPMA-Standard aus, so kann aufgrund der PM-Phasen und der funktionalen Gliederung des Projektmanagements systematisch analysiert werden, wie KI das Projektmanagement unterstützen kann. Laroque, C. et al. (2019) haben das in ihrem Beitrag “Potenziale erschließen durch Künstliche Intelligenz im Projektmanagement: In: projektmanagementaktuell 3/2019” ausführlich dargestellt. Hier ein Auszug:
“Bereits in der Vorbereitungsphase tauchen hier wichtige Aktivitäten auf, die durch intelligente Methoden bereichert werden können. Dazu gehört ganz klar die Förderung von Kreativität und Innovation, u. a. für die Findung von Projektideen, beispielsweise durch kognitive Systeme. Auch das Erstellen des eigentlichen Projektantrages kann durch KI vereinfacht werden, indem ein lernendes System die inhaltlich relevanten Fakten aus vorhandenen Datenbeständen filtert und zusammenstellt, einen Stand der Forschung erhebt, die formalen Anforderungen des Projektantrages erfüllt sowie Zuständigkeiten und Ziele klärt.” (ebd.)
An dieser Stelle möchte ich auf meinen Vortrag (Special Keynote) auf der Weltkonferenz MVPC 2015 in Montreal (Kanada) verweisen, in dem ich den Einfluss von Künstlicher Intelligenz auf das Innovationsmanagement (Open Innovation) aufgezeigt habe. Veröffentlicht wurde der Beitrag ein Jahr später bei Springer in den Conference Proceedings.
Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer
HR Performance 2/2016: Wie verändert Cognitive Computing die HR-Landschaft? (Blogbeitrag mit PDF).
In dem von uns entwickelten Blended Learning Lehrgang Projektmanager/in Agil (IHK) gehen wir auch auf solche Zusammenhänge ein. Weitere Informationen finden Sie auf unserer Lernplattform.
Der Begriff “Intelligenz” wird sehr oft und in verschiedenen Zusammenhängen verwendet. Es geht einerseits um die menschliche Intelligenz (Human Intelligence) und andererseits auch um Künstliche Intelligenz (KI) oder Artificial Intelligence (AI). Dabei werden immer wieder (dumme Fragen) zum Entweder-Oder gestellt – also in dem Sinne: Was ist besser, menschliche Intelligenz oder Künstliche Intelligenz?
Wir leben in einer Zeit der reflexiven Modernisierung, bei der es zu Entgrenzung und Kontingenz in allen Bereichen kommt – auch bei dem Konstrukt “Intelligenz”. Es ist daher nicht erstaunlich, dass sich das Center for Hybrid Intelligence gerade damit befasst, wie menschliche und künstliche Intelligenz in einer hybriden Form betrachtet werden können.
“Hybrid Intelligence (HI) is defined as the ability to achieve complex goals by combining human and artificial intelligence, thereby reaching superior results to those each of them could have accomplished separately, and continuously improve by learning from each other (Dellermann et al. 2019)”.
Auf der Website wird darauf hingewiesen, dass divergentes und konvergentes Denken für kreative Prozesse wichtig sind. Neben dem Begriff der “Intelligenz” kommt somit noch der Begriff “Kreativität” hinzu. Geht man davon aus, dass diese Begriffe ineinander spielen, vom jeweiligen Kontext abhängig sind, und auf verschiedenen Ebenen wie Individuum, Gruppe, Organisation und Netzwerk wirksam werden können wird deutlich, wie umfangreich der Forschungsgegenstand ist.
Siehe dazu auch Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer und Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk. Dissertation, Verlag Dr. Kovac.
In dem lesenswerten Artikel von Friedrich Hesse Der Einsatz digitaler Medien garantiert keinen Lernerfolg (FAZ vom 11.05.2022) räumt der Autor gleich in der Überschrift mit dem Vorurteil auf, dass Digitale Medien (automatisch) zum Lernerfolg führen. Es wundert mich allerdings immer wieder, dass solche Erkenntnisse immer noch hervorgehoben werden müssen.
