KNOWLEDGE MANAGEMENT

Da das Buzzword Knowledge Management viel mehr Besucher und Interesse anzieht als die doch eher trockenen Titel Document Management und Content Management, haben einige derartige Programme sich den Label KM angepappt (s. gerade Knowledge Worker unter Document Management). Der Content, der  alle Bestandteile der Site incl. Bildern, Graphiken, Steuerelementen, Schaltflächen etc. umfasst, ist beim Knowledge Management nicht von Belang - wohl aber der Content als Text und Inhalt. Wie zum Teil auch das Document Management stellt Knowledge Management Hilfsmittel zur Verfügung, die Prozesse unterstützen, welche helfen ein gegenseitiges Verständnis zu schaffen. Knowledge Management kann also 1. helfen, Wissen sichtbar und verständlich zu machen, es kann so 2. auch über Diskurs Konsens schaffen. Während Document Management sich aber an der Einheit File orientiert, analysiert Knowledge Management nicht solche Texte nach neuen Zusammenhängen, sondern eben unorganisierte Bestände and Wort-Dateien, wie sie das Web als Ganzes ja wiederum darstellt. Die Analysen beruhen auf semantischen Netzen und automatisch erstellten Ontologien (“Formale Ontologie und Logik haben beide den Zweck, die Welt in Strukturen abzubilden.” s. http://www.techno.net/pcl/glossary/def8.htm )

Auf diese Art können aber nur kontextuelle Informationen erhoben werden. Nicht erfasst werden können die in den Sätzen und Texten  festgelegten Absichten, der eigentliche, vom Autor gedachte, Sinn der Sätze. Die Systeme können allerdings auf Grund der Anzahl und Nähe verwendeter Worte verwandte Texte auffinden und nach multidimensionalen Hierarchien gruppieren, als auch deren wichtigste Themen herauskristallisieren und die wichtigsten Sätze identifizieren. Im Gegensatz zu den im Content Management verwendeten Suchmaschinen die bloss nach Schlüsselwörtern, Schlüsselsätzen oder Mustern suchen, ist es Ziel der Knowledge-Management-Programme, Texte ebenso wie Informationen und Daten zu  analysieren, manipulieren, filtern und speichern, um neue Muster zu erkennen und so zu neuem Wissen zu gelangen.

Zu dieser Art Knowledge Management, präziser Knowledge Discovery aus Daten - gehören etwa: Customer relationship,  balanced scorecards, Warehousing, Data Mining, neural networks - aber auch die traditionelle multivariate Statistik und Modelling. Software s.  http://www.sas.com/solutions/index.html.

Nebst dem technischen Knowledge Management gibt es aber auch das betriebswirtschaftliche Knowledge Management, das Wissen als Aktivposten erfassen, fördern und optimal einsetzen will:

Schritte:

• Identifizieren welches intellektuelle Kapital in der Firma vorhanden ist
  • Wo ist welches Wissen? Wie und in welcher Form wird es genutzt) Wie zugänglich ist es?
• Analysieren wie Wissen Mehrwert erzeugen kann
  • Welche Möglichkeiten bestehen, Wissensbestände besser zu nutzen? Was wäre die Wirkung? Was sind die Hindernisse? Wo entstünde Mehrwert?
• Welche Massnahmen sind nötig um Wissen besser einsetzbar zu machen und Mehrwert zu erzeugen?
  • Welche Massnahmen? Wie Umsetzen?  Wie Evaluieren?
• Überprüfung des Wissensnutzung:
  • Wurde Mehrwert generiert? Wie kann der Aktivposten Wissen für diesen Zweck erhalten werden?

  • Hat die Anwendung neue Chancen geschaffen?

http://www.aiai.ed.ac.uk/~alm/kamlnks.html

Für den Einsatz von Knowledge Management im Betrieb sind allerdings persönliche Faktoren,  soziale Umgebung, Arbeitsabläufe und Kommunikationsstrukturen weitaus wichtiger aber als technische Hilfsmittel. Der erste Schritt zu Knowledge Management ist der

Aufbau einer Wissenskultur: Die Mitarbeiter teilen Erkenntnisse und suchen gegenseitig Unterstützung, sie sind offen für Diskussionen, reden miteinander über Ideen und Chancen. Sie arbeiten zusammen, lassen andere ihre eigenen Ideen weiter entwickeln, übernehmen selbst Ideen von andern, um diese zu entwickeln. So wird der Handlungsspielraum stark erweitert. Eine Betriebskultur die der Entwicklung und dem Einsatz von Wissen förderlich ist, stellt einige Anforderungen:

• Gegenseitig respektvoller Umgang,

• Kooperation fördern

• Netzwerke und Gruppen fördern

• Effiziente Kommunikationspraktiken

• Gemeinsamem Fokus: Qualitätsarbeit liefern mit geringst möglichen Umtrieben. Geteiltes Verständnis für Aufgaben und Ziele der Firma, die Rolle des Individuums bei der Unterstützung der Firma und zum eigenen Wohl.

