Wissensmanagement 2

Warum wird das Wissen nicht weiter gegeben?

• 70% aus Zeitknappheit
• 67% weil das Bewusstsein fehlt das es sich hier eventuell um wichtiges Wissen handelt.
• 39% weil das Bedarf an diesem Wissen nicht bekannt war
• 39% weil ich dadurch ersetzbar werde (Wissen ist Macht)
• 35% wegen der fehlenden Transparenz was dann weiter mit meiner Idee passiert
• 34% warum soll ich?
• 28% weil die Dokumentation des Wissens zu mühselig ist
• 28% weil es keinen Ansprechpartner gibt
• 27% niemand macht das
• 29% wegen hierarchischer Strukturen
• 28% wegen Abteilungskonkurenz

Inzwischen gibt es sehr gut verwendbare EDV Lösungen zur Eingabe von Ideen und Vorschlägen – aber Wissen?

Was ist Wissen?

Jeder weiß was Wissen ist. Aber wir müssen das formalisieren und definieren, sonst kann man das nicht sammeln. Es sei wiederholt, jemand dessen Arbeitsplatz bedroht ist wird nie Wissen preisgeben, sein Wissen ist der Anker der ihn mit der Firma verbindet. Nun zu den Ansätzen die zur Formalisierung von Wissen verwendet werden:

1. Regeln finden und definieren: Meist „wenn-dann“ Strukturen. Das hört sich primär einfach an:
   Beispiel:  „Wenn die zulässige Geschwindigkeit größer als 50km/h ist dann verwende eine M8 Schraube.“ Das lässt sich locker in ein EDV System als Test eingeben, man kann sogar den wenn-Teil und den dann-Teil getrennt eingeben – super und bisher einfach. Die Frage ist nur was machen wir mit diesem „Wissen“, wenn wir es nur für die Einschulung neuer Mitarbeiter verwenden ist das OK, der Kontext kann erklärt werden. Wenn wir aber eine automatische Warnung ausgeben möchten wenn ein Konstrukteur das nicht beachten und das wäre doch toll, wird es komplex: was hat diese Geschwindigkeit, welche Schraube, wie findet das System diese Schraube formal etc.
2. Modelle erfordern eine komplette Beschreibung eines Systems, ein Techniker denkt hier an eine Simulation. Man kann aber auch Geschäftsprozesse simulieren. Bleiben wir aber bei der technischen Anschauung – und da kann ich berufen mitreden, das habe ich jahrelang gemacht – hier ist das Problem wo das Modell endet! Die Begrenzung des Modells hängt stark mit der zugrunde liegenden Fragestellung zusammen. Also nehmen wir einen Flugzeugpropeller, klar da ist Festigkeit, Drehzahl , Aerodynamik und die Verbindung zur Welle sicher ein Thema. Geht es nur um die Konstruktionssicherheit ist das wohl genug. Geht es auch um Treibstoffverbrauch wird man wohl den Vortrieb bei verschiedene Luftdrücken (? ..drucken) und die Berücksichtigung der Verschmutzung nicht vorbeikommen. Die Begrenzung des Modells ist eine menschliche Entscheidung, das ist schön und wird dadurch aber zu einer sehr subjektiven Entscheidung.
3. Künstliche Intelligenz, hier wird anhand von Beispielen versucht Regeln und Grenzen automatisch zu finden. Das funktioniert in der Regel sehr gut, man (frau) muss aber doch sehr viele Beispiele haben. Hier gibt es die Methode der neuronalen Netze und die Methode der Entscheidungsbäume. Neuronale Netze sind im wesentlichen black-boxes, können also nicht diskutiert werden. Entscheidungsbäume können gemeinsam mit dem Kunden diskutiert werden. Das Diskutieren ist sehr vertrauensbildend da die erfahrenen Werkmeister meist bei einigen Regeln „sowieso klar“ sagen. Das ist meist das Tor zum „aha“ in den feineren Verzweigungen.
4. Datenbanken. Hier wird versucht das Wissen in eine bestimmte Logik zu pressen. Das klingt für mich nicht berauschend, aber diese Methode habe ich noch nicht in der Praxis erlebt.
5. Musterfälle, hier kann man besonders gute „best practice“ oder besonders schlechte Fälle „worst practice“ Fälle sammeln. Die Dokumentation erfolgt oft (leider) ex post, was manchmal beschönigend wirken kann. Bei „worst practice“ Fällen zu lernen ist in der Theorie noch besser als von besonders guten Fällen, allerdings besteht ein menschliches Problem – wer will schon da (direkt oder indirekt) genannt werden? Wichtig ist auf jeden Fall die Darstellung der Gründe für Erfolg und Misserfolg.