Auch heute sind Technologien wie Künstliche Intelligenz, Augmented Reality, Virtual Reality, Big Data, Learning Analytics, Serious Gaming usw. usw. sehr vielfältige und oftmals sehr gute Ermöglicher (Enabler) für den individuellen und/oder sozialen Lernprozess. Das Lernen selbst, erfolgt im Sinne einer konstruktivistischen Lerntheorie durch lernende Individuen, Gruppen, Organisationen oder Netzwerken (in Anlehnung an Pawlowsky 1998 und 2001). Dabei sind wahrscheinlich selbstorganisierte Lernprozesse gemeint, die in einem unsicheren, komplexen Kontext erforderlich, und in diesem Sinne kompetenzbasiert sind (Kompetenz als Selbstorganisationsdisposition).
In dem oben genannten Artikel geht es um das Lernen im Kontext von Hochschulen, also im weitesten Sinne um “Bildung”, die sich “auf die Persönlichkeitsbildung und damit auch auf die Handlungskompetenzen in einer sich veränderten Welt einschließlich der dazu nötigen moralischen und ethischen Bewertungskompetenzen des eigenen Handelns” bezieht. Weiterhin wird von einer “intelligenten Arbeit mit digitalen Medien” gesprochen, allerdings nicht erläutert, welches Intelligenz-Konstrukt als Bezugspunkt genommen werden soll. Immerhin gibt es in der Intelligenz-Debatte auch eine Art der Entgrenzung des Intelligenz-Begriffs.
In den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) und Projektmanager/in Agil (IHK) haben wir das Projektorientierte Lernen in einem Mix Präsenz- und Online-Lernen so kombiniert, dass selbstorganisertes Lernen ermöglicht und unterstützt wird. Weitere Informationen zu den Lehrgängen finden Sie auf unserer Lernplattform.
Wir sind es schon seit vielen Jahrzehnten gewohnt, dass Maschinen und Computer unsere Arbeit erleichtern. Wir sehen es auch als “normal” an, dass digitale Computersysteme dazu geführt haben, dass es neue Arbeitsmöglichkeiten (Jobs, bzw. Jobprofile) gibt. In der Zwischenzeit kommt allerdings hinzu, dass es eine weitere Qualität in diesem Zusammenspiel gibt: Lernende Algorithmen. Die folgende Tabelle stellt die verschiedenen Kategorien mit ihren markanten Eigenschaften gegenüber.
Neuromorphes Computing
Menschliches Gehirn
Digitale Computer
Algorithmen
Lernende Algorithmen
Unbekannt
Programme/ Logiken
Architektur
Neuronale Netze (von der Biologie inspiriert)
Biologische neuronale Netze
Von-Neumann-Architektur
Mittel
Künstliche Neuronen und Synapsen
Biologische Neuronen und Synapsen
CPU (zentrale Prozessoreinheiten) Speichereinheiten
Fraunhofer Magazin 4/2020, S. 22
Dabei wird klar, dass die Algorithmen des menschlichen Gehirns immer noch unbekannt sind, und dass neuromorphes Computing durchaus von der Biologie inspiriert wurde. In Zukunft wird es darauf ankommen, die verschiedenen Kategorien je Anwendungsbezug (Kontext, Domäne) flexibel zu nutzen. Diese situationsspezifische Konfiguration, und die damit verbundene Lerngeschwindigkeit auf allen Ebenen (Individuum, Gruppe, Organisation und Netzwerk) werden sicherlich wesentliche Erfolgsfaktoren in der zukünftigen Arbeitswelt sein.
In den verschiedenen wissenschaftlichen Diskussionen geht es einerseits um die Digitalisierungsstrategie und andererseits um die Aufgabenkomplexität. Die folgende Übersicht zeigt beispielhaft, welche Zukunftsbilder sich daraus für Büros und Produktion ergeben.
Polarisierung
Upgrading
Assistenz
Angelerntenarbeit
Fach- und Wissensarbeit
Substitution
Vollautomatisierung
Prozessbetreuung
Quelle: Korge et al. 2016, zitiert in Korge, A.; Marrenbach, D. (2018:9)
“Ausgangspunkt für die Konzeption der Zukunftsbilder sind zwei aktuelle, wissenschaftliche Diskussionen. Die erste Diskussion betrachtet die Digitalisierungsstrategie. Sie unterscheidet, ob die Digitalisierung eine Ersetzung (Substitution) menschlicher Arbeit oder eine Unterstützung des arbeitenden Menschen (Assistenz) anstrebt. Die zweite Diskussion behandelt die Entwicklung von Aufgabenkomplexität und Qualifikationen bei den Beschäftigten. Unterschieden wird zwischen Aufwertung (Upgrading) und Aufspaltung (Polarisierung)” (Korge/Marrenbach 2018:9).