• Angestellte müssen Situationen und Arbeitsabläufen ausgesetzt sein, in denen sie ihre Fähigkeiten und Innovationspotentiale einbringen können.

• Sie müssen auch die Erlaubnis zu Improvisationen und Innovationen haben.

• Wissen muss erfasst, organisiert, strukturiert, weitergegeben, angewandt werden

• Wissen wird weiter entwickelt durch Lernen, Innovation, Forschung, Kreativität und Import von Aussen

• Professionelles, handwerkliches, orientierungs- und Metawissen muss allen Angestellten zugänglich sein. Ihre Fähigkeit kritisch zu denken und kreativ zu handeln muss unterstützt werden.

• Wissen wird Organisiert und so transformiert, dass es breite Anwendung findet ... am richtigen Ort eingesetzt durch Bildung, Trainingsprogramme, automatisierte Wissens- und Expertensysteme, Experten-Netzwerke ..

• Vorschlägen müssen mit Verständnis aufgenommen, emotionale Akzeptanz vermittelt werden. Betriebe die erst den gehorsamen Angestellten dressieren, dürfen sich nachher nicht wundern, wenn teure Kreativitätskurse nichts bringen.

Weitere Ansätze des Knowledge Managements:

Expert Networks: yellow page: wer weiss was, Wissensinventare, Wissenskarten (Kartierung der Fähigkeiten und Möglichkeiten, Bedarf und Widerstände, kurzum der Wissenslandschaft der Firma).

Knowledge Cafés: Das Thema wird kurz präsentiert, dann in kleinen Gruppen diskutiert, besonders auch, was die Auswirkungen auf die Gruppe sind. Dann berichten die Gruppen im Plenum. Der Prozess kann sich mehrfach wiederholen.

Expertenwissen fassen und transferieren: Durch die Beobachtung von Experten am Werk oder in simulierten Situationen wird festgestellt, wie sie ihre Entscheide fällen, auf welchem Wissen und Metawissen diese basieren, wie ihre Denkkonzepte aussehen, wie sie assoziieren. Die Experten erklären ihr Denken im Umgang mit Routine und speziellen Situationen den weniger Mitarbeitern mit weniger Erfahrung.

Expertensysteme beruhen auf der Analye oft gestellter Fragen, bekannter Probleme und Lösungen. Ebenso beinhalten Performance Support Systems (PPS) und Knowledge based systems (KBS) das Wissen einer spezifischen Domäne.  Case based reasoning (CBR) erlaubt es für Überlegungen zu spezifischen Fragen auf ähnliche Fälle zurückzugreifen.

Erfahrung ausscheidender Mitarbeiter sind ein wichtiger Aspekt von KM. Da dies immer einen Verlust für die Firma darstellen, gilt es sie zu erfassen und zu transferieren. Die Erfassung kann durch die ausscheidende Person selbst geschehen, durch KM-Experten oder durch trainierte Beobachter, welche die Arbeitsabläufe dokumentieren in Beschreibungen, Reports oder auch per Video.

Sehr wichtig, aber selten gemacht, wird die Erfassung von Entscheidungsdenken: Die Gründe für Entwurf und Wahl von Entscheiden explizit identifizieren und sichtbar machen, besonders auch "was dahinter steckt - Kontext beschreiben (Umstände, Situation) - die dominante Perspektive während des Entscheids dokumentieren sowie in Betracht gezogene und verworfene Optionen.

Lessons learned systems (LLR) & After Action Reviews (AAR): Was war die Aufgabe, wie wurde sie angegangen, was hat geklappt, was nicht, wie war die reelle Situation im Vergleich zur erwarteten and welche Lehren sollten gezogen werden?

Outcome feedback: Wie funktioniert das Produkt beim Kunden, wie geht der damit um? Dieses Wissen wäre für die Verbesserung vieler Produkte wichtig, wird aber selten gemacht.

...  und viele mehr.

Martin Herzog, Rheinfelden, 8.10.2002