Interessant dabei ist, dass die einzelnen Zukunftsbilder gut voneinander abgrenzbar sind, und zu verschiedenen Anforderungen an die Mitarbeiter und an die Organisation führen. Weiterhin ist davon auszugehen, dass Unternehmen oftmals ein Mix der verschiedenen Arbeitsfelder zu bewältigen haben, was zu einer ambidexteren Organisation führt. Siehe dazu auch Projektmanagement: Agil, hybrid, klassisch?
In der aktuellen Veröffentlichung BMWi (2020): Von der Vision zur Praxis. Industrie 4.0 – Umsetzungsprojekte (PDF) wird aufgezeigt, dass aus der Plattform Industrie 4.0 nun konkrete Projekte entstanden sind: “Mit ihren vorwettbewerblichen Konzepten hat die Plattform Industrie 4.0 Grundlagen für die offenen, digitalen Ökosysteme der Zukunft geschaffen. Nun sind die Konzepte ausgereift und werden mit konkreten Projekten in die Anwendung gebracht. Sieben Kooperations- und Umsetzungsprojekte sind dabei von herausragender Bedeutung” (ebd. S. 2). Um folgende Projekte geht es:
GAIA-X ist ein Projekt von Europa für Europa: Vertreter aus Frankreich und Deutschland sowie weitere europäische Partner entwickeln gemeinsam eine sichere und vernetzte Dateninfrastruktur. Das „Recht-Testbed“ unterstützt KMU mit Softwaretools für Industrie 4.0-Anwendungen, die rechtssichere Prozesse ermöglichen. Das Labs Network Industrie 4.0 e.V. unterstützt den deutschen Mittelstand. Kleine und mittelständische Unternehmen können Technologien in kooperierenden Testzentren kennenlernen und ausprobieren. Die vom BMWi geförderten regionalen und thematischen Mittelstand 4.0-Kompetenzzentren kooperieren dabei mit dem LNI 4.0 e.V. „Verwaltungsschale vernetzt“ führt Umsetzungsprojekte der Verwaltungsschale in einer einheitlichen Testumgebung zusammen. Das Projekt demonstriert die Leistungsfähigkeit des übergreifenden Kommunikationskonzeptes. Das Projekt Interoperable Interfaces for Intelligent Production entwickelt branchenübergreifende Schnittstellen für Maschinen und deren Komponenten. Es integriert die Stakeholder auch außerhalb des Maschinen- und Anlagenbaus. In dem Reallabor werden Verfahren der Künstlichen Intelligenz für die Nutzung bei Industrie 4.0 erprobt. Durch unterschiedliche Industrie 4.0-Anwendungsfälle sollen praxistaugliche Verfahren für die industrielle Nutzung zugänglich werden. Das Projekt GoGlobal Industrie 4.0 vernetzt nationale Industrie 4.0-Konzepte und harmonisiert diese weltweit durch Normen und Standards.
Die Umsetzung der Vision in die konkrete Praxis erfolgt in Projekten, wobei die Projekte Träger des Wandels sind. Mit erfolgreichen Projekten passen sich Organisationen, oder auch ganze Gesellschaften, den veränderten Rahmenbedingungen an. Projektmanagement kann dabei agil, klassisch (plangetrieben) oder auch hybrid sein. Das jeweilige Vorgehensmodell sollte sich an dem jeweiligen Projekt orientieren.
In den von uns entwickelten Blended Learning Lehrgängen Projektmanager/in (IHK) oder Projektmanager/in AGIL (IHK) können Sie die erforderlichen Kompetenzen entwickeln. Informationen zu den Lehrgängen finden Sie auf unserer Lernplattform.
Wer will schon dumm sein? Viel lieber sprechen wir über Intelligenz, über intelligente Maschinen, Künstliche Intelligenz (KI), intelligente Häuser, Möbel oder Autos usw. Das Attribut “Intelligenz” scheint per se positiv aufgeladen zu sein. Im Gegensatz dazu steht der Begriff “Dumm” für eine eher negative Assoziation. Die Google-Suche von heute ergab ca. 15 Mio. Treffer für den Begriff “dumm” und ca. 480 Mio. Treffer für den Begriff “intelligent”. Es ist daher gut nachvollziehbar, dass sich recht wenige mit dem Thema “Dummheit” intensiver auseinandergesetzt haben.
Schneider (2006:17-18) beschreibt die Situation wie folgt: “Wenige haben sich an das Thema herangewagt, wenn man von medizinischen Arbeiten über Stadien der Demenz einmal absieht. Bei denen, die’s getan haben, finden sich ähnliche Überlegungen wie ich sie für das Thema der Ignoranz anstelle. – Dummheit wird als auf dem Vormarsch begriffen diagnostiziert (vgl. Geyr 1954:91 ff) – Dummheit bzw. Narrentum werden gelobt, sowohl bei Erasmus von Rotterdam, der eines der bekanntesten Werke zum Thema verfasst hat, als auch von anderen Autoren (Erasmus; Stultitiae Laus, vgl. Hartmann 1947). – Es werden vier Möglichkeiten unterschieden, (…) : Dummes Verhalten, trotz normaler oder sogar erhöhter Intelligenz, kluges Verhalten trotz geringer Intelligenz sowie die beiden übereinstimmenden Alternativen eines klugen Verhaltens auf Basis von Intelligenz und eines dummen/schädlichen Verhaltens auf Basis eines Mangels an Intelligenz”.
Diese Dichotomie (Dumm-Intelligent) spiegelt allerdings eine Denkweise wider, die einem “Entweder-Oder” entspricht, obwohl es wohl ein Kontinuum zwischen den Polen gibt, das auch abhängig zu sein scheint von dem Kontext, in dem die “dumme” oder” intelligente” Problemlösung stattfindet. In der heutigen Welt, die sich permanent, schnell und stark verändert, wollen viele Menschen gerne eine klare Einteilung von “richtig” oder “falsch”, bzw. von “dumm” oder “intelligent” – was allerdings so trennscharf nicht möglich ist: „Wenn die Dummheit nicht dem Fortschritt, dem Talent, der Hoffnung oder der Verbesserung zum Verwechseln ähnlich sähe, würde niemand dumm sein wollen“ (Musli 1937: 5; zitiert in Schneider 2006:17-18). Siehe dazu auch Theorie der Multiplen Intelligenzen.
Group of people with devices in hands working together as symbol of networking and communication
Die Geburtsstunde von “Künstlicher Intelligenz” geht auf einen Konferenzbeitrag von McCarthy im Jahr 1955 zurück. In der Zwischenzeit gibt es durch die vielen neuen technischen Möglichkeiten zwar immer wieder Definitionsversuche, doch immer noch keine einheitliche und anerkannte Definition. Was allerdings klar erscheint sind die verschiedenen Aufgabengebiete, die für eine Künstliche Intelligenz geeignet erscheinen. Russell und Norvig unterscheiden hier acht Aufgabengebiete (vgl. Russell und Norvig 2012; Peissner et al. 2019), zitiert in Fraunhofer IAO 2020:11-12):
Lernen
Problemlösung durch Suchen
Planen
Robotik
Entscheidung
Wissensrepräsentation
Wahrnehmung
Spracherkennung
Anhand dieser Auflistung wird deutlich, dass Künstliche Intelligenz viele Tätigkeiten in unserem gesellschaftlichen und wirtschaftlichen Leben beeinflussen kann. Es geht hier allerdings nicht immer um komplette Jobs, die infrage gestellt werden, sondern auch um Tätigkeitsportfolios, die in einzelnen Jobs oder in Prozessketten von KI profitieren können. Hier ein Beispiel:
Populär wurden in jüngster Zeit Anwendungen wie beispielsweise KI-gestützte »Chatbots«. Dies sind Programme, die eine Konversation mit Nutzern führen können. Social Chatbots agieren in sozialen Netzwerken wie Facebook und Twitter (vgl. Edwards 2016). Anwendungsgebiete sind u.a. Bestellungen (z.B. Pizza-Service), Antworten auf Kundenanfragen zu Prozessen (Paketdienste) und Bearbeitung von Beschwerden (Fraunhofer IAO 2020:13).
Translate »
Diese Website benutzt Cookies. Wenn du die Website weiter nutzt, gehen wir von deinem Einverständnis aus.OK
